猕猴桃叶片叶绿素含量高光谱估算模型研究

【目的】研究猕猴桃叶片叶绿素含量的高光谱估算方法,为猕猴桃长势的遥感监测提供理论依据。【方法】以陕西杨凌蒋家寨村2018年不同生育期(初花期、幼果期、膨果期、壮果期、果实成熟期)的猕猴桃叶片为研究对象,分别测定其高光谱反射率和叶绿素含量(SPAD值),分析原始光谱和5个常见的植被指数(归一化植被指数、归一化叶绿素指数、改进的叶绿素吸收反射率指数、MERIS地面叶绿素指数、土壤调整指数)与叶绿素含量之间的相关关系,提取各生育期的特征波段,分别建立基于特征波段和植被指数的单波段叶绿素含量一元线性估算模型。利用主成分分析对原始光谱数据进行降维,将得到的主成分得分作为随机森林模型的输入变量,建立基于多波段信息的叶绿素含量多元估算模型,并对模型进行精度验证和分析。【结果】不同生育期猕猴桃叶片光谱反射率变化趋势基本一致,整体趋势为可见光波段反射率低,近红外波段反射率高;在可见光波段,光谱反射率随着叶绿素含量的升高而降低;在近红外波段,光谱反射率则随着叶绿素含量的增加而升高。通过相关性分析可知,初花期、幼果期、膨果期、壮果期、果实成熟期原始光谱的特征波段分别为729,548,707,707和712 nm,估算模型决定系数(R~2)分别为0.18,0.85,0.54,0.85和0.82,其中初花期估算模型未通过显著性检验,其余生育期均通过极显著性检验。在5个常用植被指数中,初花期与叶绿素含量相关性最高的是归一化叶绿素指数(NPCI),但是估算模型决定系数R~2只有0.1,未通过显著性检验;其他生育期与叶绿素含量相关性最高的是MERIS地面叶绿素指数(MTCI),所建立的估算模型拟合效果好,预测精度高。基于主成分分析和随机森林回归建立的不同生育期猕猴桃叶片叶绿素含量估算模型的R~2在0.91～0.98,均通过极显著性检验,其拟合效果和预测精度远高于单波段一元线性回归和基于植被指数的一元线性回归模型,是估算猕猴桃叶片叶绿素含量的最优模型。【结论】基于主成分分析的随机森林模型包含了更完整的波段信息,对不同生育期猕猴桃叶片叶绿素含量具有较好的预测能力。     

沿海滩涂棉花叶片叶绿素含量高光谱遥感估算模型研究

以连云港滩涂棉花地为研究区域,利用ASD便携式光谱仪在晴朗天气条件下测试了野外采集的棉花叶片反射光谱,选取原始光谱和一阶导数光谱作为多变量,三边参数（红边、黄边和蓝边）和归一化植被指数NDVI、比值植被指数RVI、结构相关色素指数SIPI、叶面叶绿素指数LCI、水分指数WI、窄波段微分植被指数1DZ_DGVI和窄波段植被指数TCARI/OSAVI作为单变量,分析棉花叶片叶绿素含量与这些变量之间的相关性;在相关分析的基础上构建棉花叶片叶绿素含量估算模型。结果表明,叶绿素a、b和a＋b含量与单变量参数之间的相关性均未达显著水平;而与原始光谱、导数光谱都存在显著相关性。对叶绿素a含量而言,基于440 nm处的一阶导数光谱应用指数函数和幂函数构建的估算模型精度最高,R2为0.231。对叶绿素b含量而言,基于652 nm处的一阶导数光谱应用一元线性回归法构建的高光谱估算模型精度最高,R2为0.165。对叶绿素a＋b含量而言,基于440 nm处的一阶导数光谱应用指数函数、复合函数和生长函数构建的估算模型精度高,R2为0.155。该研究为进一步加强滩涂农业管理和提高滩涂农作物的产量提供技术支持。     

