基于实测光谱的植被指数对水稻叶面积指数的响应特征分析

叶面积指数(LAI)是目前最常用的农业生态监测指标,可以为农作物的病虫害监测、作物长势监测、碳循环、生物量估算及作物估产提供依据。植被指数(VI)是卫星LAI产品生产的重要数据源,但不同VIs对植被LAI的响应特征具有一定的差异性。以江西省水稻为例,基于实测光谱提取了水稻实测VIs,结合实测LAI,讨论了归一化植被指数(NDVI)、增强型植被指数(EVI)、土壤调节植被指数(SAVI)和修正的土壤调节植被指数(MSAVI)四种常见VIs对LAI的响应特征,并与MODIS LAI备用算法的计算结果进行了对比分析,研究了不同VIs用于LAI产品反演的可行性及存在的问题。通过对不同实测VIs-LAI模型精度的评估,分析其应用于LAI反演的适应性,结果显示EVI,SAVI和MSAVI比NDVI有更好的适应性,其中EVI效果最优。此外,通过对比MODIS LAI备用算法查找表,发现针对MODIS LAI备用算法中草地与谷物作物这一地表覆盖大类,在LAI>4时,NDVI出现饱和;而实测水稻作物的NDVI在LAI>2时开始出现饱和;且当NDVI相同时,查找表LAI远大于实测LAI,MODIS备用算法中使用的地表覆盖产品分类过粗可能是造成这一结果的主要原因。因此MODIS LAI备用算法在该区域水稻LAI监测中可能产生较大误差,有必要改用其他VIs优化该备用算法。通过对比分析四种VIs模型对LAI的预测误差,发现EVI,SAVI和MSAVI精度明显优于NDVI,基于EVI的模型平均预测误差仅为MODIS LAI备用算法的1/6,基于实测NDVI反演算法的1/2,因此设计基于EVI的LAI算法对LAI的反演精度有一定的提升空间。     

基于支持向量机的水稻叶面积指数高光谱估算模型研究

为了研究支持向量机(SVM)对于作物农学参数高光谱估算的能力,通过大田小区试验,测定了2个品种、3个供氮水平处理的水稻在不同生长期的冠层高光谱反射率(350～2 500 nm)。依据Ladsat-5的TM传感器波段宽度,将高光谱反射率转换为10种不同的植被指数。利用所有样本的植被指数和水稻叶面积指数(LAI),通过不同统计模型的模拟分析,依据模型的R2选取了三种相关性较高的统计关系(包括NDVI_green的指数关系、TCARI/OSAVI的乘幂关系和RVI₂的乘幂关系)。对这三种关系,通过具有不同核函数的SVM模型和相应统计模型对LAI进行估算。结果表明：所有的SVM模型都具有较低的均方根误差值,估算精度都高于相应的统计模型;基于TCARI/OSAVI的POLY核SVM具有最高的估算精度,其RMSE比相应的统计模型降低近11个百分点。因此,SVM方法用于水稻LAI高光谱估算具有良好的学习能力和鲁棒性。     

小麦叶面积指数的高光谱反演

以高光谱遥感技术实现了小麦叶面积指数(leaf area index,LAI)的反演.对18种高光谱指数进行了比较分析,筛选出了可敏感反映小麦LAI的高光谱指数OSAVI,并以地面光谱数据为样本建立了小麦LAI的反演模型.分析表明,指数OSAVI所建立的反演模型校正集与预测集R2分别达0.823与0.818,在各指数中反演精度最高.利用反演模型逐象元对OMIS影像进行解算,实现小麦LAI的空间量化表达,并将反演结果与地面实测值进行回归拟合,发现两组数据的拟合模型R2达0.756,RMSE为0.500,具有较高的相似度.结果表明:以高光谱指数进行小麦LAI的反演是可行的,且OSAVI为优选指数.     

改进的QGA-ELM算法水稻叶面积指数反演模型

为了通过植被指数(VI)准确、可靠的获取不同施肥梯度、不同品种的水稻叶面积指数(LAI),提出了一种基于改进的QGA-ELM算法应用于水稻LAI反演.首先通过8折交叉验证确定极限学习机(ELM)最佳的隐含层神经元个数与隐含层激活函数类型,再通过引入组合动态旋转角策略、单点混沌交叉操作、混沌变异操作、确定性选择策略、量子...     

