共查询到17条相似文献，搜索用时 140 毫秒
1.
基于光谱指数的冬小麦冠层叶绿素含量估算模型研究 总被引：4，自引：0，他引：4
为探索对冬小麦冠层叶绿素含量反应敏感的高光谱波段组合,同时比较不同光谱指数对小麦冠层叶绿素含量的估测效果,通过分析350~2 500nm波段范围内原始光谱反射率及其一阶导数光谱的任意两两波段交叉组合而成的主要高光谱指数与冬小麦冠层叶片叶绿素含量的定量关系,建立冬小麦冠层叶绿素含量估算模型。结果表明,选用归一化光谱指数(NDSI)、比值光谱指数(RSI)、差值光谱指数(DSI)和土壤调节光谱指数(SASI)建立的冬小麦冠层叶绿素含量监测模型决定系数均大于0.71,标准误差均小于1.842。利用独立试验资料进行检验,表现最好的是RSI(FD_(689),FD_(609))和SASI(R_(491),R_(666))L=0.01,预测精度高达98.2%,模型精确度和可靠性较高。 相似文献
2.
为提高冬小麦冠层光谱对叶绿素含量的估算精度,以陕西省乾县冬小麦为研究对象,利用SVC-1024i光谱仪和SPAD-502型叶绿素仪实测了冬小麦冠层反射率和叶绿素含量,分析了一阶导数光谱、10种特征参数和9种植被指数与叶绿素含量的相关性,并利用主成分分析(PCA)对叶绿素敏感的可见光波段(390～780 nm)一阶导数光谱进行降维,将特征值大于1的主分量结合特征参数和植被指数形成不同的输入变量,用偏最小二乘回归和随机森林回归构建冬小麦冠层叶绿素估算模型,并利用独立样本对模型进行验证。结果表明,小麦冠层叶绿素含量与一阶导数光谱在751 nm处的相关性最高(r=0.71),特征参数中红边蓝边归一化(SDr-SDb)/(SDr+SDb)与叶绿素含量的相关性最高(r=0.66),植被指数(VI)中修正归一化差异指数(mND705)相关性最高(r=0.74)。在输入变量相同的情况下,基于随机森林(RF)回归的预测模型均优于偏最小二乘回归(PLSR)模型,其中PCA-VI-RF模型的各精度指标均达到最优(r2=0.94,RMSE=1.05,RPD=3.70),是冬小麦冠层叶绿素... 相似文献
3.
基于无人机多光谱遥感的冬小麦冠层叶绿素含量估测研究 总被引：6，自引：0，他引：6
为探讨利用无人机多光谱影像监测冬小麦叶绿素含量的可行性,基于北京市大兴区中国水科院试验基地的2019年冬小麦无人机多光谱影像和田间实测冠层叶绿素含量数据,选取16种光谱植被指数,确定对冬小麦冠层叶绿素含量显著相关的植被指数,采用一元二次线性回归和逐步回归分析方法建立各生育时期及全生育期的SPAD值估测模型,通过精度检验确定对冬小麦冠层叶绿素含量监测的最优模型。结果表明,两种分析方法中逐步回归建模效果最佳。拔节期选取4个植被指数(MSR、CARI、NGBDI、TVI)建模效果最好,模型率定的决定系数(r~2)为0.73,模型验证的r~2、相对误差(RE)和均方根误差(RMSE)分别为0.63、2.83%、1.68;抽穗期选取3个植被指数(GNDVI、GOSAVI、CARI)建模效果最好,模型率定的r~2为0.81,模型验证的r~2、RE、RMSE分别为0.63、2.83%、1.68;灌浆期选取2个植被指数(MSR、NGBDI)建模效果最好,模型率定的r~2为0.67,模型验证的r~2、RE、RMSE分别为0.65、2.83%、1.88。因此,无人机多光谱影像结合逐步回归模型可以很好地监测冬小麦SPAD值动态变化。 相似文献
4.
