华南地区亚热带树木叶面积指数的高光谱反演研究

为构建树种叶面积指数的估算模型,以NDVI、RVI、FREP、CIGreen、CIRed-edge、MSAVI2为高光谱特征变量,通过统计分析,确定反演树种叶面积指数的最佳光谱特征变量,构建华南农业大学校园内50种亚热带树木的叶片反射率和叶面积指数(LAI)模型。结果表明,6种高光谱特征变量与树种叶面积指数间都具有极显著相关性,其中红边位置反射率(FREP)和比值植被指数(RVI)与LAI的拟合方程的R2都大于0.8,决定系数分别为0.820和0.811。经过精度验证,FREP估算的均方根误差(RMSE)只有0.13,该回归模型为估测亚热带典型树种的叶片LAI最佳模型。从高光谱遥感的角度结合亚热带植被的群落结构特点来看,建立的红边位置光谱反射率与叶面积指数的回归模型普遍具有较高的拟合度,所以利用高光谱特征变量反演亚热带树木叶片的叶面积指数等植被参数的应用前景较好。     

UV-B辐射胁迫下杨梅幼苗的高光谱响应

设置UV-B滤光减弱、UV-B辐射增强和自然光(对照)3组模拟大田试验,比较了不同UV-B辐射处理下,亚热带典型木本植物杨梅幼苗的叶绿素含量、光谱反射率及光谱特征参数,研究UV-B辐射变化对亚热带森林树种的影响.结果表明:增强UV-B辐射可降低杨梅幼苗的叶绿素含量,而降低辐射则会显著促进叶绿素的增加,并且这种胁迫反应于光谱反射率中.3种不同梯度UV-B辐射作用下,可见光部分光谱反射率间的差异主要集中在绿光反射峰及红边附近,同时红边所在波长位置“红移”.UV-B辐射对杨梅的胁迫在时间上具有积累性.用反高斯模型参数R0、λ0、λp、Rs、6指示杨梅受UV-B胁迫,以Rs最显著.不同UV-B辐射水平下植物叶片光谱反射率上的差异,可通过较窄波段光谱反射率或特定波长光谱反射率所构建的植被指数加以有效区分.     

桉树叶片光合色素含量高光谱估算模型

色素在植物的生理生态过程中非常重要,利用高光谱数据,揭示光谱反射率上特征波段与光合色素含量间的关系将有助于理解光合色素光谱反射特征的规律,同时为利用高光谱遥感技术快速无损监测植物叶片光合色素提供了技术支持.利用野外采集的桉树叶片样本,在实验室内测定了叶片的高光谱反射率及对应的叶绿素、类胡萝卜素含量.利用光谱分析技术和统计学方法对光谱数据进行处理分析,提取了光谱特征参量,并建立叶绿素、类胡萝卜素含量与光谱特征参量间的估算模型.通过精度检验,研究结果表明以(SDr-SDb)/(SDr+SDb)为变量建立的指数模型估算效果最佳.     

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。     

臭氧胁迫冬小麦叶片高光谱特征和叶绿素含量估算

为无损、快速监测臭氧胁迫下冬小麦叶片叶绿素含量，建立叶绿素含量与光谱指标的定量关系，基于自由式臭氧浓度增加系统平台观测了臭氧浓度升高下拔节期、开花期及灌浆期冬小麦叶片的叶绿素含量和光谱特征。通过线性回归、人工神经网络(ANN)以及偏最小二乘回归(PLSR)模型对臭氧胁迫下叶片高光谱特征进行了叶绿素含量的估算。结果表明：臭氧胁迫冬小麦叶片的光谱曲线特征出现绿峰“红移”和红边位置“蓝移”现象。相比于拔节期和开花期，小麦叶片在灌浆期受到臭氧的影响更大。臭氧胁迫下叶绿素含量与部分光谱特征参数及遥感植被指数存在显著相关关系，所有模型均取得了较高的估算精度(R²>0.8),其中以光谱特征参数为建模参量的偏最小二乘回归模型精度最高。该方法可用于臭氧胁迫下冬小麦叶片叶绿素含量的估测，动态监测作物的臭氧胁迫。     

基于光谱变化特征的小麦叶片不同功能期监测研究

为了探讨小麦叶片不同功能期光谱变化特征与叶绿素含量之间的关系,以4个小麦杂交组合基因型为试验材料,对不同生长发育期的旗叶进行光谱和叶绿素测量,并采用线性外推法计算其红边位置.结果表明：在近红外区（750 nm～850 nm）和可见光区（500 nm～600 nm）处,从抽穗期到扬花期小麦旗叶光谱反射率呈现上升趋势,到灌浆期开始下降.其叶绿素含量也是先上升,进入灌浆期后开始下降.建立旗叶4个不同功能期4月25日、5月1日、5月6日和5月11日叶绿素含量与其红边位置线性回归模型,其R2分别为0.5893、0.8842、0.9379和0.7258,均达极显著水平,表明此模型可用于叶片叶绿素含量无损监测.     

