基于高光谱的湿地植被冠层叶绿素反演研究

植被冠层叶绿素含量直接反映植物的生长健康情况.以三江平原洪河湿地自然保护区为研究区,采用地面实测光谱数据为数据源,通过对光谱数据预处理以及特征参数(植被光谱指数、吸收特征)提取,在冠层尺度上,利用统计方法分析了植被叶绿素的敏感波段,并对植被叶绿素含量和光谱特征参数进行了相关性分析,最后,构建了植被叶绿素冠层反演模型并进行了验证.结果表明,原始光谱反射率在690~720,755~770nm叶绿素含量具有较高的相关性,植被指数DD与叶绿素含量有非常高的相关性.研究证明,基于吸收特征反演植被叶绿素也是较好的方法之一.     

扬花期冬小麦冠层叶绿素含量高光谱遥感反演

通过分析扬花期冬小麦冠层光谱反射率与叶绿素含量的相关性,选取491、577、698和780 nm作为特征波段,利用其构建了归一化植被指数、差值植被指数、比值植被指数、三角形植被指数和增强型植被指数,分析光谱指数与叶绿素含量之间的相关性,并基于PROSPECT模型模拟的不同叶绿素含量(5～80μg·cm~(-2))下的5 nm叶片光谱反射率数据,分析评价光谱指数对叶绿素含量变化的敏感性;再将五种光谱指数与叶绿素含量进行回归分析,构建叶绿素含量反演模型;最后利用验证数据对光谱指数反演模型进行真实性检验.结果表明,选取的五种光谱指数与叶绿素含量均具有显著相关性,其中SRI和EVI反演效果较好,决定系数R2分别为0.73和0.74,且预测值和实测值具有较好的拟合效果,其余指数反演效果较差.SRI对叶绿素含量具有较好的相关性和敏感性,表明其在全生育期冬小麦叶绿素含量反演中更具潜力.本研究可为其他农作物叶绿素含量反演提供研究思路和参考借鉴.     

红边光谱谐波分析的神经网络法叶绿素含量反演研究

叶绿素含量测定对于了解作物生长状况具有重要意义。为实时、快速、准确获取叶绿素含量,研究了玉米叶片叶绿素含量的BP神经网络(BPNN)法高光谱反演模型;而BPNN输入因子的选择是建立反演模型的关键。已有研究证明作物红边光谱与叶绿素含量有较强的相关性,为避免红边参数提取的不确定性,提高建模精度与效率,运用红边光谱的频率域谐波分析(HA)技术获得谐波余项、振幅和相位等能量谱特征分量(ESCC);并选择具有强相关性的10个ESCC进行主成分分析后,取前4位主分量作为BPNN的输入因子,进而进一步强化其相关性来构建叶绿素含量反演模型。同时,分别用遗传算法(GA)和小波基(wavelet-based)函数优化BPNN结构,建立GA-BPNN、WNN反演模型。实验通过比较BPNN、GA-BPNN、WNN模型和常规的多元线性回归(MLR)模型的玉米叶片叶绿素含量反演结果,得出非线性的BPNN模型要明显优于线性的MLR模型;而在神经网络模型中,GA-BPNN优化模型的反演精度最高。     

谐波分析重金属铜铅胁迫玉米的污染效应

提出了谐波分析法监测玉米的重金属污染效应。通过设置不同浓度Cu和Pb胁迫下的玉米盆栽实验,测得了玉米冠层叶片光谱、叶绿素以及Cu含量。利用谐波分析技术将玉米叶片光谱特征信息转化为以振幅和相位的能量谱特征信息,提取低次谐波振幅和初始相位,分析了振幅和相位与玉米的健康状况以及重金属污染效应之间的关系。实验结果和分析表明,振幅反映着光谱的能量信息,与叶片中的Cu离子含量有很强的相关性;初始相位携带着光谱辐射峰值的位置信息,与玉米叶片中重金属含量以及叶片光谱的红边位置具有一定的线性比例关系。因此,可以通过光谱谐波分解的振幅和相位间接的判断Cu和Pb胁迫玉米的污染程度。     

