基于高光谱遥感数据的水稻叶温反演

[目的]研究水稻叶温与冠层反射光谱间的关系,为水稻叶温的模拟与监测提供理论依据.[方法]利用FieldSpec Pro FR光谱仪和Raynger ST红外温度探测仪测量水稻抽穗期冠层的反射光谱和叶片温度,分析原始反射光谱、一阶微分光谱、归一化植被指数(NDVI)、比值植被指数(DVI)、再归一化差值植被指数(RDVI)和转换型土壤调整指数(TSAVI)与叶温的关系.[结果]叶温的变化直接影响水稻冠层光谱的反射率,影响水稻红边特征.一阶微分光谱与叶温存在极显著相关性(P<0.01,下同),990 nm处相关系数(0.889)最高,885 nm处相关系数(-0.893)最低.选取叶温敏感波段光谱组合计算植被指数,发现RDVI和TSAVI与叶温的关系呈极显著相关,相关系数分别为0.724和0.733.由RDVI和TSAVI建立经验模型,结果显示由TSAVI建立的叶温估算模型效果更好,其验证样本的决定系数为0.610,相对误差为1.97%,均方根误差为2.546.[建议]综合考虑多种预处理方法,最大程度还原光谱信息;优化特征波长的提取,提高建立模型的精度;基于高光谱技术,实现冠层叶温的无损监测.     

双子叶植物叶片类胡萝卜素含量高光谱反演估算

类胡萝卜素(Car)是植物进行光合作用的主要色素之一,在吸收传递光能、保护叶绿素,以及延缓叶片衰老等方面有重要作用。以LOPEX’93数据库为基础,系统分析400~2 500 nm高光谱波段范围内任意两波段组合而成的归一化差值植被指数(NDVI)、比值植被指数(RVI)和差值植被指数(DVI)与双子叶植物叶片Car含量间的定量关系。结果表明,在756 nm处红光波段与809 nm处近红外波段的NDVI_(809,756)、RVI_(809,756),以及750 nm处红光波段与809 nm处近红外波段的DVI_(809,750)都可以较好地实现Car含量反演,建立的回归预测模型的判定系数(R²)均大于0.74。对由各植被指数构建的反演模型进行精度验证发现,NDVI_(809,756)和RVI_(809,756)的估算效果相当,且都好于DVI_(809,750),模型预测精度分别为0.735和0.738,均方根误差分别为1.426 1和1.420 5,平均相对误差分别为13.66%和13.60%。表明基于高光谱数据对双子叶植物叶片Car含量进行估算是可行的。     

基于高光谱遥感的小麦叶片糖氮比监测

 【目的】碳氮代谢反映植株生理状况和生长活力,是小麦籽粒产量与品质形成的生理基础,因而叶片糖氮比的实时无损监测对小麦生长诊断和氮素管理具有重要意义。本研究的主要目的是通过分析小麦叶片糖氮比与冠层高光谱参数的定量关系,确立小麦叶片糖氮比的定量监测模型。【方法】采用不同蛋白质含量的小麦品种在不同施氮水平下进行了连续3年大田试验,于小麦不同生育期采集田间冠层高光谱数据并测定叶片糖氮比值,进而分析建立冠层高光谱参数与叶片糖氮比的回归模型。【结果】小麦叶片糖氮比随施氮水平的提高而下降,随生育进程呈“高-低-高”动态变化模式。利用高光谱对叶片糖氮比进行监测的适宜时期为拔节期至灌浆中期,其中开花期最好。水分特征参数FWBI和Area980与叶片糖氮比关系密切,指数方程拟合决定系数（R2）分别为0.762和0.768,估计标准误差（SE）分别为1.27和1.28。色素特征参数（R750-800/R695-740）-1和VOG2为变量,指数方程拟合决定系数（R2）分别为0.718和0.712,估计标准误差SE分别为1.87和1.95。经不同年际独立试验数据的检验表明,以参数FWBI、Area1190、（R750-800/R695-740）-1和VOG2参数为变量建立的叶片糖氮比监测模型表现很好,预测精度R2分别为0.627、0.618、0.691和0.795,预测相对误差RE分别为19.2%、18.7%、17.9%和18.3%。【结论】与色素指数和水分指数相关的特征光谱参数可以有效地评价小麦叶片糖氮比的变化状况,利用FWBI、Area1190、（R750-800/R695-740）-1和VOG2 4个参数可以对生长盛期的小麦叶片糖氮比进行可靠的监测。     

