基于冠层光谱红边参数和植被指数的 冬小麦水分胁迫监测

基于冬小麦不同水分胁迫试验,采用便携式光谱仪测定冬小麦抽穗期、开花期和灌浆期受不同水分胁迫处理的冠层光谱反射率,分析不同水分处理下冬小麦冠层光谱特性,并对植被指数、红边参数与冠层叶片含水率和土壤含水率进行相关性分析,构建各生育期叶片含水率和土壤含水率的最佳监测模型,实现对冠层叶片含水率以及土壤含水率的监测评估。结果显示,在整个生育期,冬小麦的冠层光谱反射率在可见光范围呈现绿峰红谷,尤其在旺盛生长时期,随着水分胁迫程度加深,绿峰红谷逐渐变得不明显,红谷抬升幅度增大;相反,在近红外波段范围内水分胁迫主要使得反射率表现为明显下降;冬小麦红边参数随生长进程呈蓝移现象,灌浆期受胁迫程度越重的红边参数越低;植被指数(EVI、NDVI、SAVI、WI)在开花期之后具有不同程度的下降趋势,至灌浆期有大幅度减小,且随受胁迫程度加深植被指数下降幅度增大;植被指数和红边位置、红边面积在灌浆期与叶片含水率和土壤含水率有显著相关,其中植被水分指数WI、归一化植被指数NDVI和红边位置λ_(red)相关性较佳,其建立的叶片含水率和土壤含水率估算模型效果较好,决定系数r~2均大于0.84,平均相对误差(MRE)≤0.207。综合分析认为,冠层反射光谱特征和植被指数与冬小麦冠层叶片含水率和土壤含水率相关性良好,可利用高光谱遥感参数对冬小麦的水分状况进行快速、准确监测。     

基于高光谱的小麦冠层叶绿素(SPAD值)估测模型

选择山东省泰安市山东农业大学试验田为研究区,分别采用ASD FieldSpec 3光谱仪和SPAD-502叶绿素仪测量小麦冠层的近地高光谱反射率和SPAD值,通过分析小麦冠层光谱特征,进行光谱反射率及其一阶导数与SPAD值的相关分析,筛选敏感波段,进而分别构建基于敏感波段和植被指数的小麦冠层SPAD值估测模型,并优选确定最佳模型。结果表明,光谱反射率经一阶导数变换能更好突出光谱特征,用来筛选敏感波段,将6个敏感波段分别建立单波段及多波段组合估测模型,进而优选出最佳估测模型为R′_(871),R_(1 349),R_(725),R′_(1 995)多元线性回归模型,决定系数R~2=0.668;基于4种植被指数构建的小麦叶绿素最佳估测模型为NDVI的二次模型,方程为y=61.978 x~2-34.426 x+54.089,决定系数R~2为0.845。基于植被指数的估测模型可较好实现小麦冠层叶绿素信息的无损和快速获取,为小麦生产的实时监测提供了有效手段。     

倒伏春性冬小麦冠层光谱特征及倒伏严重度预测

采用高光谱仪测定不同春性冬小麦品种于不同时期倒伏的群体冠层光谱反射率,分析不同倒伏条件下的小麦冠层光谱特征,建立可快速、有效监测小麦倒伏严重程度的数学模型,为合理评价倒伏程度提供依据。结果表明,小麦倒伏后冠层光谱反射率增加,可见光波段550 nm附近出现1个波峰,670 nm附近出现1个波谷;近红外波段1 000 nm处出现1个较明显的波动,呈现2个波谷,1个波峰。同一倒伏级别下,倒伏时期不同,光谱反射率曲线存在差异,可见光波段乳熟末期冠层反射率高于开花期光谱反射率,而近红外波段恰好相反;在同一倒伏时期,倒伏级别越高,光谱反射率越大。倒伏级别与冠层光谱反射率的相关系数于760 nm处达最大(r=0.973 4**)。与NDVI、RVI、DVI相比,采用760 nm处冠层光谱反射率和DVI可有效评估春性冬小麦倒伏严重度。     