水分散失过程中植物叶片光谱响应高分辨率时空变化研究

地面成像光谱系统不仅可以作为航空航天成像光谱系统的重要补充,而且能够在更为微观的尺度上满足多元化应用需求,弥补大尺度远距离遥感难以发挥作用的领域,诸如可以实现对植物群体、单个植株、器官的精细探测,对农作物个体植的生长或者诊断检测,适合在农业等领域的基于位置信息的精准管理。采用自行设计的新型地面成像光谱系统FISS,获取了喀斯特地区四种植物叶片在离体水分散失过程中的高分辨率成像光谱序列数据,展示了叶片"红边蓝移"现象的高分辨率时空变化信息,探测了PRI指数变化趋势以及与荧光参数量子产量的对比验证,结果表明本系统具有较高的光谱辐射性能,可用于小尺度近地面植物群落和个体研究,具有广阔的应用前景和潜力。     

冬小麦冠层高光谱对低温胁迫的响应特征

在全球范围内,低温冻害已经成为了冬小麦减产的主要灾害之一,而高光谱遥感技术已成为一种有效的监测与预防手段。为了探究拔节期冬小麦冠层高光谱对低温胁迫的响应规律,通过低温胁迫试验,对同一品种拔节期冬小麦在-2,-4和-6℃等3个温度梯度下处理12h,并测定其冠层光谱反射率,提取红边参数,从而研究低温胁迫对冬小麦冠层光谱特征的影响。结果表明,冬小麦在遭受低温胁迫后,在近红外波段冠层光谱反射率随着低温胁迫程度的加大而升高,而在可见光波段则降低,并出现"绿峰"减弱,"红谷"抬升的现象。另外,对原始光谱进行一阶微分处理后,其一阶微分光谱随低温胁迫程度的加剧,出现向短波方向移动,红边位置也出现"蓝移"现象,红边面积与红边幅值也出现逐渐增大的趋势。研究表明冬小麦在拔节期遭受低温胁迫以后,其冠层光谱对其响应敏感,利用高光谱技术可以实现冬小麦冻害的有效监测。     

无人机高光谱波段选择的叶面积指数反演

叶面积指数(LAI)是评价作物长势和作物产量的重要参数.为有效利用高光谱信息,优选出最佳波段进而构建新型双波段指数来提高LAI估测精度,以冬小麦为研究对象,获取冬小麦孕穗期无人机高光谱数据和实测地面LAI数据,开展冬小麦LAI反演研究.首先采用连续投影算法(SPA)、最佳指数法(OIF)以及逐波段组合法(E)分别进行无...     

基于CASI高光谱数据的作物叶面积指数估算

叶面积指数(LAI)的快速估算对于及时了解作物长势、病虫害监测以及产量评估具有重要意义。利用2012年7月7日在黑河流域张掖市获取的CASI高光谱数据,精确提取出了不同作物的光谱反射率,同时结合地面实测数据,对比分析了宽波段和“红边”植被指数在估算作物LAI方面的潜力,在此基础上,基于波段组合算法,筛选出作物LAI估算的敏感波段,并构建了两个新型光谱指数NDSI和RSI,最后对研究区域作物LAI的空间分布进行了分析。结果表明,在植被覆盖度较低的情况下,宽波段植被指数NDVI对LAI具有较好的估算效果,模型的精度R2与RMSE分别为0.52,0.45(p<0.01);对于“红边”植被指数,由于CI_{red edge}充分考虑了不同的作物类型,其对LAI的估算精度与NDVI一致;利用波段组合算法构建的光谱指数NDSI_{(569.00, 654.80)}和RSI_{(597.6, 654.80)}对LAI估算的效果要优于NDVI与CI_{red edge},其中,NDSI_{(569.00, 654.80)}主要利用了植被光谱“绿峰”和“红谷”附近的波段,模型估算的精度R2可达0.77(p<0.000 1);根据LAI与NDSI_{(569.00, 654.80)}之间的函数关系,绘制作物LAI的空间分布图,经分析,研究区域的西北部LAI值偏低,需增施肥料。研究结果,可为农业管理部门及时掌握作物长势信息、制定施肥策略提供技术支持。     