叶绿素含量BP反演模型的光谱信息输入因子构建研究

植被叶绿素含量的高光谱反演是当今研究的热点,传统后向传播(BP)神经网络是其常用的一种反演模型。高光谱数据虽然具有精细光谱分辨率,但也造成了大量的信息冗余与噪声;而小波包变换(WPT)可以有效地抑制高光谱数据噪声和压缩信号,同时主成分分析(PCA)能够很好地降低模型输入因子的维数并可简化网络结构。以盆栽玉米为研究对象,在玉米叶片光谱数据对数变换并一阶微分处理的基础上,针对叶绿素含量的BP反演模型,提出了基于相关系数(CC)、WPT和WPTPCA的输入因子构建方法,并形成了叶绿素含量的CC-BP、PCA-BP及WPT-PCA-BP三种反演模型。通过比较玉米叶片叶绿素含量的实测值与三种BP模型反演结果,表明基于WPT-PCA构建BP模型的输入因子数量虽仅有6个却并不影响其反演精度,也能包含原始光谱的92%信息,且优于基于PCA和传统CC所构建输入因子的BP模型反演能力。     

大豆叶片水平叶绿素含量的高光谱反射率反演模型研究

利用便携式光谱仪和分光光度计法分别测得大豆生长期内叶片的高光谱数据及相应的叶绿素质量分数w,利用多元统计分析和红边参数反演提取与叶片水平的w(叶绿素)相关性较高的敏感波段和光谱形式,及特征光谱位置,并以此为基础推演得到一个基于神经网络算法的叶绿素含量反演模型,结合了3种方法的优点,具有较高的反演精度.     

基于EO-1 Hyperion的中国典型森林冠层高光谱特征分析

由于冠层结构和功能性状的差异,不同森林表现出不同的光谱特征.分析不同森林冠层的光谱特征差异可以为精确森林分类和冠层参数反演提供依据.因此,理解我国典型森林类型的高光谱特征将有助于提高我国森林分类以及森林理化参数反演的精度.研究以中国生态网络中的长白山、神农架、千烟洲和鼎湖山4个典型森林站点为研究对象,利用EO-1 Hyperion星载高光谱数据提取4种森林像元尺度上的反射光谱曲线,并进行一阶微分变换,同时计算多种遥感光谱指数,定量分析其光谱特征差异.结果表明:(1)神农架阔叶混交森林光谱反射率在整个光谱范围内显著高于其他3种森林类型.千烟洲针叶混交森林在整个光谱范围内表现出较低的反射特征.长白山和鼎湖山森林的反射率居中.(2)4种森林的红边斜率存在显著差异.神农架森林的红边斜率最高,暗示了其冠层叶绿素含量高,健康状况最好.千烟洲的红边位置相比其他3种森林有所红移,红边位于720 nm左右.(3)遥感指数方面,神农架阔叶林具有较高的归一化氮指数(NDNI),千烟洲马尾松湿地松为主的针叶林具有较低的NDNI,反映出树种间真实的叶片氮浓度差异.另外,由于森林覆盖度较高,增强型植被指数(EVI)比归一化植被指数(NDVI)更能够指示森林类型之间绿度和覆盖度的变化.研究对于我国森林参数的遥感反演和森林类型高精度分类具有一定的参考意义.     

水稻、玉米的光谱数据与叶绿素的相关分析

探讨了水稻和玉米的多时相的叶片反射光谱数据、群体反射光谱数据与叶绿素含量、叶绿素密度的相关关系．通过对反射光谱数据进行导数光谱分析和“红边”位置分析,结果表明水稻和玉米的叶片反射光谱数据很好地反映了叶片叶绿素含量的信息,而它们的群体反射光谱数据与其叶片的叶绿素含量的相关性较小,但却能很好地反映叶片叶绿素密度的信息．因此,可以利用群体植被的反射光谱数据讲行植被叶片叶绿素密唐的估计。     

