基于无人机高光谱影像玉米叶绿素含量估算

以无人机为平台搭载高光谱相机获得玉米农田高光谱影像,从中提取光谱特征参数,构建玉米叶片叶绿素含量估算模型,并制作玉米叶片叶绿素含量分布图。结果表明,以红边面积（SDr）、红边一阶微分最大值（Dr）、差值植被指数(DVI)为自变量构建的回归模型建模精度较高,以此反演玉米叶片SPAD值分布图并对填图结果进行精度检验,得出SPAD-Dr模型填图预测效果最佳（R2=0.89,RMSE=1.28,RE=2.31）,可以作为玉米叶片叶绿素含量无人机高光谱影像遥感反演估算的基本模型。     

干旱区玉米抽雄期叶绿素含量高光谱最佳模型选择

采用相关性、线性和非线性分析法,探讨了玉米抽雄期叶片叶绿素含量与多种高光谱参数之间的关系,并建立了叶绿素含量的定量监测模型。结果表明:(1)原始光谱反射率与叶绿素含量在713 nm处具有最大相关系数r=0.86,光谱反射率一阶微分在760 nm处与叶绿素含量具有最大相关性r=0.84。同时,最大一阶微分分别对应的波长(λr,λb,λy)、绿峰反射率(Rg)和其对应的波长λg、红边内最大一阶微分总和(SDr)、比值植被指数(SDr/SDb,SDr/SDy,(Rg-Ro)/(Rg+Ro))以及归一化植被指数(SDr-SDb)/(SDr+SDb)等10种参数分别与叶绿素含量的相关性达到极显著相关。(2)采用相关性达到极其显著的12种光谱参数进行建模,其中原始光谱、绿色反射峰以及光谱反射率一阶微分、基于红边面积与蓝边面积的比值植被指数和归一化植被指数所建立的10个模型R2都不小于0.72,前两者所建立的指数模型优于线性模型,而后三者所建立的线性模型则优于指数模型。(3)所选取的五个方程中,在760 nm处的光谱反射率一阶微分值所构建的线性模型:y叶绿素=6912x760nm+44.878因其具有最大决定系数和最小的RMSE,并且其模型表达式相对简单,因此是玉米抽雄期叶绿素含量的最佳预测模型,从模型决定系数R2来看,它比其他模型至少提高了11.4%。     

基于室内高光谱数据的多种类型土壤有机质估算模型比较

基于高光谱数据的土壤有机质反演是土壤遥感及精准农业的重要研究内容,然而不同的光谱处理及建模方法使得模型的估算能力及精度差异明显,限制了模型之间的通用性。为了构建陕西省土壤有机质含量估算的最优模型,以陕西省9种主要土壤类型的216个土样的光谱反射曲线和土壤有机质含量为数据基础,将光谱反射曲线进行一阶微分d(R)、倒数对数log(1/R)、倒数对数一阶微分d[log(1/R)]和包络线去除N(R)4种变换,结合一元线性回归(SLR)、偏最小二乘回归(PLSR)和支持向量机回归(SVR)3种建模方法构建了不同的土壤有机质含量估算模型。结果显示:不同类型土壤的反射光谱曲线总体态势基本一致,吸收特征位置基本相同,且土壤有机质含量与光谱反射率呈负相关态势;基于d [log(1/R)]光谱变换构建的SVR估算模型精度最高,建模集和验证集的判断系数(R~2)分别为0.9210、0.8874,验证均方根误差(RMSE)为2.18,相对分析误差(RPD)达到2.8751,是估算陕西省土壤有机质含量的最优模型,PLSR次之,SLR最差。     

不同水肥处理下夏玉米株高、生物量响应特征及光谱反演

以不同水肥处理下的大田夏玉米为研究对象，利用无人机遥感系统采集光谱数据，分析光谱数据及地面测量的玉米生长指标，明确不同水肥处理对夏玉米生长的影响，构建了基于光谱感知的作物生长指标监测模型。结果表明，不同灌溉施肥处理显著影响夏玉米株高，光谱计算的株高值与实测值均在P<0.0001水平上极显著相关，2020年拔节期的2个时段和喇叭口期的2个时段决定系数R²分别为0.354、0.483、0.672、0.702,2021年拔节期、喇叭口期、抽雄期和吐丝期R²分别为0.314、0.410、0.426、0.466。多个生育时期数据融合可以大幅提高光谱反演株高的精度，两年的拟合优度分别为0.946和0.906。多光谱植被指数与不同水肥处理下的夏玉米生物量相关性较好，利用Cubist算法构建的2020年玉米生物量反演模型表现最优；多个生育时期数据融合可以显著提高模型的反演精度，3种算法构建的模型(SVR模型，Cubist模型和RF模型)在2021年生育时期融合数据集上均表现较优，其在测试集上的R²分别达到了0.942、0.941、...     