棉花冠层叶片叶绿素含量与高光谱参数的相关性

【目的】研究棉花冠层叶片叶绿素含量与高光谱参数的相关性,建立叶绿素含量估算模型。【方法】2014年,以鲁棉研28号为研究对象,测定不同施氮水平和生育期棉花冠层叶片叶绿素含量及350~2 500nm光谱反射率,以棉花冠层高光谱反射率与冠层叶片叶绿素含量为数据源,在分析叶绿素含量与原始高光谱反射率(R)、一阶导数光谱反射率(DR)、光谱提取变量和植被指数相关性的基础上,采用一元线性与多元逐步回归的方法构建了叶绿素含量估算模型,并对从中筛选的6种棉花冠层叶片叶绿素含量估算模型进行精度对比。【结果】1)棉花冠层叶片叶绿素含量在反射光谱766nm处相关系数达到最大值,相关系数r=0.836;对于一阶导数光谱,叶绿素含量的敏感波段发生在753nm处,r=0.878;2)以9种光谱提取变量与8种植被指数为自变量,建立叶绿素含量的估算模型,筛选出的特征变量为红边面积(SDr)、绿峰与红谷的归一化值((Rg-Rr)/(Rg+Rr))、绿峰幅值(Rg),仅采用8种常用植被指数建立估算模型,筛选出的变量为比值植被指数(RVI);3)所建立的6种模型中以基于一阶导数光谱反射率建立的多元逐步回归估算模型精度最高,均方根误差(RMSE)为1.075,相对误差(RE)为2.22%,相关系数(r)为0.952。【结论】采用原始光谱、一阶导数光谱、光谱提取变量及植被指数均可对棉花叶绿素含量进行监测,其中基于一阶导数光谱的多元逐步回归模型对叶绿素含量的估算效果最优。     

不同宽窄波段组合的光谱参量对夏玉米穗位叶氮素含量估测

【目的】利用敏感波段构建适宜的植被指数,对于提高光谱技术诊断作物营养状况的精确度具有十分重要的意义。【方法】采用单因素随机区组设计的方法,通过设置5种不同施氮处理,研究夏玉米在吐丝期穗位叶光谱反射率与氮素含量的关系,进而比较了前人的植被指数与构建的8种不同形式宽窄波段组合植被指数的优越性,并对构建的氮素含量估测模型进行精度验证。【结果】穗位叶原始光谱反射率在近红外波段(700～1000 nm)随施氮量增加而升高,与氮素含量的变化表现一致;一阶导数光谱的红边位置随施氮量增加依次为698、703、709、714和714 nm,出现"红移"现象;利用氮素敏感波段构建宽窄波段组合的植被指数与叶片氮含量进行相关性分析,优于前人所采用的植被指数;植被指数[R(800-900)-R(692-729)]/R711和植被指数[R(800-900)+R(650-670)]/R711构建的乘幂函数估测模型检验精度较高,R~2和RMSE分别为0.92和0.09。【结论】利用氮素敏感波段构建的宽窄波段组合植被指数,提高了光谱参量与氮素含量的相关性,可以实现对夏玉米吐丝期氮素营养的诊断。     

净套作下大豆叶绿素密度动态及光谱估测研究

【目的】利用高光谱数据构建一种适合于净作和套作群体的大豆叶绿素密度光谱估测通用模型,为监测以叶绿素密度为参数的净、套作大豆长势提供支撑。【方法】以南豆12为供试大豆品种,设计净作和套作2种种植模式,测定净、套作下大豆不同生育时期叶绿素密度及其冠层光谱特征,对通过原始、全波段导数光谱和多波段组合计算的植被指数与叶绿素密度进行相关性分析,比较不同高光谱特征参数与叶绿素密度之间的关系,借助高光谱遥感分析方法构建适合于净、套作下大豆叶绿素密度的估测模型。【结果】净作和套作大豆叶绿素密度在整个生育期呈先上升后下降的单峰曲线,在结荚期达到最大值,其中净作比套作平均高5.5%。同样,大豆冠层光谱反射率在近红外波段(700~1 000nm)也呈现先增后降趋势,结荚期最高,达到70%,并在结荚期之前红边位置出现红移现象。原始光谱自由组合的比值植被指数RVI(507/697)与叶绿素密度的相关性最高,相关系数大于0.962(P0.01)。对净、套作下大豆叶绿素密度模型进行比较分析,发现二次模型能够较好地估测净、套作下大豆叶绿素密度(R20.75,RMSE=0.25)。【结论】用比值植被指数RVI(507/697)构建的叶绿素密度二次估测模型,能够较好地对净、套作下大豆叶绿素密度进行估测。     

