基于新型植被指数的冬小麦LAI高光谱反演

【目的】本研究旨在分析冠层叶片水分含量对作物冠层光谱的影响,构建新型光谱指数来提高作物叶面积指数高光谱反演的精度。【方法】在冬小麦水肥交叉试验的支持下,分析不同筋性品种、施氮量、灌溉量处理下的冬小麦叶面积指数冠层光谱响应特征,并分析标准化差分红边指数(NDRE)、水分敏感指数(WI)与叶面积指数的相关性,据此构建一个新型的植被指数——红边抗水植被指数(red-edge resistance water vegetable index,RRWVI)。选取常用的植被指数作为参照,分析RRWVI对于冬小麦多个关键生育期叶面积指数的诊断能力,随机选取约2/3的实测样本建立基于各种植被指数的叶面积指数高光谱响应模型,未参与建模的样本用于评价模型精度。【结果】研究结果表明,随着生育期的推进,冬小麦的叶面积指数呈先增加后降低的变化趋势,不同的水肥处理对冬小麦叶面积指数具有较大影响。开花期之后冬小麦LAI显著下降,强筋小麦(藁优2018)在整个生育期叶面积指数均高于中筋小麦(济麦22);不同氮水平下冬小麦冠层光谱反射率在近红外波段(720—1 350 nm)随着施氮量的增加而增大,与氮肥梯度完全一致,其中2倍氮肥处理的近红外反射率达到最高;不同生育期下冬小麦冠层光谱反射率变化波形大体一致;各个关键生育期的NDRE和WI均存在较高的相关性,而NDRE与LAI的相关性明显优于WI,新构建的植被指数RRWVI与LAI的相关性均优于NDRE、WI;虽然8个常用的植被指数均与LAI存在显著相关,但RRWVI与LAI相关性达到最大,其拟合曲线的决定系数R2为0.86。【结论】通过分析各种指数所构建的冬小麦叶面积指数高光谱反演模型,新构建的RRWVI取得了比NDRE、NDVI等常用植被指数更为可靠的反演效果,说明本研究新构建的红边抗水植被指数可有效提高冬小麦叶面积指数的精度。     

基于Sentinel-2多光谱数据的枸杞叶面积指数反演

叶面积指数(LAI)是重要的植被生物理化参数,基于物理、经验模型的LAI估算效率和精度有限.为评价机器学习算法在LAI遥感估算中的适用性,本文以宁夏枸杞种植基地为研究区,基于Sentinel-2多光谱数据,结合实测LAI,分析了波段反射率、植被指数与LAI的相关性,并将80组数据随机分成60组训练集和20组测试集,构建...     

基于MODIS的郑州市夏玉米LAI反演研究

根据实测玉米高光谱数据和遥感影像数据,以郑州市为研究区域,分别利用原始光谱反射率、光谱反射率一阶导数以及植被指数(NDVI)建立了LAI回归模型,比较拟合效果以确定精度最高的模型,充分挖掘高光谱的优势,提高夏玉米LAI遥感估算精度.结果表明,夏玉米LAI的最佳回归模型为利用波长439.31nm处的光谱反射率一阶导数数据进行回归分析建立的三次多项式回归模型,其决定系数R2为0.761.     

基于波段组合优化光谱指数的冬小麦LAI估算

叶面积指数（LAI）是表示植被利用光能状况和冠层结构的一个综合指数,与作物产量密切相关。高光谱遥感数据具有连续、高光谱分辨率等特点,为估算农作物生理生化参数和冠层结构参数提供了重要手段。为挖掘高光谱数据估算LAI的最优波段组合以及提高估算精度,以冬小麦作为研究对象,野外实测不同生长阶段（起身、拔节、开花阶段）的冠层高光谱数据,并对其进行不同数学变换处理,包括原始光谱、一阶导数光谱和连续统去除。利用3种不同预处理的冠层高光谱数据构建30种常用植被指数和4种优化光谱指数,比较常用植被指数与优化光谱指数对冬小麦LAI的响应,建立估算冬小麦LAI的单变量和多变量回归模型,对其进行精度验证,并筛选出最优估算模型。结果表明,随着生育期的推进,可见光波段范围内,冬小麦冠层光谱反射率较低、吸收较强,LAI对连续统去除光谱的影响较大,呈负相关;近红外波段范围内不同生育期间的差异较大,随着LAI的增大,冠层光谱的红边位置出现了“红移”现象;基于一阶导数的优化植被指数（NDSI和RSI）与LAI相关系数达到0.8;从估算模型来看,基于一阶导数的RSI_{（627 nm, 774 nm）}单变...     

