大气CO_(2)浓度升高背景下冬小麦冠层光谱特征和地上生物量估算

本研究旨在探究大气CO_(2)浓度升高对冬小麦全生育时期冠层光谱特征的影响,并基于筛选的敏感波段建立地上生物量(AGB)与光谱参数的定量关系。为此,在2021—2022年的冬小麦生长季,利用开放式CO_(2)富集系统(Mini-FACE),设定大气CO_(2)浓度(ACO_(2),(420±20)μL L^(–1))和高CO_(2)浓度(ECO_(2),(550±20)μL L^(–1))两个处理水平,分析了高CO_(2)浓度下光谱特征变化,基于连续投影算法(SPA)、逐步多元线性回归(SMLR)和偏最小二乘法回归(PLSR)筛选AGB敏感波段并构建估算模型。结果表明:CO_(2)浓度升高使冬小麦拔节期和开花期AGB显著增加。红边和近红边反射率及红边面积在拔节期增加,在开花期和灌浆期降低,蓝边、黄边和红边位置在不同生育时期均发生移动;AGB的敏感光谱波段主要分布在红边和近红边区域,CO_(2)浓度升高缩小了AGB敏感波段范围,但不影响AGB的估算;AGB的SMLR和PLSR模型均取得了较高的估算精度(R^(2)>0.8),其中SMLR模型中的R_(799′)、D_(y)、SD_(y)和PRI等特征参数与AGB显著相关,R^(2)为0.866。PLSR模型(R^(2)>0.9)在估算精度和稳定性上优于SMLR模型。本研究可为未来高CO_(2)浓度下冬小麦生长发育的遥感监测提供理论基础和技术方法。

不同施肥条件下水稻冠层光谱特征与叶绿素含量的相关性

通过田间小区试验,分析不同施肥条件下水稻不同生育期冠层反射光谱和叶绿素含量(SPAD)的变化特征,利用数学统计方法分析高光谱植被指数与叶绿素含量的相关性。结果表明,水稻冠层光谱反射率,从拔节期到抽穗期,在可见光波段很低且差异不明显,在近红外波段逐渐提高;从抽穗期到乳熟期,在可见光波段逐渐提高,在近红外波段逐渐降低。不同施肥条件下水稻冠层光谱差异明显,尤其在近红外波段表现特别明显,随施肥水平的提高,光谱反射率明显提高。水稻叶绿素含量随施氮水平的提高而逐渐增加。随生物质炭水平的提高,水稻叶绿素含量逐渐增加,当生物质炭超过一定值时,叶绿素含量反而降低。整个生育期,除乳熟期施氮肥0kg/hm2(N0)处理外,其他处理的PSSRa、PSSRb与叶绿素含量呈显著相关。拔节期,施生物质炭为9 000kg/hm2(C3)处理的mSR705和mND705与叶绿素含量呈显著负相关,其他处理为显著正相关。

水稻、大豆与芦苇农田冠层光谱特征研究——以辽河三角洲为例

对辽河三角洲遥感实测的42个水稻、15个芦苇和15个大豆野外冠层光谱数据分析结果表明,平均光谱水稻〈芦苇〈大豆;一阶微分平均光谱水稻、芦苇和大豆形态相近,528nm处水稻〈芦苇〈大豆,700～760nm间水稻〈芦苇〈大豆,水稻存在705nm处波峰、715nm波谷和728nm波峰,而芦苇仅有725nm处波峰,大豆仅有705nm处波峰;二阶微分平均光谱360～963nm间水稻、芦苇和大豆形态相近,且差异主要表现在1086～1150nm处,1086～1113nm间水稻和芦苇为单峰,大豆为双峰,1113～1150nm间水稻、大豆为单峰,芦苇为双峰.并探讨了水稻、芦苇和大豆一阶微分光谱与二阶微分光谱中明显的波峰和波谷对区分三者的实际作用.

