应用高光谱植被指数反演冬小麦叶绿素的光谱指标敏感性研究

高光谱植被指数反演叶绿素含量的精度除与模型有关外,光谱指标中心波长、波段宽度、信噪比等的差异也会带来一定的影响。本研究基于实测光谱数据,结合波段模拟、噪音分析等方法,研究不同的光谱指标对植被指数反演叶绿素含量的影响,分析用于反演的光谱指标的敏感性,结果表明：(1)最佳中心波长的位置与适用于高低覆盖的植被指数类型有关,反演精度在一定范围内并不随着波段宽度的增加而提高;(2)不同植被指数抗噪声能力有一定的差异,其中DVI、NDVI和SAVI等抗噪能力比较强,MCARI和TCARI抗噪能力比较弱;(3)联合反演模型反演结果为R2=0.7415,RMSE=0.4026,优于MTCI的反演结果,通过模拟HJ1A-HSI,Hyperion等数据,研究出联合反演模型在不同高光谱传感器下有一定的适用性。     

冬小麦典型多参量冠层高光谱反演的光谱指标敏感性研究

高光谱遥感反演作物参量多集中在单一参量研究上,缺乏多参量综合反演研究。因此,面向多参量反演,需要对传感器参数的有效设置,以及同一指标对不同参量的适宜程度进行综合研究。以冬小麦为例,通过实测冠层光谱反射率和LAI、叶绿素、氮素含量数据,分析了中心波长、波段宽度、信噪比等指标的变化对各参量定量模型的影响,及光谱指标对LAI、叶绿素和氮素定量模型反演的敏感性和有效性,以及对冬小麦典型参量高光谱遥感反演的光谱指标进行了综合性分析。结果表明:反演冬小麦LAI的最佳植被指数为DVI(R~2=0.457,RMSE=0.614%),对应的最佳指标为:中心波长为768 nm和732 nm,波段宽度在5 nm以内,信噪比大于70 d B;反演冬小麦叶绿素的最佳植被指数为MSR(R2=0.554,RMSE=0.548%),对应的最佳指标为:中心波长为768 nm和736 nm,波段宽度在5 nm以内,信噪比大于70 d B;反演冬小麦氮素的最佳植被指数为NDVI_(g_b)(R~2=0.733,RMSE=0.600%),对应的最佳指标为:中心波长为500 nm和454 nm,波段宽度为5 nm以内,信噪比大于70d B。植被指数SAVI在一定波段范围内可同时反演LAI、叶绿素和氮素;MSAVI、DVI、RDVI和NDVI均可在一定波段范围内同时反演LAI和叶绿素含量,而反演LAI和氮素含量的适宜波段以及反演叶绿素和氮素的适宜波段存在差异。利用高光谱植被指数可实现作物参量的有效反演,且作物参量的定量反演对不同的光谱指标,即中心波长、波段宽度和信噪比具有较强的敏感性。     

基于GF1卫星的红树林病虫害遥感识别

定量化红树林病虫害监测评估可为红树林保护修复提供科学依据。以广西北仑河口红树林保护区的红树林为研究对象,利用高分一号(GF1)卫星数据建立模型识别受虫害红树林,结果表明:GF1数据的红光和近红外波段是判识红树林健康与否的优选波段;差值植被指数(difference vegetation index,DVI)是区分健康和虫害红树林的优选植被指数,通过训练样本可划定不同群落虫害红树林DVI阈值区间;利用归一化植被指数(normalized difference vegetation index,NDVI)和绿光波段可有效去除水体和裸露滩涂等背景干扰信息,综合DVI、NDVI和绿光波段,构建虫害红树林识别决策树模型,模型识别精度良好。木榄-白骨壤、秋茄-白骨壤、木榄-桐花树、木榄-白骨壤+桐花树群落的综合指标F(F-measure)大于0.89,且准确率A(accuracy)、精确率P(precision)、召回率R(recall)大于0.85,但白骨壤分类精度较低,综合指标仅0.76。     

