野鸭湖典型湿地植物光谱特征

遥感技术已成为湿地植被识别和分类的重要手段,而深入研究地面植物群落光谱特征对于利用遥感影像的湿地植被分类具有指导意义。以典型淡水湿地——野鸭湖湿地为实验区,测定其典型湿地植物群落的反射光谱,并重采样以模拟OMIS机载成像光谱仪红-近红外的50个波段。在此基础上应用二阶导数的方法得到湿地植物识别的9个最佳波段:515.3,553.1,626.5,687.5,733.9,810.6,821.1,833.0,966.8nm。这些波段可以很好的识别湿地植物类型:沉水植物在810.6,821.1,833.0nm存在独特的吸收/反射特征,与其他湿地植物类型相区别。浮水、挺水、湿生、中生植物相比,浮水植物在515.3nm的吸收特征和553.1nm的反射特征较为突出;浮水、湿生、中生植物在687.5nm的吸收特征与挺水植物相比更为显著,但挺水植物在733.9nm的反射特征尤为明显;湿生植物在626.5nm的吸收特征比浮水、挺水、中生植物更加显著;中生植物缺少在626.5nm的吸收特征,但在966.8nm的吸收特征最为明显。研究成果不仅可以为野鸭湖湿地植被的高光谱遥感数据处理及湿地植被制图提供一定的科学依据,而且可以为淡水湿地植被的遥感识别和分类提供一定的参考、借鉴。     

新疆典型盐生植物营养器官盐分积累与生态化学计量特征

对盐生植物体内器官盐分积累和碳(C)、氮(N)、磷(P)化学计量特征的研究, 有助于了解盐生植物养分、盐分的分配机制和其对盐渍环境的适应策略。该文选择新疆4种典型的真盐生植物(3种灌木植物: 盐节木(Halocnemum strobilaceum)、小叶碱蓬(Suaeda microphylla)、盐爪爪(Kalidium foliatum), 1种草本植物: 盐角草(Salicornia europaea)为研究对象, 对比研究了它们的根、茎、叶中的盐分积累和C、N、P化学计量特征以及二者间的相关性。结果显示: 1)在生长旺盛期, 4种盐生植物体内盐分积累可形成“盐岛”效应(Na⁺、Cl^-和电导率随盐离子从植物根部向顶端运输过程呈显著增加的趋势)。2) 4种盐生植物中灌木群落的生长主要受到P的限制; 草本群落的生长受N和P (偏P)共同限制。3)器官、物种和二者的交互作用均能影响盐生植物的盐分(除Mg²⁺外)特征和C、N、P生态化学计量特征。4) 4种盐生植物C与N、P之间显著负相关, N与P之间显著正相关。5)盐生植物体内总盐分、Na⁺和K⁺与N、N:P之间呈显著正相关关系, 与C、C:N、C:P之间呈显著负相关关系, 而K⁺和CO₃^2-与P之间却显著正相关。盐生植物体内盐分和养分在应对盐渍环境上存在一定的相互促进关系, 增施N肥有助于盐生植物对氯化物盐渍土的脱盐。这些发现为了解盐渍生境中盐生植物的生理生态适应及盐渍土的改良提供一定的理论依据。     

基于连续统去除法的水生植物提取及其时空变化分析——以官厅水库库区为例

光谱特征变量的筛选作为水生植物识别的重要手段之一, 在水生植物种类识别研究中应用广泛。该研究将实测光谱特征提取与多时相Landsat 8 OLI影像数据分析相结合, 找到一种有效识别不同种类水生植物的特征变量。在水生植物反射光谱特征分析中引入矿质分析中普遍使用的连续统去除法, 对光谱重采样结果作连续统去除处理后提取光谱吸收深度特征。采用单因素方差分析法对比7个光谱重采样波段和3个连续统去除吸收深度敏感波段, 发现经连续统去除处理的短波红外1波段(SWIR1CR)对于不同类型的水生植物区分效果最佳。将连续统去除法应用到遥感影像处理上, 发现SWIR1CR波段能较好区分沉水植物和挺水植物; 结合影像归一化植被指数和SWIR1CR波段可较好区分三类水生植物。结合特征波段筛选结果采用支持向量机分类方法, 得到水生植物的分类结果精度为86.33%, 对比全生长期12期影像提取的水生植物分布图, 发现水生植物主要分布于官厅水库库区南北岸浅水区, 水生植物面积最大时约占库区总面积的35.13%; 其中沉水植物年内生长分布变化幅度较大, 6月上旬开始迅速生长; 10月份水生植物开始衰减; 11月份水生植物占库区面积的20%, 沉水、浮水植物大幅衰减消失。     

