基于棉花冠层光谱的土壤氮素监测研究

通过连续2年小区氮肥试验,在棉花不同生育期采集冠层高光谱数据并同步测定土壤氮含量,分析棉花冠层高光谱参数与土壤氮含量间的关系,建立基于植株冠层光谱的土壤氮含量估算模型。结果表明:土壤全氮含量随着施氮水平的增加而增加,且差异显著;基于棉花不同时期冠层光谱构建的14种光谱参量与土壤氮含量间的相关性有显著差异。其中,利用冠层光谱参数P_Area1100、Depth980、Area672、PPR(550,540)建立的土壤氮含量监测模型分别在蕾期、花期、铃期、吐絮期4个关键生育期对土壤氮含量的预测均达到了较高的精度,能够很好地反映棉花土壤氮素营养状况。利用植株冠层光谱参数可以很好地监测土壤氮素营养,说明利用植株冠层光谱方法监测土壤氮含量是可行的。     

基于高光谱数据提取棉花冠层特征信息的研究

 采用ASD Field Spec Pro VNIR 2500型高光谱仪获取了不同生育时期棉花冠层的高光谱遥感数据,通过光谱分析技术研究了棉花冠层结构与其光谱数据之间的关系。结果表明,不同品种、不同密度、不同配置方式及不同生长状况间棉花的冠层光谱存在着较明显的差异,棉花冠层光谱反射率与其叶绿素含量、叶面积和生物量及生长发育阶段、健康状况和物候现象等因素密切相关。可见,运用高光谱遥感技术快速、有效、非接触、非破坏性地获取棉花冠层信息,对解释、预测和设计理想棉花群体意义重大,同时为新疆精准种植棉花和科学调控水肥提供了科学依据。     

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。     

基于高光谱植被指数的棉田冠层特征信息估算模型研究

 采用ASD Field Spec Pro VNIR 2500型光谱辐射仪获取了棉花不同生育时期的冠层高光谱反射率。并通过光谱分析技术,建立了基于高光谱植被指数——归一化植被指数和比值植被指数的棉田冠层特征信息的定量模型。经过对估算模型的精度检验和评价,最终筛选出表征棉花冠层结构特征参数的最佳估算模型。结果表明,基于归一化植被指数预测棉花叶面积指数,以幂函数（y=11.084x^12.024,r=0.8076^**）的模型为最优;基于比值植被指数预测棉花单位面积地上部鲜生物量,以指数函数（y=52.261·exp(0.1024x),r=0.8114^**）的估计模型为最优;基于比值植被指数预测棉花单位面积地上部干生物量,以指数函数（y=9.5552·exp(0.1133x),r=0.8330^**）的模型为最优。可见,利用高光谱遥感技术可以分析、模拟、评价、预测棉花冠层特征参量,为精准种植棉花提供了依据。     

高光谱反演植被水分含量研究综述

高光谱反演技术凭借快速、有效和不破坏植被的优势,已成为评估植被水分含量的重要方法。本研究概述了利用高光谱数据反演植被水分含量的研究进展。重点介绍了反演植被水分含量模型所用高光谱参数、指数的选择与变换方法,以及建立植被水分含量模型的几种常用方法,并分析了各种方法的适用条件。最后针对目前的研究进行了展望。     

基于ETM植被指数和冠层温度差异遥感监测棉花冷害

 大范围地、及时地遥感监测棉花的冻害状况及损失对安排救灾、灾后评估有着现实的意义。利用2001年6月7日、8月10日和2000年8月7日ETM影像,结合农业灾害和农作物生长发育统计数据,通过植被指数变化和冠层温度差异对新疆沙湾2001年8月初棉花结桃时发生的冷害进行遥感监测。结果表明:与往年未遭受冷害的同期棉花植被指数相比,棉花植被指数NDVI绝对差值降低区域占67.8％,其中下降0～0.2占51％,下降大于0.2占17％,降低百分比处于0～20％。植被指数和温度图像散点图呈现显著负相关,相关系数－0.63。其中未受冷害影响,植被指数增加,长势较好的棉花冠层温度平均为26.4℃,植被指数未变化区域为27.6℃,植被指数降低较多,冷害程度较重区域冠层温度约为29.3℃,冠层温度差异显著。基于ETM遥感影像植被指数变化幅度和冠层温度差异可用于冷害程度区域划分。     

