基于高光谱特征和偏最小二乘法的春小麦叶绿素含量估算

叶绿素含量是影响作物生长及产量的主要因素。该研究以2017年6月小型试验田获取的抽穗期春小麦叶绿素含量及其对应的光谱反射率为数据源,对红边(627~780 nm)、黄边(566~589 nm)、蓝边(436~495 nm)、绿边(495~566 nm)、吸收谷和反射峰的最大反射率及反射率总和等16个高光谱特征参数与叶绿素含量之间的相关性进行了分析,并结合偏最小二乘回归法(partial least-squares regression,PLSR)对叶绿素含量进行高光谱建模及验证。结果表明:1)对特定的16个光谱特征参数而言,光谱特征参数绿边最大反射率与春小麦叶绿素质量分数之间的决定系数最低(R~20.5);决定系数较高(R~2≥0.5)的光谱特征参数包括蓝边最大反射率、蓝边反射率总和、黄边最大反射率、黄边反射率总和、红边最大反射率、红边反射率总和、绿边反射率总和、820~940 nm反射率总和及最大反射率、500~670 nm归一化吸收深度和560~760 nm归一化吸收深度,其中820~940 nm反射率总和决定系数达到最高(R~2为0.8);2)利用16个特征参量进行PLSR建模后,发现波段范围在820~940 nm的最大反射率及反射率总和所建立的PLSR估算模型为最优模型,其精度参数R~2p=0.8、RMSEp=2.0 mg/g、RPD=3.2。因此,该模型具有极好的预测能力。该研究为相关研究及当地精准农业提供科学支持和应用参考。     

利用无人机多光谱估算小麦叶面积指数和叶绿素含量

利用无人机遥感的方式进行农作物长势监测是目前精准农业、智慧农业发展的重要方向,为了探究无人机多光谱反演小麦叶面积指数(Leaf Area Index,LAI)和叶绿素含量的模型估算潜力,该研究在3个飞行高度(30、60、120 m)采集多光谱影像,通过使用全波段差值光谱指数(Difference Spectral Index,DSI)、比值光谱指数(Ratio Spectral Index,RSI)、归一化光谱指数(Normalized Spectral Index,NDSI)和经验植被指数与地面实测数据进行相关性分析,获得不同高度下的光谱指数与LAI和叶绿素含量的关系模型及其决定系数,以决定系数为依据分别构建多元逐步回归、偏最小二乘回归和人工神经网络模型,分析不同飞行高度无人机多光谱反演小麦冠层LAI和叶绿素含量SPAD(Soil and Plant Analyzer Development)值的精度。结果表明:1)30 m高度下,绿-红比值光谱指数与小麦LAI的相关性最高,相关系数为0.84;60 m高度下,红-蓝比值光谱指数与小麦叶绿素含量的相关性最高,相关系数为0.68;2)在60 m高度下,经验植被指数与小麦LAI和叶绿素含量的相关性较好,最大相关系数分别为0.77和0.50;3)利用偏最小二乘回归反演小麦LAI的精度最高,决定系数为0.732,均方根误差为0.055;利用人工神经网络模型反演小麦叶绿素含量的精度最高,决定系数为0.804,均方根误差0.135。该研究成果可为基于无人机平台的高通量作物监测提供理论依据,并为筛选无人机多光谱波段实现作物长势参数快速估测提供应用参考。     

基于光谱特征参数的温室番茄叶片叶绿素含量预测

为了快速、准确估测温室番茄叶片叶绿素含量,提升作物精细管理水平,利用光谱分析技术研究了温室番茄不同生长阶段叶绿素含量和响应光谱的相关性,在幼苗营养生长阶段叶片叶绿素含量呈增长趋势,到移植50天前后达到最大值,在此期间反射光谱的红边会向红外方向（长波）偏移,同时绿峰向蓝光（短波）方向偏移,绿峰幅值减小。从结果期开始叶绿素含量呈下降趋势,而红边、绿峰及绿峰幅值向相反方向变化。为了定量分析叶绿素含量和叶片反射光谱间的关系,从自定义的68个光谱特征参数中提取了7个能反映叶绿素含量变化的最优参量,并使用逐步回归、岭回归、主成分分量回归和偏最小二乘回归消除了最优参量的多重共线性,建立了叶绿素含量预测模型,其中岭回归模型精度最佳,均方根误差（RMSE）为0.406,决定系数(R2)为0.839。     

