基于叶片反射光谱和叶绿素荧光估测水稻叶片含水量

水稻冠层叶片含水量(leaf water content, LWC)快速无损监测对指导稻田精准灌溉和提高水稻水分利用效率具有重要意义。试验设置3个不同水分处理(传统淹灌、轻度干湿交替-15 kPa、重度干湿交替-30 kPa),于水分敏感期(抽穗-灌浆期)动态监测顶1叶(L₁)、顶2叶(L₂)和顶3叶(L₃)的光谱数据和叶绿素荧光参数,通过全光谱波段筛选出水分敏感波段,建立新型植被指数,结合叶绿素荧光参数,以期建立基于叶位组合的水稻冠层LWC精准监测模型。结果表明：水稻叶片水分敏感波段在近红外波段(1 000～1 400 nm),所构建新型植被指数NDSII₍(1114,1387))较传统植被指数能更好地监测LWC;通过筛选与LWC有高相关性的荧光参数,基于实际光量子产量Y(Ⅱ)和植被指数NDSII₍(1114,1387))的耦合监测模型较单一植被指数NDSII₍(1114,1387))模型精度提高71.807%～83.976%。与单叶相比,L_2...     

水稻高光谱遥感监测研究综述

高光谱遥感技术凭借其可以快速、实时、准确、无损地获取水稻生长信息的优势,已经成为监测水稻生长状况的重要手段。本研究综述了高光谱遥感技术在水稻长势监测(包括叶绿素含量、叶面积指数和地上生物量)、产量估算、养分诊断(包括氮素、磷素和钾素)、数据处理与反演方法等领域的国内外研究进展,并针对目前的研究进行了展望,以期为水稻的精准管理提供参考。     

基于高光谱遥感数据的水稻叶温反演

[目的]研究水稻叶温与冠层反射光谱间的关系,为水稻叶温的模拟与监测提供理论依据.[方法]利用FieldSpec Pro FR光谱仪和Raynger ST红外温度探测仪测量水稻抽穗期冠层的反射光谱和叶片温度,分析原始反射光谱、一阶微分光谱、归一化植被指数(NDVI)、比值植被指数(DVI)、再归一化差值植被指数(RDVI)和转换型土壤调整指数(TSAVI)与叶温的关系.[结果]叶温的变化直接影响水稻冠层光谱的反射率,影响水稻红边特征.一阶微分光谱与叶温存在极显著相关性(P<0.01,下同),990 nm处相关系数(0.889)最高,885 nm处相关系数(-0.893)最低.选取叶温敏感波段光谱组合计算植被指数,发现RDVI和TSAVI与叶温的关系呈极显著相关,相关系数分别为0.724和0.733.由RDVI和TSAVI建立经验模型,结果显示由TSAVI建立的叶温估算模型效果更好,其验证样本的决定系数为0.610,相对误差为1.97%,均方根误差为2.546.[建议]综合考虑多种预处理方法,最大程度还原光谱信息;优化特征波长的提取,提高建立模型的精度;基于高光谱技术,实现冠层叶温的无损监测.     

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。     

基于无人机多光谱影像的玉米含水量监测模型研究

本研究利用无人机低空遥感平台获取不同生育期玉米冠层多光谱和可见光图像,提取植被指数和纹理特征,分析不同植被指数和纹理特征在水分胁迫条件下对玉米的植株水分的敏感性特征,筛选出具有最高相关性的植被指数和纹理特征,利用线性回归法构建玉米含水量监测模型,以期为农田精准灌溉提供技术支撑。     

基于高光谱和激光雷达遥感的水稻产量监测研究

[背景]快速、准确地估算水稻产量对于肥水精确管理及国家粮食政策的制定至关重要.高光谱与激光雷达遥感作为2种不同的主被动监测技术,为水稻长势信息获取提供了多样化手段.[目的]对比2种遥感监测手段在不同生态点的独立数据集中的验证精度,寻求可移植性强的产量估算模型,对水稻长势监测提供理论与技术支撑,及为精确农业提供科学指导具...     

水稻叶片氮素营养光谱诊断模型研究

[目的]建立水稻叶片氮素营养光谱诊断模型。[方法]通过对不同水稻品种（湘优109和汕优98）、不同生长期、不同氮素水平的水稻叶片进行透射、吸收光谱及氮含量的测量,分析了叶片光谱与其含氮量之间的相关性,建立了水稻叶片含氮量的光谱指数预测模型。[结果]该模型检测精度在80%以上,可用于水稻氮素营养的诊断。[结论]为水稻氮素营养状况监测提供了理论依据。     

