不同施氮水平辣椒地上部全氮含量与冠层光谱反射率的相关性

为了给辣椒精准施肥及其高产、优质、高效生产提供依据,分析了2个辣椒品种在不同施氮水平下地上部分的全氮含量及其与冠层光谱反射率和叶绿素含量（SPAD）之间的相关性。结果表明：植株全氮含量在适量施氮处理下达最大值,随着施氮量的增加,叶片全氮含量与叶片SPAD呈极显著相关且相关性减小;冠层光谱反射率在760～1 350nm能较准确地反映地上部分全氮含量和叶片全氮含量,说明通过光谱测定能及时监测辣椒的氮素状况,这为利用作物全氮含量计算施氮量提供了廉价、快速、实时的作物含氮量信息。

盘锦地区不同品种水稻品质及其冠层高光谱反射率特征分析

对2022年盘锦地区8种水稻进行品质特征分析,并探讨不同品种水稻籽粒加工品质、外观品质、蒸煮品质、营养品质与水稻成熟期冠层原始光谱、一阶导数光谱及连续统去除光谱的相关关系。结果表明:盐粳939的加工品质较好,锦稻106(9系)的外观品质较好,锦稻香103的蒸煮品质较好,盘粳968(3系)的营养品质较好。原始光谱反射率与糙米率指标的相关关系较好,在731~1131 nm和1150~1360 nm两个波段内,相关系数高达0.767;糙米率与一阶导数光谱的相关关系最好,在1459 nm处达到极显著相关,相关系数为0.867;垩白度和垩白粒率均在1804 nm处与连续统去除光谱的相关关系较好,并达到极显著负相关,相关系数分别为-0.979和-0.983;长宽比与原始光谱的相关关系较好,相关系数在659 nm处达到最大值,为0.849;蒸煮品质所包含的食味值、直链淀粉含量和营养品质所包含的蛋白质含量均与连续统去除光谱有较好的相关关系。

紫花苜蓿冠层反射光谱与叶片含水率关系研究

以呼图壁县草地生态站不同灌溉量下现蕾期紫花苜蓿冠层光谱反射率为研究对象,研究确定紫花苜蓿叶片含水率的光谱诊断模型。结果表明:(1)在近红外波段随着紫花苜蓿叶片含水率的增加冠层光谱反射率逐渐减小;(2)利用归一化反射光谱建立的苜蓿叶片含水率光谱反演模型优于原始反射光谱,并且在1344～1 660nm波段内所建立的苜蓿叶片含水率预测模型平均相对误差最低(7.8%)。(3)筛选建立的叶片含水率光谱诊断模型为:Y=0.962-7.560 X1 451+5.295 X1 473。所建立的紫花苜蓿叶片含水率光谱预测模型可为苜蓿科学灌溉提供决策依据。

辣椒盛果期的冠层反射光谱特征

为了对辣椒品种识别、生产及产量监测提供更加可靠的技术手段,分析了4个辣椒品种盛果期冠层反射光谱数据的差异及其与叶片全氮、叶片SPAD和地上干生物量之间的相关性。结果表明:盛果期的可见光波段和近红外波段冠层光谱反射率能容易地区别4个辣椒品种;叶片全氮含量敏感波段8819线椒为753nm,黔春201为698nm和764nm,日本三樱椒为494nm,遵义朝天椒为767nm;叶片SPAD敏感波段8819线椒为720nm,黔春201为726nm,日本三樱椒为548nm,遵义朝天椒为718nm;地上干生物量的敏感波段8819线椒为728nm和1 345nm,黔春201为727nm和1 145nm,日本三樱椒为690nm,遵义朝天椒为767nm。

基于水稻冠层多信息融合的监测褐飞虱种群大小的BP神经网络方法

【目的】褐飞虱Nilaparvata lugens种群监测的自动化和智能化尚未实现。本研究旨在探究水稻受褐飞虱危害后冠层光谱和温度以及叶片叶绿素相对含量与为害虫量的关系,建立基于高光谱、热成像和叶绿素等多信息融合的误差反向传播(back propagation,BP)神经网络监测褐飞虱的方法,为田间褐飞虱种群监测向自动化与智能化方向发展提供方法支持。【方法】在可控条件下利用方形塑料框培育水稻,并在分蘖期接入雌雄1∶1配对的不同对数(0,1,2,3,4,5,6和7对)的褐飞虱雌、雄成虫,然后连续多次(接虫后16,27,32,44和60 d时)调查接虫区水稻上褐飞虱虫量(每4穴稻上个体数),并采用高光谱仪和热成像仪分别测定水稻冠层光谱反射率和冠层温度,利用土壤和植物分析仪器开发(soil and plant analyzer development,SPAD)叶绿素仪测定叶片叶绿素的相对含量(SPAD值);采用Pearson相关法分析各测量指标与褐飞虱虫量的相关性;采用多元散射校正对光谱反射率数据进行降噪处理;采用连续投影算法对高光谱反射率数据进行降维和敏感波段筛选;分别以光谱反射率单一信息及其与冠层温度和SPAD值融合后的多源信息为输入量,采用普通和加入粒子群算法优化的BP神经网络建模,构建褐飞虱为害不同时段后种群大小的神经网络监测模型。【结果】褐飞虱为害后水稻冠层光谱在近红外的730-930 nm波段反射率、水稻冠层温度与气温的差值(冠气温差)和叶片的SPAD值均与褐飞虱虫量呈显著负相关。利用连续投影算法筛选出的冠层光谱敏感波段处反射率并降噪后建立的BP神经网络监测5个危害时段褐飞虱虫量的预测集决定系数R^(2)在0.504~0.892之间;融合冠层光谱、冠气温差和叶片SPAD值等多信息建立的BP神经网络监测褐飞虱虫量的预测集R^(2)提升到0.640~0.975;在多源信息基础上再选用粒子群优化(particle swarm optimization,PSO)算法优化BP神经网络后监测褐飞虱虫量的精度提高,预测集R^(2)提升到0.931~0.991,模型预测效果好。【结论】基于水稻冠层高光谱与热成像和叶片SPAD值等多信息融合的PSO-BP神经网络方法监测褐飞虱虫量的精度高、效果好,有望用于田间褐飞虱种群的自动监测。