基于Stacking集成学习的猕猴桃叶片叶绿素含量估算

叶绿素含量能有效表征植物光合作用强度，是反映植物生长状况的重要参量之一。以秦岭北麓壮果期猕猴桃叶片为研究对象，分别测定其叶绿素含量和光谱反射率，通过分析380～1 000 nm范围内高光谱参数与叶绿素含量的相关性，筛选出估测模型的输入特征，选择随机森林、极限梯度提升树、K-近邻、LightGBM算法和岭回归作为基模型，线性回归作为元模型，建立基于Stacking集成学习的猕猴桃叶片叶绿素含量估算模型，并通过网格搜索和交叉验证提高模型泛化能力，将Stacking模型与多个单一模型进行比较。结果表明：(1)不同叶绿素含量的猕猴桃叶片高光谱反射率变化趋势基本一致，在380～1 000 nm范围内呈现“一峰两谷一平台”的特点；(2)各高光谱参数与猕猴桃叶片叶绿素含量相关性较好，优化光谱指数和传统光谱指数中与叶绿素含量相关性最高的分别是比值光谱指数(RSI′_581,438,r=0.947)和红边位置(r=0.914);(3)与多个单一模型相比，Stacking集成模型的估算精度最高(R²=0.807,MAE=0.334,RMSE=0.136),同时，其...     

棉花全生育期叶片SPAD值的遥感估算模型

叶绿素含量是评估棉花生长状况的重要参数,估算叶绿素含量对于棉花生长监测具有重要意义。以渭北旱塬区种植的棉花为试验材料,测量全生育期棉花叶片SPAD值与冠层反射率光谱,将原始高光谱反射率、一阶微分光谱反射率、不同波段组合的遥感光谱参数分别与SPAD值做相关性分析,用传统回归分析方法构建五种重要光谱参数的SPAD值预测模型,同时,采用PLSR方法建立全生育期SPAD值的估算模型。最后对模型进行检验,筛选出精度最高的模型。建模结果表明,基于多种光谱参数的全生育期PLSR预测模型精度最高、预测效果最好,估算模型的决定系数R~2为0.733,验证模型R~2为0.737。PLSR方法建立的多光谱参数的SPAD值估算模型预测效果显著,利用高光谱技术对棉花SPAD值进行监测,可为全生育期棉花长势遥感监测提供依据。     

谷子叶绿素含量高光谱特征分析及其反演模型构建

基于高光谱数据综合分析不同施肥条件下谷子各生长期冠层叶绿素含量的高光谱特征,在分析各光谱特征参数与叶绿素相关性的基础上,基于偏最小二乘法和人工神经网络构建叶绿素含量的遥感反演模型.结果表明:NDVI(归一化植被指数)、GNDVI(绿色归一化植被指数)、PSNDa(特殊色素归一化指数a)、PSSRc(特征色素简单比值指数...     

光谱数据与冬小麦叶绿素密度的相关性研究

分析2006年栾城试验站不同氮素水平下冬小麦的多时相的群体光谱测量数据和相应叶片叶绿素密度的测量数据，发现：冬小麦的群体光谱的导数光谱数据、红边光谱数据，归一化植被指数NDVI和比值植被指数RVI与叶绿素密度具有很好的相关关系，并且选取样本建立了相应的回归方程。以回归方程作为叶绿素高光谱估算模型，并利用检验样本对估算模型进行检验，结果表明，以745nm处一阶导数光谱值、733nm处二阶导数光谱值和红边振幅为变量的模型可以较好的估算叶绿素密度。     