基于棉花红边参数的叶绿素密度及叶面积指数的估算

利用野外非成像高光谱仪,测试棉花两个品种4种配置种植方式两年关键生育时期的冠层反射光谱数据,应用光谱微分技术,获取棉花微分光谱680～750 nm波段的红边参数：红边面积（SDr）、红边斜率（Dr）以及红边位置（λr）变量;将棉花红边面积、红边斜率分别与其冠层叶绿素密度（CH.D）、叶面积指数（LAI）进行相关分析,它们的相关性均达到1%极显著水平,其中红边面积与叶绿素密度的相关性最好（RCH.D=0.8787**,n=137）;并且红边面积较红边斜率对叶绿素密度、叶面积指数的预测精度更高。以棉花新陆早13号和19号为建模样本,通过红边面积与叶绿素密度的线性相关模型,分别反演新陆早13号、19号冠层叶片的叶绿素密度,结果表明对这两个棉花品种的叶绿素密度估算精度分别达87.4%和83.3%,说明高光谱红边参数是估算棉花叶绿素密度和叶面积指数的一种简单、快捷、非破坏性的有效方法。     

水稻生物化学参数与高光谱遥感特征参数的相关分析

通过不同氮素营养水平的水稻田间试验，研究稻叶生物化学成份(叶绿素、类胡萝卜素、蛋白质、纤维素、淀粉含量) 与水稻冠层高光谱遥感特征参数之间的关系，结果表明，随着叶位的下移，叶片叶绿素含量与光谱特征变量之间的相关性明显减弱，绿峰反射率、红谷反射率、红边波长、蓝边面积和“三边”面积构成的植被指数等变量与上叶叶绿素含量、类胡萝卜素、纤维素、叶鞘淀粉含量之间有较好的相关性，而蛋白质含量与各种变量的相关系数均非常低。兰边面积、兰边面积和红边面积构成的植被植数与上叶叶绿素含量之间，红边面积 、绿反射峰与红反射峰构成的植被指数与叶鞘淀粉含量之间的相关系数都达到了0.01极显著检验水平，因此，可利用这些变量建立上叶叶绿素a、纤维素和叶鞘淀粉含量的估测模型。     

红边位置改进算法的冬小麦叶绿素含量反演

植被反射光谱的红边位置对叶绿素含量高度敏感,利用遥感数据建立基于红边位置的作物叶绿素含量反演模型,可实现大范围作物及时的长势监测。该研究以冬小麦为研究对象,在学习6种经典红边位置求解算法的基础上,提出牛顿-切比雪夫插值法和牛顿八点插值法2种改进红边位置求解算法。根据不同算法的红边位置分布特征综合分析了改进算法的优缺点,并在此基础上建立基于红边位置的冬小麦叶绿素含量反演模型。结果表明,与传统算法相比,2种改进算法均显著改善了双峰现象和红边位移,且基于新算法的模型预测值与叶绿素含量实测值的决定系数>0.619,较最大一阶导数法提高了5.024%～10.480%,具有更高的精度。同时,在2种改进算法中,牛顿八点插值法具有更高的稳定性与实用性。研究结果为植被理化参数反演与农业生产应用提供理论与技术支撑。     