基于高光谱数据的水稻叶片净光合速率反演

以水稻叶片光谱和光合入射有效辐射(PARin)为数据源,分别使用8种叶绿素相关植被指数和其与PARin的乘积对珞优9348和丰两优4号品种水稻叶片在3种氮肥浓度下的净光合速率进行反演,建立不同氮肥水平下,品种无关的水稻叶片净光合速率估算模型,并验证精度。结果表明:1)仅基于叶绿素相关植被指数反演叶片净光合速率是不可行的,模型R~2均0.48;2)考虑区分品种与氮浓度,使用叶绿素相关植被指数与PARin的乘积来反演叶片净光合速率可以显著提高模型精度,植被指数CI(Chlorophyll Index, CI)反演效果最好,R~2均0.75,RMSE不超过1.85μmol/(m~2·s);3)区分高、低氮水平进行反演,基于CI的模型R~2分别为0.80和0.89,RMSE分别为1.25和1.37μmol/(m~2·s),可满足反演需求。因此,基于叶绿素植被指数CI的模型可适用于不同品种的水稻叶片净光合速率统一反演。     

青山湖水体总悬浮物浓度的高光谱遥感反演

利用2009年11月9日城市湖泊青山湖实测的水体高光谱遥感数据和同步水质采样数据,在分析水体固有光学特性的基础上,采用单波段、两波段比值和一阶微分3种算法进行了湖泊水体总悬浮物浓度（TSS）遥感反演研究。结果表明,单波段、两波段比值和一阶微分模型相关系数均较好,688 nm处一阶微分线性回归模型相关系数R2为0.932 8,RMSE为2.896 1 mg/L,为最佳的TSS实测光谱遥感反演模型,可以用于青山湖水体TSS浓度的反演。该研究可为水质指标大面积的卫星遥感反演研究提供基础。     

基于光能利用率模型模拟干旱胁迫下毛竹林总初级生产力研究

现有的生态系统模型在模拟干旱胁迫下森林生态系统总初级生产力(Gross Primary Productivity,GPP)时存在较大的不确定性,需要探索提高模型解释干旱对GPP影响机理能力的方法。以2011年、2013年和2015年安吉毛竹林通量塔观测数据、MODIS归一化植被指数(MOD13Q1)为数据源,采用结合涡度相关技术的光能利用率模型EC-LUE(Eddy Covariance-Light Use Efficiency)开展毛竹林GPP模拟,并提出提高模型模拟干旱条件下GPP精度的方法。研究结果表明:与非干旱条件相比,干旱条件下GPP与日均温度(Temperature,T)和水蒸气压差(Vapor Pressure Deficit,VPD)的相关关系发生显著改变,由正相关转变为负相关。GPP随T增加而降低的临界温度为15.0℃。GPP随VPD增加呈指数递减关系。将VPD添加到EC-LUE模型(EC-LUEVPD)显著提高了干旱条件下GPP预测精度,2011年和2013年干旱期间GPP模型模拟误差分别降低了7.70%和13.74%。ECLUEVPD模型的预测精度得到明显改善,提高了模拟干旱条件下毛竹林GPP的能力,为模拟气候变化背景下竹林GPP提供可行的方法。     

基于高光谱的水稻叶片含水量监测研究

【目的】建立快速、无损诊断水稻叶片含水量的估测模型,为水稻水分精确管理提供依据。【方法】基于2年不同土壤水分处理和水稻品种的池栽试验,于水稻主要生育时期同步测定顶部4张叶片的光谱反射率和含水量,系统分析350-2 500 nm波段范围内任意两波段组合而成的比值（RSI）、归一化差值（NDSI）及差值（DSI）光谱指数,并分析其与叶片含水量的量化关系。【结果】不同土壤水分处理和叶位间,叶片反射光谱具有显著的时空变化特征,叶片含水量的敏感光谱波段主要位于近红外及短波红外区域;RSI （R1402, R2272）及NDSI （R1402, R2272）光谱指数与叶片含水量呈现良好的线性相关,线性拟合R2均达到0.80。基于独立试验资料对所建模型进行测试检验也显示,预测值和观察值的拟合R2也均达到0.86。【结论】RSI（R1402, R2272）、NDSI（R1402, R2272）均可用于水稻叶片含水量的定量监测。     