引入地形特征的田块尺度玉米遥感估产与空间格局分析

田块尺度作物估产引入地形特征提升精度与产量空间格局分析对规模经营具有重要意义。以黑龙江省规模化种植的春玉米为研究对象,测定无人机(unmanned aerial vehicle, UAV)高精度地形与变量测产数据,基于多时期SPOT-6影像提取7种植被指数;采用最小二乘法,构建不同时期植被指数与春玉米实测产量的经验统计模型,确定遥感估产最佳时期和最优植被指数;提取6种地形因子,使用多元逐步回归评价引入地形因子的遥感估产模型,应用空间统计分析探索产量空间分布格局。结果表明:春玉米灌浆期是遥感估产的最佳时期,决定系数R~2达到0.6以上的植被指数共6种,比值植被指数(ratio vegetation index, RVI)为最优植被指数,其余依次为修正比值植被指数(modified simple ratio, MSR)、无蓝色波段增强型植被指数(enhanced vegetation index without a blue band, EVI2)、归一化植被指数(normalized difference vegetation index, NDVI)、次生修正土壤调节植被指数(modified secondary soil adjusted vegetation index, MSAVI2)、绿度归一化植被指数(green normalized difference vegetation index, GNDVI);最佳估产模型引入地形辅助信息后R~2提升5.6%,达到0.79,均方根误差(root mean squared error, RMSE)为347.03 kg/hm~2;高海拔与高坡度区域产量均值最低为7 502.64 kg/hm~2,中海拔与低坡度区域产量均值最高为9 157.63 kg/hm~2。优化后的遥感估产模型可以快速评估作物产量,确定春玉米最佳生长区域,为规模化农业精细管理、土地整治与作物种植结构调整提供科学依据。     

基于GF-1号卫星WFV数据反演玉米叶面积指数

叶面积指数(Leaf Area Index, LAI)是描述作物生长状况的重要生理生态参数之一.该文以河南封丘县玉米为研究对象,利用中国高分辨率对地观测系统的首发星——高分一号(GF-1)WFV数据,计算4种常用的植被指数,包括归一化植被指数(normalized difference vegetation index,NDVI)、比值植被指数(simple ratio,SR)、土壤调节植被指数(soil-adjusted vegetation index,SAVI) 和修正的土壤调节植被指数(modified soil-adjusted vegetation index,MSAVI).结合地面同步实测的玉米LAI数据,建立各植被指数与实测LAI的统计回归模型.结果表明：研究区玉米LAI和4种植被指数之间均有较强的相关性,其中,MSAVI-LAI的指数模型相关系数达到了0.842 6,LAI反演精度最高.使用独立的野外观测数据对模型进行验证,平均相对误差为4.85%,均方根误差(root mean square error, RMSE)仅为0.183,表明该文建立的LAI经验统计模型具有较高的精度,利用GF-1 WFV 影像可以快速、准确地监测河南封丘玉米LAI,GF-1影像用于LAI等地表参量遥感定量反演具有巨大的潜力.2014年8月中旬,封丘大部分地区玉米LAI大于4,玉米长势较好.该研究结果可为利用经验统计模型反演河南玉米LAI提供参考.     

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.     

扬花期冬小麦叶面积指数高光谱遥感反演研究

利用扬花期冬小麦实测冠层高光谱数据与同步叶面积指数(LAI)数据,分析350～1 000 nm波段范围内冠层反射率与LAI之间的相关性,分别在蓝波段、红波段、绿波段及近红外波段选取光谱特征波段,并用其计算6种被广泛应用于植被LAI反演的植被指数.通过相关分析、回归分析等统计方法,构建扬花期冬小麦LAI反演模型并进行真实性检验.研究结果表明,6种植被指数与冬小麦LAI均具有显著相关性,其中NDGI和EVI反演模型效果较好,拟合方程决定系数R~2均高于0. 6,分别为0. 634和0. 623.最后通过精度验证,得出结论:EVI反演模型R~2最高,为0. 779,故选取EVI为自变量的二次模型为扬花期冬小麦LAI最佳反演模型.研究可为作物长势监测及产量估算等提供一定的理论依据.     

面向GF-5卫星高光谱传感器的浑浊水体叶绿素a浓度反演算法研究——以鄱阳湖为例

为了分析即将发射的高分5号卫星(GF-5)的高光谱数据在内陆水体水色遥感中的应用潜力,以鄱阳湖为研究区域,利用2009年、2011年和2016年共134组现场实测光谱及其对应的叶绿素a、总悬浮物浓度数据,考虑高浑浊水体引起的叶绿素a浓度变化的光谱响应差异,在进行水体光学分区基础上通过光谱模拟与差分处理开展了叶绿素a浓度跨阶分高光谱反演研究.结果表明：1)进行光学分区有利于提高反演精度,非高浑浊水体(NDCI≥0.06)区域,反演模型判定系数R2达到0.82,均方根误差RMSE为1.12,平均相对误差MRE为0.32,而不进行光学分区的全湖区反演建模R2仅为0.37;2) 相较于鄱阳湖前期研究得到的最优多波段反演模型(R2＝0.76),利用495、591、675、679、684、688、692和696 nm等波长的原始光谱以及差分光谱(一阶差分、二阶差分)建立的跨阶分多波段组合模型可以更有效地反演非高浑浊水体叶绿素a浓度(R2＝0.82),但对于高浑浊水体(NDCI<0.06),叶绿素a浓度的高光谱反演能力还需要进一步挖掘.     

