不同作物农田的土壤呼吸与高光谱的关系

为研究种植不同作物的农田土壤呼吸与高光谱植被指数的关系,选取3种典型夏熟作物冬小麦、油菜籽、蚕豆,于2018年10月至2019年5月进行田间随机区组试验,观测土壤呼吸、土壤温度、土壤湿度的季节动态,并观测NDVI(归一化植被指数)、DVI(差值植被指数)、RVI(比值植被指数)、EVI(增强植被指数)、PRI(光化学植被指数)5种高光谱植被指数和叶绿素SPAD值。结果表明:冬小麦、油菜籽、蚕豆田土壤呼吸季节平均值分别为1.78±0.15、1.35±0.27、1.61±0.22μmol·m^-2·s-1,冬小麦田土壤呼吸显著高于油菜籽田(P<0.05),冬小麦与蚕豆田以及油菜籽与蚕豆田土壤呼吸无显著差异(P>0.05)。冬小麦田土壤呼吸残差(基于温度指数方程的模拟值与实测值的差值)与NDVI、RVI、EVI、PRI、SPAD值均存在显著(P<0.05)或极显著(P<0.01)的相关关系,蚕豆田土壤呼吸残差与NDVI、DVI、RVI、EVI、PRI均存在极显著(P<0.01)相关关系,而油菜籽田土壤呼吸残差与上述植被指数均不存在显著的相关关系,这可能与油菜籽3-4月份花期叶片退化有关。在冬小麦和蚕豆田,可分别建立基于土壤温度、NDVI、RVI、PRI、SPAD值以及土壤温度、RVI的土壤呼吸模型,而油菜籽田土壤呼吸的季节变化仅与土壤温湿度和SPAD值有关。     

水稻多生育期实测光谱与SPDA值的响应分析

本研究旨在探索和研究水稻叶片不同生育期叶绿素相对含量（SPAD）与实测水稻叶片光谱的变化规律和响应特征。通过采集研究区水稻发育关键期叶片光谱及叶绿素相对含量，研究探讨了随着生育期的推进，水稻叶片光谱特征变化以及与SPAD变化响应关系，分析比对了SPAD与四个生育期水稻DVI、RVI、EVI2等植被指数敏感波段。结果表明，随着生育期推进SPAD值逐渐减少，可见光范围光谱反射率呈一致的逐步增加趋势；孕穗期近红外波段对SPAD反映敏感，抽穗期、灌浆期和成熟期可见光波段对SPAD敏感；四种植被指数与SPAD值相关性，DVI与孕穗期、成熟期，RVI对抽穗期，EVI2对灌浆期的SPAD值更敏感。     

基于无人机多光谱遥感的水稻冠层光谱特征和氮素营养关系研究

【目的】明确华南地区籼稻主栽品种冠层光谱特征与氮素营养关系,为专家决策系统和精准施肥 提供理论基础。【方法】以美香占 2 号（MXZ2H）和吉丰优 1002（JFY1002）为试材,设置施氮 0 kg/hm2 （N0）、 150 kg/hm2 （N150）、210 kg/hm2 （N210）等 3 个处理,采用习惯施肥法,在 JFY1002 中增设施氮 180 kg/hm2 （N180+） 的水稻“三控”施肥法,研究不同施肥方式下水稻叶片光谱特征与氮素营养的关系。【结果】与 N0 相比,N150 处理下 MXZ2H 和 JFY1002 叶片氮含量分别增加 16.05% 和 13.76%,N210 处理分别增加 24.29% 和 25.00%。 N180+ 处 理 下 JFY1002 叶 片 氮 含 量 与 N210 处 理 相 比 增 加 18.03%。 随 着 叶 片 氮 含 量 的 增 加, 蓝 光 到 红 光 （450~650 nm）波段的叶片反射率逐渐下降,红边到近红外（730~840 nm）波段的叶片反射率逐渐增加,红光 650 nm、近红外 840 nm 处的 MXZ2H 和 JFY1002 叶片反射率差异达显著水平。相关性分析结果表明,MXZ2H 叶 片氮含量与归一化植被指数（NDVI）、绿波段归一化植被指数（GNDVI）、比值植被指数（RVI）、差值植被 指数（DVI）和增强型植被指数（EVI）呈正相关;JFY1002 叶片氮含量与 RVI、EVI、改进非线性植被指数（MNLI）、 DVI 和 NDVI 呈正相关。采用多元线性回归建立了 MXZ2H 和 JFY1002 叶片氮含量反演模型,R2 分别为 0.817 和 0.973,RE 分别为 8.35% 和 3.48%。【结论】建立了华南籼稻品种叶片氮含量反演模型,可为精准施肥作业提供 理论依据和技术指导。     

