水稻冠层光谱特征及其与LAI的关系研究

氮素营养是影响作物生长与产量的最主要限制因子之一。准确及时地监测或诊断出作物氮素营养状况,对提高氮素利用效率和作物管理水平、减少过度施氮造成的环境污染具有重要意义。本研究在不同施氮水平处理的水稻试验小区,对水稻整个生长期内冠层反射光谱进行了较系统、密集的测定,同时测定了几个重要生育期水稻的叶面积指数。研究结果表明:随着施氮量的增加,水稻冠层光谱在各生育期间呈现出一定的规律性,在近红外部分(710～1 220 nm),冠层光谱反射率随着施氮水平的提高而升高,而在可见光部分(460～680 nm),水稻冠层的光谱反射率反而逐渐降低。经冠层光谱差异显著性检验发现:水稻灌浆期以前,对施氮水平最为敏感的波段是绿光(560～610 nm)和近红外(710～760 nm)部分;转换为归一化植被指数(NDVI)以后,差异最显著的是(R760-R560)/(R760+R560)。不同氮肥处理的水稻LAI随时间变化曲线大致都呈抛物线型,中低水平施氮肥水稻LAI随时间的变化曲线比较平缓,而高水平施氮肥LAI曲线则变化比较剧烈。冠层光谱反射与叶面积的相关分析结果表明:在水稻抽穗前,叶面积与冠层光谱反射率相关性较差;而抽穗后,叶面积与冠层光谱有较高的相关性。     

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。     

高光谱植被遥感数据光谱特征分析

利用植被的光谱数据,探讨了植被冠层的光谱反射特征和诊断性光谱吸收特征。根据植被光谱特征和连续统去除法(CR),介绍了识别植被种类和预测植被冠层营养元素等生化组分含量的可能性。运用一阶微分反射比(FDR)和从连续统去除的光谱吸收特征中获得的波段深度(BD)、连续统去除后微分反射比(CRDR)、波段深度比(BDR)和归一化波段深度指数(NBDI)等变量,利用逐步线性回归模型并基于光谱吸收特征的变量来选择波长,并通过相关分析来预测植被冠层生化组分。     

新疆棉花LAI和叶绿素密度的高光谱估算研究

利用非成像高光谱仪,对棉花(2品种4水平种植密度)冠层5个关键生育时期进行光谱测定,分析棉花反射光谱及微分光谱生育期的变化规律,并对棉花冠层叶面积指数(LAI)、叶绿素密度(CH.D)与光谱数据进行回归分析,结果表明,用归一化差值植被指数(NDVI)与LAI建立的对数模型能够较好地估测棉花冠层的LAI(r=0.9123**,n=20);近红外729 nm波段处一阶微分光谱数值与CH.D高度相关(r=0.9372**,n=20),用此波段建立的CH.D估算模型,精度达84.3%,标准差为0.234g.m-2,RMSE=0.1569。研究表明,可以用高光谱数据对新疆棉花冠层LAI和CH.D进行遥感估算。     

利用光谱指数进行冬小麦变量施肥的可行性及其效益评价

变量施肥技术作为精准农业一个新的发展方向，如果能以适时获得的高光谱数据代替传统繁琐的实验室土壤养分测定数据来指导变量施肥实践，那将对我国精准农业的发展具有重要的实践意义。研究根据冬小麦起身拔节期冠层光谱数据，选用反映冬小麦长势信息的优化土壤调节植被指数（OSAVI）进行变量施肥，对光谱指数（OSAVI）指导变量施肥实践的可行性进行了探讨，结果表明起身拔节期的冠层光谱特征值与产量之间表现出很好的线性相关关系，可以根据起身期的冠层光谱特征值预测当李作物目标产量。对变量施肥效益也做了研究，结果显示通过变量施肥能够改善冬小麦的长势差异状况，显著提高了冬小麦籽粒产量，降低各处理产量之间的变异，但各处理籽粒品质之间的差异却略有增加。     

高光谱遥感特征参数与棉花产量及其构成因子的关系研究

通过大田和室内实验,测定了2个品种、4种梯度水、肥处理的棉花产量形成的关键时期--盛花期至吐絮期的冠层光谱反射率和产量及构成因素,对高光谱特征参数与产量构成因素进行相关统计分析.结果表明,棉花产量与抗大气植被指数VARI_700的相关性为0.9564;棉花产量构成因素中的单位面积总铃数、单铃重与棉花冠层光谱反射率之间相关性达到极显著水平;建立光谱特征参数与产量构成因子的回归方程,表明运用抗大气植被指数VARI_700和光谱曲线反射峰参数P_Depth554来反演单位面积总铃数是可行的,用光谱植被指数[820nm,1650nm]可估算棉花单铃重.     

