基于遥感的大面积水体监测技术为水环境监测提供了一种有效手段。以鄱阳湖为研究区,以反映水体营养状态的重要指标叶绿素a为研究对象,在测定研究区水体光谱及叶绿素a浓度和收集了相应时间的MODIS数据的基础上,采用浮游藻类指数法(Floating Algae Index,FAI)提取鄱阳湖水体范围,对鄱阳湖水体实测光谱数据进行剔除异常、归一化及光谱微分处理,构建波段差值、比值、归一化差值等光谱指数,利用最小二乘原理迭代分析水体叶绿素光谱响应特征,得出敏感波段范围:673～680nm与650～665nm、680～710nm与650～670nm、662～671nm与700～720nm光谱区间组合。选择最佳...

叶绿素是草地进行光合作用最重要的色素,与氮素、蛋白质、水分等其他植被生化参数均有着密切关系,是草地光合能力及生理状况的良好指示剂。利用高光谱数据建模分析是实现大面积草地叶绿素含量估算的一种重要手段。本文将基于高光谱分析估算草地叶绿素含量的方法总结为:基于红边位置及光谱指数的经验模型和辐射传输模型两类。经验模型通过建立叶绿素含量与红边位置、光谱指数之间统计关系来估算叶绿素含量,参数简单,实用性较强;但光谱指数构造形式多样且与草地叶绿素含量关系复杂,在一定程度上影响了叶绿素的估算精度。辐射传输模型以叶绿素含量与辐射能量的作用过程作为其理论基础,模型中参数较多且对估算尺度敏感,有待于进一步完善。目前草地叶绿素估算的研究相对薄弱,专门用于估算的模型较少。未来的工作一方面应致力于发展和改进适宜于草地的光谱指数,同时确定合适的辐射传输模型参数以改进模型对草地的监测效果;另一方面,如何由叶片尺度拓展到冠层尺度进而拓展到像元尺度,从而更好地实现大面积草地叶绿素含量估算,是一项既具有重要意义又有挑战性的工作。

为更好地指导矿区进行受损土地的微生物复垦,减少传统监测方法对植物的损害,需要运用快速有效的方法来监测菌根作用下植物的生长状况。对不同生长期的大豆叶片光谱、叶绿素含量、菌根侵染率和菌丝密度测定分析,结果表明:各生长期接菌组叶绿素含量均高于同期对照,其叶绿素含量与侵染率间具有显著正相关性,且叶片光谱反射率在550nm处显著低于对照组。同时根据叶片光谱可见光区域叶绿素敏感波段选择植被指数,然后建立以植被指数为变量的线性模型反演叶绿素含量,结果发现植被指数MCARI反演叶绿素含量的精度及稳定性(R2=0.67)都优于其他指数,其线性模型反演绝对误差为2.504,相对误差为6.57%。该研究结果说明高光...

光学特性复杂的浑浊水体叶绿素a浓度反演一直是水环境遥感研究的难点,高光谱以其波宽窄、谱段多、获取地物信息近似连续等优势,有望成为解决该难题的有效手段.该文以鄱阳湖为研究水域,利用2009年10月、2011年7月及2016年10月获取的实测高光谱及叶绿素a浓度数据,基于穷举法建立了针对高分五号(Gaofen-5, GF-5)卫星可见短波红外高光谱相机(Advanced HyperSpectral Imager, AHSI)的叶绿素a浓度三波段反演模型(决定系数R~2=0.82;均方根误差RMSE=1.468μg·L~(-1)).通过与2018年10月7日Sentinel-2A卫星多光谱成像仪(MultiSpectral Instrument, MSI)的叶绿素a浓度反演结果对比分析,两者的空间分布具有较高的一致性,超过80%的研究水域相对偏差小于8%,在一定程度上证明了GF-5卫星高光谱数据在浑浊水体叶绿素a浓度反演中的潜力.

为了分析即将发射的高分5号卫星(GF-5)的高光谱数据在内陆水体水色遥感中的应用潜力,以鄱阳湖为研究区域,利用2009年、2011年和2016年共134组现场实测光谱及其对应的叶绿素a、总悬浮物浓度数据,考虑高浑浊水体引起的叶绿素a浓度变化的光谱响应差异,在进行水体光学分区基础上通过光谱模拟与差分处理开展了叶绿素a浓度跨阶分高光谱反演研究.结果表明:1)进行光学分区有利于提高反演精度,非高浑浊水体(NDCI≥0.06)区域,反演模型判定系数R2达到0.82,均方根误差RMSE为1.12,平均相对误差MRE为0.32,而不进行光学分区的全湖区反演建模R2仅为0.37;2)相较于鄱阳湖前期研究得到的最优多波段反演模型(R2=0.76),利用495、591、675、679、684、688、692和696nm等波长的原始光谱以及差分光谱(一阶差分、二阶差分)建立的跨阶分多波段组合模型可以更有效地反演非高浑浊水体叶绿素a浓度(R2=0.82),但对于高浑浊水体(NDCI<0.06),叶绿素a浓度的高光谱反演能力还需要进一步挖掘.

