为建立利用光谱技术快速诊断覆膜旱作水稻植株氮营养和产量的估算模型，应用高光谱技术分析了长江中下游覆膜旱作区水稻拔节期和抽穗期内５种不同施氮水平（０、６０、１２０、１８０和２４０ｋｇ／ｈｍ～２（Ｎ））下植株冠层光谱特征及其与植株氮素含量和产量的关系，并分别构建了植株含氮量和产量的估算模型。结果表明：拔节期和抽穗期内不同供氮水平下冠层光谱的变化规律基本一致，均随着供氮水平的增加，反射率在可见光区降低、在近红外区增大。覆膜旱作水稻植株氮含量与５５２和８９０Ｎｍ ２个敏感波段构成的比值（ＲＶＩ）和绿色归一化植被指数（ｇＮＤＶＩ）的关系最佳。构建的水稻关键生育期植株全氮含量及水稻产量的估算模型预测效果均．．．

采用田间和水培试验的方法,对水稻生育中后期不同器官的含氮量变化进行了研究。结果表明:水稻植株根、茎鞘、叶各器官的含氮量与后期穗粒重之间存在密切关系。抽穗前10 d 顶四鞘及抽穗期各叶位叶片含氮量与每穗实粒数、结实率之间, 穗后19 d 顶二、顶三鞘的含氮量与千粒重、单株产量之间均呈显著或极显著正相关。顶二鞘的含氮量可作为后期结实率、千粒重和单株产量的诊断指标。

【目的】探索植被指数（VI）及其波段选择、回归建模方法、训练样本选取三方面因素对基于统计模型的水稻叶面积指数（LAI）高光谱遥感估算的影响，构建县域水稻LAI估算模型，并在四川省凉山彝族自治州昭觉县开展实证应用。【方法】本文基于不同样本量的３套训练数据，分别对增强型植被指数（EVI）、修正三角植被指数2（MTVI2）、归一化差值植被指数（NDVI）和修正比值植被指数（MSR）开展波段选择。在此基础上，以1种VI作为LAI的特征参量，试用指数回归（ER）和人工神经网络（ANN），构建LAI估算模型。计算LAI估算值和实测值之间的决定系数（R~(2)）和均方根误差（RMSE），开展估算精度验证。【结果】①基于EVI或MTVI2的LAI估算精度优于NDVI和MSR。以ANN模型为例，基于优选波段的EVI和MTVI2得到的R~(2)分别为0.638和0.681，RMSE分别为0.554和0.519；而NDVI和MSR得到的R~(2)分别为0.567和0.560，RMSE分别为0.606和0.611。②基于各VI优选波段组合的LAI估算精度（平均R~(2)为0.574，平均RMSE为0.598）优于默认波段组合（平均R~(2)为0.424，平均RMSE为0.694）。③ANN模型的表现优于ER模型。在基于默认波段、优选波段的LAI估算试验中，ANN模型得到的平均R~(2)比ER模型分别提高了40.27%和14.03%；平均RMSE分别降低了11.32%和8.11%。④就本项目试验而言，训练样本量对基于ANN模型的LAI估测精度的影响不显著。例如，当训练样本量低至24时，基于EVI构建的ANN模型的测试精度（R~(2)=0.660， RMSE=0.537），仍然优于ER模型（R~(2)=0.597， RMSE=0.585）。【结论】VI及其波段选择与回归建模方法对LAI高光谱遥感估算均有明显影响。针对特定区域的目标作物，尝试利用任意可能的波段组合来计算多种VI，遴选与实测LAI相关系数最大的VI及其波段组合，有益于提高基于VI的LAI高光谱遥感估算精度。同时，即使基于小样本训练数据，机器学习算法仍有可能得出优于参数回归的结果。

选取长势、色泽差异较小的9个茶树品种,使用ASD Field Spec Hand Held 2光谱分析仪采集茶树冠层的光谱数据,通过对原始数据进行预处理去除噪音干扰,采用主成分分析方法得到茶树冠层特征波段520、765、821、940 nm,提取特征波段的反射率值,运用多元线性回归、一元线性回归、最小二乘法建立了光谱反射率与茶鲜叶茶多酚含量关系的估算模型。结果表明:最小二乘法模型的决定系数达到0.99;另选23个样品对模型进行验证,真实值与预测值的相关系数为0.97,相对误差为2.99%。

