【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。

【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】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】以海南省特有树种降香黄檀为研究对象,提出1种基于植被指数和多光谱纹理特征的叶片全铁含量(TIC)预测方法,为珍贵树种重金属营养诊断提供参考。【方法】分别设计4种梯度(CK、F1、F2、F3)的铁胁迫试验,胁迫结束后摘取叶片并获取多光谱图像,计算叶片图像的植被指数(VIs)及纹理特征(包括纹理特征均值TFMV和纹理特征方差TFV),分析其与TIC之间的关系。通过显著性检验筛选出与TIC在0. 05和0. 01水平上显著相关的变量,再使用相关性分析法(CA)、主成分分析法(PCA)、平均影响值法(MIV)和遗传算法(GA)进行二次筛选,将筛选结果作为粒子群优化-反向反馈神经网络(PSO-BPNN)的输入变量,分析比较预测结果。【结果】1)在CK～F2梯度区间内,树高、冠幅和地茎的生长量随着施铁含量的增加而增加,而在F3梯度下,树高、冠幅生长量降低,地茎生长量出现大幅度上升; 2)随着叶片TIC的上升,B波段呈先下降后上升趋势;G波段则与B波段相反; R波段先下降后上升,之后基本保持稳定; RE和NIR波段则一直呈上升趋势; 3)大部分VI与TIC在0. 01和0. 05水平上相关,TFMV和TFV也可以反映叶片TIC,但TFV在相关水平和相关个数方面均优于TFMV。从波段角度分析,RE和NIR波段在植被指数和纹理特征方面与TIC的相关性均优于其他波段; 4)使用不同筛选方法得到的预测结果不同,其中CA与GA得到的评价指标最佳且相似,但GA在150～300mg·kg~(-1)区间得到的预测结果偏低,不适用于田间施肥指导。5)仅使用植被指数得到的预测结果较差,加入纹理特征后很明显的提高了拟合优度及预测精度,纹理特征方差对模型精度的影响更大,说明叶片纹理的离散程度可以较好的作为预测全铁含量的辅助信息。【结论】F1和F2梯度的施肥量可以促进降香黄檀植株生长及生物量累计。最佳叶片全铁含量为150～300 mg·kg~(-1)。除植被指数外,MPV作为辅助因素可以提高模型的拟合优度及预测精度,同时,CA-PSO-BPNN方法可以有效的运用于田间施肥指导,为珍贵树种重金属含量监测提供较为准确的预测。

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...

【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。

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。

为了利用遥感监测小麦条锈病,研究条锈病侵染后小麦单叶光谱和叶绿素含量变化,人工接种条锈病菌在小麦幼苗上,测得接种1～24d的光谱和叶绿素含量,将其叶绿素含量与光谱及其一阶微分做相关性分析,利用光谱微分参数进行方程的模拟。接种1～12d,感染条锈病的叶片叶绿素含量与原始光谱及其一阶微分光谱在可见光波段呈负相关关系,接种13～24d,两者在可见光波段呈正相关的关系。接种后1～12d的方程模拟中以SDb为变量的模型为最佳模型,接种13～24d的方程模拟中以SDr/SDg为变量的模型为最佳模型,说明可利用光谱参数进行条锈病侵染小麦的早期监测。

【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】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。

【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...

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。