水稻叶片反射光谱诊断氮素营养敏感波段的研究

田间小区试验叶色差异明显而生育期相似的两品种第一和第三完全展开叶片光谱反射率与氮素营养相关性分析表明,不同品种同一叶位之间这种相关性变化规律一致,然而在不同叶位之间相关性变化不尽一致.进一步对比分析大田区域试验和小区试验叶片光谱反射率与氮素营养相关性发现两区域样本相同叶位之间相关性变化规律相同.分析第一、三完全展开叶叶片光谱反射率处理之间差异显著性表明,存在差异显著的波段范围主要集中在绿光(525～605nm)、黄光(605～655nm)和短波近红外光(750～1100nm)范围内.和叶片氮素含量之间相关性最大的波段主要为绿光(525～605nm)和黄光(605～655nm)范围,而短波近红外光范围与叶片氮素含量之间相关性最小.因此和IKONOS2、IKONOS4、MSS4、MSS6、MSS7、SPOT1、SPOT3、TM2、TM4、AVHRRCH1、AVHRRCH2相对应的绿光(525～605nm)、黄光(605～655nm)和短波近红外光(750～1100nm)是叶片反射光谱诊断氮素营养的敏感波段范围.

基于敏感波段的小麦冠层氮含量估测模型

为提高小麦冠层叶片氮素含量检测精度,在不同生育时期对5种不同氮素水平的小麦试验田进行光谱采集,获取了234个范围为350~2 500 nm的高光谱数据。在比较蒙特卡洛-无信息变量消除(monte carlo-uninformative variable elimination,MC-UVE)、随机青蛙(random frog)、竞争自适应重加权采样(competitive adaptive reweighted sampling,CARS)及移动窗口偏最小二乘法的波段选择等方法的基础上,提出一种竞争性自适应重加权算法与相关系数法相结合的敏感波段选择方法,并从2151个原始波段中选出了30个敏感波段。用筛选后的30个波段数据建立非线性回归模型,得到了径向基神经网络模型校正集均方根误差为0.3699,预测集均方根误差为1.074e-009,校正决定系数为0.9832,预测决定系数为0.9982。试验结果表明:经过竞争自适应重加权采样的相关分析后所建立的径向基神经网络预测模型,无论是预测精度还是建模精度,比误差后向传播(back propagation,BP)神经网络和支持向量回归模型相比都有了显著提高,该方法在小麦氮含量预测过程中具有明显的优势,可在实际生产中应用。

基于PHI影像敏感波段组合的冬小麦条锈病遥感监测研究

利用ASD地面非成像光谱仪对不同严重度的冬小麦条锈病的冠层光谱反射率进行测定,同时调查病情指数。通过对地面实测的46组病情指数与相应的光谱反射率进行相关性分析,筛选出了小麦条锈病在350～1 500 nm的敏感波段。结合多时相的高光谱航空飞行遥感图像数据的特点和规律,最终选择红波段的620～718 nm与近红外波段的770～805 nm为条锈病在PHI影像上的敏感波段。并利用620～718 nm和770～805 nm的平均光谱反射率与相应的病情指数建立了多元线性回归模型:DI=19.241 R_1—2.207 R_2+12.274,验证结果表明,该模型的历史拟合度很好。并利用此模型最终在PHI影像上成功的实现了对冬小麦条锈病发生程度与发生范围的监测。

干旱区土壤水分遥感监测敏感波段的选择──以新疆阜康平原区为例

用遥感手段监测土壤水分的动态变化涉及到一系列问题，选择对土壤水分较为敏感的光谱波段，则是进行有效监测的前提及基础，通过对样区内土地水分的测试及光谱数据的采集，结合回归分析等方法选择出用于土壤水分遥感监测的理想波段。

水稻遥感估产的农学机理研究——Ⅰ.不同氮素水平的水稻光谱特征及其敏感波段的选择

介绍了大田与盆栽条件下不同氮素水平的水稻冠层、叶片和稻株的光谱反射特征曲线。经过光谱差异性检验,找出了诊断水稻氮素营养水平的敏感波段范围,结合考虑实用性确定冠层敏感波段为760～900nm、630～690nm和520～550nm;叶片敏感波段为760～900nm、630～660nm和530～560nm。

