作物植被覆盖度的高光谱遥感估算模型

通过大田试验,使用ASD光谱仪测量了油菜、玉米、水稻三种作物不同覆盖度水平下的冠层光谱,同时拍照获取植被图片并用计算机求算了植被覆盖度。利用三种作物光谱求算“红边”变量,并对波段两两组合求算归一化植被指数(NDVI),建立这些光谱变量与覆盖度之间的估算模型,得到适用于三种作物的最优估算模型和最佳的NDVI波段组合。另外,利用响应函数模拟了TM归一化植被指数,同植被覆盖度进行了相关分析,回归方程的R2达到0.80,并通过了预留数据的检验,为TM数据植被覆盖度估算进行了探索性的研究。     

不同病害胁迫下大豆的光谱特征及识别研究

在英国诺丁汉大学Sutton Bonington校区(52.8°N, 1.2°W)实测感染锈病与普通花叶病大豆的单叶光谱数据,利用连续统去除法对原始光谱数据进行处理,筛选对病害及锈病严重度敏感的波段,构建植被指数对感染锈病与普通花叶病及不同严重度锈病的大豆进行识别研究。研究发现普通花叶病胁迫下的大豆光谱反射率在可见光区域均大于健康大豆的,而锈病胁迫的大豆光谱反射率在绿光区随病情严重度增加而减小,在红光区随病情严重增强而增大。根据大豆光谱变化特征设计了一个植被指数R₅₀₀×R₅₅₀/R₆₈₀对大豆病害进行识别,通过计算不同病害及不同严重度之间的J-M距离对指数识别病害能力进行检验,结果表明指数R₅₀₀×R₅₅₀/R₆₈₀能够较好的识别出大豆锈病与普通花叶病,且该指数在识别大豆锈病严重度方面也有较强的能力。研究结果对农作物病害遥感监测与防治具有重要的理论价值与实际应用意义。     

蚜虫胁迫下棉叶光谱特征及其遥感估测

在棉蚜危害棉花的主要生育期测试蚜害后不同严重度叶片的理化参数和光谱,分析并比较了不同时期、不同品种蚜害棉叶理化参数和光谱反射率特征,确定了蚜害棉叶光谱敏感波段,建立了蚜害棉叶严重度估测模型。结果表明:蚜害棉叶的理化参数和光谱特征明显,蚜害棉叶平均厚度,含水量,温度和叶片CHL.b均增加,叶片而平均CHL.a,CHL.a+b和Cars含量减少。不同时期、不同品种蚜害棉叶光谱反射率在可见光均表现先升后降的特征,但不同品种蚜害棉叶在近红外波段反射率不同。434～727和648nm可分别作为蚜害棉叶的光谱敏感波段和最佳波段。基于敏感波段建立的蚜害棉叶遥感估测模型均达到显著相关,其中以(R1589-R648)/(R1589+R648)为自变量建立的估算模型精度最高,相对误差最小(0.128),可作为蚜害棉叶严重度最佳识别模型。该研究为遥感大面积监测棉花蚜虫提供了理论依据及参考。     

高光谱遥感识别地下储存天然气微泄漏点

如何及时准确探测天然气地下储存库或管道出现的微泄漏点目前尚是一个难题。通过野外可控系统模拟天然气微泄漏实验，研究天然气微泄漏对地表植被的影响及遥感特征变化，从而间接探测天然气微泄漏点。实验以草地与大豆为研究对象，测量了胁迫区与对照区植被的冠层光谱，进行奇异值剔除和平滑处理，对一阶微分处理后的植被冠层光谱再进行连续小波变换分析，发现对照组与胁迫组植被冠层光谱小波能量系数在685和715 nm处差异较大，且规律稳定，用其构建归一化指数(DW₆₈₅-DW₇₁₅)/(DW₆₈₅+DW₇₁₅)(DW)，并与PRI，NPCI，NDVI，D₇₂₅/D₇₀₂指数进行对比分析，经J-M距离检验，结果表明归一化指数DW在识别天然气微泄漏胁迫下的草地和大豆具有较好的识别效果，且比PRI，NPCI，NDVI，D₇₂₅/D₇₀₂指数具有更好的普适性与稳健性。该结果表明，通过高光谱技术间接检测天然气微泄漏点具有可行性，为以后的工程应用提供技术支持和理论基础。     

