基于高光谱数据的水体叶绿素a指数反演模型的建立

水体叶绿素a含量是反映水体质量的重要指标之一,利用遥感技术监测其含量具有众多优势。该研究利用2012年7月在广西壮族自治区桂林市漓江流域实地采集的水体高光谱数据和实验室化验分析数据,借鉴陆表植被叶绿素a的遥感反演模型,发展了一种新的水体叶绿素a提取指数(water chlorophyll-a index,WCI)。通过与反射率敏感波段法、波段比值法和半分析方法对比分析发现,新提出的WCI指数使用650、685、696 nm波段,波段稳定,决定系数R2可达0.58,均方根误差最小为0.24,受水体悬浮物影响小,在天津海河区域的验证效果也表明了该模型可以有效地提取水体叶绿素a含量。该方法扩展了水体叶绿素a监测的建模思路,对水体叶绿素a监测建模有一定的指导作用。     

条锈病胁迫下冬小麦冠层叶片氮素含量的高光谱估测模型

为利用高光谱遥感诊断条锈病胁迫下作物的营养状况,测量感染条锈病的冬小麦冠层反射率以及相应叶片全氮(LTN)含量,利用线性和非线性回归方法,建立了微分光谱与小麦LTN含量之间的回归模型.研究表明随病情加重,小麦LTN含量逐渐降低,并与一阶微分光谱在430～518、534～608、660～762 nm以及783～893 nm区域具有极显著相关性.经检验,以红边内一阶微分总和与蓝边内一阶微分总和比值(SDr/SDb)为变量的模型是估测LTN含量的最佳模型,其RMSE为0.3567,相对误差为8.33%.因此,利用高光谱遥感估测条锈病胁迫下作物LTN含量是可行的,且具有较高的反演精度.研究成果可为小麦氮素营养监测、精准施肥以及条锈病情诊断等提供理论依据和指导.     

库尔勒香梨叶片全钾含量高光谱估算模型研究

为实现库尔勒香梨养分状况的无损、实时、快速监测,利用便携式光谱仪(SVC HR-768)测定不同钾肥施用量的20年树龄库尔勒香梨叶片光谱反射率,并结合叶片全钾含量的室内分析,对叶片全钾含量与原始光谱、一阶导数光谱、高光谱参数之间相关性进行分析。结果表明:在425 nm处原始光谱与叶片全钾含量构建的线性模型,调整决定系数R2值达到0.913;在630 nm处一阶微分光谱与全钾含量构建的线性模型,调整决定系数R2值为0.986。叶片全钾含量与高光谱特征变量中绿峰位置变量(Rg)和红谷位置变量(Ro)的相关性极显著,由此构建的线性模型调整决定系数R2值均达到0.96以上。通过模型检验,确定基于630 nm的光谱一阶微分(X630)模型Y=1 136.835X630+50.709为库尔勒香梨叶片全钾含量(Y)的最优估测模型。     

用高光谱成像技术检测柑橘红蜘蛛为害叶片的色素含量

为解决传统理化法检测柑橘树叶片受红蜘蛛为害后色素含量变化时存在的工作量大、效率低等问题,该文研究应用高光谱成像技术检测柑橘红蜘蛛为害叶片色素含量的方法。研究中对比了正常叶片与受害叶片的原始光谱以及原始光谱一阶微分曲线的差异,寻找反映叶片色素含量变化的特征波段;分析了特征波段反射率比值与叶片色素间相关性;采用单变量线性回归法分析了常用植被指数预测叶片色素含量的效果;采用逐步回归分析法建立了叶片色素含量预测模型,并对模型预测效果进行了F检验。结果表明:常用植被指数预测叶片色素含量结果不理想;选取的667/522、667/647和522/647 nm等3个特征波段反射率比值与叶片3种色素含量间具有较高的相关性;用于建立叶片色素含量预测模型的最佳特征波段反射率比值为667/522和667/647 nm,所建立的模型可较好地预测健康及受害叶片的叶绿素a、叶绿素b和类胡萝卜素含量。     

