水稻高光谱遥感监测研究综述

高光谱遥感技术凭借其可以快速、实时、准确、无损地获取水稻生长信息的优势,已经成为监测水稻生长状况的重要手段。本研究综述了高光谱遥感技术在水稻长势监测(包括叶绿素含量、叶面积指数和地上生物量)、产量估算、养分诊断(包括氮素、磷素和钾素)、数据处理与反演方法等领域的国内外研究进展,并针对目前的研究进行了展望,以期为水稻的精准管理提供参考。     

基于高光谱遥感数据的水稻叶温反演

[目的]研究水稻叶温与冠层反射光谱间的关系,为水稻叶温的模拟与监测提供理论依据.[方法]利用FieldSpec Pro FR光谱仪和Raynger ST红外温度探测仪测量水稻抽穗期冠层的反射光谱和叶片温度,分析原始反射光谱、一阶微分光谱、归一化植被指数(NDVI)、比值植被指数(DVI)、再归一化差值植被指数(RDVI)和转换型土壤调整指数(TSAVI)与叶温的关系.[结果]叶温的变化直接影响水稻冠层光谱的反射率,影响水稻红边特征.一阶微分光谱与叶温存在极显著相关性(P<0.01,下同),990 nm处相关系数(0.889)最高,885 nm处相关系数(-0.893)最低.选取叶温敏感波段光谱组合计算植被指数,发现RDVI和TSAVI与叶温的关系呈极显著相关,相关系数分别为0.724和0.733.由RDVI和TSAVI建立经验模型,结果显示由TSAVI建立的叶温估算模型效果更好,其验证样本的决定系数为0.610,相对误差为1.97%,均方根误差为2.546.[建议]综合考虑多种预处理方法,最大程度还原光谱信息;优化特征波长的提取,提高建立模型的精度;基于高光谱技术,实现冠层叶温的无损监测.     

基于高光谱的水稻叶片含水量监测研究

【目的】建立快速、无损诊断水稻叶片含水量的估测模型,为水稻水分精确管理提供依据。【方法】基于2年不同土壤水分处理和水稻品种的池栽试验,于水稻主要生育时期同步测定顶部4张叶片的光谱反射率和含水量,系统分析350-2 500 nm波段范围内任意两波段组合而成的比值（RSI）、归一化差值（NDSI）及差值（DSI）光谱指数,并分析其与叶片含水量的量化关系。【结果】不同土壤水分处理和叶位间,叶片反射光谱具有显著的时空变化特征,叶片含水量的敏感光谱波段主要位于近红外及短波红外区域;RSI （R1402, R2272）及NDSI （R1402, R2272）光谱指数与叶片含水量呈现良好的线性相关,线性拟合R2均达到0.80。基于独立试验资料对所建模型进行测试检验也显示,预测值和观察值的拟合R2也均达到0.86。【结论】RSI（R1402, R2272）、NDSI（R1402, R2272）均可用于水稻叶片含水量的定量监测。     

基于高光谱植被指数的冬小麦产量监测

为了研究利用不同生育时期的植被指数监测冬小麦产量,以2 a不同肥料处理的冬小麦为研究对象,分析不同生育时期植被指数与冬小麦产量的关系,构建冬小麦产量的光谱植被指数监测模型。结果表明,植被指数能有效监测冬小麦产量,其中,孕穗期和抽穗期植被指数的监测效果较好,孕穗期的校正均方根误差(RMSEC)和决定系数(R_C~2)分别为1 131.42和0.78,抽穗期的RMSEC和R_C~2分别为1 015.59和0.77,拔节期的监测效果次之,灌浆期和成熟期的监测效果较差;但从作物生产角度考虑,拔节期监测冬小麦产量具有更重要的现实意义。研究表明,利用拔节期植被指数能够实现冬小麦产量的早期估测。     

