东洞庭湖湿地指示植被高光谱特征分析

为了建立东洞庭湖湿地指示植被光谱数据库,笔者通过分析指示植被的光谱特征,得到识别湿地植被高分辨率遥感波段窗口,为湿地健康监测提供技术支撑。选取东洞庭湖植被苔草、泥蒿、芦苇、辣蓼与灯心草5种典型湿地植被为东洞庭湖湿地指示植被,对它们进行研究。根据野外测定5种指示植被光谱数据,分析东洞庭湖湿地指示植被的光谱特性、植被类型识别的特征波段及其基本规律。研究发现：（1）在波段范围610~680 nm、810~880 nm、1030~1100 nm、1170~1240 nm、1635~1705 nm之间具有明显的差异。特别在波段1030~1100 nm之间,5种指示植被光谱差异性最大,光谱曲线区分特别明显;（2）通过对苔草、泥蒿、芦苇、辣蓼与灯心草5种湿地植被光谱反射率(R)采用LOG(1/R)变换,得到1个可以区分5种植被的区间,即660~680 nm之间的波段,5种湿地指示植被倒数的对数值依次降低次序是：苔草、芦苇、辣蓼、灯心草和泥蒿;（3）对同一种湿地指示植被苔草不同长势的光谱数据进行降噪、倒数的对数处理后,得到1个特征区间在500~700 nm内,可以明显的区分苔草的长势情况即：长势良好的苔草光谱反射率倒数的对数值要高于长势不好的苔草。     

新疆不同类型土壤有机质含量的高光谱监测

利用高光谱遥感对土壤进行监测已成为精准农业的重要技术之一。本文对新疆不同土壤类型土壤样品有机质含量进行理化分析,并高光谱反射率测定,获得不同类型土样有机质含量及对应高光谱反射率曲线,通过分析高光谱反射率曲线与土样有机质含量关系,对特定波长下的土样光谱反射率和有机质含量进行相关分析和曲线拟合,对高光谱遥感监测土壤质量的可行性进行分析。研究发现,有机质在350~2 500 nm波长范围内光谱反射率与有机质含量呈负相关关系,在675 nm附近的相关性最强。该研究为利用遥感技术进行土壤属性的快速监测奠定了研究基础。     

水稻高光谱红边位置与叶层氮浓度的关系

实时无损监测叶片氮素状况对水稻精确氮素管理具有重要意义。本研究基于多年不同施氮水平和不同水稻品种的田间试验观测资料,系统分析了水稻高光谱红边区域和位置特征与冠层叶片氮浓度的定量关系。结果表明,水稻冠层的红边区域光谱受施氮水平和品种影响较大,一阶导数光谱在红边区域出现“三峰”现象。经典的红边位置(660~750 nm之间光谱反射率的一阶导数最大值)由于“三峰”特征现象而对水稻氮素浓度变化不够敏感,难以适用于水稻氮素状况的准确监测。基于倒高斯模型、线性内插法和线性外推法构造的红边位置随水稻氮浓度呈现连续变化模式,适用于水稻叶层氮浓度的定量监测;另外,基于695 nm、700 nm和705 nm等3个波段的拉格朗日算法也可估测水稻叶层氮浓度。比较不同红边位置发现,改进型线性外推法较其他几种算法更能有效地监测水稻冠层叶片氮浓度。     

基于HJ1A-HSI超光谱影像的县域耕地土壤盐渍度预测研究

针对目前干旱半干旱地区存在的土壤盐渍化问题,以北疆典型盐渍化地区玛纳斯县为研究区,以HJ1A-HSI超光谱影像为主要数据源,结合实测耕地土壤含盐量,分析光谱反射率及其变化形式与盐分含量的相关性,筛选耕地盐分响应的敏感波段,利用多元回归分析方法,建立基于环境卫星影像的耕地含盐量定量反演模型。结果表明,盐分的HSI影像响应波段均位于可见光与近红外波段间,以500~549 nm和696~776 nm范围最佳,相关系数均大于0.5;HSI反射率对数(lgP)预测模型精度最高,可实现对研究区耕地土壤盐分遥感反演。     

