水淹胁迫下枫杨(Pterocarya stenoptera C.DC.)幼苗叶片高光谱特征的研究

测量了3个水淹深度(对照、根部水淹、全淹)条件下枫杨叶片的高光谱反射率、红边参数及对应的叶绿素总含量,对归一化植被指数与叶绿素总含量进行了相关分析.结果表明:①在水淹胁迫下,枫杨叶片的高光谱反射率呈现下降的趋势,且在蓝光波段(400~500 nm)和近红外波段(760~950 nm)表现为极显著差异;②随着水淹程度的加深,枫杨叶片叶绿素含量显著下降(p<0.05);③红边特征的分析显示,随着水淹程度的加深,叶片光谱出现了蓝移的现象,红边斜率呈现下降的趋势;④叶绿素总含量与归一化植被指数(R705/R750)呈正相关,相关系数为0.86(p<0.01).经回归分析,叶绿素总含量与归一化植被指数呈线性关系(R2=0.80,n=42).认为枫杨叶片高光谱特征及归一化植被指数可较好地反映枫杨的叶绿素含量和水淹胁迫的程度.     

基于高光谱的小麦旗叶净光合速率的遥感反演模型的比较研究

植物净光合速率是植物生产的基础,是体现植物生长状况的重要生理指标。本文将小麦旗叶高光谱波段反射率进行一阶导数变换后与净光合速率（Pn）进行相关性分析确定敏感波段,分别采用二次多项式逐步回归（QPSR）、偏最小二乘法（PLSR）、BP神经网络法（BPNN）3种方法构建小麦旗叶的净光合速率反演模型,并对3种模型的预测精度进行比较分析。结果表明：（1）将小麦旗叶的原始光谱进行一阶导数变换后与Pn进行相关性分析确定的敏感谱区集中在750~925 nm之间,确定的6个敏感波段分别是：760、761、767、814、815、889 nm;（2）基于QPSR、PLSR、BPNN3种方法以及敏感波段的反射率一阶导数构建的Pn估测模型预测精度都较高,说明用这3种方法以及敏感波段对Pn的估测是可行的,其中模型估算能力顺序为QPSR > BPNN > PLSR,说明小麦旗叶Pn的最佳高光谱分析模型为小麦叶片750~925 nm反射率一阶导数变化后的QPSR模型。     

基于高光谱的琯溪蜜柚叶片磷素含量估算模型研究

蜜柚叶片磷素(phosphorus,P)含量是准确诊断和定量评价生长状况的重要指标,为快速、无损、精确地估测磷素含量,需要建立蜜柚叶片磷素含量高光谱估算模型。基于蜜柚叶片高光谱数据和磷素含量实测数据,提取原始光谱及一阶微分光谱特征波段和光谱特征变量,构建单变量估算模型、偏最小二乘回归模型和BP神经网络回归模型,并确定蜜柚叶片磷素含量最佳估算模型。在350～1 050 nm波段,原始光谱和一阶微分光谱与叶片磷素含量在可见光范围内有多波段相关性显著,并出现多个极值。原始光谱敏感波长为549和718 nm,一阶微分的敏感波长为528、703和591 nm。在建立的回归模型中,选择决定系数较高的模型进行精度检验,其中BP神经网络模型的拟合R²(0.775 9)最大,偏最小二乘估算模型的拟合R²(0.749 9)次之。综合建模精度和模型检验精度,确定BP神经网络模型为蜜柚叶片磷含量的最佳估算模型,建模和验证的R²分别为0.71和0.775 9;其次为偏最小二乘估算模型,建模和验证的R²分别为0.64和0.74...     

基于高光谱数据的杨树叶片干物质含量的估算

将杨树叶片实测的理化数据和土壤背景光谱数据作为PROSPECT和PROSAIL模型的输入参数,输出杨树叶片高光谱数据模拟值,通过实测获得叶片尺度和冠层尺度干物质含量、等效水厚度以及高光谱数据,利用统计方法,分别对两种尺度杨树叶片干物质含量进行分析。结果表明:基于归一化指数计算方法,杨树叶片尺度和冠层尺度的最佳估算干物质含量的干物质含量归一化指数(NDMI)波段组合分别为1685,1704nm和1551,2143nm,使用偏最小二乘法分别对筛选波段组成的NDMI(1685,1704)指数和NDMI(1551,2143)指数构建叶片尺度干物质含量和冠层尺度干物质含量的估算模型,叶片尺度干物质含量估算模型精度为R2=0.663,RMSE=0.001g·cm-2,冠层尺度精度为R2=0.91,RMSE=16.7g·m-2。可见,高光谱技术对杨树叶片干物质含量的估算具有较高的精度,可为杨树叶片干物质含量的快速、无损估算提供参考依据。     

