光谱指数的植物叶片叶绿素含量估算模型

叶片叶绿素能够有效监测植被的生长状况，利用光谱指数反演植被叶绿素含量是目前的通用方法。实测了盐生植物光谱反射率和叶片叶绿素含量。对SPAD值进行变换，对比Pearson与VIP方法探讨盐生植被叶片叶绿素含量与植被指数的相关性并进行精度验证，从中选出最佳拟合模型。研究表明，通过对Pearson与VIP相关性分析，最终选定VIP方法建立植被指数的叶片叶绿素估算模型，NDVI₇₀₅，ARVI，CI_{red edge}，PRI，VARI，PSRI和NPCI的VIP值均大于0.8，因此选定这七个植被指数为最优植被指数；预测结果显示，所有模型的相关性都在0.7以上，预测值与实测值相关性最好的是经过倒数变换的SPAD值，R=0.816，RMSE=0.007。基于VIP方法的反演模型能较好地估算研究区植被叶绿素含量，该方法为植物叶绿素含量诊断的实际应用提供了重要的理论依据和技术支持。     

基于PROSPECT+SAIL模型的森林冠层叶绿素含量反演

森林冠层叶绿素含量直接反映着森林的健康和胁迫情况。叶绿素含量的准确估测,更是研究森林生态系统循环模型的关键。文章以PROSPECT+SAIL模型为基础,从物理机理角度反演森林冠层叶绿素含量。首先利用PROSPECT和SAIL模型模拟叶片水平和冠层水平的光谱,并建立叶片水平叶绿素含量的查找表反演叶片叶绿素含量,然后结合森林结构参数Leaf Area Index(LAI)实现叶片尺度与冠层尺度叶绿素含量的转化,从Hyperion影像反演研究区域冠层水平叶绿素含量。结果表明,叶绿素含量的主要影响波段为400～900nm;PROSPECT模型模拟的叶片光谱和SAIL模型模拟的冠层光谱均与实测光谱拟合效果较好,相对误差分别为7.06%,16.49%;LAI反演结果的均方根误差RMSE=0.5426;利用PROSPECT+SAIL模型可以较好地反演森林冠层叶绿素含量,反演精度为77.02%。     

优化光谱指数建立水稻叶片SPAD的高光谱反演模型

利用高光谱反射率光谱的特征波段构建光谱指数,建立叶绿素含量反演模型是实现水稻生产精准调控和科学管理的必要手段之一。为了建立适用于拔节孕穗期水稻叶片叶绿素相对含量（SPAD）的高光谱反演模型,分别获取了拔节孕穗期水稻叶片的高光谱和SPAD数据,利用小波分析法对原始光谱反射率曲线进行降噪处理,并对基于积分运算的光谱指数NAOC进行简化,获得了基于双波段简化运算的优化光谱指数。利用相关分析法计算由原始反射率光谱R和数学变换光谱LgR、1/R和R构建的优化光谱和变换光谱指数与水稻叶片SPAD的相关系数,获得了以积分限（a,b）为横、纵坐标的相关系数二维矩阵,并绘制相关性等势图,得到相关系数最高的3个波段组合：R（641,790）（0.872 6）,R（653,767）（0.871 7）和R（644,774）（0.871 6）,计算出20个原始样本中3个积分波段组合所对应的60个优化光谱指数值,按照2∶1的比例划分为建模集和验证集,建立了三种水稻叶片SPAD反演模型：偏最小二乘回归（PLSR）、支持向量机（SVM）和BP神经网络模型。结果显示：利用优化光谱和变换光谱指数建立的3种水稻叶片SPAD反演模型决定系数R2均大于0.79,归一化均方根误差NRMSE则小于5.4%。其中BP神经网络相对于其他两种模型具有较高的拟合度,预测精度也相对较高,建模集R2=0.842 6,NRMSE=5.152 7%;验证集R2=0.857,NRMSE=4.829 9%。总体来看,基于双波段简化运算后的优化光谱和变换光谱指数建立拔节孕穗期水稻叶片SPAD反演模型是可行的;对比分析3种模型反演结果发现,BP神经网络对水稻叶片SPAD的反演效果较好。该工作对提高拔节孕穗期水稻精准调控技术和建立水稻生产的科学管理体系具有一定的参考价值。     

