棉花高光谱植被指数与LAI和地上鲜生物量的相关分析

通过测试棉花关键生育阶段350-2500nm波段的冠层高光谱数据,用近红外波段760-850nm及红光波段650-670nm的2个范围内的波段,组成了高光谱归一化植被指数（NDVI）及800和670nm2个波段组成修改型二次土壤调节植被指数（MSAVI2）,分别与棉花叶面积指数（LAI）和地上鲜生物量进行相关分析,结果表明,棉花NDVI和MSAVI2与LAI和地上鲜生物量两个参数均以幂指数相关关系为最佳（RNDVI-LAI=0.7346＊＊,RMSAVI2-LAI=0.7436＊＊,n=81;RNDVI-鲜生物量=0.7426＊＊,RMSAVI2-鲜生物量=0.7934＊＊,n=59）,MSAVI2与LAI和地上鲜生物量的相关性均高于NDVI与LAI和地上鲜生物量的相关性,说明MSAVI2较NDVI更好的消除土壤背景等对反射光谱造成的影响,较精确的提取反映棉花生长状况的叶面积指数和生物量信息。     

基于新型植被指数的冬小麦LAI高光谱反演

【目的】本研究旨在分析冠层叶片水分含量对作物冠层光谱的影响,构建新型光谱指数来提高作物叶面积指数高光谱反演的精度。【方法】在冬小麦水肥交叉试验的支持下,分析不同筋性品种、施氮量、灌溉量处理下的冬小麦叶面积指数冠层光谱响应特征,并分析标准化差分红边指数(NDRE)、水分敏感指数(WI)与叶面积指数的相关性,据此构建一个新型的植被指数——红边抗水植被指数(red-edge resistance water vegetable index,RRWVI)。选取常用的植被指数作为参照,分析RRWVI对于冬小麦多个关键生育期叶面积指数的诊断能力,随机选取约2/3的实测样本建立基于各种植被指数的叶面积指数高光谱响应模型,未参与建模的样本用于评价模型精度。【结果】研究结果表明,随着生育期的推进,冬小麦的叶面积指数呈先增加后降低的变化趋势,不同的水肥处理对冬小麦叶面积指数具有较大影响。开花期之后冬小麦LAI显著下降,强筋小麦(藁优2018)在整个生育期叶面积指数均高于中筋小麦(济麦22);不同氮水平下冬小麦冠层光谱反射率在近红外波段(720—1 350 nm)随着施氮量的增加而增大,与氮肥梯度完全一致,其中2倍氮肥处理的近红外反射率达到最高;不同生育期下冬小麦冠层光谱反射率变化波形大体一致;各个关键生育期的NDRE和WI均存在较高的相关性,而NDRE与LAI的相关性明显优于WI,新构建的植被指数RRWVI与LAI的相关性均优于NDRE、WI;虽然8个常用的植被指数均与LAI存在显著相关,但RRWVI与LAI相关性达到最大,其拟合曲线的决定系数R2为0.86。【结论】通过分析各种指数所构建的冬小麦叶面积指数高光谱反演模型,新构建的RRWVI取得了比NDRE、NDVI等常用植被指数更为可靠的反演效果,说明本研究新构建的红边抗水植被指数可有效提高冬小麦叶面积指数的精度。     

