基于无人机高光谱影像玉米叶绿素含量估算

以无人机为平台搭载高光谱相机获得玉米农田高光谱影像,从中提取光谱特征参数,构建玉米叶片叶绿素含量估算模型,并制作玉米叶片叶绿素含量分布图。结果表明,以红边面积（SDr）、红边一阶微分最大值（Dr）、差值植被指数(DVI)为自变量构建的回归模型建模精度较高,以此反演玉米叶片SPAD值分布图并对填图结果进行精度检验,得出SPAD-Dr模型填图预测效果最佳（R2=0.89,RMSE=1.28,RE=2.31）,可以作为玉米叶片叶绿素含量无人机高光谱影像遥感反演估算的基本模型。     

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%。     

水稻冠层叶绿素含量高光谱估算模型

为了寻求西北引黄灌区水稻冠层叶绿素含量的高精度估算模型,通过田间试验测定了水稻冠层SPAD和高光谱数据,运用任意波段组合的方式构建了一系列基于原始光谱、一阶导数光谱的比值、差值、归一化和土壤调节植被指数,筛选出反映水稻冠层SPAD的最佳植被指数作为自变量,应用普通回归分析方法和随机森林算法建立了该区域水稻冠层SPAD估算模型并进行了对比分析。结果表明：（1)应用普通回归分析方法,以RVI(D₁₃₁₆,D₇₃₆)为自变量建立的指数模型是估算西北引黄灌区水稻冠层SPAD的最佳单变量模型;（2)采用随机森林算法,以4个植被指数RVI(R₆₉₆,R₅₄₀)、DVI(R₇₀₀,R_{536)、SAVI(R700,R536)、RVI(D1316,D736)建立的估算模型比普通回归模型精度更高,验证结果的决定系数R²为0.873,均方根误差RMSE为3.221,平均相对误差RE为13.25%。说明通过随机森林算法建立的模型可以实现水稻冠层SPAD的精准估测,可以用于西北引黄灌区水稻冠层叶绿素含量的快速、无损获取。}     

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。     

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。     

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。     

利用光谱特征参数估算病害胁迫下杉木叶绿素含量

为了探索建立炭疽病胁迫下杉木叶绿素含量的高光谱估算模型,促进遥感技术在森林病虫害监测中的应用,通过获取不同发病程度的杉木冠层光谱及相应的叶绿素含量,将冠层光谱数据、一阶微分数据与相应的叶绿素含量分别进行了相关分析。采用逐步回归、主成分回归及偏最小二乘回归方法构建叶绿素含量的估算模型。叶绿素含量与原始光谱在可见光(614～698nm)和近红外区(724nm之后)达到极显著相关,且在近红外区基本趋于稳定;与一阶微分光谱在424～486nm、514～532nm、552～682nm、698～755nm和762～772nm波段全部达到极显著相关;3种建模方法均消除了参数间多重共线性的影响,模型的决定系数全部达到极显著水平,其中逐步回归模型精度最高,相对误差和均方根误差分别为10.71%和0.194。研究表明受到不同程度炭疽病胁迫的杉木冠层光谱反射差异较大,可利用高光谱信息定量估算病害胁迫下的杉木叶绿素含量,且估算精度较高。     

新疆阜康荒地土壤有机质高光谱特征及其反演模型研究

针对干旱区荒地土壤贫瘠且有机质含量少,难以快速、准确测定的问题,以阜康中部荒地土壤为研究对象,对64个样点野外光谱进行测定和室内土壤样品农化分析,在原始反射率(R)基础上,利用ENVI5.1软件提取光谱反射率一阶微分(R')、倒数的对数(lg(1/A))、倒数的对数一阶微分(lg(1/A)')、去包络线(CR)等4种光谱反射率,分析了5种光谱反射率的变换形式与土壤有机质含量的相关性,基于全波段(450～2 350 nm)和显著性波段(相关系数通过P=0.01水平检验),利用偏最小二乘法回归(PLSR)建立土壤有机质含量的高光谱预测模型。结果表明:(1)对不同有机质含量的土壤光谱去包络线后,光谱曲线吸收特征差异更加显著,且土壤有机质含量越多,土壤光谱反射率越低。(2)土壤反射率经过数学变换后提高了与有机质含量的相关系数。(3)在全波段的PLSR中,CR、R'和lg(1/R)'模型的RPD均大于2.0,表明预测能力极好。其中以CR的预测精度最为突出,其模型R2和RMSE分别为0.79、4.12,RPD为2.18。在显著性波段的PLSR中,虽然R'和CR的模型RPD均大于2.0,可以准确预测有机质含量,但CR的R2,RPD更高;基于全波段PLSR模型精度均略优于显著性波段,但其使用数据量大,增加了计算量。同时,其CR模型的RPD仅比显著性波段模型的高0.03。因此,选择显著性波段CR模型作为估测该荒地土壤有机质含量的模型更为简洁、科学、可行。     

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...     

