不同氮素水平下水稻LAI与冠层反射光谱的定量关系（英文）

通过光谱遥感技术对水稻长势进行监测,可以为水稻高产高效生产提供科学依据。该研究以晚稻天优华占为供试品种,设置不同施氮量的田间试验,研究不同氮素水平下水稻叶面积指数与冠层光谱反射率之间的关系,结果表明水稻叶面积指数有随着施氮量增加而增加的趋势,冠层光谱对不同施氮量群体有明显的响应特征,叶面积指数与冠层光谱反射率在720 nm左右的红边区域相关系数最大,进一步构建了水稻LAI与冠层反射光谱的数学模型。     

不同氮素水平下水稻LAI与冠层反射光谱的定量关系

通过光谱遥感技术对水稻长势进行监测,可以为水稻高产高效生产提供科学依据.该研究以晚稻天优华占为供试品种,设置不同施氮量的田间试验,研究不同氮素水平下水稻叶面积指数与冠层光谱反射率之间的关系,结果表明水稻叶面积指数有随着施氮量增加而增加的趋势,冠层光谱对不同施氮量群体有明显的响应特征,叶面积指数与冠层光谱反射率在720 nm左右的红边区域相关系数最大,进一步构建了水稻LAI与冠层反射光谱的数学模型.     

花生红边特征及其叶面积指数的高光谱估算模型

选用大花生品种丰花1号作为试验材料,设置5个氮素水平的小区试验。在不同发育期同步测定花生冠层的光谱反射率及其叶面积指数,利用花生冠层的光谱反射率数据提取红边参数,分析其变化规律及花生叶面积指数与红边参数的相关性。估算结果表明：花生冠层红边一阶微分光谱呈“双峰”现象,红边位置位于707～724 nm之间,在花生生长旺盛期间出现“红边平台”,结荚期以后有明显的“蓝移”现象;叶面积指数与冠层光谱红边参数之间在结荚期-饱果初期显著相关,但开花期相关性不显著,利用结荚期-饱果期的红边参数可以估算花生的叶面积指数,最后建立了结荚期-饱果期和整个生育期的花生叶面积指数的估算模型。     

水稻叶面积指数和叶片生化成分的光谱法研究

利用光谱仪通过大田试验和室内测量不同氮素水平及不同时期水稻叶片的光谱反射率，测算叶面积指数LAI；利用生化方法测量相应叶片的叶绿素含量，蛋白质含量和纤维素含量；在此基础上分析了水稻叶面积指数与光谱变量，叶片生化成分与光谱变量及叶面积指数之间的相关性。结果表明；水稻叶面积指数与比值植被拽数RVI及归一化差值植被指数NDVI呈显著相关，不同氮素水平的水稻叶片的叶绿素，蛋白质及纤维素含量与LAI之间的R^2在抽穗期均达到0.75以上，其中叶绿素，纤维素含量与光谱变量的相关达显著水平，不同时期纤维素与光谱变量及LAI之间相关达显著水平，从而证明通过光谱法可以推算水稻叶片的叶绿素含量，蛋白质含量和纤维素含量。     

基于新型植被指数的冬小麦LAI高光谱反演

【目的】本研究旨在分析冠层叶片水分含量对作物冠层光谱的影响,构建新型光谱指数来提高作物叶面积指数高光谱反演的精度。【方法】在冬小麦水肥交叉试验的支持下,分析不同筋性品种、施氮量、灌溉量处理下的冬小麦叶面积指数冠层光谱响应特征,并分析标准化差分红边指数(NDRE)、水分敏感指数(WI)与叶面积指数的相关性,据此构建一个新型的植被指数——红边抗水植被指数(red-edge resistance water vegetable index,RRWVI)。选取常用的植被指数作为参照,分析RRWVI对于冬小麦多个关键生育期叶面积指数的诊断能力,随机选取约2/3的实测样本建立基于各种植被指数的叶面积指数高光谱响应模型,未参与建模的样本用于评价模型精度。【结果】研究结果表明,随着生育期的推进,冬小麦的叶面积指数呈先增加后降低的变化趋势,不同的水肥处理对冬小麦叶面积指数具有较大影响。开花期之后冬小麦LAI显著下降,强筋小麦(藁优2018)在整个生育期叶面积指数均高于中筋小麦(济麦22);不同氮水平下冬小麦冠层光谱反射率在近红外波段(720—1 350 nm)随着施氮量的增加而增大,与氮肥梯度完全一致,其中2倍氮肥处理的近红外反射率达到最高;不同生育期下冬小麦冠层光谱反射率变化波形大体一致;各个关键生育期的NDRE和WI均存在较高的相关性,而NDRE与LAI的相关性明显优于WI,新构建的植被指数RRWVI与LAI的相关性均优于NDRE、WI;虽然8个常用的植被指数均与LAI存在显著相关,但RRWVI与LAI相关性达到最大,其拟合曲线的决定系数R2为0.86。【结论】通过分析各种指数所构建的冬小麦叶面积指数高光谱反演模型,新构建的RRWVI取得了比NDRE、NDVI等常用植被指数更为可靠的反演效果,说明本研究新构建的红边抗水植被指数可有效提高冬小麦叶面积指数的精度。     

