基于现场光谱的潮滩表层沉积物叶绿素-a含量遥感模式

提出了一种可实现潮滩表层叶绿素的现场快速、无损的光学检测方法。利用反射率光谱对我国潮滩表层沉积物叶绿素-a浓度进行了观测试验。基于高光谱650,675及700nm各波段的反射率,提出了用于叶绿素浓度反演的归一化底栖微藻差异指数(NDI-MPB)、及可消除呈直线或近似直线变化的背景噪声光谱的反射谷深度(T-depth)模型。研究结果表明,NDI-MPB指数与表层沉积物(3mm)中的叶绿素-a浓度(2.22～49.36mg.m-2)有极好的线性相关性(r>0.99);以叶绿素-a浓度表征底栖微型藻类生物量,NDI-MPB可用于潮滩表层底栖微型藻类生物量的遥感监测。     

基于现场光谱的翅碱蓬生物量遥感反演方法研究

利用便携式地物光谱仪和植被冠层分析仪测定辽东湾双台河口盐沼植被翅碱蓬的光谱数据和叶面积指数(LAI),建立翅碱蓬光谱反射率曲线;探讨翅碱蓬的植被指数与叶面积指数和生物量的相关关系,得到以下结论:(1)9月底翅碱蓬在630nm红光波长出现明显的反射峰值,反射率达到了12%～15%,在680～700nm,有明显的"红谷"形态,在760nm左右有明显的"红边",反射率达到25%～30%。(2)翅碱蓬植被指数及叶面积指数的回归分析中,SAVI和MSAVI指数与LAI的相关关系较其他指数好,最高的R2值达到0.711。对比不同指数的Linear回归方程发现,SAVI和MSAVI指数与LAI的相关关系R2值达到0.696,0.695;其次为RVI值0.664,NDVI值0.649及PVI值0.466。(3)翅碱蓬生物量(Biomass)与PVI,SAVI和MSAVI的相关系数R2较高,直线回归方程相关系数分别达到0.626,0.698和0.679;对数方程相关系数为0.592,0.706和0.683;二次方程相关系数分别为0.688,0.711和0.683。     

黑土有机质含量野外高光谱预测模型

以田间原状黑土野外实测高光谱反射率为研究对象,分析黑土有机质的光谱响应波段,运用光谱分析方法提取光谱指数,建立基于反射光谱特征的黑土有机质高光谱预测模型。得出如下结论:(1)黑土反射光谱特征差异主要在小于1 250 nm的光谱范围,尤其是在小于1 100 nm的范围,随着有机质含量的变化,该波谱范围内黑土反射光谱特征呈现单/双谷现象,有机质是影响黑土反射光谱特征的决定因素。(2)有机质与黑土反射率倒数对数微分的相关系数最高,最高值在1 260 nm,达到-0.77(R2),相关系数高的波谱范围为750~1 260 nm。(3)基于黑土野外光谱反射率的有机质含量高光谱预测模型稳定性强,预测能力较好,能够用于黑土有机质含量野外速测。     

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%.     

轮台白杏叶片铁锰浓度光谱估算模型

建立基于光谱分析的轮台白杏叶片铁(Fe)、锰(Mn)元素浓度估算模型,为快速建立轮台白杏树体微量营养元素诊断体系提供技术途经。采用Unispec-SC光谱仪测定土壤肥力存在显著差异条件下轮台白杏果实不同生育时期叶片的光谱反射率,通过分析叶片中Fe和Mn元素浓度与Rλ和f′(Rλ)的相关性,筛选出光谱指示波段,并采用线性回归模型建立光谱估算模型以估算叶片Fe和Mn营养元素浓度。结果表明:轮台白杏果实不同生育时期叶片Fe元素的光谱敏感波段各不相同,果实坐果期和硬核期敏感波段分别为873和874nm,375和437nm。果实成熟期敏感波段为836和837nm而果实收后期敏感波段为325和1 054nm;轮台白杏果实四个生育时期Mn元素的光谱敏感波段分别为913和1 129nm,425和970nm,390和466nm,423和424nm;轮台白杏叶片Fe和Mn元素浓度均与光谱反射率一阶微分f′(Rλ)相关性最强,与之建立的线性光谱估算模型拟合度最高,且达到了显著或极显著水平。表明果实不同生育时期,轮台白杏叶片Fe和Mn元素的光谱指示波段不同,可根据双波段f′(Rλ)采用线性模型估算白杏叶片Fe和Mn元素浓度。     

