基于无人机高光谱影像的引黄灌区水稻叶片全氮含量估测

实时监测水稻氮素状况对于评估水稻长势及精准田间管理意义重大。为确定宁夏引黄灌区水稻叶片全氮含量的最优高光谱估测方法,该文依托不同氮素水平水稻试验,基于成像高光谱数据和无人机高光谱影像,综合运用统计分析及遥感参数成图技术,对比分析光谱指数与偏最小二乘回归方法预测水稻叶片全氮含量的精确度和稳健性。结果表明,以组合波段738和522 nm光谱反射率的一阶导数构成的比值光谱指数(ratio spectral index,RSI)构建的线性模型为水稻叶片全氮含量的最优估测模型(检验R2为0.673,均方根误差为0.329,相对分析误差为2.02);无人机高光谱影像反演的水稻叶片全氮含量分布范围(1.28%~2.56%)与地面实际情况较相符(1.34%~2.49%)。研究结果可为区域尺度水稻氮素含量的空间反演及精准农业的高效实施提供科学和技术依据。     

棉花地上鲜生物量的高光谱估算模型研究

通过测试棉花6个生育时期350～2500 nm波段的冠层高光谱数据,采用连续统去除和波段深度归一化的分析方法,计算出棉花反射光谱550～750 nm波段深度参数(Dc);同时,将冠层反射光谱数据与棉花鲜生物量进行逐步回归分析,确定了近红外波段763 nm及红光波段670 nm是棉花鲜生物量的2个敏感波段,并组成了高光谱归一化植被指数(NDVI)和比值植被指数(RVI);基于Dc参数和NDVI、RVI植被指数,建立了棉花地上鲜生物量的5种单变量线性与非线性函数模型,分析表明,RVI的指数函数模型反演的棉花地上鲜生物量的估计值与实测值的相关系数最大(R=0.7289^**,RMSE=0.8776);5种函数模型方程,经检验均达到1%的极显著水平,其中,以指数函数、幂函数和双曲线函数构建的棉花鲜生物量估算模型精度相对较高;该研究采用高光谱植被参数和指数,实时、无损、动态、定量提取了棉花地上鲜生物量,为分析、模拟、评价、预测棉花群体大小,设计理想棉花群体及棉花高光谱遥感估产提供了科学的依据。     

基于机器学习的粳稻叶片叶绿素含量高光谱反演建模

叶绿素含量是表征粳稻生长状态的重要指标,高光谱遥感技术能够无损、快速的获取粳稻叶片叶绿素含量。本研究利用2015—2017年沈阳农业大学辽中水稻实验站粳稻叶片高光谱数据,并利用主成分分析法(PCA)、典型相关分析法(CCA)、核典型关联分析法(KCCA)3种方法对粳稻叶片高光谱信息降维,选出较优光谱参数作为叶绿素含量反演模型的输入变量。采用支持向量机回归(SVR)、神经网络(NN)、随机森林(RF)、偏最小二乘法(PLSR)四种机器学习算法建立粳稻叶片叶绿素含量反演模型。结果表明,KCCA降维方法对粳稻叶片高光谱降维效果要优于PCA和CCA两种方法。采用KCCA-SVR方法建立的粳稻叶片叶绿素含量反演模型的模型决定系数R²=0.801,RMSE=1.610,建立的粳稻叶绿素含量反演模型精度最高。该模型良好的预测能力为粳稻叶片叶绿素含量反演研究和养分诊断提供了数据支撑和模型参考。     

采用SEPLS_ELM模型估算夏玉米地上部生物量和叶面积指数

利用高光谱数据进行作物生长状况监测具有无损和高效的特点,是现代精准农业发展的必要手段。该研究以连续3 a（2018-2020）不同水氮供应下夏玉米营养生长期采集的212份植物样品（地上部生物量和叶面积指数）和高光谱实测数据为数据源,分别采用偏最小二乘回归（Partial Least Squares Regression,PLS）、极限学习机（Extreme Learning Machine,ELM）、随机森林（Random Forest,RF）和基于PLS叠加策略的叠加极限学习机算法（Stacked Ensemble Extreme Learning Machine based on the PLS,SEPLS_ELM）构建了夏玉米营养生长期地上部生物量和叶面积指数估算模型。结果表明：基于PLS和ELM构建的夏玉米地上部生物量和叶面积指数估算模型的精度均较低,前者验证集R2低于0.85、均方根误差高于550 kg/hm2,后者R2低于0.90、均方根误差高于0.40 cm2/cm2。相比之下,基于RF和SEPLS_ELM构建的夏玉米营养生长期地上部生物量和叶面积指数估算模型均有着较高的估算精度,SEPLS_ELM模型表现尤为突出,其地上部生物量和叶面积指数估算模型验证集的R2分别为0.955和0.969,均方根误差分别为307.3 kg/hm2和0.24 cm2/cm2,表明叠加集成模型能够充分利用高光谱数据并提高作物地上部生物量和叶面积指数估算精度。     