农作物LAI和生物量的高光谱法测定

通过田间小区试验,测定了水稻、玉米、棉花3种共6个品种作物冠层不同生育期的高光谱反射率及对应叶面积指数和地上生物量,分析了其高光谱变量和红边参数与叶面积指数、地上生物量及叶重量的相关性。结果表明:13种作物冠层高光谱反射率与其生育期有关,其反射率最大值的比较结果是棉花>玉米>水稻。23种作物的叶面积指数、叶鲜重、叶干重与其冠层光谱变量ρ990/ρ550,ρ800/ρ550,ρ750/ρ550,ρ800/ρ680及冠层红边参数λr,Dλr之间均极显著相关,但地上鲜生物量和地上干生物量与上述光谱变量和红边参数之间相关性较差,说明可通过高光谱遥感方法估测水稻、玉米、棉花的叶面积指数、地上鲜生物量、叶鲜重和叶干重。     

基于便携式作物生长监测仪的水稻生长指标光谱监测研究

为验证作物生长监测仪无损监测水稻各项长势指标的准确性,并建立基于CGMD302作物生长监测光谱仪的水稻叶面积指数、生物量、氮积累量的监测模型。本研究通过实施5个氮素水平的水稻田间实验,采用甬优538和浙优18 2个水稻品种,利用仪器监测水稻冠层从分蘖期至灌浆期归一化植被指数(NDVI)和比值植被指数(RVI),同步测定水稻叶面积指数、生物量和氮积累量3个农学参数,分析水稻叶面积指数、生物量、氮积累量随移栽后天数的动态变化,分别建立了叶面积指数、生物量、氮积累量与作物生长监测仪所测得光谱参数之间的预测模型。结果发现,水稻叶面积指数、干物重和氮积累量随施氮水平的增加而增大,随移栽后天数的增加逐渐变大。甬优538和浙优18在各个生育时期NDVI、RVI与叶面积指数、生物量、氮积累量的R²值均在0.7以上,具有极显著的相关性。构建的全生育期NDVI、RVI与叶面积指数、生物量和氮积累量呈指数函数关系,R²值均在0.75以上。因此,本研究所采用的作物生长监测仪器可用于准确地获取水稻冠层的NDVI和RVI,实时有效地反映和监测水稻的生长状况。     

不同氮素营养水平的水稻冠层光谱红边参数及其应用研究

通过对不同氮素营养水平水稻冠层光谱特性的田间试验研究，发现红边位移现象：在孕穗期之前，红边随施氮量增加向长波方向“红移”；孕穗期后“红移”现象基本消失，而发生“蓝移”。红边参数(红边、红边振幅、红边振幅与最小振幅的比值、红边峰值面积)与上层叶片的叶绿素含量、LAI、累积施氮量有着密切的关系，而与叶片中的叶绿素b、类胡萝卜素、蛋白氮和非蛋白氮之间的相关性不明显。一些红边参数可作为水稻叶绿素含量、LAI测定的简便方法。     

利用光谱法测定水稻生物物理参数及其与光谱变量的相关性研究

选用水稻品种秀水63和武进9728，利用光谱仪通过大田试验和室内测量测定不同氮素水平及不同时期水稻叶片的光谱反射率，利用GIS法测定叶面积指数(LAI)，并测量相应植株的叶形状参数(LSP)、叶片重量、茎重、地上鲜生物量、地上干生物量、叶片含水率及茎含水率等生物物理参数，在此基础上分析了水稻生物物理参数与光谱变量之间的相关性。结果表明，LAI与比值植被指数(RVI)和归一化植被指数的相关系数(NDVI)在0．85以上，达到极显著水平，而地上生物量与比值植被指数和归一化植被指数的相关系数在0．65以上，也达到显著性水平。     

