利用高光谱遥感预测小麦籽粒蛋白质产量

2003-2006年连续3年采用不同小麦品种在不同施氮水平下进行大田试验,于小麦不同生育期采集田间冠层高光谱数据并测定植株氮素含量.根据特征光谱参数-叶片氮素营养-籽粒蛋白质产量这一技术路径,以叶片氮素营养为连接点将模型链接,建立基于开花期高光谱参数的小麦籽粒蛋白质产量预报模型.结果表明:开花期叶片氮含量、氮积累量以及花后叶片氮转运量均能够较好地反映成熟期籽粒蛋白质产量状况;对叶片氮含量和氮积累量的光谱反演,在不同品种、氮素水平和年度间可以使用统一的光谱参数,其中利用红边位置(REPle)和修正型ND705(mND705)可以较好表达叶片氮含量的动态变化,以红蓝边面积比(SDr/SDb)和742nm处一阶微分(FD742)为变量建立叶片氮积累量监测模型效果较好;经独立试验数据的检验表明,以参数REPle、SDr/SDb和FD742为变量建立成熟期籽粒蛋白质产量预报模型均给出理想的检验结果,模型测试精度R2分别为0.854、0.803和0.795,相对误差RE分别为16.4%、18.2%和14.9%;利用开花期关键特征光谱指数可以有效地评价小麦成熟期籽粒蛋白质产量状况.     

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。     

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.     

基于减量精细采样法估算小麦叶片氮积累量的最佳归一化光谱指数

基于6个小麦品种、5个施氮水平、4年田间试验条件下不同生育时期的小麦叶片高光谱反射率和相应的氮含量及生物量,采用减量精细采样法,系统构建了350～2500 nm范围内所有两两波段组成的归一化光谱指数［NDSI（i, j）］,综合分析了小麦叶片氮积累量(LNA, g N·m^-2)与NDSI（i, j）的定量关系,确定了估算叶片氮积累量的新高光谱特征波段和光谱指数,进而建立了小麦叶片氮积累量监测模型.结果表明：估算小麦叶片氮积累量的敏感波段主要存在于可见光区和近红外区,最佳特征波段组合为720 nm和860 nm;基于NDSI(860,720)的叶片氮积累量监测模型为LNA=26.34×［NDSI(860,720)］^1.887（R²=0.900,SE=1.327）.利用独立试验资料的检验结果表明,基于NDSI(860,720)建立的回归模型对小麦叶片氮积累量的估测精度为0.823,RMSE为0.991 g N·m^-2,模型预测值与观察值之间的符合度较高.可利用新的归一化高光谱参数NDSI(860,720)来估算小麦叶片氮积累量.     

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。     

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)。     

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。     

应用近红外光谱估测小麦叶片氮含量

研究利用近红外光谱(near-infrared, NIR)和化学计量学方法估测小麦(Triticum aestivum)新鲜叶片和粉末状干叶中全氮含量的可行性, 并建立小麦叶片氮含量估测模型, 以期为小麦氮素营养的精确管理提供理论依据。以3个小麦田间试验观测资料为基础, 分别运用偏最小二乘法(partial least squares, PLS)、反向传播神经网络(back-propagation neural network, BPNN)和小波神经网络(wavelet neural network, WNN), 建立小麦叶片氮含量的鲜叶和粉末状干叶近红外光谱估测模型, 用随机选择的样品集对所建模型进行测试和检验。结果显示, 利用PLS、BPNN和WNN 3种方法构建的近红外光谱模型均能准确地估测小麦叶片氮含量, 其中基于BPNN和WNN的模型优于基于PLS的模型, 且以基于WNN的模型表现最好。对模型进行检验的结果显示, 粉末状干叶模型的预测均方根误差(RMSEP)分别为0.147、0.101和0.094, 鲜叶模型的RMSEP分别为0.216、0.175和0.169, 模型的相关系数均在0.84以上。因此, 利用近红外光谱估算小麦叶片氮素营养精确可行, 对其他作物的氮素营养估测提供了借鉴和参考。     