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。     

遥感植被指数与冬小麦绿叶面积系数和麦土比的关系

一、引言研究作物冠层反射光谱特征与冠层状态参数之间的关系,是作物遥感估产的基础。由可见光和近红外波段反射率组成的植被指数随作物冠层状态参数变化的规律,在国外文献中已有报导。鉴于作物冠层覆盖百分率与冠层光谱特性密     

滨海盐土重金属含量高光谱遥感研究

高光谱遥感凭借其极高的光谱分辨率在获取有机质、矿物质等土壤组分定量信息的研究中表现出非凡的潜力。以如东县洋口镇为研究区,通过对土壤反射光谱的测量和同步的土壤化学分析,研究了土壤重金属Cr、Cu、Ni与土壤粘土矿物、铁锰氧化物以及碳酸盐之间的赋存关系。利用光谱一阶微分、倒数对数和连续统去除法对土壤光谱的处理,获得了土壤成分的特征波段,通过土壤重金属与土壤光谱变量的相关分析,并利用逐步回归分析方法,确立了3种重金属元素的最佳遥感模型。结果表明,研究区3种重金属与波长429 nm、470 nm、490 nm、1 430 nm、2 398 nm、2 455 nm处光谱变量具有很好的相关性,在所建立的逐步回归模型中,以一阶微分处理的模型精度最高。研究结果可以为高光谱遥感技术反演土壤重金属含量,进一步应用空间或航空遥感进行大尺度环境污染遥感、遥测信息提取和反演提供技术支撑。     

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。     

磷营养胁迫对冬小麦冠层光谱的影响

因为磷素重要的营养作用,其胁迫的存在影响冬小麦的正常生长。借助地面遥感仪器获取冬小麦在磷营养胁迫下的多个生育期里的冠层光谱数据并对其影响特征进行了分析。利用因子分析方法提取主因子与含有丰富信息的光谱变量,并结合极显著水平(0.01)的均值比较与检验过程考察了冬小麦冠层光谱,确定了对磷营养胁迫敏感的光谱波段:760nm,810nm和870nm与950nm,并在此基础上结合冬小麦对磷素的吸收利用特征选定了运用冠层光谱敏感波段反射率探测和区分磷营养胁迫的关键生育期:拔节期。结果同时表明,对冬小麦磷营养胁迫而言,近红外区间(760nm~1100nm)光谱反射特征的区分能力要强于可见光区。本文同时指出了研究与发展利用遥感技术进行营养胁迫监测的方法和着重点。     

农田小麦状况的光谱特征分析

根据田间光谱观测提出了小麦光谱特征点(可见光、近红外、中红外)反射率域值和三个小麦生育光谱特征段，并利用统计分析法确定出不同农田小麦状况下光谱响应差异最明显时期、分辫小麦不同状况下的最佳光谱段。并以实际资料找出小麦反射光谱达饱合点时的LAI值以及小麦受灾后在光谱上的变化。     

不同氮素营养条件下的冬小麦生理及光谱特性

通过对氮胁迫下冬小麦叶绿素含量、叶面积指数等参数的分析，得出养份胁迫下冬小麦生理反应的特点，并且分析了其光谱特征及与叶绿素含量等的相关关系。     

Applications of suits spectral model to wheat

The Suits' Model canopy reflectance calculations [1] for a spring type Mexican wheat, Penjamo, are compared with published data [2] collected by Kanemasu for Scout winter wheat. Good agreement exists between model calculations and experimental data in the spectral range, 500 nm to 750 nm, suggesting that the model parameters for wheat can be applied to different cultivars of wheat in the same growth stage. Wheat canopy reflectance is dependent upon surface soil type and this dependency is examined with the Suits' spectral model. In this particular growth stage wheat reflectance is shown to be nearly independent of soil reflectance in the visible wavelengths and progressively dependent at longer wavelengths in the infrared.     

Simulation and Analysis on the Influence of Soil Background of Wheat Farmland on NDVI under Different Vegetation Coverage

It is quite confusing to effectively monitor and precisely evaluate growing conditions of wheat by using normalized differential vegetation index (NDVI)which is based on pixel scale as they are significantly different when acquired by the same growth status wheat with different background of soil types.This paper selects 9 typical soil types in our country as background with the wheat canopy spectrum is fixed which means the NDVIc is a constant value to study the influence of different soil background types on NDVI of wheat and analyze the sensitivity of NDVI of wheat to the vegetation coverage simulated by diverse liner mixed ratio of wheat canopy and soil background.The results show that：(1)wheat NDVI of farmland increases along with the increase of vegetation coverage under the same of soil background type,and vice versa;(2)wheat NDVI of farmland vary greatly with different soil background types,and the difference decrease while the vegetation coverage exceed 25%;(3)NDVI sensitivity also shows a quite difference to vegetation coverage under the diverse soil background types.With the increase of vegetation coverage,NDVI sensitivity decreases with the lower\|reflectance soil background while it increases monotonously with the higher reflectance soil background.It provides the foundation for the times of calculating the remote sensing’s NDVI information of all wheat growing periods under different types of soil background.     

