基于小波变换的毛竹叶片净光合速率高光谱遥感反演

在对毛竹林叶片高光谱反射率数据进行小波变换的基础上,寻找和确定最佳的小波植被指数反演毛竹林叶片的净光合速率(P_n).结果表明:理想的高频小波植被指数反演得到的P_n精度高于低频小波植被指数和光谱植被指数,其中,由小波分解第一层高频系数构建的归一化植被指数、比值植被指数和差值植被指数与P_n之间的相关性最好,R~2为0.7,均方根误差(RMSE)较低,为0.33;而低频小波植被指数反演P_n的精度低于光谱植被指数.由各层理想小波植被指数所构建的多元线性模型反演得到毛竹叶片P_n与实测P_n之间具有显著的相关关系,R~2为0.77,RMSE为0.29,且精度明显高于基于光谱植被指数所构建的多元线性模型.与光谱植被指数反演毛竹P_n的敏感波段仅局限于可见光波段相比,小波植被指数探测的敏感波长范围更广,包含了可见光及多个红外波段.高光谱数据在经过小波变换后能够发现更多反映毛竹P_n的细节信息,且整体反演精度比原始光谱有了显著提高,研究结果为基于高光谱遥感反演植被P_n提供了一种新的可选方法.     

基于冠层反射光谱的棉花叶片氮含量估测

通过分析不同施氮水平下棉花叶片氮含量与冠层多光谱反射率及其衍生的比值、归一化及差值植被指数之间的关系,确立了棉花叶片氮含量的敏感波段及预测方程.结果表明:由红谷区域(610、660、680和710nm4个波段)和近红外区域(760、810、870、950、1100和1220nm6个波段)组成的植被指数与棉花叶片氮含量的相关性较好,比值植被指数RVI(950,710)对叶片氮含量的预测性最好.利用独立的棉花田间试验资料对基于RVI(950,710)的预测方程进行检验,该模型适用于不同棉花品种及不同生育期棉花叶片氮含量预测.     

水稻冠层高光谱特征变量与叶片叶绿素含量的相关性研究

为了探讨水稻冠层光谱对叶片叶绿素含量的响应规律,以双季早稻为材料,设置不同施氮量处理的田间试验,测定水稻冠层光谱和叶片叶绿素含量,计算基于冠层反射光谱的特征变量,研究水稻冠层高光谱特征变量与叶片叶绿素含量之间的关系。结果表明:施用氮肥对反射光谱有明显的影响,在可见光范围内,不施氮处理的反射率高于施氮处理,尤其在波长550 nm左右的绿峰处显著增加,在近红外区反射率随施氮量的增加而增加;与叶绿素含量相关性较好的光谱位置参数是红边位置和红谷反射率,随着叶绿素含量的增加,红谷反射率降低,红边位置向长波方向移动;比值植被指数R800/R550、R750/R553和R990/R553,以及色素比值指数PSSRa、PSSRb与chla、chlb、chl(a+b)呈极显著正相关,可以作为水稻冠层叶片叶绿素监测的特征变量。     

