基于PLSR的苎麻叶片含水量估测模型建立及优化

为建立基于高光谱的苎麻叶片含水量估测模型,在大田栽培条件下,采集了360个苎麻叶片高光谱数据和相应的叶片含水量。用高杠杆值排除异常样本,用浓度梯度法划分样本集。采用多种光谱预处理方法,建立并比较各预处理方法的PLSR(partial least squares regression)模型效果,其中OSC(orthonormal signalcorrection)预处理方法最佳,预测集R^2=0. 8503,RMSEp=0. 0235。为了减少变量个数,通过OSC_PLSR模型的回归系数RC(regression coefficient)选择特征波段EB(effective bands)作为输入变量。随后,为了进一步降低计算量,本研究提出的一种新的特征提取方法:在基于RCEB建立的PLSR模型中,再次提取RC特征波长EW(effective wavelength)。由建模结果可知:与全波段相比,2种特征提取方法的变量个数均大幅减少(全波段为2 031个,RCEB为508个,RCEB_EW为16个); RCEB_PLS模型预测集指标最佳(R^2=0. 8546,RMSEp=0. 0232);与RCEB_PLS模型相比,RCEB_EW_PLSR模型预测集指标略低(R^2=0. 8499,RMSEp=0. 0234),但这种方法变量个数最少,因此综合评价效果最优。研究探讨了叶片高光谱与含水量之间的量化关系,建立基于高光谱的叶片含水量预测模型,对作物栽培中水分的实时监测和精确诊断具有实际指导意义。     

植被含水量高光谱遥感监测研究进展

植被含水量是陆地植被重要的生物物理特征, 其定量遥感反演有助于植被干旱胁迫的实时监测与诊断评估。该文系统综述了国内外利用高光谱遥感评估植被水分状况的4个常见植被水分指标——冠层含水量、叶片等量水厚度、活体可燃物湿度和相对含水量的概念及其遥感估算方法研究进展, 评述了植被含水量高光谱遥感估算各类方法的优缺点, 探讨了植被含水量高光谱遥感估算目前存在的问题, 并提出进一步的研究任务, 即服务于植被干旱胁迫的高光谱遥感监测、预警与评估。     

昭苏县土壤含水量高光谱建模预测及其与植被生产力的关系

土壤是生态系统中不可或缺的组成部分,同时也是植物生长与发育的依托。土壤含水量直接影响土壤—植被生态系统中的水分和养分循环,从而决定植物的生长状态。因此,植被的生长状况与土壤含水量之间存在密切的关联。为了深入了解这种关系,本研究选取昭苏县3种优质牧草（冷蒿草、牛筋草和高羊茅）的地面实测高光谱数据作为研究对象,运用倒数、导数、对数等14种光谱变换方法,通过相关性分析找出与土壤含水量高度相关的特征波段,进行植被高光谱的土壤含水量建模预测,目的是要筛选敏感波长和最佳的反演模型。同时,利用CASA模型计算草地实际净初级生产力（ANPP）,以分析土壤含水量与植被生产力的关联程度。结果表明：（1）昭苏县3种优质牧草在可见光波段光谱反射特征相似,而近红外波段差异较大,并且除25%—30%土壤含水量区间外,随着土壤水分增加,植被光谱反射率呈现明显下降趋势。（2）经过14种光谱变换后,昭苏县3种优质牧草的光谱反射率与土壤含水量间的相关性得到提高,尤其在R″、（1/R）′、（log R）′、（log 1/R）′、(R^1/2)″等光谱变换形式下,相关性较高,且特征波段数量较多。（3）在（1/R）′、（1/R）″、（log 1/R）″、(R^1/2)″等8种高光谱变换形式中,(R^1/2)″和（log 1/R）″变换下土壤含水量估算模型精度较好。（4）在过去20年间,昭苏县草地ANPP呈明显下降趋势,草地退化主要集中在平原地带,而植被生产力的减少是多因素作用的结果,土壤含水量只是一个微弱的影响因子。总之,本研究为土壤含水量反演及其与植被生产力关系研究中提供新思路,为土地可持续利用和管理策略的指定提供重要参考。     

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.     

