以cropscan多光谱辐射仪测定了玉米品种郑单958和浚单20的冠层光谱反射率,并对其相应的叶面积指数(LAI)和地上干物质量进行了同步测定。将由近红外波段和可见光红波段组成的不同的归一化植被指数(NDVI)和比值植被指数(RVI)分别与叶面积指数、地上干物质量进行回归分析,结果表明,NDVI与叶面积指数的相关性优于RVI与叶面积指数的相关性,且以NDVI(R950,R650)和叶面积指数的幂函数回归结果最优;RVI与地上干物质量的二项式回归效果显著,估算模型为:Y=-0.722 4(R800/R650)2+1.631 6(R800/R650)+271.49,R2=0.793 5。

【目的】利用实时冠层反射光谱监测水稻(Oryza sativa)植株氮素营养状况并推荐氮肥追用量,以实现高产、优质、高效水稻生产。【方法】基于不同基施氮量处理,利用水稻拔节期的差值植被指数(differential vegetation index,DVI)实时估测植株氮积累量,进而根据构建的追氮调控模型精确估算穗肥用量,最后研究基于反射光谱的水稻追氮调控效应。【结果】不同基施氮量处理下的水稻植株在穗肥施用期的氮素积累状况差异较大,基于追肥调控模型,高施基氮量处理的追氮量较对照调低(高氮低调),中施基氮量处理的追氮量较对照微高(中氮微调),而低施基氮量处理的追氮量较对照显著调高(低氮高调)。追...

【目的】基于叶片反射光谱建立快速、无损监测水稻氮营养指数(nitrogen nutrition index,NNI)的估算模型。【方法】2018—2019年开展2个水稻品种(徽两优898和Y两优900)及5个氮肥梯度(施氮量为0、75、150、225和300 kg·hm~(-2),分别记为N_0、N_1、N_2、N_3、N_4)的田间小区试验,测定关键生育期不同叶位叶片反射光谱和植株NNI,构建多种光谱指数的水稻NNI监测模型。【结果】单叶及叶位组合的敏感波段均分布在540 nm的绿光波长处,其与近红外波段构成的窄波段比值指数SR(R_(900),R_(540))可较好反演水稻NNI。但不同叶位叶片窄波段比值指数与水稻NNI的预测精度表现不同,顶3叶(L_3)预测精度最好(R~2=0.731,RMSE=0.130,RE=11.6%),顶2叶(L_2)次之(R~2=0.707,RMSE=0.136,RE=12.2%),顶1叶(L_1)最差(R~2=0.443,RMSE=0.187,RE=14.7%);顶2叶和顶3叶组合平均光谱(L_(23))的预测精度优于单叶水平和其他叶位组合(R~2=0.740,RMSE=0.128,RE=11.5%)。再将窄波段比值指数SR(R_(900),R_(540))近红外与绿光区域分别重采样50 nm和10 nm,所构建的宽波段比值指数SR[AR_((900±50)),AR_((540±10))]模型精度较SR(R_(900),R_(540))未明显降低,且在L_(23)水平下2个模型的模型精度和预测精度基本一致(R~2=0.740,RMSE=0.128,RE=11.5%)。水稻NNI小于1时与产量呈线性的正相关关系(P<0.05),大于1时产量趋于平稳。【结论】L_2和L_3叶片反射光谱为监测水稻NNI的敏感叶位,其中叶位组合L_(23)可提高模型预测精度。基于叶片反射光谱构建的多种波段比值指数(SR(R_(900),R_(540))和SR[AR_((900±50)),AR_((540±10))])可快速估测水稻NNI,从而为不同传感器对水稻氮营养指数估测监测研究提供了理论依据。