基于Sentinel-2A影像干旱区棉花叶片SPAD数字制图

植被叶片叶绿素是农业遥感反演的重要参数,叶绿素含量的变化与植被生长环境的胁迫程度、生理变化密切相关,故将植被叶绿素进行实时、动态监测对农业生产极为重要。然而,传统经验模型及叶绿素精准测量存在困难。基于高分辨率的Sentinel-2A数据,在机器学习框架下,利用光谱信息、最适光谱指数和基于PROSAIL辐射传输模型的生物协变量构建3种建模方案（方案1：光谱信息和最适光谱指数联合,方案2：光谱信息和物理模型生物协变量联合,方案3：光谱信息、最适光谱指数和物理模型生物协变量联合）。最终基于优选出的建模方案进行棉花叶片叶绿素相对含量的空间数字制图。结果表明：（1）红边波段参与的最适光谱指数比值植被指数（RVI）与棉花叶片SPAD值相关性最高r=0.767,P^**=0.195;（2）将构建的17个变量进行重要性分析可知,构建的最适光谱指数比值植被指数（RVI）与物理模型生物协变量LAI-Cab对估算模型的精度贡献率较大;（3）建模方案构建植被指数时红边波段被确定为最优波段,在增加精度方面起到决定性作用;通过模型评价标准来分析3种方案可知,预测精度大小顺序为模型方案3 > 模型方案1 > 模型方案2,其中方案3的决定系数R²最高为0.826,即估算模型方案3对棉花叶片SPAD值具有最好的预测能力,可以为干旱区农作物的生理参数反演提供新的思路,为农业安全监测,合理水肥配置提供科学数据支持。     

高光谱植被指数与水稻叶面积指数的定量关系

基于不同水稻品种、施氮水平和不同生育期下的大田试验,确立了水稻叶面积指数（LAI）与冠层光谱特征参数的定量关系.结果表明：水稻叶面积指数与部分高光谱植被指数存在良好的相关性,其中原始光谱组成的2波段差值指数（DI）形式相关性最好,其次为比值（RI）和归一化（NI）植被指数.相关最好的原始光谱植被指数是由近红外波段组成的差值指数DI(854,760),相关最好的一阶导数光谱植被指数是红光和近红外光组成的导数差值指数DI(D₆₇₆, D₇₇₈),但总体上导数光谱指数不如原始光谱指数与LAI关系密切.独立试验数据检验结果表明,以差值指数DI(854,760)为变量建立的水稻LAI监测模型具有较好的表现,可用于水稻LAI的估测.     

不同水氮条件下水稻冠层反射光谱与植株含水率的定量关系

研究了不同土壤水氮条件下水稻 (Oryzasativa) 冠层光谱反射特征和植株水分状况的量化关系。结果表明, 水稻冠层近红外光谱反射率随土壤含水量的降低而降低, 短波红外光谱反射率随土壤含水量的降低而升高。相同土壤水分条件下, 高氮水稻的冠层含水率高于低氮水稻的冠层含水率 ;同一水分条件下, 高氮处理的可见光区和短波红外波段光谱反射率低于低氮处理, 近红外波段光谱反射率高于低氮处理。发现拔节后比值植被指数 (R810 /R460 ) 与水稻叶片含水率和植株含水率呈极显著的线性相关, 模型的检验误差 (RootmeansquareError, RMSE) 分别为 0.93和 1.5 0。表明比值植被指数R810 /R460 可以较好地监测不同生育期水稻叶片和植株含水率。     

棉花冠层高光谱参数与叶片氮含量的定量关系

建立棉花(Gossypium hirsutum)氮素状况的光谱监测技术对于棉花营养诊断和长势估测具有重要意义。该研究利用冠层高光谱反射率及演变的多种高光谱参数,分析了不同施氮水平下不同棉花品种叶片氮含量与冠层反射光谱的定量关系,建立了棉花叶片氮含量的敏感光谱参数及预测方程。结果显示,棉花叶片氮含量和冠层高光谱反射率随不同施氮水平呈显著变化。棉花叶片氮含量的敏感光谱波段为600~700 nm的可见光波段和750~900 nm的近红外波段,且叶片氮含量与比值植被指数RVI [average (760~850), 700]有密切的定量关系,4个品种的平均决定系数在0.70左右。进一步分析表明,可以用统一的回归方程来描述不同品种、不同生育时期和不同氮素水平下棉花叶片氮含量随反射光谱参数的变化模式,从而为棉花氮素营养的监测诊断与精确施肥提供技术依据。     