旱区糜子农田冠层高光谱反射特征研究初报

高光谱遥感监测技术能快速获取作物冠层相关参数信息,是实时监测作物长势的重要技术。为探索不同糜子品种的冠层光谱反射特征,试验研究了不同品种和不同栽培密度条件下糜子冠层光谱反射率,并分析了其红边特性。结果表明,不同品种糜子的光谱反射率在总体上呈现一致的变化趋势,在各波段存在不同的差异;不同密度梯度下,最大密度处理D3的光谱反射率在350~1 000 nm波段略大于其他处理,其余波段差异不显著;从开花期到灌浆后期,光谱的红边位置出现“蓝移”现象,红边幅值减小。

长白山阔叶红松林不同演替阶段冠层光谱特征及其与气温的关系

【目的】通过遥感数据分析长白山阔叶红松林不同演替阶段冠层光谱变化特征,为揭示长白山群落内部种间变化以及植被生产力对气候因子的响应机制提供理论依据。【方法】通过Google Earth Engine平台提取1984−2019年长白山原始阔叶红松林与次生白桦林Landsat和Sentinel多年冠层光谱数据并计算植被绿度参数,分析二者冠层光谱特征季节变化、植被绿度的季节与年际变化,计算植被年际绿度变化与同期月均温的Pearson相关系数。【结果】(1)原始林与次生林冠层可见光反射率在非生长季较高,生长季下降,而近红外光变化趋势则与此相反。在生长旺盛季节(5−10月底)原始林与次生林可见光波段冠层反射率相近,近红外波段差异明显,次生林冠层反射率更高。二者都具有明显的“红谷”、“绿峰”、“蓝谷”和“红边”现象,原始林冠层光谱反射率年变化幅度小于次生林。(2)原始林与次生林的绿度表现为相同的变化趋势,即春季展叶期间增长、秋季落叶期衰减。非生长季,原始林植被指数变化较为稳定且大于次生林,次生林林下透光度高。生长季,次生林增强植被指数(EVI)和哨兵二号红边位置(S2REP)均大于原始林,植被冠层生理活动更为旺盛,不同的卫星影像数据表现一致,且次生林的EVI峰值比原始林出现得略早。(3)1985−2019年的35年期间,长白山气温呈上升趋势,植被绿度也随之变化,即:二者EVI在增加,且夏季(生长季)增长幅度大于其他季节,春、秋季的年际差异较大。(4)与原始林相比,次生林EVI年际变化受春季气温影响较大,在生长季初期,二者的EVI与气温呈显著正相关;在整个生长季期间,当气温增加达到一定阈值后,EVI增长显著。【结论】长时间的连续冠层光谱变化监测与分析,可有效反映原始林与次生林植被物候变化差异。气温上升可能是引起长白山阔叶红松林绿度变化的重要因素之一。

基于近地遥感系统的小麦玉米冠层RVI和NDVI获取影响因素分析

以大型喷灌机为平台的近地遥感技术可有效观测作物的生长状态,对田间生产管理和作物水肥需求特性等研究具有十分重要的意义。由于在遥感观测过程中,作物冠层具有二向反射特性,因此不同观测方式会影响遥感观测结果。通过自行搭建的近地遥感系统模拟大型喷灌机平台的实地观测条件,使用双通道光谱传感器获取小麦与玉米冠层的光谱反射率信息,引入变异系数CV对由冠层二向反射特性引起的信息数据变幅进行量化,并采用影响因素权重W分析各观测参数对数据变幅的影响程度。通过获取2019年冬小麦返青期至灌浆期、夏玉米V7—V14生育期的冠层近红外波段(810 nm)和红光波段(650 nm)的反射率数据,分析多种观测因素对比值植被指数(RVI)数据和植被归一化指数(NDVI)数据的影响。结果表明,观测高度(0.5~2.5 m)、观测频率(2~60次·min^(-1))和移动速度(0~4 m·min^(-1))与观测结果无显著相关关系(p>0.05),观测时刻(8:00—18:00)、观测天顶角(-60°~60°)和观测方位角(0°~180°)与观测结果相关关系极为显著(p<0.01);小麦和玉米的冠层RVI、NDVI数据获取结果主要取决于冠层覆盖程度,在相同叶面积指数(LAI)情况下观测结果也会因观测时刻、观测方位角和观测天顶角的差异而受到不同程度的影响;冠层光谱反射率信息二向反射特性明显,小麦冠层RVI和NDVI变异系数分别为15%~50%和2%~50%,玉米冠层RVI和NDVI变异系数分别为10%~33%和18%~39%;进行观测时,应尽量选择在太阳天顶角较稳定的12:00—14:00时段,并尽量缩短观测时长,还应选择固定的观测角度,注意阴影效应与热点效应的影响;此外,在小麦返青至拔节期、抽穗至扬花期获取RVI和NDVI时,还应分别注意观测天顶角、观测时刻对测量精度的干扰。研究结果可为快速获取高精度的小麦、玉米冠层光谱反射率数据提供技术支撑。