利用近红外光谱(NIRS)技术,建立玉米秸秆磷含量的快速定量分析模型,有利于植物养分利用效率和遗传育种研究。本研究选取了来源广泛的200份玉米自交系秸秆样品,结合近红外光谱仪在4 000～10 000cm~(-1)波段处测量的秸秆样品的光谱数据和钼锑抗比色法测量的样品磷浓度,分别用偏最小二乘(PLS)、最小绝对值收敛和选择算子(LASSO)、支持向量机(SVM)和回归树(RT)的方法,建立了玉米秸秆磷含量的近红外定量分析模型。5折交叉验证结果显示,PLS为最优建模方法,测试集预测值和真实值的相关系数(r_(test))为0.80±0.05,训练集的拟合相关系数(r_(training))为0.97±0.03。将PLS与不同的光谱预处理方法结合来优化模型,在11种预处理方法中,归一化以及平滑化的预处理方法效果最好,r_(test)均为0.80±0.05,与原始光谱数据相比相关性并未显著提高。随着训练集个体的增加,预测准确性不断提高,当训练集和验证集比例为8∶2时,预测相关系数为0.80,与留一法的预测相关系数(0.81)相当。综上,PLS建立的玉米秸秆磷含量的近红外定量分析模型预测准确性较高,可用于育种或者遗传学研究中磷含量的测定。

以128份常用普通玉米自交系及杂交种的混合籽粒样品为材料,采用偏最小二乘(PLS)回归法,对近红外反射光谱(NIRS)测定玉米完整籽粒蛋白质、淀粉含量的可行性和方法进行了研究。结果表明,采用一阶导数+多元散射校正预处理、谱区为10000～4000cm-1和一阶导数+直线扣减预处理、谱区为9000～4000cm-1,分别建立的蛋白质、淀粉含量的校正模型,其校正和预测效果最佳。其校正决定系数(R2cal)均大于0.97,交叉验证和外部验证决定系数(R2cv、R2val)为0.92～0.95,各项误差(RMSEE、RMSECV和RMSEP)均小于1(0.3～0.7之间)。在玉米品质改良实践中,利用近...

研究了不同氮肥水平下多时相水稻冠层光谱反射特征及其与叶片含氮量等参数的关系。结果表明 ,水稻冠层光谱反射率与叶片氮积累量 (单位土地面积上叶片的氮素总量 )显著相关 ,尤其是近红外与绿光波段的比值(R810 /R560 )与叶片氮积累量 (LNA)呈显著线性关系 ,不受氮肥水平和生育时期的影响 ,回归方程为LNA =0 .85 9R810 /R560 - 1.15 96。利用不同粳稻品种、播期、密度、水分和氮肥处理的数据对方程进行了较充分的检验 ,表明模拟值与实测值之间符合度较高 ,估算精度为 91.2 2 %,估计的RMSE为 1.0 9,平均相对误差为 0 .0 2 6。

【目的】研究利用近红外漫反射光谱法(NIDRS)测定青贮玉米的体外干物质消化率(IVDMD)、中性洗涤纤维(NDF)、酸性洗涤纤维(ADF)、粗蛋白(CP)和粗脂肪(EE)含量的可行性。【方法】以普通、高油和超高油玉米全株和秸秆的青贮样为材料,采用光谱的主成分空间技术和偏最小二乘回归法(PLS)。【结果】所建立的IVDMD、NDF、ADF、CP和EE的校正模型的交叉验证决定系数(R2cv)分别为0.9133、0.9764、0.9789、0.9254和0.7294,外部验证决定系数(R2val)分别为0.8879、0.9455、0.9635、0.9387和0.7333,各项误差(RMSEE、RM...

［目的］本文旨在阐明褐飞虱迁入后不同时期种群的密度、水稻冠层光谱反射率和穗粒质量三者间的相互关系，以期为建立监测褐飞虱发展动态及危害损失的高光谱遥感方法提供指导。［方法］对笼罩内处于孕穗期的水稻，每桶水稻接入０、２、４、６、８、１０和１２对的褐飞虱雌、雄成虫，形成不同的危害程度。在接虫后５、１１、２０、２６、３６、４１和４８ ｄ测定水稻冠层光谱反射率和调查褐飞虱种群密度。水稻黄熟后，测定水稻的穗数、穗质量和千粒质量。采用Ｐｅａｒｓｏｎ相关分析方法获得不同时期褐飞虱虫量、水稻光谱反射率和水稻穗质量、千粒质量间的关系。［结果］接虫后２６ ｄ，笼罩内褐飞虱种群数量达到高峰；接虫后３６ ｄ内的种群数量．．．

