玉米和大豆LAI高光谱遥感估算模型研究

以ASD Fieldspec光谱仪实测了不同生长季的大田玉米、大豆的冠层高光谱与作物的叶面积指数LAI。采用单变量线性与非线性拟合和逐步回归分析的方式,建立了玉米、大豆LAI高光谱遥感估算模型,并对模型的估算结果进行了初步分析。分析结果表明,绿光波段反射峰区、红光波段以及近红外区的单波段反射率与作物的LAI有较强的相关性,而其他波段的反射率与作物的LAI的相关性相对较弱;以高光谱的窄波段构造的NDVI和RVI与作物的LAI的相关程度高,回归模型的预测水平高;而以多波段逐步回归方式构造的统计模型的预测效果最好。

基于冠层反射光谱的夏玉米LAI估算模型研究

从多个角度研究夏玉米LAI与冠层反射光谱的相关性,探索不同光谱波段在夏玉米LAI预测中的优势互补。结果表明,可见光波段对品种差异较敏感,而近红外波段对品种差异敏感性不大;预测效果最好的LAI估算模型是由多个单波段建立的多元线性回归模型,其次是由近红外与绿光波段的比值R1050/R550建立的三次多项式回归模型,然后是由RVI建立的三次多项式回归模型。

农作物LAI和生物量的高光谱法测定

通过田间小区试验,测定了水稻、玉米、棉花3种共6个品种作物冠层不同生育期的高光谱反射率及对应叶面积指数和地上生物量,分析了其高光谱变量和红边参数与叶面积指数、地上生物量及叶重量的相关性。结果表明:13种作物冠层高光谱反射率与其生育期有关,其反射率最大值的比较结果是棉花>玉米>水稻。23种作物的叶面积指数、叶鲜重、叶干重与其冠层光谱变量ρ990/ρ550,ρ800/ρ550,ρ750/ρ550,ρ800/ρ680及冠层红边参数λr,Dλr之间均极显著相关,但地上鲜生物量和地上干生物量与上述光谱变量和红边参数之间相关性较差,说明可通过高光谱遥感方法估测水稻、玉米、棉花的叶面积指数、地上鲜生物量、叶鲜重和叶干重。

夏玉米LAI与冠层反射光谱的定量关系

从不同角度研究夏玉米LAI与其对应冠层反射光谱的相关性.结果表明,夏玉米LAI与冠层反射光谱的定量关系以由多个单波段建立的多元线性回归模型为最优,其次是由DVI(900,730)建立的三次多项式回归模型,再次是由SAVI(950,600)建立的幂函数回归模型.

高光谱反射率与大豆叶面积及地上鲜生物量的相关分析

以ASDFieldSpec光谱仪实测了不同生长季大豆的冠层高光谱,同期采集了对应大豆LAI、地上鲜生物量。逐波段分析了冠层光谱反射率、导数光谱与大豆LAI、地上鲜生物量的相关关系;采用单变量线性回归逐波段分析了冠层光谱反射率、导数光谱与大豆LAI、地上鲜生物量确定性系数随波长的变化趋势;并建立了以近红外与可见光波段的冠层光谱反射率的比值植被指数RVI与大豆LAI、地上鲜生物量的高光谱遥感估算模型。结果表明,冠层光谱反射率在350～680nm、760～1050nm波谱区与大豆LAI、地上鲜生物量相关性较大,而在红边区680～760nm的波段相关性较大;导数光谱则在红边区与大豆LAI、地上鲜生物量相关程度高。而通RVI方式建立的遥感估算模型能较为准确估算大豆LAI、地上鲜生物量。

大豆叶面积的高光谱模型

以ASD FieldSpec-Vnir光谱仪实测不同生长季大豆的冠层反射率,同期采集对应大豆LAI,然后逐波段分析冠层光谱反射率、导数光谱与大豆LAI的相关关系;并采用单变量线性回归逐波段分析了冠层光谱反射率、导数光谱与大豆LAI确定性系数随波长的变化趋势,建立了以近红外与可见光波段冠层光谱反射率的比值植被指数RVI与大豆LAI的高光谱遥感估算模型。结果表明,冠层光谱反射率在350￣680nm、760￣1050nm波谱区与大豆LAI相关性较大,而在红边区680￣760nm的相关性变化较大;导数光谱在红边区与大豆LAI相关程度高。通RVI方式建立的遥感估算模型能较为准确估算大豆LAI,通过对红外与蓝波段建立的RVI指数与大豆LAI的回归模型,表明其预测大豆LAI的能力较好,有进一步研究的必要;通过对比发现,神经网络模型可以大大提升高光谱反演大豆LAI的水平,模型的确定系数R2为0.9661,而总均方根误差RMSE仅为0.446m2.m-2。

