镉胁迫下空心菜叶绿素质量分数的高光谱估算

为实现高光谱技术快速检测空心菜镉污染,探索性地对其叶绿素质量分数的变化情况进行了高光谱估算.采用盆栽试验检测了空心菜在6个不同的镉质量分数梯度0mg/kg(CK),0.5mg/kg(T1),1mg/kg(T2),5mg/kg(T3),10mg/kg(T4),20mg/kg(T5)下的叶片高光谱反射率及其叶绿素质量分数.根据不同镉质量分数处理下空心菜叶片高光谱反射率的变化,对光谱数据重采样,分析了叶绿素质量分数与光谱数据的相关性,筛选出不同质量分数镉处理情况下与叶绿素质量分数敏感的光谱波段及特征参数,并建立了预测叶绿素质量分数的估算模型.研究结果表明:1)随着镉质量分数的增加以及胁迫时间的延长,总叶绿素质量分数呈先增加后减少的趋势.15d,30d和45d的叶片光谱变化趋势相似,在绿峰和红外波段范围差异较明显.处理45d时,其差异比15d和30d时更显著;2)重采样后绿峰和红边范围的波段与叶绿素质量分数具有较好的相关性(p0.01),相关性最优的波段R540,R710为自变量与叶绿素质量分数拟合的R2值分别为0.747 7,0.713 5(p0.01),故选择其作为敏感波段;3)对12个光谱敏感参数、R540和R710与叶绿素质量分数进行相关分析、建模并反演,得出R540,R710,GPR和SGP对应的非线性倒数模型效果较优,可用于空心菜叶绿素质量分数的估算.研究结果可进一步为检测空心菜镉污染程度提供技术参考.     

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.     

北疆棉花叶绿素密度的高光谱估算研究

利用非成像高光谱仪,对4水平种植密度下的2个北疆棉花品种在5个关键生育时期进行冠层光谱测定,分析棉花反射光谱及微分光谱生育期的变化规律,并对棉花冠层叶绿素密度(CH.D)与光谱数据进行回归分析,结果表明,近红外729 nm波段处一阶微分光谱数值与CH.D高度相关(r=0.937 2**,n=20),用此波段建立的CH.D估算模型,精度达84.3;,标准差为0.234g/m2,RMSE=0.156 9.研究表明,可以用高光谱数据对新疆棉花冠层CH.D进行遥感估算.     

基于高光谱数据的滴灌甜菜叶绿素含量估算

为明确甜菜叶绿素含量与高光谱植被遥感的定量关系,探索建立干旱区甜菜叶绿素含量估测模型,即时监测甜菜生长状况,选取新疆滴灌甜菜（Beta356）为研究对象,利用ASD野外高光谱仪在甜菜叶丛快速生长期、块根膨大期与糖分积累期采集各处理反射光谱,并同时测定叶绿素含量,分析原始光谱反射率和一阶微分光谱反射率与叶绿素含量的相关关系,并进一步建立光谱特征参数和敏感波段植被指数叶绿素含量估算模型。结果表明：原始光谱反射率在近红外区（700~1 300 nm）随着氮素水平的增加呈先升高后降低趋势,红边（680~760 nm）也表现出相同趋势,原始光谱反射率在近红外区（700~1 300 nm）随着运筹管理的递进呈现升高趋势,红边（680~760 nm）也表现出相同趋势;原始光谱反射率和一阶微分反射率与叶绿素含量均具有较好的相关性,其最大正相关分别位于902 nm（r=0.574,P<0.01）和676 nm（r=0.843,P<0.01）附近,最大负相关分别位于611 nm（r=-0.664,P<0.01）和1 138 nm（r=-0.727,P<0.01）附近。对所建12个线性模型进行精度检验,其中差值植被指数DR₆₇₆–DR₄₄₆和DR₆₇₆估算模型的预测值与实测值的决定系数分别达到0.774和0.781,以DR₆₇₆所建立的估算模型最优。本研究为快速无损监测甜菜生长状况、制定氮素管理方案、指导甜菜氮肥管理提供支持。     