基于高光谱植被指数对棉花叶绿素含量的估算

为了研究不同水氮组合条件下叶片叶绿素含量与光谱反射率之间的相关性,从而进一步估算叶绿素含量,利用ASD Field Spec Pro Fr型光谱仪室外测量棉花叶片的光谱反射率,同时采收棉花叶片获得叶绿素含量值。计算光谱一阶微分、原始光谱反射率组成的植被指数,以及对"三边参数"与叶片叶绿素含量进行相关性分析,结果表明:"三边参数"中的红边内最大一阶微分值(D_r)与棉花叶绿素含量有很好的相关性,其决定系数r~2为0.530 5**,估测模型决定系数r~2为0.856 3**,均方根误差RMSE为0.366;植被指数中Bm SR705:(DR750-DR445)/(DR705-DR445)与棉花叶绿素含量有很好地相关性(r~2=0.696 3**),估测模型决定系数r2为0.815 7**,均方根误差RMSE为0.278。因此利用特定的植被指数和"红边参数"能够很好地预测叶绿素含量,从而为高光谱数据预测棉花叶片叶绿素含量提供理论基础。     

灌浆期水稻叶片铜含量变化的高光谱遥感定量监测研究

为了利用高光谱遥感有效地监测农作物叶片中的重金属含量变化,在化学分析和农作物叶片对铜元素含量增加的敏感性基础上,利用光谱植被指数定量监测作物叶片铜元素含量变化,为大面积、快速、准确、无损地监测农田水稻叶片重金属含量变化提供技术支持。以张家港市为研究区域,实地采集水稻叶片样品21个。采用便携式高光谱地物波谱仪,获取灌浆期水稻植株叶片的光谱反射率并提取光谱指数,室内测定叶片重金属铜含量,并分析水稻叶片重金属铜含量与不同类型光谱指数的相关性。结果表明,高光谱数据对叶片铜含量变化的敏感性较好,其中,红边位置(REP)、绿波段归一化差异指数(GNDVI)、比值植被指数(RVI)、Vogelmann红边指数(VOGI)和地面叶绿素指数(MTCI)可分别作为估测叶片铜含量的敏感光谱指数,其乘幂和指数回归模型能够较好地反演水稻叶片铜含量;叶片铜含量的敏感光谱波段参数在原始光谱中主要集中于420～670 nm范围内,最小负相关系数的波长是646、647、648 nm;而一阶微分和二阶微分光谱中在蓝边、黄边、红边和近红外区域均有分布,最大正相关系数的波长分别是660、715 nm;水稻叶片铜含量估测的最佳模型是基于二阶微分敏感光谱参数构建的偏最小二乘回归模型,该模型预测的铜含量值与实测值的拟合度较好(R~2=0.56)。研究结果证明可以利用高光谱生物遥感技术有效地监测农田水稻叶片中重金属含量的变化,判断作物中重金属浓度是否超标,为高光谱遥感立体、快速和大面积地监测农田作物铜含量的变化提供参考,也为评价水稻的食用安全提供科学方法。     