冬小麦鲜生物量估算敏感波段中心及波宽优选

开展高光谱作物生物量估算敏感波段中心和最优波段宽度筛选对提高作物生物量估算精度具有重要意义。该文以冬小麦为研究对象,利用小麦关键生育期内350~1000 nm冠层高光谱数据和实测地上鲜生物量,研究任意两波段构建的窄波段归一化植被指数N-NDVI(narrow band normalized difference vegetation index)与冬小麦地上鲜生物量间的相关关系,构建拟合精度R^2二维图,并以R^2极大值区域重心作为高光谱估算鲜生物量敏感波段中心。通过对敏感波段中心进行波段扩展和相应生物量估算验证,最终确定敏感波段最佳波段宽度。在此基础上,开展基于敏感波段最优波段宽度下冬小麦地上鲜生物量估算和精度验证。结果表明,在N-NDVI与冬小麦鲜生物量间拟合R2≥0.65的二维区域内,确定了401 nm/692 nm、579 nm/698 nm、732 nm/773 nm、725 nm/860 nm、727 nm/977 nm 5个鲜生物量估算的高光谱敏感波段中心;在高光谱估算生物量归一化均方根误差NRMSE≤10%、相对误差RE≤10%条件下,上述5个敏感波段中心的最优波段宽度分别为±21 nm、±5 nm、±51 nm、±40 nm和±23 nm。通过与实测鲜生物量数据对比,利用上述敏感波段中心最优波段宽度进行作物生物量估算,精度在P<0.01水平上均达到极显著水平,且RE、NRMSE分别在8.15%~9.14%、8.69%~9.65%范围内。可见,利用作物冠层高光谱进行冬小麦地上鲜生物量估算时,N-NDVI与鲜生物量间拟合R2极大值区域重心的作物高光谱敏感波段筛选和最优波段宽度确定具有一定可行性,为开展作物高光谱数据波段优选提供了新思路,也为多光谱遥感波段设置及遥感数据应用潜力评价提供一定依据。

基于高斯回归分析的水稻氮素敏感波段筛选及含量估算

水稻氮素含量的准确监测是稻田精准施肥的重要环节,水稻叶片氮素含量发生变化会引起叶片、冠层的光谱发射率发生变化,高光谱遥感是目前作物氮素无损监测的关键技术之一。以2018年—2019年湖北监利两年水稻氮肥试验为基础,分别获取水稻分蘖期、拔节期、孕穗期、扬花期、灌浆期五个生育期水稻叶片和冠层两个尺度的高光谱反射率数据及对应的叶片氮素含量数据,利用单波段原始光谱和一阶导数光谱的相关性分析、高斯过程回归(GPR)等方法筛选水稻全生育期叶片及冠层尺度氮素敏感波段。针对敏感波段,利用单波段回归分析、随机森林(RF)、支持向量回归(SVR)、高斯过程回归-随机森林(GPR-RF)、高斯过程回归-支持向量回归(GPR-SVR)和GPR构建水稻氮素监测模型,并进行精度对比,以确定水稻叶片在各生育期的氮素估算最佳模型。结果表明:GPR筛选的敏感波段符合水稻氮素含量及光谱变化的规律。相同条件下,叶片模型精度整体高于冠层模型。相关性分析模型中,叶片尺度原始光谱模型更好,冠层尺度刚好相反,冠层一阶导数光谱可以减弱稻田背景噪声的影响。其中,叶片最佳模型建模集R^(2)为0.79,验证集R^(2)为0.84;冠层最佳模型建模集R^(2)为0.80,验证集R^(2)为0.77。与相关性回归分析模型相比,机器学习模型受生育期影响小(R^(2)>0.80,NRMSE<10%)。其中,RF比SVR更适合对GPR敏感波段建模,GPR-RF模型可以用1.5%左右的波段达到RF模型使用全部波段的精度。五种方法中,GPR模型对生育期敏感度最低、叶片及冠层尺度效果都很好(R^(2)>0.94,NRMSE<6%)。且与其他四种机器学习方法相比,GPR模型可有效提高冠层氮素含量估算的精度和稳定性(R^(2)增加0.02,NRMSE降低1.2%)。GPR方法可为筛选作物氮素高光谱敏感波段、反演各生育期叶片及冠层氮素含量提供方法参考。

