不同氮水平下冬小麦农学参数与光谱植被指数的相关性

利用光谱仪通过大田试验测量不同氮素水平及不同生育期冬小麦冠层的光谱反射率,测算叶面积指数(LAI)、叶绿素含量(CHL)、叶绿素密度(CHL.D)、地上鲜生物量和地上干生物量等农学参数;在此基础上分析了不同氮素水平冬小麦生育期内的光谱植被指数的变化,并分析了农学参数与植被指数之间的相关性。结果表明:小麦叶面积指数、叶绿素密度与比值植被指数(RVI)和归一化差值植被指数(NDVI)在各生育期呈显著相关,小麦叶片的叶绿素含量与RVI、NDVI在抽穗期呈极显著相关,而地上鲜生物量、地上干生物量与RVI和NDVI从起身到孕穗期呈显著相关。     

干旱区玉米抽雄期叶绿素含量高光谱最佳模型选择

采用相关性、线性和非线性分析法,探讨了玉米抽雄期叶片叶绿素含量与多种高光谱参数之间的关系,并建立了叶绿素含量的定量监测模型。结果表明:(1)原始光谱反射率与叶绿素含量在713 nm处具有最大相关系数r=0.86,光谱反射率一阶微分在760 nm处与叶绿素含量具有最大相关性r=0.84。同时,最大一阶微分分别对应的波长(λr,λb,λy)、绿峰反射率(Rg)和其对应的波长λg、红边内最大一阶微分总和(SDr)、比值植被指数(SDr/SDb,SDr/SDy,(Rg-Ro)/(Rg+Ro))以及归一化植被指数(SDr-SDb)/(SDr+SDb)等10种参数分别与叶绿素含量的相关性达到极显著相关。(2)采用相关性达到极其显著的12种光谱参数进行建模,其中原始光谱、绿色反射峰以及光谱反射率一阶微分、基于红边面积与蓝边面积的比值植被指数和归一化植被指数所建立的10个模型R2都不小于0.72,前两者所建立的指数模型优于线性模型,而后三者所建立的线性模型则优于指数模型。(3)所选取的五个方程中,在760 nm处的光谱反射率一阶微分值所构建的线性模型:y叶绿素=6912x760nm+44.878因其具有最大决定系数和最小的RMSE,并且其模型表达式相对简单,因此是玉米抽雄期叶绿素含量的最佳预测模型,从模型决定系数R2来看,它比其他模型至少提高了11.4%。     

基于高光谱的水浇地与旱地春小麦拔节期叶绿素含量估测模型对比研究

测定拔节期水浇地与旱地春小麦冠层光谱、叶绿素含量、覆盖度、苗高和叶宽,采用回归分析方法建立春小麦叶绿素含量高光谱估测模型,并对模型精度进行检验。结果表明：阳坡和双面坡地春小麦拔节期叶绿素含量与原始光谱反射率在可见光和近红外波段均呈正相关,水浇地和阴坡地在723 nm以前相关系数为负,723 nm以后为正。各地类春小麦叶绿素含量与各高光谱变量的相关性均较好,均达到了极显著水平（P＜0．01）。无论在可见光还是近红外波段,水浇地春小麦叶绿素含量均与倒数之对数 lg（1/R）的相关性最好,相关系数最大值可达0．98;阴坡地则与一阶微分的相关性最好,最大为0．94;而与阳坡和双面坡地相关性最好的高光谱指数为归一化植被指数。在各个波段,倒数之对数模型lg（1/R）、一阶微分模型（p′）和归一化植被指数模型（N）分别是估测水浇地、阴坡地、阳坡和双面坡地春小麦叶绿素含量的最佳模型。虽然各模型 R2均超过0．90,精确度均大于0．91,但阴坡地、阳坡和双面坡地的模型精确度和准确度略低于水浇地。以上模型的建立可为今后估测水浇地与旱地春小麦的健康状况提供参考。     

