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。     

基于主动光谱仪的水稻叶面积指数监测

叶面积指数(LAI)是描述作物长势的重要参数,LAI的实时动态监测对水稻生长诊断和管理调控具有重要意义.为分析水稻LAI与光谱参数的定量关系,设置了不同年份、不同氮肥水平的田间试验,于移栽后定期测试水稻冠层光谱参数,并同步定株测量LAI.结果表明,LAI可以基于主动光谱仪构建的植被指数(NDVI和RVI)进行模拟,NDVI(770,660)、RVI(770,660)均能较好地模拟LAI,预测精度分别为0.97、0.92,RMSE分别为0.41、1.32,RE分别为0.16、0.28,利用主动光谱仪可以实现水稻LAI的快速无损监测,为指导水稻精确管理提供了技术支持.     

小麦不同生育期水肥管理与产量模型构建

[目的]建立小麦在不同生育期的水肥管理与产量的关系模型.[方法]用主动遥感仪器Green seeker 进行检测小麦冠层归一化植被指数(NDVI)以及比值植被指数(RVI),解析小麦冠层植被指数与生长状况的变化规律;分析NDVI、RVI与实际产量关系,建立小麦产量预测模型;最终以NDVI、RVI作为过渡参数,反演产量与小麦在不同生育期的水肥管理的最佳模型.[结果]小麦水肥一体化管理直接影响小麦产量,不同生育期水肥一体化小麦生长模型和植被指数小麦估产模型的标准误差都小于0.05.[结论]建立了小麦不同生育期的产量与水肥一体化管理模型.     

基于便携式作物生长监测仪的水稻生长指标光谱监测研究

为验证作物生长监测仪无损监测水稻各项长势指标的准确性,并建立基于CGMD302作物生长监测光谱仪的水稻叶面积指数、生物量、氮积累量的监测模型。本研究通过实施5个氮素水平的水稻田间实验,采用甬优538和浙优18 2个水稻品种,利用仪器监测水稻冠层从分蘖期至灌浆期归一化植被指数(NDVI)和比值植被指数(RVI),同步测定水稻叶面积指数、生物量和氮积累量3个农学参数,分析水稻叶面积指数、生物量、氮积累量随移栽后天数的动态变化,分别建立了叶面积指数、生物量、氮积累量与作物生长监测仪所测得光谱参数之间的预测模型。结果发现,水稻叶面积指数、干物重和氮积累量随施氮水平的增加而增大,随移栽后天数的增加逐渐变大。甬优538和浙优18在各个生育时期NDVI、RVI与叶面积指数、生物量、氮积累量的R²值均在0.7以上,具有极显著的相关性。构建的全生育期NDVI、RVI与叶面积指数、生物量和氮积累量呈指数函数关系,R²值均在0.75以上。因此,本研究所采用的作物生长监测仪器可用于准确地获取水稻冠层的NDVI和RVI,实时有效地反映和监测水稻的生长状况。     

加工番茄叶绿素密度与高光谱数据的相关分析

[目的]分析加工番茄高光谱数据与叶绿素密度的相关关系,为加工番茄生育期生长状况的实时、无损、快速的遥感监测提供理论依据.[方法]通过非成像ASD地物光谱仪获取加工番茄两个品种四个氮素水平冠层关键生育时期的反射光谱,与其相应的冠层叶绿素密度(CH.D)进行逐步回归相关分析.加工番茄冠层CH.D分别在其近红外反射光谱757 nm波段处和红光677 nm波段处的相关系数达最大值(rp757 -CH.D=0.7521**,rp677 -CH.D=-0.8437**,n=44,α=1;);采用这两个波段的反射率分别组成了归一化植被指数(NDVI)和比值植被指数(RVI),建立与加工番茄CH.D的5种线性和非线性的相关模型.[结果]NDⅥ和RVI所构建的加工番茄CH.D的双曲线函数模型的相关性和精度最高,再采用这两个植被指数的双曲线函数模型分别对加工番茄CH.D进行估算,它们的实测CH.D与估测CH.D的相关性均达到极显著检验水平(r实测CH.D-NDVI估测的CH.D -NDVI=0.8041**,r实测CH.D-RVI估测CH.D- RVI=0.8094**,n=44,α=1;),估算精度均为86.6;.[结论]利用高光谱植被指数可以精确提取加工番茄冠层叶绿素密度信息并对其进行遥感估算研究.     

