基于主成分分析和BP神经网络的法国梧桐叶绿素含量高光谱反演研究

利用ASD便携式野外光谱仪和SPAD-502叶绿素计实测了落叶阔叶树法国梧桐叶片的高光谱反射率与叶片绿度,并对原始光谱反射率及一阶导数光谱与叶片绿度进行了相关分析;综合分析了10个常见光谱植被指数与法国梧桐叶绿素含量的相关性与预测性;最后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了法国梧桐叶绿素含量的估算。结果表明:法国梧桐的叶片反射光谱数据与叶绿素含量的相关性在可见光区域显著,导数光谱数据在绿黄光区和红光区的部分波段与叶绿素含量的相关系数大于对应波段光谱反射率与叶绿素含量的相关关系。在所列举的10个常用植被指数中归一化植被指数与叶绿素含量的关系最密切,相关系数达到了0.7957。主成分分析的BP神经网络模型可以容纳更多的波段信息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确定性系数R2为0.9883,是一种良好的植被叶绿素含量高光谱反演模式。     

模拟酸雨对水稻叶片反射光谱特性影响的初步研究

本文研究了模拟酸雨对水稻叶片反射光谱特性的影响。结果表明：模拟酸雨会引起水稻叶片反射光谱的可见光区和中红外区的反射率升高，近红外区的反射率降低，相应的反射率比值也随之变化，一阶和二阶微分光谱蓝移，且上述变化的程度与酸雨的酸度、水稻的品种和生育期有关。这一结果也表明遥感技术监测酸雨污染作物是可行的。     

不同钾素处理春玉米叶片营养元素含量变化及其光谱响应

目的是研究不同钾营养水平春玉米典型生育期叶片的光谱响应,探索叶片内营养成分与叶片光谱反射率的相关性。方法是设置了不同梯度钾处理的盆栽试验,按玉米生育期进行光谱测定和取样分析。结果,通过对不同钾处理间玉米叶片养分含量的差异性分析表明,随着施钾的提高,叶片钾含量差异性达到显著水平。分析不同钾营养水平不同生育时期春玉米叶片光谱反射率与叶片钾含量的相关关系,并建立了喇叭口期利用叶片光谱反射率估测叶片钾含量的数学模型;以及分析了该处理下喇叭口期叶片内水分、叶绿素、氮、磷、钙、镁、锌、锰、铜、铁含量与叶片光谱反射率的相关性。结果表明：不同生育时期叶片钾含量与其光谱反射率的相关关系在光谱维方向存在明显差别,730—930nm和960—1100nm两波段为春玉米喇叭口期评价钾营养状况的敏感波段,光谱变量R767＋R1057,（R767＋R1057） /（logR767＋logR1057）和（R767-R1057） /（logR767-logR1057）均能很好的预测喇叭口期叶片钾含量;该时期叶片内不同成分与光谱反射率相关分析表明：550nm,710nm,950nm三波段处是各个相关曲线的突变点;叶片内各成分间高度相关的,它们的光谱相关曲线趋势也极为一致或对称。     

土壤有机质含量区间值高光谱估测

考虑影响因素的复杂性,提出土壤有机质含量区间值高光谱估测的思想。根据在陕西省横山县采集的84个土壤样本数据,采用14种光谱反射率变换方法及因子互乘变换筛选反演因子,采用模糊识别方法进行土壤有机质含量估测。结果表明,原始光谱反射率(R)及其平方(R2)、平方根(R1/2)、倒数(1/R)、自然对数(ln R)的一阶微分、二阶微分及其互乘变换与有机质含量的相关性明显增强,模型优化系数可调节类别判别的准确度,12个检验样本的准确度为91.67%。这表明提出的土壤有机质含量区间值高光谱估测模型是有效的。     