基于分数阶微分光谱指数的小麦条锈病遥感监测模型构建

为提高小麦条锈病的遥感监测精度,该研究利用分数阶微分能够突出光谱的细微信息以及描述光谱数据间微小差异的优势,在对条锈病胁迫下小麦冠层光谱数据进行分数阶微分处理的基础上,构建了两波段和三波段分数阶微分光谱指数,并将其应用于小麦条锈病的遥感探测。研究结果表明,1.2阶次微分光谱与小麦条锈病冠层病情严重度的相关性最高,较原始反射率光谱、一阶微分光谱和二阶微分光谱分别提高了20.9%、3.9%和20.5%;基于分数阶微分光谱指数的最优分数阶次及其对应波长构建的三波段分数阶微分光谱指数对小麦条锈病的探测能力优于两波段分数阶微分光谱指数,其中分数阶微分光化学指数与冠层病情严重度的相关系数达到0.875;以分数阶微分光谱指数为自变量构建的高斯过程回归（Gaussian Process Regression,GPR）模型对小麦条锈病冠层病情严重度的预测精度优于反射率光谱指数,其训练数据集及验证数据集病情指数（Disease Index,DI）预测值和实测值间的决定系数较反射率光谱指数分别提高了3.8%和19.1%,该研究结果对进一步实现作物健康状况大面积高精度遥感监测具有重要意义。     

苗期低温胁迫对“红颜”草莓叶绿素含量及冠层高光谱的影响

2020年9月−2021年1月以“红颜”（Fragaria×ananassa Duch “Benihope”）草莓为试材，在南京信息工程大学开展低温环境控制试验。设置21℃（日最高气温）/11℃（日最低气温）、18℃/8℃、15℃/5℃和12℃/2℃共4个低温处理，持续时间设置3d、6d、9d、12d共4个水平，以25℃/15℃为对照（CK）。测定草莓叶片叶绿素含量以及冠层高光谱反射率，研究低温胁迫对草莓叶绿素含量及冠层反射光谱的影响，筛选出叶绿素含量估算模型的敏感波段与特征参数。结果表明：（1）同一低温条件下，草莓叶片叶绿素a、叶绿素b和总叶绿素(a+b)等参数随着胁迫天数的延长而减少；同一胁迫天数下，温度越低其含量越低，即低温胁迫程度越大叶绿素含量下降幅度也越大。（2）不同温度同一胁迫天数处理草莓苗期冠层光谱反射率变化规律大致相同。在可见光区域草莓冠层反射光谱曲线均存在绿峰和红谷，在近红外反射平台随着温度降低，光谱反射率数值逐渐增大，即反射平台逐渐增高。（3）草莓冠层一阶微分光谱曲线变化较剧烈，有明显波峰和波谷，在红边范围内偶有双峰现象。随着低温胁迫程度的加深，一阶微分光谱最高峰的值越高，草莓冠层光谱的近红外反射率升高，红边位置蓝移，之后该峰值逐渐降低，红边位置红移。（4）草莓叶绿素(a+b)含量与冠层原始光谱反射率的相关系数均呈负相关，与原始光谱的近红外波段反射率的相关性明显高于可见光波段。叶绿素(a+b)含量与原始光谱反射率相关性较好，均达到显著水平，其中737nm波段相关系数达到最大，因此可以用其作为敏感波段对叶绿素含量进行预测。叶绿素(a+b)含量与植被指数中的DVI、MSAVI、PVI、RDVI、SAVI和TSAVI的相关性达极显著水平，可以选其作为特征参数对叶绿素含量进行预测。     

艾比湖流域盐渍土含水量光谱特征分析与建模

盐渍土表层盐分累积与土壤含水量有着直接的关系.为了建立干旱区盐渍土含水量高光谱遥感监测模型,本文以艾比湖流域不同含水量的盐渍土为研究对象,采用光谱反射率变换和多元统计分析(MSAM)方法,对土壤含水量的光谱特征进行分析和建模.结果表明:随着土壤含水量的增加,土壤反射率呈下降趋势;在一定范围内,波长越长,土壤光谱反射率与含水量的相关性越高,其中1 937 nm处的土壤光谱反射率与含水量具有最高的相关性(r=-0.636).对土壤光谱反射率进行8种光谱反射率变换后,在此基础上利用多元统计方法分析盐渍土的不同含水量与光谱之间的相关性,筛选敏感波段,建立关系模型.得出对数一阶微分(Logarithm First Order Differential)在波长2024和2 357nm建立的模型以及均方根一阶微分(Root Mean Square First Order Differential)在波长1 972和2 357nm建立的模型最优,相关系数r分别为0.894和0.865.基于上述模型作者构建了一种耦合模型,其相关性r=0.926比对数一阶微分模型提高了0.032,比均方根一阶模型提高了0.061;因此,所构建的盐渍土含水量估算模型是可行的,可以为遥感反演提供理论参考,对高光谱遥感反演具有一定意义.     

