玉米叶片花青素相对含量高光谱遥感反演

针对传统植物叶片色素测量存在的问题|提出了一种采用高光谱遥感技术反演玉米叶片花青素相对含量的方法。以含花青素的玉米叶片为对象|获取玉米叶片的花青素相对含量及高光谱反射率|分析350～1 000 nm波段范围内玉米叶片的反射光谱特征|建立基于敏感波段、已有光谱指数、新光谱指数的玉米叶片花青素相对含量反演模型|并进行分析、比较。结果表明|玉米叶片花青素相对含量的敏感波段为548 nm；新光谱指数为521和698 nm组成的比值指数（RI(521,698)）、554和704 nm组成的差值指数（DI(554,704)）、557和701 nm组成的归一化指数（NI(557,701)）。基于RI(521,698)建立的一元线性和一元二次模型及DI(554,704)建立的一元二次模型的拟合R2均大于0.78|预测R2均大于或等于0.73|RMSE小于0.12|是进行玉米叶片花青素相对含量高光谱遥感反演的最优模型|说明在一定的精度范围内|新光谱指数具有无损反演玉米叶片花青素相对含量的潜力。     

水稻叶片含水量的高光谱遥感估算

针对高光谱估算不同品种水稻叶片含水量模型精度较低和参数复杂的问题,采集了20个品种、4个关键生长期(拔节-孕穗、孕穗-抽穗、抽穗-灌浆、灌浆-成熟)的水稻叶片高光谱和含水量数据,利用15种常见的植被指数反演水稻叶片含水量,建模效果均不够理想;利用叶片含水量敏感波段的反射率、光谱一阶导数构建归一化植被指数、比值植被指数和差值植被指数进一步探究,结果表明,利用一阶导数构建的差值植被指数DDV(R1 833,R2 236)建模精度和预测效果最佳,建模决定系数为0.72,验证决定系数为0.81,相对分析误差为2.29,可以有效估计不同品种水稻4个生长期的叶片含水量。     

PLS算法在病叶色素含量遥感监测中的应用

植被病叶色素含量的变化在光谱上会有响应,因此通过光谱测度的方法可以对植被病叶色素含量进行反演,从而能够对作物病害进行即时监测。偏最小二乘法(PLS)的成分提取不仅是对光谱反射率信息的概括,也是对色素含量信息的解释,同时成分提取可以避免变量之间的多重相关性,减少信息冗余。本文通过对加工番茄细菌性斑点病病叶色素含量和光谱反射率的测定,对400nm～800nm的原始光谱进行一阶微分、二阶微分、反对数光谱变换。利用色素含量在原始光谱、一阶、二阶和反对数光谱的敏感波段建立归一化指数,采用多波段PLS算法对色素含量进行归一化指数估测并检验。结果表明,新建归一化指数组成的PLS模型对色素Chl.a、Chl.b、Cars含量的估测精度高于传统的归一化指数,R2都大于0.8,RMSE小于0.05。该模型的应用对加工番茄细菌性斑点病有更强的监测能力。     

在水分胁迫下棉花冠层叶片全氮含量的高光谱遥感估算模型研究

研究利用美国产ASD地物光谱仪,获取新疆北部地区棉花冠层关键生育时期的高光谱数据,采用红边积分面积变量估测棉花冠层叶片的全氮含量,对反射光谱进行一阶微分,应用一阶微分光谱数据,衍生出基于光谱位置变量的分析方法,以红边积分面积(SDr)为自变量,冠层全氮(TN)含量为因变量,做相关分析与处理,构建新陆早6号红边积分面积与冠层叶片TN含量的相关数学模型。研究在不同水处理条件下,对棉花冠层单叶叶绿素含量和单叶全氮含量做相关分析,结果表明:叶绿素含量与TN含量呈显著的正相关(R=0.8723,n=39),叶绿素含量能有效的估计棉花单叶TN含量;红边积分面积变量与冠层TN含量呈显著的相关性,相关系数是0.7394(n=40),利用构建的相关模型可以较为精确地估测棉花两个品种新陆早6号与8号冠层叶片的全氮含量,RMSE分别为0.3859和0.4272。研究认为红边积分面积变量具有预测棉花冠层全氮含量的应用潜力,研究得出利用3边面积变量构造的数学模型对反演作物冠层TN含量有较高应用价值。研究认为,红边位移现象结合红边幅度的变化的研究,用于诊断棉花水分胁迫也是可行的,关键是建立相应合理的诊断指标体系。研究结果证明:①随着棉花的生长发育,叶片的生理生化参数发生变化,冠层的生理生化参数随之发生变化;②.棉花叶片叶绿素含量与叶片的全氮含量相关性显著(R=0.8723,n=38),通过建立数学模型,可以估测叶片中全氮的含量;③由一阶微分光谱衍生出基于光谱“红边”位置变量的分析方法,使我们认识到“红边”的变幅、形状和面积包含了各个波段的信息,这些波段综合产生的变量所构造的模型,为棉花氮素营养参数的估计提供了预测能力;④如果棉花叶绿素含量高,说明水分充足、氮代谢旺盛,植株处于生长旺盛时期,红边向蓝光方向发生了位移。利用红边位移现象结合红边幅度的变化的研究,用于诊断棉花水分胁迫也是可行的,关键是建立相应合理的诊断指标体系。     

