铀污染下的商陆叶片反射光谱特征与铀含量关系研究

通过室内盆栽试验,利用微分技术处理叶片反射光谱数据,研究铀污染下商陆叶片中的铀含量在不同光谱波段与原始光谱反射率、一阶导数光谱的相关关系,找到商陆铀污染诊断的敏感波段范围和最优光谱特征参数,并以相关性较好的敏感波段及光谱特征参数为自变量,与商陆叶片铀含量建立对应的估测拟合模型。如果以该模型为基础创建铀含量的冠层光谱模型,则有可能实现通过遥感影像监测叶片中的铀含量。实验结果表明：当商陆叶片中的铀含量为5.94～71.74 mg·kg-1时,叶片中铀含量与一阶导数光谱数据的相关性较原始光谱数据好,在749～766 nm区间内存在较好的相关性和光谱响应;根据上述相关性分析,选择14个光谱特征参数,计算他们与商陆叶片铀含量的相关系数,其中蓝边面积、红边位置、红边面积与蓝边面积的比值及红边面积与蓝边面积的归一化值与叶片铀含量的相关系数达到了0.05显著检验水平;选取一阶导数光谱中相关系数最高的波段757,758,760和761 nm处的值和上述相关性最高的4个光谱特征参数,与叶片铀含量建立多种形式的估测拟合模型,通过对拟合模型的精度检验,发现以红边面积与蓝边面积的比值、757和760 nm处反射率的一阶导数为自变量的拟合模型的预测效果较好,其中拟合效果最优的模型是以757 nm波段处反射率的一阶导数为自变量的三次函数模型,模型预测精度达到了89.8%。     

不同氮肥处理下小麦冠层和叶片光谱特征及产量分析

利用遥感光谱无损、快速分析出氮肥的施用时期和施用模式,对于保护环境、产量及氮肥利用率的提高具有重要意义。利用FieldSpec 4 Wide-Res Field Spectrum radiometer便携式地物光谱仪,测定了不同氮水平下小麦冠层和叶片两种模式光谱特征及红边参数变化规律;提出一个新指数--归一化差异最大指数（normalized difference maximum index,NDMI）,并分析其与叶面积指数（leaf area index,LAI）、SPAD（soil and plant analyzer development）值、MDA（malondialdehyde）含量、旗叶氮含量和产量的相关性。结果表明,小麦叶片原始光谱在开花后26 d起800～1 330 nm区间的光谱反射率以N3（1/3底施+1/3冬前追肥+1/3拔节期追肥）处理为最高,N1处理（1/2底施+1/2冬前追肥）次之。主要原因是由冬前和拔节期两个时期均施三分之一氮肥,增强了叶片光合能力。小麦冠层原始光谱,在400～700 nm波段,N2（1/2底施+1/2拔节期追肥）处理最低;在760~1 368 nm波段区间,由于群体结构不同,在开花期至灌浆中期N1处理的光谱反射率最高,N3处理次之;N3处理的冠层光谱反射率在开花后26和33 d最高。建议用400～700和760～1 368 nm波段的冠层原始光谱数据,分别来辨别小麦旗叶含氮量的高低及施肥模式。叶片模式下一阶微分光谱在500～750 nm区间出现两个“峰”,通过峰的位置偏移程度和偏移时期来估测施氮的模式。在670～740 nm区间冠层一阶微分光谱值在开花期最高,开花后10 d的一阶微分光谱值最低。在开花期至开花后10 d N1处理的一阶微分光谱值高于N3处理;灌浆中期至开花后33 d N3处理的一阶微分光谱值高于N1处理。可以通过一阶微分最大值来推测小麦所处的生育期和施肥的方式及施肥时期。在开花期至灌浆中期,冠层反射率一阶导数最大值（FD-Max）N1处理最高,N3处理次之;在开花后26～33 d,N3处理的群体结构较其他处理密,导致其一阶导数最大值一直最高。四个处理叶片一阶导数最大值变化趋势不如冠层显著。四个处理的反射率一阶导数最大值对应的红边位置（REP_FD-Max）中,N1和N3冠层REP_FD-Max在灌浆中期后偏移显著;在开花后26～33 d,N3处理的群体上层结构密,叶片宽且厚,冬前追施氮肥影响REP_FD-Max偏移程度。基于NDVI基础上,筛选出一个新指数--归一化差异最大指数。冠层归一化差异最大指数（CNDMI）与农化参数的相关系数高于叶片归一化差异最大指数（LNDMI）,且CNDMI与产量的相关性比LNDMI显著。冠层归一化差异最大指数与旗叶氮含量、SPAD值和MDA含量有着显著的相关性,相关系数r分别为0.812 88,0.928 21和-0.722 17。综上所述,借助光谱数据和红边参数可以推测小麦含氮量的高低,所处的生育期和施氮肥的模式,进而为田间施肥管理及施肥诊断提供依据。CNDMI与小麦产量有着更好的相关性,符合我国资源卫星的光谱波段范围,具有可实际操作性。     

