【目的】采用光谱技术定量反演果实不同生育时期叶片含水量，为新疆南疆盆地人工绿洲核桃节水灌溉与水分管理提供技术支持。【方法】以‘温１８５’核桃叶片为研究对象，利用Ｕｎｉ Ｓｐｅｃ－Ｓｃ便携式光谱仪测定核桃果实不同生育时期的叶片光谱反射率，以水分指数（Ｗｉ）、水分波段指数（ＷＢｉ）、归一化水分指数（ｎＤＷｉ）、比值指数（Ｗｉ／ｎＤＷｉ）、中心波长比值指数（Ｒａｔｉｏ９７５）和光化／生理反射（ｐＲｉ）６种光谱水分指数为自变量，分别采用一元线性回归（ＭＬＲ）、多元线性逐步回归（ＳＭＬＲ）、主成分回归（ｐｃＲ）和偏最小二乘回归（ＳｐＬＲ）构建‘温１８５’核桃果实坐果期、速生生长期、硬核期、脂化期和近成熟．．．

植物叶片的水分含量是评价植物水分状态的一项重要指标。为快速、准确地获取植物的叶片含水量,分别使用传统敏感性分析方法和扩展傅立叶振幅灵敏度分析(EFAST方法)对PROSPECT模型进行了敏感性分析。在此基础上筛选与叶片含水量敏感度高的光谱水分指数,并以阔叶树种为研究对象,根据地面实测叶片等效水厚度(lEWT)和光谱数据建立了叶片等效水厚度估算模型并验证。结果表明:EFAST方法比传统的敏感性分析方法 ,可以量化叶片各项生化参数的敏感特征。叶片等效水厚度的敏感波段为900～2 500 nm,但在这个范围内光谱反射率也受叶片结构(N)和干物质含量(Cm)的影响;在选取的8个光谱水分指数中,水分胁迫指数(IMSI)、归一化差异红外指数(INDII)和归一化差异水分指数(INDWI1640)可以有效提高lEWT的敏感度。基于实测数据对植被水分指数建立的叶片等效水厚度估算模型的验证结果显示:INDWI1640和INDII估算模型的预测精度要优于其他指数。对比分析表明:在选取的光谱水分指数中,INDWI1640和INDII是叶片尺度上估算水分的最佳指数,而归一化差异水分指数(INDWI1240)和简单水分指数(ISRWI)适合于低值区域的叶片等效水厚度反演。图3表5参28

【目的】建立芒果叶片水分含量高光谱指数模型，实现芒果叶片水分含量快速无损监测，为芒果田间水分管理、日灼病防控、产量提升提供参考依据。【方法】于广西右江河谷百色国家农业科技园区生态遥感试验站采用离体测量法，同步测定芒果叶片反射率（R_(λ)）、水分含量、干物质含量、叶绿素含量和类胡萝卜素含量等生化参数。基于实测数据集校正PROSPECT模型，并生成模拟数据库。从实测数据集（n=200）和模拟数据库（n=1000）中各自随机选取85%样本作为建模集（n=1020），建立最优芒果叶片水分含量估算高光谱指数模型，并利用剩余15%样本作为验证集对指数模型进行精度验证。【结果】以实测数据校正PROSPECT模型后，PROSPECT模型模拟精度整体提升。比较实测数据与模拟生化组分数据分布特征，得出模拟数据库中光谱数据与实测光谱数据分布相近。对芒果叶片水分光谱吸收波段进行分析，结果表明，1400和1900 nm波段附近出现水分强吸收波谷。对芒果叶片水分含量进行高光谱指数开发，发现二重差值指数[DDn(1255，25)]与叶片水分含量间的相关性最佳、均方根误差最小（相关系数为0.86，均方根误差为2.58×10~(-3) g/cm~(2)），因而[DDn(1255，25)]为芒果叶片水分含量最优高光谱指数。利用多项式拟合[DDn(1255，25)]与芒果叶片水分含量，结果表明，基于[DDn(1255，25)]的一次多项式回归模型的决定系数为0.73，F检验值为2757.18，在验证集中表现最优。【结论】[DDn(1255，25)]指数与芒果叶片水分含量的相关性最高，基于该指数建立的一次多项式回归模型能快速无损监测芒果叶片水分含量，可用于芒果叶片水分含量无损监测，服务芒果田间水分管理、日灼病防控等生产活动。

