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。     

秋茄类胡萝卜素含量高光谱反演

类胡萝卜素(Car)作为植物主要色素,对诊断植被生理状态有重要作用。于2013年4月和7月采集闽江口秋茄(Kandelia candel)叶片,室内测定其叶片正面和背面反射光谱,同时测定其Car含量\[单位面积(μg·cm-2)和单位质量(mg·g-1)\]。选取常见Car含量估算的光谱参数,同时分析确定最佳比值植被指数(SR),基于回归分析,建立秋茄叶片Car含量估算与验证模型。结果表明,叶片光谱反射率表现为叶片背面大于正面(350~2350 nm);基于叶面背面光谱计算的SR与叶片Car含量(μg·cm-2)的相关系数优于其他组合,相关系数较高的区域分布在520~540 nm与1000~1100 nm波段组合,700~720 nm与800~1100 nm波段组合;基于背面光谱计算的大部分光谱参数与Car含量(μg·cm-2)的相关系数要高于基于正面光谱计算的。因此,以叶片背面光谱作为Car含量估算的光谱数据,以单位面积Car含量为估算量纲建立反演模型。本研究表明,光谱指数LCI、DD、NDVI(770,713)、NDVI(773,562)、SR(723,770)和SR(1000,700)均可实现Car含量的反演,估算与检验模型的R2均0.65,RMSE均1.52;并且新构建的SR(1000,700)估算精度最好,模型和检验R2分别为0.77和0.87,模型和检验RMSE分别为1.08和1.11。这些预味着基于高光谱遥感对闽江河口湿地秋茄Car含量进行估算是可行的。     

基于可见光波段包络线去除的湿地植物叶片叶绿素估算

研究采用芦苇和香蒲叶片光谱及实测叶绿素含量数据,选取波段谱带范围为可见光波段400—760nm(为了避免近红外波段受叶片水分含量的影响,降低构建模型的稳定性),利用相关分析与逐步回归分析的统计学分析方法,建立叶面尺度下不同包络线去除衍生转换光谱:BD(band depth)、CRDR(continuum-removed derivative reflectance)、BDR(band depth ratio)、NBDI(normalized band depth index)与叶绿素含量估算模型。通过对入选波段的统计表明在550—750nm,特别是700—750nm(红边)波段范围内产生了较多的有效波段,是今后进行生物参量反演的重点波段范围。舍一交叉验证结果表明芦苇、香蒲和混合样本绿素含量估测的最佳模型分别为BD、CRDR和NBDI模型,其交叉验证决定系数依次为0.87、0.83和0.81,交叉验证均方根误差RMSE依次为0.16、0.15和0.33。并在此基础上利用独立样本非参数检验和多因子方差分析,探讨相关因素对于叶绿素含量估算模型精度的影响。结果表明物种差异、数据类型差异对于叶绿素回归模型的影响较大,而光谱类型差异及光谱数据与数据类型交互作用对于回归模型精度的影响较小。     

基于Hyperion影像植被光谱的土壤重金属含量空间分布反演——以青海省玉树县为例

本研究主要探讨了利用Hyperion影像植被光谱估算土壤重金属含量的可行性.以野外采集的三江源区玉树县48个表层土壤样品As、Pb、Zn、Cd实验室测定含量值,以及从两景Hyperion影像提取的48个土壤样本点相应的176个植被光谱反射率波段及构建的5种植被指数为数据源,利用偏最小二乘回归方法(PLSR)建立土壤各重金属含量与上述两套Hyperion影像上提取的变量之间的估算模型.模型分别为176个植被光谱反射率波段与土壤各重金属含量间的估算模型(植被光谱反射率模型),和以5种植被指数作为自变量,与土壤各重金属含量建立的估算模型(综合植被指数模型).运用验证样本的4种重金属元素实测含量值的标准差与均方根误差的比值(RPD)作为检验标准,As、Pb两种模型RPD均小于1.4,不具备粗略估算能力;Zn、Cd两种模型RPD分别为1.53、1.46与1.46、1.42,均具备粗略估算能力.根据上述结果将Zn的光谱反射率估算模型与Hyperion影像相结合反演得到土壤重金属Zn含量的空间分布,Zn含量在214国道、308省道和乡镇附近偏高,主要受到较强的人类活动影响.表明运用Hyperion高光谱影像植被光谱反射率可以间接估算土壤Zn、Cd元素含量.     