在水分胁迫下棉花冠层叶片全氮含量的高光谱遥感估算模型研究

研究利用美国产ASD地物光谱仪,获取新疆北部地区棉花冠层关键生育时期的高光谱数据,采用红边积分面积变量估测棉花冠层叶片的全氮含量,对反射光谱进行一阶微分,应用一阶微分光谱数据,衍生出基于光谱位置变量的分析方法,以红边积分面积(SDr)为自变量,冠层全氮(TN)含量为因变量,做相关分析与处理,构建新陆早6号红边积分面积与冠层叶片TN含量的相关数学模型。研究在不同水处理条件下,对棉花冠层单叶叶绿素含量和单叶全氮含量做相关分析,结果表明:叶绿素含量与TN含量呈显著的正相关(R=0.8723,n=39),叶绿素含量能有效的估计棉花单叶TN含量;红边积分面积变量与冠层TN含量呈显著的相关性,相关系数是0.7394(n=40),利用构建的相关模型可以较为精确地估测棉花两个品种新陆早6号与8号冠层叶片的全氮含量,RMSE分别为0.3859和0.4272。研究认为红边积分面积变量具有预测棉花冠层全氮含量的应用潜力,研究得出利用3边面积变量构造的数学模型对反演作物冠层TN含量有较高应用价值。研究认为,红边位移现象结合红边幅度的变化的研究,用于诊断棉花水分胁迫也是可行的,关键是建立相应合理的诊断指标体系。研究结果证明:①随着棉花的生长发育,叶片的生理生化参数发生变化,冠层的生理生化参数随之发生变化;②.棉花叶片叶绿素含量与叶片的全氮含量相关性显著(R=0.8723,n=38),通过建立数学模型,可以估测叶片中全氮的含量;③由一阶微分光谱衍生出基于光谱“红边”位置变量的分析方法,使我们认识到“红边”的变幅、形状和面积包含了各个波段的信息,这些波段综合产生的变量所构造的模型,为棉花氮素营养参数的估计提供了预测能力;④如果棉花叶绿素含量高,说明水分充足、氮代谢旺盛,植株处于生长旺盛时期,红边向蓝光方向发生了位移。利用红边位移现象结合红边幅度的变化的研究,用于诊断棉花水分胁迫也是可行的,关键是建立相应合理的诊断指标体系。     

玉米叶片花青素相对含量高光谱遥感反演

针对传统植物叶片色素测量存在的问题,提出了一种采用高光谱遥感技术反演玉米叶片花青素相对含量的方法。以含花青素的玉米叶片为对象,获取玉米叶片的花青素相对含量及高光谱反射率,分析350～1 000nm波段范围内玉米叶片的反射光谱特征,建立基于敏感波段、已有光谱指数、新光谱指数的玉米叶片花青素相对含量反演模型,并进行分析、比较。结果表明,玉米叶片花青素相对含量的敏感波段为548nm;新光谱指数为521和698nm组成的比值指数(RI(521,698))、554和704nm组成的差值指数(DI(554,704))、557和701nm组成的归一化指数(NI(557,701))。基于RI(521,698)建立的一元线性和一元二次模型及DI(554,704)建立的一元二次模型的拟合R2均大于0.78,预测R2均大于或等于0.73,RMSE小于0.12,是进行玉米叶片花青素相对含量高光谱遥感反演的最优模型,说明在一定的精度范围内,新光谱指数具有无损反演玉米叶片花青素相对含量的潜力。     

