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.     

棉花冠层高光谱参数与叶片氮含量的定量关系

建立棉花(Gossypium hirsutum)氮素状况的光谱监测技术对于棉花营养诊断和长势估测具有重要意义。该研究利用冠层高光谱反射率及演变的多种高光谱参数,分析了不同施氮水平下不同棉花品种叶片氮含量与冠层反射光谱的定量关系,建立了棉花叶片氮含量的敏感光谱参数及预测方程。结果显示,棉花叶片氮含量和冠层高光谱反射率随不同施氮水平呈显著变化。棉花叶片氮含量的敏感光谱波段为600~700 nm的可见光波段和750~900 nm的近红外波段,且叶片氮含量与比值植被指数RVI [average (760~850), 700]有密切的定量关系,4个品种的平均决定系数在0.70左右。进一步分析表明,可以用统一的回归方程来描述不同品种、不同生育时期和不同氮素水平下棉花叶片氮含量随反射光谱参数的变化模式,从而为棉花氮素营养的监测诊断与精确施肥提供技术依据。     

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)。     

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Sentinel-2A影像干旱区棉花叶片SPAD数字制图

植被叶片叶绿素是农业遥感反演的重要参数,叶绿素含量的变化与植被生长环境的胁迫程度、生理变化密切相关,故将植被叶绿素进行实时、动态监测对农业生产极为重要。然而,传统经验模型及叶绿素精准测量存在困难。基于高分辨率的Sentinel-2A数据,在机器学习框架下,利用光谱信息、最适光谱指数和基于PROSAIL辐射传输模型的生物协变量构建3种建模方案(方案1:光谱信息和最适光谱指数联合,方案2:光谱信息和物理模型生物协变量联合,方案3:光谱信息、最适光谱指数和物理模型生物协变量联合)。最终基于优选出的建模方案进行棉花叶片叶绿素相对含量的空间数字制图。结果表明:(1)红边波段参与的最适光谱指数比值植被指数(RVI)与棉花叶片SPAD值相关性最高r=0.767,P^**=0.195;(2)将构建的17个变量进行重要性分析可知,构建的最适光谱指数比值植被指数(RVI)与物理模型生物协变量LAI-Cab对估算模型的精度贡献率较大;(3)建模方案构建植被指数时红边波段被确定为最优波段,在增加精度方面起到决定性作用;通过模型评价标准来分析3种方案可知,预测精度大小顺序为模型方案3>...     

利用水稻冠层光谱特征诊断土壤氮素营养状况

系统测定了不同秸秆还田和氮肥处理下水稻(Oryza sativa)关键生育期的冠层反射光谱及土壤速效氮含量,并对两者之间的关系进行了详尽的分析。结果表明: 土壤速效氮含量在整个水稻生育期内均与可见光波段反射率呈负相关,与近红外波段反射率呈正相关。归一化及比值植被指数与土壤速效氮含量有更好的相关性,分蘖期要优于其它生育时期,以870、1 220 nm波段与560和710 nm波段的组合最佳,但两者的关系易受土壤等背景的干扰。而转换型土壤调节植被指数TSAVI能较好地消除分蘖期土壤背景的影响,两生态点可用统一的方程来拟合,用该研究中所筛选出的最佳波段组合计算出的TSAVI的表现更好,尤其是870 nm波段和710 nm波段的组合,决定系数(R²)由0.46提高到0.60。抽穗期和灌浆期由1 220和760 nm计算的比值指数R(1 220, 760)和新土壤调节植被指数SAVI(1 220,760)与土壤速效氮含量的关系则不受生态点的影响,可用统一回归方程来拟合。这说明水稻冠层反射光谱可以用来评价稻田土壤肥力状况,但仍需进一步研究。     

