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。     

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。     

土壤镉污染环境下水稻叶片叶绿素含量监测的高光谱遥感信息参数

农田重金属污染是当今世界面临的重大生态环境问题之一,与环境质量、人类生存和粮食安全关系密切,是普遍关注的重要课题。利用Hyperion高光谱卫星遥感数据和大量地面实验测量数据,系统分析受镉污染的水稻叶片中叶绿素含量变化及其与高光谱遥感数据的响应关系,建立基于水稻叶绿素变化的农田镉污染遥感监测模型。利用多重判别分析法,确定监测水稻叶绿素变化的敏感遥感参数,作为镉污染的响应因子,进行农田污染遥感监测信息机理分析,并建立了污染监测机理遥感模型。研究结果表明,众多的遥感参数中,MCARI(modified chlorophyll absorption in reflectance index) 对镉污染的水稻叶绿素含量变化最为敏感,响应系数达到0.59。因此,可以通过该高光谱遥感参数的变化初步监测大面积土壤镉污染,但估算精度还有待进一步提高。     

生菜叶片绿度的高光谱判别方法研究

生菜叶片绿度在作物生理及品质感官评价中具有重要作用。结合目前高光谱检测与分析技术在植物生理信息监测中的应用现状,开展了基于高光谱技术的生菜叶片绿度判别方法研究,以此为叶菜品质感官评价的定量化及基于高光谱技术的多功能生理信息同步采集装置的开发提供必要的理论支撑。本文以生菜为研究对象,在三种不同光照强度下开展栽培试验。以叶绿素相对含量（SPAD）作为反应绿度的参数,获取生菜整个生命周期中的动态高光谱和SPAD数据,分析了高光谱曲线的变化规律,建立了高光谱与SPAD之间的关系模型。采用Savitzky-Golay卷积平滑(SG)方法对原始高光谱数据进行降噪,平滑后的数据分别与多元散射校正（MSC）,标准正态变量变换(SNV)和一阶导数(FD)三种预处理方法组合,采用竞争性自适应重加权取样法（CARS）和提取有效植被指数（VI）两种方法进行敏感波长提取,结合偏最小二乘（PLS）和最小二乘支持向量机（LSSVM）两种方法建模,以决定系数（R2）和均方根误差（RMSE）为评价指标,优选出最优绿度判定模型。结果表明：在10,20和30 d的生菜全生命周期内,不同光照强度下的高光谱曲线表现出总体变化趋势一致但反射率值不同的特征,在可见光450～680nm范围内,自然光照条件下的生菜高光谱反射率值要高于补光处理条件下的反射率值;而在近红外730～850 nm范围内,生菜叶片的高光谱响应特征恰好与可见光范围内相反。基于SG+FD预处理与CARS敏感波长提取方法的组合可实现叶绿素相对含量特征信息的最有效提取,提取的敏感波长占全波长的64.59%,与原始高光谱（1.25%）相比,提取的敏感波长数增加了63.34%。最终确定LSSVM方法为最优建模方法,基于SG+FD+CARS+LSSVM组合方法所建模型为最优生菜绿度判定模型,训练集R2_c=0.920 7,RMSEC=1.161 0,预测集R2_p=0.828 8,RMSEP=2.400 8,模型精度较高,可以实现生菜叶片绿度判别的目的。     

