玉米叶片叶绿素含量的高光谱反演模型探究

叶绿素含量是绿色植物生长状态的一个重要指标。首先在实验室采集玉米叶片高光谱数据和测定叶绿素含量,并对光谱数据进行对数一阶微分变换,对比选取建模反演因子。根据选定的反演因子采用线性回归、模糊识别和BP神经网络方法建立了玉米叶片叶绿素含量高光谱反演模型,并计算出模型的精度。结果表明,有较好非线性映射能力的BP神经网络反演模型能够高精度地反演出玉米叶片中的叶绿素含量。BP神经网络模型叶绿素含量预测和实测叶绿素含量的平均绝对误差(e)为1.126,决定系数(R2)为0.902,均方根误差(RMSE)为1.375。玉米叶片叶绿素含量与高光谱数据并非线性关系,BP神经网络反演模型能够较好地运用到叶片叶绿素含量反演中。     

基于思维进化优化BP神经网络的大豆叶片叶绿素含量高光谱反演

为进一步研究优化神经网络算法在植物生化参量高光谱反演当中的应用问题,运用遗传算法和思维进化算法对BP神经网络进行优化来构建大豆叶片叶绿素含量反演模型。利用实测光谱数据和对应叶绿素数据建立训练数据集,然后分别使用遗传算法和思维进化算法对BP神经网络进行优化训练,将训练好的模型用于叶绿素含量估算。结果表明,基于思维进化优化BP神经网络模型能准确预测叶绿素含量,且模型最稳定,能够解决小样本情况下叶绿素含量估算问题,并保证估算精度,可以作为大豆叶片叶绿素含量估算的一种新的参考方法。     

基于高光谱和BP神经网络的双子叶植物叶片叶绿素遥感估算

针对传统叶绿素分析方法具有破坏性且耗费人力、时间长、成本高的弊端,依据LOPEX’93数据集中双子叶植物的高光谱数据和叶绿素值,构建了双子叶植物基于高光谱的叶绿素含量最佳估算模型,利用Pearson相关性分析一阶微分光谱、高光谱特征参数与叶绿素的相关关系,发现724nm波段处一阶导数与双子叶植物叶绿素值的相关性最大,其相关性为0.509;高光谱特征参数RVI、NDVI、TCAR与叶绿素的相关性达到0.7以上,构建基于一阶微分光谱、高光谱特征参数和BP神经网络的叶绿素估算模型,并对模型进行验证;再结合一元线性模型、指数模型、对数模型和幂函数模型与BP神经网络模型进行比较。结果表明:叶绿素值与一阶微分光谱在724nm处的光谱数据作为自变量建立的传统回归模型可用于双子叶植物叶绿素的估算,最优建模样本R~2和最优验证样本R_V~2分别为0.541和0.745,RMSE为6.16;基于高光谱特征参数RVI、NDVI、TCAR建立的叶绿素估算回归模型,最优建模样本R~2和最优验证样本R_V~2分别为0.618,0.708;0.632,0.866;0.594,0.654,RMSE分别为6.65,5.61,7.07,将基于高光谱特征参数变量构建传统回归模型时筛选到的光谱参数作为输入,实测叶绿素值作为输出,构建BP神经网络模型,其最优建模R2与最优验模R_V~2分别为0.692和0.874,最优验证样本RMSE为5.23,与其他回归模型相比,BP神经网络模型预测精度最高。研究表明基于高光谱数据的模型具有较好的预测能力,是估算双子叶植物叶绿素值的一种高效的方法。     

基于EMD-SD光谱的玉米叶片叶绿素含量GA-BP模型反演

叶绿素是作物进行光合作用所需的主要色素,BP神经网络（BPNN）是较为新颖的反演叶绿素含量的方法。为研究反演精度更高的叶绿素含量反演模型,将经验模态分解（EMD）与光谱微分（SD）结合来提高输入因子与叶绿素含量的相关性,并使用遗传算法（GA）优化BPNN得到GA BP模型以获得最优初始权值阈值。将光谱数据EMD后进行一阶微分变换得到EMD SD光谱,选择与叶绿素含量相关系数超过06的5个波段处的EMD SD值作为GA BP模型的输入因子,隐含层节点数为7,多次训练取最优个体适应度值最低的GA BP模型来反演玉米叶片叶绿素含量。GA BP模型反演得到的预测值与实测值之间的判定系数（R2）最高,达到0818,均方根误差（RMSE）仅为2442,平均相对误差（e）为5436%。研究表明,EMD SD光谱作为GA BP模型的输入因子,与线性模型MLR和未优化的BP模型相比反演精度最高,验证了基于EMD SD光谱的GA BP模型提高玉米叶片叶绿素含量反演精度的可行性。     

