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。     

水稻冠层高光谱特征变量与叶片叶绿素含量的相关性研究

为了探讨水稻冠层光谱对叶片叶绿素含量的响应规律,以双季早稻为材料,设置不同施氮量处理的田间试验,测定水稻冠层光谱和叶片叶绿素含量,计算基于冠层反射光谱的特征变量,研究水稻冠层高光谱特征变量与叶片叶绿素含量之间的关系。结果表明:施用氮肥对反射光谱有明显的影响,在可见光范围内,不施氮处理的反射率高于施氮处理,尤其在波长550 nm左右的绿峰处显著增加,在近红外区反射率随施氮量的增加而增加;与叶绿素含量相关性较好的光谱位置参数是红边位置和红谷反射率,随着叶绿素含量的增加,红谷反射率降低,红边位置向长波方向移动;比值植被指数R800/R550、R750/R553和R990/R553,以及色素比值指数PSSRa、PSSRb与chla、chlb、chl(a+b)呈极显著正相关,可以作为水稻冠层叶片叶绿素监测的特征变量。     

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。     

不同施肥条件下夏玉米光谱特征与叶绿素含量和LAI的相关性

在不同施肥方式下研究了长期试验地夏玉米在4个典型生育期的叶绿素相对含量(SPAD)、叶面积指数(LAI)和冠层光谱特征,系统分析了单波段以及由可见光和近红外波段组成的归一化差异植被指数(NDVI)与叶片叶绿素含量和LAI的相关性.结果表明:在同一个生育期,NK、PK处理和CK的光谱曲线特征相似,NPK、NP、OM、1/2OM1/2NPK处理的光谱特征曲线相似.除460nm外,其它单波段反射率与叶绿素含量和LAI都显著相关,尤其在510~1100nm波段相关性最为密切;不同波段组合的NDVI与这2个指标也显著相关,且相关系数大于单波段.从拔节期到乳熟期,绝大部分NDVI都可以有效地拟合叶绿素含量和LAI的变化,选用NDVI(560,950)和NDVI(660,760)建立拟合模型(R2>0.60),并以NDVI(560,950)拟合效果最佳(R2>0.80).可见,不同施肥方式条件下长期试验地夏玉米冠层光谱特征与叶绿素含量、LAI都具有良好的相关性,可以为夏玉米肥料管理提供科学依据.     

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。     

MODIS植被指数与水稻叶面积指数及叶片叶绿素含量相关性研究

利用光谱分辨率为3nm的ASD FieldSpec UV／VNIR光谱仪获得了2002和2003年水稻整个生长期的高光谱数据,同时对水稻叶面积指数(LAI)和叶绿素含量(CHL．Ｃ)进行了测定,对中分辨率成像光谱仪(MODIS)的增强植被指数(EVI)、归一化植被指数(NＤVI)以及红边位置(REP)与LAI及CHL．C之间的关系进行了研究．结果表明。LAI与冠层光谱在可见光、近红外波段相关性较好,叶绿素含量与冠层光谱在红光波段相关性较好．EVI、REP和LAI之间的相关关系不受水稻覆盖率的影响;NDVI与LAI的相关关系在水稻低覆盖率情况下较好;在水稻高覆盖率情况下。EVI和REP比NDVI与LAI之间的相关关系要好．MODIS-NDVI、EVI及REP与叶片叶绿素含量相关性较好．由此可见,EVI和REP可以有效地监测水稻LAI和CHL．C．     

亚热带典型常绿阔叶树种叶片叶绿素含量与其高光谱特征间的关系

叶绿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光谱与叶绿素含量间的关系将有助于理解叶绿素光谱反射特征的规律.选取了6种亚热带常绿阔叶树种,抽取一定数量的叶片样品,分别测量了叶片的光谱反射率及其叶绿素含量,并建立了光谱反射率曲线上的红边位置附近的光谱反射率和叶绿素总量间的回归模型.结果显示:对所研究的树种而言,红边位置处一窄波长范围内的平均光谱反射率与叶绿素总量间的相关性普遍较高,回归效果显著.从高光谱遥感的角度结合植物的生理生态特点分析了其机理.建立的有关红边位置处的光谱反射率与叶绿素总量间的回归模型普遍具有较高的拟合度,其应用前景较好.     