应用波段深度分析和偏最小二乘回归的冬小麦生物量高光谱估算

当作物生物量较大时,现有植被指数由于受饱和问题限制,不能较好的估算作物生物量。针对此问题,尝试将波段深度分析与偏最小二乘回归(partial least square regression,PLSR)结合,提高对大田冬小麦生物量的估算精度,并将两者结合建立的模型与应用代表性植被指数建立的模型进行生物量估算精度比较。波段深度分析主要对冬小麦冠层光谱550～750nm范围进行,采用波段深度、波段深度比(band depth ratio,BDR)、归一化波段深度指数和归一化面积波段深度对波段深度信息进行表征。在建立的模型中,波段深度分析和PLSR结合的估算精度比应用植被指数模型的精度高,其中BDR与PLSR结合的估算精度最高(R2=0.792,RMSE=0.164kg.m-2)。研究结果表明波段深度分析与PLSR结合能较好的克服生物量较大时存在的饱和问题,提高冬小麦生物量的估算精度。     

基于高光谱特征与人工神经网络模型对土壤含水量估算

土壤含水量(θ)是影响作物生长和作物产量的主要因素之一。旨在评估基于光谱特征参数的各种回归模型估算土壤含水量的精度,并比较人工神经网络(BP-ANN)和光谱特征参数模型的性能。2014年在室内获取砂土和壤土的土壤含水量和光谱反射率数据。结果表明：(1)当砂土容重为1.40 g·cm-3时,900～970 nm最大反射率和900～970 nm反射率总和估算θ达到极显著水平(R2超过0.90);容重为1.50 g·cm-3时,用蓝边最大反射率和900～970 nm反射率总和估算θ相关性最好(超过0.70);容重为1.60 g·cm-3时,780～970 nm反射率总和与560～760 nm归一化吸收深度的R2均超过0.90,达到极显著水平;容重为1.70 g·cm-3时,900～970 nm最大反射率和900～970 nm反射率总和的R2为0.88,呈极显著水平。(2)当土壤类型为壤土时,用900～970 nm最大反射率和900～970 nm反射率总和估算θ相关性最好。(3)蓝边反射率总和(R2=0.26和RMSE=0.09 m3·m-3)和780～970 nm吸收深度(R2=0.32和RMSE=0.10 m3·m-3)估算砂土的含水量相关性最好。在估算壤土的含水量时,900～970 nm最大反射率(R2=0.92和RMSE=0.05 m3·m-3)与900～970 nm反射率总和估算模型的精度最高(R2=0. 92和RMSE=0.04 m3·m-3)。(4)用人工神经网络模型能够更好地估算两种土壤的含水量(R2=0.87和RMSE=0.05 m3·m-3)。因此,人工神经网络模型对θ估算具有巨大的潜力。     

连续统去除法分析不同马铃薯品种高光谱差异性

在我国实施“马铃薯主粮化”战略的背景下,加强马铃薯相关的研究显得十分有意义。比较和分析不同马铃薯品种不同时期的光谱差异性,旨在为马铃薯品种鉴定、马铃薯与其他作物的区分、马铃薯空间分布提取、马铃薯病虫害监测、马铃薯受各种胁迫的影响以及各种作物识别研究等提供理论和技术支持,也为作物高光谱相关研究提供新思路。对在吉林地区大田试验获取的马铃薯早熟品种费乌瑞它和中晚熟品种延薯4号结薯期和块茎膨大期等关键生育期的样品的冠层高光谱反射率数据,首先利用Savitzky-Golay平滑滤波进行去噪声处理,获取其连续统去除光谱并提取出最大吸收深度、总面积、左面积、右面积、对称度、面积归一化最大吸收深度6个特征参数。同时对滤波后的光谱反射率数据和连续统去除光谱反射率数据进行一阶微分处理。在对不同马铃薯品种这两种光谱反射率曲线对比分析的基础上构建反射率差异性指数、一阶导数差异性指数、连续统去除光谱特征参数差异性指数共3类8种差异性指数作为评价指标。其中反射率差异性指数和一阶导数差异性指数研究“绿峰”550 nm,“红谷”670 nm以及可见光-近红外平台760 nm附近的波段。利用这些差异性指数定量地分析了不同马铃薯品种高光谱差异性。将连续统去除法应用到植物高光谱差异性分析中来,并且深入到不同马铃薯品种以及其不同生育时期。构建的差异性指数取得了很好的评价效果,结果表明：(1)相比反射率差异性指数和最大吸收深度差异性指数,一阶导数差异性指数、总面积差异性指数、左面积差异性指数、右面积差异性指数、对称度差异性指数和归一化差异性指数都可以很好地描述不同马铃薯品种的高光谱差异性,连续统去除光谱局部放大了两个不同马铃薯品种的高光谱差异;(2)滤波光谱和连续统去除光谱反射率差异性最大的波长位置和时间都相同,均处于8月16日波长671.24 nm处;最大吸收深度差异性指数值最大仅为0.01;滤波光谱一阶导数差异性指数值在6月24日波长673.55 nm处最大达到0.977,连续统去除光谱一阶导数差异性指数在6月24日波长759.74 nm处最大达47.87,在不同马铃薯品种光谱差异性分析中作用最为明显;总面积差异性指数值、右面积差异性指数值、对称度差异性指数值和归一化差异性指数值均在6月24日最大,最大值分别为0.13,0.214,0.205和0.113,左面积差异性指数值在7月24日最大,为0.199;(3)根据所构建的差异性指数定量评价结果综合推测可知,两个不同马铃薯品种高光谱差异最大的时期处于早熟品种费乌瑞它结薯期的中晚期,中晚熟品种延薯4号结薯期的初期。     