利用PROSPECT+SAIL模型反演植物生化参数的植被指数优化模拟

分析3个植被生化参数(叶绿素含量、叶片含水量和叶面积指数)对冠层光谱反射率变化的敏感程度以及影响波段区间,选择3个植被指数作为代价函数的优化比较对象,然后运用微粒群算法和PROSPECT+SAIL模型分别反演叶绿素含量、叶片含水量和叶面积指数,结果表明:基于植被指数作为优化比较对象的模型反演效率较全波段方法有所提高;叶绿素含量、叶片含水量和叶面积指数反演值与实测值的复相关系数分别为90.8％、95.7％和99.7％,均方根误差分别为4.73μg·cm-2、0.001 g·cm-2和0.08.采用植被指数作为优化比较对象可有效地提高基于PROSPECT+SAIL模型反演植被生化参数的精度和效率.     

基于最佳波段判别的湿地植物叶片全氮反演研究

利用高光谱遥感技术定量估测湿地植被叶片全氮含量,对于监测和诊断湿地植被的生理状况及生长趋势具有重要意义。但叶片氮素遥感诊断研究多存在反演模型过拟合、入选波段与生化参量间因果关系不明确和入选变量间"多重共线性"等局限。以芦苇(Phragmites australis)和香蒲(Typha angustifolia)叶片全氮含量作为研究对象,通过谱带分区,分区最佳波段选取和偏最小二乘回归相结合的方法构建芦苇和香蒲叶片全氮含量反演模型,并利用交叉验证决定系数(R2cv)和均方根误差(RMSEcv)对模型精度进行检验,尝试克服传统反演方法中的不足。结果表明,不同湿地植物类型相比,利用芦苇反射光谱建立的预测模型精度都高于香蒲。不同回归模型相比,一阶导数光谱-偏最小二乘回归模型(FDS-PLSR)精度远高于原始光谱-偏最小二乘回归模型(OS-PLSR)。芦苇最佳模型交叉验证决定系数(R2cv)达到了0.84,方根误差(RMSEcv)为0.10,香蒲最佳模型交叉验证的决定系数(R2cv)达到了0.66,方根误差(RMSEcv)为0.13,是构建湿地植物芦苇和香蒲光谱与叶片全氮含量关系的最佳模型。在不降低湿地植物叶片氮含量反演精度的基础上,有效地避免了传统地物高光谱模型反演中的局限性,是无损害遥感探测方面的有益尝试。     

干旱胁迫下雷竹叶片叶绿素的高光谱响应特征及含量估算

植物叶片的反射光谱特征与叶绿素含量密切相关。以重要的笋用竹种雷竹(Phyllostachys violascens)为研究对象,采用盆栽及控水试验方法研究了2年生雷竹在干旱胁迫条件下冠层叶片反射光谱的响应特征,分析了叶片叶绿素含量与不同波段光谱反射率一阶微分值以及光谱特征参数之间的相关关系,并以雷竹叶绿素含量敏感波段及构建的植被指数与叶绿素含量进行了拟合。结果表明,重度缺水处理后雷竹叶片叶绿素含量显著降低,在可见光区叶片光谱反射率随叶绿素含量的降低而增加,以波长493、639、693、756 nm等处的光谱反射率一阶微分值与叶绿素含量的相关性较高。雷竹叶片叶绿素含量与光谱特征参数如绿峰反射率、红谷反射率、蓝边面积、绿峰面积之间的相关性较高。与已有的植被指数相比基于雷竹叶绿素含量敏感波段修正后的植被指数与叶绿素含量相关性优于原植被指数。基于反射率一阶微分值构建的多元回归方程以及修正的绿色归一化植被指数(m GNDVI)构建的回归方程拟合效果较好,为雷竹叶绿素含量的较优估算方程。研究结果可以为雷竹叶绿素含量的快速无损测定以及季节性干旱条件下雷竹林的科学经营及灾后评估提供依据。     