水稻高光谱变化特征与叶绿素含量监测研究

叶绿素含量是评价水稻光合效率的重要指标,实时无损监测叶绿素含量对水稻生长诊断具有重要意义。以水稻P88S(绿叶)和黄1S(黄叶)为试验材料,分析高光谱指数与水稻叶绿素含量的关系,并构建冠层反射光谱与水稻叶绿素含量监测模型。研究结果表明:水稻不同叶色的冠层光谱反射率随着植株生长而不断变化,在绿叶材料P88S的502-711 nm和黄叶材料黄1S的487-716 nm可见光波长范围内,叶绿素含量与一阶微分光谱的相关系数呈极显著正相关。以P88S RVI(363,675)和黄1S DVI'(639,680)作为光谱参数,与叶绿素含量建立估算模型拟合效果最佳,说明利用高光谱技术结合一阶微分光谱的方法可以监测水稻叶绿素含量。     

夏玉米叶片全氮、叶绿素及叶面积指数的光谱响应研究

在夏玉米的不同生长阶段,测定冠层光谱,结合农学参数(LTN、CHL．C、CHL．D、LAI),研究了农学参数的光谱响应规律及其与冠层光谱参量(反射率R、一阶微分光谱R′和红边位置REP)的相关性,并建立预测数学模型,结果表明,拔节一抽雄期,伴随着植株生长和群体壮大,红边斜率缓慢增加,红边位置呈逐渐偏向长波方向的“红移”,至抽雄期群体稳定后而停止;开花-乳熟期,随着个体衰老和群体减弱,红边斜率减小,红边位置又呈偏向短波方向的“蓝移”。利用一阶微分光谱和红边位置推算夏玉米冠层CHL．D不仅是可行的,而且反演精度较高,最适模型分别为指数(R^2=0．9487)和抛物线(R^2=0．9392)。     

基于光谱特征变量的湿地典型植物生态类型识别方法——以北京野鸭湖湿地为例

光谱特征变量的选择对于湿地植被识别的精度和效率有着直接的影响作用.以华北地区典型的淡水湿地——野鸭湖湿地为研究区,采用Field Spec 3野外高光谱辐射仪,获取了野鸭湖典型湿地植物的冠层光谱.以野外高光谱数据为基础,首先利用一阶导数与包络线去除的方法,分析和对比不同植物生态类型的光谱特征,选定了用于识别植物生态类型的光谱特征变量,选定的8个光谱特征变量为红边位置WP_r、红边幅值Dr、绿峰位置WP_g、绿峰幅值Rg、510 nm附近的吸收深度DEP-510和吸收面积AREA-510、675 nm附近的吸收深度DEP-675和吸收面积AREA-675.其中,7种植物生态类型的一阶导数光谱特征差异较小,吸收特征差异性相对较大.除WP_r和WP _g外,沉水植物Rg和Dr平均值最低,湿生植物的Rg平均值最高,达到0.164,栽培植物的Dr平均值最高,达到0.012.7种植物生态类型在675 nm附近的DEP-675和AREA-675均高于510 nm附近的DEP-510与AREA-510,除去栽培植物,随着水分梯度的变化,其他6种植物生态类型的吸收深度和吸收面积都表现出先升高后降低的趋势.然后利用单因素方差分析(One-way ANOVA)验证了所选光谱特征变量的区分度,在P≤0.01的置信水平下,选取的8个光谱特征变量都能够较好的区分7种植物生态类型,区分度的最小值为13,最大值为18,并且吸收特征参数的区分度优于一阶导数参数.最后应用非线性的反向传播人工神经网络(BP-ANN)与线性判别分析(FLDA)的类型识别方法,利用选定的8个光谱特征变量进行湿地植物生态类型识别,取得了较好的识别精度,两种方法的总分类精度分别达到85.5％和87.98％.单因素方差分析(One-way ANOVA)和不同分类器的分类精度表明,所选的8个光谱特征变量具有一定的普适性和可靠性.     

