基于植被指数的典型草原区生物量模型——以内蒙古锡林浩特市为例

利用遥感估测地上生物量是国内外生态学与地理学的研究热点。但基于植被指数的生物量回归模型结果差异较大,究竟哪种植被指数与哪种模型更适合典型草原的生物量反演,是现代草地遥感急需解决的问题之一。该文基于TM影像数据的不同植被指数(VI)差异性,分别选取了RVI(比值植被指数)、NDVI(归一化差异植被指数)、SAVI(土壤调节植被指数)、MASVI(修改型土壤调整植被指数)和RSR(简化比率植被指数)5种植被指数,与同期的内蒙古典型草原区地面实测地上生物量做相关分析,分别建立了5种植被指数与地上生物量的线性及3种非线性(对数、二次多项式、三次多项式)回归模型。研究结果表明:对于中国北方典型草原区而言,地上生物量与5种植被指数(RVI、NDVI、SAVI、MSAVI和RSR)均呈现出显著相关,但地上生物量与后4种植被指数是正相关,与RVI为负相关;利用5种植被指数(RVI、NDVI、SAVI、MSAVI和RSR)监测草地植被生物量的复相关系数均大于0.6,充分说明利用植被指数检测典型草原生物量是一种简单可行的方法;NDVI建立的生物量回归模型,其复相关系数大于其它4类植被指数(RVI、SAVI、MSAVI和RSR),说明NDVI-生物量模型优于植被指数RVI、SAVI、MSAVI和RSR 模型,其模拟地表生物量的效果好;对于TM影像来说,植被生物量的线性模型与3种非线性模型(三次多项式生物量模型、二次多项式生物量模型、对数模型)都表现出较好的模拟效果,都通过了0.01的显著性检验,而且该研究的结果显示出三次多项式生物量回归模型最优,其次是二次多项式生物量模型,再次是线性模型,相对较差的是对数模型。通过NDVI-生物量三次多项式回归模型模拟锡林浩特草原的生物量,可以看出整个研究区的地上生物量基本上是东高西低、东南高西北低的趋势,这与研究区的地形、气候及土地利用等多种因素有关。     

烟草叶面积指数的高光谱估算模型

叶面积指数(1eaf area index,LAI)是重要的生物物理参数,亦是各种生态模型、生产力模型以及碳循环研究等的重要生物物理参量,因此具有重要的研究意义。为了探索不同高光谱模型监测烟草叶面积指数LAI的精度,在烟草伸根期,旺长期和成熟期采用ASD Fieldspec HH光谱仪测定了不同水氮条件下烟草冠层的高光谱反射率和叶面积指数数据。选用四个常用的植被指数RVI (ratio vegetation index)、NDVI (normalized difference vegetation index)、MTVI2（Modified second triangular vegetation index）、MSAVI（Modified Soil-adjusted vegetation index）和PCA (principal component analysis)、neural network (NN)三种方法对烟草LAI进行了估算,比较分析了三种方法的估算结果。研究结果表明,植被指数法,主成分分析,神经网络方法LAI都取得了较为理想的结果,其中植被指数法可以较为精确反演烟草LAI,验证模型确定性系数在0.76～0.85之间,主成分分析方法和神经网络方法精度较高,分别为0.938和0.889。主成分分析方法验证模型的稳定性更好,其验证模型的RMSE为0.172,低于四个植被指数和神经网络。MTVI2和MSAVI能较好地去除土壤、大气等条件影响,反演精度高于RVI和NDVI。与基于植被指数建立的模型相比,主成分分析和神经网络可以更好的提高LAI的反演精度。     

基于遥感图像不同辐射校正水平的植被覆盖度估算模型

选用南京市SPOT 5 HRG图像的地物反射率(PAC)、表观反射率(TOA)和灰度值（DN）影像,提取了4种植被指数（VI）,即归一化植被指数（NDVI）、转换植被指数（TVI）、土壤调节植被指数（SAVI）和修正的土壤调节植被指数（MSAVI）,与地面实测的植被覆盖度进行了回归分析,并建立了36个VI-VFC关系模型.结果表明：在所有模型中,基于PAC级影像提取的NDVI和TVI的3次多项式模型最优;其次为基于DN级影像提取的SAVI和MSAVI的3次多项式模型,在VFC>0.8时其精度略高于前两种模型.这4个模型在植被中等密集区域（VFC＝0.4～0.8）的精度高于植被稀疏区域（VFC=0～0.4）.所建模型可通过中间模型的联结,进行推广使用.在基于VI-VFC关系建模过程中,基于遥感影像不同辐射校正水平提取植被指数,有利于充分挖掘遥感影像信息,进而提高VFC估算的精度.     

