不同氮素水平下水稻LAI与冠层反射光谱的定量关系

通过光谱遥感技术对水稻长势进行监测,可以为水稻高产高效生产提供科学依据.该研究以晚稻天优华占为供试品种,设置不同施氮量的田间试验,研究不同氮素水平下水稻叶面积指数与冠层光谱反射率之间的关系,结果表明水稻叶面积指数有随着施氮量增加而增加的趋势,冠层光谱对不同施氮量群体有明显的响应特征,叶面积指数与冠层光谱反射率在720 nm左右的红边区域相关系数最大,进一步构建了水稻LAI与冠层反射光谱的数学模型.     

不同氮素水平下水稻LAI与冠层反射光谱的定量关系（英文）

通过光谱遥感技术对水稻长势进行监测,可以为水稻高产高效生产提供科学依据。该研究以晚稻天优华占为供试品种,设置不同施氮量的田间试验,研究不同氮素水平下水稻叶面积指数与冠层光谱反射率之间的关系,结果表明水稻叶面积指数有随着施氮量增加而增加的趋势,冠层光谱对不同施氮量群体有明显的响应特征,叶面积指数与冠层光谱反射率在720 nm左右的红边区域相关系数最大,进一步构建了水稻LAI与冠层反射光谱的数学模型。     

农作物LAI和生物量的高光谱法测定

通过田间小区试验,测定了水稻、玉米、棉花3种共6个品种作物冠层不同生育期的高光谱反射率及对应叶面积指数和地上生物量,分析了其高光谱变量和红边参数与叶面积指数、地上生物量及叶重量的相关性。结果表明:13种作物冠层高光谱反射率与其生育期有关,其反射率最大值的比较结果是棉花>玉米>水稻。23种作物的叶面积指数、叶鲜重、叶干重与其冠层光谱变量ρ990/ρ550,ρ800/ρ550,ρ750/ρ550,ρ800/ρ680及冠层红边参数λr,Dλr之间均极显著相关,但地上鲜生物量和地上干生物量与上述光谱变量和红边参数之间相关性较差,说明可通过高光谱遥感方法估测水稻、玉米、棉花的叶面积指数、地上鲜生物量、叶鲜重和叶干重。     

水稻、玉米、棉花的高光谱及其红边特征比较

 测定了水稻、玉米、棉花 3种作物共 6个品种的冠层和主茎叶片不同生育期高光谱反射率及其对应叶片中叶绿素、类胡萝卜素含量 ,分析了它们的高光谱及其红边特征和红边参数与叶面积指数、地上生物量、鲜叶重及叶片色素含量的相关性。结果表明 :(1) 3种作物冠层高光谱反射率大小与其生育期有关。冠层和叶片光谱反射率最大值比较结果是 ,冠层光谱 :棉花 >玉米 >水稻 ;叶片光谱 :水稻 >棉花 >玉米。 (2 ) 3种作物冠层光谱的红边都具有“双峰”现象。红边幅值Dλr 和红边面积Sr 均呈增大、减少的变化规律 ,但红边     

基于高光谱遥感的花生叶片氮积累量监测模型的研究

作物氮素状况是评价长势、提高产量和改善品质的重要指标,因此叶片氮积累量的实时无损估测对作物生产的氮素管理具有重要意义。本研究选用大花生品种丰花1号为试验材料,在大田生产条件下,分析了花生叶片氮积累量与冠层高光谱参数的定量关系。结果表明,叶片氮素含量随生育进程逐渐下降,不同处理之间差异较小;叶片氮素积累量随生育时期推进呈现先升后降的单峰曲线变化趋势,在结荚期达到高峰。花生冠层光谱反射率在740～1 100 nm波段内随叶片氮积累量的增加而增加,叶片氮积累量的敏感波段主要存在于近红外平台和可见光区,其中,"红边"区域表现最为显著。通过微分等技术构造多种植被指数,对高光谱参数和叶片氮积累量进行相关回归分析,红边振幅(Dr)、氮素反射指数(NRI)、归一化植被指数(NDVI)各波段组合平均值及比值植被指数(RVI)与叶片氮积累量关系最密切,方程拟合决定系数分别为0.9194、0.8984、0.8918、0.8899、0.8794、0.8797。经另外一组独立数据的检验表明,对叶片氮积累量的预测以红边位置(REP)和Dr两个参数表现最优,预测的根均方差(RMSE)分别为1.78和1.10,相对误差为5.29%和3.59%。NDVI[Average(1230,1240,1250,1260),640]和土壤调整植被指数(SAVI)两个光谱参数预测的RMSE分别为1.15和1.19,预测相对误差为5.42%和7.41%。比较而言,Dr为自变量建立的模型,可以更好地评估不同条件下叶片氮素积累状况。     