基于光谱指数的植物叶片叶绿素含量的估算模型

叶绿素是光合作用能力和植被发育阶段的指示器,是监测湿地植被生长健康状况的重要指标之一;高光谱遥感技术可以为植物叶绿素含量的定量化诊断提供简便有效、非破坏性的数据采集和处理方法。为保证被探测叶片面积相同,消除背景反射、叶片表面弯曲造成的光谱波动及叶片内部变异造成的影响,研究采用Field Spec 3光谱仪加载手持叶夹式叶片光谱探测器,测定野鸭湖湿地典型植物的叶片高光谱反射率数据,同时通过分光光度计室内测定相应叶片的叶绿素含量。采用相关性及单变量线性拟合分析技术,建立二者的关系模型,包括叶绿素含量与"三边"参数的相关模型以及比值光谱指数(SR)模型和归一化差值光谱指数(ND)模型,并采用交叉检验中的3K-CV方法对估算模型进行模型精度检验。结果表明:植物叶片叶绿素含量与"三边"参数大多都呈极显著相关,相关系数最大达到0.867;计算光谱反射率组成的比值(SR)和归一化(ND)光谱指数与叶绿素含量的决定系数,总体相关性比较高,较好的波段组合均为550—700nm与700—1400nm以及550—700nm与1600—1900nm,与叶绿素含量相关性最好的指数分别是SR(565nm,740nm)和ND(565nm,735nm)。并通过选取相关性最佳的光谱特征参数,分别基于"三边"参数和ND模型指数构建了植物叶片叶绿素含量的估算模型。其中,基于红边位置(WP_r)光谱特征参数和ND(565nm,735nm)光谱指数建立的叶绿素含量估算模型,取得了较好的测试效果,检验拟合方程的决定系数(R2)都达到0.8以上,估算模型分别为y=0.113x-78.74,y=5.5762x+4.4828。通过3K-CV方法进行测试和检验,植物叶绿素含量估算模型均取得了较为理想的预测精度,预测精度的分别为93.9%及90.7%。高光谱遥感技术对植被进行微弱光谱差异的定量分析,在植被遥感研究与应用中表现出强大优势,为植物叶绿素含量诊断中的实际应用提供了重要的理论依据和技术支持。     

不同氮素水平下超高产夏玉米冠层的高光谱特征

为明确超高产夏玉米冠层高光谱特性,对不同生育期、不同氮肥处理下普通玉米与超高产夏玉米冠层高光谱特性进行了比较;对超高产夏玉米冠层高光谱反射率及其衍生的植被指数与干物质积累、叶绿素含量间的相关性进行了分析。结果表明,不同生育期,超高产夏玉米近红外波段的高光谱反射率均大于普通玉米,且在生育后期变化缓慢。开花期与灌浆期之间,出现"红边平台"现象,生育后期红边位置"蓝移"变化量显著小于普通玉米。随着施氮量的增加,超高产夏玉米冠层高光谱反射率及红边位置变化不大,而红边幅值与红边面积呈逐步增大趋势。在相关性分析中,由950、760、810、870nm构成的各类植被指数及红边幅值、红边面积与超高产夏玉米干物质积累量间的相关性最好,红边位置λred可用于估算叶绿素总量、叶绿素a、叶绿素b及类胡萝卜素的含量。不同氮肥下,超高产夏玉米冠层高光谱特征与普通玉米相比具有较大差异,研究结果能为超高产夏玉米生理特性的研究提供支持。     

