棉花叶面积指数和地上干物质积累量的高光谱估算模型研究

 用ASD FieldSpec光谱仪实测棉花冠层不同生育时期的高光谱数据,同期获取棉花叶面积指数(LAI)和地上干物质积累量(Above-ground Dry Matter Accumulation,ADMA)。分析棉花冠层反射光谱与棉花LAI、地上部干物质积累量（ADMA）的相关关系,分析结果表明,反射光谱数据与棉花LAI、ADMA的相关系数的最高值分别发生在783 nm（r=0.6394^**）和766 nm处(r=0.6287^**);对反射光谱数据进行统计分析,建立了基于比值植被指数(RVI)和归一化植被指数(NDVI)的5种函数形式的棉花LAI、ADMA估测模型。经检验,基于RVI的估测模型具有较高的精度;对一阶微分光谱数据与棉花LAI和ADMA的逐步回归相关分析表明,敏感波段分别发生在736 nm（r=0.6769^**）和742 nm处(r=0.6847^**)。由736 nm、742 nm波段处的微分数值建立的LAI和ADMA线性回归估测模型,R值均达到了1%极显著的检验水平,说明一阶微分光谱敏感波段的数值,对棉花LAI和ADMA具有一定的估算能力。     

高光谱数据与棉花叶绿素含量和叶绿素密度的相关分析

 通过获取棉花不同品种、不同种植密度单叶和冠层关键生育时期的反射光谱,与其相应的单叶叶绿素含量（CHL.C,下同）和冠层叶绿素密度（CH.D,下同）进行多元统计的逐步相关分析。结果表明,棉花冠层CH.D在其反射光谱762 nm波段处的相关系数达最大值（R_CH.D=0.8134^**,n=94）;对于一阶微分光谱,单叶CHL.C和冠层CH.D的敏感波段均发生在750 nm波段处,基于750 nm波段的微分数值,建立了棉花CHL.C和CH.D线性相关模型(R_CHL.C=0.7382^**,RMSE=0.1831,n=66;R_CH.D =0.9027^**,RMSE=0.3078,n=94）,为利用高光谱遥感技术精确提取反映棉花生长状况的叶绿素信息提供了依据。     

基于高光谱植被指数的棉花干物质积累估算模型研究

利用北疆8个棉花主栽品种(其中2个棉花品种设4水平种植密度)的各生育期冠层高光谱数据,经多元统计分析与光谱微分处理,建立了基于比值植被指数(RVI)和归一化植被指数(NDVI)的5种函数形式的棉花干物质积累估测模型,相关系数均达到了极显著水平(α=1%,n=96)。基于RVI和NDVI构建的估测模型,前者比后者具有更高的估测精度,指数函数、对数函数和双曲线函数形式的模型可以产生较高的预测精度;一阶微分光谱数据与棉花干物质积累量的逐步回归相关分析表明,相关系数的最高值发生在748 nm波段处(r=0.6920**),由748 nm波段处的微分数值建立的回归模型,估测精度较高,具有实际应用的潜力。     

基于宽范围动态植被指数的棉花冠层覆盖度监测

 旨在利用宽范围动态植被指数对棉花冠层覆盖度进行监测,解决传统的利用归一化差值植被指数对冠层覆盖度较高时监测不准确(饱和)的问题。采用高光谱仪获取棉花不同时期不同覆盖度的冠层光谱反射率,通过对构成归一化差值植被指数的近红外波段反射率引入系数α来提高修正后的植被指数随棉花覆盖度变化的动态范围。当利用权重系数0.1≤α≤0.2对近红外波段反射率调整之后,新形成的宽范围动态植被指数用于监测不同覆盖度棉花时未出现“饱和”现象。利用宽范围动态植被指数建立的棉花覆盖度监测模型的决定系数r2＞0.948,对棉花冠层覆盖度进行监测,可以解决传统的归一化差值植被指数对冠层覆盖度较高时监测不准确(饱和)的问题,提高了植被指数对棉花冠层覆盖度监测的精度。     

