基于近红外波段玉米叶绿素含量最佳预测模型研究

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,笔者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。采用990、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。     

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%。     

强碱土土壤呼吸及其影响因子分析

利用LI-8100土壤碳通量测量仪测定了在自然升温下的强碱土土壤呼吸速率、温度(气温和土壤温度)、湿度(空气相对湿度和土壤湿度)数据,通过分析它们的相关关系,探讨土壤呼吸速率的变化特征及其主要影响因素,建立了相应的回归模型并进行了精度检验。结果表明:(1)各实验土壤呼吸速率的日变化过程均呈单峰型,日间为正呼吸,夜间为负呼吸。(2)平均气温由4.4℃升至15.84℃和17.61℃时,平均土壤呼吸则由-0.07μmol m-2 s-1增加至0.07和0.31μmol m-2 s-1。温度越高,土壤呼吸速率越大。(3)土壤呼吸速率与气温、土壤温度、土壤湿度呈正相关,与空气相对湿度呈负相关,并且随着温度的升高,相关系数均不断增大。实验1中气温与土壤呼吸的相关系数为0.75,实验2、3则增至0.96和0.98。(4)土壤呼吸速率的最主要直接影响因子为气温,土壤湿度通过气温对土壤呼吸速率的间接影响与气温的影响相当。(5)土壤呼吸速率无论与温、湿度中单个因子还是温湿度双因子构建的回归方程,其拟合优度和模型精度均随温度的升高而增大,在气温与土壤呼吸速率构建的方程中,其R2由实验1的0.5544增至实验2、3的0.9284和0.9685,RMSE则由0.7055减至0.3011、0.1560。     

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。