玉米全氮含量高光谱遥感估算模型研究

该文对不同品种玉米测定了其室内光谱反射率及其对应的全氮含量,采用相关性分析以及单变量线性与非线性拟合分析技术,对全氮含量与原始光谱反射率、光谱反射率一阶微分、一些高光谱特征参数(如红边波长、红边位置以及红边面积等)以及由一阶微分光谱所构建的一些比值植被指数和归一化植被指数之间的关系进行了分析,结果表明：全氮含量与原始光谱在716 nm处具有最大相关系数(r=-0.847),呈极显著负相关,并且基于此波长所构建的对数关系估算模型明显优于线性模型;与光谱反射率一阶微分值在759 nm处具有最大相关系数(r=0.944),呈极显著正相关,并且基于此波长所构建的线性和非线性模型的拟合效果接近;对于所选取的3类高光谱特征变量,全氮含量除了与黄边位置(λy)以及由红边面积和黄边面积所构建的比值植被指数和归一化植被指数的相关性较弱之外,与其余变量均呈极显著相关关系,说明由这些变量对玉米全氮含量进行估算具有可行性;对所建立的各类方程进行精度检验,最终筛选确定由759 nm处的光谱反射率一阶微分值所构建的指数模型作为对玉米全N含量的预测模型最为理想。     

关中地区夏玉米抽穗期叶绿素含量的高光谱估算

[目的]利用高光谱数据进行叶绿素估算,为快速获取作物的生长信息、生长诊断及精确管理提供依据。[方法]基于陕西省关中地区抽穗期夏玉米冠层光谱特征及叶绿素含量的测定,运用线性及非线性分析方法建立了基于原始光谱敏感波段和一阶微分光谱敏感波段叶绿素估算模型。[结果]夏玉米抽穗期反射光谱在可见光及中远红外区域,叶绿素含量越高,光谱曲线越向下偏移;在红边区域,叶绿素含量对光谱曲线影响不显著;在近红外波段,叶绿素含量越高,光谱曲线越向上偏移。基于一阶微分光谱敏感波段的夏玉米叶绿素含量估算模型拟合精度要优于基于原始光谱敏感波段估算模型,决定系数R2分别为0.81和0.60,均方根误差(RMSE)分别为2.39,4.41。[结论]基于一阶微分光谱敏感波段建模分析是估测抽穗期夏玉米冠层叶绿素含量的重要方法,对指导西北地区夏玉米种植与生产具有积极的借鉴意义。     

基于高光谱的北京铁矿区土壤重金属镍元素含量反演研究

运用高光谱数据对北京典型铁矿区土壤重金属镍含量进行建模反演,探索高光谱遥感技术在土壤重金属污染快速监测上应用的可行性。使用便携式地物光谱仪采集研究区土壤样本光谱反射率数据,光谱反射率数据经多种数学变换后,经逐步回归方法筛选最佳特征波段,利用多元线性回归（SLR）和偏最小二乘回归（PLSR）方法建立模型以光谱反射数据对土壤重金属镍元素含量进行反演。基于光谱二阶微分的多元线性回归模型（SD-MLR）的稳定性和精度最高（R2 = 0.842,RMSE = 4.474）,能够良好地预测研究区土壤镍元素含量。光谱数据数学变换能够有效提高其与土壤镍元素含量间的相关性。不同的光谱变换形式建立模型的预测能力和精度有如下关系,光谱二阶微分 > 光谱倒数对数一阶微分 > 光谱一阶微分 > 光谱倒数对数 > 光谱连续统去除 > 原始光谱。采用光谱二阶微分建立多元线性回归模型为研究区土壤镍元素含量反演的最佳模型,可为土壤重金属污染快速监测提供技术参考。     