引黄灌区水稻不同生育期叶绿素含量估测

叶绿素是植物光合作用的物质基础。为了探讨不同生育期水稻冠层光谱与叶绿素含量的响应规律,以宁夏引黄灌区水稻为材料,经小区试验测定水稻冠层光谱与叶绿素含量,分析冠层光谱反射率与叶绿素含量的相关性,建立两者之间的相关模型,结果表明:不同生育期内,水稻冠层光谱反射率差异较大;水稻冠层光谱反射率与叶绿素含量相关性随着生育期的推进而逐渐降低;基于全波段归一化光谱指数(NDSI)构建的拔节期(NDSI_((456,475)),R~2=0.6502)、抽穗期(NDSI_((748,782)),R~2=0.5264)、乳熟期(NDSI_((822,823)),R~2=0.5708)、蜡熟期(NDSI_((730,731)),R~2=0.4396)叶绿素模型能较好地预测水稻冠层叶绿素含量。     

基于Stacking集成学习的猕猴桃叶片叶绿素含量估算

叶绿素含量能有效表征植物光合作用强度，是反映植物生长状况的重要参量之一。以秦岭北麓壮果期猕猴桃叶片为研究对象，分别测定其叶绿素含量和光谱反射率，通过分析380～1 000 nm范围内高光谱参数与叶绿素含量的相关性，筛选出估测模型的输入特征，选择随机森林、极限梯度提升树、K-近邻、LightGBM算法和岭回归作为基模型，线性回归作为元模型，建立基于Stacking集成学习的猕猴桃叶片叶绿素含量估算模型，并通过网格搜索和交叉验证提高模型泛化能力，将Stacking模型与多个单一模型进行比较。结果表明：(1)不同叶绿素含量的猕猴桃叶片高光谱反射率变化趋势基本一致，在380～1 000 nm范围内呈现“一峰两谷一平台”的特点；(2)各高光谱参数与猕猴桃叶片叶绿素含量相关性较好，优化光谱指数和传统光谱指数中与叶绿素含量相关性最高的分别是比值光谱指数(RSI′_581,438,r=0.947)和红边位置(r=0.914);(3)与多个单一模型相比，Stacking集成模型的估算精度最高(R²=0.807,MAE=0.334,RMSE=0.136),同时，其...     

基于多植被指数组合的棉花叶片叶绿素含量估算

叶绿素含量是表征植被生长状况的重要参考指标,利用高光谱技术快速,精确地监测棉花叶片叶绿素含量,以新疆125个苗期棉花叶片样本为研究对象,通过测定其叶绿素含量与光谱数据,采用多种光谱预处理和多植被指数相结合的方法,构建了WOA-RFR棉花叶片叶绿素含量定量反演模型,并与SVR和RFR模型结果进行对比分析。结果表明：(1)光谱变换方法中对数变换、分数阶微分和连续小波变换均能有效地提高植被指数与叶绿素含量的相关性。(2)基于分数阶微分0.9阶变换的Vogelmann3、RVI、DVI、SR_[675-700]、Mndvi₇₀₅、ND、VOG1、NVI、TVI和VOG2植被指数组合的WOA-RFR模型反演效果最佳,其建模集和验证集模型R²分别为0.920和0.955,RMSE分别为0.987和0.986,MRE分别为0.013和0.014,与RFR和SVR模型相比,预测精度有所提高,WOA算法优化模型效果明显。研究结果可为棉花叶片叶绿素含量定量反演提供决策依据。     

基于高光谱反射率的糜子冠层叶片叶绿素含量估算

连续两年大田试验研究不同糜子品种叶绿素含量与冠层光谱反射率,并基于不同植被指数建立糜子叶片叶绿素含量的估测模型。结果表明,参试糜子品种叶绿素含量在整个生育期呈现"低-高-低"的抛物线变化趋势,最大值出现在抽穗期到开花期之间;不同品种各生育期内冠层光谱反射率趋势一致,在近红外波段,冠层光谱反射率与叶绿素含量呈稳定正相关,灌浆初期光谱反射率达到最大值;可见光波段,拔节期、开花期和灌浆初期冠层光谱反射率与冠层叶绿素含量呈正相关,成熟期呈负相关;糜子冠层叶绿素含量与760~900、630~690、550 nm波段组合的植被指数具有较高相关性;基于RVI、PSNDb、GNDVI750能较好地建立糜子叶绿素含量统一检测模型,决定系数分别为0.791、0.779、0.748;模型验证的相对误差分别为9.58%、8.93%、11.80%;均方根误差分别为0.045、0.140、0.196。表明利用RVI、PSNDb、GNDVI750建立的模型能较为准确地预测糜子冠层叶绿素含量。     