冬小麦叶片花青素相对含量高光谱监测 总被引：1，自引：0，他引：1
为探究冬小麦叶片花青素含量的高光谱监测方法,以陕西省关中地区冬小麦为研究对象,分析了叶片光谱反射率与花青素含量的相关性,建立以不同波段组合的RSI、DSI和NDSI光谱指数为自变量的一元回归模型以及利用偏最小二乘法构建的多元回归模型,并进行模型精度比较。结果表明,所有模型中,开花期的PLS模型精度最高,预测效果最好(建模r~2=0.872 3,RMSE=0.005 9;检验r~2=0.912 8,RMSE=0.004 8),是预测冬小麦花青素的最优模型;各生育时期中,开花期模型精度较高,表现稳定,是预测冬小麦花青素的最佳生育时期。 相似文献
5.
水稻不同发育时期高光谱与叶绿素和类胡萝卜素的变化规律 总被引：40，自引：3，他引：37
通过大田和室内试验,测定了2个品种、3个供氮水平处理的水稻冠层、完全展开倒1叶、倒3叶和穗在不同发育时期的高光谱反射率及对应叶片和穗的叶绿素、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,冠层光谱反射率随发育期推迟,抽穗前在可见光范围逐渐降低、在近红外区域逐渐增大,抽穗后在可见光范围逐渐增大,在近红外区域逐渐降低;抽穗后,冠层、叶片和穗光谱的红边位置存在“蓝移”现象;叶片叶绿素、类胡萝卜素含量呈S形变化;高光谱植被指数R990/R553、R1200/R553、R750/R553、R553/R670、R800/R553、R800/R680、（R800-R680）/（R800+R680）［R为反射率,下标为对应波长值（nm)］和红边位置λred与叶绿素、类胡萝卜素含量之间存在极显著相关,说明能用它们来估算水稻冠层、叶片和穗的叶绿素、类胡萝卜素含量。 相似文献
6.
小麦叠加叶片的叶绿素含量光谱反演研究 总被引：5，自引：0，他引：5
为了给田间冠层水平叶绿素含量高光谱反演研究提供参考,研究了小麦单层及叠加叶片不同波长光谱反射率及几种常用植被指数对叶绿素含量的响应特征。结果表明,可见光波段的绿光到红光波段范围内叶片光谱反射率与叶绿素含量存在良好的相关关系,其中在绿光反射峰550 nm附近和红边区域的705 nm附近反射率都可以用来预测叶绿素含量。红谷吸收表现为随叶绿素含量提高而蓝移的特征。常用植被指数NDVI在本研究中对小麦叶片的叶绿素含量的监测效果并不理想。SR705虽然与单层叶片叶绿素含量相关性较好,但是对叠加多层叶片的叶绿素含量反演效果不好。光谱参数中TCARI对单层叶片和不同叠加层数的叶片均有最好的预测能力,因此可以利用TCARI监测小麦叶绿素含量,进而用于评价其光合特性。 相似文献
7.
探讨遥感植被指数随作物生育进程的变化规律,对于作物面积信息提取、遥感估产时相选择以及作物长势监测等具有重要意义。Sentinel-2卫星数据具高时空分辨率以及其特有的红边参数波段,可为作物生育期监测提供理想数据源。本研究获取了研究区棉花实测冠层光谱以及连续2年Sentinel-2卫星数据,通过对比Sentinel-2卫星多光谱反射率与实测冠层光谱反射率差异,以及单波段反射率和3类植被指数随棉花生育进程的变化规律, 初步分析Sentinel-2卫星多光谱数据用于棉花生育期监测的特点。结果表明,Sentinel-2卫星多光谱反射率与实测冠层光谱反射率变化趋势一致, 在可见光波段吻合较好,在近红外波段Sentinel-2卫星光谱反射率略高于冠层; 基于Sentinel-2卫星的红边参数波段反射率,随棉花生育进程呈现从苗期到开花盛期逐渐增大而后逐渐减小的变化规律;增强植被指数EVI（Enhanced vegetation index）、归一化植被指数NDVI（Normalized difference vegetation index）以及土壤调节植被指数SAVI（Soil adjusted vegetation index）的归一化值具有相似的变化趋势,其中基于实测冠层光谱和Sentinel-2卫星光谱的EVI指数归一化值变化最为一致和稳定,具体表现为在6月中下旬（棉花从现蕾期向开花期过渡的阶段）,从负值逐渐增大至正值,直到开花盛期（7月20日左右）达到最大正值,而后进入吐絮初期开始减小,至吐絮后期变为负值。 相似文献
8.