基于Landsat8的黄河三角洲盐渍化反演

土壤盐渍化是最常见的土壤退化过程,垦利县位于黄河三角洲核心地带,是土壤盐渍化比较典型的区域。本研究在盐渍土野外调查采样的基础上,依据土壤理化分析和Landsat8卫星光谱数据,选取了相关性以及诊断指数较好的3个波段的反射率作为盐分反演因子,分别建立数理统计模型与BP神经网络盐分反演模型。研究表明:BP神经网络模型的精度明显优于传统多元回归模型,且反演模型更适合高盐度区域土壤盐渍化反演制图,具有较好的应用前景。     

基于高光谱数据的土壤含盐量BP神经网络模型研究

运用Hyperion数据,以黑龙江省大庆市某一实验区为例,进行了对土壤含盐量的定量研究,将BP神经网络模型(Back Propagation Network)应用到高光谱数据对研究地区土壤含盐量的反演中。通过对隐含层的传递函数、输出层的传递函数、训练算法的优化组合以及最适合隐层节点数量,得到最优的BP神经网络模型,实现了土壤含盐量的反演。对高光谱数据反演土壤含盐量采用BP神经网络具有一定的指导意义。     

东北水稻叶片SPAD遥感光谱估算模型

为通过构建高精度SPAD遥感估算模型,实现对水稻叶片叶绿素含量进行实时无损的监测,以东北地区多时期不同施氮水平下水稻叶片光谱反射率为研究对象,采用回归模型与BP神经网络算法构建不同输入量的SPAD高光谱估算模型,通过模型精度评价指标决定系数R~2、均方根误差RMSE,确定最优输入量和最优模型。结果表明:1)不同品种水稻成熟时期不同导致在孕穗期和抽穗期之间光谱反射率出现差异;2)回归模型中以DVI(D755,D930)为变量建立多项式模型估算精度最高;3)与回归模型相比,不同波长处单波段反射率作为输入量的BP神经网络模型估算精度显著提高,R~2为0.98。BP神经网络模型在隐藏节点数为7时估算精度达到稳定,在可见光和近红外处经过不同波段反射率作为输入量的尝试说明神经网络模型较为稳定,可以用来反演叶绿素相对含量。     

基于高光谱的春小麦抽穗期叶绿素含量估算方法

对高光谱数据进行预处理是提升高光谱建模精度十分必要且有效的途径。利用高光谱技术分析春小麦作物光谱及其叶绿素含量的变化,对原始光谱反射率及对应的对数、倒数、平方根、对数倒数等4种数学变换及其一阶、二阶微分进行预处理运算,分析春小麦叶片叶绿素含量与预处理后的光谱数据相关性,基于选取的敏感波段对春小麦抽穗期叶绿素含量进行偏最小二乘回归法、BP神经网络2种方法建模并进行模型验证及比较。结果表明:对原始光谱数据数学变换的微分预处理可以明显提高春小麦叶片叶绿素含量与光谱反射率的相关性;通过显著性检验的敏感波段数量经一阶、二阶微分预处理呈现明显增加趋势,对应数学变换的波段数量有所不同;对数变换的二阶微分处理所建立的PLSR模型为最优模型,该模型精度参数为决定系数R■=0.93,校正均方根误差RMSE_c=2.53,预测决定系数R~2_p=0.91,预测均方根误差RMSE_p=2.41,相对分析误差RPD=3.20。说明数学变换的微分预处理过后的模型精度和稳健性有了大幅度的提升,并且运用在高光谱遥感反演春小麦抽穗期叶片叶绿素含量上是可行的。     

玉米叶绿素含量高光谱反演的线性模型研究

叶绿素含量是衡量植被生长状况的一个重要指标,高光谱数据具有较高的光谱分辨率,利用其光谱信息建立叶绿素含量的关系模型,已成为监测植被长势的一种有效手段。传统叶绿素含量线性回归模型的输入因子是植被特征提取参数,由于高光谱数据波段间的冗余度较高,导致一般的线性模型的反演精度较低。主成分分析可以减少数据的维数,简化网络结构,得出能反映原始信息的综合变量。本文以盆栽玉米为研究对象,利用植被特征和主成分分析方法提取光谱反演参数,根据所提取的参数建立玉米叶片叶绿素含量的一元线性和多元线性回归模型。结果表明,利用绿峰峰值和近红外反射率均值两参数可在一元线性模型中较好地反演玉米叶片叶绿素含量;而利用分波段提取的主成分能够在多元线性回归模型中更好地反演叶绿素含量,反演精度较高。     