基于冠层光谱特征和株高的马铃薯植株氮含量估算

为及时准确地掌握作物的植株氮含量(PNC)信息,监测作物生长状况,实现农田氮素施肥的科学管理,以马铃薯为研究对象,首先获取了现蕾期、块茎形成期、块茎增长期、淀粉积累期和成熟期的数码影像,并实测了各生育期的PNC、株高(H)和地面控制点(GCP)的三维坐标。其次利用各生育期的无人机数码影像与GCP结合生成试验区域的数字正射影像(DOM)和数字表面模型(DSM),并从中提取冠层光谱特征和株高(H_(dsm))。然后将各生育期提取的H_(dsm)和数码影像变量与地面实测的PNC进行相关性分析,从中筛选出相关性较好的影像变量和H_(dsm)作为马铃薯PNC估算模型的输入参数。最后分别基于影像变量和影像变量结合H_(dsm)利用多元线性回归(MLR)、误差反向传播(BP)神经网络和Lasso回归3种方法构建马铃薯PNC估算模型。结果表明:基于DSM提取的H_(dsm)与实测H具有较高的拟合度(R^(2)为0.860,RMSE为2.663 cm,NRMSE为10.234%);各生育期加入H_(dsm),均能提高马铃薯PNC的估算精度和稳定性;各生育期利用MLR方法构建的PNC估算模型优于BP神经网络和Lasso回归。该研究可为马铃薯PNC状况的高效、无损监测提供技术支撑。

基于冠层光谱和覆盖度的马铃薯叶片钾含量估算方法

叶片钾含量(Leaf potassium content, LKC)是表征作物钾素营养状况的重要指标,高效准确地获取马铃薯LKC有助于精准农业施肥管理。本研究旨在通过结合马铃薯关键生育期RGB影像提取的植被指数(VIs)和植被覆盖度(FVC),提高马铃薯关键生育期LKC估算的准确性。首先从马铃薯块茎形成期(S1)、块茎增长期(S2)和淀粉积累期(S3)的RGB影像中提取VIs和FVC,然后分别分析每个生育期VIs和FVC与马铃薯LKC的相关性,最后利用支持向量机(Support vector machine, SVM)、Lasso回归(Least absolute shrinkage and selection operator, Lasso)和岭回归构建马铃薯LKC的估算模型。结果表明:基于RGB影像提取的马铃薯FVC精度较高,且前两个生育期高于第3个生育期;利用VIs估算马铃薯LKC是可行的,但精度有待进一步提高;VIs结合FVC可以提高马铃薯LKC的估算精度。本研究可为作物生长和钾素营养状况监测提供技术参考。

水浇地与旱地春小麦冠层高光谱反射特征比较

用野外实测的水浇地与不同坡向旱地春小麦各发育期的冠层光谱数据，对比分析各发育期春小麦冠层光谱反射特征；依据TM图像的波段设置将实测光谱划分为4个波段，对比分析水浇地与旱地春小麦光谱在各波段的差异，并选择出识别水浇地与旱地春小麦的最佳波段。研究结果表明：不同地类水浇地与旱地春小麦冠层光谱反射率在可见光波段呈现的总特点是阳坡地〉双面坡地〉阴坡地〉水浇地，在近红外波段则相反；不同发育期的水浇地与旱地春小麦在可见光波段均呈现起身期〉乳熟期〉拔节期〉抽穗期〉扬花期的特点，在近红外波段则呈现扬花期〉抽穗期〉拔节期〉起身期〉乳熟期的特点；因各地类春小麦叶绿素含量的相对值和覆盖度不同，在可见光波段的光谱曲线也存在差异——水浇地与旱地春小麦在起身期和乳熟期的光谱曲线各成1条线，而在其他3个发育期则形成2条曲线（水浇地和阴坡地的光谱曲线基本重合，阳坡地和双面坡地的光谱曲线完全重合）。760～900nm谱段是识别水浇地与旱地春小麦的最佳波段。