PROSAIL冠层光谱模型遥感反演区域叶面积指数

大面积区域作物叶面积指数遥感反演,对指导作物管理具有非常重要的意义,验证和发展基于物理叶面积指数遥感反演可避免基于经验模型的缺点。以北京地区青云店、魏善庄和高丽营为研究区,采用MODIS和ASTER两类不同空间分辨率遥感数据,探讨PROSAIL物理模型反演冬小麦叶面积指数的可行性,尤其在不同空间分辨率遥感数据上的稳定性,并与经验模型进行了对比分析。 与经验模型相比,物理模型模拟LAI值更具真实性;用线性组分加权的方法,对小尺度物理模型反演LAI进行尺度扩展并与基于大尺度遥感数据的LAI物理反演结果相对比,相差不大,说明LAI物理反演方法在空间尺度上的稳定性。     

基于高光谱数据和模型反演植被叶面积指数的进展

植被叶面积指数(Leaf Area Index , LAI)是陆面过程中影响陆-气交换的重要参数,也是表征植被冠层结构最基本的参量之一。准确而快速地获取LAI是植被-气候相互作用、植被生态和农作物估产研究不可缺少的工作。本文首先针对LAI和高光谱遥感进行概述,然后从不同平台高光谱传感器数据和不同反演方法两个角度总结了国内外近些年来高光谱遥感LAI的研究进展,最后分析了高光谱遥感反演LAI的未来发展方向。     

水胁迫下典型盐生植被梭梭光谱特征分析

荒漠地区由于气候干燥，降水稀少，水分常成为制约植被生长的因素之一，水分胁迫对植物长势和产量的影响比任何其他胁迫都要大。随着高光谱技术的发展，国内外已有众多学者利用高光谱数据研究植被遭受胁迫作用，然而这些研究对象多集中于甜菜、棉花、玉米、水稻等作物，针对干旱区盐生植被遭受胁迫作用的研究较少。梭梭作为荒漠、半荒漠地区的典型盐生植被之一，具有极高的经济和生态效益。选择梭梭作为研究对象，培育一年生梭梭，并设置三个水分梯度，形成受不同水分量胁迫的梭梭。使用原始光谱、红边位置参数，结合植被指数及二维相关光谱研究其叶片光谱特征，为干旱区利用高光谱遥感监测盐生植被提供借鉴。结果表明：(1)分析梭梭叶片反射光谱曲线发现，在可见光至中红外各波段范围内，受不同水分量胁迫作用的梭梭叶片光谱反射率有显著差异。在可见光(350～610 nm)波段，各水分处理的梭梭叶片反射率依次为100 mL>500 mL>200 mL，这是由于100和200 mL水分促进梭梭内部叶绿素合成，使该波段反射率降低，而过多的水分(500 mL)对梭梭内部的叶绿素合成没有更大的促进作用。在红光区(611～738 nm)，随着水分量的增多，受不同水分量胁迫的梭梭叶片光谱反射率依次减小。在738～1 181和1 228～1 296 nm波段，受不同水分量胁迫作用的梭梭叶片光谱反射率为：200 mL>100 mL>500 mL；在1 182～1 227 nm波段，受不同水分量胁迫作用的梭梭叶片光谱反射率为：100 mL>200 mL>500 mL。这是由于植被细胞结构对近红外区域的反射率影响较大，因而受不同水分胁迫作用的梭梭叶片光谱反射率有显著差异。在1 300～1 365和1 392～1 800 nm波段，受各水分胁迫作用的梭梭叶片反射率为：100 mL>200 mL>500 mL。这表明在500 mL水分胁迫量范围内，水分越多，叶子的细胞液、细胞膜对水分的吸收能力越强，使得反射率下降。通过对原始光谱求取一阶导数并提取红边位置参数发现，各水分处理下的梭梭叶片一阶微分光谱曲线中红边位置未发生移动。这是由于梭梭在长期的干旱环境影响下，形成了特殊的适应机制，水分对其红边位置影响不敏感。(2)选取若干植被指数分析各水分处理下的梭梭光谱指数变化。当水分胁迫量由100 mL增至200 mL时，WI/NDWI，MSI和NDII指数值变化显著，可用于研究水分胁迫下梭梭的光谱特征。(3)使用二维相关光谱技术分析受各水分胁迫作用的梭梭光谱特征，得出在100 mL水分胁迫下，在536，643，1 219和1 653 nm波段处，吸收峰对水分的微扰敏感；在200 mL水分胁迫下，在846和1 083 nm波段处，吸收峰对水分的微扰敏感；在500 mL水分胁迫下，在835和1 067 nm波段处，吸收峰对水分的微扰敏感。总之，在近红外波段，与100 mL水分量相比，梭梭受200和500 mL水分量胁迫时，吸收峰对水分的微扰敏感度上升。由100 mL水分胁迫下梭梭的二维同步相关谱图可知，1 044和1 665 nm，1 072和903 nm，903和1 264 nm，1 230和1 061 nm波段处形成正交叉峰，表明这些波段处光谱强度随水分的干扰同时变化。     