[目的]以福建省顺昌县大干镇的毛竹为研究对象,研究毛竹叶片氮元素含量的最优估测模型,为毛竹生长状态分析与林地土壤肥力估测提供基础。[方法]通过对毛竹叶片原始光谱、一阶微分光谱及相关的植被指数与叶片氮元素含量进行相关性分析来筛选氮元素敏感特征参数,并构建了多元线性回归模型、随机森林模型以及支持向量机模型,利用决定系数最优原则筛选3个模型中的最优模型并进行精度验证。[结果]R_(387)、DR_(663)、NDVIg-b(R_(575)、R_(440))、SIPI、PRI和PPR 6个参数与毛竹叶片氮含量具有较为显著的相关性,基于这6个敏感参数所构建的3种模型中,多元线性回归模型与随机森林模型拟合效果较差,精度验证结果R~2分别为0.435 5、0.437 1,惩罚因子C和核参数Sigma分别设为3和0.1的支持向量机模型估测结果最好,其实测值与预测值拟合决定系数为0.803 1,总体精度为94.02%。[结论]基于R_(387)、DR_(663)、NDVIg-b(R_(575)、R_(440))、SIPI、PRI和PPR6个叶片光谱参数所构建的支持向量机模型能够较为准确地估测毛竹叶片氮元素含量。

毛竹Phyllostachys pubescens是高效的固碳植物,但在不同光环境下成长的叶片之间有何差异?毛竹怎样最大程度地利用光能?这些问题尚未明确。对1,2,3度毛竹叶片分别从不同朝向,不同冠层高度叶片和不同年龄等3个维度测量了毛竹叶片叶绿素含量及叶片反射光谱,并以Origin为平台对反射光谱数据进行四阶导数处理。结果表明:弱光环境下会造成毛竹叶绿素变化,叶绿素a/b值下降,叶黄素水平降低,类胡萝卜素升高,辅助色素种类增加。随着竹龄增加色素组成改变,光合效能降低。四阶导数能有效地分离重叠峰,提高光谱信息的可读性。结合原始光谱和四阶导数光谱的对比分析,可以有效对毛竹叶片色素含量进行定性定量...

对北京怀柔县EO–1 Hyperion高光谱数据进行波段筛选和植被含水量指数计算,采用耦合叶片与冠层辐射传输模型对水分指数(WI)、归一化差值水分指数(NDWI)、归一化植被指数(NDVI)、水应力指数(MSI)、归一化差值近红外指数(NDII)和冠层结构(CSI)的玉米冠层含水量估测能力进行分析,在不同理化参数的敏感性分析的基础上,将MCARII和NDWI进行整合,以完成玉米冠层含水量估测。结果表明,NDVI和CSI不能对玉米冠层含水量进行估测,NDII、WI、NDWI、MSI对玉米冠层含水量估测的R2值均大于0.78,但估测的RMSE值均在0.015附近,造成估测结果具有很强的不确定性;优...

【目的】研究基于近红外漫反射光谱的多品种桃可溶性固形物含量的无损检测技术。【方法】在获得3个不同品种桃近红外漫反射光谱的基础上,采用多元散射校正(MSC)方法处理原始光谱,以SPXY算法划分样品集,分别建立了可溶性固形物含量的偏最小二乘回归(PLSR)、极限学习机(ELM)和最小二乘支持向量机(LSSVM)预测模型,并比较和评价了移动窗口偏最小二乘法(MWPLS)和连续投影算法(SPA)优选有效特征波长对于简化模型运算量、改善模型预测性能的影响。【结果】虽然全光谱可以获得较好的识别效果,但是模型比较复杂;MWPLS与SPA优选的有效特征波长均能有效地减少建模变量并简化模型,但MWPLS在提高建...