为提高高光谱植被指数对棉花叶绿素含量的估算精度,以陕西省关中地区棉花花铃期叶片高光谱反射率为数据源,分析了13种植被指数与棉花叶片叶绿素相对含量(SPAD)的相关关系;同时采用降精细采样法,详细分析4002 000nm波段范围内原始光谱反射率的任意两两波段组合而成的优化光谱指数RSI与SPAD值的定量关系,构建线性及非线性回归监测模型,并对模型进行验证。结果表明:1)所提取的13种植被指数中NIR/NIR与SPAD值的相关系数最大(r=0.914),并且基于NIR/NIR(R780/R740)构建的回归方

针对传统叶绿素分析方法具有破坏性且耗费人力、时间长、成本高的弊端,依据LOPEX’93数据集中双子叶植物的高光谱数据和叶绿素值,构建了双子叶植物基于高光谱的叶绿素含量最佳估算模型,利用Pearson相关性分析一阶微分光谱、高光谱特征参数与叶绿素的相关关系,发现724nm波段处一阶导数与双子叶植物叶绿素值的相关性最大,其相关性为0.509;高光谱特征参数RVI、NDVI、TCAR与叶绿素的相关性达到0.7以上,构建基于一阶微分光谱、高光谱特征参数和BP神经网络的叶绿素估算模型,并对模型进行验证;再结合一元线性模型、指数模型、对数模型和幂函数模型与BP神经网络模型进行比较。结果表明:叶绿素值与一阶微分光谱在724nm处的光谱数据作为自变量建立的传统回归模型可用于双子叶植物叶绿素的估算,最优建模样本R~2和最优验证样本R_V~2分别为0.541和0.745,RMSE为6.16;基于高光谱特征参数RVI、NDVI、TCAR建立的叶绿素估算回归模型,最优建模样本R~2和最优验证样本R_V~2分别为0.618,0.708;0.632,0.866;0.594,0.654,RMSE分别为6.65,5.61,7.07,将基于高光谱特征参数变量构建传统回归模型时筛选到的光谱参数作为输入,实测叶绿素值作为输出,构建BP神经网络模型,其最优建模R2与最优验模R_V~2分别为0.692和0.874,最优验证样本RMSE为5.23,与其他回归模型相比,BP神经网络模型预测精度最高。研究表明基于高光谱数据的模型具有较好的预测能力,是估算双子叶植物叶绿素值的一种高效的方法。

采用ASD Fieldspec光谱仪测定不同土壤水分条件下枫杨叶片高光谱反射率,并给出对应的枫杨叶绿素含量。研究不同土壤水分条件下枫杨幼苗叶片叶绿素含量的变化规律;综合分析9个常见光谱植被指数与枫杨叶片叶绿素含量的相关性与回归方程,利用主成分分析对光谱数据进行降维,将得到的主成分得分作为BP人工神经网络模型的输入变量进行枫杨叶片叶绿素含量的估算。结果表明:不同水分处理均显著影响枫杨幼苗叶绿素含量。在所列举的9个常用植被指数中,VOG1植被指数与叶绿素含量的关系最密切,相关系数R达到0.865。用主成分分析-BP神经网络模型进行叶绿素含量的估算,预测值与实测值之间的线性回归的相关系数R=0.93...

[目的]快速、准确地诊断水稻叶片氮素营养状况,为水稻氮肥精准管理提供依据。[方法]以江西省农科院8种不同施肥处理的晚稻为研究对象,于主要生育期同步测定了水稻冠层光谱反射率及叶片全氮浓度(Leaf Nitrogen Concentration,LNC),系统分析了原始光谱反射率、一阶微分光谱、"三边"参数以及由350～1 350nm两两波段组合的差值(SD (Rλ1,Rλ2))、比值(SR (Rλ1,Rλ2))及归一化(ND(Rλ1,Rλ2))光谱指数与水稻LNC的相关关系,筛选出敏感参数,并以之为自变量构建了水稻LNC的传统预测模型,另外构建不同指标个数的多元线性与BP神经网络模型,并对模型进行验证。[结果](1)水稻LNC与一阶微分光谱在751nm处的相关性最高(r=0. 822);(2)"三边"参数中的红边面积SDr与LNC的相关性较高(r=0. 687);(3) 750nm附近的红边波段与近红外波段差值组合、550nm附近的绿光波段与近红外波段的比值及归一化差值组合与水稻LNC的相关性较高,以SD (R752,R751)、SR (R534,R1 350)和ND (R534,R1 349)表现最好,相关系数分别为0. 827、-0. 790和0. 788;(4)传统回归模型中以SD(R752,R751)构建的一元线性模型最佳(RC2=0. 665、RV2=0. 750、RMSEV=0. 4%、RPD=2. 034);(5)利用5个指标((R’751、SDr、SD (R752,R751)、SR (R534,R1 350)、ND (R534,R1 349))经逐步回归筛选出的2个指标SD ((R752,R751)和SR (R534,R1 350))构建预测水稻氮素的BP神经网络模型,预测效果最佳,其验证参数值分别为R2=0. 859、RMSEV=0. 302%和RPD=2. 669。[结论]基于单指标构建的传统线性模型计算过程简单但精度略低,而基于2个指标(SD (R752,R751)、SR (R534,R1 350))构建的BP神经网络模型预测精度高于该2指标构建的多元线性模型,表明在指标适合的情况下,BP神经网络对氮素具有较好的预测能力,是一种快速准确估算水稻叶片全氮浓度的方法。

