一种估测土壤有机质含量的近红外光谱参数

通过系统分析我国中、东部地区5种不同类型土壤风干样本的有机质含量与近红外(1000～2500 nm)光谱反射率和一阶导数两波段构成的比值、差值及归一化指数之间的关系,构建了适合土壤有机质含量估测的光谱参数及定量反演模型.结果表明：用多元散射校正及Savitzky-Golay平滑方法对原始光谱反射率进行预处理后,其两波段组成的光谱参数与土壤有机质含量的相关性明显优于原始光谱反射率组成的光谱参数,而由上述预处理后的反射率一阶导数的两波段构成的光谱参数介于二者之间;不同类型光谱参数构成形式中,以差值指数的预测性最好,其次为比值和归一化指数;与土壤有机质含量相关程度最高的光谱参数,是以近红外合频区1883和2065 nm 2个波段的反射率经多元散射校正和Savitzky-Golay平滑后构建而成的差值指数DI(CR₁₈₈₃, CR₂₀₆₅),两者呈极显著的直线相关.经不同类型土壤的观测资料检验,模型的决定系数为0.837,均方根误差为4.06;与偏最小二乘法的全谱建模结果相比,尽管DI(CR₁₈₈₃, CR₂₀₆₅)的预测精度略低于后者,但该指数只使用了2个波段的反射率,且所建模型比较简单,能为便携式监测仪的研制提供更有效的信息,可作为一种良好的土壤有机质估测光谱参数.     

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.     

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)。     

辽西不同针叶被害率的油松冠层光谱特征

通过对辽宁西部大面积油松冠层反射光谱的测定,分析了不同针叶被害率的油松冠层光谱反射率的差异.结果表明:在可见光波段,健康植被和不同针叶被害率的油松冠层光谱均符合绿色植物的光谱特征,但针叶被害率大于60％的油松冠层的红谷不十分明显;在近红外波段,随着针叶被害率的减少,780～1350 nm波段范围的光谱反射率增大,1450～1800和1950 ～2350 nm波段范围的光谱反射率下降.随着针叶被害率的增加,红边拐点波长位置向短波方向移动,即出现“蓝移”现象.不同针叶被害率与红边特征参数和多种植被指数均具有显著或极显著的相关关系,其中,以DVI(1470,860)为参数所建模型能更好地监测油松冠层针叶被害率.     

小麦叶面积指数与冠层反射光谱的定量关系

在分析不同氮素水平下小麦叶面积指数（LAI）和冠层光谱反射率随生育期变化模式的基础上,确立了LAI与冠层光谱反射率及光谱参数的相关关系,提出了小麦LAI的敏感光谱参数及预测方程.结果表明,小麦LAI和近红外短波段（760～1 220 nm）反射率都随施氮量的增加呈上升趋势,可见光波段反射率则相反;从拔节期到成熟期,LAI和近红外短波段反射率均表现为先上升后下降的趋势,而可见光波段（460～710 nm）反射率随生育期的推进先降低后升高,以孕穗期反射率最低,近红外长波段区域（1 480～1 650 nm）反射率的变化与可见光部分相同.LAI与可见光波段反射率呈负相关,与近红外短波段反射率呈极显著正相关,其中以810 nm相关性最好.可以选择RVI(810,510)和DVI(810,560)作为反演小麦LAI的光谱参数.另外,在证明垂直植被指数PVI和转换型土壤调整指数TSAVI对LAI预测能力的同时,发现利用RVI(810,510)、DVI(810,560)和PVI 3个植被指数共同推算小麦LAI的准确度更高.     

水稻氮素营养高光谱遥感诊断模型

对水稻氮素含量与原始光谱反射率、一阶微分光谱以及高光谱特征参数间的相关性进行了分析,并构建和验证了以遥感参数为自变量的水稻氮素营养诊断模型.结果表明：氮素含量在水稻各器官中总的变化趋势为茎<鞘<穗<叶;各器官在可见光波段的光谱反射能力为叶<穗<鞘<茎,在近红外波段则与此相反.以波长796.7 nm处的光谱反射率和738.4 nm处的一阶微分光谱反射率为自变量的线性模型和指数模型的决定系数（R²）分别为0.7996和0.8606,二者均能较好地诊断水稻氮素营养,但最适合诊断水稻氮素含量的拟合模型是以植被指数的归一化变量（SD_r-SD_b）/（SD_r+SD_b）为自变量构建的水稻氮素营养高光谱遥感诊断模型［y=365871+639323（SD_r-SD_b）/（SD_r+SD_b）,R₂＝0.8755,RMSE＝0.2372,相对误差＝11.36％］,该模型可定量诊断水稻氮素营养.     

