基于高光谱成像技术的油菜叶片叶绿素含量预测

叶绿素是作物生长中的重要因素,可用于实时监测作物的生长状况。以常规高油酸油菜品种为材料,采用大田试验研究油菜叶片在不同栽培措施下幼苗期、蕾薹期叶片的光谱响应,通过计算反射光谱及其反射光谱的一阶导数与SPAD值的相关性,结合逐步回归挑选出油菜叶片敏感波段,并计算光谱指数。采用一元线性回归和神经网络建立叶绿素含量估算模型。结果表明,由光谱指数所构建的神经网络叶绿素估算模型,精度评价结果均显示比较高的水平,幼苗期反射率光谱指数构建的模型精度最高,决定系数R2为0807 0,均方根误差（RMSE）为1131 5,蕾薹期一阶导数光谱指数构建的模型精度最高,决定系数R2为 0873 2, 均方根误差（RMSE）为1322 3,在蕾薹期和幼苗期通过构建BP神经网络模型能够较好的对油菜叶绿素进行反演。为利用高光谱技术大范围监测油菜叶绿素含量提供了一定的理论依据。     

苹果冠层叶绿素含量高光谱估算模型

【目的】 研究一种快速、简便、无损的苹果冠层叶绿素含量估测模型。探索苹果品种岩富10号冠层的高光谱特征和叶绿素含量的估测方法,为该地区岩富10号苹果营养的快速诊断奠定基础,为红富士苹果精准化管理和-7光谱尺度研究提供参考依据。【方法】以红富士苹果(Malus domestica Borkh. cv. Red Fuji)主栽品种岩富10号叶绿素含量以及冠层高光谱反射率为数据源,分析叶绿素含量与冠层原始光谱(R)、微分光谱(R')之间的相关关系,利用敏感波段建立新的对应关系,构建岩富10号叶绿素含量的多种回归估测模型,并对不同模型进行了精度评价。【结果】微分光谱用于岩富10号叶绿素含量的估测精度要显著高于原始光谱反射率;利用敏感波段组合新定义的衍生变量拟合程度更优;在多种回归方式中,三次多项式模型的拟合程度最好,最优模型为357 nm等7个波段组合定义的新植被指数所建立的三次多项式模型,其精度为0.839。【结论】应用光谱技术对南疆塔里木盆地阿克苏地区岩富10号叶绿素含量进行定量反演是可行的。     

棉花冠层反射光谱与叶片氮含量定量关系研究

对可见光波段至短波红外波段(350～2 500 nm)棉花田间冠层光谱反射率与叶片含氮量间的关系进行了相关分析.结果表明,350～732、733～940和1 970～2 477 nm波段的光谱反射率与叶片含氮量极显著相关;940～1 176 nm波段的光谱反射率与叶片含氮量显著相关,以上波段为叶片全氮敏感波段.通过分析叶片含氮量与高光谱特征参数关系,得出吸收谷特征参数Depth1154和PRI(570,530 nm)可以用来预测盛花期叶片含氮量,其中Depth1154的复相关系数最高达到0.747 3,为运用遥感技术大面积、迅速、无破坏地来预测棉花生长状况以提供可能.     