基于高光谱影像的干旱区草地光谱特征分析

基于石羊河流域金昌地区Hyperion高光谱影像,通过FLAASH大气校正,利用纯像元指数法提取草地波谱信息,并运用光谱一阶微分法和连续统去除法进行定量化处理。结果表明,相对于生长旺盛期的草地光谱特征,衰退期草地光谱红边左移,斜率降低,蓝边、黄边特征减弱,可见光波段反射值较高,近红外波段反射率较低;不同覆盖度草地的红边、绿峰、蓝光和红光吸收谷位置保持一致,可见光波段的光谱吸收特征(波段深度、宽度、面积、对称性)随覆盖度的增大呈有规律的变化,可作为提取或判定植被覆盖度的依据。     

高光谱遥感模型对亚洲小车蝗危害程度研究

对内蒙古自治区锡林郭勒盟亚洲小车蝗危害进行了高光谱遥感监测,利用地面高光谱数据,分析和比较了正常羊草和亚洲小车蝗危害羊草冠层反射光谱和高光谱特征参数的差异,建立了高光谱特征参数与羊草叶面积指数的关系模型。结果表明：LAI和3个高光谱参数有极显著相关性,其中以红边峰值区(620～760 nm )一阶微分总和与蓝边峰值区(430～470 nm )一阶微分总和的比值为变量的虫害光谱指数(DI)模型精度最高,最适于反映研究区蝗虫的危害程度。从模型可以看出,DI介于51.57～79.83,蝗虫轻度发生;DI小于51.57,蝗虫严重发生。模型的预测值与实际值相关系数为0.948,平均相对误差为3.928%,表明模型的预测效果较好。     

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。     

基于优选波长的复合肥总氮含量可见/近红外光谱分析

利用可见/近红外光谱分析仪得到复合肥的原始光谱,经过MSC和一阶导数预处理后,建立了复合肥中总氮含量的PLS模型,实现了复合肥中总氮含量的快速准确无损测量。通过选取不同范围波长建模,取得了预测决定系数（R²）、预测标准差（S_RMSEP）、相对分析误差（K_RPD）最好的基础波段。在基础波段的基础上,采用优选波长算法,获得了加入波长后的模型的预测决定系数和预测标准差图。通过分析,最终确定加入42个优选波长。实验结果表明,加入优选波长后的模型的预测决定系数由不加优选波长模型的0.760 4提高到了0.991 1,S_RMSEP降低为原来的1/5,K_RPD提高到原来的5倍。     

重金属污染水稻的冠层反射光谱特征研究

利用野外光谱仪获取矿区农田重金属污染水稻的冠层反射光谱,通过曲线模拟和统计分析提取了与水稻冠层叶片重金属含量变化极显著相关的光谱敏感波段(Pb, 460 nm;Zn, 560 nm;Cu, 660 nm;As, 1 100 nm)、归一化植被指数(Pb, NDVI_{(510, 810)};Zn, NDVI_{(510, 870)};Cu, NDVI_{(660, 870)};As, NDVI_{(510, 810)})和“红边”位置等水稻冠层反射光谱特征。表明水稻重金属污染可以被地面遥感传感器快速检测,其浓度变化与所提取的光谱特征之间存在极显著相关,归一化植被指数与“红边”位置对光谱信息的表达要优于敏感波段。归一化植被指数以及“红边”位置可以作为水稻重金属污染遥感监测模型的光谱特征参数选择参考。同时,文章提出了利用遥感技术监测水稻重金属污染的“光谱临界值”概念, 并计算出研究中各重金属对应的“光谱临界值”。     

