基于高光谱影像的虫害水稻叶片花青素含量估算

稻纵卷叶螟是水稻常见虫害,遭受虫害为害的叶片部位花青素含量会发生明显变化。试验使用成像光谱仪获取遭受稻纵卷叶螟为害的水稻叶片高光谱图像,同时测量叶片上健康区域和虫害区域的花青素值,建立花青素高光谱反演模型,为虫害严重程度定量化评估提供依据。分析结果表明:水稻叶片花青素值随着虫害程度的加剧而升高;花青素值与光谱反射率在波长为400—710 nm的可见光-红边波段范围内上显著正相关,相关系数最高为0.878(667 nm处);与一阶导数光谱在可见光-近红外多个波段范围表现出极显著相关性,相关系数最高为0.883 (464 nm处);与归一化植被指数(NDVI)等多个植被指数极显著相关,相关系数最高为-0.887(NDVI)。以植被指数为自变量、使用偏最小二乘回归算法的花青素值估算模型精度最高[建模R2为0.801,均方根误差(RMSE)为0.032]。使用模型对虫害叶片高光谱图像进行逐像元解算,得到的花青素值分布图能够定量化、可视化地反映虫害严重程度。该研究为水稻叶片花青素值测量和虫害监测提供了一种直观、快速的技术手段。     

高光谱技术在常规水稻种子活力检测中的应用

[目的]实现常规水稻种子活力的快速自动化检测。[方法]采用高光谱成像技术(波长范围874~1 734 nm),提取甬籼69和中早39 2种常规水稻种子未老化、老化48 h和老化72 h的光谱反射率,在提取样本光谱时采用小波变换(WT)剔除像素点光谱噪声部分,并基于全波段光谱建立了支持向量机(SVM)判别分析模型。[结果]未老化种子与老化种子可以准确识别,而老化48 h种子与老化72 h种子之间无法准确识别,与基于种子活力参数的测量结果相符,且不同水稻品种对老化的反应存在差异。[结论]高光谱成像技术结合化学计量学方法用于种子活力的快速自动化无损检测是可行的。     

基于高光谱成像技术识别水稻纹枯病

【目的】利用高光谱成像技术对水稻纹枯病进行早期的快速无损识别,结合判别分析方法建立相应的鉴别模型。【方法】以健康和感染纹枯病的水稻幼苗为研究对象,采集叶片和冠层各180个样本的380~1 030 nm波段的360条高光谱图像,剔除明显噪声部分后,以440~943 nm波段作为水稻样本的光谱范围,分别用不同的方法预处理获得水稻叶片的光谱曲线。采用偏最小二乘–判别分析(PLS-DA)对不同预处理的光谱建模。采用MNF算法对冠层的原始光谱数据进行特征信息提取,并基于特征信息建立线性判别分析(LDA)模型和误差反向传播神经网络(BPNN)判别模型。【结果】标准正态变量变换(SNV)预处理后建立的PLS-DA模型的预测集判别正确率最高,为92.1%。基于特征信息的LAD和BPNN模型的判别结果优于基于全波段的PLS-DA判别模型。基于最小噪声分离变换特征信息提取的BPNN模型取得了最优效果,建模集和预测集正确率分别达99.1%和98.4%。【结论】采用高光谱成像技术对水稻纹枯病生理特征进行无损鉴别是可行的,本研究为水稻纹枯病的识别提供了一种新方法。     

基于主成分回归法的稻飞虱百穴虫量冠层光谱检测

[目的]针对水稻虫害发生程度预警和田间稻飞虱虫害动态监测问题,采用光谱检测技术,运用主成分回归法建立稻飞虱百穴虫量检测模型。[方法]使用FieldSpec3光谱仪在稻田采集冠层光谱数据,同步检测地块稻飞虱百穴虫量,样本量为71个,其中51个样本为校正集,20个样本为预测集。建模波段选择350～1139nm,对原始光谱进行一阶微分处理。[结果]测量值与预测值的相关系数为0.78,预测标准偏差为161头。[结论]光谱检测可用于稻飞虱测报工作。     

棉花棉叶螨叶片遥感监测技术研究

通过使用便携式光谱仪对新疆石河子地区不同程度棉叶螨为害后的叶片光谱进行测量,同步进行理化参数测定,定性和定量地分析了棉叶螨为害后叶片叶绿素a、叶绿素b、叶绿素(a+b)、类胡萝卜素、厚度、全氮含量和含水量的变化和光谱反射特性,建立了棉叶螨叶片光谱诊断模型.结果表明:棉叶螨为害后的叶片所有理化参数较正常叶片低,叶绿素a变化幅度最大(88.8%),叶绿素(a+b)与棉叶螨的相关性最高(r=-0.924).棉叶螨叶片光谱反射率大小在近红外(750~860nm除外)和短波红外波段均随严重度的增加而增加,且可见光波段650nm附近有一个独特的反射峰,但在550nm附近低于正常叶片.605~724nm可作为棉花棉叶螨叶片光谱识别的敏感波段,706nm和758nm为最佳波段.4个估测参数建立的诊断模型均达到极显著相关水平,其中R758nm/R706nm建立的诊断模型检验R2最高(0.823),RE最小(0.351),可推荐为棉花棉叶螨叶片光谱识别的最佳模型.利用高光谱遥感可实现对棉花棉叶螨叶片的有效识别,可为棉花棉叶螨大面积监测提供借鉴和参考.     