基于支持向量机的棉花冠层叶片叶绿素含量高光谱遥感估算

【目的】建立并研究棉花冠层叶片叶绿素含量的高光谱估算模型,探讨合适的建模方法,以提高棉花叶绿素含量的高光谱遥感估算精度。【方法】以2016年种植的渭北旱塬区棉花鲁棉研28号为试验对象,用SPAD-502型手持式叶绿素仪和HR-1024i便携式地物光谱仪,分别测定棉花不同生育期冠层叶片SPAD值和对应的光谱反射率,分析SPAD值与光谱反射率的相关性。选取8个光谱参数,分析SPAD值与这8个光谱参数的相关性,并采用单因素回归、多元逐步回归和支持向量机(SVM)回归方法,构建棉花冠层叶片叶绿素含量的高光谱估算模型,比较各模型的决定系数(R2)、均方根误差(RMSE)以及相对误差(RE),评价模型的精度。【结果】(1)棉花冠层叶片光谱反射率在400～700nm波段随叶片SPAD值升高而降低,在700～1 000nm波段表现为SPAD值越高,叶片光谱反射率越高;(2)在530～570nm和680～730nm处叶绿素含量与光谱反射率呈极显著负相关(99.99%置信区间,n=144);(3)所选用的8个光谱参数与叶绿素含量均达到极显著相关,相关系数最高为0.686;(4)SVM回归模型验证R2达到了0.884,RMSE和RE最低,分别为2.186和3.419,比单因素回归模型中预测精度最高的SPAD-RVI1的RMSE和RE分别降低46.4%和46.3%,较多元逐步回归模型SPAD-MSR的RMSE和RE分别降低33.4%和32.1%,明显提高了棉花叶绿素含量的估算效果。采用8个光谱参数构建的SPAD-SVM8模型RMSE和RE比采用4个光谱参数构建的SPAD-SVM8模型分别降低了19.2%和23.5%。【结论】支持向量机(SVM)回归方法可以作为棉花冠层叶片叶绿素含量高光谱遥感估算的优选方法,且采用较多光谱参数构建的SVM模型估算精度更高。     

基于高光谱参量茶叶叶绿素含量估算模型研究

根据实测叶绿素含量数据,采用原始光谱、导数光谱技术分析,得到估算铁观音茶树鲜叶叶绿素含量的光谱特征参数（DV640,R716）,构建叶绿素含量的光谱参量模型,结果表明：用第5、6片叶的DV640参量构建模型估测精度较高,最高达到93％.     

基于实测光谱的红花叶绿素含量高光谱估算模型研究

通过分析红花(Carthamus tinctorius L.)原始光谱、变换光谱以及其他25种应用最普遍的高光谱参数与其叶绿素含量的相关性,并选择每个生长期与红花叶绿素含量相关性较好的高光谱指数和波段,建立不同生长期红花叶绿素含量的线性、抛物线、指数和对数模型,并用RMSE评价模型精度。最后得出各期的最佳模型:出苗期归一化差异指数(NDI)的抛物线模型具有最大模型精度0.900和检验精度0.932;分枝期黄边幅值(Dy)的抛物线模型精度为0.850,检验模型精度为0.811;始花期444 nm处二阶导数光谱的抛物线模型精度为0.734,检验精度为0.866;终花期798 nm处二阶导数光谱的抛物线模型精度为0.929;成熟期795 nm处二阶导数光谱的指数模型精度为0.904,检验精度为0.868。     

基于“三边”参数的油松林叶绿素估算模型1）

利用ASD便携式手持光谱仪,实测了研究区域内油松林健康松枝和发黄松枝的原始光谱数据,并采集松枝样本进行叶绿素的测定。通过对光谱数据的处理,计算出光谱数据的位置特征参数—“三边”参数。对“三边”参数与所测叶绿素值进行相关性分析,选择最优的参数拟合出叶绿素的线性回归模型。结果表明：基于红边面积（SDr）的健康松树针叶叶绿素估算模型的决定系数为0．788;基于蓝边位置（PDb）的发黄松树针叶叶绿素估算模型的决定系数为0．710。利用实验数据对所建立的估算模型进行验证,健康松树针叶与发黄松树针叶叶绿素估算模型的可靠性均满足实验要求,说明应用“三边”参数估算植被叶绿素的方法是可行的。     