煤炭矿区耕地土壤有机质无人机高光谱遥感估测

为监测煤炭矿区不同沉陷阶段耕地土壤质量状况,实现矿区土地复垦和耕地质量保护,以山西省长治王庄煤矿周边3种处于不同沉陷阶段的耕地为例,使用无人机搭载高光谱相机进行影像获取,并在研究区内进行土壤样品采集及室内光谱测定。通过对光谱反射率进行倒数、一阶微分、二阶微分、多元散射校正4种不同形式的变换,分析转换后的光谱反射率和实测有机质含量的相关性,筛选出相关系数较高的敏感波段。利用多元线性回归（Multiple Linear Regression,MLR）、偏最小二乘回归（Partial Least Squares Regression,PLSR）和BP神经网络（BP Neural Network,BPNN）3种模型对有机质含量建立预测模型,并对模型预测结果进行精度评价,选用较优模型代入无人机高光谱影像进行有机质含量填图,得到耕地范围内的土壤有机质分布情况,并对处于不同沉陷阶段的耕地土壤有机质空间分布差异及其驱动因子进行分析讨论。结果表明：1）采煤沉陷区耕地土壤有机质含量与经过多元散射校正变换的光谱曲线相关性最高,敏感波段为463.75～492.45 nm,870.79～932.58 nm处,最大相关系数为0.63。2）经过多元散射校正处理的光谱曲线运用偏最小二乘回归模型和BP神经网络模型预测有机质含量精度要明显高于多元线性回归模型,预测精度分别达到0.863和0.884,可以用于有机质含量的估测。3）采煤沉陷区耕地土壤有机质分布情况表现为煤炭开采未扰动区耕地土壤有机质分布较为均一,均值为26.94 g/kg,总体上处于中上等水平;煤炭开采扰动稳沉区耕地土壤有机质高低值分化明显,整体分布呈现较大空间分异性;煤炭开采扰动区介于二者之间。矿区有机质含量大小关系为煤炭开采未扰动区耕地>煤炭开采扰动区耕地>煤炭开采扰动稳沉区耕地。     

基于连续统去除法的枸杞叶片含水率高光谱估算

为探讨连续统去除法估算枸杞叶片含水率的潜力,以宁夏枸杞主栽品种宁杞7号为研究对象,采用自然失水法和烘干法测定枸杞叶片含水率,采用连续统去除法对原始光谱反射率进行处理,分析连续统去除光谱对含水率的响应特征,分析连续统去除光谱、吸收特征参数与叶片含水率的相关性,并建立枸杞叶片含水率估算模型.研究表明:连续统去除光谱能放大吸...     

基于冠层高光谱遥感对加工番茄产量的估算模型

[目的]对加工番茄的产量进行遥感估测。[方法]以ASD FieldSpec光谱仪实测大田中不同生育期加工番茄的冠层高光谱及其产量,采用单时相线性逐步回归和复合回归,首次建立了加工番茄高光谱与产量的估算模型。[结果]在坐果期光谱参量与产量相关性最大,而其他时期的光谱参量与产量相关性均达到了显著水平(P<0.05);多时相复合回归模型以4个生育期与产量的复合回归最为理想。[结论]利用高光谱遥感来监测加工番茄的生长状况,可以最终对加工番茄的产量进行遥感估测。     

毛竹林HJ-1HIS专题信息的响应与识别

受目标地物分布地形影响和高光谱的可达10-2λ的光谱敏感性响应等因素影响,高光谱影像中存在严重的信息重叠现象,增加地物的识别难度。通过分析毛竹林与马尾松、杉木、硬阔、经济林等主要森林类型在HJ-1 HIS影像中的光谱相似性、可分性,确定出可适用于毛竹信息提取的高光谱波段,并比对毛竹专题信息提取精度。结果表明,毛竹与马尾松、杉木、硬阔、经济林4种森林类型的原始光谱曲线规律基本一致,光谱差异较小;光谱变换后,在波长753~765 nm和908~917 nm处,各森林类型间光谱差异明显,毛竹与其他森林类型在第1、2、5、9、10、45、59、60、61、109、110、111、112、113、114、115等波段具有较好的可分性,这些波段可用于毛竹专题信息的提取,所选特征波段组合的图像较原始图像的分类总精度提高12.61%,提取竹林面积共计34 117 hm~2。     

基于包络线消除法的油菜氮素营养高光谱评价

该文将广泛应用于岩矿高光谱分析中的包络线消除法借用至鲜叶片的光谱分析及作物氮素营养状况评价。利用油菜主要生育期的不同氮处理下鲜叶片反射光谱及全氮含量数据,对鲜叶片可见光波段反射光谱进行包络线消除处理,以及吸收特征与叶片全氮含量的统计分析。结果表明:在可见光区域,叶片反射率随着施氮量的增加而减小,包络线消除处理扩大了原始反射光谱中由氮素胁迫引起的吸收特征微小变化。在油菜的苗期、现蕾期至开花始期三个生育期中,550～750 nm波段的红光吸收峰总面积、吸收峰左面积和吸收峰右面积均随着施氮量的增加而增大,面积归一化最大吸收深度均随着施氮量的增加而减小。相关分析表明,苗期叶片全氮含量与吸收特征参量相关性最为密切。进一步基于各光谱吸收特征参数建立了油菜氮素营养的评价模型,这些评价模型除现蕾期外,其他均达到了1%的极显著性水平。研究表明,利用包络线消除法为定性和定量评价油菜氮素营养是可行的,苗期是利用光谱吸收特征来定量评价油菜氮素营养的最佳生育期。     

基于小波变换与LS-SVR 的柑橘叶片磷含量高光谱监测模型

快捷、准确、无损地监测柑橘磷(P)含量,对柑橘树磷肥的精准喷施及动态管理有重大意义。高光谱技术的快速发展使柑橘磷含量的快速无损监测成为可能。以117株园栽萝岗橙为试验对象,分别在壮果促梢期和采果期两个不同发育阶段采集234个样本数据,高光谱反射数据构成描述样本的多元矢量,硫酸-双氧水消煮-钼锑抗比色法测得的磷含量值作为样本标签值。在对高光谱反射数据小波去噪的基础上,用LS-SVR算法建立柑橘叶片磷含量监测模型。模型分别在验证集和校正集上进行评估,分别取得模型决定系数0.907和0.953,均方误差0.004和0.002,平均相对误差2.76%和1.77%。结果表明:用高光谱技术进行柑橘叶片磷含量监测是可行的。