新疆不同类型土壤有机质含量的高光谱监测

利用高光谱遥感对土壤进行监测已成为精准农业的重要技术之一。本文对新疆不同土壤类型土壤样品有机质含量进行理化分析,并高光谱反射率测定,获得不同类型土样有机质含量及对应高光谱反射率曲线,通过分析高光谱反射率曲线与土样有机质含量关系,对特定波长下的土样光谱反射率和有机质含量进行相关分析和曲线拟合,对高光谱遥感监测土壤质量的可行性进行分析。研究发现,有机质在350~2 500 nm波长范围内光谱反射率与有机质含量呈负相关关系,在675 nm附近的相关性最强。该研究为利用遥感技术进行土壤属性的快速监测奠定了研究基础。     

稻瘟病胁迫下水稻叶片叶绿素含量与光谱特征参数的相关性研究

为实现受稻瘟病侵染水稻叶片叶绿素含量的高光谱反演,以‘陵两优268’为研究对象,测定受稻瘟病侵染的85个水稻叶片样品的叶绿素含量和高光谱反射率,分析受稻瘟病侵染的水稻叶片高光谱反射率与叶绿素含量间的相关关系,使用线性与非线性回归技术建立叶绿素含量反演模型。结果显示:叶绿素含量与原始光谱及一阶导数光谱的敏感波段分别发生在700 nm和752 nm,基于光谱特征参数SDr的回归模型均方根误差为1.27,平均相对误差为10.2%。研究表明受稻瘟病侵染水稻叶片光谱反射率差异明显,基于光谱特征参数SDr的回归模型预测叶绿素含量具有较高的精度。     

不同颗粒大小对高光谱估算土壤有机质含量的影响

研究旨在对不同颗粒大小的土样进行土壤有机质含量高光谱估算建模,以期得到土样制备时合适的土样颗粒大小,减少不必要的工作量。笔者对过10、20、60、100目筛的土样进行高光谱数据测量,并对光谱数据进行反射率(R)、反射率一阶导数(R’)和反射率倒数对数[Log(1/R)]3种光谱数据变换,然后运用偏最小二乘回归法(PLSR)、支持向量机法(SVM)和PLSR-SVM相结合的方法建立土壤有机质含量估算模型。研究结果表明：土壤颗粒大小对土壤光谱反射率有明显影响,颗粒越小,土壤光谱反射率越高;运用PLSR-SVM建立的SOM估算模型比只利用PLSR或SVM建立的模型精度高;当土壤颗粒大小＜0.25 mm时,对于SOM光谱估算模型精度的提高没有太大的帮助。该试验为进行土壤有机质含量高光谱估算制备土样提供指导。     

云南山地胶园土壤有机质高光谱估算

有机质是反映橡胶园土壤养分状况的重要指标，其含量快速、高精度估算模型的建立，可以更好地指导胶园精细化生产管理。本研究从景洪市东风农场采集到225个橡胶园土壤样品，并获取土壤样品的光谱反射率和有机质含量数据，对光谱反射率进行噪声波段去除和重采样后，应用3种方法[log(1/R)、MSC、SNV]对重采样后的光谱反射率R进行光谱变换处理，然后对光谱反射率R以及3种变换形式光谱数据进行SG平滑或导数变换模式优选，得到最佳的光谱变换模式为log(1/R)结合SG平滑变换，其中，SG平滑变换模式为导数阶数0、SG滤波窗口5、多项式次数2或3。基于最佳光谱变换光谱数据与土壤有机质含量数据，选择CARS、SPA、CARS-SPA等3种方法提取特征波长，并采用MLR、PLSR和SVR3种方法构建土壤有机质高光谱估算模型。结果显示，CARS-SVR模型估算精度最高，R2、RMSE、RPD分别为0.897、3.990 g/kg、2.947。建立的云南山地胶园土壤有机质含量高光谱最优估算模型，RPD位于2.5～3.0之间，具有很好的估算能力。     