为提高农作物叶片叶绿素含量高光谱估算的准确度,以阜康农作物试验地为研究靶区,测定了165个采样点的春小麦叶片叶绿素含量和叶片光谱反射率,运用分数阶微分算法进行光谱预处理,最后运用偏最小二乘法(PLSR)建立叶绿素含量估算模型。结果表明,对数学变换■、lg~R、1/lg~R、1/R)的光谱及原始光谱(R)的数据进行0～2阶分数阶微分预处理时,通过0.01水平显著性检验的波段数量明显增加,且光谱数据经4种数学变换后均在1.2阶微分与小麦叶绿素含量有较高的相关性。1.2阶微分处理后,对叶绿素含量的敏感波段数量表现为■。利用对数变换和1.2阶微分计算的植被指数(NDVI、DVI、RVI、MSR_(705)、MSR_(670,800)、CI)建立的PLSR模型的估算精度最优,其预测的相对误差、决定系数和平方根差分别为2.17、0.87和0.243mg·g~(-1),可作为小麦叶片叶绿素含量的最佳估算模型,也说明对光谱数据进行数学转换和分数阶微分处理可显著提高春小麦叶绿素含量的估算精度。 相似文献
9.
为提高小麦条锈病的遥感探测精度,依据日光诱导叶绿素荧光和冠层反射光谱数据在小麦条锈病遥感探测中的优势及其与病情严重度之间的映射关系,在运用独立分量分析法对光谱数据降维的基础上,利用核学习算法分别确定冠层光谱特征和日光诱导叶绿素荧光特征反映小麦条锈病病情严重度的最优核,同时针对冠层光谱与叶绿素荧光特征组,建立基于不同特征最优核映射的多核学习支持向量机模型,并与基于特征直接拼接的模型结果进行对比。结果表明,对于冠层光谱而言,采用高斯核构建的支持向量机模型可较好估测小麦条锈病病情指数,而日光诱导叶绿素荧光指数则是采用多项式核的效果更优;采用直接拼接法融合叶绿素荧光指数和冠层光谱特征能够在一定程度上改善小麦条锈病病情指数估测精度,决定系数(r~2)最高为0.847,而单独利用冠层光谱信息或者叶绿素荧光信息时,r~2最高仅为0.802;对日光诱导叶绿素荧光和反射光谱特征分别利用其最优核进行映射构建的多核学习支持向量机模型精度最高,r~2为0.915,RMSE为0.090,优于基于特征直接拼接构建的支持向量机模型精度。 相似文献
10.
不同地类春小麦叶片叶绿素含量高光谱植被指数估算模型研究 总被引：1，自引：0，他引：1
为给小麦长势的遥感监测提供依据,利用多种植被指数对比分析了水浇地和旱地春小麦不同生育期冠层光谱及叶绿素含量的变化,并建立了不同地类春小麦叶绿素含量的最佳估测模型。结果表明,春小麦叶绿素含量在整个生育期呈先升后降趋势,且水浇地高于旱地。春小麦冠层光谱在可见光波段表现为阳坡和双面坡地>阴坡地>水浇地,而在近红外区域反之。在起身期-乳熟期,春小麦叶绿素含量分别与二次修正土壤调节植被指数和植被衰老反射率指数的相关性最好;在拔节-扬花期,水浇地和阴坡地的叶绿素含量分别与绿度植被指数和修正归一化差异指数相关性最好,阳坡和双面坡地则与二次修正土壤调节植被指数的相关系数最大。利用相关性最好的植被指数模拟春小麦叶绿素含量,水浇地在起身-扬花期宜用抛物线模型,乳熟期则适合用乘幂模型,且各模型r和检验r均大于0.88,拟合程度较高;阴坡、阳坡和双面坡地起身期适用指数模型,其余时期适合抛物线模型。 相似文献
11.