乌兰布和沙漠东北缘荒漠-绿洲过渡带植被地上生物量估算

干旱区荒漠植被地上生物量是植被生长状况评价与荒漠化监测的重要指标。在乌兰布和沙漠东北缘的荒漠-绿洲过渡带选取典型区,基于地面调查数据构建主要植物种的异速生长方程,对样方内的植被地上生物量进行估算;基于样方调查数据和Quick Bird影像数据,分别建立植被指数与人工固沙林和荒漠植被地上生物量的回归模型,并对研究区植被地上生物量进行估算。结果表明:植冠体积V是较好的预测变量,所得荒漠植物异速生长方程精度较高,能够满足样方内荒漠植被地上生物量估算需要;采用RVI对数模型估算人工固沙林地上生物量的效果最好(R~2=0.72,RMSEP=56.15),采用RVI线性模型估算荒漠植被地上生物量的效果最好(R~2=0.82,RMSEP=15.07);研究区内荒漠植被和人工固沙林的单位面积地上生物量分别为90.73g/m~2和105.28g/m~2。该研究可以为荒漠化监测和荒漠植被遥感信息提取提供参考。     

基于随机森林回归的草场植被盖度反演模型研究——以新疆阿勒泰地区布尔津县为例

作为草地资源大国,我国正面临严峻的草场退化形势。掌握草场植被盖度的历史演变趋势,是草场退化驱动力识别及风险评估的基础。目前已有研究多以参数回归方法估算植被盖度,但并未充分考虑其苛刻的使用条件。利用Landsat系列卫星遥感影像及地面植被盖度监测资料建立非参数回归——随机森林回归模型,并与传统线性回归方法进行比较,在此基础上应用随机森林回归模型估算近10年来布尔津县草场植被盖度的变化趋势,并对结果的不确定性进行分析。结果显示:传统的线性回归方法很难满足其基本的统计学假设条件,而随机森林模型不但无需进行假设条件检验,而且预测的准确性也优于以往普遍应用的线性模型。基于Landsat ETM+标准数据得到的反演结果较之TM和OLI数据普遍偏小,地表反射率数据虽然可以大幅降低传感器不同对反演结果所造成的影响,但结果仍存在约±10%的不确定性。涉及的草场类型众多,为了提高反演精度,后续研究需要分别计算其植被指数,并尽量减低传感器差异带来的不确定性。     

光谱植被指数与水稻叶面积指数相关性的研究

 综合分析比较了几种常见光谱植被指数与水稻（Oryza sativa）叶面积指数的相关性及其预测力。结果表明,植被指数的预测力在水稻营养生长旺盛期间最好。植被指数的预测力主要依赖于叶面积指数(LAI)的整体变化范围。因此,综合不同生育时期和氮肥处理的试验资料,光谱植被指数能准确地预测LAI的变化。LAI与各植被指数均呈曲线相关,与比值植被指数(RVI)、再归一化植被指数(RDVI)和R810/R560显著幂相关,与归一化植被指数(NDVI)、垂直植被指数(PVI)、差值植被指数(DVI)、土壤调整植被指数(SAVI)和转换型土壤调整指数(TSAVI)显著指数相关。其中,近红外与绿光波段的比值R810/R560的预测力最佳。用不同移栽秧龄、不同密度、不同水分和氮肥处理的数据对R810/R560的表现进行了检验,结果表明估算精度平均为91.22%,估计的均方差根(RMSE)平均为0.480　5,平均相对误差为-0.013。表明宽波段光谱植被指数可以准确地用来监测水稻叶面积指数。     