不同微肥处理下油菜产量与高光谱反射率关系分析

油菜是我国第一大国产植物油来源,大田生产中需要施加适量的微肥以提高产量和品质。筛选出一种可提高油菜产量的微肥配方需要经过复杂的大田统计和产量测定,因此构建出能快速筛选微肥的模型十分重要。以高油酸油菜“帆鸣1号”为试验材料,使用地物波谱仪测定了不同微肥条件下全生育期的光谱反射率,并用乙醇提取法准确测定叶绿素含量。将光谱反射率、叶绿素含量和最终产量性状两两间进行相关性分析。产量测定表明,施加微肥可以提高油菜产量和蕾薹期时叶绿素的含量,使单株产量最高提高2%。光谱参数与叶绿素相关性分析表明,蕾薹期时叶绿素含量与光谱参数550和720 nm相关性较高,表明蕾薹期光谱参数可用于预测产量进而筛选出能提高油菜产量的微肥。叶绿素含量和产量相关性分析表明,蕾薹期时,叶绿素含量与产量相关性较高。光谱参数与产量相关分析表明,550和720 nm的光谱反射率与产量之间均呈显著负相关性。光谱参数与产量相关分析表明,550和720 nm的反射率与产量之间均呈显著负相关性。综合分析施肥量、光谱参数、产量和叶绿素变化可知,蕾薹时光谱参数550和720 nm与产量相关系数模拟的线性方程可用于微肥的筛选,线性方程分别为y=-32.362x+33.097,y=4.069 5x+35.386,y=28.849x+23.735,y=-19.023x+31.005,y=12.447x+24.586,R2均大于0.6。综合分析施肥量、光谱参数、产量和叶绿素变化,油菜生长至蕾薹期时光谱参数550和720 nm与产量相关系数模拟的线性方程R2≥0.6时的微肥配比可以使产量提升。本研究结果表明,蕾薹期光谱参数可用于预测产量进而筛选出能提高油菜产量的微肥,可增加样本量进一步检测相关性并开展后续验证。鉴于地物波谱检测技术具有过程高效,不使用化学试剂,无需对样本进行破坏性取样,成本低,该模型的建立对开展大规模高油酸油菜微肥配方的快速筛选具有重要意义,为筛选油菜微肥和促进油菜产量研究提供了理论基础。     

