水稻叶绿素敏感波段选择方法的研究

利用典型相关分析方法分析了不同生育期叶绿素含量与各波段光谱特征的相关系数,结果表明,除分蘖期与叶绿素b含量相关性不显著外,各生育期在430-700 nm叶绿素含量与各波段光谱特征均达到显著相关。利用主成分分析方法对其分析的结果显示,第一主成分主要包含了510-520、520-530、530-540、540-550、550-560、570-580 nm几个可见光波段的信息,第二主成分主要包含了760-770、750-760、740-750、730-740 nm近红外波段的信息。利用典型相关分析和主成分分析对水稻叶片叶绿素进行分析得出的敏感波段范围基本一致。     

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。     

矿区高光谱数据与植物叶绿素含量相关性研究

以陕西省潼关县金矿区为研究背景,选取葎草、玉米、苦菜、梧桐4种植物为研究对象,使用ASD光谱仪进行野外实地测量,获得4种植物叶片的光谱反射率,室内利用紫外可见分光光度计进行叶绿素含量的测定。通过植物原始光谱、导数光谱、连续统去除法、倒数对数光谱(Log1/R)4种方法比对获得光谱参数与叶绿素含量相关性,建立植物光谱参数与叶绿素含量的回归方程。结果表明:光谱参数与叶绿素含量存在较显著相关性,葎草、玉米相关性顺序为Log1/R原始光谱一阶微分连续统去除(BDNBDIBNA),苦菜相关性顺序为原始光谱一阶导数BDNBDILog1/RBNA,梧桐为BDNBDI一阶导数BNALog1/R原始光谱;拟合模型以线性、指数、S形曲线模型最优。     

桑叶叶绿素光谱特征及其含量测定的初步研究

[目的]研究桑叶叶绿素的光谱特征及其含量的变化规律。[方法]以新鲜桑叶为材料,采用有机溶剂萃取法和分光光度法对桑叶叶绿素进行提取与含量测定,通过比较不同节位桑叶及桑叶不同部位的叶绿素含量,分析桑叶叶绿素的光谱特征及其含量的变化规律。[结果]桑叶叶绿素的光谱特征与其他高等植物叶绿素的光谱特征类似;不同节位桑叶中叶绿素含量为中部〉底部〉顶端,但叶绿素a／b的比值却为底部〉硕端〉中部;而桑叶不同部位叶绿素含量及a／b比值的高低顺序依次为叶柄〉叶中〉叶尖。[结论]不仅为叶绿素的提取及含量测定提供了方法性参考,而且有益于叶绿素的进一步研究。     

再生水灌溉对植物叶绿素含量的影响

[目的]为了研究再生水灌溉对植物叶绿素含量的影响。[方法]于2003～2005年进行盆栽和小区试验,测定不同水质灌溉下3种植物的叶绿素含量。[结果]同一年度内两种试验方法无显著性差异;3种水质灌溉的植物叶绿素含量均增高,顺序为:二级水>中水>自来水,中水、二级水处理无明显差异,相同的处理3种植物叶绿素增长率不同。在相同的试验方式下不同年度间的同一种草的叶绿素含量有随年度先增长后降低的变化趋势;不同年度间同一种草的不相同处理,呈逐年增长的趋势,无显著性差异。[结论]再生水灌溉能提高植物叶绿素的含量。     

土壤有机质含量预测精度对光谱预处理和特征波段的响应

为了提高土壤有机质含量预测的精度,对光谱预处理方法和特征波段的选择进行了研究。分别用Savitzky-Golay平滑(SGS)、多元散射校正(MSC)、标准正态化(SNV)、标准正态化+去趋势(SNV_Detrend)、一阶导数(FD)、二阶导数(SD)、包络线去除(CR)和克里克滤波(KF)8种方法对33个水稻土土壤样本进行了光谱预处理,用分区极值法选择的特征波段进行了建模。结果表明:经过预处理以后,除了SGS和KF处理外,MSC、 SNV、 SNV_Detrend、 FD、SD、CR预处理获得的土壤光谱与土壤有机质(SOM)含量的相关性都得到了显著提高;CR预处理方法获得的预测模型精度最高,其标定集和验证集的决定系数分别是0.728和0.666,最小均方根误差(RMSE)分别是2.240 g/kg和2.770 g/kg;利用分区选择的4个特征波段建立的预测模型精度远高于利用4个相关系数最大绝对值对应的波段及所有相关系数绝对值大于0.5的77个波段建立的预测模型。CR预处理方法和基于分区极值选择的特征波段能够改善土壤有机质含量的预测精度。     

基于光谱与纹理特征融合的绿萝叶绿素含量检测

[目的]本文旨在快速测定植物体内叶绿素含量,以提高无损测定叶绿素的准确性.[方法]以绿萝叶片为研究对象,提出一种串联融合高光谱特征与纹理特征的叶绿素SPAD值的无损检测方法.采集320片绿萝叶片样本在400～900 nm波段的光谱信息,使用Savitzky-Golay卷积平滑对原始高光谱图像进行预处理,利用连续投影算法...     

