株型对冬小麦冠层叶面积指数与植被指数关系的影响研究

利用PROSAIL模型和地面实测数据分别探讨了冠层株型特征对建立VIs-LAI拟合模型的影响,并基于Beer定律分析了消光系数KVI随株型的变化特征,其中共考虑了3种株型品种(披散型、中间型、紧凑型),VIs则选用了增强型植被指数(EVI)、归一化植被指数(NDVI)以及比值植被指数(RVI)。结果表明,不同VIs与LAI间的相关性程度会受到株型特征的影响,而同一株型内部VIs与LAI的相关性较混合株型好。不同植被指数比较,EVI-LAI相关关系受株型的影响较大,划分株型后其复相关系数R2可提高30%以上;而NDVI-LAI相关关系受株型的影响较小,并且这种影响仅在LAI<3时略有表现,可能与NDVI在较高LAI时的饱和有关;RVI-LAI相关关系对株型变化的反映则稍强于NDVI,且当株型趋于紧凑型时,其拟合模型有从指数型向直线型转化的趋势。此外消光系数KVI会随株型趋于紧凑而降低,3种植被指数的消光系数符合:KNDVI>KEVI>KRVI。     

基于高光谱反射率的糜子冠层叶片叶绿素含量估算

连续两年大田试验研究不同糜子品种叶绿素含量与冠层光谱反射率,并基于不同植被指数建立糜子叶片叶绿素含量的估测模型。结果表明,参试糜子品种叶绿素含量在整个生育期呈现"低-高-低"的抛物线变化趋势,最大值出现在抽穗期到开花期之间;不同品种各生育期内冠层光谱反射率趋势一致,在近红外波段,冠层光谱反射率与叶绿素含量呈稳定正相关,灌浆初期光谱反射率达到最大值;可见光波段,拔节期、开花期和灌浆初期冠层光谱反射率与冠层叶绿素含量呈正相关,成熟期呈负相关;糜子冠层叶绿素含量与760~900、630~690、550 nm波段组合的植被指数具有较高相关性;基于RVI、PSNDb、GNDVI750能较好地建立糜子叶绿素含量统一检测模型,决定系数分别为0.791、0.779、0.748;模型验证的相对误差分别为9.58%、8.93%、11.80%;均方根误差分别为0.045、0.140、0.196。表明利用RVI、PSNDb、GNDVI750建立的模型能较为准确地预测糜子冠层叶绿素含量。     

水稻冠层叶绿素含量高光谱估算模型

为了寻求西北引黄灌区水稻冠层叶绿素含量的高精度估算模型,通过田间试验测定了水稻冠层SPAD和高光谱数据,运用任意波段组合的方式构建了一系列基于原始光谱、一阶导数光谱的比值、差值、归一化和土壤调节植被指数,筛选出反映水稻冠层SPAD的最佳植被指数作为自变量,应用普通回归分析方法和随机森林算法建立了该区域水稻冠层SPAD估算模型并进行了对比分析。结果表明：（1)应用普通回归分析方法,以RVI(D₁₃₁₆,D₇₃₆)为自变量建立的指数模型是估算西北引黄灌区水稻冠层SPAD的最佳单变量模型;（2)采用随机森林算法,以4个植被指数RVI(R₆₉₆,R₅₄₀)、DVI(R₇₀₀,R_{536)、SAVI(R700,R536)、RVI(D1316,D736)建立的估算模型比普通回归模型精度更高,验证结果的决定系数R²为0.873,均方根误差RMSE为3.221,平均相对误差RE为13.25%。说明通过随机森林算法建立的模型可以实现水稻冠层SPAD的精准估测,可以用于西北引黄灌区水稻冠层叶绿素含量的快速、无损获取。}     