叶冠尺度野鸭湖湿地植物群落含水量的高光谱估算模型

利用高光谱遥感技术定量估测野鸭湖湿地植被含水量,对于监测和诊断野鸭湖湿地植被的生理状况及生长趋势具有重要意义,也能够为高光谱遥感影像在野鸭湖湿地植被含水量诊断中的实际应用提供理论依据和技术支持.采用Field Spec 3野外高光谱辐射仪,获取了野鸭湖典型湿地植被冠层和叶片的光谱,并测定了对应的含水量.以上述实测数据为基础,首先以芦苇为例初步探明了不同含水量水平下典型湿地植被冠层和叶片光谱反射率的响应模式,然后采用相关性及单变量线性与非线性拟合分析技术,从冠层和叶片两种层次,对不同尺度下的含水量与“三边”参数及高光谱植被指数进行了分析拟合,并采用交叉检验中的3K-CV方法对估算模型进行了测试和检验,确立了不同尺度下野鸭湖湿地植被含水量的定量监测模型.结果表明:(1)随着含水量水平的增加,芦苇冠层与叶片光谱在可见光波段(350-760 nm)和红外波段(760-2500 nm)的反射率均呈逐渐降低趋势.(2)不同尺度含水量与选取的光谱特征参数整体上相关性较强,与“三边”参数基本上都呈极显著相关,相关系数最大达到0.906;与高光谱指数全部呈极显著相关,相关系数最小为0.455,最大达到0.919,并通过选取不同尺度上相关性最佳的光谱特征参数,分别基于“三边”参数和高光谱植被指数构建了不同尺度下的含水量估算模型.其中,冠层尺度下,黄边面积(SDy)与SRWI( Simple Ratio Water Index)的估算效果最好,估算模型分别为y=-9.462x2 -2.671x+0.608和y=0.219e1.010x;叶片尺度下,红边面积(SDr)与WI( Water Index)的估算效果最好,估算模型分别为y=0.562x+0.376和y=2.028x2 -0.476x-1.009.通过3K-CV的交叉验证,不同尺度下的含水量估算模型均取得了较为理想的预测精度,预测精度的最小值为94.92％,最大值为97.06％,表明估测模型具有较高的可靠性与普适性.(3)高光谱植被指数与含水量拟合方程的拟合度相对高于“三边”参数与之建立方程的拟合度,说明多波段组合的光谱特征参数更适合含水量的判别.     

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。     

植被类型对晋西北地区土壤含水量的影响

晋西北地区是黄土高原及北方农牧交错带的重要组成部分和典型的生态环境脆弱区, 土壤水分是该区限制林草生长的主要因子, 其土地植被承载力实质上是土壤水分植被承载力。为确定晋西北地区土壤干层深度、了解不同植被土壤的水分差异, 对岚县5 种植被类型下0-600 cm 土壤深度的水分含量变化进行对比研究, 并得出以下结论: 不同植被类型下土壤含水量变化范围为沙棘>柠条>草地>落叶松>青杄, 数值分别为10.23%- 36.91%、11.28%-24.83%、10.69%-24.06%、11.12%-24.01%、10.07%-19.47%、5 种植被的土壤含水量均呈现上升趋势; 不同植被下土壤平均含水量大小为沙棘>草地>柠条>落叶松>青杄, 数值分别为(20.68±7.83)%、(18.41±3.47)%、(17.42±5.42)%、(16.71±4.32)%、(15.29±3.13)%; 土壤含水量与土壤深度的曲线拟合呈线性关系; 土壤含水量与植被类型呈极显著负相关(P < 0.01), 与土壤深度呈极显著正相关(P < 0.01)。     