基于成像高光谱的小麦叶片叶绿素含量估测模型研究

为了探索小麦叶片的光谱特征和敏感波段,建立小麦叶绿素含量与光谱特征参量间的定量关系模型,以促进高光谱技术在小麦精准施肥以及快速、无损长势监测中的应用。采用相关分析法分析了叶绿素含量与光谱反射率及其一阶导数的关系,建立了叶绿素含量监测模型。经筛选验证确定小麦叶绿素含量的最佳估测模型为SPAD=36.75+188.168R387和SPAD=2 094.242R'7153+112 646.744R'7152-1.561E7R'715+42.991。这2个模型均可较好地估测小麦叶片的SPAD值,相比较而言,基于波段R387建立的SPAD估测模型精确度更高。     

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。     

土壤水溶性盐基离子的高光谱反演模型及验证

土壤水溶性盐基离子是诊断土壤盐渍化类型与盐渍化程度的重要依据,利用光谱技术快速获取土壤水溶性盐基离子含量数据,可为土壤盐渍化类型与盐渍化程度的诊断提供新的技术和手段。该研究通过采集新疆5个不同地区399个土样的反射率与水溶性盐基离子数据并进行31种光谱预处理方法,分析了不同水溶性盐基离子(HCO3-、Cl-、SO42-、K+、Na+、Ca2+、Mg2+)与高光谱反射率之间的相关性;采用K-S(Kennard-Stone)方法挑选出299个样品,针对每种离子使用偏最小二乘回归(partial least squares regression,PLSR)分别建立32个高光谱定量反演模型,优选最佳反演模型,并单独使用100个样品对估测模型进行检验。结果表明:不同离子的最佳反演模型所使用的预处理方法存在差异,其中仅有Cl-和Ca2+、SO42-和Mg2+所使用的预处理方法相同,其他离子则不同;不同离子的反演精度也不同,HCO3-和Ca2+构建的模型相对分析误差(relative percent deviation,RPD)分别为2.67、2.57,模型具有很好的预测能力。Cl-、SO42-和Mg2+所构建的模型RPD分别为2.05、2.10和2.14,表明这三者建立的模型具有较好的预测能力。K+建立的模型RPD仅为1.11,不能对样品进行预测。Na+构建的模型RPD为1.83,表明该离子所建模型只能对样品进行粗略估测。研究结果为探究水溶性盐基离子的高光谱反演增添了新的内容,为土壤盐渍化监测的深入和推进提供了新的思路和方法。     

烤烟成熟鲜烟叶生化组分高光谱估算方法筛选

为实现实时无损快速预测鲜烟叶的品质生化组分、筛选估算生化组分最佳的方法,使用ASD Fieldspec FR2500对烤烟成熟鲜烟叶进行了反射率、透射率光谱测定和常规生化组分分析。对可见近红外波段(350～1650 nm)单波段光谱和选用已有100种光谱指数共两类光谱参量进行了与生化组分之间线性函数、幂函数、指数函数共3种形式相关分析和基于决定系数的筛选。结果表明,对于叶绿素a、叶绿素b、类胡萝卜素、钾估算方法分别是Gitelson and Merzlyak2(GM₂) (R²=0.81)、光化学指数2(PRI₂) (R²=0.80)、Gitelson and Merzlyak2(GM₂) (R²=0.83)、1420 nm吸收峰开始位置(λs₁₄₂₀) (R²=0.67)的线性拟合最优。对于总糖、比叶重、氮、烟碱最优方法分别是在532 nm反射率一阶微分线性拟合(R²=0.54)、在1423 nm透射率线性拟合(R²=0.45)、在666 nm反射率倒数对数一阶微分的幂函数拟合(R²=0.44),在1135 nm反射率倒数对数二阶微分的线性拟合(R²=0.20)。通过筛选的光谱方法可以评估烟叶的品质状况。     

油茶籽脂肪酸成分含量与高光谱反射率的相关性

测定来自不同产地的30个油茶籽样品的油酸、亚油酸、棕榈酸含量和高光谱反射率,分析油茶籽高光谱反射率与脂肪酸含量间的相关关系。结果显示,与油茶籽脂肪酸成分含量相关性比较好的高光谱波段主要分布在400~500、600~630 nm以及900 nm左右,且敏感波段区高光谱反射率与脂肪酸成分含量的相关系数均在0. 4 以上。     

基于高光谱的抽穗期寒地水稻叶片氮素预测模型

为快速、无损地监测水稻叶片氮素营养状况,开展了基于高光谱成像技术的抽穗期寒地水稻叶片氮素预测模型的研究。以不同施氮水平的寒地水稻叶片为研究对象,采用连续投影算法(successive projections algorithm,SPA)和分段主成分分析(segmented principal components analysis,SPCA)方法选择水稻叶片的高光谱特征波段,SPCA方法降维后结合相关分析(correlation analysis,CA)构建特征光谱参量,并建立基于全波段高光谱数据、SPA特征波段及SPCA特征光谱参量的多种回归分析模型且对模型进行检验和筛选。研究结果表明:在校正集决定系数RC2上,基于多元逐步回归分析(multiple stepwise regression analysis,MSRA)的全波段模型较好,RC2=0.9 6 4,校正集均方根误差RMSEC=0.083;RP2为0.961,RMSEP为0.050。该研究结果为快速检测水稻叶片氮素含量及水稻生长期间精确施肥管理提供了技术支撑和理论依据。