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。     

闽江口湿地土壤全氮含量的高光谱遥感估算

氮是湿地生态系统重要生源要素,基于高光谱(350~2500 nm)遥感数据对其进行估算以实现湿地土壤全氮(TN)含量无损、快速和准确定量化具有重要意义。选取闽江河口湿地为研究区,于2013年5月,沿潮滩(高潮滩到中潮滩)采集16个土壤剖面80个样本,室内测定其光谱反射率和TN含量,并基于原始反射率(R)和光谱指数(比值指数RI、归一化指数NDI和差值指数DI)建立土壤TN含量高光谱估算模型,并进一步分析反射光谱与铵态氮(NH_4~+-N)、硝态氮(NO_3~--N)、有机质(SOM)和电导率(EC)之间的关系,以期揭示河口湿地土壤TN含量估算的机理。结果表明:土壤光谱反射率在350~600 nm,表现为高潮滩中潮滩,而在600~2500 nm,表现为高潮滩中潮滩;闽江河口湿地土壤TN含量与R在500 nm附近相关关系较好,并在490 nm有最大相关系数(-0.508);RI、NDI和DI大大提高了反射光谱与土壤TN含量的相关关系,其相关系数较高区域集中在600~1000 nm的波段组合,以RI(590,640)、RI(610,940)、NDI(940,590)、NDI(940,610)、DI(640,920)和DI(640,940)相关关系表现较好,能较好地实现研究区湿地土壤TN含量反演,其估算与检验模型r~2均大于0.610,RMSE均小于0.208,其中以RI(610,940)估算精度最好,估算与检验模型r~2分别为0.832和0.631,RMSE分别为0.178和0.202;闽江口湿地土壤TN含量与SOM含量密切相关是土壤TN含量估算的重要机理,而NH_4~+-N、NO_3~--N和盐分含量对其估算精度影响不大。     

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。     

利用高光谱参数反演水稻叶片类胡萝卜素含量

为了探讨快速、准确预测水稻(Oryza sativa)叶片类胡萝卜素(Car)含量的敏感光谱波段和光谱指数, 通过实施涉及不同年份、不同生态点、不同施氮水平和不同品种类型的4个田间试验, 于主要生育期同步测定了水稻顶部4张叶片的光谱反射率及Car含量, 系统分析了350-2 500 nm范围内任意两波段组合而成的比值(SR (λ1, λ2))、归一化(ND (λ1, λ2))及已报道的对Car敏感的光谱指数与水稻叶片Car含量间的定量关系。结果表明, 不同Car含量水平下水稻叶片光谱反射率存在着明显变化, 以绿光及红边波段对水稻叶片Car含量变化最为敏感。723 nm附近的波段与近红外波段的比值组合以及713 nm附近的波段与近红外波段的归一化组合可以较好地预测水稻叶片Car含量, 以SR (723, 770)和ND (770, 713)表现最好, 线性拟合R²分别达到0.897和0.898。基于独立的试验资料的检验表明, 预测值和实测值的拟合R²分别为0.856和0.858, 均方根差RMSE均为0.072, 平均相对误差RE分别为11.9%和12.0%, 表明SR (723,770)和ND (770, 713)可有效地估算水稻上部叶片的Car含量。     

