关中冬小麦叶片氮素含量高光谱遥感监测模型

为给黄土高原大范围的冬小麦氮素营养遥感监测提供理论依据,通过田间试验,研究了冬小麦叶片氮素含量遥感监测的最佳生育时期、最敏感波段及其他最优光谱参量。结果表明,灌浆期是利用高光谱遥感监测冬小麦叶片氮素营养状况的最佳生育时期;在拔节、抽穗和灌浆期680nm波段光谱反射率R680均能较好地反映冬小麦叶片氮素含量,基于光谱位置以及叶面积指数的光谱参量也能较好地反映冬小麦叶片氮素含量。拔节期、抽穗期和灌浆期分别以680nm波段光谱反射率R680、绿峰反射率Rg和植被指数(SDr-SDb)/(SDr+SDb)对小麦叶片氮素含量的拟合效果最佳,其回归方程分别为Y=27.54-280.247 X+1456.245 X2、Y=8.632 X-0.24和Y=25.83 X1.012。     

基于高光谱遥感的小麦叶片含氮量监测模型研究

为了在作物氮素管理中实现叶片氮含量的实时无损估测,以不同类型小麦品种在不同施氮水平下连续3年田间试验为基础,研究了小麦叶片氮含量与冠层高光谱参数的定量关系.结果表明,叶片氮含量随着施氮水平的增加而提高,冠层光谱反射率在不同叶片氮含量水平下存在明显差异.叶片氮含量的敏感波段主要存在于近红外平台和可见光区,其中,红边区域最为显著.红边及面积类参数REPIE、SDr-SDb和FD729与叶片氮含量关系密切,方程拟合决定系数R2分别为0.829、0.806和0.856,估计标准误差SE分别为0.278、0.295和0.271;模拟宽光谱波段组合类参数方程拟合精度较低,标准误差较大,以AVHRR-GVI为变量模拟方程,R2 和SE分别为0.786和0.315;多波段组合类参数方程拟合效果较好,以mND705为变量建立方程,其R2 和SE分别为0.836和0.275.经不同年际独立数据检验,红边及面积类参数表现最好,以REPIE、SDr-SDb和FD729三个参数为变量,模型预测的RMSE分别为0.418、0.380和0.395,相对误差RE分别为14.4%、15.1%和15.2%;模拟宽光谱波段组合类参数与多波段组合类参数比较,模拟宽光谱波段组合模型预测效果更好,以AVHRR-GVI 和mND705为变量建立模型,RMSE分别为0.436和0.408,RE分别为17.3%和16.7%.以上结果表明,红边及面积类参数与叶片氮含量关系密切且表现稳定,利用REPIE、SDr-SDb和FD729三个参数可以对小麦叶片氮含量进行可靠的监测.     

基于叶片高光谱特征的小麦白粉病严重度估算模式

为了解白粉病胁迫下小麦叶片特征并预测其危害程度,基于大田小区和温室盆栽小麦白粉病接种试验,采用高光谱仪测定受白粉病不同程度危害的冬小麦叶片光谱反射率,并分析光谱特征参数与白粉病严重度间的关系。结果表明,随着小麦白粉病病情的加重,在可见光350~700nm波段内,叶片光谱反射率增加;而在700~1050nm近红外波段内,叶片光谱反射率明显降低。400~500nm和610~690nm为光谱敏感波段,在650~680nm波段相关系数最高(r0.75)。光谱参数MCARI、PSRI、VARIgreen和AI对叶片病害严重度拟合效果较好,决定系数(R2)变化范围为0.77~0.82,标准误差为9.34~10.14。模型检验表明,小麦单叶片病害严重度超过10%时,检验结果较为理想,单叶片病害严重度低于10%时,则定量估算误差偏大,10%严重度可作为光谱法识别小麦白粉病的临界值。光谱参数MCARI和VARIgreen对小麦白粉病反应敏感,估算误差较小,可作为小麦白粉病严重度的最佳估算模型。     