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。     

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)。     

闽江河口湿地秋茄叶绿素含量高光谱遥感估算

叶绿素含量是表征植被胁迫状态的一个重要指示因子,同时也是其它生化参数估算的重要基础,对其进行遥感反演具有重要意义。选取闽江口秋茄(Kandelia candel)作为研究对象,分别于2013年4月和7月采集叶片,室内测定其叶片正面和反面反射光谱,同时测定其叶绿素含量(单位面积含量和单位质量含量)。选取13个常用参数进行敏感性分析,并进一步选取与叶绿素相关系数较高的参数建立估算模型。结果表明,秋茄叶片反面反射率高于正面,尤其在绿光波段和近红外波段部分区域(1450—2450 nm)表现较为明显。对所选取的大部分参数而言,其与单位面积叶绿素含量的相关系数要高于与单位质量叶绿素含量的相关系数;基于正面光谱计算的光谱参数与叶绿素含量的相关系数要高于基于反面光谱计算的光谱参数。估算与验证模型结果进一步表明,TCARI、Vog1、Vog2和Vog3能较好的估算不同生长期秋茄叶片的叶绿素含量。此外,在使用GM、Carter2和PSSRb估算叶片叶绿素含量时,可以适当考虑反面光谱的应用。这些结果也预示着利用高光谱遥感数据估算秋茄叶片叶绿素含量是可行的,并且具有较高的估算精度。     

基于红边参数的芦苇叶绿素的反演研究

干旱区荒漠植物的叶绿素定量反演是动态监测、快速有效评估植物生物量及长势的有效方法。利用便携式可见-近红外光谱仪FieldSpecPro3测定绿洲、盐碱地及沙漠3种生境内的芦苇高光谱值, 对高光谱数据一阶微分以及红边参数与叶绿素含量进行了相关分析, 选取最佳红边参数建立经验估算模型与神经网络模型, 并评估检验。模型显示, 三种生境下均为二项式回归模型的决定系数最佳, 检验精度的决定系数(R²)分别为0.8466、0.8672和0.7935, 均方根误差 RMSE (root-mean-square error)分别为2.3601、1.4112和2.8002; BP神经网络模型的检验精度的决定系数(R²)分别为0.9147、0.9331和0.8813, RSME分别为1.4010、0.9964和0.5559。结果表明, 利用BP(back propagation)神经网络估算的模型精确度显著提高, 可作为芦苇叶绿素高光谱反演的有效模型而使用, 为荒漠植物叶片叶绿素的光谱特征反演提供了借鉴, 为监测荒漠植物生长、产量估算及动态监测等提供可行的手段。     

淹水胁迫下棉花叶片高光谱特征及叶绿素含量估算模型

为即时监测淹水胁迫下棉花功能叶叶绿素含量,确立叶绿素含量与单叶光谱特征参数的定量关系,本文以遮雨棚内蕾期淹水胁迫下的盆栽棉花为研究对象,淹水后每 3 d对棉花叶片进行测定、取样,综合分析叶绿素含量与高光谱特征参数的相关性,并构建和验证叶绿素含量的估算模型.结果表明: 随着淹水胁迫程度的加重,叶片叶绿素含量下降;叶片原始光谱反射率、一阶微分光谱反射率分别在580、697 nm波段附近与叶绿素含量呈显著负相关;利用差值指数和归一化指数建立的估算模型优于单波段线性模型,其中以植被指数(DR₆₉₇-DR₇₃₈)/(DR₆₉₇+DR₇₃₈)为自变量建立的模型棉花单叶叶绿素含量估算值与实测值拟合度最好,拟合系数为0.814,可用于淹水胁迫下棉花单叶叶绿素含量的估测.     

