基于LST_LAI特征空间的农田干旱监测研究

农田干旱具有范围广且对农业生产影响巨大的特点,对农田干旱的遥感实时动态监测是目前公认的难题。利用MODIS的地表温度(LST)产品和叶面积指数(LAI)产品,构建LST-LAI光谱特征空间,提出温度—叶面积干旱指数(temperature LAI drought index,TLDI)监测农田水分含量,并利用宁夏实测的0～10 cm平均土壤含水量验证该指数的精度,结果表明：它们之间具有良好的相关性,R2的变化范围为0.43～0.86。与TVDI相比,TLDI弥补了作物封垄后TVDI因归一化植被指数(NDVI)饱和对农田水分监测精度降低的缺陷。此外,利用MODIS数据产品LST和LAI进行农田干旱监测,避免了使用MODIS原始数据的繁杂处理过程,初步为MODIS数据产品在农田干旱监测业务化运行探索出一条技术流程。     

ADI土壤水分反演方法

土壤水分是影响植被、土壤和大气之间能量和水分循环的重要因素,及时准确获取土壤湿度信息有利于提高作物估产精度和改善田间管理措施。本文基于红光与近红外光谱特征空间(NIR-RED)发展了一种新型土壤水分遥感监测模型ADI(angle dryness index),提高了可见光与近红外波段监测土壤水分的精度。经过研究表明,在红光与近红外(NIR-RED)特征空间中,存在一个中间角度变量θ,利用光谱反射率与土壤水分之间的经验关系式模型以及混合像元分解公式证明该变量能够表征土壤湿度情况,而不受植被覆盖度的影响,因此利用该原理构建了ADI方法。最后利用两组遥感数据(分别为TM5与MODIS产品数据)以及对应的地面观测数据进行验证,结果表明计算值与实测值均具有较高的一致性,R2分别达到0.74与0.64。同时,将MPDI的计算结果与实测值进行了比较,两组数据的R2均小于0.60,表明ADI方法的计算精度高于MPDI。在MPDI的计算过程中用到了植被覆盖度,这可能是引起计算结果误差的主要因素。此外,MPDI的计算结果表征土壤湿度的相对值,而ADI则能定量的获取土壤水分含量。MODIS像元除了具有植被与土壤两个端元,还有其他类型端元的概率高于TM数据,因而MODIS数据的计算精度低于TM。因此,ADI是一种简单可行且具有较大应用前景的土壤水分反演方法,适合于推广应用。     

一种降低土壤水分对土壤有机质光谱监测精度的新方法

土壤有机质是土壤肥力的重要体现,土壤水分是限制利用光谱技术进行土壤属性光谱监测的重要因子之一。为了研究土壤水分对土壤有机质光谱监测精度的影响和实现土壤有机质(soil organic matter, SOM)的准确、实时监测,对151份麦田土壤样品的土壤水分、土壤有机质和土壤光谱进行了测定。基于土壤含水量(soil water content, SWC)分类法和归一化土壤水分指数(normalized difference soil moisture index, NSMI)光谱参数分类法对麦田土壤样品进行分类,并对土壤含水量、土壤有机质和土壤光谱参数之间的关系进行研究。结果表明：以土壤含水量对土壤样品进行分类后,各分组之间的土壤有机质光谱监测精度各异,且都高于不分组条件下(5%～20%)土壤有机质光谱监测精度,表明土壤水分确实影响土壤有机质的光谱监测。土壤含水量低于10%和高于20%时,土壤水分对土壤有机质光谱监测精度的影响较小,表明此时的土壤水分状态易于土壤有机质的光谱监测。另一方面,以NSMI光谱参数对土壤样品进行分类后,各分组条件下的土壤有机质光谱监测的拟合精度优于基于土壤含水量的分类方法,通过R2,RMSE和RPD模型验证参数的验证,各模型可靠,表明利用NSMI光谱参数的分类方法,在一定程度上可以实现对土壤自然条件下土壤有机质的实时、准确监测。但是,所提到的两种土壤分类方法在本质上一样,说明仍然可能存在最优的土壤分类方法,来克服和消除土壤水分对土壤有机质光谱监测精度的影响。为土壤水分和土壤有机质的大面积遥感提供一定的理论基础。     