基于RF-VR的紫丁香叶片叶绿素含量高光谱反演

利用高光谱技术精确估测植物叶片叶绿素含量,对植物生长趋势和营养状况的监测和管理具有重要意义。本文以紫丁香为研究对象,针对高光谱所含波段数量大、波段间相关性强导致数据中冗余信息增多的现象,通过卷积平滑和二阶微分(SG-SD)处理光谱数据,应用随机蛙跳(RF)算法筛选特征波段,最后结合偏最小二乘(PLSR)和投票回归器(VR)建立了植物叶片叶绿素含量反演模型,并与全波段光谱法和5种经典变量提取方法进行了比较。结果显示,相比于原始光谱数据,SG-SD是一种有效的提高建模精度的光谱预处理方法;相比于全波段光谱和经典变量提取方法,RF算法筛选出的敏感波段建模效果最佳;相比于PLSR模型,VR模型的预测精度和预测稳定性能更优。本文对原始光谱数据进行SG-SD预处理后,对经RF算法筛选出的特征波段建立VR模型,变量数由全波段数204个减少为35个,建模集决定系数0.944 2,验证集决定系数0.951 4,最后利用RF-VR模型结合伪彩图技术得到紫丁香叶片叶绿素分布反演图,为紫丁香叶片养分分布提供更直观的信息表达。结果表明,该方法可为紫丁香叶片营养含量诊断和长势监测提供技术支持。     

基于叶绿素a浓度的珠江口感潮河段咸潮监测研究

依据实测资料研究了珠江口最主要的感潮河段沙湾-虎门水道和磨刀门水道水体的叶绿素浓度、盐度的高光谱特征及其空间变化趋势。结果表明：水体叶绿素a浓度和反射率波段比值有较好的相关关系,最佳关系在R704/R513处,r=0.92;在盐度大于2‰的情况下,随着盐度增加叶绿素a浓度逐渐降低,并且向伶仃洋方向随着盐度的增加叶绿素a浓度是递减的。在珠江沙湾-虎门以及磨刀门感潮河段,水体表面盐度与叶绿素a浓度之间表现为较好的负相关关系,表明可以用叶绿素a浓度来推定咸潮的入侵情况。因此,通过遥感图像反演出水体的叶绿素a浓度进而推断珠江口河网区的咸潮入侵空间变化是可能的。     

兴化湾环境因子与叶绿素a之间的相关性分析

2008年春、秋季对兴化湾的8个站位点进行6次常规要素监测,利用SPSS 18.0数据统计分析软件,从理化环境因子、营养盐因子2个方面分别对叶绿素a进行了相关性分析,同时分析了叶绿素a的时空分布特征。结果显示,兴化湾叶绿素a含量有明显的季节性差异,春、秋季节的叶绿素a含量与理化环境因子中的温度呈显著正相关,与溶解氧、pH值呈显著负相关,与化学需氧量的相关性不明显;与营养盐因子中的氨氮呈显著正相关,与硝酸盐、亚硝酸盐以及活性磷酸盐相关性不明显。兴化湾海域叶绿素a的含量受多个环境因子协同作用的影响。     

千岛湖叶绿素a浓度动态变化及其影响因素分析

通过对千岛湖各常规监测点1999～2000年叶绿素a含量及水质理化指标的逐月监测,分析了千岛湖叶绿素a含量的时空变化特征及影响因子.结果表明,千岛湖叶绿素a含量在湖心区和出水区随季节变化不明显,但受人类活动影响较大的河流区和湖边区随季节变化明显,其含量明显高于湖心区和出水区.影响千岛湖叶绿素a含量变化的主要因子有氮、磷、水温、透明度和降水等,这些生态因子对叶绿素a含量有着直接和间接的影响,但不同区域各影响因子所起的作用不同.     

千岛湖水体叶绿素浓度高光谱遥感监测研究初报

以千岛湖为研究对象,利用高光谱地物光谱仪在库区进行了反射光谱测量和同步水质采样分析.通过研究水体藻类叶绿素浓度与其高光谱反射特征之间的关系,建立了叶绿素a的遥感定量模型, 结果表明:光谱反射率比值R701 nm/R516 nm、IKONOS的红光与蓝光波段反射率之比与叶绿素a线性相关程度都比较高,决定系数分别为0.87和0.83,可以用来估计叶绿素a浓度;而微分光谱、单波段以及其它波段比与叶绿素a的相关性不及前两者.所以,遥感估算千岛湖叶绿素a浓度,采用比值法最准确.由于TM波段与IKONOS波段范围几乎完全相同,而分辨率不同,从经济实用的角度考虑,可以用TM数据对整个库区进行大范围遥感监测,而对其支流和小范围水面,用分辨率较高的IKONOS数据才能满足精度要求.     

