联合GF-6和Sentinel-2红边波段的森林地上生物量反演

光谱反射率能反映地物差异,是森林地上生物量（Aboveground Biomass,AGB）遥感反演的理论基础。红边波段处于近红外与红光波段交界处快速变化的区域,能对植被冠层结构和叶绿素含量的微小变化做出快速反应,对植被生长状况较敏感。研究以GF-6和Sentinel-2多光谱影像作为数据源,结合野外调查AGB数据,构建落叶松和樟子松AGB线性和非线性估测模型,通过比较模型精度选择最优模型进行森林AGB反演和空间分布制图。结果表明：GF-6和Sentinel-2影像红边波段反射率与落叶松、樟子松AGB均呈显著相关（P<0.05）,红边波段对AGB估测较敏感。多变量估测模型整体估测效果优于单变量模型,所有模型中多元线性回归模型取得了最优的决定系数（落叶松R²=0.66,樟子松R²=0.65）和最低的均方根误差（落叶松RMSE=31.45 t/hm²,樟子松RMSE=54.77 t/hm²）。相比单个数据源,联合GF-6和Sentinel-2影像构建的多元线性回归模型估测效果得到了显著提升,模型RMSE对于落叶松和樟子松AGB估测分别最大降低了22.9%和11.2%。增加红边波段进行AGB估测能显著提高模型估测精度,三组数据源分别加入红边波段信息后进行建模,模型RMSE得到了显著降低。GF-6拥有800 km观测幅宽和高效的重访周期,可以快速地提供大尺度时间序列数据,在森林地上生物量反演和动态监测方面有着很大潜力。     

基于光谱指数的喀斯特植物叶片叶绿素含量定量估算

为了探讨适合于喀斯特植物叶片叶绿素含量估算的光谱指数,在总结以往基于光谱指数的植物生化参数估算研究基础上发现,常用光谱指数通常采用差值、比值、归一化以及倒数差值方式来构建。因此,我们通过上述4种光谱指数构建方式对所采集的4种典型喀斯特植物——黄荆(Vitex negundo)、盐麸木(Rhus chinensis)、朴树(Celtis sinensis)和红背山麻杆(Alchornea trewioides)叶片原始光谱反射率及其一阶导数值与同步测定的叶片叶绿素含量进行遍历分析,以期获得最优光谱指数并将其应用于喀斯特植物叶片叶绿素含量定量估算研究。结果表明:(1)常用光谱指数中,改良红边归一化指数(modified red-edge normalized difference vegetation index, mND705)对喀斯特植物叶片叶绿素含量估算效果较好(决定系数为0.45,均方根误差为0.26 mg·g^-1)。(2)虽然荧光比值(fluorescence ratio index, FRI1)和叶绿素吸收面积光谱指数(chlorophyll absorption area index, CAAI)在估算喀斯特与非喀斯特植物叶片叶绿素含量能力相当,但是其估算精度相对较低(决定系数小于0.45)。(3)通过差值、比值、归一化以及倒数差值方式构建的光谱指数无论是基于植物叶片原始光谱反射率,还是其一阶导数值,相比常用光谱指数都能更好地估算喀斯特植物叶片叶绿素含量(决定系数大于0.60)。其中,基于植物叶片原始光谱反射率一阶导数值的差值光谱指数 [dD(760, 769)]对喀斯特植物叶片叶绿素含量的估算精度最好,其决定系数为0.71,均方根误差为0.19 mg·g^-1。综上可知,结合高光谱遥感技术的光谱指数模型可快速定量估算喀斯特植物叶片叶绿素含量,为典型喀斯特地区植物生长诊断及其对环境胁迫适应性评价提供重要科学依据和技术支持。     

基于高光谱数据的互花米草叶片功能性状反演

互花米草成功入侵的关键是其生长繁殖能力以及对环境的适应能力,叶片含水率、相对叶绿素含量、碳氮比、总氮、总磷以及比叶面积等叶片功能性状反应的是互花米草对资源的利用能力以及环境的适应能力。以江苏盐城滨海湿地为研究对象,进行互花米草叶片功能性状与高光谱数据的关系研究。通过对原始光谱数据以及一阶微分转换光谱数据进行主成分分析提取新的主成分变量作为自变量分别建立不同性状的逐步回归、BP神经网络、支持向量机、随机森林4种预测模型,通过比较构建模型的R²以及RMSE选择最优模型,进而基于相关性分析得到的敏感波段构建最优模型,验证其准确性和适用性。研究结果发现：（1）一阶微分数据的建模效果优于原始光谱数据;（2）通过对不同功能性状的预测建模,发现4种模型的预测效果排序为：随机森林>支持向量机>BP神经网络>逐步回归,其中随机森林模型的准确性高、稳定性强,明显优于其他3种模型,而逐步回归模型的效果最差,不适用于互花米草叶片功能性状的高光谱建模;（3）通过对相关性分析得到的敏感波段建立随机森林模型,建模R²均大于0.90,验证R²介于0.73-0.95之间,进一步证实了随机森林模型的准确性和稳定性。研究结果表明,高光谱数据可以作为快速监测互花米草生长状况的有力手段,而随机森林模型可以作为高精度模型实现对互花米草不同叶片功能性状的估测。     

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。     

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.     