不同供氮水平下水稻高光谱及其红边特征研究

通过大田和室内试验 ,测定了 3个供氮水平下 2个品种的水稻冠层、主茎叶片在不同发育期的高光谱反射率及对应的叶绿素、类胡萝卜素含量。结果表明 :不同供氮水平的水稻冠层和叶片光谱差异明显 ,其光谱反射率随供氮水平的提高在可见光范围降低 ,在近红外区域增高 ;拔节期和孕穗期主茎倒三叶反射率在可见光和近红外区域均高于倒一叶 ;冠层光谱红边位置λred、红边幅值Dλred和红边面积Sred孕穗前呈“红移” ,抽穗后呈“蓝移”现象 ;叶面积指数LAI、地上鲜生物量AFM、地上干生物量ADM和鲜叶重FLM与冠层光谱变量R12 0 0 /R550 ,R990 /R550 ,R80 0 /R550 ,R750 /R550 ,λred,Sred之间有极显著相关 ,冠层和叶片色素含量与其光谱变量R80 0 /R550 和λred之间也存在显著相关。这说明用合适的高光谱变量来估算水稻LAI,AFM ,ADM ,FLM和冠层、叶片的色素含量     

应用高光谱遥感数据估算土壤表层水分的研究

土壤水分是土壤的重要组成部分，它在陆地表层和大气之间的物质和能量交换方面扮演着重要角色，寻求快速而准确的方法估算土壤水分具有重要意义。通常，从可见光一近红外对土壤表层水分的估计多是建立在土壤水分与反射率的关系之上的。而在土壤水分含量不高时，土壤水分的增加使土壤光谱反射率在整个波长范围内降低，尤其在760nm，970nm，1190nm，1450nm，1940nm和2950nm等水分吸收波段，而在土壤水分含量较高时，土壤水分的增加会使土壤光谱反射率在某些光谱波段升高。而土壤水分的估计往往是基于土壤水分与土壤水分吸收波段的吸收强度之间的线性关系上，虽然这些经验的方法对于估算某些土壤的表层水分含量是有效的，但这些关系应用于其它条件(如不同种类土壤、土壤湿度变化范围很大的情况)时却面临很多困难，这与土壤的光谱反射率是由土壤的组成成分(土壤水分、有机质、氧化铁和粘土矿物等)的含量和它们在土壤中的分布密切相关。微分技术处理“连续”的光谱是遥感中常用的数学方法，微分技术能部分消除低频光谱成分的影响。现在微分光谱已广泛地应用于研究植被的生物物理参数、矿物和有机质等。然而利用微分光谱对土壤水分反演的研究却鲜见报道。本文通过对实验室中多种不同类型的土壤进行光谱与土壤表层水分含量进行观测，探讨了通过土壤反射率与微分光谱对土壤表层水分的反演方法。4种类型的土壤光谱数据(反射率(R)，反射率倒数的对数(log(1／R))，反射率的一阶微分光谱(dR／dλ)，反射率倒数的对数的一阶微分光谱(d(log(1／R))／dλ))与土壤表层水分之间的关系在本文中得到分析，R与log(1／R)对于不同土壤类型与土壤表层水分都很敏感，说明通过R与log(1／R)反演土壤表层水分受土壤类型的影响很大，而dR／dλ，d(log(1／R))／dλ)对土壤类型却不敏感，对土壤表层水分较为敏感，说明dR／dλ和d(log(1／R))／dλ)对于反演不同类型土壤具有很大的潜力，微分光谱与土壤水分在某些波段具有显著的相关性。通过随机对9种土壤(各具有4个土壤水分)的数据建立反演土壤水分的模型，并其他9种土壤(各具有4个土壤水分)的数据进行验证模型，结果表明，dR／dλ和d(log(1／R))／dλ)能够显著提高R与log(1／R)对于不同土壤类型土壤表层水分的反演精度，由于吸收过程是非线性的，在四种类型的土壤光谱数据中，总体来说，d(log(1／R))／dλ)具有最好的能力预测不同类型土壤的表层水分含量。     

