基于高光谱影像的玉米LAI反演模型研究

以吉林省长春西部地区合心与合隆镇为研究区,利用高光谱Hyperion遥感影像,结合与其同步实测LAI数据,分别建立影像波段与玉米LAI线性及非线性统计回归模型,最终选出以SAVI为自变量的指数函数模型y=1.717e1.064x为最优反演模型,其估测精度高达96.8%。经实验证实,高光谱遥感可以实现大范围、快速、较精确地获取玉米叶面积指数。     

基于新型植被指数的冬小麦LAI高光谱反演

【目的】本研究旨在分析冠层叶片水分含量对作物冠层光谱的影响,构建新型光谱指数来提高作物叶面积指数高光谱反演的精度。【方法】在冬小麦水肥交叉试验的支持下,分析不同筋性品种、施氮量、灌溉量处理下的冬小麦叶面积指数冠层光谱响应特征,并分析标准化差分红边指数(NDRE)、水分敏感指数(WI)与叶面积指数的相关性,据此构建一个新型的植被指数——红边抗水植被指数(red-edge resistance water vegetable index,RRWVI)。选取常用的植被指数作为参照,分析RRWVI对于冬小麦多个关键生育期叶面积指数的诊断能力,随机选取约2/3的实测样本建立基于各种植被指数的叶面积指数高光谱响应模型,未参与建模的样本用于评价模型精度。【结果】研究结果表明,随着生育期的推进,冬小麦的叶面积指数呈先增加后降低的变化趋势,不同的水肥处理对冬小麦叶面积指数具有较大影响。开花期之后冬小麦LAI显著下降,强筋小麦(藁优2018)在整个生育期叶面积指数均高于中筋小麦(济麦22);不同氮水平下冬小麦冠层光谱反射率在近红外波段(720—1 350 nm)随着施氮量的增加而增大,与氮肥梯度完全一致,其中2倍氮肥处理的近红外反射率达到最高;不同生育期下冬小麦冠层光谱反射率变化波形大体一致;各个关键生育期的NDRE和WI均存在较高的相关性,而NDRE与LAI的相关性明显优于WI,新构建的植被指数RRWVI与LAI的相关性均优于NDRE、WI;虽然8个常用的植被指数均与LAI存在显著相关,但RRWVI与LAI相关性达到最大,其拟合曲线的决定系数R2为0.86。【结论】通过分析各种指数所构建的冬小麦叶面积指数高光谱反演模型,新构建的RRWVI取得了比NDRE、NDVI等常用植被指数更为可靠的反演效果,说明本研究新构建的红边抗水植被指数可有效提高冬小麦叶面积指数的精度。     

基于MODIS的郑州市夏玉米LAI反演研究

根据实测玉米高光谱数据和遥感影像数据,以郑州市为研究区域,分别利用原始光谱反射率、光谱反射率一阶导数以及植被指数(NDVI)建立了LAI回归模型,比较拟合效果以确定精度最高的模型,充分挖掘高光谱的优势,提高夏玉米LAI遥感估算精度.结果表明,夏玉米LAI的最佳回归模型为利用波长439.31nm处的光谱反射率一阶导数数据进行回归分析建立的三次多项式回归模型,其决定系数R2为0.761.     

基于Logistic模型的春玉米MODIS LAI产品订正

基于Logistic模型,利用2011—2013年辽宁省实测的叶面积指数和作物发育期数据,构建回归模型对MODIS LAI产品进行订正及效果检验。以抽雄期为分界线,分2个时段构建Logistic模型,对春玉米的全生育期进行模拟,利用模拟结果建立MODIS LAI产品的多种订正模型,其中二次多项式模型相关性最好,决定系数达到0.975。利用2013年实测数据对订正模型进行检验,在抽穗期和乳熟期将MODIS LAI产品监测误差从45%降低到10%左右,为提高MODIS LAI产品在中国北方地区旱田的适用性和反演精度提供数据基础。     