基于植被指数与叶面积指数的水稻生长状况监测

在江苏省高邮、兴化、阜宁、洪泽分别选择了一个样点,在水稻反射光谱特性与水稻生物学参数荚未的支持下,探讨了基于NOAA／AVHRR遥感影像的归一化植被指数（NDVI）与地面观测数据叶面积指数（LAI）的关系,实现大面积水稻LAI的反演,并以江苏省高邮市为例进行了水稻长势遥感豁测。     

基于高光谱遥感数据的水稻叶温反演

[目的]研究水稻叶温与冠层反射光谱间的关系,为水稻叶温的模拟与监测提供理论依据.[方法]利用FieldSpec Pro FR光谱仪和Raynger ST红外温度探测仪测量水稻抽穗期冠层的反射光谱和叶片温度,分析原始反射光谱、一阶微分光谱、归一化植被指数(NDVI)、比值植被指数(DVI)、再归一化差值植被指数(RDVI)和转换型土壤调整指数(TSAVI)与叶温的关系.[结果]叶温的变化直接影响水稻冠层光谱的反射率,影响水稻红边特征.一阶微分光谱与叶温存在极显著相关性(P<0.01,下同),990 nm处相关系数(0.889)最高,885 nm处相关系数(-0.893)最低.选取叶温敏感波段光谱组合计算植被指数,发现RDVI和TSAVI与叶温的关系呈极显著相关,相关系数分别为0.724和0.733.由RDVI和TSAVI建立经验模型,结果显示由TSAVI建立的叶温估算模型效果更好,其验证样本的决定系数为0.610,相对误差为1.97%,均方根误差为2.546.[建议]综合考虑多种预处理方法,最大程度还原光谱信息;优化特征波长的提取,提高建立模型的精度;基于高光谱技术,实现冠层叶温的无损监测.     

基于高光谱影像的玉米LAI反演模型研究

以吉林省长春西部地区合心与合隆镇为研究区,利用高光谱Hyperion遥感影像,结合与其同步实测LAI数据,分别建立影像波段与玉米LAI线性及非线性统计回归模型,最终选出以SAVI为自变量的指数函数模型y=1.717e1.064x为最优反演模型,其估测精度高达96.8%。经实验证实,高光谱遥感可以实现大范围、快速、较精确地获取玉米叶面积指数。     

基于高光谱影像的玉米LAI反演模型研究

以吉林省长春西部地区合心与合隆镇为研究区,利用高光谱Hyperion遥感影像,结合与其同步实测LAI数据,分别建立影像波段与玉米LAI线性及非线性统计回归模型,最终选出以SAVI为自变量的指数函数模型y=1.717e1.064x为最优反演模型,其估测精度高达96.8%。经实验证实,高光谱遥感可以实现大范围、快速、较精确地获取玉米叶面积指数。     

不同氮素水平下水稻LAI与冠层反射光谱的定量关系

通过光谱遥感技术对水稻长势进行监测,可以为水稻高产高效生产提供科学依据.该研究以晚稻天优华占为供试品种,设置不同施氮量的田间试验,研究不同氮素水平下水稻叶面积指数与冠层光谱反射率之间的关系,结果表明水稻叶面积指数有随着施氮量增加而增加的趋势,冠层光谱对不同施氮量群体有明显的响应特征,叶面积指数与冠层光谱反射率在720 nm左右的红边区域相关系数最大,进一步构建了水稻LAI与冠层反射光谱的数学模型.     

Leaf area index based nitrogen diagnosis in irrigated lowland rice

Leaf area index(LAI)is used for crop growth monitoring in agronomic research,and is promising to diagnose the nitrogen(N)status of crops.This study was conducted to develop appropriate LAI-based N diagnostic models in irrigated lowland rice.Four field experiments were carried out in Jiangsu Province of East China from 2009 to 2014.Different N application rates and plant densities were used to generate contrasting conditions of N availability or population densities in rice.LAI was determined by LI-3000,and estimated indirectly by LAI-2000 during vegetative growth period.Group and individual plant characters(e.g.,tiller number(TN)and plant height(H))were investigated simultaneously.Two N indicators of plant N accumulation(NA)and N nutrition index(NNI)were measured as well.A calibration equation(LAI=1.7787LAI_(2000)–0.8816,R~2=0.870~(**))was developed for LAI-2000.The linear regression analysis showed a significant relationship between NA and actual LAI(R~2=0.863~(**)).For the NNI,the relative LAI(R~2=0.808~(**))was a relatively unbiased variable in the regression than the LAI(R~2=0.33~(**)).The results were used to formulate two LAI-based N diagnostic models for irrigated lowland rice(NA=29.778LAI–5.9397;NNI=0.7705RLAI+0.2764).Finally,a simple LAI deterministic model was developed to estimate the actual LAI using the characters of TN and H(LAI=–0.3375(TH×H×0.01)~2+3.665(TH×H×0.01)–1.8249,R~2=0.875~(**)).With these models,the N status of rice can be diagnosed conveniently in the field.     