基于ROC图的油菜生长期光谱敏感波段的研究

测定了直播和移栽油菜的苗期、抽薹期、花期、盛花期和角果期的冠层光谱,构建了比值光谱植被指数(RSI)和归一化光谱植被指数(NDSI)。为了获得区分直播和移栽的最佳RSI和NDSI,利用降采样法和精细采样法相结合的受试者工作特征(ROC)图寻找油菜生长期光谱的敏感波长,直播和移栽油菜各时期RSI和NDSI的最敏感波长分别为:苗期(458 nm,511 nm)和(433 nm,517 nm);抽薹期(997 nm,501 nm)和(990 nm,510 nm);花期(1 235 nm,1 180 nm)和(1 235 nm,1 180 nm);盛花期(478 nm,396 nm)和(484 nm,416 nm);角果期(1 073 nm,1 037 nm)和(1 092 nm,1 024 nm)。用敏感波长下的2种植被指数为特征,以最近邻法为分类器的定性识别模型,结果花期的区分效果最好,最大约登指数分别为0.941 7和0.945 0。

基于连续统去除的土壤有机质近红外光谱敏感波段提取研究

土壤是一个复杂的三相集合体,由土壤中不同物质引起的谱带信息重叠现象非常严重,故通过适当的谱图预处理来提取其敏感波段显得尤为重要。本研究将连续统去除方法引入到土壤有机质敏感波段的提取中,分析了当土壤有机质含量变化时其谱图的变化规律,结果表明:采用连续统去除方法可以很好的提取土壤有机质敏感波段,且以提取的敏感波段600nm、900nm和2 210nm为中心,建立的土壤有机质模型可以较准确的预测土壤有机质含量,其所建模型中预测样本均方根误差MSE为0.286,相关系数R为0.979,均优于全波段所建模型中预测样本的均方根误差3.395和相关系数0.861。连续统去除方法可以很好的提取土壤有机质敏感波段,该研究对土壤有机质快速定量测试仪的研制具有重要意义。

基于敏感波段的冬小麦氮素营养高光谱诊断

氮素营养状况是作物生长的一个重要参数,准确监测尤为重要。本文利用2013、2014年在北京市农林科学院试验基地的冬小麦叶片反射光谱数据和相应的叶片氮含量及叶片氮累积量数据,采用波段两两组合的方法筛选对叶片氮含量及叶片氮累积量敏感的波段,在各个生育期及全生育期建立冬小麦氮素营养诊断模型。结果表明:(1)波段两两组合筛选出的对叶片氮含量和叶片氮累积量敏感的光谱参数分别为NDSI_((564,728))、NDSI_((543,728))、RSI_((564,728))和RSI_((543,728));(2)在各个生育期和全生育期构建的氮素营养监测模型中,每个生育期的叶片氮含量模型的稳定性和可靠性优于叶片氮累积量的模型,用留一交叉验证法同样表明叶片氮含量模型稳定性和可靠性比较高,研究表明用叶片氮含量可以很好地监测冬小麦氮素营养状况,从而实现对氮肥的精准管理。

玻璃温室环境下番茄叶绿素含量敏感光谱波段提取及估测模型

为了快速、准确估测番茄叶片叶绿素含量,利用光谱分析技术研究了玻璃温室环境下番茄叶绿素含量敏感光谱波段提取及其估测模型。番茄以基质方式栽培,在结果期使用ASD FieldSpecTM HH型便携式光谱辐射仪采集叶片光谱,并采用752型紫外-可见分光光度计测定其叶绿素含量。从原始光谱、吸光度光谱、一阶微分光谱、去除包络线光谱出发,进行光谱预处理,分析了净化图谱信息、突出作物叶绿素含量光谱特征的有效性。其中,吸光度光谱在可见光部分增强了光谱响应特征,去除包络线光谱和一阶微分光谱均具有较强的蓝光、红光吸收谷和绿光反射峰。又结合波段间自相关分析和多重共线性诊断提取了番茄叶绿素含量敏感光谱波段,原始光谱特征波段为639,672,696,750,768nm;吸光度光谱特征波段为638,663,750,763nm;去包络线光谱特征波段为436,564,591,612,635,683,760nm;一阶微分光谱特征波段为516,559,778nm。最后,应用4种预处理下的番茄叶绿素含量敏感光谱波段分别建立多元线性回归模型,模型精度由高至低分别为去包络线、吸光度、原始、一阶微分,其中去包络线模型校正集决定系数R2c为0.88,验证集决定系数R2v达到0.82,具有较好的预测能力。