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。     

小麦叶片氮素状况与光谱特性的相关性研究

 系统分析了不同时相下两个小麦(Triticum aestivium)品种叶片含氮量及叶片氮积累量与冠层光谱反射特征的关系。结果表明,随施氮水平的增加,小麦冠层在可见光区的反射率逐渐降低,而近红外波段的反射率逐渐升高。小麦叶片氮素状况与比值指数或归一化指数显著相关,两个品种表现极为一致,可以用一个指数方程来拟合。分阶段建模并没有提高模型的精度,因此可以建立一个适用于整个生育时期的通用氮素诊断方程。叶片含氮量同光谱指数在整个生育期内的关系要优于叶片氮积累量的,其中,与叶片含氮量关系最佳的指数为红波段(660 nm)和蓝波段(460 nm)的组合(R2>0.80);与叶片氮积累量关系最佳的光谱指数为中红外波段(1 220 nm)与红波段(660 nm)的组合(R2>0.62)。     

稻麦叶片氮含量与冠层反射光谱的定量关系

作物氮素含量是评价作物长势、估测产量与品质的重要参考指标,叶片氮素含量的无损快速监测对于指导作物氮素营养的精确管理及生产力的预测预报具有重要意义.以5个小麦品种和3个水稻品种在不同施氮水平下的3a田间试验为基础,综合研究了稻麦叶片氮含量与冠层反射光谱的定量关系.结果显示：（1）不同试验中拔节后稻麦叶片氮含量均随施氮水平呈上升趋势;（2）稻麦冠层光谱反射率在不同施氮水平下存在明显差异,在可见光区（460～710 nm）的反射率一般随施氮水平的增加逐渐降低,而在近红外波段（760～1100 nm）却随施氮水平的增加逐渐升高;（3）就单波段光谱而言,610、660 nm和680 nm处的冠层反射率均与稻麦叶片氮含量具有较好的相关性;（4）在光谱指数中,归一化差值植被指数NDVI（1220,610）与水稻和小麦叶片氮含量均具有较好的相关性,且相关性好于单波段反射率;（5）对于小麦和水稻,可以利用共同的波段和光谱指数来监测其叶片氮含量,采用统一的回归方程来描述其叶片氮含量随单波段反射率和冠层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含量估测的准确性.     

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。     

基于高光谱遥感的小麦叶干重和叶面积指数监测

生物量和叶面积指数(LAI)是描述作物长势的重要参数, 叶干重和LAI的实时动态监测对小麦(Triticum aestivum)生长诊断和管理调控具有重要意义。为分析多种高光谱参数估算小麦叶干重和LAI的效果, 建立小麦叶干重和LAI的定量监测模型, 该研究连续3年采用不同小麦品种进行不同施氮水平的大田试验, 于小麦不同生育期采集田间冠层高光谱数据并测定叶片叶干重和LAI。试验结果显示, 小麦叶干重和LAI随施氮水平的提高而增加, 随生育进程呈单峰动态变化模式。小麦叶干重和LAI与光谱反射率间相关性较好的区域主要位于红光波段(590~710 nm, r<-0.60)和近红外波段(745~1 130 nm, r>0.69)。对于不同试验条件下的叶干重和LAI, 可以使用统一的光谱参数进行定量反演, 其中基于RVI (810, 560)、FD755、GM1、SARVI (MSS)和TC3等光谱参数的方程拟合效果较好。经不同年际独立试验数据的检验表明, 以参数RVI (810, 560)、GM1、SARVI (MSS)、PSSRb、(R_750-800/R_695-740) -1、VOG2和MSR705为变量建立的叶干重和LAI监测模型均给出较好的检验结果。因此, 利用关键特征光谱参数可以有效地评价小麦叶片生长状况, 尤其是光谱参数RVI (810, 560)、GM1和SARVI (MSS)可以对不同条件下小麦叶干重和LAI进行准确可靠的监测。     