Gang Li Huangshi ZhangXianghua Wu Chuanyan ShiXianjin Huang Pei Qin 《Industrial Crops and Products》2011,33(2):395-402
A field experiment was conducted in 2007-2009 in coastal saline regions of Yancheng city in Jiangsu province of China (120°13′E, 33°38′N). The experiment was to investigate relationships among canopy spectral reflectance, canopy chlorophyll density (CCD), leaf area index (LAI), and yield of two Chinese castor varieties (Zi Bi var. and Yun Bi var.) across four N fertilizer rates of 0, 90, 180, and 360 kg N ha−1. These N rates were used to generate a wide range of difference in canopy structure and seed yield. Measurements of canopy reflectance were made throughout the growing season using a hand-held spectroradiometer. Samples for CCD and LAI were obtained on days that reflectance measurements were made. Fifteen hyperspectral reflectance indices were calculated. Canopy spectral characteristics were heavily influenced by saline soil background in the rapid growing period (RGP), thus hyperspectral data obtained in this period were not suited for reflecting castor growth condition or predicting final yield. CCD increased linearly with most reflectance indices in the full coverage period (FCP) and senescent period (SP) for the two castor varieties, whereas LAI did not. Most of reflectance indices were significantly correlated with yield of two varieties in different growing periods. The OSAVI model provided the best yield prediction for Zi Bi var. with predicted values very close to observed ones (R2 = 0.799), and the mSRVI705 model was well used for Yun Bi var. yield estimation (R2 = 0.759). These results indicate that the hyperspectral data measured at appropriate time could be well used for castor yield estimation. 相似文献
12.
冬小麦叶面积指数的品种差异性与高光谱估算研究 总被引：2，自引：0，他引：2
为给小麦叶面积指数（LAI）的高光谱估算提供技术支持,基于2年大田试验,以4个河南主推品种为材料,对小麦LAI和冠层光谱变化特点、估算模型及其品种间的差异等进行了系统分析。结果表明,在生育期内不同冬小麦品种冠层光谱反射率的变化与LAI变化有差异;在相同LAI下,不同冬小麦品种的光谱曲线存在差异。利用400~900 nm范围内冠层光谱反射率的任意两波段组合的比值光谱指数（RSI）、归一化差值光谱指数（NDSI）和差值光谱指数（DSI）所建立的单品种模型以及不同品种综合模型的决定系数（r）均达到0.84以上,单品种模型的r和调整r分别较综合模型高出3.1%~4.8%和2.0%~4.2%。利用独立于建模样本以外的数据对上述模型进行检验,单品种模型预测的r较综合模型提高了0.6%~11.0%,而均方根误差降低了10.0%~37.0%。因此,在利用高光谱遥感技术估算冬小麦LAI时,可以通过建立单品种模型来提高估算精度。 相似文献
13.
小波特征与传统光谱特征估测冬小麦条锈病病情严重度的对比研究 总被引：2，自引：0，他引：2
为探讨通过小波特征监测小麦条锈病发病程度的可行性,利用连续小波变换提取的小麦冠层光谱350~1 300 nm范围内的9个小波特征和传统光谱特征（植被指数、一阶微分变换特征和连续统特征）,借助偏最小二乘回归（PLSR）建立反演模型,分别将传统光谱特征（SFs）、小波特征（WFs）及传统光谱特征与小波特征结合(SFs & WFs）作为模型的输入,对小麦条锈病病情进行反演。结果表明：（1）小波特征与条锈病严重度的相关性比传统光谱特征强;（2）基于小波特征的模型估测精度（R为0.837）优于基于传统光谱特征的模型估测精度（R为0.824）;（3）传统光谱特征与小波特征结合的模型精度最高,R为0.876,RMSE仅为0.096,因而传统光谱特征与小波特征相结合能够更好地对小麦条锈病病情严重度进行估测。 相似文献
14.
为解决大田冬小麦叶片叶绿素含量估测模型精度低、通用性弱的问题,在获取冬小麦拔节期和抽穗期冠层红光波段反射率(BRred)和近红外波段反射率(BRnir)的基础上,计算归一化差值植被指数(NDVI)、差值植被指数(DVI)、比值植被指数(RVI)、土壤调节植被指数(SAVI)、改进型比值植被指数(MSR)、重归一化植被指数(RDVI)、II型增强植被指数(EVI2)和非线性植被指数(NLI)等8个植被指数。经统计分析,选择与叶片叶绿素含量(SPAD值)相关性较好的5个遥感光谱指标(NDVI、MSR、NLI、BRred和RVI)作为输入变量,建立了冬小麦叶片叶绿素含量的BP神经网络估测模型(WWLCCBP),并对估测模型进行精度验证。结果表明,WWLCCBP估测模型在拔节期估测的决定系数(r2)为0.84,均方根误差(RMSE)为5.39,平均相对误差(ARE)为9.87%。抽穗期的估测效果与拔节期较为一致。将WWLCCBP和高分六号影像... 相似文献
15.