闽江河口湿地土壤全磷高光谱遥感估算

磷是湿地生态系统必需和限制性元素,利用高光谱遥感数据对其进行估算对实现湿地土壤磷素快速和准确定量具有重要意义。选取闽江河口湿地作为研究区,于2013年5月,采集16个土壤剖面80个样本作为估算与验证模型样本;基于光谱指数建立土壤全磷(TP)含量估算模型,其中光谱指数包括原始光谱反射率(R)、比值土壤指数(RSI)、归一化土壤指数(NDSI)和有机质诊断指数(OII)。此外进一步分析反射光谱与不同形态磷,TP与有机质之间关系,以期初步揭示河口湿地土壤TP估算的机理。研究结果表明,闽江河口湿地土壤TP含量与R相关系数较高的区域分布在360-560 nm,并在406 nm处达到最大值-0.816;光谱指数RSI(R_(430),R_(830))、RSI(R_(460),R_(810))、RSI(R_(560),R_(580))、NDSI(R_(430),R_(830))、NDSI(R_(460),R_(830))、NDSI(R_(560),R_(580))和OII(R_(446))与土壤TP含量均有较高的相关系数,能较好的用于TP含量的估算;各估算模型决定系数(r~2)和均方根误差(RMSE)分别在0.657-0.805和0.052-0.067之间;验证模型r~2和RMSE分别在0.606-0.893和0.037-0.044之间。分潮滩建立TP含量估算模型是可行的,并且能提高部分光谱指数的估算精度。土壤TP含量的估算精度与磷素的组成有关,其中与铁吸附态磷关系较为密切,钙吸附态和铝吸附态磷关系较弱。土壤TP与有机质和氧化还原环境的存在密切关系可能是湿地土壤TP含量估算的重要机理。     

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。     

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。     

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)。     

基于减量精细采样法估算小麦叶片氮积累量的最佳归一化光谱指数

基于6个小麦品种、5个施氮水平、4年田间试验条件下不同生育时期的小麦叶片高光谱反射率和相应的氮含量及生物量,采用减量精细采样法,系统构建了350～2500 nm范围内所有两两波段组成的归一化光谱指数［NDSI（i, j）］,综合分析了小麦叶片氮积累量(LNA, g N·m^-2)与NDSI（i, j）的定量关系,确定了估算叶片氮积累量的新高光谱特征波段和光谱指数,进而建立了小麦叶片氮积累量监测模型.结果表明：估算小麦叶片氮积累量的敏感波段主要存在于可见光区和近红外区,最佳特征波段组合为720 nm和860 nm;基于NDSI(860,720)的叶片氮积累量监测模型为LNA=26.34×［NDSI(860,720)］^1.887（R²=0.900,SE=1.327）.利用独立试验资料的检验结果表明,基于NDSI(860,720)建立的回归模型对小麦叶片氮积累量的估测精度为0.823,RMSE为0.991 g N·m^-2,模型预测值与观察值之间的符合度较高.可利用新的归一化高光谱参数NDSI(860,720)来估算小麦叶片氮积累量.     

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.     

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.     

基于高光谱的苹果花磷素含量监测模型

在室内条件下,利用ASD FieldSpec 3地物光谱仪,测定了盛花期苹果花的高光谱反射率,在分析苹果花原始光谱反射率及其一阶导数特征的基础上,分析了高光谱反射率与磷素含量间的相关关系,确定其敏感波段,构建了特征光谱参数,并建立了苹果花磷素含量的监测模型.结果表明：苹果花磷素含量与350～370 nm、670～1385 nm、1620～1760 nm波段的原始光谱反射率以及波段500～520 nm光谱反射率的一阶导数呈极显著正相关,与波段670～730 nm一阶导数呈极显著负相关;光谱参数DVI(936,676)、DVI(977,676)、NDVI(936,676)、NDVI(977,676)与苹果花磷素含量的相关性较好,其相关系数均达到0.77以上,由此建立了以4种光谱参数为自变量的磷素含量监测模型,其中,以NDVI(936,676)为自变量构建的监测模型具有最大的决定系数（R²=0.9385）、最小的均方根误差（RMSE=0.6883）和最小的相对误差（RE=7.6%）,预测精度达到92.4%,为最佳监测模型.     