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.     

基于光谱归一化的阔叶林LAI遥感估算模型适用性分析

针对基于植被指数(Ⅵ)的森林叶面积指数(LAI)统计模型反演方法通用性较差的问题,研究基于光谱响应函数的不同传感器相似波段的光谱归一化方法,构建基于光谱归一化的阔叶林LAI遥感估算模型,并分析光谱归一化前后LAI估算模型对不同传感器的适用性.以福州市ALOS AVNIR -2、Landsat5 TM和MODIS作为多传...     

多背景条件下铁矿区降尘量的光谱反演实验研究

我国一些矿区的粉尘污染比较严重,利用遥感技术可实现全面、快速的降尘量监测.在铁矿区开展四类典型背景下的级差降尘光谱测量实验,研究不同背景下降尘量的反演精度差异.结果显示,对于高光谱模型(350~2500nm),基于900nm光谱吸收指数(SAI)建模时植物背景反演精度最高(误差为4.92g/m²);基于统计方法获得优势波段进行反演,发现植被和油毡楼顶的反演精度较高(误差分别为6.02和7.35g/m²).对于多光谱模型(按Landsat-8 OLI波段设置),亦是植物和油毡楼顶背景在第7波段反演精度较高(误差分别为6.19和7.93g/m²).综合来看,植物背景下的降尘量反演精度最高,可作为降尘遥感监测的首选;若受限于生长季,可优先选择油毡楼顶背景.在无高光谱数据时,则以多光谱的第7波段为首选反演波段.     

基于实测高光谱和Sentinel-2B影像的银川平原土壤盐分反演

土壤盐渍化是干旱半干旱区土壤资源损害、生境破坏和农业生产损失的重要影响因素,定量反演和监测盐渍化土壤,对防护土地生态安全具有重要意义.文章基于光谱变换筛选盐分特征波段和特征光谱指数,构建实测高光谱和Sentinel-2B影像的岭回归模型和偏最小二乘回归盐分反演模型,并以特征光谱指数为敏感参量进行星-地光谱匹配,构建匹配后盐分反演模型,实现银川平原土壤盐分定量反演.结果表明,盐分指数3(Salinity index 3,S3)、强度指数1(Intensity index 1,Int_1)和强度指数2(Intensity index 2,Int_2)能够实现实测高光谱端元到多光谱像元尺度的匹配,有效地提升模型精度;经光谱匹配后构建的偏最小二乘模型精度最高(R~2=0.721,RMSE=4.856 g·kg~(-1)).相比单独利用影像建模,其R~2提升了0.309,均方根误差(Root Mean Square Error,RMSE)减小了2.085 g·kg~(-1).盐分反演结果与实地采样具有较好一致性,表明特征光谱指数可为不同尺度遥感数据间光谱匹配与联合,实现地表点到空间面尺度盐渍化定量监测,为土壤盐分监测提供理论借鉴和实践参考.     

基于粒子群和神经网络的珠江口叶绿素a浓度反演

由于近岸河口地区水体复杂的光学特性,以往Ⅰ类水体的叶绿素a反演方法已不再适用.因此,文章提出基于粒子群和BP神经网络的近岸河口地区复杂水体叶绿素a定量反演方法.利用2015年11月以及2016年5月2次现场实测高光谱和水体叶绿素a浓度数据,对光谱数据进行平滑处理,建立叶绿素a浓度的PSO-BP神经网络反演模型,并与波段比值、三波段、改进三波段和四波段反演模型进行对比分析.结果表明,经过粒子群优化的BP神经网络模型反演精度最高,模型总体相对误差低于20%,比常规波段组合模型更适合近岸河口复杂水体的叶绿素a反演;改进三波段和四波段模型的拟合效果较好,但易出现较大偏差,在近岸河口类复杂水体估算能力有限.     

锶胁迫条件下生菜光谱效应特征

锶（Sr）胁迫条件下生菜的反射光谱特征会发生明显改变。通过室内生菜水培试验，获取了36个不同生长期、6个不同锶浓度胁迫的生菜叶片400～950 nm波段区间的生化参数信息（叶绿素含量、细胞结构、叶片金属含量）和反射光谱信息，利用光谱技术并结合数学统计方法研究了生菜叶片7个光谱特征参数与实测叶片锶元素含量之间的相关性，优选了较敏感光谱特征参数，建立了其与生菜叶片锶含量的线性回归模型。结果表明，锶胁迫生菜叶片叶绿素含量呈先上升后下降的规律，细胞结构差异不明显。锶胁迫生菜叶片反射光谱直观上无规律，通过采用光谱技术方法分析得出锶胁迫生菜叶片的红边波段位置先“红移”再“蓝移”，红谷波段位置则“红移”，植被指数B4/B3比值先升高后降低，红边归一化植被指数（NDVI）值随着锶浓度的升高而降低。相关性及线性回归模型分析表明红边波段位置与叶片锶含量显著相关。本文为下一步基于光谱特征的叶片重金属含量反演模型的构建提供了较好的数据源和基础理论。     