基于高光谱的水浇地与旱地春小麦拔节期叶绿素含量估测模型对比研究

测定拔节期水浇地与旱地春小麦冠层光谱、叶绿素含量、覆盖度、苗高和叶宽,采用回归分析方法建立春小麦叶绿素含量高光谱估测模型,并对模型精度进行检验。结果表明：阳坡和双面坡地春小麦拔节期叶绿素含量与原始光谱反射率在可见光和近红外波段均呈正相关,水浇地和阴坡地在723 nm以前相关系数为负,723 nm以后为正。各地类春小麦叶绿素含量与各高光谱变量的相关性均较好,均达到了极显著水平（P＜0．01）。无论在可见光还是近红外波段,水浇地春小麦叶绿素含量均与倒数之对数 lg（1/R）的相关性最好,相关系数最大值可达0．98;阴坡地则与一阶微分的相关性最好,最大为0．94;而与阳坡和双面坡地相关性最好的高光谱指数为归一化植被指数。在各个波段,倒数之对数模型lg（1/R）、一阶微分模型（p′）和归一化植被指数模型（N）分别是估测水浇地、阴坡地、阳坡和双面坡地春小麦叶绿素含量的最佳模型。虽然各模型 R2均超过0．90,精确度均大于0．91,但阴坡地、阳坡和双面坡地的模型精确度和准确度略低于水浇地。以上模型的建立可为今后估测水浇地与旱地春小麦的健康状况提供参考。     

猕猴桃叶片SPAD值高光谱估算模型构建

利用便携式野外光谱辐射仪和叶绿素仪在陕西杨凌蒋家寨村测定了猕猴桃不同生育期叶片光谱反射率及其对应的叶绿素相对含量(SPAD)值,通过分析其光谱反射率、一阶微分光谱和SPAD的相关关系,构建了不同生育期基于红边位置、红边幅值、红边偏度和红边峰度的SPAD估算的单因素回归模型和多元逐步回归模型。结果表明:(1)随着猕猴桃叶片叶绿素含量升高,红边位置"红移",红边幅值随着SPAD值的增大而递减,红边面积有所减小,红边曲线形状由右偏逐渐转变为左偏,峰度值逐渐降低;(2)红边偏度能够更好地反映叶片叶绿素含量;(3)在不同生育期,均以红边偏度建立的单因素模型效果最好,建模R2分别为0.821、0.874、0.842;(4)与单因素多项式回归模型相比,多元逐步回归模型在不同生育期均有更好的建模精度和预测精度,在不同生育期,其预测R2分别为0.848、0.926、和0.850,是估算猕猴桃叶片SPAD值的最佳模型。     

基于Sentinel-2数据的干旱区典型绿洲植被叶绿素含量估算

以渭干河-库车河绿洲(渭-库绿洲)为研究区,采用在机器学习方面具有明显优势的随机森林回归算法,对绿洲内的4种典型植被(棉花、芦苇、杨树、大枣)叶片的叶绿素相对含量(soil and plant analyzer development,SPAD)考。进行估算和验证。首先基于"红边"处光谱信息丰富的哨兵2号(Sentinel-2)影像和由其衍生的一阶微分、二阶微分影像各提取23种对叶绿素敏感的宽波段光谱指数,加入3种影响植物生长的土壤参量(土壤含水量,土壤有机质,土壤电导率)作为影响叶片SPAD的特征变量,再根据以上特征变量对每种植被叶片各建立3种方案的SPAD估算模型,从而实现对绿洲内植被叶绿素的监测。结果表明:①影像经一阶微分再提取的植被指数相比原位光谱植被指数,在SPAD估测模型中起到了更重要的作用,在随机森林算法的重要性排序中位居前列;②4种植被叶片的SPAD估测模型都取得了不错的效果,芦苇叶片尤为显著,确定系数(R^2)达到了0.926;③分析对比3种方案下模型预测能力,方案3(包含土壤参量)的预测能力卓越〔2.143<相对百分比偏差(RPD)<2.692〕,其预测能力排序为:方案3>方案1>方案2,土壤属性和模型预测结果有较强的非线性相关。Sentinel-2数据具有理想的估算绿洲植被叶绿素含量的潜力,提供了一种高效、低成本、潜在高精度的方案来估算叶绿素含量,可为干旱区绿洲农业、生态系统实现更有效的保护和管理提供参考。     