马尾松针叶光谱特征与其叶绿素含量间关系研究

以马尾松针叶野外高光谱数据为基础,分析了马尾松光谱变化,构建或借助不同光谱特征参数,在理论和实践分析的基础上,建立了马尾松针叶叶绿素含最与光谱反射率及9个特征参数之间的关系.研究结果表明:(1)马尾松叶绿素含量在527,703,1 364及1 640 nm四个波长附近,与其反射率具有较好的线性关系,为马尾松遥感监测在波段选择上提供了依据;(2)红边位置、红边平均反射率、红边位置附近平均反射率、红边斜率、红边面积、红谷吸收深度、绿峰反射高度、红边归一化植被指数、红边植被胁迫指数等9个马尾松反射光谱特征参数均与叶绿素含量间存在指数函数关系,相关系数绝对值在0.5～0.7之间;(3)采用9个光谱特征参数建立了马尾松针叶叶绿素含量预测模型,且所建立的基于高斯核函数变换的偏最小二乘回归模型对叶绿素含量的预测精度远远大于传统线性回归模型,模型的均方误差为0.008 8,平均绝对百分误差为0.761 7%.     

应用局部神经网络和可见/近红外光谱法估测土壤有效氮磷钾

要实现农田合理施肥,需要对土壤养分状况进行实时、准确地诊断,因而建立快速、稳定可靠的土壤养分定量分析方法是关键。光谱分析是一种有很大潜力的快速分析方法,从可见/近红外光谱建模的几个重要环节,即特征波段、预处理方法及回归模型方法的选择,研究了土壤有效氮、磷、钾含量快速估测的光谱建模方法。采用了多元散射校正加一阶导数进行光谱预处理,通过逐波段相关分析在可见-近红外区优选特征波段,并应用了局部非线性回归方法(BP神经网络局部回归法)建模,所建模型对土壤有效氮、磷、钾含量估测的相关系数r分别为0.90,0.82和0.94,BP神经网络局部建模比全局建模具有更好的精度和稳定性,估测精度提高幅度分别为40.63%,28.64%,22.90%。因此,采用局部BP神经网络回归建模法建立土壤有效氮、磷、钾的光谱定量分析模型,可实现对土壤养分状况的快速诊断。该研究的创新点是通过采用局部非线性回归方法提高了土壤光谱营养诊断模型的稳定性和可靠性,为作物生长过程中不同生长时期的土壤养分的动态监测和过程控制提供了技术支持。     

落叶松受雅氏落叶松尺蠖危害程度光谱检测

近年来蒙古国雅氏落叶松尺蠖灾害不断加剧，逐渐逼近大兴安岭地区，将威胁我国北方森林生态系统安全。以现代遥感监测方法替代传统检测方法，及早掌握该虫害发生发展规律对防控有重要意义。为快速、大范围遥感监测雅氏落叶松尺蠖灾害，利用光谱分析技术研究了该害虫危害下落叶松受害程度检测模型。通过实测健康和轻度、中度、重度受害落叶松光谱，计算与比较不同受害程度落叶松原始光谱和去除包络线光谱的敏感度，揭示光谱敏感波段及去除包络线光谱敏感性。然后对去除包络线光谱进行一阶导数变换获得光谱特征参数并分析其随受害程度的变化特征，构建基于CART(分类与回归树)算法的落叶松受害程度光谱检测模型。研究表明：去除包络线光谱敏感性比原始光谱更显著，尤其在480～520 nm(蓝边)、640～720 nm(红谷、红边)、1 416～1 500 nm(短波红外谷)等波段内光谱敏感度介于0.1～2.0，而且出现了敏感峰现象。随受害程度增加，去除包络线光谱敏感性增强趋势比原始光谱更明显；在蓝边波段上去除包络线光谱敏感峰位置向短波方向移动，即502 nm→490 nm，而在红谷及红边、短波红外谷等波段上光谱敏感峰位置向长波方向移动，即664 nm→672 nm和1 436 nm→1 448 nm；红谷位置和短波红外谷位置归一化反射率以及红谷和短波红外谷面积呈上升趋势。在蓝边与红边波段内去除包络线光谱一阶导数对受害程度有明显响应，出现了波峰现象。随害虫危害程度加剧红边位置蓝移(718 nm→700 nm)，红边斜率及面积和蓝边斜率及面积呈下降趋势。基于此，利用红边斜率、红谷位置和短波红外谷位置归一化反射率、红谷和短波红外谷面积、蓝边斜率及面积等去除包络线光谱特征参数构建的CART模型对落叶松受害程度有很好的检测能力。与多元线性回归模型相比，CART模型检测精度更高，其Kappa系数达0.875。研究结果对雅氏落叶松尺蠖灾害的防治有参考价值。     