不同氮素累积量类型籼稻品种产量及其构成因素的差异

2001、2002年在群体水培条件下分别以88、122个国内外的籼稻代表品种为材料,测定植株的干物重、全氮含量、产量及其构成因素,采用组内最小平方和的动态聚类方法对供试品种成熟期的氮素累积量进行聚类,分析不同氮素累积量类型品种间产量及其构成因素的差异。结果表明:①供试品种成熟期氮素累积量差异很大,可聚类为A、B、C、D、E、F等6类,类型间的差异均达到显著水平;②氮素累积量为A、B、C、D、E、F类的品种,随着氮素累积量的增加,产量水平明显提高;③氮素累积量大的品种,表现为单位面积库容量大、每穗颖花数多、千粒重高、抽穗期叶面积系数大、生物产量高,穗数较多、单位叶面积籽粒产量较高,但其结实率和经济系数均较低。     

棉花高光谱植被指数与LAI和地上鲜生物量的相关关系研究

通过测试棉花关键生育阶段350～2 500 nm波段的冠层高光谱数据,用近红外波段760～850 nm及红光波段650～670 nm的2个范围内的波段,组成了高光谱归一化植被指数(NDVI)和800和670 nm两个波段组成修改型二次土壤调节植被指数(MSAVI2),分别与棉花叶面积指数(LAI)和地上鲜生物量进行相关分析,结果表明,棉花NDVI和MSAVI2与LAI和地上鲜生物量两个参数均以幂指数相关关系为最佳(RNDVI-LAI=0.729 1·,RMSAVI2-LAI=0.743 6·,n=81;RNDVI-鲜生物量=0.742 6·,RMSAVI2-鲜生物量=0.791 1·,n=59), MSAVI2与LAI和地上鲜生物量的相关性均高于NDVI与LAI和地上鲜生物量的相关性,说明MSAVI2较NDVI能更好的消除土壤背景对反射光谱造成的影响,能较精确的提取反映棉花生长状况的叶面积指数和生物量信息.     

基于物理模型与查找表策略的南繁水稻叶片叶绿素含量反演研究

【目的 】利用海南省中南部5市县采集的南繁水稻光谱、叶绿素等数据,研究物理模型与查找表策略对南繁水稻叶片叶绿素的反演,并对不同查找表进行比较分析。【方法 】文章先根据研究区调查与文献调研,利用辐射传输模型PROSAIL-PRO模拟2万条冠层光谱,分别构建波长400～1 000 nm区间的全波段查找表和双植被指数(Vegetation Index,VI)查找表,并使用实测的南繁水稻冠层光谱与叶绿素含量进行验证。其中,双VI查找表包括TCARI-OSAVI查找表、比值型植被指数(Ratio Vegetation Index,RVI)查找表和红边相对指数(Red Edge Relative Indices,RERI)查找表3种。【结果 】(1)传统的全波段查找表反演叶片叶绿素含量的精度较差,R值为0.46,均方根误差(Root Mean Squared Error,RMSE)为8.84μg/cm²,正规化均方根误差(Normalized Root Mean Squared Error,NRMSE)为0.32。(2)双VI查找表反演结果较传统查找表更好,TCARI-OSA...     

基于分段方式选择敏感植被指数的冬小麦叶面积指数遥感反演

【目的】考虑到利用单一植被指数（VI）反演叶面积指数(LAI)时,存在着不同程度的饱和性和易受土壤背景影响的问题,提出通过分段的方式选择敏感植被指数形成最佳VI组合以提高LAI反演的精度。【方法】通过ACRM辐射传输模型模拟数据,结合地面实测光谱数据,选择常用的植被指数进行土壤敏感性分析以及饱和性分析确定LAI的分段点,并在此基础上分段选择最佳植被指数形成组合VI来实现LAI的最终反演,并利Landsat5 TM开展区域条件下冬小麦LAI反演应用。【结果】以LAI=3是较为适宜的分段点,利用植被指数最佳分段组合OSAVI(LAI≤3)+TGDVI(LAI>3)可在一定程度上有效克服土壤影响因素以及饱和性问题,联合反演的结果明确优于单一植被指数反演精度。【结论】通过分段选择最佳植被指数形成联合VI可以有效提高LAI反演精度。     