基于Logistic模型的春玉米MODIS LAI产品订正

基于Logistic模型,利用2011—2013年辽宁省实测的叶面积指数和作物发育期数据,构建回归模型对MODIS LAI产品进行订正及效果检验。以抽雄期为分界线,分2个时段构建Logistic模型,对春玉米的全生育期进行模拟,利用模拟结果建立MODIS LAI产品的多种订正模型,其中二次多项式模型相关性最好,决定系数达到0.975。利用2013年实测数据对订正模型进行检验,在抽穗期和乳熟期将MODIS LAI产品监测误差从45%降低到10%左右,为提高MODIS LAI产品在中国北方地区旱田的适用性和反演精度提供数据基础。     

基于无人机多光谱数据的水稻LAI反演与应用

为比较和验证不同叶面积指数(LAI)机器学习模型迁移后的稳定性,以无人机获取的湖北鄂州与海南水稻田的多光谱影像数据为研究对象,使用8 种植被指数经验模型与3 种机器学习方法对鄂州试验田的水稻LAI进行反演,并推广至海南试验区。结果表明:1)非线性模型在鄂州试验数据的建模集测试中精确度较优,其中归一化红边差值(NDRE)非线性模型验证的变异系数(CV)=31.05%,但推广至海南试验区后精确度下降严重(验证集CV=74.90%),可移植性差;2)线性模型和机器学习模型在模型移植后表现出较优的稳定性,其中梯度提升回归(GBR)二波段模型在鄂州数据建模集CV=28.91%,在海南数据验证集CV=26.58%;3)增强植被指数(EVI2)线性拟合模型在鄂州数据建模集CV=33.78%,在海南数据验证集CV=27.90%。最后使用EVI2构建的经验模型,对各生育时期2 种不同水稻(珞优9348和丰两优4号)的LAI进行预测,结果表明在相同氮水平下,珞优9348表现为氮高效品种。     

基于ACRM模型与敏感波段的农作物LAI与LCC反演

【目的】面向现代农业生产和管理的数据需求,基于ACRM 冠层反射率模型,探索适 于冬小麦叶面积指数（LAI）和叶片叶绿素含量（LCC）反演的波段选择方案。【方法】文章 考虑高光谱数据降维和CR 模型模拟误差,选出覆盖蓝、绿、红与近红外的5 个波段（波段 选择方案B1）,开展LAI 与LCC 同步反演。然后分别选择LAI 和LCC 的敏感波段,开展对 应参数的反演试验。【结果】（1）基于B1,能够在多数田块实现较为准确的LAI 与LCC 同 步反演（LAI 反演值与实测值间决定系数（R2）为0.860 4,均方根误差（RMSE）为0.963; LCC 反演的R2 为0.814 1,RMSE 为0.069）。（2）仅利用LAI 或LCC 敏感波段反演结果的R2 与RMSE 同时略有升高,但与基于B1 的反演结果相比,无明显差异。【结论】通过该研究与 利用相同数据的前期研究对比发现,旨在高光谱数据降维与限制CR 模型模拟误差的波段选 择,对LAI 反演精度改进作用较为显著。相较而言,仅选用单一目标参数（LAI 或LCC）的 敏感波段,对反演精度改进并不明显。由此,一方面证实了常规反演方法与面向对象反演法 不强调选用单一目标参数敏感波段的合理性;另一方面,并不否定多阶段目标决策（MSDT） 反演法以及一些相关研究提出的,仅采用单一目标参数敏感波段来开展反演的合理性。     

利用Beer-Lambert消光定律遥感反演玉米叶面积指数

利用遥感技术反演大范围玉米叶面积指数,对于田间肥水管理、长势监测乃至产量预测具有重要意义。在野外实测样本的支持下,获取玉米抽雄期的Landsat-8多光谱影像,引进Beer-Lambert定律,利用最小二乘法分析玉米冠层结构的消光系数,构建玉米叶面积指数遥感反演模型,最后采用交叉验证法评价模型精度。结果表明：玉米抽雄期NDVI、LAI呈较明显的正相关关系;基于Beer-Lambert定律的玉米叶面积指数遥感反演模型决定系数可达0.97,LAI空间分布状况与当地农业技术推广部门掌握的玉米实际生长状况基本一致,说明利用Beer-Lambert消光定律方法可以有效地反映玉米群体结构对光照的影响,据此开展玉米叶面积指数遥感反演具有较高的可行性。     