蒙古栎展叶盛期变化的光谱特征及其影响因素研究

植物生长状况是反映环境变化的重要指标,在全球环境变化格局下,研究多环境因子及交互作用对植物的影响尤为重要。为探究植物光谱特征响应环境变化,从而探究环境变化对植物生长状况的影响,同时实现遥感对植物的监测,该研究以东北地区优势树种蒙古栎为研究对象,分析研究了不同光周期、温度和氮沉降交互作用引起的蒙古栎展叶盛期冠层光谱反射特征变化。基于大型人工气候室模拟试验,设置3个温度,3个光周期和2个氮沉降交互处理,每个处理4个重复。当蒙古栎进入展叶盛期时,每个处理选择差异较小的三个重复,使用FieldSpec Pro FR 2500型背挂式野外高光谱辐射仪测量光谱反射率。对不同处理的蒙古栎冠层光谱反射率进行分析,选取NDVI（归一化植被指数）、Chl NDI（归一化叶绿素指数）和PRI（光化学反射指数）3个常用的光谱指数作为辅助分析,同时计算一阶导数光谱以得到红边斜率、红边位置、红边面积等参数。不同处理展叶盛期的蒙古栎光谱反射率趋势大体一致,均符合植物特有的光谱反射特征,在350~680 nm范围内有一个小的波峰,680~750 nm反射率显著上升,750 nm后进入反射平台。结果表明：(1）光周期对于蒙古栎冠层的光谱反射率没有明显的影响;(2）增温会减小蒙古栎冠层在350~750 nm波段处的光谱反射率;(3）施氮会导致蒙古栎展叶盛期350~750 nm波段和750~1 100 nm波段处的光谱反射率降低;(4）增温和施氮的交互作用会显著减小蒙古栎的光谱反射率;(5）通过一阶导数光谱可清晰地指示植物的红边特征。研究结果可为物候变化的监测与影响因素分析提供理论依据。     

烃源岩可溶烃、热解烃、总有机碳含量与光谱指数相关性研究

烃源岩的可溶烃含量(S1)、热解烃含量(S2)和总有机碳含量(TOC)是进行烃源岩研究和评价的重要指标,以往主要通过实验室分析方法获得,时效性得不到保证。为了探讨野外快速测量这些指标的可行性,采集了乌兹别克斯坦克孜勒库姆地块10件烃源岩样品,运用地面ASD光谱仪和碳硫分析仪,分别测定了样品的可见光-近红外-短波红外(Vis-NIR-SWIR)反射光谱和S1, S2和TOC含量参数。运用光谱拟合微分,获得了上述样品反射光谱的一阶导数、二价导数等微分数据;并运用线性回归方程拟合和拟合结果统计分析,研究了这些数据同S1, S2和TOC含量之间的相关性。结果表明:烃源岩S1含量与原始光谱、光谱一阶导数、二阶导数分别有1 973, 511和239个波段相关,相关系数绝对值最大值分别为0.612, 0.823和0.889,相关性程度分别为弱、较强、极强;烃源岩S2含量与原始光谱、光谱一阶导数、二阶导数分别有2, 144和205个波段相关,相关系数绝对值最大值分别为0.561, 0.867和0.926,相关性程度分别为弱、较强、极强;烃源岩TOC含量与原始光谱无相关性,与光谱一阶导数、二阶导数分别有18、 180个波段相关,相关系数绝对值最大值分别为0.882和0.879,相关性都极强。此外, S1含量与光谱二阶导数的2 012 nm波段拟合优度最高,达0.790;S2含量与光谱二阶导数的363 nm波段拟合优度最高,达0.858;TOC含量与光谱一阶导数的2 480 nm波段拟合优度最高,达0.777。结果说明,利用可见光-近红外-短波红外反射光谱反演烃源岩S1, S2和TOC含量具有比较好的效果。为研究野外烃源岩的原位检测奠定了重要的基础。     

