基于高光谱图像的黄瓜叶片叶绿素含量分布检测

植物叶片叶绿素含量及分布是植物营养信息表达的重要指标。为了给大棚黄瓜营养元素的控制提供理论依据,该研究利用高光谱图像建立简单实用的光谱值和叶绿素含量关系的模型,从而实时、无损地检测叶片的叶绿素分布。选取黄瓜叶片的高光谱图像数据块中450~850 nm波段作为研究波段。选取8个具有代表性的植被指数,建立特征波长λ下相应的光谱反射值Rλ与黄瓜叶片叶绿素含量之间的关系模型。结果显示,基于最优指数(R695–705)-1-(R750–800)-1的模型可以很好地预测黄瓜叶片叶绿素的含量,校正集和预测集相关系数r分别为0.8410和0.8286,最小均方根误差RMSE分别为0.2045和0.2190 mg/g。最后根据最优模型预测叶片上任意位置叶绿素的含量,并通过伪彩手段描述叶绿素含量的分布。研究结果表明,利用高光谱图像技术分析黄瓜叶片叶绿素含量及其在叶面上的分布是可行的。另外,该研究确定的最优植被指数所包含的695~705和750~800 nm 2个波段可用于搭建更加简便实用的快速检测叶片叶绿素的便携式多光谱设备。     

用反射率、透射率和吸收率分析玉米叶片水分含量时的峰值波长选择

通过测定田间试验条件下11个玉米品种、3个氮肥处理、2个密度处理和4个生育期的100张叶片的反射、透射和吸收光谱(350～2500 nm)，发现玉米叶片在近红外和短波红外的水分吸收区域的反射/透射/吸收的中心峰值波长实际发生在974 nm、1160 nm和1440 nm，在这3个峰值波长，叶片反射率、吸收率与叶片水分含量之间的相关性好于透射率。在这3个峰值波长中，反射率、透射率和吸收率相互之间的关系以1440 nm为最紧密，在此波长光谱与叶片水分含量之间的相关性也相对较强。因此，1440 nm是用叶片反射率和吸收率反演植物的水分状况的最佳峰值波长。     

玉米苗期冠层多光谱反射率反演与叶绿素含量诊断

为了探索玉米苗期叶片叶绿素含量指标的快速、非破坏性估测方法,该文运用多光谱图像技术对大田玉米苗期叶绿素含量指标进行快速无损的诊断研究。大田试验中,采用2-CCD多光谱图像采集系统获取大田玉米苗期的冠层多光谱图像,并同步采集漫反射灰度板的多光谱图像。为消除光照对图像采集质量的影响,准确将不同光照条件下的玉米冠层图像数据转换为其叶面反射率数据,标定试验中采用一块4个不同灰度级的满足朗伯面条件漫反射灰度板,建立了叶片光谱反射率同图像灰度值之间的线性反演公式,并与大田试验中漫反射灰度板的多光谱图像建立了玉米冠层图像灰度值的校正公式。对玉米苗期冠层多光谱图像进行处理,提取出玉米冠层B、G、R、NIR(中心波长分别为470,550,620,800 nm)4个波段归一化平均灰度值。通过灰度值的校正公式得到校正后的归一化平均灰度值,由线性公式反演出R、G、B、NIR 4个波段的平均反射率值,并计算4种常见光谱植被指数(RNDVI、RNDGI、RRVI和RDVI),采用最小二乘-支持向量回归(LS-SVR)建立植被指数同叶绿素含量指标的拟合模型。结果表明:植被指数RNDVI、RRVI和RDVI和玉米冠层叶绿素含量指标拟合验证集决定系数R2为0.56,达到了较为理想的拟合结果。证明通过漫反射灰度板对玉米冠层多光谱图像建立反射率反演校正模型的方法是可行的,这一方法为快速无损检测玉米苗期叶绿素含量指标提供了支持。     