土壤养分的可见光谱研究

本研究尝试在可见光波段运用高光谱技术综合反映土壤养分状况,明确其主要参考因子和技术要点。对黄土高原地区63个土壤样本进行采样并在实验室测定其14个养分相关因子的含量和可见光波段的光谱反射率。选取与光谱反射率相关性较好的五个因子建立土壤养分的预测模型并进行反演检验。结果表明：光谱反射率一阶导数R′ 值与土壤各养分相关因子的相关性明显优于原光谱反射率R值和反射率倒数的对数A值。用R′ 值与土壤有机碳、阳离子交换量、全氮、速效氮、速效钾的实测值建立各因子的预测模型的相关系数均在0.74以上。其中有机碳、阳离子交换量预测模型为y = -24.19x + 4.049和y = -126.3x + 20.54,相关系数r分别为0.9282、0.9273,最佳预测波段为560nm和520nm。相应的反演模型r值为0.7886、0.5401,标准差SD为0.1443和0.627。土壤可见光光谱具有综合表征土壤养分状况的潜力,多因子光谱分析能使土壤养分信息得到全面、准确的反映。     

基于高光谱的水稻土有机质含量估算研究

利用高光谱技术可实现土壤有机质含量的快速、精确反演。然而运用不同的光谱预处理算法及建模方法获取的模型预测精度及稳定性不同。为了选取最佳土壤有机质估算模型,本研究应用ASD波谱仪测定河南省潢川县水稻土的光谱数据,比较使用2种建模方法组合18种光谱预处理转换算法建立模型的反演效果。对于多元逐步回归模型和偏最小二乘模型,使用SGF3-2预处理算法均获得了最佳的预测效果,所建模型具有较小的误差和较高的精度。相比使用多元逐步回归法,使用偏最小二乘回归法可以获取更稳定的预测模型。运用偏最小二乘模型结合SGF3-2预处理算法得到了最佳的水稻土有机质含量估算模型,模型预测均方根误差RMSEv=0.036,决定系数Rv2=0.89。选择最佳的建模方法结合预处理算法,可以改进模型反演精度。本研究对比的不同方法也可以应用到类似的土壤模型选取中。     

利用光谱-盐分指数监测棉田土壤盐分

通过对棉田土壤盐分的光谱反演研究,为土壤盐渍化遥感动态监测提供可能。利用ASD地物光谱仪测定新疆兵团第六师共青团农场盐渍化棉田土壤光谱,结合土壤化学参数分析确定反映棉田土壤盐渍化程度的敏感波段,构建最佳盐分指数对棉田土壤盐分进行监测。结果表明,随盐渍化程度(0.084~1.659 g·kg-1)的加重,土壤光谱反射率呈上升趋势,在近红外区(1350~1850 nm)差异尤为显著,该波段范围光谱反射率与土壤盐分呈极显著相关(r=0.880**),且对土壤盐分响应敏感,为识别盐渍化土壤的敏感波段;选择盐渍化光谱敏感波段建立了盐分指数SI1,BI,SI2,NDSI,SI3监测棉田土壤盐渍化的模型,其中SI1和BI的RMSE分别为0.151和0.149、RE为7.5%和6.3%,预测能力强,可推荐为棉田土壤盐分监测的最佳模型。     

基于HJ1A-HSI超光谱影像的县域耕地土壤盐渍度预测研究

针对目前干旱半干旱地区存在的土壤盐渍化问题,以北疆典型盐渍化地区玛纳斯县为研究区,以HJ1A-HSI超光谱影像为主要数据源,结合实测耕地土壤含盐量,分析光谱反射率及其变化形式与盐分含量的相关性,筛选耕地盐分响应的敏感波段,利用多元回归分析方法,建立基于环境卫星影像的耕地含盐量定量反演模型。结果表明,盐分的HSI影像响应波段均位于可见光与近红外波段间,以500~549 nm和696~776 nm范围最佳,相关系数均大于0.5;HSI反射率对数(lgP)预测模型精度最高,可实现对研究区耕地土壤盐分遥感反演。     

玉米粗脂肪含量高光谱估算模型初探

通过测定不同品种玉米不同器官（叶片、茎、穗和叶鞘）的室内光谱反射率及其对应的粗脂肪含量,采用相关性分析以及单变量线性拟合分析技术,对粗脂肪含量与原始光谱反射率、光谱反射率一阶微分之间的关系进行了分析。结果表明,采用高光谱反射率对玉米粗脂肪含量进行估算具有可行性。对所构建的方程采用3类指标进行精度检验,认为由1 954 nm处光谱反射率一阶微分所构建的指数模型可对玉米粗脂肪含量较好地预测。     

