以水稻叶片光谱和光合入射有效辐射(PARin)为数据源,分别使用8种叶绿素相关植被指数和其与PARin的乘积对珞优9348和丰两优4号品种水稻叶片在3种氮肥浓度下的净光合速率进行反演,建立不同氮肥水平下,品种无关的水稻叶片净光合速率估算模型,并验证精度。结果表明:1)仅基于叶绿素相关植被指数反演叶片净光合速率是不可行的,模型R~2均0.75,RMSE不超过1.85μmol/(m~2·s);3)区分高、低氮水平进行反演,基于CI的模型R~2分别为0.80和0.89,RMSE分别为1.25和1.37μmol/(m~2·s),可满足反演需求。因此,基于叶绿素植被指数CI的模型可适用于不同品种的水稻叶片净光合速率统一反演。

高光谱遥感技术为水稻叶片叶绿素含量的高通量、无损、准确监测提供了有效途径,然而高光谱数据的降维或特征光谱参数的选择是叶绿素含量有效反演的关键环节。利用2017年辽宁省盘锦市大洼水稻氮高效品种筛选试验基地的水稻叶片叶绿素含量与叶片高光谱数据,探讨了高光谱数据的降维方法与叶绿素含量的反演建模。首先应用最优子集选择算法(best subset selection)对工程常用的水稻叶绿素反演特征光谱指数进行优选,筛选出最优组合,作为叶绿素多元回归模型的输入特征;同时应用没有在光谱领域得到有效应用的基函数展开算法,利用Gram-Schmidt正交变换寻找叶片高光谱数据的基函数空间,再将高光谱数据投影到基函数空间从而实现降维,最后利用降维后的数据进行多元回归建模,反演叶绿素。结果表明:最优子集选择算法优选出的mNDVI(445,705,750)、NDVI(705,750)、PSRI(500,680,750)、RD(505,705)、RI1dB(720,735)、MCARI(550,670,700)、PPR(450,550)共7个特征指数组合,回归模型反演精度最高,决定性系数R2为0.844,均方根误差RMSE为0.926;基于基函数展开算法对400～1000nm波段范围601维高光谱数据降至13维,叶绿素反演回归模型的决定性系数R2达到0.861,均方根误差RMSE为0.906。说明基于基函数展开的高光谱降维与叶绿素含量估测方法效果较好,可为水稻叶绿素含量估测与长势诊断提供技术支持。

【目的】探索在遗传改良过程中水稻植株叶片全氮含量的变化及其与净光合速率的关系，明确其在不同年代的变化趋势。【方法】以吉林省１９５８－２００５年育成的３３个水稻品种为材料，用凯氏定氮法测定植株叶片全氮含量，用ＬＩ－６４００型光合测定系统测定功能叶片净光合速率，研究在遗传改良过程中吉林省不同年份育成水稻品种叶片全氮含量与其光合特性的协同进化规律。【结果】随着水稻品种育成年代的推进，叶片全氮含量、叶绿素含量、比叶重、净光合速率均呈增加趋势，而氮素光合利用效率则呈降低趋势；在抽穗期和抽穗后１０ｄ，叶片全氮含量与育成年代分别呈极显著或显著正相关；在抽穗期３０ｄ，叶绿素含量与育成年代呈极显著正相关；在抽穗．．．

【目的】通过研究菰叶片净光合速率日变化及其与环境因子的相互关系,目的为菰资源的开发和利用提供参考。【方法】利用Li-6400型光合作用测定系统,测定了菰叶片净光合速率和环境因子的日变化,通过相关性分析,考察了环境因子对净光合速率日变化的影响。【结果】菰功能叶片净光合速率为15.0～21.5μmol·m-2·s-1,光补偿点为45μmol·m-2·s-1,光饱和点为1040μmol·m-2·s-1。菰叶片净光合速率、气孔导度和蒸腾速率的日变化均呈单峰曲线,净光合速率的峰值出现在上午11:00时,上午8:00～11:00时的平均净光合速率比下午13:00-16:00时的平均净光合速率高4.7μmo...

【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...