棉花冠层叶片叶绿素含量与高光谱参数的相关性

【目的】研究棉花冠层叶片叶绿素含量与高光谱参数的相关性,建立叶绿素含量估算模型。【方法】2014年,以鲁棉研28号为研究对象,测定不同施氮水平和生育期棉花冠层叶片叶绿素含量及350~2 500nm光谱反射率,以棉花冠层高光谱反射率与冠层叶片叶绿素含量为数据源,在分析叶绿素含量与原始高光谱反射率(R)、一阶导数光谱反射率(DR)、光谱提取变量和植被指数相关性的基础上,采用一元线性与多元逐步回归的方法构建了叶绿素含量估算模型,并对从中筛选的6种棉花冠层叶片叶绿素含量估算模型进行精度对比。【结果】1)棉花冠层叶片叶绿素含量在反射光谱766nm处相关系数达到最大值,相关系数r=0.836;对于一阶导数光谱,叶绿素含量的敏感波段发生在753nm处,r=0.878;2)以9种光谱提取变量与8种植被指数为自变量,建立叶绿素含量的估算模型,筛选出的特征变量为红边面积(SDr)、绿峰与红谷的归一化值((Rg-Rr)/(Rg+Rr))、绿峰幅值(Rg),仅采用8种常用植被指数建立估算模型,筛选出的变量为比值植被指数(RVI);3)所建立的6种模型中以基于一阶导数光谱反射率建立的多元逐步回归估算模型精度最高,均方根误差(RMSE)为1.075,相对误差(RE)为2.22%,相关系数(r)为0.952。【结论】采用原始光谱、一阶导数光谱、光谱提取变量及植被指数均可对棉花叶绿素含量进行监测,其中基于一阶导数光谱的多元逐步回归模型对叶绿素含量的估算效果最优。     

不同硼用量下油菜冠层反射光谱与叶绿素含量间定量关系

【目的】本研究探索了油菜在不同硼用量下反射光谱与叶绿素含量之间的关系,旨在为油菜品质育种提供参考。【方法】以甘蓝型油菜早熟品种420为对象,分别于蕾薹期、花期和成熟期,利用高光谱技术,测定不同硼肥条件下冠层反射高光谱,同时测定叶绿素a,b的含量以研究光谱与两者之间的关系。【结果】在3种硼肥条件下,光谱参数及光谱一阶微分与叶绿素含量之间均表现出极显著相关关系,利用SPSS 22.0拟合两特征光谱得到的多元回归函数亦达到极显著水平,且R2均在0.8以上。此外,0.5倍硼肥条件下叶绿素a,b的3种植被指数与3边幅值均达到极显著水平;正常硼肥条件下的3种植被指数和3边幅值均达到显著水平以上;而1.5倍硼肥条件下,除叶绿素a与光谱一阶微分的比值和归一化植被指数未达显著水平之外,其他均达到显著水平以上。【结论】本研究具有较好的预测精度,可为油菜品质育种研究与区域尺度油菜生长的快速、无损遥感监测提供参考。     

冬小麦冠层水平叶绿素含量的高光谱估测

【目的】利用高光谱数据对抽穗期冬小麦冠层叶绿素含量进行估测,旨在为叶绿素含量快速准确估测提供参考。【方法】利用ASD便携式野外光谱仪和SPAD-502叶绿素仪实测了冬小麦抽穗期冠层光谱反射率及叶绿素含量,并对原始光谱反射率及其一阶导数光谱与叶绿素相对含量进行了相关分析,建立了基于敏感波段、红边位置、原始光谱峰度和偏度、一阶导数光谱峰度和偏度的叶绿素估算模型,并进行检验,从中筛选出精度最高的模型。【结果】冬小麦冠层光谱曲线特征与叶绿素含量之间有着密切联系。基于原始光谱一阶导数偏度和峰度的冬小麦(抽穗期)叶绿素含量估算模型拟合精度优于其他4种估算模型,决定系数R2分别为0.847和0.572,均方根误差RMSE分别为0.397和0.697,相对误差RE分别为61.0%和119.0%,拟合精度优于其他4种估算模型。【结论】原始光谱一阶导数的偏度和峰度作为自变量能很好地估测抽穗期小麦冠层叶绿素含量。     

