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(5～80 μg·cm-2)下的5 nm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10～35 nm六种波段宽的光谱数据,再分析评价5～35 nm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40～65 nm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R2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。     

基于叶绿素荧光光谱指数的温室黄瓜病害预测

温室蔬菜病害的发生及大面积流行严重影响设施农业的生产管理, 大大降低设施农业的经济效益。为了实现温室蔬菜病害的无损准确预测, 以黄瓜霜霉病害为例, 利用激光诱导叶绿素荧光构建光谱特征指数, 建立了温室蔬菜病害的预测模型。在试验中采用对比分析的方法, 通过对作物健康叶片接种病菌孢子, 分别采集健康、接种2 d、接种6 d和出现明显病症共4组试验样本的光谱曲线, 定性分析了荧光强度随叶片样本感染病菌孢子的变化规律;利用光谱曲线不同波段峰谷值创建了叶绿素荧光光谱指数k₁=F₆₈₅/F₅₁₂和k₂=F₇₃₄/F₅₁₂, 根据数值的变化范围, 设定k₁和k₂分别为20和10时可以作为判断样本出现明显病症与未出现明显病症的特征值, 其判断的准确率分别达到96%和94%;利用构建的光谱指数与样本健康状况的分类结果, 选择光谱指数F₆₈₅/F₅₁₂,F₆₈₅-F₇₃₄,F₇₁₅/F₆₁₂可以定性判断样本健康状况, 并选择光谱指数F₆₈₅/F₅₁₂,F₇₃₄/F₅₁₂,F₆₈₅-F₇₃₄,F₇₁₅/F₆₁₂作为建立定量分析模型的输入量, 以预测集分类准确率作为评价标准, 对比判别分析、BP神经网络、支持向量机三种数据建模方法, 结果表明支持向量机作为霜霉病害预测的建模方法, 其预测能力达到91.38%。利用激光诱导叶绿素荧光构建光谱指数方法, 研究植物病害的预测问题, 具有很好的分类和鉴别效果。     

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。     

用特征光谱荧光标记技术分析水中溶解有机物特性

讨论了一种自然水体中有机物的快速诊断分析方法。介绍了总荧光光谱(TLS)和特征光谱荧光标记(SFS)技术;以激光诱导荧光(LIF)方法测量了水体的总荧光光谱,利用特征光谱荧光标记技术对水体中溶解有机物(DOM)及叶绿素a(Chla)进行了分析,并给出了不同浓度腐殖酸的归一化荧光强度与浓度的关系曲线．结果表明,利用特征光谱荧光标记技术对水体总荧光光谱的分析,可以进行水体污染物的快速、实时和在线监测。     

针对水稻植株三维叶绿素(SPAD)信息获取的最优波段选择问题研究

实时准确地获取作物叶绿素含量的三维空间分布信息,是作物营养、栽培和育种等科学研究和生产领域密切关注的问题。该研究以水稻植株为研究对象,采用改造后的普通单反相机加载近红外滤光片的方法,多角度获取水稻植株的多光谱图像。基于不同波段不同通道的组合图像计算多种植被指数,将其结果与对应的实测SPAD值之间建立水稻植株叶绿素(SPAD)预测模型,并筛选出最优预测模型。研究结果表明,近红外760 nm波段的R通道与可见光G通道构建的GNDVI植被指数,与实测SPAD值建立的二次函数预测模型能够很好地反演水稻植株叶绿素(SPAD)含量,其中,R2=0.758, RMSE=1.532。在此基础上,利用多角度成像三维建模方法建立具备纹理信息的水稻三维模型,将最优预测模型应用于水稻综合纹理图,得到水稻叶绿素含量三维空间分布信息, 从而实现水稻生长情况以及叶绿素养分分布状况的快速无损检测。     

基于偏振技术的藻类水体散射光中叶绿素荧光分离方法研究

浮游藻类细胞内的叶绿素分子吸收光能后,会以释放能量的形式发射叶绿素荧光。水中颗粒物的弹性散射光是部分偏振光,而叶绿素荧光则是非偏振光,因此利用这一特性可以从总散射光谱中分离出荧光,从而达到反演叶绿素浓度的目的。但对于近岸等复杂水体,该方法能否适用并不清楚,基于此,实验通过测量分别分析了不同无机颗粒物浓度和叶绿素浓度对偏振分离方法的影响。结果表明,对含不同浓度无机颗粒物的藻类水体,分离出的荧光峰会随浓度增加有降低趋势,但是当颗粒物浓度达到300 mg·L-1时,反演结果仍然可靠。对含不同浓度叶绿素的藻类水体,叶绿素浓度越高,偏振方法分离荧光的效果越好,对低浓度正常水体,仍能识别。实验证明了利用偏振方法分离叶绿素荧光对复杂水体仍然有效,对进一步遥感探测近岸水体的叶绿素浓度具有重要意义。     