[目的]探究不同品种核桃(Juglans regia L.)叶片含水量与叶片高光谱反射特征的相关性,分析品种间差异,为核桃叶片水分的准确诊断提供参考。[方法]本研究以5个不同品种的核桃叶片为研究对象,测定了脱水过程中叶片水分含量及其同步反射光谱响应曲线,分析并对比了不同品种核桃叶片含水量与光谱反射率的相关关系,探讨了核桃叶片水分敏感波段的品种间差异。[结果]表明:(1)不同品种核桃叶片的构成物质与叶片结构相似,在叶绿素和水分含量上存在差异;(2)核桃叶片含水量与叶片反射率的相关关系不受水分表征量的影响,在621■703、1 244■2 500 nm范围内各品种核桃叶片含水量与反射率均呈显著相关关系(p

【目的】研究猕猴桃叶片叶绿素含量的高光谱估算方法,为猕猴桃长势的遥感监测提供理论依据。【方法】以陕西杨凌蒋家寨村2018年不同生育期(初花期、幼果期、膨果期、壮果期、果实成熟期)的猕猴桃叶片为研究对象,分别测定其高光谱反射率和叶绿素含量(SPAD值),分析原始光谱和5个常见的植被指数(归一化植被指数、归一化叶绿素指数、改进的叶绿素吸收反射率指数、MERIS地面叶绿素指数、土壤调整指数)与叶绿素含量之间的相关关系,提取各生育期的特征波段,分别建立基于特征波段和植被指数的单波段叶绿素含量一元线性估算模型。利用主成分分析对原始光谱数据进行降维,将得到的主成分得分作为随机森林模型的输入变量,建立基于多波段信息的叶绿素含量多元估算模型,并对模型进行精度验证和分析。【结果】不同生育期猕猴桃叶片光谱反射率变化趋势基本一致,整体趋势为可见光波段反射率低,近红外波段反射率高;在可见光波段,光谱反射率随着叶绿素含量的升高而降低;在近红外波段,光谱反射率则随着叶绿素含量的增加而升高。通过相关性分析可知,初花期、幼果期、膨果期、壮果期、果实成熟期原始光谱的特征波段分别为729,548,707,707和712 nm,估算模型决定系数(R~2)分别为0.18,0.85,0.54,0.85和0.82,其中初花期估算模型未通过显著性检验,其余生育期均通过极显著性检验。在5个常用植被指数中,初花期与叶绿素含量相关性最高的是归一化叶绿素指数(NPCI),但是估算模型决定系数R~2只有0.1,未通过显著性检验;其他生育期与叶绿素含量相关性最高的是MERIS地面叶绿素指数(MTCI),所建立的估算模型拟合效果好,预测精度高。基于主成分分析和随机森林回归建立的不同生育期猕猴桃叶片叶绿素含量估算模型的R~2在0.91～0.98,均通过极显著性检验,其拟合效果和预测精度远高于单波段一元线性回归和基于植被指数的一元线性回归模型,是估算猕猴桃叶片叶绿素含量的最优模型。【结论】基于主成分分析的随机森林模型包含了更完整的波段信息,对不同生育期猕猴桃叶片叶绿素含量具有较好的预测能力。

【目的】建立快速、无损诊断水稻叶片含水量的估测模型,为水稻水分精确管理提供依据。【方法】基于2年不同土壤水分处理和水稻品种的池栽试验,于水稻主要生育时期同步测定顶部4张叶片的光谱反射率和含水量,系统分析350—2 500 nm波段范围内任意两波段组合而成的比值(RSI)、归一化差值(NDSI)及差值(DSI)光谱指数,并分析其与叶片含水量的量化关系。【结果】不同土壤水分处理和叶位间,叶片反射光谱具有显著的时空变化特征,叶片含水量的敏感光谱波段主要位于近红外及短波红外区域;RSI(R1402,R2272)及NDSI(R1402,R2272)光谱指数与叶片含水量呈现良好的线性相关,线性拟合R2均达...

