【目的】研究估测坡垒叶绿素含量的高光谱模型,探讨融合光谱反射率与时频特征估测叶绿素含量的可行性,为坡垒叶绿素含量的快速无损检测提供参考。【方法】以2年生坡垒为研究对象,设置N0(0 kg/hm~2)、N1(35 kg/hm~2)、N2(70 kg/hm~2)3个氮肥水平,测定不同氮肥水平下坡垒冠层叶绿素含量和光谱曲线,采用离散傅里叶变换(DFT)和短时傅里叶变换(STFT)方法提取光谱时频特征,采用偏最小二乘回归(PLSR)算法,构建基于光谱反射率、时频特征及其二者融合特征的不同氮水平的分区模型以及全氮肥水平下的综合模型,估测不同氮肥水平下坡垒叶绿素含量,并以决定系数(R~2)、平均绝对百分比误差(MAPE)、相对均方根误差(RRMSE)作为评价指标比较各模型精度,确定最优估测模型。【结果】(1)不同叶绿素含量下坡垒冠层光谱反射特征的整体变化趋势相似,在可见光波段(380～750 nm)内,光谱反射率随着叶绿素含量的增加而降低。(2)在构建的分区模型中,基于光谱反射率和时频特征构建的模型均能较好地估测坡垒叶绿素含量,检验R~2分别为0.626～0.816,0.662～0.797,检验MAPE分别为4.966%～9.269%,6.029%～8.181%,检验RRMSE分别为6.827%～11.593%,8.247%～9.792%;基于融合光谱反射率与时频特征(融合特征)构建的分区模型检验R~2为0.913～0.951,检验MAPE和RRMSE均低于10%。(3)在构建的综合模型中,当引入哑变量时,基于融合光谱反射率与时频特征(融合特征)构建模型的检验R~2为0.814,MAPE和RRMSE分别为7.212%和8.578%,二者较基于光谱反射率构建的模型分别降低了37%和36%,较基于时频特征构建的模型分别降低了47%和45%。【结论】基于融合光谱反射率和时频特征(融合特征)构建的模型能够提高坡垒叶绿素含量估测的精度,对于不同氮肥水平下坡垒叶绿素含量有较好的估测效果,可作为估测坡垒叶绿素含量的优选方法。

[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。

【目的】研究坡垒叶绿素含量的多光谱图像预测法，探讨融合多光谱频域特征预测叶绿素含量的可行性，为坡垒叶绿素含量的无损监测提供有效工具。【方法】采用将植被指数与传统的阈值分割法相结合的方式，去除坡垒冠层多光谱图像的背景，以F_1为分割精度评价指标，确定最适多光谱图像分割方法。对分割后的坡垒冠层多光谱图像，精准提取空域特征（植被指数与纹理特征），并引入3种频域特征，然后基于相关性分析和Lasso算法筛选图像特征，以便携式叶绿素仪测得的SPAD值作为相对叶绿素含量实测值，确定与坡垒SPAD值强相关的优选特征及合适的建模特征组合，结合偏最小二乘回归（PLSR）、随机森林（RF）和极限梯度提升（XGBoost）模型，分别建立多光谱空、频、融合特征模型并进行精度验证，确定适用于幼龄坡垒SPAD值预测的模型形式。【结果】差值植被指数与Kapur阈值结合的分割方法获得了最高分割精度，评价指标F_1达到0.917，为坡垒冠层多光谱图像的最适分割方法。多光谱图像空频域特征表现了与坡垒SPAD值的显著相关性，其中相关性最强的特征为修正叶绿素吸收反射率植被指数，相关系数达到-0.780，为基于单图像特征预测SPAD值的优选特征。在3种频域特征中，小波特征与SPAD值的相关性表现最优。因此，小波变换为优选坡垒多光谱图像频域变换方法。基于不同图像特征构建的SPAD值预测模型，性能表现排序为单频域特征模型<单空域特征模型<融合特征模型，最适建模算法为RF、XGBoost算法。基于RF的融合特征模型为最适模型，检验R~2达到0.791，较单空域特征模型的检验R~2提高了7.9%。【结论】引入3种频域特征能够提高坡垒SPAD值预测精度，且基于RF的融合特征模型获得了较高的预测精度，因此融合多光谱空频域特征并结合机器学习算法，可作为一种有效的幼龄坡垒相对叶绿素含量预测工具，有利于坡垒培育经营工作的智能化发展。

采用盆栽试验研究了不同氮营养水平下的春玉米叶片叶绿素和全氮含量与叶片光谱反射率的相关性。结果表明,拔节期和喇叭口期是玉米氮素光谱营养诊断的敏感时期;利用绿峰处叶片最大光谱反射率反演玉米叶片氮素含量和叶绿素含量的精度为:喇叭口期>拔节期>开花吐丝期;不同生育时期诊断玉米叶片氮素含量和叶绿素含量时所采用的光谱波段也不同,拔节期和喇叭口期采用可见光波段的光谱反射率可靠性较高,而开花吐丝期采用近红外波段的光谱反射率可靠性较高;两波段组合光谱变量对叶片叶绿素和全氮含量的判别精度高于单一波段的判别精度。

【目的】利用高光谱数据对抽穗期冬小麦冠层叶绿素含量进行估测，旨在为叶绿素含量快速准确估测提供参考。【方法】利用ＡＳＤ便携式野外光谱仪和ＳＰＡＤ－５０２叶绿素仪实测了冬小麦抽穗期冠层光谱反射率及叶绿素含量，并对原始光谱反射率及其一阶导数光谱与叶绿素相对含量进行了相关分析，建立了基于敏感波段、红边位置、原始光谱峰度和偏度、一阶导数光谱峰度和偏度的叶绿素估算模型，并进行检验，从中筛选出精度最高的模型。【结果】冬小麦冠层光谱曲线特征与叶绿素含量之间有着密切联系。基于原始光谱一阶导数偏度和峰度的冬小麦（抽穗期）叶绿素含量估算模型拟合精度优于其他４种估算模型，决定系数Ｒ２分别为０．８４７和０．５７２，均方．．．

【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。

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...