【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。

洪湖是湖北省最大的湖泊,具有调蓄、灌溉、供水、渔业、物种保护、航运、旅游等多种功能,是长江中下游典型的大型浅水型湖泊。传统的设点监测费力、费时,随着遥感技术和手段的进步,遥感反演洪湖叶绿素a浓度成为技术上可能。利用2005年至2010年6年监测数据与同期MODIS数据进行统计分析,研究业务上进行洪湖叶绿素a含量反演的可能性,结果表明:当叶绿素a含量比较高时,它成为影响湖中NDVI指数的主要因素,当浓度较低时,它与NDVI指数相关性差,表明它不是主要要素;通过分析不同时段两者统计关系结果为:12～2月因藻类浓度比较小,叶绿素a浓度低,加上其它要素干扰湖中NDVI指数,监测数据与同期MODIS数据...

【目的】探试利用光谱分析手段估测果树微量元素含量的精度与应用潜力。【方法】首先对果树鲜叶的光谱反射率(Rλ)以及叶片铁(Fe)、锰(Mn)、铜(Cu)、锌(Zn)4种元素含量进行测定,并分别对各种元素含量与Rλ及其多种变式数据(1/Rλl、g(1/Rλ)、d1Rλ、d2Rλ、d1[lg(1/Rλ)]、d2[lg(1/Rλ)]l、g(1/BNC)、f′(Rλ)、Dn)的相关性进行了分析,找出了与每种元素含量相关性最强的光谱数据形式。最后采用逐步回归法,分别对每种元素含量及与其相关性最强的光谱变式数据进行了回归分析,得到了入选波长,并利用入选的波长Rλ进行了基于最小误差平方和的偏最小二乘回归建模。...

为深入探讨谷子秸秆热解工艺的过程和机理,采用热重分析仪(TGA)对比分析了谷子秸秆在5个(5,10,15,20,25℃·min-1)不同升温速率下的热解特性,使用Flynn-Wall-Ozawa(FWO)和Kissinger-Akahira-Sunose(KAS)两种方法分别计算了谷子秸秆在13个(15%75%)转化率下的活化能值及其偏差,同时选取不同终止温度(半纤维素反应后、峰值以及纤维素反应后所对应的温度),采用傅里叶变换红外光谱仪(FTIR)分析谷子秸秆热解剩余物的有机结构。结果表明:谷子秸秆的热解

采用傅里叶红外光谱仪采集58份巨大口蘑样品的红外光谱,对光谱进行预处理,去除光谱噪音明显部分,进行判别分析.结果表明,样品的红外图谱具有差异,主要吸收峰有2295、2851、1652、1149、1075、1030、995和807 cm-1.在500-3000cm-1波段范围内,用原始光谱结合标准正态变量校正法,能够对野生和栽培样品菌盖和菌柄校正集、预测集的样品进行正确识别.表明用傅里叶红外光谱法结合判别分析法对野生和栽培巨大口蘑进行鉴别,方法简便,结果可靠.

为实现淀山湖水体叶绿素a的快速监测,于2006年春季对淀山湖进行了现场光谱测量和同步的采样、实验室分析,通过分析叶绿素a和光谱数据之间的关系,建立了多个基于高光谱数据的叶绿素a浓度的估算模型。结果表明:利用归一化反射率建立的模型中精度最高的是采用708 nm反射率的一元二次模型,R2为0.608;利用R710nm/R667nm反射比建立模型精度得到提高,R2接近0.68;利用695.5 nm一阶微分建立的指数模型精度进一步提高,其R2达到了0.76;分别利用708 nm和667 nm的归一化反射率对数作自变量进行多元回归得到的模型精度最高,R2接近0.8,可以用来实现对叶绿素a的定量估算,实现...