杂交稻增密减肥处理的SPAD值光谱估算模型

响应"一控两减三基本"的要求,在不减产的前提下减少化肥用量,研究全程机械化大苗机插条件下不同增密减肥处理的水稻叶绿素相对含量(SPAD值)光谱估算模型。分析水稻叶片SPAD值与冠层一阶微分光谱的相关性,建立基于敏感波长及一阶微分光谱参数的SPAD值估算模型,用决定系数(R2)、均方根误差(RMSE)、相对误差(RE)对模型精度进行评价。结果表明:6个处理在634～652 nm、655～668 nm、497～552 nm及687～711 nm波段内达极显著相关,相关系数均达到0.700以上;以敏感波长为自变量估算SPAD值的模型中,低密度减肥的多项式模型估测效果最佳,其建模集R2、RMSE和RE分别为0.766、1.185和2.152%,验证集R2、RMSE和RE分别为0.729、0.364和0.752%;以光谱参数为自变量的估算模型中,中等密度减肥模型的估测效果最好,其建模集R2、RMSE和RE分别为0.703、1.314和2.359%,验证集R2、RMSE和RE分别为0.763、0.620和1.198%。研究发现:在同密度条件下,减肥会导致SPAD值降低,长势偏弱;移栽密度越大,光谱反射率相对越高;移栽密度对水稻冠层光谱反射率的影响大于施肥水平。各处理均表现为差值光谱指数(DSI)的模型效果最优,说明敏感波长及光谱参数的选择对模型的构建至关重要。     

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。     

基于小波分析的大豆叶面积高光谱反演

实测了不同水肥耦合、经营制度及有效营养面积条件下的大豆(Glycinemax)冠层高光谱反射率与叶面积指数(LAI),并对光谱反射率、微分光谱与LAI的关系进行了分析;采用比值植被指数(RVI)与归一化植被指数(NDVI)建立了大豆LAI反演模型;采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LAI进行估算。结果表明:大豆LAI与光谱反射率在可见光波段呈负相关;在近红外波段呈正相关;微分光谱在红边处与大豆LAI密切相关(R2=0.92);RVI与NDVI可以提高大豆LAI的估算精度(R2分别达0.79、0.84);各植被指数各有优缺点,应根据需要进行选择;小波能量系数回归模型可以进一步提高大豆叶面积的估算水平,以一个特定小波能量系数作为自变量的回归模型,大豆LAI回归确定系数R2高达0.884;以4个和6个小波能量系数建立LAI回归分析模型(R2分别达0.92、0.93),2个模型LAI预测值与大豆LAI实测值线性回归确定性系数R2分别为0.90、0.92。比较可知,小波分析可以对高光谱进行特征变量提取,进而反演大豆生理参数,并且反演的LAI精度较光谱反射率、微分光谱及植被指数都有明显提高,小波分析在植被生理参数的高光谱提取方面有着广阔的应用前景。     

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。     

基于光谱参数对小白菜叶片镉含量的高光谱估算

为实现利用高光谱技术快速、准确、无损地检测叶类蔬菜叶片重金属镉污染情况,通过采用室内盆栽试验,检测了小白菜在6个不同的镉浓度梯度0 mg/kg(CK)、0.5 mg/kg(T1)、1 mg/kg(T2)、5 mg/kg(T3)、10 mg/kg(T4)和20 mg/kg(T5)下的叶片高光谱反射率及其镉含量。利用相关分析和逐步回归的统计方法对叶片原光谱、一阶导数光谱和光谱参数与镉含量进行统计分析,确定了反演叶片镉含量的敏感光谱参数,并建立了估算叶片镉含量的参数模型。结果表明:(1)在540 nm附近和红外区域,叶片光谱反射率随着处理浓度的增加呈下降趋势。T1组叶片光谱与对照组的光谱没有明显的变化差异;(2)原光谱与镉含量的敏感波段主要在690—1300 nm,相关系数最高的波段是782 nm。一阶微分光谱与镉含量的敏感波段在黄边、红外、近红外和远红外范围均有分布;(3)反映植物色素、水含量和细胞结构的参数MCARI(叶绿素吸收反射修正指数Modified Chlorophyll Absorption Reflectance Index),SDy(黄边面积Yellow Edge Area),WI(水质指数Water Index),DCWI(病态水分胁迫指数Disease Water Stress Index),SDr(红边面积Red Edge Area)和Dr(红边幅值The Amplitude of the Red Edge)可分别作为反演镉含量的敏感光谱参数,其倒数回归模型能够较好地反演镉污染下小白菜叶片的镉含量;(4)镉胁迫处理15 d时,建立的SDr的倒数模型估算处理30 d时小白菜叶片镉含量的效果最优。研究表明红边面积参数可以用于估算小白菜叶片的镉含量,可为评价小白菜的食用安全提供科学方法。     