基于PROSAIL模型的山地草原叶面积指数高光谱反演

【目的】 研究基于PROSAIL模型监测天然草地的动态变化,掌握草地的质量与数量。【方法】 研究使用地物光谱仪连续3年在天山北坡中段的2个山地草原样区采集光谱数据和配套数据,基于PROSAIL模型进行冠层LAI的高光谱反演,重点研究应用不同代价函数、植被种类变化对反演精度的影响。【结果】 多数代价函数反演LAI的决定系数(R²)在0.54~0.55,均方根误差(RMSE)在0.23~0.25,归一化均方根误差(NRMSE)在17~19。在9个来自不同统计类型的代价函数中,常用的RMSE代价函数的反演精度相对不高。将获取的427个样方数据依据种类数分成组,然后用PROSAIL进行LAI反演。种类数越多,RMSE在增大,R²在减少,反演精度越差。但精度的下降幅度不是均匀的,种类数≤2的组和种类数≤3的组之间精度差异最大。【结论】 在利用物理模型反演天然草地的叶面积指数时,不同代价函数获得的反演精度差别比较大;随着植被种类数量的增多,反演的精度是下降的。     

基于地物光谱和Landsat8遥感影像的土壤铅含量反演研究

随着人类活动的影响,重金属污染逐渐成为土壤和环境研究的重点。采用遥感技术可以克服传统重金属监测过程中的缺点,做到快速、高效地反映重金属空间分布。本文以克拉玛依市某区域为研究区,利用SVC HR-768光谱仪和Landsat8影像对41块土壤样品进行地物光谱和波段反射率的获取,采用相关性分析和偏最小二乘回归的原理,建立地物光谱与Landsat8数据的土壤铅含量反演模型。结果表明,基于一阶微分变换的地物光谱能更好地反映光谱与重金属铅含量的相关性,建立的模型为最优预测模型;通过波段比值和波段差值方式建立的基于Landsat8波段反射率的反演模型精度较好,能粗略预测土壤重金属铅的含量,并且基于Landsat8影像反演的土壤铅含量空间分布符合土壤样点实测值的空间分布,为今后土壤环境监测土壤重金属含量提供数据支撑。     

大豆叶面积的高光谱模型

以ASD FieldSpec-Vnir光谱仪实测不同生长季大豆的冠层反射率,同期采集对应大豆LAI,然后逐波段分析冠层光谱反射率、导数光谱与大豆LAI的相关关系;并采用单变量线性回归逐波段分析了冠层光谱反射率、导数光谱与大豆LAI确定性系数随波长的变化趋势,建立了以近红外与可见光波段冠层光谱反射率的比值植被指数RVI与大豆LAI的高光谱遥感估算模型。结果表明,冠层光谱反射率在350￣680nm、760￣1050nm波谱区与大豆LAI相关性较大,而在红边区680￣760nm的相关性变化较大;导数光谱在红边区与大豆LAI相关程度高。通RVI方式建立的遥感估算模型能较为准确估算大豆LAI,通过对红外与蓝波段建立的RVI指数与大豆LAI的回归模型,表明其预测大豆LAI的能力较好,有进一步研究的必要;通过对比发现,神经网络模型可以大大提升高光谱反演大豆LAI的水平,模型的确定系数R2为0.9661,而总均方根误差RMSE仅为0.446m2.m-2。     

基于Landsat影像的博斯腾湖水质参数反演模型研究

以内陆博斯腾湖为研究区,通过实测数据和遥感数据,分析了单波段数据、归一化数据、波段组合数据与溶解性总固体、矿化度之间的相关性,建立并筛选获得了最优模型,以期为博斯腾湖溶解性总固体和矿化度两个指标的大面积遥感反演提供理论依据。结果表明,对溶解性总固体与矿化度浓度进行反演,单波段最优分别为B3与B2,最佳模型皆为指数模型;归一化处理后最优波段为B3与B2,最佳模型分别为二次模型与指数模型;波段组合最优为B2×B3与B2-B7,最佳模型为指数模型与指数、线性模型。通过模型的验证与比较,研究发现,归一化法对于溶解性总固体浓度的反演能达到较好的效果,而波段组合法能较好的反演矿化度浓度。     

