利用无人机的多光谱参数预测荔枝叶片养分质量分数

以花芽分化期荔枝为例,分析了荔枝冠层叶片养分质量分数的空间分布差异;选用18种光谱变量,研究了荔枝不同冠层叶片养分质量分数与光谱变量的关系及其对无人机多光谱遥感监测模型的影响。结果表明：荔枝不同冠层叶片的氮、钾质量分数随冠层高度降低而明显提高;冠层中、上层叶片氮质量分数与无人机正射数据计算的类胡萝卜素反射指数（CRI）相关性最高（r＝0.86,p＜0.01）;冠层中、下层叶片钾质量分数与无人机正射数据的光谱变量显著相关,且与标准绿波段（NG）指数的相关程度最高（r＝-0.83,p＜0.01）。荔枝冠层叶片养分质量分数空间变化对基于垂直观测遥感数据建立的叶片养分质量分数估算模型精度有影响,无人机多光谱数据具有估算荔枝叶片氮、钾质量分数变化的潜力,但估算精度与冠层高度有关。     

基于减小叶片水分影响的湿地芦苇氮浓度高光谱反演研究

以盘锦双台河口湿地国家级自然保护区作为研究区,采用基于bootstrap的偏最小二乘回归模型（PLSR）,分别构建不同光谱变换技术（包括光谱水分影响减小技术WR、包络线去除CR、光谱一阶微分FD、光谱倒数的对数LR）和原光谱数据（R）的芦苇叶片氮浓度预测模型。使用变量投影重要性指标VIP,计算了各光谱波段在估算芦苇叶片氮浓度时的重要性。研究结果表明,WR光谱变换技术的芦苇叶片氮浓度估算精度最高（R²=0.87,均方根误差=0.57）,该方法可以有效减小叶片水分的影响,增强鲜叶片光谱中细微的氮吸收特征。     

不同树种叶片养分含量提取的高光谱方法及精度评价

以深圳市坝光银叶园和大鹏半岛自然保护区19种湿地森林树种叶片可见光近红外光谱与全氮（Total Nitrogen, TN）、全磷（Total Phosphorus, TP）、全钾（Total Potassium, TK）含量关系为基础,分析了11种光谱预处理方式、3种光谱数据降维方式和2种建模方法对模型精度的影响。结果表明,标准正态变换（Standard Normal Variate, SNV）结合一阶导数（first derivative, 1 ^st）预处理方式下模型精度最高;主成分分析（Principal Component Analysis, PCA）降维处理对模型的降维效果最好;支持向量回归（Support Vector Regression, SVR）的建模效果精度最高。对于TN、TP、TK最佳模型的预测确定系数均在0.80以上,模型RPD值也在2.0以上,SVR模型可以用于树种叶片TN、TP、TK的快速检测。     

基于无人机成像光谱技术的农田土壤养分估测及制图

成像光谱技术是精准农业中土壤理化特性快速获取和实时监测的重要技术支撑.该文以松辽平原农田土壤为研究对象,通过对比标准正态变量变换(SNV)、多元散射校正(MSC)、光谱一阶微分(FD)和二阶微分(SD)4种方法对无人机高光谱图像进行预处理,引入竞争自适应重加权采样—连续投影组合算法(CARS-SPA)进行特征波段筛选,然后利用粒子群算法(PSO)对极限学习机算法(ELM)进行改进,从而构建土壤有机质(SOM)和土壤全氮(STN)的高光谱反演模型.结果表明:4种预处理方法中MSC去噪效果最优,可有效降低散射效应噪声;CARS方法筛选出53个SOM、33个STN特征波段,进一步利用CARS-SPA筛选出24个SOM和22个STN特征波段,将SOM和STN的平均相对误差分别降低了12.3％ 和6.6％;利用PSO优化ELM的输入权值和阈值,有效弥补了极限学习机模型泛化性能低这一不足,将SOM和STN的平均相对误差分别降低了2.9％ 和3.2％,同时模型精度高于偏最小二乘回归(PLSR)和支持向量机(SVM);利用CARS-SPA筛选的特征波段建立的PSO-ELM模型效果最佳,其预测SOM的决定系数R2为0.73、相对分析误差RPD为1.91,预测STN的决定系数R2为0.63、相对分析误差RPD为1.53,将模型应用于高光谱图像,获取SOM和STN空间分布图,玉米种植区的SOM和STN均高于花生种植区.该研究可为无人机高光谱图像应用于田间尺度的土壤养分估测和数字制图提供参考.     