Study on Grain Quality Effecting Factors and MonitoringMethods by Using Hyperspectral Data in Winter Wheat

冬小麦品质的影响因素及高光谱遥感监测方法黄文江,王纪华,刘良云,赵春江,宋晓宇,马智宏(国家农业信息化工程技术研究中心,北京　100089)摘要:研究了小麦品质的分类及其构成因素与环境条件之间的关系,各品质因素之间的关系。运用相同栽培条件下不同品种品质指标间的关系和变化规律,研究了品种因素对小麦品质的影响程度以及品种因素与品质指标之间的相关性,得出相同环境条件下籽粒的蛋白质含量与湿面筋含量、沉降值、吸水率、形成时间和稳定时间之间存在极显著的相关性。并利用不同品种、不同肥水条件下的作物关键生育时期的生化参量与光谱指数进行分析,得出开花期冬小麦叶片的类胡萝卜素与叶绿素a的比值与结构不敏感植被指数(SIPI)之间存在极显著的正相关,决定系数达到0.7207,冬小麦体内的全氮含量与类胡萝卜素与叶绿素a的比值之间存在极显著的负相关,决定系数为0.7245,并通过分析开花期冠层生化组分与籽粒品质指标间的相关性,得出开花期叶片全氮与籽粒蛋白质、湿面筋、干面筋和沉降值之间存在极显著的正相关,表面运用开花期光谱指数来反演叶片全氮含量,进而用来预测预报籽粒品质是切实可行的。关　键　词:冬小麦;高光谱数据;籽粒品质;监测方法中图分类号:TP 79     

Wheat: its growth and disease severity as deduced from ERTS-1

The spectral reflectance of a cropped surface changes as the plant develops. An indicator of crop growth is leaf area index (ratio of green leaf area to soil area). The leaf area index, disease severity, and yield were determined for several winter wheat fields in Kansas during the 1973 growing season. Multispectral scanner (MSS) data from Earth Resources Technology Satellite-1 (ERTS-1) showed a high correlation (r ? 0.90) between crop growth and MSS4/MSS5, and crop growth and MSS5/MSS6. Wheat disease severity and yields were significantly correlated at the 5% level with MSS4/MSS6 and with MSS4/MSS7. Further investigation is required before ERTS imagery can be routinely used detecting and estimating disease severity and yield reduction.     

Wheat production forecasting for a predominantly unirrigated region in Madhya Pradesh )India)

The area under wheat was estimated and a forecast of production made in a predominantly un-irrigated region (36 per cent irrigated wheal crop, geographical area 5-61 Mha) of Madhya Pradesh (India) using digital data from LISS-I (Linear Imaging Self Scanner) onboard Indian Remote Sensing Satellite (IRS-IB), for the crop season 1991-92. A stratified sampling approach based on 5 km by 5 km sample segments, 10 per cent sampling fraction in conjunction with supervised maximum likelihood (MXL) classification was used for wheat acreage estimation. Yield forecasts were based on an optimal combination of forecasts from two different methodologies, viz., wheat yield-spectral relationship and time series analysis using ARIMA (Auloregressive Integrated Moving Average) approach. In the former, a two-year (1989-90, 1990-91) pooled regression relating LISS-I derived Near Infrared/Red (NIR/R) radiance ratio to district wheat yields was developed and used to forecast wheat yields for the year 1991-92 based on classified wheat pixels. In the latter case, historical district-wise wheat yield data of 35 years was used to develop appropriate ARIMA models and used to forecast 1991-92 yields. The relative deviation of remotely-sensed-based forecasted production, acreage and yield from the post-harvest estimates released later by the State Department of Agriculture were — 15.8, — 1002 and — 601 per cent, respectively. The acreage and yield meet the accuracy of 85 per cent at 90 and 95 per cent confidence levels, respectively.     

Detection of Wheat Stripe Rust Using Solar-induced Chlorophyll Fluorescence and Reflectance Spectral Indices

Detection of wheat stripe rust is important for agriculture management and decision,this paper aims to improve detection accuracy of the disease severity of wheat stripe rust by integrating the advantages of reflectance spectroscopy in the detection of crop biochemical parameters and the advantages of chlorophyll fluorescence in photosynthetic physiology diagnosis.Firstly,the solar-induced chlorophyll fluorescence (SIF) at O₂-A band (760 nm) was calculated using the 3FLD algorithm,and seven spectral indices sensitive to wheat stripe rust were investigated for estimating the disease severity.Then,three classic statistical modelling methods,including Support Vector Machine (SVM),Stepwise Regression (SR) and BP neural network (BP),were used to quantitatively investigated the performance of the spectral indices and SIF for detection of winter wheat stripe rust severity.The results show that:(1) there is a significantly negative correlation between SIF and the severity of wheat stripe rust.The relationship between SIF and DI can be effectively applied to detect wheat stripe rust.(2) the spectral models based on SIF combined with spectral indices are more accurate than those based on spectral indices.SIF can significantly improve the detection accuracy of the disease severity of winter wheat stripe rust.(3) compared to the SVM and SR methods,the training model constructed by the BP neural network has the highest prediction accuracy whether using the spectral indices or SIF combined spectral indices.However,the verification results show that the disease severity prediction model constructed by SVM and SR method have a better prediction.