基于高光谱技术的覆膜旱作水稻植株氮含量及籽粒产量估算

为建立利用光谱技术快速诊断覆膜旱作水稻植株氮营养和产量的估算模型,应用高光谱技术分析了长江中下游覆膜旱作区水稻拔节期和抽穗期内5种不同施氮水平(0、60、120、180和240kg/hm~2(N))下植株冠层光谱特征及其与植株氮素含量和产量的关系,并分别构建了植株含氮量和产量的估算模型。结果表明:拔节期和抽穗期内不同供氮水平下冠层光谱的变化规律基本一致,均随着供氮水平的增加,反射率在可见光区降低、在近红外区增大。覆膜旱作水稻植株氮含量与552和890nm 2个敏感波段构成的比值(RVI)和绿色归一化植被指数(GNDVI)的关系最佳。构建的水稻关键生育期植株全氮含量及水稻产量的估算模型预测效果均较好,其中植株全氮含量拟合方程的决定系数为0.730~0.808,采用拔节期的RVI对覆膜旱作水稻进行估产的决定系数达到0.724。本研究构建的模型可以用来估计该地区覆膜旱作水稻的氮素营养状况和作物产量。     

基于穗光谱指数的水稻产量预测

为探索运用水稻穗光谱植被指数预测水稻产量的可行性,以2个水稻品种为材料,设置3个氮素水平,测定了3个时期水稻叶片和穗的高光谱反射(350~2 500 nm)和色素含量,并测定了水稻的产量构成组分和籽粒产量。结果表明:与典型的植物反射光谱相比,水稻穗的反射光谱具有“绿峰消失”的特征;与叶片光谱指数[归一化差值指数(normalized vegetation index,NDVI)和光化学反射指数(photochemical reflectance index,PRI)]相比,穗光谱指数对叶绿素更敏感,而且能更准确地区分氮素水平。水稻叶片NDVI和PRI预测产量的均方根误差(RSME)分别为873.4~1 125.0、723.3~889.4 kg·hm^-2,而穗NDVI和PRI预测产量的RSME分别为681.7~743.1、515.0~637.8 kg·hm^-2,表明水稻穗光谱指数比叶片光谱指数更适合于水稻产量预测。     

基于高光谱遥感和集成学习方法的冬小麦产量估测研究

[目的]利用2种灌溉处理下不同发育阶段的冬小麦冠层高光谱信息,通过机器学习方法对小麦籽粒产量进行估测精度研究,明确产量最佳估测模型,对于育种工作有着重要应用价值.[方法]以黄淮麦区207个主栽小麦品种为材料,于2018—2019和2019—2020年度连续2个生长季在河南省新乡基地的正常灌溉和节水处理下种植,并调查开花...     

干旱区基于高光谱的棉花遥感估产研究

【目的】揭示棉花产量与冠层光谱植被指数相关关系,建立棉花高光谱估算模型,促进高光谱技术在棉花长势监测和估产中应用。【方法】结合棉花生长发育规律,对棉花各时期冠层进行高光谱反射率测定,根据光谱曲线特征构建高光谱植被指数,基于棉花盛蕾期至吐絮后期7次地面光谱和产量测定,对光谱反射率与产量进行统计分析。【结果】各生育期可见光波段、近红外波段及短波红外波段光谱反射率与产量间分别达显著负相关、显著正相关与显著负相关水平。根据棉花冠层光谱波形特征,利用植被红边波段560 nm反射峰、670 nm吸收谷、近红外波段890 nm反射峰、980 nm和1 210 nm两个弱水汽吸收谷、短波红外1 650 nm和2 200 nm反射峰,设计归一化差值光谱指数,并与棉花产量进行相关分析,利用上述波段组合定义的归一化差值光谱指数与产量在各生育期均达显著或极显著相关,而VARI_700抗大气植被指数在各生育期均达极显著相关。【结论】以VARI_700抗大气植被指数建立各生育期的产量预报模型,为实现棉花营养生长期长势监测与产量预报提供依据。     