芦苇粉大尾蚜虫害下芦苇叶绿素高光谱反演估算

叶绿素含量是表征芦苇虫害胁迫状态的一个重要指示因子。选取遭受芦苇粉大尾蚜(Hyalopterus pruni)虫害的芦苇(Phragmites australis)作为研究对象,用便携式地物光谱仪ASD FieldSpec 4测定其叶片反射率光谱,同时用SPAD-502 Plus叶绿素测量仪测定其叶绿素相对含量(SPAD),分析健康和虫害芦苇叶片高光谱反射率与叶绿素含量间的相关关系,采用一元线性回归和偏最小二乘法回归方法,建立芦苇叶绿素含量红边位置和全波段高光谱反演估算模型。结果表明:健康芦苇叶片反射率高于虫害叶片,两种叶片叶绿素含量与高光谱的相关性存在显著差异,尤其在绿光波段和近红外波段部分区域(1400~2500nm)表现明显;全波段高光谱估算模型具有较高的准确性,健康叶片回归模型的决定系数(R2)为0.965,均方根误差(RMSE)为0.813,预测偏差比率(RPD)为3.940;虫害叶片回归模型的R2为0.966,RMSE为0.989,RPD为3.855;异地验证结果进一步表明,通过高光谱数据全波段反演能较好地估算芦苇粉大尾蚜虫害下芦苇叶绿素相对含量,这也预示着利用高光谱全波段数据估算虫害植被叶绿素相对含量是可行的。     

基于小波分析的大豆叶绿素a含量高光谱反演模型

 2003和2004年分别在长春市良种场和中国科学院海伦黑土生态实验站实测了大田耕作与水肥耦合作用下大豆（Glycine max）冠层高光谱反射率 与叶绿素a含量数据,对光谱反射率、微分光谱与叶绿素a含量进行了相关分析;采用归一化植被指数(Normalized diffe rence vegetation index, NDVI)、土壤调和植被指数(Soil-adjusted vegetation index, SAVI)、再归一植被指数(Renormalized difference vegetation index, RDVI)、第二修正比值植被指数(Modified second ratio index, MSRI)等建立了大豆叶绿素a反演模型;应用小波分析对采集的光谱反 射率数据进行了能量系数提取,并以小波能量系数作为自变量进行了单变量与多变量回归分析,对大豆叶绿素a进行了估算。研究结果表明,大 豆叶绿素a 与可见光光谱反射率相关性较好,并在红光波段取得最大值(R²>0.70),但在红边处,微分光谱与大豆叶绿素a的相关性较反射率好 得多,在其它波段则相反;由NDVI、SAVI、RDVI、MSRI等植被指数建立的估算模型可以提高大豆叶绿素a的估算精度（R²>0.75）;小波能量系 数回归模型可以进一步提高大豆叶绿素a含量的估算水平,以一个特定小波能量系数作为自变量的回归模型,大豆叶绿素a回归决定系数R²高达 0.78;多变量回归分析结果表明,大豆叶绿素a实测值与预测值的线性回归决定系数R²均高达0.85。以上结果表明, 小波分析可以对高光谱进 行特征变量提取,并可在一定程度上提高大豆生理参数反演精度。     

Best hyperspectral indices for assessing leaf chlorophyll content in a degraded temperate vegetation

Extensive studies have focused on assessing leaf chlorophyll content through spectral indices; however, the accuracy is weakened by limited wavebands and coarse resolution. With hundreds of wavebands, hyperspectral data can substantially capture the essential absorption features of leaf chlorophyll; however, few such studies have been conducted on same species in various degraded vegetations. In this investigation, complete combinations of either original reflectance or first‐order derivative spectra we conducted a complete combination on either original reflectance or its first‐order derivative value from 350 to 1000 nm to quantify leaf total chlorophyll (Chll), chlorophyll‐a (Chla), and chlorophyll‐b (Chlb) contents. This was performed using three hyperspectral datasets collected in situ from lightly, moderately, and severely degraded vegetations in temperate Helin County, China. Suitable combinations were selected by comparing the numbers of significant correlation coefficients with leaf Chll, Chla, and Chlb contents. The combinations of reflectance difference (D_ij), normalized differences (ND), first‐order derivative (FD), and first‐order derivative difference (FD(D)) were found to be the most effective. These sensitive band‐based combinations were further optimized by means of a stepwise linear regression analysis and were compared with 43 empirical spectral indices, frequently used in the literature. These sensitive band‐based combinations on hyperspectral data proved to be the most effective indices for quantifying leaf chlorophyll content (R² > 0.7, p < 0.01), demonstrating great potential for the use of hyperspectral data in monitoring degraded vegetation at a fine scale.     