玉米拔节期冠层叶绿素含量多光谱图像检测

为了探索大田玉米冠层叶片叶绿素指标的快速检测方法。采用自主研发的2-CCD多光谱图像成像系统采集了大田玉米拔节期冠层图像,并同步获取了样本叶绿素含量指标SPAD值。对多光谱图像进行了平滑滤波,并基于HSI颜色空间实现了冠层图像的分割。提取了玉米冠层可见光(blue(B),green(G),red(R);400~700 nm)和近红外(near-infrared,NIR,760~1 000 nm)4个波段平均灰度值并计算了平均灰度值计算比值植被指数(RVI,ratio vegetation index)、归一化植被指数(NDVI,normalized difference vegetation index)、修改型二次土壤调节植被指数(MSAVI2,modified soil-adjusted vegetation index)等8种常见植被指数作为图像检测参数。分析了这12个检测参数与叶绿素指标之间的相关性,讨论了图像检测参数的多种组合,建立了叶绿素指标的多元线性回归分析(MLRA,multiple linear regression analysis)模型。研究结果表明:R、G、B波段的平均灰度值与叶绿素指标成较高负相关,相关系数分别为-0.73,-0.71和-0.71,植被指数中相关性较好的是NDVI、MSAVI2和RVI,相关系数分别为0.83、0.81和-0.81。基于这6个参数组合建立的叶绿素指标估算模型拟合度最好,其建模集决定系数为0.79,验证集决定系数为0.71,研究结果为无损检测玉米拔节期叶绿素含量提供了支持。     

基于叶绿素荧光光谱的生菜硝酸盐含量检测

为了寻求生菜叶片硝酸盐含量的快速无损检测方法,该文利用叶绿素荧光光谱分析技术对生菜(Lactuca sativa L.)叶片硝酸盐含量进行检测研究。对比及分析500~550、650~715和715~800 nm 3个波段的叶绿素荧光光谱特征参数与生菜叶片硝酸盐含量的关系,得出650~715 nm波段的叶绿素荧光光谱特征参数与生菜叶片硝酸盐含量之间线性关系显著,决定系数R2为0.816,标准误差为0.147,以此建立的回归模型能够很好地反映生菜叶片硝酸盐含量与叶绿素荧光光谱特征参数的关系;将同批进行试验的30个样本作为回归方程的校验集,进行模型验证,预测值与实测值之间决定系数R2为0.752,表明回归模型对生菜叶片硝酸盐含量有良好的预测效果。研究结果为生菜叶片硝酸盐含量的快速无损检测提供参考。     

基于特征转移植被指数的水稻叶片氮素含量定量估算

水稻叶片氮素含量遥感检测是实现水稻精准施肥的前提条件.为了探究利用光谱技术快速、便捷的实现水稻叶片氮素的精准检测,该研究在水稻关键生育期,利用水稻叶片400～1000 nm高光谱反射率信息,利用连续投影法提取敏感波段,在此基础上,提出了一种波段特征转移的植被指数构建思路,构建了由3个波段构成的氮素特征转移指数(Nitr...     

基于改进离散粒子群算法的青贮玉米原料含水率高光谱检测

快速、无损和准确检测青贮玉米原料含水率,对确保青贮玉米发酵品质、推动青贮产业健康快速发展有重要现实意义。为探究高光谱技术在青贮玉米原料含水率检测方面的可行性,研究通过高光谱成像系统获取青贮玉米原料高光谱图像并利用烘箱加热法测定实际含水率。在粒子更新方式和惯性权重2个方面对传统离散粒子群算法(discretebinary particle swarm optimization,DBPSO)进行优化,提出基于改进型离散粒子群算法(modified discrete binary particle swarm optimization,MDBPSO)的特征波段优选方法,并利用相关系数分析法(correlation coefficient,CC)、DBPSO和MDBPSO法提取原料含水率高光谱特征变量,基于全波段反射光谱(total spectral reflectance,TSR)和特征波段反射光谱建立青贮玉米原料含水率预测模型。结果表明,MDBPSO优选特征波段适应度函数的收敛精度和收敛效率较DBPSO法均有明显改善,最优适应度值由0.761 6提高至0.812 3,函数收敛迭代次数由280次降低至79次。MDBPSO-PLSR预测模型的建模精度和预测精度均高于CC-PLSR、DBPSO-PLSR和TSR-PLSR预测模型,其校正集决定系数Rc2和均方根误差RMSEC(root mean square error of calibration)分别为0.81和0.032,预测集决定系数Rp2和均方根误差RMSEP(root mean square error of prediction)分别为0.80和0.045。该研究表明,利用高光谱图像技术检测青贮玉米原料含水率具有较高的精度,研究可为后续开发青贮玉米原料水分快速检测仪器提供借鉴方法。     