基于冠层反射光谱的棉花叶片氮含量估测

通过分析不同施氮水平下棉花叶片氮含量与冠层多光谱反射率及其衍生的比值、归一化及差值植被指数之间的关系,确立了棉花叶片氮含量的敏感波段及预测方程.结果表明:由红谷区域(610、660、680和710nm4个波段)和近红外区域(760、810、870、950、1100和1220nm6个波段)组成的植被指数与棉花叶片氮含量的相关性较好,比值植被指数RVI(950,710)对叶片氮含量的预测性最好.利用独立的棉花田间试验资料对基于RVI(950,710)的预测方程进行检验,该模型适用于不同棉花品种及不同生育期棉花叶片氮含量预测.     

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)。     

控制大田和自然大田稻纵卷叶螟危害水稻生理生态参数估算模型

为了准确监测和客观评估稻纵卷叶螟对水稻生长发育和产量形成的危害,利用ASD Field Spec3地物波谱仪和SPAD-502叶绿素仪分别采集控制大田试验（2015年和2019年）和自然大田试验（2020年）在各生育期（拔节期、孕穗期、灌浆期、成熟期）水稻的冠层高光谱数据和SPAD值,调查采集样点的虫量和水稻卷叶率,对比分析两种试验中稻纵卷叶螟的虫害发生特征、水稻冠层光谱特征和水稻生理生态参数特征,建立基于高光谱参数的水稻受稻纵卷叶螟危害的生理生态参数估算模型。结果表明,（1）两种试验的水稻SPAD值和冠层的红边至近红外波段的反射率均随着稻纵卷叶螟虫害程度的加重而降低,而可见光波段的反射率则相反;（2）自然大田试验的SPAD值和红光至近红外波段的冠层反射率在水稻生长发育前期要显著低于控制大田试验,而到了后期则反而要略高于控制大田试验;（3）综合分析筛选出自然大田试验和控制大田试验中的多个虫害特征参数和植被指数分别构建出了SPAD的单因子和多因子估算模型,各模型均达到了较好的估算效果,在单因子模型中EVI的二项式函数模拟效果最好,而多因子线性回归估测模型的模拟效果优于所有的单因子模型;（4）通过2021年对这些模型的应用检验发现：这些模型中基于虫量、卷叶率、OSAVI、EVI和DVI的单因子估算模型的SPAD估算值与实测值拟合度很高,其R_v²均超过了0.8,达到了比较理想的估算效果,这为稻纵卷叶螟危害下的水稻SPAD值估测提供了一种精度较高且可行的估算方法。     

普洱季风常绿阔叶林乔木物种多样性高分辨率遥感估测

季风常绿阔叶林是我国南亚热带典型的地带性植被,也是云南省普洱地区重要森林类型。季风常绿阔叶林乔木物种多样性遥感估测对研究区域尺度生物多样性格局及其规律具有重要作用。根据光谱异质性假说和环境异质性假说,首先使用1m空间分辨率的机载高光谱数据和激光雷达数据提取了光谱多样性特征和垂直结构特征。然后利用基于随机森林算法的递归特征消除方法选择对研究区森林乔木物种多样性指数具有较好解释能力的遥感特征,并对Shannon-Winner物种多样性指数进行建模、制图。研究结果表明：（1）基于机载LiDAR数据提取的垂直结构特征和机载高光谱数据提取的光谱多样性特征均对研究区森林乔木物种多样性具有较好的解释能力,随机森林模型估测结果分别为R²=0.48,RMSE=0.46和R²=0.5,RMSE=0.45;两种数据源融合可以进一步提高遥感数据的森林乔木物种多样性估测精度,随机森林估测模型R²和RMSE分别为0.69和0.37。（2）机载激光雷达数据对研究区针阔混交林乔木物种多样性的估测能力优于机载高光谱数据。（3）机器学习方法有助于从高维遥感数据特征中选择适合于森林乔木物种多样性建模的少量特征。该研究在云南普洱开展对季风常绿阔叶林的遥感估测研究,可为森林生物多样性调查提供补充手段,有助于森林生物多样性大尺度、长期动态监测。     

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.     

