【目的】快速、无损、准确地获取柑橘叶片营养信息。【方法】以盆栽蓬安100锦橙为试材,通过精确控制施肥处理(K0:0g,K1:30g,K2:75g,K3:90,K4:120gk2O/株/年),利用鲜叶进行光谱检测钾素营养状况分析。【结果】可见近红外波段范围内,各施钾处理蓬安100锦橙夏梢叶片光谱反射强度呈K3>K0>K1>K2>K4趋势。通过对反射光谱、一阶微分、二阶微分和倒数对数光谱进行多元散射(multiple scattering correction,MSC)校正处理,运用偏最小二乘法(partial least square method,PLS)与内部交叉验证建立了钾含量预测回归模型...

【目的】叶片氮素状况是小麦生产中精确施氮管理与调控的前提,实时无损监测叶片氮素状况对小麦生产管理具有重要意义。本文旨在综合分析不同环境下小麦冠层光谱响应差异,进而构建其估测模型,为小麦氮肥合理运筹提供技术支持。【方法】本研究基于3种不同土壤质地(砂土、壤土和黏土)、5种不同施氮水平(0、120、225、330和435 kg.hm-2)及3种河南省主栽小麦品种(矮抗58、周麦22和郑麦366)连续2年的大田试验,于小麦主要生育时期同步测定冠层光谱反射率和叶片氮含量,对3种不同土壤质地条件下小麦冠层叶片氮含量的高光谱响应差异进行比较,系统分析350—1 050 nm波段范围内任意两波段组合而成的差...

【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】文章尝试建立橡胶树叶片钾素含量高光谱估算模型。【方法】基于涵盖2个品种和6个割龄的橡胶树叶片钾素含量和光谱反射率,分别采用偏最小二乘法(PLS)和偏最小二乘-支持向量机(PLS-SVM)构建了橡胶树叶片钾素含量高光谱估算模型。采用多元散射校正(MSC)、标准正态变换(SNV)、SG平滑(SG)、一阶导数(FD)和二阶导数(SD)等预处理方法或方法组合对叶片原始光谱反射率进行预处理,通过筛选得到最佳预处理模式为SNV+SG+FD的组合方法,其中,SG平滑点数为7,多项式次数为1或2。【结果】利用验证集对PLS模型和PLS-SVM模型进行验证,结果显示,决定系数R~2分别为0.843和0.868,均方根误差RMSE分别为1.331和1.162 g/kg,相对分析误差RPD分别为2.414和2.764。【结论】2种模型均具有良好的估算效果,PLS-SVM模型具有更高的估算精度。

【目的】分析苹果叶片的高光谱特征,探索建立苹果叶片色素含量的高光谱监测模型,以促进高光谱技术在苹果长势监测中的应用。【方法】通过方差分析方法,分析苹果春梢和秋梢停止生长两个时期功能叶片的不同部位、不同含水率、不同品种的高光谱特征。利用相关分析方法,研究高光谱参数与叶片色素含量间的关系,并建立基于光谱参数的叶片色素含量监测模型。【结果】在760—1300nm的近红外波段,叶片光谱反射率后部低、前部高、中部居于二者之间;随着叶片含水率降低,光谱反射率逐渐增大;不同品种的叶片,光谱反射率差异显著。光谱参数R800/R550、红边面积Sr和绿峰反射率Rg与叶片色素含量之间有较好的相关性,并分别建立了色...

【目的】从夏玉米叶片一阶导数光谱中提取监测叶片氮素含量变化的敏感红边面积,为夏玉米氮素营养遥感监测提供依据。【方法】使用高光谱仪ASD Field Spec Pro,于喇叭口期(08-05)、抽雄期(08-22)、吐丝期(09-05)和乳熟期(09-13)采集不同氮素处理水平下(0,120,240 kg/hm2)的夏玉米叶片光谱,并在红边波长范围(680~760nm)求取一阶导数(一阶导数光谱),然后采用基于小波变换的阈值去噪方法对一阶导数光谱进行去噪处理;考察夏玉米4个生育时期内一阶导数光谱对不同氮素处理水平的响应特征,以及当波长范围从红边核心区域720~740 nm逐步扩展到700~760...

【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。

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。

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。

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】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...

