基于冠层反射光谱的大豆生物量预测模型研究

生物量与产量密切相关,建立生物量无损预测模型对于大豆产量预测及栽培管理均有重要意义。通过分析大豆生物量积累量与冠层光谱反射率及其衍生的比值植被指数(RVI)、归一化植被指数(NDVI)及差值植被指数(DVI)之间的关系,确立大豆生物量积累量的敏感波段及预测模型。结果表明:冠层光谱反射率在560nm时与大豆地上生物量相关系数最大(R=-0.91,P0.05),三个可见光波段(485、560和660nm)和两个近红外波段(830和1 650nm)组成的比值植被指数RVI(830和560nm)与大豆生物量积累量的相关系数显著。通过逐步回归分析确立大豆生物量的预测模型,560nm反射率与大豆地上生物量相关关系的决定指数R2高达0.85,RVI 830_560与大豆地上生物量相关关系的决定指数R2为0.77。     

关中地区小麦冠层光谱与氮素的定量关系

【目的】分析不同生育期及整个生育期小麦叶片氮含量(LNC)与冠层光谱反射特征的关系,以实现对田间小麦活体氮素营养状况的监测,为小麦叶片氮素状况的精确诊断提供依据。【方法】以位于陕西关中地区杨凌揉谷镇、扶风马席村和巨良农场的3个小麦试验田为研究对象,测定不同长势及生育期小麦LNC及冠层光谱反射率,分析不同长势下小麦LNC和反射率的变化,并研究氮含量与冠层光谱反射率的相关性,以及小麦LNC与比值植被指数(RVI)、归一化植被指数(NDVI)的相关性,建立小麦LNC的敏感波段及光谱监测模型。【结果】在同一生育期,长势差的小麦叶片氮含量较低,长势较好的叶片氮含量高。与单波段相比,组合波段构成的植被指数RVI、NDVI与LNC的相关性明显提高,近红外波段(730~1 075nm)和红波段630,660,690nm组成组合波段的RVI、NDVI与LNC呈极显著正相关,其中LNC与RVI的相关性较高。利用独立的小麦田间试验数据,采用通用的均方根差(RMSE)、决定系数(R2)、准确度(斜率)3个指标对所建立的模型进行检验,最终选取RVI(970,690)为监测小麦LNC的最佳光谱参数,构建的最佳模型为LNC=0.176 3×RVI(970,690)0.775 6,R2为0.863,RMSE为0.137,准确度为0.979,接近于1。【结论】利用小麦冠层光谱反射率构建了预测小麦LNC的最佳模型,该模型具有较好的准确度和普适性,适用于整个生育期小麦叶片氮含量的监测。     

倒伏春性冬小麦冠层光谱特征及倒伏严重度预测

采用高光谱仪测定不同春性冬小麦品种于不同时期倒伏的群体冠层光谱反射率,分析不同倒伏条件下的小麦冠层光谱特征,建立可快速、有效监测小麦倒伏严重程度的数学模型,为合理评价倒伏程度提供依据。结果表明,小麦倒伏后冠层光谱反射率增加,可见光波段550 nm附近出现1个波峰,670 nm附近出现1个波谷;近红外波段1 000 nm处出现1个较明显的波动,呈现2个波谷,1个波峰。同一倒伏级别下,倒伏时期不同,光谱反射率曲线存在差异,可见光波段乳熟末期冠层反射率高于开花期光谱反射率,而近红外波段恰好相反;在同一倒伏时期,倒伏级别越高,光谱反射率越大。倒伏级别与冠层光谱反射率的相关系数于760 nm处达最大(r=0.973 4**)。与NDVI、RVI、DVI相比,采用760 nm处冠层光谱反射率和DVI可有效评估春性冬小麦倒伏严重度。     

基于光谱植被指数的烤烟氮碱量及氮碱比监测研究

[目的]为了实现烤烟氮碱量及氮碱比田间动态变化的实时无损监测,设计了基于MSR216型多光谱辐射计的烤烟氮碱量及氮碱比监测试验。[方法]设置2种施氮模式,以基于SPAD(叶绿素仪)值精准氮素施肥管理(阈值为43)进行建模,利用当地生产上农家常规施氮模式进行验证。用多光谱辐射计采集烤烟的冠层光谱数据,并对烤烟6个生长时期的氮碱量、氮碱比与可见光波段及近红外波段反射率组成的比值植被指数、归一化植被指数、差值植被指数进行相关性分析。[结果]叶片烟碱含量与归一化植被指数NDVI(870,510)的相关系数最高(r=0.900);全氮含量和氮碱比则与比值植被指数RVI(1 650,710)的相关系数最高(r=0.898、0.911)。氮碱量、氮碱比与植被指数均构建了最佳的监测模型,模型预测精度分别达到0.935、0.827、0.926,RMSE分别为0.574、0.553、1.245,预测效果较好。[结论]冠层光谱能够较好地监测和跟踪冠层氮碱量以及氮碱比的动态变化。     