棉花冠层叶片叶绿素含量与高光谱参数的相关性

【目的】研究棉花冠层叶片叶绿素含量与高光谱参数的相关性,建立叶绿素含量估算模型。【方法】2014年,以鲁棉研28号为研究对象,测定不同施氮水平和生育期棉花冠层叶片叶绿素含量及350~2 500nm光谱反射率,以棉花冠层高光谱反射率与冠层叶片叶绿素含量为数据源,在分析叶绿素含量与原始高光谱反射率(R)、一阶导数光谱反射率(DR)、光谱提取变量和植被指数相关性的基础上,采用一元线性与多元逐步回归的方法构建了叶绿素含量估算模型,并对从中筛选的6种棉花冠层叶片叶绿素含量估算模型进行精度对比。【结果】1)棉花冠层叶片叶绿素含量在反射光谱766nm处相关系数达到最大值,相关系数r=0.836;对于一阶导数光谱,叶绿素含量的敏感波段发生在753nm处,r=0.878;2)以9种光谱提取变量与8种植被指数为自变量,建立叶绿素含量的估算模型,筛选出的特征变量为红边面积(SDr)、绿峰与红谷的归一化值((Rg-Rr)/(Rg+Rr))、绿峰幅值(Rg),仅采用8种常用植被指数建立估算模型,筛选出的变量为比值植被指数(RVI);3)所建立的6种模型中以基于一阶导数光谱反射率建立的多元逐步回归估算模型精度最高,均方根误差(RMSE)为1.075,相对误差(RE)为2.22%,相关系数(r)为0.952。【结论】采用原始光谱、一阶导数光谱、光谱提取变量及植被指数均可对棉花叶绿素含量进行监测,其中基于一阶导数光谱的多元逐步回归模型对叶绿素含量的估算效果最优。     

基于波段组合优化光谱指数的冬小麦LAI估算

叶面积指数（LAI）是表示植被利用光能状况和冠层结构的一个综合指数,与作物产量密切相关。高光谱遥感数据具有连续、高光谱分辨率等特点,为估算农作物生理生化参数和冠层结构参数提供了重要手段。为挖掘高光谱数据估算LAI的最优波段组合以及提高估算精度,以冬小麦作为研究对象,野外实测不同生长阶段（起身、拔节、开花阶段）的冠层高光谱数据,并对其进行不同数学变换处理,包括原始光谱、一阶导数光谱和连续统去除。利用3种不同预处理的冠层高光谱数据构建30种常用植被指数和4种优化光谱指数,比较常用植被指数与优化光谱指数对冬小麦LAI的响应,建立估算冬小麦LAI的单变量和多变量回归模型,对其进行精度验证,并筛选出最优估算模型。结果表明,随着生育期的推进,可见光波段范围内,冬小麦冠层光谱反射率较低、吸收较强,LAI对连续统去除光谱的影响较大,呈负相关;近红外波段范围内不同生育期间的差异较大,随着LAI的增大,冠层光谱的红边位置出现了“红移”现象;基于一阶导数的优化植被指数（NDSI和RSI）与LAI相关系数达到0.8;从估算模型来看,基于一阶导数的RSI_{（627 nm, 774 nm）}单变...     

冬小麦冠层水平叶绿素含量的高光谱估测

【目的】利用高光谱数据对抽穗期冬小麦冠层叶绿素含量进行估测,旨在为叶绿素含量快速准确估测提供参考。【方法】利用ASD便携式野外光谱仪和SPAD-502叶绿素仪实测了冬小麦抽穗期冠层光谱反射率及叶绿素含量,并对原始光谱反射率及其一阶导数光谱与叶绿素相对含量进行了相关分析,建立了基于敏感波段、红边位置、原始光谱峰度和偏度、一阶导数光谱峰度和偏度的叶绿素估算模型,并进行检验,从中筛选出精度最高的模型。【结果】冬小麦冠层光谱曲线特征与叶绿素含量之间有着密切联系。基于原始光谱一阶导数偏度和峰度的冬小麦(抽穗期)叶绿素含量估算模型拟合精度优于其他4种估算模型,决定系数R2分别为0.847和0.572,均方根误差RMSE分别为0.397和0.697,相对误差RE分别为61.0%和119.0%,拟合精度优于其他4种估算模型。【结论】原始光谱一阶导数的偏度和峰度作为自变量能很好地估测抽穗期小麦冠层叶绿素含量。     