基于高光谱成像技术的油菜种子油酸含量反演模型

高油酸油菜籽品种是当前油菜育种方向之一,为开发高效、无损测定油酸含量的方法,提高油菜高油酸种质资源筛选效率,选用3个油菜品种为材料,分别采集其种子光谱成像信息及油酸含量数据,首先对光谱信息进行11种预处理,确定多元散射校正（MSC）最佳预处理方法,然后基于主成分分析（PCA）、连续投影（SPA）、竞争性自适应重加权采样（CARS）方法对数据进行降维,最后分别建立支持向量机（SVM）、最小二乘支持向量机（LS-SVM）和极限学习机（ELM）3种定量分析模型,对油菜油酸含量进行无损检测。通过改变训练样本的数量来测试模型,为验证模型的稳定性,用相关系数（R）、均方根误差（RMSE）进行效果评价。结果表明,在所有模型中,多元散射校正+竞争性自适应重加权采样+极限学习机（MSC+CARS+ELM）模型预测效果最好,校正集相关系数（Rc）、均方根误差（RMSEc）分别为0.894、1.993 4%,预测集相关系数（Rp）为0.868,均方根误差（RMSEp）为1.069 8%,可更加准确地预测油酸含量,创建一种快速、无损检测油菜种子油酸含量的方法,为利用高光谱技术进行油菜营养品质无损检测提供理论依...     

玉米叶片叶绿素含量的高光谱反演模型探究

叶绿素含量是绿色植物生长状态的一个重要指标。首先在实验室采集玉米叶片高光谱数据和测定叶绿素含量,并对光谱数据进行对数一阶微分变换,对比选取建模反演因子。根据选定的反演因子采用线性回归、模糊识别和BP神经网络方法建立了玉米叶片叶绿素含量高光谱反演模型,并计算出模型的精度。结果表明,有较好非线性映射能力的BP神经网络反演模型能够高精度地反演出玉米叶片中的叶绿素含量。BP神经网络模型叶绿素含量预测和实测叶绿素含量的平均绝对误差(e)为1.126,决定系数(R2)为0.902,均方根误差(RMSE)为1.375。玉米叶片叶绿素含量与高光谱数据并非线性关系,BP神经网络反演模型能够较好地运用到叶片叶绿素含量反演中。     

基于无人机影像的冬小麦株高提取与LAI估测模型构建

株高和叶面积指数（Leaf Area Index, LAI）反映着作物的生长发育状况。为了探究基于无人机可见光遥感提取冬小麦株高的可靠性,以及利用株高和可见光植被指数估算LAI的精度,本文获取了拔节期、抽穗期、灌浆期的无人机影像,提取了冬小麦株高与可见光植被指数,使用逐步回归、偏最小二乘、随机森林、人工神经网络四种方法建立LAI估测模型,并对株高提取及LAI估测情况进行精度评价。结果显示：（1）株高提取值Hc与实测值Hd高度拟合（R = 0.894,RMSE = 6.695,NRMSE = 9.63%）,株高提取效果好;（2）与仅用可见光植被指数相比,基于株高与可见光植被指数构建的LAI估测模型精度更高,且随机森林为最优建模方法,当其决策树个数为50时模型估测效果最好（R=0.809,RMSE = 0.497,NRMSE = 13.85% ,RPD = 2.336）。利用无人机可见光遥感方法,高效、准确、无损地实现冬小麦株高及LAI提取估测可行性较高,该研究结果可为农情遥感监测提供参考。     

基于NDVI像元二分模型植被覆盖度反演喀斯特石漠化研究——以贵州毕节鸭池示范区为例

该研究在＂3S＂技术发展的背景下,以贵州省毕节鸭池示范区为研究区,选用2005年SPOT遥感影像,对遥感影像进行几何校正、图像配准等数据预处理,引入NDVI植被指数和像元二分模型,根据像元二分模型的理论,确定出NDVIsoil和NDVIveg,建立了反演植被盖度的像元二分模型。并根据大量的外业调查数据对所建立的模型进行了精度验证,定量估算了毕节鸭池示范区的植被覆盖度,取得NDVI植被指数与喀斯特石漠化之间的对应关系,得到研究区NDVI图像,最后由各覆盖度得出NDVI结果反演毕节鸭池示范区石漠化特征,得到研究区的各等级喀斯特石漠化的面积以及空间分布情况。利用该方法进行喀斯特石漠化研究,明显改善了分类的精度,为喀斯特石漠化生态修复及其他综合防治提供科学依据。