基于偏最小二乘法的樟树叶片叶绿素含量高光谱估算

在BRDF测试系统环境下利用ASD便携式野外光谱仪采集樟树叶片光谱,并用UV2450-紫外可见分光光度计对观测叶片进行叶绿素含量测定.考虑到植物色素(叶绿素和类胡萝卜素)对叶片反射光谱的影响主要体现在可见光波段,选取400~900 nm范围波段光谱反射率与叶片叶绿素含量反演偏最小二乘法(PLS)模型,其中29个样本用于建模,10个样本用于验证,结果表明:当主成分个数为4时,PLS模型具有最佳的效果,4个主成分累计解释了99.91%的自变量信息和89.71%的因变量信息,此外,PLS模型能够充分利用高光谱信息,具有较高的精度和稳定性.通过与原始光谱和一阶导数光谱拟合的估测模型进行对比分析,得出PLS模型无论是从建模样本精度还是验证的误差方面均优于这两种传统的模型,适合于利用高光谱数据进行叶绿素含量的估测.     

重构玉米叶片光谱的铜铅污染区分与其含量反演方法

利用经验模态分解(empirical mode decomposition,EMD)、自相关函数一阶导数比值差(ratio difference of autocorrelation function first-order derivative,_(RDA))和多重分形理论,结合玉米盆栽实验,研究了铜(Cu~(2+))、铅(Pb~(2+))离子不同胁迫梯度下玉米叶片光谱去噪、叶片重金属污染的Cu和Pb元素区分以及叶片中Cu、Pb元素含量预测方法。通过光谱数据的EMD去噪与重构处理,得到不同浓度Cu、Pb胁迫下玉米叶片重构光谱;利用光谱自相关函数一阶导数(autocorrelation function first derivative,AFFD)及其比值差(_(RDA)),建立了Cu~(2+)、Pb~(2+)不同胁迫梯度下玉米叶片重构光谱的_(RDA)变化量(Cu_(RDA)、Pb_(RDA))计算公式;依据_(RDA)变化量曲线中紫光、绿峰、红光、红边、近谷、近峰多个波谱特征区间的Cu_(RDA)和Pb_(RDA)计算值,可明显地区分出叶片的Cu、Pb污染类别;另外,根据实测的玉米叶片中叶绿素、Cu~(2+)、Pb~(2+)含量与叶片重构光谱的多重分形谱参量之间相关性,构建了叶片中Cu~(2+)、Pb~(2+)含量反演的线性回归预测模型,经验证模型精度较高。     

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。     

重构玉米叶片光谱的铜铅污染区分与其含量反演方法研究

利用经验模态分解(empirical mode decomposition,EMD)、自相关函数一阶导数比值差(ratio difference of autocorrelation function first-order derivative,_(RDA))和多重分形理论,结合玉米盆栽实验,研究了铜(Cu~(2+))、铅(Pb~(2+))离子不同胁迫梯度下玉米叶片光谱去噪、叶片重金属污染的Cu和Pb元素区分以及叶片中Cu、Pb元素含量预测方法。通过光谱数据的EMD去噪与重构处理,得到不同浓度Cu、Pb胁迫下玉米叶片重构光谱;利用光谱自相关函数一阶导数(autocorrelation function first derivative,AFFD)及其比值差(_(RDA)),建立了Cu~(2+)、Pb~(2+)不同胁迫梯度下玉米叶片重构光谱的_(RDA)变化量(Cu_(RDA)、Pb_(RDA))计算公式;依据_(RDA)变化量曲线中紫光、绿峰、红光、红边、近谷、近峰多个波谱特征区间的Cu_(RDA)和Pb_(RDA)计算值,可明显地区分出叶片的Cu、Pb污染类别;另外,根据实测的玉米叶片中叶绿素、Cu~(2+)、Pb~(2+)含量与叶片重构光谱的多重分形谱参量之间相关性,构建了叶片中Cu~(2+)、Pb~(2+)含量反演的线性回归预测模型,经验证模型精度较高。     

武汉东湖叶绿素a和悬浮物浓度的高光谱遥感反演模型研究

本文以武汉东湖为实验区,以主要水质遥感监测指标叶绿素a和悬浮物为主要研究对象,利用水体光谱数据和同步观测的水质参数浓度数据,研究了东湖叶绿素a和悬浮物定量遥感反演特征波段与波段组合,在此基础上构建了经验模型。