基于反射光谱预测土壤重金属元素含量的研究

本文利用实验室实测的土壤反射光谱以及铅、镉、汞等重金属元素数据,进行土壤重金属元素含量快速预测的可行性研究。本文利用偏最小二乘回归方法,研究了反射率(R)、一阶微分(FDR)、反射率倒数的对数(lg(1/R))和波段深度(BD)等对预测精度的影响,对这几种光谱指标预测土壤重金属含量的能力进行了分析和评价,同时分析了多光谱数据估算土壤重金属元素含量的可行性。结果表明,反射率倒数的对数lg(1/R)是估算土壤重金属元素含量最好的光谱指标,尤其是Cd和Pb,检验精度R超过0.82。有机质、铁锰氧化物和黏土矿物对土壤重金属元素的吸附是可见光—近红外—短波红外光谱估算其含量的机理。多光谱数据同样具有估算土壤重金属元素含量的能力,但实际数据则要考虑多种因素的影响。     

苹果树叶片全氮含量高光谱估算模型研究

采用Field-Spec Pro便携式光谱仪,测定了不同苹果品种叶片的光谱反射率及对应的全氮含量,采用相关性及单变量线性与非线性拟合分析技术,对全氮含量与原始光谱反射率、一阶微分光谱、高光谱参数之间的关系进行了分析。研究确立叶片全氮含量的定量监测模型,以期为遥感技术在苹果氮素营养诊断中的实际应用提供理论依据。结果表明:全氮含量与原始光谱在715nm处具有最大负相关系数(r=?0.817),并且基于此波长所构建的对数关系估算模型明显优于线性模型;光谱反射率一阶微分值在723nm处具有最大正相关系数(r=0.87),并且基于此波长所构建的线性和非线性模型的拟合效果接近;对于所选取的3类高光谱特征变量,全氮含量除了与黄边位置及由红边位置和黄边面积所构建的比值植被指数和归一化植被指数的相关性较弱外,与其余变量均呈极显著相关,说明这些变量对苹果叶片全氮含量进行估算具有可行性。对所建立的各类方程进行检验,最终筛选确定在723nm处的光谱反射率一阶微分值所构建的指数模型作为苹果叶片全氮含量的预测模型最为理想。     

基于高光谱曲线峰度、偏度的植被叶绿素含量反演模型研究

本文分析了高光谱反射率及红边位置与叶片绿度的相关性,建立了基于敏感波段和红边位置的叶绿素估算模型。通过对不同叶绿素含量高光谱曲线特征的分析,提出了基于高光谱曲线峰度和偏度的叶绿素估算新思路,并分别建立基于原始光谱560-760nm波段和一阶导数光谱660-760nm波段对应峰度、偏度的叶绿素反演模型。结果表明,法国梧桐、无花果和白毛杨基于敏感波段的叶绿素含量反演模型的拟合度,与传统估算模型相比,本文提出的新估算模型可以明显提高高光谱反演叶绿素含量的能力。     

基于Hyperion影像的水稻冠层生化参量反演

采用小区实验与大田应用相结合的方法, 依据扬州实验小区地面实测拔节期、抽穗期及灌浆期的水稻叶片、冠层光谱及氮和叶绿素含量, 采用光谱吸收特征和植被指数分析方法, 得到估算水稻氮和叶绿素含量的最佳光谱特征参数; 结合覆盖江苏姜堰地区大田的Hyperion高光谱遥感影像, 建立反演水稻冠层氮和叶绿素含量的模型, 对研究区大田水稻冠层氮和叶绿素含量进行了反演及制图。结果表明: 经波深中心归一化方法分析, 发现以670nm为中心的光谱吸收特征面积与水稻氮含量呈显著相关性; 基于反转归一化光谱, 结合560nm和670nm两个波段, 建立的植被指数NDVI560_670能很好地反演水稻叶绿素含量。     