基于不同土壤质地的小麦叶片氮含量高光谱 差异及监测模型构建

【目的】叶片氮素状况是小麦生产中精确施氮管理与调控的前提,实时无损监测叶片氮素状况对小麦生产管理具有重要意义。本文旨在综合分析不同环境下小麦冠层光谱响应差异,进而构建其估测模型,为小麦氮肥合理运筹提供技术支持。【方法】本研究基于3种不同土壤质地（砂土、壤土和黏土）、5种不同施氮水平（0、120、225、330和435 kg•hm-2）及3种河南省主栽小麦品种（矮抗58、周麦22和郑麦366）连续2年的大田试验,于小麦主要生育时期同步测定冠层光谱反射率和叶片氮含量,对3种不同土壤质地条件下小麦冠层叶片氮含量的高光谱响应差异进行比较,系统分析350—1 050 nm 波段范围内任意两波段组合而成的差值（DSI）、比值（RSI）及归一化差值（NDSI）光谱指数与叶片氮含量的量化关系,并建立估算模型。【结果】冠层光谱反射率在不同施氮水平和不同生育时期下存在明显差异,但趋势基本一致;比较3种土壤质地小麦冠层光谱反射率大小表现为：黏土＞壤土＞砂土,可以反映小麦实时田间长势。通过系统分析3种土壤质地小麦冠层反射光谱与对应叶片氮含量间的定量关系,表明在可见光和近红外区域均有较好的相关性,但敏感波段区域有所不同。对3种质地获取的样本进行系统分析表明,砂土、壤土和黏土质地小麦叶片氮含量分别以光谱指数NDSI（FD710,FD690）、DSI（R515,R460）和RSI（R535,R715）建模结果表现最好,决定系数分别达到0.88、0.87和0.87。经不同年份独立资料检验结果显示,基于上述光谱指数估测小麦叶片氮含量的预测决定系数分别为0.87、0.85和0.77,预测均方根误差分别为0.31、0.32和0.26。【结论】利用光谱参数NDSI（FD710,FD690）、DSI（R515,R460）和RSI（R535,R715）为自变量建立的估测模型分别可以较好地预测砂土、壤土和黏土3种质地小麦叶片氮含量。     

基于近地高光谱遥感的小麦叶片生长参数动态模型研究

【目的】探讨利用遥感技术实时监测小麦叶片生长动态变化。【方法】以生产中大面积推广应用的小麦品种周麦27为试验材料,在2个试验地点布置水氮耦合处理试验,依据相关回归分析筛选出对叶片氮含量（LNC）和叶面积指数（LAI）反应敏感的高光谱植被指数,进而确立了不同产量层次的植被指数生育进程动态模型。【结果】LNC和LAI与近红外短波段735～1 075 nm呈显著正相关关系,而与可见光波段350～730 nm呈显著负相关关系。对LNC敏感的植被指数主要有AIVI、RES和mND924,而对LAI敏感的植被指数主要有ONLI、CI_green和MSR（800,670）,以上2类植被指数和籽粒产量间关系均密切,表现较好的时期主要为拔节期至灌浆中期阶段。采用双LOGISTIC模拟模型方法,优选的方程能够较好地模拟植被指数的生育进程动态轨迹,模型精度（R²）随着产量水平的逐渐提高而增加,低产水平的精度相对较差（0.627～0.703）,而高产及以上水平的R²较高（0.868～0.972）。【结论】高光谱植被指数AIVI和CI_gr...     

基于导数光谱的小麦冠层叶片含水量反演

【目的】以高光谱技术实现小麦含水量信息的快速、无损与准确获取,为小麦灌溉的精确管理提供科学依据。【方法】利用水氮胁迫试验条件下小麦主要生长期的导数光谱构建了16种新指数,将其与NDII、WBI以及NDWI等常用指数进行比较分析,筛选小麦叶片含水量反演最佳光谱指数,并利用其建立反演模型进行小麦含水量的遥感填图。【结果】在各指数中,FD730-955对小麦冠层叶片含水量的估测结果最佳,其估测模型（对数形式）校正决定系数（C-R2）与检验决定系数（V-R2）分别达0.749与0.742,优于NDII等常用指数;FD730-955所建模型对32个未知样的预测结果与实测值相似度较高,其回归拟合模型R2达0.763,RMSE仅为0.024,取得了良好预测结果,且对叶片含水量以及LAI值较高与较低的样本均具备良好的预测能力,可有效避免样本取值范围以及冠层郁闭度等因素对含水量估测的影响;反演模型对OMIS影像的填图结果与地面实测值拟合模型R2达0.647,RMSE仅为0.027,具有较高的反演精度。【结论】导数光谱可实现小麦冠层叶片含水量信息的准确估测,其中FD730-955系反演的优选指数。     

利用反射光谱信息提取叶片水分含量的方法比较

实验采集了21个样区10余种类型植被的叶片信息,其中包括52组反射光谱数据(350 nm~2 500 nm),对应的叶片含水量(相对含水量FMC和等效水厚度EWT)。分析了叶片反射率与含水量之间的相关关系。实验结果表明EWT与叶片反射率之间存在较好的线性相关关系,而FMC与叶片反射率相关关系较差。通过选取不同光谱波段构造多个光谱指数,研究光谱指数与叶片含水量的相关关系,发现构造指数方法优于普通的光谱回归分析,其中,Ratio975和Ratio1 200效果最好。同时在利用光谱指数反演叶片含水量时,对于EWT仍存在较高的反演精度。     

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.     