基于高光谱数据的棉花冠层FPAR和LAI的估算研究

 通过非成像高光谱仪和光量子传感器,获取了棉花2品种4水平种植密度冠层关键生育时期的反射光谱数据和光合有效辐射值;利用光谱多元统计分析技术与微分处理,分析表明,反射光谱813 nm（_ρ813）和758 nm（_ρ758）处分别是光合有效辐射截获量（FPAR）和叶面积指数（LAI）的敏感波段。用反射率_ρ813和_ρ758分别与FPAR和LAI建立的线性相关模型方程估测FPAR和LAI,经检验,它们的实测值与估测值之间均呈极显著的线性相关（r_FPAR=0.7199^**,r_LAI=0.6430^**,α=1％,n=70）,模型方程的估算精度分别达96.5%、81.7%;而一阶微分光谱数据与FPAR在350 ~2500 nm波段范围相关不显著,与LAI的最大相关发生在734 nm波段处。基于一阶微分光谱_ρ′734与棉花冠层LAI线性相关的模型方程,估测LAI,实测值与估测值之间呈极显著的线性相关（r_LAI=0.6947^**,α=1％,n=70）,估算精度为82.4%,与反射光谱758 nm估测LAI的精度接近。结果表明,棉花冠层光谱数据可以对光合有效辐射截获量FPAR和LAI进行实时、无损、动态、定量的估算。     

基于近地高光谱棉花生物量遥感估算模型

分析棉花地上鲜生物量冠层高光谱反射率变异系数，反射率光谱、一阶微分光谱与地上鲜生物量相关关系得结果表明：在可见光近红外波段棉花冠层反射率光谱变异系数在672 nm波段处最大；棉花地上鲜生物量与反射率光谱相关系数最大值在可见光波段出现在589~700 nm，在近红外波段出现在865~919 nm波段，且前者大于后者。地上鲜生物量与一阶微分光谱相关系数在可见光波段出现524~528 nm、552~588 nm、710~755 nm 3个高值区。基于以上研究，选择19个高光谱特征参数建立了棉花地上鲜生物量高光谱遥感监测模型，经检验，单波段中以F₆₂₉估算水平最高，估算模型为Y = 9.7914 exp(－20.738 F629)，准确度为83.9%、RMSE为0.64 kg m^-2、预测值与实测值相关系数为0.940**；组合参数以[629, 901]指数形式估算模型估算水平最高，模型为Y = 0.0986 exp(4.3696[629, 901])，准确度达84.0%，RMSE为0.55 kg m^-2，预测值与实测值相关系数为0.960**，上述两个模型为参选模型中估算棉花地上鲜生物量最佳高光谱估算模型。     

基于红外热图像的棉花冠层水分胁迫指数与光合特性的关系

 利用Fluke红外热像仪获取两个棉花品种4水平水分处理5个关键生育时期冠层的红外热图像;并在红外热图像测试的样本区内,分别测试棉花叶片净光合速率（P_n）、气孔导度（G_s）和叶面积指数（LAI）。应用图像处理技术,提取棉花冠层受光叶片温度,并将人工参考湿表面（WARS）的温度运用到Jones定义的作物水分胁迫指数CWSI的经验公式中,计算CWSI;分析棉花冠层CWSI和光合参数的生育期变化,表明棉花冠层CWSI升高,P_n、G_s和LAI相应降低;不同水分处理条件下,生育期CWSI平均值分别与Pn、Gs和LAI平均值呈极显著的负相关关系（r_CWSI-Pn=-0.9182^**,r_CWSI-Gs=-0.8819^**,r_CWSI-LAI=-0.8661^**,n=16）,CWSI与Pn、Gs和LAI可同步反映棉花冠层水分胁迫的状况。研究结果表明,先进的红外热图像技术,提供了一种获得作物冠层表面温度的高分辨率空间信息的手段,能够消除背景干扰因素的影响,更精确的计算棉花冠层CWSI,可快速、有效、准确地监测棉花冠层的水分状况。     

基于碳氮代谢的水稻氮含量及碳氮比光谱估测

碳氮代谢为植物生长发育提供物质基础，因此碳氮含量及碳氮比的无损快速估测对植物的生长调控有着极其重要的作用。本文系统研究了水稻7个不同氮肥水平下的碳氮代谢特征及其与冠层反射光谱特征之间的关系。结果表明，植株碳氮含量及碳氮比与大多数比值植被指数、归一化植被指数及差值植被指数关系密切，比值植被指数与归一化植被指数的表现一致，差值植被指数略有不同，其中碳氮比的相关性与氮含量类似。氮含量与510 nm和460 nm构成的比值和归一化植被指数的关系最佳，不受生育期的影响，可用统一的方程来预测；碳氮比则需分阶段建模较好，生育后期（抽穗期和灌浆盛期）以ND_(1650,710)最好。经其它独立数据的验证表明，模型对氮含量的估测精度在叶片水平上为80.51%，在植株水平上为76.36%，预测的RMSE分别为0.20和0.26，叶片和植株碳氮比的估测精度分别为81.09%和70.70%，预测的RMSE分别为1.64和3.95。表明通过植被指数的计算可以定量地评估水稻氮含量及碳氮比。     

