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％.     

水稻上部叶片叶绿素含量的高光谱估算模型

叶片叶绿素 (Chl) 状况是评价植株光合效率和营养胁迫的重要指标,实时无损监测Chl状况对作物生长诊断及氮素管理具有重要意义.以不同生态点、不同年份、不同施氮水平、不同类型水稻品种的4个田间试验为基础,于主要生育期同步测定了水稻主茎顶部4张叶片的高光谱反射率及Chl含量,并计算了350～2500 nm范围内任意两波段组合而成的比值(SR[λ1,λ2])和归一化(ND[λ1,λ2])光谱指数以及已报道的对Chl敏感的光谱指数,进一步系统分析了叶片Chl含量与上述光谱指数之间的定量关系.结果表明,红边波段的比值和归一化光谱指数可以较好地预测水稻上部4叶的Chl含量(R~2>0.9),但对于不同Chl指标其最佳组合波段有所差异.估算叶绿素a (Chla)、叶绿素总量(Chla+b)和叶绿素b (Chlb)的最佳比值光谱指数分别为SR(724,709)、SR(728,709)和SR(749,745),方程拟合决定系数R~2分别是0.947、0.946、0.905;最佳归一化光谱指数分别为ND(780,709)、ND(780,712)和ND(749,745),R~2分别是0.944、0.943、0.905.引入445 nm波段反射率对上述光谱指数进行修正,可以降低叶片表面反射差异的影响,提高模型的应用范围.利用不同年份独立的试验资料对所建模型进行了检验,结果表明,修正型比值光谱指数 mSR(724,709)、mSR(728,709) 和 mSR(749,745),以及修正型归一化光谱指数mND(780,709)、mND(780,712) 和 mND(749,745) 预测 Chla、Chla+b 和 Chlb 的效果更好,其测试的RMSE分别为 0.169、0.192、0.052、0.159、0.176、0.052,RE分别为8.18%、7.74%、13.01%、8.26%、7.59%、12.96%,均较修正前降低,说明修正后的光谱指数普适性更好.     

基于高光谱影像湖泊叶绿素a浓度反演分析

针对湖泊叶绿素a浓度的快速变化及水体富营养化问题,以太湖水体为例,利用太湖区域2019年10月、11月和12月的珠海一号高光谱影像,采用波谱特征分析、主成分分析、皮尔逊相关系数、建立反演模型分析江苏省太湖区域水体叶绿素a浓度的分布状态以及时空变化状况。通过主成分分析划分与水体信息相关的成分,提出采用珠海一号高光谱影像的中红外波段建立耦合可见光和近红外辐射信号的WCI模型。结果表明:(1)水体光谱曲线特征与主成分分析结果一致,分别为光合作用波段、细胞散射波段和水体增温波段。(2)改进的耦合可见光与中红外辐射信号的建立的WCI模型的反演精度最高,均方根误差RMSE为(1.4008 mg·L^-1),平均相对误差(MRE)为10.69%。(3)2019年10月一12月间,湖泊叶绿素浓度整体变化不大,太湖叶绿素a浓度的遥感反演结果总体上呈现为湖西区域浓度较低,湖东区域浓度较高的特征。     

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。     

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 absorp...     

臭氧胁迫冬小麦叶片高光谱特征和叶绿素含量估算

为无损、快速监测臭氧胁迫下冬小麦叶片叶绿素含量，建立叶绿素含量与光谱指标的定量关系，基于自由式臭氧浓度增加系统平台观测了臭氧浓度升高下拔节期、开花期及灌浆期冬小麦叶片的叶绿素含量和光谱特征。通过线性回归、人工神经网络(ANN)以及偏最小二乘回归(PLSR)模型对臭氧胁迫下叶片高光谱特征进行了叶绿素含量的估算。结果表明：臭氧胁迫冬小麦叶片的光谱曲线特征出现绿峰“红移”和红边位置“蓝移”现象。相比于拔节期和开花期，小麦叶片在灌浆期受到臭氧的影响更大。臭氧胁迫下叶绿素含量与部分光谱特征参数及遥感植被指数存在显著相关关系，所有模型均取得了较高的估算精度(R²>0.8),其中以光谱特征参数为建模参量的偏最小二乘回归模型精度最高。该方法可用于臭氧胁迫下冬小麦叶片叶绿素含量的估测，动态监测作物的臭氧胁迫。     