基于光谱植被指数的冬小麦叶绿素含量反演

植物功能叶的SPAD值与其氮素和叶绿素有较强的相关性,研究功能叶SPAD与其冠层光谱的关系,对实现植株叶绿素含量快速、无损检测具有重要意义。本文通过对冬小麦生育期的冠层原始光谱进行一阶导数变换,研究其功能叶片SPAD值与冠层光谱的相关性,对监测冬小麦叶绿素含量的敏感波段进行了提取,并建立了叶绿素含量与冠层反射光谱的定量关系。结果表明,基于小麦冠层原始光谱反射率、冠层光谱导数反射率与SPAD的相关系数曲线,提取的各形式下冬小麦叶绿素含量的敏感波段分别为500、690、760和470、630、723nm;并构建了冬小麦叶绿素含量的预测模型,以FDNDVI(630,723)预测模型较好,其R2可达0.9485,模型验证参数R2、MRE和RMSE分别为0.8099、0.0294和1.805,拟合效果较好,表明该模型能有效地对冬小麦叶绿素含量进行预测。该研究结果可为冬小麦长势监测提供一定的理论参考。     

基于人工神经网络的大豆叶面积高光谱反演研究

【目的】探索不同高光谱模型监测大豆叶面积指数LAI的精度。【方法】实测不同水肥耦合作用下，大豆冠层的高光谱反射率与叶面积指数（Leaf Area Index）数据，对二者进行相关分析；采用敏感波段(801nm,670nm)构建RVI, NDVI, SAVI, OSAVI 和MTVI2植被指数，建立大豆LAI估算模型；最后采用相关系数较大的波段作为神经网络模型的输入变量进行大豆LAI的估算。【结果】大豆LAI与光谱反射率在可见光波段呈负相关、近红外波段呈正相关、红边处相关系数由负变正；微分光谱在三边处与大豆LAI关系密切，在红边处取得最大回归确定性系数（R2 = 0.86）。植被指数可以较为精确反演大豆LAI，确定性系数R2>0.84。人工神经网络模型可以大大提高大豆LAI的估算水平，当隐藏层节点数为2时，R2为0.92，随着隐藏层节点数的增加，R2可高达0.96；在没有黄熟期数据干扰的情况下，神经网络可以进一步提高大豆LAI的反演精度，R2可高达0.99。【结论】与基于植被指数建立的模型相比，神经网络模型可以有效避免因LAI过高而出现的过饱和现象，大大提高了LAI的反演精度。     

基于高光谱成像估测冬小麦不同生育时期水分状况

【目的】研究实时、快速估测冬小麦不同生育时期水分状况并构建模型,为冬小麦水分精准管理提供科学依据。【方法】以新疆典型滴灌冬小麦为研究对象,应用高光谱成像技术获取冬小麦冠层光谱信息,并对原始光谱反射率进行平滑和数据变换,利用一元线性回归(Simple linear regression,SLR)、主成分回归(Principal components regression,PCR)和偏最小二乘回归(Partial least squares regression,PLSR)3种建模方法,对冬小麦冠层原始光谱及变换光谱分别构建植株水分含量估测模型。【结果】冬小麦冠层原始光谱反射率与植株水分含量相关性不高,对原始光谱反射率进行数据变换可以显著增强与水分含量的相关性和相关波段数,其中倒数一阶微分变换与冬小麦植株水分含量的相关系数最大,为-0.893 0,但不同变换最优相关系数所对应的波段位置并不固定。PLSR方法的模型精度最高,对数变换的PLSR模型估测精度最高,模型$R_{p}^{2}$、RMSE_p、RPD值分别为0.880 8、3.251 2%、2.934 3;冬小麦不同生育时期估测模型精度存在差异,拔节期、抽穗期估测模型精度较低,灌浆中期最高,其估测模型$R_{p}^{2}$、RMSE_p、RPD值分别为0.904 8、1.381 1%、3.454 7。【结论】利用高光谱成像技术对估测冬小麦植株水分含量是可行的,在灌浆中期的估测效果最佳。     