基于 PROSPECT模型的蔬菜叶片叶绿素含量和SPAD值反演

叶绿素含量是衡量植物营养和病虫害发生情况的重要指标。传统的分光光度法对植物叶片破坏性较大且无法实时、快速、无损地获取叶绿素含量。新兴的利用叶绿素仪测量叶绿素相对含量（以下简称SPAD值）的方法不能定量获取实际含量。光学辐射传输模型PROSPECT从生物物理、化学的角度以及能量传输的过程出发,定量描述了叶片色素、水分、结构参数等对叶片反射光谱的影响。因此,提出利用PROSPECT模型同时反演蔬菜叶片叶绿素含量和SPAD值,实时、快速、无损、定量获取植物叶片叶绿素的含量。第一,多次测量三种蔬菜叶片的反射光谱,并用叶绿素仪测量SPAD值。然后,预处理光谱数据,获得平均反射率光谱。第二,以欧式距离为评价函数,利用PROSPECT模型对实测反射率光谱进行拟合。拟合过程中三种蔬菜欧式距离最大为0.008 9,最小为0.006 4,平均为0.007 5,表明该模型能够很好地拟合蔬菜叶片的反射率光谱。第三,根据拟合结果,反演叶绿素含量和透射率光谱,再根据透射率光谱获取叶片在940和650 nm波长处的光透过率,计算叶片的反演SPAD值。第四,建立反演叶绿素含量、反演SPAD值与实测SPAD值的关系模型。结果表明: (1)利用该模型反演得到的叶绿素含量值与实测SPAD值有较好的线性关系, 其关系模型为：y=1.463 3x+16.374 3,两者相关系数为0.927 1,模型的决定系数为0.862,均方根误差为2.11;(2)利用该模型反演得到的SPAD值与实测SPAD值之间线性关系较好,其关系模型为：y=0.986 9x-0.668 3,两者相关系数为0.845 1, 模型的决定系数为0.714 3,均方根误差为3.380 2。研究表明,通过测量植物叶片的反射率光谱,利用PROSPECT模型可以无损、定量地获取蔬菜叶片的叶绿素含量和SPAD值。该方法可推广至其他植物的叶绿素测量和实时监测,为变量施肥、精准种植提供可靠的数据支持。研究结果对蔬菜生长态势的无损监测具有重要的意义。     

利用高光谱扫描技术检测小麦叶片叶绿素含量

利用高光谱扫描技术对小麦叶片进行无损检测试验,探索精确测定小麦叶绿素含量的方法,为农作物生长状况、植物病理诊断等提供科学依据。研究选取90个样本作为校正集,30个样本作为预测集,获取叶片的高光谱反射图像,同时用传统的分光光度计方法测定其叶绿素含量。选取波长491～887 nm范围光谱,用多元散射校正、一阶导数、二阶导数3种方法处理,利用偏最小二乘法和逐步线性回归法分别建立了小麦叶片叶绿素含量与光谱信号间的数学模型。研究发现多元散射校正(MSC)结合二阶导数光谱的多元线性回归(SMLR)模型的效果较优,模型校正集和预测集决定系数分别为0.82和0.79,校正均方根误差和预测均方根误差分别为0.69和0.71。研究结果表明可以利用高光谱扫描技术检测小麦叶片叶绿素含量。     

基于反射光谱特性的土壤分类研究

选取中国松嫩平原吉林省农安县主要土壤(黑土、黑钙土、草甸土、风砂土、冲积土)室内光谱反射率作为研究对象,利用去包络线方法提取反射光谱特征指标,作为输入变量建立BP神经网络模型,进行土壤分类研究,探索利用表层土壤反射光谱特性进行土壤分类的可行性。结果表明:(1)包络线去除后的曲线使土壤可见光近红外波段的吸收特征显著增强;农安县不同土壤在400～2500nm范围内主要有5个光谱吸收谷,前2个吸收谷主要是由于土壤有机质、铁及土壤机械组成引起的,后3个是土壤水分吸收光谱能量引起的;不同土壤类型反射光谱的差异主要表现在前2个吸收谷。(2)由于输入变量的选取客观准确,基于前2个吸收谷形状特征的BP神经网络模型的土壤分类精度显著优于以反射率或5个吸收谷形状特征为输入变量的模型,可以用于土壤分类。     

丁香叶片叶绿素含量偏振高光谱数学模型反演研究

在测量叶绿素含量的同时,使用二向反射光度计、USB2000高光潜仪和偏振装置,定量测量与计算丁香叶片高光谱偏振信息,并建立偏振信息-叶绿素含量回归模型.结果表明:当0°偏振时,叶绿素的含量与其偏振反射比的回归模型为y=4.506 4e-0.0568x,复相关指数R2=0.895 8;90°偏振时,叶绿素的含量与其偏振反射比的回归模型为y=145.79X-0.2041,复相关指数为R2=0.479 8;50°入射角时,叶绿素的含量与其偏振度的回归模型为y=7 206.7X6-20 160X5+22 547X4-12 788X5+3 822.4X2-553.72X+30.429,复相关指数为R2=0.646 4;对以上模型进行F检验,发现模型中的偏振信息和叶绿素含量之间存在显著的函数火系,为植被遥感监测和应用提供了理论基础.     