基于荧光参数的棉花盛铃期水分状况高光谱监测

【目的】研究棉花盛铃期反射光谱、荧光参数Fv/Fm(PSⅡ最大光化学量子产量)的变化特征,确立叶绿素荧光参数与棉花冠层高光谱植被指数的相关关系。为高光谱遥感监测棉花的水分状况提供理论依据。【方法】选用棉花品种新陆早45号和新陆早62号,采用美国ASD地物高光谱仪测定田间试验条件下,设置4个不同灌水量处理,研究2个棉花品种盛铃期的冠层反射光谱,同期利用PAM-2100叶绿素荧光仪测定棉花叶片的Fv/Fm,并用相关软件对棉花的反射光谱数据及Fv/Fm进行处理并作相关分析,建立相关回归模型。【结果】不同水分处理条件下,棉花冠层反射光谱的变化趋势相似;棉花新陆早62号盛铃期的单叶荧光参数Fv/Fm与棉花冠层高光谱反射率在350~514 nm、612~692 nm和1 945~2 076 nm波段范围内呈极显著正相关,而在708~1 361 nm和1 621~1 740 nm波段范围内呈极显著负相关;采用敏感波段构建植被指数NDVI(归一化植被指数)和RVI(比值植被指数),RVI与Fv/Fm的相关性较高(r_RVI-Fv/Fm=-0.721 5^**,n=20,P<0.01);建立Fv/Fm与RVI的估算模型方程,Fv/Fm估测值与实测值呈极显著线性正相关(r_{估测Fv/Fm-实测 Fv/Fm}=0.723 0^**,n=20,RMSE=1.186×10^-2)。【结论】利用荧光参数Fv/Fm与植被指数RVI的相关关系,可以监测棉花盛铃期的水分胁迫状况。     

加工番茄叶绿素密度与高光谱数据的相关分析

[目的]分析加工番茄高光谱数据与叶绿素密度的相关关系,为加工番茄生育期生长状况的实时、无损、快速的遥感监测提供理论依据.[方法]通过非成像ASD地物光谱仪获取加工番茄两个品种四个氮素水平冠层关键生育时期的反射光谱,与其相应的冠层叶绿素密度(CH.D)进行逐步回归相关分析.加工番茄冠层CH.D分别在其近红外反射光谱757 nm波段处和红光677 nm波段处的相关系数达最大值(rp757 -CH.D=0.7521**,rp677 -CH.D=-0.8437**,n=44,α=1;);采用这两个波段的反射率分别组成了归一化植被指数(NDVI)和比值植被指数(RVI),建立与加工番茄CH.D的5种线性和非线性的相关模型.[结果]NDⅥ和RVI所构建的加工番茄CH.D的双曲线函数模型的相关性和精度最高,再采用这两个植被指数的双曲线函数模型分别对加工番茄CH.D进行估算,它们的实测CH.D与估测CH.D的相关性均达到极显著检验水平(r实测CH.D-NDVI估测的CH.D -NDVI=0.8041**,r实测CH.D-RVI估测CH.D- RVI=0.8094**,n=44,α=1;),估算精度均为86.6;.[结论]利用高光谱植被指数可以精确提取加工番茄冠层叶绿素密度信息并对其进行遥感估算研究.     

麦长管蚜胁迫下不同小麦品种冠层光谱特征及其预测模型

[目的]构建不同小麦品种基于冠层光谱参数的麦长管蚜百株蚜量预测模型。[方法]采用便携式野外光谱仪测定不同百株蚜量下3个小麦品种‘1376’‘Amigo’和‘小偃-22’的冠层高光谱反射率,并对冠层反射率与百株蚜量进行了相关和回归分析。[结果]在400~900nm波段内,随着百株蚜量的增加,3个小麦品种冠层光波反射率下降,且部分波段内达到极显著水平(P<0.01);选择可见光波段的405nm、近红外波段的835nm作为3个小麦品种共有的特征波长点,构建出的3个小麦品种的百株蚜量预测模型的显著性均达到极显著水平(P<0.01),且3个小麦品种405nm波长点模型均优于835nm波长点。[结论]利用高光谱信息同时预测不同小麦品种麦长管蚜百株蚜量是完全可行的。     