苹果冠层叶绿素含量高光谱估算模型

【目的】 研究一种快速、简便、无损的苹果冠层叶绿素含量估测模型。探索苹果品种岩富10号冠层的高光谱特征和叶绿素含量的估测方法,为该地区岩富10号苹果营养的快速诊断奠定基础,为红富士苹果精准化管理和-7光谱尺度研究提供参考依据。【方法】以红富士苹果(Malus domestica Borkh. cv. Red Fuji)主栽品种岩富10号叶绿素含量以及冠层高光谱反射率为数据源,分析叶绿素含量与冠层原始光谱(R)、微分光谱(R')之间的相关关系,利用敏感波段建立新的对应关系,构建岩富10号叶绿素含量的多种回归估测模型,并对不同模型进行了精度评价。【结果】微分光谱用于岩富10号叶绿素含量的估测精度要显著高于原始光谱反射率;利用敏感波段组合新定义的衍生变量拟合程度更优;在多种回归方式中,三次多项式模型的拟合程度最好,最优模型为357 nm等7个波段组合定义的新植被指数所建立的三次多项式模型,其精度为0.839。【结论】应用光谱技术对南疆塔里木盆地阿克苏地区岩富10号叶绿素含量进行定量反演是可行的。     

基于PCA-WNN的玉米叶片叶绿素含量遥感反演建模方法

为寻找一种准确、非破坏性的叶绿素含量获取方法,实时掌握作物的生理状况,研究一种基于PCAWNN的玉米叶片叶绿素含量遥感反演模型。利用SVC HR-1024I光谱仪采集盆栽玉米叶片光谱,同时用SPAD-502便携式叶绿素计测定叶绿素含量。从包络线去除、微分处理后的光谱曲线中提取7个光谱特征参数(SCPs)并与修改型土壤调节植被指数(MSAVI)、归一化差值植被指数(NDVI)、修正植被指数(MVI)、比值植被指数(RVI)、差值植被指数(DVI)5种植被指数分别结合主成分分析(PCA),并提取前4个主分量作为小波神经网络(WNN)的输入因子,以Morlet母小波基函数作为激励函数,建立隐含层节点数为3的PCAWNN模型反演玉米叶片叶绿素含量。通过精度检验,表明7个SCPs与MSAVI组合的建模精度最高,验证小波神经网络反演玉米叶绿素含量的可行性以及其预测精度比BP神经网络更好。     

桑叶叶绿素光谱特征及其含量测定的初步研究

[目的]研究桑叶叶绿素的光谱特征及其含量的变化规律。[方法]以新鲜桑叶为材料,采用有机溶剂萃取法和分光光度法对桑叶叶绿素进行提取与含量测定,通过比较不同节位桑叶及桑叶不同部位的叶绿素含量,分析桑叶叶绿素的光谱特征及其含量的变化规律。[结果]桑叶叶绿素的光谱特征与其他高等植物叶绿素的光谱特征类似;不同节位桑叶中叶绿素含量为中部〉底部〉顶端,但叶绿素a／b的比值却为底部〉硕端〉中部;而桑叶不同部位叶绿素含量及a／b比值的高低顺序依次为叶柄〉叶中〉叶尖。[结论]不仅为叶绿素的提取及含量测定提供了方法性参考,而且有益于叶绿素的进一步研究。     

玉米叶绿素含量高光谱反演的线性模型研究

叶绿素含量是衡量植被生长状况的一个重要指标,高光谱数据具有较高的光谱分辨率,利用其光谱信息建立叶绿素含量的关系模型,已成为监测植被长势的一种有效手段。传统叶绿素含量线性回归模型的输入因子是植被特征提取参数,由于高光谱数据波段间的冗余度较高,导致一般的线性模型的反演精度较低。主成分分析可以减少数据的维数,简化网络结构,得出能反映原始信息的综合变量。本文以盆栽玉米为研究对象,利用植被特征和主成分分析方法提取光谱反演参数,根据所提取的参数建立玉米叶片叶绿素含量的一元线性和多元线性回归模型。结果表明,利用绿峰峰值和近红外反射率均值两参数可在一元线性模型中较好地反演玉米叶片叶绿素含量;而利用分波段提取的主成分能够在多元线性回归模型中更好地反演叶绿素含量,反演精度较高。     