库尔勒香梨叶片全钾含量高光谱估算模型研究

为实现库尔勒香梨养分状况的无损、实时、快速监测,利用便携式光谱仪(SVC HR-768)测定不同钾肥施用量的20年树龄库尔勒香梨叶片光谱反射率,并结合叶片全钾含量的室内分析,对叶片全钾含量与原始光谱、一阶导数光谱、高光谱参数之间相关性进行分析。结果表明:在425 nm处原始光谱与叶片全钾含量构建的线性模型,调整决定系数R2值达到0.913;在630 nm处一阶微分光谱与全钾含量构建的线性模型,调整决定系数R2值为0.986。叶片全钾含量与高光谱特征变量中绿峰位置变量(Rg)和红谷位置变量(Ro)的相关性极显著,由此构建的线性模型调整决定系数R2值均达到0.96以上。通过模型检验,确定基于630 nm的光谱一阶微分(X630)模型Y=1 136.835X630+50.709为库尔勒香梨叶片全钾含量(Y)的最优估测模型。     

大豆叶绿素含量高光谱反演模型研究

叶绿素是植物体进行光合作用、进行第一性生产的重要物质，能够间接反映植被的健康状况与光合能力，同时也能反映植被受环境胁迫后的生理状态。高光谱遥感为快速、大面积监测植被的叶绿素变化提供了可能。该研究实测了不同水肥耦合作用下，大豆冠层的高光谱反射率与叶绿素含量数据，对二者进行了相关分析；采用特定叶绿素敏感波段建立了植被指数叶绿素估算模型；最后采用相关系数较大的波段作为神经网络模型的输入变量进行了叶绿素含量的估算。经对比发现叶绿素A、B与光谱反射率在可见光与近红外波段的相关系数的变化趋势基本一致，在可见光谱波段呈负相关，近红外波段呈正相关，红边处相关系数由负变正。特定色素植被指数可以提高大豆叶绿素估算精度(R²>0.736)，但是人工神经网络模型可以大大提高大豆叶绿素含量的估算水平，当隐藏层节点数为4时，R²大于0.94，随着隐藏层节点数的增加，R²可高达0.99，表明神经网络模型可以大大提升高光谱反演大豆叶绿素含量的能力。     

玉米全氮含量高光谱遥感估算模型研究

该文对不同品种玉米测定了其室内光谱反射率及其对应的全氮含量，采用相关性分析以及单变量线性与非线性拟合分析技术，对全氮含量与原始光谱反射率、光谱反射率一阶微分、一些高光谱特征参数(如红边波长、红边位置以及红边面积等)以及由一阶微分光谱所构建的一些比值植被指数和归一化植被指数之间的关系进行了分析，结果表明：全氮含量与原始光谱在716 nm处具有最大相关系数(r=-0.847)，呈极显著负相关，并且基于此波长所构建的对数关系估算模型明显优于线性模型；与光谱反射率一阶微分值在759 nm处具有最大相关系数(r=0.944)，呈极显著正相关，并且基于此波长所构建的线性和非线性模型的拟合效果接近；对于所选取的3类高光谱特征变量，全氮含量除了与黄边位置(λy)以及由红边面积和黄边面积所构建的比值植被指数和归一化植被指数的相关性较弱之外，与其余变量均呈极显著相关关系，说明由这些变量对玉米全氮含量进行估算具有可行性；对所建立的各类方程进行精度检验，最终筛选确定由759 nm处的光谱反射率一阶微分值所构建的指数模型作为对玉米全N含量的预测模型最为理想。     

番茄叶片叶绿素含量光谱估算模型

以番茄品种“金粉2号”为试验材料,在玻璃温室内设置3种土壤水分胁迫水平,以正常灌溉为对照,于2013年3—7月和8—12月两个生长季对番茄进行全生育期持续处理。采用便携式地物光谱仪测定各生育期番茄冠层的光谱反射率,同步测定叶片总叶绿素和叶绿素a含量,并基于3—7月数据计算常见高光谱植被指数,分别建立番茄叶片叶绿素总量和叶绿素a估算模型,用8一12月生长季的试验数据对模拟精度进行检验。结果表明：（1）水分胁迫对番茄叶片总叶绿素、叶绿素a含量和番茄冠层光谱反射率产生明显影响,水分胁迫越严重,叶绿素总量和叶绿素a含量均越低,番茄冠层光谱反射率也越低;（2）随着生育期的推进,番茄总叶绿素和叶绿素a含量均持续增加,而冠层光谱反射率在红光和蓝光波段的反射率逐渐减少;（3）4种估算模型中R670模型的决定系数（R。）最高,效果最佳（P〈0．01）,番茄叶片总叶绿素和叶绿素a最佳估算模型分别为：C_chl（a＋b）=44．83R670＋_670＋7.36,C_chl=39．92R_670＋5．12,均根方误差分别为0．45、0．42mg·g^-1,表明利用高光谱数据估算番茄叶片的叶绿素含量可行。     