【目的】作物氮素营养状况是表征玉米冠层绿色程度和健康状态的关键指标，为比较玉米氮素营养估测模型中单一光谱指数模型与融合纹理信息模型精度的差异，探究基于无人机多光谱与纹理信息融合的玉米氮素营养估测模型的精准性与可靠性。【方法】采用Matrice 300 RTK多旋翼飞行器搭载MS600 Pro多光谱传感器，获取2年间6个氮素水平下玉米抽雄-吐丝期的多光谱影像数据，提取植被指数和纹理特征信息，综合分析植被指数、单纹理特征、组合纹理指数及植被指数和纹理指数融合的相关性，优选信息量最大的植被指数、归一化差值纹理指数（NDTI）及其组合信息，利用多元逐步回归（MSR）、随机森林（RF）、支持向量机（SVM）和灰狼优化的卷积神经网络（GWO-CNN）对比估测玉米叶片氮含量（LNC）、植株氮含量（PNC）、叶片氮积累（LNA）和植株氮积累（PNA）4个氮素营养参数。【结果】（1）不同氮素处理下玉米原始光谱反射率之间存在差异，红波段R（660 nm）、蓝波段B（450 nm）和近红外波段NIR（840 nm）波段差异较为显著。（2）基于无人机多光谱影像提取的植被指数（EVI、GARI、REOSAVI、SIPI和MCARI）、单纹理特征(var₄₅₀、var₆₆₀、mean₈₄₀、dis₇₂₀和hom₈₄₀)和组合纹理指数NDTI均可用于VT-R1阶段玉米LNC、PNC、LNA及PNA估测，其中基于植被指数的GWO-CNN模型对LNC、PNC、LNA和PNA的估测效果优于单纹理特征和纹理指数模型，R²分别为0.831、0.761、0.826和0.770。（3）融合植被指数和纹理指数的GWO-CNN模型对LNC、PNC、LNA和PNA估测精度明显高于植被指数和纹理指数，R²分别为0.921、0.901、0.917和0.892，较单一光谱信息最优估测模型精度R ²分别提高了9.77%、15.54%、9.92%和13.68%。【结论】融合多光谱的植被指数和纹理指数能够有效提高玉米氮素营养估测精度，较好地评估玉米氮素分布情况，为田块尺度下基于无人机平台的玉米氮肥精准管理提供新思路。

以陕西省扶风县马席村、巨良农场和杨凌区揉谷乡种植的大田玉米为试验材料,分别测定玉米抽雄期、灌浆期和乳熟期的冠层光谱反射率和叶片叶绿素含量,分析冠层各光谱植被指数与叶片叶绿素含量之间的相关关系,建立玉米叶绿素含量估测模型。结果表明,以单变量光谱植被指数估算叶绿素含量,抽雄期的最佳模型由修正叶绿素吸收反射率指数(Modified chlorophyll absorption reflectivity index,MCARI)建立,灌浆期最佳模型由垂直植被指数(Perpendicular vegetation index,PVI)建立,乳熟期最佳模型由植被衰老反射率指数(Plant senescen...

采用高光谱近地遥感技术，获取不同氮素水平下的玉米冠层高光谱数据，通过相关性、线性和非线性的分析方法，探讨玉米整个生育期中各营养器官的全氮含量与多种高光谱参数的相关关系，建立全氮含量的定量估测模型，并利用第２年的数据进行精度检验。结果表明：玉米冠层高光谱数据经过微分、倒数、对数处理后与玉米全氮含量的相关性均有所提高，所选波段基本在可见光波段范围内变化，其中微分处理可以显著提高数据间相关性；在１０种植被指数中，玉米叶片全氮含量与植被指数ＲＤＶＩ（８１１，７４３）、ＤＶＩ（８１１，７５４）、ＭＳＡＶＩ（８１１，７５４）相关性都达０．９２＊＊以上，玉米叶鞘、茎秆全氮含量分别与ＲＤＶＩ（９５２，７５１）．．．