水稻叶片叶绿素含量与吸收光谱变量的相关性研究

采用小区试验研究了水稻叶片叶绿素含量与吸收光谱衍生变量的相关性。结果表明：拔节期、抽穗期和灌浆期是水稻叶片诊断的敏感时期;选择最佳的敏感波段组合构造衍生变量,利用光谱衍生变量反演水稻叶片叶绿素含量。发现：在抽穗期和灌浆期,对数相加模型的反演能力明显优于SPAD值的反演能力。SPAD值的反演能力仅在拔节期略优于对数相加模型的反演能力,说明用每个生育期的相应敏感光谱波段对数相加能更加准确地估测叶绿素含量。本文为进一步改进SPAD-502的测量性能提出一些探索性研究。     

基于LST/VI的冬小麦农田含水量监测研究

利用MODIS数据提取了7种不同植被指数(LST/VI)作为遥感参数,将其与地面实测含水量进行相关性分析,探索不同植被指数与土壤、植株含水量的关系,旨在为山西省冬小麦农田含水量监测提供科学依据。结果表明:与植被供水指数相比,LST/DVI和LST/RDVI在拔节期进行冬小麦干旱监测较好;而在抽穗期LST/PVI、LST/SAVI可代替LST/NDVI来监测冬小麦干旱;成熟期利用LST/PVI进行干旱监测,其效果明显好于LST/NDVI。     

稻纵卷叶螟危害后水稻叶片的光谱特征

【目的】阐明水稻受稻纵卷叶螟危害后不同受害程度的叶片、卷叶的分布形式及卷叶率对稻叶光谱特征的影响,获取诊断水稻受害程度的模型,以便为稻纵卷叶螟的遥感监测提供理论指标与方法。【方法】试验以不同受害等级的虫害叶及健康叶为材料,在室内恒定条件下采用ASD光谱仪分别测定不同受害程度、受害叶片的不同分布形式、及不同卷叶率下稻叶的光谱反射率,并采用直线回归法,建立基于光谱参数的水稻受害程度诊断模型。【结果】水稻虫害叶光谱反射率均随受害等级的增加,在绿光区(530—570nm)和近红外区(700—1050nm)降低,而在红光区(610—700nm)增加。能反演叶片受害程度的敏感波段为530—564nm、614—695nm和706—1050nm。建立了5个反演叶片受害程度的模型,诊断准确率在80%—90%之间,并且以741nm处的反射率对叶片受害程度的诊断效果最好。在卷叶率恒定的条件下,卷叶的分布位置对光谱反射率影响较小;而卷叶率对光谱反射率的影响较大,表现为随卷叶率的增大,450—500nm和610—700nm处的反射率增大,530—570nm和700—1050nm处反射率降低。差值植被指数(Rnir-Rred)、黄边面积(SDy)及红边面积与蓝边面积的差值(SDr-SDb)等指标均能将6个不同等级的卷叶率(0、10%、30%、50%、70%和90%)区分开,并且利用黄边面积(SDy)指标诊断卷叶率的准确率达86%。【结论】水稻受稻纵卷叶螟为害后,在叶片光谱反射率上有明显的表现,可以利用光谱特征来监测稻叶的受害程度及卷叶率大小。     

水稻叶片叶绿素含量与衰老的关系

为了探明叶绿素含量与叶片衰老的关系,分别利用复合杂交后代的34份和130份材料,研究水稻生育后期自然强光对不同叶绿素含量水稻叶片衰老的影响.结果表明,试材叶片SPAD值在42时,叶绿素含量降解最快.高叶绿素含量材料(叶片SPAD值42以上)在灌浆初期较低叶绿素含量材料(叶片SPAD值42以下)叶绿素降解慢,但随后却高于低叶绿素含量材料的降解.说明在灌浆初期高叶绿素含量材料相对低叶绿素含量材料对强光的耐受性好,随后由于高叶绿素含量材料叶片SPAD值降至42左右,其叶绿素降低速度反而较低叶绿素含量材料快.     

Varietal Difference in Leaf Nitrogen Content and Leaf Area and Their Effects to Ripening Rate During Mature Period of japonica Rice

Employing the pot experiment of the complete random block design with 6 replications,four varieties of japonica rice (Fujisaka 5,Honenwase,Akitakomachi and Taichung 65) were used to study the varietal differences in leaf nitrogen content (LNC) and leaf area during mature period,their relation and effects to the ripening rate.The results showed that (1) thee were varietal differences in LNC at the heading stage and the LNC decrease rate during the matur period,the high LNC at the heading stage was related to the rapid LNC decrease.(2) There were two phases of the leaf area changing process during the mature period,first was the stable,and second was the decreased phase.There was varietal difference in the critical time of phase 1 and phase 2.The hign leaf area in the phase 1 was in relation to the rapid leaf area decrease in the phase 2.It was not found that there was relation between the leaf quality and quantity.(2)It wa unfavorable to the ripening rate for the high leaf area at the heading stage and the rapid decrease of the leaf area during the mature period.(4)It was put forward that the super high yield rice variety should possess the not very high leaf area and high LNC at the heading stage,slow senescence in the leaf area during the mature period.