基于人工神经网络的大豆叶面积高光谱反演研究

【目的】探索不同高光谱模型监测大豆叶面积指数LAI的精度。【方法】实测不同水肥耦合作用下，大豆冠层的高光谱反射率与叶面积指数（Leaf Area Index）数据，对二者进行相关分析；采用敏感波段(801nm,670nm)构建RVI, NDVI, SAVI, OSAVI 和MTVI2植被指数，建立大豆LAI估算模型；最后采用相关系数较大的波段作为神经网络模型的输入变量进行大豆LAI的估算。【结果】大豆LAI与光谱反射率在可见光波段呈负相关、近红外波段呈正相关、红边处相关系数由负变正；微分光谱在三边处与大豆LAI关系密切，在红边处取得最大回归确定性系数（R2 = 0.86）。植被指数可以较为精确反演大豆LAI，确定性系数R2>0.84。人工神经网络模型可以大大提高大豆LAI的估算水平，当隐藏层节点数为2时，R2为0.92，随着隐藏层节点数的增加，R2可高达0.96；在没有黄熟期数据干扰的情况下，神经网络可以进一步提高大豆LAI的反演精度，R2可高达0.99。【结论】与基于植被指数建立的模型相比，神经网络模型可以有效避免因LAI过高而出现的过饱和现象，大大提高了LAI的反演精度。     

基于主动光谱仪的水稻叶面积指数监测

叶面积指数(LAI)是描述作物长势的重要参数,LAI的实时动态监测对水稻生长诊断和管理调控具有重要意义.为分析水稻LAI与光谱参数的定量关系,设置了不同年份、不同氮肥水平的田间试验,于移栽后定期测试水稻冠层光谱参数,并同步定株测量LAI.结果表明,LAI可以基于主动光谱仪构建的植被指数(NDVI和RVI)进行模拟,NDVI(770,660)、RVI(770,660)均能较好地模拟LAI,预测精度分别为0.97、0.92,RMSE分别为0.41、1.32,RE分别为0.16、0.28,利用主动光谱仪可以实现水稻LAI的快速无损监测,为指导水稻精确管理提供了技术支持.     

建立大田早稻农学光谱估产模式研究初报

大田试验结果表明,不同氮素水平的水稻冠层光谱之反射率存在着极显著差异。其中630～690nm,760～900nm和520～600nm三个波段可作为检测水稻氮素水平的敏感波段。利用测定光谱反射,通过光谱变量计算以估测LAI和Chl等农学参数是可行的。单一生育期光谱建模估产的精度较低,而且应用时生育期也难统一。RVI复合估产模式和LAI-RVI综合估产模式的精度很高,但仍只是“样板模式”,实际应用于大田估产时,仍需进行多点试验,进一步验证模式并建立一套修正方法,以适应不同熟制和不同产量水平的需要。     

Common Spectral Bands and Optimum Vegetation Indices for Monitoring Leaf Nitrogen Accumulation in Rice andWheat

Real-time monitoring of nitrogen status in rice and wheat plant is of significant importance for nitrogen diagnosis, fertilization recommendation, and productivity prediction. With 11 field experiments involving different cultivars, nitrogen rates, and water regimes, time-course measurements were taken of canopy hyperspectral reflectance between 350-2 500 nm and leaf nitrogen accumulation (LNA) in rice and wheat. A new spectral analysis method through the consideration of characteristics of canopy components and plant growth status varied with phenological growth stages was designed to explore the common central bands in rice and wheat. Comprehensive analyses were made on the quantitative relationships of LNA to soil adjusted vegetation index (SAVI) and ratio vegetation index (RVI) composed of any two bands between 350-2 500 nm in rice and wheat. The results showed that the ranges of indicative spectral reflectance were largely located in 770-913 and 729-742 nm in both rice and wheat. The optimum spectral vegetation index for estimating LNA was SAVI (R822,R738) during the early-mid period (from jointing to booting), and it was RVI (R822,R738) during the mid-late period (from heading to filling) with the common central bands of 822 and 738 nm in rice and wheat. Comparison of the present spectral vegetation indices with previously reported vegetation indices gave a satisfactory performance in estimating LNA. It is concluded that the spectral bands of 822 and 738 nm can be used as common reflectance indicators for monitoring leaf nitrogen accumulation in rice and wheat.     