稻干尖线虫病胁迫水稻叶片波谱响应特征及识别研究

对植被病害的精确识别是采取植保措施的前提,同时对喷施农药也具有积极的指导作用。比较了受稻干尖线虫胁迫水稻叶片和健康叶片色素含量、光谱反射率、高光谱特征参数,受害水稻叶片与健康叶片相比,叶绿素和类胡萝卜素含量分别降低18%和22%;光谱反射率在蓝紫光、绿光和红光谱段分别增加1.5,1和2.3倍,在近红外和短波红外区域分别降低约28.9%和26.3%,红边和蓝边分别蓝移约8和10nm,绿峰和红谷分别红移约8.5和6 nm。以红边面积和红边位置作为C-SVC(非线性软间隔分类机)的输入向量,对受害和健康叶片进行识别,精度为100%。研究表明,水稻叶片光谱对病害胁迫具有显著的响应特征,利用C-SVC对受害和健康叶片进行辨别的方法是可行的。     

倒伏胁迫下的玉米冠层结构特征变化与光谱响应解析

倒伏胁迫是玉米生产中的主要灾害之一,严重影响玉米的产量、品质和机械收获能力。解析不同倒伏胁迫强度下玉米冠层结构变化规律及其光谱响应机理,是玉米倒伏灾情大范围遥感监测的基础。分别在玉米抽雄期、灌浆中期设置茎倒、茎折、根倒3种强度的倒伏处理,基于田间多频次持续观测实验,分析生育期、倒伏类型对玉米冠层结构动态变化及其自我恢复能力的影响;采用传统光谱变换与连续小波变换方法对倒伏玉米冠层高光谱进行处理,选取叶面积密度（LAD）为玉米倒伏冠层结构特征指标,筛选叶面积密度最佳敏感波段和小波系数,基于随机森林法构建叶面积密度高光谱响应模型,利用未参与建模的实测样本验证模型精度,重点探讨小波分解尺度和光谱分辨率对LAD光谱响应能力的影响规律。研究结果表明：叶面积密度作为单位体积内叶面积总量的冠层结构表征指标,与倒伏胁迫强度具有较好的响应关系,灌浆期的倒伏玉米LAD普遍高于抽雄期,抽雄期LAD整体表现为茎折＞根倒＞茎倒＞未倒伏,灌浆期LAD整体表现为根倒＞茎折＞茎倒＞未倒伏;经连续小波变换后,玉米倒伏冠层光谱对玉米倒伏LAD的响应能力普遍优于传统光谱变换,随着小波分解尺度的增加,LAD与敏感波段的相关性越强,其中10尺度相关系数最高,达0.74;连续小波变换所构建的模型精度普遍优于传统光谱变换,其中由原始光谱小波变换后构建的LAD响应模型精度最高,检验样本的R2为0.811,RMSE为1.763,表明连续小波变换技术可凸显和利用冠层光谱中的细微信息。因此,叶面积密度可有效定量表征不同倒伏胁迫程度的玉米冠层结构变化特征,连续小波变换能有效提升冠层光谱对倒伏玉米结构变化的响应能力,基于随机森林法构建的倒伏玉米叶面积密度诊断模型具有较高的精度和稳定性,可为区域尺度的夏玉米倒伏灾情遥感监测提供先验知识。     