基于地面高光谱遥感的稻纵卷叶螟为害下的水稻LAI估算模型研究

为了有效监测稻纵卷叶螟的为害状况及其对水稻生长发育产生的危害,本研究通过开展连续的定点大田观测实验,对稻纵卷叶螟虫情及其为害状况进行调查,通过观测水稻冠层光谱反射率和叶面积指数（LAI）等,分析水稻冠层光谱反射率、植被指数与LAI的相关性,筛选出与LAI相关系数高的光谱特征波段和植被指数,构建了多因子LAI估算模型,并利用实测数据进行验证。结果证明模型拟合效果理想,可为我国更好地开展水稻生产监测提供参考。     

黑河流域叶面积指数的遥感反演

以黑河流域为研究区 ,探寻基于TM影像提取的植被指数 (VIs)与野外实测数据间叶面积指数 (LAI)的反演研究。结果表明 ,各植被指数与LAI均具有较高的相关性 ,整个研究区土壤调整植被指数 (SAVI)具有最高的LAI反演精度 ;把研究区分成绿洲区和山区 ,各种植被指数与LAI的相关系数和反演精度均有很大程度提高 ,同时得到绿洲区SAVI最适于反演LAI ,山区SR最适于反演LAI ,通过这种方式估算出黑河流域叶面积指数图。     

基于高光谱数据的棉花叶绿素密度定量提取研究

利用ASD FieldSpec FR野外光谱仪,测试了棉花(2个品种4水平种植密度)各生育时期的光谱数据及对应的叶绿素密度(CH.D),分析了它们随生育期的变化规律,并对棉花冠层光谱数据与CH.D进行了回归分析.结果表明:用归一化植被指效(NDVI)建立的幂指数模型的相关系数最大(r=0.722**,n=30),可用以较好地提取棉花CH.D;红边斜率与棉花群体CH.D的线性相关达到1%极显著水平(rdλred=0.679**,n=30),用棉花新陆早19号729 nm波段的一阶微分光谱值与群体CH.D建立的线性回归模型,估测棉花新陆早13号的CH.D,实测CH.D与预测CH.D的相关系数r=0.8818**(n=30),估计精度为82.3%,RMSE为0.254 g/m2,说明可以用高光谱遥感数据对棉花冠层CH.D进行遥感定量监测.     

南疆杏棉复合系统条件下棉花冠层的光特性

为了探明杏棉复合系统条件下棉花冠层光合特性及遮荫对棉花产量的动态影响,以中棉43号为试材,研究了4种复合系统下棉花冠层光照强度、光合有效辐射(PAR)、叶面积指数(LAI)及产量构成要素。结果表明:宽幅棉花冠层光照强度、PAR、LAI优于窄幅棉花(即:6 m×4 m6 m×3 m4 m×2 m4 m×1.5 m),棉花冠层各光合指标在间作带中从东到西呈现出由小增大再减小的变化趋势;4种复合系统下棉花产量及主要生长指标有较大差异,其中各系统间籽棉产量、蕾铃脱落率、收获株数均达到极显著差异,6 m×4 m模式下平均籽棉产量达到6 092.59 kg/hm2,是4 m×1.5 m模式的3.1倍;各复合系统产值与单作田产值的大小表现为6 m×4 m6 m×3 mCK4 m×1.5 m4 m×2 m。     

基于冠层光谱角算法的小麦氮素营养监测

通过田间小区试验,选择3个小麦品种,在不同氮素水平下,在测定小麦冠层反射光谱和叶片氮素含量基础上,提出小麦冠层光谱角算法,分析小麦冠层光谱角与氮素营养水平的定量关系。结果发现:对选择的3个小麦品种,光谱角均随氮素施用量增加而增大,光谱角预测叶片氮素的最佳模型为y=0.3999x0.3989,其决定系数R2为0.6870,其预测的RE、RMSE和R2分别为1.63%、0.1609、0.7515。利用光谱角算法可以监测小麦冠层氮素营养的差异。     

