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。     

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.     

利用高光谱参数反演水稻叶片类胡萝卜素含量

为了探讨快速、准确预测水稻(Oryza sativa)叶片类胡萝卜素(Car)含量的敏感光谱波段和光谱指数, 通过实施涉及不同年份、不同生态点、不同施氮水平和不同品种类型的4个田间试验, 于主要生育期同步测定了水稻顶部4张叶片的光谱反射率及Car含量, 系统分析了350-2 500 nm范围内任意两波段组合而成的比值(SR (λ1, λ2))、归一化(ND (λ1, λ2))及已报道的对Car敏感的光谱指数与水稻叶片Car含量间的定量关系。结果表明, 不同Car含量水平下水稻叶片光谱反射率存在着明显变化, 以绿光及红边波段对水稻叶片Car含量变化最为敏感。723 nm附近的波段与近红外波段的比值组合以及713 nm附近的波段与近红外波段的归一化组合可以较好地预测水稻叶片Car含量, 以SR (723, 770)和ND (770, 713)表现最好, 线性拟合R²分别达到0.897和0.898。基于独立的试验资料的检验表明, 预测值和实测值的拟合R²分别为0.856和0.858, 均方根差RMSE均为0.072, 平均相对误差RE分别为11.9%和12.0%, 表明SR (723,770)和ND (770, 713)可有效地估算水稻上部叶片的Car含量。     

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。     

稻麦叶片氮含量与冠层反射光谱的定量关系

作物氮素含量是评价作物长势、估测产量与品质的重要参考指标,叶片氮素含量的无损快速监测对于指导作物氮素营养的精确管理及生产力的预测预报具有重要意义.以5个小麦品种和3个水稻品种在不同施氮水平下的3a田间试验为基础,综合研究了稻麦叶片氮含量与冠层反射光谱的定量关系.结果显示：（1）不同试验中拔节后稻麦叶片氮含量均随施氮水平呈上升趋势;（2）稻麦冠层光谱反射率在不同施氮水平下存在明显差异,在可见光区（460～710 nm）的反射率一般随施氮水平的增加逐渐降低,而在近红外波段（760～1100 nm）却随施氮水平的增加逐渐升高;（3）就单波段光谱而言,610、660 nm和680 nm处的冠层反射率均与稻麦叶片氮含量具有较好的相关性;（4）在光谱指数中,归一化差值植被指数NDVI（1220,610）与水稻和小麦叶片氮含量均具有较好的相关性,且相关性好于单波段反射率;（5）对于小麦和水稻,可以利用共同的波段和光谱指数来监测其叶片氮含量,采用统一的回归方程来描述其叶片氮含量随单波段反射率和冠层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含量估测的准确性.     

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.     

水稻叶片全氮浓度与冠层反射光谱的定量关系

利用数学统计方法分析了不同施氮水平和不同水稻品种群体叶片全氮浓度（LNC）与冠层反射光谱的定量关系,建立了水稻群体叶片全氮浓度的光谱监测模型.结果表明：基于原始反射率构造的光谱参数与叶片全氮浓度的相关程度均高于原始反射率,近红外波段（760～1 220 nm）与可见光波段510、560、680及710 nm组成的比值植被指数、差值植被指数和归一化植被指数与群体叶片全氮浓度呈极显著正相关,其中与归一化植被指数（NDVI）的相关性最好;对拟合较好的6个两波段组合参数及4个特征光谱参数的预测标准误（SE）和决定系数（R²）进行比较后,选取参数NDVI (1220, 710)为反演群体叶片全氮浓度的最佳光谱参数,方程为LNC=3.2708 × NDVI (1220,710) + 0.8654.利用不同粳稻品种、水分和氮肥处理的试验数据对监测模型进行了检验,估计的根均方差（RMSE）均小于20%,预测值和实测值的拟合R²为0.674～0.862,拟合斜率为0.908～1.010,RMSE为11.315%～19.491%,表明模型预测值与实测值之间符合度较高,对不同栽培条件下的水稻群体叶片全氮浓度具有较好的预测性.     

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。     

基于地面观测光谱数据的冬小麦冠层叶片氮含量反演模型

冬小麦冠层叶片氮含量是反映其产量与品质的重要指标,构建高普适性、高精准性冬小麦冠层叶片氮含量高光谱反演模型对提高其监测效率具有重要意义。以不同地点、品种、年份、施氮水平、生育期的大田试验数据为基础,基于两波段光谱植被指数NDRE和550 nm光谱反射率组合构建一个三波段植被指数NEW-NDRE,并与11个传统冬小麦冠层叶片氮素光谱指数进行比较。结果表明: NEW-NDRE及传统植被指数中NDRE、NDDA、RI-1dB与冬小麦冠层叶片氮含量的相关性较好;其中,灌浆初期NEW-NDRE与冬小麦冠层叶片氮含量相关性最好,决定系数R²为0.9,均方根误差(RMSE)为0.4;经独立数据检验,以NEW-NDRE为变量建立的冬小麦冠层叶片氮含量反演模型的平均相对误差(RE)为9.3%,明显低于以NDRE、NDDA、RI-1dB为变量的模型RE。总体上,新构建的NEW-NDRE对冬小麦冠层叶片氮含量的模拟能力显著优于传统指数,减弱了试验条件的限制性,可为精准施肥提供新的技术支撑。     