土壤矿物对松嫩平原主要土壤类型反射光谱特征的影响机理

尽管纯矿物的反射光谱特征分析与数据库建设工作已经开展,但土壤中各原生矿物、粘土矿物的测试主要是定性的,即能测定土壤中含有何种矿物,但难以测定准确的矿物组分含量。土壤矿物是土壤学与地质学的交叉点,易被忽视,特别是已有研究忽略了土壤矿物对土壤反射光谱曲线的影响。探讨了土壤矿物在可见光-近红外光谱部分(400~2 500 nm)对土壤反射光谱特征的影响,明确影响土壤反射光谱特征的主要机理。土壤样本于2014年采集于松嫩平原黑龙江部分,包括4个土类和7个土属,共54个土壤样本。土壤样本通过研磨、过筛后,在室内暗室中测得反射光谱数据,土壤矿物的反射光谱数据在2017美国地质调查局(USGS)最新矿物光谱库Spectral Library Version 7中获得,对反射光谱数据进行九点平滑、10 nm重采样和去包络线处理。土壤矿物含量测试采用荷兰Philip X’ Pert Pro 型X射线衍射仪分析样品的矿物组成,测试了土壤中石英、长石、方解石和闪石等原生矿物和蒙脱石、伊利石和高岭石等粘土矿物的含量。首先分析7个土属的反射光谱特征,明确每个土属反射光谱曲线的形状特征和吸收位置,其次分析土属的矿物含量情况,找出不同土属各矿物含量的共性和差异;再次分析不同粘土矿物和原生矿物的反射光谱特征,确定不同土壤矿物反射光谱曲线的形状特征和特征吸收的位置;最后将不同土属的反射光谱特征、不同土属的矿物含量情况和土壤矿物的反射光谱特征结合,得到如下结论：(1)土壤矿物决定了土壤反射光谱的骨架特征,土壤矿物对土属的反射光谱影响最明显,由于土类存在多种反射光谱特征,土壤矿物对土类的影响不明显。(2)粘土矿物对土壤反射光谱特征的影响大于原生矿物,主要受蒙脱石和伊利石等粘土矿物的影响,但砂性土受部分原生矿物的影响,主要是长石类矿物和高岭石的影响。(3)蒙脱石和伊利石分别决定土壤反射光谱的第一个吸收谷和第二个吸收谷特征,高岭石决定1 400和1 900 nm前的两个小吸收谷特征,钾长石和钠长石决定了砂性土的前两个吸收谷特征。(4)蒙脱石含量足够高时,会完全掩盖高岭石和长石类的反射光谱特征,部分掩盖伊利石的反射光谱特征;随着蒙脱石含量降低,伊利石的反射光谱特征逐渐体现;蒙脱石和伊利石的含量降到很低时,高岭石和长石类矿物的反射光谱特征逐渐体现出来。研究结果揭示了不同土属反射光谱特征差异的原因,可以为土壤反射光谱分类、土壤精细制图和基于高光谱图像的矿物分布研究等提供理论依据。     

基于冠层光谱的水稻穗颈瘟病害程度预测模型

对水稻稻瘟病病害程度的定量预测是精准防控的关键,田间冠层尺度的研究可为高光谱传感器提供理论基础.以受穗颈瘟胁迫的水稻为研究对象,采用SVC HR768i型光谱辐射仪在大田中获取灌浆期两个不同时间段的水稻冠层光谱反射率,以水稻发病株数百分比作为病害严重程度指标.冠层光谱数据采用九点平滑预处理,并重采样为1 nm间隔,计算...     