有机肥化肥配施的双季晚稻群体冠层光谱特征研究

以不同施肥模式为基础,分析了晚稻群体冠层光谱反射率、一阶微分光谱和归一化光谱特征,并对叶片氮含量、氮积累量、产量、叶面积指数和叶干物质积累进行了相关性分析,构建了以高光谱特征参数为自变量的水稻氮素营养诊断模型。结果表明,叶片氮素含量与665 nm处冠层光谱反射率呈极显著相关性(p0.001),与554 nm和672 nm处的一阶微分光谱也呈极显著相关性(p0.001);以λr构建的指数函数y=684.91e0.028x,决定系数(R2)为0.90、(SDr-SDb)/(SDr+SDb)构建的指数函数y=0.66e0.11x,决定系数(R2)为0.88,均能很好地诊断在有机肥和无机肥配施模式下的水稻氮素营养。     

基于高光谱遥感的小麦黄花叶病害等级监测研究

为了构建小麦黄花叶病的遥感监测技术,在小麦返青期、拔节前期和拔节后期测定了不同黄花叶病等级下的冠层反射率,并同步调查与病害等级相关的小麦株高、含水量、氮含量、色素含量等农学参数,筛选出适宜监测小麦黄花叶病的植被指数,并构建病害等级监测模型。结果表明,小麦黄花叶病的反射光谱敏感波段在返青期和拔节前期集中于560～720 nm范围,而拔节后期则集中于800～900 nm区域。随病害等级的增加,光谱反射率在可见光波段逐渐增加,而在近红外波段区域降低。植被指数与病害等级相关性在不同生育时期间存在显著差异,整体上以拔节前期最好,决定系数(r²)为0.72～0.82,而拔节后期模型精度急剧下降(r²=0.26～0.72)。在植被指数中,整体上以表征色素变化的mND705模型预测精度最好,r²和RMSE分别为0.59～0.68和0.79～0.98。采用偏最小二乘回归(PLSR)建立黄花叶病害分级模型,三个时期的模型精度均高于植被指数模型,且整体上以返青期和拔节期前期估算效果较好,模型验证r²为0.93～0.97,...     

基于主成分分析和随机森林回归的冬小麦冠层叶绿素含量估算

为提高冬小麦冠层光谱对叶绿素含量的估算精度,以陕西省乾县冬小麦为研究对象,利用SVC-1024i光谱仪和SPAD-502型叶绿素仪实测了冬小麦冠层反射率和叶绿素含量,分析了一阶导数光谱、10种特征参数和9种植被指数与叶绿素含量的相关性,并利用主成分分析(PCA)对叶绿素敏感的可见光波段(390～780 nm)一阶导数光谱进行降维,将特征值大于1的主分量结合特征参数和植被指数形成不同的输入变量,用偏最小二乘回归和随机森林回归构建冬小麦冠层叶绿素估算模型,并利用独立样本对模型进行验证。结果表明,小麦冠层叶绿素含量与一阶导数光谱在751 nm处的相关性最高(r=0.71),特征参数中红边蓝边归一化(SDr-SDb)/(SDr+SDb)与叶绿素含量的相关性最高(r=0.66),植被指数(VI)中修正归一化差异指数(mND705)相关性最高(r=0.74)。在输入变量相同的情况下,基于随机森林(RF)回归的预测模型均优于偏最小二乘回归(PLSR)模型,其中PCA-VI-RF模型的各精度指标均达到最优(r²=0.94,RMSE=1.05,RPD=3.70),是冬小麦冠层叶绿素...     