Extraction of aquatic plants based on continuous removal method and analysis of its temporal and spatial changes—A case study of Guanting Reservoir

光谱特征变量的筛选作为水生植物识别的重要手段之一, 在水生植物种类识别研究中应用广泛。该研究将实测光谱特征提取与多时相Landsat 8 OLI影像数据分析相结合, 找到一种有效识别不同种类水生植物的特征变量。在水生植物反射光谱特征分析中引入矿质分析中普遍使用的连续统去除法, 对光谱重采样结果作连续统去除处理后提取光谱吸收深度特征。采用单因素方差分析法对比7个光谱重采样波段和3个连续统去除吸收深度敏感波段, 发现经连续统去除处理的短波红外1波段(SWIR1CR)对于不同类型的水生植物区分效果最佳。将连续统去除法应用到遥感影像处理上, 发现SWIR1CR波段能较好区分沉水植物和挺水植物; 结合影像归一化植被指数和SWIR1CR波段可较好区分三类水生植物。结合特征波段筛选结果采用支持向量机分类方法, 得到水生植物的分类结果精度为86.33%, 对比全生长期12期影像提取的水生植物分布图, 发现水生植物主要分布于官厅水库库区南北岸浅水区, 水生植物面积最大时约占库区总面积的35.13%; 其中沉水植物年内生长分布变化幅度较大, 6月上旬开始迅速生长; 10月份水生植物开始衰减; 11月份水生植物占库区面积的20%, 沉水、浮水植物大幅衰减消失。     

基于连续统去除法的水稻氮素营养光谱诊断

该文将矿质分析及岩石光谱特征分析中普遍使用的连续统去除法引入水稻(Oryza sativa)叶片反射光谱特征的分析中。分析连续统去除光谱反射率和连续统去除一阶微分光谱,发现随着氮素水平的增加连续统去除光谱反射率下降。分析连续统去除光谱吸收特征参数与叶片全氮量相关性,这些参数包括:吸收峰左半端的面积(A₁)、吸收峰整体面积(A)、对称度(S)和连续统去除最小反射率(D_hc),结果表明连续统去除光谱吸收特征参数与叶片全氮量之间负相关性显著(均通过0.01水平的显著相关检验)。考虑到氮素营养在植物体内转移的营养原理,在分蘖期、孕穗期和抽穗期这3个关键生育期内分别针对水稻第一完全展开叶和第三完全展开叶建立连续统去除光谱吸收特征参数评价水稻氮素营养的回归模型。结果表明在估算第三完全展开叶氮素营养时,3个生育期内建模使用的回归量均为吸收峰整体面积A,而且在3个生育期内模型的决定系数较高且比较稳定。但是,第一完全展开叶建模使用的回归量(续统去除光谱吸收特征参数)不完全一致,这可能是由于氮素营养在植物体内转移导致。尽管连续统去除法诊断水稻氮素营养的一些机理还有待于进一步深入研究,但是该研究证明了运用水稻鲜叶片连续统去除反射光谱进行定性和定量评价水稻氮素营养在方法上是可行的。     

应用间接排序识别盐沼植被的光谱特征:以崇明东滩为例

遥感技术已成为大尺度植被分类的重要手段,而地面植物群落特征与其光谱特征之间的关系是解译遥感影像的关键。该研究选择上海崇明东滩自然保护区的盐沼植物群落为对象,应用ASD地物光谱仪测定其植物群落的光谱反射率,并采用10个小型机载成像光谱仪(CASI)默认植被波段组,应用主分量分析法和相关分析分析了不同群落光谱特征与生态环境因子之间的关系。分析结果表明,间接排序法PCA能够识别盐沼植被中光滩、海三棱 草(Scirpus mariqueter)群落、芦苇(Phragmites australis)群落和互花米草(Spartina alterniflora)等群落的光谱特征,绝大多数盐沼湿地植物群落组成与光谱特征之间有显著的相关,识别效果最好的波段组是736~744 nm、746~753 nm、775~784 nm、815~824 nm和860~870 nm;对光谱反射率影响最大的生态环境因子分别是植物群落的高度和盖度,高程和其它环境因子的影响次之。研究成果可为遥感监测崇明东滩自然保护区内入侵种互花米草的空间分布和扩散规律提供技术支撑,为高光谱遥感影像的影像判读和解译分类以及盐沼湿地植被制图提供科学依据。     

