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。     

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。     

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     

基于高光谱遥感的玉米叶片SPAD值估算模型研究

灌浆期玉米叶片叶绿素含量对玉米光合作用及产量形成具有重要作用。为通过高光谱特征准确、高效估测玉米叶片叶绿素含量,以SPAD值表征叶绿素相对含量,构建了基于光谱特征参数的传统回归模型、基于全谱和光谱特征参数的PLSR模型和BP神经网络模型,并进行了比较分析。结果表明：基于全谱构建的PLSR模型SPAD值拟合效果最好（R ²=0.910,RMSE=2.071）,而基于光谱特征参数所建立的PLSR模型拟合效果可达到与全谱PLSR模型相近的水平。但后者的实测值与预测值拟合效果（R ²=0.867,RMSE=2.581,RPD=2.628）优于全谱PLSR模型,且建模时间短,模型复杂程度降低。BP神经网络模型相较于两种PLSR模型预测效果略差,但优于传统回归模型。综合来看,基于光谱特征参数建立的PLSR模型估测效果最好。     

玉米叶绿素含量的高光谱估算模型研究

随着高光谱遥感技术的发展,用高光谱技术监测植被生物物理、生物化学指标和农学参数的文献大量出现.早在1983年Horler等人[1]就建议用高光谱分辨率的遥感数据来估算植被的叶绿素浓度.国外利用野外或空载高光谱传感器进行植被的叶绿素研究已有十几年的历史,在这期间,许多学者试图从遥感的角度来探测植物叶片叶绿素的含量, 基于大量实验数据在模型建立与敏感波段的选取方面取得了一系列成果[2,3], 在研究的过程中开发了许多对叶绿素敏感的高光谱植被指数[4,5].     

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。     

水稻地上鲜生物量的高光谱遥感估算模型研究

不同氮素营养水平的水稻田间试验,采用单变量线性与非线性拟合模型和逐步回归分析,用1999年试验数据为训练样本,建立水稻鲜生物量的高光谱遥感估算模型,用2000年试验数据作为测试样本数据,对其精度进行评价和验证.结果表明,高光谱变量与地上鲜生物量之间的线性与非线性拟合分析中,一些高光谱特征值如红边波长(λr)、绿峰最大     

基于冠层反射光谱的玉米LAI和地上干物重估测研究

以cropscan多光谱辐射仪测定了玉米品种郑单958和浚单20的冠层光谱反射率,并对其相应的叶面积指数(LAI)和地上干物质量进行了同步测定。将由近红外波段和可见光红波段组成的不同的归一化植被指数(NDVI)和比值植被指数(RVI)分别与叶面积指数、地上干物质量进行回归分析,结果表明,NDVI与叶面积指数的相关性优于RVI与叶面积指数的相关性,且以NDVI(R950,R650)和叶面积指数的幂函数回归结果最优;RVI与地上干物质量的二项式回归效果显著,估算模型为:Y=-0.722 4(R800/R650)2 1.631 6(R800/R650) 271.49,R2=0.793 5。     

基于高光谱植被指数的棉田冠层特征信息估算模型研究

 采用ASD Field Spec Pro VNIR 2500型光谱辐射仪获取了棉花不同生育时期的冠层高光谱反射率。并通过光谱分析技术,建立了基于高光谱植被指数——归一化植被指数和比值植被指数的棉田冠层特征信息的定量模型。经过对估算模型的精度检验和评价,最终筛选出表征棉花冠层结构特征参数的最佳估算模型。结果表明,基于归一化植被指数预测棉花叶面积指数,以幂函数（y=11.084x^12.024,r=0.8076^**）的模型为最优;基于比值植被指数预测棉花单位面积地上部鲜生物量,以指数函数（y=52.261·exp(0.1024x),r=0.8114^**）的估计模型为最优;基于比值植被指数预测棉花单位面积地上部干生物量,以指数函数（y=9.5552·exp(0.1133x),r=0.8330^**）的模型为最优。可见,利用高光谱遥感技术可以分析、模拟、评价、预测棉花冠层特征参量,为精准种植棉花提供了依据。     

