基于低空成像高光谱系统探测植被日光诱导叶绿素荧光

植被叶绿素荧光与光合作用关系密切,被认为是光合作用的有效探针。该研究利用成像高光谱传感器和无人飞艇构建了一套适用于低空叶绿素荧光探测的系统。针对低空叶绿素荧光探测中,太阳下行辐射光谱难以获取的情况,基于已有的aFLD方法,提出一种新的叶绿素荧光提取方法a3FLD,该方法利用了非荧光发射体,且考虑植被反射率在夫琅和费线附近的变化。通过模拟数据以及实测数据对两种提取结果进行了比较。模拟数据分析结果显示：当地物的反射率在夫琅和费线附近存在一定的变化时,a3FLD计算得到的荧光值误差小于aFLD,地物反射率变化越大,a3FLD的改进越明显。对低空高光谱影像数据的分析显示：aFLD和a3FLD提取不同植被的日光诱导叶绿素荧光相对大小关系相一致,与作物所处的生长阶段吻合。但aFLD荧光提取值比a3FLD高15%左右。aFLD的结果中有部分非荧光发射体得到较强荧光,a3FLD能改进此问题。结果显示,利用该系统和方法能够成功地提取到植被叶绿素荧光,且所提出a3FLD方法提取的结果优于aFLD方法。     

日光诱导叶绿素荧光与反射率光谱数据监测小麦条锈病严重度的对比分析

小麦条锈病是影响我国小麦产量的主要病害之一,在小麦受到条锈病菌侵染初期探测到病害信息,对小麦条锈病的防控以及产量和品质的提高具有更为重要的意义。反射率光谱主要反映植被生化组分的浓度信息,而日光诱导叶绿素荧光则对植物光合生理变化响应灵敏。为了更好地实现小麦条锈病病情严重度的遥感探测,尤其是条锈病的早期探测,对日光诱导叶绿素荧光和反射率光谱数据监测小麦条锈病病情严重度的敏感性进行了对比分析。首先利用地物光谱仪测定了不同病情严重度的小麦冠层光谱数据,基于夫琅和费暗线原理利用3FLD(three-band Fraunhofer Line Discrimination)方法提取了小麦条锈病不同病情严重度下的日光诱导叶绿素荧光数据,然后分别利用反射率光谱数据和日光诱导叶绿素荧光数据构建小麦条锈病不同发病状态下的遥感探测模型,并通过保留样本交叉检验方式对预测模型精度进行了评价。结果表明：（1）当小麦条锈病病情指数低于20%时,日光诱导叶绿素荧光对小麦条锈病病害信息的响应比反射率光谱数据更为敏感,以日光诱导叶绿素荧光为自变量构建的小麦条锈病病情严重度预测模型达到了极显著性水平,能够在植被叶绿素含量或叶面积指数发生变化之前探测到植物的胁迫状态,实现作物病害的早期诊断,而反射率光谱数据则难以探测到条锈病病害信息;（2）在小麦条锈病病情严重度处于中度发病(20%＜DI≤45%)状态时,虽然日光诱导叶绿素荧光和反射率光谱数据均能实现小麦条锈病病情严重度的遥感探测,但利用日光诱导叶绿素荧光数据构建的预测模型优于反射率光谱数据;（3）当小麦条锈病病情严重度达到重度水平(DI＞45%)时,利用反射率光谱数据和日光诱导叶绿素荧光数据构建的小麦条锈病病情严重度预测模型均达到了极显著性水平,两种数据均能够较好地实现小麦条锈病病情严重度的遥感探测。该研究结果对提高小麦条锈病的遥感探测精度具有重要的意义,为利用TanSat等卫星的荧光数据进行小麦条锈病的早期探测提供了参考依据。     

基于激光诱导叶绿素荧光寿命成像技术的植物荧光特性研究

针对植物荧光遥感探测中信号易受干扰的问题, 提出了一种用于评估植物生长状况及环境监测的荧光寿命成像技术. 采用凹透镜对355 nm波长的激光扩束, 再照射植物激发叶绿素荧光, 由增强型电荷耦合器件接收荧光信号. 采用时间分辨测量法, 连续用相同激光脉冲照射植物以激发相同的荧光信号, 同时不断改变激光脉冲触发探测器启动的延时时间, 从而能够得到完整的离散荧光信号分布图像. 对植物特定位置点产生的离散荧光信号进行拟合, 再运用一种改进型的迭代解卷积法可反演高精度的荧光寿命; 进而反演图像各点的荧光寿命以生成植物的荧光寿命分布图. 该方法所绘制的荧光寿命图比荧光强度图能更准确地反映植物内部的叶绿素含量, 并对活体植物叶绿素荧光寿命的物理特性进行了初步研究, 证明叶绿素荧光寿命与植物生理状态存在一定关联; 并且叶绿素荧光寿命与活体植物所处环境存在着复杂的关系. 未来将与生物物理学家们合作, 继续探寻叶绿素荧光寿命与植物生存环境的关系.     

