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.     

可见光—近红外光谱估算三江源区不同土壤全氮含量

近年来可见光—近红外反射光谱已被广泛应用于估算土壤全氮含量,为大范围区域土壤全氮含量获取提供了一种快速、有效的方法。基于实验室测定的三江源区146个表层土壤(0~30cm)样品的反射光谱数据(350~2 500nm)与全氮含量数据;利用偏最小二乘回归(PLSR)和反向传播神经网络(BPNN)两种模型方法与光谱反射率(REF)及其4种数学预处理变换相结合,分别建立分土壤类型样本和总体样本全氮估算模型;评估利用可见光—近红外光谱技术预测三江源区土壤全氮含量的能力。结果表明:BPNN模型的R2cal、R2val及验证RPD的平均值分别为0.87、0.81与2.28;而PLSR模型则相应为0.75、0.72和1.95;表明BPNN模型预测能力整体上要优于PLSR模型。BPNN与光谱各种形式的结合均具有良好、或接近良好预测全氮的能力;而PLSR与REF、倒数对数(Log(1/R))及波段深度(BD)的结合仅少部分具有良好估算能力、大部分则为粗略估算能力,一阶微分(FDR)和二阶微分(SDR)估算精度均较低,尤其是SDR(R20.5,RPD=1.10~1.27)均不具备估算能力。总体样本所建模型稳定性好于分土壤类型,分土壤类型建模差异性明显;此外,总体来看,BPNN模型比PLSR建模精度高、模型稳定性好,但PLSR模型可操作性强于BPNN模型。     

东北主要绿化树种叶面积指数(LAI)高光谱估算模型研究

以东北主要绿化树种为研究对象,分别在长春市南湖公园和长春公园获取了共240组树冠高光谱反射率及相应的LAI数据。对数据进行相关分析,以确定反演LAI的敏感波段,而后分别运用6种植被指数、神经网络以及小波分析等3种方法进行估算。研究结果表明,3种方法估算树冠LAI都取得了较好的效果:①与RVI、NDVI相比,由DVI、RDVI、MSAVI、TVI等植被指数建立的估算模型可以提高LAI的估算精度;②神经网络在拟合光谱反射率与树冠LAI关系时明显优于植被指数法(R2达0.850);③小波能量系数与LAI相关性较好,单变量回归分析R2可达0.683,部分小波能量系数估算LAI的精度优于植被指数法,并且验证R2也较高,说明其稳定性较好,多元变量回归分析能够实现各小波能量系数间的优势互补,R2可达0.794。     

山丹县草地地上生物量遥感估算模型

选择黑河流域草地植被的典型区域-山丹县作为研究区, 利用2003 年8 月野外实测50 个样方的草地地上生物量数据和同期的陆地卫星TM 影像数据, 分析了植被指数与草地地上生物量的相关关系, 进而建立基于遥感植被指数DV I 的草地地上生物量估算模型。结果表明: 在草地地上生物量和TM 影像植被指数之间关系微弱、直接利用TM 影像数据建立估算模型不可行的情况下,用地面实测的草地植被反射光谱数据对遥感影像数据进行校正, 能够弥补传统的“点-面”建模方法的不足, 获得比较理想的估算模型; 植被指数DVI 与草地地上生物量之间存在较好的相关性, 其估算模型为Y = 2477X - 77. 598 (R 2= 0. 7589) , 经实测数据验证, 总体精度达到80% 以上, 基本上能够满足中尺度的草地地上生物量估算。     

加工番茄早疫病病叶色素含量高光谱估测

早疫病对加工番茄的产量和品质有较为严重的影响。通过测定不同生育期自然发病的加工番茄早疫病病叶色素含量,把病片原始光谱反射率、一阶微分光谱反射率的光谱特征参数与相应病叶色素含量进行相关分析,采用线性和非线性单变量回归技术,建立色素含量估测模型并检验。研究结果表明:在传统的光谱特征参数和新建光谱特征参数中,R680、CCII、PSSR、PSNDc、FD664、DVI[FD686,FD664]为色素含量敏感光谱特征参数;R680、CCII、DVI[FD686,FD664]的线性单变量估测精度比较高;R680为变量的对数模型是估测Chl.a的最佳模型,DVI[FD686,FD664]为变量的对数模型是估测Chl.b和Chl.a+b的最佳模型。通过光谱响应特征对加工番茄早疫病病叶色素含量进行监测,能够为加工番茄早疫病监测预警和防治提供决策依据。     