光谱数据与冬小麦叶绿素密度的相关性研究

分析2006年栾城试验站不同氮素水平下冬小麦的多时相的群体光谱测量数据和相应叶片叶绿素密度的测量数据，发现：冬小麦的群体光谱的导数光谱数据、红边光谱数据，归一化植被指数NDVI和比值植被指数RVI与叶绿素密度具有很好的相关关系，并且选取样本建立了相应的回归方程。以回归方程作为叶绿素高光谱估算模型，并利用检验样本对估算模型进行检验，结果表明，以745nm处一阶导数光谱值、733nm处二阶导数光谱值和红边振幅为变量的模型可以较好的估算叶绿素密度。     

基于高光谱指数的天然胡杨叶绿素遥感建模研究

利用遥感技术监测胡杨叶片的叶绿素含量可以为林地经营管理、胡杨资源保护利用提供快速及时的信息。利用ISI921VF-512野外地物光谱辐射计实地测定了胡杨生长季节6月至10月每月塔里木河上游天然胡杨叶片393-1095nm可见-近红外波段的高光谱数据以及叶片叶绿素含量,并对叶片叶绿素含量与光谱反射率进行了相关分析,建立了基于高光谱指数的胡杨叶片叶绿素估测模型。结果表明:一元线性模型中,鲜重叶绿素a,b,a+b含量与高光谱指数NDVI705的相关性均达到了极显著水平,且在十三种高光谱指数里相关系数r最大;同时建立了由鲜重叶绿素a,b,a+b含量与高光谱指数的多元线性回归模型;为胡杨生理状态与健康状况评价提供了理论依据。     

夏玉米叶片光合色素含量高光谱估算

为了实现夏玉米叶片光合色素含量的快速、无损检测,以陕西省关中地区夏玉米“大丰26号”为研究对象,探究了不同总色素含量水平的玉米叶片反射光谱特征。分别提取与叶绿素a、叶绿素b、类胡萝卜素和总色素含量相关性较强的15个光谱参数,通过单变量回归、多元逐步回归和随机森林回归分析,建立光合色素含量估算模型并进行精度比较。结果表明：基于随机森林方法构建的光合色素估算模型精度最高,其中,叶绿素a、叶绿素b、类胡萝卜素的建模R²为0.93,总色素的建模R²为0.92;叶绿素a和类胡萝卜素的检验R^{2<、sup>为0.74,叶绿素b和总色素的检验R2为0.71;各模型的均方根误差（RMSE）和相对误差（RE）相差不大;拟合精度由高到低依次为叶绿素a、类胡萝卜素、总色素和叶绿素b的RF模型。证实了随机森林方法在夏玉米叶片光合色素含量估算中的优越性,并构建了高精度的光合色素RF估算模型。}     

基于连续小波变换的干旱胁迫下玉米冠层叶绿素密度估测

测定了玉米各生育时期干旱胁迫下冠层叶绿素密度及冠层光谱数据,利用原始光谱反射率与冠层叶绿素密度进行相关性分析,采用常用植被指数、波段自由组合、连续小波变换构建玉米冠层叶绿素密度估测模型,并用决定系数(R~2)、均方根误差(RMSE)进行精度检验。结果表明:冠层叶绿素密度在抽雄期相较于正常对照,轻度、中度、重度干旱胁迫处理分别下降7.8%、29.5%、44.2%;波段自由组合指数RVI(555,538)、NDVI(555,538)和敏感小波系数bior5.5(26,792)、rbio2.6(22,790)、gaus6(21,791)与叶绿素密度的相关性较高,相关系数绝对值均达到0.900以上;基于敏感小波系数构建的冠层叶绿素密度估测模型验证集R~2均在0.850以上,相较于其他植被指数模型R~2平均提升20.6%,RMSE平均降低32.6%;最优模型为以gaus6(21,791)为自变量的一元线性回归模型,R~2为0.864,RMSE为1.532。利用连续小波变换对光谱数据进行预处理,可以有效提升玉米冠层叶绿素密度估测模型的精度。     

