连续投影与SSA-ELM结合的玉米氮平衡指数高光谱估测

玉米氮平衡指数的快速、无损估测,对监测植株长势和指导田间氮肥施用具有重要现实意义。通过田间试验观测各生育期(拔节期、抽雄期、乳熟期、完熟期)玉米叶片氮平衡指数和对应光谱反射率,应用特征波段和植被指数,构建不同类型的玉米氮平衡指数高光谱反演模型。结果表明：不同氮平衡指数下的叶片高光谱反射特征基本一致,在可见光波段反射率较低、近红外波段反射率较高,不同生育期氮平衡指数与光谱反射率的相关性在抽雄期最高,乳熟期、完熟期次之、拔节期最低;连续投影算法具有良好的降维效果,筛选出的各生育期建模光谱参数为8～20个;各生育期多因素模型均优于单因素模型,抽雄期各类模型效果最佳,其中基于麻雀搜索算法优化的极限学习机回归模型是最优模型,其建模R²与验证R²均为0.93,相对预测偏差分别为2.57、2.31,表明该模型对氮平衡指数具有极好的预测能力。     

不同氮营养水平与夏玉米光谱特性关系初报

【目的】揭示关中地区夏玉米叶面光谱特性与施氮量间的相关性,探索不同施氮水平下夏玉米叶片含氮量与叶绿素等生化指标及其光谱反射率特征。【方法】在田间设置不同施氮水平(纯氮施用量分为0,120和240kg/hm2)的试验小区,分别于喇叭期、抽穗期、吐丝期和乳熟期,采用FieldSpec光谱仪于室内标准光源下测定夏玉米叶片的光谱反射率,采用H2SO4-H2O2消煮,连续流动注射分析仪测定叶片氮含量,采用叶绿素仪测定穗位叶片的叶绿素含量,并对所得数据进行相关性分析。【结果】夏玉米叶片含氮量与叶绿素含量之间呈显著相关性,作物施氮水平对叶片的叶绿素含量及含氮量有直接影响;不同施氮水平下夏玉米叶面的反射波谱曲线趋势大致相同,均明显在绿波段(550 nm左右)有1个反射峰,在近红外波段(760~1 070 nm)有1个较高的反射率平台,在近红外波段(760~1 070 nm)处的反射率随氮肥用量的增加而提高,在可见光波段(400~760 nm)处的反射率则正好相反;在可见光波段,不同生长期玉米的叶面光谱反射率表现为乳熟期>抽雄期>喇叭口期>吐丝期,而在近红外波段其光谱反射率表现为乳熟期>喇叭口期>抽雄期>吐丝期;在可见光(400~760 nm)波段处,夏玉米不同生育期叶片的反射率与叶片含氮量及叶绿素含量呈负相关,而在近红外(760~1070 nm)波段处,除抽雄期外,其余生育期叶片的反射率与叶片含氮量及叶绿素含量均呈正相关,且相关性较为显著;高光谱遥感监测显示,关中地区夏玉米氮素营养水平的敏感时期分别是喇叭口期、吐丝期及乳熟期,敏感波段为可见光波段的500~720 nm和近红外区的760~1 070 nm。【结论】夏玉米的氮营养水平与叶面光谱反射率存在显著的相关性,利用高光谱遥感数据监测关中地区夏玉米的营养状况是可行的。     

基于高光谱的不同生育期玉米花青素含量估测

花青素(Anthocyanin)是玉米体内的重要色素,对花青素含量的便捷、无损估测对监测玉米长势具有重要意义。利用关中地区拔节期、大喇叭口期、抽雄期以及乳熟期玉米冠层叶片Anth值及高光谱数据建立多个单因素模型和多因素模型。结果表明,不同生育期玉米叶片原始光谱特征总体一致、局部不同。变换光谱的特征波段与Anth值相关性优于原始光谱,其中一阶导数光谱特征波段最优。连续投影算法(SPA)降维能力较好,筛选出的建模参数在2～27个。最优单因素模型与多元性线性回归模型精度均为抽雄期最优,拔节期和大喇叭口期次之,乳熟期最差。所有模型中,抽雄期基于一阶导数光谱的麻雀搜索算法-极限学习机回归(SSA-ELMR)模型精度最佳,该模型建模与验证R²分别为0.847、0.895,相应nRMSE为6.44%和7.21%。本研究结果表明抽雄期是玉米叶片花青素含量反演的最佳时期,极限学习机能进一步提升传统模型精度。     