稻麦叶片氮积累量与冠层反射光谱的定量关系

作物氮素积累动态是评价作物群体长势及估测产量和品质的重要指标,对于作物氮素的实时监测和精确管理具有重要意义。该文以5个小麦(Triticum aestivum)品种和3个水稻(Oryza sativa)品种在不同施氮水平下的3年田间试验为基础,综合研究了稻麦叶片氮积累量与冠层反射光谱的定量关系。结果表明,不同试验中拔节后叶片氮积累量均随施氮水平呈上升趋势;稻麦冠层光谱反射率在不同施氮水平下存在明显差异,可见光区(460~710 nm)反射率一般随施氮水平的增加逐渐降低,近红外波段(760~1 220 nm)反射率却随施氮水平的增加逐渐升高;就单波段而言,810和870 nm处的冠层光谱反射率均与稻麦叶片氮积累量具有相对较高的相关性;在光谱参数中,比值植被指数(Ratio vegetation index, RVI)(870,660)和RVI(810,660)均与稻麦叶片氮积累量具有高度的相关性,且相关系数明显高于单波段反射率,尤其是水稻作物;对于小麦和水稻,均可以利用统一的波段和光谱指数来监测其叶片氮积累量,并可以采用统一的回归方程来描述其叶片氮积累量随单波段反射率和反射光谱参数的变化模式,但若采用单独的回归系数则可以提高稻麦叶片氮积累量估测的准确性。     

于星载通道光谱指数与小麦冠层叶片氮素营养指标的定量关系

利用空间遥感信息大面积监测小麦冠层氮素营养状况和生产力指标具有重要意义和应用前景.本研究基于不同施氮水平下小麦冠层反射光谱信息,利用响应函数模拟基于不同卫星通道构建的光谱指数(包括单波段、比值光谱指数和归一化光谱指数),分析基于星载通道的光谱指数与小麦冠层叶片氮素营养指标的定量关系,确定监测小麦冠层叶片氮素营养的较好卫星传感器和光谱波段,建立小麦冠层氮素营养指标监测方程.结果表明：利用NDVI(MSS₇, MSS₅)、NDVI(RBV₃, RBV₂)、TM₄、CH₂、MODIS₁和MODIS₂遥感数据可以预估小麦叶片氮含量(LNC),其决定系数（R₂）在0.60以上;应用NDVI(PB₄, PB₂)、NDVI(CH₂, CH₁)、NDVI(MSS₇, MSS₅)、RVI(MSS₇, MSS₅)、MODIS₁和MODIS₂可以预测小麦叶片氮积累量(LNA),其R₂大于0.86.比较而言,NDVI(MSS₇, MSS₅)和NDVI(PB₄, PB₂)分别为预测小麦LNC和LNA的适宜星载通道光谱参数.     

小麦叶面积指数与冠层反射光谱的定量关系

在分析不同氮素水平下小麦叶面积指数（LAI）和冠层光谱反射率随生育期变化模式的基础上,确立了LAI与冠层光谱反射率及光谱参数的相关关系,提出了小麦LAI的敏感光谱参数及预测方程.结果表明,小麦LAI和近红外短波段（760～1 220 nm）反射率都随施氮量的增加呈上升趋势,可见光波段反射率则相反;从拔节期到成熟期,LAI和近红外短波段反射率均表现为先上升后下降的趋势,而可见光波段（460～710 nm）反射率随生育期的推进先降低后升高,以孕穗期反射率最低,近红外长波段区域（1 480～1 650 nm）反射率的变化与可见光部分相同.LAI与可见光波段反射率呈负相关,与近红外短波段反射率呈极显著正相关,其中以810 nm相关性最好.可以选择RVI(810,510)和DVI(810,560)作为反演小麦LAI的光谱参数.另外,在证明垂直植被指数PVI和转换型土壤调整指数TSAVI对LAI预测能力的同时,发现利用RVI(810,510)、DVI(810,560)和PVI 3个植被指数共同推算小麦LAI的准确度更高.     

