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.     

基于连续统去除法的湿地松叶绿素含量高光谱估算模型

采用ASD野外光谱辐射仪在BRDF测试系统环境下对野外采集的湿地松叶片样本进行光谱测量,以获得湿地松的叶片光谱反射率,并利用UV2450-紫外可见分光光度计对湿地松叶片进行叶绿素含量测定.采用连续统去除法对光谱数据进行处理分析,计算波段深度(BD)、波深中心归一化(BNC)、波段面积归一化(BNA)、波段深度归一化指数(NBDI)和反射率差异比率(DRR(λi))等光谱特征参数,通过对湿地松叶片叶绿素含量与光谱特征参数的相关性分析,得到NBDI748,BNC749,BNA617,BNA748四个特征参量,与湿地松叶绿素含量建立估算模型并对模型进行精度检验.结果表明以BNA617为变量建立的光谱参量模型能够较好的估算湿地松叶绿素含量.     

基于LS-SVM和高光谱技术的玉米叶片叶绿素含量检测

为实现玉米叶片叶绿素含量的快速无损测定,采集不同氮素水平的玉米叶片,制备校正集样本60个,验证集样本16个,获取400～1 100 nm波段范围的高光谱数据和相应叶绿素含量.采用变量标准化、13点平滑、一阶导数3种预处理方法结合,根据相关系数图谱选择470～760 nm波段作为光谱数据分析对象;利用最小二乘支持向量机建...     

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。     

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。     

基于半分析模型的叶绿素a浓度估算

为监测江苏省常熟市昆承湖的水质状况,以2009年5月在湖区实测的AsD高光谱遥感数据和实验室的分析数据为依据,采用三波段半分析模型估算叶绿素a的浓度.结果表明,三波段法比归一化实测光谱波段比法、实测光谱一阶微分法的估算精度更高.三波段法通过分析叶绿素a、悬浮物、黄色物质、纯水的固有光学特性,优化这三个特征波段的位置组合...     

基于高光谱的法国梧桐和毛白杨叶片叶绿素含量反演模型研究

利用ASD便携式野外光谱仪和SPAD-502叶绿素计,实测了落叶阔叶树法国梧桐(Platanus orientalis L)和毛白杨(Populus tomentosa Carr)叶片的高光谱反射率与叶片绿度,并对原始光谱反射率及一阶导数光谱与叶片绿度进行了相关分析;采用导数光谱数据敏感波段建立了叶绿素含量估算模型,法国梧桐和毛白杨模型的确定性系数R2分别为0.7791和0.6858;采用相关系数较大的波段作为BP和RBF人工神经网络模型的输入变量,分别进行了叶绿素含量的估算,结果表明,BP和RBF神经网络模型预测效果均良好,在预测精度上,RBF略优于BP神经网络模型.     

太湖水体藻类叶绿素浓度高光谱遥感监测研究

为了更好地监测太湖水体富营养化状况,我们利用高光谱地物波谱辐射计,通过垂直水面法和倾斜测量法得到太湖水体3～10月份的波谱信息.利用这些数据,分析了太湖水体藻类的叶绿素（主要是chl_a）与水体反射光谱特征的关系,建立了藻类叶绿素高光谱遥感模型,并分析了模型精度.研究发现：两种测量法数据精度差别不大;叶绿素在700nm附近反射峰的位置、高度与叶绿素浓度有较好的对应性;利用700     

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.     

台湾相思树叶片叶绿素含量的高光谱参量模型研究

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-紫外可见分光光度计对观测叶片进行叶绿素含量测定.采用原始光谱、导数光谱技术及连续统去除法对光谱数据进行分析,得到估算台湾相思树叶绿素含量的光谱特征参数(DV575、BNA726、BNC726).结合实测叶绿素含量数据,构建台湾相思树叶片叶绿素含量的光谱参量模型.结果表明DV575与BNC726两参量构建模型估测精度较高,其中用一阶导数光谱变量估测精度最高,均达到83%以上.     

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.     

淀山湖微量水质参数卫星高光谱遥感估算

水质参数总磷、总氮、溶解氧、高锰酸盐指数、pH等是表征湖泊水质的重要指标,利用遥感技术可对其进行大范围定量监测,掌握水质参数的实时变化动态.以淀山湖为研究对象,利用HJ-1A卫星HSI高光谱遥感数据,分析了这些水质指标与单波段反射率、不同波段之间反射率的比值以及不同波段之间反射率的差值之间的相关关系,给出最佳波段组合.建立了9个水质参数与水体光谱反射率之间的估算模型,并对淀山湖水体的9项主要水质参数进行估算,可为基于HJ-1A卫星的水环境业务化监测提供借鉴.     

