光谱数据与冬小麦叶绿素密度的相关性研究

分析2006年栾城试验站不同氮素水平下冬小麦的多时相的群体光谱测量数据和相应叶片叶绿素密度的测量数据，发现：冬小麦的群体光谱的导数光谱数据、红边光谱数据，归一化植被指数NDVI和比值植被指数RVI与叶绿素密度具有很好的相关关系，并且选取样本建立了相应的回归方程。以回归方程作为叶绿素高光谱估算模型，并利用检验样本对估算模型进行检验，结果表明，以745nm处一阶导数光谱值、733nm处二阶导数光谱值和红边振幅为变量的模型可以较好的估算叶绿素密度。     

冬小麦特征光谱对其全氮和硝态氮的响应

通过田间试验,测定了不同施氮水平下冬小麦冠层在6个典型生育期地上部分全氮和硝态氮含量以及冠层光谱,系统分析了单波段反射率、可见光和近红外波段组合而成的归一化植被指数(NDVI)、比值植被指数(RVI)等8种常见植被指数与相应时期地上部分全氮和硝态氮含量的相关性。结果表明,施氮量增加,全氮、硝态氮含量、冠层近红外波段反射率都随之增加,但当施氮量增加到300 kg/hm2(一次性施入)时,上述各项指标均降低;整个生长期中孕穗期在近红外区域反射率最高,与可见光波段反射率相差最大;6个生育期单波段510~1 100 nm反射率、NDVI、RVI等8种植被指数与全氮和硝态氮含量呈显著或极显著相关,植被指数的相关性较单波段高,且与全氮的相关性明显大于与硝态氮的相关性。选择NDVI(560 nm,760 nm)和NDVI(660 nm,760 nm)可以准确拟合冬小麦地上部分全氮和硝态氮含量,对前者的拟合度0.80,对后者的拟合度0.53。     

基于5种植被指数的荒漠区植被生物量提取研究

荒漠区植被地上生物量是土地荒漠化监测和荒漠植被遥感信息提取的重要指标。本研究以甘肃民勤县为试验区,以哨兵2号(Sentinel-2)影像为数据源,构建了比值植被指数RVI、归一化植被指数NDVI、差值植被指数DVI、土壤调节植被指数SAVI及优化型土壤调节植被指数OSAVI 5种植被指数与植被实测地上生物量的估算模型(一元线性、指数、对数和二项式模型),并利用所选的最优模型,估算了研究区的地上生物量。结果表明:SAVI相较于RVI、NDVI、DVI和OSAVI指数同地上生物量之间的相关性最高(r=0.79),基于SAVI指数的二项式模型是研究区地上生物量估算的最优模型(R²=0.76),且精度较高(R²=0.73,RMSE=0.12)。民勤县的植被相对密集区主要分布于四大灌区(红崖山、环河、昌宁、南湖)、青土湖周边以及红沙岗镇西北区域,其他地域植被较为稀疏,无植被区[<0.005 kg·(100m²)^-1]、低植被区[0.005～0.2 kg·(100m²)^-1...     

放牧干扰对典型草原植被光谱及蝗虫密度的影响

为研究内蒙古典型草原不同放牧强度植被反射光谱与植被参数和蝗虫密度的关系,使用地物波谱仪于2015年和2016年对5个放牧梯度,共20hm~2样地进行调查研究。结果表明,不同放牧强度植被地上总生物量与归一化植被指数(NDVI)关系为y=0.034 8+0.002 9x(R~2=0.645 5,P=0.000 2),蝗虫密度与NDVI线性关系为y=0.067+0.013x(R~2=0.415,P=0.006)。对其进行冗余分析(RDA)发现,植被地上总生物量、植物高度、糙隐子草生物量是蝗虫数量和NDVI变化的主要影响因子,其中植被地上总生物量是显著性影响因子(P=0.001)。在不同放牧强度下蝗虫密度与草地NDVI显著相关(P0.05),随NDVI增大而增多。本文研究结果为进一步开展放牧区蝗灾遥感监测和科学合理地利用草地资源奠定了基础。     