水稻遥感估产的农学机理研究——Ⅰ.不同氮素水平的水稻光谱特征及其敏感波段的选择

介绍了大田与盆栽条件下不同氮素水平的水稻冠层、叶片和稻株的光谱反射特征曲线。经过光谱差异性检验,找出了诊断水稻氮素营养水平的敏感波段范围,结合考虑实用性确定冠层敏感波段为760～900nm、630～690nm和520～550nm;叶片敏感波段为760～900nm、630～660nm和530～560nm。     

基于哨兵影像与多特征优选的溧阳市上兴镇水稻识别

水稻是中国三大粮食作物之一,提供准确、及时的水稻种植信息对水稻生产管理、水稻种植保险赔偿以及国家粮食安全指导、政策制定和实施等具有重要意义。针对中国南方水稻种植地块破碎、种植结构复杂等造成的水稻识别难点,为提高水稻识别精度,本研究以哨兵一号(Sentinel-1)、哨兵二号(Sentinel-2)遥感影像为数据源,构建光谱特征、植被/水体指数特征、纹理特征和雷达特征等特征集,设置包括优选特征在内的7种特征组合,采用随机森林算法对江苏省常州市溧阳市上兴镇的水稻进行识别。结果表明,在光谱特征中,红边波段对于水稻识别精度有着较高的提升作用。光谱特征结合植被/水体指数特征、雷达特征后,水稻识别精度有所提高。基于优选特征进行分类的精度最高,总体分类精度、Kappa系数分别为93.26%、0.904 8。综上,结合遥感影像的光谱特征、植被/水体指数特征和雷达特征等并进行特征优选可以提高水稻识别精度。     

多种光谱指标构建决策树的水稻种植面积提取

合理选取不同光谱指标制定决策树规则,能有效提高决策树分类法提取水稻面积的精度。本研究以江苏省淮安市为例,选取30 m空间分辨率HJ1A和16 m空间分辨率GF1多光谱影像,在对不同地物样点像元光谱特征分析的基础上,选择地物光谱特征明显的GF影像计算NDVI、EVI、DVI和RVI,并提取影像近红外波段反射率,利用上述5种光谱指标确定不同地物分类阈值来对两景影像进行决策树分类,进而获取淮安市水稻面积和分布情况。结果表明,GF影像地物光谱特征较明显,有利于识别不同地物,可用来确定基于多种光谱指标分类的阈值范围。其中,水稻判别条件为NDVI0.70,0.25DVI≤0.45,0.53EVI≤0.80,RVI5.5且0.30ρNIR≤0.46。HJ影像和GF影像提取水稻面积的样本精度分别为87.29%和93.70%,GF影像比HJ影像的水稻面积提取精度提高了6.41个百分点,说明利用多种光谱指标构建决策树分类模型是一种有效提取水稻种植面积的方法。     

受褐飞虱破坏的水稻光谱特性研究

[目的]利用光谱分析方法建立光谱与水稻褐飞虱虫量的相关关系,并利用该模型对褐飞虱虫量进行预测。[方法]利用波段范围在350～1 050 nm以及分辨率3 nm的ASD光谱仪,分别对健康水稻和受水稻褐飞虱（BPH,Nilaparvata lugens）破坏的受损水稻进行了光谱特性测定。利用光谱特性分析方法对水稻褐飞虱破坏的受损水稻光谱特性进行了分析,并与水稻褐飞虱虫量建立了显著性相关估算模型。[结果]所建模型的预测精度在66.8%～81.2%,可有效开展水稻褐飞虱虫量的预测。[结论]利用高光谱可以很好地预测褐飞虱虫量。     