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.     

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。     

夏玉米三叶期持续干旱下不同叶位叶片含水量变化及其与光合作用的关系

植物干物质的累积依赖于群体光合速率,而群体光合速率又与单叶的光合能力密切有关。叶片光合作用与其含水量密切相关,目前关于不同叶位叶片含水量对持续干旱的响应及其与光合作用的关系还未见报道。以华北夏玉米郑单958为材料,设置6个不同灌水处理,模拟不同灌溉量下持续干旱对夏玉米不同叶位叶片生理特性的影响,分析夏玉米顶部开始的第一、三、五叶位叶片的水分变化及其与净光合速率的关系。结果表明:夏玉米不同叶位的叶片最大含水量不同,且随干旱进程的推进叶片含水量的变化速率也不同,第一叶的叶片含水量下降速率高于第三、第五叶,第一叶的最大含水量高于第三、五叶,且可进行光合产物积累的叶片含水量下限随叶位的增加而增大。同时,第一叶的叶片含水量与土壤水分呈显著相关,且与净光合速率的相关性也非常强。第一叶可进行光合产物积累的叶片水分下限(净光合速率为零时的叶片含水量)最小,表明其耐旱性最强,对干旱具有指导意义。研究结果可为提高冠层光合作用模拟的准确性及夏玉米干旱发生发展的监测预警提供参考。     

植被生化组分光谱模型抗土壤背景能力分析

应用LOPEX'93(Leaf Optical Properties Experiment)数据,分析了统计回归模型在进行植被叶绿素和水分反演中抗土壤背景影响的能力,模型参数分别使用了:反射率及其变化形式、光谱位置变量、植被指数。在LOPEX'93数据库的植被波谱中分别加入10%-90%的实测土壤光谱信息,得到植被与土壤的混合光谱,并分析混合光谱对植被生化组分的响应。结果表明:应用反射率及其变化形式进行植被叶绿素反演时,以730nm和400nm组合的反射率和反射率倒数的对数为参数的模型具有最高的抗土壤背景能力,在土壤背景所占比例从低到高的变化过程中,以二者反射率组合为参数的模型与叶绿素的相关系数,始终保持在0.645附近,以二者反射率倒数的对数为参数的模型与植被叶绿素的相关系数保持在0.650附近;应用反射率及其变化形式进行植被含水量反演时,以1100,1170,1000,1040,1080nm组合的反射率为参数的模型以及以1170,960,1210,1090,1080,950,1220,1210nm反射率倒数的对数组合为参数的模型具有较高的稳定性,在土壤组分变化的过程中,以上模型与植被含水量的相关系数均稳定的高于0.99;对于光谱位置变量的分析中,以红边-绿峰-红谷组合的模型与植被叶绿素含量具有较高、而且稳定的相关系数,在土壤背景所占比例变化的情况下,相关系数稳定在0.53附近;在应用植被指数进行叶绿素的反演过程中,植被指数与叶绿素的相关系数在土壤背景所占比例变化的情况下变化较大,抗土壤背景的能力均较差;在应用植被指数进行植被水分含量的反演时,以水分指数Ratio975和Ratio1200相关系数最高,且在不同比例土壤背景变化下稳定,相关系数分别分布在0.980附近和0.960附近。该结果可用于指导不同植被覆盖条件下植被冠层参数的反演,提高反演的稳定性和准确性。     