SVM和BP检测滨海湿地土壤有机质

近年来,虽然随着高光谱技术的出现可以快速获取土壤中的养分含量,但不同的土壤类型对估算的精度会有很大的差异。滨海湿地土壤类型受海洋环境影响较大,其高光谱反射率与内陆土壤类型的表现会有所不同,也就造成了同样的估算模型在反演滨海湿地土壤的养分含量时,反演精度的降低,随着近年来海洋资源的开发与滨海湿地生态恢复工作的不断推进,探索一种合适的估算模型来快速准确的获取土壤中的养分含量变得更加紧迫。该研究旨在验证利用可见-近红外高光谱反射率构建非线性模型来反演滨海湿地土壤类型中有机质(soil organic matter, SOM)含量的可行性。以江苏省盐城大丰麋鹿国家级自然保护区的第三核心区土壤作为研究对象,将土壤样本的光谱反射率进行5点Savitzky-Golay(S-G)平滑滤波处理,再进行一阶微分R′、倒数的一阶微分(1/R)′、倒数的二阶微分(1/R)″、对数的一阶微分(lgR)′四种微分变换后,应用相关系数和显著性水平(p0.01)提取土壤有机质含量的敏感波段,利用台湾大学林智仁教授开发的MATLAB软件中的LIBSVM工具包构建SVM(support vector machine)支持向量机估算模型,并利用MATLAB2018b软件中自带的BP(back propagation)反向传播神经网络构建估算模型,最后利用决定系数R~2和均方根误差RMSE进行模型的预测精度验证。结果表明:原始光谱通过5点S-G平滑滤波、微分变换与相关系数法可以较好的提取出有效波段,其中基于(1/R)′光谱变换提取的滨海湿地土壤有机质特征波段为498～501, 1 180～1 182,1 946, 1 947和2 323～2 326 nm;对比发现SVM的估算精度优于BP神经网络;利用光谱的(1/R)′微分形式构建的SVM模型估算滨海湿地土壤SOM含量的精度最高,决定系数R~2与RMSE分别为0.93和0.23,并且均通过了p0.01的显著性检验。因此利用高光谱构建SVM非线性模型来快速估算滨海湿地土壤中的养分含量具有一定的可行性。     

小麦生长过程中光能利用率和光化学反射指数的相关性研究

以不同品种的小麦为材料,同时测量小麦生长过程的光谱反射率和光能利用率,研究了小麦整个生长期内光化学反射指数和光能利用率之间的关系变化,讨论二者之间关系的时间效应.实验结果表明,对小麦的整个生长期,光化学反射指数并不能作为估算光能利用率的一个有效指数.由于叶片叶绿素含量和叶面积指数的影响,在小麦的生长初期和末期,光化学反射指数和光能利用率之间的相关性不高,相关系数R2分别为0.222 4和0.210 6.对于小麦生长力旺盛的阶段,光化学反射指数可以作为估算光能利用率的一个可行方法,能够获得一定准确度的光能利用率,相关系数R2分别为0.612 7、0.641 2和0.601 1.     