多光谱干旱严重度指数的评价与修正

干旱是一种破坏力极强的自然灾害,近年来,受气候变化的影响,干旱在全球的发生频率不断升高,造成了严重的经济损失,准确监测干旱信息是防灾减灾的基础。干旱严重度指数(DSI)监测全球干旱的能力已经得到证实,但在局部区域的应用具有明显的差异性。为了检验DSI在省级尺度的适用性、修正其等级划分差异,以山西省为研究区,基于MODISET/PET,以及MODIS和AVHRR的NDVI数据集分别得到2001年—2014年的DSI_(MODIS)和DSI_(AVHRR),同时结合SPEI,对三者进行了干旱时空分布的对比分析;为了证实SPEI的可靠性,将长时序的SPEI与历史干旱记录进行了比对;为了考察DSI在区域范围内的误差,将DSI_(MODIS), DSI_(AVHRR)和SPEI进行了时间频率与空间分布的比较;最后,以SPEI为参照,基于DSI的原始划分标准,以0.1为步长调整DSI_(MODIS)的干旱等级阈值,得到了新的干旱等级划分标准DSI_(MM);并利用DSI_(MM)监测了全省2001年—2014年季节尺度的旱情,捕捉了研究区2001年和2002年的典型干旱事件,验证了DSI_(MM)在山西省干旱监测中的适用性和稳健性。研究表明,DSI_(MODIS)与DSI_(AVHRR)之间存在较高的相关性,相关系数为0.75,二者对干旱的空间分布和时间频率具有一致的表现,说明在数据缺失的情况下, DSI可拓展应用于AVHRR数据集,以弥补MODIS数据在长时序监测中的不足; DSI_(MODIS)低估了山西省D1等级干旱信息,而高估了D2～D4等级干旱;对于轻度干旱D1,中度干旱D2,重度干旱D3,极度干旱D4四个等级, DSI_(MM)与SPEI在干旱时间频率和空间分布占比方面表现出高度的一致性,其中D3等级的时间频率完全一致, D4等级的空间分布一致性为0.98;在干旱类型丰富的地区可精确地修正DSI的干旱等级划分。研究结果对利用DSI进行区域尺度干旱监测具有借鉴作用,为山西省干旱信息监测获取了一种计算简易、精确度高的方法。     

利用地表温度与LAI的新型土壤湿度监测方法

地表温度（T_s）是土壤湿度和植被生长状态等因素的综合反映,利用植被指数和T_s能够监测土壤湿度的时空分布特征。利用农田气候模型CUPID的T_s模拟结果,发展了利用温度与叶面积指数（LAI）的新型土壤水分反演方法（advanced temperature vegetation dryness index, ATVDI）。前人研究表明归一化植被指数（NDVI）容易达到饱和状态,因此利用LAI代替NDVI开展土壤水分反演。利用CUPID模型模拟结果构建LAI-T_s散点图,分析T_s随LAI与土壤湿度的变化特征,利用对数关系式改进了温度植被干旱指数（TVDI）中相同土壤湿度时T_s与植被指数之间的线性关系,建立了ATVDI方法。在实际应用中,首先利用LAI与T_s的散点图确定对数曲线的上边界与下边界,然后采用查找表的方法将每个像元对应的T_s变换为研究区最小叶面积指数对应的T_s。以陕西省关中作为研究区,利用MODIS的LAI和T_s产品（MOD11A2和MOD15A2）以及野外观测土壤湿度数据对ATVDI模型进行验证,结果表明该方法具有较高的监测精度,R2达到0.62。此外,ATVDI的计算结果具有一定的物理意义,使得不同时期的监测结果具有一致性,因而可更好地满足不同空间尺度土壤湿度的动态监测。     

