【目的】建立快速、无损监测棉花冠层等效水厚度(canopy equivalent water thickness,CEWT)的估算模型,进一步提高利用高光谱遥感技术监测棉花CEWT的估算精度。【方法】通过在不同生育期设置灌溉梯度试验,于棉花蕾期和花铃期同步测定冠层光谱反射率、冠层等效水厚度等信息,综合分析棉花冠层等效水厚度与原始光谱反射率、一阶导数光谱反射率、全波段组合光谱指数、已有光谱指数的相关性,确定蕾期、花铃期及全生育期的最优光谱指数,并通过线性回归构建棉花CEWT的高光谱监测模型。【结果】冠层等效水厚度与原始光谱反射率在近红外波段(NIR)780—1 130 nm和短波红外波段(SWIR)1 450—1 830 nm、1 950—2 450 nm附近均出现连续的敏感波段,一阶导数光谱在NIR波段内对CEWT的敏感程度较原始光谱有所加强,但在SWIR波段内敏感程度弱于原始光谱;利用原始光谱反射率构建的光谱指数与CEWT的相关性强于一阶导数光谱,且比值光谱指数(RSI)较归一化差分光谱指数(NDSI)更适合CEWT的监测。在全生育期内(R1135-5R1494)/R2003对CEWT的反演精度最佳(R2=0.7878,RRMSE=0.1803);在蕾期RSIb(1130,1996)对CEWT的估算效果最好(R2=0.7258,RRMSE=0.1444);在花铃期RSIa(904,1952)是估算CEWT的最优光谱指数(R2=0.7853,RRMSE=0.2454)。【结论】该研究在不同生育阶段内提出的新型高光谱指数均可用于棉花冠层等效水厚度的定量监测,研究结果可为高光谱技术在棉花冠层水分含量监测中的应用提供参考,为棉花精准灌溉提供技术依据。

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］为实现杨树叶片水分高光谱信息进行快速、准确估算，［方法］将实测杨树叶片等效水厚度作为水分含量表征量，并测定叶片高光谱数据，同时，利用辐射传输模型模拟不同等效水厚度条件下的叶片尺度和冠层尺度的高光谱反射数据，通过分析常用水分植被指数对等效水厚度的敏感性，利用植被指数比值的方法构建新等效水厚度植被指数（ＧＶＭＩ／ＭＳＩ）。通过ＧＶＭＩ／ＭＳＩ、全球植被水分指数（ＧＶＭＩ）、水分胁迫指数（ＭＳＩ）分别对杨树叶片尺度和冠层尺度等效水厚度估算精度进行比较分析。［结果］表明：ＧＶＭＩ指数、ＭＳＩ指数以及新建ＧＶＭＩ／ＭＳＩ指数的叶片尺度杨树叶片等效水厚度估算模型的精度Ｒ２分别为０．９９７、０．９９．．．

为研究冠层归一化差值植被指数（Ｎｏｒｍａｌｉｚｅｄ ｄｉｆｆｅｒｅＮｃｅ ｖｅｇｅｔａｔｉｏＮ ｉＮｄｅｘ，Ｎｄｖｉ）在棉花重要生育时期估算棉花产量的可行性，使用ｇｒｅｅＮＳｅｅｋｅｒ分别对不同灌水施肥条件下棉花光谱反射率Ｎｄｖｉ值进行测定优化，建立Ｎｄｖｉ值与产量关系数学模型，并对模型精度进行验证。结果显示：不同水氮组合随着生育期的推移棉花冠层Ｎｄｖｉ值变化趋势基本一致，都呈＂低－高－低＂的变化规律；选取在棉花出苗后８０、１０５和１４０ｄ冠层Ｎｄｖｉ值分别与产量进行相关性分析，得出冠层Ｎｄｖｉ值与产量具有明显的正相关关系，相关系数分别为ｒ２＝０．３７６ ０，０．０９３ ４，０．３６３ ９。利．．．

【目的】研究棉花冠层叶片叶绿素含量与高光谱参数的相关性，建立叶绿素含量估算模型。【方法】２０１４年，以鲁棉研２８号为研究对象，测定不同施氮水平和生育期棉花冠层叶片叶绿素含量及３５０～２ ５００ｎｍ光谱反射率，以棉花冠层高光谱反射率与冠层叶片叶绿素含量为数据源，在分析叶绿素含量与原始高光谱反射率（Ｒ）、一阶导数光谱反射率（ＤＲ）、光谱提取变量和植被指数相关性的基础上，采用一元线性与多元逐步回归的方法构建了叶绿素含量估算模型，并对从中筛选的６种棉花冠层叶片叶绿素含量估算模型进行精度对比。【结果】１）棉花冠层叶片叶绿素含量在反射光谱７６６ｎｍ处相关系数达到最大值，相关系数Ｒ＝０．８３６；对于一阶导数．．．

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

【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。

【目的】冬小麦叶面积指数是评价其长势和预测产量的重要农学参数,高光谱技术监测叶面积指数的方法能够实现快速无损的监测管理。本文旨在将田间监测和高光谱遥感相结合,探索研究中国南方江汉平原地区冬小麦的最佳波段、光谱参数及监测模型。【方法】研究选取江汉平原的湖北省潜江市后湖管理区,利用ASD地物光谱仪和SunScan冠层分析系统在田间对冬小麦的冠层光谱及叶面积指数的变化进行监测,并探讨高光谱植被指数与冬小麦叶面积指数之间的定量关系。通过相关性分析、回归分析等方法构建6种植被指数与冬小麦叶面积指数的反演模型。【结果】冬小麦冠层光谱反射率中近红外波段870 nm,红光波谷670 nm,绿光波峰550 nm...