考虑水分光谱吸收特征的水稻叶片SPAD预测模型

叶绿素是植被光合作用的重要色素，传统实验室方法测定叶绿素含量需破坏性取样且操作复杂。通过构建高精度SPAD光谱估算模型，可以实现对水稻叶片叶绿素含量的实时无损监测。以黑龙江省不同施氮水平下水稻为研究对象，采用SVC HR768i型光谱辐射仪共获取移栽后、分蘖期、拔节期、孕穗期、抽穗期共五个关键时期水稻叶片反射光谱数据。光谱探测范围350~2 500 nm。利用自带光源型手持叶片光谱探测器直接测定叶片光谱，光源为内置卤素灯。采用SPAD-502型手持式叶绿素仪同步测定水稻叶片的SPAD值。叶片水分是植物光合作用的基本原料，也间接影响着叶绿素含量。叶片含水量降低则会影响植物正常的光合作用，导致其叶绿素含量随之降低。因此将叶绿素敏感波段与水分吸收范围结合作为SPAD估算的输入量。随机森林模型是一个基于多个分类树的算法。算法在采样的过程中包括两个完全随机的过程，一是有放回抽样，可能会得到重复的样本，二是选取自变量是随机的。因此本文对叶片光谱反射率进行去包络线（CR）处理，综合考虑可见光近红外波段提取水稻叶片反射光谱特征参数和植被指数，综合分析光谱指标与SPAD相关关系，采用随机森林算法构建不同输入量的SPAD高光谱估算模型。结果表明: （1）水稻叶片SPAD与光谱反射率的相关系数在叶绿素敏感波段红波段范围（600～690 nm）、红边范围（720~760 nm）、水分吸收波段范围（1 400~1 490和1 900~1 980 nm）均为0.75以上；（2）在光谱参数与SPAD 的相关分析中，NDVI，DP2与水稻叶片SPAD值相关性最好，相关系数为0.811和0.808；（3）以结合水分光谱信息后的CR_{(V1, V2, V3, V4)}为自变量所建立的随机森林模型精度最高，R2为0.715，RMSE为2.646，可作为水稻叶片叶绿素预测模型。研究结果揭示了不同品种水稻的光谱响应机制，提供了水稻叶片SPAD值高精度反演的技术方法，为监测与调控东北地区水稻正常生育进程提供技术支持。     

基于神经网络的叶绿素含量精细测量建模方法研究

活体植物叶片叶绿素含量SPAD值易受叶片厚度、水分等影响,提出了基于多参数神经网络建模的叶绿素含量精细反演方法。通过测量叶片在中心波长分别为650,940和1 450nm光照射下的透过率,获得叶片的SPAD值和水分指数WI(water index),同时用数字螺旋测微仪测量相应的叶片厚度并用分光光度法测得其叶绿素含量。利用建模集样本分别建立SPAD值与实测叶绿素含量之间的单参数模型和基于BP神经网络的WI、厚度及SPAD值与实测叶绿素含量之间的非线性模型。利用这两种模型分别计算获得验证集样本的叶绿素含量预测值,对预测值和实测值进行了相关分析和相对误差的分析。实验以340个三种不同植物叶片为样本,用以上方法进行了分析。结果表明,利用BP神经网络建模后,每种植物样本的叶绿素含量预测精度都有不同程度的提高,尤其对于叶片厚度值较大的样本,效果更为明显。数据显示所有混合样本平均相对误差绝对值由单参数模型的7.55%降低到5.22%,实测值与预测值的拟合决定系数由0.83提高到0.93。验证了利用多参数BP神经网络模型可以有效地提高活体植物叶绿素含量预测精度的可行性。     

基于反射光谱技术的植物叶片SPAD值预测建模方法研究

植物叶片SPAD值反映了植物叶绿素含量,对特定的植物也反映了氮含最.为了实现植物叶绿素含量的快速无损检测,利用光纤反射光谱技术对植物叶片SPAD值进行了预测建模研究.实验中选取70个样本作为建模集,50个样本作为校验集.通过叶片光谱比对,发现光谱红边段650～750 nm对SPAD预测建模有直接关系.实验确定了光强调节因子和叶片厚度影响因子.首先通过待定系数法构造出SPAD预测公式,然后用Visual Basic6.0设计的遗传算法进行参数寻优,最后确定最佳敏感波段为683.24～733.91nm.分析表明,叶片厚度对SPAD反射光谱模型精度有显著影响.经过叶片厚度修正后的建模集拟合因子R2为0.865 8,校验集拟合因子R2为0.916 1.结果表明,利用反射光谱技术建立的SPAD预测模型是成功的,从而可为仪器开发提供方法指导.     