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.     

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。     

基于优化SVR高光谱指数的独尾草叶绿素含量估算

以位于新疆准噶尔盆地腹地的古尔班通古特沙漠为研究区,测定独尾草幼苗期、开花期的叶片光谱反射率和叶绿素含量,分析24种光谱指数与叶绿素含量之间的相关关系,选用相关性较高的光谱指数建立优化支持向量回归机(SVR)估算模型。结果表明:(1)开花期的叶绿素含量高于幼苗期,主要与植被的光合作用有关,开花期的光谱反射率低于幼苗期,两期的光谱反射率符合普遍植物光谱反射率。(2)在幼苗期,GNDVI(green normalized difference vegetation index)与叶绿素含量相关性最高(R~2=0.664);在开花期,GM-2(Gitelson and Merzlyak)与叶绿素含量相关性最高(R~2=0.711)。按相关性排序时,在两期中,决定系数排名前7的光谱指数都相同。(3)将7个敏感光谱指数作为输入因子,通过3种优化算法选择最优参数(c,g),建立优化SVR估算模型:幼苗期和开花期,模型精度都较高,PSO-SVRGA-SVRGS-SVR,其中PSO-SVR决定系数最高,均方根误差最小。在幼苗期,PSO-SVR决定系数为0.812,均方根误差为0.728,在开花期,PSO-SVR决定系数为0.841,均方根误差为0.247。说明基于PSO-SVR算法优化后的SVR模型精度高误差小,能较好地对叶绿素含量进行估算,且独尾草叶绿素含量开花期的估算比幼苗期的效果要好。本研究为荒漠植被生态特征的监测估算、时空分布和生化参数反演提供了科学依据和技术支持。     

烤烟冠层光谱参数与叶片叶绿素含量的相关分析

为了明确烤烟冠层光谱参数与叶片叶绿素含量的相关性,测定了不同氮肥施用量条件下烤烟冠层光谱特征和烤烟鲜烟叶片叶绿素a(Chl-a)、叶绿素b(Chl-b)、类胡萝卜素(Cars)含量,并对光谱参数与叶绿素含量进行了相关分析和回归分析。结果表明:随着氮肥施用量增加,团棵期和旺长期鲜烟叶片的Chl-a、Chl-b和Cars含量均增加,可见光波段反射率降低、近红外波段反射率增加;而打顶期叶片的3种色素含量和光谱特征的变化规律不明显。可见光460～670nm范围内,460nm反射率与叶片叶绿素含量呈显著正相关,其他波段反射率与叶片叶绿素的含量呈显著负相关;近红外780～1260nm范围内,所有波段与叶片叶绿素含量的都呈显著正相关,1480nm反射率与叶片叶绿素含量呈显著负相关。反映Chl-a、Chl-b、Cars含量与光谱参数——比值植被指数(ratio vegetation index,RVI)定量关系的最佳回归方程分别为幂函数、幂函数和指数函数:Chl-a=0.250RVI(730,550)1.511,Chl-b=0.049RVI(730,550)1.841,Cars=0.0998e0.379RVI(730,550)。     

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.     

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.