基于无人机高光谱影像的水稻叶绿素含量反演

【目的】为实现快速无损地监测水稻叶绿素含量,采用大疆M600 Pro无人机搭载SENOP RIKOLA高光谱仪获取水稻分蘖期冠层高光谱影像。【方法】利用相关性分析筛选出光谱指数的特征波长,构建DSI、RSI、NDSI、MSR、OSAVI和RDVI 6种植被指数,并利用一阶光谱导数计算其红边面积和红边幅值,分析8种光谱参数参与水稻叶绿素含量之间的相关性分析。将这些光谱参数作为CatBoost回归模型的输入变量,分析8种光谱参数对水稻叶绿素含量的估算能力。【结果】基于红边参数的反演模型中红边幅值拟合效果最好,其R²为0.952 4,RSME为0.638 1;基于植被指数的反演模型中OSAVI指数拟合效果最好,其R²为0.941 6,RSME为0.588 5。2种模型均能有效预测水稻叶绿素含量信息,可以作为水稻叶绿素含量监测的依据。【结论】将无人机高光谱遥感影像与机器回归算法相结合,可以实现对水稻冠层叶绿素含量的精准预测,从而对水稻的生长和健康状况进行实时监测,进而实现对水稻的精准施肥和精准灌溉,对水稻的增产增收以及精准农业的发展具有重要意义。     

作物氮素高光谱遥感监测研究

高光谱遥感技术在作物氮素营养诊断与监测中表现出强大的优势,具有广阔的应用前景。本文在介绍高光谱遥感技术发展和作物氮素高光谱遥感监测机理的基础上,从作物叶片、冠层及多角度三个尺度对作物氮素含量高光谱监测研究进行梳理,对研究现状进行分析,并提出今后发展方向,以期为有效开展作物氮素高光谱遥感诊断研究提供借鉴。     

水稻穗颈瘟严重度的高光谱反演模型研究

通过人工诱发不同等级水稻穗颈瘟,测定染病稻穗光谱及其病情指数(DI).分析了病穗反射光谱和一阶微分在绿光区、黄光区和近红外区反射特征差异,将病情指教及光谱数据进行相关分析,建立水稻穗颈瘟严重度的估测模型并进行可靠性检验.结果表明:750-850 nm反射光谱及720-760nm 一阶微分为水稻穗颈瘟的敏感波段;在400-700nm光谱范围内病情指数与光谱反射率的相关性达到了极显著正相关,对于微分光谱,在520-540nm和710-760nm光谱范围内病情指数与光谱反射率的相关性达到了极显著负相关,在570-610nm光谱范围内病情指数与光谱反射率的相关性达到了极显著正相关,并在此基础上建立了水稻穗颈瘟病情指数的高光谱反演模型,该研究为今后通过航空、航天遥感大面积监测水稻穗颈瘟提供了理论依据.     

早晚稻产量影响因子分析

利用多年水稻(早稻和晚稻)区域试验产量结果和有关试验点气象资料,分析了基因型×环境互作效应年度间变化趋势、各试点平均产量与主要气象因子的关系、产量影响因子的主成分等,并用逐步回归分析法建立了水稻产量回归模型。研究结果表明:水稻基因型×环境互作效应值在年度间相对稳定(早稻为0 35,晚稻为0 20)。试验点平均产量与气象因子的相关性分析结果表明,产量与水稻生长季节(3～10月)的总辐射和总积温有较大的相关性(相关系数为0 8056),而与总雨量呈较大的负相关(相关系数为-0 3423)。影响产量的主成分因子分别是热量、粒重、生育期和粒数,利用逐步回归分析法建立的产量回归方程,相关系数(R)达0 99983。     

一种基于趋势单产和遥感修正模型的混合估产模型

【目的】在分析国内外农作物估产方法的相关研究进展基础上,将传统统计估产方法和遥感估产方法相结合,提出一种新的混合估产模型。【方法】该模型由趋势单产、遥感修正单产和随机误差项三部分组成,其中趋势单产利用历史长时间序列的单产统计数据,通过多项式回归的方法结合ARIMA模型修正得到,遥感修正单产利用3个作物关键生育期NDVI和实测单产多元回归得到。为验证所提出估产方法的可行性和精度,利用2015年冬小麦关键生育期的三景环境卫星遥感影像和冬小麦实测地块单产数据以及近30年(1985—2014年)北京市各区县的冬小麦单产数据,对2015年的北京市的冬小麦单产进行估算,与真实值(2015年单产统计数据)对比。【结果】混合估产模型对北京市的冬小麦单产预测精度达到98.7%,各区县估产精度均超过90%,除房山(90.3%)外,各县单产预测相对精度均超过95%;传统趋势单产模型对北京市的冬小麦单产预测精度达到94.75%,但在区县尺度上,传统估产模型预测精度较低,对房山区的估产精度不足80%;引入ARIMA模型可以提高传统趋势单产模型的精度。修正后的趋势单产模型冬小麦单产预测精度平均提高了1.59%。本文建立的遥感修正模型,利用三景遥感影像修正结果最优,此方法使冬小麦估产精度整体提升3.55%,尤其是房山、平谷等区县,精度明显提升。【结论】该模型在市级尺度和县级尺度上预测冬小麦单产均取得较高精度,充分考虑冬小麦时间尺度和空间尺度上的变化,对农作物估产有一定的指导意义。     