Non-destructive and quick assessment of leaf nitrogen (N) status is important for dynamic management of nitrogen nutrition and productivity forecast in crop production. This research was undertaken to make a systematic analysis on the quantitative relationship of leaf nitrogen concentrations (LNCs) to different hyperspectral vegetation indices with multiple field experiments under varied nitrogen rates and varied types in rice (Oryza sativa L.). The results showed that some published indices had good relations with LNC such as two-band indices, R750/R710 (ZM), Gitelson and Merzlyak index two (GM-2), R735/R720 (RI-1dB), R738/R720 (RI-2dB) and the normalized difference red edge index (NDRE), three-band indices, adjusted normalized index 705 (mND705), physiological reflectance index c (PRIc), terrestrial chlorophyll index (MTCI), and red edge position derived with four point linear interpolation (REP_LI). Three-band indices performed better than two-band indices, with MTCI exhibiting the best logarithmic relation to LNC in rice. Then, hyper-spectral vegetation indices computed with random two bands (λ1 and λ2) from 400 to 2500 nm range were related to LNC of rice. The results indicated that two-band indices combined with bands of 550–600 nm and 500–550 nm in green region had good relationships with LNC, and simple ratio index SR(533,565) performed the best in all two-band indices, similar to the published three-band indices (mND705, PRIc and MTCI). New three-band indices R434/(R496 + R401) and R705/(R717 + R491) were proposed for prediction of LNC with improved ability over the SR(533,565) and published spectral indices. Moreover, R705/(R717 + R491) performed well in all the data from ground spectra, modeled AVIRIS and Hyperion spectra, and acquired Hyperion image hyperspectra. The R434/(R496 + R401) also exhibited well in both ground and modeled AVIRIS and Hyperion image spectra, but could not be tested with the acquired Hyperion image because of the absence in radiometric calibration of the bands less than 416 nm. Overall, the newly developed three-band spectral index R705/(R717 + R491) should be a good indicator of LNC at ground and space scales in rice. Yet, these new indices still need to be tested with more remote sensors based on ground, airborne and spaceborne, and verified widely in other ecological locations involving different cultivars and production systems. 相似文献
16.
To determine the most sensitive spectral parameters for powdery mildew detection, hyperspectral canopy reflectance spectra of two winter wheat cultivars with different susceptibilities to powdery mildew were measured at Feekes growth stage (GS) 10, 10.5, 10.5.3, 10.5.4 and 11.1 in 2007–2008 and 2008–2009 seasons. As disease indexes increased, reflectance decreased significantly in near infrared (NIR) regions and it was significantly correlated with disease index at GS 10.5.3, 10.5.4 and 11.1 for both cultivars in both seasons. For the two cultivars, red edge slope (drred), the area of the red edge peak (Σdr680−760 nm), difference vegetation index (DVI) and soil adjusted vegetation index (SAVI) were significantly negatively correlated with disease index at GS 10.5.3, 10.5.4 and 11.1 in both seasons. Compared with other parameters, Σdr680−760 nm was the most sensitive parameter for powdery mildew detection. The regression models based on Σdr680−760 nm were constructed at GS 10.5.3, 10.5.4 and 11.1 in both seasons. These results indicated that canopy hyperspectral reflectance can be used in wheat powdery mildew detection in the absence of other stresses resulting in unhealthy symptoms. Therefore, disease management strategies can be applied when it is necessary based on canopy hyperspectral reflectance data. 相似文献
17.
为提高冬小麦覆盖度估测精度,从增强近红外与红光差别的数学变换原理出发,构建了一种新型植被指数(NDVIn),再基于2013、2014年冬小麦冠层高光谱和模拟的资源三号卫星宽波段多光谱数据,分别构建基于常规植被指数(NDVI)与NDVIn的冬小麦覆盖度估算模型,然后利用留一交叉验证法对模型精度进行评价。结果表明,当n=6时,新生成的植被指数NDVI6对冬小麦农田覆盖度具有最好的估算性能,利用其基于小麦冠层高光谱及卫星多光谱数据建立的冬小麦覆盖度估算模型的决定系数r2分别为0.84、0.85,RMSE分别为0.092、0.091,模型精度均好于常规指数NDVI的估算结果。说明NDVI6用于估测冬小麦覆盖度具有可行性。 相似文献