基于多光谱遥感的典型绿洲棉田春季土壤盐分反演及验证

为探索快速提取典型绿洲棉田土壤盐分的有效方法,获取区域尺度的土壤盐渍化特征及空间分布,进而为土壤盐渍化防治提供参考。以新疆兵团农二师31团为研究区域,2019、2021年春季Landsat 8 OLI多光谱影像和野外实测土壤含盐量为数据源,将波段组、光谱指数组和全变量组作为模型输入变量组,采用多元逐步回归（Multiple stepwise regression, MSR）、偏最小二乘回归（Partial least squares regression, PLSR）、极限学习机（Extreme learning machine, ELM）、支持向量机（Support vector machine, SVM）和BP神经网络（Back propagation neural network, BPNN）构建基于3个输入变量组的土壤盐分遥感反演模型,探究输入变量和建模方法对模型精度的影响效果,通过对比确定春季土壤盐分最优反演模型,定量反演地表土壤含盐量。结果表明：（1） 研究区主要为非盐化土和轻度盐化土,总样本变异系数为0.67,呈中等变异性;光谱反射率与土壤盐渍化程度的关系表现为土壤盐渍化越重,光谱反射率越高。（2） 海岸波段（b1）、蓝波段（b2）、绿波段（b3）、红波段（b4）和盐分指数（SI1、SI2、SI3、SI4、S3、S4、S5）均通过显著性检验P<0.01,相关系数均达到0.4以上。（3） 所有模型中,基于全变量组建立的BPNN反演模型精度最高,建模集R²为0.705;验证集R²为0.556。（4） 由反演结果可知,2019、2021年春季耕作区土壤主要为非盐化土,分别占耕作区总面积的55.55%和64.62%,其次为轻度盐化土,分别占44.31%和35.17%;2021年土壤盐渍化程度较2019年有所减轻。     

乐安江两支流河滩表层土重金属污染五节芒叶片光谱特征响应对比研究

为了解五节芒叶片光谱特征参数对河滩表层土重金属污染响应特征的流域差异,分别在乐安江两支流采集河滩表层土和五节芒叶片样本并测量五节芒叶片光谱.利用污染物富集因子和污染指数对两支流河滩表层土壤重金属污染状况和特征进行对比,并结合采矿点分布和矿种分析两支流河滩表层土污染成因.将五节芒叶片光谱特征参数、可见光波段反射率积分值(A1)和近红外波段反射率积分值(A2)分别与五节芒叶片中重金属含量进行回归分析,结果表明:1)大坞河五节芒叶片光谱特征参数对单一重金属Cu有较好的响应,而在洎水河五节芒叶片光谱特征参数受多种重金属共同影响.这与两支流河滩表层土重金属污染特征一致,并且重金属污染特征与采矿点分布和矿种关系密切.2)乐安江两支流五节芒叶片光谱特征参数均能反映流域河滩表层土的重金属污染规律.在今后的矿山环境调查中应将联系紧密的流域作为一个整体进行研究,加强流域对比.     