最优权重组合模型和高光谱估算苹果叶片全磷含量

为了估算苹果叶片全磷含量,该文使用2012年和2013年在山东省肥城市潮泉镇下寨村的2个苹果示范园获取的整个生育期苹果叶片全磷含量和对应的叶片光谱数据,建立了预测苹果叶片全磷含量的最优权重组合模型。首先分析了苹果叶片全磷含量和原始光谱的相关关系,确定了以553和722 nm为苹果叶片全磷含量的诊断波段;根据叶片全磷含量与400~2 500 nm范围两两组合的决定系数等值线图,确立了对苹果叶片全磷含量敏感的546和521 nm、553和518 nm组合的归一化差值指数和543和525 nm、1 394和718 nm组合的比值指数;最后以553和722 nm的反射率以及546和521 nm、553和518 nm组合的归一化差值指数和543和525 nm、1 394和718 nm组合的比值指数为自变量,构建了基于苹果叶片全磷含量的最优权重组合模型,实现了对苹果叶片全磷含量的高光谱估算。结果表明,最优权重组合模型无论是建模集还是验证集,其预测能力(R2=0.94)要优于该文中的6种统计方法(平均R2=0.82),研究结果为快速无损诊断苹果叶片的磷素状况提供新的技术途径。     

冬小麦苗期叶绿素含量检测光谱学参数寻优

光谱分析技术是作物生长检测的主要手段,为了解决大田漫反射采集所造成的光谱基线漂移和偏移问题,研究采集了冬小麦冠层325~1 075 nm范围反射光谱,采用多元散射校正方法对小麦原始光谱进行预处理。采取遗传算法对光谱特征参数寻优并结合相关分析结果,选取486、599、699和762 nm波长处反射率值并组合计算了RVI(ratio vegetation index),DVI(difference vegetation index),NDVI(normalized difference vegetation index)和SAVI(soil-adjusted vegetation index)共12个植被指数,分析了各植被指数与叶绿素含量值之间的相关关系,结果显示:DVI和SAVI可抑制苗期土壤背景干扰并对叶绿素含量响应较为敏感,与叶绿素含量相关性最优的参数分别为DVI(762,599)、SAVI(762,599)、DVI(762,699)和SAVI(762,699),与叶绿素含量的相关系数都达到0.6以上。基于相关性最优光谱植被指数DVI(762,699)和SAVI(762,599)利用最小二乘-支持向量回归建立冬小麦叶绿素含量预测模型,建模集决定系数为0.681,验证集决定系数为0.611。该模型可用于无损检测冬小麦苗期叶绿素含量,以期为后续施肥决策提供支持。     

基于高光谱的寒地水稻叶片氮素含量预测

为快速、无损和准确地诊断水稻营养状况,开展了基于高光谱成像技术的寒地水稻叶片氮素含量预测研究。以不同施氮水平下的水稻叶片为研究对象,利用高光谱成像技术,分析拔节期水稻叶片光谱,采用全波段高光谱数据、连续投影算法及分段主成分分析(segmented principal components analysis,SPCA)与相关分析(correlation analysis,CA)相结合的方法建立多种回归分析模型,并对模型进行检验和筛选。结果表明:随着施氮水平提高,水稻叶片反射率在可见光区域降低,在近红外区域升高。在校正集决定系数上,基于多元逐步回归分析的全波段模型较好,校正集决定系数为0.821,校正集均方根误差RMSEC=0.079;在预测集决定系数上,基于SPCA-CA结合多元回归分析的多变量单波段指数、差值指数、双差值指数模型较好,预测集决定系数为0.869,预测集均方根误差RMSEP=0.085。该研究结果为快速检测水稻叶片氮素含量及水稻生长期间精确施肥管理提供了参考。     