荒漠胡杨叶片含水率的高光谱反演

该研究对新疆艾比湖流域进行实地野外调查,并选取典型荒漠植被胡杨,在室外测定胡杨叶片光谱反射率,将光谱数据经处理后分析光谱反射率与叶片含水率的相关性,运用逐步多元线性回归法,建立胡杨叶片含水率高光谱估算模型,并由均方根误差（RMSE）、决定系数(R) 和残留预测偏差（RPD）来检验模型的预测能力和稳定性。结果表明：逐步多元线性回归法建立的模型适合于艾比湖流域胡杨叶片的含水率高光谱估算。反射率一阶微分光谱是检验胡杨叶片含水率较好的指标,检验R高达0.92、RMSE为0.013、RPD为3.13。     

基于近地高光谱遥感的小麦叶片生长参数动态模型研究

【目的】探讨利用遥感技术实时监测小麦叶片生长动态变化。【方法】以生产中大面积推广应用的小麦品种周麦27为试验材料,在2个试验地点布置水氮耦合处理试验,依据相关回归分析筛选出对叶片氮含量（LNC）和叶面积指数（LAI）反应敏感的高光谱植被指数,进而确立了不同产量层次的植被指数生育进程动态模型。【结果】LNC和LAI与近红外短波段735～1 075 nm呈显著正相关关系,而与可见光波段350～730 nm呈显著负相关关系。对LNC敏感的植被指数主要有AIVI、RES和mND924,而对LAI敏感的植被指数主要有ONLI、CI_green和MSR（800,670）,以上2类植被指数和籽粒产量间关系均密切,表现较好的时期主要为拔节期至灌浆中期阶段。采用双LOGISTIC模拟模型方法,优选的方程能够较好地模拟植被指数的生育进程动态轨迹,模型精度（R²）随着产量水平的逐渐提高而增加,低产水平的精度相对较差（0.627～0.703）,而高产及以上水平的R²较高（0.868～0.972）。【结论】高光谱植被指数AIVI和CI_gr...     

南疆植被总初级生产力对区域降水的响应规律

为研究总初级生产力(Gross primary productivity,GPP)对区域降水的响应规律,本研究通过对南疆地区喀什、阿克苏、和田3个市2000—2014年的GPP进行分析,得出GPP的时空分布规律,进而与2000—2011年同期的降水进行耦合分析,以探寻植被GPP与降水之间的响应关系,从而为南疆地区植被生态保持和可持续发展提供依据。结果表明:1)从时间尺度来看,GPP呈现出与季节相关的波动性,年均GPP的极值点基本出现在每年的7月;2)在空间分布上,和田地区的GPP在空间上呈现北低南高的空间格局,阿克苏地区的GPP呈现北高南低的空间格局,并且在数值上存在较大的差异性,喀什地区的GPP呈现北高南低的空间格局,西北部GPP分布比较集中并有较高的值;3)变化趋势上,和田地区呈现上升趋势、阿克苏地区整体比较稳定、喀什地区呈现上升的趋势;4)研究区域内GPP与降水之间均为正相关关系。当降水滞后1个月时,和田及喀什GPP与降水之间的相关系数显著提高,但是阿克苏地区没有表现出时滞性,说明响应关系更加明显。     

Estimating wheat fractional vegetation cover using a density peak k-means algorithm based on hyperspectral image data