不同生育时期冬小麦籽粒蛋白质含量的高光谱遥感监测模型

为研究不同氮磷水平下冬小麦籽粒蛋白质含量高光谱遥感监测模型,提高模型精度,本文通过连续5年定位试验研究不同氮磷耦合水平下,不同生育时期冬小麦冠层光谱反射率、植株氮含量以及成熟期籽粒蛋白质含量,以相关、回归等统计分析方法,建立基于不同生育时期植株氮含量的籽粒蛋白质含量监测模型;然后通过灰色关联度分析,筛选植株氮含量的最佳植被指数,以偏最小二乘回归法,建立基于植被指数的植株氮含量监测模型;最后以植株氮含量为链接点,按照"植被指数—植株氮含量—籽粒蛋白质含量"之间的联系,建立融合植被指数与植株氮含量的冬小麦成熟期籽粒蛋白质含量监测模型。结果表明:在拔节期、孕穗期、抽穗期、灌浆期、成熟期基于植株氮含量建立的成熟期籽粒蛋白质含量监测模型,具有较好的监测精度;拔节期、孕穗期、抽穗期、灌浆期、成熟期分别基于修正叶绿素吸收反射率指数(MCARI_1)、归一化差值叶绿素指数(NDCI)、修正归一化差异指数(mNDVI)、MCARI_1、NDCI植被指数建立植株氮含量监测模型,监测精度(R^2)分别为0.826、0.854、0.867、0.859和0.819;以植株氮含量为链接点,通过"植被指数—植株氮含量—籽粒蛋白质含量"的间接联系,建立基于拔节期、孕穗期、抽穗期、灌浆期、成熟期植被指数且融合植株氮含量的籽粒蛋白质含量监测模型,R^2分别为0.935、0.972、0.990、0.979和0.936;以独立数据对模型进行验证,模型预测值与实测值间相对误差(RE)分别为11.26%、10.74%、8.41%、10.25%和11.36%,均方根误差(RMSE)分别为2.221 g×kg^(-1)、1.825 g×kg^(-1)、1.214 g×kg^(-1)、1.767 g×kg^(-1)和2.137 g×kg^(-1)。说明基于不同生育时期植被指数链接植株氮含量可以对成熟期籽粒蛋白质含量进行有效监测,且模型具有较好的年度间重演性和品种间适应性。

紫花苜蓿植株含氮量的高光谱估测技术研究

通过研究不同施氮水平下各生育期紫花苜蓿(Medicago sativa L.)冠层光谱反射率,对不同施氮水平下苜蓿地上部器官氮含量与可见光波段(510,560,610,680,710,760 nm)和近红外波段(810,870,950 nm)的植被指数(RVI,DVI,NDVI和RDVI)进行相关性分析,确立了苜蓿现蕾期叶、蕾、植株的光谱预测模型。结果表明:760,810和870 nm构建的植被指数与苜蓿地上部器官氮含量的相关性较好;通过筛选建立的植株氮含量与差值植被指数DVI(760,810)光谱预测模型最优,调整R^2和相对平均误差分别为0.919和9.1%。所建立的紫花苜蓿氮含量光谱预测模型可为新疆苜蓿营养诊断与施肥提供决策依据。

基于光谱特征参数的果树树种的遥感识别

本研究通过对南疆盆地主栽5种果树(苹果、香梨、核桃、红枣、杏)的冠层光谱数据进行特征参量的选取,旨在提高林果树种的树种分类精度并筛选出用于这5种树种的冠层光谱树种识别的有效特征参量,从而为完善高光谱果树树种识别研究中大量数据处理的方法提供参考依据。试验采用美国PP Systems公司生产的UniSpec-SC(单通道)便携式光谱分析仪对不同树种的冠层进行光谱测量,利用逐步判别分析法对高光谱数据进行树种识别与有效特征参量的选择。结果表明,采用特征参量进行树种识别的总分类精度可达到86.67%,明显高于全波段参与下的72.00%。逐步判别分析法入选的有效特征参量为蓝边面积、蓝边斜率、黄边面积、近红外平台、红边面积、蓝边位置、黄边位置、红边位置。