基于实测高光谱与Sentinel-2B数据的银北土壤Na+含量估测

为了探讨不同传感器对土壤Na⁺含量的估测能力,本研究以宁夏银北地区典型样点土壤实测光谱和Sentinel-2B影像光谱为对象,运用逐步回归(SR)和主成分回归分析(PCA)方法对光谱数据进行敏感参量筛选,然后采用偏最小二乘回归(PLSR)、支持向量机(SVM)和反向传播神经网络模型(BPNN)分别建立实测光谱和影像数据的土壤Na⁺含量估算模型。结果表明: 除Band9外,实测重采样数据与影像数据呈极显著相关。基于SR筛选方式建立的模型估算精度普遍高于PCA(SVM模型除外),PCA-SVM模型为影像最佳Na⁺含量估算模型,预测精度为0.792;SR-BPNN模型为实测最佳Na⁺含量估算模型,预测精度达到0.908。经重采样实测光谱模型校正后的SR-PLSR影像光谱土壤Na⁺含量估算模型精度从0.481提高到0.798,有效提高了较大尺度下的土壤Na⁺含量估算精度。本研究实现了遥感监测土壤Na⁺含量由点向面的空间转换,为Sentinel-2B影像监测盐渍化土壤Na⁺含量提供了科学参考。     

基于分数阶微分技术的土壤水盐信息高光谱反演

准确高效获取土壤水盐信息是盐碱地改良和可持续利用的前提。本研究以地面野外高光谱反射率和实测土壤水盐含量为数据源,利用分数阶微分(FOD)技术对原始光谱反射率进行步长为0.25的处理,从光谱数据与土壤水盐信息相关性层面筛选FOD阶数,构建二维光谱指数,采用支持向量机回归(SVR)和地理加权回归(GWR)建立土壤水盐含量反演模型并进行验证。结果表明：FOD技术可以在一定程度上减弱高光谱噪声并挖掘潜在光谱信息,提高高光谱反射率与土壤含水量(SMC)、pH值和含盐量的相关性,相关系数最高分别提升0.98、1.35和0.33。与一维光谱相比,FOD结合二维光谱指数筛选的特征波段组合对SMC、pH值和含盐量的响应更敏感,分别以1.5、1.0和0.75阶为最优,其中,SMC最大相关系数绝对值的最佳组合波段为570、1000、1010、1020、1330和2140 nm; pH值为550、1000、1380和2180 nm;含盐量为600、990、1600和1710 nm。相较于原始光谱反射率,SMC、pH值和含盐量最优阶次估算模型验证决定系数(R_p²)最高...     

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.     

湿地土壤全氮和全磷含量高光谱模型研究

氮磷是湿地生态系统土壤中的重要营养元素,其对湿地植被生长、湿地生态系统生产力、区域富营养化变化、湿地环境生态净化功能等具有重要的影响作用。研究氮磷营养物质在湿地土壤中的分布变化特征,对湿地生态系统评估、恢复和管理具有重要的意义。以中国高纬度地区面积最大的滨海芦苇湿地——盘锦湿地为研究区,采用不同建模方法(再抽样多元逐步回归模型bootstrap SMLR和再抽样偏最小二乘回归模型bootstrap PLSR)和光谱变换技术(包络线去除CR、光谱一阶微分FD和光谱倒数的对数LR),分别建立了湿地土壤全氮和全磷含量的估算模型。基于湿地土壤实测光谱,模拟高光谱Hyperion数据和多光谱TM数据,在此基础上进行湿地土壤营养元素含量估算。对比所建反演模型的估算精度,探讨高光谱遥感技术对湿地土壤营养元素组分的估算能力和适用性。研究结果表明:bootstrap PLSR相比于bootstrap SMLR建模方法,其对研究区湿地土壤全氮和全磷含量的估算获得了较高精度;对盘锦湿地土壤全氮含量的估算,最高估算精度产生于CR光谱变换技术结合bootstrap PLSR建模;对湿地土壤全磷含量的估算,最高估算精度产生于原光谱数据结合bootstrap PLSR建模;模拟高光谱数据Hyperion对湿地土壤全氮和全磷含量的估算精度均高于模拟多光谱数据TM,模拟Hyperion的估算精度更接近于实测光谱的估算精度。     

