基于PROSAIL辐射传输模型的毛竹林分冠层反射率模拟研究

冠层光谱反射率直接关系到毛竹(Phyllostachys pubescens Mazel)林冠层参数的反演,对毛竹林地土壤肥力间接估测具有重要意义。以PROSPECT5、PROSAIL模型为基础,从叶片尺度和冠层尺度分析模型参数对叶片和冠层反射率的影响,构建毛竹冠层叶面积指数(LAI)-冠层反射率查找表并通过代价函数选取最优冠层反射率,从而实现毛竹林分冠层反射率的准确模拟。结果表明,在叶片尺度,PROSPECT模型参数敏感性从高到低依次为叶肉结构参数(N)>叶绿素含量(C_(ab))>等效水厚度(EWT)>干物质含量(C_m)>类胡萝卜素含量(C_(ar));在冠层尺度,PROSAIL模型参数敏感性从高到低依次为LAI>C_(ab)>EWT>C_m>N>C_(ar)>ALA(平均叶倾角);叶片尺度反射率整体大于冠层尺度反射率;在400~900 nm波长范围内,PROSAIL模型模拟的冠层光谱反射率与实测光谱反射率拟合效果较好,相对误差为6.71%。

叶倾角分布对离散冠层反射率的影响

叶倾角分布(leaf angle distribution,LAD)是植被冠层最重要的结构参数之一,直接决定冠层对太阳辐射的截获量,进而影响植被冠层在不同波段的反射率。相比基于实测数据开展的研究,计算机模型模拟能够较好地排除扰动因子的影响,实现特定冠层结构参数对冠层反射率的影响研究。文章基于DART(discrete anisotropic radiative transfer)模型,研究LAD对离散冠层多角度反射率的影响。结果表明,LAD对冠层反射率影响较大,且影响程度与模拟波段和观测天顶角等有密切关系。在“暗点”方向,近红外波段和红光波段水平分布的冠层反射率分别比喜直型分布冠层反射率高63%和25%。进一步研究发现,LAD对常见植被指数也有较大影响。当观测天顶角为0°时,水平分布的RVI(ratio vegetation index)、EVI(enhanced vegetation index)和NDVI(normalized difference vegetation index)值分别比喜直型分布对应的数值高52%、52%和13%;相比之下,PRI(photochemical reflectance index)对LAD变化的敏感度较低,但当在前向散射方向观测天顶角大于20°时,LAD对PRI的影响同样不容忽视。文章定量分析了不同LAD对冠层反射率及常见植被指数的影响,研究结果对离散冠层的参数反演有重要意义。

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。

冠层光谱反射率对冠层结构参数的敏感性分析

对4-Scale模型中敏感参数进行分析,研究冠层结构参数对森林冠层反射率的影响。通过扩展傅里叶幅度检测法对四尺度模型的26个模型输入参数进行敏感性分析,主要分析其中的6个参数,分别研究了这6个参数在红外波段和近红外波段中对冠层反射率的影响,为4-Scale模型中输入参数的设置提供参考。

4-Scale几何光学模型冠层反射率模拟的空间尺度适用性

明确4-Scale模型模拟森林冠层反射率适用的空间尺度,有助于提高其应用于不同植被类型冠层反射率模拟时的精度,进而提升其开展叶面积指数、郁闭度和其他参数的反演精度。以黑龙江省尚志市帽儿山实验林场2块100 m×100 m森林样地(阔叶林与混交林各一块)为研究对象,分别分割为10、20、30、40和50 m空间尺度,使用4-Scale模型模拟森林冠层反射率,采用局部平均法、最邻近法、双线性内插法和立方卷积法对空间分辨率为10 m的Sentinel-2影像升尺度转换至其他尺度并评价,对比分析模拟冠层反射率和遥感像元反射率,明确混交林和阔叶林适合4-Scale模型高精度反演参数的空间尺度。结果表明:4-Scale模型整体低估了像元森林冠层反射率,混交林和阔叶林冠层反射率在20 m尺度的模拟效果均最差,红光波段和近红外波段的均方根误差(RMSE)和平均绝对偏差(MAE)均较大;>20 m尺度的模拟效果开始变好,混交林40 m、阔叶林30 m时模型的适用性最佳,红光波段和近红外波段下,模拟值与遥感像元反射率之差的均值和标准差最小,RMSE和MAE同样最小;10 m尺度混交林和阔叶林模拟结果均不稳定,均值与标准差的规律不一致,相同波段下的RMSE和MAE差距较大。

山丘区苹果树花期冠层反射率的定量遥感反演

采用山东省栖霞市苹果树花期不同分辨率的TM和ALOS影像,充分考虑坡向系数和冠层花叶比,通过地形辐射校正获取地表反演反射率,再经混合像元分解获取苹果树冠层的反演反射率,将30个果园样方的反演结果与同时段实测反射率及表观反射率进行比较,分析反演效果和精度.结果表明:地形辐射校正有效减弱了地形和大气的影响,恢复了阴影处地物,地表反演反射率影像的解析力大幅提高;无论是TM还是ALOS影像,冠层反演反射率的绝对误差和相对误差均最小,所有波段的相对误差表现出一致性,且样方间变化趋势与实测值最一致,说明混合像元分解是必要的.反演方法应用于不同分辨率影像,表现出相似的反射率变化特点,高分辨率图像更具优势,但受波段限制,可与中分辨率影像结合使用.