行道树叶绿素变化的高光谱神经网络模型

采样分析了城市行道树（长春市主要街道）与对比区（净月潭国家森林公园）相应树种的叶绿素变化,并对由叶绿索变化引起的光谱反射率以ASD光谱仪进行了测试,并对二者之间的关系进行了单波段回归分析、V1植被指数与叶绿素含量的模型分析以及神经网络模型分析。结果表明,1）城市环境对行道树叶绿素有重要影响,但是对针叶树种响应较小,而阔叶树种响应较大;2）光谱反射率与测试树种叶绿素含量关系密切,在740～760nm附近确定性系数达0．72以上;3）PSSR植被指数与测试树种的叶绿素含量关系密切,幂函数回归的决定系数R^2为0．82左右。3）神经网络模型能够提高光谱反射率模型反演植被叶绿素含量的水平,模型的决定系数R^2高达0．97。表明高光谱遥感可以用来监测因城市环境引起的植被叶绿素变化。     

基于光谱指数的植物叶片叶绿素含量的估算模型

叶绿素是光合作用能力和植被发育阶段的指示器,是监测湿地植被生长健康状况的重要指标之一;高光谱遥感技术可以为植物叶绿素含量的定量化诊断提供简便有效、非破坏性的数据采集和处理方法。为保证被探测叶片面积相同,消除背景反射、叶片表面弯曲造成的光谱波动及叶片内部变异造成的影响,研究采用Field Spec 3光谱仪加载手持叶夹式叶片光谱探测器,测定野鸭湖湿地典型植物的叶片高光谱反射率数据,同时通过分光光度计室内测定相应叶片的叶绿素含量。采用相关性及单变量线性拟合分析技术,建立二者的关系模型,包括叶绿素含量与"三边"参数的相关模型以及比值光谱指数(SR)模型和归一化差值光谱指数(ND)模型,并采用交叉检验中的3K-CV方法对估算模型进行模型精度检验。结果表明:植物叶片叶绿素含量与"三边"参数大多都呈极显著相关,相关系数最大达到0.867;计算光谱反射率组成的比值(SR)和归一化(ND)光谱指数与叶绿素含量的决定系数,总体相关性比较高,较好的波段组合均为550—700nm与700—1400nm以及550—700nm与1600—1900nm,与叶绿素含量相关性最好的指数分别是SR(565nm,740nm)和ND(565nm,735nm)。并通过选取相关性最佳的光谱特征参数,分别基于"三边"参数和ND模型指数构建了植物叶片叶绿素含量的估算模型。其中,基于红边位置(WP_r)光谱特征参数和ND(565nm,735nm)光谱指数建立的叶绿素含量估算模型,取得了较好的测试效果,检验拟合方程的决定系数(R2)都达到0.8以上,估算模型分别为y=0.113x-78.74,y=5.5762x+4.4828。通过3K-CV方法进行测试和检验,植物叶绿素含量估算模型均取得了较为理想的预测精度,预测精度的分别为93.9%及90.7%。高光谱遥感技术对植被进行微弱光谱差异的定量分析,在植被遥感研究与应用中表现出强大优势,为植物叶绿素含量诊断中的实际应用提供了重要的理论依据和技术支持。     

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.     

不同灌溉量夏玉米叶绿素含量的高光谱特征及其反演

植物叶绿素含量直接影响其光合作用,并与植物的光谱特征密切相关。以夏玉米为研究对象,采用人工控水方法研究了夏玉米七叶期不同灌溉量下冠层叶绿素含量特征及其与光谱特征之间的关系。结果表明：灌溉量越少,夏玉米叶片叶绿素含量越低,冠层光谱反射率越高,绿峰位置"红移",而红边位置"蓝移"。叶绿素含量与光谱特征参数、植被光谱指数之间存在极显著相关关系,据此建立了冠层叶绿素含量高光谱估算模型,且基于植被指数模型较基于单一光谱特征参数模型模拟效果更好。研究结果可为夏玉米叶绿素含量的快速无损测定以及夏玉米干旱监测提供依据。     

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.     