基于光谱指数的冬小麦变量施肥效应研究

【目的】由适时获得的高光谱数据代替传统繁琐的实验室土壤养分测定数据来进行变量施肥,实现冬小麦高产优质的目标。【方法】本研究利用冬小麦起身期和拔节期冠层光谱数据,选用反映冬小麦长势信息的优化土壤调节植被指数(OSAVI,optimization of soil-adjusted vegetation index)和变量施肥模型进行变量施肥管理(变量区),以相邻地块常规非变量(均一)施肥区(对照区)为对照,研究了不同氮肥处理冬小麦冠层光谱特征及其施肥效应。【结果】变量施肥之后两种氮肥处理在敏感波段670nm和760～900nm处反射率差异明显,而670nm和760～900nm是氮素和冠层的敏感波段,说明进行变量施肥时,利用基于这两个波段组合的光谱指数OSAVI优于其它波段组合的光谱指数;OSAVI不同生育时期的变化情况,反映了变量施肥在调控作物长势及群体结构上的优势;与对照区相比变量区提高产量达378.72kg·ha-1,并降低了各小区产量之间的变异,变量区土壤硝态氮浓度降低,氮肥利用率提高,生态效益较为明显。【结论】该技术通过改善冬小麦群体质量,延缓了植株衰老,促进干物质和氮积累,增加冬小麦产量和氮肥利用率。     

基于随机森林算法的冬小麦叶面积指数遥感反演研究

【目的】通过利用随机森林算法（random forest,RF）反演冬小麦叶面积指数（leaf area index, LAI）,及时、准确地监测冬小麦长势状况,为作物田间管理和产量估测等提供科学依据。【方法】本研究依据冬小麦拔节期、挑旗期、开花期及灌浆期地面观测数据,将相关系数分析（correlation coefficient,r）和袋外数据（out-of-bag data,OOB）重要性分析与随机森林算法（random forest,RF）相结合,在优选光谱指数和确定最佳自变量个数的基础上,构建了两种冬小麦LAI反演模型|r|-RF和OOB-RF,并利用独立数据集对两种模型进行验证;然后,将所建LAI反演模型用于无人机高光谱影像,进一步检验所建模型对无人机低空遥感平台的适用性和可靠性。【结果】|r|-RF和OOB-RF反演模型分别采用相关性前5强、重要性前2强的光谱指数作为输入因子时精度最优,验证决定系数（R²）分别为0.805、0.899,均方根误差（RMSE）分别为0.431、0.307,表明这两个模型均能对作物LAI进行精确反演,其中OOB-RF模型的反演效果更好。利用无人机高光谱影像数据结合OOB-RF估算模型反演得到冬小麦LAI与地面实测值的拟合方程的决定系数R²为0.761,RMSE为0.320,数值范围（1.02-6.41）与地面实测（1.29-6.81）亦比较吻合。【结论】本文基于地面数据构建的OOB-RF模型不仅具有较高的反演精度,而且适用性强,可用于无人机高光谱遥感平台提取高精度的冬小麦LAI信息。     