一种估测小麦冠层氮含量的新高光谱指数

提出了一种估测小麦冠层氮含量的新高光谱指数--微分归一化氮指数(FD-NDNI)。以FieldSpec Pro FR地物光谱仪采集拔节后至孕穗前小麦的冠层光谱190份,随机抽取142份作为训练集,其余48份作为预测集。将光谱以小波阈值去噪法去噪后,利用其525、570 与730 nm处的一阶导数值,采用差值、比值以及归一化的方法构建了12种光谱指数以实现小麦冠层氮含量的估测,并与mNDVI705、mSR以及NDVI705等22种常用指数进行了比较分析。发现指数FD-NDNI对小麦冠层氮含量的估测结果最佳,其估测模型(指数形式)校正集决定系数(C-R²)与预测集决定系数(P-R²)分别达0.818与0.811,优于mNDVI705等常用指数。进一步分析表明,在各指数中,FD-NDNI对叶面积系数最不敏感,可最有效地避免冠层郁闭度等因素对氮含量估测的影响。为优化结果,采用最小二乘支持向量回归算法(LS-SVR)对模型进行了改进,当模型惩罚系数C与RBF核函数参数g取得最优解6.4与1.6时,其C-R²与P-R²分别提高至0.846与0.838,具有比指数模型更高的精度。结果表明:FD-NDNI是小麦冠层氮含量估测的优选指数,LS-SVR为建模的优选算法。     

Efficacy of different indices derived from spectral reflectance of wheat for nitrogen stress detection

Abstract

The productivity of cereal crops is mainly related to their nitrogen status. It is hypothesized that the spectral reflectance data could be used to predict wheat nitrogen status with spectral indices and that their performance depends on the nature of the interaction of the solar radiation with the crop canopy. A wheat crop was raised with 12 levels of nitrogen treatments: 0, 15, 30, 40, 50, 60, 70, 80, 90, 100, 110, and 120 kg ha^?1, with uniform phosphorous and potassium nutrition and uniform water and management practice. The spectral reflectance measurements of the crop canopy were taken at 5 nm intervals, throughout the crop growth period. Different spectral indices, both broadband (ratio as well as orthogonal) and hyperspectral indices were computed throughout the growing season. Canopy Colour Difference (ΔE), an index developed from the entire visible region and hence broader than the spectral indices developed hitherto, was also estimated from the reflectance data. Simple linear relationships developed between spectral indices versus applied nitrogen levels as well as the plant nitrogen content revealed that the hyperspectral indices are less sensitive in comparison to broadband indices. The result was reinforced by a higher correlation between the colour difference, NDVI and Greenness Index with plant nitrogen level/content, as opposed to hyperspectral indices.     

基于无人机高清数码影像和高光谱遥感数据反演大豆典型生育期氮平衡指数

氮平衡指数(NBI)是反映作物长势的重要指标之一.通过测量NBI可以快速监测作物氮肥盈亏状况,为农业生产和管理提供精准信息.本文以无人机高清数码影像和高光谱遥感数据,以及地面实测大豆NBI数据为基础,分析大豆从开花期到成熟期,原始光谱和红外、近红外波段的导数光谱与NBI的相关性,筛选敏感波段并计算植被指数.采用经验模型法构建NBI反演模型,通过分析验证模型的决定系数(R^2)和均方根误差(RMSE),得出最佳反演模型.结果表明:大豆NBI与导数光谱反射率的相关性好于与原始光谱反射率的相关性;本文筛选的14个植被指数中,除了导数光谱光化学植被指数与大豆NBI呈不显著相关外,其余13个植被指数与大豆NBI呈极显著相关;利用13个植被指数构建NBI反演模型,并分析模型反演精度,结果显示,利用导数光谱差值植被指数构建NBI反演模型的精度最高,R^2和RMSE分别为0.771和3.077,利用该模型生成大豆典型生育期NBI分布图,能够反映大豆的长势状况.通过多载荷无人机获取的高清数码影像和高光谱遥感数据进行NBI估算,能够实时、动态、非破坏性、快速有效地监测大豆氮素营养状况,可为大豆氮肥精确管理提供简便实用的方法.     