植被叶片叶绿素含量反演的光谱尺度效应研究

目前光谱指数方法已被广泛地应用于植被叶绿素含量的反演中,考虑到不同传感器的光谱响应存在差异,研究了光谱尺度效应对光谱指数反演植被叶片叶绿素含量的影响。基于PROSPECT模型模拟了不同叶绿素含量(5~80μg·cm~(-2))下的5nm叶片光谱反射率数据,并利用高斯光谱响应函数将其分别模拟成10~35nm六种波段宽的光谱数据,再分析评价5~35nm波段宽下光谱指数与叶片叶绿素含量的相关性、对叶片叶绿素含量变化及对波段宽变化的敏感性。最后,利用波段宽为40~65nm的反射率数据对光谱指数反演植被叶绿素含量的光谱尺度效应进行验证。结果表明,通用光谱指数(vegetation index based on universal pattern decomposition method,VIUPD)反演叶绿素含量的精度最高,反演值与真实值拟合程度最好;归一化差值植被指数(normalized difference vegetation index,NDVI)和简单比值指数(simple ratio index,SRI)其次,虽然其决定系数R~2高达0.89以上,但反演的叶绿素含量值小于真实值;其他光谱指数的反演结果较差。VIUPD对叶绿素含量具有较好的相关性和敏感性,受光谱尺度效应影响较小,具有较好的反演能力,这一结论恰好验证了其"独立于传感器"的特性,同时证明了VIUPD在多源遥感数据反演植被理化参量的研究中具有更好的应用前景。     

GWLS-SVR模型的红枣树叶片叶绿素含量估算

叶绿素含量是红枣树光合作用能力、生长状况、营养状况的指示剂,不同地理位置种植的红枣树受到自然、人为等因素的影响,叶绿素含量分布有所不同,该研究实地测定了若羌县枣树叶片高光谱反射率及表征叶绿素含量的枣树叶片SPAD（soil plant analysis development)值。为了高效无损地估算红枣树叶片SPAD值,计算了红枣树叶片SPAD值全局莫兰指数,以SPAD值和高光谱波段之间的相关性为基础,通过C_P统计量计算重要程度高的特征波段,运用地理加权最小二乘支持向量回归GWLS-SVR（geographically weighted least squares-support vector regression）模型对红枣树叶片SPAD值进行预测,与多元线性回归（MLR）、支持向量机回归（SVR）模型比较并探讨GWLS-SVR模型估算红枣树叶片SPAD值的能力。结果表明：（1）光谱一阶导数可以有效去除噪声并突出光谱信息尤其是492~510,542~543,642~652,657~670和682~692 nm区间内显著的提高了与SPAD值的相关性。（2）C_P统计量方法能够有效的选择敏感区间的特征波段,进而提高模型估算精度,由统计量方法计算出原始光谱重要程度最高的两个变量为595与696 nm,光谱一阶导数的特征波段为688 nm。其中对于同一个敏感波段区间的波段组合总有单个波段的统计量低于多个波段组合的统计量,这可能是相近波段间的较强共线性导致的。（3）若羌县红枣树叶片SPAD值存在显著的空间聚集性,全局莫兰指数为0.125 8（p<0.1）,适合建立考虑空间位置的GWLS-SVR模型。（4）结合Bootstrap再抽样与t检验模型检验得到结合地理位置信息的GWLS-SVR模型总体上估算能力优于SVR和MLR模型,且结果高度显著（p<0.001）,其中基于光谱一阶导数的GWLS-SVR模型为最优的红枣树叶片SPAD值估算模型（R2为0.975,MSE为1.082）,能够为高光谱定量反演红枣树SPAD值进而快速无损的监测红枣生长状况提供一定参考。     