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TM遥感影像的陕北黄土区结构化植被因子指数提取

根据结构化植被因子指数的概念,以TM影像为信息源,探讨了利用遥感技术提取陕北黄土区结构化植被因子指数（C_s）的途径与方法.结果表明：在陕北黄土区,C_s能更好地描述植被群落的水土保持效益,其与绿度植被指数（归一化植被指数NDVI、修正土壤调整植被指数MSAVI）和黄度植被指（归一化差异衰败指数NDSVI、归一化耕作指数NDTI）等单一的遥感植被指数虽然均存在良好的相关关系,但用绿度与黄度植被指数相结合可综合反映植被的水土保持功能,能较好地克服单一指数在描述植被控制水土流失中的不足;MSAVI、NDTI分别是基于遥感影像提取C_s较为理想的绿度和黄度植被指数;根据群落结构化植被因子指数与遥感植被指数的关系推算区域尺度上的结构化植被因子指数是可行的,但由于不同地区植物物候期的差异,要使该方法在其他地区适用,仍需开展相应的率定和验证工作.     

基于高分一号 WFV 卫星影像的黄河口湿地草本植被生物量估算模型研究

基于高分一号 WFV 卫星数据,通过计算 NDVI、SRI、SAVI、MSAVI、GBNDVI 和 DVI 6种植被指数,结合黄河口湿地现场草本植被地上干生物量样本,进行一元线性、指数、对数和幂4种模型的回归分析,从中选出生物量最佳估算模型。结果表明：（1）指数模型是 NDVI 和 GBNDVI 的最佳生物量回归模型,幂模型是其它植被指数的最佳回归模型（P ＜0．001）;（2）6种植被指数干生物量最佳回归模型的决定系数（R2）都大于0．7,最大为0．77,由大到小排序为 MSAVI ＞SAVI ＞NDVI ＞DVI ＞SRI ＞GBNDVI;（3）各最佳回归模型的平均相对误差（MRE）都小于54％,最小为23．9％,由小到大排序为 NDVI ＜GBNDVI ＜SRI ＜DVI ＝SAVI ＜MSAVI。     

Estimation of aboveground biomass using in situ hyperspectral measurements in five major grassland ecosystems on the Tibetan Plateau

Aims There are numerous grassland ecosystem types on the Tibetan Plateau. These include the alpine meadow and steppe and degraded alpine meadow and steppe. This study aimed at developing a method to estimate aboveground biomass (AGB) for these grasslands from hyperspectral data and to explore the feasibility of applying air/satellite-borne remote sensing techniques to AGB estimation at larger scales.Methods We carried out a field survey to collect hyperspectral reflectance and AGB for five major grassland ecosystems on the Tibetan Plateau and calculated seven narrow-band vegetation indices and the vegetation index based on universal pattern decomposition (VIUPD) from the spectra to estimate AGB. First, we investigated correlations between AGB and each of these vegetation indices to identify the best estimator of AGB for each ecosystem type. Next, we estimated AGB for the five pooled ecosystem types by developing models containing dummy variables. At last, we compared the predictions of simple regression models and the models containing dummy variables to seek an ecosystem type-independent model to improve prediction of AGB for these various grassland ecosystems from hyperspectral measurements.Important findings When we considered each ecosystem type separately, all eight vegetation indices provided good estimates of AGB, with the best predictor of AGB varying among different ecosystems. When AGB of all the five ecosystems was estimated together using a simple linear model, VIUPD showed the lowest prediction error among the eight vegetation indices. The regression models containing dummy variables predicted AGB with higher accuracy than the simple models, which could be attributed to the dummy variables accounting for the effects of ecosystem type on the relationship between AGB and vegetation index (VI). These results suggest that VIUPD is the best predictor of AGB among simple regression models. Moreover, both VIUPD and the soil-adjusted VI could provide accurate estimates of AGB with dummy variables integrated in regression models. Therefore, ground-based hyperspectral measurements are useful for estimating AGB, which indicates the potential of applying satellite/airborne remote sensing techniques to AGB estimation of these grasslands on the Tibetan Plateau.     