植物生化组分遥感探测的光谱统计参数比较

利用统计分析方法,分析了叶片叶绿素和氮含量与其光谱特性的统计关系,分别建立了log(1/R)、反射率一阶导数(FDS)、对波深中心归一化(BNC)及对波深面积归一化(BNA)的光谱形式与叶片叶绿素和氮含量的统计方程,并对这4个指标的性能进行了比较和评价。结果表明采用描述光谱吸收特征的参数BNC和BNA,能够提高遥感估算植物生化组分含量的效果,特别是对氮的估算,其预测值与测量值的相关系数R达到0.960。     

最小二乘法联合光学与雷达遥感数据估算玉米叶面积指数

针对单源数据经验模型估算精度较低等问题,提出采用最小二乘法联合光学和雷达遥感数据构建联合估算模型,以中国科学院河北怀来遥感综合实验站为研究区,以夏季玉米为研究对象,利用Landsat8和Radarsat2影像实现研究区叶面积指数估算:首先分别建立了多光谱数据和雷达数据与实测叶面积指数之间的回归模型,然后利用最小二乘算法联合不同数据间的回归模型构建估算模型,最后利用迭代法估算叶面积指数并通过验证数据对估算结果进行评价分析,同时与单源数据经验模型、多源数据加权平均模型和基于物理模型查找表估算结果进行对比。通过对研究区59个样本点数据分析表明:基于最小二乘算法联合光学与雷达遥感数据能够提高叶面积指数的估算精度(R2=0.5442,RMSE=0.81),优于单源遥感数据拟合经验模型(DVI经验模型:(R2=0.485,RMSE=1.27))、基于权重的光学微波联合模型(R2=0.447,RMSE=1.36)和物理模型查找表法(R2=0.333,RMSE=1.36),并当叶面积指数大于3时,对其由于信息饱和或误差引起的低估或高估现象具有一定的抑制作用。     

水稻冠层光谱变化特征的土壤重金属全量反演研究

通过水稻冠层光谱变化特征可直接或者间接反映耕地重金属污染状况。研究在光谱分析的基础上,采用植被指数(包括NDVI、DVI、SR、VOG、mSR705、SIPI)和相关分析相结合的方法提取与土壤中Cd、Pb、Zn相关的水稻冠层光谱敏感参数,通过最小二乘拟合建立土壤重金属全量反演模型。结果显示Cd、Pb与大部分植被指数存在显著负相关,基于NDVI(R1000,R670)的二次拟合模型能够有效地预测Cd全量,Pb估算模型以基于DVI(R1030-R670)的线性模型为最佳,表明重金属污染下的水稻冠层光谱变化特征能够获取土壤重金属含量信息,可监测耕地土壤重金属污染状况。     

基于SVM的加工番茄细菌性斑点病氮素含量反演

氮素是作物需要最大量的营养元素,严重影响作物的生长发育和产量品质。高光谱遥感对氮素含量进行反演,具有快速、低耗及非损伤性等优势。提出了一种多光谱指数和SVM模型相结合的方法,选取不同生育期和不同病害严重度的加工番茄细菌性斑点病的病叶,同时测定病叶的氮素含量。通过相关分析、线性回归的绝对系数R2和F值,优选了光谱指数PSSRb、ND705、GMI-2和PTBSc,作为SVM模型的输入变量,反演氮素含量和不确定性分析。结果表明:SVM模型反演氮素含量的真实值与预测值的相关系数为0.849,均方误差MSE为0.012,平均相对误差为0.007。与单光谱指数PSSRb和GMI-2构建的指数模型比较,SVM模型的预测能力更强,真实值与预测值拟合方程的绝对系数R2最大(R2=0.720)。说明多光谱指数的SVM模型,提高了加工番茄细菌性斑点病氮素含量的反演精度,同时为多波段协同反演氮素含量提供了新的思路。     