Inversion of Biochemical Parameters by Selection of Proper Vegetation Index in Winter Wheat

Recent studies have demonstrated the application of vegetation indices from canopy reflected spectrum for inversion of chlorophyll concentration.Some indices are both response to variations of vegetation and environmental factors.Canopy chlorophyll concentration,an indicator of photosynthesis activity,is related to nitrogen concentration in green vegetation and serves as an indicator of the crop response to soil nitrogen fertilizer application.The combination of normalized difference vegetation index (NDVI) and photochemical reflectance index (PRI) can reduce the effect of leaf area index (LAI) and soil background.The canopy chlorophyll inversion index (CCII) was proved to be sensitive to chlorophyll concentration and very resistant to the other variations.This paper introduced the ratio of TCARI/OSAVI to make accurate predictions of winter wheat chlorophyll concentration under different cultivars.It indicated that canopy chlorophyll concentration could be evaluated by some combined vegetation indices.     

高光谱数据与水稻农学参数之间的相关分析

通过田间小区试验,获取水稻整个生育期内不同氮素处理的叶面积指数(LAI)、叶片叶绿素含量(CHL.C)、叶绿素密度(CHL.D)与高光谱分辨率遥感数据.分析其变化过程,并利用微分技术处理水稻群体反射光谱以减少土壤等低频背景光谱噪音的影响.通过单相关分析和逐步回归方法研究水稻LAI、CHL.C、CHL.D分别与光谱反射率、反射率的一阶微分光谱的相关关系.结果表明,微分技术能够改善光谱数据与LAI、CHL.C的相关性,而与鲜叶CHL.D的相关性较低.     

利用高光谱法估测稻穗稻谷的粗蛋白质和粗淀粉含量

 蛋白质含量和粗淀粉含量是水稻品质的两个重要指标。通过大田和室内试验，测定了5个品种、3个供氮水平处理的水稻冠层和稻穗在成熟过程中不同时期的高光谱反射率及稻谷的高光谱，分析了稻穗稻谷的粗蛋白及粗淀粉含量。结果表明，稻穗粗蛋白及粗淀粉含量与冠层光谱及其一阶导数光谱在某些波段达到显著相关、与稻穗粉末样光谱及其一阶导数光谱在某些波段也达到显著相关，其中决定系数R2约0.7；稻谷粗蛋白含量与粗淀粉含量呈负相关，它们与稻谷光谱及其一阶导数光谱在某些波段达到极显著相关水平。表明能用高光谱方法估算稻穗和穗谷的粗蛋白及粗淀粉含量，为水稻品质遥感监测提供依据。     

利用高光谱数据估测不同温度胁迫下的水稻籽粒中粗蛋白和直链淀粉含量

水稻籽粒粗蛋白和直链淀粉含量是评价稻米品质的两个主要指标。本文以不同温度胁迫下的水稻田间试验为基础,分析水稻成熟籽粒粗蛋白和直链淀粉含量与不同生育期冠层反射光谱的相关性。结果显示,水稻籽粒的粗蛋白和直链淀粉含量与不同生育期冠层原始光谱和一阶导数在某些波段达到极显著或显著相关水平。进一步分析比值植被指数、差值植被指数、归一化植被指数和红边参数等光谱参数与成熟籽粒粗蛋白和直链淀粉含量的相关性,用回归分析方法对相关拟合较好的参数进行筛选,建立了水稻成熟籽粒粗蛋白含量(GCPC)和直链淀粉含量(GAC)监测模型,运用独立观测数据对模型进行检验,其预测值与实测值的精确度为0.393-0.683,准确度为0.708-0.923,RMSE值为8.706%-11.296%。表明模型预测值与实测值之间具有较高的符合度,对水稻籽粒粗蛋白质和直链淀粉含量具有较好的预测性。     

利用高光谱技术估测小麦叶片氮量和土壤供氮水平

有效的监测作物氮素营养水平及土壤供氮能力可以为合理施用氮肥提供重要依据。本文以2 年3 点不同氮素水平下不同小麦品种的田间试验数据为基础,运用植被指数和偏最小二乘回归法,比较和分析小麦冠层光谱与叶片氮含量及土壤氮含量的关系。结果表明：小麦冠层光谱与叶片氮含量的相关性分析在可见光波段存在显著负相关,在近红外波段呈显著正相关,而与土壤氮含量的相关性呈相反趋势。基于光谱参数ND705 和GNDVI所建叶片氮含量估算模型的决定系数分别达到0.827 和0.826。基于光谱参数VOG2 所建土壤氮含量估算模型的决定系数达到0.646;与植被指数所建模型相比,综合350~1350 nm光谱波段反射率分别与小麦叶片氮含量、土壤氮含量建立偏最小二乘回归模型的预测精 度均有所提高,决定系数分别达到0.842 和0.654。本研究结果可为小麦氮素营养及土壤供氮水平的诊断监测与合理施肥管理提供了理论依据和技术支持。