不同演替阶段典型树种幼苗对酸胁迫响应的高光谱监测

通过在为期2a的可控酸雨试验下对处于不同演替阶段的典型树种幼苗的高光谱测定,得到不同梯度酸雨下各树种的叶片光谱反应曲线及相应叶片的生理生化参量.对测定的3种树种的叶片叶绿素含量及一阶导数光谱进行分析,发现随着酸雨浓度的增加,处于演替前期的先锋树种马尾松的幼苗叶绿素含量呈现增加趋势,而处于演替中、后期的木荷和青冈幼苗叶绿素含量则呈现减少趋势;随着试验时间的推移,马尾松的红边位置呈现"红移"趋势,其中pH2.5处理下的"红移"趋势较明显;而木荷和青冈的红边位置则呈现不同程度的"蓝移"趋势.较长时期高浓度酸胁迫对先锋树种马尾松的幼苗生长有一定促进作用,而对演替中期和后期树种木荷和青冈幼苗生长则主要表现为抑制作用.     

基于因子分析的苜蓿叶片叶绿素高光谱反演研究

因子分析是一种能够将具有错综复杂关系的变量归结为少数几个综合因子的多变量统计分析方法,在降低数据维数的同时又可以保存足够的信息,这为处理信息量丰富但冗余较大的高光谱数据提供了一种有效方法。本文利用2010年9月23日采集的16个样点的苜蓿叶片反射率及叶绿素含量数据,采用因子分析方法,分别提取苜蓿叶片反射率光谱400～900nm,以及可见光400nm～760nm和近红外760～900nm光谱区的公共因子,分析因子载荷分布、载荷总量对公共因子与叶绿素含量相关性的影响。利用逐步回归法建立基于公共因子的叶片叶绿素反演模型,并将反演模型与光谱指数建立的模型进行对比。研究表明,1）公共因子与叶片叶绿素的相关性,在更大程度上是与该因子在各个波段上载荷分布有关,而不是总载荷量;2）对波谱进行分区建立的反演模型略优于全区因子分析建立的反演模型;3）与常用于叶片叶绿素含量反演的光谱指数CARI、MCARI、mND680、mND705、mSR705、TVI、DmSR、BGI、BRI相比,因子分析建立的叶绿素反演模型精度更高。     

基于光谱指数的喀斯特植物叶片叶绿素含量定量估算

为了探讨适合于喀斯特植物叶片叶绿素含量估算的光谱指数,在总结以往基于光谱指数的植物生化参数估算研究基础上发现,常用光谱指数通常采用差值、比值、归一化以及倒数差值方式来构建。因此,我们通过上述4种光谱指数构建方式对所采集的4种典型喀斯特植物——黄荆(Vitex negundo)、盐麸木(Rhus chinensis)、朴树(Celtis sinensis)和红背山麻杆(Alchornea trewioides)叶片原始光谱反射率及其一阶导数值与同步测定的叶片叶绿素含量进行遍历分析,以期获得最优光谱指数并将其应用于喀斯特植物叶片叶绿素含量定量估算研究。结果表明:(1)常用光谱指数中,改良红边归一化指数(modified red-edge normalized difference vegetation index, mND705)对喀斯特植物叶片叶绿素含量估算效果较好(决定系数为0.45,均方根误差为0.26 mg·g^-1)。(2)虽然荧光比值(fluorescence ratio index, FRI1)和叶绿素吸收面积光谱指数(chlorophyll absorption area index, CAAI)在估算喀斯特与非喀斯特植物叶片叶绿素含量能力相当,但是其估算精度相对较低(决定系数小于0.45)。(3)通过差值、比值、归一化以及倒数差值方式构建的光谱指数无论是基于植物叶片原始光谱反射率,还是其一阶导数值,相比常用光谱指数都能更好地估算喀斯特植物叶片叶绿素含量(决定系数大于0.60)。其中,基于植物叶片原始光谱反射率一阶导数值的差值光谱指数 [dD(760, 769)]对喀斯特植物叶片叶绿素含量的估算精度最好,其决定系数为0.71,均方根误差为0.19 mg·g^-1。综上可知,结合高光谱遥感技术的光谱指数模型可快速定量估算喀斯特植物叶片叶绿素含量,为典型喀斯特地区植物生长诊断及其对环境胁迫适应性评价提供重要科学依据和技术支持。     

Reconstruction of historical productivity using visible-near-infrared (VNIR) reflectance properties from boreal and saline lake sediments