基于冠层反射光谱的棉花干物质积累量估测

通过分析不同施氮水平下棉花地上部干物质积累量与冠层光谱反射率及其衍生的比值植被指数(RVI)、归一化植被指数(NDVI)及差值植被指数(DVI)之间的关系,确立了棉花地上部干物质积累量的敏感波段及预测模型.结果表明:两个可见光波段(560和710 nm)和5个近红外波段(810、870、950、1 100和1 220 nm)组成的植被指数与棉花地上部干物质积累量的相关性较好,其中RVI(1 100, 560)的相关性最好.通过逐步回归分析确立的棉花地上部干物质积累量的预测模型为:地上部干物质积累量(g·m-2)=66.274×RVI(1 100, 560)-148.84.说明通过遥感手段估测棉花地上部干物质积累量是可行的.     

光谱植被指数与水稻叶面积指数相关性的研究

 综合分析比较了几种常见光谱植被指数与水稻（Oryza sativa）叶面积指数的相关性及其预测力。结果表明,植被指数的预测力在水稻营养生长旺盛期间最好。植被指数的预测力主要依赖于叶面积指数(LAI)的整体变化范围。因此,综合不同生育时期和氮肥处理的试验资料,光谱植被指数能准确地预测LAI的变化。LAI与各植被指数均呈曲线相关,与比值植被指数(RVI)、再归一化植被指数(RDVI)和R810/R560显著幂相关,与归一化植被指数(NDVI)、垂直植被指数(PVI)、差值植被指数(DVI)、土壤调整植被指数(SAVI)和转换型土壤调整指数(TSAVI)显著指数相关。其中,近红外与绿光波段的比值R810/R560的预测力最佳。用不同移栽秧龄、不同密度、不同水分和氮肥处理的数据对R810/R560的表现进行了检验,结果表明估算精度平均为91.22%,估计的均方差根(RMSE)平均为0.480　5,平均相对误差为-0.013。表明宽波段光谱植被指数可以准确地用来监测水稻叶面积指数。     

基于多源遥感数据的大豆叶面积指数估测精度对比

近年来遥感技术的革新促使遥感源越来越丰富.为分析多源遥感数据的叶面积指数(LAI)估测精度,本文以大豆为研究对象,利用比值植被指数(RVI)、归一化植被指数(NDVI)、土壤调整植被指数(SAVI)、差值植被指数(DVI)、三角植被指数(TVI)5种植被指数,结合地面实测LAI构建经验回归模型,比较3类遥感数据(地面高光谱数据、无人机多光谱影像以及高分一号WFV影像)对大豆LAI的估测能力,并从传感器几何位置和光谱响应特性以及像元空间分辨率三方面分析讨论了3类遥感数据的LAI反演差异.结果表明： 地面高光谱数据模型和无人机多光谱数据模型都可以准确预测大豆LAI(在α=0.01显著水平下,R²均>0.69,RMSE均<0.40);地面高光谱RVI对数模型的LAI预测能力优于无人机多光谱NDVI线性模型,但两者差异不大(E_A相差0.3%,R²相差0.04,RMSE相差0.006);高分一号WFV数据模型对研究区内大豆LAI的预测效果不理想(R²<0.30,RMSE>0.70).针对星、机、地三类遥感信息源,地面高光谱数据在反演LAI方面较传统多光谱数据有优势但不突出;16 m空间分辨率的高分一号WFV影像无法满足田块尺度作物长势监测的需求;在保证获得高精度大豆LAI预测值和高工作效率的前提条件下,基于无人机遥感的农情信息获取技术不失为一种最佳试验方案.在当今可用遥感信息源越来越多的情况下,农业无人机遥感信息可成为指导田块精细尺度作物管理的重要依据,为精准农业研究提供更科学准确的信息.     

Threshold values of canopy reflectance indices and chlorophyll meter readings for optimal nitrogen nutrition of tomato

Sustainable and optimal economic N management requires correct and timely on‐farm assessment of crop N status to detect N deficiency or excess. Optical sensors are promising tools to assess crop N status throughout a crop or at critical times. The ability of optical sensor measurements of canopy reflectance (Crop Circle ACS 470) and leaf chlorophyll (SPAD 502 chlorophyll meter) to assess crop N status was evaluated weekly throughout an indeterminate tomato crop. Strong linear relationships with the optical sensor measurements were obtained, throughout most of the crop, for both (a) crop N content for ranges of 1.5–4.5%, and (b) the nitrogen nutrition index (NNI) for ranges of 0.4–1.3. The relationships of the optical sensor measurements to crop NNI were generally equal to or slightly better than with crop N content. Indices based on reflectance in the red, the normalised difference vegetation index (NDVI) and the red vegetation index (RVI), were the best predictors of crop N status in terms of goodness of fit, earliness and maintenance of relationships throughout the crop. SPAD chlorophyll readings and reflectance indices based on reflectance in the green, the normalised difference vegetation index on greenness (GNDVI) and the green vegetation index (GVI), were good indicators of crop N status for most of the crop, but with lower goodness of fit in the latter part of the crop. The linear relationships between sensor indices and readings with NNI or crop N content, each week, demonstrated the potential for using proximal canopy reflectance indices such as NDVI and RVI, and chlorophyll meter for monitoring crop N status of indeterminate tomato crops. Threshold values for optimal crop N nutrition for canopy reflectance indices and for chlorophyll meter readings were derived for each day of measurement from the relationships between optical sensor measurements and NNI by solving for NNI = 1. The threshold values obtained for each index and type of measurement varied during the crop cycle. The approach developed for determining threshold values from NNI can facilitate on‐farm use of optical sensors for monitoring crop N status, by enabling assessment of whether crop N status is excessive, deficient or adequate.     