基于高光谱成像技术识别番茄干旱胁迫

番茄果实营养丰富备受人们喜爱。番茄生长周期长,需水量大,水分含量是影响番茄植株生长发育的主要因素;快速发现番茄植株水分亏缺状态,对于科学有效地进行番茄的灌溉管理,保障和提高番茄的产量和品质具有重要意义。利用高光谱成像技术,实时识别番茄叶片干旱胁迫程度,提出了一种基于高光谱成像技术的番茄叶片干旱胁迫的识别方法。首先,选取红樱桃番茄为实验品种,在室内培养12盆番茄幼苗。在保证其他管理措施相同的基础上,通过控制施水量来控制番茄的胁迫状态,干旱胁迫程度设计3个处理(适宜水分、中度和重度胁迫)。分批次采集不同干旱程度番茄幼苗嫩叶在400～1 000 nm范围的高光谱图像,并提取了每个样本的光谱和纹理特征。使用标准化(Norm)、多元散射校正(MSC)、一阶导数(1st)和标准正态变量变换(SNV)四种预处理方法对光谱数据进行预处理去除光谱中的噪声。使用连续投影算法(SPA)、竞争性自适应重加权算法(CARS)以及竞争性自适应重加权算法结合连续投影算法(CARS-SPA)选取光谱重要特征波段,用灰度梯度共生矩阵(GLGCM)提取番茄叶片的纹理特征,用SPA选择纹理特征的重要变量。融合重要光谱特征与...     

病害胁迫下棉花叶片色素含量高光谱遥感估测研究

通过小区和大田同步调查棉花黄萎病,在不同生育期测定病叶光谱及其色素含量。将病叶光谱反射率、一阶微分及相应的特征参数与色素含量进行相关分析,建立病叶色素含量估测模型并检验。结果表明：病叶叶绿素a,b及a+b含量可见光反射率、与一阶微分光谱在蓝边、黄边和红边处与除红边振幅(Dr)外的其他光谱特征参数间均达极显著相关。转换叶绿素吸收反射指数(TCARI)和新建归一化植被指数(NDVI[702, 758])对叶绿素a, b及a+b含量的估测精度最高,相对误差均小于1.3%。考虑到NDVI[702, 758]建立的模型更实用,可做为病叶叶绿素a, b和a+b含量的最佳估测模型。研究结果对高光谱信息定量估测病害棉叶色素含量,对利用高光谱监测棉花长势及病害影响评价均具有较高的实用价值。     

植被氮素浓度高光谱遥感反演研究进展

氮素是植被进行生命活动的必需元素,它在蛋白质、核酸、叶绿素和酶等物质的生物合成中起重要作用,并在植被的光合作用中起到关键作用。植被氮素浓度高光谱遥感反演技术是自20世纪70年代以来的研究热点。近年来随着高光谱遥感技术的发展,可将光谱波段在某一光谱区域进行细分的优势,为与植被氮素相关的光谱特性研究提供了有力的技术手段。结合近几年主要地理科学文献上发表的植被氮素浓度高光谱遥感监测的最新研究成果,介绍了植被氮素浓度高光谱遥感监测的原理及相关问题。从植被氮光谱指数、叶绿素指数的植被氮含量反演、回归模型和反演植被氮浓度影响因素的消除方面,详细介绍了植被氮素浓度高光谱遥感反演这四个方面的主要技术方法,总结分析了研究结论,并讨论了研究发展趋势。     

病害胁迫下冬小麦冠层叶片色素含量高光谱遥感估测研究

通过人工田间诱发小麦条锈病,在不同生育期测定染病冬小麦冠层光谱和相应叶片的色素含量。把冠层光谱数据、一阶微分数据与相应的叶片色素含量数据分别进行相关分析,采用单变量线性和非线性回归技术,选取部分样本建立小麦的色素含量估测模型,并利用其余的样本对模型进行检验,结果表明绿边内一阶微分总和(SD_g)与红边内一阶微分总和(SD_r) 的归一化值为变量的线性模型是估测色素含量的最佳模型,其估测叶绿素a,叶绿素b和胡萝卜素含量的相对误差分别为17.0％,16.3％和12.4％。该研究表明可用高光谱信息估测冠层叶片色素含量,且估测精度较高。文章的研究结果对利用高光谱遥感监测农作物长势以及病害影响都具有实际应用价值。     