克钦湖叶绿素a的高光谱定量模型研究

水中叶绿素a浓度是衡量水体富营养化程度的最基本的指标,为了监测扎龙湿地克钦湖水体叶绿素a的浓度,笔者利用高光谱地物光谱仪对克钦湖进行了现场光谱测量和同步采样分析,通过分析克钦湖水体反射光谱特征,利用一阶微分法、归一化反射率和反射率比值法分别建立了叶绿素a的遥感定量模型。结果表明：利用697 nm一阶微分建立的线性模型,其R2为0.703;利用归一化反射率建立的模型中,精度最高的是采用604 nm反射率的线性模型,R2为0.794;利用R703/R677反射比建立模型精度进一步提高,R2为0.879。经过模型验证表明,所建模型可以用来实现对克钦湖叶绿素a的定量估算,为今后进行克钦湖叶绿素a遥感反演提供了研究基础。     

小波分析在大豆叶绿素含量高光谱反演中的应用

实测了不同水肥耦合作用下,大豆冠层高光谱反射率与叶绿素含量数据,并对光谱反射率、微分光谱与叶绿素含量进行了相关分析;采用叶绿素A与叶绿素B诊断波段构建了特定植被指数,对叶绿素A、叶绿素B进行了回归分析;采用小波分析对采集的光谱反射率数据进行了能量系数提取,并以小波能量系数作为自变量进行了单变量与多变量回归分析,对叶绿素含量进行估算。经分析发现,叶绿素A、B与光谱反射率在可见光与近红外波段的相关系数的变化趋势基本一致——在可见光谱波段呈负相关,近红外波段呈正相关,红边处相关系数由负变正。特定色素植被指数可以提高大豆叶绿素估算精度（R2>0.73）;小波能量系数回归模型可以进一步提高大豆叶绿素含量的估算水平,以一个特定小波能量系数作为自变量的回归模型,叶绿素A其确定性系数R2为0.76,叶绿素B为0.78;以4变量与9变量回归分析结果表明：叶绿素A实测值与预测值的线性回归确定性系数R2分别大于0.85、0.89;叶绿素B实测值与预测值的线性回归确定性系数R2分别为0.86、0.90。     

耕层土壤含水量间接光谱估测模型

为克服光学卫星遥感只能获取表层土壤光谱信息而不能用于直接估测耕层土壤含水量的局限性,建立基于表层土壤高光谱的耕层土壤含水量间接估测模型。以山东省济阳县85个潮土样本的含水量及高光谱数据为基础,根据表层与耕层土壤含水量的内在关系,建立耕层土壤含水量间接光谱估测模型。结果表明,表层土壤光谱反射率的对数变换效果较好,以1339、1457、1745、1969、1996 nm波段的对数变换值为估测因子,采用多元线性回归模型建立的表层含水量估测模型的决定系数为R ²=0.8911,平均相对误差为13.67%;土壤耕层与表层含水量之间存在着显著的相关性,R ²=0.8131;耕层土壤含水量间接光谱估测模型的精度较高,决定系数R ²=0.8138,平均相对误差为9.66%。研究表明,山东省济阳县潮土表层、耕层含水量之间存在着显著的相关性,利用表层土壤光谱间接估测耕层土壤含水量是可行有效的。     

不同类型土壤全氮含量的高光谱预测研究

为了探明土壤全氮的敏感波段,对比不同统计方法建立的预测模型的反演精度与稳定性,以红壤、石灰土、潮土和水稻土4个土类的土壤为研究对象,利用ASD Pro FR地物光谱仪,在室内条件下测定350~2500 nm波段范围的土壤高光谱数据,经分析不同光谱指标与全氮含量数据的相关性,确定全氮的敏感波段,并建立相应的反演模型。结果表明,反射系数、反射系数对倒的一阶微分、反射系数倒数的一阶微分、反射系数的一阶微分、反射系数对数的倒数、反射系数对数的一阶微分与全氮的最高相关系数分别出现在2153、1079、1853、528、1392、438 nm;所有预测模型中,以895、1079、1138、1149、2163、2183、2336、2337 nm波段反射率对倒的一阶微分建立的多元逐步回归模型为最佳模型;逐步回归与一元线性回归相比较而言,逐步回归建立的预测模型的精度和稳定性更佳。     