不同生育时期冬小麦叶面积指数地面高光谱遥感模型研究

为建立不同生育时期冬小麦叶面积指数（LAI）的高光谱遥感预测模型,2017年在荥阳和鹤壁大田区域进行野外试验,利用便携式光谱仪ASD FieldSpec Handheld测量不同生育时期冬小麦冠层高光谱数据,使用LAI2200冠层分析系统采集冬小麦冠层LAI。通过对高光谱数据进行不同形式的变换以及高光谱特征变量的计算,并与叶面积指数进行相关分析。结果表明,在拔节-抽穗期,LAI与Dr（红边幅值）、SDr（红边面积）、VI₃（红边面积SDr与蓝边面积SDb的比值指数）、VI₅（红边面积SDr与蓝边面积SDb的归一化指数）、VI₆（红边面积SDr与黄边面积SDy的归一化指数）的相关性较大,相关系数均大于0.85;在开花-乳熟期,LAI与Rr（红谷反射率）、VI₁（绿峰反射率Rg与红谷反射率Rr的比值指数）、VI₂（绿峰反射率Rg与红谷反射率Rr的归一化指数）、VI₃、VI₅的相关性较大,相关系数均大于0.7,且均通过0.01水平显著性检验。因此,拔节-抽穗期选择变量Dr、SDr、VI₃、VI₅、VI₆作为估算模型的自变量;开花-乳熟期选择变量Rr、VI₁、VI₂、VI₃、VI₅作为估算模型的自变量。拔节-孕穗期叶面积指数单变量估算模型中大部分变量的二次模型决定系数较大,其中VI₃、VI₅、lg(1/ρ676）、dρ₇₅₀/dλ₇₅₀的二次模型决定系数超过0.6,拟合程度较高,同时dρ₇₅₀/dλ₇₅₀的RMSE值最小,因此认为以dρ₇₅₀/dλ₇₅₀为自变量的二次模型最优。开花-乳熟期单光谱变量建立的叶面积指数估算各类模型中大部分参数的指数模型决定系数较大,其中Rr、VI₃、VI₅的指数模型决定系数超过0.7,拟合程度最高,同时VI₅的RMSE值最小,因此认为以VI₅为自变量的指数模型最优。     

基于冠层反射光谱的夏玉米LAI估算模型研究

从多个角度研究夏玉米LAI与冠层反射光谱的相关性,探索不同光谱波段在夏玉米LAI预测中的优势互补。结果表明,可见光波段对品种差异较敏感,而近红外波段对品种差异敏感性不大;预测效果最好的LAI估算模型是由多个单波段建立的多元线性回归模型,其次是由近红外与绿光波段的比值R₁₀₅₀/R₅₅₀建立的三次多项式回归模型,然后是由RVI建立的三次多项式回归模型。     

基于分数阶微分的春小麦叶绿素含量高光谱估算

为提高农作物叶片叶绿素含量高光谱估算的准确度,以阜康农作物试验地为研究靶区,测定了165个采样点的春小麦叶片叶绿素含量和叶片光谱反射率,运用分数阶微分算法进行光谱预处理,最后运用偏最小二乘法(PLSR)建立叶绿素含量估算模型。结果表明,对数学变换■、lg~R、1/lg~R、1/R)的光谱及原始光谱(R)的数据进行0～2阶分数阶微分预处理时,通过0.01水平显著性检验的波段数量明显增加,且光谱数据经4种数学变换后均在1.2阶微分与小麦叶绿素含量有较高的相关性。1.2阶微分处理后,对叶绿素含量的敏感波段数量表现为■。利用对数变换和1.2阶微分计算的植被指数(NDVI、DVI、RVI、MSR_(705)、MSR_(670,800)、CI)建立的PLSR模型的估算精度最优,其预测的相对误差、决定系数和平方根差分别为2.17、0.87和0.243mg·g~(-1),可作为小麦叶片叶绿素含量的最佳估算模型,也说明对光谱数据进行数学转换和分数阶微分处理可显著提高春小麦叶绿素含量的估算精度。     

基于Dualex植物多酚-叶绿素仪的冬小麦叶绿素含量高光谱估算

为探讨基于Dualex植物多酚-叶绿素仪和高光谱遥感技术反演小麦叶绿素含量的可行性,利用Dualex植物多酚-叶绿素仪,测定不同生育时期冬小麦叶片叶绿素含量(Chl),同时进行叶片光谱测定,以对Chl敏感的1个一阶导数波段、3个三边参数和3个植被指数作为自变量,利用偏最小二乘法(PLS)和支持向量回归(SVR)构建估测模型,并利用验证样本对各生育时期估测模型进行精度检验,同时与传统的单因素模型进行了比较。结果表明,冬小麦反射光谱曲线在不同生育时期有所不同,且随着叶绿素含量的增加,可见光波段的光谱反射率不断降低;在以一阶导数光谱敏感波段、三边参数以及植被指数构建的冬小麦Chl单因素估算模型中,基于各生育时期显著相关的植被指数构建的模型精度最优;以7个参数作为自变量,利用偏最小二乘法(PLS)和支持向量回归(SVR)构建的模型在各生育时期均表现出较好的拟合性及预测精度,尤其利用SVR建立的模型建模决定系数在0.8以上,预测决定系数在0.7以上,是进行冬小麦叶片Chl估测的最优模型。     