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。     

基于高光谱反射率的糜子冠层叶片叶绿素含量估算

连续两年大田试验研究不同糜子品种叶绿素含量与冠层光谱反射率,并基于不同植被指数建立糜子叶片叶绿素含量的估测模型。结果表明,参试糜子品种叶绿素含量在整个生育期呈现"低-高-低"的抛物线变化趋势,最大值出现在抽穗期到开花期之间;不同品种各生育期内冠层光谱反射率趋势一致,在近红外波段,冠层光谱反射率与叶绿素含量呈稳定正相关,灌浆初期光谱反射率达到最大值;可见光波段,拔节期、开花期和灌浆初期冠层光谱反射率与冠层叶绿素含量呈正相关,成熟期呈负相关;糜子冠层叶绿素含量与760~900、630~690、550 nm波段组合的植被指数具有较高相关性;基于RVI、PSNDb、GNDVI750能较好地建立糜子叶绿素含量统一检测模型,决定系数分别为0.791、0.779、0.748;模型验证的相对误差分别为9.58%、8.93%、11.80%;均方根误差分别为0.045、0.140、0.196。表明利用RVI、PSNDb、GNDVI750建立的模型能较为准确地预测糜子冠层叶绿素含量。     

基于无人机成像高光谱的棉叶螨为害等级估测模型构建

为快速、实时、准确地了解新疆棉田棉叶螨（优势种为土耳其斯坦叶螨Tetranychus turkestani）的发生情况,利用高光谱图像中的7种植被指数,使用一般线性回归分析方法分别构建不同棉叶螨为害等级棉花冠层叶片叶绿素相对含量（用soil and plant analyzer development（SPAD）值表征）遥感估测模型和棉叶螨为害等级遥感估测模型,实现棉叶螨为害的实时监测。结果显示：不同棉叶螨为害等级对应的棉花冠层光谱反射率存在明显差异,棉叶螨为害等级与棉花冠层叶片SPAD值呈显著负相关关系。在7个不同棉叶螨为害等级对应的棉花冠层叶片SPAD遥感估测模型中,SPAD-红边归一化植被指数估测模型的估测决定系数为0.915,均方根误差为3.451,识别精确度显著高于其他模型。表明利用棉花冠层叶片SPAD遥感估测模型可快速无损地获取棉叶螨为害数据,构建的棉叶螨为害等级估测模型可用于植保人员快速准确获取棉叶螨为害情况。     

基于连续小波变换的干旱胁迫下玉米冠层叶绿素密度估测

测定了玉米各生育时期干旱胁迫下冠层叶绿素密度及冠层光谱数据,利用原始光谱反射率与冠层叶绿素密度进行相关性分析,采用常用植被指数、波段自由组合、连续小波变换构建玉米冠层叶绿素密度估测模型,并用决定系数(R~2)、均方根误差(RMSE)进行精度检验。结果表明:冠层叶绿素密度在抽雄期相较于正常对照,轻度、中度、重度干旱胁迫处理分别下降7.8%、29.5%、44.2%;波段自由组合指数RVI(555,538)、NDVI(555,538)和敏感小波系数bior5.5(26,792)、rbio2.6(22,790)、gaus6(21,791)与叶绿素密度的相关性较高,相关系数绝对值均达到0.900以上;基于敏感小波系数构建的冠层叶绿素密度估测模型验证集R~2均在0.850以上,相较于其他植被指数模型R~2平均提升20.6%,RMSE平均降低32.6%;最优模型为以gaus6(21,791)为自变量的一元线性回归模型,R~2为0.864,RMSE为1.532。利用连续小波变换对光谱数据进行预处理,可以有效提升玉米冠层叶绿素密度估测模型的精度。     

利用光谱特征参数估算病害胁迫下杉木叶绿素含量

为了探索建立炭疽病胁迫下杉木叶绿素含量的高光谱估算模型,促进遥感技术在森林病虫害监测中的应用,通过获取不同发病程度的杉木冠层光谱及相应的叶绿素含量,将冠层光谱数据、一阶微分数据与相应的叶绿素含量分别进行了相关分析。采用逐步回归、主成分回归及偏最小二乘回归方法构建叶绿素含量的估算模型。叶绿素含量与原始光谱在可见光(614～698nm)和近红外区(724nm之后)达到极显著相关,且在近红外区基本趋于稳定;与一阶微分光谱在424～486nm、514～532nm、552～682nm、698～755nm和762～772nm波段全部达到极显著相关;3种建模方法均消除了参数间多重共线性的影响,模型的决定系数全部达到极显著水平,其中逐步回归模型精度最高,相对误差和均方根误差分别为10.71%和0.194。研究表明受到不同程度炭疽病胁迫的杉木冠层光谱反射差异较大,可利用高光谱信息定量估算病害胁迫下的杉木叶绿素含量,且估算精度较高。     