水稻籽粒粗蛋白和直链淀粉含量是评价稻米品质的两个主要指标。本文以不同温度胁迫下的水稻田间试验为基础,分析水稻成熟籽粒粗蛋白和直链淀粉含量与不同生育期冠层反射光谱的相关性。结果显示,水稻籽粒的粗蛋白和直链淀粉含量与不同生育期冠层原始光谱和一阶导数在某些波段达到极显著或显著相关水平。进一步分析比值植被指数、差值植被指数、归一化植被指数和红边参数等光谱参数与成熟籽粒粗蛋白和直链淀粉含量的相关性,用回归分析方法对相关拟合较好的参数进行筛选,建立了水稻成熟籽粒粗蛋白含量(GCPC)和直链淀粉含量(GAC)监测模型,运用独立观测数据对模型进行检验,其预测值与实测值的精确度为0.393-0.683,准确度为...

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。

【目的】本文研究了品种和割龄对橡胶树叶片氮含量高光谱估算的影响。【方法】基于不同品种和割龄类型的橡胶树叶片样本,采用Savitzky-Golay(SG)平滑方法和偏最小二乘法(PLS)构建了橡胶树叶片氮素含量高光谱估算模型。【结果】不同品种和割龄组合下模型的预测精度从优到劣依次为:既分品种又分割龄,只分割龄不分品种,只分品种不分割龄,不分品种和割龄。【结论】品种和割龄均会影响模型精度,尤其是割龄,不同的割龄分类方法预测结果差异较大,且割龄划分并非越细越好,将橡胶树割龄分为未开割、小于10割龄和10割龄以上

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

【目的】本研究以叶片氮含量为切入点,探求糜子籽粒蛋白质含量的最佳光谱预测模型,为糜子优质生产的管理调控提供理论依据。【方法】结合2017年和2018年2年的氮肥运筹试验数据和光谱数据,通过"光谱特征信息—叶片氮含量—籽粒蛋白质含量"这一研究思路,以叶片氮含量为中间链接点将光谱模型和籽粒蛋白质含量链接,建立基于高光谱糜子籽粒蛋白质含量监测模型。【结果】利用支持向量机(SVM)构建的糜子全生育期叶片氮含量监测模型要优于逐步多元线性回归(SMLR)和偏最小二乘法(PLS),并且原始光谱反射率(R)的SVM模型效果优于一阶导数(1ST)模型,建模集和验证集的R2分别为0.928、0.924;RMSE相对较小,分别为0.19、0.12;RPD都大于2,分别为3.71、6.07。开花期、灌浆期和成熟期的叶片氮含量和籽粒蛋白质含量均达到极显著正相关,相关系数分别为0.48、0.66和0.73。灌浆期R-SVM模型能准确的监测糜子籽粒蛋白质含量,决定系数R2为0.798,均方根误差RMSE为0.14,预测残差RPD为1.65。【结论】建立基于灌浆期糜子籽粒蛋白质含量的高光谱R-SVM监测模型,有助于指导糜子优化田间管理、种植业结构调整和籽粒品质分级,为高光谱技术在糜子优质高产栽培和精准农业发展提供技术基础。

【目的】阐明水稻顶部4张叶片蛋白氮含量和反射光谱特征的变化规律及其相互关系,建立快速、准确诊断水稻功能叶片蛋白氮含量的方法。【方法】通过3年不同施氮水平和不同品种类型的大田试验,分生育期同步测定顶部4张叶片的光谱反射率及蛋白氮含量,系统分析叶片蛋白氮含量与多种高光谱参数的定量关系。【结果】水稻叶片蛋白氮含量和光谱反射率在不同施氮水平、不同生育期及不同叶位间均存在明显差异,叶片蛋白氮含量的敏感波段主要存在于可见光绿光区530～580nm及红边区域695～715nm,其中红边区域表现最为显著。红边区域700nm附近波段与近红外短波段的比值组合(SRs)可以有效地估算水稻上部功能叶片的蛋白氮含量,其...

基于高光谱(350~2 500 nm)数据,研究了我国中、东部地区5种主要类型土壤全氮含量与高光谱反射率之间的定量关系,构建了基于偏最小二乘法(PLS)、BP神经网络(BPNN)和特征光谱指数的土壤全氮含量估算模型。结果表明,以500~900 nm、1 350~1 490 nm区域波段反射率经Norris滤波平滑后的一阶导数光谱为基础,构建的基于PLS和BPNN的土壤全氮含量估算模型精度较高,建模决定系数分别为0.81和0.98;独立观测资料检验结果显示,模型预测决定系数分别为0.81和0.93,均方根误差RMSE为0.219 g.kg-1和0.149 g.kg-1,相对分析误差RPD为2.2...

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。

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...

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