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...

【目的】本研究探索了油菜在不同硼用量下反射光谱与叶绿素含量之间的关系,旨在为油菜品质育种提供参考。【方法】以甘蓝型油菜早熟品种420为对象,分别于蕾薹期、花期和成熟期,利用高光谱技术,测定不同硼肥条件下冠层反射高光谱,同时测定叶绿素a,b的含量以研究光谱与两者之间的关系。【结果】在3种硼肥条件下,光谱参数及光谱一阶微分与叶绿素含量之间均表现出极显著相关关系,利用SPSS 22.0拟合两特征光谱得到的多元回归函数亦达到极显著水平,且R2均在0.8以上。此外,0.5倍硼肥条件下叶绿素a,b的3种植被指数与3边幅值均达到极显著水平;正常硼肥条件下的3种植被指数和3边幅值均达到显著水平以上;而1.5倍硼肥条件下,除叶绿素a与光谱一阶微分的比值和归一化植被指数未达显著水平之外,其他均达到显著水平以上。【结论】本研究具有较好的预测精度,可为油菜品质育种研究与区域尺度油菜生长的快速、无损遥感监测提供参考。

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】探讨组合模型在山地红壤有机质含量高光谱估算中应用的可行性,以期为土壤有机质含量估测提供基础数据和科学依据。【方法】基于山地红壤光谱的全波段(400~2 450 nm)研究范围,选择偏最小二乘回归(PLSR)、BP神经网络(BP)和支持向量机回归分析(SVMR)3种单一高光谱估测模型,分别获得预测结果,并重构预测结果数据,以绝对误差和最小为目标,计算固定权重与不固定权重两种组合模型的权重值,并基于径向基函数(RBF)神经网络法建立组合模型,探讨不同赋权方法与是否重构数据条件下的最优组合模型。通过均方根误差(RMSE)、预测偏差比(RPD)和决定系数(R2)评价山地红壤有机质含量的预测精度。【结果】单一预测模型中的SVMR估测精度最高,验证决定系数(R2)为0.64,均方根误差为9.76 g·kg-1,测定值标准差与标准预测误差的比值为1.67;在组合模型数据不重构的条件下,不定权组合模型要优于定权组合模型;在组合模型数据重构的条件下,定权组合模型要略优于不定权组合模型,估测精度相差不大;最优模型是数据重构定权组合模型,模型验证决定系数(R2)为0.87,均方根误差为7.91 g·kg-1,测定值标准差与标准预测误差的比值为2.06;组合模型验证精度优于单一模型,说明利用RBF组合模型估算山地红壤有机质含量是可行的。【结论】对山地红壤有机质含量的快速估测而言,单一模型具有操作简单、运算速度快等特点,因而具有较大应用价值,但组合模型能较大限度地利用各种预测样本信息,从而能有效减少应用单一模型时所受随机因素的影响,从而提高山地红壤有机质含量的估测精度。

测定来自不同产地的30个油茶籽样品的油酸、亚油酸、棕榈酸含量和高光谱反射率,分析油茶籽高光谱反射率与脂肪酸含量间的相关关系。结果显示,与油茶籽脂肪酸成分含量相关性比较好的高光谱波段主要分布在400~500、600~630 nm以及900 nm左右,且敏感波段区高光谱反射率与脂肪酸成分含量的相关系数均在0.4以上。

【目的】作物体内氮素状况是评价长势和预测产量的重要指标。小麦植株氮素营养的快速监测和无损诊断对于精确氮素管理具有重要作用。本文旨在通过对高光谱信息的精细分析和信息提取,探索建立小麦叶片氮含量(LNC,leaf nitrogen content)估算的最佳波段、光谱参数及监测模型。【方法】利用连续4年的系统观测资料,采用精细采样法,详细分析350～2500nm波段范围内原始光谱反射率及其一阶导数光谱的任意两两波段组合而成的主要高光谱指数与小麦冠层叶片氮含量的定量关系。【结果】发现小麦叶片氮含量的最佳波段为位于红边的690、691、700和711nm以及近红外波段的1350nm;基于归一化光谱指数...

【目的】建立苹果冠层叶绿素含量及冠层光谱特征参量间的定量关系模型,以促进高光谱技术在苹果树精准施肥以及快速、无损长势监测中的应用。【方法】以蒙阴县果园的苹果树为试验材料,连续2年分别测定了苹果冠层光谱反射率和冠层叶绿素(Chl(a+b))含量,分析了冠层叶绿素含量与光谱反射率之间的相关关系,并计算了400—1 000 nm任意两波段组合而成的RVI、DVI、NDVI和RDVI,分析了它们与冠层叶绿素含量的关系,以逐步回归分析做比较,建立了苹果冠层叶绿素含量监测模型。【结果】结果表明,以单变量估算叶绿素含量的最佳光谱指数为NDVI(975,742),相关系数为0.5093。利用多元逐步回归建立的...