基于光谱重建优化的无人机高光谱影像估算牧草生物量

准确及时地预测牧草的地上生物量AGB(above ground biomass)是实现牧草生长监测和合理放牧的前提。无人机高光谱遥感可快速获取高空间、光谱和辐射分辨率的遥感影像,已被广泛应用于精准农业和高通量植物表型等领域。为探究无人机高光谱影像(unmanned aerial vehicle hyper-spectral image, UAV-HSI)对草原牧草AGB预测的适用性,获取了青海省典型草场样区的UAV-HSI、样方牧草AGB和相关辅助数据。然而,UAV-HSI具有较大的数据量级,不便于被广泛采集、存储和传输,也会显著影响数据处理的效率,严重制约其被有效利用。着眼于此,提出一种兼顾数据简化和光谱保真的牧草冠层光谱重建优化方法,以期在有效降低数据量的同时,保证牧草AGB的预测精度。首先,利用残差量化方法对UAV-HSI进行特征参量化处理,获得低数据量级的多阶二值立方体(H_i)及系数矩阵(β_i),并以此替代原始数据进行存储和传输;其次,利用H_i和β_i进行光谱重建,得到初构光谱PRS(preliminarily reconstructed spectra);最后,运用Savitzky-Golay滤波对PRS进行优化,即为OPRS(optimized PRS)。以样区牧草光谱为例,对OPRS的光谱保真性,即OPRS与原始光谱之间的相关系数、光谱角和光谱矢量距离进行分析,结果表明,在3种保真性指标上,OPRS均明显优于同阶的PRS。进而,分析了牧草AGB与光谱变量之间的相关性,结果表明,与原始光谱和PRS相比,OPRS各波段对牧草AGB的预测能力相对较高且最为稳定。而后,利用偏最小二乘法回归构建了牧草AGB的反演模型,结果表明,在原始光谱、1～4阶PRS和1～4阶OPRS等9种光谱中,4阶和3阶OPRS的AGB预测精度分别达到了最优和次优水平,二者的AGB预测相对分析误差RPD(ratio of performance to deviation)分别为2.31和2.23,比原始光谱模型的RPD分别高0.26和0.18。在降低1个数量级的情况下,OPRS取得了优于原始光谱的牧草AGB预测性能,说明OPRS兼具数据简化和牧草AGB准确预测性能,为UAV-HSI估算牧草AGB提供了一种新的有效解决方案。     

重金属Cu胁迫下典型农作物叶片日光诱导荧光辐射特征提取研究

典型农作物在受到重金属Cu胁迫的情况下,日光诱导荧光辐射特征会发生变化,可以间接地反映植被受重金属胁迫的强度。采用不同含量的Cu溶液或Cu污染土壤作为培养基质,选择小麦、豌豆和白菜三种典型农作物进行Cu胁迫实验,通过地物光谱仪和积分球耦合测量方式获得在不同Cu胁迫强度下的植物叶片的表观反射光谱。基于叶片荧光光谱特性,采用模型反演的方法将表观荧光光谱从表观反射光谱中提取出来,并采用三种算法(GM,AM和LM)对表观荧光光谱进行重吸收校正,获得了在不同Cu含量胁迫下典型农作物的荧光光谱,并建立了远红荧光峰(FRF)高度与叶片中Cu含量之间的正相关关系。     

应用近地成像高光谱估算玉米叶绿素含量

图谱合一的近地成像高光谱是现代数字农业对田块尺度的作物长势信息进行动态临测和实时臀理的需要,是促进农业定量遥感发展的重要手段之一.文章通过自主研制的田间扫描成像光谱仪近地获得盆栽和大田玉米的冠层高光谱影像,从影像中精确提取玉米不同层位的叶片反射光谱并计算TCARI,OSA-VI,CARI,NDVI等多种光谱植被指数.构...     