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。     

绿洲生态系统生物量与植被指数分析

利用阜康绿洲野外实测的53个样方的植物生物量数据与同期陆地卫星MODIS影像的第1,2通道250 m遥感数据,分析植被指数与绿洲植物生物量的相关关系,建立植被指数与绿洲植物生物量的一元线性和非线性回归模型。结果表明,植被指数NDVI和MSAVI与绿洲生态系统植物生物量之间存在较好的相关性;所建植被指数与植物生物量的回归模型中,三次方程为所得到的回归模型中最适合用于绿洲生态系统植物生物量和生长监测。     

Threshold values of canopy reflectance indices and chlorophyll meter readings for optimal nitrogen nutrition of tomato

Sustainable and optimal economic N management requires correct and timely on‐farm assessment of crop N status to detect N deficiency or excess. Optical sensors are promising tools to assess crop N status throughout a crop or at critical times. The ability of optical sensor measurements of canopy reflectance (Crop Circle ACS 470) and leaf chlorophyll (SPAD 502 chlorophyll meter) to assess crop N status was evaluated weekly throughout an indeterminate tomato crop. Strong linear relationships with the optical sensor measurements were obtained, throughout most of the crop, for both (a) crop N content for ranges of 1.5–4.5%, and (b) the nitrogen nutrition index (NNI) for ranges of 0.4–1.3. The relationships of the optical sensor measurements to crop NNI were generally equal to or slightly better than with crop N content. Indices based on reflectance in the red, the normalised difference vegetation index (NDVI) and the red vegetation index (RVI), were the best predictors of crop N status in terms of goodness of fit, earliness and maintenance of relationships throughout the crop. SPAD chlorophyll readings and reflectance indices based on reflectance in the green, the normalised difference vegetation index on greenness (GNDVI) and the green vegetation index (GVI), were good indicators of crop N status for most of the crop, but with lower goodness of fit in the latter part of the crop. The linear relationships between sensor indices and readings with NNI or crop N content, each week, demonstrated the potential for using proximal canopy reflectance indices such as NDVI and RVI, and chlorophyll meter for monitoring crop N status of indeterminate tomato crops. Threshold values for optimal crop N nutrition for canopy reflectance indices and for chlorophyll meter readings were derived for each day of measurement from the relationships between optical sensor measurements and NNI by solving for NNI = 1. The threshold values obtained for each index and type of measurement varied during the crop cycle. The approach developed for determining threshold values from NNI can facilitate on‐farm use of optical sensors for monitoring crop N status, by enabling assessment of whether crop N status is excessive, deficient or adequate.     

Area-averaged vegetative cover fraction estimated from satellite data

The relationship was analysed between the vegetation cover factor expressed as a percentage and the area-averaged normalized difference vegetation index (NDVI). On selected days the NDVI was calculated from channel 1 and 2 reflectance data of the National Oceanic and Atmospheric Administration (NOAA—11) satellite's advanced very high-resolution radiometer (AVHRR) for five test areas under agricultural and forestry use. No ground-based reflectance measurements could be made for validation of these data. Therefore the land surface NDVI, which varied with time, and percentage vegetation cover of the test areas were deduced from time-independent but site-specific statistical land use data updated by temporal phenological observations, and from surface-specific reflectance curves published in the literature. The result indicated that the area-averaged NDVI, as obtained from the NOAA—11 radiometer, was less than the value calculated from the land surface NDVI. After correction to reduce the offset of the data, the values would be a suitable indicator of the fraction of vegetation cover.     

Methods for Collecting Vegetation Information in Loess Plateau

The optimum vegetation indexand methods for collecting vegetation information in loess plateau area were studied and appraised. In this area, there were deciduous broadleaved forest, steppe and desert. Vegetation types were rich and diverse. However, collection of vegetation information was strongly influenced by the soil background. The modified soil-adjusted vegetation index (MSAVI) after being compared and analysed not only could enhance vegetation signal, but also could minimize greatly the soil background effects. It could also reflect the distribution of the vegetation types macroscopically in this area. At present, it has been a more or lessideal vegetation index for collection vegetation information in loess plateau area. The collection and monitering of vegetation information for the normalized difference vegetation index (NDVI), soil-adjusted vegetation index (SAVI) and perpendicular vegetation index (PVI) were used in high, medium density and rare vegetation area respectively. For a variety of vegetation indices, the images which were produced by cumulative multitemporal vegetation indices could extract vegetation information well reflecting the vegetation distribution of that particular area.     

