氮肥水平对多花黑麦草叶绿素及高光谱反射特征的影响

叶绿素含量是评价牧草群体长势、估测产量和确定最佳施肥量的重要指标.对不同氮肥水平下多花黑麦草(特高)叶绿素含量及冠层反射光谱特征进行了测试与分析,并研究了高光谱参数红边位置与叶绿素含量的相关性.结果表明:在分蘖期和拔节期施用氮肥(尿素)达到300kg/hm2时,能够显著提高多花黑麦草叶绿素含量;显著降低可见光和近红外区域冠层光谱反射率;并且使红边位置(λr)向长波方向移动.多花黑麦草冠层叶绿素a,叶绿素b,叶绿素a+b与红边位置之间均存在极显著相关性(P＜0.01).利用高光谱参数红边位置可以更加快速、准确地对多花黑麦草冠层叶绿素含量进行估测并筛选适宜施肥量.     

氮肥水平对多花黑麦草叶绿素及高光谱反射特征的影响*

 叶绿素含量是评价牧草群体长势、估测产量和确定最佳施肥量的重要指标。对不同氮肥水平下多花黑麦草（特高）叶绿素含量及冠层反射光谱特征进行了测试与分析,并研究了高光谱参数红边位置与叶绿素含量的相关性。结果表明：在分蘖期和拔节期施用氮肥（尿素）达到300kg/hm²时,能够显著提高多花黑麦草叶绿素含量;显著降低可见光和近红外区域冠层光谱反射率;并且使红边位置（λr）向长波方向移动。多花黑麦草冠层叶绿素a,叶绿素b,叶绿素a+b与红边位置之间均存在极显著相关性（P＜0.01）。利用高光谱参数红边位置可以更加快速、准确地对多花黑麦草冠层叶绿素含量进行估测并筛选适宜施肥量。     

基于高光谱的小麦冠层叶绿素(SPAD值)估测模型

选择山东省泰安市山东农业大学试验田为研究区,分别采用ASD FieldSpec 3光谱仪和SPAD-502叶绿素仪测量小麦冠层的近地高光谱反射率和SPAD值,通过分析小麦冠层光谱特征,进行光谱反射率及其一阶导数与SPAD值的相关分析,筛选敏感波段,进而分别构建基于敏感波段和植被指数的小麦冠层SPAD值估测模型,并优选确定最佳模型。结果表明,光谱反射率经一阶导数变换能更好突出光谱特征,用来筛选敏感波段,将6个敏感波段分别建立单波段及多波段组合估测模型,进而优选出最佳估测模型为R′_(871),R_(1 349),R_(725),R′_(1 995)多元线性回归模型,决定系数R~2=0.668;基于4种植被指数构建的小麦叶绿素最佳估测模型为NDVI的二次模型,方程为y=61.978 x~2-34.426 x+54.089,决定系数R~2为0.845。基于植被指数的估测模型可较好实现小麦冠层叶绿素信息的无损和快速获取,为小麦生产的实时监测提供了有效手段。     

利用不同红边位置算法估测玉米叶绿素含量

本研究基于玉米-大豆带状套作复合种植模式,以不同施氮水平下的玉米为试验材料,在拔节期、抽雄吐丝期和灌浆期分别测定其叶片与冠层的反射光谱和叶绿素含量,通过连续小波变换和其他算法(最大一阶导数法、四点内插法和线性外推法)分别提取其红边位置,系统分析红边位置与叶绿素含量之间的定量关系,以比较用各红边位置算法提取的红边位置在叶片和冠层尺度上对叶绿素含量估测的准确性及稳定性。结果表明:基于连续小波变换提取的红边位置,在叶片和冠层尺度上对叶绿素含量的估测精度较高,稳定性最强,表明连续小波变换方法在提取玉米反射光谱红边位置上是可行的。通过线性外推法提取的红边位置构建的玉米叶片叶绿素含量和四点内插法构建的冠层叶绿素含量定量估测模型的预测效果最佳。本研究为玉米反射光谱红边位置的提取提供了新方法,构建了玉米叶绿素含量在不同观测尺度(叶片、冠层)上最佳的定量估测模型,为玉米氮素营养状况的监测提供了有效途径。     