基于高光谱遥感的小麦冠层叶片色素密度监测

作物叶片色素状况是评价植株光合效率和营养胁迫的重要指标,冠层叶片色素密度（单位土地面积叶片色素总量）的实时无损监测对作物生长诊断、产量估算及氮素管理具有重要意义。以包括不同品质类型（高蛋白、中蛋白和低蛋白）的多个小麦品种在不同施氮水平下的连续2a大田试验为基础,研究了小麦叶片色素密度与冠层高光谱参数的定量关系。结果表明,叶片色素（叶绿素a、叶绿素b、叶绿素a＋b和类胡萝卜素）密度随施氮水平增加而提高,不施氮处理的叶片色素密度随生育进程而下降,施氮处理的叶片色素密度呈单峰曲线,品种间存在明显差异。群体叶片色素密度的敏感波段主要分布在可见光区,而红边区域导数光谱表现更显著。光谱参数VOG2、VOG3、RVI（810,560）、SRE／SBE和SDr／SDb等与叶绿素密度关系较为密切,线性方程决定系数R^2均在0．858以上,而与类胡萝卜素密度关系减弱,决定系数R^2低于0．780,且参数间差异较小。经独立试验资料的检验表明,VOG2、VOG3、SRE／SBE和SDr／SDb对不同色素的估测结果较好,预测相对误差RE低于17．6％,虽然对叶绿素b的准确性稍低。总体上,光谱参数VOG2、VOG3、SRE／SBE和SDr／SDb与小麦群体叶片色素密度关系密切,特别是对叶片叶绿素a和叶绿素a＋b的密度可以进行准确可靠的实时监测。     

估测水稻叶层氮浓度的新型蓝光氮指数

基于不同氮素水平与品种类型的多个田间试验,综合分析了水稻冠层高光谱植被指数与叶层氮浓度的定量关系.结果表明：对氮反应最敏感的波段为红光665～675 nm、蓝光490～500 nm和红边区域波段680～760 nm.400～2500 nm波段范围内两波段植被指数与水稻叶层氮浓度相关性最好的是550～600 nm与500～550 nm,属绿光波段组合,决定系数（R²）最高的是比值指数SR(533,565).以3个蓝光波段构建的光谱参数R₄₃₄/(R₄₉₆+R₄₀₁)（蓝光氮指数）与水稻叶层氮浓度呈极显著的直线相关关系,与SR(533,565)相比,该参数显著提高了对叶层氮浓度的预测性.独立资料检验结果显示,R₄₃₄/(R₄₉₆+R₄₀₁)对水稻叶层氮浓度具有较好的预测性,检验根均方差（RMSE）和相对误差（RE）值分别为9.67%和8%,是一种适合于水稻叶层氮浓度估测的良好高光谱植被指数.     

基于作物生长监测诊断仪的双季稻叶片氮含量和氮积累量监测

为了验证作物生长监测诊断仪(CGMD)监测双季稻氮素营养指标的准确性和适用性,构建基于CGMD的双季稻叶片氮含量(LNC)和氮积累量(LNA)的监测模型。选用8个不同早、晚稻品种,设置4个不同施氮水平,利用CGMD采集冠层差值植被指数(DVI)、归一化植被指数(NDVI)和比值植被指数(RVI),同步利用ASD FH2高光谱仪采集冠层光谱反射率,并计算DVI、NDVI和RVI;通过比较CGMD和ASD FH2采集的冠层植被指数变化特征,验证CGMD的测量精度,构建基于CGMD的LNC和LNA监测模型,并利用独立试验数据对模型进行检验。结果表明: 早、晚稻LNC、LNA、DVI、NDVI和RVI随施氮水平的增加而增大,随生育进程的推进呈先升后降的趋势;CGMD与ASD FH2采集的DVI、NDVI和RVI间拟合的决定系数(R²)分别为0.9350、0.9436和0.9433,表明CGMD的测量精度较高,可替代ASD FH2采集冠层植被指数。基于CGMD的3个冠层植被指数相比,NDVI_CGMD与LNC的相关性最高,RVI_CGMD与LNA的相关性最高;基于NDVI_CGMD的指数模型可较准确地预测LNC,模型R²为0.8581～0.9318,模型检验的均方根误差(RMSE)、相对均方根误差(RRMSE)和相关系数(r)分别为0.1%～0.2%、4.0%～8.5%和0.9041～0.9854;基于RVI_CGMD的幂函数模型可较准确地预测LNA,模型R²为0.8684～0.9577,模型检验的RMSE、RRMSE和r分别为0.37～0.89 g·m^-2、6.7%～20.4%和0.9191～0.9851。与化学分析方法相比,利用CGMD可便捷准确地获取早、晚稻的LNC和LNA,在双季稻丰产高效栽培和氮肥精确管理中具有应用价值。