基于GF1-WFV和HJ-CCD数据的我国近海绿潮遥感监测算法研究

大面积绿潮爆发对海洋生态环境、渔业经济、滨海旅游业等造成严重的负面影响。利用遥感技术可对绿潮进行宏观、及时、动态的有效监测,也可进行及时治理和预防,以减少经济损失。从GF1-WFV和HJ-CCD影像数据提取我国沿海绿潮水体的反射光谱特征,分析与非绿潮水体的光谱特征的差异,进而面向环境一号和高分一号开发了多光谱绿潮指数(MGTI)-多波段差值耦合算法,并用该算法对绿潮进行遥感监测。同时与Landsat7-ETM+影像监测面积、归一化植被指数(NDVI)算法和增强型植被指数(EVI)算法提取绿潮面积进行比较验证。结果表明,所开发算法对绿潮发生位置和面积的监测效果较好,且精度达到94%,可有效地应用于我国沿海二类水体的绿潮监测,为利用国产卫星数据监测沿海绿潮提供理论依据和方法支撑。     

滞尘影响下的茶树叶片水分高光谱估算

减少叶面滞尘对茶树叶片水分有效光谱信息提取的干扰,有利于建立更加稳健的茶树叶片水分高光谱估算模型。以“舒茶早”为研究对象,通过田间随机采集鲜叶样品,测定叶片原始光谱反射率、含水量以及滞尘率。比较分析滞尘对茶树叶片原始光谱的影响,分别基于归一化计算与比值计算方法构建新波段植被指数,并利用相关系数法筛选叶片水分含量相关性最高的新波段植被指数,结合相对变率分析获取滞尘对叶片水分估算影响不敏感的待选指数。通过分析不同滞尘条件下新建植被指数和已有水分指数与滞尘的响应关系,筛选出滞尘影响下茶树叶片水分估算的最优植被指数,最终构建茶树叶片水分估算的高精度模型。结果表明：（1）位于711~1 378 nm波段范围的叶片光谱反射率受滞尘影响呈现显著降低的趋势,随着滞尘率增大光谱反射率减小,且无尘叶片反射率与有尘状态反射率具有明显聚类现象,相同状态下的不同叶片反射率差异性极显著。（2）新波段植被指数、已有水分指数与茶树叶片含水量之间的相关性以及基于该指数构建的茶树叶片水分估算模型的精度,在滞尘影响下均呈现明显的下降趋势。（3）在滞尘混合状态下,以1 298和1 325 nm为中心波段的新建比值植被指数对滞尘敏感性最低,且与叶片含水量相关性高,为最优植被指数,其建立的茶树叶片水分高光谱估算模型具有较高的预测精度（y=0.245x-0.241,R2=0.854,RMSE=0.001）,并且实测值与预测值具有较好的一致性。因此,该研究可为茶树的水分精细化管理提供依据,并可为基于高光谱信息构建复杂环境条件下的水分估算高精度模型提供新思路。     

应用高光谱数据估算植物物种beta多样性

近年来,光谱分析应用于植物多样性的估算引起了全球生物多样性学界的广泛关注。基于光谱异质性假说(SVH),大量案例研究应用光谱指数估算了森林、草原等的植物物种alpha多样性,但是beta多样性的研究尚缺乏。在我国浑善达克沙地中部调查270个直径为0.8 m的植物群落样方,测量植物物种beta多样性,并采集样方高光谱数据(375～1 025 nm)。中随机抽取样方数据165个作为模型训练数据, 105个作为模型验证数据。beta多样性指数选用Bray-Curtis index (BC), S?rensen index (S)和Jaccard index (J)。基于物种特征波段,开发了164个高光谱指数估算物种beta多样性指数。采用Pearson相关性分析对开发的高光谱指数进行初步筛选,然后比较不同植物群落盖度和群落复杂性条件下高光谱指数的稳定性,进一步筛选。结果表明, 400～1 000 nm光谱反射率一阶导数的相似性指数和欧氏距离指数,以及760～800 nm之间的相似性指数,能够较好地估算植物物种beta多样性。其中,物种BC指数与高光谱欧氏距离指数表现最为一致,二者都考虑了物种组成数量的差异,物种S和J指数拟合效果较差。本研究对于促进高光谱应用于植物物种多样性估算具有推进作用。     