基于冠层光谱角算法的小麦氮素营养监测

通过田间小区试验,选择3个小麦品种,在不同氮素水平下,在测定小麦冠层反射光谱和叶片氮素含量基础上,提出小麦冠层光谱角算法,分析小麦冠层光谱角与氮素营养水平的定量关系。结果发现:对选择的3个小麦品种,光谱角均随氮素施用量增加而增大,光谱角预测叶片氮素的最佳模型为y=0.3999x0.3989,其决定系数R2为0.6870,其预测的RE、RMSE和R2分别为1.63%、0.1609、0.7515。利用光谱角算法可以监测小麦冠层氮素营养的差异。     

基于高光谱与电磁感应技术的干旱区绿洲土壤含水量反演研究

为实现干旱区绿洲土壤含水量的快速、准确监测,利用采集自渭干河-库车河绿洲的84个表层(0~10cm)土壤样本,通过利用电磁感应仪(EM38)将所测解译后数据代替实测土壤含水量数据,将高光谱反射率重采样为Landsat8卫星遥感波段反射率,在选取光谱特征参数、提取敏感波段的基础上,利用偏最小二乘回归(PLSR)方法建立土壤含水量模型,将最优估算模型应用于遥感影像,实现研究区土壤含水量遥感反演。研究结果表明:(1)利用EM38所测水平模式土壤表观电导率与土壤含水量拟合效果最优,能够代替实测土壤含水量进行后续建模分析。(2)相比3种单一的光谱特征指数,利用多种光谱特征指数所建土壤含水量估算模型的建模效果更优,其干、湿各季建模集决定系数R~2大于0.7,均方根误差(RMSE)均小于0.5%,RPD均大于2,能够作为有效手段估算干旱区绿洲土壤含水量。(3)不同季节土壤含水量遥感反演值与实测值决定系数R~2均大于0.6,均方根误差(RMSE)均小于0.6%,显示了较高的预测精度,证明利用电磁感应技术与高光谱相结合能够实现对干旱区绿洲土壤含水量的精准、高效监测。     

韭菜中毒死蜱残留量与高光谱特征参数的相关性建模

本研究目的在于分析农药残留量(pesticide residue,PR)与高光谱中响应特征参数之间的关系,并利用筛选的光谱特征参数建立反演毒死蜱残留量的有效模型。首先采用ASD Fieldspec高光谱仪测得韭菜样本的光谱,通过气相色谱-质谱联用(GC-MS)法测得毒死蜱残留量(PR)值;分析样本光谱反射率值及其一阶微分值与毒死蜱残留量的相关性,计算33个高光谱特征参数与毒死蜱残留量的相关性;根据相关系数高低选择敏感的光谱特征参数;最后采用最佳相关系数下的光谱特征参数对毒死蜱残留量进行建模反演。相关性分析结果显示:近红外波段789~867 nm范围内一阶微分光谱值与PR值呈正相关,1 860 nm处一阶微分光谱值(first-order differential 1 860 nm,FD1860)与PR值紧密相关;在33个高光谱特征参数中,近红外一阶微分总和(the sum of first-order differential near infrared,SDnir)与PR值呈良好的正相关关系。基于此,文章以供试样本的FD1860和SDnir观测值为自变量,分别建立了3个预测毒死蜱残留量的模型,即线性、二次多项式及指数模型,并采用交叉验证测试方法检验了模型的合理性。对实验所得决定系数R2和预测均方根误差(RMSE)的评价结果表明,以SDnir为自变量构建的模型稳定性强,其二次多项式模型是最佳反演毒死蜱残留量的有效模型。因此,样本的高光谱特征参数SDnir的变化幅度直接反映了韭菜样本中毒死蜱残留量的变化,表明运用蔬菜的高光谱特征参数反演蔬菜中农药残留量的方法是可行的。     

