基于多角度高光谱遥感的冬小麦叶片含水率估算模型

准确的作物水分监测对于旱情评估具有重要意义。在分析研究区冬小麦多角度光谱特征后,利用不同水分处理下冬小麦实测叶片含水率和实测多角度光谱数据,基于植被光谱指数法,建立不同观测角度下冬小麦光谱植被指数、水分敏感波段光谱指数与叶片含水率之间的数学模型。结果显示,相对方位角与相对天顶角越小时,观测到的光谱指数与叶片含水率的相关关系越优;敏感波段组合构建的光谱指数中,1450nm波段分别与其他波段组合的NDSI、RSI指数与叶片含水率相关性在各观测角度条件下均较好,1 450 nm波段是冬小麦叶片含水率研究的最佳敏感波段;选取常见的4种植被指数(NDVI、EVI、WI和NDII)中WI和NDVI在各观测角度下与叶片含水率的相关性优于其他两种指数,决定系数R2均在0.83以上,P0.01呈极显著相关;综上建立的多角度光谱叶片含水率估算模型,平均相对误差MRE均小于0.154、均方根误差RMSE均小于0.098,拟合效果较好,尤其是光谱指数NDSI1160,1450、NDSI980,1450和植被指数NDVI、WI;基于以上4种指数建立的最优观测角度(0°,30°)模型,其中植被指数WI的估算效果最好,相关系数在各角度均达到5%的相关显著水平,MRE0.03,可作为最优观测角度反演研究的最优植被指数。     

基于光谱反射特征的草莓叶片含水率模型

以草莓为试材,通过对冠层叶片含水率与不同波段组成的水分指数(W_I)和归一化植被指数(N_(D,V,I))进行线性、指数、对数、幂函数以及多项式回归分析,研究了干旱(DT)、轻度干旱(MDT)、适量(AWT)及溢水(OWT)4种不同水分处理方式下草莓光谱反射特征与叶片水分状况之间的关系。研究结果显示:在不同生长时期下冠层叶片含水率的敏感波段分别为540、660、930、1 630、2 990、3 300 nm。草莓冠层叶片含水率与水分指数和归一化植被指数呈显著相关,决定系数分别达到0.834 3、0.874 7。并建立了预测草莓叶片含水率的预测模型,利用精度检验证明了预测模型的稳定性和敏感性。     

基于变换光谱与光谱指数的夏玉米叶片含水率高光谱估算

为实现陕西关中地区夏玉米叶片含水率遥感估算,本研究通过夏玉米叶片高光谱反射率和含水率的测定,利用原始光谱及转换光谱,构建任意两波段的光谱指数,分析光谱指数与叶片含水率之间的关系,构建玉米叶片含水率估算的单因素回归模型和基于支持向量回归算法(SVR)、反向传播神经网络回归算法(BPNN)和麻雀搜索随机森林回归算法(SSA-RFR)的多因素模型,并根据模型精度筛选玉米叶片含水率估算的优化模型。结果表明,随叶片含水率的增加,短波红外波段的光谱反射率降低,最优光谱指数的构成波段主要位于短波红外波段,其中基于一阶导数光谱的比值光谱指数(R_{1 563}/R_{1 406})和归一化光谱指数[(R_{1 563}-R_{1 406})/(R_{1 563}+R_{1 406})]与叶片含水率相关性最佳,其相关系数绝对值均达0.83;多因素回归模型的模拟效果优于单因素回归模型,基于麻雀搜索随机森林回归模型的精度最高,验证集决定系数(R²)为0.78,均方根误差(RMSE)和相对误差...     

荒漠胡杨叶片含水率的高光谱反演

该研究对新疆艾比湖流域进行实地野外调查,并选取典型荒漠植被胡杨,在室外测定胡杨叶片光谱反射率,将光谱数据经处理后分析光谱反射率与叶片含水率的相关性,运用逐步多元线性回归法,建立胡杨叶片含水率高光谱估算模型,并由均方根误差（RMSE）、决定系数(R) 和残留预测偏差（RPD）来检验模型的预测能力和稳定性。结果表明：逐步多元线性回归法建立的模型适合于艾比湖流域胡杨叶片的含水率高光谱估算。反射率一阶微分光谱是检验胡杨叶片含水率较好的指标,检验R高达0.92、RMSE为0.013、RPD为3.13。     