高光谱定量反演火龙果茎枝叶绿素含量的研究

火龙果是近年来引进我国的营养价值高、经济效益好的新型水果,肉质茎枝是其主要光合器官,与常见果树具有较大差异。为探索以茎枝为光合作用器官的植被的光谱特征及其生化组分的估测方法,以火龙果为研究对象,在贵州省典型种植区罗甸县开展了4个氮肥梯度田间试验,同步测定不同养分丰缺程度下的火龙果茎枝高光谱和相应叶绿素含量数据;然后分析火龙果茎枝光谱数据的演化规律,并采用数学变换、连续小波变换算法并结合相关性分析算法处理分析火龙果茎枝光谱数据,提取并筛选特征波段;最后利用偏最小二乘算法构建火龙果茎枝叶绿素含量估测模型。研究结果表明：（1）火龙果肉质茎枝的原始光谱曲线整体趋势与常见绿叶植物相似,但随施氮量的增加,火龙果近红外处的光谱反射率逐渐降低,变化趋势与常见绿叶植物相反,茎枝光谱的吸收峰（谷）随施氮量的增加呈升高（加深）的趋势。（2）数学变换中的一阶微分与在L₁-L₅尺度内的连续小波变换能有效提升光谱对叶绿素含量的敏感性,火龙果茎枝原始光谱与叶绿素含量的敏感区域主要位于730～1 400 nm,数学变换与连续小波变换均能提升光谱对叶绿素含量的敏感性。与常见绿叶植物相比,火龙果茎枝敏感波段分布相对分散,且多位于730 nm附近与近红外区域（1 100～1 600 nm）。（3）数学变换和连续小波变换能明显提升光谱对火龙果茎枝叶绿素含量的估测能力,其中基于一阶微分的估测模型与基于连续小波变换L₁与L₄的估测模型分别为数学变换与连续小波变换的最优模型,其验证精度分别为R2_验证=0.625,RMSE=0.048,RPD=1.238（一阶微分）;R2_验证=0.678,RMSE=0.037,RPD=1.652（连续小波变换）;表明高光谱技术可以作为火龙果茎枝叶绿素含量和营养诊断的无损监测手段。该研究为完善不同植被类型基于高光谱指数的叶绿素反演提供了补充。     

基于光谱分析的草地叶绿素含量估测植被指数

对现有叶绿素遥感估测研究方法进行比较,确定植被指数法是其中最实用、普适性最强的研究方法。近年来,草地退化问题日益严峻,需要进一步从光谱分析、植物生化参数估测的角度加以研究,因而亟需建立一种用于反演草地植被叶绿素含量的植被指数。首先对四川省松潘草原和内蒙古自治区贡格尔草原的草地实测反射率光谱曲线及其一阶微分曲线进行分析,通过这两种光谱与叶绿素含量的相关性分析,找到红边区域（red-edge position, REP）与草地叶绿素含量之间的规律,即叶绿素含量越高,反射率一阶微分曲线的红边拐点（red-edge inflection point, REIP）取值越高,由此构建草地叶绿素含量估测植被指数（grassland chlorophyll index, GCI）,选取最适宜反演的波段,最后采用卫星高光谱影像计算GCI,将计算结果与野外试验观测的叶绿素含量数据进行精度分析验证。结果证明,对于草地叶绿素含量来说,GCI比其他叶绿素指数的敏感性更强,具有较高的草地叶绿素含量估测精度。GCI是第一个针对草地叶绿素含量估测而被提出的植被指数,其对遥感反演草地叶绿素含量具有广泛应用潜力。同时这种基于光谱分析的草原植被叶绿素含量估测方法为其他的草原植被生化参数估测、草原植被生长状况评价以及草地生态环境变化大面积监测提供了新的研究思路。     