基于成像光谱技术的寒地玉米苗期冠层氮含量预测模型

为了探索寒地玉米冠层氮素含量,以不同氮素水平下玉米大田试验为基础,利用高光谱成像技术探讨苗期玉米冠层光谱,通过相关矩阵法选择植被指数的变量,并依据叶片氮素含量与植被指数的相关性,建立玉米冠层氮素含量预测模型。结果表明:根据玉米冠层高光谱图像,选择与各波段相关性较强的525、566、700、715、895 nm作为植被指数的变量,构建与氮素含量相关性强的植被指数归一化植被指数NDVI(normalized difference vegetation index)、归一化光谱植被指数NDSI(normalized difference spectral index)、比值光谱指数RSI(ratio spectral index)、差值光谱指数DSI(difference spectral index)。以与叶片氮素含量相关性较高的植被指数为自变量,建立单变量、多变量回归预测模型。采用单变量NDVI二次函数回归模型作为0、50 kg/hm~2施氮量下玉米冠层氮素含量预测模型,其R~2分别为0.719、0.803。在100 kg/hm~2施氮量下玉米冠层氮素含量的预测模型为3变量回归模型,其R~2达到0.657。用置信椭圆F检验法检验预测模型,其F值均小于F0.05,估测值与实测值间R2分别是0.724、0.798、0.655,标准误差RMSE分别为0.156、0.140、0.156 mg/g,表明实测值和估测值间的差异不明显,预测模型可用。     

基于作物生长监测诊断仪的双季稻叶面积指数监测模型

为探索作物生长监测诊断仪(Crop Growth Monitoring and Diagnosis Apparatus,CGMD)在不同株型双季稻长势指标监测应用的准确性和适用性,该研究开展了不同株型品种和施氮量的田间试验,采用CGMD获取冠层差值植被指数(Differential Vegetation Index,DVI)、归一化植被指数(Normalized Difference Vegetation Index,NDVI)和比值植被指数(RatioVegetationIndex,RVI),并同步采用高光谱仪(AnalyticalSpectralDevices,ASD)获取冠层光谱反射率,构建DVI、NDVI和RVI;通过比较2种光谱仪获取的植被指数变化特征及相互定量关系,评价CGMD的监测精度,建立基于CGMD的不同株型双季稻叶面积指数(Leaf Area Index,LAI)监测模型,并用独立数据对模型进行检验。结果表明:不同株型品种的LAI、DVI、NDVI和RVI随施氮量增加而增大,随生育进程推进呈"低—高—低"的变化趋势;基于CGMD与ASD的DVI、NDVI和RVI间的决定系数(Determination Coefficient,R2)分别为0.959～0.968、0.961～0.966和0.957～0.959,表明CGMD具有较高监测精度,可替代价格昂贵的ASD获取DVI、NDVI和RVI。基于CGMD植被指数的单生育期LAI监测模型的预测效果优于全生育期,基于CGMD植被指数的松散型品种LAI监测模型的预测效果优于紧凑型品种;基于DVICGMD的线性方程可较好地预测LAI,模型R2为0.857～0.903,模型检验的相关系数(Correlation Coefficient,r)、均方根误差(Root Mean Square Error,RMSE)和相对均方根误差(Relative Root Mean Square Error,RRMSE)分别为0.950～0.984、0.18～0.43和3.95%～9.40%;基于NDVICGMD的指数方程可较好地预测LAI,模型R2为0.831～0.884,模型检验的r、RMSE和RRMSE分别为0.906～0.967、0.24～0.38和5.73%～9.16%;基于RVICGMD的幂函数方程可较好地预测LAI,模型R2为0.830～0.881,模型检验的r、RMSE和RRMSE分别为0.905～0.954、0.25～0.56和7.37%～9.99%。与传统人工取样测定LAI法相比,利用CGMD可实时无损监测双季稻LAI动态变化,可替代SunScan植物冠层分析仪获取双季稻LAI,在双季稻生产中具有推广应用价值。     

不同土壤水分供应与施锌对玉米水分代谢的影响

采用盆栽试验研究不同土壤水分状况下及施锌对玉米植株水分状况、水分生理特征的影响。结果表明,干旱胁迫下,玉米叶片含水量和水势降低,植株体内自由水分的含量减少,而束缚水含量略有增加,离体叶片失水速率小;叶片气孔阻力增加,导度下降,蒸腾作用和光合速率受到抑制。施锌后玉米叶片的水势和鲜重含水量没有明显变化,但玉米叶片气孔阻力降低,气孔导度增加,叶片蒸腾速率和光合作用速率加大。干旱胁迫下,施锌对玉米植株体内水分生理代谢有一定的调节作用,但是在土壤水分供应充足时,施锌更能增强玉米水分生理代谢,提高水分利用效率。     