全球土壤含水量对植被和气候的响应

气候、植被和土壤含水量(Soil Moisture,SM)的变化密切相关,分析长时间序列SM、植被覆盖、气温和降雨的变化以及植被、气候对SM的影响,有助于揭示全球变暖背景下土壤含水量-植被-大气间相互作用关系,为水资源短缺、土地退化、水资源保护等生态环境问题提供理论支持。以全球MODIS产品和ERA5-Land为数据源,获取2001-2020年0-7 cm土壤层中的含水量SM1、7-28 cm土壤层中的含水量SM2、28-100 cm土壤层中的含水量SM3、28-289 cm土壤层中的含水量SM4、降雨、气温和归一化植被指数(Normalized Difference Vegetation Index,NDVI)时序数据集,采用Sen趋势分析(Theil-Sen Median)、非参数统计检验(Mann-Kendall)、偏相关分析和复相关分析等方法,探究全球不同干湿气候区SM、降雨、气温和NDVI的时空变化特征及SM对降雨、气温和NDVI的响应关系。结果显示:(1)近20年来,全球不同干湿气候区SM总体呈现下降趋势,植被覆盖总体呈上升趋势;降雨量具体表现为\"增-减-增\"的变化趋势;气温总体呈上升趋势。(2)不同干湿气候区,SM与降雨的相关性随土壤深度的增加而减弱;除湿润区外,SM与NDVI均在SM2土壤层呈现较高的偏相关关系;除SM1土壤层外,不同干湿气候区SM与气温呈显著的负相关关系;除极干旱区,SM随土壤深度的增加对气温的敏感性减弱。(3)通过复相关分析探究各因子的驱动区(共同驱动区、气候驱动区、植被驱动区),SM变化主要受气候和NDVI的共同影响,受NDVI主导的区域面积较少,随着土壤深度的加深受气候主导的区域面积逐渐减小。     

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...     

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.     

不同生态型扁蓿豆光合特性和光适应能力

用Li-6400型便携式光合作用测定系统和配套的荧光叶室,对4个不同生态型扁蓿豆的光合特性和光适应能力进行了比较研究。结果表明：内蒙古土默特左旗的生态型00-61扁蓿豆和黑龙江松嫩草原的生态型93-21扁蓿豆最大净光合速率（P_max）、实际光化学效率（Ф_PSⅡ）、光化学荧光猝灭系数（q_P）、暗呼吸速率（R_d）均较高,而非光化学荧光猝灭系数（q_N）较低,表明二者具有相对高产的生理和生物物理基础。00-61扁蓿豆还具有较高的光饱和点,对强光有更大的光合适应性,适合种植在相对高光环境。内蒙古正蓝旗浑善达克沙地的生态型90-36扁蓿豆,q_P较低而q_N较高,具有相对较强的防御光抑制破坏的能力。内蒙古锡林郭勒盟锡林浩特典型草原区的生态型00-81扁蓿豆,光补偿点和光饱和点均较低,耐荫力较强,与其他生态型相比更能适应相对弱光环境。     

小麦冠层反射光谱与植株水分状况的关系

研究了不同土壤水、氮条件下小麦冠层光谱反射特征与叶片和植株水分状况的相关性．结果表明,在小麦主要生育期,冠层叶片含水率与460～510、610～680和1480～1500nm波段范围内的光谱反射率有较高的相关性,植株含水率与810～870nm波段范围内的光谱反射率密切相关．在整个生长期内,小麦冠层叶片含水率与460～1500nm波段范围内的光谱反射率均有良好相关性,植株含水率与560～1480nm波段范围内光谱反射率的相关性均达到极显著水平．冠层叶片(CL)、上层叶(UL)和下层叶片(LL)含水率与光谱指数的相关程度为CL>LL>UL．冠层叶片和植株含水率与比值指(R(610,560))和光谱指数(R(610,560)／ND(810,610))呈极显著线性负相关,与归一化指数((R810-R610)／(R810+R610))呈极显著线性正相关．其中,用光谱指数(R(610,560)／ND(810,610))监测不同生育期小麦冠层叶片和植株含水率的效果最好。     

不同水氮条件下水稻冠层反射光谱与植株含水率的定量关系

研究了不同土壤水氮条件下水稻 (Oryzasativa) 冠层光谱反射特征和植株水分状况的量化关系。结果表明, 水稻冠层近红外光谱反射率随土壤含水量的降低而降低, 短波红外光谱反射率随土壤含水量的降低而升高。相同土壤水分条件下, 高氮水稻的冠层含水率高于低氮水稻的冠层含水率 ;同一水分条件下, 高氮处理的可见光区和短波红外波段光谱反射率低于低氮处理, 近红外波段光谱反射率高于低氮处理。发现拔节后比值植被指数 (R810 /R460 ) 与水稻叶片含水率和植株含水率呈极显著的线性相关, 模型的检验误差 (RootmeansquareError, RMSE) 分别为 0.93和 1.5 0。表明比值植被指数R810 /R460 可以较好地监测不同生育期水稻叶片和植株含水率。     