针对东北粳稻叶绿素含量无人机高光谱反演中红边位置特征不明确的问题,基于2019～2020年沈阳农业大学水稻试验基地采集的高光谱数据和地面水稻样本叶绿素数据,开展水稻叶绿素含量红边光谱响应特性分析及反演建模研究。首先,利用线性外推(LE)、线性四点插值(LI)、最大一阶导数(MFD)、多项式拟合(PF)、拉格朗日插值(LAG)和倒高斯拟合(IG)6种方法确定水稻冠层高光谱红边位置,对比不同方法提取结果的分布规律,分析叶绿素含量的红边位置响应特性。然后,基于不同红边位置提取结果,利用极限学习机(ELM)、反向传播神经网络(BPNN)两种机器学习算法以及5种统计回归算法构建水稻叶绿素含量反演模型。结果表明:LE方法适合东北粳稻冠层光谱的红边位置的计算,提取的红边位置变幅大,对叶绿素含量变化较为敏感;以LE提取的红边位置为输入特征,构建的线性外推-极限学习机(LE-ELM)和线性外推-对数曲线(LE-LNX)模型,叶绿素含量反演精度较高,两个模型决定系数、均方根误差、平均绝对误差分别为0.781,8.375,9.828和0.763,9.249,11.253,研究结果可为水稻冠层叶绿素含量高效监测提供理论支撑。

通过温度、光照强度、CO2浓度不同处理组合,研究3因子对黄瓜叶片净光合速率的综合影响,从而筛选出促进日光温室黄瓜光合作用的7种最佳组合,分别为:温度12℃时,光照强度100～400μmol.m-2.s-1,CO2浓度1000～1200μL.L-1;温度15℃时,光照强度200～600μmol.m-2.s-1,CO2浓度1200～1500μL.L-1;温度20℃时,光照强度400～800μmol.m-2.s-1,CO2浓度1500μL.L-1;温度25℃时,光照强度600～800μmol.m-2.s-1,CO2浓度1500μL.L-1;温度30℃时,光照强度600～1000μmol.m-2.s-...

【目的】明确适合农田人参生长的阴棚小气候,指导人参的规模化生产,提高经济效益。【方法】以3年生农田人参为材料,利用Li-6400便携式光合测定系统,测定了农田人参叶片净光合率和阴棚中各项环境因子指标的日变化规律,分析主要环境因子对农田人参叶片净光合速率日变化的影响,并将环境因子逐一与净光合速率进行了相关性分析。【结果】农田人参功能叶片在绿果期净光合速率为0.503.05μmol/(m2·s)。一日中人参叶片净光合速率、蒸腾速率、气孔导度的日变化均呈现为上午升高,中午降低并维持在较低水平,下午逐渐降低的趋势

为探究利用高光谱植被指数反演叶片总初级生产力(GPP)的模型,以湖北省武汉大学试验田油菜和小麦叶片高光谱反射率和光照强度(PARin)为数据源,利用7种植被指数与PARin的乘积分别反演2种植被叶片GPP,构建线性及非线性回归模型,并对模型进行验证。结果表明:1)从油菜生理特点出发,需要分生育期建模。在选择的7种植被指数中,花期SR构建的一次模型效果最优,建模和验模R2分别为0.80和0.82,RMSE不超过2.85g/(m~2·d);荚果期选择CIred edge和MTCI为优选模型,建模和验模R2为0.84和0.72,RMSE

为研究基于高光谱优化NDVI值在反演喇叭口期玉米叶片氮含量的可行性,使用Fiedspec3.0光谱仪和Greenseeker分别对不同施氮量下玉米叶片的光谱反射率和NDVI进行了测定,并对NDVI值进行了提取和优化,建立玉米叶片氮含量优化NDVI反演模型,对其反演精度进行验证。结果显示:优化NDVI值与NDVI测定值、玉米叶片氮含量均呈显著正相关(r=0.913 2,0.949 8),优化NDVI值对玉米叶片氮含量反演精度达到显著水平(r=0.908 1),反演精度高于NDVI测定值。优化NDVI值能通过群体的速测来决策玉米叶片的氮含量,为玉米进行氮营养诊断提供新的技术支持,具有重要的现实意义...

