棉花功能叶片色素含量与高光谱参数的相关性研究

叶片色素状况是评价植株光合能力、监测生长状况和预测产量潜力的重要指标,高光谱遥感技术为快速无损监测作物叶片色素提供了有效手段.本研究以4个棉花品种在3个施氮水平下的2年田间试验为基础,通过测定棉花(Gossypium hirsutum)功能叶片的高光谱反射率及对应的色素(叶绿素a、叶绿素b、叶绿素a b、类胡萝卜素)含量,定量分析了叶片高光谱参数与色素含量之间的相关关系.结果表明,与棉花功能叶片各色素指标相关性比较好的高光谱波段主要分布在500～700 nm;由敏感波段构建的光谱指数与各色素指标的相关性均在0.50以上;且红边最小值(Lo)可以作为共同的高光谱指数来估测不同棉花品种不同氮素水平下功能叶片的叶绿素总量(组合品种的R2为0.67).因此,通过高光谱参数来估算棉花功能叶片色素含量是可行的.     

高光谱数据与棉花叶绿素含量和叶绿素密度的相关分析

 通过获取棉花不同品种、不同种植密度单叶和冠层关键生育时期的反射光谱,与其相应的单叶叶绿素含量（CHL.C,下同）和冠层叶绿素密度（CH.D,下同）进行多元统计的逐步相关分析。结果表明,棉花冠层CH.D在其反射光谱762 nm波段处的相关系数达最大值（R_CH.D=0.8134^**,n=94）;对于一阶微分光谱,单叶CHL.C和冠层CH.D的敏感波段均发生在750 nm波段处,基于750 nm波段的微分数值,建立了棉花CHL.C和CH.D线性相关模型(R_CHL.C=0.7382^**,RMSE=0.1831,n=66;R_CH.D =0.9027^**,RMSE=0.3078,n=94）,为利用高光谱遥感技术精确提取反映棉花生长状况的叶绿素信息提供了依据。     

棉花叶绿素密度和叶片氮积累量的高光谱监测研究

利用非成像高光谱仪,获取棉花不同品种、不同密度冠层关键生育时期的反射光谱数据,应用光谱多元统计分析技术,研究表明,棉花冠层叶绿素密度（CH.D）和叶片氮积累量（LNA）分别在反射光谱762 nm和763 nm处的相关系数达最大值（R_CH.D= 0.8845**和R_LNA= 0.7870**,n = 47）;而一阶微分光谱数据对CH.D、LNA最敏感的波段均发生在750 nm处(R_CH.D= 0.9098**和R_LNA = 0.9164**,n = 47);采用47个建模样本的一阶微分光谱750 nm处的数值与棉花冠层CH.D建立线性相关模型方程,估算47个检验样本的棉花冠层CH.D,再根据CH.D与LNA建立的线性相关方程估算检验样本的LNA,47个检验样本的实测LNA与估测LNA极显著线性相关（R = 0.8982**,n = 94）,模型方程的估算精度达86.3%,实测值与估算值的R_MSE = 1.0155,相对误差为0.1380。说明基于高光谱数据的棉花冠层叶绿素密度的遥感估测,可以间接用于棉花冠层叶片氮积累量的监测研究。     

利用数码相机和成像光谱仪估测棉花叶片叶绿素和氮素含量

实时、无损监测棉花叶片的叶绿素和氮素含量对诊断棉花生理状况和氮肥精确管理具有重要意义。本研究基于MSI200成像光谱仪和数码相机两种可见光传感器,分析和比较了光谱和颜色参数与叶绿素、氮素浓度和SPAD读数的关系,并且确立了其定量预测模型。结果表明,不同传感器对叶绿素和氮素最敏感的波段分别为R₇₁₀和R;光谱指数与叶绿素、氮素浓度和SPAD读数的相关性比原始光谱好,而且以蓝光和红光波段组成的差值指数(DI和R–B)的预测能力最佳;DI所建棉花叶片Chl a+b、Chl a、Chl b、N和SPAD读数的预测模型的预测误差分别为0.0058、0.0050、0.0018和2.3002 mg g^–1和4.9736(分别为均值的18.39%、19.47%、30.33%、11.69%和8.45%),预测精度R²分别为0.7965、0.7582、0.6608、0.7019和0.7338;R–B所建模型的预测性比DI差,对Chl a+b的预测精度最高(R²=0.7400),而预测Chl b的精度最低(R²=0.5653)。基于CIE 1976 L*a*b*颜色模型的颜色参数b*和HSI颜色模型的S是两种传感器与叶绿素、氮素浓度和叶色关系较好的颜色参数;b*对叶绿素、氮素浓度和SPAD读数的预测能力稍逊于DI,预测误差和精度都与DI的比较接近;而饱和度S值的预测RRMSE最大,整体预测精度小于0.62。因此,可以利用可见光成像传感器的光谱和颜色参数估测棉花叶片叶绿素和氮素含量。     

