基于BPLT模型的小麦叶片背景扣除方法的研究

为准确且无损测定小麦叶片的反射光谱,研究了不同背景对叶片表面反射光谱的影响,在400～1 000 nm波段范围测定了小麦叶片8种背景下的反射光谱以及叶绿素含量。以PLATE模型为基础,首次提出了BPLT(background plate)模型,扣除由不同背景导致的叶片反射光谱的变化。模型以背景下叶片的反射率R₀,不同背景反射率σ为输入,空气和致密叶片的界面反射比R₁₂,致密叶片和空气的界面反射比R₂₁,致密叶片的透射系数τ三参数中间变量,得到最终无背景时叶片反射率R值的2-3-1模型。采用方差分析法(analysis of variance, ANOVA)进行了BPLT模型验证,对比分析了背景扣除前后10种叶绿素指数值的变化。结果表明,当反演的确定系数DC(determination coefficients)>0.90且残差平方和SSE<1时,反演的灵敏度较高,对小麦叶片不同叶绿素浓度的背景扣除有着较好的效果;采用BPLT模型背景扣除后,背景因素所占的百分比低于5%;优选了NDI&MCARI的函数关系,NDI&MCARI的斜率和叶绿素浓度的R2由背景扣除前的0.847 4提高到背景扣除后的0.977 8。为真实测定不同背景下小麦叶片的反射光谱提供了依据。     

基于高光谱技术的灰霉病胁迫下番茄叶片SPAD值检测方法研究

对灰霉病胁迫下番茄叶片中叶绿素含量(SPAD)的高光谱图像信息进行了研究。首先获取380～1 030 nm波段范围内健康和染病番茄叶片的高光谱图像,然后基于ENVI软件处理平台提取高光谱图像中感兴趣区域的光谱信息,经平滑(Smoothing)、标准化(Normalize)等预处理后,建立了基于Normalize预处理的偏最小二乘回归(PLSR)和主成分回归(PCR)模型。再基于PLSR获得的4个变量建立反向传播神经网络(BPNN)和最小二乘-支持向量机(LS-SVM)模型。4个模型中,LS-SVM的预测效果最好,其决定系数R2为0.901 8,预测集均方根误差RMSEP为2.599 2。结果表明,基于健康和染病番茄叶片的高光谱图像响应特性检测叶绿素含量(SPAD)是可行的。     

植物BRDF研究及应用进展

植物叶片是植物光合作用的重要器官,直接体现了植物生长及营养状况。植物叶片反射、透射的内部理化信息模型间接反映了植物生长过程中物质、能量交换信息,是植物生长过程精细化管理的前提和基础。植物叶片空间光学特性对基于遥感的作物营养状况诊断、虚拟植物光线传输模拟、计算机图形学场景渲染等领域具有重大意义。双向反射分布函数(BRDF)主要研究物体表面反射光的空间分布特性和光谱特性,通过对作物叶片光学特性的获取和测定,准确、高效地表征作物生长参数,并进行定量分析,在植被遥感、农业等领域的研究与应用中有着极大的优势。为了更好地把BRDF技术应用于农业遥感、数字农业等领域中,将针对BRDF测量装置、模型发展和分类及其在植物遥感检测中的应用等环节展开叙述。最后结合综述内容,分析了BRDF技术在农业遥感领域的局限,并对其应用前景进行了展望。