干旱区冬小麦不同生长阶段的光谱特征与叶绿素含量估测研究

通过实测的冬小麦整个生长阶段的叶片光谱与其SPAD值,分析了二者的变化规律,比较了15种高光谱指数与SPAD值的相关性,最后确定不同生长阶段估算小麦叶片SPAD值的最佳植被指数。结果表明:冬小麦叶片SPAD值在整个生育期内的变化规律显示出先升高后迅速下降的趋势,最大值出现在灌浆期;通过15种植被指数与叶片SAPD值的相关性比较,在拔节期,优化的土壤调节植被指数(OSAVI)与冬小麦叶片SPAD值的相关性最高,其模型精度为0.74;在孕穗期和开花期,叶面叶绿素指数LCI与SPAD值的相关性最好,其模型精度为0.72和0.79;在灌浆期R700与SPAD值的相关性最佳,其模型精度为0.70;在乳熟期红边位置REP与SPAD值的相关性最好,其模型精度为0.69。     

基于近红外波段玉米叶绿素含量最佳预测模型研究

【研究目的】为了进一步探究近红外波段玉米光谱反射率与其叶绿素含量之间的关系,本文采用线性和非线性法对玉米叶绿素含量与近红外波段光谱反射率及植被指数之间的关系进行分析,建立叶绿素含量最佳预测模型。结果表明：在近红外波段,光谱反射率与玉米叶绿素含量的相关性较大;叶绿素含量与RVI (R1001/R760)、RSI (R765/R720)、NDVI (R990-R760)/(R760 R990)、NDSI (R813-R763)/(R813 R763)、CCI (D794/D763)等植被指数均达极显著相关,其中与NDVI的相关性最大,为0.91。基于近红外波段的植被指数建立玉米叶绿素含量预测模型中,采用RVI、RSI、NDVI、NDSI所建的二次多项式模型其决定系数R2均高达0.75以上。【结论】采用990nm、760nm处的归一化植被指数NDVI建立的二次多项式为玉米叶绿素含量最佳预测模型,其具有最大决定系数(R2=0.855),较小RMSE(2.433)和RE%(0.61%),为利用高光谱信息反映玉米生长状况的叶绿素信息提供了基础。     

基于熵权法的新疆奇台绿洲水资源承载力评价研究

针对新疆奇台绿洲水资源日益短缺及生态环境逐渐恶化的现实情况,本文通过构建水资源承载力研究的指标体系,应用主成分分析法选取主要指标,并采用熵权法进行赋权,依据水资源承载力综合模型对其水资源承载能力予以分析评价,以期使该地区水资源得到合理利用,并为绿洲可持续发展提供支撑。研究结果表明:该区1993年水资源承载力综合得分0.83,1998年为0.75,至2005年达到研究时段的最低值0.66,反映出其水资源承载力不断下降,且近几年下降速度加快。后期(2003—2005年)水资源承载力综合得分年均下降率是早期(1993—1998年)的47.96倍,为中期(1999—2002年)的8.39倍。奇台绿洲水资源承载力主要受经济与生态环境、人口、农业用水、水资源利用程度、气候状况5大成分影响。其中前三者累计贡献率为73.58%,反映出经济迅猛发展、生态环境恶化、人口数量增加以及农业灌溉水激增是导致水资源可进一步利用潜力减小的最主要因子。     

基于PLSR-BP复合模型的绿洲土壤pH高光谱反演

以土壤pH、野外实测光谱以及多元散射校正(MSC)预处理后的光谱数据为基础，利用数学方法（主成分回归PCA、偏最小二成回归PLSR、BP神经网络模型）分别建立了土壤pH的预测模型。结果表明：土壤实测光谱和经过MSC方法预处理的光谱数据均与pH存在良好的相关性，并呈极显著水平，后者的相关性更高。PCA和PLSR两种土壤pH估测模型均具有良好的预测能力。BP神经网络模型则因输入变量多，预测精度较低。但利用PCA和PLSR模型所获得主成分，作为BP神经网络的输入变量所建立的复合模型，可明显提高模型稳定性和预测能力。     