基于高光谱的水稻叶片氮含量估计的深度森林模型研究

高光谱遥感已经成为快速诊断作物水氮状态的一种有效手段。然而,传统的回归方法和机器学习往往难以挖掘高光谱的全部信息,深度神经网络又通常需要大量的训练数据,因此本研究试图探索在少量数据条件下构建深度学习模型并实现叶片氮含量的精准估计。通过在湖北省监利县开展了连续2年不同氮素胁迫水平的水稻试验,测量了作物全生育期内的216组冠层光谱和叶片氮含量。基于一阶导数光谱,本文构建了一种新的深度学习模型(深度森林DF)来进行叶片氮含量的反演,并与2种经典机器学习模型(随机森林RF和支持向量机SVM)和一种深度神经网络模型(多层感知器MLP)进行比较。结果表明,在基于少量高光谱数据的情况下,DF对水稻叶片氮含量的估算精度要高于MLP,其中预测精度最高的模型为全波段光谱反演的DF模型(R²=0.919, RMSE=0.327)。在2种经典机器学习模型中,RF的估计效果优于SVM,但2种模型结果都不够稳定。研究表明,深度森林可以提升高光谱反演叶片氮含量的精度和稳定性,并且可以通过多粒度扫描相对减轻过拟合程度。该研究结果可为少量数据条件下快速监测作物叶片氮含量提供参考。     

玉米叶绿素含量的高光谱估算模型研究

随着高光谱遥感技术的发展,用高光谱技术监测植被生物物理、生物化学指标和农学参数的文献大量出现.早在1983年Horler等人[1]就建议用高光谱分辨率的遥感数据来估算植被的叶绿素浓度.国外利用野外或空载高光谱传感器进行植被的叶绿素研究已有十几年的历史,在这期间,许多学者试图从遥感的角度来探测植物叶片叶绿素的含量, 基于大量实验数据在模型建立与敏感波段的选取方面取得了一系列成果[2,3], 在研究的过程中开发了许多对叶绿素敏感的高光谱植被指数[4,5].     

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。     

稻瘟病胁迫下水稻叶片叶绿素含量与光谱特征参数的相关性研究

为实现受稻瘟病侵染水稻叶片叶绿素含量的高光谱反演,以‘陵两优268’为研究对象,测定受稻瘟病侵染的85个水稻叶片样品的叶绿素含量和高光谱反射率,分析受稻瘟病侵染的水稻叶片高光谱反射率与叶绿素含量间的相关关系,使用线性与非线性回归技术建立叶绿素含量反演模型。结果显示:叶绿素含量与原始光谱及一阶导数光谱的敏感波段分别发生在700 nm和752 nm,基于光谱特征参数SDr的回归模型均方根误差为1.27,平均相对误差为10.2%。研究表明受稻瘟病侵染水稻叶片光谱反射率差异明显,基于光谱特征参数SDr的回归模型预测叶绿素含量具有较高的精度。     

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。     

棉花植株水分含量的高光谱监测模型研究

精确灌溉对无损、快速的水分监测技术有迫切需求。研究棉花冠层高光谱参数与水分的定量关系并建立水分估测模型,以实现棉花水分及时、准确监测。通过2年试验,测定棉花冠层高光谱及植株水分,根据光谱参数与植株含水量的相关关系,建立了植株含水量监测模型。结果表明:棉株含水量与叶片含水量在一定范围内随灌溉量增减而增减,并能区分棉花干旱程度;棉株及叶片含水量与冠层460～514 nm、605～698 nm、1451～1576 nm和1960～2457 nm反射率极显著负相关,与727～1345 nm反射率极显著正相关,且棉株的相关性好于叶片含水量。所选作物水分指数、归一化差值水分指数1、归一化差值水分指数2、水分胁迫指数1、水分胁迫指数2、水分波段指数、水分指数与归一化差值植被指数之比均与棉株及叶片含水量极显著相关;构建了棉株含水量和叶片含水量的最佳监测模型;所建模型精度能满足大田生产对棉花水分监测的要求。     

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.     