琅琊山景区不同叶绿素条件下树种叶片光谱差异分析

叶绿素含量高低反映植物健康状况，研究景区树种叶片叶绿素绝对值(SPAD)不同的光谱变化规律能为叶绿素高光谱监测波段识别与景区树种管理提供理论支撑。从琅琊山景区灌木和乔木类选取9个常见树种，探讨相同树种叶片SPAD值变化时的光谱差异，同时，横向对比相同SPAD值不同树种叶片的光谱特征，并深入分析不同树种叶片SPAD值与单波段原始光谱、光谱倒数、一阶微分、二阶微分及波段组合差值指数、归一化指数、比值指数、一阶微分归一化指数、一阶微分比值指数之间的关系。结果表明：9个所测树种叶片随着叶绿素SPAD值的升高，光谱变化规律各不相同，在可见光波段区分明显，总体上，光谱反射率最高的样本组SPAD值较低；叶绿素SPAD值相同时，在可见光波段，桂花较其余树种反射率整体较高; 在780~1 350 nm波段，广玉兰叶片反射率始终排前三，其余波段变化规律不明显；原始光谱反射率的二阶微分与海桐叶片SPAD值相关系数最大，一阶微分与其余8种相关性最高；与灌木、落叶乔木叶片SPAD值相关系数最大的光谱指数分别为差值指数、一阶微分归一化指数，与常绿乔木、不分树种相关系数最大的为一阶微分比值指数。     

刚竹毒蛾胁迫下毛竹叶绿素与叶光谱特征的关系及其变化

叶绿素是反映绿色植被健康状态的重要生理参数,虫害胁迫下叶绿素与叶光谱的变化机制较为复杂,深入剖析二者关系对于虫害检测有重要意义。以福建省南平市顺昌县为试验区,测定不同受害情景下毛竹叶叶绿素含量(SPAD)与叶光谱,采用Pearson相关法筛选叶光谱特征指标,建立叶SPAD的多元线性回归、岭回归、随机森林与XGBoost估测模型。通过比较光谱特征指标筛选结果及模型估测效果,分析刚竹毒蛾胁迫下毛竹叶绿素与叶光谱特征的关系及其变化。结果表明：（1）随着虫害程度上升,毛竹叶SPAD呈下降趋势;（2）较之于未受害状态,刚竹毒蛾胁迫下毛竹叶光谱特征发生明显变化,“绿峰”和“红谷”趋于消失,“红边”斜率减小,近红外波长反射率降低;（3）基于全样本拟合叶SPAD的最优光谱特征指标为VOG₂,R₅₁₅/R₅₇₀,CI_red,PRI与NDVI₇₀₅,最佳估测模型为多元线性回归模型（R2=0.753 7,RMSE=3.015 0）;（4）基于不同受害程度样本拟合毛竹叶SPAD,最优光谱特征指标分别为健康：CI_red,VOG₂,ARVI,R₅₁₅/R₅₇₀,DVI;轻度：RENDVI,RERVI,REDVI;中度：RENDVI,RERVI,REDVI;重度：VOG₂,CI_red,NDVI₇₀₅,PRI;小年：PRI,NDVI₇₀₅,VOG₁,CI_red。最佳估测模型为多元线性回归模型,模型精度分别为健康（R2=0.882 3;RMSE=1.638 8）;轻度（R2=0.180 2;RMSE=3.335 4）;中度（R2=0.360 4;RMSE=3.886 7）;重度（R2=0.467 7;RMSE=2.601 8）;小年（R2=0.732 4;RMSE=2.375 4）。由此发现,随着虫害等级上升,毛竹叶光谱特征指标也随之改变,关系模型估测精度呈现先急剧下降后缓慢抬升的态势,模型对健康与小年叶SPAD估测效果较好,对轻—中—重度危害叶SPAD估测效果较差;当毛竹叶SPAD与叶光谱特征的关系趋向紊乱时,预示可能有刚竹毒蛾危害发生。     