基于近地高光谱遥感的小麦叶片生长参数动态模型研究

【目的】探讨利用遥感技术实时监测小麦叶片生长动态变化。【方法】以生产中大面积推广应用的小麦品种周麦27为试验材料,在2个试验地点布置水氮耦合处理试验,依据相关回归分析筛选出对叶片氮含量（LNC）和叶面积指数（LAI）反应敏感的高光谱植被指数,进而确立了不同产量层次的植被指数生育进程动态模型。【结果】LNC和LAI与近红外短波段735～1 075 nm呈显著正相关关系,而与可见光波段350～730 nm呈显著负相关关系。对LNC敏感的植被指数主要有AIVI、RES和mND924,而对LAI敏感的植被指数主要有ONLI、CI_green和MSR（800,670）,以上2类植被指数和籽粒产量间关系均密切,表现较好的时期主要为拔节期至灌浆中期阶段。采用双LOGISTIC模拟模型方法,优选的方程能够较好地模拟植被指数的生育进程动态轨迹,模型精度（R²）随着产量水平的逐渐提高而增加,低产水平的精度相对较差（0.627～0.703）,而高产及以上水平的R²较高（0.868～0.972）。【结论】高光谱植被指数AIVI和CI_gr...     

不同品种水稻叶片的高光谱特征及其色素、含水率分析

研究了7个供试水稻品种孕穗期叶片色素以及含水率与高光谱特征参数之间的关系.在绿峰反射、红谷吸收以及水分吸收处,不同供试水稻品种高光谱波段反射率有显著差异.利用相关的分析方法,以(R6,40-R670)/R670、(R800-R680)/(R800+R800)、1/R510-1/R550、Dr、Sr、Rg6个光谱参数构建水稻叶片色素模型;同时,分析1 450 nm处水稻叶片含水率与吸收深度及吸收面积的相关性.研究表明,不同品种水稻含水率与光谱吸收差异在一定程度上反映出水稻品种间抗虫性差异.水稻叶片色素、含水率的高光谱特征在较大尺度上对田间水稻品种分类、健康诊断和品种抗性鉴定上有重大意义.     

基于近红外光谱的椰子肉含水率检测方法

[目的]利用近红外光谱技术建立成熟椰果中椰子肉水分含量的近红外定量检测模型,实现椰子品种椰干含量及椰子种质含水率的高效率实时在线检测,满足椰干产量预测及椰子种质快速鉴定的需求.[方法]采用国产光栅S400型近红外农产品品质测定仪,对来自不同种质的360个成熟椰果的椰肉样本进行近红外光谱扫描,将采集到的光谱,以建模集:检...     

基于颜色特征的叶片含水率与比叶重估算模型初探

通过不同氮素营养水平的水培试验,采用线性拟合和逐步回归分析,建立了黄瓜叶片干基含水率与比叶重的颜色特征估算模型。结果表明:颜色特征与叶片干基含水率、比叶重的线性拟合分析中,S、G/(R G B)、B/(R G B)、G/R、G/B、G-R和H/S构成的颜色特征变量的相关系数与叶片干基含水率相关密切;S、G/(R G B)、B/(R G B)、G/R、G/B、G-R、H/S和H/I构成的颜色特征变量的相关系数与叶片比叶重相关密切。运用逐步回归分析技术找出了G/(R G B)和G-R可以作为叶片干基含水量估算的主要颜色特征参数;G/(R G B)和H/I是叶片比叶重估算的主要颜色特征参数。     