利用不同红边位置算法估测玉米叶绿素含量

本研究基于玉米-大豆带状套作复合种植模式,以不同施氮水平下的玉米为试验材料,在拔节期、抽雄吐丝期和灌浆期分别测定其叶片与冠层的反射光谱和叶绿素含量,通过连续小波变换和其他算法(最大一阶导数法、四点内插法和线性外推法)分别提取其红边位置,系统分析红边位置与叶绿素含量之间的定量关系,以比较用各红边位置算法提取的红边位置在叶片和冠层尺度上对叶绿素含量估测的准确性及稳定性。结果表明:基于连续小波变换提取的红边位置,在叶片和冠层尺度上对叶绿素含量的估测精度较高,稳定性最强,表明连续小波变换方法在提取玉米反射光谱红边位置上是可行的。通过线性外推法提取的红边位置构建的玉米叶片叶绿素含量和四点内插法构建的冠层叶绿素含量定量估测模型的预测效果最佳。本研究为玉米反射光谱红边位置的提取提供了新方法,构建了玉米叶绿素含量在不同观测尺度(叶片、冠层)上最佳的定量估测模型,为玉米氮素营养状况的监测提供了有效途径。     

棉花冠层叶片叶绿素含量与高光谱参数的相关性

【目的】研究棉花冠层叶片叶绿素含量与高光谱参数的相关性,建立叶绿素含量估算模型。【方法】2014年,以鲁棉研28号为研究对象,测定不同施氮水平和生育期棉花冠层叶片叶绿素含量及350~2 500nm光谱反射率,以棉花冠层高光谱反射率与冠层叶片叶绿素含量为数据源,在分析叶绿素含量与原始高光谱反射率(R)、一阶导数光谱反射率(DR)、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逐步回归的方法构建了叶绿素含量估算模型,并对从中筛选的6种棉花冠层叶片叶绿素含量估算模型进行精度对比。【结果】1)棉花冠层叶片叶绿素含量在反射光谱766nm处相关系数达到最大值,相关系数r=0.836;对于一阶导数光谱,叶绿素含量的敏感波段发生在753nm处,r=0.878;2)以9种光谱提取变量与8种植被指数为自变量,建立叶绿素含量的估算模型,筛选出的特征变量为红边面积(SDr)、绿峰与红谷的归一化值((Rg-Rr)/(Rg+Rr))、绿峰幅值(Rg),仅采用8种常用植被指数建立估算模型,筛选出的变量为比值植被指数(RVI);3)所建立的6种模型中以基于一阶导数光谱反射率建立的多元逐步回归估算模型精度最高,均方根误差(RMSE)为1.075,相对误差(RE)为2.22%,相关系数(r)为0.952。【结论】采用原始光谱、一阶导数光谱、光谱提取变量及植被指数均可对棉花叶绿素含量进行监测,其中基于一阶导数光谱的多元逐步回归模型对叶绿素含量的估算效果最优。     

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。     

基于冠层光谱红边参数和植被指数的 冬小麦水分胁迫监测

基于冬小麦不同水分胁迫试验,采用便携式光谱仪测定冬小麦抽穗期、开花期和灌浆期受不同水分胁迫处理的冠层光谱反射率,分析不同水分处理下冬小麦冠层光谱特性,并对植被指数、红边参数与冠层叶片含水率和土壤含水率进行相关性分析,构建各生育期叶片含水率和土壤含水率的最佳监测模型,实现对冠层叶片含水率以及土壤含水率的监测评估。结果显示,在整个生育期,冬小麦的冠层光谱反射率在可见光范围呈现绿峰红谷,尤其在旺盛生长时期,随着水分胁迫程度加深,绿峰红谷逐渐变得不明显,红谷抬升幅度增大;相反,在近红外波段范围内水分胁迫主要使得反射率表现为明显下降;冬小麦红边参数随生长进程呈蓝移现象,灌浆期受胁迫程度越重的红边参数越低;植被指数(EVI、NDVI、SAVI、WI)在开花期之后具有不同程度的下降趋势,至灌浆期有大幅度减小,且随受胁迫程度加深植被指数下降幅度增大;植被指数和红边位置、红边面积在灌浆期与叶片含水率和土壤含水率有显著相关,其中植被水分指数WI、归一化植被指数NDVI和红边位置λ_(red)相关性较佳,其建立的叶片含水率和土壤含水率估算模型效果较好,决定系数r~2均大于0.84,平均相对误差(MRE)≤0.207。综合分析认为,冠层反射光谱特征和植被指数与冬小麦冠层叶片含水率和土壤含水率相关性良好,可利用高光谱遥感参数对冬小麦的水分状况进行快速、准确监测。     