棉花氮素和SPAD值叶位分布规律研究

 在盆栽和大田氮肥试验的基础上,研究棉花氮素和叶绿素含量（SPAD值）随叶位的空间分布特征,并对不同叶位叶片的含氮率、SPAD值之间及其与总叶片含氮率和植株含氮率之间的相关性进行了分析。结果表明棉花不同叶位叶片含氮率、叶绿素含量、SPAD值均存在差异,增加施氮量能提高叶片含氮率、叶绿素含量和SPAD值,同时减小叶位间的差异;SPAD值对氮素的敏感性为倒4叶最高,倒2叶最低,而倒1、倒3叶的敏感性排序因品种不同而不同;蕾期、初花期和盛花期均以倒4叶与总叶片及植株含氮率相关系数最高;且适宜氮素水平下,初花期倒4叶SPAD值的变异系数最小。以某一特定叶片的SPAD值或以叶色差的大小来诊断棉花氮素营养状况时,倒4叶是较为理想的指示叶。     

棉花叶绿素含量和光合速率的QTL定位

 为了探讨棉花光合作用及相关生理性状的遗传规律, 利用四交分离作图群体泗棉3号/苏12//中4133/8891的273个F_2：3家系为材料,用MAPQTL5.0软件及区间作图方法(IM), 对棉花叶绿素含量及光合速率进行了QTL分析。检测到3个与叶绿素含量相关的QTL, 分别位于染色体D6、D8和A10, 解释性状表型变异的4.3%, 4.5% 和5.2%。检测到3个与光合速率相关的QTL, 位于D5、D6和A11染色体, 解释性状表型变异的3.8%,7.4% 和8.4%。两个性状所有QTL的遗传效应均以加性效应为主。本研究定位的棉花叶绿素含量和光合速率QTL均是首次报道,可尝试应用于高光效育种的分子标记辅助选择。     

基于近红外波段玉米叶绿素含量最佳预测模型研究

为了进一步探究近红外波段玉米光谱反射率与其叶绿素含量之间的关系,笔者采用线性和非线性法对玉米叶绿素含量与近红外波段光谱反射率及植被指数之间的关系进行分析,建立叶绿素含量最佳预测模型。结果表明：在近红外波段,光谱反射率与玉米叶绿素含量的相关性较大;叶绿素含量与RVI(R1001/R760)、RSI(R765/R720)、NDVI(R990-R760)/(R760+R990)、NDSI(R813-R763)/(R813+R763)、CCI(D794/D763)等植被指数均达极显著相关,其中与NDVI的相关性最大,为0.91。基于近红外波段的植被指数建立玉米叶绿素含量预测模型中,采用RVI、RSI、NDVI、NDSI所建的二次多项式模型其决定系数R2均高达0.75以上。采用990、760nm处的归一化植被指数NDVI建立的二次多项式为玉米叶绿素含量最佳预测模型,其具有最大决定系数(R2=0.855),较小RMSE(2.433)和RE%(0.61%),为利用高光谱信息反映玉米生长状况的叶绿素信息提供了基础。     

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。     

棉花叶片蒸腾作用的研究

本文根据棉花蒸腾的观测资料，用统计学方法对数据进行整理，从时间和空间上探寻棉花蒸腾作用的规律，并进行生物学和生理学分析，同时，还讨论了各种气象、环境因子对棉花蒸腾作用的影响     

棉花叶片突变体的研究进展

为了解并且应用目前的棉花叶片突变体种质资源,本研究综述了6种类型的突变体的起源、遗传研究、基因定位、对农艺与经济性状的影响,以及突变性状可能带来的抗虫性。这6种叶片突变体包括：（1）叶形突变体：鸡脚叶、杯状叶、皱缩叶、波状叶与圆叶;（2）叶色突变体：花叶、红叶、亚红叶与芽黄; （3）自然落叶突变体;（4）叶片蜜腺突变体：无蜜腺;（5）叶片腺体突变体：无腺体;（6）叶片茸毛突变体：毛叶与光叶。得出这些叶片突变性状都是由质量性状控制的,对开展基因组研究是很好的材料,同时可以用作指示性状,另外鸡脚叶、叶片无蜜腺、毛叶和光叶都有形态抗虫性。由于突变性状具有两面性,因此建议育种中如果利用这些性状,要平衡好突变性状的优缺点。     

基于多视角反射光谱的冬小麦冠层叶片氮素营养监测研究

通过2个蛋白质含量不同的冬小麦品种和4个氮素水平的试验,研究传感器在垂直冬小麦垄平面上,冠层不同观测角度的反射光谱与叶片氮素营养的关系,改进小麦冠层氮素光谱诊断的理论与方法。结果表明,在本试验选择的7种植被指数光谱特征参量中,2个小麦品种均表现为比值植被指数（RVI[670,890]）与冠层叶片氮素含量（CLNC）相关性最高;不同视角的RVI与冠层叶片氮素含量关系中,0°、30°和90°的相关性最高;利用0°、30°和90°的RVI与CLNC进行模型拟合,其模型的决定系数是0°﹥30°﹥90°;在建立的0°模型中,京411小麦模型RMSE为0.2915,预测准确率为90.2%,中优9507模型RMSE为0.3827,预测准确率为87.2%。本研究证明改变反射光谱观测角度,能够提高冠层叶片氮素含量的光谱预测精度,不同小麦品种其光谱特征与冠层叶片氮素含量关系不同,在应用中要根据不同的小麦品种建立相应的模型。