基于新型植被指数的冬小麦LAI高光谱反演

【目的】本研究旨在分析冠层叶片水分含量对作物冠层光谱的影响,构建新型光谱指数来提高作物叶面积指数高光谱反演的精度。【方法】在冬小麦水肥交叉试验的支持下,分析不同筋性品种、施氮量、灌溉量处理下的冬小麦叶面积指数冠层光谱响应特征,并分析标准化差分红边指数(NDRE)、水分敏感指数(WI)与叶面积指数的相关性,据此构建一个新型的植被指数——红边抗水植被指数(red-edge resistance water vegetable index,RRWVI)。选取常用的植被指数作为参照,分析RRWVI对于冬小麦多个关键生育期叶面积指数的诊断能力,随机选取约2/3的实测样本建立基于各种植被指数的叶面积指数高光谱响应模型,未参与建模的样本用于评价模型精度。【结果】研究结果表明,随着生育期的推进,冬小麦的叶面积指数呈先增加后降低的变化趋势,不同的水肥处理对冬小麦叶面积指数具有较大影响。开花期之后冬小麦LAI显著下降,强筋小麦(藁优2018)在整个生育期叶面积指数均高于中筋小麦(济麦22);不同氮水平下冬小麦冠层光谱反射率在近红外波段(720—1 350 nm)随着施氮量的增加而增大,与氮肥梯度完全一致,其中2倍氮肥处理的近红外反射率达到最高;不同生育期下冬小麦冠层光谱反射率变化波形大体一致;各个关键生育期的NDRE和WI均存在较高的相关性,而NDRE与LAI的相关性明显优于WI,新构建的植被指数RRWVI与LAI的相关性均优于NDRE、WI;虽然8个常用的植被指数均与LAI存在显著相关,但RRWVI与LAI相关性达到最大,其拟合曲线的决定系数R2为0.86。【结论】通过分析各种指数所构建的冬小麦叶面积指数高光谱反演模型,新构建的RRWVI取得了比NDRE、NDVI等常用植被指数更为可靠的反演效果,说明本研究新构建的红边抗水植被指数可有效提高冬小麦叶面积指数的精度。     

干旱胁迫对冬小麦生态、光合、产量及光谱特征的影响

利用2010—2011年度小区冬小麦干旱试验资料,研究不同干旱时长和保持不同土壤水分条件下冬小麦生理生态以及光谱的变化特征,为改善冬小麦田间管理和减少农业损失提供依据。从孕穗期开始,研究了受试品种(中优9507)株高、叶绿素、净光合速率、产量及光谱特征等指标的变化规律,并据此构建出冬小麦归一化植被指数(NDVI)和增强植被指数(EVI)同冬小麦减产率的相关模型。结果表明,受干旱胁迫后,冬小麦株高、叶绿素含量、光合作用能力显著下降,且下降幅度随着胁迫的加强而增大。NDVI和EVI同减产率能够建立很好的关系模型,可以为作物产量监测和干旱风险预测提供依据。     

不同灌溉条件下冬小麦冠层含水量的光谱响应

【目的】寻找快速、无损地诊断冠层含水量的方法,对冬小麦长势监测、旱情评估及变量灌溉提供技术支持。【方法】基于田间变量灌溉试验,分析生育期、灌溉量对冬小麦冠层含水量的影响,解析冠层光谱对不同灌溉处理下冠层含水量的响应规律,以冠层等效水厚度（EWTc）为表征指标,基于连续小波变换（CWT）技术,构建冬小麦冠层等效水厚度光谱诊断模型,利用独立样本验证模型精度。【结果】冬小麦冠层等效水厚度在生育后期均随着灌溉量的增多而增加,并随着生育进程的推进而减少;冬小麦冠层光谱反射率随着生育进程的推进而降低,在近红外和中红外波段冠层光谱反射率均表现为1水>0.5水>0水;与原始冠层光谱反射率相比,经连续小波变换后的小波系数与冠层等效水厚度相关性在第1、2、3、5、6、7分解尺度均有不同程度的提高,提高幅度在8.40%—26.20%;以第6尺度2 400 nm、第2尺度1 596 nm和第7尺度2 397 nm构建的冠层等效水厚度光谱诊断模型稳定性和精度较好,验证样本决定系数R ²为0.5411,RMSE为0.0127 cm。【结论】冬小麦冠层含水量随着灌溉时间与灌溉量发生规律性变化,在水分敏感波段范围内呈现明显的光谱响应特征,连续小波变换技术可以有效提高冠层光谱特征参量与冠层等效水厚度的相关性,实现冬小麦冠层含水量光谱诊断,可以为冬小麦田间变量灌溉决策提供技术支持。     

