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1 344～1 660 nm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＝0.962-7.560X_{1 451}+5.295X_{1 473}。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。     

不同病害胁迫下大豆的光谱特征及识别研究

在英国诺丁汉大学Sutton Bonington校区(52.8°N, 1.2°W)实测感染锈病与普通花叶病大豆的单叶光谱数据,利用连续统去除法对原始光谱数据进行处理,筛选对病害及锈病严重度敏感的波段,构建植被指数对感染锈病与普通花叶病及不同严重度锈病的大豆进行识别研究。研究发现普通花叶病胁迫下的大豆光谱反射率在可见光区域均大于健康大豆的,而锈病胁迫的大豆光谱反射率在绿光区随病情严重度增加而减小,在红光区随病情严重增强而增大。根据大豆光谱变化特征设计了一个植被指数R₅₀₀×R₅₅₀/R₆₈₀对大豆病害进行识别,通过计算不同病害及不同严重度之间的J-M距离对指数识别病害能力进行检验,结果表明指数R₅₀₀×R₅₅₀/R₆₈₀能够较好的识别出大豆锈病与普通花叶病,且该指数在识别大豆锈病严重度方面也有较强的能力。研究结果对农作物病害遥感监测与防治具有重要的理论价值与实际应用意义。     

空间调制傅里叶变换红外光谱仪干涉系统透射效率研究

光学系统表面的反射与材料的吸收会降低空间调制傅里叶变换红外光谱仪中光的透过率。通过对干涉系统透过率函数的计算和对采样干涉图与复原光谱的仿真,结果显示透过率函数作用下的干涉图像对比度下降,复原光谱中的谱线强度发生衰减。分析表明,干涉图像对比度的下降主要是由分束器对入射光的有效反射引起的,而谱线强度的衰减则是由与增透膜的光强反射率R₁、分束膜的光强反射率R₂和材料的吸收系数α有关的透射效率函数所决定。通过分析论证,对于本文所研究的光谱波段,可以不考虑材料的吸收,所以透射效率主要由R₁和R₂决定。由此,将透射效率作为设计指标,根据系统的设计需求,就可以得到增透膜与分束膜光强反射率的容限值。     

整个生育期玉米叶片SPAD高光谱预测模型研究

以两年完整生育期玉米田间试验为基础,利用便携式地物光谱仪和叶绿素仪(SPAD-502)分别测定了叶片高光谱数据和叶绿素含量(SPAD),在两者相关分析的基础上,选取多种光谱参数分别构建了每年的叶片SPAD预测模型,并对模型进行了详细的验证和评价。结果表明：两年间叶片光谱反射率及其一阶导数的平均值曲线差别很小;两年间叶片SPAD与光谱反射率及其一阶导数的相关系数曲线的敏感区域基本相同;以一阶导数为光谱参数构建的预测模型效果不稳定;以LCI和DSI(R_550附近,R_680附近)和DSI(R_680附近,R_710附近)构建的预测模型效果良好,能有效预测玉米叶片SPAD。     

水稻叶片叶绿素、类胡萝卜素含量估算的归一化色素指数研究

测定了水稻叶片的高光谱反射率,以及相应的叶绿素、类胡萝卜素含量,采用一种将350～2 500 nm范围内所有光谱波段两两组合的方法,构建所有可能的归一化比值色素指数,并建立这些指数与叶绿素、类胡萝卜素含量的统计模型,然后将构成最佳模型的指数确定为最适合相应色素估算的指数,并进行验证以及与已知归一化色素指数进行了比较。结果表明,本研究所给出基于叶片水平的色素指数(R_{1 729}-R₇₀₇)/(R_{1 729}＋R₇₀₇),(R_{1 554}-R₅₇₂)/(R_{1 554}＋R₅₇₂),(R_{1 729}-R₇₀₆)/(R_{1 729}＋R₇₀₆),(R_{1 536}-R₇₀₇)/(R_{1 536}＋R₇₀₇)可以较好地估算叶绿素、类胡萝卜素含量。构成这些色素指数的指数波段主要位于700 nm附近,其次为绿光长波区域;构成指数的参照波段主要位于短波红外区域。这说明短波红外区域在色素指数的构建中也有重要作用。这些色素指数对叶绿素、类胡萝卜素含量的估算效果一般要好于各已知的归一化比值色素指数,或者与最好的已知色素指数估算效果相当。     