基于粒子群神经网络模型反演玉米、小麦叶面积指数

基于高分1号遥感影像,分别采用粒子群神经网络模型、神经网络模型和植被指数回归模型3种方法,反演廊坊市玉米、小麦叶面积指数(LAI)。结果表明,粒子群神经网络模型反演玉米、小麦LAI的精度要高于其他方法,其模型的决定系数R²均高于0.9,均方根误差均低于0.196,可满足反演精度的要求。本研究提出的基于高分1号影像的粒子群神经网络模型反演玉米和小麦LAI的方法具有一定的普适性。     

基于无人机高光谱和数码影像数据的冬小麦生物量反演

生物量是作物生长过程中重要的生物参数之一,能较好地反映作物长势情况。获取了冬小麦开花期数码影像数据、高光谱数据和实测生物量数据,运用相关性分析筛选出对冬小麦生物量相关性高的数码影像指数和植被指数,分别使用多元线性回归分析和逐步回归分析法建立生物量反演估算模型,最后将最优模型估算结果进行可视化空间分析。结果表明：与冬小麦生物量相关性高的数码影像指数有VARI、MGRVI、b等,植被指数有NDVI、SR、LCI、OSAVI等。建立的冬小麦生物量反演模型估算效果较好,其中精度最高的模型为高光谱数据多元线性回归模型,其验证模型均方根误差为0.9041 t/hm²。可视化处理结果能直观地显示试验区冬小麦生物量分布情况,为生长监测及种植管理提供有效依据。     

An entirely new approach based on remote sensing data to calculate the nitrogen nutrition index of winter wheat

The nitrogen nutrition index(NNI) is a reliable indicator for diagnosing crop nitrogen(N) status. However, there is currently no specific vegetation index for the NNI inversion across multiple growth periods. To overcome the limitations of the traditional direct NNI inversion method(NNI_(T1)) of the vegetation index and traditional indirect NNI inversion method(NNI_(T2)) by inverting intermediate variables including the aboveground dry biomass(AGB) and plant N concentration(PNC), this study proposed a new NNI remote sensing index(NNI_(RS)). A remote-sensing-based critical N dilution curve(Nc_(_RS)) was set up directly from two vegetation indices and then used to calculate NNI_(RS). Field data including AGB, PNC, and canopy hyperspectral data were collected over four growing seasons(2012–2013(Exp.1), 2013–2014(Exp. 2), 2014–2015(Exp. 3), 2015–2016(Exp. 4)) in Beijing, China. All experimental datasets were cross-validated to each of the NNI models(NNI_(T1), NNI_(T2) and NNI_(RS)). The results showed that:(1) the NNI_(RS) models were represented by the standardized leaf area index determining index(sLAIDI) and the red-edge chlorophyll index(CI_(red edge)) in the form of NNI_(RS)=CI_(red edge)/(a×sLAIDI~b), where "a" equals 2.06, 2.10, 2.08 and 2.02 and "b" equals 0.66, 0.73, 0.67 and 0.62 when the modeling set data came from Exp.1/2/4, Exp.1/2/3, Exp.1/3/4, and Exp.2/3/4, respectively;(2) the NNI_(RS) models achieved better performance than the other two NNI revised methods, and the ranges of R2 and RMSE were 0.50–0.82 and 0.12–0.14, respectively;(3) when the remaining data were used for verification, the NNI_(RS) models also showed good stability, with RMSE values of 0.09, 0.18, 0.13 and 0.10, respectively. Therefore, it is concluded that the NNI_(RS) method is promising for the remote assessment of crop N status.     

水稻分蘖与主茎同伸叶片大小的定量关系及其对氮素的响应

为了建立基于同伸关系的水稻叶面积模拟模型,为虚拟植物的构建提供支撑,在盆栽条件下,以常规粳稻南粳44和杂交籼稻II优107为材料,设置不同施氮量处理并进行定株测量,分析了分蘖叶片叶长、叶宽与同伸主茎叶片叶长、叶宽的定量关系及其对氮素的响应。结果表明,同龄分蘖的同伸叶片具有相近的叶片大小,叶长宽比主要与叶片在分蘖上的叶位有关,而与分蘖的位置关系不密切;分蘖叶片与主茎同伸叶片的叶长宽比随叶片在分蘖上的叶位的提高而增大,约在叶位达到7时,叶长宽比达到1,这一关系可以用分段函数来描述,氮肥和品种对这一关系没有明显影响。