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.     

内蒙古镶黄旗草地蝗虫潜在发生可能性评价

以内蒙古草地蝗虫产卵期、越冬期和孵化期的关键气象影响因子作为草地蝗虫气象适宜度指数构建的主要因子,对内蒙古镶黄旗2010年草地蝗虫潜在发生的气象适宜性进行评价;根据当年7月上中旬在镶黄旗的实地调查资料,选取海拔、坡向、土壤类型、土壤含砂量、植被类型、植被盖度、土地覆被类型7个相对稳定的生境因子,用模糊评判方法和3S（GIS、RS、GPS）技术对该旗草地蝗虫潜在发生的生境适宜性进行评价;最后通过构建气象-生境适宜性综合评价模型,得到该旗2010年草地蝗虫潜在发生可能性（POG）等级,并用2010年实测数据和2001-2010年历史数据对模型模拟的蝗虫发生位置和蝗灾发生面积进行验证.结果表明：用本文所建气象-生境适宜性综合评价模型对镶黄旗POG等级的评价结果是可靠的.该旗草地蝗虫潜在发生的气象适宜性等级非常一致,绝大多数为适宜等级;蝗虫潜在发生源地的空间异质性主要与生境因子有关,在海拔1300～1400 m的平地/东坡/南坡、植被盖度30%～50%的温带丛生禾草草原、土壤含砂量60%～80%的典型栗钙土的生境条件下,草地蝗虫潜在发生的可能性最高.     

基于挺水植物高光谱信息的再生水总氮含量估测——以北京市门城湖湿地公园为例

高光谱信息是探测植物体内氮素含量状况的重要手段,而植物体中的氮素与水体含氮量息息相关.本研究区为以再生水为主要补给水水源的北京门城湖湿地公园,通过获取区内典型的再生水氮净化挺水植物芦苇和香蒲叶片的高光谱数据,并在室内测定对应样点的水体总氮含量指标, 探讨基于典型湿地挺水植物高光谱数据对水体总氮进行遥感探测的可行性.采用4种高光谱参数(光谱指数、归一化差值指数、“三边”参数及吸收特征参数)分别建立一元线性模型、逐步多元回归模型和偏最小二乘模型,根据决定系数(R²)和均方根误差(RMSE)进行模型精度检验.结果表明: 逐步多元回归和偏最小二乘模型的预测精度高于一元线性模型. 3种模型对芦苇的拟合效果均优于香蒲.偏最小二乘模型对芦苇的拟合效果最优(R²=0.854,RMSE=0.647).500～700 nm是反映水氮含量的最佳波段范围,绿峰与红谷反射率的比值与水体总氮含量具有较强的相关性,尤其是吸收特征参数能够较好地预测水体总氮含量.     

基于植被指数的海南岛霸王岭热带森林地上生物量空间分布模拟

热带森林在全球碳循环方面扮演着重要的角色, 预测其生物量分布可以加深对碳循环过程的理解。然而目前基于植被指数模拟技术进行热带森林生物量分布的研究报道较少。该文以海南岛霸王岭林区热带森林为研究对象, 在基于遥感影像和135个公里网格样地调查的基础上, 分别选取归一化差异植被指数(NDVI)、短红外湿度植被指数(MVI5)、中红外湿度植被指数(MVI7)和比值植被指数(RVI)与总物种生物量、顶极种生物量和先锋种生物量做相关分析, 并利用逐步线性回归分析分别构建了基于植被指数的生物量回归模型; 利用残差图对模型的有效性进行检验。结果表明, MVI7和MVI5与总物种和顶极种生物量关系显著, 而NDVI和RVI对先锋种生物量具有较好的指示作用; 总物种、顶极种和先锋种生物量预测精度较高的区域分别占总面积的69.24%、73.98%和88.08%, 表明3个生物量模型均具有较好的拟合精度; 模拟结果表明总物种和顶极种生物量主要集中于研究区中部、北部和西南部区域, 而先锋种生物量无明显的分布规律, 是不均衡地散布于整个研究区域, 反映了群落组成结构、干扰历史、地形及气候因素等的影响。     

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。