高光谱遥感估测大豆冠层生长和籽粒产量的探讨

现代作物育种需要监测大量育种材料的生长并估测产量潜势, 高光谱遥感技术为此提供了简单、快捷、非损伤性测定的可能途径。选取30份大豆育成品种进行连续2年的产量比较试验, 在盛花期(R2)、盛荚期(R4)和鼓粒始期(R5)测定地上部生物量(ADM)和叶面积指数(LAI), 并利用ASD高光谱地物仪同步收集大豆冠层反射光谱信息。供试品种间ADM、LAI和产量差异显著或极显著。不同生育期可见光和近红外区域的光谱反射率与大豆ADM、LAI及产量均有显著相关, 尤其在R4和R5期相关性最高。在构建大量光谱参数的基础上, 遴选出对ADM、LAI及产量预测精度较好的回归模型。其中, R5期的P_Area560光谱参数与LAI和R4期的V_Area1450光谱参数与ADM构建的两个生长性状的监测模型效果最好, 决定系数(R²)分别为0.582和0.692。未发现单一生育期光谱参数对大豆估产的有效模型, 但综合R2期NPH1280、R4期V_Area1190以及R5期NPH560构建的产量估测模型, 决定系数(R²)达到0.68, 效果较好。本研究     

基于光谱特征与PLSR结合的叶面积指数拟合方法的无人机画幅高光谱遥感应用

以冬小麦LAI为研究对象,利用孕穗期、开花期和灌浆期获取的无人机UHD185高光谱影像以及同步测定的地面数据(冬小麦冠层ASD反射率和冬小麦LAI),论证光谱特征(红边参数或植被指数)与偏最小二乘回归算法结合的改进型LAI拟合方法在无人机画幅高光谱遥感LAI探测方面的应用价值。首先,从光谱反射率相关性和植被指数相关性两方面比较UHD185与ASD,验证UHD185数据精度;结果表明,第3~第96波段(458~830 nm)的无人机UHD185高光谱数据具有较好的光谱质量,适宜探测冬小麦LAI。其次,分析光谱特征(6种植被指数和4种红边参数)与LAI的相关性,并通过独立验证和交叉验证方法,依次对基于红边参数或植被指数的传统LAI拟合方法和改进型LAI拟合方法的冬小麦LAI预测精度进行评价,相比于传统LAI拟合方法,改进型LAI拟合方法能大幅度提高冬小麦LAI的预测精度,特别是PLSR+REP。研究结果证实,改进型LAI拟合方法能更加充分地利用无人机UHD185高光谱数据预测冬小麦LAI,可望为无人机高光谱遥感的作物理化参数探测提供几点可借鉴的思路。     

棉花叶面积指数和地上干物质积累量的高光谱估算模型研究

 用ASD FieldSpec光谱仪实测棉花冠层不同生育时期的高光谱数据,同期获取棉花叶面积指数(LAI)和地上干物质积累量(Above-ground Dry Matter Accumulation,ADMA)。分析棉花冠层反射光谱与棉花LAI、地上部干物质积累量（ADMA）的相关关系,分析结果表明,反射光谱数据与棉花LAI、ADMA的相关系数的最高值分别发生在783 nm（r=0.6394^**）和766 nm处(r=0.6287^**);对反射光谱数据进行统计分析,建立了基于比值植被指数(RVI)和归一化植被指数(NDVI)的5种函数形式的棉花LAI、ADMA估测模型。经检验,基于RVI的估测模型具有较高的精度;对一阶微分光谱数据与棉花LAI和ADMA的逐步回归相关分析表明,敏感波段分别发生在736 nm（r=0.6769^**）和742 nm处(r=0.6847^**)。由736 nm、742 nm波段处的微分数值建立的LAI和ADMA线性回归估测模型,R值均达到了1%极显著的检验水平,说明一阶微分光谱敏感波段的数值,对棉花LAI和ADMA具有一定的估算能力。     

基于无人机多光谱遥感的大豆叶面积指数反演

为给大豆科学管理提供基础数据,利用无人机多光谱遥感数据实现对大豆叶面积指数(LAI)的反演估值.从多种光谱植被指数中选出与LAI相关性较好的5种指数,分析探讨在田块尺度上,适用于东北地区的大豆叶面积指数的低空无人机遥感反演模型.结合田间实测LAI数据及模型精度及拟合效果,NDVI模型精度较好,但拟合效果较差,其余4种植...     

基于光谱参数的棉花叶面积指数监测和敏感性分析

研究棉花冠层光谱参数对不同叶面积指数的响应,建立棉花叶面积指数光谱参数最佳估测模型,并对所选光谱参数进行敏感性分析.利用高光谱仪测定不同时期不同叶面积指数条件下的棉花冠层光谱反射率.结果表明,694 nm和1099nm分别为可见光和近红外波段区域内与叶面积指数相关性最好的波段,并用于改进前人所建立的光谱参数;宽范围动态...     

