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。     

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。     

基于高光谱和数字图像特征指数的受渍冬小麦SPAD估算

为了探索基于高光谱和数字图像技术的受渍冬小麦SPAD最优监测方法,本研究基于排灌可控的微区试验,通过分析常用的15个高光谱特征指数和14个数字图像特征指数与受渍冬小麦叶绿素相对含量(SPAD)的相关关系,构建了基于最优监测特征指数的BP神经网络模型,对受渍冬小麦的SPAD进行估算。结果表明: 与正常小麦相比,短期渍水(≤7 d)对冬小麦的SPAD值和高光谱反射率影响不明显,当渍水时间大于12 d时,SPAD值随着渍水时间的增加急剧降低,在生长后期接近于0;基于数字图像特征指数(绿红差值植被指数、超红指数、红光标准化值和超绿指数)的冬小麦SPAD估算结果,与基于相对应的高光谱波段的估算结果基本一致,估算模型实测值与预测值的R²最高达到0.86,均方根误差(RMSE)为3.98;与基于数字图像特征指数相比,基于类胡萝卜素反射指数、黄边幅值、归一化植被指数和结构不敏感指数4个高光谱特征指数的冬小麦SPAD估算模型的实测值与预测值的R²最高达到0.97,RMSE低至1.95。可见,基于高光谱和数字图像技术均可以进行受渍冬小麦SPAD估算,且基于高光谱特征指数的BP神经网络模型的估算结果较好。     

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%.     

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.     

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....     

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.     

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。     

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。     

基于红边参数的芦苇叶绿素的反演研究

干旱区荒漠植物的叶绿素定量反演是动态监测、快速有效评估植物生物量及长势的有效方法。利用便携式可见-近红外光谱仪FieldSpecPro3测定绿洲、盐碱地及沙漠3种生境内的芦苇高光谱值, 对高光谱数据一阶微分以及红边参数与叶绿素含量进行了相关分析, 选取最佳红边参数建立经验估算模型与神经网络模型, 并评估检验。模型显示, 三种生境下均为二项式回归模型的决定系数最佳, 检验精度的决定系数(R²)分别为0.8466、0.8672和0.7935, 均方根误差 RMSE (root-mean-square error)分别为2.3601、1.4112和2.8002; BP神经网络模型的检验精度的决定系数(R²)分别为0.9147、0.9331和0.8813, RSME分别为1.4010、0.9964和0.5559。结果表明, 利用BP(back propagation)神经网络估算的模型精确度显著提高, 可作为芦苇叶绿素高光谱反演的有效模型而使用, 为荒漠植物叶片叶绿素的光谱特征反演提供了借鉴, 为监测荒漠植物生长、产量估算及动态监测等提供可行的手段。     

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...     

冬小麦叶片SPAD值高光谱估测的预处理方法

为选择合适的光谱预处理方法,提高叶片SPAD值的预测精度,本研究分析冬小麦不同叶位叶片SPAD值与光谱的响应关系,对原始光谱数据进行归一化处理(NC)、多元散射校正(MSC)和基线校正(BC)及组合处理,并结合连续投影算法(SPA)和逐步多元线性回归(SMLR)构建SPAD值光谱估测模型。结果表明:增加施氮量能提高冬小麦不同叶位叶片的SPAD值,生育前期顶二叶在近红外光谱区域反射率最大,生育后期则为顶一叶最大;单一光谱预处理中基于NC处理的光谱预测模型最好(R2=0.770、RMSE=1.483),MSC处理降低了模型预测效果,组合预处理中,以BC+NC建模效果最好,R2和RMSE分别为0.755和1.540;部分预处理在一定程度上可以消减噪音,但不当的预处理方法会降低模型的预测能力;预处理方法并不是越多越好,顺序不同预测模型精度不同。     

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。     

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.     