基于叶绿素荧光光谱和反射光谱的甜瓜种子品种鉴别

甜瓜的品种多样,富含多种营养成分,甜瓜种子品种不纯将对甜瓜生产造成一定危害,研究采用种子的叶绿素荧光光谱结合反射光谱的分析方法鉴别甜瓜种子品种,以甜瓜品种“一特白”、“一特金”、“京蜜7号”、“京蜜11号”、“伊丽莎白”为研究对象。构建了甜瓜种子品种鉴别光谱系统,包括激发光源单元、光谱数据采集单元和数据处理单元,使用该系统获取不同品种甜瓜种子的光谱数据。对光谱数据分别进行一阶导数(first derivative, FD),Savitzky-Golay(SG) 平滑,FD结合SG平滑预处理。采用主成分分析(principal component analysis, PCA)方法降低光谱数据的维数,提取主成分。使用两种不同分组方法将样品按照3∶1的比例分为训练集和验证集,并分别采用Fisher判别和Bayes判别分析方法建立甜瓜种子品种的判别模型。本文比较了仅使用叶绿素荧光光谱与使用叶绿素荧光光谱结合反射光谱建立判别模型的判别结果,结果显示,使用叶绿素荧光光谱结合反射光谱建模的判别结果优于仅使用叶绿素荧光光谱建模的判别结果,Fisher判别分析和Bayes判别分析的验证集样品品种的判别正确率均达到98.0%。研究结果表明,采用叶绿素荧光光谱结合反射光谱鉴别甜瓜种子品种具有可行性。     

基于高光谱影像的干旱区草地光谱特征分析

基于石羊河流域金昌地区Hyperion高光谱影像,通过FLAASH大气校正,利用纯像元指数法提取草地波谱信息,并运用光谱一阶微分法和连续统去除法进行定量化处理。结果表明,相对于生长旺盛期的草地光谱特征,衰退期草地光谱红边左移,斜率降低,蓝边、黄边特征减弱,可见光波段反射值较高,近红外波段反射率较低;不同覆盖度草地的红边、绿峰、蓝光和红光吸收谷位置保持一致,可见光波段的光谱吸收特征(波段深度、宽度、面积、对称性)随覆盖度的增大呈有规律的变化,可作为提取或判定植被覆盖度的依据。     

激光诱导叶绿素荧光寿命的测量及其特性分析

提出了一种用于评估植物生长状况及环境监测的激光诱导叶绿素荧光寿命测量方法. 采用波长355 nm的激光作为光源激发叶绿素荧光, 由光电倍增管接收其荧光信号, 由于被测叶绿素荧光衰减函数与激光脉冲、仪器响应函数卷积在一起, 根据它们的特性, 运用时间分辨测量法分别测得叶绿素荧光及其背景信号, 并结合一种新型解卷积算法可分离出真实的叶绿素荧光衰减函数, 从而获取叶绿素的荧光寿命. 测试结果表明: 该方法能够实现叶绿素荧光寿命的高精度实时监测, 对不同叶绿素含量的溶液荧光寿命进行了测试, 证明叶绿素含量与其荧光寿命具有相关性, 并且拟合了叶绿素含量与荧光寿命的标定曲线. 关键词： 荧光寿命 激光诱导荧光 时间分辨测量法 叶绿素含量     