Utilizing spectral vegetation indices for yield assessment of tomato genotypes grown in arid conditions

Tomato is among important vegetable crops cultivated in different climates; however, heat stress can greatly affect fruit quality and overall yield. Crop reflectance measurements based on ground reflectance sensor data are reliable indicators of crop tolerance to abiotic stresses. Here, we report on using non-destructive spectral vegetation indices to monitor yield traits of 10 tomato genotypes transplanted on three different dates (Aug. 2, Sept. 3 and Oct. 1) during 2019 growing season in the Riyadh region. The ten genotypes comprised six commercial cultivars–(Pearson Improved, Strain B, Valentine, Marmande VF, Super Strain B, and Pearson early) ––and four local Saudi cultivars (Al-Ahsa, Al-Qatif, Hail and Najran). Spectral reflectance data were utilized using a FieldSpec 3 spectroradiometer in the range of 350–2500 nm to calculate nine vegetation indices (VIs): Normalized Water Band Index (NWBI), Difference Water Index (NDWI), Photochemical Reflectance Index (PRI), Normalized Difference Vegetation Index (NDVI), Green Normalized Difference Vegetation Index (GNDVI), Red Edge Normalized Difference Vegetation Index, Soil Adjusted Vegetation Index (SAVI), Red Edge Normalized Difference Vegetation Index (RENDVI), Renormalized Difference Vegetation Index (RDVI), and Normalized Difference Nitrogen Index (NDNI). VIs and yield parameters (total fruit yield, harvest index) revealed that second transplanting date was optimal for all the genotypes. Valentine showed the best growth performance followed by Najran, Hail, Super Strain B and finally Pearson early. For all the three transplanting dates, Valentine recorded the highest total fruit yield. Additionally, some genotypes had no significant differences in the VIs values or the total fruit yield between the second and third transplanting dates. This study indicated that yield parameters could be linked to rapid, non-destructive hyperspectral reflectance data to predict tomato production under heat stress.     

西双版纳地区附生与非附生植物叶片对雾水的吸收

采用蒸馏水喷雾(模拟雾)法,测定了西双版纳地区干季中10种附生植物和非附生植物叶片水势(Φ)、相对含水量(RWC)和吸水量的变化,探讨了不同类型植物叶片的吸收雾水的能力.结果表明,随喷雾时间的延长,植物叶片Φ、RWC和吸水量均升高,说明附生植物和非附生植物叶片都能吸收雾水,但附生植物叶片吸水后Φ升高明显快于非附生植物.附生植物附着实蕨和爬树龙叶片吸水快、RWC变化大,表明其叶片吸收雾水的能力强;贝母兰和掌唇兰叶片吸水能力低于非附生植物中的穿鞘花和野靛稞,但高于其它4种非附生植物.傍晚雾生之前附生植物叶片Φ显著低于清晨,表明夜间附生植物叶片吸收了雾水;而非附生植物傍晚叶片Φ与清晨水势差异不显著,夜间几乎不吸收雾水.除贝母兰外,附生植物叶生物量分数高于非附生植物,利于其吸收雾水.由于西双版纳地区干季多雾,该区植物叶片最低水势均在-0.8 MPa以上,水分胁迫不严重.     