无人机遥感的多植被指数土壤水分反演模型

土壤水分是影响农业生产的重要因素,在作物生长发育和最终产量上起着至关重要的作用,快速、高效地估算土壤水分已成为农林水资源监测的热点问题。利用高光谱反射率的特征波段计算植被指数、构建土壤水分反演模型已获得广泛的认可和应用。针对反演土壤水分受植被覆盖度影响较大的问题,提出用多种植被指数组合削弱植被覆盖度对土壤水分反演的影响。在宜昌市仓屋榜试验基地选取30组柑橘树,在果树滴落线处收集土壤,通过烘干法测定土壤质量含水率,采样4次,共计120组土壤含水率;并利用ASD Field Spectral FR光谱仪(波长范围325～1 075 nm)及大疆精灵4多光谱版无人机获取了120组试验区蓝、绿、红、红边、近红外及短波红外波段光谱反射率,采用移动平均法对光谱数据进行降噪预处理,通过灰色关联法对9种植被指数进行比较分析,筛选出与土壤水分极显著相关的4种植被指数(p<0.01),各指数与土壤水分的相关性从高到低依次为裸土指数(BSI)、归一化蓝绿差异植被指数(NGBDI)、绿色归一化指数(GNDVI)、归一化差异植被指数(NDVI),其中BSI与土壤水分的相关性最高,相关系数为-0.687(N...     

植被结构特征对MODIS光谱干旱指数的影响

基于MODIS光谱反射信息的干旱指数在农业生产实践中有广泛的应用。利用PROSAIL模型和山东2010年的观测数据,研究了植被叶面积指数和生理生长周期等结构特征对MODIS光谱干旱指数的影响。结果表明,MODIS近红外与短波红外三个波段的反射率随植被叶片含水量变化明显,由他们构建的五种MODIS光谱干旱指数能够监测植被叶片水分含量。然而,各干旱指数均受叶面积指数(LAI)的影响,在LAI较低时影响较为严重,随着LAI的增大,这一影响逐渐减弱;植被生理生长周期也会影响干旱指数的大小。因此,在使用MODIS光谱干旱指数进行区域干旱监测时,必须考虑植被结构特征,谨慎分析监测结果。研究结论将为干旱遥感监测提供理论基础。     

基于实测高光谱和电磁感应数据的区域土壤盐渍化遥感监测研究

以新疆渭干河—库车河三角洲绿洲为例,利用实测得到的不同盐渍化程度的盐渍土高光谱数据和电磁感应数据(EM38)协同构建土壤高光谱盐分指数遥感监测模型,将该模型通过尺度效应转换用于校正传统的Landsat-TM多光谱遥感影像的土壤盐分光谱指数,用校正过的TM影像进行区域土壤盐分的反演,并利用实测土壤盐分数据对反演结果进行分析与验证。结果表明：将高光谱和电磁感应数据与多光谱遥感技术相结合进行区域土壤盐渍化信息的提取,其精度和反演效果(R2=0.799 3,p<0.01)明显优于传统多光谱遥感方法中单纯利用土壤盐分指数所建立的监测模型(R2=0.587 4,p<0.01),为今后更好地实现土壤盐渍化的高精度遥感动态监测研究提供了科学依据。     

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...     

基于多角度成像数据的新型植被指数构建与叶绿素含量估算

叶绿素含量的快速估算对于及时了解作物的长势、病虫害监测以及产量的评估都具有重要意义。利用自主研发的多角度成像观测系统获取了不同生育期玉米的高光谱影像,精确地提取出主平面内各个观测角度下玉米冠层的反射率。通过对ACRM模型模拟值和实测值的分析,计算出玉米冠层红波段下的热点-暗点指数(HDS),并利用该指数对TCARI进行改进,提出一个基于多角度观测的新型植被指数HD-TCARI,最后使用多角度高光谱成像数据对其进行了地面验证。结果表明,HD-TCARI能够减小LAI对叶绿素估算的影响,当叶绿素浓度大于30 μg·cm-2,HD-TCARI与LAI的相关性R2仅为26.88%～28.72%;当叶绿素浓度较高时,HD-TCARI具有抗“饱和”的特性在LAI在1～6之间变化时,HD-TCARI与叶绿素浓度的线性关系R2较TCARI提高了约9%左右。利用多角度高光谱成像数据对HD-TCARI进行地面验证,其与叶绿素浓度的线性关系(R2=66.74%)明显优于TCARI所建立的估算模型(R2=39.92%),证明了HD-TCARI指数具有更好地估算叶绿素浓度的潜力。     

用于FTIR大气成分监测的太阳跟踪系统设计

介绍研制的太阳跟踪和傅里叶变换红外(FTIR)光谱技术相结合的大气成分监测系统.该系统跟踪部分以ATmega128芯片为控制核心,结合光学、电子学、GPS模块、PSD位置传感器以及机械部分完成对太阳运行的实时跟踪,利用FTIR光谱仪和计算机处理得到的光谱数据用于大气成分的监测.通过实验验证,FTIR大气成分监测系统运行稳定、可靠,跟踪精度在0.3°以内.     