基于近地高光谱棉花生物量遥感估算模型

分析棉花地上鲜生物量冠层高光谱反射率变异系数，反射率光谱、一阶微分光谱与地上鲜生物量相关关系得结果表明：在可见光近红外波段棉花冠层反射率光谱变异系数在672 nm波段处最大；棉花地上鲜生物量与反射率光谱相关系数最大值在可见光波段出现在589~700 nm，在近红外波段出现在865~919 nm波段，且前者大于后者。地上鲜生物量与一阶微分光谱相关系数在可见光波段出现524~528 nm、552~588 nm、710~755 nm 3个高值区。基于以上研究，选择19个高光谱特征参数建立了棉花地上鲜生物量高光谱遥感监测模型，经检验，单波段中以F₆₂₉估算水平最高，估算模型为Y = 9.7914 exp(－20.738 F629)，准确度为83.9%、RMSE为0.64 kg m^-2、预测值与实测值相关系数为0.940**；组合参数以[629, 901]指数形式估算模型估算水平最高，模型为Y = 0.0986 exp(4.3696[629, 901])，准确度达84.0%，RMSE为0.55 kg m^-2，预测值与实测值相关系数为0.960**，上述两个模型为参选模型中估算棉花地上鲜生物量最佳高光谱估算模型。     

玉米和大豆光合有效辐射吸收比例与植被指数和叶面积指数的关系

基于东北典型黑土区的玉米和大豆的实测光谱反射率、光合有效辐射及叶面积数据,选取常用的9种植被指数,并根据光谱曲线特征和植被指数结构建立了两种新的植被指数,对其估算玉米和大豆冠层FPAR效果进行了对比分析。结果表明,各植被指数与冠层光合有效辐射吸收比例(FPAR)的关系因植被类型而异。以近、短波红外波段较以可见光、近红外波段计算植被指数的估算效果好。NDVI、RVI在可见光、近红外波段计算的植被指数中估算FPAR效果较好,玉米估算模型R²分别为0.81和0.82,大豆估算模型R2均为0.81;NDSI、RSI在近、短波红外波段计算的植被指数中较好,玉米估算模型R2均为0.86,大豆估算模型R2均为0.84,优于NDVI和RVI。试验表明,利用近、短波红外波段估算FPAR是可行的;冠层含水量较土壤背景对FPAR影响更大;玉米和大豆冠层FPAR与叶面积指数(LAI)呈较好的对数关系,估算模型R²分别为0.75和0.70;但用植被指数估算FPAR效果要优于用叶面积指数。     

水稻地上鲜生物量的高光谱遥感估算模型研究

不同氮素营养水平的水稻田间试验,采用单变量线性与非线性拟合模型和逐步回归分析,用1999年试验数据为训练样本,建立水稻鲜生物量的高光谱遥感估算模型,用2000年试验数据作为测试样本数据,对其精度进行评价和验证.结果表明,高光谱变量与地上鲜生物量之间的线性与非线性拟合分析中,一些高光谱特征值如红边波长(λr)、绿峰最大     

基于WorldView 2影像杉木叶面积指数与植被指数相关性研究

为了探究基于高分辨率遥感影像杉木叶面积指数与植被指数的相关性,以湖南省攸县黄丰桥国有林场为研究对象,采用地面实验与遥感技术相结合的方法,利用WorldView 2遥感数据提取NDVI、SAVI、SARVI、RVI、MSAVI、ARVI等6种植被指数,通过LAI-2000测量的杉木叶面积指数(LAI)建立相关关系,开展WorldView 2遥感影像在估测杉木叶面积指数中的应用研究,分析植被指数对杉木LAI的影响.对不同植被指数分别进行线性模型、二次曲线模型、指数曲线模型和对数曲线模型的LAI反演.结果表明:除DVI与LAI相关性稍低一点外,其他植被指数与LAI都有很高的相关性,高于中低分辨率遥感影像提取的植被指数与LAI的相关性,土壤调节植被指数(SAVI)与LAI的相关性与土壤影响因子L无关.在线型模型中,RVI与ARVI更适合于杉木LAI建立一元线性回归模型,相关系数R分别为0.931、0.895,判定系数R2分别为0.866、0.800,均达到较好的拟合效果.在非线性模型中,反演模型最好的是二次曲线模型,其次是指数模型,最差的是对数模型.拟合效果较好的是NDVI、SAVI和RVI;拟合效果最差的是DVI;最好的拟合模型,其R2高达0.884.杉木LAI具有较佳拟合效果的非线型模型是NDVI和SAVI的二次曲线模型.     