基于高光谱遥感的小麦籽粒产量预测模型研究

为了确立能够准确预测小麦籽粒产量的敏感光谱参数和定量模型,于2003～2006年连续3个生长季,通过不同小麦品种和不同施氮水平的4个大田试验,在小麦不同生育期采集田间冠层高光谱数据并测定植株氮含量、重量和叶面积指数及成熟期籽粒产量,定量分析小麦籽粒产量与冠层高光谱参数的相互关系.结果显示,小麦籽粒产量随施氮水平的提高而增加,不同地力水平间存在显著差异.灌浆前期叶片氮积累量和叶面积氮指数均能够较好地反映成熟期籽粒产量状况,而叶片氮含量和氮积累量及叶面积氮指数在拔节～成熟期的累积值与成熟期籽粒产量的回归拟合效果更好.对叶片氮含量和氮积累量及叶面积氮指数的光谱反演,在不同品种、氮素水平和年度间可以使用统一的光谱参数.根据"特征光谱参数-叶片氮素营养-籽粒产量"这一技术路径,以叶片氮素营养为交接点将模型链接,建立了基于灌浆前期高光谱参数及拔节期～成熟期特征光谱指数累积值的小麦籽粒产量预测模型.经两年独立试验数据检验表明,利用灌浆前期关键特征光谱指数可以有效地评价小麦成熟期籽粒产量状况,拔节～成熟期特征光谱指数的累积值能够稳定预报不同条件下小麦成熟期籽粒产量的变化.因此,利用冠层特征光谱指数可以快速无损地预报小麦成熟期籽粒产量.     

基于连续投影算法和光谱变换的冬小麦生物量高光谱遥感估算

为探索基于全波段冠层高光谱以及变换光谱的冬小麦地上部生物量的遥感估算方法,以2016、2017年冬小麦田间试验为基础,通过对冠层光谱和地上部生物量的相关性分析,筛选拔节期、抽穗期的冬小麦冠层光谱、一阶导数光谱、对数变换光谱和连续统去除光谱对地上部生物量的敏感波段,并结合偏最小二乘法(PLS)分别建立拔节期和抽穗期基于SPA算法的冬小麦地上部生物量估测模型,再与基于任意两波段组合的最佳归一化光谱指数、比值光谱指数、差值光谱指数和已报道光谱指数的冬小麦地上部生物量估测模型进行比较。结果表明：(1)SPA算法较好地利用了全波段冠层光谱信息,并显著降低了光谱维度,不同变换光谱的地上部生物量敏感波段个数在4~14之间;(2)拔节期和抽穗期冠层光谱与地上部生物量的相关性高于开花期和灌浆期,各生育时期一阶导数光谱与地上部生物量之间的相关性优于连续统去除光谱、对数变换光谱和光谱指数;(3) 利用抽穗期一阶导数光谱敏感波段建立的预测模型和验证模型达到了较高的精度,其预测模型的决定系数和均方根误差分别为0.78和0.87 t·hm^-2,验证模型的决定系数和均方根误差分别为 0.84和0.69 t·hm^-2,预测相对偏差为2.74。这说明,抽穗期是估算地上部生物量的最佳生育时期,且基于冠层一阶导数变换光谱,结合连续投影算法和偏最小二乘回归方法所构建抽穗期地上部生物量估算模型具有最优的精度和预测能力,可用于地上部生物量的定量估算。     

