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。     

棉花各生育期高光谱数据与叶片生物物理生物化学量的相关分析

利用高光谱非成像光谱 (辐射 )仪对北疆棉花 4个生育期 (蕾期、花期、铃期、吐絮期 )的叶片及冠层进行了5°FOV室内、野外 ,2 5°FOV野外高光谱遥感测定 ,试验表明北疆棉花具有绿色植物所特有的反射光谱曲线特征。本文分析了棉花在不同生育期特征光谱变化规律以及棉花叶面积指数 (LAI)与叶绿素 (CH .D)含量、叶片全氮 (TN)含量在整个生育期的变化规律和它们之间的关系 ,应用光谱一阶微分分析技术 ,清晰地描述棉花“红边”变化趋势的特征。通过监测作物生育期内的光谱变化 ,研究作物的反射光谱与叶面积指数 (LAI)、叶绿素密度 (CH .D)等农学参数之间的关系 ,使人们能够定性描述和定量分析作物的生长与遥感光谱数据之间的关系 ,促进高光谱分辨率遥感技术在作物的生长监测和产量估测中的应用。     

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。     

基于半监督模糊识别的土壤含水量高光谱估测模型研究

快速估测土壤含水量对发展精准农业具有重要意义。为提高土壤含水量光谱估测精度,该文基于山东省泰安市周边的94个棕壤样本光谱与含水量实测数据,首先对原始光谱进行对数倒数一阶微分变换,利用最大相关性原则选择特征因子,然后利用半监督模糊识别模型建立土壤含水量光谱估测模型。实验结果表明:以波段655 nm、1 235 nm、1 497 nm、1 677 nm、2 059 nm的对数倒数的一阶微分变换数据作为特征因子,所建土壤含水量光谱估测模型的精度较高,其中18个检验样本的平均相对误差为4.406%,模型的决定系数R~2=0.977;半监督模糊识别模型充分利用了训练样本的确定性及不确定性信息,可有效用于土壤含水量估测。     

叶片水分含量光谱响应变化研究

植被光谱反射或发射特性是化学和形态学特征决定的,这种特性与植被发育、健康状态、含水量、叶绿素含量密切相关,植物的水分胁迫状况能够在光谱反射率数据中有所体现。本文通过实验研究野外活体植物叶片和采集下的叶片随着水分流失波谱曲线变化的规律,并发现随不同的叶片水分损失率,红边、与红边相关的参数及波形呈现不同的变化。     

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．     

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...     

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.     

水分胁迫对冷蒿和差不嘎蒿体内水分状况的影响

在土壤正常水分条件下,冷蒿的ψ_w,ψ_π和ψ_π100远远低于差不嘎蒿,RWD、Va及Va·Vs^-1远远大于差不嘎蒿,维系其生命活动的膨压只占差不嘎蒿的30%。土壤极端干旱时,差不嘎蒿的上述参数发生大幅度变化,抗旱能力随之提高。极旱的午后,二种灌木均遭旱害威胁,其水分状况参数值(ψ_w,ψ_O、Va和RWD)相差很小。旱后复灌的情况下,差不嘎蒿上述参数同样发生大幅度变化,各参数值可恢复到对照水平;冷蒿在干旱和复灌期间参数相对变化较小。多水环境使二种灌木束缚水含量明显提高,从外观生长状况看差不嘎蒿优于冷蒿。