基于高光谱指数的塔里木河上游胡杨和灰叶胡杨叶片氮素含量估测

采用高光谱技术,以胡杨、灰叶胡杨为实验材料,利用野外地物光谱辐射计获得了塔里木河上游胡杨、灰叶胡杨叶片的光谱反射率数据,同时进行叶片的采集并分析其氮素含量。结果表明:(1)以原始光谱反射率与叶片氮素含量的最大相关波段处的反射率为自变量,氮素含量为因变量,拟合的线性模型灰叶胡杨的决定系数大于胡杨,胡杨在657 nm处和灰叶胡杨689 nm处所构建的模型在叶片氮素预测模型中较为理想;(2)以光谱特征变量、植被指数及红边位置为自变量,叶片氮素含量为因变量所构建的线性模型拟合效果较好,其中叶片氮素与植被指数构建的模型其决定系数值较高,说明其具有较高的预测能力;(3)基于光谱面积的预测变量在监测叶片营养状况中也有较大的潜力。研究认为,利用高光谱反射率数据及其光谱变换参数来估测胡杨、灰叶胡杨的氮素含量是可行的。     

滨海盐土土壤水分的高光谱参数及估测模型

基于滨海盐土5个试验点的土壤含水量和室内土壤表面高光谱反射率,综合分析了350～2500 nm波段范围内土壤含水量与土壤光谱之间的关系,并基于比值光谱指数(RSI)、归一化光谱指数(NDSI)和差值光谱指数(DI)确定了光谱参数,进而构建土壤含水量估测定量模型.结果表明： 滨海盐土原始光谱反射率与土壤含水量呈显著负相关关系,且最大负相关出现在1930 nm(r=0.86)附近.对RSI、NDSI和DI的直线回归方程、幂函数回归方程进行对比,以RSI(R₁₄₀₇,R₁₄₅₉)为自变量构建的土壤含水量指数函数线性回归方程决定系数最大(0.780),标准误较小(0.016),拟合方程为y=0.00001e^9.72053x.估测模型能够更好地监测滨海盐土土壤水分状况.基于RSI(R₁₄₀₇,R₁₄₅₉)构建的模型可实现对江苏省滨海盐土土壤水分的精确监测.     

滨海盐土土壤水分的高光谱参数及估测模型

基于滨海盐土5个试验点的土壤含水量和室内土壤表面高光谱反射率,综合分析了350~2500 nm波段范围内土壤含水量与土壤光谱之间的关系,并基于比值光谱指数(RSI)、归一化光谱指数(NDSI)和差值光谱指数(DI)确定了光谱参数,进而构建土壤含水量估测定量模型.结果表明:滨海盐土原始光谱反射率与土壤含水量呈显著负相关关系,且最大负相关出现在1930 nm(r=0.86)附近.对RSI、NDSI和DI的直线回归方程、幂函数回归方程进行对比,以RSI(R_(1407),R_(1459))为自变量构建的土壤含水量指数函数线性回归方程决定系数最大(0.780),标准误较小(0.016),拟合方程为y=0.00001e~(9.72053 x).估测模型能够更好地监测滨海盐土土壤水分状况.基于RSI(R_(1407),R_(1459))构建的模型可实现对江苏省滨海盐土土壤水分的精确监测.     

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.     

基于高光谱的苹果果期冠层光谱特征及其果量估测

苹果冠层光谱特征是苹果树遥感生理监测和生产管理的重要依据。对栖霞市苹果果期的冠层反射光谱进行实测,结合数码照相技术探明了苹果果期的反射光谱特性和敏感波段,并通过敏感波段与果树比指标建立回归模型,实现了对苹果冠层果量(果树比)的无损估测。结果表明:苹果树果期冠层光谱曲线总体表现为对蓝光和红光的吸收及对绿光的反射,在近红外750—1300nm之间表现为强烈的反射,且在1650nm和2200nm附近呈现两个反射峰。选择435、670、730、940、1140nm和1480nm等6个波段为苹果果期的敏感波段。利用这些波段分别构建了差值、比值及归一化植被指数,筛选了最佳光谱参数,进而构建了果量(果树比)估测模型,经筛选验证确定苹果果量的最佳估测模型为:y=0.0086[NDVI(940,730)]2-1.0934NDVI(940,730)+0.3209。模型为苹果果期果量的精确估测提供了比较快捷的方法途径。     