Hyper-spectral remote sensing to monitor vegetation stress

Background, aim, and scope  Vegetation stress diagnoses based on plant sampling and physiochemical analysis using traditional methods are commonly time-consuming, destructive and expensive. The measurement of field spectral reflectance is one basis of airborne or spaceborne remote sensing monitoring. Materials and methods  In this study, paddy plants were grown in the barrels evenly filled with 10.0 kg soil that was mixed respectively with 0, 2.5 × 207.2 and 5.0 × 207.2 mg Pb per 1,000 g soil. Rice canopy spectra were gathered by mobile hyper-spectral radiometer (ASD FieldSpec Pro FR, USA). Meanwhile, canopy leaves in the field-of-view (FOV) of spectroradiometer were collected and then prepared in the laboratory, (1) for chlorophyll measurement by Model 721 spectrophotometer, and (2) for Pb determination by atomic absorption spectrophotometer (SpectraAA-220FS). Results and discussion  Canopy spectral reflectance in the region of visible-to-near-infrared light (VNIR) increased, because ascended Pb concentration caused the decrease of canopy chlorophyll content. In the agro-ecosystem, however, heavy metal contamination is presented typically as mixture and their interactions strongly affect actually occurring effects. Normalized spectral absorption depth (D _n), and shifting distance (DS) of red edge position (REPs) revealed the differences in Pb concentration for canopy leaves, especially at the early tillering stage. Due to insufficient biomass of rice plants, the 30th day was not reliable enough for the selection of crucial growth stages. Some special sensitive bands might be omitted at the same time because of limited sample sets. Conclusions  Our initial experiments are still too few in the amounts of both metals and plants neither to build accurate prediction models nor to discuss the transformation from ground to air/spaceborne remote sensing. However, we are pleased to communicate that ground remote sensing measurements would provide reliable information for the estimation of Pb concentration in rice plants at the early tillering stage when proper features (such as DS and D _n) of reflectance spectra are applied. Recommendations and perspectives  Hyper-spectral remote sensing is a potential and promising technology for monitoring environmental stresses on agricultural vegetation. Further ground remote sensing experiments are necessary to evaluate the possibility of hyper-spectral reflectance spectroscopy in monitoring different kinds of metals’ stress on various plants.     

艾比湖流域不同土地覆盖类型土壤养分 高光谱反演模型研究

土壤养分影响着土壤的质量,也影响着植被、农作物等的生长。为快速准确地估测艾比湖流域土壤养分状况,选择艾比湖流域精河县作为研究区,以精河县内不同地表覆盖类型土壤为研究对象,基于实地采集的75个土壤样品的室内ASD Field Spec3实测光谱数据和3种光谱变换形式,利用10 nm间隔重采样进行去噪处理,再结合多元逐步回归法(SMLR)、偏最小二乘法回归法(PLSR)、人工神经网络法(ANN)分别建立土壤养分预测模型,以探索最优模型。结果表明:土壤实测光谱的一阶微分、二阶微分变换形式能显著提高光谱与土壤养分之间的相关性,尤其是一阶微分变换与土壤有机质和全氮的相关性最高分别达0.87和0.91,光谱变换技术能显著增强土壤养分与高光谱之间的敏感度,达到更好的建模效果;SMLR、PLSR和ANN这3种模型都具有良好的预测能力,其中,ANN建立的模型预测效果最好,二阶微分变换的ANN模型对有机质、全氮的预测决定系数(R2)分别为0.886和0.984,均方根误差(RMSE)分别为2.614和0.147,PLSR次之;全氮的预测效果明显优于有机质的预测效果,说明高光谱和全氮之间的敏感性更高。总体来说,光谱二阶微分变换形式的人工神经网络模型可以最精确稳定地完成土壤养分含量的快速预测,能够实现艾比湖流域的土壤养分空间分布状况和动态变化特征的动态监测。     