基于棉花冠层FPAR的LAI和地上鲜生物量估算研究

【目的】研究棉花生育期冠层光合有效辐射截获量(FPAR)与其叶面积指数(LAI)和地上鲜生物量的相关关系,建立FPAR对LAI和地上鲜生物量的估算模型,探讨获取LAI和地上鲜生物量的新方法,为动态监测棉花的生长状况提供科学依据。【方法】利用线性光量子传感器,测试新陆早19号和新陆早13号2个棉花品种4种配置种植方式下,冠层在6个关键生育期的光合有效辐射数据,获取FPAR,并同步实测棉花冠层LAI和地上鲜生物量,建立FPAR与LAI和地上鲜生物量的相关方程,同时比较LAI和地上鲜生物量的估测值与实测值的差异。【结果】2个棉花品种的FPAR随生育进程呈现类似变化规律:在盛蕾期至开花期迅速增加,于花铃期或盛铃期达最大值,随后逐渐下降;棉花FPAR与LAI和地上鲜生物量均达到极显著正相关关系,其中均以幂指数相关关系为最佳(RFPAR-LAI=0.8513**,RFPAR-地上鲜生物量=0.7469**,n=80);用FPAR分别估算的LAI和地上鲜生物量,与其实测值的相关关系均达到1%极显著正相关(R实测LAI-估算LAI=0.8180**,R实测地上鲜生物量-估算地上鲜生物量=0.7396**,n=80)。【结论】棉花FPAR对LAI的估算精度较其对地上鲜生物量的高,表明利用棉花冠层FPAR可以简单、快捷、非破坏性地估测棉花的LAI和地上鲜生物量。     

基于参数化和非参数化法的棉花生物量高光谱遥感估算

【目的】利用高光谱遥感数据快速、无损地估算棉花生物量,评估参数化与非参数化方法在棉花上的表现差异。【方法】本研究以4个棉花品种在2个年份(2004和2005年)的试验资料为基础,将2年数据分别进行建模和验证,采用参数化算法(植被指数法、连续小波变换)与非参数化算法(偏最小二乘回归、随机森林、人工神经网络、回归树、袋装树和增强树、支持向量机和高斯过程回归)分别构建吐絮前和吐絮后的生物量估算模型。【结果】近红外与红边波段仍然是棉花生物量遥感监测中最有效的波段区间。参数化方法运算简单,效率高,其中,CI_{red edge}证明是棉花生物量估算上表现最好的植被指数,具有较高的独立验证结果(吐絮前:RMSE=27.23 g·m^-2;吐絮后:RMSE=48.81 g·m^-2)。基于连续小波变换的方法缓解了植被指数的低估现象,尤其是吐絮后(吐絮前:RMSE=31.54 g·m^-2;吐絮后:RMSE=37.57 g·m^-2);在非参数化法中,随机森林是棉花生物量估算的最优算法(吐絮前:RMSE=2...     

不同水分处理条件下棉花高光谱植被指数与光合参数的相关分析

【目的】建立棉花高光谱数据与光合特征参数的相关模型,有效、快速、非破坏的对棉花生长过程进行诊断与监测,为大面积应用高光谱遥感监测棉花的生长状况提供科学依据。【方法】利用ASD高光谱辐射仪和Li-6400光合仪分别获取5水分处理条件下,棉花新陆早13号、新陆早33号两品种关键生育期的高光谱数据和光合特征参数:净光合速率(Pn)和气孔导度(Gs),利用高光谱数据计算得到棉花两品种归一化植被指数(NDVI)、比值植被指数(RVI)和修改型二次土壤调节植被指数(MSAVI2),分别建立与两品种Pn和Gs的线性、对数和幂函数的相关方程。【结果】三种模型方程均达到显著和极显著的相关性,两品种RVI与Pn和Gs的三种相关模型方程的r值较高,其中,利用新陆早33号RVI与Pn,Gs幂函数方程分别对Pn和Gs估算,并将预测Pn、Gs与实测Pn,Gs进行相关分析,R值均达到极显著水平(r_(实测Pn-估测Pn)=0.827**,RMSE=1.089,r_(实测Gs-估测Gs)=0.586**,RMSE=0.138,n=20,P0.01),模型方程的估测精度均大于80%。【结论】不同水分处理下新陆早13号和新陆早33号的光谱植被指数与光合参数间存在着显著的相关性,可以利用相关模型对Pn和Gs进行遥感估测,实时监测棉花的生长状况。     