【目的】探索建立基于近红外光谱技术的土壤微量元素监测技术。【方法】采集三峡库区(重庆)主要加工甜橙基地果园背景土壤样品168个,随机选取100个作为建模样本,其余为检验样本;测定所有样本的近红外反射光谱和土壤Fe、Mn、Zn全含量;运用最佳光谱预处理方法和偏最小二乘法(partial least square method,PLS)及内部交叉验证方法建立校正模型,并进行模型精度检验。【结果】变量标准化(standard normal variables,SNV)为土壤Fe、Mn、Zn含量近红外光谱预测的最佳光谱预处理方法;运用SNV光谱预处理和偏最小二乘法(PLS)及内部交叉验证法建立的土壤F...

【目的】建立芒果叶片水分含量高光谱指数模型，实现芒果叶片水分含量快速无损监测，为芒果田间水分管理、日灼病防控、产量提升提供参考依据。【方法】于广西右江河谷百色国家农业科技园区生态遥感试验站采用离体测量法，同步测定芒果叶片反射率（R_(λ)）、水分含量、干物质含量、叶绿素含量和类胡萝卜素含量等生化参数。基于实测数据集校正PROSPECT模型，并生成模拟数据库。从实测数据集（n=200）和模拟数据库（n=1000）中各自随机选取85%样本作为建模集（n=1020），建立最优芒果叶片水分含量估算高光谱指数模型，并利用剩余15%样本作为验证集对指数模型进行精度验证。【结果】以实测数据校正PROSPECT模型后，PROSPECT模型模拟精度整体提升。比较实测数据与模拟生化组分数据分布特征，得出模拟数据库中光谱数据与实测光谱数据分布相近。对芒果叶片水分光谱吸收波段进行分析，结果表明，1400和1900 nm波段附近出现水分强吸收波谷。对芒果叶片水分含量进行高光谱指数开发，发现二重差值指数[DDn(1255，25)]与叶片水分含量间的相关性最佳、均方根误差最小（相关系数为0.86，均方根误差为2.58×10~(-3) g/cm~(2)），因而[DDn(1255，25)]为芒果叶片水分含量最优高光谱指数。利用多项式拟合[DDn(1255，25)]与芒果叶片水分含量，结果表明，基于[DDn(1255，25)]的一次多项式回归模型的决定系数为0.73，F检验值为2757.18，在验证集中表现最优。【结论】[DDn(1255，25)]指数与芒果叶片水分含量的相关性最高，基于该指数建立的一次多项式回归模型能快速无损监测芒果叶片水分含量，可用于芒果叶片水分含量无损监测，服务芒果田间水分管理、日灼病防控等生产活动。

【目的】铁元素含量是植物生长发育过程中所需的重要微量元素之一,实时动态估测香梨铁元素含量对指导香梨科学施肥具有重要意义。【方法】利用ASD FieldSpec 4光谱仪测定不同时期的香梨叶片光谱反射率,研究香梨叶片光谱反射率、一阶微分、比值SR、归一化ND、差值SD与铁元素含量的相关关系,筛选敏感波段参量,构建香梨叶片铁元素含量的回归估测模型。【结果】6月SR组合、7月ND组合、8月SR组合、9月SD组合的模型拟合度分别为0. 764、0. 551、0. 679、0. 656。检验结果显示不同时期两两波段光谱组合构建的估测模型拟合度较高。【结论】光谱参数组合可以有效的估测香梨叶片铁元素含量,在果树叶片铁元素营养诊断方面有重要的实践意义。

【目的】探讨采用光谱分析手段估测果树N、P、K营养元素含量的精度及应用潜力。【方法】首先,对果树鲜叶的光谱反射率(Rλ)以及叶片全氮(TN)、全磷(TP)、全钾(TK)含量进行测定,并对各种元素含量与Rλ及其多种变式数据(1/Rλl、g(1/Rλ)、d1Rλ、d2Rλ、d1[lg(1/Rλ)]、d2[lg(1/Rλ)]l、g(1/BNC)、f′(Rλ)、Dn)的相关性进行分析,找出与每种元素含量相关性最强的光谱数据形式;其次,采用逐步回归法,对每种元素含量和与其相关性最强的光谱数据形式进行回归分析,得到入选波长;最后,利用入选的波长,进行基于最小误差平方和的偏最小二乘回归建模。【结果】叶片TN...