基于神经网络的马尾松叶绿素含量高光谱估算模型

分析不同生长期的马尾松冠层反射光谱特征与相应叶绿素含量的相关关系.利用36个红边参数逐一筛选,最终确定7个与叶绿素含量相关性较高的红边参数作为光谱特征参数,分别应用逐步分析法与BP神经网络构建叶绿素含量的高光谱估算模型;同样,筛选出4个植被指数作为光谱特征参数,同时,将对原始光谱进行主成分分析降维后的前4个主成分作为BP神经网络的输入变量,分别应用逐步分析法与BP神经网络构建叶绿素含量的高光谱估算模型.结果表明: 将红边参数作为输入变量建立的逐步回归模型和BP神经网络模型的决定系数(R²)分别为0.5205、0.7253,均方根误差(RMSE)分别为0.1004、0.0848,相对误差分别为6.3%、5.7%.将植被指数作为输入变量建立的逐步回归模型和BP神经网络模型的R²分别为0.5392、0.7064,RMSE分别为0.0978、0.0871,相对误差分别为6.2%、6.0%.基于主成分分析的BP神经网络模型的预测效果最好,R²为0.7475,RMSE为0.0540,相对误差为4.8%.     

基于叶绿素荧光参数的小麦叶片叶绿素相对含量估算方法

叶绿素含量是植物学和农业相关研究领域常用的生理指标.叶绿素含量和叶片光合功能密切相关,但是现有的叶绿素含量的测定方法无法实现叶绿素含量和光合功能的同步测定和关联分析.为解决该问题,本研究通过测定35个小麦品种旗叶的SPAD值和叶绿素荧光诱导动力学曲线,分别使用不同时间的快速叶绿素荧光动力学曲线的荧光值,以及33个常用荧...     

Estimation of the leaf chlorophyll content using multiangular spectral reflectance factor

Chlorophyll is one of the primary pigments of plant leaves, and changes in its content can be used to characterize the physiological status of plants. Spectral indices have been devised and validated for estimating leaf chlorophyll content (LCC). However, most of the existing spectral indices do not consider the influence of angular reflection on the accuracy of the LCC estimation. In this study, the spectral reflectance factors of leaves from three plant species were measured from several observations in the principal plane. The relationship between the existing spectral indices and the LCC from different directions suggests that the directional reflection of a leaf surface impacts the accuracy of its LCC estimation. Subsequently, the ratio of reflectance differences, that is, the modified Datt index, was tested to reduce the directional reflection effect when predicting LCC. Our results indicated that the modified Datt index not only estimated LCC with high accuracy for all observation directions and plant species but also consistently predicted the LCC of each species in individual observation directions. Our method opens the possibility for optical detection of LCC using multiangular spectral reflection, which is convenient for plant science studies focused on the variation in LCC.     

基于辐射传输模型的叶绿素含量定量反演

利用基于叶片内部辐射传输机制的PROSPECT模型模拟大量不同生化含量和叶肉结构的叶片光谱,研究利用高光谱植被指数定量反演叶绿素含量的可行性和精度,并比较各指数的稳定性和抗干扰能力。结果显示,各指数在对叶绿素的敏感性方面相差不大,除三角植被指数(TVI)外,其它指数均随叶绿素含量的增加而减小。叶片水分含量的差异对各指数的影响很小,干物质次之,叶肉结构影响最大。在抵抗干物质影响和叶肉结构影响方面,结构无关色素指数(SIPI)明显优于其它四种指数,吸收中心波深归一化后的面积指数(ABNC)次之。通过使用叶片光学模型的模拟光谱来研究叶绿素含量变化的光谱响应及其影响因素和反演策略,具有较强的理论性和普适性。研究结果与实际观测相吻合,方法简单易行。     

基于地面观测光谱数据的冬小麦冠层叶片氮含量反演模型

冬小麦冠层叶片氮含量是反映其产量与品质的重要指标,构建高普适性、高精准性冬小麦冠层叶片氮含量高光谱反演模型对提高其监测效率具有重要意义。以不同地点、品种、年份、施氮水平、生育期的大田试验数据为基础,基于两波段光谱植被指数NDRE和550 nm光谱反射率组合构建一个三波段植被指数NEW-NDRE,并与11个传统冬小麦冠层叶片氮素光谱指数进行比较。结果表明: NEW-NDRE及传统植被指数中NDRE、NDDA、RI-1dB与冬小麦冠层叶片氮含量的相关性较好;其中,灌浆初期NEW-NDRE与冬小麦冠层叶片氮含量相关性最好,决定系数R²为0.9,均方根误差(RMSE)为0.4;经独立数据检验,以NEW-NDRE为变量建立的冬小麦冠层叶片氮含量反演模型的平均相对误差(RE)为9.3%,明显低于以NDRE、NDDA、RI-1dB为变量的模型RE。总体上,新构建的NEW-NDRE对冬小麦冠层叶片氮含量的模拟能力显著优于传统指数,减弱了试验条件的限制性,可为精准施肥提供新的技术支撑。