基于分数阶微分算法的大豆冠层氮素含量估测研究

氮素与作物的生长发育、产量和品质密切相关。作物冠层氮素含量的快速、准确、无损检测对于作物营养诊断和长势评估具有重要意义。传统的氮素检测方法检测周期长、操作复杂,同时具有破坏性,无法实现作物氮素含量在时间和空间上的连续动态监测。基于光谱遥感技术快速、无损地获取作物氮素含量是近年来作物组分快速检测研究的热点。当前的研究大多基于原始光谱或整数阶微分(一阶、二阶)预处理后的光谱进行氮素含量预测,原始光谱或整数阶微分预处理后的光谱会忽略光谱曲线间的渐变信息,影响氮素含量的预测准确度。与原始光谱和整数阶微分方法相比,分数阶微分算法在背景噪声去除、有效信息提取等方面较有优势。为研究分数阶微分预处理算法在作物氮素检测中的应用,本文以不同施肥处理下的盆栽大豆作物为研究对象,获取大豆苗期、花期、结荚期和鼓粒期四个生育期共256组冠层高光谱及对应的大豆冠层氮素含量(CNC)数据,运用分数阶微分算法对光谱数据进行0～2阶微分预处理,微分间隔为0.1,分别采用归一化光谱植被指数NDSI、比值光谱指数RSI对预处理后的光谱数据和大豆冠层氮素含量数据进行相关性分析,得到各阶微分预处理下NDSIα(α代表分数阶微分阶数)与大豆CNC,RSIα与大豆CNC相关系数绝对值的最大值及其对应的波段组合--最优波段组合NDSIα(opt)和RSIα(opt),采用线性回归方法,建立各阶微分下NDSIα(opt)与CNC,RSIα(opt)与CNC的预测模型,并与常用植被指数(VOGII, MTCI, DCNI, NDRE)建立的氮素含量预测模型进行比较,研究分数阶微分算法对大豆作物冠层氮素含量预测模型的效果。结果表明：(1)在0～2阶微分范围内,最优波段组合NDSIα(opt),RSIα(opt)与大豆CNC的相关系数随阶数增加呈现先升高后下降趋势。其中,0.8阶微分下NDSI_0.8(R₇₂₅, R₇₆₉)与大豆CNC的相关系数最大,为0.875 9;0.7阶微分下RSI_0.7(R₅₄₈, R₇₆₇)与大豆CNC的相关系数最大,为0.865 1;(2)分数阶微分预处理能够细化光谱数据中的有效信息,增强光谱数据对冠层氮素含量的敏感性,尤其是增强红边平台波段与氮素含量的正相关性及绿波段与氮含量的负相关性;(3)与整数阶微分、常用植被指数相比,分数阶微分能够提高大豆CNC预测模型的准确性。其中,基于0.7阶微分RSI_0.7(R₅₄₈, R₇₆₇)建立的大豆CNC预测模型与0阶微分RSI₀(R₇₂₅, R₇₆₉)相比建模集决定系数(R2_C)和预测集决定系数(R2_P)分别提高了0.061 9和0.016 6,建模集均方根误差(RMSEC)和预测集均方根误差(RMSEP)分别降低了0.552 5和0.180 9,预测相对偏差(RPD)提高了0.110 4。基于0.7阶微分RSI_0.7(R₅₄₈, R₇₆₇)建立的大豆CNC预测模型与VOG II相比R2_C和R2_P分别提高了0.086 6和0.025 5,RMSEC和RMSEP分别降低了0.757 5和0.248 3,RPD提高了0.146 88;(4)基于0.7阶微分比值光谱指数RSI(R₅₄₈, R₇₆₇)建立的大豆LNC预测模型较优,其R2_C为0.748 4,R2_P为0.800 3,RMSEC为4.752 9,RMSEP为3.511 1,RPD为2.253 7,能够较好的估测大豆冠层氮素含量。研究表明分数阶微分算法在大豆冠层氮素含量的定量预测中具有一定的优势,为光谱遥感技术在作物氮营养检测中的应用开拓了新的思路。     