【目的】以高光谱技术实现小麦含水量信息的快速、无损与准确获取,为小麦灌溉的精确管理提供科学依据。【方法】利用水氮胁迫试验条件下小麦主要生长期的导数光谱构建了16种新指数,将其与NDII、WBI以及NDWI等常用指数进行比较分析,筛选小麦叶片含水量反演最佳光谱指数,并利用其建立反演模型进行小麦含水量的遥感填图。【结果】在各指数中,FD730-955对小麦冠层叶片含水量的估测结果最佳,其估测模型(对数形式)校正决定系数(C-R2)与检验决定系数(V-R2)分别达0.749与0.742,优于NDII等常用指数;FD730-955所建模型对32个未知样的预测结果与实测值相似度较高,其回归拟合模型R2达...

分别采用光谱指数法和偏最小二乘法(PLS)构建了橡胶树叶片氮素含量高光谱估算模型。结果表明,光谱指数模型中,基于NDSI(R1025,R736)建立的二次多项式模型最佳,调整R2达到0.792。基于不同Savitzky-Golay(SG)平滑模式预处理结果建立的PLS模型,估算精度差异明显,最优的SG平滑模式为零阶导数、53点平滑点数、二次多项式。利用测试集对光谱指数模型和PLS模型进行验证,结果显示,均方根误差RMSE分别为1.772和1.432 g/kg,相对分析误差RPD分别为2.598和3.215,平均相对误差ARE分别为5.189%和4.057%,PLS模型具有较高的估算精度。

【目的】铁元素含量是植物生长发育过程中所需的重要微量元素之一,实时动态估测香梨铁元素含量对指导香梨科学施肥具有重要意义。【方法】利用ASD FieldSpec 4光谱仪测定不同时期的香梨叶片光谱反射率,研究香梨叶片光谱反射率、一阶微分、比值SR、归一化ND、差值SD与铁元素含量的相关关系,筛选敏感波段参量,构建香梨叶片铁元素含量的回归估测模型。【结果】6月SR组合、7月ND组合、8月SR组合、9月SD组合的模型拟合度分别为0. 764、0. 551、0. 679、0. 656。检验结果显示不同时期两两波段光谱组合构建的估测模型拟合度较高。【结论】光谱参数组合可以有效的估测香梨叶片铁元素含量,在果树叶片铁元素营养诊断方面有重要的实践意义。

【目的】文章尝试建立橡胶树叶片钾素含量高光谱估算模型。【方法】基于涵盖2个品种和6个割龄的橡胶树叶片钾素含量和光谱反射率,分别采用偏最小二乘法(PLS)和偏最小二乘-支持向量机(PLS-SVM)构建了橡胶树叶片钾素含量高光谱估算模型。采用多元散射校正(MSC)、标准正态变换(SNV)、SG平滑(SG)、一阶导数(FD)和二阶导数(SD)等预处理方法或方法组合对叶片原始光谱反射率进行预处理,通过筛选得到最佳预处理模式为SNV+SG+FD的组合方法,其中,SG平滑点数为7,多项式次数为1或2。【结果】利用验证集对PLS模型和PLS-SVM模型进行验证,结果显示,决定系数R~2分别为0.843和0.868,均方根误差RMSE分别为1.331和1.162 g/kg,相对分析误差RPD分别为2.414和2.764。【结论】2种模型均具有良好的估算效果,PLS-SVM模型具有更高的估算精度。

作物叶片氮含量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。该文以经济作物生姜为研究对象,获取了2015年4月-9月不同品种、不同生育期和不同氮肥梯度下生姜叶片的高光谱和氮含量数据,对比分析了比值植被指数、归一化植被指数、植被指数组合形式对生姜叶片氮含量的估算效果。在此基础上,基于波段组合算法,筛选出了生姜叶片氮含量的敏感波段,并构建了两个新型光谱指数NDSI_((754,713))和RSI_((754,713))。结果表明,所选择的植被指数中,MCARI(705,750)/OSAVI(705,750)对生姜叶片氮含量估算效果最好,模型精度R~2、RMSE和RE分别为0.73、0.27、11.64%;利用波段组合算法构建的归一化光谱指数NDSI(754,713)对生姜叶片氮含量估算效果要优于MCARI(705,750)/OSAVI(705,750),模型估算精度R~2达0.83,使用的敏感波段713 nm与754 nm均位于植被的"红边"区域。对所建模型进行验证,叶片氮含量的预测值和实测值具有较好的一致性,验证样本R~2为0.78,RMSE为0.20,RE为9.81%。上述分析结果可为农业管理部门及时掌握生姜长势信息、制定施肥策略提供技术支持。