不同质地盐渍化土壤水盐含量的高光谱反演

为了方便快捷地同步监测盐渍化土壤的水、盐含量,本文以新疆典型盐渍化灌区为研究对象,基于高光谱技术、运用便携式光谱仪获取不同质地的土壤水盐含量光谱曲线,采用一阶微分、二阶微分、连续统去除的数据处理方法对土壤原始光谱进行变换.结果表明: 对原始光谱数据的变换有利于土壤属性指纹波段的提取,不同质地水盐含量的变换方法并不相同,在壤土中质量含水量为0%和10%时的水盐光谱曲线使用连续统去除方法、15%含水量使用一阶微分、19%含水量使用二阶微分,砂土中0%含水量使用连续统去除方法、10%、15%和19%含水量水盐光谱曲线使用二阶微分处理后,有利于特征波段的提取;对筛选出的变换数据采用偏最小二乘回归方法构建水盐反演模型,壤土盐度小于6.38 mS·cm^-1、砂土小于5.94 mS·cm^-1时,模型建立的建模数据集决定系数(R_cal²)、内部交叉验证(R_cv²)和外部检验数据集决定系数(R_val²)均大于0.65(P<0.05);壤土水分含量小于16%、砂土小于12%时模型反演精度较高.研究结果可为盐渍化土壤水盐含量同步监测提供阈值参考.     

泥炭藓群落的光谱特征及遥感识别研究

以中位泥炭藓(Sphagnum magellanicum Brid.)为研究对象,分别从实测冠层光谱和遥感传感器模拟光谱层面分析其群落的光谱特征。研究结果显示,中位泥炭藓与北方针叶林光谱差异明显,最佳光谱识别区间为740～1140 nm和1230～1412 nm。在可见光波段上,中位泥炭藓与云杉(Picea engelmannii Parry ex Engelmann)和黑松(Pinus contorta Douglas ex Loudon)的绿峰位置有所差异。水竹(Phyllostachys heteroclada Oliver)和中位泥炭藓的光谱识别特征波段集中在可见光-近红外波段,分别为400～550、560～696、1025～1143 nm。中位泥炭藓与北方针叶林以及水竹的特征光谱区间存在细微差异,且与水竹在可见光波段有较好的可分性,因此不同纬度带上中位泥炭藓群落的特征谱宽有所差异。红外波段是中位泥炭藓识别的最佳光谱区间。在多光谱遥感水平上,中位泥炭藓识别效果较好,传感器的识别能力依次为:MSI> ALI> OLI> ASTER。在2个中位泥炭藓群落的光谱特征分析中,导数、对数、包络线去除法的光谱降维能力有所差异,其中包络线去除法效果最好。     

辽河口湿地植物多样性及物种功能型空间分布格局

辽河口湿地是我国典型的滨海湿地, 在过去几十年受人为过度干扰, 植被变化明显。本研究拟通过野外实地调查揭示辽河口湿地植物多样性及功能型的空间格局。结果表明, 潮上带的物种丰富度和Shannon-Wiener指数均高于潮间带。与潮上带相比, 潮间带的盐生植物与湿生植物比例较高, 而中性植物、甜土植物、中生植物与旱生植物的比例较低。物种丰富度、Shannon-Wiener指数以及中性植物、甜土植物、中生植物、旱生植物的比例均随着与海岸线距离的增加而增加, 盐生植物、湿生植物比例则与之相反。对所调查样地与植物物种的主成分分析(PCA)表明, 潮上带主要为芦苇(Phragmites australis)、刺儿菜(Cirsium setosum)、山莴苣(Lagedium sibiricum)等中性和甜土植物, 潮间带为盐地碱蓬(Suaeda salsa)、扁秆藨草(Scirpus planiculmis)、水烛(Typha angustifolia)等盐生植物。可见, 盐度与水位是决定辽河口湿地植物多样性及物种功能型的关键生态因子。     