毛竹叶片重要营养元素的光谱敏感波段分析

以毛竹叶片为研究对象,利用ISI921VF-256野外光谱辐射仪获取毛竹叶片光谱反射率,分析毛竹叶片N、P、K含量和高光谱反射率的相关性,筛选N、P、K的光谱敏感波段与光谱敏感波长。结果表明,毛竹叶片N、P和K的敏感波段分别为700～850、600～750nm和450～560nm波段。毛竹叶片N含量在二阶导数光谱的光谱敏感波长为832nm;P含量在一阶导数光谱的光谱敏感波长为631nm;K含量在二阶导数光谱的光谱敏感波长为498nm。通过毛竹叶片的N、P、K含量与光谱敏感特性的相关性分析,对毛竹叶片重要营养元素的最佳光谱敏感波段研究以及高光谱预测反演具有重要意义。     

基于高光谱植被指数对棉花叶绿素含量的估算

为了研究不同水氮组合条件下叶片叶绿素含量与光谱反射率之间的相关性,从而进一步估算叶绿素含量,利用ASD Field Spec Pro Fr型光谱仪室外测量棉花叶片的光谱反射率,同时采收棉花叶片获得叶绿素含量值。计算光谱一阶微分、原始光谱反射率组成的植被指数,以及对"三边参数"与叶片叶绿素含量进行相关性分析,结果表明:"三边参数"中的红边内最大一阶微分值(D_r)与棉花叶绿素含量有很好的相关性,其决定系数r~2为0.530 5**,估测模型决定系数r~2为0.856 3**,均方根误差RMSE为0.366;植被指数中Bm SR705:(DR750-DR445)/(DR705-DR445)与棉花叶绿素含量有很好地相关性(r~2=0.696 3**),估测模型决定系数r2为0.815 7**,均方根误差RMSE为0.278。因此利用特定的植被指数和"红边参数"能够很好地预测叶绿素含量,从而为高光谱数据预测棉花叶片叶绿素含量提供理论基础。     

高光谱评价植被叶绿素含量的研究进展

重点介绍利用便携式光谱仪获得的高光谱数据在评价植被叶绿素含量的研究状况。从叶绿素的光谱特性入手。通过和传统宽波段对比阐述高光谱数据在评价植被叶绿素中的特点。在此基础上简要介绍了高光谱遥感数据估计植被叶绿素含量两种方法的研究进展。一是利用光谱数据。植被指数，导数光谱评价植被叶绿素密度或浓度。二是利用红边光学参数评价植被叶绿素密度或浓度，并分析了研究中可能存在的问题。     

基于光谱特征变量的湿地典型植物生态类型识别方法——以北京野鸭湖湿地为例

光谱特征变量的选择对于湿地植被识别的精度和效率有着直接的影响作用.以华北地区典型的淡水湿地——野鸭湖湿地为研究区,采用Field Spec 3野外高光谱辐射仪,获取了野鸭湖典型湿地植物的冠层光谱.以野外高光谱数据为基础,首先利用一阶导数与包络线去除的方法,分析和对比不同植物生态类型的光谱特征,选定了用于识别植物生态类型的光谱特征变量,选定的8个光谱特征变量为红边位置WP_r、红边幅值Dr、绿峰位置WP_g、绿峰幅值Rg、510 nm附近的吸收深度DEP-510和吸收面积AREA-510、675 nm附近的吸收深度DEP-675和吸收面积AREA-675.其中,7种植物生态类型的一阶导数光谱特征差异较小,吸收特征差异性相对较大.除WP_r和WP _g外,沉水植物Rg和Dr平均值最低,湿生植物的Rg平均值最高,达到0.164,栽培植物的Dr平均值最高,达到0.012.7种植物生态类型在675 nm附近的DEP-675和AREA-675均高于510 nm附近的DEP-510与AREA-510,除去栽培植物,随着水分梯度的变化,其他6种植物生态类型的吸收深度和吸收面积都表现出先升高后降低的趋势.然后利用单因素方差分析(One-way ANOVA)验证了所选光谱特征变量的区分度,在P≤0.01的置信水平下,选取的8个光谱特征变量都能够较好的区分7种植物生态类型,区分度的最小值为13,最大值为18,并且吸收特征参数的区分度优于一阶导数参数.最后应用非线性的反向传播人工神经网络(BP-ANN)与线性判别分析(FLDA)的类型识别方法,利用选定的8个光谱特征变量进行湿地植物生态类型识别,取得了较好的识别精度,两种方法的总分类精度分别达到85.5％和87.98％.单因素方差分析(One-way ANOVA)和不同分类器的分类精度表明,所选的8个光谱特征变量具有一定的普适性和可靠性.     