基于GF-4PMI数据的亮温差校正火点检测方法研究

高分四号PMI可为防灾减灾提供稳定数据,其搭载的中红外传感器可以很好地应用于快速火灾监测中。但由于缺少传统火灾监测的热红外波段,高分四号提供的光谱信息大多作为灾中监测的辅助数据,且现有的火点识别研究所构建的火点自适应阈值检测算法受单一波段的影响,错检率和漏检率均偏高。为进一步探究高分四号数据在林火监测中的应用方法,提高火点识别精度,本研究分析高分四号数据的特点,结合单通道红外光谱的火点监测方法,应用上下文思想提出一种基于双时相影像的亮温差校正火点检测的方法来进一步提高检测精度。该方法使用灾前和灾中两期影像,具体分为时间尺度上基于空间插值的亮温补偿获取,空间尺度上的上下文自适应阈值分割以及火点判识三个部分。首先将两期影像做差值处理,并将潜在火点周围动态邻域内其他无污染像元的亮温差作为采样点进行空间插值,随后将插值结果带入灾前影像中得到灾中未发生火灾时的背景亮温,最后利用判别条件进行火点判别和虚警剔除,得到最终火点检测结果。其中在灾中背景亮温的预测研究对比了反距离加权插值(inverse distance weigh)、简单克里金插值(simple kriging)和普通克里金插值(ordinary kriging)三种插值方法,从拟合结果来看普通克里金插值既体现了像素区域的波动性又有一定的平滑效果避免峰值过高,是较为理想的拟合结果。实验以目视解译的火点数据为参照验证了山西沁源县和内蒙古呼伦贝尔新巴尔虎左旗地区的两起火灾,对比最新提出的单时相火点检测算法,研究结果表明引进的亮温差校正数据可以更好地拟合背景亮温,减少错分误差至3%,并保持综合评价指标F_β分数在0.9以上。该方法有效结合了高分四号空间和时间的信息,未来可用于高分四号PMI数据自动化火点检测与快速提取。     

Sentinel-2宽波段光谱指数预测拔节后受冻冬小麦减产率

冬小麦拔节期后的晚霜冻害在区域尺度上表现出一定的空间差异,决定了应对冻害采取分区措施。基于Sentinel-2卫星数据的宽波段光谱指数预测区域冬小麦减产率,对灾情评估和生产管理决策具有重要意义。采用人工模拟霜冻试验,以光谱重采样将ASD FieldSpec^? 3光谱辐射计获取的冠层反射率模拟为Sentinel-2传感器对应的波段反射率。采用19个已有光谱指数和以3种形式(简单比值、简单差值、归一化)组合构建的光谱指数构建冬小麦减产率线性回归模型。在每种形式中,筛选出决定系数排名前三的宽波段光谱指数作为候选指数。以商丘地区自然霜冻事件为契机,以Sentinel-2卫星数据计算候选指数,利用地面采样点的实测减产率验证候选指数精度。结果表明：(1)随着处理温度的降低,冬小麦冠层反射率在近红外区呈降低趋势,在可见光区和短波段红外区呈升高趋势;(2)重采样前后反射率数据计算的19个已有光谱指数中,大部分指数与减产率呈显著相关(p<0.001)。筛选出的12个候选光谱指数预测冬小麦减产率的线性回归精度较好,在校正集和验证集中的决定系数均高于0.631;(3)Sentin...     

利用MODIS近红外数据反演大气水汽含量研究

大气水汽含量(precipitable water vapor, PWV)对遥感定量化及生态环境方面研究具有重要意义。针对传统水汽探测方法存在的问题,提出一种基于多通道表观反射率的ICIBR(improved continuum interpolated band ratio)水汽遥感反演方法。该方法结合MODIS数据第17,18和19三个近红外通道的水汽吸收特点,利用MODTRAN模型模拟大气含水量与三个通道ICIBR之间的关系,构建了适用于MODIS数据的ICIBR大气水汽含量定量反演模型。基于提出的ICIBR水汽反演方法,选择北美洲南部典型干旱、半干旱区德克萨斯州、俄克拉荷马州等地区为研究区,使用不同时间的四期MODIS 1B数据进行水汽反演实验。同时,选择SuomiNet提供的GPS水汽地基观测数据对反演结果进行精度验证以及MODIS大气水汽产品(MOD05)进行对比评价。验证和对比结果表明：该算法水汽反演结果与GPS水汽实测数据具有较高的一致性(r=0.967),均方根误差为0.276 cm,有71.08%的观测点对满足水汽反演误差精度(EE~±0.05+0.15PWV_gps)要求,同时与MOD05大气水汽产品相比,该方法在反演精度和准确估计方面有了较大提高,能够有效降低61%的水汽反演高估现象。该方法较传统算法更为简易、实用,具有较高的整体水汽反演精度。     