植被水分遥感监测模型的研究

植被水分含量的遥感测定对农、林业和水文研究具有重要的意义，对于植被干旱评估也十分重要．研究表明，在叶片尺度上建立400-2500nm的反射率数据与表征叶水分含量的参数，如EWT（等价水厚度）与FMC（叶片相对水分含量）之间存在紧密的相关关系；在冠层水平上，植被水分与光谱指数存在很好的相关关系．归一化水分指数（NDWI）（R860-R1240）／（R860＋R1240）等能较好地反演植被冠层的水分含量．同时，本文对辐射传输模型及其与植被水分指数结合对植被水分反演的应用也进行了讨论；从利用高光谱站台辐射传输模型（如PROSPECT等）进行植被水分反演的角度，对植被水分监测进行评述．最后对利用多角度和偏振光技术定量反演植被水分和临测旱情的研究提出展望。     

基于高光谱成像技术的水稻叶片SPAD值及其分布问题研究

高光谱成像技术在快速无损检测植物叶片叶绿素含量上得到越来越广泛的应用.运用SPAD仪可同期获得叶片的叶绿素含量.以水稻叶片为研究对象,首先采集水稻活体植株至培养皿,利用SPAD502叶绿素计采集叶片的SPAD值,最后使用高光谱成像仪采集水稻叶片的高光谱影像.运用不同的植被指数和偏最小二乘法分别对SPAD值进行回归分析.结果显示,偏最小二乘回归模型精度较高且较为稳定.根据最佳预测模型反演叶片上任意像素的SPAD含量,通过伪彩色配色即可得到水稻叶片SPAD分布图像.该方法为研究水稻植株的生长状况提供了更为具体的数据资料,为水稻的产量估测和病害预警提供了新的依据和方法.     

水稻冠层叶片SPAD值与叶绿素、叶氮含量及净光合速率的变化特征

通过两年的田间试验,利用叶绿素仪(SPAD-502)测定了不同生育时期水稻(南粳44号)冠层叶片的SPAD (Soil-plant analysis and development)值、叶绿素含量、叶氮含量及净光合速率,在此基础上分析了SPAD值与叶绿素含量、叶氮含量及净光合速率的关系。结果表明:水稻冠层叶片的SPAD值与叶绿素含量、叶氮含量及净光合速率的关系均呈显著相关,但是在不同的生育期内SPAD值与其他三项指标的变化并没有同步,存在一定时间的超前或者滞后。随着叶绿素荧光分析技术的发展,无损伤、快速、灵敏测定叶片光合作用的变化成为可能,因此想要更好地了解叶片光合作用的内在变化,还需要研究SPAD值与各项叶绿素荧光参数的关系。     

交通环境对城市行道树叶片叶绿素的影响

本文以南方常见的三种城市行道树：阴香（Cinnamomum burmanii(Nees)Bl.）大叶紫薇（Lagerstroemia speciosa(L.)Pers.），芒果（Mangifera indica L.）作为供试材料，测定其在不同在生长季节的叶绿素含量，研究发现交通环境导致城市行道树叶绿素a和叶绿素b含量下降，但二者下降的比例视不同树种而异。     

城市林地叶片与冠层尺度CO2浓度、水汽密度比较

为了定量评价城市公园林地的小气候作用,在北京市海淀公园架设涡度相关系统连续观测林地的冠层尺度数据,利用光合作用仪Licor 6400观测林地较大面积树种的叶片尺度数据,比较夏季日间叶片尺度与冠层尺度CO2浓度和水汽密度.结果表明,两个尺度观测的CO2浓度和水汽密度的日变化趋势基本相同,但叶片尺度CO2浓度高于冠层尺度数据10％ ～20％,叶片尺度水汽密度高于冠层尺度数据40％ ～70％.冠层尺度数据的双峰"午休现象"不明显,或弱于叶片尺度数据和存在时间上的滞后.叶片尺度CO2浓度与净辐射、净光合速率呈显著的负相关关系,叶片尺度水汽密度与蒸腾速率呈显著的正相关关系、与空气温度呈显著的负相关关系.冠层尺度CO2浓度和水汽密度数据均与垂直风速呈显著的正相关关系.研究结果有助于了解城市林地冠层与叶片之间CO2和水汽的湍流输送.     