基于高光谱特征波长的冬小麦水分含量估测模型

【目的】以高光谱技术为核心,结合理化数据,建立快速、无损的冬小麦冠层水分含量估算模型,为利用高光谱技术进行小麦水分含量的无损检测提供参考。【方法】测定两种冬小麦的叶片、植株含水量,采集其光谱数据作SG平滑、一阶导数和二阶导数处理,分析其相关关系,构建冬小麦叶片和植株含水量的多种估算模型,进行精度评价。【结果】不同光谱数据处理中一阶导数变换能够显著增加与小麦含水量的相关性,叶片含水量在456 nm波长处达到了最大负相关,相关系数为0.87,植株含水量在457 nm波长处达到了最大负相关,相关系数为0.890 9;偏最小二乘回归构建的水分含量估测模型拟合精度优于线性和多元回归模型,线性模型采用R₆₅₀、SG₁₉₄₄、R′₄₅₆、R″₆₈₁构建的模型估测叶片含水量较好,估测植株含水量R₆₆₄、SG₆₆₃、R′₄₅₇、R″ ₆₈₁精度较高; 多元线性回归和偏最小二乘回归都是采用一阶导数变换构建的模型拟合精度最高,叶片和植株水分含量估测模型的外部检验R²分别达到0.803 2、0.867 0、0.854 0、0.885 6。【结论】小麦原始光谱一阶导数变换后能够显著提高与水分含量的相关性,利用PLSR方法构建的小麦水分含量估测模型拟合精度最高。     

基于高光谱植被指数的西北玉米不同时期叶绿素含量估测

以陕西省扶风县马席村、巨良农场和杨凌区揉谷乡种植的大田玉米为试验材料,分别测定玉米抽雄期、灌浆期和乳熟期的冠层光谱反射率和叶片叶绿素含量,分析冠层各光谱植被指数与叶片叶绿素含量之间的相关关系,建立玉米叶绿素含量估测模型。结果表明,以单变量光谱植被指数估算叶绿素含量,抽雄期的最佳模型由修正叶绿素吸收反射率指数(Modified chlorophyll absorption reflectivity index,MCARI)建立,灌浆期最佳模型由垂直植被指数(Perpendicular vegetation index,PVI)建立,乳熟期最佳模型由植被衰老反射率指数(Plant senescence reflectance index,PSRI)建立。随着玉米生长期的推进,叶片衰老,用PSRI所建立的模型来监测玉米叶绿素含量的效果较好,可为高光谱遥感在玉米长势监测提供理论依据和技术支持。     

基于光谱指数的不同生育期油菜叶片SPAD估测

【目的】研究西北地区不同生育时期油菜叶片SPAD值与多种光谱参数之间的关系,并建立估测模型。【方法】以陕西省乾县齐南村施肥程度一致的大田种植的油菜为试验材料,分别在苗期、现蕾抽苔期和开花期测定叶片的光谱反射率和SPAD值,得到不同波段组合的光谱指数,计算其与SPAD值之间的相关性系数,并拟合以各种光谱指数预测SPAD值的模型,以均方根误差(RMSE)和相对误差(RE)作为模型的评价和检验指标。【结果】苗期SDr/SDy与叶片SPAD值相关性最高,为0.79,构造的最佳预测模型决定系数为0.67;现蕾抽苔期(SDr-SDy)/(SDr+SDy)与叶片SPAD相关性最高,达到0.82,构造的最佳SPAD估测模型决定系数为0.70;苗期(SDr-SDy)/(SDr+SDy)与叶片SPAD有较高相关性,相关性系数为0.65,构造的预测模型决定系数为0.43。【结论】各时期预测模型效果较好的光谱指数基本一致,为SDr/SDy和(SDr-SDy)/(SDr+SDy),可以利用高光谱遥感信息反演西北地区油菜各时期的叶绿素含量,并分析其生长状况。     