不同氮水平下冬小麦农学参数与光谱植被指数的相关性

利用光谱仪通过大田试验测量不同氮素水平及不同生育期冬小麦冠层的光谱反射率,测算叶面积指数(LAI)、叶绿素含量(CHL)、叶绿素密度(CHL.D)、地上鲜生物量和地上干生物量等农学参数;在此基础上分析了不同氮素水平冬小麦生育期内的光谱植被指数的变化,并分析了农学参数与植被指数之间的相关性。结果表明:小麦叶面积指数、叶绿素密度与比值植被指数(RVI)和归一化差值植被指数(NDVI)在各生育期呈显著相关,小麦叶片的叶绿素含量与RVI、NDVI在抽穗期呈极显著相关,而地上鲜生物量、地上干生物量与RVI和NDVI从起身到孕穗期呈显著相关。     

水分胁迫对覆膜滴灌棉花根系活力和叶片生理的影响

采用田间试验法,分析不同程度水分胁迫条件下棉花花铃期根尖根系活力、叶片叶绿素、脯氨酸和丙二醛含量变化,并对叶片脯氨酸、丙二醛含量和根系活力与土壤含水率进行相关性分析。试验以60 cm土层田间持水量的105%、100%、95%、90%、85%、80%为灌溉上限,共设6个灌水梯度,即5 400、4 950、4 500、3 750、2 850 m³/hm²和2 550 m³/hm²。结果表明：单株叶片干重及叶面积、地上部干生物量、株高、叶绿素含量随灌水量的减少而降低,根冠比随灌水量的减少而增加。脯氨酸及丙二醛含量随灌水量的降低而升高,且与土壤含水率呈负相关关系,相关系数（r）分别为-0.704和-0.667;根系活力随灌水量的降低而降低,与土壤含水率呈正相关关系,其相关系数为0.67。当灌水上限为95%,即灌水量为4 500 m³/hm²时,作物表现出轻微的水分胁迫,随灌溉量的继续降低,胁迫加重。植物体内脯氨酸、丙二醛含量及根系活力与土壤含水率的相关关系在一定程度上可以用来表征棉花受干旱程度,可为棉花的灌溉管理提供参考依据。     

基于无人机多光谱遥感估算西北半湿润区葡萄基础作物系数研究

为提高西北半湿润区葡萄园蒸散量的估算精度，以波文比系统实测蒸散量ET_c为基础，基于彭曼公式法计算参考作物蒸散量ET_o,得到葡萄作物系数K_c后，采用FAO-56双作物系数法计算土壤蒸发系数K_e与水分胁迫系数K_s,获得基础作物系数K_cb;同时利用无人机多光谱遥感影像获取葡萄光谱数据，提取多个波段反射率计算4种植被指数(归一化植被指数NDVI、土壤调节植被指数SAVI、比值植被指数RVI、差值植被指数DVI),建立葡萄K_cb与植被指数的关系模型(一元线性回归、多项式回归、多元线性回归),从而计算葡萄园实际蒸散量用以验证无人机多光谱遥感估算葡萄K_cb的精度。结果表明：(1)相同建模方法下，植被指数与K_cb的模型拟合精度受到其种类与葡萄生长时期的影响。在生育前期，利用一元线性回归建模得到的K_cb-VI_s模型拟合精度表现为NDVI>RVI>SAVI...     

基于HJ1A-HSI反演松嫩平原土壤盐分含量

以HSI高光谱遥感影像为数据源,利用地理信息系统和偏最小二乘回归（PLSR）分析方法,结合实地采样的盐分离子、EC值、pH的化验数据,分析盐分离子在HSI数据中的光谱特征,建立土壤盐分与高光谱数据的偏最小二乘回归模型,实现对松嫩平原土壤中主要盐分参数的反演实验。结果表明：偏最小二乘回归分析方法在保证信息量最大的前提下,降低了光谱数据维数,提高了分析的效率。利用偏最小二乘回归建立的预测模型,对全盐、[WTBX]EC[WTBZ]值、Na⁺+K⁺、Cl^-、HCO^-₃有较好的反演精度,模型的判定系数分别为0.799、0.879、0.772、0.791和0.694。在土壤含盐量的定量反演方面,探索了使用HSI影像作为新的数据源,为松嫩平原土壤盐分含量的精确、定量、快速获取及盐碱化防治等提供参考。