基于高光谱的苹果盛果期冠层叶绿素含量监测研究

【目的】建立苹果冠层叶绿素含量及冠层光谱特征参量间的定量关系模型,以促进高光谱技术在苹果树精准施肥以及快速、无损长势监测中的应用。【方法】以蒙阴县果园的苹果树为试验材料,连续2年分别测定了苹果冠层光谱反射率和冠层叶绿素（Chl(a+b)）含量,分析了冠层叶绿素含量与光谱反射率之间的相关关系,并计算了400—1 000 nm任意两波段组合而成的RVI、DVI、NDVI和RDVI,分析了它们与冠层叶绿素含量的关系,以逐步回归分析做比较,建立了苹果冠层叶绿素含量监测模型。【结果】结果表明,以单变量估算叶绿素含量的最佳光谱指数为NDVI(975,742),相关系数为0.5093。利用多元逐步回归建立的苹果冠层叶绿素含量最佳监测模型为Y=-0.56(log1/R)771-0.48(log1/R)1978 +0.20(log1/R)2407 -0.10(log1/R)2440+4.749。【结论】用多元逐步回归方法建立的模型来监测苹果冠层叶绿素含量效果较好,为利用高光谱技术监测苹果生长状况提供了理论依据。     

粳稻冠层叶绿素含量PSO-ELM高光谱遥感反演估算

目的 叶绿素含量是表征粳稻生长状态的重要指示信息,利用无人机高光谱遥感技术及时获取区域尺度的粳稻叶绿素含量。方法 以2016—2017年沈阳农业大学辽中水稻实验站粳稻无人机遥感试验数据为基础,利用连续投影算法(SPA)进行有效波段的提取,提取的特征波段分别为410、481、533、702和798 nm。将提取出的特征波段作为输入,利用极限学习机(ELM)和粒子群优化的极限学习机(PSO-ELM)分别建立粳稻冠层叶绿素含量反演模型。在PSO-ELM模型中,针对PSO算法的种群规模(p)、惯性权重(w)、学习因子(C₁、C₂)、速度位置相关系数(m)这5个参数进行了优化。结果 确定了最优参数：p为80,w为0.9~0.3线性递减,C₁和C₂分别为2.80和1.10,m为0.60。利用优化后的ELM和PSO-ELM所建立的粳稻冠层叶绿素含量模型的决定系数分别为0.734和0.887,均方根误差分别为1.824和0.783。结论 利用优化后的PSO-ELM建立的粳稻叶绿素含量反演模型精度要明显高于单纯利用ELM建立的反演模型,前者具有较好的粳稻叶绿素含量反演能力。本研究为东北粳稻叶绿素含量反演无人机遥感诊断提供了数据支撑和应用基础。     

基于支持向量机的棉花冠层叶片叶绿素含量高光谱遥感估算

【目的】建立并研究棉花冠层叶片叶绿素含量的高光谱估算模型,探讨合适的建模方法,以提高棉花叶绿素含量的高光谱遥感估算精度。【方法】以2016年种植的渭北旱塬区棉花鲁棉研28号为试验对象,用SPAD-502型手持式叶绿素仪和HR-1024i便携式地物光谱仪,分别测定棉花不同生育期冠层叶片SPAD值和对应的光谱反射率,分析SPAD值与光谱反射率的相关性。选取8个光谱参数,分析SPAD值与这8个光谱参数的相关性,并采用单因素回归、多元逐步回归和支持向量机(SVM)回归方法,构建棉花冠层叶片叶绿素含量的高光谱估算模型,比较各模型的决定系数(R2)、均方根误差(RMSE)以及相对误差(RE),评价模型的精度。【结果】(1)棉花冠层叶片光谱反射率在400～700nm波段随叶片SPAD值升高而降低,在700～1 000nm波段表现为SPAD值越高,叶片光谱反射率越高;(2)在530～570nm和680～730nm处叶绿素含量与光谱反射率呈极显著负相关(99.99%置信区间,n=144);(3)所选用的8个光谱参数与叶绿素含量均达到极显著相关,相关系数最高为0.686;(4)SVM回归模型验证R2达到了0.884,RMSE和RE最低,分别为2.186和3.419,比单因素回归模型中预测精度最高的SPAD-RVI1的RMSE和RE分别降低46.4%和46.3%,较多元逐步回归模型SPAD-MSR的RMSE和RE分别降低33.4%和32.1%,明显提高了棉花叶绿素含量的估算效果。采用8个光谱参数构建的SPAD-SVM8模型RMSE和RE比采用4个光谱参数构建的SPAD-SVM8模型分别降低了19.2%和23.5%。【结论】支持向量机(SVM)回归方法可以作为棉花冠层叶片叶绿素含量高光谱遥感估算的优选方法,且采用较多光谱参数构建的SVM模型估算精度更高。     