北京市平谷区桃林土壤重金属元素含量反演估测

矿产资源开采中产生的废渣废液长期堆存后产生的渗滤液向土壤中扩散易造成周围土壤的重金属污染,影响作物生长;人类通过食物链食用含重金属元素的果实后,会引起神经系统的神经衰弱、手足麻木,消化系统的消化不良,血液中毒和肾损伤等症状;这种对生态环境和人身安全的污染和损害是十分严重的。因此如何快速有效摸清矿区周围农作物土壤污染情况尤为重要。多光谱遥感由于具备光谱分辨率高、实时无损、大面积监测等优势,在突破植被屏障监测土壤重金属上具有巨大的潜力。以平谷区主要的农作物桃树为研究对象,利用桃叶的高光谱数据、土壤采样数据,分析桃叶光谱曲线的响应特性,对桃叶反射光谱进行一阶／二阶微分、标准正态、连续去统等四种变换,结合相关分析及多元线性回归模型确定光谱特征变量,构建植被指数HMSVI;结果表明HMSVI与土壤中Cd,AS和Pb含量的相关性较常用植被指数高。运用线型回归方法进行元素含量与植被指数HMSVI建模后,选取拟合较好的模型,实现了叶片高光谱与土壤重金属含量的统计建模, 最后利用Sentinel-2遥感影像反演三种重金属含量空间分布,并对结果进行精度验证。结果表明：受重金属胁迫叶片的平均光谱反射率高于正常叶片且红边位置发生了“蓝移”现象。780,945和1 375 nm三个波段对三种重金属污染都较为敏感,利用三个波段构建的植被指数建立的反演模型能较好的用于桃林土壤重金属元素含量预测,其预测模型分别为Y=0.44X+0.193,Y=7.436lnX+13.161,Y=-15.359X+13.583X2+23.541,且具有较好稳定性和适宜性。空间反演结果表示,三种重金属高值区均大面积的分布在平谷区刘家店尾矿库、万庄尾矿库、金海湖尾矿库附近,西部相比东部矿区重金属污染更为严重。研究结果可以为北京平谷区桃林重金属污染的预防与治理提供基础数据支持。     

铜胁迫下玉米叶片反射光谱的红边位置变化及其与叶绿素的关系

采用5级梯度铜胁迫砂培试验，通过测定叶片反射光谱曲线和叶绿素含量，研究铜胁迫对玉米叶片反射光谱与叶绿素含量的影响。研究表明：玉米叶片反射光谱的红边位置与铜胁迫浓度显著相关(R2≥0.5755)，且存在明显的“红边蓝移”现象，即叶片光谱红边位置向短波方向移动。随着铜胁迫浓度的升高或胁迫时间延长，红边蓝移程度增加。不同胁迫浓度之间，叶绿素a、叶绿素b含量及二者比值 (Chla/Chlb)均差异显著(p分别为0.002，0.007和0.001)。叶绿素a、b比值(Chla/Chlb)与培养液中铜浓度呈显著负相关(R=-0.898)；Chla/Chlb与平均红边波长显著正相关(R=0.814)。这表明随着铜胁迫浓度升高，Chla/Chlb降低，叶绿素b相对于叶绿素a升高，叶片反射光谱的红边位置蓝移。铜胁迫改变了玉米叶片中Chla和Chlb含量和比值，由此导致的色素吸收光谱变化，是铜胁迫导致叶片反射光谱红边蓝移的可能的生理学成因。     

基于光谱分析的植物叶片仿生伪装材料设计

利用植物单叶光谱模型PROSPECT分析了植物叶片结构和组分对其反射光谱的影响.结果表明,模拟植物叶片反射光谱的仿生伪装材料应具有粗糙表面和疏松多孔结构,基体材料的折射指数应接近植物叶片且在400～2 500 nm之间基本不变,成分中应含有叶绿素和水并严格控制C-H键的含量.依据上述原则,设计了一种由粗糙透明防水表面、叶绿素、水和多孔材料四层构成的新型仿生伪装材料.验证实验表明,上述四层简单复合后的反射光谱即呈现出与植物叶片一致的反射光谱特征,相似度可达0.988 1,且经过三个月的日照后,其反射光谱特征不变,显示了较好的耐候性.该伪装材料与植物叶片光谱相似度高,耐候性好,有望成为对抗高光谱侦察的有效手段.