基于双波段光谱仪CGMD-302的小麦叶面积指数和叶干重监测

为探究双波段光谱仪CGMD-302在监测小麦长势上的可靠性与精准性,同时使用高光谱仪UniSpec SC与双波段光谱仪CGMD-302测试各生育时期小麦冠层信息,并定量分析了植被指数NDVI、RVI、DVI与叶面积指数和叶片干重之间的线性关系。结果表明,基于相同波段反射率计算出的高光谱仪植被指数和双波段光谱仪植被指数均能较好监测小麦群体长势。在CGMD-302监测的叶面积指数模型中,拟合方程的决定系数(R~2)均高于0.89,用以检验模型的均方根误差(RMSE)和相对误差(RE)分别小于0.792和0.225;叶片干重模型中,决定系数(R2)均高于0.85,用以检验模型的均方根误差(RMSE)和相对误差(RE)分别小于440kg/hm~2和0.239。通过分析发现,施氮270kg/hm~2既能保证产量又能兼顾品质,可作为适宜施氮量。适宜施氮量下,拔节期和孕穗期小麦适宜叶面积指数分别为:3.65±0.09和5.95±0.32;适宜叶干重分别为:(1 554±168)和(2 231±130)kg/hm~2。结合CGMD-302监测模型可推算出拔节期和孕穗期适宜冠层群体的植被指数区间并应用于冠层群体诊断。     

基于波段组合优化光谱指数的冬小麦LAI估算

叶面积指数（LAI）是表示植被利用光能状况和冠层结构的一个综合指数,与作物产量密切相关。高光谱遥感数据具有连续、高光谱分辨率等特点,为估算农作物生理生化参数和冠层结构参数提供了重要手段。为挖掘高光谱数据估算LAI的最优波段组合以及提高估算精度,以冬小麦作为研究对象,野外实测不同生长阶段（起身、拔节、开花阶段）的冠层高光谱数据,并对其进行不同数学变换处理,包括原始光谱、一阶导数光谱和连续统去除。利用3种不同预处理的冠层高光谱数据构建30种常用植被指数和4种优化光谱指数,比较常用植被指数与优化光谱指数对冬小麦LAI的响应,建立估算冬小麦LAI的单变量和多变量回归模型,对其进行精度验证,并筛选出最优估算模型。结果表明,随着生育期的推进,可见光波段范围内,冬小麦冠层光谱反射率较低、吸收较强,LAI对连续统去除光谱的影响较大,呈负相关;近红外波段范围内不同生育期间的差异较大,随着LAI的增大,冠层光谱的红边位置出现了“红移”现象;基于一阶导数的优化植被指数（NDSI和RSI）与LAI相关系数达到0.8;从估算模型来看,基于一阶导数的RSI_{（627 nm, 774 nm）}单变...     

基于近红外光谱不同波段的红松木材含水率预测分析

运用近红外光谱技术结合偏最小二乘法(PLS),对所采集光谱进行一阶导数和二阶导数处理,并对未处理原始光谱、一阶导数处理光谱和二阶导数处理光谱分别在7个不同波段范围内建立红松含水率预测模型.结果表明红松样本近红外光谱经一阶导数处理,波段在1 000～2 100nm范围内所建模型最优,其校正集相关性系数为0.992 5,校...     

利用反射光谱信息提取叶片水分含量的方法比较

实验采集了21个样区10余种类型植被的叶片信息,其中包括52组反射光谱数据(350 nm~2 500 nm),对应的叶片含水量(相对含水量FMC和等效水厚度EWT)。分析了叶片反射率与含水量之间的相关关系。实验结果表明EWT与叶片反射率之间存在较好的线性相关关系,而FMC与叶片反射率相关关系较差。通过选取不同光谱波段构造多个光谱指数,研究光谱指数与叶片含水量的相关关系,发现构造指数方法优于普通的光谱回归分析,其中,Ratio975和Ratio1 200效果最好。同时在利用光谱指数反演叶片含水量时,对于EWT仍存在较高的反演精度。     

基于连续投影算法与BP神经网络的玉米叶片SPAD值高光谱估算

叶片叶绿素含量是评价作物生长状况的重要指标。为实现玉米叶片叶绿素含量的准确、高效高光谱估测,以玉米大田试验为基础,于7月1日(大喇叭口期)、7月19日(灌浆初期)和8月18日(腊熟期)利用ASD高光谱仪和便携式叶绿素仪(SPAD-502)分别测定了玉米叶片高光谱数据和叶绿素含量相对值SPAD;利用连续投影算法提取出玉米叶片光谱的特征波长,再用BP神经网络构建SPAD值的估算模型,并对模型进行验证。结果表明,3个日期的分段监测模型及统一监测模型的R2分别为0.885,0.900,0.675,0.827;RMSE分别为2.156,2.103,3.236,2.651;7月1日模型、7月19日模型和统一监测模型均具有较高的精度,同时检验模型RPD均大于2,具有很好的预测能力;而8月18日的监测模型表现较差(RPD=1.641),但也达到可用水平。表明利用连续投影算法结合BP神经网络可以进行玉米叶片SPAD值的高光谱估算。     