植物叶绿素含量测定——丙酮乙醇混合液法

叶绿素含量的测定是农业科研和农业生产中经常遇到的问题。1949年Arnon提出了丙酮法,该法提取麻烦,工作量大,在提取过程及提取液,其叶绿素易受光氧化破坏而引起误差。1979年Hiscox对高等植物提出了二甲基亚砜法,将材料直接用二甲基亚砜(CH_3—S—CH_3,DMSO)在65℃下浸泡提取而不需要研磨过滤,从而简化了提取手续,但由于二甲基亚砜的气味难闻,高温提取(65℃),叶绿素受到破坏而使测定值偏低;另外,当温     

基于多光谱影像的单红边波段叶绿素指数验证

【目的】应用多光谱影像和光谱指数法准确估算作物叶绿素含量。【方法】使用4个生长期玉米冠层高光谱反射率及叶绿素含量建立单红边波段叶绿素指数(SRCI)的叶绿素含量估算模型:首先由高光谱反射率和光谱响应函数计算得到等效的Worldview-2多光谱反射率,以等效反射率计算SRCI;然后根据SRCI与叶片叶绿素含量(LCC)、冠层叶绿素密度(CCD)的线性关系,分别建立LCC和CCD的一元线性回归模型。使用2012年9月14日获取的Worldview-2多光谱遥感影像计算得到的SRCI作为输入,估算LCC和CCD。【结果】Worldview-2 SRCI估算叶片叶绿素含量的偏差均方根为4.70μg/cm~2,相对误差平均为7.0%;估算冠层叶绿素密度的偏差均方根为1.63 g/m~2,相对误差平均为6.4%。【结论】多光谱卫星遥感的红边光谱指数能准确估算玉米叶绿素含量。     

叶绿素含量与植物抗病性的关系

植物抗病性是当前植物病理学中研究的热点和难点之一,叶绿素含量的高低往往能客观地反映植物抗病性的强弱.本文就叶绿素含量与植物抗病性关系方面的研究作一综述.     

基于光谱植被指数的冬小麦叶绿素含量反演

植物功能叶的SPAD值与其氮素和叶绿素有较强的相关性,研究功能叶SPAD与其冠层光谱的关系,对实现植株叶绿素含量快速、无损检测具有重要意义。本文通过对冬小麦生育期的冠层原始光谱进行一阶导数变换,研究其功能叶片SPAD值与冠层光谱的相关性,对监测冬小麦叶绿素含量的敏感波段进行了提取,并建立了叶绿素含量与冠层反射光谱的定量关系。结果表明,基于小麦冠层原始光谱反射率、冠层光谱导数反射率与SPAD的相关系数曲线,提取的各形式下冬小麦叶绿素含量的敏感波段分别为500、690、760和470、630、723nm;并构建了冬小麦叶绿素含量的预测模型,以FDNDVI(630,723)预测模型较好,其R2可达0.9485,模型验证参数R2、MRE和RMSE分别为0.8099、0.0294和1.805,拟合效果较好,表明该模型能有效地对冬小麦叶绿素含量进行预测。该研究结果可为冬小麦长势监测提供一定的理论参考。     

基于L波段雷达探空的逆温特征统计分析——以安庆市为例

利用L波段探空雷达数据,分析了安庆2011—2020年逆温基本特征。结果表明,08:00、20:00逆温层平均出现的层数分别为1.9、1.5层,发生的频率分别为85.4%、79.7%。接地逆温发生的频率低于脱地逆温。统计期间内逆温出现的频率呈缓慢上升趋势。接地逆温层顶平均高度为222 m,08:00接地逆温层厚度大于20:00逆温层厚度,第一脱地逆温层起始高度及层顶高度的变化区间跨度大,厚度是接地逆温层厚度的1.6倍。逆温强度有微弱上升趋势并呈现明显的季节变化,夏季逆温强度小、次数少,冬季强度大、次数多。     

茶鲜叶的荧光光谱特征与叶绿素含量之间的关系研究

采集的65份茶鲜叶样本中45份用来建模,另外20份用来进行模型验证,研究茶鲜叶的荧光光谱特性与叶绿索含量之间的定量关系.结果表明:叶绿素含量与685nm处的荧光强度之间具有显著的相关性;同时发现叶片含水率对建模预测精度有影响.不考虑叶片含水率时,模型的决定系数r2=0.9195,模型预测的相关系数r=0.8956.考虑叶片含水率修正后,模型的决定系数和模型预测的相关系数都提高了,分别为r2=0.9632和r=0.9260.说明基于荧光反射光谱技术可以实现茶鲜叶叶绿素含量的快速无损检测.     

