基于光谱指数的不同生育期油菜叶片SPAD估测

【目的】研究西北地区不同生育时期油菜叶片SPAD值与多种光谱参数之间的关系,并建立估测模型。【方法】以陕西省乾县齐南村施肥程度一致的大田种植的油菜为试验材料,分别在苗期、现蕾抽苔期和开花期测定叶片的光谱反射率和SPAD值,得到不同波段组合的光谱指数,计算其与SPAD值之间的相关性系数,并拟合以各种光谱指数预测SPAD值的模型,以均方根误差(RMSE)和相对误差(RE)作为模型的评价和检验指标。【结果】苗期SDr/SDy与叶片SPAD值相关性最高,为0.79,构造的最佳预测模型决定系数为0.67;现蕾抽苔期(SDr-SDy)/(SDr+SDy)与叶片SPAD相关性最高,达到0.82,构造的最佳SPAD估测模型决定系数为0.70;苗期(SDr-SDy)/(SDr+SDy)与叶片SPAD有较高相关性,相关性系数为0.65,构造的预测模型决定系数为0.43。【结论】各时期预测模型效果较好的光谱指数基本一致,为SDr/SDy和(SDr-SDy)/(SDr+SDy),可以利用高光谱遥感信息反演西北地区油菜各时期的叶绿素含量,并分析其生长状况。     

基于高光谱植被指数对棉花叶绿素含量的估算

为了研究不同水氮组合条件下叶片叶绿素含量与光谱反射率之间的相关性,从而进一步估算叶绿素含量,利用ASD Field Spec Pro Fr型光谱仪室外测量棉花叶片的光谱反射率,同时采收棉花叶片获得叶绿素含量值。计算光谱一阶微分、原始光谱反射率组成的植被指数,以及对"三边参数"与叶片叶绿素含量进行相关性分析,结果表明:"三边参数"中的红边内最大一阶微分值(D_r)与棉花叶绿素含量有很好的相关性,其决定系数r~2为0.530 5**,估测模型决定系数r~2为0.856 3**,均方根误差RMSE为0.366;植被指数中Bm SR705:(DR750-DR445)/(DR705-DR445)与棉花叶绿素含量有很好地相关性(r~2=0.696 3**),估测模型决定系数r2为0.815 7**,均方根误差RMSE为0.278。因此利用特定的植被指数和"红边参数"能够很好地预测叶绿素含量,从而为高光谱数据预测棉花叶片叶绿素含量提供理论基础。     

桉树叶片光合色素含量高光谱估算模型

色素在植物的生理生态过程中非常重要,利用高光谱数据,揭示光谱反射率上特征波段与光合色素含量间的关系将有助于理解光合色素光谱反射特征的规律,同时为利用高光谱遥感技术快速无损监测植物叶片光合色素提供了技术支持.利用野外采集的桉树叶片样本,在实验室内测定了叶片的高光谱反射率及对应的叶绿素、类胡萝卜素含量.利用光谱分析技术和统计学方法对光谱数据进行处理分析,提取了光谱特征参量,并建立叶绿素、类胡萝卜素含量与光谱特征参量间的估算模型.通过精度检验,研究结果表明以(SDr-SDb)/(SDr+SDb)为变量建立的指数模型估算效果最佳.     

油茶叶片叶绿素含量高光谱估测的偏最小二乘模型参数选择

[目的]利用高光谱技术估测植物叶片叶绿素含量时,如何在高维的光谱数据中选择有效的高光谱参数作为估测模型的输入矢量是估测叶绿素含量精度的关键.[方法]以南方丘陵地区油茶为试验材料,收集了182份油茶叶片光谱反射率及叶绿素含量样本,综合分析了敏感波段、光谱指数、高光谱特征参数和全波段(400～1350 nm)4个不同高光谱...     