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。     

基于斜率荧光指数的茶树幼苗干旱胁迫分析

为了探究干旱胁迫对茶树幼苗叶绿素荧光参数的影响,选取龙井茶树幼苗进行干旱胁迫实验。利用叶绿素荧光成像技术提出斜率荧光指数SFI评估茶树幼苗干旱胁迫状况,计算1～8天内同一时刻灰度均值的极差R,以R的相对误差δ<5%确定极差稳定的时间范围,建立该区间内曲线上各点斜率变化与胁迫天数的相关模型。分析比较了斜率荧光指数SFI、动态荧光指数DFI、光合功能指数PFI、荧光衰减比率R_fd与胁迫天数之间的相关性。结果表明：R_fd和PFI与胁迫天数之间没有明显的相关性,SFI和DFI与胁迫天数之间有相关性。感兴趣区域ROI为50×50pixel时,SFI与干旱胁迫的天数之间的相关性(决定系数R²=0.94)明显高于DFI与胁迫天数之间的相关性(R²=0.60)。利用SFI评估茶树幼苗受干旱胁迫状况具有更高的准确率,为现代农业中监测植物生长状况提供了参考。     

利用光谱指数反演植被叶绿素含量的精度及稳定性研究

农业遥感中,利用光谱指数方法反演作物叶绿素含量一直得到广泛地应用。利用PSR-3500光谱仪及SPAD-502叶绿素仪同步获取了冬小麦冠层光谱数据及对应叶片的叶绿素相对含量(SPAD值),并利用高斯光谱响应模型将PSR获取的地面连续光谱数据重采样为多光谱Landsat-TM7及高光谱Hyperion光谱数据,然后分别计算基于两种传感器的归一化差值植被指数(normalized difference vegetation index, NDVI)、综合叶绿素光谱指数(MCARI/OSAVI,the ratio of the modified transformed chlorophyll absorption ratio index (MCARI) to optimized soil adjusted vegetation index(OSAVI))、三角形植被指数(triangle vegetation index, TVI)及通用植被指数(vegetation index based on universal pattern decomposition method, VIUPD),再将四种光谱指数与叶绿素含量进行回归分析。结果表明,针对重采样后的TM和Hyperion两种传感器数据,VIUPD反演叶绿素含量精度(决定系数R2)最高,反演能力最稳定,这与其“不受传感器影响”的特性密不可分;MCARI/OSAVI反演精度和稳定性次之,是因为引入的OSAVI削弱了土壤背景的影响;宽波段指数NDVI和TVI对模拟TM数据有较好的反演精度,对Hyperion数据反演精度却很低,可能是因为两种指数的构成形式简单,考虑的影响因素较少。以冬小麦为例,对利用光谱指数反演植被叶绿素含量的精度和稳定性进行了研究并分析了其影响因素,经比较发现利用植被指数VIUPD进行植被叶绿素含量反演时,其精度和稳定性最好。     

基于SWIR-Red光谱特征空间的农田干旱监测新方法

干旱是一种频繁发生的自然灾害,遥感监测干旱已成为重要的研究方向。可从农田遥感干旱监测最主要的两种地物类型(植被和土壤)的光谱特性分析入手,选择了对水分变化敏感的红光、短波红外波段来监测干旱状况,以短波红外与红光的差值和短波红外与红光的和构建新的光谱空间特征,提出了干旱监测的新方法——归一化的干旱监测指数NPDI。用野外实测的土壤含水量对NPDI模型进行验证,结果表明:NPDI,MPDI与10cm处的土壤含水量模型都具有较高的相关性,其R2分别为0.583和0.438,NPDI模型的监测效果要优于MPDI。此模型是对PDI,MPDI和SPSI等模型的进一步改进,可实现对不同植被覆盖度的、整个生长季的农田干旱监测,在实际的农田干旱监测中具有较高的应用潜力和推广价值。     