PROSPECT5耦合4SAIL模型的亚热带典型森林冠层反射率时间序列模拟

冠层反射率在森林植被类型精确解译、森林碳同化关键参数如叶面积指数(LAI)、叶绿素等遥感反演等方面具有重要意义.本研究以亚热带毛竹林、雷竹林和常绿落叶阔叶混交林3种典型森林类型为研究对象,通过耦合PROSPECT5和4SAIL模型模拟其冠层反射率时间序列.首先,对PROSPECT5和4SAIL模型参数进行敏感性分析,探讨模型参数对冠层反射率的影响;其次,利用实测反射率对不敏感参数进行优化,并确定其参数值;最后,耦合PROSPECT5和4SAIL模型模拟3种亚热带森林冠层反射率,并与MODIS反射率进行对比.结果表明:LAI对第1、2、3、5、7波段最敏感,各波段的总敏感指数分别为0.80、0.83、0.94、0.66、0.47;叶绿素含量对第4波段最敏感,总敏感指数为0.59;叶片含水量对第6波段的敏感性最大,总敏感性指数为0.54;叶子结构参数、类胡萝卜素、热点参数、干物质含量和土壤干湿比等参数对各个波段都不敏感或敏感性较小.优化后的PROSPECT5和4SAIL模型模拟得到的冠层反射率能够真实反映3种典型森林的季节性变化规律,通过与MODIS反射率对比分析发现,模拟冠层反射率和MODIS反射率之间具有较高的决定系数,分别为0.86、0.90、0.93,均方根误差(RMSE)也较小,分别为0.09、0.07、0.05,且模拟反射率能在一定程度上解决MODIS反射率数据冬季易受雨雪、混合像元影响等问题.

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。

水稻冠层垂直反射率的品种间差异及其影响因素初步分析

【目的】揭示结实期冠层垂直反射率与群体和株型性状关系。【方法】以辽宁省56个水稻品种(品系)为试材进行田间试验。【结果】冠层垂直反射率存在显著而稳定的品种间差异,与颈穗弯曲度呈极显著的正相关,与比叶重和叶宽呈显著或极显著的负相关,与叶面积指数的关系有待进一步研究。【结论】颈穗弯曲度是影响冠层垂直反射率的主要因素,进一步揭示了直立穗型水稻品种产量潜力高的生理基础。

水稻冠层二向反射率的模拟及其反演

在 2 0 0 0年晚稻大田试验中 ,设 5个氮素水平 ,即严重缺氮、缺氮、氮适中、氮过多和氮严重过多 5种不同的生长状况 ,实测了 5种氮素水平下的水稻冠层二向反射率、叶片反射率、透射率、冠层结构参数等 ,利用 FCR模型模拟冠层二向反射率 ,模拟精度用 RMSE值和相关系数 r检验 ,利用 POWEL L 法反演冠层结构参数 ,当叶面积指数 >3时 ,反演结果与实测值的相对误差小于 10 %。

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。

水稻冠层垂直反射率模拟

利用 1999年和 2 0 0 0年实测的晚稻冠层结构参数 (叶面积指数、叶倾角、叶长、叶宽等 )和叶片生物化学组分含量 (叶绿素、蛋白质、纤维素、水等 )实测数据 ,结合椭圆分布函数模型、PROSPECT模型和 FCR模型 ,模拟水稻冠层垂直反射率 ,模拟值与实测值的相关系数大于 0 .98,均方根差 RMSE小于 0 .0 5 ,从而建立了冠层结构参数、叶片生物化学组成等农学参数与冠层垂直反射率的直接联系 ,为利用物理模型反演冠层叶面积指数、叶片叶绿素含量等奠定了基础。

稻麦叶片氮含量与冠层反射光谱的定量关系

作物氮素含量是评价作物长势、估测产量与品质的重要参考指标,叶片氮素含量的无损快速监测对于指导作物氮素营养的精确管理及生产力的预测预报具有重要意义.以5个小麦品种和3个水稻品种在不同施氮水平下的3a田间试验为基础,综合研究了稻麦叶片氮含量与冠层反射光谱的定量关系.结果显示：（1）不同试验中拔节后稻麦叶片氮含量均随施氮水平呈上升趋势;（2）稻麦冠层光谱反射率在不同施氮水平下存在明显差异,在可见光区（460～710 nm）的反射率一般随施氮水平的增加逐渐降低,而在近红外波段（760～1100 nm）却随施氮水平的增加逐渐升高;（3）就单波段光谱而言,610、660 nm和680 nm处的冠层反射率均与稻麦叶片氮含量具有较好的相关性;（4）在光谱指数中,归一化差值植被指数NDVI（1220,610）与水稻和小麦叶片氮含量均具有较好的相关性,且相关性好于单波段反射率;（5）对于小麦和水稻,可以利用共同的波段和光谱指数来监测其叶片氮含量,采用统一的回归方程来描述其叶片氮含量随单波段反射率和冠层反射光谱参数的变化模式,但若采用单独的回归系数则可以提高稻麦叶片氮含量估测的准确性.