基于植被特征库的高光谱植被精细分类

目前,高光谱数据精细分类面临两方面问题：一方面,传统单纯利用光谱信息的分类往往难以满足各应用行业对精度的需求,另一方面,基于像元的分类结果受制于椒盐噪声,影响其有效应用。为此,提出了一种基于植被特征库构建与优化的高光谱植被精细分类策略。首先,从高光谱影像中的原始光谱特征出发,结合灰度共生矩阵和局域指示空间分析两类纹理特征,并有针对性地加入了对植被叶绿素、胡萝卜素、花青素和氮素叶面积指数等理化参量敏感的光谱指数特征,构建了完备的植被特征库,以提高植被类别间的可分性;进而对植被特征库进行光谱维优化,提出了基于类对可分性的光谱维优化算法,选择对各类对具有最高识别能力的特征波段,通过迭代使各类别间均达到较高的区分度,并利用最优索引因子法进一步降低数据冗余,以提高分类效率;在进行植被特征库空间维优化时,主要基于地物分布通常具有一定的空间连续性这一理论,提出了基于邻域光谱角距离的植被特征库空间维优化算法,以去除分类结果中的椒盐噪声,提高分类精度和分类图像平滑度。基于航空高光谱数据的植被精细分类验证表明,该方法可以显著提高分类精度,在作物品种识别、精准农业等方面将具有广泛的应用前景。     

小麦盐与物理损伤胁迫下果胶高光谱反演模型

小麦是我国的主要粮食作物,在国民经济发展中具有举足轻重的地位。然而,盐与物理损伤等非生物胁迫,逐渐成为制约小麦产量和品质的重要因素。研究表明,细胞壁是植物细胞直接抵御逆境胁迫的重要防线。盐胁迫下,细胞渗透压增大,质膜的透性会受到一定程度的影响。为了维持细胞的形态和结构,植物细胞壁中的果胶等多糖物质会发生不同程度的转化和改变。物理损伤,会加深植物细胞膜脂过氧化的程度,使膜通透性增大,导致营养物质的流失和降解。受到损伤的部位及其周边细胞还会发生栓化以阻塞病菌的侵入。构成植物细胞壁主要成分且能够反映细胞壁以及膜系统完整性和透过性的果胶,可以作为研究胁迫下植物内部物质响应规律的重要指标。目前,质量法、比色法、液相色谱法等常用的果胶检测方法操作繁琐、实时性不强且对样本损耗较大。亟需一种操作简便、检测速度快、无损的检测方法。将烟农0428小麦作为研究对象,采用水培方式,以向培养液中施加氯化钠(NaCl)溶液和对小麦第一片叶主脉两侧针刺分别模拟盐胁迫和昆虫叮咬造成的物理损伤,并完成小麦叶片果胶及高光谱信息的采集与处理。利用相关分析法筛选光谱敏感波段,将主成分回归(PCR)、偏最小二乘法(PLS)、逐步多元线性回归(SMLR)三种建模方法分别与多元散射校正(MSC)、标准正态变换(SNV)、一阶导数(FD)、卷积平滑(S-G)、Norris导数滤波(NDF)等预处理技术相结合,建立果胶含量反演模型。最终,选定PLS+SNV+FD+NDF方法建立的模型为最优模型,并对其性能进行了测试。结果表明：果胶含量的预测值与实测值一致性较高,拟合系数(R2)和均方根误差(RMSE)分别为0.997 6和0.35;预测值重复性较好,相对标准偏差(RSD)为1.2%。该研究以新方法实现小麦果胶的高精度、快速、无损检测,有助于小麦响应逆境胁迫机理的深入探索,并为大田作物胁迫程度预测及种植环境的精准管控提供参考。     

遥感光谱信息提取不同覆盖下植被水分信号的研究进展

综述了基于遥感光谱信息的植被水分信号提取的研究进展,包括直接利用光谱反射率反演植被水分信息到建立植被水分指数(WI),再发展至利用辐射传输模型来获取植被冠层水分信息。着重评述了针对低植被覆盖条件下的提取其冠层水分信息的方法,包括利用冠层生理参数估算植被水分信号;基于去除土壤背景影响的光谱植被水分指数或辐射传输模型估算植被水分信息,以及基于多角度的星-地观测提取稀疏条件下的植被水分信息。最后讨论了针对提取低覆盖植被冠层水分信息方法的可能发展趋势。     