基于高光谱遥感的棉花叶片叶绿素含量估算

为提高高光谱植被指数对棉花叶绿素含量的估算精度,以陕西省关中地区棉花花铃期叶片高光谱反射率为数据源,分析了13种植被指数与棉花叶片叶绿素相对含量(SPAD)的相关关系;同时采用降精细采样法,详细分析400~2 000nm波段范围内原始光谱反射率的任意两两波段组合而成的优化光谱指数RSI与SPAD值的定量关系,构建线性及非线性回归监测模型,并对模型进行验证。结果表明:1)所提取的13种植被指数中NIR/NIR与SPAD值的相关系数最大(r=0.914),并且基于NIR/NIR(R780/R740)构建的回归方程模型优于其他植被指数,其构建的二次曲线方程回归模型建模与验模R2分别为0.900和0.785,RMSE为4.762,RE为7.86%,为基于提取的12种植被指数构建SPAD值估算模型中最佳模型;2)优化后的比值光谱指数RSI(Ration spectral index)的敏感波段为500和563nm,RSI(500,563)与SPAD值的相关系数r=0.999,与棉花叶片SPAD含量在0.01水平下呈显著相关,其构建的二次曲线方程模型效果最优,建模和验模R2分别为0.912和1.000,RMSE为2.848,RE为4.38%。与提取的13种植被指数相比,基于RSI指数二次曲线回归模型为估算叶绿素含量的最佳模型,并且模型预测值和实测值之间的符合度较高R2=0.843,表明基于波段优化算法的优化光谱指数RSI能更好的预测棉花叶片叶绿素含量。     

基于植被指数的马尾松叶绿素含量估算模型

利用高光谱技术,探索马尾松反射光谱组成的植被指数与其叶绿素含量之间的关系。采用美国ASD公司生产的手持式野外光谱辐射仪测量马尾松冠层光谱,对观测叶片进行同步叶绿素含量测定,并利用统计学分析方法,分析马尾松冠层光谱组成的植被指数与叶绿素含量之间的相关关系,并建立相应的估算模型。结果表明:叶绿素含量与植被指数进行相关性分析,相关性最好的为TCARI;通过建立TCARI与叶绿素含量之间的估算模型并检验其精度,得出了叶绿素含量估算的高光谱模型:y=exp(0.686+(-2.765)×x)。说明利用高光谱数据可以估测马尾松的叶绿素含量。     

生姜叶片氮含量的高光谱遥感估算模型研究

作物叶片氮含量的快速估算对于及时了解作物长势、病虫害监测以及产量评估具有重要意义。该文以经济作物生姜为研究对象,获取了2015年4月-9月不同品种、不同生育期和不同氮肥梯度下生姜叶片的高光谱和氮含量数据,对比分析了比值植被指数、归一化植被指数、植被指数组合形式对生姜叶片氮含量的估算效果。在此基础上,基于波段组合算法,筛选出了生姜叶片氮含量的敏感波段,并构建了两个新型光谱指数NDSI_((754,713))和RSI_((754,713))。结果表明,所选择的植被指数中,MCARI(705,750)/OSAVI(705,750)对生姜叶片氮含量估算效果最好,模型精度R~2、RMSE和RE分别为0.73、0.27、11.64%;利用波段组合算法构建的归一化光谱指数NDSI(754,713)对生姜叶片氮含量估算效果要优于MCARI(705,750)/OSAVI(705,750),模型估算精度R~2达0.83,使用的敏感波段713 nm与754 nm均位于植被的"红边"区域。对所建模型进行验证,叶片氮含量的预测值和实测值具有较好的一致性,验证样本R~2为0.78,RMSE为0.20,RE为9.81%。上述分析结果可为农业管理部门及时掌握生姜长势信息、制定施肥策略提供技术支持。     

不同施肥种类对大豆叶片光谱及叶绿素含量的相关性分析

为准确测定叶绿素含量,以大豆品系2146-7为试材,采用随机区组设计方法,研究不同施肥方式对大豆叶片光谱与叶绿素含量的相关性。结果表明:光谱反射率大小为:不施肥处理常规施肥处理有机肥处理+常规施肥处理;在可见光710nm处有一个叶绿素反射吸收谷;叶片叶绿素含量与光谱植被指数mSR705、mND705和PSSRc具有极显著相关性。     

