基于高光谱数据提取棉花冠层特征信息的研究

 采用ASD Field Spec Pro VNIR 2500型高光谱仪获取了不同生育时期棉花冠层的高光谱遥感数据,通过光谱分析技术研究了棉花冠层结构与其光谱数据之间的关系。结果表明,不同品种、不同密度、不同配置方式及不同生长状况间棉花的冠层光谱存在着较明显的差异,棉花冠层光谱反射率与其叶绿素含量、叶面积和生物量及生长发育阶段、健康状况和物候现象等因素密切相关。可见,运用高光谱遥感技术快速、有效、非接触、非破坏性地获取棉花冠层信息,对解释、预测和设计理想棉花群体意义重大,同时为新疆精准种植棉花和科学调控水肥提供了科学依据。     

基于棉花冠层光谱的土壤氮素监测研究

通过连续2年小区氮肥试验,在棉花不同生育期采集冠层高光谱数据并同步测定土壤氮含量,分析棉花冠层高光谱参数与土壤氮含量间的关系,建立基于植株冠层光谱的土壤氮含量估算模型。结果表明:土壤全氮含量随着施氮水平的增加而增加,且差异显著;基于棉花不同时期冠层光谱构建的14种光谱参量与土壤氮含量间的相关性有显著差异。其中,利用冠层光谱参数P_Area1100、Depth980、Area672、PPR(550,540)建立的土壤氮含量监测模型分别在蕾期、花期、铃期、吐絮期4个关键生育期对土壤氮含量的预测均达到了较高的精度,能够很好地反映棉花土壤氮素营养状况。利用植株冠层光谱参数可以很好地监测土壤氮素营养,说明利用植株冠层光谱方法监测土壤氮含量是可行的。     

基于高光谱植被指数的棉田冠层特征信息估算模型研究

 采用ASD Field Spec Pro VNIR 2500型光谱辐射仪获取了棉花不同生育时期的冠层高光谱反射率。并通过光谱分析技术,建立了基于高光谱植被指数——归一化植被指数和比值植被指数的棉田冠层特征信息的定量模型。经过对估算模型的精度检验和评价,最终筛选出表征棉花冠层结构特征参数的最佳估算模型。结果表明,基于归一化植被指数预测棉花叶面积指数,以幂函数（y=11.084x^12.024,r=0.8076^**）的模型为最优;基于比值植被指数预测棉花单位面积地上部鲜生物量,以指数函数（y=52.261·exp(0.1024x),r=0.8114^**）的估计模型为最优;基于比值植被指数预测棉花单位面积地上部干生物量,以指数函数（y=9.5552·exp(0.1133x),r=0.8330^**）的模型为最优。可见,利用高光谱遥感技术可以分析、模拟、评价、预测棉花冠层特征参量,为精准种植棉花提供了依据。     

玉米和大豆LAI高光谱遥感估算模型研究

以ASD FieldSpec光谱仪实测了不同生长季的大田玉米、大豆的冠层高光谱与作物的叶面积指数LAI。采用单变量线性与非线性拟合和逐步回归分析的方式,建立了玉米、大豆LAI高光谱遥感估算模型,并对模型的估算结果进行了初步分析。分析结果表明,绿光波段反射峰区、红光波段以及近红外区的单波段反射率与作物的LAI有较强的相关性,而其他波段的反射率与作物的LAI的相关性相对较弱;以高光谱的窄波段构造的NDVI和RVI与作物的LAI的相关程度高,回归模型的预测水平高;而以多波段逐步回归方式构造的统计模型的预测效果最好。     

棉花植株水分含量的高光谱监测模型研究

精确灌溉对无损、快速的水分监测技术有迫切需求。研究棉花冠层高光谱参数与水分的定量关系并建立水分估测模型,以实现棉花水分及时、准确监测。通过2年试验,测定棉花冠层高光谱及植株水分,根据光谱参数与植株含水量的相关关系,建立了植株含水量监测模型。结果表明:棉株含水量与叶片含水量在一定范围内随灌溉量增减而增减,并能区分棉花干旱程度;棉株及叶片含水量与冠层460～514 nm、605～698 nm、1451～1576 nm和1960～2457 nm反射率极显著负相关,与727～1345 nm反射率极显著正相关,且棉株的相关性好于叶片含水量。所选作物水分指数、归一化差值水分指数1、归一化差值水分指数2、水分胁迫指数1、水分胁迫指数2、水分波段指数、水分指数与归一化差值植被指数之比均与棉株及叶片含水量极显著相关;构建了棉株含水量和叶片含水量的最佳监测模型;所建模型精度能满足大田生产对棉花水分监测的要求。     