Fractional vegetation cover (FVC) is an important parameter to measure crop growth. In studies of crop growth monitoring, it is very important to extract FVC quickly and accurately. As the most widely used FVC extraction method, the photographic method has the advantages of simple operation and high extraction accuracy. However, when soil moisture and acquisition times vary, the extraction results are less accurate. To accommodate various conditions of FVC extraction, this study proposes a new FVC extraction method that extracts FVC from a normalized difference vegetation index (NDVI) greyscale image of wheat by using a density peak k-means (DPK-means) algorithm. In this study, Yangfumai 4 (YF4) planted in pots and Yangmai 16 (Y16) planted in the field were used as the research materials. With a hyperspectral imaging camera mounted on a tripod, ground hyperspectral images of winter wheat under different soil conditions (dry and wet) were collected at 1 m above the potted wheat canopy. Unmanned aerial vehicle (UAV) hyperspectral images of winter wheat at various stages were collected at 50 m above the field wheat canopy by a UAV equipped with a hyperspectral camera. The pixel dichotomy method and DPK-means algorithm were used to classify vegetation pixels and non-vegetation pixels in NDVI greyscale images of wheat, and the extraction effects of the two methods were compared and analysed. The results showed that extraction by pixel dichotomy was influenced by the acquisition conditions and its error distribution was relatively scattered, while the extraction effect of the DPK-means algorithm was less affected by the acquisition conditions and its error distribution was concentrated. The absolute values of error were 0.042 and 0.044, the root mean square errors (RMSE) were 0.028 and 0.030, and the fitting accuracy R² of the FVC was 0.87 and 0.93, under dry and wet soil conditions and under various time conditions, respectively. This study found that the DPK-means algorithm was capable of achieving more accurate results than the pixel dichotomy method in various soil and time conditions and was an accurate and robust method for FVC extraction.     

Rapid determination of leaf water content for monitoring waterlogging in winter wheat based on hyperspectral parameters

Waterlogging is becoming an obvious constraint on food production due to the frequent occurrence of extremely high-level rainfall events. Leaf water content(LWC) is an important waterlogging indicator, and hyperspectral remote sensing provides a non-destructive, real-time and reliable method to determine LWC. Thus, based on a pot experiment, winter wheat was subjected to different gradients of waterlogging stress at the jointing stage. Leaf hyperspectral data and LWC were collected every 7 days after waterlogging treatment until the winter wheat was mature. Combined with methods such as vegetation index construction, correlation analysis, regression analysis, BP neural network(BPNN), etc., we found that the effect of waterlogging stress on LWC had the characteristics of hysteresis and all waterlogging stress led to the decrease of LWC. LWC decreased faster under severe stress than under slight stress, but the effect of long-term slight stress was greater than that of short-term severe stress. The sensitive spectral bands of LWC were located in the visible(VIS, 400–780 nm) and short-wave infrared(SWIR, 1 400–2 500 nm) regions. The BPNN Model with the original spectrum at 648 nm, the first derivative spectrum at 500 nm, the red edge position(λr), the new vegetation index RVI(437, 466), NDVI(437, 466) and NDVI′(747, 1 956) as independent variables was the best model for inverting the LWC of waterlogging in winter wheat(modeling set: R~2=0.889, RMSE=0.138; validation set: R~2=0.891, RMSE=0.518). These results have important theoretical significance and practical application value for the precise control of waterlogging stress.     

基于高光谱的油菜叶面积指数估计

以冬油菜为研究对象,2014-2015年度设计了不同施氮水平直播油菜小区试验,在不同生育时期测量冠层光谱、土壤背景光谱以及叶面积指数(leaf area index,LAI),通过相关分析选取了12个光谱特征参数和11个植被指数,建立6叶期至角果期LAI的5种线性和非线性定量反演模型。结果表明:二次多项式反演模型比较适合估算油菜LAI苗期时以红边参数为代表的光谱特征参数,可准确估算出LAI;6叶期时红边幅值预测模型R~2为0.81,RMSEP为0.39,RPD为1.62;8叶期时红蓝边面积比归一化预测模型R~2为0.79,RMSEP为0.60,RPD为2.30;10叶期时红边幅值预测模型R~2为0.92,RMSEP为0.47,RPD为2.36;盛花期时蓝边面积预测模型R~2为0.87,RMSEP为0.34,RPD为2.57;角果期时以RDVI为代表的植被指数也可准确估算出LAI,预测模型R~2为0.74,RMSEP为0.57,RPD为1.36。油菜全生育期采用相同光谱特征参数、植被指数建模估计LAI精度明显降低,预测R~2远小于0.75,RMSEP大于0.65,RPD值均小于1.40,表明难以采用统一参数建模准确估计油菜全生育期LAI,不同生长时期需选择合适的光谱参数、植被指数分段建模估计LAI。     