苄嘧磺隆对谷子叶绿素荧光特性和活性氧清除系统的影响

为从光系统Ⅱ(photosystem Ⅱ,PSⅡ)活性和活性氧清除代谢的角度阐明苄嘧磺隆对谷子的安全性以及谷子对该除草剂的生理响应,通过盆栽试验测定不同剂量苄嘧磺隆处理7 d和30 d后谷子幼苗倒2叶的叶绿素荧光参数、抗氧化酶活性和抗氧化物质含量。结果表明,剂量≤300 g/hm~2的苄嘧磺隆对谷子叶片内最大光化学量子产量(the maximum photochemical efficiency,MPE)、表观光合电子传递速率(photosynthetic electron transport rate,ETR)、光化学淬灭系数(photochemical quenching,PQ)和非光化学淬灭系数(non-photochemical quenching,NPQ)的影响均不显著。苄嘧磺隆推荐剂量300 g/hm~2施药7 d后,晋谷21号叶片内过氧化物酶(peroxidase,POD)活性、总抗坏血酸、还原型抗坏血酸(ascorbate acid,AsA)和还原型谷胱甘肽(reduced glutathione,GSH)含量分别较对照显著增加18.60%、22.85%、74.80%和...     

滴灌棉花叶绿素荧光参数与棉花生长指标反演模型研究

以新陆早58号为试验材料,分析顶二叶荧光参数与叶绿素含量、植株群体叶面积指数及地上部生物量随生育进程和不同施氮量的变化规律,确定荧光参数与生长指标的关系,构建出基于叶绿素荧光参数的滴灌棉花生长指标反演模型。结果表明：棉花顶二叶叶绿素荧光参数F_v/F₀、F_v/F_m、F₀、F_m随棉花生育进程的推进逐渐降低;植株群体叶面积指数、地上部生物量与顶二叶荧光参数F₀、F_m、F_s、F₀′、F_m′呈极显著相关,相关系数在0.84以上;叶绿素含量与荧光参数F_v/F_m、F_v′/F_m′相关性较好,相关系数在0.710~0.877之间,模型的决定系数均在0.5以上;类胡萝卜素含量与F_v′的相关性最好,相关系数为0.892。在构建的叶绿素荧光参数与棉花生长指标的反演模型中,荧光参数F_m与植株地上部生物量的模型（y=186.17e^{-0.001x）精度最好,决定系数达0.907。利用荧光参数构建的模型可对滴灌棉花顶二叶叶绿素含量、群体叶面积指数及地上部生物量进行估测。}     

冬小麦叶片叶绿素相对含量遥感估算模型研究

在分析前人对叶绿素含量监测方法不足的基础上，利用TM（Thematic Mapper）遥感影像探讨了估算冬小麦不同生育期叶片叶绿素相对含量的可行性。并基于遥感变量与地面实测叶绿素相对含量的相关关系分析结果，建立了冬小麦在拔节期和孕穗期叶片叶绿素相对含量的遥感定量估算模型，为利用遥感技术进行冬小麦的长势监测提供了依据。     

Optimal bandwidth selection for retrieving Cu content in rock based on hyperspectral remote sensing

Hyperspectral remote sensing technology is widely used to detect element contents because of its multiple bands,high resolution,and abundant information.Although researchers have paid considerable attention to selecting the optimal bandwidth for the hyperspectral inversion of metal element contents in rocks,the influence of bandwidth on the inversion accuracy are ignored.In this study,we collected 258 rock samples in and near the Kalatage polymetallic ore concentration area in the southwestern part of Hami City,Xinjiang Uygur Autonomous Region,China and measured the ground spectra of these samples.The original spectra were resampled with different bandwidths.A Partial Least Squares Regression(PLSR)model was used to invert Cu contents of rock samples and then the influence of different bandwidths on Cu content inversion accuracy was explored.According to the results,the PLSR model obtains the highest Cu content inversion accuracy at a bandwidth of 35 nm,with the model determination coefficient(R²)of 0.5907.The PLSR inversion accuracy is relatively unaffected by the bandwidth within 5-80 nm,but the accuracy decreases significantly at 85 nm bandwidth(R²=0.5473),and the accuracy gradually decreased at bandwidths beyond 85 nm.Hence,bandwidth has a certain impact on the inversion accuracy of Cu content in rocks using the PLSR model.This study provides an indicator argument and theoretical basis for the future design of hyperspectral sensors for rock geochemistry.