基于高光谱的民勤土壤盐分定量分析

土壤盐渍化是重要的生态环境问题,严重影响着干旱、半干旱区的农牧业及经济发展。高光谱遥感技术能够提供地物的连续光谱信息,易于分析细微差别,在定量研究土壤盐分含量方面具有较大优势。民勤县位于甘肃省石羊河流域下游,水力资源匮乏,盐渍化问题十分严峻。本研究基于实验室光谱数据,通过建立模型定量分析土壤盐分含量。首先对原始数据进行连续统去除（cn）预处理,然后分别建立了土壤盐分含量的高光谱指数模型（NDSI）、偏最小二乘回归模型（PLS）、间隔偏最小二乘法模型（iPLS）和反向间隔偏最小二乘法模型（BiPLS）,考察各种模型对土壤盐分的预测能力。对比分析发现,使用全部波段信息建模的PLS模型优于仅使用两个波段信息的NDSI模型,而iPLS和BiPLS模型通过选择特征波段进行建模,结果均好于全谱PLS模型。其中,BiPLS模型波段选择的能力优于iPLS模型,得出的模型结果最好,预测相对偏差RPD达到2.02,决定系数R²和模拟值与预测值线性回归的斜率分别为0.76和0.92,模型可以近似地预测土壤盐分含量。结果说明特征波段选择方法能够从大量数据中提取有效信息,简化模型,并获取比NDSI模型和全谱PLS模型更优的预测结果。这些研究对于使用高光谱数据定量分析土壤盐渍化有一定的意义。     

1993年中山站地区“臭氧洞”和UV┐B的特征分析

本文给出了１９９３年在东南极中山站（６９．３８°Ｓ，７６．３７°Ｅ）地区首次运用ＷＭＯ（世界气象组织）认可的Ｂｒｅｗｅｒ臭氧分光光谱仪，进行臭氧和ＵＶ－Ｂ地面的同步观测结果。观测表明中山站地区在１９９３年８月初到１１月底频繁出现臭氧低于２００ＤＵ的值；１２月初臭氧值恢复正常。在整个“臭氧洞”期间，臭氧值起伏变化很大，并且和７０ｈＰａ到５０ｈＰａ上空的温度变化密切相关，臭氧的日变化不很明显。中午时刻有生物效应的ＵＶ－Ｂ辐射通量与臭氧斜程柱总量呈负指数关系；云和太阳高度角控制着ＵＶ－Ｂ辐射通量日变化过程。ＵＶ－Ｂ光谱扫描的结果表明２９５－３２５ｎｍ波段内的光谱强度比３１５－３２５ｎｍ的光谱强度更受臭氧变化的影响。消除云和气溶胶对ＵＶ－Ｂ辐射过程的部分影响，对每天中午时刻３００．５ｎｍ和３２３．５ｎｍ光谱强度比值计算，反映出了“臭氧洞”期间臭氧值降低是ＵＶ－Ｂ辐射增强的重要因子。     

水分胁迫条件下棉花生理变化及其高光谱响应分析

利用ASD地物光谱仪,测定水分胁迫条件下棉花不同生育时期内叶片的光谱反射率,应用微分技术处理棉花的反射光谱,并结合棉花叶面积指数(LAI)、叶绿素(a b)含量(Chlt)、叶片全氮(TN)含量等生物参数进行分析,研究棉花水分胁迫情况下的高光谱特征,结果表明,一阶微分光谱720nm波段的数值与LAI的正相关(R=0．7656);750nm处一阶微分值与叶绿素含量呈显著正相关关系(R=0．7774);微分光谱690nm～740nm数值积分面积与TN含量呈正相关(R=0．7669),采用比值反射率对反射光谱1300nm～1500nm波段范围内最小值与棉花叶片的含水量作相关分析,达到极显著水平(R^2=0．8298),验证了一阶微分光谱数据与棉花的生理参数有很好的相关性,可见光和近红外波段光谱反射率能够反映出棉花生长发育的动态特征;证明了棉花的花铃期是高光谱遥感对棉花长势和生理参数定量诊断的最佳时期。本研究通过建立一系列线性光谱模型对棉花生理参数进行估测,为基于高光谱数据的棉花生长模型和棉花长势的遥感监测提供了理论依据。     

基于红边位置的台湾相思树叶片叶绿素含量估测模型研究

在BRDF测试系统环境下利用ASD便携式野外光谱仪采集台湾相思树叶片光谱,并用UV2450-分光光度计对观测叶片进行叶绿素含量测定．对光谱数据采用不同算法获得红边位置变量,并与叶绿素含量进行拟合,构建用于估测台湾相思树叶片叶绿素含量的模型．结果表明,各种算法获得的红边位置变量用于构建模型估测叶绿素含量是可行的,其中,采用5次多项武拟合算法精度最高．经平滑处理后的一阶导数法精度坎之．     