冬小麦不同株型品种光谱响应及株型识别方法研究

以直立和平展2种株型的冬小麦品种为材料，研究了它们的光谱响应以及田间植被覆盖度的差异，探讨了利用冠层光谱反射率、光谱特征参量NDVI及植被覆盖度识别小麦株型的方法。结果表明，（1）小麦不同株型品种在近红外波段（700～1300 nm）光谱反射率有明显差异，生育前期平展型品种高于直立型品种，并以拔节期的差异为最显著，随着生育进程差异逐渐变小。拔节期是进行株型识别的最佳时期，并且此期冠层的敏感波段680 nm和760～900 nm的反射率在2种株型品种之间差异明显。（2）小麦冠层叶面积指数（LAI）与归一化差异植被指数NDVI(680,890)呈正相关，并且不同生育阶段其相关程度有差异，这是利用NDVI和植被覆盖度(COV)识别不同株型的基础。（3）相同COV条件下，直立型品种的NDVI高于平展型品种的NDVI，并且随着COV的增加，差异逐渐变小，二者的变化关系体现了直立型品种株型紧凑和平展型品种株型披散的特点，利用NDVI和COV的关系可以对株型进行识别，以小麦拔节期为最佳识别阶段，此期2种株型品种的NDVI具有显著差异（P＜0.05）。     

辽河三角洲土壤盐分与上覆植被野外光谱关系初探*

土壤盐渍化是辽河三角洲主要的环境问题之一,尽管已受到广泛关注,但人类活动引发的次生盐渍化面积仍在不断增长。这就需要认真、及时地监测土壤盐渍化的现状及其变化趋势以阻止土壤次生盐渍化的不断发展,确保土地利用和管理的可持续发展。多源、多时相、多光谱和微波遥感技术已被广泛用于监测土壤盐渍化的时空变化研究中。航空遥感技术、地面土壤盐分探测技术、实验室和野外光谱分析技术与地面土壤盐分测试数据相结合进行土壤盐渍化监测极具发展潜力。当干旱、半干旱区植被覆盖度低于25~35%时,土壤的光谱特征差别明显,利用遥感、土壤光谱数据与土壤盐分分析数据相结合进行土壤盐渍化监测是最为有效的方法之一。如果植被覆盖度大于此阈值,监测精度下降,只能通过上覆植被信息间接推断土壤盐渍化状况。本研究的主要目的就是探讨一下土壤盐渍化与上覆植被光谱之间的关系,尝试利用上覆植被光谱信息推断辽河三角洲土壤盐渍化状况。结果证明方法是可行的。     

冬小麦拔节期冻害后高光谱特征

以霜箱模拟冻害, 采用高光谱仪测定盆栽冬小麦叶片叶绿素含量及冠层高光谱反射率曲线, 以期为冻害遥感监测提供借鉴。结果表明, 冻害低温胁迫后, 对照组叶绿素含量比冻害组高约2~5个单位, 差异显著; 短期内高光谱曲线反射率接近, 线形相似, 约20 d后, 受损叶片过早衰败变黄, 高光谱曲线在黄、红波段区域反射率显著增强, “红谷”不明显, 曲线形状呈水平趋势; 光谱 “红边”具有“蓝移”、“红谷”具有“红移”现象。冻害程度的相关系数与绿峰、红边、红谷、光谱吸收指数分别为0.36*、-0.69*、0.42**、0.33**, 与蓝、绿、黄、红宽波段范围反射率面积分别为0.34*、0.43**、0.45**、0.44**, 与红边、红谷归一化植被指数为-0.33*, 与近红外、红波段反射率面积归一化植被指数为-0.39*, 与叶绿素含量为-0.49**。高光谱反射率曲线特征部位值差异显著性检验表明, 可利用近红外、红波段反射率面积构成的NDVI差异进行冻害识别, 其差异分级可划分冻害程度。     