基于无人机多光谱的夏玉米叶绿素含量反演研究

以济南市济阳区夏玉米为研究对象,通过无人机(UAV)搭载多光谱相机进行叶绿素动态监测。在夏玉米3个生育时期(大喇叭口期、开花期、灌浆期),每个时期选取5块具有代表性的1 m×1 m的样地,利用无人机获取样地多光谱影像;同时从每块样地选取不同植株冠层不同部位的7片叶,用叶绿素仪测定每片叶的SPAD值,取其平均值作为该样地的SPAD实测值。利用Pix4D mapper软件对获取的多光谱影像进行拼接,然后利用伪标准地物辐射校正法进行校正,输出5个波段的反射率影像图,用ENVI对各波段进行配准组合成ENVI格式的反射率数据。选取4种光谱参数和夏玉米SPAD实测值构建反演模型并进行模型评价,结果表明:以归一化植被指数(NDVI)、土壤调整植被指数(SAVI)、冠层叶绿素含量指数(CCCI)三种光谱参数为变量的多元线性回归(MLR)模型精度更高且更加稳定,模型检验Rv~2为0.885,均方根误差(RMSE)为2.111,模型最优解参数(MOSP)为0.414。综合分析,该模型在估测玉米冠层叶绿素含量方面具有快速便捷、时效性强、准确度高等诸多优势,同时能快速、无损监测夏玉米叶绿素含量变化。     

基于光谱变换与SPA-SVR的玉米SPAD值高光谱估测

叶绿素含量快速、无损监测是评估玉米生长状态有效方式之一.以抽雄期玉米为研究对象,研究原始光谱、普通一阶导数光谱、间隙一阶导数光谱、开平方根光谱以及连续统去除光谱的特征波段以及5个传统植被指数与玉米叶绿素含量之间关系.对比分析不同模型(单因素回归模型、结合连续投影与多元线性回归、支持向量回归模型)对抽雄期玉米叶绿素含量预...     

干旱胁迫下玉米叶片可溶性糖光谱估测研究

【目的】利用高光谱遥感技术实时监测干旱胁迫下玉米叶片可溶性糖,为诊断玉米干旱胁迫和田间水分管理提供了理论基础。【方法】采用单因素随机区组设计,对玉米进行盆栽控水,设置4个水分梯度(正常水分、轻度胁迫、中度胁迫和重度胁迫),研究不同干旱胁迫下玉米不同生育时期冠层光谱反射特征及变化规律,比较可溶性糖含量与冠层光谱反射特征和植被指数之间的关系,构建玉米叶片可溶性糖估测模型。【结果】玉米叶片可溶性糖含量在拔节期、喇叭口期和抽雄吐丝期随着干旱胁迫程度的加剧而逐渐增加,均在重度胁迫达到最大值,分别为44.45、44.22和73.00 mg/g,3个时期叶片可溶性糖含量的平均值在抽雄吐丝期达到最大值为72.43 mg/g;不同干旱胁迫下玉米冠层原始光谱反射率在可见光区域(400~700 nm)无明显差异,在近红外光区域(700~1 000 nm)随干旱胁迫加剧逐渐升高,重度胁迫达到最大值;一阶导数光谱的红边幅值随干旱胁迫加深逐渐升高,红边位置在喇叭口期出现"红移";可溶性糖的敏感波段处于原始光谱560~719 nm和导数光谱651~683 nm之间;通过对11个植被指数和经过波段自由组合的RSI、DSI、NDSI这3个植被指数与可溶性糖含量相关分析得知,利用波段自由组合的植被指数DSI(D444,D455)与玉米叶片可溶性糖含量的相关性最好(r=0.99),并由此构建的估测模型y=498 165x2-7 566.9x+71.856能够实现对玉米叶片可溶性糖含量的估测。【结论】不同干旱胁迫下玉米冠层光谱和可溶性糖含量存在差异性,利用高光谱遥感技术可以实时监测玉米叶片可溶性糖含量。     