水稻叶片高光谱响应特征及氮素估算

将高光谱遥感技术应用于高纬度高海拔宁夏回族自治区,探讨水稻氮素快速无损的监测方法,为科学合理地施肥提供依据。对3个不同施氮水平、5个生育期水稻叶片反射光谱的响应特征及叶片叶绿素相对含量(SPAD值)进行对比分析,将光谱及SPAD值与氮素含量进行相关分析,筛选诊断氮素含量的特征光谱并构建氮素估算模型。结果表明,随着生育期的推进,叶片光谱反射率在可见光范围内呈增加趋势,该变化特征与SPAD值变化规律基本一致,近红外区光谱反射率呈先增加后降低的规律;随氮素含量增加可见光反射率降低,近红外反射率增加,SPAD值与氮素含量呈正相关(r=0.766);各波段对氮素的光谱响应程度不同,可见光波段更敏感,原始光谱612 nm和一阶微分666 nm为特征波长;叶片氮素估算最优模型为y=9.155x1-0.111x2+0.050x3+2.102(x1、x2、x3分别为R612 nm、R666 nm、SPAD值)。     

氮素胁迫下寒地玉米高光谱特征研究

利用高光谱近地遥感技术,采集不同氮素水平下的不同生育期的寒地玉米冠层高光谱图像,采用ENVI软件提取玉米冠层的光谱反射率。结果表明,不同氮素水平下寒地玉米冠层反射率存在较大差异,玉米“红边”具有双峰现象,红边位置呈“红移”现象;根据玉米冠层高光谱反射率以及红边位置峰值可定性区分严重缺氮、正常施氮和过量施氮。     

不同宽窄波段组合的光谱参量对夏玉米穗位叶氮素含量估测

【目的】利用敏感波段构建适宜的植被指数,对于提高光谱技术诊断作物营养状况的精确度具有十分重要的意义。【方法】采用单因素随机区组设计的方法,通过设置5种不同施氮处理,研究夏玉米在吐丝期穗位叶光谱反射率与氮素含量的关系,进而比较了前人的植被指数与构建的8种不同形式宽窄波段组合植被指数的优越性,并对构建的氮素含量估测模型进行精度验证。【结果】穗位叶原始光谱反射率在近红外波段(700～1000 nm)随施氮量增加而升高,与氮素含量的变化表现一致;一阶导数光谱的红边位置随施氮量增加依次为698、703、709、714和714 nm,出现"红移"现象;利用氮素敏感波段构建宽窄波段组合的植被指数与叶片氮含量进行相关性分析,优于前人所采用的植被指数;植被指数[R(800-900)-R(692-729)]/R711和植被指数[R(800-900)+R(650-670)]/R711构建的乘幂函数估测模型检验精度较高,R~2和RMSE分别为0.92和0.09。【结论】利用氮素敏感波段构建的宽窄波段组合植被指数,提高了光谱参量与氮素含量的相关性,可以实现对夏玉米吐丝期氮素营养的诊断。     

关中地区小麦冠层光谱与氮素的定量关系

【目的】分析不同生育期及整个生育期小麦叶片氮含量(LNC)与冠层光谱反射特征的关系,以实现对田间小麦活体氮素营养状况的监测,为小麦叶片氮素状况的精确诊断提供依据。【方法】以位于陕西关中地区杨凌揉谷镇、扶风马席村和巨良农场的3个小麦试验田为研究对象,测定不同长势及生育期小麦LNC及冠层光谱反射率,分析不同长势下小麦LNC和反射率的变化,并研究氮含量与冠层光谱反射率的相关性,以及小麦LNC与比值植被指数(RVI)、归一化植被指数(NDVI)的相关性,建立小麦LNC的敏感波段及光谱监测模型。【结果】在同一生育期,长势差的小麦叶片氮含量较低,长势较好的叶片氮含量高。与单波段相比,组合波段构成的植被指数RVI、NDVI与LNC的相关性明显提高,近红外波段(730~1 075nm)和红波段630,660,690nm组成组合波段的RVI、NDVI与LNC呈极显著正相关,其中LNC与RVI的相关性较高。利用独立的小麦田间试验数据,采用通用的均方根差(RMSE)、决定系数(R2)、准确度(斜率)3个指标对所建立的模型进行检验,最终选取RVI(970,690)为监测小麦LNC的最佳光谱参数,构建的最佳模型为LNC=0.176 3×RVI(970,690)0.775 6,R2为0.863,RMSE为0.137,准确度为0.979,接近于1。【结论】利用小麦冠层光谱反射率构建了预测小麦LNC的最佳模型,该模型具有较好的准确度和普适性,适用于整个生育期小麦叶片氮含量的监测。     