油菜不同组分生物量光谱遥感估算模型

通过田间小区试验,测定了4个品种、3个供氮水平的油菜冠层在不同生长时期的高光谱反射率及对应叶片、茎以及荚果的干鲜重,并对叶片、茎以及荚果的干生物量与光谱植被指数RVI,NDVI之间相关系数进行显著性检验(P=0.05),建立了油菜叶片、茎和荚果的干生物量光谱估算模型.     

干旱胁迫对冬小麦生态、光合、产量及光谱特征的影响

利用2010—2011年度小区冬小麦干旱试验资料,研究不同干旱时长和保持不同土壤水分条件下冬小麦生理生态以及光谱的变化特征,为改善冬小麦田间管理和减少农业损失提供依据。从孕穗期开始,研究了受试品种(中优9507)株高、叶绿素、净光合速率、产量及光谱特征等指标的变化规律,并据此构建出冬小麦归一化植被指数(NDVI)和增强植被指数(EVI)同冬小麦减产率的相关模型。结果表明,受干旱胁迫后,冬小麦株高、叶绿素含量、光合作用能力显著下降,且下降幅度随着胁迫的加强而增大。NDVI和EVI同减产率能够建立很好的关系模型,可以为作物产量监测和干旱风险预测提供依据。     

基于近地遥感的冬小麦生物量动态监测方法

为探寻准确高效的冬小麦生物量动态监测方法,以2018—2020年SRS-NDVI观测仪监测数据为基础,将冬小麦生物量观测数据以返青期为界分为两个阶段。选取归一化植被指数(NDVI)、比值植被指数(RVI)、差值植被指数(DVI)、增强型植被指数(EVI2),计算逐日累积植被指数(CVI)并分别进行曲线拟合分析,建立回归模型,研究各植被指数与实测冬小麦生物量之间的关系。结果表明:冬小麦播种至返青期,最优模型为二次多项式,基于NDVI的累积植被指数模型估测精度最高,y=-0.0479x~2+7.0481x-25.5040,R~2为0.9829,均方根误差(RMSE)为9.61,平均相对误差(MRE)为10.51%;冬小麦返青至成熟期,最优模型为幂函数,最佳估测模型仍为基于NDVI的累积植被指数模型,y=0.0126x~(2.3938),R~2为0.9553,RMSE为150.25,MRE为10.22%。因此,基于NDVI的累积植被指数是冬小麦生物量动态监测的最佳方法,可为作物自动化观测提供新的思路和方法。     

基于多角度高光谱遥感的冬小麦叶片含水率估算模型

准确的作物水分监测对于旱情评估具有重要意义。在分析研究区冬小麦多角度光谱特征后,利用不同水分处理下冬小麦实测叶片含水率和实测多角度光谱数据,基于植被光谱指数法,建立不同观测角度下冬小麦光谱植被指数、水分敏感波段光谱指数与叶片含水率之间的数学模型。结果显示,相对方位角与相对天顶角越小时,观测到的光谱指数与叶片含水率的相关关系越优;敏感波段组合构建的光谱指数中,1450nm波段分别与其他波段组合的NDSI、RSI指数与叶片含水率相关性在各观测角度条件下均较好,1 450 nm波段是冬小麦叶片含水率研究的最佳敏感波段;选取常见的4种植被指数(NDVI、EVI、WI和NDII)中WI和NDVI在各观测角度下与叶片含水率的相关性优于其他两种指数,决定系数R2均在0.83以上,P0.01呈极显著相关;综上建立的多角度光谱叶片含水率估算模型,平均相对误差MRE均小于0.154、均方根误差RMSE均小于0.098,拟合效果较好,尤其是光谱指数NDSI1160,1450、NDSI980,1450和植被指数NDVI、WI;基于以上4种指数建立的最优观测角度(0°,30°)模型,其中植被指数WI的估算效果最好,相关系数在各角度均达到5%的相关显著水平,MRE0.03,可作为最优观测角度反演研究的最优植被指数。     