宁夏银北盐碱地不同植被光谱特征研究

【目的】研究不同程度盐碱化土壤上植被的光谱特征,为基于典型植被冠层光谱特征估测宁夏银北地区植被生长状况和土壤盐碱化程度提供理论依据。【方法】于2018年7月中旬,在宁夏银北盐碱地区选取样地,调查不同盐碱化程度土壤的理化性质及其上代表性植被的叶片叶绿素相对含量,分析不同程度盐碱化土壤上代表性植被类型（白刺和芦苇）以及中度盐碱化程度土壤上15种植被（向日葵、芦苇、花花柴、白茎盐生草、西伯利亚滨藜、藜、稗、紫苜蓿、柳枝稷、水稻、砂引草、白刺、槐、赖草、芨芨草）的冠层光谱特征及红边参数变化,研究植被冠层红边参数与土壤pH值、全盐含量以及叶片叶绿素含量的相关性。【结果】不同程度盐碱化土壤的理化性质及其上代表性植被的叶片叶绿素相对含量有明显差异。随着土壤盐碱化程度的增加,在可见光波段（350～760 nm）,白刺冠层光谱反射率呈先上升后下降的趋势,芦苇冠层光谱反射率总体上先降低后升高;在760～1 400 nm波段,白刺冠层光谱反射率逐渐降低,芦苇冠层反射率先升高后降低;在1 400～2 500 nm波段,白刺冠层反射率分别是先升高后降低（1 400～1 900 nm）和持续增加（1 900～2 500 nm）,芦苇冠层反射率先降低后升高。随着土壤盐碱化程度的增加,白刺冠层光谱红边位置、红边斜率、红边峰值面积以及红边斜率与最小振幅的比值均减小;芦苇冠层光谱以上红边参数均先增加后减小。中度盐碱化土壤上,15种植被冠层光谱特征曲线变化趋势相似,但光谱反射率大小存在不同程度差异;除了最小振幅之外,15种植被冠层光谱的红边位置、红边斜率、红边峰值面积以及红边斜率与最小振幅的比值差异较大,故根据光谱特征在野外能够区分典型植被类型。土壤pH值与红边位置、红边斜率和红边峰值面积均呈极显著负相关关系,与红边斜率与最小振幅的比值呈显著负相关关系;土壤全盐含量与红边参数均不相关;叶片叶绿素含量与红边位置之间呈极显著正相关关系,与红边斜率和红边峰值面积之间为显著正相关关系。【结论】在不同程度盐碱化土壤上,不同植被冠层光谱特征变化趋势有差异,根据典型植被冠层光谱特征可以估测宁夏银北地区植被生长状况和土壤pH。     

基于成像高光谱的苹果叶片叶绿素含量估测模型研究

以苹果树正常叶片、受红蜘蛛胁迫叶片的高光谱反射率和SPAD值为数据源,在分析SPAD值与原始光谱反射率及其一阶导数、高光谱值相关性的基础上,筛选敏感波段,建立了基于高光谱反射率的叶绿素含量估测模型。结果表明:正常苹果叶片叶绿素含量的敏感波段为513~539、564~585、694、699、720 nm,叶绿素含量的最佳估测模型为线性函数模型SPAD=152.450-1884.851R377;受红蜘蛛胁迫的苹果叶片叶绿素含量的敏感波段为961、972、720 nm,叶绿素含量的最佳估测模型为线性函数模型SPAD=49.371-46428.473 R’972。     

基于成像高光谱的苹果叶片叶绿素含量估测模型研究

以苹果树正常叶片、受红蜘蛛胁迫叶片的高光谱反射率和SPAD值为数据源,在分析SPAD值与原始光谱反射率及其一阶导数、高光谱值相关性的基础上,筛选敏感波段,建立了基于高光谱反射率的叶绿素含量估测模型。结果表明:正常苹果叶片叶绿素含量的敏感波段为513⁵39、564539、564⁵85、694、699、720 nm,叶绿素含量的最佳估测模型为线性函数模型SPAD=152.450-1884.851R377;受红蜘蛛胁迫的苹果叶片叶绿素含量的敏感波段为961、972、720 nm,叶绿素含量的最佳估测模型为线性函数模型SPAD=49.371-46428.473 R’972。     