HJ-1A高光谱影像的表层土壤游离氧化铁含量反演

实时监测土壤游离氧化铁含量对于获取区域土壤理化特征数据、监测区域土壤环境具有重要意义。该试验基于HJ-1A 高光谱遥感影像,结合研究区土壤采样的游离氧化铁含量化验数据,分析遥感影像的反射率与土壤游离氧化铁含量的相关性,建立土壤游离氧化铁含量的多元线性反演模型,反演研究区表层土壤游离氧化铁含量。研究结果表明,HJ-1A高光谱遥感影像的反射率与研究区土壤游离氧化铁含量呈负相关性,且在第104波段达到峰值,相关系数为-0.455;利用反射率指数变换建立的反演模型Y=34.11-0.079X23+0.151X72-0.072X79-0.017X90,模型的决定系数为0.837,均方根误差为1.59 g/kg;土壤中有机质对游离氧化铁含量反演精度影响的检验结果显示,研究区土壤的有机质对游离氧化铁含量的反演精度无显著影响。该试验为土壤游离氧化铁的光谱分析提供借鉴,为区域土壤生态环境监测提供数据支持。     

Hyperspectral Remote Sensing of Total Phosphorus (TP) in Three Central Indiana Water Supply Reservoirs

The connection between nutrient input and algal blooms for inland water productivity is well known but not the spatial pattern of water nutrient loading and algae concentration. Remote sensing provides an effective tool to monitor nutrient abundances via the association with algae concentration. Twenty-one field campaigns have been conducted with samples collected under a diverse range of algal bloom conditions for three central Indiana drinking water bodies, e.g., Eagle Creek Reservoir (ECR), Geist Reservoir (GR), and Morse Reservoir (MR) in 2005, 2006, and 2008, which are strongly influenced anthropogenic activities. Total phosphorus (TP) was estimated through hyperspectral remote sensing due to its close association with chlorophyll a (Chl-a), total suspended matter, Secchi disk transparency (SDT), and turbidity. Correlation analysis was performed to determine sensitive spectral variables for TP, Chl-a, and SDT. A hybrid model combining genetic algorithms and partial least square (GA-PLS) was established for remote estimation of TP, Chl-a, and SDT with selected sensitive spectral variables. The result indicates that TP has close association with diagnostic spectral variables with R ² ranging from 0.55 to 0.72. However, GA-PLS has better performance with an average R ² of 0.87 for aggregated dataset. GA-PLS was applied to the airborne imaging data (AISA) to map spatial distribution of TP, Chl-a, and SDT for MR and GR. The eutrophic status was evaluated with Carlson trophic state index using TP, Chl-a, and SDT maps derived from AISA images. Mapping results indicated that most MR belongs to mesotrophic (48.6%) and eutrophic (32.7%), while the situation was more severe for GR with 57.8% belongs to eutrophic class, and more than 40% to hypereutrophic class due to the high turbidity resulting from dredging practices.     

煤矿区土壤有机碳含量的高光谱预测模型

可见—近红外光谱已被证明是一种快速、及时、有效的土壤有机碳含量预测工具。利用Field Spec4对济宁鲍店矿区的104个土壤样品进行光谱测量,采用Savitzky-Golay卷积平滑(SG)、多元散射校正(MSC)及数学变换等多种方式组合对光谱预处理,并运用偏最小二乘回归分析建立土壤有机碳含量预测模型,进而探讨煤矿区土壤有机碳含量的高精度预测方法。结果表明:(1)不同的光谱预处理方法对建模结果影响差异较大,建模结果以SG加MSC预处理再结合光谱反射率的一阶微分变换最优,建模R~2=0.86,RMSE=2.0g/kg,验证R~2=0.78,RMSE=1.81g/kg,RPD=2.69。(2)倒数和倒数的对数与土壤有机碳含量的相关性曲线接近重合,与反射率曲线成反比,但是建模效果远低于反射率;光谱反射率的一阶微分能明显提高500~600nm波段相关性。(3)光谱反射率随土壤有机碳的含量减少而增大,当有机碳含量较低时,其波谱的近红外波段反射率响应能力也随之降低,反射率直接建模难度加大。     