基于GA-BP神经网络高光谱反演模型分析玉米叶片叶绿素含量

叶绿素是评价玉米健康状况的重要生理生化参数,而快速、准确检测玉米叶片叶绿素含量,是实现玉米长势及健康状况精准诊断的关键。为提高玉米叶片叶绿素含量的高光谱反演精度,以玉米试验小区为基础,测定了东北地区玉米不同生长期的叶片光谱反射率及其对应的叶绿素含量。首先采用一阶微分方法提取光谱特征,构建9种高光谱特征参数(Db、Dy、Dr、λb、λy、λr、SDb、SDy和SDr),并分析一阶微分光谱、高光谱特征参数与叶绿素含量间的相关关系,优选出与叶绿素含量相关性较高的3种特征参数作为自变量,分别为535nm处的一阶微分值、蓝边内最大一阶微分值Db、蓝边面积SDb,叶绿素含量实测值作为因变量,随后采用遗传算法对BP神经网络进行优化,建立BP神经网络(BPNN)和遗传算法优化的BP神经网络(GA-BPNN)反演模型,并对模型进行验证;再结合主成分回归(PCR)和偏最小二乘回归(PLSR)模型进行比较。结果表明:叶绿素含量与一阶微分光谱在535nm处具有最大相关系数(R=-0.738),并且与特征参数Db、SDb呈显著相关,相关系数R分别为-0.732和-0.728;遗传算法可以有效地对BPNN初始权值随机化、易陷入局部极值等不足实现优化,并为其定位出理想的搜索空间;GA-BPNN模型的建模集与验证集R2分别为0.878和0.898,RMSE为0.731,与其他反演模型相比,GA-BPNN模型的稳定性和预测能力均表现最好,可为定量预测玉米叶片叶绿素含量提供一定的理论和技术依据。     

基于成像高光谱的小麦叶片叶绿素含量估测模型研究

为了探索小麦叶片的光谱特征和敏感波段,建立小麦叶绿素含量与光谱特征参量间的定量关系模型,以促进高光谱技术在小麦精准施肥以及快速、无损长势监测中的应用。采用相关分析法分析了叶绿素含量与光谱反射率及其一阶导数的关系,建立了叶绿素含量监测模型。经筛选验证确定小麦叶绿素含量的最佳估测模型为SPAD=36.75+188.168R387和SPAD=2 094.242R'7153+112 646.744R'7152-1.561E7R'715+42.991。这2个模型均可较好地估测小麦叶片的SPAD值,相比较而言,基于波段R387建立的SPAD估测模型精确度更高。     

葡萄叶片叶绿素含量高光谱估测模型研究

针对传统方法测定叶绿素含量存在的不足,采用高光谱技术建立了快速、准确、无损估测葡萄叶片叶绿素含量的方法。以采自泰安万吉山基地的葡萄叶片的高光谱反射率和SPAD值为数据源,在分析SPAD值与原始光谱反射率、原始光谱反射率一阶导数、高光谱特征变量间相关性的基础上,筛选敏感波段,建立了基于高光谱反射率的葡萄叶片叶绿素含量估测模型,即SPAD=59.352+44836.313R'601,其中R'601为601 nm波段原始光谱反射率一阶导数。     

基于EFAST方法的苹果叶片叶绿素含量估算

为了快速、准确地估算叶绿素含量,使用2012年和2013年在山东省肥城市潮泉镇获取的整个生育期苹果叶片叶绿素含量和配套的光谱数据,利用PROSPECT模型和EFAST方法探讨了对叶绿素含量敏感的波段,然后采用经验统计方法实现了单波段高光谱对苹果叶片叶绿素含量的监测。结果表明:以571 nm和697 nm波段光谱参数为自变量所建立的估测模型拟合精度较高,其决定系数(R2)分别为0.71和0.69,均方根误差(RMSE)分别为1.14、1.17 mg/dm~2,相对误差(RE)分别为-1.07%和-1.01%。以PROSPECT模型和EFAST方法整合筛选的敏感波段建立的估算模型监测叶绿素含量效果较好,为利用高光谱技术监测苹果长势提供了理论依据。     