基于冠层高光谱的油菜角果期红边参数及叶片SPAD值反演模型

以湖南省为研究区,探索不同栽培因子条件下油菜的高光谱特征,建立基于高光谱特征的叶绿素预测模型,并将其应用于田间生产实践,以期为油菜营养诊断、高产栽培和生产管理的信息化提供一定的理论依据和技术支撑。使用便携式地物光谱仪和SPAD-502叶绿素仪分别对油菜冠层反射光谱和SPAD值进行实测,分析不同栽培因子条件下角果期的油菜冠层光谱特征,并得到其相应的红边参数(包括红边位置、红边振幅与红边面积),最后运用多种方法对红边参数与角果期的油菜SPAD值进行相关性分析,以期建立SPAD值的最佳反演模型。结果表明,在红光波段(680～760 nm),油菜角果期的冠层反射光谱趋于稳定,冠层的三峰两谷现象比较明显,而且在整个角果期,红边位置都稳定在760 nm这个点,不随栽培因子的改变而改变。但是栽培因子对红边振幅和红边面积有着明显影响,因此可用红边参数来预测油菜的SPAD值。经过5种不同的建模比较分析可以得出,基于支持向量机(SVM)的预测模型最好,R~2为0.912 6,均方误差为0.326 6。     

水稻、玉米、棉花的高光谱及其红边特征比较

 测定了水稻、玉米、棉花 3种作物共 6个品种的冠层和主茎叶片不同生育期高光谱反射率及其对应叶片中叶绿素、类胡萝卜素含量 ,分析了它们的高光谱及其红边特征和红边参数与叶面积指数、地上生物量、鲜叶重及叶片色素含量的相关性。结果表明 :(1) 3种作物冠层高光谱反射率大小与其生育期有关。冠层和叶片光谱反射率最大值比较结果是 ,冠层光谱 :棉花 >玉米 >水稻 ;叶片光谱 :水稻 >棉花 >玉米。 (2 ) 3种作物冠层光谱的红边都具有“双峰”现象。红边幅值Dλr 和红边面积Sr 均呈增大、减少的变化规律 ,但红边     

基于多光谱影像的单红边波段叶绿素指数验证

【目的】应用多光谱影像和光谱指数法准确估算作物叶绿素含量。【方法】使用4个生长期玉米冠层高光谱反射率及叶绿素含量建立单红边波段叶绿素指数(SRCI)的叶绿素含量估算模型:首先由高光谱反射率和光谱响应函数计算得到等效的Worldview-2多光谱反射率,以等效反射率计算SRCI;然后根据SRCI与叶片叶绿素含量(LCC)、冠层叶绿素密度(CCD)的线性关系,分别建立LCC和CCD的一元线性回归模型。使用2012年9月14日获取的Worldview-2多光谱遥感影像计算得到的SRCI作为输入,估算LCC和CCD。【结果】Worldview-2 SRCI估算叶片叶绿素含量的偏差均方根为4.70μg/cm~2,相对误差平均为7.0%;估算冠层叶绿素密度的偏差均方根为1.63 g/m~2,相对误差平均为6.4%。【结论】多光谱卫星遥感的红边光谱指数能准确估算玉米叶绿素含量。     