不同施肥情况下甘蔗叶片的光谱特征分析及叶绿素含量检测（英文）

In order to investigate the visible-NIR spectral features of the leaves of a sugarcane variety(ROC 22),the spectral reflectance and the chlorophyll content were measured in the laboratory,and their correlations were analyzed.Prediction models were built eventually.Results showed that the negative correlations with r greater than 0.8 was found in 527-578 nm and 701-731nm between spectral reflectance and chlorophyll content.And the red edge position(REP)was also found having high correlation with chlorophyll content,with the highest r of 0.8442.In order to explore the most sensitive bands for normalized difference vegetation index(NDVI),48471 NDVI values were computed with different wavebands for each sample and their correlations with chlorophyll were also analyzed.The distribution maps of NDVI and its correlations in a two-spectral-dimension space both indicated that the red bands had significant influence than the NIR bands.The suggested sensitive red range was 710-735 nm,especially720-725 nm;and the sensitive NIR range was from 780-850 nm,which had the higher robustness.The chlorophyll predication model with NDVI(725 and 840 nm)in tillering stage had determination coefficients of 0.7386,and was recommended for guiding the subsequent ridging fertilization.     

不同施肥情况下甘蔗叶片的光谱特征分析及叶绿素含量检测

In order to investigate the visible-NIR spectral features of the leaves of a sugarcane variety(ROC 22), the spectral reflectance and the chlorophyll content were measured in the laboratory, and their correlations were analyzed.Prediction models were built eventually.Results showed that the negative correlations with r greater than 0.8 was found in 527-578 nm and 701-731 nm between spectral reflectance and chlorophyll content.And the red edge position(REP) was also found having high correlation with chlorophyll content, with the highest r of 0.8442.In order to explore the most sensitive bands for normalized difference vegetation index(NDVI), 48471 NDVI values were computed with different wavebands for each sample and their correlations with chlorophyll were also analyzed.The distribution maps of NDVI and its correlations in a two-spectral-dimension space both indicated that the red bands had significant influence than the NIR bands.The suggested sensitive red range was 710-735 nm, especially 720-725 nm; and the sensitive NIR range was from 780-850 nm, which had the higher robustness.The chlorophyll predication model with NDVI(725 and 840 nm) in tillering stage had determination coefficients of 0.7386, and was recommended for guiding the subsequent ridging fertilization.     

基于鲜叶光谱估测氮素营养的新植被指数(英)

采用田间试验的方法开展利用鲜叶光谱反射率估测水稻氮素营养状况的研究.基于氮素在水稻不同功能叶片之间运转规律的机理,文章重点分析了第一和第三完全展开叶红边斜率和红边位置的变化,并基于红边位置和红边斜率构建了一个新的植被指数(命名为"红边曲线肩夹角植被指数",简称为RSAVI)监测水稻氮素营养状况.为了证明RSAVI在监测水稻氮素营养状况的可行性,分析了不同生育时期氮素含量和RSAVI之间的相关性.结果表明RSAVI和叶片氮素含量显著相关,相关系数介于0.867～0.938之间.并且RSAVI和氮素含量之间建立的回归模型以多项式模型效果最佳.决定系数介于0.7512～0.8796之间,模型均通过0.01水平检验.因此研究结果表明,在本次试验中使用RSAVI估测水稻氮素营养是可行的.     

