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。     

乌梁素海湿地芦苇最大羧化速率的高光谱遥感

湿地植被生产力和固碳潜力的研究是全球碳循环和全球变化的热点研究问题。湿地植被的光合能力能够指示其生长的健康状态。最大羧化速率是重要的植被光合参数之一,对精确模拟湿地植被光合作用和气体交换模型中的固碳过程具有重要的作用。以内蒙古乌梁素海湖泊湿地为研究区,进行了芦苇叶片光合参数和光谱的测量。芦苇叶片最大羧化速率(V_(cmax))数值是基于Farquhar光合作用模型,从光合测量获取的A-C_i曲线计算并校正到25℃得到的。分别基于bootstrap PLSR模型、单波段和高光谱植被指数(包括简单比值指数SR和归一化差值指数ND),构建湿地芦苇叶片最大羧化速率(V_(cmax))估算模型。基于高光谱遥感图像HJ-1A HSI,采用ND高光谱指数中具有较高V_(cmax)估算精度的入选波段702和756 nm,获取研究区湿地芦苇最大羧化速率空间分布图。研究结果表明,湿地植被光谱特征和高光谱植被指数,可用于估算湿地芦苇V_(cmax),其中最高精度产生于基于bootstrap PLSR模型的建模方法(R~2=0.87,RMSECV=3.90,RPD=2.72),ND高光谱指数的V_(cmax)估算精度高于SR高光谱指数的估算精度;从获取的V_(cmax)空间分布图上提取估算值,其与测量值对比,存在较好的相关性(R~2=0.80,RMSE=4.74)。     

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。     

影响黄土高原地物光谱反射率的非均匀因子及反照率参数化研究

通过应用高光谱反射仪进行各种植被覆盖度地物的同期观测,分析不同地物光谱反射率和宽波段反照率的差异,得出:除太阳高度角的影响外,植被的不同生育期及生长状况决定的叶绿素、细胞构造和含水量等要素都会影响植物光谱反射率;基于归一化植被指数( NDVI)、归一化植被水分指数(NDWI)、土壤体积含水量以及参考对象的光谱曲线建立了植物光谱反射率的估算模型,能较好地反映地物光谱反射率特征;基于地物波谱反射率估算得到的全波段反照率误差在0.02范围内,可以作为反照率遥感反演和转换的依据;该方法也为高光谱遥感在反照率等陆面过程参数尺度耦合和转换过程中应用奠定了基础.     

植被含水量高光谱遥感监测研究进展

植被含水量是陆地植被重要的生物物理特征, 其定量遥感反演有助于植被干旱胁迫的实时监测与诊断评估。该文系统综述了国内外利用高光谱遥感评估植被水分状况的4个常见植被水分指标——冠层含水量、叶片等量水厚度、活体可燃物湿度和相对含水量的概念及其遥感估算方法研究进展, 评述了植被含水量高光谱遥感估算各类方法的优缺点, 探讨了植被含水量高光谱遥感估算目前存在的问题, 并提出进一步的研究任务, 即服务于植被干旱胁迫的高光谱遥感监测、预警与评估。     

Research progress on monitoring vegetation water content by using hyperspectral remote sensing

植被含水量是陆地植被重要的生物物理特征, 其定量遥感反演有助于植被干旱胁迫的实时监测与诊断评估。该文系统综述了国内外利用高光谱遥感评估植被水分状况的4个常见植被水分指标——冠层含水量、叶片等量水厚度、活体可燃物湿度和相对含水量的概念及其遥感估算方法研究进展, 评述了植被含水量高光谱遥感估算各类方法的优缺点, 探讨了植被含水量高光谱遥感估算目前存在的问题, 并提出进一步的研究任务, 即服务于植被干旱胁迫的高光谱遥感监测、预警与评估。     

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。     

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。     

湿地小叶章叶绿素含量的高光谱遥感估算模型

通过实测不同覆盖度和水深状况下小叶章(Calamagroestis angustifolia)的冠层高光谱反射率与叶绿素a(Chl-a)浓度,采用高光谱可见光-近红外波段及其微分光谱波段(350～1050 nm)逐波段构建FNDVI、FRVI、FDVI、FDNDVI、FDRVI和FDDVI植被指数,分别找出与Chl-a具有最佳相关性波段组合的植被指数,建立小叶章Chl-a含量的最佳估算模型,并对比分析了最佳模型与线性模型的预测精度.结果显示:微分光谱植被指数与Chl-a的最佳预测模型(FDNDVI、FDRVI和FDDVI)比反射率植被指数最佳模型(FNDVI、FRVI和FDVI)的预测精度分别提高了6.86%、4.82%和10.10%;植被指数(FNDVI、FD-VI、FDNDVI和FDRVI)与Chl-a含量具有较好的线性关系,而最佳模型比线性模型预测精度仅仅提高了0.60%、1.40%、1.02%和0.93%,可以用简单的线性模型反演湿地小叶章的Chl-a含量.     