倒伏胁迫对水稻可视茎叶穗比率的影响及光谱响应解析

倒伏胁迫下作物的冠层光谱响应机理解析,是大范围作物倒伏灾情遥感监测的重要基础。倒伏胁迫直接改变了遥感光谱探测视场内的可视茎叶穗比率,通过解析冠层光谱与可视茎叶穗比率间的关系,探索不同强度的倒伏胁迫下水稻可视茎叶穗组分变化规律及其与冠层光谱响应规律,为大范围作物倒伏灾情遥感监测提供理论支持。以2017年江苏省兴化市、大丰区的实发倒伏水稻为研究对象,在野外观测实验的支持下,分析不同倒伏强度的倒伏水稻冠层光谱变化规律,并对不同倒伏强度下的冠层可视茎叶穗比率与倒伏角度进行相关性分析,筛选能有效表征倒伏强度的敏感农学参数,采用灰色关联分析法构建倒伏水稻冠层光谱指标与敏感农学参数之间的响应模型,实现水稻倒伏灾情的光谱诊断,并利用野外实测样本评价诊断精度。研究结果表明,随着倒伏强度的加大,冠层光谱表现出规律性变化,红光波段与近红外波段响应较为明显,“红边”位置明显“蓝移”,且“红边”振幅与“红边”面积增大,说明红光波段和近红外波段对水稻倒伏胁迫强度较为敏感;冠层可视叶茎比存在随倒伏强度增加而减少的规律,其相关性可达0.715,说明倒伏后的水稻冠层可视叶茎比对于倒伏强度有着较好的表征能力;通过对可视叶茎比与冠层高光谱反射率进行相关性分析,分别于红光波段和近红外波段内筛选出698与1 132 nm作为敏感波段,进而计算特征植被指数;利用灰色关联分析构建了基于特征植被指数的水稻可视叶茎比光谱响应模型,检验样本的决定系数为0.635,以可视叶茎比预测结果进行倒伏灾情等级划分的精度达到82%。因此,倒伏发生后水稻冠层的茎、叶、穗等组分在光谱探测器视场中的贡献比例发生了规律性改变,茎、叶、穗本身光谱反射率差异和视场内比率差异直接反映于倒伏水稻冠层光谱差异,其中可视叶茎比能有效表征受倒伏胁迫的水稻群体结构变化,与倒伏强度具有较好的响应关系,不同倒伏强度的可视叶茎比与水稻冠层光谱之间的响应规律可以有效区分倒伏灾情等级,有助于为区域尺度的水稻倒伏灾情遥感监测提供先验知识。     

冬小麦生长期光谱变化特征与叶绿素含量监测研究

在分析冬小麦生长期冠层反射光谱和叶绿素含量变化特征的基础上,对二者之间的相关性进行了研究。表明从小麦拔节期开始,冠层反射光谱在可见光区(400～750 nm)的反射率先降低而后升高,以孕穗期反射率最低;在近红外区(750～1 000 nm)冠层反射率由拔节期至孕穗期反射率降低,然后开始上升。扬花期上升至最高点后又开始下降,直至乳熟期降至最低。冬小麦冠层反射率与叶绿素含量相关分析结果表明,冬小麦拔节期和孕穗期二者呈正相关,扬花期二者呈负相关;整个生长期中,孕穗期可见光区552 nm处反射率与叶绿素含量相关系数最大达0.89。依据冬小麦生长期冠层反射光谱红边拐点位置,分别建立了拔节期叶绿素含量线性检测模型(R2=0.92)和孕穗期二项式模型(R2=0.91),用于冬小麦叶绿素含量的无损检测是可行的。     

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...     