基于光谱特征的玉米品种高光谱图像识别

为了对玉米种子进行无损识别分类,对玉米种子的高光谱图像的光谱信息进行分析,探索高光谱图像技术在玉米种子识别分类上的可行性。利用波长范围为400～1 000 nm的高光谱图像采集系统采集11类共528粒玉米样本的高光谱图像;在每个玉米样本上提取感兴趣区域并获取此区域的平均光谱信息,对光谱曲线进行分析,去除12个奇异样本;结合偏最小二乘判别分析法对所选玉米种子样本识别分类。实验结果表明,在所选玉米样本的识别中训练集样本的识别精度可以达到99.22%,测试集样本的识别精度也达到了94.66%。研究结果表明,不同种类的玉米种子的光谱信息具有一定的差异性,利用高光谱图像技术提取其光谱信息对玉米种子品种进行无损识别分类是可行的。     

利用光谱反射特性测定茶鲜叶的叶绿素含量

介绍了一种利用光谱反射特性，快速，无损测定茶鲜叶叶绿素含量的方法。经计算机逐步回归计算，当取波长５６２ｎｍ和６７６ｎｍ处归一化值进行二元一次回归时，方程的相关系数达０．９７６，数据回代的平均相对误差小于５％，可望取代传统理化测定叶绿素的方法。     

基于环境一号HSI高光谱数据提取叶绿素a浓度的混合光谱分解模型研究

随着遥感技术的应用推广以及对研究精度的要求提高,越来越多的研究注意到混合像元的问题。在水质遥感监测中传感器探测的水体辐射亮度值是纯水和各种水质参数辐射亮度值的叠加,混合像元问题严重影响了水质定量遥感反演的准确性。基于环境一号HSI高光谱数据,首先分析了混合光谱分解模型的物理基础,然后基于采样点浓度大小和PPI(纯净像元指数)方法在遥感影像上提取纯水和叶绿素a的端元波谱,并利用线性光谱分解方法得到叶绿素a的丰度值找丰度值与叶绿素a浓度值之间的统计关系,建立了叶绿素a浓度反演的混合光谱分解模型,且反演精度较高。本文为水质定量遥感提供了一种新的思路。     

过渡金属叶绿素的合成和光谱研究

脱镁叶绿素ａ与过渡金属Ｃｕ，Ｚｎ，Ｆｅ，Ｃｏ，Ｎｉ的盐类在一定的溶剂中，一定的反应条件下，生成金属叶绿素ａ配合物，研究这些配合物的Ｆｏｕｒｉｅｒ变换红外光谱，紫外可见光谱，磁圆二色性谱的荧光光谱，并将它们的光谱性质与脱镁叶绿素ａ和叶绿素ａ的光谱性质进行比较，发现这５种过渡金属叶绿素ａ的光谱性质与Ｃｈｌ－ａ的极为相似，而与Ｐｈｅｏ－ａ的光谱性质有很大的区别，这证明过渡金属已配位到叶绿素ａ的大环之上。     

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。     

基于高光谱指数的林农复合系统小麦冠层氮含量估算研究

以杨树-小麦间作系统为研究对象,采用Field Spec Pro FR2500地物光谱仪采集的小麦叶层光谱180份,选取基于单作麦田冠层氮含量估测模型中精度较高的9个指数用于估测林农复合系统中小麦冠层氮的含量,探讨不同水平枯落物覆盖量、林分密度、施肥量条件下小麦叶层氮含量的光谱特征。随机选取116份样本作为训练集基以9个指数分别建立估测模型,其余48份样本作为预测集对估测模型进行适应性检验。结果表明:FDNDNI、SDr-SDb两种指数的P-R2与C-R2达到了0.839、0.777与0.844、0.758,此系统预测杨麦间作系统中小麦叶片冠层的氮含量的精度较高,其余7个指数预测精度不理想。以9个指数所建立的估测模型的精度均低于其对单作麦田氮含量的估测精度。     

基于GA-ICA和高光谱图像技术的黄瓜叶叶绿素检测

用遗传算法(GA)和独立分量法(ICA)提取黄瓜叶高光谱图像的特征信息,对高光谱图像技术检测叶绿素含量及其叶面分布的可行性进行了研究.高光谱图像标定校正后,提取其中的光谱信息,采用GA对光谱信息进行特征波长选择,将GA优选出来的光谱进行ICA信号分析并结合叶绿素含量值建立多元线性回归模型(MLR).结果表明GA共优选出...     

基于综合高光谱指数的区域土壤盐渍化建模——以平罗县为例

为建立综合高光谱土壤盐渍化模型,以干旱区典型的土壤盐渍化区域宁夏回族自治区平罗县为研究区,以植被和土壤的实测高光谱数据和土壤含盐量测量结果为基础数据,对高光谱数据进行平滑(S-G方法)和数学变换(倒数、对数和一阶微分等),并将其与土壤盐分数据进行相关分析,筛选对土壤含盐量响应最敏感的光谱波段,计算并选取最优高光谱植被指数和土壤盐分指数,采用多元线性回归方法建立高光谱土壤盐渍化模型.结果表明,以实测光谱反射率的对数一阶变换结果与土壤盐分指数和高光谱植被指数相结合作为自变量,土壤含盐量为因变量,所构建的多元线性回归模型效果最佳.该模型的预测值和实测值的相关性较好, R²=0.827 9,通过99%的显著性检验;均方根误差为0.236 g/kg,相对分析误差为2.029,表明样本实测值与预测值之间的偏差较小,在一定程度上可以预测土壤含盐量.