基于光谱指数波段优化算法的小麦玉米冠层含氮量估测

作物关键生育时期冠层氮素含量的实时监测对于优化氮肥用量和减少环境风险具有重要的意义。为了寻求预测不同作物氮素含量的最佳光谱参数,实现作物氮素无损营养诊断。本研究通过2008年—2011年在德国慕尼黑弗莱辛和河北曲周的不同氮量的小麦玉米田间试验,采用高光谱仪获取小麦玉米冠层的反射光谱,利用光谱理论模型进行光谱指数波段的优化,从而抽取不同冠层结构条件下的小麦玉米氮素营养敏感波段。结果表明与传统的基于红光的光谱指数相比,优化光谱指数显著提高了小麦玉米冠层氮素含量的预测能力,克服了传统的基于红光光谱指数的饱和问题。优化光谱指数的波段结合随着作物品种及其冠层结构的变化而变化,其优化波段范围主要集中在红边(730～760 nm)和红边向近红外的过渡区域(760～880 nm)。优化结果显示玉米最佳光谱指数为R_λ766/R_λ738-1,小麦最佳光谱指数为R_λ796/R_λ760-1,玉米小麦相结合优化后的最佳光谱指数为Rλ₈₇₆/Rλ₇₃₀-1。结果进一步验证了优化光谱指数估测的不同作物含氮量的预测值与实测值相关性最高,且验证偏差最小,证实了优化后的光谱特征参数可对不同作物氮素丰缺状况进行快速、准确、无损估测。试验结果也为设计作物冠层氮素传感器和更好的利用现有基于卫星的传感器实施区域上的作物氮素营养监测提供了理论基础。     

高光谱激光雷达植被叶片方向反射特性及对叶绿素反演的影响

不同于传统被动光学传感器,高光谱激光雷达发射主动式全波段高斯脉冲激光,和植被叶片表面相互作用后,不同波段后向散射强度返回至接收器并被记录下来。以往的高光谱激光雷达植被叶片反射特性研究只聚焦于零度角入射的情况,对多入射角方向反射光谱特性以及方向反射特性对叶片叶绿素含量估算带来的误差尚未进行过深入研究。利用实验室研发的32波段高光谱激光雷达获取了不同入射角下的植被叶片反射光谱,对高信噪比波段下植被叶片的复杂方向反射特性进行了深入分析,随后选择光谱指数研究了高光谱激光雷达测量条件下植被方向反射特性对叶绿素含量反演的影响。结果表明,(1)高光谱激光雷达植被叶片回波强度随入射角增大逐渐降低,但二向反射率因子并不逐渐减小,在可见光和近红外波段,二向反射率因子随入射角增大分别呈现出两种不同形状特征,可见光波段反射率因子最大值出现在0°～10°,近红外波段最大值出现在60°,反射率因子最小值均出现在45°处,最大和最小反射率因子间可差0.1左右,可见光和近红外波段10°～60°内二向反射率因子均呈现先减小后增大的趋势;(2)通过对不同入射角下光谱指数与叶绿素含量的回归分析发现,方向反射特性对反演精度有...     

基于生物光学模型的水体叶绿素浓度反演算法

文章提出了一种基于生物光学模型的二类水体叶绿素浓度反演算法.本算法根据生物光学模型,利用一系列已知各组分浓度的反射光谱计算各组分的吸收和后向散射系数,然后采用非负最小二乘法解得叶绿素浓度.研究是在实验室内进行了绿藻的培养,且在暗室内测定了具有不同叶绿素和非藻类悬浮物浓度的水体样本的反射光谱.并把实验室测得的反射光谱重采样到Landsat TM对应的波段以检验该算法在TM数据中的适用性,同时比较了利用不同TM波段组合反演叶绿素浓度和非藻类悬浮物浓度的精度.结果表明,对于绿藻而言,利用TM第二、三、四波段反射率数据的组合反演时的效果最好,叶绿素浓度反演结果的均方根误差为4.7 ug·L-1,其精度明显优于传统的回归分析算法.     

