基于地面高光谱数据的油茶炭疽病病情指数反演

使用FieldSpec HandHeldTM地物光谱仪采集不同发病程度的油茶冠层光谱数据,并实地调查油茶炭疽病病情指数,将光谱数据进行一阶微分与滑动平均滤波相结合的预处理,提取与病情指数相关性较高的敏感波段,并采用主成分分析法(principal component analysis,PCA)对敏感波段的光谱数据进行降维,分别以敏感波段和PCA降维处理后的敏感波段作为输入变量建立了病情指数的BP神经网络反演模型.两种建模方法建立的BP神经网络模型计算出的预测值与观测值之间的决定系数(R2)均达99％以上.精度检验证明,以PCA降维所得到的前10个主成分作为输入变量建立的10-7-1三层BP神经网络模型预测精度更高,模型计算出的预测值与观测值之间的决定系数(R2)和均方根误差(RMSE)分别为0.998 6和0.814 8.该研究表明,利用地面高光谱数据结合主成分分析和BP神经网络算法反演油茶炭疽病病情指数是一种有效的方法.     

小麦条锈病高光谱近地与高空遥感监测比较研究

 小麦条锈病是我国小麦生产中的重要病害,对该病防治的关键是做好监测工作。本研究利用ASD手持野外光谱仪[ASD FieldSpec HandHeld FR(325~1 075 nm)]和热气球在近地与高空研究了发病小麦冠层的高光谱遥感数据特征,获得了近地和对应高空2个不同平台光谱数据。经比较分析,发现高空数据与近地数据之间存在明显而有规律的变异关系,即高空获得的光谱反射率在可见光谱区域明显大于近地获得的光谱反射率。进一步对差异最显著的绿峰580 nm和黄边610 nm处数据进行回归分析,获得了高空光谱反射率值与近地光谱反射率值之间的回归模型,为进一步研究利用高平台遥感监测小麦条锈病奠定了一定的理论基础。     

基于冗余分析的降香黄檀人工林叶部病害与土壤因子的关系研究

为了探讨降香黄檀人工林土壤因子与叶部病害发生的关系,对海南省13块降香黄檀人工纯林样地进行了病害调查和土壤因子的测定,运用冗余分析找到影响病害发生的主导因子,结果表明:土壤的pH、速效氮、全磷、速效钾是影响病害发生最主要的4个指标。对病害发生影响的土壤因子按其重要性依次为:pH速效氮全磷速效钾。在冗余分析的基础上,通过聚类分析将样地划分为轻度、中度、重度感病区3种不同类型,并通过单因素方差分析研究了4个主导因子在不同类型样地中的差异。结果表明,不同发病程度的样地与土壤因子相关性差异明显,总体表现为:发病严重的Ⅲ类样地土壤中的速效氮和全磷含量最高,平均值分别为82.08mg/kg、0.68g/kg,轻度感病的Ⅰ类样地土壤中的pH和速效钾含量最高,平均值分别为6.56、143.60mg/kg。     

基于高光谱指数的天然胡杨叶绿素遥感建模研究

利用遥感技术监测胡杨叶片的叶绿素含量可以为林地经营管理、胡杨资源保护利用提供快速及时的信息。利用ISI921VF-512野外地物光谱辐射计实地测定了胡杨生长季节6月至10月每月塔里木河上游天然胡杨叶片393-1095nm可见-近红外波段的高光谱数据以及叶片叶绿素含量,并对叶片叶绿素含量与光谱反射率进行了相关分析,建立了基于高光谱指数的胡杨叶片叶绿素估测模型。结果表明:一元线性模型中,鲜重叶绿素a,b,a+b含量与高光谱指数NDVI705的相关性均达到了极显著水平,且在十三种高光谱指数里相关系数r最大;同时建立了由鲜重叶绿素a,b,a+b含量与高光谱指数的多元线性回归模型;为胡杨生理状态与健康状况评价提供了理论依据。     

基于高光谱的渭北旱塬区棉花冠层叶面积指数估算

以棉花冠层高光谱反射率与冠层叶片叶面积指数(LAI)为数据源,在分析LAI与原始高光谱反射率、一阶微分光谱反射率、光谱提取变量和植被指数相关性的基础上,采用一元线性与多元回归的方法构建了棉花LAI高光谱估算模型,并进行精度估算。结果显示,在可见光范围内随着生育期的推进及施氮量的增加冠层光谱反射率逐渐降低,在近红外范围内从苗期到花铃期随着施氮量增加反射率逐渐增加,花铃期到吐絮期反射率明显降低;各生育期冠层光谱的提取变量与LAI的相关性不强,全生育期各种光谱提取量及植被指数与LAI的相关性高于不同生育期;棉花冠层叶片LAI在反射光谱1 461 nm处相关系数达到最大值(r=-0.726);对于一阶微分光谱,LAI的敏感波段发生在742 nm处,r=0.744;以敏感波段742 nm一阶微分光谱反射率建立的逐步回归估算模型精度最高,RMSE=0.94,RE=26.27%,r=0.78。说明以全生育期为基础,采用一阶微分光谱敏感波段,并根据实际条件选择有效的估测模型,可以进行棉花LAI的预测。     