基于偏最小二乘的土壤重金属铜含量高光谱估算

为探究高光谱数据估算土壤重金属铜含量的可行性,以石家庄市水源保护区褐土为研究对象,对不同光谱变换数据与重金属铜含量做了相关分析,建立了土壤重金属铜的单光谱变换指标偏最小二乘模型和多光谱变换指标偏最小二乘模型。结果表明：光谱反射率（R）经倒数一阶微分（RTFD）变换后与铜含量的相关性有所提高;光谱敏感波段为418、427、435、446、490、673、1 909、1 920和2 221 nm,基本位于土壤氧化铁、粘土矿物的特征吸收区域;对土壤重金属铜含量估算效果最好的单光谱变换指标偏最小二乘模型为RTFD模型,其模型决定系数（R²）为0.649,均方根误差（RMSE）为1.477;多光谱变换指标偏最小二乘模型R²和RMSE分别为0.751和1.162,建模效果优于单光谱变换指标模型。研究结果可为北方地区褐土类型土壤重金属铜的高光谱估算提供借鉴。     

基于偏最小二乘的土壤重金属铜含量高光谱估算

为探究高光谱数据估算土壤重金属铜含量的可行性，以石家庄市水源保护区褐土为研究对象，对不同光谱变换数据与重金属铜含量做了相关分析，建立了土壤重金属铜的单光谱变换指标偏最小二乘模型和多光谱变换指标偏最小二乘模型。结果表明：光谱反射率（R）经倒数一阶微分（RTFD）变换后与铜含量的相关性有所提高；光谱敏感波段为418、427、435、446、490、673、1 909、1 920和2 221 nm，基本位于土壤氧化铁、粘土矿物的特征吸收区域；对土壤重金属铜含量估算效果最好的单光谱变换指标偏最小二乘模型为RTFD模型，其模型决定系数（R²）为0.649，均方根误差（RMSE）为1.477；多光谱变换指标偏最小二乘模型R²和RMSE分别为0.751和1.162，建模效果优于单光谱变换指标模型。研究结果可为北方地区褐土类型土壤重金属铜的高光谱估算提供借鉴。     

高光谱反演叶片叶绿素及全氮含量

植物的含氮量和叶绿素含量指示了植被的健康状况.本文利用野外采集的叶片样本获取叶片的光谱反射率及叶绿素和全氮的含量,分析和利用高光谱数据反演叶片叶绿素及全氮含量的可行性及精度.鉴于高光谱数据存在冗余这一特性,本次试验采取了偏最小二乘法来对光谱数据进行回归分析,进行叶绿素和氮素含量的估算.同时,本文也比较了叶片叶绿素含量和氮素含量在不同单位表达形式下,偏最小二乘法对其的估算精度.试验结果表明,基于偏最小二乘法分析叶片反射率估测叶片的叶绿素含量及全氮含量具有很好的结果,精度全都达到85%以上,具有应用价值.     

光谱数据变换对玉米氮素含量反演精度的影响

通过对玉米叶片光谱数据进行6种变换,分析了变换后的光谱值与叶片氮素含量的相关关系,探讨了550 nm和680 nm两波段处不同形式光谱变量对氮素含量反演的精度。结果表明,微分处理(D(R)、D(log(R))和D(N(R)))显著改变了氮素含量与光谱值的相关性,归一化(N(R))次之,对数处理几乎无变化(R与log(R),N(R)与log(N(R)))。不同的变换形式之间,与氮素含量相关性高的,所建立的回归模型的决定系数较高,模型的精度也较高。在波段550 nm和680 nm波段处,光谱数据的归一化对数处理(log(N(R)))能显著提高回归模型对氮素含量的反演精度。     

Nitrogen detection with hyperspectral normalized ratio indices across multiple plant species

The main focus of recent studies relating vegetation leaf chemistry with remotely sensed data is the prediction of chlorophyll and nitrogen content using indices based on a combination of bands from the red and infrared wavelengths. The use of high spectral resolution data offers the opportunity to select the optimal wavebands for predicting plant chemical properties. In order to test the optimal band combinations for predicting nitrogen content, normalized ratio indices were calculated for all wavebands between 350 and 2200 nm for five different species. The correlation between these indices and the nitrogen content of the samples was calculated and compared between species. The results show a strong correlation between individual normalized ratio indices and the nitrogen content for different species. The spectral regions that are most effective for predicting nitrogen content are, for each individual species, different from the normalized difference vegetation index (NDVI) spectral region. By combining the areas of maximum correlation it was possible to determine the optimal spectral regions for predicting leaf nitrogen content across species. In a cross‐species situation, normalized ratio indices using the combination of reflectance at 1770 nm and at 693 nm may give the best relation to nitrogen content for individual species.     