烤烟冠层光谱参数与地上生物量的相关性研究

[目的]明确烤烟(Nicotiana sanderae)地上生物量与冠层光谱参数的相关性。[方法]大田条件下设置5个氮肥施用梯度,利用相关分析对地上鲜生物量和冠层光谱参数的相关性进行分析。[结果]一定范围内,施氮量增加,对团棵期和旺长期的烤烟地上鲜生物量表现出较明显的促进效应。与地上鲜生物量相关性最强的单波段反射率波长均为550 nm,R=-0.949 0;相关性最强的植被指数为RVI(1 050,550),R=0.983 1。[结论]该研究可为开发基于冠层光谱的烤烟长势监测仪器提供研究基础和数据支撑。     

小麦不同生育期水肥管理与产量模型构建

[目的]建立小麦在不同生育期的水肥管理与产量的关系模型.[方法]用主动遥感仪器Green seeker 进行检测小麦冠层归一化植被指数(NDVI)以及比值植被指数(RVI),解析小麦冠层植被指数与生长状况的变化规律;分析NDVI、RVI与实际产量关系,建立小麦产量预测模型;最终以NDVI、RVI作为过渡参数,反演产量与小麦在不同生育期的水肥管理的最佳模型.[结果]小麦水肥一体化管理直接影响小麦产量,不同生育期水肥一体化小麦生长模型和植被指数小麦估产模型的标准误差都小于0.05.[结论]建立了小麦不同生育期的产量与水肥一体化管理模型.     

基于高光谱遥感的冬小麦叶水势估算模型

【目的】采用高光谱技术,建立快速、无损与准确获取冬小麦叶水势的估算模型,为小麦灌溉的精确管理提供科学依据。【方法】利用不同水分处理的大田试验,于小麦主要生育期同步测定冠层光谱反射率、叶水势、土壤水分等信息,并探讨高光谱植被指数与冬小麦叶水势之间的定量关系。通过相关性分析、回归分析等方法,基于不同水分处理,构建4种植被指数与冬小麦叶水势的估算模型。【结果】不同水分处理和不同生育期的冬小麦,其冠层光谱反射率具有显著的变化特征。在可见光波段,冬小麦冠层反射率随着水分含量的增加而逐渐降低,而在近红外波段,其冠层反射率则随着土壤水分含量的增加而升高。随着小麦生育期的推进,在近红外波段,抽穗期的冠层反射率比拔节期的高,在灌浆期之后,红波段(670 nm)、蓝波段(450 nm)的反射率上升加快;4种植被指数与叶水势显著相关(P0.05),相关系数|r|均在0.711以上,四者均可用于冬小麦叶片水势的定量监测。在充分供水条件下(70%FC),植被指数OSAVI和EVI2与叶水势的相关系数|r|(分别为0.75和0.771)均低于植被指数NDVI和RVI与叶水势的相关系数|r|(分别为0.808和0.896),而在重度水分亏缺条件下(50%FC),植被指数OSAVI和EVI2与叶水势的相关系数|r|(分别为0.857和0.853)均高于植被指数NDVI和RVI与叶水势的相关系数|r|(分别为0.711和0.792);所建模型对45个未知样的预测结果与实测值相似度较高,其回归模型R~2、验证模型MRE、RMSE的范围分别为0.616—0.922、-17.50%—-12.52%、0.102—0.133。在70%FC水分处理下,基于EVI2(enhanced vegetation index)所得叶水势估算模型的R~2最高,为0.922,而在60%FC和50%FC水分处理下,由于考虑了土壤背景的影响,基于OSAVI所建模型的R~2最高,分别为0.922和0.856。【结论】4种植被指数均可用于冬小麦叶水势的定量监测。但是,在构建不同水分处理的叶水势估算模型时,应考虑土壤背景对冠层光谱的影响。研究结果可以为小麦精准灌溉管理提供技术依据,为星载数据的参数反演提供模型支持。     

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.     