利用高光谱遥感技术能够高效，无损，快速的获取草地地上生物量，对草地畜牧业的高效管理，动态监测及草畜供求关系平衡等方面具有重要意义。为了探求估算生长期针茅群落地上生物量最适宜的光谱变量与植被指数，本研究在内蒙古锡林郭勒盟镶黄旗牧场获取光谱反射率与地上生物量数据，通过原始高光谱数据以及一阶微分，植被指数，绿峰与红谷等变量，运用回归模型建立相应地上生物量估算模型并对比评价模型精度。结果表明：克氏针茅（Stipa krylovii）群落在7-8月的牧草生长过程中，生物量逐渐增加，8-9月牧草枯黄明显，生物量明显下降。对原始高光谱进行微分处理有助于提高敏感波段与地上生物量的相关性；在高光谱变量中，利用红边斜率（Dr）构建的线性模型精度最佳，R²为0.94，均方根误差（RMSE）为1.97g/m²，平均相对误差（MAE）为1.97g/m²。在植被指数中，利用土壤调整植被指数（SAVI）构建的多项式模型精度最佳，R²为0.92，RMSE为1.15g/m²，MAE为1.39g/m²。本研究能够为用不同高光谱变量估算针茅群落地上生物量提供科学依据，为快速精准的牧区天然草场遥感监测提供方法和技术支持。

[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】揭示棉花产量与冠层光谱植被指数相关关系,建立棉花高光谱估算模型,促进高光谱技术在棉花长势监测和估产中应用。【方法】结合棉花生长发育规律,对棉花各时期冠层进行高光谱反射率测定,根据光谱曲线特征构建高光谱植被指数,基于棉花盛蕾期至吐絮后期7次地面光谱和产量测定,对光谱反射率与产量进行统计分析。【结果】各生育期可见光波段、近红外波段及短波红外波段光谱反射率与产量间分别达显著负相关、显著正相关与显著负相关水平。根据棉花冠层光谱波形特征,利用植被红边波段560nm反射峰、670nm吸收谷、近红外波段890nm反射峰、980nm和1210nm两个弱水汽吸收谷、短波红外1650nm和2200nm反射...

在田间利用高光谱技术监测土壤含水率(Soil Moisture Content,SMC)成为精准农业研究的热点之一,但农田原状光谱受到土壤表层属性如表面粗糙度、质地、微聚体和其它环境因素的影响,且小尺度区域SMC空间差异较小,增加了SMC光谱信息的提取难度,导致SMC的估算精度较低;基于实验室内经过筛制备的土壤样品的光谱数据建模,虽然模型精度较高,但人为改变土壤结构和紧实度的预处理方式无法表征农田SMC的实际状况.因此,该文尝试提出一种耦合土样原状光谱数据和标准光谱数据估算农田SMC的新方法.通过获取江汉

以天山北坡乌鲁木齐县甘沟乡为研究区,利用美国SVC HR-768便携式光谱仪采集25块样方的高光谱数据,并测定对应样方中草地盖度,分析草地盖度与原始光谱、一阶微分光谱和高光谱特征变量之间的相关关系;采用回归统计的方法,基于高光谱位置变量、高光谱面积变量和高光谱植被指数变量构建草地盖度的估测模型,并进行模型精度评价。结果表明,研究区草地盖度与植被冠层光谱反射率相关性较强的波段范围为354-704、1 420-1 481和1 904-2 512nm;基于一阶微分光谱和高光谱植被指数构建的估测模型能更好地反演草

以北京大学"无人机遥感载荷综合试验场"为试验区,采集草地植被覆盖度(VegetationCover,VC)和相应样方冠层高光谱反射率数据,并对比研究了高光谱反射率三种变换形式(小波能量系数、主成分和植被指数)与VC之间的关系模型。结果表明:在三种变换形式中,植被指数模型(R2大于0.8,RMSE小于等于0.018 8)优于基于小波变换和主成分分析的VC模型;经过对高光谱数据进行小波分解获得的第二和第四小波能量系数与VC之间存在显著的对数相关(R2分别为0.811和0813;RMSE分别为0.019 9和0.019 8);以多个小波能量系数作为自变量的VC多元回归模型明显优于基于主成分的多元线性...

叶面积指数(leaf area index,LAI)是表征植被冠层结构和光合面积的重要参数。实时动态的植被LAI监测对于诊断植被生长状况及趋势具有重要作用。本研究旨在通过对高光谱数据的数学变换与特征分析,构建东洞庭湖苔草LAI的最佳估算模型。通过分析52组苔草样本640~780 nm波段范围内的反射率、一阶微分及倒数的对数的光谱特征,选择特征波段,运用多元逐步线性回归法与偏最小二乘回归法建立估算模型。研究发现特征波段为707～758 nm,以上3种光谱数据的多元逐步线性回归模型决定系数分别为0.526、0.815、0.565,均方根误差分别为0.320、0.269、0.273,3者偏最小二乘回...