基于分数阶微分优化光谱指数的土壤电导率高光谱估算

土壤电导率与含盐量具有高度相关性,精准的土壤电导率监测有助于了解区域土壤的盐渍化程度,对区域盐渍化防治与调控,农业可持续发展以及生态文明建设具有重要意义。为寻求预测土壤电导率的最佳高光谱参数,实现土壤盐分信息的高效监测,本研究对土壤样品进行室内高光谱和电导率测定,利用两波段优化算法对简化光谱指数(nitrogen planar domain index, NPDI)进行波段优化,筛选不同高光谱数据(原始高光谱反射率及其对应的5种数学变换)运算下的最敏感高光谱参数,从而建立土壤电导率高光谱估算模型。结果表明:1)NPDIs与土壤电导率之间的相关性显著,在原数据及其平方根、倒数、对数倒数、1.6阶微分变换形式下,优化光谱指数对土壤电导率的敏感程度更强,相关系数绝对值均超过0.80,且基于1.6阶微分变换的(R_(2020nm)+R_(1893 nm))/R_(1893 nm)波段组合相关系数绝对值最高,达到0.888。2)基于1.6阶微分波段优化的预测模型效果最佳,预测精度为R■=0.84,RMSE_(Pre)=2.07mS/cm,RPD=2.94,AIC=158.11。因此,对高光谱数据的适当数学变换有利于优化光谱指数更好地估算土壤电导率,进一步实现土壤盐渍化高精度动态监测。     

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.     

基于Landsat系列数据的盐分指数和植被指数对土壤盐度变异性的响应分析——以新疆天山南北典型绿洲为例

基于不同地理区域,借助目前已有或者构建新的盐分和植被指数定量评估研究区的土壤盐度状况。但多数指数并未在盐渍化较为严重的中国新疆地区进行系统性对比分析。因此,以新疆阜北地区(采样数=37),玛纳斯河绿洲(采样数=68)和渭干河-库车河绿洲(采样数=38)为研究区,以灌区农田和盐渍地采样数据和Landsat TM/ETM+/OLI为数据源,利用线性模型和多个非线性模型(10个)测试上述指数(14个指数)和原始波段对于研究区土壤盐度的敏感性。结果显示,阜北地区基于遥感获取的扩展的增强型植被指数Extented Enhanced Vegetation Index(EEVI)在全样本和部分样本(盐渍化样本,土壤盐度0.3%)两种模式下(0—10cm),较其他指数和波段而言较为敏感。在全样本和部分样本(土壤饱和溶液电导率2ds/m)两种模式下,与玛纳斯流域各层土壤盐度最为敏感的为band 2,部分样本模式下土壤盐度变异性显著性探测最大下探深度为30cm。渭干河-库车河绿洲全样本模式下,最大土壤盐度变异性显著性探测深度为40cm,0—10cm和10—20cm深度表现最为敏感的是土壤盐分指数SI-T,20—40cm深度则为植被指数TGDVI。部分样本下(土壤饱和溶液电导率2ds/m),0—10cm深度最为敏感的为band5,10—20cm深度最为敏感的为TGDVI,20—40cm深度则为EEVI。其他指数因地理环境的差异性(气候,土壤盐分类型,土壤类型,采样时间),与土壤盐度之间并未达到显著性(sig=0.05或者0.01)的水平。以上结果只是初步结论,但也暗示其中的某些指数在本区具有一定土壤盐度的识别潜力。此外,由于土壤本身的复杂性,需要采集更多的样本以深入分析不同盐度等级下上述指数的具体表现。     