基于分段方式选择敏感植被指数的冬小麦叶面积指数遥感反演

【目的】考虑到利用单一植被指数（VI）反演叶面积指数(LAI)时,存在着不同程度的饱和性和易受土壤背景影响的问题,提出通过分段的方式选择敏感植被指数形成最佳VI组合以提高LAI反演的精度。【方法】通过ACRM辐射传输模型模拟数据,结合地面实测光谱数据,选择常用的植被指数进行土壤敏感性分析以及饱和性分析确定LAI的分段点,并在此基础上分段选择最佳植被指数形成组合VI来实现LAI的最终反演,并利Landsat5 TM开展区域条件下冬小麦LAI反演应用。【结果】以LAI=3是较为适宜的分段点,利用植被指数最佳分段组合OSAVI(LAI≤3)+TGDVI(LAI>3)可在一定程度上有效克服土壤影响因素以及饱和性问题,联合反演的结果明确优于单一植被指数反演精度。【结论】通过分段选择最佳植被指数形成联合VI可以有效提高LAI反演精度。     

Inversion of Biochemical Parameters by Selection of Proper Vegetation Index in Winter Wheat

Recent studies have demonstrated the application of vegetation indices from canopy reflected spectrum for inversion of chlorophyll concentration.Some indices are both response to variations of vegetation and environmental factors.Canopy chlorophyll concentration,an indicator of photosynthesis activity,is related to nitrogen concentration in green vegetation and serves as an indicator of the crop response to soil nitrogen fertilizer application.The combination of normalized difference vegetation index (NDVI) and photochemical reflectance index (PRI) can reduce the effect of leaf area index (LAI) and soil background.The canopy chlorophyll inversion index (CCII) was proved to be sensitive to chlorophyll concentration and very resistant to the other variations.This paper introduced the ratio of TCARI/OSAVI to make accurate predictions of winter wheat chlorophyll concentration under different cultivars.It indicated that canopy chlorophyll concentration could be evaluated by some combined vegetation indices.     

微喷补灌对冬小麦旗叶衰老和光合特性及产量和水分利用效率的影响

【目的】探明微喷补灌对冬小麦开花后旗叶衰老和光合特性、籽粒灌浆速率、产量和水分利用效率的影响,为小麦节水高产提供重要技术支持。【方法】于2011-2013年冬小麦生长季,选用高产冬小麦品种济麦22,设置全生育期不灌水（W0）、微喷补灌（W1）和传统畦灌（W2）处理,研究小麦开花后旗叶水势、超氧化物歧化酶（superoxide dismutase,SOD）和过氧化氢酶（catalase,CAT）活性、叶绿素荧光参数、群体光合速率和籽粒灌浆速率等的差异。W1与W2处理的灌水时期一致,均于小麦拔节期和开花期各灌水1次。W1处理采用小麦专用微喷带（ZL201220356553.7）补充灌溉,灌水前测定土壤含水量。两年度小麦拔节期均设定0-140 cm土层土壤目标相对含水量为70%,第一年和第二年小麦开花期设定0-140 cm土层土壤目标相对含水量分别为70%和65%,根据灌水定额公式计算所需补灌水量。W2处理采用传统畦灌方式灌溉,改口成数为90%,即当水流前锋到达畦长长度的90%位置时停止灌水,用水表计量实际灌水量。W1与W2处理试验小区的规格一致,畦宽（左侧畦梗中心线至右侧畦梗中心线的垂直距离）2 m,畦梗宽0.4 m,畦长60 m,面积120 m²。小区间设1.0 m保护行。每小区等行距种植8行小麦,实际行距22.9 cm。W1处理的每个试验小区在自边行向内数第4行与第5行小麦之间沿小麦种植行向（畦长方向）铺设一条专用微喷带。微喷带进水端装有压力表、水表和闸阀,进水端水压设为0.02 MPa。灌溉水水源为井水,从水源至微喷带和畦田进水端采用PVC水龙带输水。畦灌的单宽流量为4.6-5.2 L·m^-1·s^-1。【结果】两年度微喷补灌处理在小麦拔节期和开花期的补灌水量分别为21.3-96.0 mm和29.0-38.5 mm,灌水分布均匀系数达87.9%-97.0%,不低于传统畦灌处理,而全生育期总灌水量比传统畦灌处理减少33.2-70.8 mm,节水21.0%-54.2%。微喷补灌处理开花后旗叶水势、SOD和CAT活性、丙二醛含量、旗叶最大光化学效率、实际光化学效率,及群体光合速率和籽粒灌浆速率、籽粒产量均与全生育期灌2水的传统畦灌处理无显著差异,但水分利用效率提高2.1-2.9 kg·hm^-2·mm^-1,达21.6-23.2 kg·hm^-2·mm^-1。【结论】小麦拔节期和开花期微喷补灌可以根据灌水前的降水量和土壤含水量状况及时调节补灌水量,并实施精确、均匀灌溉,适量供给小麦高产生理需水,挖掘出小麦节水的更大潜力。     