基于ROC图的油菜生长期光谱敏感波段的研究

测定了直播和移栽油菜的苗期、抽薹期、花期、盛花期和角果期的冠层光谱,构建了比值光谱植被指数(RSI)和归一化光谱植被指数(NDSI)。为了获得区分直播和移栽的最佳RSI和NDSI,利用降采样法和精细采样法相结合的受试者工作特征(ROC)图寻找油菜生长期光谱的敏感波长,直播和移栽油菜各时期RSI和NDSI的最敏感波长分别为:苗期(458 nm,511 nm)和(433 nm,517 nm);抽薹期(997 nm,501 nm)和(990 nm,510 nm);花期(1 235 nm,1 180 nm)和(1 235 nm,1 180 nm);盛花期(478 nm,396 nm)和(484 nm,416 nm);角果期(1 073 nm,1 037 nm)和(1 092 nm,1 024 nm)。用敏感波长下的2种植被指数为特征,以最近邻法为分类器的定性识别模型,结果花期的区分效果最好,最大约登指数分别为0.941 7和0.945 0。     

融合光谱反射率与时频特征的坡垒叶绿素含量估测模型研究

【目的】研究估测坡垒叶绿素含量的高光谱模型,探讨融合光谱反射率与时频特征估测叶绿素含量的可行性,为坡垒叶绿素含量的快速无损检测提供参考。【方法】以2年生坡垒为研究对象,设置N0（0 kg/hm²）、N1（35 kg/hm²）、N2（70 kg/hm²）3个氮肥水平,测定不同氮肥水平下坡垒冠层叶绿素含量和光谱曲线,采用离散傅里叶变换（DFT）和短时傅里叶变换（STFT）方法提取光谱时频特征,采用偏最小二乘回归（PLSR）算法,构建基于光谱反射率、时频特征及其二者融合特征的不同氮水平的分区模型以及全氮肥水平下的综合模型,估测不同氮肥水平下坡垒叶绿素含量,并以决定系数（R²）、平均绝对百分比误差（MAPE）、相对均方根误差（RRMSE）作为评价指标比较各模型精度,确定最优估测模型。【结果】（1）不同叶绿素含量下坡垒冠层光谱反射特征的整体变化趋势相似,在可见光波段（380~750 nm）内,光谱反射率随着叶绿素含量的增加而降低。（2）在构建的分区模型中,基于光谱反射率和时频特征构建的模型均能较好地估测坡垒叶绿素含量,检验R²分别为0.626~0.816,0.662~0.797,检验MAPE分别为4.966％~9.269％,6.029％~8.181％,检验RRMSE分别为6.827％~11.593％,8.247％~9.792％;基于融合光谱反射率与时频特征（融合特征）构建的分区模型检验R²为0.913~0.951,检验MAPE和RRMSE均低于10％。（3）在构建的综合模型中,当引入哑变量时,基于融合光谱反射率与时频特征（融合特征）构建模型的检验R²为0.814,MAPE和RRMSE分别为7.212％和8.578%,二者较基于光谱反射率构建的模型分别降低了37％和36％,较基于时频特征构建的模型分别降低了47％和45％。【结论】基于融合光谱反射率和时频特征（融合特征）构建的模型能够提高坡垒叶绿素含量估测的精度,对于不同氮肥水平下坡垒叶绿素含量有较好的估测效果,可作为估测坡垒叶绿素含量的优选方法。     

施肥水平对草坪叶绿素含量及反射光谱的影响

草坪色泽是草坪外观质量评价的重要指标之一,叶绿素密度是影响草坪色泽的重要因素。对4种草坪进行不同施肥处理,研究反射光谱特征及其与叶绿素密度之间的相关性。结果表明:施用氮肥或氮肥+铁,可显著提高草坪叶绿素含量,降低可见光区光谱反射率,改善草坪质量;施肥处理后,叶绿素含量存在显著性差异,试验为利用光谱遥感技术快速、准确地评价草坪质量提供了理论支持。