基于高光谱的苹果盛果期冠层叶绿素含量监测研究

【目的】建立苹果冠层叶绿素含量及冠层光谱特征参量间的定量关系模型,以促进高光谱技术在苹果树精准施肥以及快速、无损长势监测中的应用。【方法】以蒙阴县果园的苹果树为试验材料,连续2年分别测定了苹果冠层光谱反射率和冠层叶绿素（Chl(a+b)）含量,分析了冠层叶绿素含量与光谱反射率之间的相关关系,并计算了400—1 000 nm任意两波段组合而成的RVI、DVI、NDVI和RDVI,分析了它们与冠层叶绿素含量的关系,以逐步回归分析做比较,建立了苹果冠层叶绿素含量监测模型。【结果】结果表明,以单变量估算叶绿素含量的最佳光谱指数为NDVI(975,742),相关系数为0.5093。利用多元逐步回归建立的苹果冠层叶绿素含量最佳监测模型为Y=-0.56(log1/R)771-0.48(log1/R)1978 +0.20(log1/R)2407 -0.10(log1/R)2440+4.749。【结论】用多元逐步回归方法建立的模型来监测苹果冠层叶绿素含量效果较好,为利用高光谱技术监测苹果生长状况提供了理论依据。     

基于二维光谱特征空间的土壤线自动提取算法

土壤线是在二维光谱空间中土壤纯像元光谱反射率按照大小排列而成的直线,它综合反映了具有不同水分条件的土壤含水状况,对于了解土壤和植被的理化性质和生态特征有着重要的意义。由于土壤线采用手工描绘效率低,因人而异,致使涉及土壤线的模型在业务化应用和推广中受到限制。为此,提出了一种土壤线自动提取算法,以及算法实现的流程和步骤,利用该算法可以基于遥感影像构建的二维光谱特征空间自动提取土壤线参数。通过时间序列和实际估算2种方法分析了算法的性能,发现在提取土壤线参数上具有较好的稳定性和精度,时间序列内提取土壤线斜率的平均偏差小于0.1,与实际估算的土壤线斜率偏差也很小。该算法已被应用于农田干旱监测模型PDI、MPDI和SPSI的土壤线自动提取运算中。结果表明,在保证模型精度的前提下,自动算法有效地提高了模型运算的效率,对农业干旱模型的业务化推广有实际的应用价值。     

基于光谱分析的温室黄瓜营养状态的研究

黄瓜在温室栽培面积中占有很大的比重,监测温室黄瓜营养状态非常重要。因此,利用光谱分析技术对叶片所含的化学成分进行测量,主要包括建模与预测两步,采用基于BP算法的人工神经网络和支持向量机进行光谱的定量分析,探索基于光谱分析的整株光谱判断温室黄瓜的营养状态。研究结果表明,基于 BP 算法的人工神经网络和支持向量机所建立的回归模型,在一定程度上提高了模型的自预测能力和实际预测能力。     

长期定位施肥条件下作物光谱特征及养分吸收量预测

为了明确不同施肥条件下典型生育期冬小麦和夏玉米冠层光谱特征差异,该研究以长期定位施肥试验为研究对象,在确定典型生育期作物冠层光谱反射率与收获期作物地上部分主要养分吸收量相关性的基础上,建立收获期作物主要养分吸收量预测模型。结果表明,可见光波段相似生育期夏玉米冠层光谱反射率与冬小麦相近,但在近红外区域平均高于冬小麦8.42%。生育中期2种作物秸秆、籽粒及地上部分氮(N)、磷(P)、钾(K)吸收量与冠层光谱反射率在可见光波段普遍呈极显著负相关关系,在近红外波段呈极显著正相关关系。全生育期夏玉米冠层光谱反射率与作物吸氮量的相关系数在可见光波段基本持平,但在近红外波段平均高于冬小麦0.4152。全生育期夏玉米冠层反射率与地上部分吸磷量的相关系数在可见光波段和近红外区域较冬小麦平均分别低0.3621和0.2072。全生育期夏玉米冠层光谱反射率与地上部分吸钾量相关系数在可见光波段平均低于冬小麦0.1270,在近红外波段高于冬小麦0.0341。除夏玉米吸磷量外,基于冬小麦和夏玉米典型生育期冠层光谱反射率建立的模型均可准确预测收获期作物主要养分吸收量,且对冬小麦养分吸收量的预测精度略高于夏玉米,该结论可以为黄淮海地区冬小麦和夏玉米的长势监测和肥料管理提供科学依据。     

基于反射光谱预处理的苹果叶片叶绿素含量预测

以苹果叶片叶绿素含量为研究对象,定量研究了光谱数据预处理方法对光谱特征提取及叶绿素含量预测模型的影响。首先,比较了苹果叶片原始反射率光谱、小波包去噪反射率光谱、反射率一阶差分光谱、先小波包去噪后一阶差分光谱、先一阶差分后小波包去噪光谱这5种光谱的波段间相关系数以及光谱与叶绿素含量间的相关系数,建立了叶绿素含量预测逐步回归模型并对建模结果进行了比较分析。结果表明单纯3层sym8小波包去噪可使光谱曲线平滑,但不会明显提高模型精度;一阶差分虽然放大了局部噪声,但是消除了基线漂移影响,可提高模型精度;先差分后小波包去噪比先小波包去噪后差分具有更高的峰值信号噪声比,更低的均方误差与最大误差,建模结果也显示出同样的结果。因此,先差分后小波包去噪算法可认为是一种有效的苹果叶片叶绿素含量预测光谱预处理方法。利用这一方法建立了苹果叶片叶绿素含量预测模型,获得了较高的预测精度。该研究可用于对苹果树营养状态的评价并指导按需施肥。     