苗期低温胁迫对“红颜”草莓叶绿素含量及冠层高光谱的影响

2020年9月−2021年1月以“红颜”（Fragaria×ananassa Duch “Benihope”）草莓为试材，在南京信息工程大学开展低温环境控制试验。设置21℃（日最高气温）/11℃（日最低气温）、18℃/8℃、15℃/5℃和12℃/2℃共4个低温处理，持续时间设置3d、6d、9d、12d共4个水平，以25℃/15℃为对照（CK）。测定草莓叶片叶绿素含量以及冠层高光谱反射率，研究低温胁迫对草莓叶绿素含量及冠层反射光谱的影响，筛选出叶绿素含量估算模型的敏感波段与特征参数。结果表明：（1）同一低温条件下，草莓叶片叶绿素a、叶绿素b和总叶绿素(a+b)等参数随着胁迫天数的延长而减少；同一胁迫天数下，温度越低其含量越低，即低温胁迫程度越大叶绿素含量下降幅度也越大。（2）不同温度同一胁迫天数处理草莓苗期冠层光谱反射率变化规律大致相同。在可见光区域草莓冠层反射光谱曲线均存在绿峰和红谷，在近红外反射平台随着温度降低，光谱反射率数值逐渐增大，即反射平台逐渐增高。（3）草莓冠层一阶微分光谱曲线变化较剧烈，有明显波峰和波谷，在红边范围内偶有双峰现象。随着低温胁迫程度的加深，一阶微分光谱最高峰的值越高，草莓冠层光谱的近红外反射率升高，红边位置蓝移，之后该峰值逐渐降低，红边位置红移。（4）草莓叶绿素(a+b)含量与冠层原始光谱反射率的相关系数均呈负相关，与原始光谱的近红外波段反射率的相关性明显高于可见光波段。叶绿素(a+b)含量与原始光谱反射率相关性较好，均达到显著水平，其中737nm波段相关系数达到最大，因此可以用其作为敏感波段对叶绿素含量进行预测。叶绿素(a+b)含量与植被指数中的DVI、MSAVI、PVI、RDVI、SAVI和TSAVI的相关性达极显著水平，可以选其作为特征参数对叶绿素含量进行预测。     

利用红边参数估计叶片叶绿素含量

Hyperspectral remote sensing makes it possible to non-destructively monitor leaf chlorophyll content (LCC). This study characterized the geometric patterns of the first derivative reflectance spectra in the red edge region of rapeseed (Brassica napus L.) and wheat (Triticum aestivum L.) crops. The ratio of the red edge area less than 718 nm to the entire red edge area was negatively correlated with LCC. This finding allowed the construction of a new red edge parameter, defined as red edge symmetry (RES). Compared to the commonly used red edge parameters (red edge position, red edge amplitude, and red edge area), RES was a better predictor of LCC. Furthermore, RES was easily calculated using the reflectance of red edge boundary wavebands at 675 and 755 nm (R675 and R755) and reflectance of red edge center wavelength at 718 nm (R718), with the equation RES = (R718－R675)/( R755－R675). In addition, RES was simulated effectively with wide wavebands from the airborne hyperspectral sensor AVIRIS and satellite hyperspectral sensor Hyperion. The close relationships between the simulated RES and LCC indicated a high feasibility of estimating LCC with simulated RES from AVIRIS and Hyperion data. This made RES readily applicable to common airborne and satellite hyperspectral data derived from AVIRIS and Hyperion sources, as well as ground-based spectral reflectance data.     