基于ETM植被指数和冠层温度差异遥感监测棉花冷害

 大范围地、及时地遥感监测棉花的冻害状况及损失对安排救灾、灾后评估有着现实的意义。利用2001年6月7日、8月10日和2000年8月7日ETM影像,结合农业灾害和农作物生长发育统计数据,通过植被指数变化和冠层温度差异对新疆沙湾2001年8月初棉花结桃时发生的冷害进行遥感监测。结果表明:与往年未遭受冷害的同期棉花植被指数相比,棉花植被指数NDVI绝对差值降低区域占67.8％,其中下降0～0.2占51％,下降大于0.2占17％,降低百分比处于0～20％。植被指数和温度图像散点图呈现显著负相关,相关系数－0.63。其中未受冷害影响,植被指数增加,长势较好的棉花冠层温度平均为26.4℃,植被指数未变化区域为27.6℃,植被指数降低较多,冷害程度较重区域冠层温度约为29.3℃,冠层温度差异显著。基于ETM遥感影像植被指数变化幅度和冠层温度差异可用于冷害程度区域划分。     

不同棉花群体冠层数字图像颜色变化特征研究

 为了探索利用数字图像监测棉花长势的方法,研究了不同群体的冠层数字图像颜色变化特征。结果表明,RGB模型中,R分量在全生育期呈现开口向上的二次曲线变化趋势;G分量变化为开口向下的二次曲线;不同密度B分量差异较大,变化曲线形状介于R和G之间。RGB组合性状中,R/(G+B)、R/G、R、R/B类似,B、B/(G+R)、B/G类似,G、G/(R+B)类似,其中R/G、G/(R+B)、R/(G+B)的二次曲线特征更明显。HIS模型中,H分量变化趋势为开口向上的二次曲线;I分量变化基本符合二次曲线;S分量变化无二次曲线特征。R,G,R/G、G/(R+B)、R/(G+B)以及H分量在整个生育期变化具有一定的规律可循,可能是反映作物长势的潜在指标,这将对数字图像监测作物长势具有重要意义。     

基于高光谱植被指数的棉花干物质积累估算模型研究

利用北疆8个棉花主栽品种(其中2个棉花品种设4水平种植密度)的各生育期冠层高光谱数据,经多元统计分析与光谱微分处理,建立了基于比值植被指数(RVI)和归一化植被指数(NDVI)的5种函数形式的棉花干物质积累估测模型,相关系数均达到了极显著水平(α=1%,n=96)。基于RVI和NDVI构建的估测模型,前者比后者具有更高的估测精度,指数函数、对数函数和双曲线函数形式的模型可以产生较高的预测精度;一阶微分光谱数据与棉花干物质积累量的逐步回归相关分析表明,相关系数的最高值发生在748 nm波段处(r=0.6920**),由748 nm波段处的微分数值建立的回归模型,估测精度较高,具有实际应用的潜力。     

基于高光谱数据提取作物冠层特征信息的研究进展

高光谱(Hyperspectral)遥感是指光谱分辨率在10-2λ的遥感信息,其特点是光谱分辨率高(5~10nm)、波段连续性强(在0.4~2.5μm范围内有几百个波段)。高光谱遥感器既能对目标成像(有时也称成像光谱遥感)、又能测量目标物的波谱特性,因此,它不仅可以用来提高对农作物和植被类型的识别能力,而且还可以用来监测农作物长势和反演农作物的理化特性。绿色植物具有独特的光谱曲线特征,而作物具有绿色植物典型的光谱特征曲线,基于作物的光谱特征研究与其生理生化特性之间的关系,高光谱遥感数据在提取作物生理生化特征、提取作物冠层信息、估产以及预测病虫害等许多方面都表现出巨大的应用潜力。本文概述了利用高光谱数据提取作物冠层信息的研究现状、展望及其在新疆棉花生产中的应用和前景。     