基于高光谱数据提取作物冠层特征信息的研究进展

高光谱(Hyperspectral)遥感是指光谱分辨率在10-2λ的遥感信息,其特点是光谱分辨率高(5~10nm)、波段连续性强(在0.4~2.5μm范围内有几百个波段)。高光谱遥感器既能对目标成像(有时也称成像光谱遥感)、又能测量目标物的波谱特性,因此,它不仅可以用来提高对农作物和植被类型的识别能力,而且还可以用来监测农作物长势和反演农作物的理化特性。绿色植物具有独特的光谱曲线特征,而作物具有绿色植物典型的光谱特征曲线,基于作物的光谱特征研究与其生理生化特性之间的关系,高光谱遥感数据在提取作物生理生化特征、提取作物冠层信息、估产以及预测病虫害等许多方面都表现出巨大的应用潜力。本文概述了利用高光谱数据提取作物冠层信息的研究现状、展望及其在新疆棉花生产中的应用和前景。     

叶片的灰尘对高光谱遥感中植被冠层反射率的影响

灰尘作为气溶胶的一部分由于沉降现象而附着于植物叶子的表面,当遥感探测器扫描植被冠层时,所得反射率数据就具有了一定的相似性。在平时我们处理卫星数据时忽略了附着于叶子表面灰尘的影响,没有把植被表面的灰尘作为影响因子考虑进去。随着探测器的发展,光谱分辨率的提高,灰尘对于某些波段的影响越来越大。由于天气变化如降雨可以使植被叶片表面灰尘减少甚至消失,引起植被反射率发生变化,于是本文通过模拟降雨前后植被叶片反射率变化,来研究灰尘的影响程度大小。具体方法为采用ASD野外光谱仪分别测量小麦、冬青等植被采摘后表层附有灰尘的叶片和模拟雨水冲洗灰尘后的叶片。通过同一片叶子两次测得的不同数据处理、比较得出以下结论：1. 附着于植被冠层的灰尘对其反射率有很大影响。2. 没有去尘处理的叶片反射曲线不是灰尘反射曲线和经除尘处理的叶片反射曲线简单的线性叠加。3. 灰尘并不会造成“红边”移动,不会发生“蓝移”和“红移”。     

利用光谱红边参数监测黄萎病棉叶叶绿素和氮素含量

以黄萎病胁迫下棉花叶片为试验材料, 分析感染病害棉叶叶绿素(Chl)含量和氮素含量(LNC)与光谱红边参数间的关系, 建立病害棉叶Chl含量和LNC的光谱红边参数诊断模型。结果表明：(1)随着病情加重, 棉叶Chl a、Chl b、Chl a+b和LNC逐渐减小, 其中Chl a下降最快, Chl b下降最慢;(2)黄萎病叶片光谱反射率在可见光区(400~700 nm), 近红外光区(700~1300 nm)和短波红外光区(1300~2500 nm)呈现逐渐上升趋势, 在520~680 nm间达极显著(P<0.01);光谱吸收率在可见光区和短波红外光区呈现逐渐下降的趋势, 达极显著(P<0.01), 在近红外光区呈现先升后降的趋势。(3)病害棉叶红边位置(REP)、红边振动幅(Dr)、红谷位置(Lo)、红边深度(Depth672)和红边面积(Area672)的值均减小, 红边宽度(Lwidth)的值增加, 且Area672减小的幅度最大, Dr减小的幅度最小, Lwidth增加的幅度较大;(4)病害棉叶Chl a含量、Chl b含量、Chl a+b含量和LNC均与红边参数REP、Lo、Depth672和Area672呈极显著正相关, 与Lwidth呈极显著负相关, 与Dr未达显著相关;(5)利用红边参数建立的棉叶Chl含量和LNC的诊断模型均达极显著(P<0.01), 其中以Area672为自变量建立的病害棉叶Chl a、Chl a+b和LNC的诊断模型和Lo为自变量建立的Chl b诊断模型的精度最高, 能很好的诊断病害棉叶Chl含量和LNC。     