油菜地上生物量与冠层光谱植被指数之间的相关分析

利用不同波段光谱反射率组合产生的植被指数,分析2个品种、2个供氮水平的油菜地上生物量与冠层光谱植被指数之间的相关性,并建立光谱植被指数对油菜地上生物量的估算模型。结果表明：在油菜整个生育期内,随着发育期推移,叶鲜干重、茎鲜干重和角果鲜重呈先增后减的趋势,不同处理的最大值出现时间不同,而角果干重呈直线上升趋势直到成熟。光谱植被指数与油菜叶鲜、干重呈正相关关系,除RvI外,其他植被指数均通过显著性检验。光谱植被指数对油菜叶鲜、干重的拟合方程以乘幂和指数形式最好,其中叶鲜、干重GBNDVI变量回归的Rz值分别达到O．6571和0．6497。光谱植被指数与油菜茎鲜、干重呈极显著正相关关系,光谱植被指数对油菜茎鲜、干重的最佳拟合方程为乘幂和指数形式,茎鲜、干重以BNDVI的指数形式最好,R2值分别为0．9134和0．9217。而光谱植被指数与角果鲜、干重的关系则相反,只有NDVI与角果鲜重达到极显著水平,光谱植被指数与角果于重都没有通过0．01水平显著性检验。NDVI与油菜角果鲜重的对数回归的R2值达到0．5487。研究结果将为大面积油菜生长状况及产量品质的遥感监测奠定基础。     

夏玉米叶面积指数的高光谱遥感植被指数法研究

通过不同品种夏玉米在不同供氮水平下的田间试验,测定夏玉米冠层在不同时期的光谱反射率及对应的群体叶面积指数(LAI),综合分析10个常见光谱植被指数与夏玉米LAI的相关性及预测性.结果表明,光谱植被指数的预测性在夏玉米喇叭口-吐丝期最佳,预测性主要依赖于LAI的整体变化,结合不同品种、不同生育时期和氮肥处理的试验资料对其预测性进行检验,说明光谱植被指数能准确地预测LAI.尤其是近红外与绿光波段的比值(R810/R560)与LAI呈显著的指数关系,不受品种类别、生育时期和氮肥水平的影响,回归模型为LAI=0.765e0.2637R810/R560.利用样本A和B对R810/R560的预测性进行综合检验,表明模拟值与实测值之间符合度较高,平均R2＝0.9573**,估算的平均RMSE为0.0365,精确度和准确度平均值分别为95.63%和 98.47%.     

基于波段组合优化光谱指数的冬小麦LAI估算

叶面积指数（LAI）是表示植被利用光能状况和冠层结构的一个综合指数,与作物产量密切相关。高光谱遥感数据具有连续、高光谱分辨率等特点,为估算农作物生理生化参数和冠层结构参数提供了重要手段。为挖掘高光谱数据估算LAI的最优波段组合以及提高估算精度,以冬小麦作为研究对象,野外实测不同生长阶段（起身、拔节、开花阶段）的冠层高光谱数据,并对其进行不同数学变换处理,包括原始光谱、一阶导数光谱和连续统去除。利用3种不同预处理的冠层高光谱数据构建30种常用植被指数和4种优化光谱指数,比较常用植被指数与优化光谱指数对冬小麦LAI的响应,建立估算冬小麦LAI的单变量和多变量回归模型,对其进行精度验证,并筛选出最优估算模型。结果表明,随着生育期的推进,可见光波段范围内,冬小麦冠层光谱反射率较低、吸收较强,LAI对连续统去除光谱的影响较大,呈负相关;近红外波段范围内不同生育期间的差异较大,随着LAI的增大,冠层光谱的红边位置出现了“红移”现象;基于一阶导数的优化植被指数（NDSI和RSI）与LAI相关系数达到0.8;从估算模型来看,基于一阶导数的RSI_{（627 nm, 774 nm）}单变...     

基于无人机高光谱数据的小麦生物量估测

高光谱因其通道多、数据量大、信息丰富等特点,在小麦农学参数估测方面被广泛应用。对小麦生物量和植被指数进行相关性分析,结果表明17种植被指数中在拔节期、孕穗期和全生育期与生物量达到显著相关水平的植被指数各有16种;拔节期DVI和RDVI指数相关性最高,r均为0.784;孕穗期GNDVI指数相关性最高,r为0.766;全生育期WI指数相关性最高,r为-0.799;与开花期生物量达到显著相关的植被指数有8种,WBI指数相关性最高,r为-0.642。分别利用各时期与生物量达到显著相关的植被指数构建生物量PLSR估测模型,模型的验证R²和建模R²均是全生育期最高,分别为0.85和0.93,其次是孕穗期、拔节期、开花期。建模RMSE最低的是孕穗期,为461.74 kg/hm²,验证RMSE最低的是拔节期为354.92 kg/hm²。建模和验证R²提升最大的是全生育期,提升了0.11;RMSE下降最多的同样是全生育期,下降了298.93 kg/hm²。总体来看,利用全生...     