基于宽范围动态植被指数的棉花冠层覆盖度监测

 旨在利用宽范围动态植被指数对棉花冠层覆盖度进行监测,解决传统的利用归一化差值植被指数对冠层覆盖度较高时监测不准确(饱和)的问题。采用高光谱仪获取棉花不同时期不同覆盖度的冠层光谱反射率,通过对构成归一化差值植被指数的近红外波段反射率引入系数α来提高修正后的植被指数随棉花覆盖度变化的动态范围。当利用权重系数0.1≤α≤0.2对近红外波段反射率调整之后,新形成的宽范围动态植被指数用于监测不同覆盖度棉花时未出现“饱和”现象。利用宽范围动态植被指数建立的棉花覆盖度监测模型的决定系数r2＞0.948,对棉花冠层覆盖度进行监测,可以解决传统的归一化差值植被指数对冠层覆盖度较高时监测不准确(饱和)的问题,提高了植被指数对棉花冠层覆盖度监测的精度。     

利用高光谱技术估测大豆育种材料的叶面积指数

叶面积指数(LAI)是反映田间作物长势及产量潜力的重要参数,规模化育种要求及时、快速、无损地获取大量育种材料的田间生长信息。本研究利用52份大豆品种(系)的2年田间试验,在盛花期(R2)、盛荚期(R4)及鼓粒初期(R5)测定大豆冠层反射光谱,同步测定大豆LAI和地上部生物量(ABM)。结果表明,不同生育期LAI与冠层光谱在可见光波段(426~710 nm)均表现显著负相关(P0.05),在近红外波段(748~1331 nm)均表现为显著正相关(P0.05)。根据文献已报道的植被指数与LAI的线性相关性分析,NDVI和RVI类型的植被指数能够较好地指示大豆LAI,进而在全光谱250~2500 nm范围内涵盖上述两种类型的植被指数,经对建立的大豆LAI线性与非线性模型综合评价,遴选出不同生育期敏感植被指数的最优估测模型。其中,R2期RVI(825,586)所建模型(y=0.03x1.83)、R4期RVI(763,606)所建模型(y=0.38e0.14x)及R5期RVI(744,580)所建模型(y=0.06x1.79)的预测表现最好,决定系数(R2)分别为0.677、0.639和0.664,相对标准误(RRMSE)均小于20%;模型验证的决定系数(R2*)分别为0.643、0.612和0.634,均根方误差(RRMSE*)约20%。进而发现针对LAI和ABM的RVI共性核心波段组合为R2期的825 nm和586 nm、R4期的763 nm和606 nm以及R5期的744 nm和580 nm。本研究结果可望为大豆规模化育种中获取大量不设重复试验材料的田间长势信息提供快速无损预测的技术支持。     

玉米和大豆光合有效辐射吸收比例与植被指数和叶面积指数的关系

基于东北典型黑土区的玉米和大豆的实测光谱反射率、光合有效辐射及叶面积数据,选取常用的9种植被指数,并根据光谱曲线特征和植被指数结构建立了两种新的植被指数,对其估算玉米和大豆冠层FPAR效果进行了对比分析。结果表明,各植被指数与冠层光合有效辐射吸收比例(FPAR)的关系因植被类型而异。以近、短波红外波段较以可见光、近红外波段计算植被指数的估算效果好。NDVI、RVI在可见光、近红外波段计算的植被指数中估算FPAR效果较好,玉米估算模型R²分别为0.81和0.82,大豆估算模型R2均为0.81;NDSI、RSI在近、短波红外波段计算的植被指数中较好,玉米估算模型R2均为0.86,大豆估算模型R2均为0.84,优于NDVI和RVI。试验表明,利用近、短波红外波段估算FPAR是可行的;冠层含水量较土壤背景对FPAR影响更大;玉米和大豆冠层FPAR与叶面积指数(LAI)呈较好的对数关系,估算模型R²分别为0.75和0.70;但用植被指数估算FPAR效果要优于用叶面积指数。     