冬小麦叶片光合特征高光谱遥感估算模型的比较研究

【目的】光合作用是农作物产量和品质形成的基础,农作物光合参数的准确定量遥感反演不仅能够了解农作物的生长发育和有机物累积状况,还能为基于遥感的生态系统过程模型提供参考。为快速准确的估算光合特征参量,本研究综合原始光谱、3种传统光谱变换技术和4种模拟方法构建冬小麦3种光合参数的高光谱反演模型,探讨高光谱反演冬小麦光合参数的可行性,对比不同类别光谱和模拟方法的适用性。【方法】本研究基于氮肥施用条件冬小麦气体交换和高光谱田间试验,获取不同叶位叶片的最大净光合速率（Amax）、PSⅡ有效光化学量子产量（Fv′/Fm′）、光化学猝灭系数（qP）和高光谱反射率,并对原始高光谱进行倒数、对数和一阶微分变换。根据3种光合参数和4种光谱的相关性分析结果,筛选显著性水平优于0.01的波段作为输入变量,采用偏最小二乘（PLS）、支持向量机（SVM）、多元线性回归（MLR）和人工神经网络（ANN）等方法建立冬小麦叶片光合参量反演模型,以建模和验证的决定系数（R ²）和均方根误差（RMSE）为依据,对不同模型的模拟精度进行比较分析。 【结果】（1）3种光合参数和4种光谱的相关性分析结果表明,原始、倒数和对数光谱对3种光合参数（Amax、Fv′/Fm′和qP）的敏感谱区均集中在400—750 nm波谱区间,一阶导数光谱对3个光合参数的敏感谱区为470—560、630—700和700—770 nm波谱区间。（2）Amax、Fv′/Fm′和qP的最优反演模型组合分别为基于倒数光谱的MLR模型、基于一阶导数光谱的MLR模型和基于原始光谱的MLR模型。模型的建模R ²分别为0.75、0.65和0.65,验证R ²分别为0.73、0.59和0.44,表明基于高光谱模拟Amax和Fv′/Fm′切实可行,模拟qP的有效性需要进一步验证。（3）不同变换的光谱表现能力不同,以PLS模拟Amax为例,光谱的表现能力顺序为原始光谱>倒数光谱>对数光谱>一阶导数光谱。（4）不同模型的估算能力也存在明显差异,以基于原始光谱的Amax模拟为例,不同模型的估算能力顺序为MLR>PLS>ANN>SVM。 【结论】通过对比分析4种光谱和4种模拟方法对3种冬小麦光合参数的高光谱反演结果发现,Amax和Fv′/Fm′可以很好通过高光谱进行模拟,而高光谱对qP解释能力偏低,有待进一步研究。高光谱信息对冬小麦光合参量具有较强的敏感性,同时受光谱类型和模拟方法的影响,可以用来监测冬小麦光合能力的动态变化,为把握农作物生长状况提供依据。     

高光谱遥感数据估算蓖麻初级生产力主要参数研究

以蓖麻在不同氮、磷施用水平下的大田实验为基础,研究了高光谱遥感在估测蓖麻初级生产力主要参数中的应用。结果表明,随着施肥水平的提高,蓖麻叶面积指数（LAI）和生物量增大,导致冠层光谱特征发生相应变化,近红外波段（700~900 nm）的反射率显著增大。350~900 nm波段特别是700~900 nm波段的蓖麻冠层光谱反射率值在花果盛期最大,种子成熟期次之,苗期最低,与蓖麻LAI变化一致,可以用来监测蓖麻的长势和营养状态。构建的高光谱植被指数NDVI、RVI与LAI和ABM回归模型确定系数均较高,分别达到了0.6115、0.6363、0.7102和0.6148,可以用来估测不同物候期蓖麻的叶面积指数和地上部分生物量。     

