1 杭州电子科技大学自动化学院, 浙江 杭州 310018
2 金华市农业科学研究院, 浙江 金华 321017
3 杭州师范大学遥感与地球学院, 浙江 杭州 311121
随着人民生活水平的提高, 中草药的保健功能越来越得到大家的重视, 铁皮石斛是我国名贵中药材, 素有“救命仙草”之称。 尝试用叶绿素、 糖度和pH值作为铁皮石斛的品质指标, 选择安徽霍山、 浙江雁荡山和云南3个不同产地的铁皮石斛作为研究对象, 提取不同铁皮石斛的光谱数据和理化参数, 然后进行各品质指标的反演, 最终建立品质指标与光谱之间的相关模型, 并对模型的有效性进行分析。 实验中的研究对象是铁皮石斛的茎, 用ASD光谱仪得到三种铁皮石斛茎的光谱数据, 再把同一批样本研磨碎, 放入离心管中加入甲醇溶液密封, 并用锡箔纸包装处理制成相应的溶液, 采用分光光度计、 糖度计和pH计测量叶绿素含量、 糖度和pH值, 每个样本分别选取离心试管中的上层, 中层, 下层溶液检测糖度, 测量3次并取平均值, 以此结果作为对照组。 原始光谱数据通过小波变换去除噪声和降维, 将得到的能量系数(包括波段与尺度), 与铁皮石斛对照组的理化参数进行相关性分析, 选取决定系数中较高的能量系数作为小波特征, 用最小化二乘法对小波特征拟合。 用全部实验样本作为测试集, 随机选取70%作为验证集, 对于浙江雁荡山、 安徽霍山和云南三种不同品种铁皮石斛: 叶绿素含量反演模型的决定系数(R2)分别为0.819, 0.820和0.865, 均方根误差(RMSE)分别为为0.035, 0.013和0.017; 糖度反演模型的决定系数(R2)分别为0.756, 0.764和0.823, 均方根误差(RMSE)分别为0.025, 0.030和0.0368; pH值的反演模型决定系数(R2)分别为0.819, 0.820和0.865, 均方根误差(RMSE)分别为0.0345, 0.013和0.017。 从中可以发现, 三种不同铁皮石斛的品质反演模型和决定系数(R2)均大于0.80, 均方根误差(RMSE)小于0.10。 实验证明了铁皮石斛中叶绿素、 糖度和pH值的光谱特性对其进行品质评估的可行性。
铁皮石斛 品质 光谱特性 小波变换 快速无损检测 Dendrobium officinale Kimura et Migo Quality Spectral characteristics Wavelet transform Fast and nondestructive detection 光谱学与光谱分析
2021, 41(10): 3276
1 杭州电子科技大学 生命信息与仪器工程学院, 浙江 杭州 310018
2 中国科学院遥感与数字地球研究所 数字地球重点实验室, 北京 100094
基于一套由PROSPECT模型模拟的包含叶绿素含量(Cab)、类胡萝卜素含量(Car)和叶片水含量(LWC)等重要植物生理生化参数及其光谱的数据, 通过对光谱进行系列梯度的重采样和CWA分析, 详细研究了光谱分辨率对植物生理生化参数反演的影响.结果表明：(1)采用CWA能够成功提取对Cab, Car和LWC等参数敏感的特征并建立具有较高精度的反演模型；(2)随着光谱分辨率的降低, 敏感小波特征的数量、相关性以及反演精度总体均呈下降趋势, 但下降的幅度、拐点均不相同, 体现出分辨率对不同参数影响的差异性；(3)采用CWA反演建模时, 不同植物生理生化参数对光谱分辨率敏感性差异较大, LWC敏感性较低, Cab次之, Car敏感性较高.根据这一结果, 采用CWA反演Car, Cab和LWC时光谱数据在分辨率不低于8 nm, 32 nm和64 nm时能够得到较理想的结果.上述研究能够为实际中进行植被生理生化参数监测时的传感器选择提供依据.
连续小波分析 高光谱遥感 植被生理生化参数 光谱分辨率 continuous wavelet analysis hyperspectral remote sensing plant biophysical and biochemical parameters spectral resolution
1 杭州电子科技大学生命信息与仪器工程学院, 浙江 杭州 310018
2 杭州师范大学遥感与地球科学研究院, 浙江 杭州 311121
3 石河子大学农学院农业资源与环境系, 新疆 石河子 832003
农作物病害是制约产量的重要因素之一, 目前农作物病害的早期监测主要依靠植保人员田间取样判断危害等级的传统方式, 存在主观性强、效率低、滞后性等弊端, 也有些病害采用提前施药来进行预防, 但此方法有农药过量的风险, 从而影响到水稻生长的生态环境。 近年来随着信息技术的快速发展, 高光谱技术以数据量丰富、 灵敏、 可靠的特点迅速应用于农业生产中, 成为主要检测农作物病害的有效技术手段之一。 文章阐述了植物在病害胁迫下光谱响应机制, 从粮食作物、 经济作物、 蔬菜作物、 果类和其他农作物五个方面梳理和总结了近七年国内外高光谱技术在农作物病害的研究进展, 在此基础上提出目前该技术在农作物监测应用领域的不足以及对未来的展望。 为农作物的病害监测提供参考。
高光谱技术 农作物病害 监测 Hyperspectral image technology Crops disease Identification model 光谱学与光谱分析
2018, 38(7): 2233
杭州电子科技大学生命信息与仪器工程学院, 浙江 杭州 310018