不同作物叶片和茎全磷含量与高光谱植被指数的关系

为研究不同作物叶片和茎全磷含量与不同高光谱植被指数的关系,于2020年11月至2021年10月进行田间试验,测定冬小麦、油菜、蚕豆、大豆、玉米、红薯6种作物不同生长阶段的叶片、茎全磷含量和高光谱冠层反射率,进而计算归一化植被指数（NDVI）、差值植被指数（DVI）、比值植被指数（RVI）、增强植被指数（EVI）、光化学植被指数（PRI）、红边叶绿素指数（RECI）6种高光谱植被指数。利用Pearson相关分析研究了不同作物叶片、茎全磷含量与高光谱植被指数的关系,并以多元非线性回归建立了基于高光谱植被指数的叶片、茎全磷含量模拟模型。结果表明,随着作物生长,冬小麦、油菜、蚕豆、大豆叶片全磷含量逐渐降低,玉米、红薯叶片全磷含量在生长季中期较高,6种作物茎全磷含量与叶片全磷含量的季节变化规律类似。6种作物叶片全磷含量季节平均值均高于茎全磷含量季节平均值。6种作物NDVI、DVI、RVI、EVI、PRI、RECI在生长中期相对较高。6种作物叶片全磷含量与不同高光谱植被指数之间的相关系数不同,且与叶片和茎全磷含量存在显著相关关系的高光谱植被指数也不同。基于6种植被指数NDVI、DVI、RVI、EV...     

基于冠层反射光谱的冬小麦干物质积累量的估测研究

[目的]分析了小麦光谱特征与干物质积累量的相关关系。[方法]通过对冬小麦不同品种的干物质积累量、叶面积等参数和冬小麦冠层光谱反射率、光谱一阶微分和光谱比值植被指数(RVI)的相关分析,确立了冬小麦干物质积累量的敏感波段,并建立了预测模型。[结果]开花期350~700 nm和1 420~1 520 nm冠层光谱反射率和灌浆期350~1 750 nm冠层光谱反射率分别与干物质积累量显著相关;比值植被指数RVI(560,1220)与干物质积累量的相关性较好;确立的冬小麦干物质积累量预测模型为:干物质积累量=-186.94×RVI(560,1220)-2 242.2(R2=0.713 8),说明通过遥感手段监测冬小麦的群体质量是可行的。[结论]该研究为高光谱遥感技术在监测小麦的群体质量的应用提供参考依据。     

基于GreenSeeker的水稻氮素估测

为研究水稻植株氮素指标与GreenSeeker植被指数的定量关系,通过设置不同年份、不同氮肥水平的田间试验,于移栽后定期使用GreenSeeker获取冠层归一化差值植被指数(NDVI)和比值植被指数(RVI),并同步破坏性取样获取植株生物量和氮含量,分析不同品种和不同氮营养条件下氮素和植被指数(NDVI和RVI)变化规律,建立基于NDVI和RVI的氮素监测模型。结果表明,植株氮含量可以基于NDVI和RVI分时期进行估算,植株氮积累量可以被分阶段反演。利用GreenSeeker可以实现水稻氮素快速无损监测,为水稻氮肥精确管理提供技术支持。     

对水稻微分光谱和植被指数的探讨

通过不同供氮水平的田间试验，分析了微分光谱对消除水稻冠层光谱的背景影响和植被指数在农学参数测定中的作用。结果表明：由微分光谱所得的红边位置、红边斜率与盖度、叶面积指数及供氮水平之间有一定的相关性；水稻多光谱植被指数RVI、NDVI与叶面积指数LAI及其地上部生物量之间有极显著相关性；高光谱植被指数及其变量与植被盖度、供氮水平之间存在相关性。这些表明，用微分光谱技术与植被指数方法监测水稻的田间供氮水平和长势似乎是可行的。     