激光诱导荧光水体叶绿素a浓度监测仪器研制

叶绿素a浓度是反映水质的重要参数之一，常作为水产养殖、渔场预测、环境保护等领域的重要评价指标。针对现有叶绿素a监测仪器实时性差、自动化程度低、环境干扰严重等问题，该研究以实时监测叶绿素a浓度为主要目标，提出了环境光校正算法和数据处理算法，设计了一种基于激光诱导荧光技术的水体叶绿素a浓度监测装置。该装置可向水体发射波长440 nm的激光，诱导激发叶绿素a产生中心波长680 nm的荧光，利用可见光传感器获取叶绿素a受激产生的680 nm荧光强度，即可实现对叶绿素a浓度的监测。以绿藻门小球藻和蓝藻门铜绿微囊藻为对象，利用680 nm荧光值和叶绿素a浓度的线性关系建立拟合模型，模型决定系数R²为0.99；基于统计分析法设计的数据处理可有效剔除误差数据，提高测量结果的稳定性；利用环境光校正算法可有效降低环境光对测量结果的干扰。在仪器稳定性试验中，通过测量激光模块的供电电流和光谱模块的440 nm通道光强值，4 min后两者的标准差系数均为0.001，皮尔逊相关系数为0.84，表明可通过控制电流强度控制激光输出。在性能验证试验中，2组不同光照强度和6组不同藻种的待测水样的平均测量误差在5.48%以内。研究结果可为水质监测领域提供设备支持。     

基于GF-1卫星数据的冬小麦叶片氮含量遥感估算

以陕西关中地区大田和小区试验下的冬小麦为研究对象,探讨基于国产高分辨率卫星GF-1号多光谱数据的冬小麦叶片氮含量估算方法和空间分布格局。基于GF-1号光谱响应函数对地面实测冬小麦冠层高光谱进行重采样,获取GF-1号卫星可见光-近红外波段的模拟反射率,并构建光谱指数,利用与叶片氮含量在0.01水平下显著相关的8类光谱指数,分别建立叶片氮含量的一元线性、一元二次多项式和指数回归模型。通过光谱指数与叶片氮含量的敏感性分析,以及所建模型的综合对比分析,获取适合冬小麦叶片氮含量估算的最佳模型。结果表明:模拟卫星宽波段光谱反射率和卫星实测光谱反射率间的相关系数高于0.95,具有一致性;改进型的敏感性指数综合考虑了模型的稳定性、敏感性和变量的动态范围,敏感性分析表明比值植被指数对叶片氮含量的变化响应能力最强;综合模拟方程决定系数、模型敏感性分析、精度检验和遥感制图的结果,认为基于比值植被指数建立的叶片氮含量估算模型适用性最强,模拟结果与实际空间分布格局最为接近,为基于GF-1卫星数据的区域性小麦氮素营养监测提供了理论依据和技术支持。     

基于Sentinel-2卫星数据的灌区农田土壤水盐协同反演

土壤含水量（soil water content, SWC）和土壤含盐量（soil salt content, SSC）是影响作物生长和农业生产力的重要因素。光学卫星图像已成为SWC和SSC估计的主要数据源。然而,在SWC或SSC变化较大地区,土壤水分和盐分会影响对方对光谱反射率的响应,使得SSC和SWC的反演精度较差。对此,该研究提出了一个半解析性的反射率模型—RVS模型,来模拟植被光谱反射率（R_v）对作物根区土壤含水量和含盐量的响应;并通过构建的RVS模型,对植被覆盖区域的土壤含水量和土壤含盐量进行同步监测。研究表明：RVS模型在反演研究区土壤含盐量和含水量时,精度较为可靠(水分：决定系数R²为0.63～0.74,均方根误差为0.017～0.028;盐分：决定系数R²为0.68～0.75,均方根误差为0.0525～0.0617)。在作物生长过程中,植被光谱反射率对深层土壤的含水量和含盐量的响应比对浅层土壤的含水量和含盐量的响应更加明显,而且随着作物的生长,影响光谱反射率的主导因素从土壤水分慢慢转向土壤盐分和水盐相互作用。该研究在一定程度上揭示了土壤水分、盐分、水盐交互作用对作物光谱反射率的干扰过程,实现土壤水分和盐分的同步监测,对实现区域尺度上土壤含盐量和含水量的精准监测具有一定的意义。