基于光谱特征参量的高山松叶片氮素含量估测模型研究

以我国西部高海拔地区特有树种高山松为研究对象,基于ASD便携式地物光谱辐射仪测定高山松叶片光谱,结合叶样氮素含量的实验室分析结果,利用相关分析法筛选与叶样氮素含量具有极显著相关性的光谱特征参量,分别采用回归曲线法和K-邻近距离(KNN)法构建高山松叶片氮素含量的参数和非参数估测模型,通过精度检验对2种方法及其构建模型进行对比分析。结果表明:在参数模型中以红边面积与蓝边面积比值(SDr/SDb)为自变量构建的二次函数模型估测效果最好,其决定系数(R2)、均方根误差(RMSE)和相对误差(RE)分别为0.627、0.12 g/100 g和4.75%;采用KNN法构建的非参数模型估测效果更好,其R2、RMSE和RE分别为0.856、0.12 g/100 g和5.43%。说明相对于传统的参数模型,KNN法构建的非参数模型在高山松氮素含量估测方面表现出更优越的估测能力。     

基于成像高光谱的苹果叶片叶绿素含量估测模型研究

以苹果树正常叶片、受红蜘蛛胁迫叶片的高光谱反射率和SPAD值为数据源,在分析SPAD值与原始光谱反射率及其一阶导数、高光谱值相关性的基础上,筛选敏感波段,建立了基于高光谱反射率的叶绿素含量估测模型。结果表明:正常苹果叶片叶绿素含量的敏感波段为513~539、564~585、694、699、720 nm,叶绿素含量的最佳估测模型为线性函数模型SPAD=152.450-1884.851R377;受红蜘蛛胁迫的苹果叶片叶绿素含量的敏感波段为961、972、720 nm,叶绿素含量的最佳估测模型为线性函数模型SPAD=49.371-46428.473 R’972。     

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。     

基于成像高光谱的苹果叶片叶绿素含量估测模型研究

以苹果树正常叶片、受红蜘蛛胁迫叶片的高光谱反射率和SPAD值为数据源,在分析SPAD值与原始光谱反射率及其一阶导数、高光谱值相关性的基础上,筛选敏感波段,建立了基于高光谱反射率的叶绿素含量估测模型。结果表明:正常苹果叶片叶绿素含量的敏感波段为513⁵39、564539、564⁵85、694、699、720 nm,叶绿素含量的最佳估测模型为线性函数模型SPAD=152.450-1884.851R377;受红蜘蛛胁迫的苹果叶片叶绿素含量的敏感波段为961、972、720 nm,叶绿素含量的最佳估测模型为线性函数模型SPAD=49.371-46428.473 R’972。     

灌浆期水稻叶片铜含量变化的高光谱遥感定量监测研究

为了利用高光谱遥感有效地监测农作物叶片中的重金属含量变化,在化学分析和农作物叶片对铜元素含量增加的敏感性基础上,利用光谱植被指数定量监测作物叶片铜元素含量变化,为大面积、快速、准确、无损地监测农田水稻叶片重金属含量变化提供技术支持。以张家港市为研究区域,实地采集水稻叶片样品21个。采用便携式高光谱地物波谱仪,获取灌浆期水稻植株叶片的光谱反射率并提取光谱指数,室内测定叶片重金属铜含量,并分析水稻叶片重金属铜含量与不同类型光谱指数的相关性。结果表明,高光谱数据对叶片铜含量变化的敏感性较好,其中,红边位置(REP)、绿波段归一化差异指数(GNDVI)、比值植被指数(RVI)、Vogelmann红边指数(VOGI)和地面叶绿素指数(MTCI)可分别作为估测叶片铜含量的敏感光谱指数,其乘幂和指数回归模型能够较好地反演水稻叶片铜含量;叶片铜含量的敏感光谱波段参数在原始光谱中主要集中于420～670 nm范围内,最小负相关系数的波长是646、647、648 nm;而一阶微分和二阶微分光谱中在蓝边、黄边、红边和近红外区域均有分布,最大正相关系数的波长分别是660、715 nm;水稻叶片铜含量估测的最佳模型是基于二阶微分敏感光谱参数构建的偏最小二乘回归模型,该模型预测的铜含量值与实测值的拟合度较好(R~2=0.56)。研究结果证明可以利用高光谱生物遥感技术有效地监测农田水稻叶片中重金属含量的变化,判断作物中重金属浓度是否超标,为高光谱遥感立体、快速和大面积地监测农田作物铜含量的变化提供参考,也为评价水稻的食用安全提供科学方法。     