黄土丘陵沟壑区土壤养分含量的高光谱预测模型

基于高光谱数据快速准确估算土壤养分含量,可为土壤养分监测及土壤理化参数反演提供优化方法.本研究在陕北黄土丘陵沟壑区选取典型样地,分析土壤养分含量与光谱反射率的定量关系,采用连续投影算法提取其光谱特征波长,利用偏最小二乘法、多元线性回归法、支持向量机法分别对土壤有机质、全氮、全磷、全钾含量进行预测并对比分析,构建该区域土壤养分含量的最优高光谱预测模型.结果表明: 黄土丘陵沟壑区土壤养分含量与光谱反射率在可见光区(400～760 nm)和近红外区(760～1100 nm)相关性较高,相关系数最大值均位于这两个光谱区间.4种土壤养分含量的SPA-SVM模型的普适性好且反演精度高,建模过程简单高效,适用于小数据量试验.本研究结果可为采用机器学习算法构建黄土丘陵沟壑区土壤养分含量高光谱预测模型提供参考.     

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。     

稻麦叶片氮积累量与冠层反射光谱的定量关系

作物氮素积累动态是评价作物群体长势及估测产量和品质的重要指标,对于作物氮素的实时监测和精确管理具有重要意义。该文以5个小麦(Triticum aestivum)品种和3个水稻(Oryza sativa)品种在不同施氮水平下的3年田间试验为基础,综合研究了稻麦叶片氮积累量与冠层反射光谱的定量关系。结果表明,不同试验中拔节后叶片氮积累量均随施氮水平呈上升趋势;稻麦冠层光谱反射率在不同施氮水平下存在明显差异,可见光区(460~710 nm)反射率一般随施氮水平的增加逐渐降低,近红外波段(760~1 220 nm)反射率却随施氮水平的增加逐渐升高;就单波段而言,810和870 nm处的冠层光谱反射率均与稻麦叶片氮积累量具有相对较高的相关性;在光谱参数中,比值植被指数(Ratio vegetation index, RVI)(870,660)和RVI(810,660)均与稻麦叶片氮积累量具有高度的相关性,且相关系数明显高于单波段反射率,尤其是水稻作物;对于小麦和水稻,均可以利用统一的波段和光谱指数来监测其叶片氮积累量,并可以采用统一的回归方程来描述其叶片氮积累量随单波段反射率和反射光谱参数的变化模式,但若采用单独的回归系数则可以提高稻麦叶片氮积累量估测的准确性。     

黄土高原冬小麦田光谱特征变化及其与二氧化碳日收支的相关分析

根据光谱辐射仪对黄土高原冬小麦整个生育期光谱反射率的连续观测数据及CO₂通量观测数据,对冬小麦田光谱特征变化及其与CO₂日收支的相关性进行了分析.结果表明：冬小麦田不同波长光谱反射率和归一化植被指数（NDVI）呈现明显的日变化和季节变化.同一天内,反射率随太阳高度角的变化而变化,变化最大的波段（550 nm左右、700～1 050 nm）表现为峰.不同生育期同一时刻,可见光波段（350～670 nm）反射率变化不大,近红外波段（700～1 050 nm）出现较大差异,在出苗期、分蘖期和越冬期后红边位置向长波方向“红移”;越冬期前出现向短波方向“蓝移” 的现象;但成熟期“蓝移”现象不明显,表现为突变;其他生育时期没有观测到波谱位移.NDVI的日变化呈U型,13：00左右最低,16：00后出现较大波动,与抛物线有较好的拟合效果,小麦生长旺盛时期,对其地面遥感观测应选择在NDVI变化不大的13：00左右进行;整个冬小麦生长季11:00反射率及NDVI以播种后第140天为中心对称,NDVI的季节变化表现为M型,可用四次多项式拟合;在整个小麦生育期中NDVI与CO₂的日收支呈极显著负相关,但正午左右的相关性稍差.     