基于导数光谱位置变量的干叶片生化组分反演

利用实测干叶片生化组分和高光谱反射率数据，尝试用高光谱位置变量的一阶导数极值特征参数法提取生化组分。结果表明：对全氮、纤维素、木质素、淀粉含量贡献最大的波段分别是D4（1670nm～1735nm反射率一阶导数最小值）、D10（2235nm-2315nm反射率一阶导数最小值）、D8（2020nm-2100nm反射率一阶导数最小值）和D2（1400nm-1480nm反射率一阶导数最小值）。该方法提取干叶片各组分的精度较高，精度最高的是用3个波段提取淀粉含量。分析土壤叶片线性混合光谱表明：该方法能有效的消除土壤背景影响。     

基于高光谱的土壤重金属铜的反演研究

为探讨高光谱遥感反演红壤重金属铜含量的可行性,研究采集了34个红壤性土壤样品,通过对350~2 500 nm波段范围光谱曲线进行测试和分析,建立了不同的土壤光谱变量与重金属铜含量多元回归关系模型,分析了土壤重金属铜与土壤化学组分以及土壤特征光谱的关系。结果表明,土壤重金属铜含量与土壤全铁和镁含量显著相关,而与土壤有机质的相关性不显著,表明红壤性土壤粘土矿物对土壤铜含量影响较大;与重金属铜含量相关性较好的波段在830 nm、1 000 nm和2 250 nm附近,且一阶微分模型精度(79%)高于反射率模型(66.26%)和倒数对数模型(67%)的精度。因此,一阶微分高光谱反演模型具有较好的快速估算土壤中重金属铜含量的潜力。     

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。     

主被动遥感数据协同估算干旱区草原植被生物量

结合主动微波遥感和被动光学遥感反映地表植被的各自优势,发展了一种主被动遥感协同估算干旱区草原植被生物量的模型。该模型将植被覆盖度作为水云模型的附加参数,将总体散射分为植被覆盖区散射和裸土区散射两部分,将水云模型应用到了植被覆盖稀疏区域。利用改进的水云模型和双极化ASAR数据,通过建立方程组估算植被生物量。将该方法用于乌图美仁草原植被生物量的估算,验证了该方法的有效性。结果表明:该主被动遥感协同估算模型能够成功地估算干旱区草原植被生物量,并且取得了较好的估算精度(R2=0.8562,RMSE=0.1813kg/m2)。最后,分析了该方法估算植被生物量的误差来源。     

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。     

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。     

玉米叶面积指数与高光谱植被指数关系研究

探讨以不同的植被指数建立的高光谱模型对玉米叶面积指数LAI的反演精度。实测不同水肥耦合作用下，玉米冠层的高光谱反射率与叶面积指数（Leaf Area Index）数据，采用高光谱红光波段（631~760 nm）与近红外波段（760~1 074 nm）逐波段构建NDVI、RVI、DVI、TSAVI、PVI植被指数，分别找出与LAI具有最佳相关性波段组合的植被指数，建立玉米LAI估算模型。结果显示，与LAI具有佳相关性的波段组合分别是NDVI（R760，R990）、RVI（R760，R1001）、DVI（R677，R1070）、TSAVI（R 760，R 975）、PVI（R658，R966），它们反演玉米LAI的确定性系数分别：R²>0.72、R²>0.74、R²＝0.95、R²>0.79、R²>0.95。结果表明，在玉米的整个生长季的47个样本中，通过PVI和DVI方式建立的遥感估算模型能够较为准确地估算玉米LAI，TSAVI次之，NDVI、RVI稍差。     