利用红边特征参数监测小麦叶片氮素积累状况

以不同类型小麦品种在氮素差异梯度下连续3 a田间试验为基础,在关键生育时期同步测定冠层光谱反射率、叶片干物质量及氮含量,探索建立小麦叶片氮素状况估算的新型红边参数及监测模型。结果表明,冠层微分光谱在红边区域内随氮素水平提高呈明显规律性变化,而原始光谱反射率的变化却较为复杂。与叶片氮积累量关系密切的常见红边参数间存在差异,其中,以GM2、SR705和FD742表现最突出,线性回归模型拟合精度（R2）分别为0.854、0.848和0.873,估计标准误差（SE）分别为1.136、1.160和1.059。基于红边双峰特征分析,构建新型红边双峰特征参数,其中,红边左偏峰面积LSDr_REPLE对叶片氮积累量方程拟合取得很好效果,决定系数和估计标准误差分别为0.869和1.080。经不同年际独立数据的检验表明,以GM2、SR705和FD742为变量,模型预测平均相对误差（RE）分别为17.6%、17.0%和14.9%,而红边左偏峰面积LSDr_REPLE模型预测误差控制得更好,平均相对误差RE为14.5%。以上表明,红边参数GM2、SR705和FD742可以对小麦叶片氮素状况进行有效监测,而红边左偏峰面积LSDr_REPLE模型预测更为准确可靠。     

基于高光谱参数建立苗期高温条件下草莓叶片叶绿素含量估算模型

以“红颜”草莓（Fragaria×ananassa Duch“Benihope”）为试材,于2021年9−11月在人工气候室进行苗期（9～12片真叶,叶长≥5cm）动态高温环境控制实验,日最高温度以32℃为起点,设置日最高气温/日最低气温分别为32℃/22℃、35℃/25℃、38℃/28℃和41℃/31℃共4个水平,持续时间分别为2d、5d、8d和11d,以28℃/18℃为对照（CK）。试验期间空气相对湿度60%～70%,光周期12h/12h（6：00−18：00）,光照强度800μmolm⁻²s⁻¹。测定不同处理下叶片叶绿素含量及高光谱反射率,对原始光谱进行变换,从而细化光谱特征信息。在相关分析的基础上,建立原始和一阶敏感波段植被指数,进而筛选出表征叶绿素含量的光谱特征参数,以期构建叶绿素含量最佳估算模型。结果表明：（1）随着温度的升高和高温持续时间的延长,草莓叶片叶绿素a、叶绿素b和总叶绿素（a+b）含量呈下降趋势。（2）草莓叶片原始光谱在可见光区域均存在绿峰和红谷,除绿峰和红谷外各处理间差异不明显,高温条件下的近红外区域反射率与CK相比出现不同程度的上升。与原始光谱相比,一阶导数光谱曲线震荡更剧烈,且能够显著突出红边参数特征,各处理的红边位置λ_r稳定在716nm,红边幅值D_r与红边面积S_r差异显著;而在连续统去除光谱中各处理的绿峰（550nm附近）和红谷（675nm附近）被完全突显出来。（3）在光谱反射率与叶绿素含量相关性分析的基础上,选取原始光谱与一阶导数光谱在可见光和近红外波段相关性最强的R₇₄₇、R₈₀₀和R'₇₁₆、R'₉₀₆为敏感波段组合,构建植被指数。（4）PVI、MSAVI、TSAVI、TSAVI'、DVI'、MSAVI'、PVI'、SAVI'、D_r和S_r指数与叶绿素含量相关性达极显著水平,可作为表征设施草莓叶片叶绿素含量对苗期高温胁迫响应的高光谱特征参数。其中以TSAVI、DVI'和PVI'植被指数建立的逐步回归模型为叶绿素含量最佳估算模型,其决定系数（R²）为0.843,均方根误差（RMSE）为0.379,相对误差（RE）为12.65%。     

水稻微分光谱和植被指数的作用探讨

通过两年两个不同品种水稻在不同供氮水平下的田间试验，测定了水稻冠层在生长过程中不同时期的高光谱反射率及对应的叶绿素、类胡萝卜素含量，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、红边斜率与盖度和供氮水平之间有一定的相关性，与叶面积指数、地上生物量及冠层叶绿素、类胡萝卜素含量有显著相关；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、叶面积指数、地上生物量及叶绿素、类胡萝卜素含量之间存在相关性。这表明，用微分光谱技术与植被指数方法来监测水稻的色素含量和长势应该是可行的。