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。     

Canopy Equivalent Water Thickness Estimation of Cotton Based on Hyperspectral Index

【Objective】 The objective of the experiments is to develop a key method for fast and nondestructive monitoring canopy equivalent water thickness (CEWT) in cotton (Lumian 54) and to further improve the estimation accuracy of CEWT in cotton monitored by remote sensing technology. 【Method】 Through setting irrigation gradient treatment in different growth period, canopy spectral reflectance and canopy equivalent water thickness and other information were measured simultaneously. Firstly, we comprehensively analyzed the correlation between CEWT and various spectral parameters, including original spectral reflectance, first derivative spectral reflectance, all-band combined spectral index and existing spectral index. Then, we determined the optimal spectral indices of bud stage, flowering and bolls stage, and full growth period. Finally, we constructed a hyperspectral monitoring model of cotton CEWT by linear regression. 【Result】 The canopy equivalent water thickness and the original spectral reflectance show continuous sensitive bands in the near infrared band (NIR) of 780-1130 nm and the short wave infrared band (SWIR) of 1 450-1 830 nm and 1 950-2 450 nm, the sensitivity of the first derivative spectrum to CEWT was enhanced in NIR band than that of the original spectrum, but was weaker in SWIR band than that of the original spectrum. The correlation between the spectral index constructed by the original spectral reflectance and CEWT is stronger than that of the first derivative spectrum, and the ratio spectral index (RSI) is more suitable for the monitoring of CEWT than the normalized difference spectral index (NDSI). During the whole growth period, the inversion accuracy of CEWT by (R₁₁₃₅-5R₁₄₉₄)/R₂₀₀₃ was the best (R ²=0.7878, RRMSE=0.1803). In the bud stage, RSI_b(1130,1996) has the best estimation effect on CEWT (R ²=0.7258, RRMSE=0.1444). RSI_a (904,1952) was the optimal spectral index (R ²=0.7853, RRMSE=0.2454) for estimating CEWT at the flowering and bolls stage.【Conclusion】The new hyperspectral indexes proposed in this study in different growth stages can be used for quantitative monitoring of canopy equivalent water thickness in cotton. The results of this study can provide reference for the application of hyperspectral technology in monitoring water content of cotton canopy, and provide technical basis for precision irrigation of cotton.     

杂交棉LAI动态特征的密度效应

【目的】研究棉花不同密度群体叶面积系数(LAI)特征参数的密度效应,应用作物高产群体相对LAI动态普适模型方程y=(a+bx)/(1+cx+dx²)模拟分析不同密度对LAI动态特征参数的影响。【方法】选用不同基因型杂交棉品种兆丰1号(陆陆杂交F₁代)和新陆中31号(海陆杂交F₁代)为供试品种,2016年4月22日播种。膜下滴灌栽植配置(10+66+10+66+10+66)cm,1管3行模式。设置8个种植密度处理(按收获株数),分别是7.20×10⁴、10.24×10⁴、13.14×10⁴、16.58×10⁴、19.62 ×10⁴、22.26×10⁴、24.70×10⁴和28.80×10⁴株/hm²(分别记为T1、T2、T 3、T 4、T 5、T 6、T 7、T 8),随机区组排列,重复3次,每区种植3膜18行,面积74.8 m²。【结果】棉花群体最大LAI在7.2×10⁴~28.8×10⁴株/hm²范围内随密度增加呈近似直线增大趋势,而最大LAI出现的时间随密度增加而提早;将LAI数据相对化处理后,不同密度群体的LAI差异在最大LAI之后较之前表现明显,高密度群体较低密群体LAI衰减迅速。全生育期平均LAI随密度增加呈显著线性增大趋势。密度对模拟方程各参数均有不同程度的影响。全生育期群体LAI变化速率呈“N”形变化趋势,且与群体LAI变化及生育期对应,高密度群体LAI增加及衰减的速率均大于低密度群体。【结论】密度对棉花全生育群体LAI动态具有显著的调节作用,尤其群体LAI变化速率、最大LAI及其到达的时间、平均LAI等重要特征参数对密度响应较为敏感,可作为对棉花群体密度调控的参考指标。     