基于高光谱遥感的冬小麦叶水势估算模型

【目的】采用高光谱技术,建立快速、无损与准确获取冬小麦叶水势的估算模型,为小麦灌溉的精确管理提供科学依据。【方法】利用不同水分处理的大田试验,于小麦主要生育期同步测定冠层光谱反射率、叶水势、土壤水分等信息,并探讨高光谱植被指数与冬小麦叶水势之间的定量关系。通过相关性分析、回归分析等方法,基于不同水分处理,构建4种植被指数与冬小麦叶水势的估算模型。【结果】不同水分处理和不同生育期的冬小麦,其冠层光谱反射率具有显著的变化特征。在可见光波段,冬小麦冠层反射率随着水分含量的增加而逐渐降低,而在近红外波段,其冠层反射率则随着土壤水分含量的增加而升高。随着小麦生育期的推进,在近红外波段,抽穗期的冠层反射率比拔节期的高,在灌浆期之后,红波段(670 nm)、蓝波段(450 nm)的反射率上升加快;4种植被指数与叶水势显著相关(P0.05),相关系数|r|均在0.711以上,四者均可用于冬小麦叶片水势的定量监测。在充分供水条件下(70%FC),植被指数OSAVI和EVI2与叶水势的相关系数|r|(分别为0.75和0.771)均低于植被指数NDVI和RVI与叶水势的相关系数|r|(分别为0.808和0.896),而在重度水分亏缺条件下(50%FC),植被指数OSAVI和EVI2与叶水势的相关系数|r|(分别为0.857和0.853)均高于植被指数NDVI和RVI与叶水势的相关系数|r|(分别为0.711和0.792);所建模型对45个未知样的预测结果与实测值相似度较高,其回归模型R~2、验证模型MRE、RMSE的范围分别为0.616—0.922、-17.50%—-12.52%、0.102—0.133。在70%FC水分处理下,基于EVI2(enhanced vegetation index)所得叶水势估算模型的R~2最高,为0.922,而在60%FC和50%FC水分处理下,由于考虑了土壤背景的影响,基于OSAVI所建模型的R~2最高,分别为0.922和0.856。【结论】4种植被指数均可用于冬小麦叶水势的定量监测。但是,在构建不同水分处理的叶水势估算模型时,应考虑土壤背景对冠层光谱的影响。研究结果可以为小麦精准灌溉管理提供技术依据,为星载数据的参数反演提供模型支持。     

封育条件下草地光谱反射特征及地上生物量估测*

 2005年7月至2006年4月,对云南省马龙县封育草地和过牧草地的光谱反射率、草层高度、覆盖度和地上生物量进行了测定,分析了归一化植被指数（NDVI）及比值植被指数（RVI）与地上生物量之间的相关性。结果表明:过牧草地封育1年之后,其草层高度、覆盖度和地上生物量显著增加,光谱反射特征也相应地发生明显变化。450~850 nm范围内,两种草地不同季相条件下在各波段的光谱反射率差异均达到极显著水平（P＜0.01）,覆盖度及季节变化对近红外波段的影响明显大于可见光波段。旺盛生长期（7月）和枯黄期（11月）,封育草地具有植被反射型特征,而自由放牧草地表现为植被-土壤型;返青期（4月）两种草地均表现为土壤型。过牧草地地上生物量与两种植被指数之间无显著相关性。封育草地地上生物量与NDVI,RVI之间存在显著的（P＜0.05）非线性相关,旺盛生长期和返青期NDVI与地上生物量的相关性强于RVI,枯黄期RVI与地上生物量相关性强于NDVI。     