利用聚类算法监测森林乔木物种多样性

该研究基于机载激光雷达(LiDAR)和高光谱数据, 从森林物种叶片的生理化学源头探寻生化特征与光谱特征的内在关联, 探讨生化多样性、光谱多样性与物种多样性之间的响应机制, 选择最优植被指数并结合最优结构参数, 通过聚类方法构建森林物种多样性遥感估算模型, 在古田山自然保护区开展森林乔木物种多样性监测。研究结果表明: (1)从16种叶片生化组分中, 筛选出叶绿素a、叶绿素b、类胡萝卜素、叶片含水量、比叶面积、纤维素、木质素、氮、磷和碳可通过偏最小二乘法用叶片光谱有效模拟(R² = 0.60-0.79, p < 0.01), 并选择有效的植被指数: 转换型吸收反射指数/优化型土壤调整指数(TCARI/OSAVI)、类胡萝卜素反射指数(CRI)、水波段指数(WBI)、比值植被指数(RVI)、生理反射指数(PRI)和冠层叶绿素浓度指数(CCCI)表征相应的最优生化组分; (2)基于机载LiDAR数据利用结合形态学冠层控制的分水岭算法获得高精度单木分离结果(R ² = 0.77, RMSE = 16.48), 同时采用逐步回归方法从常用的森林结构参数中选取树高和偏度作为最优结构参数(R ² = 0.32, p < 0.01); (3)基于6个最优植被指数和2个最优结构参数, 以20 m × 20 m为窗口通过自适应模糊C均值方法进行聚类, 实现了研究区森林乔木物种丰富度(Richness, R ²= 0.56, RMSE = 1.81)和多样性指数Shannon-Wiener (R ² = 0.83, RMSE = 0.22)与Simpson (R ² = 0.85, RMSE = 0.09)的成图。该研究在冠层尺度上获取了与物种多样性相关的生化、光谱和结构参数, 将单木个体作为最小单元, 利用聚类算法直接估算物种类别差异, 无需判定具体的树种属性, 是利用遥感数据进行区域尺度森林物种多样性监测与成图的实践, 可为亚热带地区常绿阔叶林的物种多样性监测提供借鉴。     

Mapping large-scale distribution of submerged aquatic vegetation coverage using remote sensing

This study investigated the potential of using remote sensing for mapping and monitoring of submerged aquatic vegetation (SAV) on a large scale. The spectral characteristics of SAV with varied coverage were measured using a portable spectroradiometer on a man-made lake at the Chongming International Wetland Park, Shanghai, China. A good relationship between the coverage of SAV and their field spectral characteristics was established and the reflectance of SAV increased with its increasing coverage. A regression analysis was then carried out between the coverage and the reflectance at the wavelengths of four QuickBird bands. After making an atmospheric correction from a synchronous QuickBird image for the study site, the image digital number (DN) was converted into the ground reflectance. The reflectance image was then deduced into a distribution map of SAV coverage by using the results of the regression functions between the coverage of SAV and the reflectance rate measured in situ. An accuracy assessment indicated that this approach could be used to quickly monitor the distribution and growth situation of SAV. The implications of this observation, in terms of the ability of remote sensing to estimate and monitor the distribution and dynamics of SAV on a large scale are discussed.     

盖度与冠层水深对沉水植物水盾草光谱特性的影响

遥感技术可应用于大尺度实时监测沉水植物的分布与生长状况。然而沉水植物的光谱特征受其冠层在水下深度的影响,从而影响湖泊和河流中沉水植物的遥感影像解译与信息提取。应用地物光谱仪,通过野外原位测定和室外控制试验,实测了沉水植物水盾草(Cabomba caroliniana)群落冠层在水下不同深度的反射光谱,分析了冠层水深对水盾草反射光谱的影响,并建立了基于光谱反射率和冠层水深的水盾草群落盖度反演模型。研究结果表明(1)不同盖度的水盾草群落光谱反射率的基本特征主要体现在绿光和近红外波段;(2)水盾草群落的光谱反射率与冠层水深基本呈负相关,相同盖度水盾草群落的光谱反射率随冠层水深的增加而减小,在近红外波段尤其明显;(3)水盾草群落冠层水深越小,其盖度与光谱反射率的相关性越强,且水盾草群落盖度越大,其光谱反射率与冠层水深的相关性越显著;(4)水盾草光谱反射率与盖度相关的最佳波段在692—898 nm,与冠层水深相关最佳的波段在710 nm和806 nm附近;(5)在710 nm和806 nm处建立的结合冠层水深的修正模型,无论是回归方程决定系数(R2),还是水盾草群落盖度的反演精度都明显高于仅用光谱反射率反演盖度的简单模型,因此可有效减除冠层水深对反演精度的影响。本研究的结果可为遥感监测沉水植物的分布和动态变化,以及沉水植物生物物理参量反演提供科学依据。     