基于地面高光谱遥感的稻纵卷叶螟为害下的水稻LAI估算模型研究

为了有效监测稻纵卷叶螟的为害状况及其对水稻生长发育产生的危害,本研究通过开展连续的定点大田观测实验,对稻纵卷叶螟虫情及其为害状况进行调查,通过观测水稻冠层光谱反射率和叶面积指数（LAI）等,分析水稻冠层光谱反射率、植被指数与LAI的相关性,筛选出与LAI相关系数高的光谱特征波段和植被指数,构建了多因子LAI估算模型,并利用实测数据进行验证。结果证明模型拟合效果理想,可为我国更好地开展水稻生产监测提供参考。     

基于野外实测高光谱数据的干旱区耕作土壤含水量反演研究

利用2011年3月野外实地采集的不同含水量土壤的高光谱数据,研究了南疆地区耕作土壤草甸土含水量与高光谱反射率之间的定量关系,构建了一元线性回归与多元逐步回归的土壤含水量预测模型.结果表明,土壤含水量在380～ 1080 nm波段与反射率呈负相关关系;反射率经倒数(1/R)、对数(logR)、一阶微分(R’)变换后可提高其与含水量的相关性;以50个建模样本所建立模型的相关系数均达到极显著水平,所有模型通过对37验证样本进行预测,比较决定系数、均方根误差、相对误差后,表明多元逐步回归模型的预测能力要优于一元线性回归模型,从所有模型中优选出以698、702、703、746、747 nm波段反射率倒数(1/R)建立的多元逐步回归模型为最优模型,该模型实测值与预测值之间的R2为0.9199,RMSE为1.6026,RE为0.6517,可用于基于野外高光谱数据的土壤含水量的估测.     

基于PLSR-BP复合模型的绿洲土壤pH高光谱反演

以土壤pH、野外实测光谱以及多元散射校正(MSC)预处理后的光谱数据为基础,利用数学方法（主成分回归PCA、偏最小二成回归PLSR、BP神经网络模型）分别建立了土壤pH的预测模型。结果表明：土壤实测光谱和经过MSC方法预处理的光谱数据均与pH存在良好的相关性,并呈极显著水平,后者的相关性更高。PCA和PLSR两种土壤pH估测模型均具有良好的预测能力。BP神经网络模型则因输入变量多,预测精度较低。但利用PCA和PLSR模型所获得主成分,作为BP神经网络的输入变量所建立的复合模型,可明显提高模型稳定性和预测能力。     

准噶尔盆地人工林地土壤全盐的高光谱反演

随着高光谱遥感技术的快速发展,通过其定量估测土壤化学成分具有很好的可行性。使用ASD Pro FieldSpec3便携式光谱仪,测量准噶尔盆地人工林地风干土壤样品的可见光-近红外光谱,利用土壤反射光谱值预测全盐的含量。首先,通过皮尔森相关系数分析方法,计算土壤全盐与土壤反射光谱之间的相关性,其中土壤光谱值的二阶导数与土壤全盐的相关系数最高为0.806,均方根误差最小为1.508。其次,在基于光谱反射率的基础上,通过多元统计回归分析,表明土壤光谱在1 130 nm、1 430 nm和1 930 nm波段的全盐反演模型预测的效果较好,可以利用这3个波段建立回归方程,对土壤全盐进行反演估算。     

基于高光谱与电磁感应技术的干旱区绿洲土壤含水量反演研究

为实现干旱区绿洲土壤含水量的快速、准确监测,利用采集自渭干河-库车河绿洲的84个表层(0~10cm)土壤样本,通过利用电磁感应仪(EM38)将所测解译后数据代替实测土壤含水量数据,将高光谱反射率重采样为Landsat8卫星遥感波段反射率,在选取光谱特征参数、提取敏感波段的基础上,利用偏最小二乘回归(PLSR)方法建立土壤含水量模型,将最优估算模型应用于遥感影像,实现研究区土壤含水量遥感反演。研究结果表明:(1)利用EM38所测水平模式土壤表观电导率与土壤含水量拟合效果最优,能够代替实测土壤含水量进行后续建模分析。(2)相比3种单一的光谱特征指数,利用多种光谱特征指数所建土壤含水量估算模型的建模效果更优,其干、湿各季建模集决定系数R~2大于0.7,均方根误差(RMSE)均小于0.5%,RPD均大于2,能够作为有效手段估算干旱区绿洲土壤含水量。(3)不同季节土壤含水量遥感反演值与实测值决定系数R~2均大于0.6,均方根误差(RMSE)均小于0.6%,显示了较高的预测精度,证明利用电磁感应技术与高光谱相结合能够实现对干旱区绿洲土壤含水量的精准、高效监测。     

基于田间空气中病菌孢子浓度的小麦白粉病病情估计模型研究

2014和2015两年度利用Burkard定容式孢子捕捉器监测了高感小麦白粉病品种京双16种植区和中感品种众麦2号种植区田间空气中的病菌孢子浓度变化动态,同时利用小型气象站监测了田间的气象因子,通过分析京双16和众麦2号种植区空气中孢子浓度与空气温度、湿度、降雨、风速和太阳辐射率的相关性,发现空气中的孢子浓度主要与空气温度呈显著的正相关性(r0.348 3,P0.05)。在此基础上,分别分析了田间病情与调查日期前累积孢子浓度、一周前累积孢子浓度、前一周累积孢子浓度和当周累积孢子浓度的关系,结果表明,中感品种众麦2号田间病情与累积孢子浓度的关系均呈指数关系,其中田间病情与调查日期前累积孢子浓度或一周前累积孢子浓度的拟合效果最好,而感病品种京双16的田间病情与累积孢子浓度多呈对数关系,其中病情指数与一周前累积孢子浓度的拟合效果最好。