基于APSIM的旱地小麦叶面积指数模拟模型构建

为了解旱地小麦叶片生长规律,建立基于APSIM的小麦叶面积潜在生长率模型和叶面积水、氮协同生长率模型,并在田间试验修订参数的基础上,连接到APSIM平台,模拟小麦叶面积指数动态变化过程,采用相关性分析方法定量分析小麦叶面积指数的变化规律。结果表明：基于APSIM的小麦叶面积潜在生长率模型和叶面积水、氮协同生长率模型对旱地小麦生长指标LAI的模拟有较高精度。小麦全生育期内叶面积指数模拟值与实测值呈显著正相关,相关系数(R)为0.996,归一化均方根误差(NRMSE)范围在3.08%～9.38%,模型有效性指数(M_E)为0.594～0.956,均大于0.5。     

基于地面高光谱数据的油茶炭疽病病情指数反演

使用FieldSpec HandHeldTM地物光谱仪采集不同发病程度的油茶冠层光谱数据,并实地调查油茶炭疽病病情指数,将光谱数据进行一阶微分与滑动平均滤波相结合的预处理,提取与病情指数相关性较高的敏感波段,并采用主成分分析法(principal component analysis,PCA)对敏感波段的光谱数据进行降维,分别以敏感波段和PCA降维处理后的敏感波段作为输入变量建立了病情指数的BP神经网络反演模型.两种建模方法建立的BP神经网络模型计算出的预测值与观测值之间的决定系数(R2)均达99％以上.精度检验证明,以PCA降维所得到的前10个主成分作为输入变量建立的10-7-1三层BP神经网络模型预测精度更高,模型计算出的预测值与观测值之间的决定系数(R2)和均方根误差(RMSE)分别为0.998 6和0.814 8.该研究表明,利用地面高光谱数据结合主成分分析和BP神经网络算法反演油茶炭疽病病情指数是一种有效的方法.     

基于同化叶面积指数和条件植被温度指数的冬小麦单产估测

应用数据同化方法将遥感信息与作物生长模型融合,是估测区域作物产量的重要方法之一。以2008—2014年越冬后的冬小麦为研究对象,选择与作物长势、产量及水分胁迫信息密切相关的叶面积指数(LAI)和条件植被温度指数(VTCI),采用粒子滤波算法对CERES-Wheat模型模拟和遥感数据观测的LAI和VTCI实施同化,分别基于观测LAI和VTCI、同化LAI和VTCI构建冬小麦单产估测模型。结果表明,同化LAI变化趋势更加符合关中平原冬小麦的实际生长状况,同化VTCI能更好地反映冬小麦的水分胁迫程度。应用观测LAI和VTCI构建的估产模型决定系数为0.402,而单独应用LAI或VTCI单变量构建的估产模型决定系数分别为0.279和0.339,说明应用LAI和VTCI双变量构建的估产模型的精度优于单独应用LAI或VTCI单变量的精度。相比于观测LAI和VTCI构建的估产模型,基于同化LAI和VTCI构建的估产模型的决定系数从0.402提高到0.547。表明基于同化LAI和VTCI构建的估产模型的精度明显提高。     

黄土区夏玉米叶面积指数变化规律的研究

通过对连续4a夏玉米叶面积指数的研究,建立了夏玉米叶面积指数与积温之间的归一化模型,提出了精确的且唯一确定的归一化方法。多年的叶面积动态变化用同一方程式表达,提高了方程的可信度,可用于作物生长模拟和作物生长监测和遥感估产。     

Measuring cotton water status using water-related vegetation indices at leaf and canopy levels