Effects of phytoplankton species composition on absorption spectra and modeled hyperspectral reflectance

Understanding the spectral characteristics of remotely-sensed reflectance by different phytoplankton species can assist in the development of algorithms to identify various algal groups using satellite ocean color remote sensing. One of the main challenges is to separate the effect of species composition on the reflectance spectrum from other factors such as pigment concentration and particle size structure. Measuring the absorption spectra of nine different cultured algae, and estimating the reflectance of the different species, provides a useful approach to study the effects of species composition on the bio-optical properties. The results show that the absorption spectra of different species exhibit different spectral characteristics and that species composition can significantly change the absorption characteristics at four main peaks (438, 536, 600 and 650 nm). A ‘distance angle index’ was used to compare different phytoplankton species. Results indicate that this index can be used to identify species from the absorption spectra, using a database of standard absorption spectra of known species as reference. By taking into account the role of species composition in the phytoplankton absorption model, the performance of the model can be improved by up to 5%. A reflectance-species model is developed to estimate the remotely-sensed reflectance from the absorption spectra, and the reflectance of different phytoplankton species at the same chlorophyll-a concentration is compared, to understand effects of species composition on the reflectance spectra. Different phytoplankton species can cause up to 33% difference in the modeled reflectance at short wavelengths under the condition of the same chlorophyll-a concentration, and variations in the reflectance spectrum correspond to the colors of the algae. The standard deviation of the reflectance among different species shows that the variations from 400 to 450 nm are sensitive to species composition at low chlorophyll-a concentrations, whereas variations in the 510 to 550 nm range are more sensitive under high chlorophyll-a concentrations. For this reason, the green bands may be more suitable for estimating species composition from hyperspectral satellite data during bloom conditions, whereas the blue bands may be more helpful in detection of species under low chlorophyll-a concentrations. In this theoretical approach, variations in reflectance at the same chlorophyll-a concentration can be used to identify phytoplankton species. Another approach to identify phytoplankton species from remotely-sensed hyperspectral reflectance measurements would be to derive the absorption spectra of phytoplankton from the reflectance measurements, and compare these with a standard database of absorption spectra.     

不同生长状态珊瑚光谱特征

珊瑚礁生态系统迅速退化是目前重要的生态环境问题之一,应用遥感技术监测大范围珊瑚礁的结构组成和变迁有很大的潜力。珊瑚光谱响应特征受珊瑚生态习性影响,在光学上相似而容易造成混淆误判。采集了西沙群岛大量石珊瑚样品的光谱,对其光谱特征进行分析及成因探讨。通过导数光谱、主成分分析研究了不同生长状态珊瑚的光谱差异,并建立珊瑚生长状态高光谱遥感判别准则。结果表明,珊瑚的光谱特性及其变化均较为复杂,受珊瑚种类和生长环境影响,光谱形状主要由共生藻色素吸收决定的。结合520—530 nm、564—574 nm和600—605 nm的导数光谱可以区分健康珊瑚、白化珊瑚和藻类覆盖的死珊瑚。总体判定准确度优于80%,误判的主要来源是种内珊瑚反射率差异。研究表明珊瑚礁环境高光谱遥感可以定量评估珊瑚状态的变化。     

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.     