水稻、玉米、棉花的高光谱及其红边特征比较

测定了水稻、玉米、棉花 3种作物共 6个品种的冠层和主茎叶片不同生育期高光谱反射率及其对应叶片中叶绿素、类胡萝卜素含量 ,分析了它们的高光谱及其红边特征和红边参数与叶面积指数、地上生物量、鲜叶重及叶片色素含量的相关性。结果表明 :(1) 3种作物冠层高光谱反射率大小与其生育期有关。冠层和叶片光谱反射率最大值比较结果是 ,冠层光谱 :棉花 >玉米 >水稻 ;叶片光谱 :水稻 >棉花 >玉米。 (2 ) 3种作物冠层光谱的红边都具有“双峰”现象。红边幅值Dλr 和红边面积Sr 均呈增大、减少的变化规律 ,但红边位置λr 的变化范围和变化规律不同 ;冠层红边参数λr、Dλr、Sr 与其叶面积指数和鲜叶重之间都呈极显著相关 ,但与地上鲜生物量和地上干生物量相关性有差异 ;叶片叶绿素a、叶绿素b、总叶绿素及类胡萝卜素含量与其光谱红边位置λr 之间都呈极显著相关 ,但与红边参数Dλr、Sr

棉花高光谱及其红边特征(I)

通过大田和室内试验,测定了2个品种的棉花冠层、完全展开倒1、3叶在不同时期的高光谱反射率及对应叶片的叶绿素、类胡萝卜素含量。结果表明:随发育期推移,棉花冠层光谱反射率在可见光范围降低,在近红外区域增高;叶片背面光谱反射率略高于正面,透射率小于反射率;叶面积指数、鲜叶重和干叶重与冠层反射光谱变量ρ800 ρ550、ρ800 ρ680、ρ680 ρ570之间存在显著相关;叶片叶绿素和类胡萝卜素浓度与其反射光谱变量ρ680 ρ570、ρ673 ρ640、ρ680 ρ550、PSSRa、PSNDa、RCh之间也呈显著相关。

高光谱反演水稻叶面积指数的主成分分析法

为了通过水稻冠层反射光谱来提取水稻叶面积指数信息,尝试利用辐射传输模型PROSPECT+SAIL来模拟水稻冠层反射光谱,比较了各植被指数中叶面积指数(LAI)和叶绿素浓度的相关性。在观察光谱曲线后发现,红边位置光谱可以较好地区分LAI和叶绿素浓度二者引起光谱变化的差异。由此提出对700 nm^750 nm区间内的反射光谱做主成分变换,并利用第2主成分与LAI建立反演模型(即主成分分析法),取得了较好效果,表明在植被指数趋近于饱和以至于无法区分二者相关性时,主成分分析法可以作为一种简单而有效提取水稻叶面积指数信息的补充手段。

玉米高光谱及其红边特征分析

通过大田和室内试验,测定了玉米冠层、完全展开倒一、三叶在不同发育期的反射光谱及叶片的叶绿素、类胡萝卜素含量。结果表明,随发育期推迟,冠层反射率在可见光范围内降低,在近红外区域增高;冠层光谱的红边具有"双峰"现象,红边位置λred随发育期推迟呈"红移"现象,而红边幅值Dλred和红边面积Sred呈"红移"和"蓝移"现象;叶面积指数、地上生物量和鲜叶重与冠层λred、Dλred、Sred显著相关,叶片叶绿素和类胡萝卜素含量与其λred、Dλred、Sred也显著相关。