高光谱反演水稻叶面积指数的主成分分析法

为了通过水稻冠层反射光谱来提取水稻叶面积指数信息，尝试利用辐射传输模型PROSPECT+SAIL来模拟水稻冠层反射光谱， 比较了各植被指数中叶面积指数(LAI)和叶绿素浓度的相关性。在观察光谱曲线后发现，红边位置光谱可以较好地区分LAI和叶绿素 浓度二者引起光谱变化的差异。由此提出对700 nm~750 nm区间内的反射光谱做主成分变换，并利用第2主成分与LAI建立反演模型( 即主成分分析法)，取得了较好效果，表明在植被指数趋近于饱和以至于无法区分二者相关性时，主成分分析法可以作为一种简单 而有效提取水稻叶面积指数信息的补充手段。     

Estimating chlorophyll content of crops from hyperspectral data using a normalized area over reflectance curve (NAOC)

The Normalized Area Over reflectance Curve (NAOC) is proposed as a new index for remote sensing estimation of the leaf chlorophyll content of heterogeneous areas with different crops, different canopies and different types of bare soil. This index is based on the calculation of the area over the reflectance curve obtained by high spectral resolution reflectance measurements, determined, from the integral of the red–near-infrared interval, divided by the maximum reflectance in that spectral region. For this, use has been made of the experimental data of the SPARC campaigns, where in situ measurements were made of leaf chlorophyll content, LAI and fCOVER of 9 different crops – thus, yielding 300 different values with broad variability of these biophysical parameters. In addition, Proba/CHRIS hyperspectral images were obtained simultaneously to the ground measurements. By comparing the spectra of each pixel with its experimental leaf chlorophyll value, the NAOC was proven to exhibit a linear correlation to chlorophyll content. Calculating the correlation between these variables in the 600–800 nm interval, the best correlation was obtained by computing the integral of the spectral reflectance curve between 643 and 795 nm, which practically covers the spectral range of maximum chlorophyll absorption (at around 670 nm) and maximum leaf reflectance in the infrared (750–800 nm). Based on a Proba/CHRIS image, a chlorophyll map was generated using NAOC and compared with the land-use (crops classification) map. The method yielded a leaf chlorophyll content map of the study area, comprising a large heterogeneous zone. An analysis was made to determine whether the method also serves to estimate the total chlorophyll content of a canopy, multiplying the leaf chlorophyll content by the LAI. To validate the method, use was made of the data from another campaign ((SEN2FLEX), in which measurements were made of different biophysical parameters of 7 crops, and hyperspectral images were obtained with the CASI imaging radiometer from an aircraft. Applying the method to a CASI image, a map of leaf chlorophyll content was obtained, which on, establishing comparisons with the experimental data allowed us to estimate chlorophyll with a root mean square error of 4.2 μg/cm², similar or smaller than other methods but with the improvement of applicability to a large set of different crop types.     

SO2污染环境下水稻导数光谱与生理生化指标的相关性研究

通过田间开顶式小区熏气试验,研究在SO2急性伤害条件下水稻冠层导数光谱与叶片含硫量、叶液pH值以及叶绿素含量的相 关性。分别选择分蘖期和抽穗期显著相关的波段(分蘖期： 689 nm、584 nm、570 nm; 抽穗期： 689 nm、584 nm、585 nm)建立 预测叶片含硫量、叶液pH值及叶绿素含量的回归模型,并分别用拔节期和灌浆期相应导数光谱反射率检验模型预测精度。结果表明 ,由分蘖期建立的回归模型估测拔节期叶液pH值以及叶绿素含量与实测值之间相关系数分别为0.884和0.630; 由抽穗期建立的回 归模型估测灌浆期的叶片含硫量、叶绿素含量与实测值之间相关系数分别为0.659和0.768,均通过显著检验。     