洪涝胁迫的水稻叶面积指数变化及其光谱响应研究

通过水稻淹水实验模拟洪涝胁迫状态,分析不同生育期、不同洪涝胁迫强度下的水稻叶面积指数变化及其冠层高光谱响应规律,建立洪涝胁迫下水稻叶面积指数(LAI)的估测模型。结果表明,分蘖期、拔节期、抽穗期水稻LAI均随淹水深度的增加而降低;水稻冠层680~760 nm光谱的一阶微分具有“双峰”现象,主峰位于724~737 nm,701和718 nm有次峰出现,并随淹水深度的增加出现“三峰”;冠层红边位置在各个生育期出现“蓝移”,红边幅值、红边面积在分蘖期、拔节期、灌浆期均呈现“蓝移”,在抽穗期出现“红移”;生育前期水稻LAI与光谱特征参量存在显著相关,生育后期相关性不显著;最后以D_λ737/D_λ718光谱参量建立了水稻生育前期的LAI估测模型。表明在洪涝胁迫下,水稻LAI的变化幅度直接反映胁迫强度的大小,估测模型LAI=3.138(D_λ737/D_λ718)-0.806可用于估测洪涝胁迫不同强度下的水稻叶面积指数。     

基于时序高分一号宽幅影像火后植被光谱及指数变化分析

为了探究国产高分卫星遥感技术监测火干扰对植被生长影响的能力及其表征植被指数,选取2014年发生在四川省雅江县和冕宁县的两场森林火灾形成的火烧迹地作为研究区,利用火灾前后时序的高分一号宽幅(GF-1 WFV)数据,对不同受灾程度火烧迹地火灾前后的光谱特征变化进行分析,并以月为单位分析了不同受害程度植被火后两年内由GF-1 WFV数据生成的归一化植被指数(NDVI)、增强型植被指数(EVI)和全球环境监测植被指数(GEMI)等三种表征植被生长状态的植被指数的变化,结合研究区纬度、海拔和气候条件分析火后植被的年内恢复规律。结果表明：火烧造成植被色素和细胞结构破坏,使其不再表现出正常植被特有的光谱特征,在可见光区受害植被的反射率相比于正常植被偏高,且其值随受灾程度加重而升高;在近红外波段火干扰后的植被反射率降低,其值远低于正常植被的反射率值。NDVI,EVI和GEMI在表征植被恢复生长过程中存在高度相关性且对植被季节变化敏感,均能反映植被恢复的生长过程,具有描述火烧区植被恢复动态过程的能力;受灾植被恢复生长过程中的植被指数变化与正常植被年生长过程的植被指数变化趋势基本一致,同样存在生长季和非生长季;火烧区植被的NDVI,EVI和GEMI值相比正常植被对应植被指数值始终偏低,且植被受灾越严重,其植被指数值在同期中对应越低。     

盐胁迫下匍匐翦股颖高光谱分析与电解质渗透率反演

叶片电解质渗透率是反映植物细胞渗透性的一个重要指标,对草坪草遭受盐胁迫的研究有重要意义。针对叶片电解质渗透率传统检测方法,耗时长,损伤叶片,无法大面积监测等弊端,探讨了用高光谱快速无损检测叶片电解质渗透率的方法。以匍匐翦股颖(Agrostis stolonifera)为对象,在温室中水培两周后进行浓度分别为0(对照),100和200 mmol·L-1的盐处理,7 d后按间隔7 d取样3次,共72个样。每次取样时先测量样品的光谱值,然后采用电导率法测定叶片电解质渗透率。分析匍匐翦股颖三种盐处理与光谱反射率之间的关系和差异,对三种盐处理的光谱反射率计算归一化植被指数和差值植被指数,采用差分法计算光谱反射率的一阶微分,同时计算出蓝、绿和红光的三边参数,分析叶片电解质渗透率与光谱反射率、归一化植被指数、差值植被指数和三边参数的相关性。利用叶片电解质渗透率和各光谱数据相关程度高的数据,对校正集采用一元线性回归、多元线性回归和偏最小二乘回归法构建叶片电解质渗透率反演模型,用预测集检验反演模型。结果表明：盐胁迫与叶片高光谱在450～700 nm波段呈正相关;叶片电解质渗透率与450～732 nm波段反射率在0.01水平上显著相关;三边参数中绿边幅值和绿边面积与叶片电解质渗透率显著相关;采用偏最小二乘回归法建立的反演模型精度最好,建模和反演预测的决定系数分别达到了0.681和0.758,均方根误差分别为7.124和7.079。偏最小二乘法构建的反演模型实现了盐胁迫下匍匐翦股颖叶片电解质渗透率的快速无损检测,也为采用高光谱实时监测盐胁迫对匍匐翦股颖及其同类植物的伤害提供了依据和理论参考。     