基于近红外光谱的冬小麦籽粒蛋白质含量检测

冬小麦籽粒蛋白质含量(GPC)是评价冬小麦品质的主要指标,为了研究不同建模方法对GPC检测的影响,本研究对冬小麦籽粒的近红外原始光谱进行S-G平滑、基线校正和多元散射校正等预处理,利用连续投影算法(SPA)提取冬小麦GPC的重要光谱波段,并结合偏最小二乘回归(PLSR)、主成分回归(PCR)、支持向量机(SVM)和多元线性回归(MLR)建立GPC的光谱预测模型,并综合比较模型的适用性。结果表明:经过SPA提取的特征波段为1801、1010、1109、2284、2219、2239、871、1361、1925、1849和1456 nm;模型评价方面,利用特征波段建立的SVM模型效果较好,其中校正均方根误差(RMSEC)和R2分别为0.2481和0.9760,验证均方根误差(RMSEP)和R2分别为0.3587和0.9581。研究表明,SPA+SVM预测模型在一定程度上能够实现冬小麦籽粒蛋白质的快速、无损检测。     

湿地小叶章叶绿素含量的高光谱遥感估算模型

通过实测不同覆盖度和水深状况下小叶章(Calamagroestis angustifolia)的冠层高光谱反射率与叶绿素a(Chl-a)浓度,采用高光谱可见光-近红外波段及其微分光谱波段(350～1050 nm)逐波段构建FNDVI、FRVI、FDVI、FDNDVI、FDRVI和FDDVI植被指数,分别找出与Chl-a具有最佳相关性波段组合的植被指数,建立小叶章Chl-a含量的最佳估算模型,并对比分析了最佳模型与线性模型的预测精度.结果显示:微分光谱植被指数与Chl-a的最佳预测模型(FDNDVI、FDRVI和FDDVI)比反射率植被指数最佳模型(FNDVI、FRVI和FDVI)的预测精度分别提高了6.86%、4.82%和10.10%;植被指数(FNDVI、FD-VI、FDNDVI和FDRVI)与Chl-a含量具有较好的线性关系,而最佳模型比线性模型预测精度仅仅提高了0.60%、1.40%、1.02%和0.93%,可以用简单的线性模型反演湿地小叶章的Chl-a含量.     

不同光谱类型对银川平原土壤含盐量反演精度的影响与校正

土壤盐渍化是导致土壤质量下降、耕地减产的重要因素之一。为准确快速评价银川平原土壤含盐量,本研究对野外高光谱数据和室内高光谱数据进行一阶微分(FDR)变换,逐步回归(SR)筛选特征波段,利用偏最小二乘回归(PLSR)与支持向量机(SVM)进行建模,明确适用于本地区土壤含盐量准确反演的光谱类型,并对较差光谱类型进行分段校正与全局校正,尝试提高土壤含盐量反演精度。结果表明: 基于野外光谱的土壤含盐量反演模型精度比室内光谱平均高58.9%;对室内光谱进行分段校正、全局校正后反演精度均有提高,其中,PLSR以分段校正精度更高,建模决定系数(R_c²)、验证决定系数(R_p²)和相对分析误差(RPD)分别为0.790、0.633和1.64,而SVM以全局校正精度更高,R_c²、R_p²和RPD分别为0.927、0.947和3.87;SVM模型的反演精度高于PLSR,其中,野外光谱建模效果最佳,室内全局校正光谱与室内分段校正光谱次之,室内光谱最差。因此,野外高光谱可实现对银川平原土壤表层含盐量的定量反演,经校正的室内光谱对土壤含盐量反演精度显著提升,均可为粮食安全与生态环境高质量发展提供保障。     

天然草地植被覆盖度的高光谱遥感估算模型

利用ASD FieldSpec Pro FR^TM光谱仪,对内蒙古自治区锡林郭勒盟的天然草地进行高光谱遥感地面观测,并计算天然草地植被覆盖度;选择25个高光谱特征变量与天然草地植被覆盖度进行相关性分析.结果表明,共有17个变量通过极显著性检验,尤以红边波长范围内一阶微分波段值总和(SDr)的相关系数0.781为最高在此基础上将观测数据分成两组:一组观测数据作为训练样本(n=49),运用单变量线性、非线性和逐步回归方法,建立植被覆盖度高光谱遥感估算模型;另一组观测数据作为检验样本(n=32),进行精度检验分析结果显示,采用逐步回归分析方法,运用冠层原始反射率数据估算草地植被覆盖度的效果并不理想;而以红边波长范围内一阶微分波段值的总和(SDr)为变量的线性回归方程是最佳估算模型,模型标准差为10.4%,估算精度为83.99%.     