截形叶螨危害下枣叶片叶绿素含量高光谱估算模型

以不同截形叶螨(Tetranychus truncatus Ehara)危害等级下枣叶片高光谱和叶绿素含量数据为基础,分析不同截形叶螨危害等级(0级、1级、2级、3级、4级)下枣叶片高光谱特征,构建基于一阶微分光谱的不同截形叶螨危害等级枣叶片叶绿素含量高光谱线性回归估测模型。结果表明:截形叶螨危害造成叶片中叶绿素含量减少,导致光谱反射率降低,表现为随危害等级的增加叶绿素含量呈逐级减少趋势。在不同截形叶螨危害等级枣叶片叶绿素估测模型中,危害等级为0级时,模型拟合度最好,达到0.810,表明利用高光谱数据构建不同危害等级枣叶片叶绿素含量估算模型具有一定的潜力,对危害植被叶片的虫害诊断意义重大。     

加工番茄叶绿素密度与高光谱数据的相关分析

[目的]分析加工番茄高光谱数据与叶绿素密度的相关关系,为加工番茄生育期生长状况的实时、无损、快速的遥感监测提供理论依据.[方法]通过非成像ASD地物光谱仪获取加工番茄两个品种四个氮素水平冠层关键生育时期的反射光谱,与其相应的冠层叶绿素密度(CH.D)进行逐步回归相关分析.加工番茄冠层CH.D分别在其近红外反射光谱757 nm波段处和红光677 nm波段处的相关系数达最大值(rp757 -CH.D=0.7521**,rp677 -CH.D=-0.8437**,n=44,α=1;);采用这两个波段的反射率分别组成了归一化植被指数(NDVI)和比值植被指数(RVI),建立与加工番茄CH.D的5种线性和非线性的相关模型.[结果]NDⅥ和RVI所构建的加工番茄CH.D的双曲线函数模型的相关性和精度最高,再采用这两个植被指数的双曲线函数模型分别对加工番茄CH.D进行估算,它们的实测CH.D与估测CH.D的相关性均达到极显著检验水平(r实测CH.D-NDVI估测的CH.D -NDVI=0.8041**,r实测CH.D-RVI估测CH.D- RVI=0.8094**,n=44,α=1;),估算精度均为86.6;.[结论]利用高光谱植被指数可以精确提取加工番茄冠层叶绿素密度信息并对其进行遥感估算研究.     

Spectral indices sensitively discriminating wheat genotypes of different canopy architectures

A field experiment of 18 wheat cultivars of erectophile, planophile and horizontal canopy architectures was conducted during the 2004–2005 growing seasons in Beijing (40°10.6′ N, 116°26.3′ E), China. Canopy reflectance (350–2500 nm) at different growth stages was measured and leaf area index (LAI) and leaf chlorophyll concentration (Chl) were determined at booting. The main objective of the study was to evaluate the ability of various vegetative indices (VIs) to detect canopy architectures in wheat genotypes. The chlorophyll-sensitive spectral indices, the modified chlorophyll absorption reflectance index (MCARI) and the transformed chlorophyll absorption reflectance index (TCARI), were very sensitive to canopy architectures in the wheat plants. The MCARI values were significantly (p < 0.05) larger for the horizontal genotypes than for the planophile ones, and also larger for the planophile genotypes than for the erectophile ones for the six growth stages. The TCARI had a similar power to MCARI for discriminating between different wheat canopy architectures. At booting, both MCARI and TCARI were only weakly related to Chl in the upper, middle and lower leaves. The results emphasized the difficulties of determining crop Chl from canopy reflectance. The mechanisms that cause the differences in MCARI and TCARI among the canopy architectures are discussed.     