水稻叶片高光谱数据降维与叶绿素含量反演方法研究

高光谱遥感技术为水稻叶片叶绿素含量的高通量、无损、准确监测提供了有效途径,然而高光谱数据的降维或特征光谱参数的选择是叶绿素含量有效反演的关键环节。利用2017年辽宁省盘锦市大洼水稻氮高效品种筛选试验基地的水稻叶片叶绿素含量与叶片高光谱数据,探讨了高光谱数据的降维方法与叶绿素含量的反演建模。首先应用最优子集选择算法(best subset selection)对工程常用的水稻叶绿素反演特征光谱指数进行优选,筛选出最优组合,作为叶绿素多元回归模型的输入特征;同时应用没有在光谱领域得到有效应用的基函数展开算法,利用Gram-Schmidt正交变换寻找叶片高光谱数据的基函数空间,再将高光谱数据投影到基函数空间从而实现降维,最后利用降维后的数据进行多元回归建模,反演叶绿素。结果表明:最优子集选择算法优选出的mNDVI(445,705,750)、NDVI(705,750)、PSRI(500,680,750)、RD(505,705)、RI1dB(720,735)、MCARI(550,670,700)、PPR(450,550)共7个特征指数组合,回归模型反演精度最高,决定性系数R2为0.844,均方根误差RMSE为0.926;基于基函数展开算法对400～1000nm波段范围601维高光谱数据降至13维,叶绿素反演回归模型的决定性系数R2达到0.861,均方根误差RMSE为0.906。说明基于基函数展开的高光谱降维与叶绿素含量估测方法效果较好,可为水稻叶绿素含量估测与长势诊断提供技术支持。     

毛竹叶片光合色素的光谱估算模型

采用便携式光谱分析仪UniSpec-SC对毛竹叶片的光谱特性与光合色素含量进行相关分析和回归分析,建立了毛竹叶片光合色素含量与绿峰位置、红边波段和红边位置之间的定量分析模型,并对模型的稳定性和预测能力进行了检验。结果表明:叶绿素a、叶绿素b、总叶绿素和类胡萝卜素的最佳光谱估算模型均为以红边波段光谱反射率为自变量的指数函数模型,该模型对毛竹幼叶、1龄成熟叶、2龄成熟叶各参数的预测有很好的拟合度和精度,同时也适用于雷竹和乌哺鸡等刚竹属同类竹种的光合色素估算。     

基于高光谱遥感的玉米全氮含量估测模型

采用高光谱近地遥感技术,获取不同氮素水平下的玉米冠层高光谱数据,通过相关性、线性和非线性的分析方法,探讨玉米整个生育期中各营养器官的全氮含量与多种高光谱参数的相关关系,建立全氮含量的定量估测模型,并利用第2年的数据进行精度检验。结果表明:玉米冠层高光谱数据经过微分、倒数、对数处理后与玉米全氮含量的相关性均有所提高,所选波段基本在可见光波段范围内变化,其中微分处理可以显著提高数据间相关性;在10种植被指数中,玉米叶片全氮含量与植被指数RDVI(811,743)、DVI(811,754)、MSAVI(811,754)相关性都达0.92**以上,玉米叶鞘、茎秆全氮含量分别与RDVI(952,751)、RVI(948,692)相关性达到最大r=0.7867**,r=0.8444**(n=360);植被指数RVI、NDVI与玉米各营养器官叶鞘茎的全氮含量相关性普遍较好,相关系数都在0.75**以上,适合建立玉米植株全氮含量的高光谱估测模型;经过精度检验后,选择均方根误差RMSE小,拟合优度R2大,观测值与预测值的决定系数r2大的回归方程作为估测模型,得出以DVI(811,754)为自变量,估算玉米叶片全氮含量的指数模型y=2.3035e3.6854x(R2=0.859,RMSE=0.0504,r2=0.8772);以RVI(952,743)为自变量,估算玉米鞘全氮含量的二次模型y=1.5964x2-3.5464x+2.8995(R2=0.758,RMSE=0.0261,r2=0.8005);以410nm处的二阶微分为自变量,模拟玉米茎秆全氮含量的二次模型y=7454.8x2+55.335x+0.6496(R2=0.78,RMSE=0.1376,r2=0.8287)。     