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。     

基于冠层光谱红边参数和植被指数的 冬小麦水分胁迫监测

基于冬小麦不同水分胁迫试验,采用便携式光谱仪测定冬小麦抽穗期、开花期和灌浆期受不同水分胁迫处理的冠层光谱反射率,分析不同水分处理下冬小麦冠层光谱特性,并对植被指数、红边参数与冠层叶片含水率和土壤含水率进行相关性分析,构建各生育期叶片含水率和土壤含水率的最佳监测模型,实现对冠层叶片含水率以及土壤含水率的监测评估。结果显示,在整个生育期,冬小麦的冠层光谱反射率在可见光范围呈现绿峰红谷,尤其在旺盛生长时期,随着水分胁迫程度加深,绿峰红谷逐渐变得不明显,红谷抬升幅度增大;相反,在近红外波段范围内水分胁迫主要使得反射率表现为明显下降;冬小麦红边参数随生长进程呈蓝移现象,灌浆期受胁迫程度越重的红边参数越低;植被指数(EVI、NDVI、SAVI、WI)在开花期之后具有不同程度的下降趋势,至灌浆期有大幅度减小,且随受胁迫程度加深植被指数下降幅度增大;植被指数和红边位置、红边面积在灌浆期与叶片含水率和土壤含水率有显著相关,其中植被水分指数WI、归一化植被指数NDVI和红边位置λ_(red)相关性较佳,其建立的叶片含水率和土壤含水率估算模型效果较好,决定系数r~2均大于0.84,平均相对误差(MRE)≤0.207。综合分析认为,冠层反射光谱特征和植被指数与冬小麦冠层叶片含水率和土壤含水率相关性良好,可利用高光谱遥感参数对冬小麦的水分状况进行快速、准确监测。     

关中地区小麦冠层光谱与氮素的定量关系

【目的】分析不同生育期及整个生育期小麦叶片氮含量(LNC)与冠层光谱反射特征的关系,以实现对田间小麦活体氮素营养状况的监测,为小麦叶片氮素状况的精确诊断提供依据。【方法】以位于陕西关中地区杨凌揉谷镇、扶风马席村和巨良农场的3个小麦试验田为研究对象,测定不同长势及生育期小麦LNC及冠层光谱反射率,分析不同长势下小麦LNC和反射率的变化,并研究氮含量与冠层光谱反射率的相关性,以及小麦LNC与比值植被指数(RVI)、归一化植被指数(NDVI)的相关性,建立小麦LNC的敏感波段及光谱监测模型。【结果】在同一生育期,长势差的小麦叶片氮含量较低,长势较好的叶片氮含量高。与单波段相比,组合波段构成的植被指数RVI、NDVI与LNC的相关性明显提高,近红外波段(730~1 075nm)和红波段630,660,690nm组成组合波段的RVI、NDVI与LNC呈极显著正相关,其中LNC与RVI的相关性较高。利用独立的小麦田间试验数据,采用通用的均方根差(RMSE)、决定系数(R2)、准确度(斜率)3个指标对所建立的模型进行检验,最终选取RVI(970,690)为监测小麦LNC的最佳光谱参数,构建的最佳模型为LNC=0.176 3×RVI(970,690)0.775 6,R2为0.863,RMSE为0.137,准确度为0.979,接近于1。【结论】利用小麦冠层光谱反射率构建了预测小麦LNC的最佳模型,该模型具有较好的准确度和普适性,适用于整个生育期小麦叶片氮含量的监测。     