基于Sentinel-2A岷江上游地表生物量反演与植被特征分析

 Sentinel-2A光学遥感卫星具有很高的空间分辨率、13个多光谱波段、独特的"红边"波段、大宽幅同时数据免费,为区域植被生态环境特征信息提取分析提供全新的解决方案。以岷江上游流域为研究区,选取欧洲空间局（ESA）发布的Sentinel-2A数据,通过对卫星参数、数据类型、格式等级、预处理方法进行分析,利用ESA的SNAP软件,提取岷江上游流域的L2A级数据和场景分类图;在生成的L2A数据基础上结合SNAP软件中生物物理量参数处理模块,分别计算反演出岷江上游的叶面积指数、光合有效辐射吸收率、叶绿素含量、冠层含水量和植被覆盖度5类生物量指标和5个县域内生物物理量均值与标准差,利用叶面积指数、光合有效辐射吸收率和叶绿素含量指标诠释岷江上游5个县域内植被生长及健康状态,再结合场景分类结果对岷江上游植被特征进行区位分析,该研究为区域生态环境定量评估提供了快捷高效的参考依据。     

麦田套种玉米的群体结构特征分析

对麦田套种玉米种植方式的群体结构进行了分析，利用CL－110数字植物冠层结构分析仪，测定了群体的叶面积指数，平均叶簇叶倾角，散射光透过系数，直射光透过系数，消光系数，叶分布指标，分析表明：套种玉米的带田种植方式的散射光透过系数，直射光透过系数都比对照提高一倍多，光能利用率明显提高，特别是中下部采光量提高，利于穗位叶生产较多的光合产物。     

叶黄化对俄罗斯杨生理生化特征的影响

为了探讨叶黄化对俄罗斯杨生理生化特征变化的影响,本研究对不同黄化等级的叶片生理生化指标进行了测定,分析了各项指标与不同黄化等级的关系。结果显示:随着黄化程度的加重,叶绿素a、叶绿素b、叶绿素、SOD和POD的含量呈下降趋势。不同黄化等级的叶片,叶片水势总体呈现先下降后上升的趋势,7:00时叶片具有较高的水势,13:00时降至最低;净光合速率呈现双峰变化趋势,13:00时出现最高峰;正常叶片的水势和净光合速率均高于黄化叶片。MDA随着黄化程度的加重呈现先增加后下降的变化。PPO含量呈现不规则波动,只在黄化最严重(Ⅴ级)有所增加。各指标与黄化均呈负相关关系,其中叶绿素、SOD、POD含量与黄化具有较高的负相关性,并达到显著水平。     

春小麦不同叶位及叶龄叶片若干生理生化指标的动态变化

对春小麦开花后的不同中位及叶龄叶片在衰老过程中的相关生理生化指标进行了分析。结果表明：不同叶位叶片，在同一生育期内，旗叶的蛋白质含量，叶绿素含量和ＣＡＴ活性均高于其他叶位叶片，ＭＤＡ含量和外渗电导率值低于其他叶位叶片，随着叶龄的增加，旗叶的这些生理生化指标的变化趋势都慢于其他叶位叶片。     

铅离子胁迫下盆栽玉米叶片光谱微分的红边响应研究

基于重金属铅(Pb)污染的盆栽实验玉米,采用光谱仪和叶绿素仪测量了不同浓度Pb~(2+)胁迫下玉米老、中、新叶片的反射光谱及其叶绿素含量;也运用质谱仪测定了不同胁迫浓度叶片中Pb~(2+)含量。对玉米老、中、新叶片中的叶绿素含量与各类叶片及土壤中的Pb~(2+)浓度进行了相关性分析;并为了区分玉米叶片铅离子污染程度和预测Pb~(2+)含量,提出了红边一阶微分曲线面积比值(FARR)和红边一阶微分峰前面积(FABR)参数;同时与常规红边一阶微分包围面积(FAR)、红边一阶微分曲线陡峭度(FCDR)、红边位置(REP)以及红边最大值(MR)作运用比较,实验结果表明,玉米叶片中的叶绿素含量从新叶、中叶到老叶逐渐增加,并随着土壤中Pb~(2+)浓度的升高而降低;受到Pb~(2+)胁迫时,新叶片到老叶片的REP"蓝移"更为明显;FARR和FABR在Pb~(2+)的胁迫程度区分和污染监测方面比FAR、FCDR、REP、MR具有更好的预测效果。