基于光谱红边参数的棉花黄萎病叶片氮素含量诊断研究

 以黄萎病胁迫下棉花叶片为供试材料,分析了黄萎病棉叶氮素含量(LNC)与光谱红边参数间的关系,建立了黄萎病棉叶LNC(Leaf nitrogen content) 的光谱红边参数诊断模型。结果表明：(1) 随着黄萎病严重程度的增加,棉叶LNC逐渐减小,且差异显著;（2）黄萎病棉叶红边参数红边位置(REP) 、红边振幅（Dr）、红谷位置(Lo) 、红边深度（Depth₆₇₂）和红边面积(Area₆₇₂) 均减小,红边宽度(Lwidth) 增加,且Area₆₇₂的值减小的幅度最大,Dr减小的幅度最小,Lwidth的值增加的幅度较大; (3) 黄萎病棉叶LNC含量均与红边参数REP、Lo、Depth₆₇₂和Area₆₇₂呈极显著正相关,与Lwidth呈极显著负相关,与Dr未达显著相关;(4)基于红边参数建立的黄萎病棉叶LNC含量的诊断模型均达到极显著水平（P<0.01）,其中以Area₆₇₂为自变量建立的黄萎病棉叶LNC的诊断模型的精度最高,R²超过0.7,RMSE小于0.6,RE小于0.007,能很好地诊断黄萎病棉叶LNC。     

棉花枯萎病的光谱识别

 采用“积分球—光谱仪”联用技术测量了健康棉叶和感染了枯萎病的棉叶的光谱反射率,发现健康棉叶与感病棉叶在光谱曲线上有很高的可区分性。用健康棉叶的波谱带作为分类器分别对“健康—发病期”和“健康—潜病期”两组棉叶的波谱集合进行分类,总体分类精度分别为100%和92%。将测得的光谱数据转化为Landsat TM卫星多光谱数据,同样用健康棉叶的光谱带对以上两组波谱集进行分类,总体分类精度分别为96%和92%。试验结果为遥感技术在监测棉花枯萎病上的应用提供了理论支持。     

基于高光谱的棉花叶片磷含量估测模型

研究不同施磷条件下棉花叶片叶绿素含量的变化规律,旨在建立基于高光谱的叶片磷含量估测模型,实现棉花叶片磷含量快速监测。在盆栽试验条件下,设置不同的磷肥量,测定棉花功能叶叶绿素含量与磷含量,并利用植被指数和叶绿素含量的相关性构建磷含量的光谱变量,从而实现利用高光谱对棉花叶片磷含量的定量监测。结果表明：(1)棉花播种后100天左右,叶片磷含量与叶绿素呈现显著关系(决定系数R²=0.96)。(2)利用多个植被指数(X)和叶绿素含量(I)的相关性构建倒一叶、倒二叶、倒三叶、倒四叶的磷含量光谱变量,其中各叶片相关性最优的模型：倒一叶(L₁)为I₁=2.6131X_RENDVI-0.4275,X_RENDV为红边归一化植被指数,R²=0.71,RMSE=0.2;倒二叶(L₂)为I₅=0.0142X_TVI+0.3274,X_TVI为三角植被指数,R²=0.76,RMSE...     

滴灌棉田植株氮营养指数的高光谱诊断研究

【目的】通过研究滴灌棉田地上部植株的氮营养指数,探究建立基于氮营养指数的高光谱指数模型的可行性,为高光谱遥感在农田氮营养快速、准确诊断中的应用提供理论依据。【方法】2年试验,以新疆主栽的5个棉花品种为研究对象,在不同施肥处理条件下,探究氮营养指数和17种光谱指数之间的相关性,建立氮素营养诊断模型并进行验证。【结果】不同品种棉花滴灌条件下氮营养指数之间差异显著,杂交棉能更快地接近氮素营养水平的最佳状态;基于高光谱的氮营养指数多元回归模型中R²最高的为鲁棉研24,达到0.8的高水平;经2年数据验证,鲁棉研24号建立的模型精度最高,R²=0.868,均方根误差为0.059。【结论】建立基于氮营养指数的高光谱监测模型能够很好地监测植株氮素养分状况,大田模型精度R²能达到0.5以上,本试验结果能够为今后农业养分诊断提供理论依据。     