水浸胁迫下植被高光谱遥感识别模型对比分析

随着全球气候变暖,我国洪涝灾害发生的频率及影响范围都不断增加。通过野外模拟试验,研究植被（玉米、甜菜）在水浸胁迫下的光谱变化特征,以构建高光谱遥感模型对水涝灾害范围进行监测。试验于2008年5月-8月在英国诺丁汉大学Sutton Bonington校区（52.8°N ,1.2°W）进行,每周采集一次样本并在室内测量其光谱数据。试验结果表明植被光谱在550,800～1300 nm区域反射率都稍有降低,而在680 nm区域反射率则略微增大。选取NDVI ,SIPI ,PRI ,SRPI ,GNDVI及R800* R550/R680共六个植被指数识别水浸胁迫下的植被,研究表明,指数SIPI与 R800* R550/R680对水浸胁迫玉米比较敏感,而指数SIPI ,PRI及 R800* R550/R680对水浸胁迫甜菜比较敏感。为寻找最优的识别模型,计算对照与水浸胁迫植被指数之间的归一化均值距离并进行对比分析,发现植被指数 R800* R550/R680的归一化均值距离在胁迫早期即大于其他指数的距离,说明该指数识别水浸胁迫植被的能力优于其他指数,且具有较强的敏感性与稳健性。因此,可以利用该指数快速地提取水浸面积,为救灾减灾决策提供信息支持。     

基于波段组合的植被叶片盐离子估算研究

盐生植物中的盐离子是评价植物营养状况的重要指标,反映植物对盐胁迫的适应策略。以艾比湖湿地自然保护区盐生植被为研究对象,利用2016年10月7种盐生植被的叶片盐离子含量数据和对应的叶片光谱反射率数据,分析了盐离子Ca2+、K+、Mg2+和Na+与比值植被指数(RVI)、差值植被指数(DVI)和归一化植被指数(NDSI)之间的相关关系,选出最佳波段组合,建立了12种叶片盐离子与光谱反射率的估算模型,并进行精度验证,从中选出最佳拟合模型。结果表明盐生植被的叶片盐离子含量与原始光谱反射率的相关性较低,且与各波段反射率呈显著负相关的主要是Na+含量。Na+含量与DVI、NDSI和RVI构建的植被指数相关性最高,相关性均达到0.5以上,波段主要位于近红外与中红外区域。以VDVI(R1750,R1480)、VDVI(R478,R440)、VNDSI(R450,R375)和VRVI(R405,R375)为自变量构建的三次多项式分别是Na+、Ca2+、Mg2+和K+的最佳估算模型。以VRVI(R1100,R1125)为自变量构建的Na+三次多项式的模型相关系数最大(R=0.806),说明该模型的拟合度较高,预测效果较好,可用来实时监测盐生植被叶片的盐分状况,为盐生植被叶片含盐量的精确诊断提供了技术途径。     

基于高光谱分析的玉米叶片氮含量分层诊断研究

为了明确不同生育时期进行玉米氮素营养诊断的叶片层位,建立准确稳健的玉米氮素营养诊断模型,以达到合理追施氮肥,提高氮肥利用率的目的。试验采用单因素盆栽试验设计,以玉米（郑单958）为研究对象,应用高光谱技术,分析了不同氮营养水平下不同生育时期不同层位玉米叶片的氮含量分布和变化规律及光谱响应特征;并依据叶片氮含量与光谱反射率的相关关系,叶片氮含量与全波段(400～2 000 nm)任意两两波段组合构建的比值光谱指数(RSI)的回归关系,初步确定了不同生育时期进行氮素营养高光谱诊断的目标叶片,筛选出最优的比值光谱指数,建立了叶片氮素含量估算模型。结果表明：玉米叶片氮含量：上层>中层>下层;随着玉米的生长,在低氮条件下上层叶片氮含量呈先减少后增加（追肥）再减少趋势,在高氮条件下呈减少趋势,中下层叶片氮含量呈递减趋势。六叶期下层玉米叶片光谱反射率敏感范围较大,相关性较强;九叶期和灌浆期上层玉米叶片的光谱反射率敏感范围较广,相关性较强;开花吐丝期中层叶片的光谱反射率敏感范围较大,相关性较强。六叶期选取下层叶作为诊断目标叶,选取最佳比值光谱指数RSI(1 811, 1 842)建立线性估算模型,九叶期和灌浆期选取上层叶片作为诊断目标叶,选取的最佳比值光谱指数分别为RSI(720, 557),RSI(600, 511)建立线性估算模型,开花吐丝期选取中层叶片作为诊断目标叶,选取比值光谱指数RSI(688, 644)建立线性估算模型。研究结果可为快速准确地利用光谱技术进行玉米叶片氮素营养诊断提供理论依据。     