基于NDVI的巴音布鲁克天鹅湖高寒湿地地上生物量的反演

以巴音布鲁克天鹅湖高寒湿地为研究对象,基于Landsat 8 OLI多光谱遥感影像数据,提取植被指数(NDVI、EVI、RVI)信息,构建植被指数与地上生物量的回归模型,比较不同植被指数的拟合效果。结果表明,NDVI与地上生物量的相关性最高(r=0.778),显著大于EVI、RVI与地上生物量的相关性;二次多项式是NDVI与地上生物量构建的4种回归模型最优估测模型,决定系数R~2达到0.6619;巴音布鲁克天鹅湖高寒湿地2016年地上生物量的储量约为2.86×10~5 kg,地上生物量密度为10.25～444.99 g/m~2,均值为323.08±52.68 g/m~2。     

不同生长期杉木植被指数与蓄积量的关系

处于不同生长期的人工杉木林,其各种生物量的生长和呈现的植被光谱区别较大。利用野外林木的样地实测数据和QuickBird遥感影像呈现的植被光谱,从高分辨率遥感影像获取一系列植被指数,评价不同生长期的人工杉木林的生长状况。结果表明:多个植被指数与蓄积量存在显著的正相关关系,其中比值植被指数(RVI)与蓄积量的相关性大于归一化植被指数(NDVI)、环境植被指数(EVI)和归一化差异绿度指数(NDGI),特别是在杉木处于速生阶段时,可将比值植被指数作为其它估测模型的一种验证。     

花生叶鲜生物量的高光谱估算模型

利用花生生物物理参数和冠层高光谱数据,基于光谱一阶微分技术,选取对生物量敏感的波段组成高光谱植被指数,建立花生叶鲜生物量的高光谱遥感估算模型。结果表明,花生叶鲜生物量在绿峰525~556 nm、红谷645~689 nm和近红外710~900 nm波段范围反射光谱与花生叶鲜生物量有极显著相关关系。高光谱反射率与叶鲜生物量在大部分可见光区和近红外波段呈显著相关,并且在可见光红光波段呈负相关,在近红外波段呈极显著正相关。花生光谱反射率与花生叶鲜生物量相关的近红外、红光波段的敏感波段分别为770、673 nm,用这2个波段构建植被指数,组成高光谱归一化植被指数(NDVI)、比值植被指数(RVI)、差值植被指数(DVI)和再次归一化植被指数(RDVI),并构建生物量反演模型;相对于NDVI、DVI、RDVI建立的简单线性函数估测模型,RVI所构建的花生叶鲜生物量估测模型的预测精度较高。     

烤烟叶片镉含量高光谱预测模型的构建

为快速准确地获取烟草叶片镉含量,本研究模拟了4个镉污染水平,用美国ASD光谱仪获取每个污染水平的烟草叶片光谱反射率,并测定不同时期烟草叶片的镉含量,筛选出与镉含量相关性最好的敏感波段,并建立光谱参数,将光谱参数作为输入因子建立烟草叶片镉含量的BP神经网络模型。结果表明：随着镉含量增加,在可见光和近红外范围（400~910 nm）内反射率先降低后增加,在930~1 000 nm波段范围内,叶片反射率与烟叶中镉含量呈正相关,在1 000~2 500 nm波段范围内反射率先增加后降低。经筛选,比值植被指数（RVI）和归一化植被指数（NDVI）的光谱指数分别为RVI （520,710）和NDVI （530,710）; BP神经网络模型的决定系数（R²）为0.681,均方根误差（RMSE）为8.001,并对模型进行检验,R²为0.801,RMSE为4.430。研究表明,BP神经网络模型对烟草叶片镉含量具有良好的预测效果。     

基于 CGMD302光谱仪的甜玉米生长指标监测

[目的]该研究旨在明确甜玉米不同生育期生长指标与光谱仪冠层光谱参数的定量关系,进而为甜玉米生长指标快速监测提供决策依据。[方法]通过开展基于正甜68的不同施钾水平的田间试验,于拔节期、大喇叭口期以及抽雄期利用 CGMD302光谱仪采集玉米冠层光谱反射率,并同步测定各处理株高、茎粗、叶面积指数等生长指标数据,研究各光谱参数与生长指标之间的关系。[结果]归一化植被指数 NDVI与茎粗和 LAI呈正相关关系,而比值植被指数 RVI与茎粗和 LAI呈负相关关系,基于NDVI和 RVI构建的单个时期监测模型可以有效地反演甜玉米茎粗和 LAI,模型检验结果良好,预测精度均达到0.9以上,均方根误差均小于10%,平均相对误差均小于5%。[结论]该研究结果可为甜玉米生长指标快速监测提供技术依据。     