区域归一化植被指数(NDVI)对植被光合作用响应的研究

本文通过分析 NOAA- AVHRR数据 ,对研究区冬小麦各生育期的归一化植被指数 ( NDVI)进行计算 ,表明随冬小麦生育期发展 NDVI值呈现两头低 ,中间高的情形 ,这与冬小麦生长发育状况相一致 ,也即与冬小麦群体光合作用的响应。通过理论探讨进一步分析了NDVI与植被光合速率的关系 ,表明其存在某种程度的正相关。由此可更好地为从遥感信息建立估测植被生物量的机理模型提供依据。     

不同基因型小麦NDVI 值与产量的关系

在旱地保护性耕作条件下,以11个不同基因型小麦(Triticum aestivumL.)品种为材料,研究了植被归一化指数(NDVI,Normalized difference vegetation index)与产量构成和抗旱性的关系。结果表明,不同基因型小麦各生育期的归一化植被指数(NDVI)存在显著性差异;小麦抽穗期NDVI值与其干旱产量指数呈正相关,抽穗期NDVI值较高的小麦品种其干旱产量指数也较高;本试验条件下,石麦15、石家庄8号和烟Blu6439三个小麦品种的干旱产量指数较高。     

谷子叶绿素含量高光谱特征分析及其反演模型构建

基于高光谱数据综合分析不同施肥条件下谷子各生长期冠层叶绿素含量的高光谱特征,在分析各光谱特征参数与叶绿素相关性的基础上,基于偏最小二乘法和人工神经网络构建叶绿素含量的遥感反演模型.结果表明:NDVI(归一化植被指数)、GNDVI(绿色归一化植被指数)、PSNDa(特殊色素归一化指数a)、PSSRc(特征色素简单比值指数...     

小麦条锈病多时相冠层光谱与病情的相关性

通过田间接种诱发了不同等级的小麦条锈病,随着条锈病的传播,在不同的小区间形成病情梯度,利用ASD手持式地面非成像光谱仪(325～1075nm)测定不同生育期、不同病情指数的冬小麦冠层光谱反射率,并同步调查病情指数,进而对不同生育期、不同病情指数的小麦条锈病冠层光谱反射率进行相关分析。结果表明,不同病情指数的冬小麦植株在600～703、770～930nm波段的冠层光谱反射率存在显著差异,并在波段770～930nm间,病情指数(DI)与光谱反射率呈显著负相关,负相关系数达到极显著;而在600～703nm间,病情指数与光谱反射率呈显著正相关,相关系数达到极显著。构建了3个生育期病情指数与650和850nm波段处的光谱反射率的回归方程:拔节期,DI=13.03×R650nm-0.67×R850nm 10.22(R2=0.6570);灌浆期,DI=48.63×R650nm-2.41×R850nm-41.51(R2=0.8196);乳熟期,DI=24.42×R650nm-5.10×R850nm 67.77(R2=0.7336)。     

基于高光谱反射率的糜子冠层叶片叶绿素含量估算

连续两年大田试验研究不同糜子品种叶绿素含量与冠层光谱反射率,并基于不同植被指数建立糜子叶片叶绿素含量的估测模型。结果表明,参试糜子品种叶绿素含量在整个生育期呈现"低-高-低"的抛物线变化趋势,最大值出现在抽穗期到开花期之间;不同品种各生育期内冠层光谱反射率趋势一致,在近红外波段,冠层光谱反射率与叶绿素含量呈稳定正相关,灌浆初期光谱反射率达到最大值;可见光波段,拔节期、开花期和灌浆初期冠层光谱反射率与冠层叶绿素含量呈正相关,成熟期呈负相关;糜子冠层叶绿素含量与760~900、630~690、550 nm波段组合的植被指数具有较高相关性;基于RVI、PSNDb、GNDVI750能较好地建立糜子叶绿素含量统一检测模型,决定系数分别为0.791、0.779、0.748;模型验证的相对误差分别为9.58%、8.93%、11.80%;均方根误差分别为0.045、0.140、0.196。表明利用RVI、PSNDb、GNDVI750建立的模型能较为准确地预测糜子冠层叶绿素含量。     