Chlorophylls preserved in lake sediments have been used as a proxy to infer past trophic status. Recently, it has been demonstrated that visible-near-infrared (VNIR) reflectance spectroscopy can provide a rapid and non-destructive estimation of fossil chlorophylls from alpine lake sediments. The present study explores, (a) the applicability of VNIR reflectance spectroscopy to reconstructing historical productivity from boreal and saline lakes, and (b) the ability of an inference model combining all lake types to reconstruct historical chlorophyll concentrations from lake sediments. Results revealed that regardless of the lake type, a common sediment spectral feature of a reflectance trough centered near 675 nm, was observed. Additionally, the amplitude of reflectance in the VNIR region differs within and among lakes depending on their trophic states. The inferred concentration of total chlorophylls and derivatives from sediment spectral properties reflected a recent nutrient enrichment in most of the study lakes. Predicted chlorophyll concentration, when plotted against high-pressure liquid chromatography (HPLC) measured concentration combining all lake types, was found to be statically significant (r ² = 0.80, P < 0.01). Collectively, results from this study indicate that regardless of the lake type, a common chlorophyll absorption feature near 675 nm can be detected, which is associated with contrasting limnological settings and, therefore, can be used as a viable tool to reconstruct paleoproductivity. A similar approach can be implemented for rapid and non-destructive detection of historical lake water quality in a wide range of lake sediments.     

水稻上部叶片叶绿素含量的高光谱估算模型

叶片叶绿素 (Chl) 状况是评价植株光合效率和营养胁迫的重要指标,实时无损监测Chl状况对作物生长诊断及氮素管理具有重要意义.以不同生态点、不同年份、不同施氮水平、不同类型水稻品种的4个田间试验为基础,于主要生育期同步测定了水稻主茎顶部4张叶片的高光谱反射率及Chl含量,并计算了350～2500 nm范围内任意两波段组合而成的比值(SR[λ1,λ2])和归一化(ND[λ1,λ2])光谱指数以及已报道的对Chl敏感的光谱指数,进一步系统分析了叶片Chl含量与上述光谱指数之间的定量关系.结果表明,红边波段的比值和归一化光谱指数可以较好地预测水稻上部4叶的Chl含量(R~2>0.9),但对于不同Chl指标其最佳组合波段有所差异.估算叶绿素a (Chla)、叶绿素总量(Chla+b)和叶绿素b (Chlb)的最佳比值光谱指数分别为SR(724,709)、SR(728,709)和SR(749,745),方程拟合决定系数R~2分别是0.947、0.946、0.905;最佳归一化光谱指数分别为ND(780,709)、ND(780,712)和ND(749,745),R~2分别是0.944、0.943、0.905.引入445 nm波段反射率对上述光谱指数进行修正,可以降低叶片表面反射差异的影响,提高模型的应用范围.利用不同年份独立的试验资料对所建模型进行了检验,结果表明,修正型比值光谱指数 mSR(724,709)、mSR(728,709) 和 mSR(749,745),以及修正型归一化光谱指数mND(780,709)、mND(780,712) 和 mND(749,745) 预测 Chla、Chla+b 和 Chlb 的效果更好,其测试的RMSE分别为 0.169、0.192、0.052、0.159、0.176、0.052,RE分别为8.18%、7.74%、13.01%、8.26%、7.59%、12.96%,均较修正前降低,说明修正后的光谱指数普适性更好.     

基于挺水植物高光谱信息的再生水总氮含量估测——以北京市门城湖湿地公园为例

高光谱信息是探测植物体内氮素含量状况的重要手段,而植物体中的氮素与水体含氮量息息相关.本研究区为以再生水为主要补给水水源的北京门城湖湿地公园,通过获取区内典型的再生水氮净化挺水植物芦苇和香蒲叶片的高光谱数据,并在室内测定对应样点的水体总氮含量指标, 探讨基于典型湿地挺水植物高光谱数据对水体总氮进行遥感探测的可行性.采用4种高光谱参数(光谱指数、归一化差值指数、“三边”参数及吸收特征参数)分别建立一元线性模型、逐步多元回归模型和偏最小二乘模型,根据决定系数(R²)和均方根误差(RMSE)进行模型精度检验.结果表明: 逐步多元回归和偏最小二乘模型的预测精度高于一元线性模型. 3种模型对芦苇的拟合效果均优于香蒲.偏最小二乘模型对芦苇的拟合效果最优(R²=0.854,RMSE=0.647).500～700 nm是反映水氮含量的最佳波段范围,绿峰与红谷反射率的比值与水体总氮含量具有较强的相关性,尤其是吸收特征参数能够较好地预测水体总氮含量.     

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。