光谱植被指数与水稻叶面积指数相关性的研究

 综合分析比较了几种常见光谱植被指数与水稻（Oryza sativa）叶面积指数的相关性及其预测力。结果表明,植被指数的预测力在水稻营养生长旺盛期间最好。植被指数的预测力主要依赖于叶面积指数(LAI)的整体变化范围。因此,综合不同生育时期和氮肥处理的试验资料,光谱植被指数能准确地预测LAI的变化。LAI与各植被指数均呈曲线相关,与比值植被指数(RVI)、再归一化植被指数(RDVI)和R810/R560显著幂相关,与归一化植被指数(NDVI)、垂直植被指数(PVI)、差值植被指数(DVI)、土壤调整植被指数(SAVI)和转换型土壤调整指数(TSAVI)显著指数相关。其中,近红外与绿光波段的比值R810/R560的预测力最佳。用不同移栽秧龄、不同密度、不同水分和氮肥处理的数据对R810/R560的表现进行了检验,结果表明估算精度平均为91.22%,估计的均方差根(RMSE)平均为0.480　5,平均相对误差为-0.013。表明宽波段光谱植被指数可以准确地用来监测水稻叶面积指数。     

基于高光谱遥感的小麦冠层叶片色素密度监测

作物叶片色素状况是评价植株光合效率和营养胁迫的重要指标,冠层叶片色素密度（单位土地面积叶片色素总量）的实时无损监测对作物生长诊断、产量估算及氮素管理具有重要意义。以包括不同品质类型（高蛋白、中蛋白和低蛋白）的多个小麦品种在不同施氮水平下的连续2a大田试验为基础,研究了小麦叶片色素密度与冠层高光谱参数的定量关系。结果表明,叶片色素（叶绿素a、叶绿素b、叶绿素a＋b和类胡萝卜素）密度随施氮水平增加而提高,不施氮处理的叶片色素密度随生育进程而下降,施氮处理的叶片色素密度呈单峰曲线,品种间存在明显差异。群体叶片色素密度的敏感波段主要分布在可见光区,而红边区域导数光谱表现更显著。光谱参数VOG2、VOG3、RVI（810,560）、SRE／SBE和SDr／SDb等与叶绿素密度关系较为密切,线性方程决定系数R^2均在0．858以上,而与类胡萝卜素密度关系减弱,决定系数R^2低于0．780,且参数间差异较小。经独立试验资料的检验表明,VOG2、VOG3、SRE／SBE和SDr／SDb对不同色素的估测结果较好,预测相对误差RE低于17．6％,虽然对叶绿素b的准确性稍低。总体上,光谱参数VOG2、VOG3、SRE／SBE和SDr／SDb与小麦群体叶片色素密度关系密切,特别是对叶片叶绿素a和叶绿素a＋b的密度可以进行准确可靠的实时监测。     

不同灌溉量夏玉米叶绿素含量的高光谱特征及其反演

植物叶绿素含量直接影响其光合作用，并与植物的光谱特征密切相关。以夏玉米为研究对象，采用人工控水方法研究了夏玉米七叶期不同灌溉量下冠层叶绿素含量特征及其与光谱特征之间的关系。结果表明：灌溉量越少，夏玉米叶片叶绿素含量越低，冠层光谱反射率越高，绿峰位置"红移"，而红边位置"蓝移"。叶绿素含量与光谱特征参数、植被光谱指数之间存在极显著相关关系，据此建立了冠层叶绿素含量高光谱估算模型，且基于植被指数模型较基于单一光谱特征参数模型模拟效果更好。研究结果可为夏玉米叶绿素含量的快速无损测定以及夏玉米干旱监测提供依据。