Hyperspectral measurements of severity of stripe rust on individual wheat leaves

The objective of this study was to assess the effect of severity of stripe rust (Puccinia striiformis) on the hyperspectral reflectance of wheat. A total of 110 leaf samples with a range of disease severity were collected at the heading stage (Stage ?, 29 April) and grain filling stage (Stage II, 21 May). The spectra of the adaxial and abaxial surfaces of the leaf samples were taken using an ASD Leaf Clip, and the spectral characteristics were analysed. The photochemical reflectance index (PRI) was used to build two linear regression functions from the two growth stages using 70 leaves, and the remaining 40 leaves were used to validate their effectiveness. The results indicated that P. striiformis caused changes in foliar water and chlorophyll, and those changes made it feasible to assess disease severity using in situ hyperspectral measurements. In general, the reflectance values from the adaxial surfaces of the leaf samples were smaller than the abaxial surfaces. In comparison to Stage ?, the spectral contrast of four different disease severities was greater at Stage II. By comparing the regression functions, the coefficient of determination using the set of leaves for validation for Stage ? (R ²?=?0.74) was smaller than that for Stage II (R ²?=?0.83). However, the coefficient of determination for validation for Stage ? (R ²?=?0.91) was slightly larger than that of Stage II (R ²?=?0.90). The results suggest that the ASD Leaf Clip is an ideal tool to collect in situ hyperspectral measurements of wheat leaves showing symptoms of stripe rust, and Stage II is more appropriate to assess severity compared to Stage ?.     

基于室内高光谱数据的多种类型土壤有机质估算模型比较

基于高光谱数据的土壤有机质反演是土壤遥感及精准农业的重要研究内容,然而不同的光谱处理及建模方法使得模型的估算能力及精度差异明显,限制了模型之间的通用性。为了构建陕西省土壤有机质含量估算的最优模型,以陕西省9种主要土壤类型的216个土样的光谱反射曲线和土壤有机质含量为数据基础,将光谱反射曲线进行一阶微分d(R)、倒数对数log(1/R)、倒数对数一阶微分d[log(1/R)]和包络线去除N(R)4种变换,结合一元线性回归(SLR)、偏最小二乘回归(PLSR)和支持向量机回归(SVR)3种建模方法构建了不同的土壤有机质含量估算模型。结果显示:不同类型土壤的反射光谱曲线总体态势基本一致,吸收特征位置基本相同,且土壤有机质含量与光谱反射率呈负相关态势;基于d [log(1/R)]光谱变换构建的SVR估算模型精度最高,建模集和验证集的判断系数(R~2)分别为0.9210、0.8874,验证均方根误差(RMSE)为2.18,相对分析误差(RPD)达到2.8751,是估算陕西省土壤有机质含量的最优模型,PLSR次之,SLR最差。     

基于多个高光谱参数的玉米叶片叶绿素含量估测模型

采用Field Spec Pro3光谱仪和SPAD-502叶绿素仪分别测定玉米叶片的光谱与其相对应的叶绿素含量,通过分析红边位置、蓝边位置以及绿峰位置等高光谱参数与叶绿素含量的关系,建立叶绿素含量的单、双和多变量光谱预测模型。结果表明:在可见光区域,玉米叶绿素含量高,光谱反射率低,而进入近红外区则刚好相反,叶绿素含量高,光谱反射率高;红边位置、绿峰位置及蓝边位置各高光谱参数与叶绿素含量的相关性均达极显著。其中红边位置与叶绿素含量的相关性最高,相关系数达0.84;利用所选的3个高光谱参数分别建立的单、双以及三变量模型,虽然大多数模型的精度R~2大于0.71,但分析对比得出利用红边、蓝边及绿峰位置3个变量建立的模型具有最大模型精度R~2、最小标准误差(S)和均方根误差(RMSE),因此其模型预测能力较优。     