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。     

基于红边参数的棉花冠层叶片氮积累量之估算研究

测试了棉花2个品种4水平种植密度的4个关键生育时期冠层反射光谱,应用微分技术处理棉花冠层反射光谱,提取了红边(680～750nm)波段范围的最大一阶微分值(Dr)和红边面积(SDr)参数。分析了棉花冠层红边参数在不同生育期的变化特征和棉花吐絮期的两种生长类型的冠层红边状况,表明红边位置可以指示它们的氮素状况。以新陆早8号的SDr为自变量与对应的LNA为因变量进行相关分析,SDr与冠层LNA达1%极显著相关(R=0.9186**,n=32),利用其构建的模型方程估算新陆早6号的LNA,实测LNA和估测LNA的估计标准差为0.8909g/m2,估算精度为88.1%(R=0.9277**,n=32),说明采用高光谱提取的红边参数信息是无损实时、快捷评价棉花氮素状况的有效方法。     

Common Spectral Bands and Optimum Vegetation Indices for Monitoring Leaf Nitrogen Accumulation in Rice andWheat

Real-time monitoring of nitrogen status in rice and wheat plant is of significant importance for nitrogen diagnosis, fertilization recommendation, and productivity prediction. With 11 field experiments involving different cultivars, nitrogen rates, and water regimes, time-course measurements were taken of canopy hyperspectral reflectance between 350-2 500 nm and leaf nitrogen accumulation (LNA) in rice and wheat. A new spectral analysis method through the consideration of characteristics of canopy components and plant growth status varied with phenological growth stages was designed to explore the common central bands in rice and wheat. Comprehensive analyses were made on the quantitative relationships of LNA to soil adjusted vegetation index (SAVI) and ratio vegetation index (RVI) composed of any two bands between 350-2 500 nm in rice and wheat. The results showed that the ranges of indicative spectral reflectance were largely located in 770-913 and 729-742 nm in both rice and wheat. The optimum spectral vegetation index for estimating LNA was SAVI (R822,R738) during the early-mid period (from jointing to booting), and it was RVI (R822,R738) during the mid-late period (from heading to filling) with the common central bands of 822 and 738 nm in rice and wheat. Comparison of the present spectral vegetation indices with previously reported vegetation indices gave a satisfactory performance in estimating LNA. It is concluded that the spectral bands of 822 and 738 nm can be used as common reflectance indicators for monitoring leaf nitrogen accumulation in rice and wheat.     

基于冠层反射光谱的水稻群体叶片氮素状况监测

 研究了不同氮肥水平下多时相水稻冠层光谱反射特征及其与叶片含氮量等参数的关系。结果表明 ,水稻冠层光谱反射率与叶片氮积累量 (单位土地面积上叶片的氮素总量 )显著相关 ,尤其是近红外与绿光波段的比值(R810 /R560 )与叶片氮积累量 (LNA)呈显著线性关系 ,不受氮肥水平和生育时期的影响 ,回归方程为LNA =0 .85 9R810 /R560 - 1.15 96。利用不同粳稻品种、播期、密度、水分和氮肥处理的数据对方程进行了较充分的检验 ,表明模拟值与实测值之间符合度较高 ,估算精度为 91.2 2 %,估计的RMSE为 1.0 9,平均相对误差为 0 .0 2 6。     

烤烟冠层光谱参数与地上生物量的相关性研究

[目的]明确烤烟(Nicotiana sanderae)地上生物量与冠层光谱参数的相关性。[方法]大田条件下设置5个氮肥施用梯度,利用相关分析对地上鲜生物量和冠层光谱参数的相关性进行分析。[结果]一定范围内,施氮量增加,对团棵期和旺长期的烤烟地上鲜生物量表现出较明显的促进效应。与地上鲜生物量相关性最强的单波段反射率波长均为550 nm,R=-0.949 0;相关性最强的植被指数为RVI(1 050,550),R=0.983 1。[结论]该研究可为开发基于冠层光谱的烤烟长势监测仪器提供研究基础和数据支撑。     