Best hyperspectral indices for assessing leaf chlorophyll content in a degraded temperate vegetation

Extensive studies have focused on assessing leaf chlorophyll content through spectral indices; however, the accuracy is weakened by limited wavebands and coarse resolution. With hundreds of wavebands, hyperspectral data can substantially capture the essential absorption features of leaf chlorophyll; however, few such studies have been conducted on same species in various degraded vegetations. In this investigation, complete combinations of either original reflectance or first‐order derivative spectra we conducted a complete combination on either original reflectance or its first‐order derivative value from 350 to 1000 nm to quantify leaf total chlorophyll (Chll), chlorophyll‐a (Chla), and chlorophyll‐b (Chlb) contents. This was performed using three hyperspectral datasets collected in situ from lightly, moderately, and severely degraded vegetations in temperate Helin County, China. Suitable combinations were selected by comparing the numbers of significant correlation coefficients with leaf Chll, Chla, and Chlb contents. The combinations of reflectance difference (D_ij), normalized differences (ND), first‐order derivative (FD), and first‐order derivative difference (FD(D)) were found to be the most effective. These sensitive band‐based combinations were further optimized by means of a stepwise linear regression analysis and were compared with 43 empirical spectral indices, frequently used in the literature. These sensitive band‐based combinations on hyperspectral data proved to be the most effective indices for quantifying leaf chlorophyll content (R² > 0.7, p < 0.01), demonstrating great potential for the use of hyperspectral data in monitoring degraded vegetation at a fine scale.     

Comparison of Vegetation Indices and Red-edge Parameters for Estimating Grassland Cover from Canopy Reflectance Data

There has been a great deal of Interests in the estimation of grassland biophysical parameters such as percentage of vegetation cover （PVC）, aboveground biomass, and leaf-area index with remote sensing data at the canopy scale. In this paper, the percentage of vegetation cover was estimated from vegetation indices using Moderate Resolution Imaging Spectroradiometer （MODIS） data and red-edge parameters through the first derivative spectrum from in situ hypserspectral reflectance data. Hyperspectral reflectance measurements were made on grasslands in Inner Mongolia, China, using an Analytical Spectral Devices spectroradiometer. Vegetation indices such as the difference, simple ratio, normalized difference, renormalized difference, soil-adjusted and modified soil-adjusted vegetation indices （DVI, RVI, NDVI, RDVI, SAVI L=0.5 end MSAVI2） were calculated from the hyperspectral reflectance of various vegetation covers. The percentage of vegetation cover was estimated using an unsupervised spectral-contextual classifier automatically. Relationships between percentage of vegetation cover and various vegetation indices and red-edge parameters were compared using a linear and second-order polynomial regression. Our analysis indicated that MSAVI2 and RVI yielded more accurate estimations for a wide range of vegetation cover than other vegetation indices and red-edge parameters for the linear and second-order polynomial regression, respectively.     

基于棉花功能叶高光谱参数的土壤电导率监测模拟

通过2008-2009年在江苏南京农业大学牌楼试验站的盆栽试验,选择耐盐棉花品种中棉所44和盐敏感性品种苏棉12号为材料,模拟5种不同含盐水平的滨海盐土(0、0.35％、0.60％、0.85％和1.00％),分析了棉花生育期棉田土壤电导率与棉花功能叶光谱反射率和高光谱参数的关系,并建立了棉田土壤电导率(EC)的定量监测模型.结果表明:棉花功能叶光谱反射率在近红外和中红外区域均随土壤盐分水平的升高而升高;以敏感波段1350nm和2307 nm构建的归一化光谱指数NDSI(R1350,R2307)与土壤电导率的决定系数最高,基于此构建了基于NDSI(R1350,R2307)的棉田土壤EC监测模型:EC=-42.899NDSI(R1350,R2307)+27.338;在光谱微分参数中,以TM影像第5个波段的光谱反射率(TM5-SWIR)与棉田土壤EC的决定系数最高,构建了基于TM5-SWIR的棉田土壤EC监测模型:EC=0.0574 TM5-SWIR2-2.5928 TM5-SWIR+ 30.021.以NDSI(R1350,R2307)和TM5-SWIR为自变量的监测模型的预测精度均较高,分别为0.887和0.814,根均方差均较小,分别为1.09和1.29 dS·m-1.利用棉花功能叶NDSI(R1350,R2307)和TM5-SWIR均能较好地监测棉田土壤电导率.