基于去包络线和连续投影算法的枣园土壤电导率光谱检测研究

选取新疆阿拉尔市典型极端干旱区为研究对象,利用土壤高光谱特征对土壤电导率进行反演。为了准确快速检测土壤电导率,通过获取南疆阿拉尔市红枣种植区土壤电导率和高光谱信息,在去包络线处理基础上,分别采用相关性分析法和连续投影算法（SPA）筛选特征波长,并建立特征波长与土壤电导率的偏最小二乘回归模型,使用均方根误差(RMSE)、决定系数（R²）以及相对分析误差（RPD）对不同处理方法的模型效果进行评价。结果表明,基于原始光谱直接使用相关性分析法的预测精度RMSE=0.85566,R²=0.7479,RPD=2.7569;通过去包络线处理使用相关性分析筛选特征波长后,模型的预测精度RMSE=0.44490,R²=0.9500,RPD=6.4510;基于原始光谱使用SPA选择特征波长后,模型的预测精度RMSE=0.31178,R²=0.9707,RPD=8.4445;通过去包络线处理使用SPA选择特征波长后,模型的预测精度RMSE=0.30173,R²=0.9764,RPD=9.3215。综上,说明SPA方法具有较强的特征波长选择能力,基于去包络线处理+SPA的偏最小二乘回归反演模型的预测精度最好,可实现新疆阿拉尔地区土壤电导率的快速检测。     

基于无人机成像高光谱的棉叶螨为害等级估测模型构建

为快速、实时、准确地了解新疆棉田棉叶螨（优势种为土耳其斯坦叶螨Tetranychus turkestani）的发生情况,利用高光谱图像中的7种植被指数,使用一般线性回归分析方法分别构建不同棉叶螨为害等级棉花冠层叶片叶绿素相对含量（用soil and plant analyzer development（SPAD）值表征）遥感估测模型和棉叶螨为害等级遥感估测模型,实现棉叶螨为害的实时监测。结果显示：不同棉叶螨为害等级对应的棉花冠层光谱反射率存在明显差异,棉叶螨为害等级与棉花冠层叶片SPAD值呈显著负相关关系。在7个不同棉叶螨为害等级对应的棉花冠层叶片SPAD遥感估测模型中,SPAD-红边归一化植被指数估测模型的估测决定系数为0.915,均方根误差为3.451,识别精确度显著高于其他模型。表明利用棉花冠层叶片SPAD遥感估测模型可快速无损地获取棉叶螨为害数据,构建的棉叶螨为害等级估测模型可用于植保人员快速准确获取棉叶螨为害情况。     

基于野外原位光谱的棉田耕层土壤全氮含量监测模型研究

针对可见光和近红外光穿透力不强、难以监测到耕层土壤全氮的问题,以石河子垦区播前棉田土壤为研究对象,获取3种不同土壤质地类型的原位光谱及不同耕层的土壤全氮含量信息,通过Savitzky-Golay平滑处理及最大归一化处理对土壤原位光谱进行预处理,并利用广义传播神经网络(GRNN)、随机森林回归(RFR)、支持向量机回归(SVR)、最小二乘回归等4种建模方法,建立和筛选出不同土壤质地类型的棉田耕层土壤含量的最佳监测模型。结果表明：(1)不同建模方法在各耕层监测精度不同,在浅、中、深耕层表现最佳的监测模型均为GRNN模型（R²分别为0.72、0.68、0.63）。(2)优化后的NGRO-GRANN模型监测精度高于GRNN模型,在浅、中、深三个耕层的预测精度提高16.2%~30.2%。(3)基于原位光谱建立不同耕层的土壤全氮监测模型具有较好的监测效果,且大量简化了室内光谱处理的繁琐步骤。该研究为野外原位光谱快速获取棉田播前土壤各耕层养分信息提供了理论基础与技术支撑,具有一定的可行性与鲁棒性。