滇中三类典型地表植被的机载高光谱特征分析

高光谱遥感技术因为具有图谱合一的优势,并且相较于传统多光谱遥感技术,可以实现对目标的精确识别,逐渐运用于地表植被的探测。选择以滇中地区的竹林、华山松、杂木林这三类典型地表植被为研究对象,基于机载高光谱影像数据,通过对原始高光谱、一阶微分处理光谱、连续统去除处理光谱进行处理与对比分析,获得滇中三类典型地表植被类型高光谱特征的初步探测认识。主要结果包括：(1）基于对原始光谱特征分析得出,三类典型地表植被的原始高光谱的最佳波段窗口出现在690~946 nm,且在该波段范围内光谱反射率特征为竹林>华山松>杂木林;(2）运用一阶微分处理光谱特征分析得出,利用光谱微分变换处理能够增强植被的光谱差异。经过一阶微分处理后光谱的最佳波段窗口出现在670~774 nm,在该波段范围内的一阶微分系数为竹林>华山松>杂木林。且发现718 nm为三类植被的敏感波段,即可用718 nm敏感特征波段区分开三类植被类型;并且综合运用一阶微分光谱特征参数中的红边位置,蓝边幅值、黄边幅值、红边幅值、蓝边面积、黄边面积和红边面积可以将三类植被类型进行区分;(3）最后基于连续统去除处理光谱特征分析得出,连续统去除方法能够有效地增强植被光谱曲线反射和吸收的特征。经过连续统去除处理后的光谱,三类典型植被的最佳波段窗口在458~554和570~690 nm,这两个波段范围内的连续统去除系数均为竹林>华山松>杂木林,且发现502和674 nm为三类典型植被的敏感波段,即可用此特征综合区分三类植被类型。该研究结果有助于对滇中森林植被精细判别提供技术方法,同时,为今后发展天-地-空的高光谱影像数据一体化遥感植被精细分类提供技术支撑。     

玉米叶片的光谱响应及其氮素含量预测研究

以不同施肥水平下两年玉米田间试验为基础,利用高光谱技术探讨大喇叭口期不同层次玉米叶片光谱响应的敏感区域,并依据叶片氮素含量与原始光谱反射率及其一阶导数的相关性,最终构建了叶片氮素含量的预测模型。结果表明：不同施肥水平下叶片光谱反射率差别明显区域集中在550 nm附近波段、761～1 300 nm波段,不同层次间叶片光谱反射率差别明显区域集中在550 nm附近波段,叶片氮素含量与470～760 nm波段光谱反射率及其一阶导数呈极显著相关。经过对比筛选,以光谱指数DSI(564,681)和DSI(681,707)构建的指数预测模型效果最好,预测精度达93.43%和93.39%,能有效估测叶片氮素含量。     

松材线虫自然侵染后松树不同感病阶段针叶光谱特征变化

采用ASD野外光谱仪测量了黑松和马尾松在松材线虫自然侵染后不同感病阶段的反射光谱,分析了其中光谱特征参数及叶绿素变化情况.研究表明:(1)中红外波段反射光谱曲线对松树发病初期有一定的指示作用;(2)红边位置、绿峰高度、红谷反射率、红边斜率、水分胁迫波段反射率等参数的动态变化趋势与松材线虫侵染后两种松树的病害特征是一致的;(3)随病害程度加深两种松树叶绿素含量逐渐降低,且与光谱特征参数之间存显著线性关系.研究结果为利用高光谱遥感技术进行松材线虫病监测与预警提供参考,同时为针对不同发病阶段采用不同的措施治理松材线虫病提供新的实验依据.     

病害胁迫下棉花叶片色素含量高光谱遥感估测研究

通过小区和大田同步调查棉花黄萎病,在不同生育期测定病叶光谱及其色素含量。将病叶光谱反射率、一阶微分及相应的特征参数与色素含量进行相关分析,建立病叶色素含量估测模型并检验。结果表明：病叶叶绿素a,b及a+b含量可见光反射率、与一阶微分光谱在蓝边、黄边和红边处与除红边振幅(Dr)外的其他光谱特征参数间均达极显著相关。转换叶绿素吸收反射指数(TCARI)和新建归一化植被指数(NDVI[702, 758])对叶绿素a, b及a+b含量的估测精度最高,相对误差均小于1.3%。考虑到NDVI[702, 758]建立的模型更实用,可做为病叶叶绿素a, b和a+b含量的最佳估测模型。研究结果对高光谱信息定量估测病害棉叶色素含量,对利用高光谱监测棉花长势及病害影响评价均具有较高的实用价值。     