作物叶片氮含量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。该文以经济作物生姜为研究对象,获取了2015年4月-9月不同品种、不同生育期和不同氮肥梯度下生姜叶片的高光谱和氮含量数据,对比分析了比值植被指数、归一化植被指数、植被指数组合形式对生姜叶片氮含量的估算效果。在此基础上,基于波段组合算法,筛选出了生姜叶片氮含量的敏感波段,并构建了两个新型光谱指数NDSI_((754,713))和RSI_((754,713))。结果表明,所选择的植被指数中,MCARI(705,750)/OSAV

为通过构建高精度SPAD遥感估算模型,实现对水稻叶片叶绿素含量进行实时无损的监测,以东北地区多时期不同施氮水平下水稻叶片光谱反射率为研究对象,采用回归模型与BP神经网络算法构建不同输入量的SPAD高光谱估算模型,通过模型精度评价指标决定系数R~2、均方根误差RMSE,确定最优输入量和最优模型。结果表明:1)不同品种水稻成熟时期不同导致在孕穗期和抽穗期之间光谱反射率出现差异;2)回归模型中以DVI(D755,D930)为变量建立多项式模型估算精度最高;3)与回归模型相比,不同波长处单波段反射率作为输入量的BP神经网络模型估算精度显著提高,R~2为0.98。BP神经网络模型在隐藏节点数为7时估算精度达到稳定,在可见光和近红外处经过不同波段反射率作为输入量的尝试说明神经网络模型较为稳定,可以用来反演叶绿素相对含量。

采用便携式光谱分析仪UniSpec-SC对毛竹叶片的光谱特性与光合色素含量进行相关分析和回归分析,建立了毛竹叶片光合色素含量与绿峰位置、红边波段和红边位置之间的定量分析模型,并对模型的稳定性和预测能力进行了检验。结果表明:叶绿素a、叶绿素b、总叶绿素和类胡萝卜素的最佳光谱估算模型均为以红边波段光谱反射率为自变量的指数函数模型,该模型对毛竹幼叶、1龄成熟叶、2龄成熟叶各参数的预测有很好的拟合度和精度,同时也适用于雷竹和乌哺鸡等刚竹属同类竹种的光合色素估算。

[目的] 为快速检测叶片含水量，探索及时监测番茄植株生长状况的在线监测模型。[方法] 本试验利用高光谱成像技术，提取出195个叶片样本的平均光谱反射率。通过异常值剔除、样本集划分、5种预处理方法对原始光谱进行预处理和优化，采用连续投影算法（Successive Projections Algorithm， SPA）、无信息变量消除变换法（Uninformation variable elimination， UVE）、迭代保留信息变量法（Iterative retained InformationVariable， IRIV）和遗传偏最小二乘算法（Genetic partial-least-squares algorithm， GAPLS）提取特征波长，并建立偏最小二乘回归（Partial-least-squares regression，PLSR）模型。基于优选的特征波长建立PLSR、多元线性回归（Multiple linear regression ， MLR）以及主成分回归（Principal component regression ， PCR）模型和卷积神经网络模型（convolutional neural network， CNN）。[结果] 结果表明：优选基线校准-正交信号校正法（Baseline-Orthogonal signal correction， Baseline-OSC）对叶片含水量进行预处理；IRIV法提取的特征波长建立的叶片含水量定量预测模型效果最优R_(c)~(2)为0.489，R_(p)~(2)为0.466；基于IRIV-CNN建立的叶片含水量模型效果好（R_(c)~(2)=0.668，RMSEC=0.019；R_(p)~(2)=0.424，RMSEP=0.033）。[结论] 本研究对设施蔬菜产业发展水分利用效率以及番茄作物水分的科学管理具有重要的现实意义和作用，为番茄植株长势在线监测提供技术支撑。