基于连续统去除法的冬小麦叶片氮积累量的高光谱评价

作物氮素状况是评价长势、提高产量和改善品质的重要指标,它对作物氮素诊断与管理具有重要意义。本文基于不同施氮水平下的冬小麦冠层光谱及相应的叶片氮积累量数据,将广泛应用于岩矿高光谱分析中的连续统去除法借用至作物冠层氮素营养状况评价。通过对550~760nm波段的冠层光谱进行连续统去除处理,提取了3个吸收特征。结果表明:在所有生育期中,叶片氮积累量均随着施氮量的增加而增大;在所有氮处理中,从起身期、拔节期、孕穗期到抽穗期,叶片氮积累量均呈先增加后减小的趋势,且在孕穗期达到峰值;在各生育期,吸收峰总面积、吸收峰左面积和吸收峰右面积均随着施氮量的增加而增大,面积归一化最大吸收深度均随着施氮量的增加而减小。通过相关分析发现:各吸收特征参数与叶片氮积累量之间均存在显著性相关,且面积归一化最大吸收深度参数的相关性最好;全生育期的相关性高于各单生育期;但从单生育期来看,孕穗期是监测叶片氮积累量最佳时期。回归分析结果发现,基于全生育期建立的叶片氮积累量评价模型均达到了极显著性水平。     

基于星载通道光谱指数与小麦冠层叶片氮素营养指标的定量关系

利用空间遥感信息大面积监测小麦冠层氮素营养状况和生产力指标具有重要意义和应用前景.本研究基于不同施氮水平下小麦冠层反射光谱信息,利用响应函数模拟基于不同卫星通道构建的光谱指数(包括单波段、比值光谱指数和归一化光谱指数),分析基于星载通道的光谱指数与小麦冠层叶片氮素营养指标的定量关系,确定监测小麦冠层叶片氮素营养的较好卫星传感器和光谱波段,建立小麦冠层氮素营养指标监测方程.结果表明:利用NDVI(MSS7,MSS5)、NDVI(RBV3,RBV2)、TM4 、CH2、MODIS1和MODIS2遥感数据可以预估小麦叶片氮含量(LNC),其决定系数(R2)在0.60以上;应用NDVI(PB4,PB2)、NDVI(CH2,CH1)、NDVI(MSS7,MSS5)、RVI(MSS7,MSS5)、MODIS1和MODIS2可以预测小麦叶片氮积累量(LNA),其R2大于0.86.比较而言,NDVI(MSS7,MSS5)和NDVI(PB4,PB2)分别为预测小麦LNC和LNA的适宜星载通道光谱参数.     

Monitoring leaf nitrogen accumulation in wheat with hyper-spectral remote sensing

The water-retaining capacity, percolation and evaporation of stony soil in Liupan Mountains, China, were measured in order to understand the effect of rock fragments on soil hydrological processes. The results indicated that the effective water-retaining capacity of soil is positively related with the volumetric content of rock fragments, but there is no relation between saturated water-retaining capacity and rock fragment content. For the soil layers within 0–40 cm, the steady infiltration rate increases with increasing volumetric content of rock fragments until it reaches the range of 15%–20%, and then it decreases when the rock fragment content further increases. For the soil layers below 40 cm, the steady infiltration rate always increases with increasing rock fragment content. The soil evaporation rate decreases with increasing volumetric content of rock fragments when it varies in the range of 0–20%, while the soil evaporation rate keeps basically stable when the rock fragment content is higher than 20%. The soil evaporation rate shows a rising tendency with increasing size of rock fragments.     

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。     

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。     

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.     

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。     

小麦叶片色素含量的高光谱监测

连续两年采用不同小麦品种在不同施氮水平下进行大田试验,建立了小麦叶片色素含量的光谱定量监测模型.结果表明,叶片色素含量随着施氮水平的增加而提高,品种间存在差异,叶绿素(Chl) a+b相对含量随生育时期的变化较Chl b和类胡萝卜素(Car)更为明显.群体叶片色素含量的敏感波段主要存在于可见光区,其中,红边区域表现显著.红边位置参数REP_LE和REP_IG与叶绿素关系较为密切,REP_LE的表现较好.以REP_LE为变量对Chl a、Chl b和Chl a+b进行方程拟合,决定系数R²分别为0.835、0.841和0.840;对Car含量进行方程拟合,其R²显著下降,且光谱参数间差异较小.经独立数据的检验表明,红边位置的估算结果较好,以REP_IG为变量对Chl b进行预测,模型测试的R²和RE分别为0.632和18.2%;以REP_LE为变量对Chl a、Chl a+b和Car含量进行预测,R²分别为0.805、0.744和0.588,RE分别为9.0%、9.7%和14.6%.表明红边位置与叶片色素含量关系密切且表现稳定,利用REP_LE可以对小麦叶片Chl a和Chl a+b含量进行可靠的监测.     

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.