基于高光谱数据预测土壤碱化程度最佳模型及其影响因素的研究

为快速准确地估测土壤碱化程度,对实测波段范围为400~900 nm的土壤光谱数据进行了波段差、波段比、波段归一化3种预处理,采用偏最小二乘法(PLSR)建立了不同波段范围的土壤pH的预测模型,并利用测试集数据对模型进行精度检验。结果表明:采用归一化、波段比2种方式对原始光谱进行预处理,可有效地增强光谱与土壤pH的相关性,并抑制干扰信息,其中归一化最优。虽然可见光波段范围(400~750 nm)所建立的预测模型与全波段(400~900 nm)预测模型R2相同,但其RMSEP比全波段减少了0.059,RPD提高了0.2,说明该波段范围包括了反映土壤pH的大部分信息,是建立其预测模型的优势波段。因此,利用可见光波段的光谱数据,采用归一化预处理可以具有较好稳定性和预测能力地预测土壤pH的最佳模型(R2=0.90,RMSECV=0.104)。     

干旱区玉米抽雄期叶绿素含量高光谱最佳模型选择

采用相关性、线性和非线性分析法,探讨了玉米抽雄期叶片叶绿素含量与多种高光谱参数之间的关系,并建立了叶绿素含量的定量监测模型。结果表明:(1)原始光谱反射率与叶绿素含量在713 nm处具有最大相关系数r=0.86,光谱反射率一阶微分在760 nm处与叶绿素含量具有最大相关性r=0.84。同时,最大一阶微分分别对应的波长(λr,λb,λy)、绿峰反射率(Rg)和其对应的波长λg、红边内最大一阶微分总和(SDr)、比值植被指数(SDr/SDb,SDr/SDy,(Rg-Ro)/(Rg+Ro))以及归一化植被指数(SDr-SDb)/(SDr+SDb)等10种参数分别与叶绿素含量的相关性达到极显著相关。(2)采用相关性达到极其显著的12种光谱参数进行建模,其中原始光谱、绿色反射峰以及光谱反射率一阶微分、基于红边面积与蓝边面积的比值植被指数和归一化植被指数所建立的10个模型R2都不小于0.72,前两者所建立的指数模型优于线性模型,而后三者所建立的线性模型则优于指数模型。(3)所选取的五个方程中,在760 nm处的光谱反射率一阶微分值所构建的线性模型:y叶绿素=6912x760nm+44.878因其具有最大决定系数和最小的RMSE,并且其模型表达式相对简单,因此是玉米抽雄期叶绿素含量的最佳预测模型,从模型决定系数R2来看,它比其他模型至少提高了11.4%。     

基于多个高光谱参数的玉米叶片叶绿素含量估测模型

采用Field Spec Pro3光谱仪和SPAD-502叶绿素仪分别测定玉米叶片的光谱与其相对应的叶绿素含量,通过分析红边位置、蓝边位置以及绿峰位置等高光谱参数与叶绿素含量的关系,建立叶绿素含量的单、双和多变量光谱预测模型。结果表明:在可见光区域,玉米叶绿素含量高,光谱反射率低,而进入近红外区则刚好相反,叶绿素含量高,光谱反射率高;红边位置、绿峰位置及蓝边位置各高光谱参数与叶绿素含量的相关性均达极显著。其中红边位置与叶绿素含量的相关性最高,相关系数达0.84;利用所选的3个高光谱参数分别建立的单、双以及三变量模型,虽然大多数模型的精度R~2大于0.71,但分析对比得出利用红边、蓝边及绿峰位置3个变量建立的模型具有最大模型精度R~2、最小标准误差(S)和均方根误差(RMSE),因此其模型预测能力较优。