土壤水分的高光谱响应特性及定量监测研究

为及时、准确地监测土壤含水量（SMC），采用室内条件下人工模拟不同SMC环境的方法，通过测定各时间段的SMC及其对应的土壤光谱反射率，运用连续投影算法（SPA）提取土壤水分的特征波长，结合多元线性回归（MLR）方法，构建SMC的高光谱定量监测模型。结果表明，光谱反射率随着样本SMC的增加而逐渐降低，二者存在明显的负相关关系；采用SPA方法提取的光谱特征波段为422、629、817、976、1121、1258、1359、1448、1830和2022nm；构建的SPA-MLR土壤水分高光谱监测模型表现出良好的预测效果（校正集的R2=0.930、RMSE=8.845、RPD=3.794，验证集的R2=0.927、RMSE=8.799、RPD=3.581）。研究结果可为土壤水分的高效精准监测提供一定的实践探索和理论参考。     

高光谱遥感估测大豆冠层生长和籽粒产量的探讨

现代作物育种需要监测大量育种材料的生长并估测产量潜势, 高光谱遥感技术为此提供了简单、快捷、非损伤性测定的可能途径。选取30份大豆育成品种进行连续2年的产量比较试验, 在盛花期(R2)、盛荚期(R4)和鼓粒始期(R5)测定地上部生物量(ADM)和叶面积指数(LAI), 并利用ASD高光谱地物仪同步收集大豆冠层反射光谱信息。供试品种间ADM、LAI和产量差异显著或极显著。不同生育期可见光和近红外区域的光谱反射率与大豆ADM、LAI及产量均有显著相关, 尤其在R4和R5期相关性最高。在构建大量光谱参数的基础上, 遴选出对ADM、LAI及产量预测精度较好的回归模型。其中, R5期的P_Area560光谱参数与LAI和R4期的V_Area1450光谱参数与ADM构建的两个生长性状的监测模型效果最好, 决定系数(R²)分别为0.582和0.692。未发现单一生育期光谱参数对大豆估产的有效模型, 但综合R2期NPH1280、R4期V_Area1190以及R5期NPH560构建的产量估测模型, 决定系数(R²)达到0.68, 效果较好。本研究     

棉花叶绿素密度和叶片氮积累量的高光谱监测研究

利用非成像高光谱仪,获取棉花不同品种、不同密度冠层关键生育时期的反射光谱数据,应用光谱多元统计分析技术,研究表明,棉花冠层叶绿素密度（CH.D）和叶片氮积累量（LNA）分别在反射光谱762 nm和763 nm处的相关系数达最大值（R_CH.D= 0.8845**和R_LNA= 0.7870**,n = 47）;而一阶微分光谱数据对CH.D、LNA最敏感的波段均发生在750 nm处(R_CH.D= 0.9098**和R_LNA = 0.9164**,n = 47);采用47个建模样本的一阶微分光谱750 nm处的数值与棉花冠层CH.D建立线性相关模型方程,估算47个检验样本的棉花冠层CH.D,再根据CH.D与LNA建立的线性相关方程估算检验样本的LNA,47个检验样本的实测LNA与估测LNA极显著线性相关（R = 0.8982**,n = 94）,模型方程的估算精度达86.3%,实测值与估算值的R_MSE = 1.0155,相对误差为0.1380。说明基于高光谱数据的棉花冠层叶绿素密度的遥感估测,可以间接用于棉花冠层叶片氮积累量的监测研究。     

基于高光谱数据的滴灌甜菜叶片全氮含量估算

本文旨在明确甜菜叶片全氮含量与高光谱地面植被遥感的定量关系,建立干旱区甜菜叶片全氮含量精确估测模型,及时监测甜菜生长状况。本研究选取新疆滴灌甜菜(Beta356)为材料,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,并同时测定全氮含量,分析原始光谱反射率及一阶微分光谱反射率与全氮含量的相关性,并进一步建立光谱特征参数与敏感波段植被指数全氮含量估算模型。结果表明,光谱特征参数Dr762幂函数下估算模型具有较好估算甜菜叶片全氮含量的能力,其决定系数R2=0.747,验证相对误差RE(%)为21.635,验证均方根误差RMSE为4.914;通过植被指数与叶片全氮含量建立多种函数估测模型,其中差值植被指数Dr762–Dr496下一元线性函数具有较好估算甜菜叶片全氮含量的能力,其决定系数R2=0.794,验证相对误差RE(%)为23.008,验证均方根误差为5.372。