水稻叶片SPAD值的高光谱估算模型

[目的]构建水稻叶片SPAD值的高光谱精确估算模型,为进一步提高高光谱对水稻SPAD值反演估算精度提供参考依据.[方法]利用SPAD-502型叶绿素测定仪测量水稻叶片SPAD值,以FieldSpec 4光谱仪采集水稻叶片光谱数据.通过分析光谱植被指数、位置参数与SPAD值的相关性,构建4个水稻叶片SPAD值高光谱估测模型,即逐步多元线性回归(SMLR)模型、支持向量机回归(SVR)模型、基于主成分分析的支持向量机回归(PCA+SVR)模型和以逐步多元线性回归确定最佳参数的支持向量机回归(SMLR+SVR)模型;并采用均方根误差(RMSE)、平方相关系数(R2)、相对分析误差(RPD)和平均相对误差(MRE)等指标对模型进行评价.[结果]在分析的15个光谱特征参数中,除黄边位置(λy)无显著相关外(P>0.01),水稻叶片SPAD值与叶片光谱位置参数及植被指数参数间存在显著相关性,选择相关系数大于0.800的5个植被指数参数(VOG1、VOG2、VOG3、CARI和PRI)和7个光谱位置参数[蓝边面积(SDb)、黄边振幅(Dy)、黄边面积(SDy)、绿峰反射率(Rg)、红谷净深度(Hr)、蓝边振幅(Db)和红边位置(λh)]作为输入变量构建水稻叶片SPAD值的估测模型.R2和RPD值越大,RMSE和MRE值越小,则表明模型的性能越好,估算精度高.比较4个模型训练与测试结果的R2、RMSE、MRE和RPD可知,在模型估算精度上,SMLR+SVR模型高于SMLR模型,PCA+SVR模型高于SVR模型.总体上,SMLR+SVR模型能更好地实现对水稻叶片SPAD值的预测,其模型各项评价指标R2、RMSE、MRE和RPD分别为0.856、2.076、3.984%和2.550.[建议]进一步挖掘分析光谱特征参数与水稻叶片SPAD值间的关系,提出新的光谱特征参数或优化特征参数选择组合方法,增加回归建模算法,提高高光谱对水稻叶片SPAD值的有效估算.采集水稻冠层高光谱图像,反演出高光谱图像中的水稻冠层SPAD值,研究冠层SPAD与水稻长势关系,为水稻科学管理提供技术支持.     

冬小麦冠层水平叶绿素含量的高光谱估测

【目的】利用高光谱数据对抽穗期冬小麦冠层叶绿素含量进行估测,旨在为叶绿素含量快速准确估测提供参考。【方法】利用ASD便携式野外光谱仪和SPAD-502叶绿素仪实测了冬小麦抽穗期冠层光谱反射率及叶绿素含量,并对原始光谱反射率及其一阶导数光谱与叶绿素相对含量进行了相关分析,建立了基于敏感波段、红边位置、原始光谱峰度和偏度、一阶导数光谱峰度和偏度的叶绿素估算模型,并进行检验,从中筛选出精度最高的模型。【结果】冬小麦冠层光谱曲线特征与叶绿素含量之间有着密切联系。基于原始光谱一阶导数偏度和峰度的冬小麦(抽穗期)叶绿素含量估算模型拟合精度优于其他4种估算模型,决定系数R2分别为0.847和0.572,均方根误差RMSE分别为0.397和0.697,相对误差RE分别为61.0%和119.0%,拟合精度优于其他4种估算模型。【结论】原始光谱一阶导数的偏度和峰度作为自变量能很好地估测抽穗期小麦冠层叶绿素含量。     

基于小麦冠层近地多光谱图像的叶绿素(SPAD值)估测方法

选择山东省泰安市山东农业大学实验田为研究区,利用ADC便携式多光谱相机和SPAD-502叶绿素计采集该区泰农18和山农15两个品种小麦越冬期、返青期、起身期冠层近地多光谱图像和SPAD值,构建不同生育期小麦的归一化植被指数(NDVI)与SPAD值的线性、对数、乘幂、指数、二次函数5种模型,进而优选小麦叶绿素含量最佳估测模型。结果显示:泰农18和山农15两个小麦品种不同时期的SPAD值与NDVI值均具有极显著相关关系(P0.01),相关系数在0.797~0.915之间;泰农18小麦冠层SPAD值估测最佳模型为y=68.585x0.5841,山农15小麦冠层SPAD值估测最佳模型为y=124.4x~2+23.212x+44.973。该研究探索了基于近地多光谱数据的小麦叶绿素含量估测方法,为小麦叶绿素含量估测及营养诊断提供了一种快速有效的技术方法。     