基于高光谱和BP神经网络的棉花冠层叶绿素含量联合估算

冠层叶绿素能够有效反映植被的生长状况。为了基于高光谱精确估算冠层的叶绿素含量,以棉花为研究对象,实测棉花冠层光谱反射率和叶绿素含量,然后进行原始光谱数据转换,计算高光谱参数,分析叶绿素含量与高光谱参数之间的相关关系,构建估算棉花冠层叶绿素含量的BP神经网络模型。结果表明:包络线去除处理后,冠层反射率和叶绿素含量的相关性在560～740 nm波段范围内提高了10.7%,效果优于原始光谱和一阶微分光谱得到的结果;基于原始光谱和去除包络线光谱建立的植被指数mSR、mND、NDI、DD与叶绿素含量表现出较高的相关性,相关系数均在0.8左右;在所建的BP神经网络模型中,基于包络线光谱指数建立的模型的决定系数为0.85,均方根误差和相对误差分别为1.37、1.97%,这一结果优于基于红边参数、原始光谱植被指数和一阶微分光谱指数建立的模型。本研究可为作物叶绿素含量估算的实际应用提供理论依据和技术支持。     

高光谱研究不同施肥条件对冬小麦冠层光谱的影响

高光谱定量研究土壤养分含量和冬小麦冠层光谱特征之间的关系,可为冬小麦养分丰缺监测和科学合理指导施肥方案提供理论依据和技术支持。基于35年长期定位试验,研究黄土高原渭北旱塬土壤不同施肥处理对冬小麦冠层不同生育期光谱特征的影响,结果表明:在单一施肥条件下,与不施肥(CK)相比,冬小麦从拔节期到抽穗期,单施P的CR_(500), CR_(670)和CR_(550)值均高于CK,而单施N和M的光谱反射率显著低于CK。拔节期单施P, N和M的CR_(500)值分别为CK的1.2倍、 74.9%和70.5%; CR_(670)值分别为CK的1.2倍、 66.8%和62.6%; CR_(550)值分别为CK的1.2倍、 76.2%和76.9%。冬小麦抽穗期各处理反射特征峰谷比拔节期明显增强,单施P, N和M的CR_(500)值分别为CK的1.2倍、 81.0%和53.5%; CR_(670)值分别为CK的1.3倍、 76.8%和40.6%; CR_(550)值分别为CK的1.2倍、 78.5%和63.4%。冬小麦至灌浆期,各处理反射特征峰谷均明显减弱;至成熟期,不同施肥处理下冬小麦光谱的"峰谷"差异不再明显。包络线去除后单一施肥条件下的红谷光谱特征表明,除成熟期外,单施P的冬小麦红谷面积(A)、红谷左面积(AL)和吸收峰对称度(S)均高于CK,单施N和M均低于CK。在组合施肥条件下,所有施氮组合NMP, NP和NM均表现出相似的规律,在可见光波段红、蓝光吸收谷深度和绿光反射峰值以及近红外波段的光谱反射率均显著低于CK; PM组合光谱反射特征值略低于CK。与CK相比,冬小麦从拔节期到抽穗期, PM组合处理光谱反射率特征值略低于CK; NM, NPM和NP处理光谱反射率特征值之间差异较小但显著低于CK。NM, NPM和NP处理的CR_(500)值分别为CK的25.85%, 27.99%和26.07%; CR_(670)值分别为CK的12.56%, 13.27%和13.98%; CR_(550)值分别为CK的33.39%, 35.38%和37.04%。而PM处理CR_(500), CR_(670)和CR_(550)值分别为CK的67.52%, 55.69%和79.40%。冬小麦至灌浆期,各组合处理反射特征峰谷较抽穗期均明显减弱;冬小麦至成熟期,不同施肥组合处理之间的光谱反射吸收特征差异不明显,但均显著低于CK。连续统去除后组合施肥条件下的红谷光谱特征表明,各生长期冬小麦红谷面积(A)CK最大, PM处理次之, NM处理最小。     

土壤砷含量高光谱估算模型研究

以实验室内测取的土壤反射光谱为研究对象,利用PLSR方法建立反射光谱与土壤As含量之间的模型,通过交叉验证、估算检验建模精度,探讨利用反射光谱估算士壤As含量的可行性.通过比较不同光谱预处理方法、不同光谱分辨率和不同OM含量条件下建模、验证和估算结果.表明,MSC方法可以有效去除散射的影响而取得较好的结果(估算R2=0...     

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。