新疆巴音布鲁克草原马先蒿光谱特征提取与分析

通过野外采集巴音布鲁克草原开花马先蒿、未开花马先蒿和普通牧草3种植被光谱数据,对数据进行平滑去噪处理,一阶导数、二阶导数和倒数取对数变换,分析植被差异敏感波段。结果表明:在可见光波段,未开花马先蒿和普通牧草的光谱曲线整体呈现出一致性,而开花马先蒿的光谱曲线则呈现出明显差别;在红光波段750nm及近红外波段处,未开花马先蒿光谱反射率明显提升,三者光谱反射率表现出明显差异;倒数取对数变换后的580～680nm处可以作为马先蒿识别的敏感区域,655nm处三者光谱反射率差异最为明显,解决了可见光波段未开花马先蒿与普通牧草易混淆的不足。通过计算改进归一化植被指数,进一步验证和表明了倒数取对数变换后的NDVI改进值NDVIRLR可以将开花马先蒿、未开花马先蒿与普通牧草进行区分。马先蒿的光谱特征提取方法为马先蒿的遥感监测提供了理论依据,对遥感技术在马先蒿资源调查和监测应用具有重要意义。     

基于四尺度几何光学模型的森林地上生物量遥感估算

森林地上生物量(AGB)是评价森林生态系统功能的重要参数,遥感是获取区域尺度AGB的有效手段。以内蒙古根河市为研究区,利用TM遥感影像数据和33个森林样地调查数据,基于四尺度几何光学模型的森林AGB遥感估算方法,首先,基于样地观测数据建立树冠面积(SA)估算AGB的方程;再利用四尺度几何光学模型建立由冠层反射率反演SA的查找表,由TM影像反演SA,进而估算AGB。在全部33个样地,估算的AGB与观测数据的一致性(RMSE=20.8t·hm-2,R2=0.45)明显优于基于差值植被指数(DVI)(RMSE=27.7t·hm-2,R2=0.09)和混合像元分解(SMA)(RMSE=27.6t·hm-2,R2=0.02)方法建立的统计模型的估算结果。利用19个针叶林样地的观测数据验证表明,估算的AGB的RMSE和R2分别为20.8t·hm-2和0.53,利用DVI估算的AGB的RMSE和R2分别为31.5t·hm-2和0.18,利用SMA方法估算的AGB的RMSE和R2分别为31.8t·hm-2和0.14;对于14个阔叶林样地,估算的AGB的RMSE和R2分别为20.9t·hm-2和0.47,利用DVI估算的AGB的RMSE和R2分别为21.4t·hm-2和0.01,利用SMA方法估算的AGB的RMSE和R2分别为20.6t·hm-2和0.11。结果表明:通过反演与AGB紧密联系的SA,进行AGB的遥感估算是一种有效可行的技术方法。     

利用TM数据估算山丹军马场的植被生物量

山丹军马场是我国面积最大的马场,近年来由于过度放牧和不合理开发,植被正在逐渐退化。所以植被的生长状况的研究就显得特别重要。利用2003年9月的Landsat TM图像估算了山丹军马场植被的地上生物量。主要方法是在GPS的帮助下,通过野外实地采样,然后根据样点数据和NDVI、第一主成分、DVI、TM4通道的光谱反射率数据之间的线性相关性,并利用逐步回归方法建立了估算生物量的最优模型,用此模型计算了山丹军马场典型区的生物量。     

基于光谱分析的长江口湿地互花米草叶片叶绿素含量反演研究

互花米草是我国滨海湿地主要入侵植物之一,对当地生态系统产生深远影响,其叶绿素含量信息是湿地生态系统关键生态功能定量化研究的重要基础数据。以长江口崇明东滩湿地为研究区,以实测互花米草叶片光谱反射率和总叶绿素含量为数据源,在400~1 000nm范围内研究原始光谱反射率和一阶导数光谱反射率的比值形式(RVI)与归一化差值形式(NDVI)组合,与叶绿素含量的相关性分析,并构建叶绿素含量估算模型。结果表明:基于原始光谱反射率的RVI和NDVI植被指数形式所构建的模型的精度最高,均方根误差RMSE分别达到0.24和0.25;一阶导数光谱反射率因噪声影响较大,其估算效果不佳;从模型所入选波段来看,红边波段在互花米草叶绿素含量估算中尤为重要。