基于PROSAIL模型的山地草原叶面积指数高光谱反演

【目的】 研究基于PROSAIL模型监测天然草地的动态变化,掌握草地的质量与数量。【方法】 研究使用地物光谱仪连续3年在天山北坡中段的2个山地草原样区采集光谱数据和配套数据,基于PROSAIL模型进行冠层LAI的高光谱反演,重点研究应用不同代价函数、植被种类变化对反演精度的影响。【结果】 多数代价函数反演LAI的决定系数(R²)在0.54~0.55,均方根误差(RMSE)在0.23~0.25,归一化均方根误差(NRMSE)在17~19。在9个来自不同统计类型的代价函数中,常用的RMSE代价函数的反演精度相对不高。将获取的427个样方数据依据种类数分成组,然后用PROSAIL进行LAI反演。种类数越多,RMSE在增大,R²在减少,反演精度越差。但精度的下降幅度不是均匀的,种类数≤2的组和种类数≤3的组之间精度差异最大。【结论】 在利用物理模型反演天然草地的叶面积指数时,不同代价函数获得的反演精度差别比较大;随着植被种类数量的增多,反演的精度是下降的。     

火炬松林生物量与叶面积指数模型的研究

根据不同密度林分的资料,对下蜀森林生态定位站9年生火炬松人工林的生物量估测方程进行了比较,对比了不同密度火炬松林分的叶面积指数,并结合定位站研究的历史资料及其它报道,对不同年龄火炬松生物量及其在各组分的分配进行了研究.结果表明:基本相同立地条件下,利用胸径这一因子就能使估测火炬松生物量方程达到相当的精度;树干的生物量占地上部分生物量的比重随年龄的增大而增大;枝和叶的变化趋势与干相反,都随着年龄的增大而减小;相似的立地条件下,不同林龄阶段的火炬松林分的生物量可以用统一的生物量方程表示.     

基于随机森林算法的橡胶林地上生物量遥感反演研究——以景洪市为例

以景洪市橡胶林为研究对象,将获得的样地植被指数和生物量数据用随机森林方法建立相关关系,将建立的关系用Landsat TM影像反演出整个研究区域的生物量分布,用影像和实地样地调查数据进行分析和验证,实现光学遥感的大范围生物量反演。在反演过程中将植被指数作为自变量,使用R语言环境下的随机森林方法进行变量筛选和建模,并对该方法的适用性进行分析评价。结果表明：随机森林算法适用于森林生物量反演;选择的变量为可见光大气阻抗植被指数（VARI）、简单比值指数（RVI）、归一化植被指数（NDVI）、水分胁迫指数（MSI）、中红外指数（MidIR）;总体模型反演精度R2=043,RMSE=4605。反演结果对于生物量密度较低的区域回归效果较好,对于生物量超过200t/hm2的地区,反演结果偏低,且随着生物量密度的增加,反演结果偏差逐渐增大。     

不同退化程度草甸草原土壤理化性质与地上生物量的关系

针对草原生态系统日益恶化的趋势,对呼伦贝尔不同退化程度草甸草原土壤的理化性质与地上生物量的关系进行了初步探讨。结果表明:土壤含水量、土壤磷、土壤速效氮、土壤有机质、地上生物量随着退化程度的增加显著下降,土壤钾、土壤容重(10²0 cm)随着退化程度的增加而显著提高。土壤铵态氮和土壤容重(020 cm)随着退化程度的增加而显著提高。土壤铵态氮和土壤容重(0¹0 cm)没有规律性变化,且土壤含水量、土壤容重、土壤有机物、铵态氮、速效氮、钾在不同退化程度之间都具有不同显著性差异。