青海湖流域土地沙漠化敏感性评价

为了明确青海湖流域土地沙漠化敏感性的分布特点,为流域生态功能区划提供科学依据,以青海湖流域为研究区,根据《生态功能区划技术暂行规程》,选择湿润指数、冬春季大于6 m/s大风天数、土壤质地和植被覆盖（冬春）4个因子作为评价指标,在ArcGIS支持下生成单因子敏感性评价图,在此基础上基于空间叠加功能,对土地沙漠化进行综合评价。按土地沙漠化敏感度的高低将研究区分为极敏感、高度敏感、中度敏感、轻度敏感和不敏感5个级别。研究发现,青海湖流域土地沙漠化敏感性程度以中度敏感和高度敏感为主,分别占研究区域的34.24%、31.73%,轻度敏感和不敏感区域仅占整个流域的17.4%、0.03%。从土地沙漠化敏感性的空间分布来看,青海湖流域中部和环湖地区是土地沙漠化中度敏感和高度敏感相对集中的区域。     

大豆光谱反射率与地上干物重对数回归分析

摘要：研究目的：从统计学角度分析地上部干物重与叶片反射光谱特征的定量关系;方法：通过对近红外和可见光波段光谱反射率的分析, 确立不同时期大豆地上部干物重的敏感波段,计算出相应的植被指数,并建立植被指数与大豆地上部干物质量预测模型;结果表明：通过RDVI（1005,510nm）植被指数建立对数模型,方程为：y = -295.83Ln(x) - 123.05;结论：此模型能较好的描述大豆合农60光谱反射率与干物重的关系。     

洞庭湖湿地草地不同利用方式对土壤碳储量的影响

为研究不同利用方式对湿地草地土壤有机碳储量的影响,通过不同时段的土壤剖面有机碳含量的测定数据,分析不同利用方式下土壤碳储量的变化。结果表明：苔草地营造杨树林,对土壤有机碳储量的影响是一个骤变过程,可以引起土壤40 cm甚至以下土层有机碳的损失;造林8年后,原来储存在土壤中的有机碳损失了33.89 t/hm2;每年取走地上产品对土壤有机碳储量的影响是一个逐渐变化的过程,主要影响土壤表层尤其是0~10 cm深土壤碳的积累量,与未受人为干扰的苔草地相比,8年内土壤有机碳的积累量只少1.95 t/hm2。不论何种人为利用方式都减少了湿地草地土壤有机碳的积累量。     

民勤荒漠生态退化动态特征研究

通过设置样方,调查研究了民勤荒漠生态退化的动态特征。结果表明,民勤绿洲区地下水位正在急剧下降,天然植被面积逐年减少,盖度正在明显下降,随着水资源退化和植被退化,沙漠化土地面积正在扩大,沙漠化程度正在增强。荒漠区水资源退化引起植被退化,植被退化进而导致沙漠化过程加强。随着植物的大面积死亡和稀疏化,生态环境越来越恶化。植被退化加之开垦使得极重度、重度沙化土地面积扩大,中轻度沙化土地面积相对减少。目前地下水位下降的主要原因,一是农业灌溉用水量增大,二是上游入境水量逐年减少。实践证明,在干旱沙漠中造林,尤其是打井提取地下水造林,只能加速沙漠化和生态环境退化的过程。     

基于高光谱的土壤有机质含量反演研究

土壤有机质含量是土壤肥力的一个重要指标,利用高光谱对土壤有机质含量进行定量化反演,为精准农业地表土壤有机质含量的快速测定提供参考。利用美国ASD FieldSpec FR地物光谱仪,在室内条件下对经过处理的土壤样品进行光谱测量,通过对土壤样品光谱反射率不同变换形式与有机质含量进行相关性分析,建立土壤光谱变量与土壤有机质含量的多元回归关系模型。结果表明：在波长492 nm、663 nm、1221 nm、1317 nm、1835 nm和2130 nm处,采用光谱反射率一阶微分建立的土壤有机质含量反演回归模型,预测精度最好,决定系数R2为0.909。建立的土壤有机质含量高光谱反演模型,可以较好地预测土壤有机质含量,从而为精准农业土壤有机质含量的快速测定提供新的途径。     

