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.     

利用高光谱植被指数估算棉花干物质积累的模型研究

利用高光谱仪,对新疆棉花（2个品种4种配制方式）生物量和高光谱数据进行分析,经过多元统计分析与光谱微分处理,建立了基于比值植被指数（RVI）和归一化植被指数（NDVI）的5种函数形式的棉花干物质积累估测模型,相关系数均达到了极显著水平（a=1％,n=16）。基于RVI与NDVI构建的估测模型,后者比前者有更高的估测精度,指数函数、对数函数和双曲线函数的模型可以产生较高的估测精度;一阶微分光谱数据与棉花干物质积累量的逐步回归相关分析表明,相关系数的最高值发生在756nm（r=-0．6749,n=16）,由756nm波段处的微分数值建立的回归模型,估测精度较高,具有实际应用的潜力。     

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。     

用高光谱数据反演健康与病害落叶松冠层光合色素含量的模型研究——基于2005年吉林省敦化、和龙两市落叶松冠层采样测量数据

健康落叶松与遭受病害落叶松的冠层光谱反射率曲线具有明显差异,利用反映这种差异的光谱特征参数建立回归模型,可为反演落叶松冠层光合色素含量进而诊断落叶松健康状况提供方法和途径。以吉林省延边州敦化、和龙两市林场中健康的和遭受落叶松早落病侵害的人工落叶松林为调查对象,在对野外采集的14个落叶松冠层样本进行光谱测量及光合色素含量测量的基础上,选取8个对落叶松冠层光合色素含量变化反映敏感的光谱参数参与建立其光合色素含量的一元线性回归和多元逐步回归模型。研究结果表明,不同健康程度的落叶松冠层光谱曲线在其可见光及近红外波段有3个比较明显的特征差异处,分别位于光谱曲线的“绿峰”、“红谷”和“红边”位置。利用反映这些差异的8个光谱特征参数建立落叶松冠层光合色素含量的回归模型,除 “红边”这一参数回归效果不令人满意外,其余7个参数均得到了较好的回归效果,其中利用峰谷波长差Dgr建立的关于总叶绿素和叶绿素b含量的一元回归模型R²值分别达到0.842 8和0.749 8,利用NDGI建立的关于叶绿素a和类胡萝卜素含量的一元回归模型R²值分别达到0.875 8和0.789 7;多元逐步回归模型的回归效果与一元回归模型相比,各判定系数R²值均有所提高,总叶绿素、叶绿素a、b和类胡萝卜素含量的回归模型R²值分别达到0.885、0.910、0.839和0.862。     

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.     

高光谱遥感城市植被胁迫监测研究

开发有效的城市植被胁迫监测方法对于林业资源管理和营造良好的城市生态环境具有重要意义。采用EO-1卫星过境广州市东边建成区所采集的Hyperion高光谱影像,通过选取合适的植被指数进行分类,以及混合像元分解获得植被丰度这两种方法进行植被胁迫的识别,对比两者实验结果表明:在植被信息提取中植被丰度的方法要比指数法可靠且精度高;通过地面光谱测量,说明基于植被光谱理论的丰度分析能更好地表示植被胁迫的特征,为城市林业管理提供定性和定量的研究应用。     

基于GA的GRNN高光谱遥感反演冬小麦叶片氮含量模型的建立与验证

基于人工神经网络理论,针对高光谱遥感中数据冗余问题,本文建立了基于遗传算法(GA)的广义回归神经网络(GRNN)模型,利用回归分析问题中参数筛选方法,对表征冬小麦叶片全氮的光谱参数进行了筛选,并和线性回归方法对比,线性回归方法的均方根误差(RMSEP):在冬小麦叶片氮含量为34.0g kg-1~62.5g kg-1预测范围内,逐步回归模型为14.4g kg-1,后向选择为11.8g kg-1,而广义回归神经网络为3.40g kg-1。说明神经网络方法所筛选到的光谱参数更能反映小麦叶片全氮含量,且神经网络模型预测精度高。     

机载高光谱数据提取冬小麦冠层叶绿素含量的模型分析及验证

遥感提取叶绿素含量的方法是精准农业的重要研究方向之一,但是如何用冠层光谱数据有效地提取叶绿素含量仍然是一个难点。本文用光谱指数TCARI和OSAVI的组合建立提取冬小麦冠层叶绿素含量的关系式,并使用实验田获取的冬小麦冠层光谱以及与之同步的机载高光谱传感器OMIS数据进行了验证。通过误差分析讨论了该方法用于遥感高光谱数据时需要注意的问题,表明大气校正的精度,传感器的信噪比以及波段中心的漂移是模型反演精度的主要制约因素。     

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。