压力作用下石英砂岩的热红外光谱变化与敏感响应波段

在实验室对石英砂岩进行单轴压缩加载,利用红外光谱辐射计(观测波段8～14μm)对加载过程中试样的红外光谱辐射变化特征进行观测,研究岩石红外辐射对应力响应的敏感波段。实验结果显示,当岩石被加载时,红外光谱随之发生变化,但不同波段变化特征不同,在8.0～11.5μm范围(尤其在8.6～9.1μm)石英砂岩的红外光谱辐射强度随载荷增加而增加,二者间近似呈两次曲线关系,且光谱辐射强度的"信噪比"较高;在其它波段光谱辐射强度与载荷的相关性差且"信噪比"较低。由此表明,8.0～11.5μm是石英砂岩红外辐射对应力响应的敏感波段,也是岩石应力与灾变红外遥感监测的优势波段,而最佳监测波段是8.6～9.1μm。

常温下花岗岩受力热红外光谱变化与敏感响应波段

通过对两种花岗岩进行室内常温下单轴压缩加载,利用热红外光谱辐射计(8～14μm)对加载过程中试样的热红外光谱辐射进行观测,研究岩石受力过程热红外光谱变化特征,揭示其应力敏感波段.结果表明,花岗岩辐射亮度(增量)与应力呈线性关系,矿物组分及结构差异对应力敏感波段有重要影响.按红外光谱辐射亮度与载荷的相关系数、拟合直线最大变幅-标准偏差比两项指标进行综合分析,揭示富含钾长石的斑状花岗岩的应力敏感段为8.4～10.6μm,中心波长为8.75μm;富含斜长石的等粒花岗岩的应力敏感波段为8.2～11.7μm,中心波长为10.25μm.上述波段可分别作为相应花岗岩的应力与灾变红外遥感监测的优势波段.

地温敏感波段的遥感图像反演算法研究

针对应用于地表温度反演的航天遥感数据波段选择问题,文章提出了利用波长范围为8～10.5μm的热红外遥感数据反演地表温度的单通道反演算法：从温度敏感性的角度证明了利用波长范围为8～10.5μm的遥感数据反演地表温度的合理性;在此基础上,将仪器光谱响应率引入到基于大气校正原理的单通道反演算法中,提高了地表温度的反演精度.最后通过实验证明了利用此波段的热红外遥感数据反演地表温度的可行性.

基于敏感光谱波段图像特征的冬小麦LAI和地上部生物量监测

叶面积指数(LAI,leaf area index)和地上部生物量是评价冬小麦长势的重要农学参数,其实时动态监测对冬小麦的长势诊断、产量预测和管理调控等具有重要意义。该研究通过分析叶面积指数、地上部生物量与冬小麦冠层光谱参数的相关性,筛选出冬小麦长势指标敏感波段及最佳带宽范围;基于敏感光谱波段下图像的彩色因子,构建冬小麦叶面积指数和地上部生物量监测模型。结果表明,叶面积指数、地上部生物量长势指标的敏感波段及最佳带宽范围为(560±6)和(810±10)nm。敏感波段560、810 nm波段下获得的图像特征因子中,RGB颜色空间R810、G560、B810对叶面积指数的拟合效果最好,决定系数高达0.989;HSI颜色空间H810、S810、I560对地上部生物量的拟合效果最好,决定系数为0.937。试验数据检验表明,叶面积指数、地上部生物量监测模型的均方根误差RMSE分别为0.4515、3.3556,相对误差分别为15.7%、15.9%,所构建监测模型的精确度较高。因此,基于敏感光谱波段及相应图像特征构建的监测模型可有效对冬小麦叶面积指数、地上部生物量进行实时、快速、准确监测与诊断。

基于高光谱的小型湖库总氮反演模型研究

我国小型湖库数量多,分布广,承担的服务功能多样,故构建针对小型湖库的水质及水生态监测体系有重要的科学价值。利用实时获取的高光谱数据,运用归一化、波段比值和波段差值解析敏感波段,建立多元线性回归模型和BP神经网络模型反演西南科技大学中心湖(小型人工湖)总氮浓度,并分析模型的精度与适用性。结果显示,采用波段比值运算解析获取敏感波段,并将其作为输入层的神经网络模型拟合精度最高(均方根误差为0.05mg/L,平均绝对误差为0.03mg/L,平均相对误差为4.7%)。结果表明,高光谱遥感的连续光谱结合BP神经网络的非线性拟合能力可较好地反演总氮浓度。研究结果有助于为小型湖库高光谱水质反演及监测预警提供理论和技术参考。

用双波段红外成像技术探测军事目标

美国陆军研究实验室及其合作伙伴目前正在发展双波段红外敏感器及其信号处理技术,以期利用双波段红外敏感器的成像能力来探测军用车辆.双波段红外成像技术的优点是能在存在杂乱回波的情况下探测目标.它能区分目标和诱饵,并能使敌方采取的诸如施放烟雾、进行伪装以及发射照明弹之类的红外对抗措施失效.