差分吸收光谱法对大气中挥发性有机物光化学作用指示剂的监测与反演

差分吸收光谱技术 (DOAS)由于高时间分辨率、高灵敏度和低操作费用等特点非常适合对大气中痕量的挥发性有机物 (VOCs)的光化学作用指示剂——O₃,O_x(O₃+NO₂)和HCHO进行实时追踪。 但由于这些指示剂含量较低,测量精度易受干扰。 文章利用自行研制的差分吸收光谱系统,对VOCs的光化学作用指示剂测量方法和数据反演进行了研究,通过增加信噪比,扣除背景杂散光等手段对其进行了准确测量;针对标准吸收截面的温度效应、光谱固有结构和灯谱结构的干扰,改进了干扰的对除方法;并对不同波段反演O₃,NO2和HCHO的干扰因素,反演浓度结果和反演准确度进行了分析与对比,以合适的波段准确反演物质浓度。     

基于叶片光学属性的作物叶片水分含量反演模型研究

叶片含水量是反映作物生理特性的一个重要参数,对生态环境的研究具有重要意义。采用小波分析方法,分析叶片含水量对反射率的影响特征,建立综合利用多波段信息的作物叶片水分含量反演模型。基于PROSPECT模型的辐射传输理论,推导出由叶片反射率光谱的小波系数反演叶片水分含量C_W的理论模型。利用六种常用的小波函数,对叶片组分水、干物质和白化基本层的吸收光谱进行小波分解。选取对水分变化最敏感,同时对其他组分不敏感的分解尺度和波段位置,找到能稳定突出水的光谱特征的小波系数。结果表明：bior1.5小波函数在尺度为200 nm,波段位置为1 405和1 488 nm的小波系数具有上述特征。建立由叶片反射率光谱的bior1.5小波系数反演叶片水分含量C_W的反演模型,模型有两个转换系数a和Δ都受叶片结构参数N的影响。利用PROSPECT模型生成模拟光谱数据集,校正建立的叶片水分含量反演模型中的两个转换系数a和Δ,并与LOPEX93实验光谱数据集结合验证反演模型。结果表明：反演模型不仅比传统基于植被指数的统计模型在精度上有提高(反演值与实测值的R2最高达到0.987),而且更加稳定,普适性更高。研究表明,小波分析方法在利用高光谱数据反演作物叶片水分含量方面具有独特的优势。     

晚播条件下基于高光谱的小麦叶面积指数估算方法

利用高光谱遥感技术,分析晚播条件下小麦叶片与冠层模式光谱特征和叶面积指数（LAI）的变化规律,建立了适用于晚播小麦的叶面积指数估算方法。研究结果表明：（1）从红光和蓝紫光420～663 nm波段提取的叶绿素光谱反射率植被指数（CSRVI）与旗叶SPAD值做相关性分析,结果表明正常播期和晚播处理在叶片模式的相关系数分别为0.963*和0.997**,达显著和极显著水平。（2）利用相关性分析,得出两个播期处理的LAI与SPAD值相关系数分别是0.847*和0.813*,均达到显著水平。SPAD值与LAI及CSRVI指数均具有相关性,可以用CSRVI指数建立LAI的估算模型。（3）对叶片模式和冠层模式光谱曲线特征分析得出,叶片模式中在680～780 nm处的反射率呈现陡升趋势,在可见光波段的446和680 nm和近红外波段的1 440和1 925 nm处各有两个明显的吸收波谷,在540～600,1 660和2 210 nm波段处有两个明显的反射波峰;三种冠层模式中60°模式下的光谱反射率整体表现为最高。（4）将各波段反射率与叶面积指数做相关性分析得出在可见光波段范围内,光谱反射率与LAI总体呈现负相关性,500～600 nm处有一个波峰。（5）将三种冠层模式下（仪器入射角度分别与地面呈30°,60°和90°夹角）的等效植被指数与LAI做相关性分析得出：60°冠层模式下八种植被指数与正常播期LAI的相关性均未达显著水平,比值植被指数（RVI）、归一化植被指数（NDVI）、增强型植被指数（EVI）、再次归一化植被指数（RDVI）、土壤调整植被指数（SAVI）、修改型土壤调整植被指数（MSAVI）的等六种植被指数与晚播条件下的LAI具有显著和极显著相关关系;90°冠层模式下CSRVI指数与正常播期处理的LAI具有显著相关关系,NDVI指数与晚播处理的LAI具有显著相关关系;30°冠层模式下的八种植被指数与两播期处理的LAI的相关性均未达显著水平。综合分析CSRVI指数、NDVI指数的相关性最高,这两种指数最具有估算LAI的潜力。（6）通过三种冠层模式所计算的植被指数估算LAI模型,结果表明,正常播期条件下,其最佳估算模型是90°冠层模式CSRVI指数所建立的线性模型Y=-7.873 6+6.223 8X;晚播条件下的最佳模型是60°冠层模式RDVI指数所建立的幂函数模型Y=30 221 333.33X17.679 1,两个模型的决定系数R2分别为0.950*和0.974**。研究表明试验中所提取的CSRVI指数能够反映旗叶叶绿素含量,可以通过光谱仪器的叶片模式对小麦生育期内叶绿素含量进行监测;通过冠层模式计算的CSRVI指数和RDVI指数所建立的LAI估算模型可以对小麦的LAI进行无损害观察。     