两种植物冠层分析仪测量夏玉米LAI结果比较分析

植物冠层分析仪测量作物叶面积指数存在高估或低估现象,不同仪器的测量结果均与真实值存在差异,这种差异除了与仪器有关,还在不同的作物物候期表现出不同规律。本研究使用LAI-2000、Sunscan两种主流植物冠层分析仪测量夏玉米不同生育期LAI,并与LI-3000C叶面积仪实测结果比较。研究发现：当玉米LAI<1时,LAI-2000测量结果高于实际值,Sunscan测量结果与实际值无显著差异;12时,两种冠层分析仪测量结果均低于实际叶面积指数;不同LAI范围内,LAI-2000、Sunscan测量值与实际值的相关系数不同,最高可达0.9778和0.9637,通过建立测量值和实际值的经验关系模型,对仪器测量值进行校正可减少误差。     

叶片的灰尘对高光谱遥感中植被冠层反射率的影响

灰尘作为气溶胶的一部分由于沉降现象而附着于植物叶子的表面,当遥感探测器扫描植被冠层时,所得反射率数据就具有了一定的相似性。在平时我们处理卫星数据时忽略了附着于叶子表面灰尘的影响,没有把植被表面的灰尘作为影响因子考虑进去。随着探测器的发展,光谱分辨率的提高,灰尘对于某些波段的影响越来越大。由于天气变化如降雨可以使植被叶片表面灰尘减少甚至消失,引起植被反射率发生变化,于是本文通过模拟降雨前后植被叶片反射率变化,来研究灰尘的影响程度大小。具体方法为采用ASD野外光谱仪分别测量小麦、冬青等植被采摘后表层附有灰尘的叶片和模拟雨水冲洗灰尘后的叶片。通过同一片叶子两次测得的不同数据处理、比较得出以下结论：1. 附着于植被冠层的灰尘对其反射率有很大影响。2. 没有去尘处理的叶片反射曲线不是灰尘反射曲线和经除尘处理的叶片反射曲线简单的线性叠加。3. 灰尘并不会造成“红边”移动,不会发生“蓝移”和“红移”。     

棉花产量遥感预测的L-Y模型构建

本文利用LAI动态与棉花产量的关系建立了叶面积指数—产量（L-Y）模型,以期利用多时相遥感数据,实现对棉花产量定量遥感预测。模型建立以小区控制和大田生产试验数据为基础,以农学原理为背景,采用数学推演方法,具简单、灵活、普适性强等特点。检验结果表明,用便携式光谱辐射计测定棉花冠层高光谱反射率,以棉花全生育期LAI动态与棉花产量的关系和近地高光谱遥感参数模型监测的多时相LAI,可很好地定量预测棉花产量,估算误差约为5.44%,RMSE达到116.2 kg·hm^-2,预测值与实测值相关系数为0.836,达极显著水平。L-Y模型为棉花卫星遥感估产提供了参考模型,对其他作物使用动态生长信息提高遥感估产水平也有一定的借鉴意义。     

基于冠层反射光谱的小麦白粉病严重度估测

明确小麦白粉病冠层光谱敏感波段并估算病情严重度,是大面积高空遥感监测小麦白粉病、实现精确防控的基础。采用人工诱发的大田、盆栽和病圃试验,测量不同生育时期对不同发病等级的小麦白粉病冠层光谱,并同步调查发病严重度。结果表明,可见光350~710 nm光谱反射率随病情加重呈上升趋势,580~710 nm为遥感监测白粉病的敏感波段,近红外波段光谱反射率在病害处理间变幅较大,且与病情严重度相关性较差。修正型病情指数较常规病情指数与对应光谱反射率的相关性显著提高。利用高光谱特征参数与白粉病严重度间的相关回归分析,红边宽度最适宜指示白粉病发生及发展态势,拟合精度(R²)为0.811,检验相对误差(RE)为17.7%,而mND705、SIPI、CTR2和TSAVI在相关分析中也表现相对较好(r>0.6),但由于试验间兼容性差, 不宜建立统一回归方程。以相对光谱指数ΔMSAVI和ΔmND705与白粉病严重度建立的模型决定系数较高(R²>0.76),RE分别为18.4%和19.4%,可较好反演冠层尺度病情严重度。可见,小麦白粉病冠层光谱特征明显,建立的病害反演模型精度高,对精确防控具有应用价值。     

NOAA卫星玉米遥感估产方法的研究

利用美国国家海洋大气总署卫星空间覆盖度宽，运行周期短，资料获取时次多的特点，通过光面光谱观测寻求玉米遥感估产最佳时相期，经过对ＰＶＩ理论推得出ｆ值，在ＲＶＩ混合象元中提取玉米长势信息，建立了河北省空间玉米遥感估产模式。经过三年的预报结果检验，误差小于５％。     

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。