光谱技术在冬小麦氮素营养诊断中的应用研究

 1997～1999年度3个冬小麦田间试验结果表明，氮素营养水平直接影响冬小麦冠层光谱反射特性，红光波段和近红外波段是冬小麦氮素营养诊断的敏感波段，采用红光波段和近红外波段计算的比值植被指数RVI可以较为灵敏地反映冬小麦氮素营养水平。RVI与茎基部硝酸盐含量和叶绿素测定值等常规诊断指标均呈线性正相关关系，适宜作为氮素营养诊断指标。     

不同时期大豆光谱反射率与干物重线性回归分析

通过对近红外和可见光波段光谱反射率的分析,确定大豆地上部干物重的敏感波段,计算出相应的植被指数,建立植被指数与大豆地上部干物质量预测模型y=-493.77x+324.55,并能较为准确地预测大豆地上部干物重。     

典型农作物波谱与环境要素的关系研究

农作物冠层光谱是植物冠层光谱与周围环境光谱的混合光谱。利用北京小汤山地区的冬小麦在2001年4~5月生长期内的土壤含水量和冬小麦波谱观测数据,以及北京海淀区的夏玉米在2003年7~9月生长期内的LAI和夏玉米波谱观测数据,分析了在不同生育时期条件下,典型农作物(如冬小麦,夏玉米)的波谱数据与主要环境要素之间的相互关系。结果表明:在夏玉米抽丝期前叶面积指数与冠层光谱反射率相关性较差,而在抽丝期后相关性较好;冬小麦的苗期土壤含水量与冠层光谱在近红外波段相关系数较高,并在1 360~1 380 nm拟合得出方程。经检验,在α=0.01水平下是显著的。     

基于高光谱的冬小麦叶面积指数估算方法

【目的】冬小麦叶面积指数是评价其长势和预测产量的重要农学参数,高光谱技术监测叶面积指数的方法能够实现快速无损的监测管理。本文旨在将田间监测和高光谱遥感相结合,探索研究中国南方江汉平原地区冬小麦的最佳波段、光谱参数及监测模型。【方法】研究选取江汉平原的湖北省潜江市后湖管理区,利用ASD地物光谱仪和SunScan冠层分析系统在田间对冬小麦的冠层光谱及叶面积指数的变化进行监测,并探讨高光谱植被指数与冬小麦叶面积指数之间的定量关系。通过相关性分析、回归分析等方法构建6种植被指数与冬小麦叶面积指数的反演模型。【结果】冬小麦冠层光谱反射率中近红外波段870 nm,红光波谷670 nm,绿光波峰550 nm,蓝光450 nm波段对叶面积指数变化最为敏感,通过构建植被指数与叶面积指数模型,相关性均较好,决定系数（R2）为0.675-0.757,其中NDVI反演模型的R2最高为0.757。【结论】经模型精度检验,NDVI植被指数反演模型的精度较其它模型好,较适合对研究样区的冬小麦进行叶面积指数反演。     

小麦氮素积累动态的高光谱监测

 【目的】研究小麦地上部氮积累量与冠层高光谱参数的定量关系,分析多种高光谱参数估算地上部氮积累量的效果。【方法】连续3年采用不同蛋白质含量的小麦品种在不同施氮水平下进行大田试验,于小麦不同生育期采集田间冠层高光谱数据并测定植株不同器官生物量和氮含量。【结果】植株氮积累量随着施氮水平的提高而增加,不同地力水平间存在明显差异。植株氮积累量的光谱敏感波段主要存在于近红外平台和可见光区,而地上部氮积累量与冠层光谱的相关性明显降低。对植株氮积累量的光谱估算,在不同品种、氮素水平、生育时期和年度间可以使用统一的光谱模型。在籽粒灌浆期间植株氮积累量自开花期随时间进程的积分累积值与对应时期籽粒氮素积累状况存在显著的定量关系,根据特征光谱参数植株氮素营养籽粒氮积累量这一技术路径,以植株氮积累量为交接点将模型链接,建立高光谱参数与籽粒氮积累量间定量方程。将植株氮积累量与籽粒氮积累量相加,确立了基于高光谱参数的籽粒灌浆期间地上部氮积累量监测模型。经不同年际独立资料的检验表明,利用光谱参数SDr/SDb、VOG2、VOG3、RVI（810,560）、[（R750-800）/（R695-740）]-1和Dr/Db建立模型可以实时监测小麦地上部氮素积累动态变化,预测精度R2分别为0.774、0.791、0.803、0.803、0.802和0.778,相对误差RE分别为16.7%、15.5%、15.6%、18.5%、15.5%和17.3%。【结论】利用关键特征光谱参数可以有效地评价小麦地上部氮素积累状况,其中尤以植被指数VOG2、VOG3和[（R750-800）/（R695-740）]-1的效果更好。     

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。     

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。