基于高光谱植被指数的马铃薯叶片叶绿素含量估测模型

【目的】筛选相关性好的植被指数构建马铃薯叶片叶绿素a、叶绿素b估测模型,为科学、无损地进行马铃薯叶片叶绿素含量估算提供技术支撑。【方法】采用便携式高光谱地物波谱仪,获取不同施氮水平下不同生育时期的马铃薯植株叶片光谱反射率,提取植被指数,测定马铃薯叶片叶绿素a、叶绿素b含量,并研究叶绿素含量与植被指数的相关性。【结果】12个植被指数与叶绿素a、叶绿素b含量相关性较好,其中修正归一化差异指数(mND_(705))、修正简单比值指数(mSR_(705))、地面叶绿素指数(MTCI)、修改叶绿素吸收反射指数(MCARI)与叶绿素a、叶绿素b含量相关性最好。基于这4个植被指数建立的估测模型中,MTCI构建的乘幂模型估测叶绿素a含量的效果最佳,mND_(705)构建的指数模型估测叶绿素b含量的效果最佳。【结论】MTCI构建的乘幂模型能较为精确地估测叶绿素a含量,mND_(705)构建的指数模型能较为精确地估测叶绿素b含量;这2种模型可用于间接监测马铃薯植株的氮营养亏缺状态。     

棉花主要栽培生理参数的高光谱估测研究

 应用地物光谱仪获取近地高光谱遥感数据 ,用高光谱技术提取和估计棉花主要栽培生理参数。结果表明 ,棉花叶片具有绿色植物典型的反射光谱曲线特征 ;早衰的棉花反射光谱红谷区谷低变浅 ,最小波段光谱反射率Ro及数值积分面积SRo增大 ,与叶片光合速率呈显著负相关。经逐步回归分析 ,确定的一阶微分光谱值与棉叶叶绿素浓度的最大相关系数是 0 .734 4 (n =2 1) ,发生在 75 0nm波段处 ;群体叶面积指数 (LAI)与归一化差值植被指数 (ND VI)呈很好的对数相关关系 ;红边、蓝边、黄边每边的积分面积积累了多波段信息 ,在估测棉花冠层叶片全氮含量中有较大的应用潜力。研究建立了棉花主要栽培生理参数叶绿素含量、LAI和冠层叶片全氮含量等的遥感估测统计模型。     

基于高光谱遥感的棉花叶片叶绿素含量估算

为提高高光谱植被指数对棉花叶绿素含量的估算精度,以陕西省关中地区棉花花铃期叶片高光谱反射率为数据源,分析了13种植被指数与棉花叶片叶绿素相对含量(SPAD)的相关关系;同时采用降精细采样法,详细分析400~2 000nm波段范围内原始光谱反射率的任意两两波段组合而成的优化光谱指数RSI与SPAD值的定量关系,构建线性及非线性回归监测模型,并对模型进行验证。结果表明:1)所提取的13种植被指数中NIR/NIR与SPAD值的相关系数最大(r=0.914),并且基于NIR/NIR(R780/R740)构建的回归方程模型优于其他植被指数,其构建的二次曲线方程回归模型建模与验模R2分别为0.900和0.785,RMSE为4.762,RE为7.86%,为基于提取的12种植被指数构建SPAD值估算模型中最佳模型;2)优化后的比值光谱指数RSI(Ration spectral index)的敏感波段为500和563nm,RSI(500,563)与SPAD值的相关系数r=0.999,与棉花叶片SPAD含量在0.01水平下呈显著相关,其构建的二次曲线方程模型效果最优,建模和验模R2分别为0.912和1.000,RMSE为2.848,RE为4.38%。与提取的13种植被指数相比,基于RSI指数二次曲线回归模型为估算叶绿素含量的最佳模型,并且模型预测值和实测值之间的符合度较高R2=0.843,表明基于波段优化算法的优化光谱指数RSI能更好的预测棉花叶片叶绿素含量。     

基于高光谱的苹果盛果期冠层叶绿素含量监测研究

【目的】建立苹果冠层叶绿素含量及冠层光谱特征参量间的定量关系模型,以促进高光谱技术在苹果树精准施肥以及快速、无损长势监测中的应用。【方法】以蒙阴县果园的苹果树为试验材料,连续2年分别测定了苹果冠层光谱反射率和冠层叶绿素（Chl(a+b)）含量,分析了冠层叶绿素含量与光谱反射率之间的相关关系,并计算了400—1 000 nm任意两波段组合而成的RVI、DVI、NDVI和RDVI,分析了它们与冠层叶绿素含量的关系,以逐步回归分析做比较,建立了苹果冠层叶绿素含量监测模型。【结果】结果表明,以单变量估算叶绿素含量的最佳光谱指数为NDVI(975,742),相关系数为0.5093。利用多元逐步回归建立的苹果冠层叶绿素含量最佳监测模型为Y=-0.56(log1/R)771-0.48(log1/R)1978 +0.20(log1/R)2407 -0.10(log1/R)2440+4.749。【结论】用多元逐步回归方法建立的模型来监测苹果冠层叶绿素含量效果较好,为利用高光谱技术监测苹果生长状况提供了理论依据。     