基于高光谱的水稻叶片氮素营养诊断研究

为快速、准确地实现水稻氮素营养诊断,以中嘉早17水稻为试验对象,设置4种施氮水平的水稻栽培试验,利用便携式地物波谱仪获取240组水稻分蘖期顶三叶在350~2 500 nm的光谱数据。随机将样本划分为训练集(160个样本)和测试集(80个样本)。首先,通过多元散射校正(MSC)、变量标准化校正(SNV)、平滑算法(SG)3种方法分别对原始光谱进行预处理;然后,采用主成分分析(PCA)和连续投影算法(SPA)对预处理后的光谱进行特征降维,选取累积贡献率超过99.98%的前24个主成分作为模型的输入变量,对于经过MSC、SNV和SG处理后的光谱数据,还分别筛选出12、15、19个特征波长;最后,应用支持向量机(SVM)基于上述处理分别建立水稻氮素营养诊断模型。结果表明,采用MSC-PCA-SVM模型进行水稻氮素营养诊断的识别准确率最高,其在训练集和预测集上的准确率分别达99.38%和97.50%。     

水稻叶片反射光谱诊断氮素营养敏感波段的研究

田间小区试验叶色差异明显而生育期相似的两品种第一和第三完全展开叶片光谱反射率与氮素营养相关性分析表明,不同品种同一叶位之间这种相关性变化规律一致,然而在不同叶位之间相关性变化不尽一致.进一步对比分析大田区域试验和小区试验叶片光谱反射率与氮素营养相关性发现两区域样本相同叶位之间相关性变化规律相同.分析第一、三完全展开叶叶片光谱反射率处理之间差异显著性表明,存在差异显著的波段范围主要集中在绿光(525～605 nm)、黄光(605～655 nm)和短波近红外光(750～1100nm)范围内.和叶片氮素含量之间相关性最大的波段主要为绿光(525～605 nm)和黄光(605～655 nm)范围,而短波近红外光范围与叶片氮素含量之间相关性最小.因此和IKONOS2、IKONOS4、MSS4、MSS6、MSS7、SPOT1、SPOT3、TM2、TM4、AVHRRCH1、AVHRRCH2相对应的绿光(525～605 nm)、黄光(605～655 nm)和短波近红外光(750～1100nm)是叶片反射光谱诊断氮素营养的敏感波段范围.     

基于近红外光谱技术的杏叶含水率反演研究

为实现杏树叶片含水率数据的准确获取,对新疆南疆杏树的节水灌溉提供科学指导,本研究使用近红外光谱技术对杏树叶片含水率进行预测。采集1 000～1 800 nm范围内‘小白杏’叶片的光谱数据,使用多元散射校正（MSC）、标准正态变量变换（SNV）、均值中心化（MC）、归一化处理（Nor）4种方法对原始光谱进行预处理,采用竞争性自适应重加权算法（CARS）及随机蛙跳算法（RF）获取特征波段,分别建立基于不同预处理方法的全波段及特征波段的偏最小二乘回归（PLSR）和BP神经网络预测模型。结果表明MSC为最佳预处理方法,最佳预测模型为MSC-CARS-BP神经网络模型,所建模型预测相关系数Rp为0.986,预测均方根误差RMSEP为0.404,剩余预测偏差RPD为6.09,模型具有较好的预测能力,因此近红外光谱技术可以用于杏树叶片含水率的快速检测。     