植物光学模型估算叶片类胡萝卜素含量的一种双归一化差值-比值植被指数

运用高光谱技术进行植物叶片探测具有快速、无损、高精度等特点,在叶片色素等生化成分含量估算方面应用前景广阔。类胡萝卜素作为叶片中重要光合色素之一,因其在可见光区域与叶绿素的光谱吸收特征存在重叠,且其含量远低于叶绿素,导致利用光谱信息估算叶片类胡萝卜素含量存在困难,国内外少有针对类胡萝卜素含量的植被指数。利用高光谱数据光谱信息丰富的特点,提出一种以波段组合遍历与相关分析为基础,通过多指数协同来构建组合式的植被光谱指数的新方法。在PROSPECT叶片辐射传输模型模拟出大量具有不同生化和生物物理特征的叶片光谱的基础上,成功构建了一种在叶片水平下具有良好稳定性的类胡萝卜素含量估算新指数RVI_DNDVI。结果表明,该方法构建的叶片类胡萝卜素光谱指数由两部分组成：由532和405 nm构建的窄波段NDVI(与类胡萝卜素、叶绿素均强相关)和由548和498 nm构建的窄波段NDVI(仅与叶绿素强相关)进行比值组合,能较好消除叶绿素含量对指数的干扰;通过减去对叶片结构高敏感的916 nm处反射率,能消除叶肉结构参数的影响,进一步提高指数的抗干扰能力。该研究得到的指数RVI_DNDVI仅对叶片类胡萝卜素具有高敏感性,相关系数达到-0.94,对其进行指数拟合的R2达到0.834 4。经与模拟数据和实测数据的验证,该指数有较好的估算效果。     

基于机器学习和可见光光谱的冬小麦叶片氮积累量估算

在拔节期分4次采集了6个施氮水平下的冬小麦冠层图像,同步进行取样并以凯氏定氮法测定叶片含氮量,进而计算叶片氮积累量。利用随机森林算法分割冠层图像之后提取冠层覆盖度、可见光波段(R, G和B)三个分量及其衍生的5个色彩指数。以冠层覆盖度外加色彩指数、色彩分量的两种非线性回归,以及人工神经网络、支持向量回归、随机森林3种机器学习算法建立了冬小麦叶片氮积累量的估算模型。结果表明利用色彩指数的非线性回归模型的估算精度稍低于其他方法,而随机森林算法的拟合精度最高,但存在明显的过拟合现象。其他三种方法,即以冠层覆盖度及色彩分量为输入变量的非线性回归、支持向量回归和人工神经网络方法,均具有较高的拟合精度和泛化性能。     

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。     

冬小麦条锈病严重度不同估算方法对比研究

为了提高遥感监测小麦条锈病病害严重度的准确性,寻找小麦病害的较优反演模型,在国家精准农业示范研究基地基于野外定位调查小麦病情指数及冠层光谱数据,利用与小麦病害发生呈显著关系且有效反映植被生理生长状况的7种高光谱植被指数,尝试分别采用PLS(偏最小二乘回归)、BP神经网络和植被指数经验法三种方法建立小麦条锈病病情反演模型,并进行比较分析。结果表明：三种方法病害严重度预测值与实测值间的R2分别为0.936,0.918,0.767。采用偏最小二乘回归方法监测小麦病情指数效果更好,为探寻不同种类植被指数对模型的贡献,尝试用代表植被绿度的NDVI, GNDVI, MSR和代表水分含量的NDWI和MSI植被指数分别作为PLS模型的输入变量,建立病害反演模型。结果表明：小麦条锈病中,叶片叶绿素含量的变化比冠层水含量的变化对病情指数更为敏感,对病害有更好的解释作用。然而,两模型精度都低于七种植被指数全部参与时的预测结果,即输入变量中采用多种植被指数比用单类指数模拟准确度高。     