园林竹类植物叶绿素含量的研究

为探讨不同园林竹类植物叶绿素含量的特点及其与年龄的关系,通过分析测定,并应用聚类分析和数学模型拟合等方法,对50种园林竹类植物叶绿素含量进行研究。结果表明,这些竹类植物3年生中部叶片的叶绿素含量Ca在1.230～4.350之间,Cb在0.485～1.760之间,通过聚类分析可以分为4类,第1类有1种,第2类有2种,第3类有8种,第4类有39种;叶绿素含量随着竹子年龄的增加而呈现"低-高-低"的变化规律,叶绿素含量与年龄经11种单因子模型拟合,以3次多项式:Y=b0 b1 b2t2 b3t3模型拟合最优。     

不同测定时间SPAD值对估测叶绿素面积质量的影响

以东北东部山区蒙古栎(Quercus mongolica)、五角槭(Acer mono)、春榆(Ulmus japonica)、水曲柳(Fraxinus mandshurica)、胡桃楸(Juglans mandshurica)、黄波椤(Phellodendron amurense)、白桦(Betula platyphylla)和紫椴(Tilia amurensis)8个阔叶树种为研究对象,通过SPAD-502叶绿素仪分析以上树种SPAD日变化特征,计算不同测定时间SPAD值估测叶绿素面积质量误差。结果表明:SPAD值日变化最大值75%出现在12:00—18:00,最小值近90%出现在04:00—06:00,变化率在2%~17%;SPAD最小值低估叶绿素面积质量误差达10%~20%,其他时间段误差在±9%内(除了蒙古栎春季)。叶片SPAD与光量子通量密度、叶绿素面积质量、叶面积质量、含水率相关性因树种和测定时期而异。建议该地区SPAD值测定时间最好在08:00—18:00。     

基于EFAST方法的苹果叶片叶绿素含量估算

为了快速、准确地估算叶绿素含量,使用2012年和2013年在山东省肥城市潮泉镇获取的整个生育期苹果叶片叶绿素含量和配套的光谱数据,利用PROSPECT模型和EFAST方法探讨了对叶绿素含量敏感的波段,然后采用经验统计方法实现了单波段高光谱对苹果叶片叶绿素含量的监测。结果表明:以571 nm和697 nm波段光谱参数为自变量所建立的估测模型拟合精度较高,其决定系数(R2)分别为0.71和0.69,均方根误差(RMSE)分别为1.14、1.17 mg/dm~2,相对误差(RE)分别为-1.07%和-1.01%。以PROSPECT模型和EFAST方法整合筛选的敏感波段建立的估算模型监测叶绿素含量效果较好,为利用高光谱技术监测苹果长势提供了理论依据。     

基于光谱植被指数的冬小麦叶绿素含量反演

植物功能叶的SPAD值与其氮素和叶绿素有较强的相关性,研究功能叶SPAD与其冠层光谱的关系,对实现植株叶绿素含量快速、无损检测具有重要意义。本文通过对冬小麦生育期的冠层原始光谱进行一阶导数变换,研究其功能叶片SPAD值与冠层光谱的相关性,对监测冬小麦叶绿素含量的敏感波段进行了提取,并建立了叶绿素含量与冠层反射光谱的定量关系。结果表明,基于小麦冠层原始光谱反射率、冠层光谱导数反射率与SPAD的相关系数曲线,提取的各形式下冬小麦叶绿素含量的敏感波段分别为500、690、760和470、630、723nm;并构建了冬小麦叶绿素含量的预测模型,以FDNDVI(630,723)预测模型较好,其R2可达0.9485,模型验证参数R2、MRE和RMSE分别为0.8099、0.0294和1.805,拟合效果较好,表明该模型能有效地对冬小麦叶绿素含量进行预测。该研究结果可为冬小麦长势监测提供一定的理论参考。     

玉米幼苗不同叶位叶片叶绿素含量和荧光参数特性研究

以玉米幼苗刚好完全展开的1～5叶位叶片为材料,通过检测叶绿素含量和荧光参数特性,研究玉米不同叶位叶片的光化学活性.结果表明:随着叶位的上升,叶绿素含量逐渐增加;与第1,2位叶比,第4,5位叶具有更高的Fv/ Fm和ETo/RC,即第4,5位叶具有更强的光化学活性.     

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。