基于完全波形的反射和吸收特征的非线性光谱相似性度量与检索——非线性光谱角制图

提出了一种新的光谱相似性度量方法,即非线性光谱角制图。该方法一方面利用核主成分分析(PCA)方法实现非线性变换和去除波段间的强相关性;另一方面,在变换空间中合并光谱的反射特征和吸收特征。最后,用光谱角制图方法对合并后的反射和吸收特征向量进行相似性度量。实验表明该方法在光谱相似性度量和检索中是有效的。     

基于高光谱成像技术的油菜叶片SPAD值检测

以油菜叶片为研究对象,利用高光谱成像技术,成功建立了叶绿素相对值SPAD值的预测模型。共采集了160个油菜叶片样本在380～1030 nm范围内的高光谱图像。选择500～900 nm之间的平均光谱作为油菜叶片样本的光谱。利用蒙特卡罗最小二乘法(monte carlo partial least squares, MC-PLS)剔除了13个异常样本,基于剩余的147个样本光谱数据与SPAD测量值进行分析,采用了不同的方法建立了多种预测模型,包括：全光谱的偏最小二乘法(partial least squares, PLS)模型,连续投影算法(successive projections algorithm, SPA)选择特征波长的PLS预测模型,“红边”位置(λ_red)的简单经验估测模型,三种植被指数R₇₁₀/R₇₆₀,(R₇₅₀-R₇₀₅)/(R₇₅₀-R₇₀₅)和R₈₆₀/(R₅₅₀*R₇₀₈)分别建立的简单经验估测模型,以及基于这三种植被指数的PLS预测模型。建模结果显示,全光谱的PLS模型预测效果最为精确,其预测相关系数r_p为0.833 9,预测均方根误差RMSEP为1.52。而使用SPA算法选出的8个特征波长所建立的PLS模型其预测结果可达到与全光谱的PLS模型非常接近的水平,而且在保证一定精度的条件下减少了大量运算,节省了运算时间,大幅提高了建模的速度。而基于红边位置和选择的三种植被指数而建立的简单经验估计模型其预测结果虽与基于全光谱的PLS预测模型有一定差距,但模型简单、运算量小,适合用于对精度要求不高的场合,对后续的便携仪器设备开发有一定的指导作用。     

古尔班通古特沙漠生物土壤结皮反射光谱特征分析

通过对野外采样取得的新疆古尔班通古特沙漠中的生物土壤结皮、裸沙和干枯植被进行反射光谱测定,揭示出在干燥条件下各类地物的反射光谱特征。进一步对经过均匀喷洒0.5和1.0 mm水后的生物土壤结皮分别进行反射光谱测定,并对比分析了原始的和经水化实验后的生物土壤结皮光谱特征。依据生物土壤结皮的光谱特征,提出利用连续统去除技术估算生物土壤结皮覆盖度的方法,结果表明连续统去除光谱的负对数与生物土壤结皮盖度有很好的相关关系(r2=0.990 7)。     

水稻叶片pH值与吸收光谱变量的相关性

采用小区试验研究了水稻叶片pH值与吸收光谱变量的相关性.结果表明:在整个生育期,522-540、700-740、480-500nm和675-680nm是水稻叶片pH值的敏感波段.选择最佳的敏感波段组合构造光谱变量,利用光谱变量反演水稻叶片pH值.除拔节期外,水稻吸收光谱比值变量和对数相加变量的相关性优于相加变量的相关性...     

光谱特征提取对近似矿物光谱差异性影响分析

矿物光谱特征是基于光学遥感数据对矿物进行种类识别及定量反演的理论基础,光谱特征提取是高光谱数据常用的技术手段,但在多光谱数据中较少涉及。近似矿物识别是矿物光谱分类应用中的难点,目前还缺少有效指标来指示近似矿物类别光谱的差异性。光谱特征提取有望提高矿物分类精度,但该处理对近似矿物光谱差异性的影响还缺少相关研究。本文从矿物光谱差异性的原理出发,通过类间和类内光谱角的比值体现不同类别群体差异,并引入样本量因素,提出了类别可分比作为近似矿物光谱差异性的指标。以明矾石和高岭石两种近似矿物为例,对USGS光谱库光谱及Hyperion,ASTER,OLI等传感器的模拟数据进行光谱特征提取处理,通过对比处理前后矿物光谱差异性的变化,分析光谱特征提取对近似矿物光谱差异性的影响。实验结果表明,有效的光谱特征提取可以显著提高近似矿物光谱差异性,并且光谱分辨率越高,近似矿物光谱差异性越大。此外,光谱分辨率及中心波长设置对于包络线去除结果有很大影响,多光谱数据吸收特征提取效果有待进一步提高。该研究为今后近似矿物光谱识别精度的提高奠定了基础,也为未来新型遥感找矿传感器参数设置提供了参考。