Remote Sensing of Vegetation Stress and Soil Contamination Using CO2 Laser Reflectance Ratios

A tunable CO₂ laser reflectance sensor operating in the 9-11 m wavelength region of the electromagnetic spectrum was used to measure the mid-infrared active reflectance characteristics of stressed vegetation and contaminated soil. Measurements were performed at various wavelengths, incidence angles, and polarization combinations. The vegetation study was conducted by inducing freezing, chilling, drought, flooding, and heat stress on four different plant species showing varying leaf cover characteristics. The soil study was conducted by adding chemical contaminants, viz., antifreeze, used motor oil (containing gasoline), and unused motor oil to bare soil. Reflectance ratios, i.e., ratios of reflectance at different wavelengths, were investigated as to their relationships with different stresses and contaminations. It was determined that judiciously selected reflectance ratios could be used to identify stressed plants (although the type of stress could not always be identified), as well as the presence and the type of contamination in bare soil. This indicates the potential for CO₂ laser sensors to monitor vegetation stress and soil contamination from standoff platforms.     

基于无人机高光谱遥感的东北粳稻冠层叶片氮素含量反演方法研究

为探究遥感监测水稻冠层叶片氮素含量的较优高光谱反演模型,以水稻小区试验为基础,获取了不同生长期水稻冠层高光谱数据。在综合比较一阶导数变换(1-Der)、标准正态变量变换(SNV)和SG滤波法等处理方法基础上,提出一种将SNV与一阶导数变换的SG滤波法相结合的光谱处理方法(SNV-FDSGF),并将处理后的数据经无信息变量消除法(UVE)与竞争自适应重加权采样法（CARS）选出不同生长期的敏感波段。将各生长期的敏感波段两两随机组合,并构建与水稻叶片含氮量相关性较高的差值光谱植被指数(DSI)、比值光谱植被指数(RSI)、归一化光谱植被指数(NDSI)。其中分蘖、拔节和抽穗3个时期的最优植被指数和决定系数R2分别为：DSI(R₈₅₇, R₆₂₃), 0.704; DSI(R₆₇₀, R₅₇₈), 0.786; DSI(R₉₉₅, R₅₀₈), 0.754。以各生长期内的较优的三种植被指数作为输入分别构建自适应差分优化的极限学习机(SaDE-ELM)、径向基神经网络(RBF-NN)以及粒子群优化的BP神经网络(PSO-BPNN)反演模型。结果表明：SaDE-ELM建模效果最好,在模型稳定性和预测能力上比RBF-NN和PSO-BPNN都有了明显提高,各生长期反演模型的训练集和验证集决定系数R2均在0.810以上,RMSE均在0.400以下,可为东北水粳稻冠层叶片含氮量的检测与评估提供科学和技术依据。     

Analysis of Tensile and Permanent Set Data for a Silica-Filled Silicone Elastomer via Four Tube Models of Rubber-Like Elasticity

Using four recent tube models of rubber-like elasticity, a literature set of tensile and permanent set data for a silica-filled silicone network before and after γ-ray irradiation was investigated. As the silicone elastomer contained ～40 phr of silica, for the stress–strain analysis the latest filler cluster (fractal) breakup mechanism was combined with each of the tube models as a filled model along with the corresponding nonfilled one. In the first part of this study the essential parameters that the models have were determined from fits to the stress–strain data. In the last part the permanent set analysis was conducted with the parameter values, using the modified Tobolsky model involving chain scission and cross-linking. This showed very good agreement with the experimental data via any of three filled models (one of the filled models was excluded due to its intractability). It was also confirmed, as would be expected, that each of them worked more favorably than a corresponding nonfilled model.