单作套作大豆叶片氮素积累与光谱特征

种植模式和氮肥水平直接影响作物的生长和氮素的吸收,无损、即时监测大豆叶片氮素水平对大豆生产中的氮肥精确管理十分重要。本研究设置4个氮肥水平,分析单作套作下大豆在不同生育时期叶片氮素动态和光谱特征,明确对叶片氮素敏感的光谱特征参数,构建单作套作大豆通用的叶片氮素积累量估测模型。结果表明,随大豆生育时期的推进,单作套作种植模式下的大豆冠层叶片氮素积累量均呈现单峰变化趋势,最大值出现在N3处理下的结荚期,两种模式两年最大值平均分别为8.70 g m~(–2)和8.38 g m~(–2);不同生育时期和种植模式的大豆冠层原始反射光谱的变化规律与冠层叶片氮素变化规律均为先增加后降低,原始反射光谱在700~1000 nm波段的反射率以结荚期为拐点先增大后减小,最大反射率达到60%~70%左右;通过对单作套作大豆冠层光谱一阶导数变换,红边幅值呈现先增加后降低的趋势,同时红边位置随叶片氮积累量的增加和减小出现"红移"与"蓝移"现象。经波段自由组合和回归分析表明,以DSI(771、755)构建的线性(y=–1.249+3.209x,R~2=0.847)和乘幂(y=–1.470x~(1.676),R~2=0.872)模型能较精确地估测不同生育时期大豆冠层叶片氮素状况。     

春玉米叶面积系数动态特征的密度效应

为进一步明确春玉米不同密度群体叶面积系数(LAI)特征参数的密度效应,以吉单209和郑单958为材料,于2005年和2006年在东北春玉米区(吉林)分别设置4.5~10.5万株 hm^-2 5个密度和3.0~12.0万株 hm^-2 7个密度处理试验,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。结果表明,春玉米群体最大LAI在3.0~12.0万株hm^-2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,而平均LAI与最大LAI的比率则随密度增加呈显著线性减小趋势。密度对模拟方程各参数均有不同程度的影响,相邻密度差异不明显,间隔3.0万株 hm^-2的差异显著;不同参数变化趋势不同,其中参数a接近“0”,受密度影响不大;b、c均随密度的增加而减小,d随密度的增加而增大。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,拔节期和大喇叭口期为密度响应敏感期。由此可见,密度对春玉米全生育群体LAI动态具有调节作用,尤其群体LAI变化速率、最大LAI及其到达的时间、平均LAI及其与最大LAI的比率等重要特征参数对密度响应较为敏感,可作为对春玉米群体密度调控的参考指标。     

春玉米叶面积系数动态特征的密度效应

为进一步明确春玉米不同密度群体叶面积系数(LAI)特征参数的密度效应,以吉单209和郑单958为材料,于2005年和2006年在东北春玉米区(吉林)分别设置4.5~10.5万株 hm^-2 5个密度和3.0~12.0万株 hm^-2 7个密度处理试验,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。结果表明,春玉米群体最大LAI在3.0~12.0万株hm^-2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,而平均LAI与最大LAI的比率则随密度增加呈显著线性减小趋势。密度对模拟方程各参数均有不同程度的影响,相邻密度差异不明显,间隔3.0万株 hm^-2的差异显著;不同参数变化趋势不同,其中参数a接近“0”,受密度影响不大;b、c均随密度的增加而减小,d随密度的增加而增大。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,拔节期和大喇叭口期为密度响应敏感期。由此可见,密度对春玉米全生育群体LAI动态具有调节作用,尤其群体LAI变化速率、最大LAI及其到达的时间、平均LAI及其与最大LAI的比率等重要特征参数对密度响应较为敏感,可作为对春玉米群体密度调控的参考指标。     

基于高光谱数据的棉花冠层FPAR和LAI的估算研究

 通过非成像高光谱仪和光量子传感器,获取了棉花2品种4水平种植密度冠层关键生育时期的反射光谱数据和光合有效辐射值;利用光谱多元统计分析技术与微分处理,分析表明,反射光谱813 nm（_ρ813）和758 nm（_ρ758）处分别是光合有效辐射截获量（FPAR）和叶面积指数（LAI）的敏感波段。用反射率_ρ813和_ρ758分别与FPAR和LAI建立的线性相关模型方程估测FPAR和LAI,经检验,它们的实测值与估测值之间均呈极显著的线性相关（r_FPAR=0.7199^**,r_LAI=0.6430^**,α=1％,n=70）,模型方程的估算精度分别达96.5%、81.7%;而一阶微分光谱数据与FPAR在350 ~2500 nm波段范围相关不显著,与LAI的最大相关发生在734 nm波段处。基于一阶微分光谱_ρ′734与棉花冠层LAI线性相关的模型方程,估测LAI,实测值与估测值之间呈极显著的线性相关（r_LAI=0.6947^**,α=1％,n=70）,估算精度为82.4%,与反射光谱758 nm估测LAI的精度接近。结果表明,棉花冠层光谱数据可以对光合有效辐射截获量FPAR和LAI进行实时、无损、动态、定量的估算。     

图像处理技术估测水稻叶面积指数的研究

为了探讨图像处理技术测定水稻叶面积指数（LAI）的可行性,利用数码相机获取水稻冠层影像,通过图像处理获取冠层图像的覆盖度,并建立模型从而估测出水稻LAI。试验结果表明,利用覆盖度与实测叶面积指数之间建立的关系模型可以估测水稻LAI,并对利用该模型测出的叶面积指数与实测叶面积指数进行统计检验,它们之间的相关系数在0.77~0.93*之间,达到显著或极显著水平。说明通过覆盖度估测水稻叶面积指数是可行的,该研究结果为获取水稻LAI提供了有效途径。