基于水稻冠层高光谱的叶片SPAD值估算模型研究

为进一步提高水稻冠层光谱对叶片叶绿素相对含量(soil and plant analyzer development,SPAD)值的反演精度,利用光谱仪和叶绿素计实测了水稻全生育期的冠层高光谱反射率和SPAD值,并对原始光谱反射率及一阶导数光谱与叶片SPAD值进行了相关性分析;利用主成分分析(principle component analysis,PCA)对原始光谱数据进行降维,将得到的主成分作为输入变量,分别应用逐步多元线性回归分析法(stepwise multiple linear regression,SMLR)与支持向量回归(support vector regression,SVR)构建叶片SPAD值的高光谱估算模型;另分析322种冠层光谱参数与叶片SPAD值之间的相关关系,筛选相关系数高的14种特征参数作为输入变量,分别应用逐步回归与支持向量回归构建SPAD值的高光谱估算模型,并进行验证。结果表明,叶片SPAD值与水稻冠层原始光谱反射率的相关性在669 nm处高达-0.876,与一阶导数光谱的相关性在543 nm处最高达-0.834;不同模型的精度值各异,以特征参数为输入变量建立的逐步回归模型和SVR模型的均方根误差RMSEv分别为2.926、3.895,相对分析误差RPD分别为2.064、1.55。而基于主成分分析建立的逐步回归模型和SVR模型的RMSEv分别为3.349、2.631,RPD分别为1.803、2.295。对比发现主成分分析结合支持向量机模型可以很好地预测叶片SPAD值。     

导数光谱在棉花农学参数测定中的作用探讨

通过大田和室内试验,测定了2个品种的棉花冠层、完全展开倒3叶在不同时期的高光谱反射率及对应叶片的叶绿素、类胡萝卜素含量,分析并证实了棉花导数光谱时消除测量背景影响及寻找特征波长方面的作用。将导数光谱用于棉花农学参数的测定,发现棉花冠层和叶片光谱都存在红边位移现象,并且红边参数(红边位置、红边幅值、红边面积)与叶面积指数、鲜叶重、干叶重和叶绿素含量有显著相关,从而证明用棉花导数光谱测定它的某些农学参数的可行性。     

基于光谱植被指数的冬小麦叶绿素含量反演

植物功能叶的SPAD值与其氮素和叶绿素有较强的相关性,研究功能叶SPAD与其冠层光谱的关系,对实现植株叶绿素含量快速、无损检测具有重要意义。本文通过对冬小麦生育期的冠层原始光谱进行一阶导数变换,研究其功能叶片SPAD值与冠层光谱的相关性,对监测冬小麦叶绿素含量的敏感波段进行了提取,并建立了叶绿素含量与冠层反射光谱的定量关系。结果表明,基于小麦冠层原始光谱反射率、冠层光谱导数反射率与SPAD的相关系数曲线,提取的各形式下冬小麦叶绿素含量的敏感波段分别为500、690、760和470、630、723nm;并构建了冬小麦叶绿素含量的预测模型,以FDNDVI(630,723)预测模型较好,其R2可达0.9485,模型验证参数R2、MRE和RMSE分别为0.8099、0.0294和1.805,拟合效果较好,表明该模型能有效地对冬小麦叶绿素含量进行预测。该研究结果可为冬小麦长势监测提供一定的理论参考。     

不同温度处理下水稻高光谱及红边特征分析

通过田间试验,测定了3个温度处理下2个品种的水稻冠层不同生育期高光谱反射率及水稻叶片叶绿素含量等生物物理参数,对水稻叶绿素浓度与温度进行了相关分析,并对不同生育期不同温度处理下水稻冠层光谱的变化规律及红边特征进行了对比.结果表明:叶绿素浓度随温度升高而下降,水稻均在孕穗期近红外肩区的反射率达到最大,其反射率随温度胁迫的加深而下降,但晚上增温情形除外.国稻6号(杂交稻)在不同生育期不同温度处理下的光谱曲线差异比武运粳7号(粳稻)明显.国稻6号在抽穗期红边面积和红边幅值达最大值,在孕穗期红边位置达最大值;除晚上增温情形外,武运粳7号在孕穗期3个红边参数达最大值,受高温胁迫后,红边位置向短波方向移动.     