不同氮处理春玉米叶片光谱反射率与叶片全氮和叶绿素含量的相关研究

 采用盆栽试验研究了不同氮营养水平下的春玉米叶片叶绿素和全氮含量与叶片光谱反射率的相关性。结果表明，拔节期和喇叭口期是玉米氮素光谱营养诊断的敏感时期；利用绿峰处叶片最大光谱反射率反演玉米叶片氮素含量和叶绿素含量的精度为：喇叭口期＞拔节期＞开花吐丝期；不同生育时期诊断玉米叶片氮素含量和叶绿素含量时所采用的光谱波段也不同，拔节期和喇叭口期采用可见光波段的光谱反射率可靠性较高，而开花吐丝期采用近红外波段的光谱反射率可靠性较高；两波段组合光谱变量对叶片叶绿素和全氮含量的判别精度高于单一波段的判别精度。     

基于高光谱特征参数的樟树叶绿素含量的估算模型研究

叶绿素在植物的生理生态过程中非常重要,而高光谱遥感的快速发展使得定量估算植被叶绿素含量成为可能.采用美国ASD公司生产的野外光谱辐射仪测量樟树幼林的叶片光谱,对观测叶片进行了同步叶绿素含量的测定.利用基于光谱位置变量的分析方法,分析樟树叶片光谱与叶绿素含量之间的关系.结果表明:樟树幼林叶绿素含量与Db,Rg,Rg/Ro,(Rg-Ro)/(Rg+Ro)之间的相关程度很高,相关系数达到极显著检验水平;通过建立特征参数与叶绿素含量之间的估算模型,并进行精度检验,得出了叶绿素含量估算的高光谱模型为y=exp[1.356+(-361.973)Db].说明利用高光谱遥感数据可以估测樟树幼林的叶绿素含量.     

桉树叶片光合色素含量高光谱估算模型

色素在植物的生理生态过程中非常重要,利用高光谱数据,揭示光谱反射率上特征波段与光合色素含量间的关系将有助于理解光合色素光谱反射特征的规律,同时为利用高光谱遥感技术快速无损监测植物叶片光合色素提供了技术支持.利用野外采集的桉树叶片样本,在实验室内测定了叶片的高光谱反射率及对应的叶绿素、类胡萝卜素含量.利用光谱分析技术和统计学方法对光谱数据进行处理分析,提取了光谱特征参量,并建立叶绿素、类胡萝卜素含量与光谱特征参量间的估算模型.通过精度检验,研究结果表明以(SDr-SDb)/(SDr+SDb)为变量建立的指数模型估算效果最佳.     

基于植被指数的马尾松叶绿素含量估算模型

利用高光谱技术,探索马尾松反射光谱组成的植被指数与其叶绿素含量之间的关系。采用美国ASD公司生产的手持式野外光谱辐射仪测量马尾松冠层光谱,对观测叶片进行同步叶绿素含量测定,并利用统计学分析方法,分析马尾松冠层光谱组成的植被指数与叶绿素含量之间的相关关系,并建立相应的估算模型。结果表明:叶绿素含量与植被指数进行相关性分析,相关性最好的为TCARI;通过建立TCARI与叶绿素含量之间的估算模型并检验其精度,得出了叶绿素含量估算的高光谱模型:y=exp(0.686+(-2.765)×x)。说明利用高光谱数据可以估测马尾松的叶绿素含量。     

基于高光谱的石楠叶片叶绿素含量估算模型

准确估算叶绿素含量对于植物生长监测、产量预测、生境的适宜性评价具有重要作用。为寻求叶片叶绿素含量的高精度估算模型,以石楠为对象,实测叶片叶绿素含量和反射光谱反射率,对原始光谱进行变换并计算植被指数,通过相关性分析挑选特征波段,运用多元逐步线性回归和偏最小二乘回归建立叶绿素预测模型。结果表明:1）FDR的逐步线性回归模型和偏最小二乘模型优于R、1/R、LR、SDR;2）DNDVI(R₆₄₅,R_{1 370})的指数函数模型为估算叶绿素含量的最佳单变量模型;3）DRI(R₇₄₇,R_{1 464})与RI(R₇₃₃,R₉₄₄)的逐步线性回归模型精度最高,验证结果的决定系数R²为0.955,均方根误差RMSE为3.145。因此,该模型可以实现叶片叶绿素含量的准确估算,从而为实现高光谱技术监测植被叶绿素含量变化提供依据。