长江中下游生态区大豆生长性状及产量的冠层高光谱偏最小二乘回归预测

高光谱遥感能够快速无损地估测作物生长性状及产量,这为作物规模化育种的田间评价与选择提供了高效手段。选用生育时期相似、生长性状有差异的52份大豆品种（系）进行2年田间试验,在盛花期（R2）、盛荚期（R4）及鼓粒初期（R5）测定大豆冠层反射光谱,同步测定大豆叶面积指数（LAI）和地上部生物量（ABM）,收获后测定产量。针对不同生育时期冠层光谱与生长性状及产量进行偏最小二乘回归（PLSR）分析。结果表明：不同生育时期LAI的PLSR模型可以解释LAI总变异的54.4%~61.0%;不同生育时期ABM的PLSR模型可以解释ABM总变异的65.5%~67.0%;R5期是利用冠层光谱估测产量的最佳生育时期,其PLSR模型可以解释产量总变异的66.1%。本研究结果可望为大豆规模化育种中大量试验材料的田间长势监测和产量估测提供快速无损预测的技术支持。

基于CASI数据的黑河绿洲区叶面积指数反演

叶面积指数(leaf area index,LAI)作为植被冠层的重要参数,对作物长势监测及产量估算具有重要意义。本研究以黑河流域张掖绿洲试验区为例,基于机载航空高光谱遥感影像(compact airborne spectrographic imager,CASI)数据,利用物理模型与统计模型对研究区的LAI进行估测反演。首先,利用归一化植被指数(normalized difference vegetation index,NDVI)与相应实测LAI数据建立最佳线性回归模型;然后,基于混合像元分解模型和多次散射植被冠层模型构建物理模型;最后,以线性回归模型为参比修正多次散射植被冠层模型,构建半经验LAI反演模型,并比较上述模型拟合效果。研究结果表明,半经验模型为绿洲区LAI反演最优模型,模型估算精度R2达到0.89,精度提高较显著。研究对提升作物LAI的估算精度有一定意义,并将进一步推动精细农业定量遥感理论的研究与应用。

光谱测定黑河上游土壤有机质的预测模型

地面高光谱遥感光谱分辨率高,能详细地反映地物波谱特征;多光谱遥感时域宽,覆盖范围广,对较大时空区域的地物特征反演具有更大的优势。探求以不同反射率指标的土壤有机质含量预测模型,及其敏感波段,可以结合两种光谱数据的优点,为研究土壤有机质含量的时空变化规律提供新途径。本研究选取黑河上游223个土壤样品测定其有机质含量和高光谱曲线,应用原始光谱曲线反射率(λ)、倒数(REC)、倒数之对数(LR)、归一化(CR)和一阶微分(FRD)五种指标,采用逐步线性回归分析方法建立预测模型。通过统计检验,结果表明,以反射率指标为自变量的模型预测效果最佳,其相关系数(r)和均方根误差(RMSE)分别为:0.863和4.79。最优模型中得出的敏感波段有TM1内的474 nm、TM3内的636 nm和TM5内的1 632 nm。研究结果可为使用TM遥感数据反演黑河上游土壤有机质含量提供参考。

太湖水体叶绿素浓度与反射光谱特征关系的研究

根据2004年10月在太湖实测的水体反射光谱及实验室分析得到的叶绿素浓度数据,对太湖水体反射光谱特征与叶绿素浓度之间的关系进行探讨与分析。研究结果表明:水体叶绿素浓度与各波长处的反射光谱相关性不大,但是反射光谱经过比值法和微分处理后,两者具有很好的相关性,而且叶绿素浓度与反射光谱700nm附近波峰几何形态特征(波峰位置、面积、净高度)相关性很好,建立太湖水体叶绿素浓度估算模型。

松花湖水体叶绿素a含量与反射光谱特征关系初探

根据2008年7月在松花湖实测的水体反射光谱及实验室分析得到的叶绿素浓度数据,对松花湖水体反射光谱特征与叶绿素浓度之间的关系进行探讨与分析。研究结果表明:水体叶绿素浓度与各波长点处反射率相关性均较好,并选择700 nm处反射率建立单波段模型。而700 nm和677 nm波长处反射率比值、685 nm处光谱一阶微分、700 nm波长处波峰几何特征具有较好的相关性,给出了松花湖水体叶绿素浓度估算模型,为松花湖水体叶绿素浓度反演监测提供了一定的理论基础与参考。