基于冠层光谱红边参数和植被指数的冬小麦水分胁迫监测

基于冬小麦不同水分胁迫试验,采用便携式光谱仪测定冬小麦抽穗期、开花期和灌浆期受不同水分胁迫处理的冠层光谱反射率,分析不同水分处理下冬小麦冠层光谱特性,并对植被指数、红边参数与冠层叶片含水率和土壤含水率进行相关性分析,构建各生育期叶片含水率和土壤含水率的最佳监测模型,实现对冠层叶片含水率以及土壤含水率的监测评估。结果显示,在整个生育期,冬小麦的冠层光谱反射率在可见光范围呈现绿峰红谷,尤其在旺盛生长时期,随着水分胁迫程度加深,绿峰红谷逐渐变得不明显,红谷抬升幅度增大;相反,在近红外波段范围内水分胁迫主要使得反射率表现为明显下降;冬小麦红边参数随生长进程呈蓝移现象,灌浆期受胁迫程度越重的红边参数越低;植被指数(EVI、NDVI、SAVI、WI)在开花期之后具有不同程度的下降趋势,至灌浆期有大幅度减小,且随受胁迫程度加深植被指数下降幅度增大;植被指数和红边位置、红边面积在灌浆期与叶片含水率和土壤含水率有显著相关,其中植被水分指数WI、归一化植被指数NDVI和红边位置λred相关性较佳,其建立的叶片含水率和土壤含水率估算模型效果较好,决定系数r2均大于0.84,平均相对误差(MRE)≤0.207。综合分析认为,冠层反射光谱特征和植被指数与冬小麦冠层叶片含水率和土壤含水率相关性良好,可利用高光谱遥感参数对冬小麦的水分状况进行快速、准确监测。

基于多角度高光谱遥感的冬小麦叶片含水率估算模型

准确的作物水分监测对于旱情评估具有重要意义。在分析研究区冬小麦多角度光谱特征后,利用不同水分处理下冬小麦实测叶片含水率和实测多角度光谱数据,基于植被光谱指数法,建立不同观测角度下冬小麦光谱植被指数、水分敏感波段光谱指数与叶片含水率之间的数学模型。结果显示,相对方位角与相对天顶角越小时,观测到的光谱指数与叶片含水率的相关关系越优;敏感波段组合构建的光谱指数中,1450nm波段分别与其他波段组合的NDSI、RSI指数与叶片含水率相关性在各观测角度条件下均较好,1 450 nm波段是冬小麦叶片含水率研究的最佳敏感波段;选取常见的4种植被指数(NDVI、EVI、WI和NDII)中WI和NDVI在各观测角度下与叶片含水率的相关性优于其他两种指数,决定系数R2均在0.83以上,P<0.01呈极显著相关;综上建立的多角度光谱叶片含水率估算模型,平均相对误差MRE均小于0.154、均方根误差RMSE均小于0.098,拟合效果较好,尤其是光谱指数NDSI1160,1450、NDSI980,1450和植被指数NDVI、WI;基于以上4种指数建立的最优观测角度(0°,30°)模型,其中植被指数WI的估算效果最好,相关系数在各角度均达到5%的相关显著水平,MRE<0.03,可作为最优观测角度反演研究的最优植被指数。

基于无人机RGB影像的马铃薯植株钾含量估算

马铃薯植株钾含量(Plant potassium content,PKC)是监测马铃薯营养状况的重要指标,快速准确地获取马铃薯植株钾含量对田间施肥和生产管理具有指导意义。基于无人机遥感平台搭载RGB传感器分别获取马铃薯块茎形成期、块茎增长期和淀粉积累期的RGB影像,并实测马铃薯植株钾含量。首先利用各个生育期的RGB影像提取每个小区冠层平均光谱和纹理特征。然后分别基于冠层光谱和纹理特征构建植被指数和纹理指数(NDTI、RTI和DTI),并与实测PKC进行相关性分析。最后利用多元线性回归(Multiple linear regression,MLR)、偏最小二乘(Partial least squares regression,PLSR)和人工神经网络(Artificial neural networks,ANN)构建马铃薯PKC估算模型。结果表明:各生育期NDTI、RTI和DTI与马铃薯PKC相关性均高于单一纹理特征,植被指数结合纹理指数均能提高模型的可靠性和稳定性,MLR和PLSR构建的估算模型精度均优于ANN。本研究可为马铃薯PKC监测提供科学参考。