基于光谱特征空间的农田植被区土壤湿度遥感监测

土壤湿度遥感动态监测在农业生产中具有重要作用。近年来,多种基于光谱特征空间的土壤水分监测指数被陆续提出,并得到广泛关注和应用,但当前多数监测指数未考虑混合像元的影响。该文针对垂直干旱指数(perpendicular drought index,PDI)在农田植被覆盖区监测精度降低问题,分析了植被覆盖下的PDI误差分布规律,引入垂直植被指数(perpendicular vegetation index,PVI)作为植被覆盖表征量,在PVI-PDI二维空间对PDI模型进行调整,提出了适于植被覆盖的植被调整垂直干旱指数(vegetation adjusted perpendicular drought index,VAPDI),并利用内蒙古明安镇研究区实测土壤湿度数据,对PDI与VAPDI进行了比较和验证。结果表明,在裸土、麦茬、土豆、豇豆4种植被覆盖类型中,PDI与土壤实测含水率的决定系数分别为0.630、0.504、0.571、0.543,VAPDI与土壤实测含水率的决定系数分别为0.599、0.523、0.602、0.585。VAPDI在植被区的误差略小于PDI,一定程度上克服了植被覆盖对监测精度的影响。通过PDI和VAPDI空间分布图的比较也说明,VAPDI对土壤湿度的差别有更好的区分能力,在中尺度土壤表层水分遥感反演方面具有一定的优势。该研究可为农田土壤湿度遥感监测方法选择及监测误差分析提供参考依据。     

利用光谱技术分析北京地区农业土壤重金属光谱特征

采用ASD光谱仪测量111个北京地区农业土壤样本光谱曲线基础上,利用光谱分析的方法探索北京地区农业土壤中8种土壤重金属(Cr、Ni、Cu、Zn、As、Cd、Pb、Hg)含量与可见-近红外光谱反射率的相关关系,分析土壤重金属的光谱特征,为基于遥感光谱监测土壤重金属含量提供基础。主成分分析和光谱变量与土壤重金属相关分析的研究结果表明,一阶微分光谱最适于获取土壤中的重金属元素信息,并且土壤重金属含量与反射光谱之间存在显著相关关系,最高相关系数达到а=0.01水平显著相关,中心波长在415~570 nm以及大于950 nm的光谱部分是土壤重金属特征光谱的主要分布范围。     

黑土土壤水分高光谱特征及反演模型

应用高光谱技术阐释土壤含水率光谱规律及对土壤含水率进行定量分析,为精准农业地表土壤水分的快速测定提供参考。该文以吉林省黑土土类中的黑土亚类土壤为研究对象,利用ASD FieldSpec FR便携式光谱仪在室内环境下对不同含水率的土壤样本进行光谱反射率测量和特征分析;通过对土壤样品高光谱反射率进行对数、倒数、一阶微分以及反射率倒数的一阶微分、反射率对数的一阶微分变换,运用统计分析中的相关系数计算进行了光谱反射率与土壤水分的相关分析,并提取了土壤光谱特征波段;采用逐步多元线性回归方法和指数模式分析法,进行了高光谱土壤含水率定量反演。研究结果表明,在低于田间持水率状况下,黑土土壤光谱反射率及其反射率一阶微分和反射率对数一阶微分变换的敏感波段主要集中在400～410、1 400～1 850和2 050～2 200 nm范围内,其中2 156 nm处与土壤水分相关系数最高,达0.89;在波长1 328、1 439、1 742和2 156 nm处,采用反射率对数一阶微分所建立的黑土土壤含水率预测方程的预测精度最好,决定系数为0.931。黑土土壤含水率高光谱反演模型的建立为土壤水分的快速测定提供了新的途径。     

乡镇尺度的玉米种植面积遥感监测

以快速、准确提取玉米种植面积为目标,以多时相HJ-1A/1B CCD影像和数字高程模型（DEM）为信息源,选取吉林省长春市为试验区,将试验区种植结构、物候特征、地形特征、光谱特征及植被指数等多元信息引入决策树分类模型,构建基于决策树分层分类的玉米种植面积遥感估算模型,并将空间化的农普数据作为参考值,以乡镇为基本评价单元对玉米种植面积遥感测量结果进行精度评价。研究表明：利用该方法可以有效提高玉米识别精度,满足作物种植面积估算大范围、多时相的需求,有助于解决作物种植面积遥感估算业务运行时空分辨率的矛盾,乡镇尺度的玉米种植面积总量提取精度可达92.57%。     

H-KKM映像及其抽象拟凸(凹)性

对一组H-KKM映象的情形推广了KKM定理,并讨论了取值于Riesz空间的映像的各种抽象凸（凹）概念与H-KKM映像、广义H-KKM映像的关系,还用所得结果对极大极小不等式及鞍点问题进行了研究.