棉花冠层反射光谱与叶片氮含量定量关系研究

对可见光波段至短波红外波段(350～2 500 nm)棉花田间冠层光谱反射率与叶片含氮量间的关系进行了相关分析.结果表明,350～732、733～940和1 970～2 477 nm波段的光谱反射率与叶片含氮量极显著相关;940～1 176 nm波段的光谱反射率与叶片含氮量显著相关,以上波段为叶片全氮敏感波段.通过分析叶片含氮量与高光谱特征参数关系,得出吸收谷特征参数Depth1154和PRI(570,530 nm)可以用来预测盛花期叶片含氮量,其中Depth1154的复相关系数最高达到0.747 3,为运用遥感技术大面积、迅速、无破坏地来预测棉花生长状况以提供可能.     

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。     

一种新的估算水稻上部叶片蛋白氮含量的植被指数

 【目的】阐明水稻顶部4张叶片蛋白氮含量和反射光谱特征的变化规律及其相互关系,建立快速、准确诊断水稻功能叶片蛋白氮含量的方法。【方法】通过3年不同施氮水平和不同品种类型的大田试验,分生育期同步测定顶部4张叶片的光谱反射率及蛋白氮含量,系统分析叶片蛋白氮含量与多种高光谱参数的定量关系。【结果】水稻叶片蛋白氮含量和光谱反射率在不同施氮水平、不同生育期及不同叶位间均存在明显差异,叶片蛋白氮含量的敏感波段主要存在于可见光绿光区530～580 nm及红边区域695～715 nm,其中红边区域表现最为显著。红边区域700 nm附近波段与近红外短波段的比值组合(SRs)可以有效地估算水稻上部功能叶片的蛋白氮含量,其次是绿光区587 nm左右的波段与近红外短波段的比值组合。基于新提出的SR（770,700）及已报道的GM-2、SR705、RI-half光谱指数,线性回归模型的拟合精度（R2）分别达到 0.874,0.873,0.871和0.867。经独立资料的检验表明,这些回归模型可以实时监测叶片蛋白氮含量变化,预测精度R2分别为0.810、0.806、0.804和0.800,相对误差RE 分别为12.1%、12.4%、12.6%和12.9%。【结论】可以利用关键特征光谱指数来诊断水稻上部叶片的蛋白氮含量状况,尤以SR（770,700）、GM-2、SR705和RI-half表现为较强的估测能力。     

Diagnosis of Nitrogen Status in Rice Leaves with Canopy Spectral Reflectance

The investigation was made on the relationship of seasonal time-course canopy spectral reflec-tance and ratio index to total leaf nitrogen accumulation(leaf nitrogen content per unit ground area) in rice un-der different nitrogen treatments. The results showed there was a close correlation between the canopy spectralreflectance and total leaf nitrogen accumulation. Ratio of near infrared to green band (R810/R560 ) was linearlyrelated with total leaf nitrogen accumulation, independent of nitrogen levels and development stages. Differentdatasets were used to test the linear regression equation, with average estimation accuracy of 91.22 %, RMSEof 1.09 and average relative error of 0. 026. Thus, the ratio index R810/R560 of canopy spectral reflectanceshould be useful for non-destructive monitoring and diagnosis of nitrogen status in rice plants.     

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。     

Monitoring Protein and Starch Accumulation in Wheat Grains with Leaf SPAD and Canopy Spectral Reflectance

The research was conducted to determine the relationships of protein and starch accumulation dynamics in grains of wheat to post-heading leaf SPAD values and canopy spectral reflectance. The results showed that leaf nitrogen accumulation was exponentially related to leaf SPAD values and linearly related to canopy spectral reflectance, and that there was negative linear relationship between leaf nitrogen accumulation and grain protein accumulation, but positive linear relationship between post-heading leaf nitrogen translocation and grain protein accumulation at maturity. In addition, leaf SPAD values were parabolically related with and ratio indices R(1 500,610) and R(1 220,560) were exponentially related with protein and starch accumulation in grains. These results indicate that leaf SPAD values and canopy spectral reflectance should be good indicators of quality formation dynamics in wheat grains.