平稳小波变换在冬小麦SPAD高光谱监测中的应用

在2010与2011年度冬小麦生长季通过大田小区试验,利用ASD便携式野外光谱仪和SPAD 502叶绿素计实测冬小麦冠层的高光谱反射率与SPAD值.分析不同SPAD值下的冬小麦冠层光谱特征,建立了基于归一化植被指数（NDVI）与比值植被指数（RVI）、小波能量系数的不同生育期冬小麦SPAD估算模型.结果表明： 随着SPAD值的增大,“绿峰”与“红谷”特征愈加明显.在冬小麦返青期、拔节期、抽穗期、灌浆期NDVI估算SPAD的效果较好,估算模型的R²分别为0.7957、0.8096、0.7557、0.5033.小波能量系数回归模型可以提高冬小麦SPAD的估算精度,在返青期、拔节期、抽穗期、灌浆期以高频、低频小波能量系数为自变量的冬小麦SPAD估算模型的R²分别达到0.9168、0.9154、0.8802、0.9087.     

Spectral vegetation indices as the indicator of canopy photosynthetic productivity in a deciduous broadleaf forest

Aims Understanding of the ecophysiological dynamics of forest canopy photosynthesis and its spatial and temporal scaling is crucial for revealing ecological response to climate change. Combined observations and analyses of plant ecophysiology and optical remote sensing would enable us to achieve these studies. In order to examine the utility of spectral vegetation indices (VIs) for assessing ecosystem-level photosynthesis, we investigated the relationships between canopy-scale photosynthetic productivity and canopy spectral reflectance over seasons for 5 years in a cool, temperate deciduous broadleaf forest at 'Takayama' super site in central Japan.Methods Daily photosynthetic capacity was assessed by in situ canopy leaf area index (LAI), (LAI × V cmax [single-leaf photosynthetic capacity]), and the daily maximum rate of gross primary production (GPP max) was estimated by an ecosystem carbon cycle model. We examined five VIs: normalized difference vegetation index (NDVI), enhanced vegetation index (EVI), green–red vegetation index (GRVI), chlorophyll index (CI) and canopy chlorophyll index (CCI), which were obtained by the in situ measurements of canopy spectral reflectance.Important findings Our in situ observation of leaf and canopy characteristics, which were analyzed by an ecosystem carbon cycling model, revealed that their phenological changes are responsible for seasonal and interannual variations in canopy photosynthesis. Significant correlations were found between the five VIs and canopy photosynthetic capacity over the seasons and years; four of the VIs showed hysteresis-type relationships and only CCI showed rather linear relationship. Among the VIs examined, we applied EVI–GPP max relationship to EVI data obtained by Moderate Resolution Imaging Spectroradiometer to estimate the temporal and spatial variation in GPP max over central Japan. Our findings would improve the accuracy of satellite-based estimate of forest photosynthetic productivity in fine spatial and temporal resolutions, which are necessary for detecting any response of terrestrial ecosystem to meteorological fluctuations.     

Deriving a light use efficiency estimation algorithm using in situ hyperspectral and eddy covariance measurements for a maize canopy in Northeast China

We estimated the light use efficiency (LUE ) via vegetation canopy chlorophyll content (CCC _canopy) based on in situ measurements of spectral reflectance, biophysical characteristics, ecosystem CO ₂ fluxes and micrometeorological factors over a maize canopy in Northeast China. The results showed that among the common chlorophyll‐related vegetation indices (VI s), CCC _canopy had the most obviously exponential relationships with the red edge position (REP ) (R ² = .97, p  <  .001) and normalized difference vegetation index (NDVI ) (R ² = .91, p  <  .001). In a comparison of the indicating performances of NDVI , ratio vegetation index (RVI ), wide dynamic range vegetation index (WDRVI ), and 2‐band enhanced vegetation index (EVI 2) when estimating CCC _canopy using all of the possible combinations of two separate wavelengths in the range 400?1300 nm, EVI 2 [1214, 1259] and EVI 2 [726, 1248] were better indicators, with R ² values of .92 and .90 (p  <  .001). Remotely monitoring LUE through estimating CCC _canopy derived from field spectrometry data provided accurate prediction of midday gross primary productivity (GPP ) in a rainfed maize agro‐ecosystem (R ² = .95, p  <  .001). This study provides a new paradigm for monitoring vegetation GPP based on the combination of LUE models with plant physiological properties.