不同施氮量棉花冠层高光谱特征研究

棉花精准生产对于无损、快速的植株氮含量监测技术有迫切需求。研究棉花冠层光谱特征及其与植株氮含量间的定量关系,可以实现棉株氮素的无损监测。通过连续两年不同施氮量试验,采集棉花冠层高光谱数据并同步测定冠层植株氮含量,分析不同氮肥处理下棉花冠层高光谱特征及其与棉株氮含量间的关系。结果表明：不同时期棉株氮含量与光谱反射率在可见光波段（400-700 nm）显著负相关,在近红外700-1 300 nm波段显著正相关,而在短波红外1 300-1 800 nm波段的相关性较为复杂。冠层尺度下,在棉花整个生育阶段,可见光波段均为棉株氮含量的敏感波段,而近红外波段仅在盛铃期是棉株氮含量的敏感波段;短波红外波段仅在盛蕾期是棉株氮含量的敏感波段。利用不同时期棉株氮素敏感波段可以构建棉株氮素监测指标。

冠层水平互花米草叶片光合色素含量的高光谱遥感估算模型

以闽江河口鳝鱼滩湿地互花米草(Spartina alterniflora)的实测冠层高光谱反射率和叶片光合色素含量(LPPC)为数据源,在分析LPPC与原始光谱反射率、一阶导数光谱反射率、22种已报道光谱指数和14种新构建的植被指数相关性的基础上,利用直线回归、指数回归、对数回归以及乘幂回归方法,系统地比较了36种植被指数在估算互花米草LPPC中的表现。研究表明:(1)一阶导数光谱反射率组合的植被指数用于估算互花米草的LPPC优于原始光谱反射率;(2)红边区域一阶导数光谱是估测互花米草LPPC的最佳波段;(3)对于单一色素含量的估算,叶绿素a(Chla)的最佳估算指数为FDNDVI[723,703];叶绿素b(Chlb)的最佳估算指数为FDRVI[723,525];类胡萝卜素(Cars)的最佳估算指数为FDNDVI[723,703];(4)对于使用统一参量同时估算Chla、Chlb、Cars,由FDRVI[723,703]建立的对数估算模型效果最佳。研究成果可为湿地植物生化参量反演提供参考,也可为闽江河口湿地入侵种互花米草的动态监测和生态评估管理提供有力的科学依据。

基于Hyperion高光谱影像的冬小麦地上干生物量反演

在黄淮海粮食主产区选择河北省衡水市深州市为试验区,以冬小麦地上干生物量为研究对象,以作物冠层高光谱和EO-1 Hyperion高光谱卫星数据为主要数据源,在分析冠层高光谱构建的窄波段植被指数(N-VIs)与实测冬小麦地上干生物量间相关性基础上,提出了利用拟合精度R2极大值区域重心确定冬小麦干生物量敏感的光谱波段中心的方法,并运用该方法确定了冬小麦生物量敏感波段中心。在此基础上,以敏感波段中心筛选结果为指导,利用窄波段植被指数及相关波段开展Hyperion高光谱卫星遥感区域冬小麦干生物量遥感反演和精度验证。最终,按精度最高原则优选区域冬小麦地上生物量反演结果。其中,研究采用了冬小麦孕穗期Hyperion数据,涉及的植被指数包括窄波段归一化植被指数(N-NDVI)、窄波段差值植被指数(N-DVI)和窄波段比值植被指数(N-RVI)。结果表明,通过与实测冬小麦地上干生物量对比,利用冠层高光谱冬小麦地上干生物量反演敏感波段筛选结果及其相应波段构建的Hyperion窄波段植被指数进行孕穗期作物干生物量估算取得了较好结果,其精度由大到小为:NNDVI、N-RVI、N-DVI。其中,以波段B18(波长528.57 nm)、波段B82(波长962.91 nm)构建的Hyperion N-NDVI估算区域冬小麦地上干生物量精度最高,相对误差(RE)和归一化均方根误差(NRMSE)分别为12.65%和13.78%。