基于中分辨率TM数据的湿地水生植被提取

利用湿地水生植被生长旺盛、光谱反射较强、光谱信息比较丰富的8月份中分辨率Landsat TM和ETM+多光谱遥感影像,采用面向对象的分类方法,进行野鸭湖湿地水生植被的提取。研究表明:在提取过程中,通过对原始影像进行主成分变换和穗帽变换,将主要信息与噪声分离,不仅减小了数据冗余和波段间的相关性,而且增大了影像上湿地水生植被与其他地物类型光谱和空间信息的差异性,并结合野外水生植被光谱特征分析,选择归一化植被指数NDVI与归一化水体指数NDWI辅助分类,构建特征波段或波段组合,然后,确定适当的隶属度函数和阈值范围,构建分类决策树,完成湿地水生植被的自动分类,提高了影像分割与面向对象分类的精度,取得了较为理想的湿地水生植被提取结果。2002年和2008年两景影像的总体分类精度分别达到86.5%和85.44%,表明中分辨率TM影像可以满足湿地水生植被提取的需要,又因为其具有较高的波谱分辨率、极为丰富的信息量、相对较低的价格、长时间序列,可以作为近20a湿地水生植被提取和动态变化监测的主要数据源。     

叶冠尺度野鸭湖湿地植物群落含水量的高光谱估算模型

利用高光谱遥感技术定量估测野鸭湖湿地植被含水量,对于监测和诊断野鸭湖湿地植被的生理状况及生长趋势具有重要意义,也能够为高光谱遥感影像在野鸭湖湿地植被含水量诊断中的实际应用提供理论依据和技术支持.采用Field Spec 3野外高光谱辐射仪,获取了野鸭湖典型湿地植被冠层和叶片的光谱,并测定了对应的含水量.以上述实测数据为基础,首先以芦苇为例初步探明了不同含水量水平下典型湿地植被冠层和叶片光谱反射率的响应模式,然后采用相关性及单变量线性与非线性拟合分析技术,从冠层和叶片两种层次,对不同尺度下的含水量与“三边”参数及高光谱植被指数进行了分析拟合,并采用交叉检验中的3K-CV方法对估算模型进行了测试和检验,确立了不同尺度下野鸭湖湿地植被含水量的定量监测模型.结果表明:(1)随着含水量水平的增加,芦苇冠层与叶片光谱在可见光波段(350-760 nm)和红外波段(760-2500 nm)的反射率均呈逐渐降低趋势.(2)不同尺度含水量与选取的光谱特征参数整体上相关性较强,与“三边”参数基本上都呈极显著相关,相关系数最大达到0.906;与高光谱指数全部呈极显著相关,相关系数最小为0.455,最大达到0.919,并通过选取不同尺度上相关性最佳的光谱特征参数,分别基于“三边”参数和高光谱植被指数构建了不同尺度下的含水量估算模型.其中,冠层尺度下,黄边面积(SDy)与SRWI( Simple Ratio Water Index)的估算效果最好,估算模型分别为y=-9.462x2 -2.671x+0.608和y=0.219e1.010x;叶片尺度下,红边面积(SDr)与WI( Water Index)的估算效果最好,估算模型分别为y=0.562x+0.376和y=2.028x2 -0.476x-1.009.通过3K-CV的交叉验证,不同尺度下的含水量估算模型均取得了较为理想的预测精度,预测精度的最小值为94.92％,最大值为97.06％,表明估测模型具有较高的可靠性与普适性.(3)高光谱植被指数与含水量拟合方程的拟合度相对高于“三边”参数与之建立方程的拟合度,说明多波段组合的光谱特征参数更适合含水量的判别.     

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。     

基于高光谱的苹果果期冠层光谱特征及其果量估测

苹果冠层光谱特征是苹果树遥感生理监测和生产管理的重要依据。对栖霞市苹果果期的冠层反射光谱进行实测,结合数码照相技术探明了苹果果期的反射光谱特性和敏感波段,并通过敏感波段与果树比指标建立回归模型,实现了对苹果冠层果量(果树比)的无损估测。结果表明:苹果树果期冠层光谱曲线总体表现为对蓝光和红光的吸收及对绿光的反射,在近红外750—1300nm之间表现为强烈的反射,且在1650nm和2200nm附近呈现两个反射峰。选择435、670、730、940、1140nm和1480nm等6个波段为苹果果期的敏感波段。利用这些波段分别构建了差值、比值及归一化植被指数,筛选了最佳光谱参数,进而构建了果量(果树比)估测模型,经筛选验证确定苹果果量的最佳估测模型为:y=0.0086[NDVI(940,730)]2-1.0934NDVI(940,730)+0.3209。模型为苹果果期果量的精确估测提供了比较快捷的方法途径。