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。     

MCR-BANDS用于高光谱成像分辨中旋转模糊度的评估

自建模曲线分辨用来将双线性光谱数据矩阵分解成具有明确物理或化学意义的曲线,一方面反映了复杂体系中各个主成分对应的纯光谱,同时也能够解析得到其对应的相对浓度。这一方法在高光谱解析中充分发挥了其优势,成为了高光谱分析中的重要方法之一。然而,双线性结构数据多元分辨模型在约束不充分的条件下往往不能获得唯一解,这一问题是由顺序模糊、尺度模糊和旋转模糊引起,其中旋转模糊最难消除。在高光谱成像中,如果不能明确浓度分布情况,将导致在成像领域难以确认目标的准确位置或形貌。为了充分了解旋转模糊带来的影响,评估非唯一解情况下可行解的范围,并进一步为实际应用中需要解析获得的每个主成分的纯光谱或波谱信号,以及其对应的浓度信息提供客观的评估依据,在以往的研究中,研究人员分别使用网格法、蒙特卡洛法进行抽样,以计算曲线分辨结果中可行解的范围,也有科研人员使用了几何多边形内部和外围面积的形式表示结果,但是这些结果往往面临运算时间过长,或者无法实现高维可视化而不适用于大于四个主成分的数据等问题,而且通常这些方法很难将曲线分辨过程中施加的除非负约束之外的其他约束方法加以利用,导致可行解范围计算不准确。为了解决以上问题,采用MCR-BANDS对MCR-ALS（多元曲线分辨-交替最小二乘）分辨获得的结果进行了旋转模糊程度的评估,并将其应用到遥感高光谱成像的解析中。首先以美国地质勘探局矿物光谱库中的纯光谱为基础的模拟数据集对MCR-ALS和MCR-BANDS的结果进行了评测,在模拟数据中能够方便地控制噪声的影响,控制选取主成分之间的纯光谱差异、仿照真实环境中浓度渐变特征等因素,考查了特定条件下MCR结果中旋转模糊的水平。随后为了证实所用方法的可行性,进一步采用MCR-ALS分析了机载可见/红外成像光谱仪（AVIRIS）获得的遥感高光谱图像数据,并首次采用MCR-BANDS对MCR-ALS的分辨结果的旋转模糊进行了分析,实现了对遥感高光谱数据成像浓度分布的受到旋转模糊影响的可视化表示。可以发现真实解和MCR-ALS获得的可行解均在MCR-BANDS计算得到的可行解范围之内。结果表明,MCR-BANDS方法基于最大和最小的信号贡献对旋转模糊的范围进行计算,能够适用于不同主成分的体系中,并且完美对接MCR-ALS中使用到的诸如非负、单峰、封闭和选择性约束等。MCR-BANDS的分析结果可以为MCR-ALS的解析结果提供相应的旋转模糊水平估计,有利于对MCR-ALS结果的解释;在充分约束条件下,能够有效减少甚至消除旋转模糊对MCR-ALS分辨结果的影响,为精确确定遥感高光谱中解析得到的目标物位置提供了客观的范围。     

Performance Check of Vegetation Fluorescence Imaging Lidar through In Vivo and Remote Estimation of Chlorophyll Concentration Inside Plant Leaves

Laser-induced fluorescence imaging lidar was developed for in vivo plant/vegetation monitoring. Fluorescences of poplar tree leaves growing naturally at a distance of 60 m from the lidar were successfully detected as two spectral images at wavelengths of 685 nm and 740 nm. By comparing chlorophyll concentration quantified with high performance liquid chromatography, it was confirmed that the intensity ratio of the two wavelengths was converted into the chlorophyll concentration inside the leaves. The intensity ratio of the images reflected the status of the poplar tree in the process of senescence so well that it was possible to assess the living status of the tree as a numerical value. The performance characteristics and the potential of the laser-induced fluorescence imaging lidar for monitoring the physiological activities of plants and vegetation are described.     

Remote Estimation of the Chlorophyll Concentration of Living Trees Using Laser-induced Fluorescence Imaging Lidar

Monthly variation in chlorophyll concentration of living ginko tree leaves 65 m away from a system was remotely estimated by a laser-induced fluorescence imaging lidar. The combination of a pulsed laser and a short-time gated CCD using an image intensifier made it possible to monitor the weak fluorescence signal from the ginko tree leaves as an image. By applying the experimental idea that a ratio of intensity of the chlorophyll fluorescence at 740 nm to that at 685 nm showed a linear correlation to the chlorophyll concentration, the fluorescence image of the ginko tree obtained by the lidar was converted to the chlorophyll concentration distribution image.     

高光谱成像技术结合特征提取方法的草莓可溶性固形物检测研究

采用高光谱成像技术结合不同的特征提取方法,实现了对草莓可溶性固形物含量的检测。通过提取154颗成熟无损伤草莓的高光谱图像的874～1 734 nm范围光谱信息,对941～1 612 nm光谱采用移动平均法(moving average,MA)进行预处理。基于残差法剔除19个异常样本后将剩余135个样本分为建模集(n=90)和预测集(n=45)。采用连续投影算法(successive projections algorithm, SPA),遗传偏最小二乘算法(genetic algorithm-partial least squares, GAPLS)结合连续投影算法(GAPLS-SPA),加权回归系数(weighted regression coefficient, Bw)以及CARS法(competitive adaptive reweighted sampling)选择特征波长分别提取14,17,24与25个特征波长,并采用主成分分析(principal component analysis, PCA)与小波变换(wavelet transform, WT)分别提取20与58个特征信息。分别基于全波段光谱、特征波长与特征信息建立PLS模型。所有模型都取得了较好的效果,基于全波段光谱的PLS模型与基于WT提取的特征信息的PLS模型的效果最优,建模集相关系数(r_c)与预测集相关系数(r_p)均高于0.9。结果表明高光谱成像技术结合特征提取方法可用于草莓可溶性固形物含量的检测。     