小麦氮素积累动态的高光谱监测

 【目的】研究小麦地上部氮积累量与冠层高光谱参数的定量关系,分析多种高光谱参数估算地上部氮积累量的效果。【方法】连续3年采用不同蛋白质含量的小麦品种在不同施氮水平下进行大田试验,于小麦不同生育期采集田间冠层高光谱数据并测定植株不同器官生物量和氮含量。【结果】植株氮积累量随着施氮水平的提高而增加,不同地力水平间存在明显差异。植株氮积累量的光谱敏感波段主要存在于近红外平台和可见光区,而地上部氮积累量与冠层光谱的相关性明显降低。对植株氮积累量的光谱估算,在不同品种、氮素水平、生育时期和年度间可以使用统一的光谱模型。在籽粒灌浆期间植株氮积累量自开花期随时间进程的积分累积值与对应时期籽粒氮素积累状况存在显著的定量关系,根据特征光谱参数植株氮素营养籽粒氮积累量这一技术路径,以植株氮积累量为交接点将模型链接,建立高光谱参数与籽粒氮积累量间定量方程。将植株氮积累量与籽粒氮积累量相加,确立了基于高光谱参数的籽粒灌浆期间地上部氮积累量监测模型。经不同年际独立资料的检验表明,利用光谱参数SDr/SDb、VOG2、VOG3、RVI（810,560）、[（R750-800）/（R695-740）]-1和Dr/Db建立模型可以实时监测小麦地上部氮素积累动态变化,预测精度R2分别为0.774、0.791、0.803、0.803、0.802和0.778,相对误差RE分别为16.7%、15.5%、15.6%、18.5%、15.5%和17.3%。【结论】利用关键特征光谱参数可以有效地评价小麦地上部氮素积累状况,其中尤以植被指数VOG2、VOG3和[（R750-800）/（R695-740）]-1的效果更好。     

扫描成像光谱仪和地物光谱仪在单叶尺度上的对比研究

【目的】对图谱合一的冬小麦叶片高光谱数据进行分析,验证扫描成像光谱仪(PIS)在近地使用的可行性。【方法】利用扫描成像光谱仪和地物光谱仪(ASD)获取冬小麦关键生育期的叶片光谱信息,比较两仪器在450—850nm获得的光谱曲线;选取15种植被指数,对两仪器获得的光谱值进行植被指数运算,并将结果与叶片叶绿素含量进行相关分析。【结果】在冬小麦的不同生育期,扫描成像光谱仪和地物光谱仪获得叶片的反射率曲线趋势一致,在对应的波段均表现出相应的波峰、波谷、高反射区等特征,但扫描成像光谱仪获得的反射率值都高于地物光谱仪。对比两仪器15种植被指数和叶绿素含量之间的相关系数得出,扫描成像光谱仪获得的相关系数普遍高于地物光谱仪。【结论】扫描成像光谱仪和地物光谱仪获取的数据有相同的曲线特征,说明扫描成像光谱仪获得的数据是可靠的;植被指数与叶绿素含量的相关系数比较结果表明,扫描成像光谱仪获得的图谱合一的数据在近地遥感研究中有很大的优势。