基于高光谱成像技术识别苹果轻微损伤的有效波段研究

为了筛选出适用于开发苹果轻微损伤自动分级仪器的有效波段,以200个烟台富士苹果为对象进行研究。首先获取400～1 000 nm波长范围内完好和轻微损伤后0、0.5、1 h的苹果高光谱图像,然后提取完好与损伤样本感兴趣区域的平均光谱反射率数据,再利用载荷系数法（x LW）、连续投影法（SPA）和二阶导数（second derivative）法提取特征波长,分别提取3、9和20个特征波长,并根据特征波长建立基于遗传算法优化的BP神经网络（GA BP）和支持向量机（SVM）损伤识别模型。结果显示,三种基于特征波长提取方法建立的SVM模型对测试集的识别率（分别为77.50%、91.88%、96.88%）均高于BP GA模型（分别为75.63%、90.63%、93.75%）,因此,SVM被确定为最佳苹果轻微损伤识别模型。最后,利用每一特征波长分别作为变量建立SVM模型。结果发现,波段811 nm识别率达到90.63%,优于其他波段,被确定为苹果轻微损伤识别的最优波段。     

基于集成学习和近红外光谱的玉米种子含水率预测方法研究

针对传统化学方法测定玉米种子含水率存在工序复杂、周期长、成本高等问题,提出一种基于集成学习算法和近红外光谱技术的快速、无损预测玉米种子含水率的方法。以‘陕科9号’等8个品种的320份玉米种子作为研究对象,用近红外光谱仪（Antaris Ⅱ型,美国Nicolet公司）采集玉米种子的近红外漫反射光谱。统一采用偏最小二乘回归（Partial Least Squares Regression,PLS）方法对比分析SG平滑滤波（Savitzky-Golay,SG）结合4种光谱预处理方法对玉米种子近红外光谱的预处理效果,发现Savitzky-Golay方法结合多元散射校正法去噪效果最优。采用竞争性自适应重加权算法（CARS）进行特征波长的提取,前7个光谱特征的累计贡献率超92%以上。以GBDT（Gradient Boosting Decision Tree,梯度提升决策树）、RF（Random Forest,随机森林）、XGB（或XGBoost,Extreme Gradient Boosting极端梯度上升）作为基础模型,采用Stacking作为融合策略,建立Stacking集成学习模型。预处理后的数据,提取前7个主成分作为特征向量,用直接干燥法得到这些种子的含水率作为标签,分别训练4种玉米种子含水率预测模型,对比分析该4种模型的性能指标,Stacking集成模型经过2 163次训练后预测相关系数R_P=0.939 1,相对分析误差PRD=2.91。结果表明,Stacking集成模型融合了GDBT、RF、XGB 3个基础模型的优势,精度高,收敛特性好,泛化能力强,为玉米种子含水率快速、无损的测定提供了新的思路。     

用光谱反射率诊断小麦叶片水分状况的研究

 应用地物光谱仪探讨了小麦叶片含水量对近红外 (NIR)波段光谱吸收特征参量的影响。结果表明 ,1.45 μm附近的光谱反射率强吸收特征可敏感地反映小麦叶片的水分状态 ,适于作为地面遥感探测指标应用。根据大量观测数据建立了叶片含水量与吸收深度及吸收面积间的线性回归方程式 ,从而提出一种利用光谱反射率诊断小麦叶片水分状况的方法。     

便携式玉米叶片含水率无损检测仪的设计与试验

【目的】设计一款便携式玉米叶片含水率检测仪,以实现植物叶片含水率的无损和快速现场检测。【方法】基于玉米叶片中的水分在波长980和1 050 nm附近有吸收峰的现象,以峰值波长为980和1 050 nm的发光二极管为便携式玉米叶片含水率检测仪的光源。分别以STC12C5A60S2单片机、数字光电传感器TSL2561和有机发光二极管为检测仪的控制器、检测器和显示器,采用C51语言编写检测仪的软件。以‘咸科858’和‘咸科602’两个玉米品种的叶片为对象,分析玉米叶片湿基含水率与波长980和1 050 nm处吸光度值的关系,建立预测玉米叶片含水率的模型,将模型导入检测仪并对其性能进行测试。【结果】玉米叶片吸光度随含水率的增大而减小,可用二元一次关系式拟合叶片含水率与吸光度的关系,其相关系数为0.84。同国标规定的干燥法相比,该便携式检测仪对玉米叶片含水率的绝对测量误差为-6.3%~6.0%,平均误差为-0.1%,输出含水率的变异系数平均值为2.03%,每个样品的检测时间约为2 s。【结论】所设计的便携式玉米叶片含水率检测仪操作简单,结果可靠,可为其他植物叶片含水率的无损快速检测提供参考。