不同水分状况下施锌对玉米生长和锌吸收的影响

选择潮土(砂壤)和土(粘壤)两种质地不同的土壤,进行盆栽试验,研究不同土壤水分条件下施锌对玉米生长和锌吸收的影响。结果表明,施锌显著增加了玉米植株根、茎、叶以及整株干物质重;缺锌条件下玉米植株根冠比、根叶比和根茎比趋向增大。施锌显著提高了玉米植株各器官中锌的浓度和吸收量,并明显促进锌向地上部运移。干旱胁迫抑制了玉米植株生长,根冠比、根茎比、根叶比增大;随着土壤水分供应增加,植株生长加快,各器官生物量以茎和叶增加大于根。水分胁迫下,在潮土上玉米叶片中锌浓度上升;在土上叶片中锌浓度下降。但增施锌后,根和茎锌浓度增加幅度较大,叶片增加幅度较小;施锌和水分胁迫对根和茎锌浓度的交互作用极显著。水分胁迫下,玉米植株对锌的吸收总量减少。水分胁迫和锌肥施用对玉米叶片、茎锌吸收量的交互作用十分显著,但对根锌吸收量的交互影响不显著。     

不同土壤水分供应下锌对玉米叶片超微结构的影响

选择 土为供试土壤, 进行盆栽玉米试验, 设定0和5.0 mg·kg^-1两个锌处理, 按土壤饱和持水量的40%~45%和70%~75%在玉米的4叶1心期实施干旱和正常水分处理。生长50 d后, 测定不同土壤水分与锌供应状况下植株生物量和锌含量, 利用透射电子显微镜观察完全伸展新叶的超微结构变化, 以期揭示不同土壤水分供应下, 植物对施锌的响应机理。结果表明: 土壤水分供应充足条件下, 与不施锌相比, 施锌玉米地上部生物量和总干重分别增加78%和52%, 根系和地上部锌含量和锌吸收量增加较多; 而干旱条件下, 施锌对玉米生物量无显著影响。干旱条件下缺锌玉米叶片维管束鞘细胞中叶绿体结构基本保持完好, 淀粉粒和基质片层清晰可见, 但叶肉细胞中叶绿体膜受损, 基质片层结构出现皱缩, 基粒片层减少; 施锌玉米叶片维管束鞘细胞中叶绿体结构保持完好, 叶绿体周围的线粒体数目较多, 叶肉细胞中叶绿体中脂肪颗粒增多, 叶片维管束鞘细胞与叶肉细胞之间可见清晰的胞间连丝。土壤水分充足处理下, 缺锌叶片细胞膜出现皱缩, 维管束鞘细胞叶绿体淀粉粒增多, 片层结构受损, 严重时维管束鞘细胞中内溶物消失, 残存的叶绿体中仅有淀粉粒和少许片层; 叶肉细胞中叶绿体可见淀粉粒, 但片层结构少, 有些出现断裂、收缩。土壤水分充足条件下, 施锌玉米维管束鞘核叶肉细胞结构清晰, 叶绿体结构完整。结论认为: 锌对干旱胁迫下玉米叶片细胞结构的破坏有一定的缓解作用; 但土壤水分正常供应下, 缺锌导致细胞结构受损程度比干旱情况下更严重。     

被动荧光探测水分胁迫对玉米叶片影响的初步研究

利用叶绿素荧光被动探测方法初步探讨了水分胁迫对玉米叶片生理机能的影响。水分胁迫梯度通过将离体叶片放在干燥器时间不同而获得。室内采用积分球耦合ASD光谱仪，结合加/不加滤光片照明的方法得到反射率差值光谱，即代表叶绿素荧光光谱。结果表明随着叶片含水率的降低，叶绿素荧光发射峰的位置几乎没有变化，峰高在686 nm处有先上升后逐渐降低的趋势，在740 nm处则缓慢下降。双峰比值Dif₆₈₆/Dif₇₄₀与叶片含水率呈负相关关系(R²=0.3850，n=21)，不同水分胁迫程度下利用调制式荧光仪测定的荧光参数Fv/Fm与740 nm荧光光谱峰值线性正相关，与双峰比值有负相关趋势。表明该被动方法可以探测水分胁迫引起的叶片光系统受胁状况，为田间被动遥感探测植物叶绿素荧光和生理状态提供参考。     