高光谱评价植被叶绿素含量的研究进展

重点介绍利用便携式光谱仪获得的高光谱数据在评价植被叶绿素含量的研究状况。从叶绿素的光谱特性入手。通过和传统宽波段对比阐述高光谱数据在评价植被叶绿素中的特点。在此基础上简要介绍了高光谱遥感数据估计植被叶绿素含量两种方法的研究进展。一是利用光谱数据。植被指数，导数光谱评价植被叶绿素密度或浓度。二是利用红边光学参数评价植被叶绿素密度或浓度，并分析了研究中可能存在的问题。     

大豆叶片叶绿素含量与颜色特征的关系

田间作物最重要的特征指标就是叶色,其能够直观地反映出叶绿素含量的变化、作物生长过程中的光合作用、养分情况及水分含量等栽培信息,为田间的作物管理、苗的生长情况的诊断和根据苗的肥力情况提供重要依据。以大豆的叶片为研究材料,测定了叶片的叶绿素含量,利用数字图像处理技术提取了叶片的颜色特征值。结果表明,叶绿素含量与颜色特征参数具有一定的相关性,并建立了与叶绿素之间的联系。     

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.     

烤烟叶片叶绿素含量与颜色特征的关系

利用图像处理技术提取不同成熟时期烟叶的叶绿素含量,采用线性拟合和回归分析方法,建立了烟叶成熟期叶绿素含量估算模型,并对其精度进行了评价和验证.结果表明,RGB颜色系统的B/(R G),色度坐标b可以作为叶绿素含量估算的主要颜色特征参数,叶绿素含量的模拟值与实测值均呈极显著正相关,相关系数均达到0.767以上.     

温洲蜜柑叶片光谱反射率与叶绿素含量的相关性

以日南一号温州蜜柑为试材,对不同时期、不同黄化程度叶片反射光谱及叶绿素含量进行研究,结果表明,日南一号叶片反射光谱在350～1750nm范围内,出现了5次反射峰,其中可见光区域552nm和近红外长波1680nm波段处各出现了1次较弱的反射峰,在近红外短波段范围出现了3次强反射峰．在整个测定波段范围内,光谱反射率强弱为夏梢叶片〉春梢叶片〉秋梢叶片．随着叶绿素含量降低,叶片反射率增强,但叶绿素含量进一步降低,反射率出现减弱．在可见光波段范围,光谱反射率强弱为重度黄化叶〉中度黄化叶〉轻度黄化叶〉正常叶,而在近红外区域,出现中度黄化叶〉重度黄化叶〉轻度黄化叶〉正常叶的趋势．     

水稻叶绿素与反射光谱的研究进展

水稻是中国的主要粮食作物之一,水稻收成的好坏直接影响到人们的生存问题,如何提高水稻的质量和产量,如何监测水稻的生长状况和营养状况成为人们关注的热点问题。笔者主要探讨了水稻叶绿素与反射光谱之间关系并针对近年来国内外专家对水稻叶绿素与反射光谱之间关系的研究进行总结和概括,最后做出展望,为能更好的通过叶绿素和光谱变化关系监测水稻营养状况提供理论依据。     

基于导数光谱的小麦冠层叶片含水量反演

【目的】以高光谱技术实现小麦含水量信息的快速、无损与准确获取,为小麦灌溉的精确管理提供科学依据。【方法】利用水氮胁迫试验条件下小麦主要生长期的导数光谱构建了16种新指数,将其与NDII、WBI以及NDWI等常用指数进行比较分析,筛选小麦叶片含水量反演最佳光谱指数,并利用其建立反演模型进行小麦含水量的遥感填图。【结果】在各指数中,FD730-955对小麦冠层叶片含水量的估测结果最佳,其估测模型（对数形式）校正决定系数（C-R2）与检验决定系数（V-R2）分别达0.749与0.742,优于NDII等常用指数;FD730-955所建模型对32个未知样的预测结果与实测值相似度较高,其回归拟合模型R2达0.763,RMSE仅为0.024,取得了良好预测结果,且对叶片含水量以及LAI值较高与较低的样本均具备良好的预测能力,可有效避免样本取值范围以及冠层郁闭度等因素对含水量估测的影响;反演模型对OMIS影像的填图结果与地面实测值拟合模型R2达0.647,RMSE仅为0.027,具有较高的反演精度。【结论】导数光谱可实现小麦冠层叶片含水量信息的准确估测,其中FD730-955系反演的优选指数。     