利用光谱指数反演植被叶绿素含量的精度及稳定性研究

农业遥感中,利用光谱指数方法反演作物叶绿素含量一直得到广泛地应用。利用PSR-3500光谱仪及SPAD-502叶绿素仪同步获取了冬小麦冠层光谱数据及对应叶片的叶绿素相对含量(SPAD值),并利用高斯光谱响应模型将PSR获取的地面连续光谱数据重采样为多光谱Landsat-TM7及高光谱Hyperion光谱数据,然后分别计算基于两种传感器的归一化差值植被指数(normalized difference vegetation index, NDVI)、综合叶绿素光谱指数(MCARI/OSAVI,the ratio of the modified transformed chlorophyll absorption ratio index (MCARI) to optimized soil adjusted vegetation index(OSAVI))、三角形植被指数(triangle vegetation index, TVI)及通用植被指数(vegetation index based on universal pattern decomposition method, VIUPD),再将四种光谱指数与叶绿素含量进行回归分析。结果表明,针对重采样后的TM和Hyperion两种传感器数据,VIUPD反演叶绿素含量精度(决定系数R2)最高,反演能力最稳定,这与其“不受传感器影响”的特性密不可分;MCARI/OSAVI反演精度和稳定性次之,是因为引入的OSAVI削弱了土壤背景的影响;宽波段指数NDVI和TVI对模拟TM数据有较好的反演精度,对Hyperion数据反演精度却很低,可能是因为两种指数的构成形式简单,考虑的影响因素较少。以冬小麦为例,对利用光谱指数反演植被叶绿素含量的精度和稳定性进行了研究并分析了其影响因素,经比较发现利用植被指数VIUPD进行植被叶绿素含量反演时,其精度和稳定性最好。     

单子叶植物叶片双向反射分布的测量与分析

作物的生物含量与作物的光学特性有直接的关系,而植物叶片的双向反射分布函数(BRDF)又直接影响植物的光学特性。植物叶片的BRDF体现了叶片在各个方向不同的能量反射能力,直接影响植物叶片的光谱检测结果,也是植被冠层宏观光学特征的影响因素之一。对植物叶片的BRDF光学特性及表现出的规律性展开研究和讨论,能够有效提高植物无损检测光谱模型的稳定性和可靠性,提升利用作物光谱模型反演理化特性的准确性和可靠性。首先介绍了植物叶片的BRDF快速获取方法及自主研发的方向性光谱检测仪器,该仪器能够在入射光的方位角和天顶角、接收探头的方位角和天顶角这四个维度进行调整,实现多入射角和反射角的反射光谱数据采集。单子叶植物的叶脉呈纵向分布,因而体现出较为显著的各向异性,玉米和小麦是两种较为典型的单子叶农作物。通过自主研发仪器获取不同波段范围下的玉米和小麦的反射光谱信息,并分析总结其反射分布规律。采用文中所介绍的BRDF计算方法对光谱数据以及白板校正数据进行计算,再结合MATLAB程序对光谱反射数据的图像映射,对反射结果与叶绿素含量和叶片含水量这两个叶片典型理化参数的相关性进行分析,最后探讨了采用ANIX系数对叶片的各向异性进行量化分析的方法。选取小麦在可见光波段以及玉米在近红外波段的数据,结果表明,小麦和玉米在各波段下的fr分布均关于入射天顶角两侧微小空间对称,在相同波段下,不同入射天顶角下的fr值大小基本一致;在相同入射天顶角下,小麦在800 nm波段下的fr值最大,680 nm波段下的fr值最小,这是由于680 nm波长附近是叶绿素强吸收的特征波段,而800 nm附近是叶绿素反射的特征波段,且在相同波段下,叶绿素浓度的升高会导致fr值的增大;在水的强吸收特征波段1 450 nm下,玉米的fr值随着含水量的升高而增长。分析表明,作物的BRDF特性能够有效反映叶片主要生物含量的变化,同时计算所得到的各向异性指数也体现出一致的变化规律,为建立稳定且可靠的作物光谱定量分析模型提供了理论和实践基础。     