红枫湖水库叶绿素a分布特征与相关因子研究

利用2008年8月至2009年1月对红枫湖水库叶绿素a及其理化因子的监测资料,分析了红枫湖水库叶绿素a的分布特征及其影响因子,并应用修正的卡尔森营养状态指数（TSI）对各监测点的营养状态进行了排序：结果表明,各监测点叶绿素a含量时空差异较大．浓度在4．52-103．66mg/m^3。叶绿素a与环境因子关系比较复杂,在不同的监测点,对叶绿素a有显著影响的环境因子各有不同,但与水温、pH值表现为显著正相关,与透明度则表现为显著负相关。库区各监测点TSI均大于54,呈富营养化。     

银湖夏季叶绿素a与水质因子的相关分析及富营养化评价

依据2009年5~7月对银湖水质的连续调查和监测数据,分析叶绿素a含量的时间变化特征,探讨叶绿素a与水质因子的相关关系,并应用修正的卡尔森营养状态指数对银湖水质进行分析评价。研究表明,叶绿素a具有明显的时间变化特征,5月叶绿素a的含量明显大于7月,Ⅲ区靠近垂钓区叶绿素a含量最高;基于叶绿素a、透明度和总磷等参数,依据修正的卡尔森营养状态指数公式,计算得出银湖水质在夏季处于富营养化状态;相关分析表明,叶绿素a与高锰酸盐指数、总氮量呈极显著正相关,而与透明度显著负相关,与水温、溶解氧、pH值、总有机碳量呈正相关,而与总磷量呈负相关关系。     

岳阳南湖水体中叶绿素a时空变化特征分析

测定岳阳南湖水环境中叶绿素a并同时分析其水质．结果表明：南湖水域叶绿素a呈现明显的时空变化特征：夏季,春季,秋季,冬季依次降低,麦子港水域叶绿素a含量大于湖心水域．叶绿素a含量与环境因子有关,即与水温、水质营养因子、五日生化需氧量、高锰酸盐指数有关,南湖N,P满足藻类生长需要,春季总P对数值与夏季叶绿素a对数值呈线性关系,南湖叶绿素a含量变化在1．75～3．62mg/m^3,说明南湖水体处于中一富营养状态。     

多角度高光谱CHRIS数据特点及预处理研究

详细地介绍了CHRIS多角度高光谱数据的特点,在图像质量检查的基础上,对CHRIS图像的预处理进行了探讨。通过试验,完成了CHRIS图像的噪声去除、大气校正和正射校正等预处理,取得较好质量的图像,为进一步的应用研究提供了数据保障。     

公海柔鱼类资源丰度与海洋环境关系的研究

利用2002-2014年的公海柔鱼类(Ommastrephidae)渔场的渔获资料结合同期海洋环境数据,采用渔获产量重心算法和广义加性模型(GAM)方法,分析了北太平洋巴特柔鱼(Ommastrephes bartramii)、西南大西洋阿根廷滑柔鱼(Illex argentinus Castellanos)和东太平洋秘鲁茎柔鱼(Dosidicus gigas)三大公海柔鱼类渔场重心的变化趋势,探讨了主要海洋环境因子(海表温度、叶绿素a浓度和海流)对渔场的影响关系。结果表明:北太平洋柔鱼渔场高产的最适海表温度区间为15~20℃,最适叶绿素a浓度为0.20~0.60 mg/m3;西南大西洋的阿根廷滑柔鱼渔场最适海表为9~14℃,最适叶绿素a浓度为0.60~1.65 mg/m3;东太平洋秘鲁茎柔鱼渔场最适海表温度为18~23℃,最适叶绿素a浓度为0.16~0.40 mg/m3。GAM模型检验结果显示海表温度与资源丰度有显著的相关性,对中心渔场具有关键的指示作用。渔场位置一般出现在不同海流流隔的交汇区,研究认为可根据渔场变化的海况信息及时调整渔场的作业区域,提高生产效率。     

贵州高原红枫湖水库叶绿素a浓度的时空分布及其与环境因子关系

采用2010年对红枫湖水库叶绿素a和理化因子的逐月监测数据,分析了叶绿素a浓度的分布、动态及其与环境因子的关系。结果表明:红枫湖水库叶绿素a浓度具有明显的时空分布特征,在时间上,叶绿素a浓度排序为夏季>秋季>冬季>春季,且在7月份最高,原因是降雨携带充足的磷进入红枫湖,使浮游植物迅速增殖;在空间上,叶绿素a浓度沿入湖河流至大坝出水逐渐降低,总体上南湖高于北湖,这与红枫湖水库磷污染源的空间分布以及浮游植物生长为磷限制有关,南湖因上游有工业点源和城市生活废水的输入而使磷浓度高于北湖。水体叶绿素a与透明度在春季、夏季和冬季呈负相关,与水温在夏季呈正相关,与总磷在春季和秋季呈正相关,而与总氮相关性较复杂,与氨氮无相关性。叶绿素a浓度水平指示红枫湖水库水体处于富营养化状态。