不同干旱土壤条件下杨树的耗水规律及水分利用效率研究

 在适宜土壤水分（70%θf）,中度干旱（55%θf）和严重干旱（40%θf）3种土壤水分条件下研究杨树（Populus simonii）的耗水特性和水分利用特征。结果表明,随着土壤含水量的下降,杨树叶水势、相对含水量(RWC)、生长速率、光合速率及单叶水分利用效率（WUE）显著下降;在适宜水分和中度干旱条件下,杨树的快速生长和干物质迅速积累时期主要集中在5～6月,严重干旱下快速生长时期和干物质积累主要集中在5月;杨树总耗水量和总生物量的大小顺序为：适宜水分＞中度干旱＞严重干旱;WUE则表现出中度干旱下最高,严重干旱下最低;杨树在适宜水分下的日、旬、月耗水量明显高于中度干旱和严重干旱处理;杨树在适宜水分、中度干旱和严重干旱条件下的最高耗水月分别在6～7月,最高旬耗水量分别在7月中旬、上旬和6下旬;在中度水分亏缺和严重水分亏缺下的最高耗水日出现的时间比适宜水分下的最高耗水日提前1～2个月以上。一天中的最大耗水高峰随着杨树生育期和土壤含水量的不同而有明显差异。研究结果表明,杨树不具备耐旱植物的特征,因此在黄土高原缺水地区不适宜大面积栽植,只能用于水分条件较好的立地条件下造林。     

黄毛鼠内脏器官重量和含水量的测定

对黄毛鼠部分内脏器官的重量,相对重量（脏器指数）及含水量进行了测定。结果表明,心,肝,肺,肾脏的重量与体重存在正相关关系,相对重量与体重存在负相关关系;心,肺,肾脏相对重量存在年龄和性别差异,成年鼠的脾脏含水量高于未成年鼠。     

Predicting vegetation water content in wheat using normalized difference water indices derived from ground measurements

Vegetation water content (VWC) is an important variable for both agriculture and forest fire management. Remote sensing technology offers an instantaneous and non-destructive method for VWC assessment provided we can relate in situ measurements of VWC to spectral reflectance in a reliable way. In this paper, based on radiative transfer models, three new normalized difference water indices (NDWI) are proposed for VWC [fuel moisture content (FMC), and equivalent water thickness (EWT)] estimation, taking both leaf internal structure and dry matter content into account. Reflectance at 1,200, 1,450 and 1,940 nm were selected and normalized with reflectance at 860 nm to establish three water indices, NDWI₁₂₀₀, NDWI₁₄₅₀ and NDWI₁₉₄₀. Good correlations were observed between FMC (R ² = 0.65–0.80) and EWT (both at the leaf scale, R ² = 0.75–0.81 for EWT_L and at the canopy scale, R ² = 0.80–0.83 for EWT_C) at various stages of wheat crop development.     

The independent detection of drought stress and leaf density using hyperspectral resolution data

Measurement of vegetation drought stress or leaf density is essential in ecosystem and agronomic studies. The normalized differential vegetation index (NDVI), a widely used vegetation index in remote sensing, seems to have some limitations as it is known to be affected by both drought stress and leaf density. A field experiment was conducted, using two-year-old potted Quercus serrata (a deciduous tree) and Q. glauca (an evergreen tree), to determine the optimal indices of vegetation drought stress or leaf density that have the least a simultaneous effect, and to test if the existing vegetation indices are useful for independently detecting drought stress or leaf density. The results showed that NDVI and similar indices, which utilize the difference or ratio between the reflectance of red and near infrared bands, such as the ratio vegetation index (RVI), the difference vegetation index (DVI), the atmospherically resistant vegetation index (ARVI), the renormalized difference vegetation index (RDVI), the enhanced vegetation index (EVI), the perpendicular vegetation index (PVI), soil-adjusted vegetation index (SAVI) and the improved variants of SAVI, were effective for the independent detection of leaf density but relatively ineffective for drought stress because they were significantly affected by leaf area index (LAI). Similarly, vegetation indices developed as detectors of vegetation stress, such as the water index (WI), the stress index (SI) and the derivative chlorophyll index (DCI), showed weak correlation (r) and partial correlation (r _p) with leaf water content (LWC). The optimal hyperspectral indices were proposed as (F _502.8 − F _852.0)/(F _502.8 + F _852.0) for LWC (r = 0.847, r _p = 0.849) and R ₇₅₀/R ₅₅₀ (R750R550; Lichtenthaler et al. in J Plant Physiol 148:483–493, 1996) for LAI (r = 0.926, r _p = 0.940) where R _λ and F _λ represent reflectance and first derivatives at wavelength λ nm, respectively. A simulation of lower spectral sampling intervals (ca. 3-nm intervals of original to 10-nm intervals) indicated that it will be necessary to check the appropriateness of the derivative indices approximate to the proposed indices before application because derivative spectra are less smooth as a function of wavelength than reflectance spectra.