基于支持向量机的棉花冠层叶片叶绿素含量高光谱遥感估算

【目的】建立并研究棉花冠层叶片叶绿素含量的高光谱估算模型,探讨合适的建模方法,以提高棉花叶绿素含量的高光谱遥感估算精度。【方法】以2016年种植的渭北旱塬区棉花鲁棉研28号为试验对象,用SPAD-502型手持式叶绿素仪和HR-1024i便携式地物光谱仪,分别测定棉花不同生育期冠层叶片SPAD值和对应的光谱反射率,分析SPAD值与光谱反射率的相关性。选取8个光谱参数,分析SPAD值与这8个光谱参数的相关性,并采用单因素回归、多元逐步回归和支持向量机(SVM)回归方法,构建棉花冠层叶片叶绿素含量的高光谱估算模型,比较各模型的决定系数(R2)、均方根误差(RMSE)以及相对误差(RE),评价模型的精度。【结果】(1)棉花冠层叶片光谱反射率在400～700nm波段随叶片SPAD值升高而降低,在700～1 000nm波段表现为SPAD值越高,叶片光谱反射率越高;(2)在530～570nm和680～730nm处叶绿素含量与光谱反射率呈极显著负相关(99.99%置信区间,n=144);(3)所选用的8个光谱参数与叶绿素含量均达到极显著相关,相关系数最高为0.686;(4)SVM回归模型验证R2达到了0.884,RMSE和RE最低,分别为2.186和3.419,比单因素回归模型中预测精度最高的SPAD-RVI1的RMSE和RE分别降低46.4%和46.3%,较多元逐步回归模型SPAD-MSR的RMSE和RE分别降低33.4%和32.1%,明显提高了棉花叶绿素含量的估算效果。采用8个光谱参数构建的SPAD-SVM8模型RMSE和RE比采用4个光谱参数构建的SPAD-SVM8模型分别降低了19.2%和23.5%。【结论】支持向量机(SVM)回归方法可以作为棉花冠层叶片叶绿素含量高光谱遥感估算的优选方法,且采用较多光谱参数构建的SVM模型估算精度更高。     

高光谱对冬小麦倒伏的响应

为了解冬小麦倒伏与冠层光谱的响应关系,以2013年6月的倒伏冬小麦为研究对象,通过测定倒伏角度及其冠层光谱,研究倒伏程度与冬小麦冠层原始光谱的关系,并进一步分析倒伏冬小麦与红边特征参数的响应规律。结果表明,在可见光范围内(400~760 nm),倒伏冬小麦的反射率比正常冬小麦的反射率高,冬小麦的倒伏程度与光谱反射率呈正相关;倒伏冬小麦在倒伏角度为20°~60°范围内,光谱反射率的增长速率大致相同。分析红边参数可知,倒伏冬小麦的红边位置随着倒伏程度的增加会发生红移现象,且红边幅值、红边面积随着倒伏程度的增大而增大。研究表明,冬小麦冠层高光谱能够敏感响应冬小麦倒伏程度,可为采用光谱遥感技术实时、快速、无损监测冬小麦倒伏奠定一定的理论基础。     

不同成熟度烟叶高光谱特征分析及与SPAD值的关系

为了探索田间不同成熟度烟叶的高光谱特征以及与SPAD值的关系,分析了不同成熟度烟叶的高光谱反射率、位置变量、面积变量和植被变量等光谱参数的差异。并采用相关分析和逐步回归方法确定高光谱参数与SPAD值的关系。结果表明,随着成熟度的提高,在可见光范围内(480~680 nm),反射率逐渐升高,尤其在500~660 nm范围内,反射率对于不同成熟度的烟叶有较好的"区分效应"。在近红外区域,随着成熟度的提高,烟叶的反射率大体呈现减小的趋势。烟叶的红边面积变化趋势为:先增大后减小;蓝边面积随着成熟度的提高不断增大;SDr/SDb值和(SDr-SDb)/(SDr+SDb)值逐渐减小,且各成熟度间差异达到显著或极显著水平。SPAD值的红谷反射率的回归方程的预测效果较好,基于高光谱特征参数率建立回归模型预测SPAD值是可行的。