利用高光谱数据和叶面积指数对加工番茄产量估算的研究

以ASD FieldSpec光谱仪实测了大田中不同生育期加工番茄的冠层高光谱、叶面积指数及作物的产量,采用单时相线性逐步回归和复合回归,建立了加工番茄光谱变量-叶面积指数与产量的复合光谱估产模型,并对模型的估算结果进行了初步分析.分析结果表明,在青熟期光谱参数与叶面积指数相关性最大,而其他时期的光谱变量与产量相关性均达到了显著水平:复合回归模型以4个生育期与产量的复合回归最为理想.     

基于多生育期MODIS-NDVI的区域冬小麦遥感估产研究

以河南省开封市为研究区,采用2005—2013年种植区域冬小麦生育期内16 d合成的250 m空间分辨率的归一化植被指数(NDVI)之和,与冬小麦产量数据进行相关分析,筛选得到最佳遥感估产时相,建立单变量回归模型;同时,基于冬小麦生长的各个关键时期NDVI构建多元回归模型,再通过主成分分析方法对多元回归模型参数进行改进,得到新的估产模型;最后使用开封市2014年的产量数据对估产模型进行验证,旨在构建具有较高精度的估产模型,从而更好地指导小麦生产。结果显示,3种估产模型的估产误差均控制在10.55%内,根据3个模型得到研究区内冬小麦最佳产量预测时段为3月下旬,即拔节期;3个模型中,主成分回归估产模型的产量拟合精度最高,达93.12%,具有一定的实用价值。     

不同粒型粳稻品种产量与品质关系的研究

以8个不同粒型粳稻品种为试材,研究了优质米品种的产量性状、品质性状及这些性状间的关系。结果表明,普通粒型品种的成粒率较高,每穗成粒数较多,产量高于长粒型品种。糙米率、精米率与成粒率呈显著正相关,整精米率与成粒率呈极显著正相关,提高成粒率对其他米质性状无明显负作用,因此,能进一步提高米质,使高产和优质在较高的水平上统一起来。粒长与糙米率、精米率、整精米率呈极显著负相关,因此,在辽宁的自然条件下,既高产又优质的品种谷粒不宜过长。     

Airborne Hyperspectral Imagery and Yield Monitor Data for Mapping Cotton Yield Variability

Increased availability of hyperspectral imagery necessitates the evaluation of its potential for precision agriculture applications. This study examined airborne hyperspectral imagery for mapping cotton (Gossypium hirsutum L.) yield variability as compared with yield monitor data. Hyperspectral images were acquired using an airborne imaging system from two cotton fields during the 2001 growing season, and yield data were collected from the fields using a cotton yield monitor. The raw hyperspectral images contained 128 bands between 457 and 922 nm. The raw images were geometrically corrected, georeferenced and resampled to 1 m resolution, and then converted to reflectance. Aggregation functions were then applied to each of the 128 bands to reduce the cell resolution to 4 m (close to the cotton picker's cutting width) and 8 m. The yield data were also aggregated to the two grids. Correlation analysis showed that cotton yield was significantly related to the image data for all the bands except for a few bands in the transitional range from the red to the near-infrared region. Stepwise regression performed on the yield and hyperspectral data identified significant bands and band combinations for estimating yield variability for the two fields. Narrow band normalized difference vegetation indices derived from the significant bands provided better yield estimation than most of the individual bands. The stepwise regression models based on the significant narrow bands explained 61% and 69% of the variability in yield for the two fields, respectively. To demonstrate if narrow bands may be better for yield estimation than broad bands, the hyperspectral bands were aggregated into Landsat-7 ETM+ sensor's bandwidths. The stepwise regression models based on the four broad bands explained only 42% and 58% of the yield variability for the two fields, respectively. These results indicate that hyperspectral imagery may be a useful data source for mapping crop yield variability.