太赫兹光谱技术用于干旱胁迫下大豆冠层含水量检测研究

近年来水资源短缺问题日益严重,部分地区由于农业灌溉用水不足导致庄稼减产农民利益受损。大豆是一种需水量较大的农作物,一旦水分亏缺将直接影响大豆植株的形态和生长发育,从而造成大豆品质降低和产量减少。大豆叶片的水分状况可真实地反映植株水分受土壤水分亏缺的影响程度,因此,大豆冠层叶片水分含量的快速获取成为一种需要。太赫兹辐射在水中的强烈衰减使其成为一种非常灵敏的非接触式探针,可以快速、无损地检测叶片含水量。因此基于太赫兹光谱这一新技术进行大豆冠层叶片含水量的检测研究,用于实时监测田间大豆的健康状况。实验选用中黄13号大豆进行栽培,为尽可能模拟田间不同程度的干旱胁迫状况,将开花期大豆进行5个不同梯度：正常供水、轻度干旱胁迫、中度干旱胁迫、重度干旱胁迫、严重干旱胁迫(分别占田间最大持水量的80%,65%,50%,35%,20%)的水分灌溉,每个梯度设置3个重复。利用人工称重法与便携式土壤水分速测仪结合将土壤含水量调控到各水分梯度要求。然后,将实验大豆植株运回实验室并利用透射式太赫兹时域光谱仪进行样本扫描,每个梯度采集18片冠层叶片,共90个样本,以2∶1的比例分为校正集和预测集。在获取各样本时域光谱数据后,根据Dorney和Duvillaret提出的模型进行了光学参数的提取,得到各样本的吸收系数谱以及折射率谱。定性分析了太赫兹时域光谱、吸收系数、折射率随水分胁迫程度不同的变化情况。实验发现：随着水分胁迫程度的降低,时域光谱的峰值呈不断衰减趋势,且均低于空白参考峰值,同时有明显的时间延迟。吸收系数值随干旱胁迫程度的加剧逐渐降低;折射率值同样随干旱胁迫程度的加剧逐渐降低。并利用偏最小二乘(PLS)和多元线性回归(MLR)方法定量研究了时域光谱、吸收系数、折射率光谱数据与叶片含水率的相关关系。结果表明,太赫兹波对大豆叶片水分差异十分敏感,基于时域光谱最大值和最小值的MLR预测精度最高,预测集相关性(r_p)达-0.939 3,均方根误差(RMSEP)为0.049 5。研究表明太赫兹光谱技术应用于大豆冠层叶片含水量观测具有良好的可行性,为开展大豆冠层含水量信息快速获取,实现科学节水管理与灌溉决策提供了新的检测手段和实验依据。     

基于地面实测光谱的湿地植物全氮含量估算研究

随着再生水越来越多的应用于城市湿地,湿地植物生长状态的大面积监测对于利用再生水的湿地恢复与重建具有重要意义。目前遥感技术已成为植物生长状态大面积监测的重要手段。本研究以北京市典型再生水城市湿地奥林匹克公园南园湿地为研究区,以反映植物生长状态的重要指标全氮(TN)为研究对象,在测定研究区湿地植物芦苇(Phragmites australis)和香蒲(Typha angustifolia)的叶片光谱及TN含量的基础上,对数据进行预处理并建立二者的关系模型,包括单变量模型(比值光谱指数(SR)模型和归一化差值光谱指数(ND)模型),与多变量模型(逐步多元线性回归(SMLR)模型和偏最小二乘回归(PLSR)模型),并利用交叉验证决定系数(R2CV)和均方根误差(RMSECV)对模型精度进行检验。结果表明,不同湿地植物类型相比,利用芦苇反射光谱建立的各种预测模型的精度都高于香蒲;不同回归模型相比,多变量回归模型的精度较高;多变量回归模型中,PLSR模型的精度高于SMLR模型,其R2CV可达0.80,RMSECV仅为0.24,是建立湿地植物光谱与TN含量关系的最优模型。研究成果不仅为湿地植物生长状态遥感探测提供参考借鉴,而且可以为利用再生水的城市湿地监测与管理提供有力的科学依据。