不同施氮水平下玉米冠层光谱反射特征分析

通过田间试验研究了玉米不同生长期冠层光谱反射率的变化特征,分析了不同施氮水平下可见光区冠层光谱反射率的差异。研究结果表明：受作物群体光和能力的影响,玉米可见光区冠层反射光谱在拔节期达最高点,随后持续降低; 近红外区,苗期反射率最低,在拔节期达最高点,喇叭口期有所降低而在开花吐丝期得到回升,进入灌浆期后又下降。不同施氮水平下,拔节期随施氮水平的增加,叶绿素的强吸收带(430～450和640～660 nm)玉米冠层反射曲线呈下降排列,但在550 nm附近反射率R_正常>R_偏低>R_偏高; 喇叭口期偏低施氮区的冠层反射率在可见光区明显高于其它施氮水平,且偏高和正常施氮区域内光谱反射强度基本相同,显示过量施肥并不会促进作物生长。分析玉米生长期间不同施氮水平下光谱反射率的差异,对监测玉米生长状况,指导田间施肥具有重要的现实意义。     

利用计算机视觉和光谱分割技术进行水稻叶片钾胁迫特征提取与诊断研究

实时、便捷、可靠的作物营养诊断和监测方法是科学施肥的基础。传统手段在取样、测定、数据分析方面需耗费大量的人力、物力,且时效性差。通过静态扫描技术采集不同钾营养水平的水稻叶片图像,利用面向对象的光谱分割技术和最近邻分类器,根据扫描图像中目标对象的光谱、空间、形状等特征对钾胁迫叶片特征进行了准确的提取和识别,并从分类结果里初步判断出斑点区域面积比例随钾浓度的增大而减小,用叶片图像进行缺钾叶片量化诊断时,第三完全展开叶优于第一完全展开叶。随机选取250个点利用误差分析矩阵方法进行精度评价,总体识别精度为96.00%,KAPPA系数为0.945 3。这一叶片特征提取方法为水稻钾胁迫量化诊断提供了新的方法。     

基于光谱指数的不同叶倾角分布下玉米冠层叶绿素含量反演

遥感是开展地面/近地面、航空及航天层次无损伤探测植物叶绿素信息的主要手段。目前多波段计算光谱指数方法已被广泛地应用于植被冠层叶绿素含量的经验/半经验反演及应用中。考虑不同作物及同种作物不同品种间存在着一定的植被叶倾角分布(LAD)特征差异,针对叶倾角分布对光谱指数反演冠层叶绿素含量(CCC)的影响进行分析,并开展针对叶倾角分布变化不敏感的叶绿素相关光谱指数优选和冠层叶绿素反演建模研究。基于PROSAIL辐射传输模型模拟了不同叶片叶绿素含量(LCC)、叶面积指数(LAI)和LAD对应的冠层反射率数据。模拟结果显示,在相同LAI和LCC条件下,不同LAD对应的冠层反射率有明显差异,冠层反射率随着平均叶倾角的增加而降低。通过计算12个常用的叶绿素相关光谱指数与CCC的相关性指标,来评估光谱指数在不同LAD下反演叶绿素含量的敏感性差异,并依次优选出MTCI,MNDVI8,MNDVI1和CI_red-edge4个对LAD变化较不敏感的叶绿素相关光谱指数。利用玉米实测数据对光谱指数进行冠层叶绿素估测的建模和模型检验,模型的建立和验证结果显示,MNDVI8对LAD变化最不敏感,反演模型的精度最高,决定系数R2=0.70,均方根误差RMSE=22.47 μg·cm-2。CI_red-edge(R2=0.63,RMSE=24.06 μg·cm-2),MNDVI(R2=0.66,RMSE=24.07 μg·cm-2)和MTCI(R2=0.65,RMSE=26.76 μg·cm-2)反演模型的精度较为接近并稍弱于MNDVI8。通过对反演结果分析得出结论,不同的光谱指数对LAD变化的敏感性不同,优选的光谱指数普遍对叶绿素含量具有较好的相关性和敏感性,其中MNDVI8受LAD影响最小,能较高精度的反演LAD变化下的玉米冠层叶绿素含量。优选的其他光谱指数MTCI,CI_red-edge和MNDVI1反演能力虽然稍弱于MNDVI8,但受LAD影响较小,同样具有较好的反演能力。该工作开展LAD对光谱指数叶绿素反演的敏感性分析和光谱指数优选研究,其实测数据的检验结果和模拟数据的分析结果一致;基于优选光谱指数的冠层叶绿素含量反演建模结果及精度分析结论,对开展缺乏叶倾角分布差异先验知识下的大范围作物叶绿素含量遥感估测和应用具有借鉴意义。