不同耐密性玉米品种对密度的光谱特征响应

借助新型光谱仪SPAD-502叶绿素仪与AccuPAR植物冠层分析仪,研究了不同耐密性玉米品种对密度的光谱学特征响应,阐述不同密度对玉米光合性能的影响。选用益农103、先玉335、郑单958和登海661这4个品种为主要试验材料,采用行距固定（80×40 cm大小行）、株距从1 m开始由大至小的“渐密”种植方式,形成13个种植密度,分别为3.33,3.70,4.17,4.50,4.76,5.56,6.67,6.80,8.33,9.00,11.11,11.20和16.67株·m-2。通过测定叶绿素含量与冠层特征来表征其光谱特征,研究渐密种植方式下植株对密度的光谱特征响应,探讨高产条件下的玉米植株光合特征及密度-产量关系。是利用玉米的光谱特征反映植株光合特性、冠层结构功能,以研究碳四作物对密度等栽培措施响应的范例。     

利用高光谱植被指数估测苹果树冠层叶绿素含量

叶绿素含量是反映植物生长状况的重要参数。利用ASD FieldSpec 3光谱仪,测定春梢停止生长期苹果冠层高光谱反射率,对原始光谱进行微分变换,与苹果叶绿素含量进行相关分析确定敏感波段,通过分析敏感区域400～1 350 nm范围内所有两波段组合的植被指数,选择最佳植被指数并建立苹果冠层叶绿素含量估测模型。结果表明：(1)苹果冠层叶绿素含量的敏感波段区域为400～1 350 nm。(2)利用筛选得到的植被指数CCI(D₇₉₄/D₇₆₃)构建的估测模型能较好的估测苹果冠层叶绿素含量。(3)以CCI(D₇₉₄/D₇₆₃)指数为自变量的估测模型CCC=6.409+1.89R3+1.587R2-7.779R预测效果最佳。因此,利用高光谱技术能够较快速、精确的对苹果冠层叶绿素含量进行定量化反演,为苹果长势的遥感监测提供理论依据。     

湖泊水体叶绿素偏振高光谱反演模型研究

光进入水体中,经反射、 散射和吸收后,出射的偏振光与水体的物理、 化学特性密切相关,能够反映水体成分浓度的变化,可以作为高光谱遥感的有益补充,有利于动态定量监测湖泊复杂水体成分的变化。研究工作以巢湖为例,利用水面高光谱偏振多角度测量数据,在偏振光学理论和生物光学模型的基础上,建立了湖泊水体叶绿素三波段偏振高光谱半分析模型,并对模型进行检验。结果显示,偏振高光谱三波段组合与叶绿素浓度拟合的相关系数为0.844,均方根误差5.14 μg·L-1,平均相对误差31.44%,比传统的三波段辐射强度模型分别提高了4.1%,2.05 μg·L-1和5.46%,表明三波段偏振半分析模型对叶绿素a浓度具有较强的预测能力,体现出运用偏振高光谱信息监测湖泊水质的优势。     

基于可见-近红外光谱的植物叶绿素含量无损检测方法研究

叶绿素含量是植物营养胁迫、光合作用能力和生长状况的良好指示剂。实时、可靠的作物营养诊断是进行科学施肥管理的基础,也是实施精细农业的关键技术之一。文章提出了一种应用可见-近红外光谱技术检测植物叶绿素含量的方法。采用透反射测样方式获取了植物叶片的可见-近红外光谱,并对获得的500～900 nm光谱数据进行平滑、一阶微分以及小波变换等预处理,然后采用偏最小二乘法(PLS)建立了植物叶片叶绿素含量与叶片吸收光谱的定量分析模型,最后利用该模型对预测集样本进行预测。预测集中样本的预测值与标准值之间的相关系数为0.93,预测均方根误差为1.1 SPAD。实验结果表明,利用可见-近红外光谱检测叶片叶绿素含量是可行的,这对今后实现快速无损检测植物叶绿素含量具有重要的指导意义。