基于水稻冠层光谱特征构建粳型水稻籽粒蛋白质含量预测模型

水稻籽粒蛋白质含量是评价稻米品质的主要指标之一。本文以不同施氮水平下的4年田间试验为基础,系统分析了水稻成熟籽粒蛋白质含量与不同时期冠层反射光谱的相关性。结果显示,籽粒蛋白质含量与可见光波段(460~710 nm) 反射率呈负相关,与近红外波段(760~1 220 nm) 反射率呈正相关,其中孕穗期冠层单波段反射率与成熟籽粒蛋白质含量的相关性最高,在16个波段中以760 nm波段反射率与籽粒蛋白质含量的拟合效果最好,复相关系数达0.795。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蛋白质含量的相关性,运用线性逐步回归分析方法对相关拟合较好的16个参数进行筛选,建立了水稻成熟籽粒蛋白质含量（GPC）监测模型,GPC=－0.15× DVI(1 500, 950) + 3.00。利用不同年份不同品种及不同施氮水平下的观测数据对模型进行检验,预测值和实测值的精确度为0.56~0.86,准确度为0.85~1.18,根均方差（RMSE）为3.51%~19.91%,表明模型预测值与实测值之间符合度较高,对水稻成熟籽粒蛋白质含量具有较好的预测性。     

基于吸收光合有效辐射和光合有效辐射截获量监测棉花生长状况

 通过光量子传感器,获取了2个棉花品种不同种植密度冠层6个关键生育时期的光合有效辐射（PAR）,分析了吸收光合有效辐射（APAR）和光合有效辐射截获量（FAPAR）与棉花冠层生长特征的关系。结果表明;棉花开花期和花铃期,为APAR与FAPAR高值期,盛铃期和盛铃末期下降,吐絮期为低值期;利用多元统计分析技术,分别建立了棉花APAR、FAPAR与棉花冠层叶面积指数、覆盖度、地上鲜生物量和地上净初级生产力的相关关系模型。采用APAR与覆盖度,FAPAR与叶面积指数相关性最高的模型方程,分别估算棉花覆盖度和叶面积指数,实测值与估测值之间呈极显著的线性相关关系,估算精度分别为99.1%和99.5%。     

不同水分条件下棉花光谱数据对冠层叶片温度的响应特征

利用Fluke热像仪和ASD地物非成像高光谱仪,分别记录棉花新陆早33号、13号2个品种、4个水分处理、5个关键生育时期的冠层红外热图像和反射光谱数据;在红外热图像上提取棉花冠层受光叶片的温度,同时处理高光谱数据获得归一化植被指数(NDVI)、比值植被指数(RVI)、红光620 nm和近红外850 nm波段的反射率(ρ620,ρ850)。分析表明,棉花2个品种4个水分处理的冠层叶片温度(TL)在盛花期、盛花结铃期较高,在盛铃期达到最大值,在开花期和吐絮初期较低;棉花受到水分胁迫,冠层近红外波段光谱的反射率降低,红光波段的反射率升高,NDVI和RVI变小,TL升高;在充分灌溉条件下棉花近红外、红光波段的光谱反射率、NDVI和RVI及TL则与水分胁迫处理的表现相反。和620 nm和850 nm波段反射率与TL的线性相关比较,棉花NDVI和RVI与TL的线性相关性更强。研究表明,将红外热图像和高光谱遥感技术相结合,具有实时、非破坏性地监测棉花水分状况的潜力。     

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。     

Hyperspectral Estimation Model of Chlorophyll Content in Cotton Canopy Leaves under Drip Irrigation at Different Growth Stages

[Objective] This article is aimed to estimate the chlorophyll content of cotton canopy leaves in drip irrigation fields at different growth stages in northern Xinjiang and establish a model for estimating chlorophyll content in growth time series by using hyperspectral. [Method] Using Xinluzao 45 as the experimental material, the chlorophyll content and the corresponding spectral reflectance of cotton canopy leaves at different nitrogen levels and growing stages were measured, and the relationship between 12 indices and the chlorophyll content was analyzed. The estimation models of the chlorophyll content in cotton canopy leaves under drip irrigation were established. [Result] The correlation coefficient between the chlorophyll content of canopy leaves and Vogelmann red edge index was high in the four growing periods of cotton, and the correlation coefficient was 0.944, 0.907, 0.895, 0.930, respectively. And the spectral reflectivity was the highest at the flowering and boll period. The precision of the model established by the multivariate regression method is higher than that of the single exponential linear model with the determination coefficient more than 0.8 and the root mean square error smaller than that of the single exponential linear model. The model of the budding stage (y＝82.509_x1＋89.937_x2－94.438) has the best precision. [Conclusion] The chlorophyll content can be estimated by the models established at different growth stages, and the budding stage model has the best monitoring effect.