不同施氮处理下滴灌甜菜冠层的高光谱响应

为明确甜菜冠层高光谱特性,对不同氮素处理下滴灌甜菜冠层反射光谱以及叶面积指数(LAI)、叶绿素含量与叶片全氮含量进行分析。结果表明:甜菜冠层光谱反射率随着施氮量的增加而升高,与氮素运筹模式10∶0相比,氮素运筹模式7∶3的冠层光谱反射率和冠层光谱"红边"在叶丛快速生长期较低,在糖分积累期较高。甜菜冠层光谱红边具有"双峰"现象,且"双峰"随生育时期的推进逐渐减弱,随施氮量的增加,愈加凸显。光谱变量与叶片全氮含量显著相关,红边幅值Dλred、红边峰值面积Sred、红边位置λred与LAI、叶绿素含量显著相关,表明通过高光谱反演滴灌甜菜农学参数进行氮素营养状态诊断是可行的。     

冬小麦生物量遥感监测模型的研究

本文利用１９９２－１９９４年乌兰乌苏农业气象试验站观测农学资料、光谱资料以及同步接收的ＮＯＡＡ／ＡＶＨＲＲ资料，计算了冬小麦生物量与比值植物指数（ＲＶＩ）和归一化差值植被指数（ＮＤＶＩ）的相关系数，并建立了冬小麦生物量的光谱监测模型和气象卫星遥感监测模型，为冬小麦长势的动态监测提供了理论依据。     

基于连续小波变换的干旱胁迫下玉米冠层叶绿素密度估测

测定了玉米各生育时期干旱胁迫下冠层叶绿素密度及冠层光谱数据,利用原始光谱反射率与冠层叶绿素密度进行相关性分析,采用常用植被指数、波段自由组合、连续小波变换构建玉米冠层叶绿素密度估测模型,并用决定系数(R~2)、均方根误差(RMSE)进行精度检验。结果表明:冠层叶绿素密度在抽雄期相较于正常对照,轻度、中度、重度干旱胁迫处理分别下降7.8%、29.5%、44.2%;波段自由组合指数RVI(555,538)、NDVI(555,538)和敏感小波系数bior5.5(26,792)、rbio2.6(22,790)、gaus6(21,791)与叶绿素密度的相关性较高,相关系数绝对值均达到0.900以上;基于敏感小波系数构建的冠层叶绿素密度估测模型验证集R~2均在0.850以上,相较于其他植被指数模型R~2平均提升20.6%,RMSE平均降低32.6%;最优模型为以gaus6(21,791)为自变量的一元线性回归模型,R~2为0.864,RMSE为1.532。利用连续小波变换对光谱数据进行预处理,可以有效提升玉米冠层叶绿素密度估测模型的精度。     

基于同化叶面积指数和条件植被温度指数的冬小麦单产估测

应用数据同化方法将遥感信息与作物生长模型融合,是估测区域作物产量的重要方法之一。以2008—2014年越冬后的冬小麦为研究对象,选择与作物长势、产量及水分胁迫信息密切相关的叶面积指数(LAI)和条件植被温度指数(VTCI),采用粒子滤波算法对CERES-Wheat模型模拟和遥感数据观测的LAI和VTCI实施同化,分别基于观测LAI和VTCI、同化LAI和VTCI构建冬小麦单产估测模型。结果表明,同化LAI变化趋势更加符合关中平原冬小麦的实际生长状况,同化VTCI能更好地反映冬小麦的水分胁迫程度。应用观测LAI和VTCI构建的估产模型决定系数为0.402,而单独应用LAI或VTCI单变量构建的估产模型决定系数分别为0.279和0.339,说明应用LAI和VTCI双变量构建的估产模型的精度优于单独应用LAI或VTCI单变量的精度。相比于观测LAI和VTCI构建的估产模型,基于同化LAI和VTCI构建的估产模型的决定系数从0.402提高到0.547。表明基于同化LAI和VTCI构建的估产模型的精度明显提高。     