冠层水平互花米草叶片光合色素含量的高光谱遥感估算模型

以闽江河口鳝鱼滩湿地互花米草(Spartina alterniflora)的实测冠层高光谱反射率和叶片光合色素含量(LPPC)为数据源,在分析LPPC与原始光谱反射率、一阶导数光谱反射率、22种已报道光谱指数和14种新构建的植被指数相关性的基础上,利用直线回归、指数回归、对数回归以及乘幂回归方法,系统地比较了36种植被指数在估算互花米草LPPC中的表现。研究表明:(1)一阶导数光谱反射率组合的植被指数用于估算互花米草的LPPC优于原始光谱反射率;(2)红边区域一阶导数光谱是估测互花米草LPPC的最佳波段;(3)对于单一色素含量的估算,叶绿素a(Chla)的最佳估算指数为FDNDVI[723,703];叶绿素b(Chlb)的最佳估算指数为FDRVI[723,525];类胡萝卜素(Cars)的最佳估算指数为FDNDVI[723,703];(4)对于使用统一参量同时估算Chla、Chlb、Cars,由FDRVI[723,703]建立的对数估算模型效果最佳。研究成果可为湿地植物生化参量反演提供参考,也可为闽江河口湿地入侵种互花米草的动态监测和生态评估管理提供有力的科学依据。     

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。     

基于湿地植物光谱的水体总氮估测

利用再生水补充城市湿地是目前湿地恢复与重建的主要方向,然而再水中高浓度的氮、磷含量极易导致水体富营养化。遥感技术已成为富营养化监测的重要手段,但对于植被覆盖水域的富营养化直接探测存在一定的局限性。以北京市典型再生水补水湿地奥林匹克公园南园湿地为研究区,利用湿地植物光谱进行水体富营养化主控因子总氮的遥感探测。测定芦苇(Phragmites australis)和香蒲(Typha angustifolia)的叶片光谱及水体总氮含量,在对数据进行预处理的基础上建立二者的关系模型,包括单变量模型(比值光谱指数(SR)模型和归一化差值光谱指数(ND)模型),与多变量模型(逐步多元线性回归(SMLR)模型和偏最小二乘回归(PLSR)模型),并利用交叉验证决定系数(R2cv)和均方根误差(RMSEcv)进行模型精度检验。结果表明,不同回归模型相比,多变量回归模型精度较高;多变量回归模型中,PLSR模型精度较高,R2cv可达0.72,RMSEcv仅为0.24,是建立湿地植物光谱与水体总氮含量关系的最优模型。不同湿地植物类型相比,利用芦苇反射光谱建立的各种预测模型的精度都高于香蒲。其他环境因子(总磷)也是影响TN含量与湿地植物反射光谱关系的重要因素。研究成果可以弥补现有水体富营养化遥感探测的不足,并为再生水利用的城市湿地水质监测与管理提供有力的科学依据。     

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。     

桂北岩溶区与非岩溶区植物叶片含水率高光谱反演

叶片水分状况是反映植被生理状况的重要指标,构建高普适性的植物叶片含水率高光谱反演模型对准确评价岩溶和非岩溶植被生态功能具有重要意义。该文以我国西南典型区域内岩溶区与非岩溶区共17种植物694个样品为研究对象,同步测量叶片含水率和反射光谱,采用单波段、差值型、比值型、归一化型等四类光谱指数模型,对反射光谱及一阶导数光谱进行全波段搜索分析。结果表明:光谱指数D2048-D1733的建模与验证结果均最好,为岩溶植物叶片含水率的最佳估计光谱指数;对于非岩溶植物,光谱指数D_(2356)/D_(1885)和(D_(2356)-D_(1885))/(D_(2356)+D_(1885))建模与验证结果均相差很小,均可作为叶片含水率最佳估计模型。该研究结果还表明叶片绒毛对岩溶植物叶片含水率反演光谱指数构建影响不大。总体上,新构建的最优光谱指数对岩溶区与非岩溶区植物叶片含水率的拟合效果优于传统指数,具有较好的普适性,可为精准评估桂北地区植被水分状态提供科学依据。     

基于高光谱遥感的小麦叶干重和叶面积指数监测

生物量和叶面积指数(LAI)是描述作物长势的重要参数, 叶干重和LAI的实时动态监测对小麦(Triticum aestivum)生长诊断和管理调控具有重要意义。为分析多种高光谱参数估算小麦叶干重和LAI的效果, 建立小麦叶干重和LAI的定量监测模型, 该研究连续3年采用不同小麦品种进行不同施氮水平的大田试验, 于小麦不同生育期采集田间冠层高光谱数据并测定叶片叶干重和LAI。试验结果显示, 小麦叶干重和LAI随施氮水平的提高而增加, 随生育进程呈单峰动态变化模式。小麦叶干重和LAI与光谱反射率间相关性较好的区域主要位于红光波段(590~710 nm, r<-0.60)和近红外波段(745~1 130 nm, r>0.69)。对于不同试验条件下的叶干重和LAI, 可以使用统一的光谱参数进行定量反演, 其中基于RVI (810, 560)、FD755、GM1、SARVI (MSS)和TC3等光谱参数的方程拟合效果较好。经不同年际独立试验数据的检验表明, 以参数RVI (810, 560)、GM1、SARVI (MSS)、PSSRb、(R_750-800/R_695-740) -1、VOG2和MSR705为变量建立的叶干重和LAI监测模型均给出较好的检验结果。因此, 利用关键特征光谱参数可以有效地评价小麦叶片生长状况, 尤其是光谱参数RVI (810, 560)、GM1和SARVI (MSS)可以对不同条件下小麦叶干重和LAI进行准确可靠的监测。     

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。