基于高光谱成像技术的生菜叶片水分检测研究

[目的]探索利用高光谱图像技术检测作物含水率的方法。[方法]以意大利全年耐抽苔生菜为试材,利用高光谱成像系统采集生菜叶片的高光谱图像,用ENVI V.4和Matlab V.7.0软件对高光谱图像进行处理。[结果]采用自适应波段选择法从所采集的生菜叶片高光谱图像数据中优选出特征波长1 420 nm;对每个样本特征波长下的图像进行分割,反转以及形态运算等操作得到目标图像;从每个目标图像中提取灰度均值、灰度标准差作为灰度特征,能量、熵、惯性矩、相关性的均值和标准差作为纹理特征;采用GA-PLS法选出最优特征子集,并建立基于最优特征的偏最小二乘回归模型,以检测生菜叶片的含水率。[结论]模型的预测值与实测值的相关系数R为0.902,精度明显高于基于灰度特征或纹理特征的预测模型。     

稻纵卷叶螟危害后水稻叶片的光谱特征

【目的】阐明水稻受稻纵卷叶螟危害后不同受害程度的叶片、卷叶的分布形式及卷叶率对稻叶光谱特征的影响,获取诊断水稻受害程度的模型,以便为稻纵卷叶螟的遥感监测提供理论指标与方法。【方法】试验以不同受害等级的虫害叶及健康叶为材料,在室内恒定条件下采用ASD光谱仪分别测定不同受害程度、受害叶片的不同分布形式、及不同卷叶率下稻叶的光谱反射率,并采用直线回归法,建立基于光谱参数的水稻受害程度诊断模型。【结果】水稻虫害叶光谱反射率均随受害等级的增加,在绿光区(530—570nm)和近红外区(700—1050nm)降低,而在红光区(610—700nm)增加。能反演叶片受害程度的敏感波段为530—564nm、614—695nm和706—1050nm。建立了5个反演叶片受害程度的模型,诊断准确率在80%—90%之间,并且以741nm处的反射率对叶片受害程度的诊断效果最好。在卷叶率恒定的条件下,卷叶的分布位置对光谱反射率影响较小;而卷叶率对光谱反射率的影响较大,表现为随卷叶率的增大,450—500nm和610—700nm处的反射率增大,530—570nm和700—1050nm处反射率降低。差值植被指数(Rnir-Rred)、黄边面积(SDy)及红边面积与蓝边面积的差值(SDr-SDb)等指标均能将6个不同等级的卷叶率(0、10%、30%、50%、70%和90%)区分开,并且利用黄边面积(SDy)指标诊断卷叶率的准确率达86%。【结论】水稻受稻纵卷叶螟为害后,在叶片光谱反射率上有明显的表现,可以利用光谱特征来监测稻叶的受害程度及卷叶率大小。     

基于水稻特征波段的决策树分类研究

以滁州市为例,结合水稻物候的特征波段,选用反映水稻物候期时相的TM数据,并基于多特征波段,构建CART决策树分类提取水稻种植面积。结果表明,植被指数、湿度因子、绿度因子、纹理特征等多特征参与CART决策树分类能够提高总体精度。基于光谱信息、植被指数和纹理特征的决策树分类的总精度比以最大似然法进行的监督分类方法提高了6.942 1百分点,Kappa系数提高了0.110 4。合理选用作物物候期数据及其遥感影像的特征波段能够有效降低分类误差,为地形复杂地区获取作物种植面积提新的方法。     

遥感影像融合与分类在城市边缘带扩展监测中应用研究

探讨了TM30m分辨率波段与SPOT10m分辨率全色波段通过融合来提高城市扩展动态监测精度的方法和应用潜力。首先采用IHS变换完成TM的多光谱波段与SPOT全色波段融合，增强变化信息在光谱和几何特征上的表征，然后采用最大似然分类方法对融合图像进行分类。实验结果表明光谱与纹理特征组合在用户精度上比单纯光谱、纹理特征分类分别提高21．87％和10．22％；在生产者精度上比各自分别提高8．4％和17．88％；Kappa系数分别提高0．10和0．21。通过高几何分辨率图像与多光谱波段融合方法可以，增强变化信息，纹理特征参与变化信息提取可以提高变化类型的分类精度。     