基于光谱植被指数的烤烟氮碱量及氮碱比监测研究

[目的]为了实现烤烟氮碱量及氮碱比田间动态变化的实时无损监测,设计了基于MSR216型多光谱辐射计的烤烟氮碱量及氮碱比监测试验。[方法]设置2种施氮模式,以基于SPAD(叶绿素仪)值精准氮素施肥管理(阈值为43)进行建模,利用当地生产上农家常规施氮模式进行验证。用多光谱辐射计采集烤烟的冠层光谱数据,并对烤烟6个生长时期的氮碱量、氮碱比与可见光波段及近红外波段反射率组成的比值植被指数、归一化植被指数、差值植被指数进行相关性分析。[结果]叶片烟碱含量与归一化植被指数NDVI(870,510)的相关系数最高(r=0.900);全氮含量和氮碱比则与比值植被指数RVI(1 650,710)的相关系数最高(r=0.898、0.911)。氮碱量、氮碱比与植被指数均构建了最佳的监测模型,模型预测精度分别达到0.935、0.827、0.926,RMSE分别为0.574、0.553、1.245,预测效果较好。[结论]冠层光谱能够较好地监测和跟踪冠层氮碱量以及氮碱比的动态变化。     

利用光谱法测定水稻生物物理参数及其与光谱变量的相关性研究

选用水稻品种秀水63和武进9728，利用光谱仪通过大田试验和室内测量测定不同氮素水平及不同时期水稻叶片的光谱反射率，利用GIS法测定叶面积指数(LAI)，并测量相应植株的叶形状参数(LSP)、叶片重量、茎重、地上鲜生物量、地上干生物量、叶片含水率及茎含水率等生物物理参数，在此基础上分析了水稻生物物理参数与光谱变量之间的相关性。结果表明，LAI与比值植被指数(RVI)和归一化植被指数的相关系数(NDVI)在0．85以上，达到极显著水平，而地上生物量与比值植被指数和归一化植被指数的相关系数在0．65以上，也达到显著性水平。     

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。     

大豆叶面积的高光谱模型

以ASD FieldSpec-Vnir光谱仪实测不同生长季大豆的冠层反射率,同期采集对应大豆LAI,然后逐波段分析冠层光谱反射率、导数光谱与大豆LAI的相关关系;并采用单变量线性回归逐波段分析了冠层光谱反射率、导数光谱与大豆LAI确定性系数随波长的变化趋势,建立了以近红外与可见光波段冠层光谱反射率的比值植被指数RVI与大豆LAI的高光谱遥感估算模型。结果表明,冠层光谱反射率在350￣680nm、760￣1050nm波谱区与大豆LAI相关性较大,而在红边区680￣760nm的相关性变化较大;导数光谱在红边区与大豆LAI相关程度高。通RVI方式建立的遥感估算模型能较为准确估算大豆LAI,通过对红外与蓝波段建立的RVI指数与大豆LAI的回归模型,表明其预测大豆LAI的能力较好,有进一步研究的必要;通过对比发现,神经网络模型可以大大提升高光谱反演大豆LAI的水平,模型的确定系数R2为0.9661,而总均方根误差RMSE仅为0.446m2.m-2。     

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。     

高光谱遥感数据估算蓖麻初级生产力主要参数研究

以蓖麻在不同氮、磷施用水平下的大田实验为基础,研究了高光谱遥感在估测蓖麻初级生产力主要参数中的应用。结果表明,随着施肥水平的提高,蓖麻叶面积指数（LAI）和生物量增大,导致冠层光谱特征发生相应变化,近红外波段（700~900 nm）的反射率显著增大。350~900 nm波段特别是700~900 nm波段的蓖麻冠层光谱反射率值在花果盛期最大,种子成熟期次之,苗期最低,与蓖麻LAI变化一致,可以用来监测蓖麻的长势和营养状态。构建的高光谱植被指数NDVI、RVI与LAI和ABM回归模型确定系数均较高,分别达到了0.6115、0.6363、0.7102和0.6148,可以用来估测不同物候期蓖麻的叶面积指数和地上部分生物量。     