Remote Sensing Inversion Method of Soil Iron Content in the Loess Plateau

The information of soil composition and its spatial distribution could be obtained quickly and efficiently by using spectral technology.In order to accurately estimate the content and distribution characteristics of soil Fe elements in the loess plateau,the typical loess in the eastern part of Yulin was collected in the field.Laboratory physical and chemical analysis,spectral determination and pretreatment,analysis of the correlation between soil iron content and reflection spectrum,screening sensitive bands,using partial least squares modeling to determine the best estimation model.The spectral reflectivity and the selected sensitive bands are mainly distributed at 500 nm,870 nm,1 700 nm and 2 200 nm.The original reflectivity(Ref) modeling results are relatively stable and the prediction effect is the best.The prediction set correlation coefficient R² is up to 0.73 and the Root Mean Square Error(RMSEP) is the smallest.After derivative transform(FDR and SDR) and continuum removal of CR transform,the prediction set R² is 0.61 and 0.64,respectively.The optimal estimation model of soil Fe content(Ref) was applied to the Sentinel-2 multi-spectral remote sensing image to obtain the remote sensing inversion map of soil Fe content by band interpolation.It was found that the distribution characteristics of soil Fe content in the studied area were closely related to the strata.The results of this study can provide support for remote sensing analysis of soil Fe element content and realize rapid spectral mapping of soil iron in the Loess Plateau.     

冬小麦冠层光谱红边参数的变化及其与氮素含量的相关分析

通过对不同氮肥条件下的小麦植株由上而下进行器官疏剪,分析了不同处理下冠层光谱反射率及其红边参数的变化。结果表明,冠层光谱反射率因不同肥力、不同疏剪处理而有较大的差异,表现出不同程度的红边的“红移”和“蓝移”现象。各处理的红边曲线形状均出现双峰现象,表现为第二个峰值高于第一个峰值,并且均为N1>N2>N0。相关分析表明,随着由上而下的疏剪处理,不同叶位叶片光谱反射率对冠层光谱的贡献增加,并且其红边参数与相应的叶片全氮含量的相关系数也增加,部分达到显著或极显著相关水平。该结果为利用下部缺素敏感叶片的光谱特征进行小麦养分的及时补充提供了可靠的理论依据。     

遥感探测小麦条锈病严重度的GBRT模型研究

为了提高小样本数据模型的稳定性,构建具有更高精度和鲁棒性的小麦条锈病遥感探测模型。首先基于辐亮度和反射率荧光指数方法提取了冠层日光诱导叶绿素荧光（SIF）数据,然后结合对小麦条锈病病情严重度敏感的反射率光谱指数并基于改进的分类与回归树（CART）——梯度提升回归树（GBRT）算法,构建了融合反射率和冠层SIF数据的小麦条锈病遥感探测的GBRT模型,并将其与CART及多元线性回归（MLR）模型进行比较。结果表明：①反射率导数荧光指数D705/D722、短波红外谷反射率和反射率比值荧光指数R740/R800是影响遥感探测小麦条锈病严重度精度的主控因素,其中SIF数据的重要性值高于反射率光谱数据,冠层SIF能够比反射率光谱更加敏感地反映小麦条锈病害信息;②GBRT模型病情指数（DI）预测值和实测值间的均方根误差（RMSE）比CART和MLR模型分别减小了15.50%和13.49%,决定系数（R²）分别提高了6.16%和11.57%,GBRT模型估测DI值更接近于实测值,且估测结果波动小,鲁棒性高;CART模型在小样本数据中易将不同特征的数据集划分为同一特征的子集,预测结果波动较大;MLR模型的预测结果相对比较稳定,但其预测精度较低。     