洪河自然保护区乌拉苔草生物量高光谱遥感估算模型

尝试用不同方法构建洪河自然保护区湿地植被乌拉苔草(Carex meyeriana)的高光谱植被指数,建立水上鲜/干生物量高光谱估算模型,并比较了不同模型的反演精度。通过实测不同覆盖度和水深状况下乌拉苔草的冠层高光谱反射率与水上生物量的数据,采用高光谱可见光—近红外波段及其微分光谱波段(350~1 050 nm)逐波段构建FNDVI、FRVI、FDVI、FDNDVI、FDRVI、FDDVI植被指数,分别找出与水上鲜生物量和干生物量具有最佳相关性波段组合的植被指数,建立乌拉苔草水上生物量的最佳估算模型,并对比分析了反射率光谱植被指数(FNDVI、FRVI、FDVI)模型和微分光谱植被指数(FDNDVI、FDRVI、FDDVI)模型的反演精度。结果显示,微分光谱与乌拉苔草水上生物量的相关性比反射率光谱好;微分光谱植被指数与乌拉苔草水上生物量的相关性比反射率光谱植被指数好,尤其以微分光谱植被指数FDRVI与FDNDVI建立的二次函数模型反演乌拉苔草的水上鲜生物量和干生物量的效果最好,精度分别达74.9%、71.4%,其均方根误差分别为0.074 4和0.026 2,通过了p<0.01极显著验证。这表明,采用微分光谱植被指数FDRVI、FDNDVI对乌拉苔草水上鲜生物量和干生物量的估算可以取得较高的预测精度。     

塔里木河荒漠植被光谱可分性模拟

以塔里木河典型植被为研究对象,分析胡杨、芦苇叶片及柽柳冠层的可分性,并计算背景的影响。首先用ASD光谱仪测新鲜叶片光谱,找出光谱特征点;然后模拟EO-1高光谱数据和TM多光谱数据;最后植被与土壤光谱按比例混合,分析背景的影响。以上三步分别计算植被指数（VI）。结果显示:叶片光谱特征位置430 nm、670 nm、750 nm附近,黄边斜率和红外平台平均高度,1 080~1 280 nm、1 430~1 650 nm能够区分塔里木河流域3个主要植被类型。模拟的EO-1波谱保持了控制波形的10个特征,TM 只有绿反射峰和红吸收谷、近红外1个反射峰3个特征,大部分特征都消失了。植被指数显示(R680-R500)/R750、(R680-R550)/R705、R1430+\:+R1650、D712/D688能够区分3类,且指数值差异较大,为绿峰、红谷和近红外波峰的组合;模拟的EO-1数据(R680-R500)/R750、(R680-R550)/R705、R1430+\:+R1650能分别区分植被,TM多波谱数据不能有效区分植被。     

海岸带浅海水深高光谱遥感反演方法研究

近红外波段(760~900 nm)反射率对水深最为敏感,通过波段比值方法可以提高与水深的相关性,而711nm处反射率一阶微分值与水深的相关系数高达-0.87。对于近岸混浊度高的样本,单波段和比值模型反演效果不好,平均相对误差均高于30%;而光谱微分模型的精度较好,平均相对误差为17%。研究结果证明:水体反射率的一阶微分可以有效地削弱水质变化给水深反演带来的误差。     

水分胁迫下棉花冠层叶片氮素状况的高光谱估测研究

在不同灌水量条件下，对棉花单叶叶绿素含量和单叶全氮含量做相关分析，并采用地物光谱仪。获取北疆棉花冠层关键生育时期的高光谱数据。应用一阶微分光谱，衍生出基于光谱位置变量的分析方法。以红边积分面积(SDr)为白变量，冠层全氮(TN)含量为因变量，做相关分析。结果表明：叶绿素含量与TN含量呈显著的正相关(R=0．8723^**。n=39)，叶绿素含量能有效的估计棉花单叶TN含量；红边积分面积变量与冠层TN含量呈显著的相关性，相关系数是0．7394^**(n=40)，利用构建的相关模型可以较为精确地估测新陆早6号、8号冠层叶片的全氮含量，RMSE分别为0．3859和0．4272。研究认为红边积分面积变量具有预测棉花冠层全氮含量的应用潜力。     