基于不同植被指数的棉花光合有效辐射吸收分量估算研究

 通过开展小区棉花密度和水分对比试验,分析不同密度和水分处理的棉花整个生育期光合有效辐射吸收分量(FPAR)与光谱反射率的相关关系,建立棉花FPAR光谱估算模型。结果表明,棉花FPAR与选取的所有植被指数均呈极显著相关,其中绿度植被指数（GREENNDVI）和反射率比值（GMI）与FPAR的相关性最好,相关系数（r）分别为0.794和0.765。分别用GREENNDVI和GMI建立棉花FPAR的估算模型,其决定系数（r²）分别为0.657和0.633,均方根误差（RMSE）分别为0.089和0.093。研究表明,利用光谱特征参数可以有效地估算棉花整个生育期的FPAR。     

应用两种近地可见光成像传感器估测棉花冠层叶片氮素状况

作物叶片含氮量是作物长势监测、产量及品质估测的重要依据,实时、无损地监测植株体内氮素营养状况有助于棉花氮肥的正确施用。本研究比较2种近地可见光传感器的光谱和颜色信息用于监测棉花氮素营养的能力, 确定MSI200成像光谱仪和数码相机监测棉花冠层叶片氮含量最佳的波段、光谱指数和颜色参数并建立估测模型。结果表明,在可见光波段,冠层反射率随着冠层叶片氮素含量的增加而降低,且叶片含氮量的光谱敏感波段主要位于绿光和红光区域;与棉花冠层叶片含氮量的拟合效果最好的2种传感器的光谱指数为差值指数DI(R₅₈₀, R₆₈₀)和G–R,而颜色参数则分别为b*和H,同一传感器以光谱指数的拟合效果优于颜色参数,不同传感器以MSI200数据的拟合效果优于数码相机;利用独立试验资料检验所建模型的估测性能表明,差值指数对棉花冠层叶片氮素的预测能力优于比值指数和归一化差值指数,DI(R₅₈₀, R₆₈₀)和G–R所建模型的估测精度最高,分别为0.8131和0.7636。因此,利用数码相机和MSI200型成像光谱仪可以定量估测棉花冠层叶片氮素营养状况。     

基于植被指数的夏玉米不同生育期叶绿素含量遥感估算

叶绿素含量是间接判断玉米营养状况的重要农学参数,估算叶绿素含量对农作物长势监测有重要意义。笔者利用ASD便携式地物光谱仪和SPAD-502叶绿素仪实测了夏玉米关键生育期冠层光谱反射率及叶片叶绿素相对含量,对3种植被指数与叶绿素相对含量进行了相关性分析,建立了基于归一化植被指数(NDVI)、比值植被指数(RVI)和差值植被指数(DVI)的叶绿素估算模型,并进行精度检验,从中选出最佳拟合模型。研究结果表明：拔节期RVI、抽穗期和灌浆期NDVI以及蜡熟期DVI的均方根差(RMSE)和相对误差(RE)均最低,RMSE分别为5.688、5.323、2.751、4.111,RE分别为9.84%、8.56%、3.75%、7.15%,故为各个时期的最佳模型。因此得到了NDVI、RVI和DVI3种植被指数在不同生育期的最佳模型,对指导夏玉米种植与田间管理具有重要的指导意义。     

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。     

基于光谱参数的棉花叶面积指数监测和敏感性分析

研究棉花冠层光谱参数对不同叶面积指数的响应,建立棉花叶面积指数光谱参数最佳估测模型,并对所选光谱参数进行敏感性分析.利用高光谱仪测定不同时期不同叶面积指数条件下的棉花冠层光谱反射率.结果表明,694 nm和1099nm分别为可见光和近红外波段区域内与叶面积指数相关性最好的波段,并用于改进前人所建立的光谱参数;宽范围动态...     