受渍冬小麦不同叶位叶片的SPAD高光谱估算

实时、准确获取叶绿素含量信息对及时了解农作物受害程度、指导农业生产和估测产量等具有重要意义。为探索受渍冬小麦各层叶片叶绿素相对含量(SPAD)的最优估测模型,本研究设置排灌可控的冬小麦渍害胁迫梯度微区试验,分析了15个常用高光谱特征指数与SPAD的相关关系,并对基于多元线性回归、支持向量机、BP神经网络、决策树和随机森林模型的受渍冬小麦各层叶片SPAD的估算结果进行了对比分析。结果表明：短期渍水(≤3 d)对冬小麦分层叶片的SPAD值影响不明显,当渍水时间大于9 d时,SPAD值随着渍水时间的增加降低较为明显,在生长后期为0;15个高光谱特征指数与SPAD均达到极显著相关水平(P<0.05),其中Ctr2、Dy、NDVI和SIPI 4个指数与SPAD的相关性最好,其相关系数的绝对值分别达到0.880、0.868、0.868和0.833;与基于L1、L2和L3层叶片SPAD相比,基于平均SPAD的高光谱估算结果最好,其R²达到0.719;与其他4个估算模型相比,随机森林模型可较好地估算各层叶片的SPAD值,其R²、RMSE、RE分别为0....     

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.     

水稻叶片全氮浓度与冠层反射光谱的定量关系

利用数学统计方法分析了不同施氮水平和不同水稻品种群体叶片全氮浓度（LNC）与冠层反射光谱的定量关系,建立了水稻群体叶片全氮浓度的光谱监测模型.结果表明：基于原始反射率构造的光谱参数与叶片全氮浓度的相关程度均高于原始反射率,近红外波段（760～1 220 nm）与可见光波段510、560、680及710 nm组成的比值植被指数、差值植被指数和归一化植被指数与群体叶片全氮浓度呈极显著正相关,其中与归一化植被指数（NDVI）的相关性最好;对拟合较好的6个两波段组合参数及4个特征光谱参数的预测标准误（SE）和决定系数（R²）进行比较后,选取参数NDVI (1220, 710)为反演群体叶片全氮浓度的最佳光谱参数,方程为LNC=3.2708 × NDVI (1220,710) + 0.8654.利用不同粳稻品种、水分和氮肥处理的试验数据对监测模型进行了检验,估计的根均方差（RMSE）均小于20%,预测值和实测值的拟合R²为0.674～0.862,拟合斜率为0.908～1.010,RMSE为11.315%～19.491%,表明模型预测值与实测值之间符合度较高,对不同栽培条件下的水稻群体叶片全氮浓度具有较好的预测性.     

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。     

穿透雨减少下锐齿栎叶片光合色素季节动态及其反射光谱响应

通过林地穿透雨排除的方法模拟降雨减少,测定河南宝天曼自然保护区锐齿栎叶片光合色素含量与反射光谱的季节变化,对减雨处理造成的光合色素变化及其反射光谱的变化进行了定量分析,并探讨了水分控制条件下反射光谱对叶片光合色素变化的响应机制.结果表明: 锐齿栎叶片的光合色素含量和色素比率均呈现明显的季节变化.减雨样地与对照样地叶片的光合色素含量和比率在生长季的各个时期存在差异,其中,叶片叶绿素b(Chl b)含量的差异显著,说明Chl b对减雨处理的敏感性最高,叶片类胡萝卜素(Car)含量的差异较小,说明Car对减雨处理的敏感性相对较弱.550 nm处的光谱反射率对色素季节变化的响应最敏感,以其构造的简单比值指数(SR_750,550)与叶片Chl a、Chl b、总Chl和Car含量的正相关关系显著,光化学反射指数(PRI)与叶片Car/Chl的负相关关系显著.550 nm处的光谱反射率对减雨处理造成的色素变化响应最为敏感.SR_750,550对减雨处理造成的叶片Chl a、Chl b和总Chl的含量变化表现敏感(P<0.01),对Chl a/b的变化不敏感.PRI对减雨处理造成的叶片Car/Chl变化表现敏感(P<0.01).     

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。     

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。     

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。