估算水稻叶面积指数的调节型归一化植被指数

【目的】叶面积指数（LAI）是描述植物冠层结构、群落生长分析和陆地生态系统研究的重要参数,提高叶面积指数的估算精度是遥感工作者的重要研究方向之一。【方法】通过不同氮素营养水平的水稻小区实验,利用2004年中稻高光谱反射率数据,模拟中等分辨率成像光谱仪（MODIS）前四个通道,提出包含蓝、绿、红和近红外四个谱段的调节型归一化植被指数ANDVI（adjusted-normalized difference vegetation index）。对ANDVI和归一化植被指数NDVI（normalized difference vegetation index）、增强型植被指数EVI（enhanced vegetation index）、绿波比值指数GRI（green ratio index）、红边比值指数RRI（red-edge ratio index）等5个光谱植被指数与水稻LAI的相关关系进行了分析。利用2004年晚稻试验数据,对与LAI相关关系较好的ANDVI进行验证。【结果】ANDVI指数模型预测效果最好,均方根误差为1.771,估算精度达到63.1%。【结论】说明ANDVI具有进行在大面积范围内监测水稻LAI的能力。     

基于无人机多光谱图像监测棉花冠层含水量

使用无人机搭载的多光谱相机获取田间遥感影像,通过相关性计算选取合适的波段组合,基于多光谱影像间的波段运算得到植被指数(VIs),采用最小二乘法构建棉花冠层含水量反演模型.结果表明,红波段(680nm)和近红外1波段(800nm)间的光谱特征与棉花冠层含水量相关性最高,由此光谱区间构建了归一化植被指数(NDVI)和比值植被指数(RVI),基于NDVI的二阶多项式回归得到了较好的预测结果,R2在0.69以上.使用此方法可以实现棉花冠层含水量的快速、无损监测,从而为田间精准灌溉提供技术支持.     

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.     

基于EOS/MODIS资料的江西省水稻长势遥感监测

基于2010年的MODIS数据,进行江西省水稻长势遥感监测指标的研究,提取了4种植被指数作为遥感参数,即比值植被指数RVI、归一化植被指数NDVI、植被状态指数VCI和增强植被指数EVI,并利用植被指数进行叶面积指数LAI的反演,建立了植被指数VI-LAI模型。在VI-LAI模型中EVI、NDVI与LAI的相关性较好。利用LAI的预测值和地面实测数据进行精度的分析,结果显示EVI的三次方(Cubic)模型在各方面都优于其他植被指数和其他模型,因此选择EVI作为水稻的长势遥感监测指标。     

基于高光谱的冬小麦叶面积指数估算方法

【目的】冬小麦叶面积指数是评价其长势和预测产量的重要农学参数,高光谱技术监测叶面积指数的方法能够实现快速无损的监测管理。本文旨在将田间监测和高光谱遥感相结合,探索研究中国南方江汉平原地区冬小麦的最佳波段、光谱参数及监测模型。【方法】研究选取江汉平原的湖北省潜江市后湖管理区,利用ASD地物光谱仪和SunScan冠层分析系统在田间对冬小麦的冠层光谱及叶面积指数的变化进行监测,并探讨高光谱植被指数与冬小麦叶面积指数之间的定量关系。通过相关性分析、回归分析等方法构建6种植被指数与冬小麦叶面积指数的反演模型。【结果】冬小麦冠层光谱反射率中近红外波段870 nm,红光波谷670 nm,绿光波峰550 nm,蓝光450 nm波段对叶面积指数变化最为敏感,通过构建植被指数与叶面积指数模型,相关性均较好,决定系数（R2）为0.675-0.757,其中NDVI反演模型的R2最高为0.757。【结论】经模型精度检验,NDVI植被指数反演模型的精度较其它模型好,较适合对研究样区的冬小麦进行叶面积指数反演。