油菜叶片气孔导度与冠层光谱植被指数的相关性

利用冠层光谱实时、无损和定量监测植物叶片气孔导度,对于改善作物水分利用效率以及产量和品质预测预报具有十分重要的意义。本研究采用裂区设计法(宁油18和宁油16两个品种)、两个供氮水平(N₁₈₀：纯氮180 kg hm^-2、P₂O₅ 120 kg hm^-2、K₂O 180 kg hm^-2和硼砂15 kg hm^-2;N₀：CK)于2007-2008年测定油菜冠层光谱反射率、叶片气孔导度以及叶面积指数(LAI)和叶片鲜、干生物量,利用各波段光谱反射率组合产生的植被指数,分析油菜叶片气孔导度的变化规律及其与光谱植被指数的相关性,从而建立光谱植被指数对叶片气孔导度的估算模型。结果表明,在整个生育期油菜叶片气孔导度呈“双峰”变化, LAI和叶片鲜、干生物量均呈单峰曲线变化;开花前光谱植被指数与油菜叶片气孔导度和油菜冠层叶片平均气孔导度均呈极显著正相关,且光谱植被指数对油菜冠层叶片气孔导度的拟合效果好于对油菜叶片气孔导度的。光谱植被指数与冠层叶片气孔导度的量化关系可为今后快速、无损、大面积的油菜作物气孔导度估算奠定一定基础。     

玉米和大豆光合有效辐射吸收比例与植被指数和叶面积指数的关系

基于东北典型黑土区的玉米和大豆的实测光谱反射率、光合有效辐射及叶面积数据,选取常用的9种植被指数,并根据光谱曲线特征和植被指数结构建立了两种新的植被指数,对其估算玉米和大豆冠层FPAR效果进行了对比分析。结果表明,各植被指数与冠层光合有效辐射吸收比例(FPAR)的关系因植被类型而异。以近、短波红外波段较以可见光、近红外波段计算植被指数的估算效果好。NDVI、RVI在可见光、近红外波段计算的植被指数中估算FPAR效果较好,玉米估算模型R²分别为0.81和0.82,大豆估算模型R2均为0.81;NDSI、RSI在近、短波红外波段计算的植被指数中较好,玉米估算模型R2均为0.86,大豆估算模型R2均为0.84,优于NDVI和RVI。试验表明,利用近、短波红外波段估算FPAR是可行的;冠层含水量较土壤背景对FPAR影响更大;玉米和大豆冠层FPAR与叶面积指数(LAI)呈较好的对数关系,估算模型R²分别为0.75和0.70;但用植被指数估算FPAR效果要优于用叶面积指数。     

基于无人机多光谱遥感的大豆叶面积指数反演

为给大豆科学管理提供基础数据,利用无人机多光谱遥感数据实现对大豆叶面积指数(LAI)的反演估值。从多种光谱植被指数中选出与LAI相关性较好的5种指数,分析探讨在田块尺度上,适用于东北地区的大豆叶面积指数的低空无人机遥感反演模型。结合田间实测LAI数据及模型精度及拟合效果,NDVI模型精度较好,但拟合效果较差,其余4种植被指数模型精度和拟合效果较好,拟合效果R²均达到了0.6以上;支持向量机模型决定系数R²达到0.688,均方根误差达0.016,具有更好的预测能力。2种模型均表明无人机多光谱遥感系统可以快速反演田间大豆叶面积指数,在指导精准农业生产方面具有实用意义。     

基于冠层反射光谱的夏玉米叶片氮积累量估测

为实现夏玉米冠层氮素状况的实时无损监测,于2009—2010年连续2个生长季,通过不同玉米品种和施氮水平下的田间试验,研究夏玉米叶片氮积累量与冠层反射光谱的相关关系,提出叶片氮积累量的敏感光谱参数,并建立叶片氮积累量的定量估算模型。结果表明,夏玉米叶片氮积累量随施氮水平的提高而增加;可见光波段的460~670 nm和近红外区的780~1100 nm是监测玉米叶片氮积累量变化差异的敏感波段;归一化植被指数(NDVI)、优化的简单比值指数(MSR)、优化土壤调节植被指数(OSAVI)、修正土壤调整植被指数(MSAVI)和土壤调整植被指数(SAVI)与叶片氮积累量相关性较好。利用不同年际独立试验数据对监测模型进行检验,以OSAVI为自变量构建的叶片氮积累量监测模型效果最优,相关系数(r)为0.6745,均方根差(RMSE)为1.2368。利用本研究确立的玉米叶片氮积累量与冠层反射光谱的定量关系,可用来定量估测叶片氮积累量的变化状况。