棉花冠层高光谱指数与叶片氮积累量的定量关系

利用冠层高光谱反射率及演变的多种高光谱植被指数(VI),分析了不同施氮水平下不同棉花品种叶片氮积累量与冠层反射光谱的定量关系,建立了棉花叶片氮积累量的敏感光谱参数及预测方程。结果显示,棉花叶片氮积累量和冠层高光谱反射率均随不同施氮水平显著变化;棉花叶片氮含量的敏感光谱波段为600~700 nm的红谷波段和750~900 nm的近红外波段,叶片氮积累量与光谱指数NVD672有密切的定量关系,且不同品种可以用统一的方程来描述,从而为棉花氮素营养的监测诊断与精确施肥提供了技术支持。     

基于空间统计学的棉花冠层光合有效辐射空间格局分析方法

 运用空间统计学的模拟方法,以不同密度棉花群体为研究对象,对其冠层内光合有效辐射（PAR）的空间分布予以研究。通过拟合PAR透射率的半方差函数模型和绘制等值线图来反映不同密度群体冠层内PAR透射率的空间格局。利用克里格空间内插法和Simpson3/8法计算出盛蕾期棉花群体平均PAR透射率,分析其与LAI的回归关系,并对克里格插值法进行交叉验证。结果表明,冠层PAR存在强烈的空间自相关性,变异函数的最佳理论模型为高斯模型,决定系数均在0.9以上。各密度冠层PAR透射率具有相似的空间格局,但其变异程度有随密度增加而上升的趋势。群体平均PAR透射率与叶面积指数（LAI）呈指数回归关系,与前人研究结果一致。应用空间计学研究PAR空间分布格局,将有助于对PAR 进行精确定位和定量化地估算,为作物科学配置和作物冠层结构调控提供理论依据。     

Estimation of Leaf Area Index of Beta vulgaris L. Based on Optical Remote Sensing Data

Remote sensing and vegetation indices can be used to characterize the canopy of crops with a non‐destructive method on a large scale. Leaf area formation of sugar beet in early summer is the most important variable for crop growth models. This study aimed at estimating whether differences in leaf area development of sugar beet resulting from different agronomic practices can be determined with remote sensing. The relationship between the normalized difference vegetation index (NDVI) and leaf area index (LAI) during the season and yield of the storage root in autumn was studied in six field trials in 2001 and nine field trials in 2002. The vegetation index NDVI gave a good impression of differences in leaf development of sugar beet in early summer. LAI increased with increasing NDVI up to an NDVI of 0.65. Above that the NDVI did not respond as distinctly to treatments as the LAI. An exponential function was developed to calculate sugar beet LAI from NDVI, so that remote sensing data can be used as input variable for crop growth models. The yield of the storage root in autumn did not show any relationship to LAI or NDVI during the season, regardless of whether it was measured in June or September. Therefore, it seems to be necessary to combine NDVI data with crop growth models to forecast a potential sugar beet yield in autumn. For this purpose the formula presented is a valuable tool.     

图像处理技术估测水稻叶面积指数的研究

为了探讨图像处理技术测定水稻叶面积指数（LAI）的可行性,利用数码相机获取水稻冠层影像,通过图像处理获取冠层图像的覆盖度,并建立模型从而估测出水稻LAI。试验结果表明,利用覆盖度与实测叶面积指数之间建立的关系模型可以估测水稻LAI,并对利用该模型测出的叶面积指数与实测叶面积指数进行统计检验,它们之间的相关系数在0.77~0.93*之间,达到显著或极显著水平。说明通过覆盖度估测水稻叶面积指数是可行的,该研究结果为获取水稻LAI提供了有效途径。     

基于无人机多光谱遥感的大豆叶面积指数反演

为给大豆科学管理提供基础数据,利用无人机多光谱遥感数据实现对大豆叶面积指数(LAI)的反演估值.从多种光谱植被指数中选出与LAI相关性较好的5种指数,分析探讨在田块尺度上,适用于东北地区的大豆叶面积指数的低空无人机遥感反演模型.结合田间实测LAI数据及模型精度及拟合效果,NDVI模型精度较好,但拟合效果较差,其余4种植...