高光谱指数法用于确定多枝柽柳(Tamarix ramosissima)蒸腾速率

蒸腾速率(Tr)是植物生理生态学研究中表征蒸腾耗水的常用指标,研究植物的蒸腾耗水有助于了解当地生态系统稳定性和水资源的可持续利用,但在遥感应用尤其在干旱区遥感应用中很少被使用。本文以古尔班通古特沙漠南缘的主要建群种多枝柽柳(Tamarix ramosissima)作为研究对象,应用高光谱指数法对其Tr日变化过程进行研究,寻找和确定最佳的Tr光谱指数。选择的6个光谱指数判定系数R2介于0.06~0.73,其中简单比值(SR)光谱指数有最高的判定系数(R2=0.73)、较低的均方根误差(RMSE=0.24)和较为简单的形式,光谱范围处于近红外波段(1 645~1 655nm)/(1 775~1 785nm)。SR作为Tr最佳光谱指数,对植被水分关系变化敏感,能够较好地记录和监测Tr日变化过程,有益于揭示光谱指数物理和生理机制。     

基于PLSR的典型沼泽湿地植物叶片性状与光谱模型构建——以三江国家级自然保护区为例

通过植物光学特性测量叶片性状是一种非破坏性的、长期的湿地动态监测方法。选择三江国家级自然保护区多种典型湿地植物为研究对象,探究植物性状与叶片光谱之间的联系。研究表明：叶片氮含量与光谱的模型构建效果最好,模型R²为0.61,均方根误差（RMSE）为2.3862;叶片含水量、叶片磷、可溶性糖、纤维素和木质素含量之和的模型一般,R²在0.38~0.55范围内,RMSE在0.0004~10.7019范围内;淀粉含量拟合效果较差, R²为0.29,RMSE为0.0106。光谱预测重要性的结果表明,可见光与近红外边缘范围内的光谱信息对于叶片含水量、叶片氮含量、叶片磷含量、单位叶面积质量、纤维素和木质素之和、可溶性糖和淀粉的预测具有最高的重要性。     

塔里木河流域中游渭干河-库车河绿洲盐渍土水盐信息光谱特征研究

土壤水分、盐分时空变异强,是影响土壤光谱特征的两个重要因素。土壤水分与盐分之间的关系以及土壤水分、盐分与土壤光谱特征间的关系直接关系到利用遥感光谱信息监测土壤盐渍化的精度。该文运用多元统计学及可见光-近红外反射光谱分析方法对2010年10月渭干河-库车河三角洲绿洲盐渍土水分、盐分数据和盐渍土野外光谱数据进行分析,探讨该绿洲盐渍土表层(0～10cm)水盐信息与野外光谱特征间的关系。结果表明:1)土壤水分和土壤电导率可用Cubic曲线拟合,相关系数R=0.8503,土壤盐分和土壤电导率也可用Cubic曲线拟合,相关系数R=0.842,但土壤水分与盐分之间的显著性较弱,相关系数R=0.74。2)与原始野外光谱相比,包络线消除后光谱波段与土壤水分和土壤电导率之间的Pearson相关性都有不同程度的提高,利用包络线消除法后的波段分别建立盐渍土土壤水分、土壤电导率后向回归预测方程,为动态水盐条件下的盐渍土遥感监测提供了理论依据。     

THE SIGNIFICANCE OF POTENTIAL-DENSITY REGRESSIONS

Strong correlations have been observed between potential indices and the densities of spatial variables. The conventional null hypothesis of bivariate regression is inappropriate for testing their significance. A randomization test is proposed and is applied to 1975 US population data by state. The resulting relationship has a significant correlation, but its slope could occur frequently under the null hypothesis. The correlation is shown to be related to the spatial autocorrelation of densities by constructing arrangements with prescribed values of the modified Moran index.