基于MODIS数据的河套灌区遥感干旱监测

基于MODIS数据,以河套灌区为研究对象,计算灌区2000—2018年作物主要生育期内(5—8月)4种遥感干旱指数、温度植被干旱指数(TVDI)、植被供水指数(VSWI)、植被状态指数(VCI)、温度状态指数(TCI),并分析了4种干旱指数与0～20cm土壤相对含水量、降水量、灌区引水量相关性以及4种干旱指数之间的相互关系。结果表明:经过相关分析,TVDI与土壤相对含水量的相关性优于其他3种遥感干旱指数;在灌溉水量较多的灌区,遥感干旱指数与降雨量相关性较小而与灌区引水量呈现一定的相关关系。本研究发现TVDI在河套灌区有着良好的适用性。此外,在干旱监测中综合利用多种干旱指数进行分析对提高监测精度,科学合理地预报旱情具有重要意义。     

2000-2010年武汉城市圈建设用地扩张对植被净初级生产力的影响

城市发展是影响生态系统物质循环和能量流动的主要因素之一,研究其对植被净初级生产力(net primary productivity,NPP)的影响,对于区域土地利用的合理规划具有重要意义。本文基于2000-2010年武汉城市圈土地利用数据和NPP数据,分析研究武汉城市圈建设用地扩张及其对NPP的影响。结果表明:1)2000-2010年武汉城市圈建设用地面积持续增加,研究期间建设用地面积增加了57.88%(即1 459.44 km2);2)区域平均NPP由919.55g C/(m2·a)下降为702.95 g C/(m2·a),NPP总量由2 317.66 Gg C/a增加到2 797.91 Gg C/a,增加率为20.72%;3)武汉城市圈的9个市中,建设用地扩张较大的区域主要集中在武汉市及周边地区,2000-2010年武汉市建设用地增加率为80.73%,NPP总量增加了30.53%,由于建设用地平均NPP降低了27.78%,武汉城市圈建设用地NPP总量增加量相对较少。     

基于高光谱数据的滴灌甜菜叶绿素含量估算

为明确甜菜叶绿素含量与高光谱植被遥感的定量关系,探索建立干旱区甜菜叶绿素含量估测模型,即时监测甜菜生长状况,选取新疆滴灌甜菜（Beta356）为研究对象,利用ASD野外高光谱仪在甜菜叶丛快速生长期、块根膨大期与糖分积累期采集各处理反射光谱,并同时测定叶绿素含量,分析原始光谱反射率和一阶微分光谱反射率与叶绿素含量的相关关系,并进一步建立光谱特征参数和敏感波段植被指数叶绿素含量估算模型。结果表明：原始光谱反射率在近红外区（700~1 300 nm）随着氮素水平的增加呈先升高后降低趋势,红边（680~760 nm）也表现出相同趋势,原始光谱反射率在近红外区（700~1 300 nm）随着运筹管理的递进呈现升高趋势,红边（680~760 nm）也表现出相同趋势;原始光谱反射率和一阶微分反射率与叶绿素含量均具有较好的相关性,其最大正相关分别位于902 nm（r=0.574,P<0.01）和676 nm（r=0.843,P<0.01）附近,最大负相关分别位于611 nm（r=-0.664,P<0.01）和1 138 nm（r=-0.727,P<0.01）附近。对所建12个线性模型进行精度检验,其中差值植被指数DR₆₇₆–DR₄₄₆和DR₆₇₆估算模型的预测值与实测值的决定系数分别达到0.774和0.781,以DR₆₇₆所建立的估算模型最优。本研究为快速无损监测甜菜生长状况、制定氮素管理方案、指导甜菜氮肥管理提供支持。     

GF-1/WFV在玉米叶面积指数估算中的应用研究

叶面积指数(leaf area index,LAI)是植被冠层重要的结构参数之一,与冠层生理过程密切相关,也是植被遥感领域关注的重要参数之一.本研究对已在轨运行7年的高分一号卫星WFV传感器的植被监测性能进行评测,以吉林省农安县典型玉米分布区作为研究区域,结合地面同步观测的叶面积指数和冠层光谱等实测数据,借助归一化植被...