基于冠层反射光谱的棉花干物质积累量估测

通过分析不同施氮水平下棉花地上部干物质积累量与冠层光谱反射率及其衍生的比值植被指数(RVI)、归一化植被指数(NDVI)及差值植被指数(DVI)之间的关系,确立了棉花地上部干物质积累量的敏感波段及预测模型.结果表明:两个可见光波段(560和710 nm)和5个近红外波段(810、870、950、1 100和1 220 nm)组成的植被指数与棉花地上部干物质积累量的相关性较好,其中RVI(1 100, 560)的相关性最好.通过逐步回归分析确立的棉花地上部干物质积累量的预测模型为:地上部干物质积累量(g·m-2)=66.274×RVI(1 100, 560)-148.84.说明通过遥感手段估测棉花地上部干物质积累量是可行的.     

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。     

Threshold values of canopy reflectance indices and chlorophyll meter readings for optimal nitrogen nutrition of tomato

Sustainable and optimal economic N management requires correct and timely on‐farm assessment of crop N status to detect N deficiency or excess. Optical sensors are promising tools to assess crop N status throughout a crop or at critical times. The ability of optical sensor measurements of canopy reflectance (Crop Circle ACS 470) and leaf chlorophyll (SPAD 502 chlorophyll meter) to assess crop N status was evaluated weekly throughout an indeterminate tomato crop. Strong linear relationships with the optical sensor measurements were obtained, throughout most of the crop, for both (a) crop N content for ranges of 1.5–4.5%, and (b) the nitrogen nutrition index (NNI) for ranges of 0.4–1.3. The relationships of the optical sensor measurements to crop NNI were generally equal to or slightly better than with crop N content. Indices based on reflectance in the red, the normalised difference vegetation index (NDVI) and the red vegetation index (RVI), were the best predictors of crop N status in terms of goodness of fit, earliness and maintenance of relationships throughout the crop. SPAD chlorophyll readings and reflectance indices based on reflectance in the green, the normalised difference vegetation index on greenness (GNDVI) and the green vegetation index (GVI), were good indicators of crop N status for most of the crop, but with lower goodness of fit in the latter part of the crop. The linear relationships between sensor indices and readings with NNI or crop N content, each week, demonstrated the potential for using proximal canopy reflectance indices such as NDVI and RVI, and chlorophyll meter for monitoring crop N status of indeterminate tomato crops. Threshold values for optimal crop N nutrition for canopy reflectance indices and for chlorophyll meter readings were derived for each day of measurement from the relationships between optical sensor measurements and NNI by solving for NNI = 1. The threshold values obtained for each index and type of measurement varied during the crop cycle. The approach developed for determining threshold values from NNI can facilitate on‐farm use of optical sensors for monitoring crop N status, by enabling assessment of whether crop N status is excessive, deficient or adequate.     

不同干旱条件下夏玉米全生育期冠层吸收光合有效辐射比的高光谱遥感反演

冠层吸收光合有效辐射比(fAPAR)是植被生产力遥感模型的重要参数.但关于不同干旱条件下作物全生育期的fAPAR遥感反演研究仍未见报道.本研究利用2015年夏玉米5个灌水处理模拟试验的高光谱反射率和fAPAR观测资料,分析了不同干旱条件下夏玉米关键生育期fAPAR和高光谱反射率变化特征,探讨了fAPAR与反射率、一阶导数光谱反射率和植被指数的关系.结果表明: 轻度水分胁迫和充分供水条件下,fAPAR较高;重度水分胁迫和重度持续干旱条件下,fAPAR较低.冠层可见光、近红外光和短波红外光区的反射率与fAPAR分别呈负相关、正相关和负相关关系.fAPAR与可见光和短波红外光区的383、680和1980 nm附近的反射率的相关性最强,相关系数均达-0.87.一阶导数光谱反射率与fAPAR相关性强且稳定的波段为580、720和1546 nm,相关系数分别为-0.91、0.89和0.88. 9个常用植被指数与fAPAR呈线性或对数关系,其中,增强型植被指数、复归一化植被指数、土壤调节植被指数和修正的土壤调节植被指数与fAPAR的关系模型最好,决定系数(R²)均在0.88以上,平均相对误差分别为16.6%、16.6%、16.7%和16.2%;基于一阶导数光谱反射率与fAPAR的对数关系在(720±5) nm波段处的模拟效果较好,R²达0.86;直接选择反射率数据估算fAPAR的效果较差,R²最高为0.81.研究结果可为fAPAR的准确反演及评估作物干旱状况提供支撑.     

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.