粮油品质安全高光谱成像检测技术的研究进展

粮油品质安全至关人类营养健康与生命安全。常规检测粮油品质安全方法,由于操作困难、破坏性强、费用高、试剂污染等缺点,不能满足快速无损,高效无污染的要求,难以与工业4.0接轨。整合光谱和图像手段的高光谱成像技术,伴随着化学计量学的发展,突破了常规检测方法局限性,是粮油品质安全检测技术的发展趋势。在大量文献的基础上,综述了高光谱成像技术原理,以及在品质方面(组分测定、发芽检测、品种分类)和安全方面(真菌检测、虫害检测)的研究进展,特别分析了高光谱成像技术检测粮油品质安全的应用光谱范围、化学计量学方法、仪器设备和模型准确性,指出了现阶段在粮油品质安全检测中存在的主要问题,并对今后的研究方向和重点进行了展望,以期推动高光谱成像技术在粮油领域的应用发展。     

基于高光谱成像的小麦白粉病与条锈病识别

小麦白粉病和条锈病是我国两种最普遍、最具破坏性的小麦病害,且田间常常混合发生。由于病源和发病机理不同,有必要对这两种病害进行准确区分和识别,以采取不同的防治措施。基于ImSpector V10E高光谱成像系统采集的条锈菌侵染叶片、白粉菌侵染叶片和健康叶片(共计320个)在375～1 017 nm范围内的高光谱图像,利用高斯平滑等预处理方法得到三种小麦叶片的平均光谱曲线,发现小麦白粉病和条锈病的敏感波段均集中在550～680 nm的色素强吸收位置,且趋势基本一致。针对两种病害的响应波段交叉重叠的问题,通过主成分分析-载荷法(PCA)、连续投影算法(SPA)和竞争性自适应重加权算法(CARS)对小麦叶片的光谱信息进行有效降维,分别优选出3、6、30个敏感波段和特征波长;在此基础上,采用最小二乘-支持向量机和极限学习机两种分类算法分别基于全波段、PCA、SPA和CARS的优选波段,建立白粉病、条锈病和健康叶片的判别模型。结果表明,8种模型的准确识别率均在94.58%以上。其中,主成分分析-载荷法结合极限学习机模型最优,训练集与校正集的正确识别率分别为99.18%和100%,且结构简单,仅含有三个变量(占全波段的1.1%)。最后,通过对小麦白粉病、条锈病以及健康叶片的显微结构分析,发现病菌入侵叶片,破环细胞结构,导致叶绿素含量减少,光合作用效能降低,进而使得小麦在可见光波段光吸收程度减弱,反射率增大。可见,利用作物的高光谱图像信息能够准确地识别不同类型的小麦病害,为研发作物病害在线识别的多光谱系统提供重要的理论依据。     

苹果轻微机械损伤高光谱图像无损检测

无损检测是高光谱遥感应用研究热点之一。苹果在采摘、运输过程中易发生轻微机械损伤而影响其品质。使用高光谱成像系统分别采集54个轻微损伤的“黄香蕉”与“烟台富士”苹果可见-近红外波段(400~1 000 nm)的图像,提取苹果损伤区域的均值波谱曲线,对其进行最小噪声分离变换和基于几何顶点端元原理提取端元波谱,计算损伤区域波谱和端元波谱的光谱角,构建了端元提取光谱角苹果轻微机械损伤检测模型。通过设定光谱角阈值分别检测“黄香蕉”与“烟台富士”苹果轻微机械损伤,并与MNF变换、PCA方法检测精度进行对比分析,结果表明EESA模型检测苹果轻微机械损伤的精度最高,检测正确率分别达到94.44%和90.07%。     

Early Detection of Plant Stress from Changes in Distributions of Chlorophyll a Fluorescence Parameters Measured with Fluorescence Imaging

In this work, we used barley leaves suffering from a stress, for measurements of chlorophyll a fluorescence with an imaging fluorometer. We compared selected fluorescence parameters (FP) determined from the measurements of control (no stress) and afterwards stressed sample by classical statistical comparison (Mann–Whitney test) and by statistical comparison of shapes of distributions of the FPs (two-sample Smirnov test). We have found that there exist examples where statistically significant difference is not revealed using the classical statistical comparison (for given critical level), but statistically significant difference is revealed using comparisons of distributions (for the same critical level). It implies that the shape of statistical distribution of a FP is more sensitive to a stress of a sample than median of the FP. Further, the comparison of changes in shapes of statistical distributions of FPs is therefore more suitable for early detection of plant stress than a classical statistical comparison. The observed changes in the distributions of FPs are discussed.