基于CGMD302光谱仪的甜玉米生长指标监测（英文）

[目的]该研究旨在明确甜玉米不同生育期生长指标与光谱仪冠层光谱参数的定量关系,进而为甜玉米生长指标快速监测提供决策依据。[方法]通过开展基于正甜68的不同施钾水平的田间试验,于拔节期、大喇叭口期以及抽雄期利用CGMD302光谱仪采集玉米冠层光谱反射率,并同步测定各处理株高、茎粗、叶面积指数等生长指标数据,研究各光谱参数与生长指标之间的关系。[结果]归一化植被指数NDVI与茎粗和LAI呈正相关关系,而比值植被指数RVI与茎粗和LAI呈负相关关系,基于NDVI和RVI构建的单个时期监测模型可以有效地反演甜玉米茎粗和LAI,模型检验结果良好,预测精度均达到0.9以上,均方根误差均小于10%,平均相对误差均小于5%。[结论]该研究结果可为甜玉米生长指标快速监测提供技术依据。     

基于植被指数的棉花冠层光合有效辐射截获量和叶片净光合速率估算研究

【目的】分析不同水分处理下棉花冠层植被指数与吸收光合有效辐射截获量(FAPAR)和叶片净光合速率(Pn)之间的相关性,并通过植被指数反演FAPAR和Pn,以实现非接触、非破坏、快速、实时、大面积监测棉花的生长状况。【方法】用美国ASD Fieldspec Pro FR 2500高光谱辐射仪、LI-190SA线性光量子传感器和LI-6400便携式光合测试系统,分别测定棉花新陆早33号不同水分处理关键生育时期的冠层高光谱数据、光合有效辐射(PAR)和叶片净光合速率。【结果】不同水分处理的棉花新陆早33号冠层FAPAR与Pn均在开花结铃期达到最大值,在吐絮期达到较低值。建立重归一化植被指数(RDVI)、差值植被指数(DVI)、增强型植被指数(EVI)、光化学反射植被指数(PRI)与FAPAR、Pn的函数模型都达到极显著性相关。其中EVI与FAPAR,PRI和Pn的相关性最高(rEVI-FAPAR=0.686 3**,RMSE=0.04,rPRI-Pn=0.644 7**,RMSE=3.39,n=20),利用它们相关性最高的函数模型方程分别估算FAPAR和Pn,实测值和估测值都达到极显著(r实测FAPAR-估测FAPAR=0.805 4**,r实测Pn-估测Pn=0.760 9**,n=20)。【结论】可以用高光谱植被指数无损的提取棉花光合生理参数信息。     

基于高光谱遥感的农作物识别

高光谱遥感为农作物种类识别提供了新的技术手段,对发展精准农业具有重要意义。本研究在分析农作物光谱信息特征的基础上,利用不同数据变换形式和10种常用植被指数对采收期的7种农作物进行了识别能力研究。结果表明:在350~500 nm波长芭蕉芋反射率最高,农作物在760~915 nm、1 000~1 115 nm波长反射光谱曲线差异明显;识别这7种农作物的最佳波长位置有516 nm、568 nm、609 nm、642 nm、660 nm、700 nm、717 nm、760 nm、928 nm、1 001 nm、1 118 nm、1 136 nm和1 327 nm等;采用原始光谱计算的10种植被指数中RVI辨识农作物的能力最强,其他由强到弱依次为MSRI、NVI、TDVI、EVI、NDVI、SAVI、DVI、TVI、IPVI。由此可见,不同特征谱段和植被指数能够识别不同类型农作物。