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。     

基于连续统去除法的水生植物提取及其时空变化分析——以官厅水库库区为例

光谱特征变量的筛选作为水生植物识别的重要手段之一, 在水生植物种类识别研究中应用广泛。该研究将实测光谱特征提取与多时相Landsat 8 OLI影像数据分析相结合, 找到一种有效识别不同种类水生植物的特征变量。在水生植物反射光谱特征分析中引入矿质分析中普遍使用的连续统去除法, 对光谱重采样结果作连续统去除处理后提取光谱吸收深度特征。采用单因素方差分析法对比7个光谱重采样波段和3个连续统去除吸收深度敏感波段, 发现经连续统去除处理的短波红外1波段(SWIR1CR)对于不同类型的水生植物区分效果最佳。将连续统去除法应用到遥感影像处理上, 发现SWIR1CR波段能较好区分沉水植物和挺水植物; 结合影像归一化植被指数和SWIR1CR波段可较好区分三类水生植物。结合特征波段筛选结果采用支持向量机分类方法, 得到水生植物的分类结果精度为86.33%, 对比全生长期12期影像提取的水生植物分布图, 发现水生植物主要分布于官厅水库库区南北岸浅水区, 水生植物面积最大时约占库区总面积的35.13%; 其中沉水植物年内生长分布变化幅度较大, 6月上旬开始迅速生长; 10月份水生植物开始衰减; 11月份水生植物占库区面积的20%, 沉水、浮水植物大幅衰减消失。     

Extraction of aquatic plants based on continuous removal method and analysis of its temporal and spatial changes—A case study of Guanting Reservoir

光谱特征变量的筛选作为水生植物识别的重要手段之一, 在水生植物种类识别研究中应用广泛。该研究将实测光谱特征提取与多时相Landsat 8 OLI影像数据分析相结合, 找到一种有效识别不同种类水生植物的特征变量。在水生植物反射光谱特征分析中引入矿质分析中普遍使用的连续统去除法, 对光谱重采样结果作连续统去除处理后提取光谱吸收深度特征。采用单因素方差分析法对比7个光谱重采样波段和3个连续统去除吸收深度敏感波段, 发现经连续统去除处理的短波红外1波段(SWIR1CR)对于不同类型的水生植物区分效果最佳。将连续统去除法应用到遥感影像处理上, 发现SWIR1CR波段能较好区分沉水植物和挺水植物; 结合影像归一化植被指数和SWIR1CR波段可较好区分三类水生植物。结合特征波段筛选结果采用支持向量机分类方法, 得到水生植物的分类结果精度为86.33%, 对比全生长期12期影像提取的水生植物分布图, 发现水生植物主要分布于官厅水库库区南北岸浅水区, 水生植物面积最大时约占库区总面积的35.13%; 其中沉水植物年内生长分布变化幅度较大, 6月上旬开始迅速生长; 10月份水生植物开始衰减; 11月份水生植物占库区面积的20%, 沉水、浮水植物大幅衰减消失。     

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。     

基于多源遥感数据的草地净初级生产力质量评价

植被净初级生产力NPP(Net Primary Production)的遥感估算与分析对全球生态系统具有重要指导意义,不同尺度的遥感影像上占主导地位的地物景观信息是不同的,现代生态研究多尺度分析至关重要。以青海省海北藏族自治州为研究区,使用Landsat 8 OLI遥感影像、天宫二号宽波段成像仪影像、融合影像(Landsat8 OLI影像和天宫二号宽波段成像仪影像融合)联同MODIS影像,作为CASA模型的输入参数,探究不同尺度下的研究区域NPP的空间分布情况,并对比分析不同数据源数据在估算NPP时的精度。结果表明:(1)Landsat 8 OLI数据的NPP值位于150—200 g C m^-2 a^-1所占比例最高;天宫二号宽波段成像仪影像数据和融合后影像的NPP值位于50—100 g C m^-2 a^-1所占比例最高;MODIS数据的NPP值位于小于50 g C m^-2 a^-1比例最高。(2)天宫二号宽波段成像仪影像数据的均方根误差(RMSE)、平均绝对误...     

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.     

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。     

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.