北部冬麦区小麦新品种(系)的节水生理特性与综合评判

为了研究不同灌溉条件下北部冬麦区小麦新品种的节水生理特性和选择节水品种,以北部冬麦区有代表性的30个小麦品种（系）为研究对象,在节水处理和正常灌溉处理下,对主要生理和农艺性状进行了分析。研究结果表明:不同小麦品种（系）间的植被归一化指数（Normalized Difference Vegetation Index,NDVI）在拔节期以后的不同生育时期存在着显著差异,抽穗期的NDVI出现拐点,此时期保证水分供给,有利于延长叶片功能期。在不同灌溉处理条件下,NDVI、叶面积指数和光截获的变异系数存在差异,和其他性状相比广义遗传力较低,分别为48.61%、58.51%和72.84%,受环境影响较大。由灰色关联度分析可知：NDVI、冠层温度和光截获与产量的关联性较高,位于前列;在正常灌溉条件下,最好的品种（系）为：CA0391-1、中麦998、农大211、中麦175、 CA0958、中优206、农大5181、航麦247、 CA1146、中麦818和京冬17;在节水处理下,最好的品种（系）为：中麦175、中麦818、 CA0391-1 、CA1091、中优206、轮选1690。因此,可根据NDVI值判断小麦受干旱胁迫的影响,将NDVI、冠层温度和光截获作为评价品种（系）抗旱性主要性状指标,在进行抗旱小麦选育时,可将CA0391-1、中麦175、中优206和中麦818作为抗旱选育亲本加以利用。     

基于高光谱的渭北旱塬区棉花冠层叶面积指数估算

以棉花冠层高光谱反射率与冠层叶片叶面积指数(LAI)为数据源,在分析LAI与原始高光谱反射率、一阶微分光谱反射率、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回归的方法构建了棉花LAI高光谱估算模型,并进行精度估算。结果显示,在可见光范围内随着生育期的推进及施氮量的增加冠层光谱反射率逐渐降低,在近红外范围内从苗期到花铃期随着施氮量增加反射率逐渐增加,花铃期到吐絮期反射率明显降低;各生育期冠层光谱的提取变量与LAI的相关性不强,全生育期各种光谱提取量及植被指数与LAI的相关性高于不同生育期;棉花冠层叶片LAI在反射光谱1 461 nm处相关系数达到最大值(r=-0.726);对于一阶微分光谱,LAI的敏感波段发生在742 nm处,r=0.744;以敏感波段742 nm一阶微分光谱反射率建立的逐步回归估算模型精度最高,RMSE=0.94,RE=26.27%,r=0.78。说明以全生育期为基础,采用一阶微分光谱敏感波段,并根据实际条件选择有效的估测模型,可以进行棉花LAI的预测。     

Soil salinity prediction in the Lower Cheliff plain(Algeria) based on remote sensing and topographic feature analysis

Soil salinity and ground surface morphology in the Lower Cheliff plain(Algeria) can directly or indirectly impact the stability of environments. Soil salinization in this area is a major pedological problem related to several natural factors, and the topography appears to be important in understanding the spatial distribution of soil salinity. In this study, we analyzed the relationship between topographic parameters and soil salinity, giving their role in understanding and estimating the spatial distribution of soil salinity in the Lower Cheliff plain. Two satellite images of Landsat 7 in winter and summer 2013 with reflectance values and the digital elevation model(DEM) were used. We derived the elevation and slope gradient values from the DEM corresponding to the sampling points in the field. We also calculated the vegetation and soil indices(i.e. NDVI(normalized difference vegetation index), RVI(ratio vegetation index), BI(brightness index) and CI(color index)) and soil salinity indices, and analyzed the correlations of soil salinity with topography parameters and the vegetation and soil indices. The results showed that soil salinity had no correlation with slope gradient, while it was significantly correlated with elevation when the EC(electrical conductivity) values were less than 8 d S/m. Also, a good relationship between the spectral bands and measured soil EC was found, leading us to define a new salinity index, i.e. soil adjusted salinity index(SASI). SASI showed a significant correlation with elevation and measured soil EC values. Finally, we developed a multiple linear regression for soil salinity prediction based on elevation and SASI. With the prediction power of 45%, this model is the first one developed for the study area for soil salinity prediction by the combination of remote sensing and topographic feature analysis.     

黑河流域叶面积指数的遥感反演

以黑河流域为研究区 ,探寻基于TM影像提取的植被指数 (VIs)与野外实测数据间叶面积指数 (LAI)的反演研究。结果表明 ,各植被指数与LAI均具有较高的相关性 ,整个研究区土壤调整植被指数 (SAVI)具有最高的LAI反演精度 ;把研究区分成绿洲区和山区 ,各种植被指数与LAI的相关系数和反演精度均有很大程度提高 ,同时得到绿洲区SAVI最适于反演LAI ,山区SR最适于反演LAI ,通过这种方式估算出黑河流域叶面积指数图。