棉花叶面积指数和地上干物质积累量的高光谱估算模型研究

 用ASD FieldSpec光谱仪实测棉花冠层不同生育时期的高光谱数据,同期获取棉花叶面积指数(LAI)和地上干物质积累量(Above-ground Dry Matter Accumulation,ADMA)。分析棉花冠层反射光谱与棉花LAI、地上部干物质积累量（ADMA）的相关关系,分析结果表明,反射光谱数据与棉花LAI、ADMA的相关系数的最高值分别发生在783 nm（r=0.6394^**）和766 nm处(r=0.6287^**);对反射光谱数据进行统计分析,建立了基于比值植被指数(RVI)和归一化植被指数(NDVI)的5种函数形式的棉花LAI、ADMA估测模型。经检验,基于RVI的估测模型具有较高的精度;对一阶微分光谱数据与棉花LAI和ADMA的逐步回归相关分析表明,敏感波段分别发生在736 nm（r=0.6769^**）和742 nm处(r=0.6847^**)。由736 nm、742 nm波段处的微分数值建立的LAI和ADMA线性回归估测模型,R值均达到了1%极显著的检验水平,说明一阶微分光谱敏感波段的数值,对棉花LAI和ADMA具有一定的估算能力。     

毛乌素沙地南缘不同植被恢复类型的土壤养分效应

为了探讨植被恢复对土壤养分的影响,研究了毛乌素沙地南缘天然草地、人工封育草地、撂荒地、退耕还林地、固定沙地5种不同植被恢复类型区的土壤养分特征。结果表明：不同植被恢复类型对土壤有机质、全氮、有效氮、速效磷的影响存在明显差异;灌草结合的人工封育草地、退耕还林地、固定沙地土壤有机质、全氮、有效氮的含量高于以草本为主的天然草地和撂荒地,但土壤速效磷的含量刚好相反;植被对表层0~20 cm土壤养分的影响大于下层20~60 cm土壤,植被作用下土壤养分向表层富集;采用柠条进行退耕还林,能够充分发挥其根系特性,有利于改良深层土壤养分。     

基于WorldView 2影像杉木叶面积指数与植被指数相关性研究

为了探究基于高分辨率遥感影像杉木叶面积指数与植被指数的相关性,以湖南省攸县黄丰桥国有林场为研究对象,采用地面实验与遥感技术相结合的方法,利用WorldView 2遥感数据提取NDVI、SAVI、SARVI、RVI、MSAVI、ARVI等6种植被指数,通过LAI-2000测量的杉木叶面积指数(LAI)建立相关关系,开展WorldView 2遥感影像在估测杉木叶面积指数中的应用研究,分析植被指数对杉木LAI的影响.对不同植被指数分别进行线性模型、二次曲线模型、指数曲线模型和对数曲线模型的LAI反演.结果表明:除DVI与LAI相关性稍低一点外,其他植被指数与LAI都有很高的相关性,高于中低分辨率遥感影像提取的植被指数与LAI的相关性,土壤调节植被指数(SAVI)与LAI的相关性与土壤影响因子L无关.在线型模型中,RVI与ARVI更适合于杉木LAI建立一元线性回归模型,相关系数R分别为0.931、0.895,判定系数R2分别为0.866、0.800,均达到较好的拟合效果.在非线性模型中,反演模型最好的是二次曲线模型,其次是指数模型,最差的是对数模型.拟合效果较好的是NDVI、SAVI和RVI;拟合效果最差的是DVI;最好的拟合模型,其R2高达0.884.杉木LAI具有较佳拟合效果的非线型模型是NDVI和SAVI的二次曲线模型.