基于冠层透射微分光谱的小麦植株含水量监测研究

为实现基于可见光透射微分光谱的小麦植株含水量监测,通过三年田间试验,测定自拔节期以后小麦关键生育时期冠层透射光谱和植株含水量,确立了透射光谱微分参数与植株含水量间定量关系。结果表明,与小麦冠层原始透光率相比,一阶微分光谱能够很好地减轻生育时期的影响。将不同生育时期数据综合,不同波段的透射率与植株含水量相关性均较差,而微分光谱在439、735、823及950 nm处与植株含水量相关性较好(|r| 0.57),以735 nm处相关性最高。基于蓝光、黄光和红光波段筛选了21个光谱特征参数,其中红边振幅(Dr)、红蓝振幅归一化指数(Dr-Db)/(Dr+Db)、红边面积(SDr)、右峰面积(RSDR)、双峰面积比(RIDA)及双峰面积归一化指数(NDDA)6个光谱特征参数与植株含水量间相关性较好(r0.70)。在以上优选的光谱参数中,红边双峰面积比值(RIDA)及归一化指数(NDDA)与植株含水量的回归关系表现最好,拟合精度r~2大于0.69,均方根误差RMSE低于4.87,模型具有很好的稳定性,可以实时精确估测小麦植株含水量。这表明利用冠层透射微分光谱可对小麦植株含水量进行精确监测,对指导作物精确灌溉管理具有较大的应用潜力。     

Prediction of grain protein content in winter wheat (Triticum aestivum L.) using plant pigment ratio (PPR)

The applicability of the hyperspectral data from the canopy to the prediction of wheat grain quality was assessed for winter wheat. A training experiment and a validation experiment with contrasting nitrogen (N) levels and different cultivars were conducted, respectively, at different locations in Beijing, China. The wheat canopy spectral reflectance over 350–2500 nm, leaf N concentration and chlorophyll (Chl) concentration were measured at different growth stages, and the grain protein content was also determined after harvest. Eight vegetation indices (VIs) were compared relating to leaf N concentration, and the result indicated that the plant pigment ratio (PPR, (R550−R450)/(R550+R450)), a Chl-based index, was most applicable to predict wheat grain protein due to its significant correlation with leaf N concentration at the post-anthesis stage. Based on the relationships among PPR, leaf Chl concentration, leaf N concentration, and grain protein content, the statistical prediction models of grain protein content for Zhongyou9507 (a hard winter wheat) and Jingdong8 (a semi-hard winter wheat) were developed. The root mean square error (RMSE) of the 18 DAA (days after anthesis) model of Zhongyou9507 was 0.175; those of the anthesis model and the 11 DAA model of Jingdong8 were 0.238 and 0.982, respectively. Taking both the precision and accuracy into account, the 18 DAA model of Zhongyou9507 and the anthesis model of Jingdong8 were recommended to predict grain protein content for each cultivar. The result demonstrated that PPR could be used to assess grain quality of winter wheat.     

不同施氮条件下小麦冠层的高光谱和多光谱反射特征

为了更好地利用冠层反射光谱特征监测小麦生长及氮素营养状况。以宁麦9号、淮麦20、徐麦26和扬麦10号四个小麦品种为材料,通过田间小区试验,研究了不同小麦品种在不同生育时期和不同氮素水平下冠层反射光谱的变化规律。结果表明,相同氮素水平下不同小麦品种冠层反射光谱的反射率有差异,且近红外部分差异较明显。小麦从拔节开始,随生育期的推进,冠层反射光谱在可见光波段的反射率先降低然后升高,以孕穗期反射率最低。随着叶片的逐渐变黄。反射率又增大,并且绿光波段的反射峰也逐渐消失。而近红外区反射率则表现出相反的趋势,以开花期为分界,先上升然后下降,直到成熟前降为最低。随着施氮水平的提高,冠层反射光谱在近红外反射平台（750-1300nm）的反射率呈上升趋势,而可见光部分反射率则下降,并且反射光谱的绿峰和红边位置也随着施氮水平的提高分别向蓝光方向（波长变短）和红光方向（波长变长）移动。     

基于模拟光谱数据的冬小麦播期遥感监测最佳时相研究

为利用高时空分辨率的航天数据对区域冬小麦播期实现尽早监测,对冬小麦播期的不同遥感监测时相精度进行了分析。首先利用耦合作物模型和辐射传输模型模拟不同播期冬小麦从播种至返青的冠层光谱反射率,分析不同播期的冠层光谱响应差异,选取对不同播种日期敏感的波段。然后,根据敏感波段的冠层光谱,选择训练样本并计算不同播期之间的J-M距离,初步判断出光谱可分性较好的时相。最后,对不同的播期进一步进行判别分析,判定未知类别样本的所属类别。根据正确分类的精度,在华北平原北部选择播期监测的最佳时相为12月中旬,精度达到89.5%。