叶片辐射等效水厚度计算与叶片水分定量反演研究

在分析叶片水分对叶片反射率光谱影响的基础上,结合叶片内部水、干物质、叶绿素等光谱吸收系数曲线特征,分析了975nm波长水气吸收特征处叶片与光线相互作用原理,并利用Beer定律和945nm,975nm波长光谱反射率差值,推导了975nm波长辐射等效水厚度REWT的计算公式。由于表面反射、杂散射光、非均匀介质和叶片内部多次散射等因素,光在叶片内部的辐射传输不能直接用Beer定律描述,且利用Beer定律计算的REWT与叶片等效水水厚度EWT之间会有较大的偏差。论文设计和获取了多植物、不同水分梯度的叶片光谱获取试验数据,整理和分析了欧盟Lopex93数据,利用这两组独立数据和论文提出的REWT计算公式,比对验证了975nm波长叶片REWT和叶片EWT的统计模型,结果表明：由于光在叶片内部的多次散射,REWT是EWT的3.3倍左右。论文研究结果一方面为叶片EWT定量遥感探测提供了一种快速、简单且有较强通用性的计算方法和模型,另一方面,探测叶片REWT和EWT的定量关系,有助于了解叶片内部的光辐射传输情况,特别是间接了解近红外波段叶片内部的多次散射情况。     

沿海滩涂大米草叶绿素含量的高光谱估算模型

以沿海滩涂大米草为研究对象,测试其叶片水平的反射光谱和叶绿素含量;基于反射光谱提取多变量和单变量参数,并分析其与叶绿素含量的相关性;应用线性回归和非线性模拟的方法构建大米草叶绿素含量的高光谱估算模型。结果表明:叶绿素a,b和(a+b)含量与487 nm的导数光谱相关系数最高,分别为-0.615,-0.572和-0.613;应用多元逐步线性回归构建的叶绿素a和(a+b)含量的高光谱估算模型精度最高,调整后的R2分别为0.449和0.407;应用二次函数法构建的叶绿素b含量的高光谱估算模型精度最高,调整后的R2为0.387。     

叶片化学组分成像光谱遥感探测机理分析

利用地面光谱仪的测量数据 ,进行了成像光谱遥感探测叶片化学组分的机理性研究。采用多元逐步回归方法 ,分析了鲜叶片 7种化学组分含量与其光谱特性的统计关系 ,分别建立了反射率 ρ及其变化式 1/ρ、logρ和ρ的一阶导数Kρ 与化学组分含量的统计方程 ,并对这 4个指标的性能进行了比较和评价。结果表明 ,在 95 %的置信水平下 ,可以由叶片的精细光谱特征较好地反映出化学组分含量 ;特别是利用Kρ 作为因子 ,使置信水平提高到 99% ,尤以对粗蛋白质、N、K含量反映最好 ,R2 均达到 0 8以上 ,粗蛋白质可达 0 95 6 4,从而为进一步探讨在中国利用成像光谱遥感探测叶片化学组分奠定了基础     

Quantitative Inversion of Vegetation Biochemical Components Based on HJ1-A HSI in Coal Mining Area

This study investigates the applicability of estimating chlorophyll and water content at canopy level through empirical models and band combinations. The main goal is to evaluate and compare the accuracy of these two approaches for estimating and mapping canopy chlorophyll and water content through canopy reflectance and spaceborne HJ1-A HSI data acquired over Yanzhou coal mining area. An experiment was carried out. Canopy spectral measurements were acquired in the field using an ASD spectroradiometer along with simultaneous in situ measurements of leaf chlorophyll content. We tested seven variables derived from canopy reflectance for detecting canopy chlorophyll and water content: (1) R, (2) Log(1/R), (3) Log(1/R)′, (4) FDR, (5) SDR, (6) CRR, (7) BD. Stepwise multiple linear regressions were used to select wavelengths from HJ1-A HSI image bands. Correlation analysis was also done between different band combinations and biochemistry. A statistically significant relationship between Log(1/R) and chlorophyll was found at canopy level (R² = 0.516). SDR had the highest correlation with canopy water content (R² = 0.490). In addition, relationship between normalized different band combinations and chlorophyll and water content is also significantly obvious (R² = 0.577 and R² = 0.615). Canopy chlorophyll content was estimated with the intermediate accuracy (R² = 0.4144), while water content was estimated with an acceptable accuracy (R² = 0.4592). Canopy chlorophyll and water content spatial distribution were mapped. Chlorophyll and water stress levels were quantified by comparing different environmental stressors.