基于Sentinel-2A影像的玉米冠层叶绿素含量估算

农作物叶片中的叶绿素通过吸收光能参与光合作用产生化学能,及时、准确地估算叶绿素含量对于农作物长势、养分含量监测、品质评价和产量估算具有重要意义。Sentinel-2卫星的重访周期为5 d,空间分辨率为10 m,具有13个光谱波段,其中包括三个波宽仅为15 nm对叶绿素含量变化敏感的红边波段,是叶绿素含量估算的理想数据源。植被指数是基于农作物在不同波段的反射特性,通过不同波段组合方式刻画长势和叶绿素含量的差异,可用于大区域范围内的玉米冠层叶绿素含量快速、精确估算。以Sentinel-2A影像为数据源,开展基于多种植被指数的玉米冠层叶绿素含量估算方法研究。课题组于2016年8月6-11日在河北省保定市（115°29′-116°14′E,39°5′-39°35′N）进行玉米冠层叶绿素含量的实地测量,并在每个采样位置上采用中绘i80 智能RTK(real-time kinematic)测量系统进行定位。Sentinel-2A影像预处理工作包括几何校正、辐射定标和大气校正,其中大气校正使用Sen2Cor模型和SNAP模型。首先,基于预处理后的Sentinel-2A遥感影像,分别计算CI_green(green chlorophyll index), CI_red-edge(red-edge chlorophyll index), DVI(difference vegetation index), LCI(leaf chlorophyll index), MTCI(MERIS terrestrial chlorophyll index), NAVI(normalized area vegetation index), NDRE(normalized difference red-edge), NDVI(normalized difference vegetation index), RVI(ratio vegetation index), SIPI(structure insensitive pigment index)植被指数。然后,建立样方位置上实测叶绿素含量与各植被指数的统计关系,从而构建玉米冠层叶绿素含量估算模型,并以野外实测玉米冠层叶绿素含量为依据,对基于各植被指数的估算结果进行精度评价。最后,利用筛选出的最优叶绿素含量估算模型,估算研究区内的玉米冠层叶绿素含量。研究的目标为：（1）通过比较分析,构建合适的玉米冠层叶绿素含量估算模型,估算精度以决定系数R2、均方根误差RMSE以及相对误差RE作为评价指标;（2）确定最优波段组合方案：在红边波段中选择与可见光、近红外波段组合效果更优的波段组合方案;（3）确定参与植被指数计算的红边波段的最优数量。精度评价结果表明：（1）选用的植被指数与玉米冠层叶绿素含量呈多项式拟合关系,其中使用红边波段计算的植被指数的估算结果明显优于未使用红边波段的估算结果;红边波段引入后明显提高了可见光、近红外波段对叶绿素含量的拟合的精度,CI_{green(560, 705)}指数比CI_{green(560, 842)}的回归模型R2提高0.516,红边波段参与计算的DVI相对于RVI来说,估算结果更稳定。（2）对于不同的植被指数,参与运算的Sentinel-2A影像的两个红边波段,估算精度的提高程度不同。对于可见光波段参与计算的植被指数来说,在红边波段1（中心波长为705 nm）的估算精度较高,如LCI,CI_green,DVI和RVI等;对于近红外波段参与计算的植被指数来说,在红边波段2（中心波长为740 nm）的估算精度较高,如CI_red-edge,NDRE和NAVI等。（3）对于Sentinel-2A影像来说,两个红边波段共同参与叶绿素含量估算时能取得最高的的估算精度。选用的植被指数中,MTCI_{(665, 705, 740)}指数与玉米冠层叶绿素含量估算精度最高,回归模型拟合精度R2为0.803,模型验证R2为0.665,RMSE为3.185,相对误差RE为4.819%。MTCI_{(665, 705, 740)}指数计算中使用了两个红边波段,突出红边波段反射率差值变化,与玉米冠层叶绿素含量表现出很好的相关性。最后,利用优选出的基于MTCI指数的叶绿素含量估算模型,对研究区范围内的叶绿素含量进行估算并完成空间制图。