川滇高山栎幼树叶片反射光谱对不同程度水分胁迫的响应

利用反射光谱探测植物的生理生态活动是定量遥感新的发展方向。通过盆栽川滇高山栎幼树,控制其植物水分胁迫程度,分别测定不同水分胁迫条件下川滇高山栎的光谱响应曲线和叶片水分指标的各自变化,并从光谱曲线中提取对水分敏感的光谱指数,分析高山栎水分胁迫下的高光谱特征的响应特点以及与光谱指数之间的关系。结果表明:在水分胁迫下川滇高山栎的光谱曲线可见光区(VIS)和近红外区(NIR)均呈现明显的趋势性变化;不同水分处理下归一化植被指数NDVI分别与相对含水量(RWC)、等效水厚度(EWT)均呈显著正相关关系,水分反射指数(WI)与含水量指标RWC、EWT分别均呈显著正相关关系,表明NDVI与WI光谱指数能够很好地预测川滇高山栎叶片水分的变化,而光化学反射指数PRI在预测水分含量方面的有效性受胁迫强度的影响,与水分指标的关系并不稳定。通过水分胁迫后以及随后进行的复水试验,川滇高山栎光谱指数的时间序列清晰显示了先下降后上升的变化特征,并且当叶片水分胁迫达到第42天时,叶片相对含水量达到最低值0.31,此时NDVI、WI、PRI分别达到最低临界值0.71、0.98、-0.15,需要立即复水,否则川滇高山栎幼树光合等生理特征无法恢复。通过比较研究在不同水分胁迫下,与川滇高山栎水分变化状况敏感的光谱指数,可为基于高光谱遥感技术监测植被水分状况提供参考。     

基于氮素叶绿素关系的冬小麦籽粒蛋白质含量高光谱反演

为进一步提高光谱数据反演小麦籽粒蛋白质含量的精度以及反演模型的可解释性,研究以籽粒蛋白质含量（GPC）-氮素-叶绿素之间的关系为载体,通过叶绿素筛选相关植被指数,采用偏最小二乘回归（PLS）方法建立GPC反演模型。结果表明,开花期是监测籽粒蛋白质含量的最优时期。开花期氮素与对应密度叶绿素的相关性较高。通过筛选出与叶绿素密切相关的植被指数,利用PLS建立籽粒蛋白质含量反演模型,模型决定系数R2为0.77,RMSE为0.95%,用其他年份数据进行模型验证,结果显示RMSE达到1.22%。本研究表明：基于氮素、叶绿素关系建立PLS反演模型能够实现不同年份GPC光谱遥感反演,且模型在年际间表现出较高的精度和稳定性。     

水稻叶片叶绿素含量与衰老的关系

为了探明叶绿素含量与叶片衰老的关系,分别利用复合杂交后代的34份和130份材料,研究水稻生育后期自然强光对不同叶绿素含量水稻叶片衰老的影响.结果表明,试材叶片SPAD值在42时,叶绿素含量降解最快.高叶绿素含量材料(叶片SPAD值42以上)在灌浆初期较低叶绿素含量材料(叶片SPAD值42以下)叶绿素降解慢,但随后却高于低叶绿素含量材料的降解.说明在灌浆初期高叶绿素含量材料相对低叶绿素含量材料对强光的耐受性好,随后由于高叶绿素含量材料叶片SPAD值降至42左右,其叶绿素降低速度反而较低叶绿素含量材料快.