稻纵卷叶螟危害孕穗期水稻的光谱诊断

【目的】阐明稻纵卷叶螟（Cnaphalocrocis medinalis）危害孕穗期水稻后,水稻冠层、未受害展开叶和受害已卷叶片的光谱特征,建立基于光谱参数的稻纵卷叶螟危害程度的诊断模型。【方法】利用便携式光谱仪测定不同卷叶率小区水稻的冠层光谱反射率,同时在不同卷叶率小区内采集未受害展开叶和已卷叶带回实验室进行室内单叶的光谱反射率测定,并采用相关分析与回归建模方法组建稻纵卷叶螟危害程度的光谱诊断模型。【结果】水稻冠层光谱反射率在近红外光区域内随卷叶率级别的升高而降低,738-1 000 nm处的反射率可较好地表征出水稻受稻纵卷叶螟危害的程度。不同卷叶率小区内的未受害叶的光谱反射率也可很好地表征水稻的受害级别,在512-606和699-1 000 nm处的反射率与小区卷叶率级别呈极显著的负相关。已受害卷叶的反射率在582-688 nm处与受害级别呈极显著正相关。水稻受稻纵卷叶螟危害后,在冠层、未受害叶及已受害卷叶光谱的红边幅值与红边面积有明显变化。利用水稻冠层光谱的红边幅值、未受害健康叶片550 nm处的反射率建立的稻纵卷叶螟危害程度的一元回归模型的诊断误差较小,而同时利用冠层、受害叶和未受害叶光谱组建的逐步回归模型的诊断误差最小,可用于小区稻纵卷叶螟危害的监测。【结论】受害区域内水稻冠层在738-1 000 nm处和未受害叶片在512-606和699-1 000 nm处的光谱反射率,以及红边幅值和红边面积均可较好地表征水稻受稻纵卷叶螟危害后的卷叶率级别,可利用这两层次的光谱指标分别对小区水稻的受害程度进行诊断。     

基于无人机多光谱遥感图像的玉米田间杂草识别

【目的】为了精确高效识别玉米田间杂草,减少除草剂施用,提高玉米种植管理精准性。【方法】通过六旋翼无人机搭载多光谱相机获取玉米田块多光谱图像。为分离图像中植被与非植被像元,计算了7种植被指数,采用最大类间方差法提取植被指数图像中非植被区域,制作掩膜文件并对多光谱图像掩膜。通过主成分分析对多光谱图像进行变换,保留信息量最多的前3个主成分波段。将试验区域分为训练区域和验证区域,在训练区域中分别选取了675处玉米和525处杂草样本对监督分类模型进行训练,在验证区域选取了240处玉米样本及160处杂草样本评价模型分类精度。将7种植被指数、3个主成分波段的24个纹理特征及经过滤波的10个反射率,共计41项特征作为样本特征参数。利用支持向量机-特征递归消除算法（support vector machines-feature recursive elimination,SVM-RFE）和Relief算法从41项特征中各筛选14项特征构成特征子集,采用支持向量机、K-最近邻、Cart决策树、随机森林和人工神经网络对特征子集进行监督分类。【结果】支持向量机与随机森林对全部特征及2个特征子集分类效果较好,支持向量机总体精度为89.13%—91.94%,Kappa>0.79,随机森林总体精度为89.27%—90.95%,Kappa>0.79。【结论】SVM-RFE算法对数据降维效果优于Relief算法,支持向量机（SVM）模型对区域冠层尺度下玉米与杂草的分类效果最好。     

江浙地区披针叶八角植物过氧化物酶同工酶的研究

[目的]研究披针叶八角植物遗传多样性的分子机理。[方法]从江浙地区披针叶八角中选择12种不同表型的植株为材料,比较分析其过氧化物酶同工酶的酶谱差异。[结果]从供试植物的过氧化物酶同工酶谱中检测到了10条酶带,其中有2条特征酶带可鉴别其中的2个材料。聚类分析表明,在相似系数0.70处可将供试植物分为3类,聚类分组与供试植物的来源地、结实性及蓇葖果数的分类具有较高的相关性。[结论]利用过氧化物酶同工酶对披针叶八角植物结实性进行鉴定是一种可行的方法。     

白三叶幼苗抗氧化酶类的电泳研究

采用聚丙烯酰胺垂直板凝胶电泳和活性染色法对白三叶幼苗的根、叶柄和叶进行超氧化物歧化酶(SOD)、过氧化物酶(POD)和过氧化氢酶(CAT)同工酶电泳分析,以了解白三叶幼苗抗氧化酶系统的三种同工酶的空间表达差异。结果表明,在白三叶幼苗的SOD同工酶酶谱中可以看到根有7条酶谱区带,叶柄有5条酶谱区带,叶有11条酶谱区带,其中有5条是根、叶柄和叶共有的谱带。在根中有一条(Rf=0.18)是特异的,在叶中有5条(Rf=0.13,0.69,0.72,0.94,0.97)是特异的。在白三叶幼苗的POD同工酶酶谱中可以看到根有8条酶谱区带,叶柄和叶有5条酶谱区带,其中有4条谱带是根、叶柄和叶共有的谱带。在根中有4条(Rf=0.31,0.69,0.77,0.85)是特异的。在叶柄和叶中有1条(Rf=0.19)谱带是特异的。在白三叶幼苗的CAT同工酶酶谱中可以看到根、叶柄和叶中都只有1条(Rf=0.78)相同的酶谱区带。结果表明:白三叶幼苗中有大量的抗氧化酶类表达,这有助于生化产品的进一步研发,这些酶特殊的差异表达还对基因表达的研究提供目标。