稻麦叶片氮积累量与冠层反射光谱的定量关系

作物氮素积累动态是评价作物群体长势及估测产量和品质的重要指标,对于作物氮素的实时监测和精确管理具有重要意义.该文以5个小麦（Triticum aestivum）品种和3个水稻（Oryza sativa）品种在不同施氮水平下的3年田间试验为基础,综合研究了稻麦叶片氮积累量与冠层反射光谱的定量关系.结果表明,不同试验中拔节后叶片氮积累量均随施氮水平呈上升趋势;稻麦冠层光谱反射率在不同施氮水平下存在明显差异,可见光区（460～710 nm）反射率一般随施氮水平的增加逐渐降低,近红外波段（760～1 220 nm）反射率却随施氮水平的增加逐渐升高;就单波段而言,810和870 nm处的冠层光谱反射率均与稻麦叶片氮积累量具有相对较高的相关性;在光谱参数中,比值植被指数（Ratio vegetation index, RVI）（870,660）和RVI（810,660）均与稻麦叶片氮积累量具有高度的相关性,且相关系数明显高于单波段反射率,尤其是水稻作物;对于小麦和水稻,均可以利用统一的波段和光谱指数来监测其叶片氮积累量,并可以采用统一的回归方程来描述其叶片氮积累量随单波段反射率和反射光谱参数的变化模式,但若采用单独的回归系数则可以提高稻麦叶片氮积累量估测的准确性.

基于冠层反射光谱的棉花干物质积累量估测

通过分析不同施氮水平下棉花地上部干物质积累量与冠层光谱反射率及其衍生的比值植被指数(RVI)、归一化植被指数(NDVI)及差值植被指数(DVI)之间的关系,确立了棉花地上部干物质积累量的敏感波段及预测模型.结果表明:两个可见光波段(560和710nm)和5个近红外波段(810、870、950、1100和1220nm)组成的植被指数与棉花地上部干物质积累量的相关性较好,其中RVI(1100,560)的相关性最好.通过逐步回归分析确立的棉花地上部干物质积累量的预测模型为:地上部干物质积累量(g.m-2)=66.274×RVI(1100,560)-148.84.说明通过遥感手段估测棉花地上部干物质积累量是可行的.

基于冠层反射光谱的棉花叶片氮含量估测

通过分析不同施氮水平下棉花叶片氮含量与冠层多光谱反射率及其衍生的比值、归一化及差值植被指数之间的关系,确立了棉花叶片氮含量的敏感波段及预测方程.结果表明:由红谷区域(610、660、680和710nm4个波段)和近红外区域(760、810、870、950、1100和1220nm6个波段)组成的植被指数与棉花叶片氮含量的相关性较好,比值植被指数RVI(950,710)对叶片氮含量的预测性最好.利用独立的棉花田间试验资料对基于RVI(950,710)的预测方程进行检验,该模型适用于不同棉花品种及不同生育期棉花叶片氮含量预测.

基于冠层反射光谱的冬小麦干物质积累量的估测研究

[目的]分析了小麦光谱特征与干物质积累量的相关关系。[方法]通过对冬小麦不同品种的干物质积累量、叶面积等参数和冬小麦冠层光谱反射率、光谱一阶微分和光谱比值植被指数（RVI）的相关分析，确立了冬小麦干物质积累量的敏感波段，并建立了预测模型。[结果]开花期350～700nm和1420～1520nm冠层光谱反射率和灌浆期350～1750nm冠层光谱反射率分别与干物质积累量显著相关；比值植被指数Rw（560，1220）与干物质积累量的相关性较好；确立的冬小麦干物质积累量预测模型为：干物质积累量=-186．94×RVI（560，1220）-2242．2（R^2=0．7138），说明通过遥感手段监测冬小麦的群体质量是可行的。[结论]该研究为高光谱遥感技术在监测小麦的群体质量的应用提供参考依据。

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PROSAIL模型的玉米冠层参数敏感性分析

PROSAIL模型是一种基于辐射传输理论建立的植被冠层反射率模拟模型,其输入参数包括叶片结构和生理特征、冠层结构、土壤反射率、天空光散射比和观测几何等。为分析不同参数在不同波段对模型输出结果的影响,该文以玉米冠层为研究对象,对PROSPECT模型的输入参数进行定性的OTA局部敏感性分析和定量的EFAST全局敏感性分析,并得到以下结论:全局敏感性较强的输入参数为冠层叶面积指数、叶片叶绿素含量、叶片水分含量和平均叶倾角。叶片叶绿素含量对冠层反射光谱的影响主要集中在绿光和红光波段,能够解释超过一半的反射率方差变化。叶片水分含量在1 150~1 850 nm波段为敏感性最高的输入参数。在400~500 nm、750~950 nm和1 900~2 000 nm波段,LAI对反射率方差的贡献最大,全局敏感性指数均超过0.5。