基于AVIRIS高光谱数据的海表甲烷异常识别

研究海洋表面烃类富集状况在监测海洋环境和探测海底油气资源中具有重要意义,海表渗漏烃中,甲烷是气态烃中最具代表性的组分。为了精准识别海表甲烷异常,研究设计了相应光谱实验,以海水为背景测定甲烷光谱反射率,基于实测数据分析甲烷的光谱特征,运用比值导数光谱法削弱海水背景组分的光谱干扰,提取出甲烷光谱吸收特征波段。研究发现甲烷在1 642—1 672 nm和2 169—2 378 nm波长范围存在光谱吸收,通过比值导数处理后显著增强了其中1 642—1 672 nm和2 169—2 208 nm区间的甲烷吸收特征,在Rebecca等提出的CH₄I甲烷反演指数的基础上加入比值导数参数,建立了基于AVIRIS数据的海表甲烷含量指数MI,与甲烷含量的相关系数R²=0.994 2,将其应用于美国加利福利亚州圣芭芭拉海峡Coal Oil Point（COP）烃渗漏区甲烷异常识别,并与CH₄I指数和Bradley等提出的AVIRIS CH₄指数ζ（L2298/L2058）进行反演效果对比。结果表明：运用MI指数可以有效识别海表甲烷浓度异常,与ζ、CH₄I指数反演结果相比,MI指示的甲烷浓度异常分布与ζ指数反演结果更为吻合,效果显著优于CH₄I指数反演结果。     

水稻叶片氮含量反演偏最小二乘模型设计

针对高光谱偏最小二乘模型（PLSR）反演作物氮含量时易出现数据冗余和模型复杂的问题,尝试结合波段深度分析和遗传算法（GA）建立水稻氮含量PLSR反演模型。基于去包络线处理的水稻高光谱数据（350nm～750nm）,选取波段深度（BD）、波段深度比（BDR）、归一化面积波段深度（BNA）和归一化面积波段指数（NBDI）4种波段深度指数分别建立BDA PLSR模型,进而采用遗传算法波段选择选取最适宜波段深度指数建立GA PLSR模型,并将GA PLSR模型与BDA PLSR模型进行对比。结果显示,基于BNA的GA PLSR模型在反演水稻氮含量中获得了最佳的结果（Adj.R2=0.67,RMSEP=0.20,RPD=1.84）。研究证明,利用波段深度分析建立的PLSR模型能一定程度上解决数据冗余问题,进一步采用遗传算法进行波段选择能更有效挖掘光谱信息,提高模型精度。     

Hyperion数据玉米叶绿素含量制图

采用星地同步观测方法,对Hyperion影像进行预处理并提取玉米专题信息,计算与遥感影像同步获取的玉米地面实测光谱及其一阶微分形式,作物光谱指数参量与叶绿素含量之间的相关性。结果表明:作物叶绿素含量预测指数TCARI/OSAVI与叶绿素a和叶绿素b的相关性最好,R²分别为0.5694和0.5313。采用其与叶绿素含量进行回归分析,建立叶绿素反演模型。将回归结果应用到提取的玉米区域,得出叶绿素a和叶绿素b含量的空间分布图,直观显示玉米的长势状况,为农业估产和植被长势监测提供重要的数据源。     

基于高光谱植被指数的加工番茄生长状况监测研究

利用ASD地物非成像高光谱仪,获取2个加工番茄品种4水平施氮量和3种配置种植方式6个关键生育时期冠层的反射光谱数据,通过计算得到归一化植被指数(NDVI)、比值植被指数(RVI)、修改型二次土壤调节植被指数(MSAVI2)和红边归一化植被指数(RENDVI),并分别与其冠层叶绿素密度(CH.D)、叶面积指数(LAI)、地上鲜生物量(AFBM)和地上干生物量(ADBM)进行相关分析,经检验,相关系数均达到1%的极显著水平。其中RENDVI与CH.D的线性相关模型,RVI与LAI的幂指数函数模型的相关性最好(RRENDVI-CH.D=0.8034**,RRVI-LAI=0.8703**,n=54,α=1%),用上述2个相关模型方程分别估算加工番茄CH.D和LAI,实测值与估测值之间均呈极显著的线性相关关系(R实测CH.D-估测CH.D=0.8113**,R实测LAI-估测LAI=0.8546**,n=54,α=1%),估算精度分别为85.5%和86.3%。试验结果表明,用高光谱植被指数,可以对加工番茄冠层CH.D、LAI、AFBM和ADBM进行遥感估算,实现对加工番茄生长状况的实时、无损、非接触和定量的高光谱监测研究。