截形叶螨危害下枣叶片叶绿素含量高光谱估算模型

以不同截形叶螨(Tetranychus truncatus Ehara)危害等级下枣叶片高光谱和叶绿素含量数据为基础,分析不同截形叶螨危害等级(0级、1级、2级、3级、4级)下枣叶片高光谱特征,构建基于一阶微分光谱的不同截形叶螨危害等级枣叶片叶绿素含量高光谱线性回归估测模型。结果表明:截形叶螨危害造成叶片中叶绿素含量减少,导致光谱反射率降低,表现为随危害等级的增加叶绿素含量呈逐级减少趋势。在不同截形叶螨危害等级枣叶片叶绿素估测模型中,危害等级为0级时,模型拟合度最好,达到0.810,表明利用高光谱数据构建不同危害等级枣叶片叶绿素含量估算模型具有一定的潜力,对危害植被叶片的虫害诊断意义重大。     

基于植被指数的马尾松叶绿素含量估算模型

利用高光谱技术,探索马尾松反射光谱组成的植被指数与其叶绿素含量之间的关系。采用美国ASD公司生产的手持式野外光谱辐射仪测量马尾松冠层光谱,对观测叶片进行同步叶绿素含量测定,并利用统计学分析方法,分析马尾松冠层光谱组成的植被指数与叶绿素含量之间的相关关系,并建立相应的估算模型。结果表明:叶绿素含量与植被指数进行相关性分析,相关性最好的为TCARI;通过建立TCARI与叶绿素含量之间的估算模型并检验其精度,得出了叶绿素含量估算的高光谱模型:y=exp(0.686+(-2.765)×x)。说明利用高光谱数据可以估测马尾松的叶绿素含量。     

基于高光谱特征参数的樟树叶绿素含量的估算模型研究

叶绿素在植物的生理生态过程中非常重要,而高光谱遥感的快速发展使得定量估算植被叶绿素含量成为可能.采用美国ASD公司生产的野外光谱辐射仪测量樟树幼林的叶片光谱,对观测叶片进行了同步叶绿素含量的测定.利用基于光谱位置变量的分析方法,分析樟树叶片光谱与叶绿素含量之间的关系.结果表明:樟树幼林叶绿素含量与Db,Rg,Rg/Ro,(Rg-Ro)/(Rg+Ro)之间的相关程度很高,相关系数达到极显著检验水平;通过建立特征参数与叶绿素含量之间的估算模型,并进行精度检验,得出了叶绿素含量估算的高光谱模型为y=exp[1.356+(-361.973)Db].说明利用高光谱遥感数据可以估测樟树幼林的叶绿素含量.     

叶片—冠层尺度的毛竹林分光谱特征

通过测定毛竹林的林分光谱数据与相应的叶绿素含量,选用原始光谱反射率、导数变换光谱与"三边"参数3种光谱形式,研究不同形式的光谱信息与相应叶绿素含量的相关关系,揭示毛竹林分光谱特征在叶片—冠层尺度的差异。结果表明,叶片尺度上,原始光谱反射率对叶绿素的敏感波段在可见光区域的543~580nm,导数光谱的敏感区域在532~543nm、599~607nm以及728~736nm,"三边"参数的敏感参数为黄边面积参数(SDy);冠层尺度上,原始光谱在可见光区域及近红外区域对叶绿素的响应程度未达到显著性水平,导数光谱的敏感响应波段在近红外区域的816~819nm,"三边"参数中各参数与叶绿素含量均没有良好的相关性。叶片—冠层尺度上,某些波段的导数光谱比原始光谱对叶绿素具有更好的响应,并且"三边"参数的黄边区域参数对叶绿素的敏感性均高于其他参数,但冠层尺度与叶片尺度光谱对叶绿素的敏感区间不存在重叠。