棉花高光谱及其红边特征(Ⅱ)

通过大田和室内试验,测定了2个棉花品种的冠层、完全展开倒1、3叶在不同时期的高光谱反射率及对应叶片的叶绿素、类胡萝卜素含量。结果表明:棉花冠层光谱红边具有“双峰”和“红边平台”现象,且红边位置λ_(red)位于695～720nm之间,红边幅值Dλ_(red)和红边面积S_(red)有“红移”和“蓝移”现象;叶面积指数、鲜叶重和干叶重与冠层光谱红边参数λ_(red)、Dλ(red)、S_(red)之间存在显著相关,叶片叶绿素和类胡萝卜素含量与其反射光谱的λ_(red)、Dλ(red)、S_(red)也有显著相关。     

植物叶绿素含量不同提取方法的比较研究

为探索不同提取液提取爬山虎叶绿素的效果,分别采用80%丙酮溶液、96%乙醇溶液、90%乙醇丙酮混合溶液、95%乙醇丙酮混合溶液四种提取溶液来提取五叶爬山虎叶片叶绿素。结果表明：叶绿素溶液吸收峰的峰值和不同提取液对植物叶绿素的提取能力随提取液的不同而不同,由大到小排序的顺序为95%丙酮乙醇溶液>90%丙酮乙醇溶液>80%丙酮>96%乙醇,相比于研磨法,用试剂浸泡法的叶绿素提取效率更高,这可为准确提取与检测植物叶绿素的提供一定参考作用。     

大米蛋白质含量近红外光谱检测模型研究

探索建立一种有效的大米蛋白质含量近红外光谱检测模型,并寻找1100~2500nm波段中预测大米蛋白质含量的有效波长。采用面积归一化（Area Normalization）方法进行光谱预处理。用主成分回归方法建立回归模型,用Martens不确定性检验方法选择有效波长。发现利用主成分分析可以较好地区分出不同种类的米粉,样品在主成分上的得分可以作为鉴别米粉种类及品质的依据。基于全部波长建立的回归模型,训练集r=0.9923,RMSE=0.0747。交叉验证的结果r=0.9399,RMSE=0.2103。预测集r=0.9364,RMSE=0.1607。基于有效波长建立的回归模型,训练集r=0.9899,RMSE=0.0854。交叉验证结果r=0.9437,RMSE=0.2004。预测集r=0.9079,RMSE=0.1796。使用近红外光谱分析技术检测大米蛋白质含量是可行的,采用Martens不确定性检验方法选择有效波长,并利用有效波长预测大米蛋白质含量也是可行的。     

玉米叶片高光谱特征及与叶绿素、类胡萝卜素相关性的研究

测定了不同品种类型、不同株型、不同发育期的春玉米叶片及其它器官、不同叶位叶片及叶片不同部位的高光谱反射率和叶片的叶绿素、类胡萝卜素含量。结果表明,玉米不同鲜器官的反射率随波长的变化趋势相似,但数值存在较大差异;不同叶位的叶片、不同品种同一叶位的叶片、叶片的不同部位的光谱反射率有差异;叶片光谱反射率随含水率减少而升高,它们的变化趋势相似;叶片叶绿素和类胡萝卜素浓度与光谱植被指数R800/R550、R673/R640、PSSRa、PSNDa、RCh、CARI、λred、Dλred和Sred具有极显著相关。说明可以通过光谱方法来监测玉米长势和估算叶绿素、类胡萝卜素含量。     

棉花高光谱及其红边特征(I)

通过大田和室内试验,测定了2个品种的棉花冠层、完全展开倒1、3叶在不同时期的高光谱反射率及对应叶片的叶绿素、类胡萝卜素含量。结果表明:随发育期推移,棉花冠层光谱反射率在可见光范围降低,在近红外区域增高;叶片背面光谱反射率略高于正面,透射率小于反射率;叶面积指数、鲜叶重和干叶重与冠层反射光谱变量ρ800 ρ550、ρ800 ρ680、ρ680 ρ570之间存在显著相关;叶片叶绿素和类胡萝卜素浓度与其反射光谱变量ρ680 ρ570、ρ673 ρ640、ρ680 ρ550、PSSRa、PSNDa、RCh之间也呈显著相关。     

玉米高光谱及其红边特征分析

通过大田和室内试验,测定了玉米冠层、完全展开倒一、三叶在不同发育期的反射光谱及叶片的叶绿素、类胡萝卜素含量。结果表明,随发育期推迟,冠层反射率在可见光范围内降低,在近红外区域增高;冠层光谱的红边具有“双峰”现象,红边位置λrad随发育期推迟呈“红移”现象,而红边幅值Dλred和红边面积Sred“红移”和“蓝移”现象;叶面积指数、地上生物量和鲜叶重与冠层λred、Dλred、Sred显著相关,叶片叶绿素和类胡萝卜素含量与其λred、Dλred、Sred也显著相关。     

导数光谱在棉花农学参数测定中的作用探讨

通过大田和室内试验,测定了2个品种的棉花冠层、完全展开倒3叶在不同时期的高光谱反射率及对应叶片的叶绿素、类胡萝卜素含量,分析并证实了棉花导数光谱时消除测量背景影响及寻找特征波长方面的作用。将导数光谱用于棉花农学参数的测定,发现棉花冠层和叶片光谱都存在红边位移现象,并且红边参数(红边位置、红边幅值、红边面积)与叶面积指数、鲜叶重、干叶重和叶绿素含量有显著相关,从而证明用棉花导数光谱测定它的某些农学参数的可行性。     

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。     

水稻叶面积指数和叶片生化成分的光谱法研究

利用光谱仪通过大田试验和室内测量不同氮素水平及不同时期水稻叶片的光谱反射率，测算叶面积指数LAI；利用生化方法测量相应叶片的叶绿素含量，蛋白质含量和纤维素含量；在此基础上分析了水稻叶面积指数与光谱变量，叶片生化成分与光谱变量及叶面积指数之间的相关性。结果表明；水稻叶面积指数与比值植被拽数RVI及归一化差值植被指数NDVI呈显著相关，不同氮素水平的水稻叶片的叶绿素，蛋白质及纤维素含量与LAI之间的R^2在抽穗期均达到0.75以上，其中叶绿素，纤维素含量与光谱变量的相关达显著水平，不同时期纤维素与光谱变量及LAI之间相关达显著水平，从而证明通过光谱法可以推算水稻叶片的叶绿素含量，蛋白质含量和纤维素含量。     

基于可见/近红外光谱技术的湄潭翠芽等级判别

以湄潭翠芽为研究对象,利用可见/近红外光谱技术对其等级进行判别。首先利用卷积平滑、多元散射校正、标准正态变量变换、一阶导数法、二阶导数法、去趋势法等预处理方法对样本原始光谱数据进行处理。然后基于不同光谱预处理方法和原始光谱建立偏最小二乘回归模型,研究分析不同光谱预处理方法对模型的影响,结果表明,使用卷积平滑预处理方法的模型效果最好。然后,研究分别采用逐步回归分析、连续投影算法和竞争性自适应重加权算法3种特征波长选择方法,对卷积平滑预处理后的光谱数据进行特征波长的筛选,以基于不同特征波长选择算法筛选的特征波长和原始全波段数据进行偏最小二乘回归模型建模。结果表明,基于竞争性自适应重加权算法方法筛选的特征波长建立的模型预测效果最好,模型的预测集相关系数达到0.9739,均方根误差为0.2250,这可为湄潭翠芽等级的快速判别提供理论依据。