Estimation of Water Content in Winter Wheat (Triticum aestivum L.) and Soil Based on Remote Sensing Data–Vegetation Index

In this study, a suitable and near-real-time water status monitoring approach for winter wheat before harvest was developed with remotely sensed satellite data. Seven vegetation indices were extracted as remote-sensing parameters by making full use of the land surface reflection and land surface temperature transmitted by moderate resolution imaging spectroradiometer (MODIS) data. The correlation of each vegetation index and measured values of winter wheat and soil water contents in different crop growth periods was established. The simulation models, combining vegetation index, soil water content (SWC), and plant water content (PWC) in different winter wheat growth periods, were constructed to predict water content by using remote-sensing data. We found that the correlations between the difference vegetation index (DVI) and the perpendicular vegetation index (PVI) in the beginning of the stem elongation period with SWC were highly significant (P < 0.01); the correlation between the global environmental monitoring index (GEMI) in the ear emergency period and SWC was highly significant (P < 0.01). Furthermore, the correlation between the PVI in maturing period and SWC was highly significant (P < 0.01). Data of different coefficients of vegetation indices and PWC in different winter wheat growth periods illustrated that correlation between the DVI in the beginning of stem elongation period and PWC was highly significant (P < 0.01), while the correlation between the PVI in the maturing period and PWC was highly significant. Our results indicated that spatial and temporal vegetation indices were closely related to soil moisture and winter wheat water content in Wenxi County, Shanxi Province (P. R. China). The vegetation index is conceptually and computationally straightforward and may be used in prediction of environmental hydrological status.     

基于Sentinel多源数据的农田地表土壤水分反演模型构建与验证

土壤水分是影响水文、生态和气候等环境过程的重要参数,而微波遥感是农田地表土壤水分测量的重要手段之一。针对微波遥感反演农田地表土壤水分受植被覆盖影响较大的问题,该文基于Sentinel-1和Sentinel-2多源遥感数据,利用Oh模型、支持向量回归(support vector regression,SVR)和广义神经网络(generalized regression neural Network,GRNN)模型对土壤水分进行定量反演,以减小植被影响,提高反演精度。结果表明:通过水云模型去除植被影响后的Oh模型反演精度有所提高。加入不同植被指数的SVR和GRNN模型的反演效果总体优于Oh模型,基于SVR模型的多特征参数组合(双极化雷达后向散射系数、海拔高度、局部入射角、修改型土壤调整植被指数)反演效果最优,其测试集相关系数和均方根误差分别达到了0.903和0.015 cm~3/cm~3,为利用多源遥感数据反演农田地表土壤水分提供了参考。     

华北地区作物生长期水氮含量变化过程模拟及其参数敏感性分析

根据中国科学院栾城农业生态系统试验站2006-2007年小麦-玉米生长季实测的作物水氮动态变化数据,进行CERES-Wheat和CERES-Maize模型在华北地区冬小麦和夏玉米作物水氮过程模拟能力的验证及参数敏感性分析。结果表明,模型模拟的冬小麦生长季土壤含水量、土壤硝态氮含量、植株含氮量与实测值的相关系数分别为0.46、0.74和0.68,夏玉米则依次为0.95、0.62和0.72。敏感性分析发现土壤含水量和土壤硝态氮含量对土壤参数变化比较敏感,植株含氮量则受遗传参数影响显著。当田间持水量相对变化+10%时,冬小麦和夏玉米的土壤含水量相对变化率分别为+7.5%和+8.8%,冬小麦和夏玉米土壤硝态氮含量的相对变化率分别为+12.0%和+17.9%。叶热间距PHINT对冬小麦植株含氮量有负效应,PHINT相对变化+10%时冬小麦植株含氮量的相对变化率为-11.5%;夏玉米植株含氮量对出苗-幼苗末期所需温时(P1)较为敏感,P1变化+10%时夏玉米植株含氮量相对变化+9.3%。