基于单叶反射光谱的转基因大麦光合特性分析

反射光谱分析可为植物叶片生理学过程、叶片表面及内部生化组分、结构特征等提供丰富信息。本文以转基因大麦及其原始栽培种为材料,基于单叶反射光谱检测研究了转基因大麦的反射光谱特征及指数的变化。研究结果表明,将不同大麦叶片反射率配对求得反射率比值曲线易于探查出不同大麦品系间反射光谱差异,且转基因大麦与传统对照差异较大的区域主要集中在650～700nm的红谷及红边位置附近,该波段的光谱反射率可能对外源基因的插入扰动反应敏感;而在550nm附近的绿峰及750nm以上近红外区的反射率基本无明显变化。反射光谱指数λRE,mND,SIPI,RRed/RGreen,PRI及NIRR800的差异性变化呈现出时间特性且取决于品系。如上述指数显著变化将意味着植物光合生理过程、功能及状态发生改变。     

基于地面实测光谱的湿地植物全氮含量估算研究

随着再生水越来越多的应用于城市湿地,湿地植物生长状态的大面积监测对于利用再生水的湿地恢复与重建具有重要意义。目前遥感技术已成为植物生长状态大面积监测的重要手段。本研究以北京市典型再生水城市湿地奥林匹克公园南园湿地为研究区,以反映植物生长状态的重要指标全氮(TN)为研究对象,在测定研究区湿地植物芦苇(Phragmites australis)和香蒲(Typha angustifolia)的叶片光谱及TN含量的基础上,对数据进行预处理并建立二者的关系模型,包括单变量模型(比值光谱指数(SR)模型和归一化差值光谱指数(ND)模型),与多变量模型(逐步多元线性回归(SMLR)模型和偏最小二乘回归(PLSR)模型),并利用交叉验证决定系数(R2CV)和均方根误差(RMSECV)对模型精度进行检验。结果表明,不同湿地植物类型相比,利用芦苇反射光谱建立的各种预测模型的精度都高于香蒲;不同回归模型相比,多变量回归模型的精度较高;多变量回归模型中,PLSR模型的精度高于SMLR模型,其R2CV可达0.80,RMSECV仅为0.24,是建立湿地植物光谱与TN含量关系的最优模型。研究成果不仅为湿地植物生长状态遥感探测提供参考借鉴,而且可以为利用再生水的城市湿地监测与管理提供有力的科学依据。     

Monitoring canopy nitrogen status in winter wheat of growth anaphase with hyperspectral remote sensing

Biomass, leaf area index (LAI) and nitrogen status are important parameters for indicating crop growth potential and photosynthetic productivity in wheat. Nondestructive, quick assessment of leaf dry weight, LAI and nitrogen content is necessary for nitrogen nutrition diagnosis and cultural regulation in wheat production. In order to establish the monitoring model of nitrogen richness in winter wheat of growth anaphase, studying the relationship between the nitrogen richness (NR) containing nitrogen density, LAI and leaf dry weight and the difference of hyperspectral reflectance rates (deltaR), we conducted a comparable experiment with five winter wheat varieties under nitrogen application level of 0, 100, 200 and 400 kg x N x ha(-1). The results indicated the NRs of the different varieties of winter wheat leaves increased with increasing growth stage while in the different nitrogen levels it was sequenced as: NO>N3>N1>N2. Twelve vegetation indices were compared with corresponding NR. The NR had significantly negative correlation to TCARI and VD672 in those vegetation indices, and their correlations (r) arrived at 0.870 and 0.855, respectively. The coefficients of determination (R2) of two models were 0.757 and 0.731 by erecting model with the two indexes and NR Root mean square error (RMSE), relative error (RE) and determination coefficient between measured and estimated NR were employed to test the model reliability and predicting accuracy. Accuracy rates of the models based on TCARI and VD672 achieved 84.56% and 80.13%. The overall results suggested that leaf nitrogen status of growth anaphase in winter wheat has stable relationships with some vegetation indexes, especially index of TCARI and VD672.