基于连续统去除法的水稻氮素营养光谱诊断

该文将矿质分析及岩石光谱特征分析中普遍使用的连续统去除法引入水稻(Oryza sativa)叶片反射光谱特征的分析中。分析连续统去除光谱反射率和连续统去除一阶微分光谱,发现随着氮素水平的增加连续统去除光谱反射率下降。分析连续统去除光谱吸收特征参数与叶片全氮量相关性,这些参数包括:吸收峰左半端的面积(A₁)、吸收峰整体面积(A)、对称度(S)和连续统去除最小反射率(D_hc),结果表明连续统去除光谱吸收特征参数与叶片全氮量之间负相关性显著(均通过0.01水平的显著相关检验)。考虑到氮素营养在植物体内转移的营养原理,在分蘖期、孕穗期和抽穗期这3个关键生育期内分别针对水稻第一完全展开叶和第三完全展开叶建立连续统去除光谱吸收特征参数评价水稻氮素营养的回归模型。结果表明在估算第三完全展开叶氮素营养时,3个生育期内建模使用的回归量均为吸收峰整体面积A,而且在3个生育期内模型的决定系数较高且比较稳定。但是,第一完全展开叶建模使用的回归量(续统去除光谱吸收特征参数)不完全一致,这可能是由于氮素营养在植物体内转移导致。尽管连续统去除法诊断水稻氮素营养的一些机理还有待于进一步深入研究,但是该研究证明了运用水稻鲜叶片连续统去除反射光谱进行定性和定量评价水稻氮素营养在方法上是可行的。     

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。     

水肥耦合下夏玉米不同生育时期的高光谱特性与反演模型研究

本文通过整个光谱范围内一阶导数光谱反射率与叶绿素、可溶性糖和可溶性蛋白的相关系数显著的波段,建立高光谱预监测水肥耦合条件下的夏玉米光合特性以及碳氮代谢,进而为玉米高产提供依据。在玉米拔节期和大喇叭口期选择596、1025和924nnl,吐丝期和乳熟期选择638、1068和965nm这几个显著性波段的实测值来建立估测模型。研究结果表明,拔节和大喇叭口期叶片叶绿素SPAD值的估测模型为y=28832．45p596＋39．34,可溶性糖含量的估测模型为y=640．54p1025＋7．92,可溶性蛋白含量一阶导数光谱估测模型为y=4092．90p924＋5．63,而吐丝期和乳熟期叶片叶绿素SPAD值的估测模型为y=134151．00p638＋129．92,可溶性糖含量的估测模型为y=524．80p1068＋9．20,可溶性蛋白含量一阶导数光谱估测模型为y=7321．61lp965＋36．64。所建立的高光谱预测模型在本试验所属的时空范围内能很好地预测和反演玉米生长状况。     

基于支持向量机的水稻生物物理参数遥感估算

通过两期水稻实验,测定了不同生育期的冠层高光谱反射率（350～2500nm）,每期实验包括两个水稻品种和3个氮素（N）水平.为了分析支持向量机对水稻叶面积指数和叶绿素浓度的预测能力,对高光谱反射率进行了4种不同形式的变换,包括反射率、反射率一阶导数、反射率二阶导数和反射率对数变换.分析结果表明：利用反射率进行估算的POLY核支持向量机对水稻叶面积指数的估算能力最强,其均方根误差为1.0496;利用反射率对数变换进行估算的ANOVA核支持向量机对水稻叶绿素浓度的估算能力最强,其均方根误差为523.0741mg/m2.支持向量机对于水稻生物物理参数的估算能力不但优于逐步多元回归模型,而且对于分析不同形式的光谱反射率数据具有独到的功效.     

基于机载高光谱影像的植被冠层叶绿素反演

利用黑龙江省伊春市带领区凉水国家级自然保护区机载高光谱数据,提取了红边面积、三角形植被指数、归一化植被指数等15个光谱参数,结合坡度、坡向、海拔、郁闭度和植被总盖度5个地理参数,并利用叶绿素计SPAD-502对研究区植被冠层叶绿素相对含量进行同步测量,分析了叶片光谱反射率、反射率的一阶导数及其他变形分别与SPAD值的相关性,采用基于核变换的偏最小二乘原理建立了叶绿素相对含量的估测模型,用该模型对研究区植被冠层叶绿素相对含量进行定量估算.结果表明:当分段数为3、提取的主成分数为10时,所建模型的效果较好,模型决定系数达到0.855,平均绝对百分误差为9.6％,预测精度为89.7％.     

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。