一种新的估算水稻上部叶片蛋白氮含量的植被指数

 【目的】阐明水稻顶部4张叶片蛋白氮含量和反射光谱特征的变化规律及其相互关系,建立快速、准确诊断水稻功能叶片蛋白氮含量的方法。【方法】通过3年不同施氮水平和不同品种类型的大田试验,分生育期同步测定顶部4张叶片的光谱反射率及蛋白氮含量,系统分析叶片蛋白氮含量与多种高光谱参数的定量关系。【结果】水稻叶片蛋白氮含量和光谱反射率在不同施氮水平、不同生育期及不同叶位间均存在明显差异,叶片蛋白氮含量的敏感波段主要存在于可见光绿光区530～580 nm及红边区域695～715 nm,其中红边区域表现最为显著。红边区域700 nm附近波段与近红外短波段的比值组合(SRs)可以有效地估算水稻上部功能叶片的蛋白氮含量,其次是绿光区587 nm左右的波段与近红外短波段的比值组合。基于新提出的SR（770,700）及已报道的GM-2、SR705、RI-half光谱指数,线性回归模型的拟合精度（R2）分别达到 0.874,0.873,0.871和0.867。经独立资料的检验表明,这些回归模型可以实时监测叶片蛋白氮含量变化,预测精度R2分别为0.810、0.806、0.804和0.800,相对误差RE 分别为12.1%、12.4%、12.6%和12.9%。【结论】可以利用关键特征光谱指数来诊断水稻上部叶片的蛋白氮含量状况,尤以SR（770,700）、GM-2、SR705和RI-half表现为较强的估测能力。     

Spectral and spatial differences in response of vegetation indices to nitrogen treatments on apple

Handheld chlorophyll sensors and remote sensing are two nondestructive approaches for estimating plant nitrogen (N) status, which are now commercially available. In this paper we address three questions on the application of these technologies in perennial fruit trees: (1) can individual leaf meter measurements be used to predict N status for surrounding trees?, (2) are narrow band indices more sensitive than the normalized difference vegetation index (NDVI) to differences in plant N?, and (3) is NDVI from satellite remote sensing correlated to leaf level vegetation indices? We evaluated data from a N rate trial conducted in a commercial Fuji apple orchard (Malus domestica Borkh. cv. ‘Fuji’). SPAD and CM1000 handheld chlorophyll meters and reflectance measurements using a portable spectrometer were made on individual leaves three or four times during each growing season. The reflectance measurements were used to determine NDVI and three narrow band vegetation indices. Satellite imagery from the Quickbird sensor was acquired two or three times during each growing season and used to generate NDVI for individual trees. The leaf meter measurements and vegetation indices were compared with the N application rate and plant N status measured as total leaf tissue N.We evaluated how well single leaf meter measurements predict N status for surrounding trees by calculating the differences between actual and estimated N applications from individual measurements. On average, a sample of 12 leaves (from the same treatment and same measurement date) resulted in an estimation error of 30 kg ha⁻¹ for either the SPAD or the CM1000 sensor, representing almost half of the range in N treatment rates. To evaluate any improvement in prediction of applied N using narrow band indices, we used analysis of variance (ANOVA) to compare three narrow band indices with the leaf meters and NDVI measured at leaf and canopy levels. Two narrow band indices, red edge vegetation stress index (RVSI) and modified chlorophyll absorption in reflectance index (MCARI) had higher F-values (31 and 41, respectively) than did NDVI from leaf level measurements (26), from satellite NDVI (6), or the CM1000 chlorophyll meter (12). The ANOVA results support improvements in leaf sensors using index values other than NDVI. We found that NDVI from satellite imagery acquired close to the leaf level measurement dates were positively correlated to the chlorophyll sensors and vegetation indices. When the data was averaged to the experiment plot level (twelve leaves total), the correlation coefficients between the satellite NDVI and the other sensors ranged from 0.68 for NDVI from leaf level reflectance to 0.84 with the CM1000 chlorophyll meter. Given the level of correlations, remote sensing might be a useful tool to extrapolate handheld measurements spatially throughout an orchard.