Drought is one of the major environmental threats in the world. In recent years, the damage from droughts to the environment and economies of some countries has been extensive, and drought monitoring has caused widespread concerns. Remote sensing has a proven ability to provide spatial and temporal measurements of surface properties, and it offers an opportunity for the quantitative assessment of drought indicators such as the vegetation water content at different levels. In this study, sites of cotton field in Shihezi, Xinjiang, Northwest China were sampled. Four classical water content parameters, namely the leaf equivalent water thickness (EWT leaf ), the fuel moisture content (FMC), the canopy equivalent water thickness (EWT canopy ) and vegetation water content (VWC) were evaluated against seven widely-used water-related vegetation indices, namely the NDII (normalized difference infrared index), NDWI 2130 (normalized difference water index), NDVI (normalized difference vegetation index), MSI (moisture stress index), SRWI (simple ratio water index), NDWI 1240 (normalized difference water index) and WI (water index), respectively. The results proved that the relationships between the water-related vegetation indices and EWT leaf were much better than that with FMC, and the relationships between vegetation indices and EWT canopy were better than that with VWC. Furthermore, comparing the significance of all seven water-related vegetation in- dices, WI and NDII proved to be the best candidates for EWT detecting at leaf and canopy levels, with R 2 of 0.262 and 0.306 for EWT leaf-WI and EWT canopy -NDII linear models, respectively. Besides, the prediction power of linear regression technique (LR) and artificial neural network (ANN) were compared using calibration and validation dataset, respectively. The results indicated that the performance of ANN as a predictive tool for water status measuring was as good as LR. The study should further our understanding of the relationships between water-related vegetation indices and water parameters.     

半湿润雨养农业区油菜冠层反射光谱与覆盖度的相关分析

以黄土高原甘肃庆阳西峰为半湿润雨养农区典型代表,分析研究油菜营养生长阶段苗期、蕾苔期和生殖生长阶段初期开花始期的冠层反射光谱特征与其覆盖度的相关性.结果表明,这几个时期油菜覆盖度与450、550、650、850、1650nm波段反射率存在明显的相关关系,尤其是蕾苔期,相关关系达到极显著水平.另外,研究了10个常用的植被指数同油菜覆盖度间的相关关系,这10个植被指数同油菜覆盖度存在着极显著的相关关系,相关性高于同单波段反射率间的关系.并且,利用各时期最优的2个植被指数建立了油菜覆盖度线性及非线性回归监测模型,方程的拟合度都较好.苗期,线形和非线性回归模型拟合程度差异不大,蕾苔期,以线性方程拟合精度较其它方程高;开花始期则以指数模型拟合精度高.     

滴灌棉花叶绿素荧光参数与棉花生长指标反演模型研究

以新陆早58号为试验材料,分析顶二叶荧光参数与叶绿素含量、植株群体叶面积指数及地上部生物量随生育进程和不同施氮量的变化规律,确定荧光参数与生长指标的关系,构建出基于叶绿素荧光参数的滴灌棉花生长指标反演模型。结果表明：棉花顶二叶叶绿素荧光参数F_v/F₀、F_v/F_m、F₀、F_m随棉花生育进程的推进逐渐降低;植株群体叶面积指数、地上部生物量与顶二叶荧光参数F₀、F_m、F_s、F₀′、F_m′呈极显著相关,相关系数在0.84以上;叶绿素含量与荧光参数F_v/F_m、F_v′/F_m′相关性较好,相关系数在0.710~0.877之间,模型的决定系数均在0.5以上;类胡萝卜素含量与F_v′的相关性最好,相关系数为0.892。在构建的叶绿素荧光参数与棉花生长指标的反演模型中,荧光参数F_m与植株地上部生物量的模型（y=186.17e^{-0.001x）精度最好,决定系数达0.907。利用荧光参数构建的模型可对滴灌棉花顶二叶叶绿素含量、群体叶面积指数及地上部生物量进行估测。}     

玉米栽培因子与叶面积指数模型研究初探

采用均匀试验设计和逐步回归分析方法,以先玉335为试验材料,研究了水肥等栽培因子对玉米叶片完全展开时叶面积指数的影响。多因素分析表明,其影响顺序为:底氮追氮底磷密度补水追肥/补水生育期底钾播期。在数学模型中,各栽培因子间耦合效应对玉米叶面积指数影响都达到了显著水平。在本试验研究范围内,当播期在5月11日,密度为80 999.8株/hm2,底施氮量为48.2 kg/hm2,底施磷量为293.6 kg/hm2,底施钾量为152.0 kg/hm2,追施氮量为62.8 kg/hm2,补灌量为1 199.4 m3/hm2,追肥/补水生育期在玉米18展叶时,叶面积指数理论最高值6.64。