Anthocyanin contribution to chlorophyll meter readings and its correction

Leaf chlorophyll content is an important physiological parameter which can serve as an indicator of nutritional status, plant stress or senescence. Signals proportional to the chlorophyll content can be measured non-destructively with instruments detecting leaf transmittance (e.g., SPAD-502) or reflectance (e.g., showing normalized differential vegetation index, NDVI) in red and near infrared spectral regions. The measurements are based on the assumption that only chlorophylls absorb in the examined red regions. However, there is a question whether accumulation of other pigments (e.g., anthocyanins) could in some cases affect the chlorophyll meter readings. To answer this question, we cultivated tomato plants (Solanum lycopersicum L.) for a long time under low light conditions and then exposed them for several weeks (4 h a day) to high sunlight containing the UV-A spectral region. The senescent leaves of these plants evolved a high relative content of anthocyanins and visually revealed a distinct blue color. The SPAD and NDVI data were collected and the spectra of diffusive transmittance and reflectance of the leaves were measured using an integration sphere. The content of anthocyanins and chlorophylls was measured analytically. Our results show that SPAD and NDVI measurement can be significantly affected by the accumulated anthocyanins in the leaves with relatively high anthocyanin content. To describe theoretically this effect of anthocyanins, concepts of a specific absorbance and a leaf spectral polarity were developed. Corrective procedures of the chlorophyll meter readings for the anthocyanin contribution are suggested both for the transmittance and reflectance mode.     

Nondestructive estimation of anthocyanins and chlorophylls in anthocyanic leaves

The anthocyanin and chlorophyll contents in leaves provide valuable information about the physiological status of plants. Thus, there is a need for accurate, efficient, and practical methodologies to estimate these biochemical parameters of vegetation. In this study, we tested the performance and accuracy of several nondestructive, reflectance-based techniques for estimating anthocyanin and chlorophyll contents in leaves of four unrelated species, European hazel (Corylus avellana), Siberian dogwood (Cornus alba =Swida alba), Norway maple (Acer platanoides), and Virginia creeper (Parthenocissus quinquefolia), with widely variable pigment content and composition. An anthocyanin reflectance index, which uses reflectances in the green and red edge spectral bands, and a modified anthocyanin reflectance index, employing, in addition, the near-infrared (NIR) band, were able to accurately estimate leaf anthocyanin for all species taken together with no reparameterization of algorithms. Total chlorophyll content was accurately estimated by a red edge chlorophyll index that uses spectral bands in the red edge and the NIR. These approaches can be used to estimate anthocyanin and chlorophyll nondestructively and allow the development of simple handheld field instrumentation.     

Field-based remote sensing of intertidal epilithic chlorophyll: Techniques using specialized and conventional digital cameras

Information on the amount of chlorophyll (as an index of micro-algal abundance) on rock surfaces is essential for many reasons, including studies of grazing and its role in structuring intertidal assemblages. Many methods are destructive, error-prone and expensive. Remote sensing allows non-destructive, inexpensive and quantitative measurements to be made of chlorophyll in situ. One specialized and two inexpensive commercially-available digital cameras (Fuji IS1 and Sony DSC-V1) are evaluated for estimating amounts of chlorophyll on rock surfaces. To compare measurements from different images, they are calibrated, using reflectance standards of different brightness. To test the calibration, images of a natural rock platform were acquired under variable solar illumination and camera-exposure times. Analyses before and after calibration showed that the method was effective.A range of quantities of micro-algae was grown on sandstone disks in an aquarium over different intervals of time. Red and NIR reflectance images were obtained from the cores. For each core, the amount of chlorophyll was determined spectrophotometrically and estimated from the images using the Ratio Vegetation Index (RVI) and Normalised Difference Vegetation Index (NDVI). Each of these was linearly related to the measured chlorophyll, with r² ranging from 0.78 to 0.9. These techniques can be applied to the study of intertidal and freshwater benthic habitats.