【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。

【目的】探明高光谱遥感技术反演葡萄叶片叶绿素含量的可能性，构建葡萄叶片叶绿素含量反演模型，为快速且无损估测葡萄长势提供技术参考。【方法】以西南山区成熟期葡萄叶片为研究对象，同步获取冠层叶片高光谱数据和SPAD值，研究不同分数阶微分光谱（0.0～1.4阶，步长0.2）反演葡萄叶片SPAD值的能力，构建多个基于特征波段和光谱指数的单因素模型及基于连续投影算法的多因素模型。【结果】不同SPAD值葡萄叶片原始光谱曲线整体一致，在可见光区域反射率较低而在近红外区域反射率高；可见光、近红外区域反射率与SPAD值分别呈反比和正比；随着阶数上升，特征波段由近红外向红边靠近，光谱指数由近红外与蓝光组合变更为近红外与绿光组合，单因素模型建模变量相关性呈先升后降趋势，在0.6阶达峰值；除0.6阶与0.8阶外，其余分数阶微分光谱单因素模型建模变量均为DSI；多因素模型优于单因素模型，机器学习算法可提升传统回归模型精度，所有模型以0.6阶下SPA-GA-XGBoost回归模型精度最优，其建模与验证R~(2)分别为0.79和0.75，相应均方根误差（nRMSE）分别为15.54%和14.45%。【结论】分数阶微分变换在葡萄叶片SPAD值反演方面具有较大潜力，特定分数阶下，光谱指数优于特征波段，GA-XGBoost算法能产生较好的建模效果。

【目的】阐明水稻受稻纵卷叶螟危害后不同受害程度的叶片、卷叶的分布形式及卷叶率对稻叶光谱特征的影响,获取诊断水稻受害程度的模型,以便为稻纵卷叶螟的遥感监测提供理论指标与方法。【方法】试验以不同受害等级的虫害叶及健康叶为材料,在室内恒定条件下采用ASD光谱仪分别测定不同受害程度、受害叶片的不同分布形式、及不同卷叶率下稻叶的光谱反射率,并采用直线回归法,建立基于光谱参数的水稻受害程度诊断模型。【结果】水稻虫害叶光谱反射率均随受害等级的增加,在绿光区(530—570nm)和近红外区(700—1050nm)降低,而在红光区(610—700nm)增加。能反演叶片受害程度的敏感波段为530—564nm、61...

为比较和验证不同叶面积指数(LAI)机器学习模型迁移后的稳定性,以无人机获取的湖北鄂州与海南水稻田的多光谱影像数据为研究对象,使用8种植被指数经验模型与3种机器学习方法对鄂州试验田的水稻LAI进行反演,并推广至海南试验区。结果表明:1)非线性模型在鄂州试验数据的建模集测试中精确度较优,其中归一化红边差值(NDRE)非线性模型验证的变异系数(CV)=31.05%,但推广至海南试验区后精确度下降严重(验证集CV=74.90%),可移植性差;2)线性模型和机器学习模型在模型移植后表现出较优的稳定性,其中梯度提升回归(GBR)二波段模型在鄂州数据建模集CV=28.91%,在海南数据验证集CV=26.58%;3)增强植被指数(EVI2)线性拟合模型在鄂州数据建模集CV=33.78%,在海南数据验证集CV=27.90%。最后使用EVI2构建的经验模型,对各生育时期2种不同水稻(珞优9348和丰两优4号)的LAI进行预测,结果表明在相同氮水平下,珞优9348表现为氮高效品种。

红叶桃(Prunus persica f.alropurpurea),蔷薇科(Rosaceae)李属(Prunus),落叶小乔木,是一种集观赏、食用于一体的彩叶树种,其鲜红绚丽的叶色是观赏的主要特征。但在江南地区种植的红叶桃,6月初的叶片红色消褪较快,叶色很快变绿(肖和忠等,2007),不仅缩短了观赏时期,观赏价值也大为降低,给红叶桃的生产和应用带来不利影响。姜卫兵