针对植物高光谱图像各波段噪声强度不同, 以及空间域和谱域均存在噪声污染的问题, 提出了一种基于分组三维(3D)离散余弦变换(DCT)字典的稀疏表示去噪方法。首先分析了植物光谱特征, 根据谱间相关性对波段进行分组; 然后采用边缘块剔除的局部均值标准差法对高光谱图像进行噪声标准差估计, 为去噪算法提供参考阈值; 最后构建三维DCT字典的稀疏表示去噪方法, 对植物高光谱图像进行去噪。实验结果表明, 与原始数据和二维DCT字典去噪方法相比, 谱域噪声评估中平均信噪比分别提高18.2 dB和9.2 dB。因此, 该方法不仅具有较好的空间域去噪能力, 也有较好的谱域去噪能力。
光谱学 高光谱数据 植物光谱特征 三维离散余弦变换字典 二维离散余弦变换字典
1 中国科学院遥感与数字地球研究所, 数字地球重点实验室, 北京 100094
2 中国矿业大学(北京)地测学院, 北京 100083
3 北京农业信息技术研究中心, 北京 100097
小麦白粉病和条锈病是小麦常发病害中为害较重的两种病害, 在我国小麦产区均有发生, 但它们由不同病原引起, 需要采取不同的防治措施。 因此, 快速、 准确的获取小麦病害类型信息对于病害的防治具有重要的指导意义。 遥感数据具有快速、 准确的获取空间上连续信息的特点, 提出一种基于实测冠层高光谱数据信息的小麦病害定量识别方法。 通过对标准化光谱进行连续小波变换, 分析350～1 300 nm范围内各波段及其连续小波特征与小麦白粉病和条锈病之间的相关性, 以及在不同病害间的差异性, 筛选出对不同病害敏感的光谱波段(SBs)和小波特征(WFs), 然后采用Fisher判别分析法分别基于SBs, WFs以及结合SBs和WFs建立小麦白粉病、 条锈病及正常小麦识别模型, 分别采用未参与建模的55个地面调查数据和留一法进行验证。 结果显示: (1)基于WFs模型的总体识别精度(分别为92.7%和90.4%)明显高于基于SBs模型的总体识别精度(分别为65.5%和61.5%); (2)SBs和WFs结合模型的总体识别精度(分别为94.6%和91.1%)略高于基于WFs模型的总体识别精度, 在Fisher80-55模型中白粉病和正常样本的生产者精度提高了10%以上。 (3)条锈病样本能在基于WFs和SBs & WFs的模型中准确判别出来, 用户精度和生产者精度均达到100%。 结果表明采用作物光谱信息能够准确的识别健康作物和不同类型的作物病害, 为采用遥感影像进行大范围作物病害识别提供了理论基础, 对于指导作物病害防治具有实际应用价值。
白粉病 条锈病 光谱波段 小波特征 Fisher线性判别分析 Powdery mildew Stripe rust Spectral Bands Wavelet Features Fisher linear discrimination analysis 光谱学与光谱分析
2016, 36(6): 1854
1 南京信息工程大学应用气象学院, 江苏 南京 210044
2 中国科学院遥感与数字地球研究所, 数字地球重点实验室, 北京 100094
3 北京农业信息技术研究中心, 北京 100097
为了提高遥感监测小麦条锈病病害严重度的准确性, 寻找小麦病害的较优反演模型, 在国家精准农业示范研究基地基于野外定位调查小麦病情指数及冠层光谱数据, 利用与小麦病害发生呈显著关系且有效反映植被生理生长状况的7种高光谱植被指数, 尝试分别采用PLS(偏最小二乘回归)、 BP神经网络和植被指数经验法三种方法建立小麦条锈病病情反演模型, 并进行比较分析。 结果表明: 三种方法病害严重度预测值与实测值间的R2分别为0.936, 0.918, 0.767。 采用偏最小二乘回归方法监测小麦病情指数效果更好, 为探寻不同种类植被指数对模型的贡献, 尝试用代表植被绿度的NDVI, GNDVI, MSR和代表水分含量的NDWI和MSI植被指数分别作为PLS模型的输入变量, 建立病害反演模型。 结果表明: 小麦条锈病中, 叶片叶绿素含量的变化比冠层水含量的变化对病情指数更为敏感, 对病害有更好的解释作用。 然而, 两模型精度都低于七种植被指数全部参与时的预测结果, 即输入变量中采用多种植被指数比用单类指数模拟准确度高。
高光谱遥感 条锈病 偏最小二乘法 神经网络 病情指数 Hyper-spectral Yellow rust Partial Least Square BP neural network Disease index 光谱学与光谱分析
2015, 35(6): 1649
1 北京农业信息技术研究中心, 北京100097
2 国家农业信息化工程技术研究中心, 北京100097
3 南京信息工程大学大气物理学院, 江苏 南京210044
考虑到短波红外特征与叶面积指数(LAI)有很好的关联, 将短波红外特征的典型水分指数与基于可见光-近红外特征的植被指数相融合, 尝试构建新的植被指数估算作物LAI。 通过PROSAIL辐射传输模型分析新植被指数对LAI饱和响应的特征; 利用2009年和2008年北京地区冬小麦实测光谱数据进行LAI估算建模与验证。 结果表明: 所选择的10个典型可见光-近红外植被指数分别与5个水分植被指数相结合构建的新指数, 都能够有效提高与LAI的相关性, 特别是在融合了含有短波红外特征的sLAIDI*指数后, 新指数显著提高了对LAI响应的饱和点, 而对植被水分变化不敏感, LAI估算精度得到改善。 研究表明: 将短波红外特征引入到可见光-近红外植被指数中, 构建的新植被指数对冬小麦LAI估算具有明显的优势。
高光谱遥感 植被指数 短波红外 LAI Leaf area index(LAI) Hyperspectral remote sensing Vegetation indices Shortwave infrared (SWIR) sLAIDI sLAIDI* 光谱学与光谱分析
2013, 33(9): 2398
1 浙江大学农业遥感与信息技术应用研究所, 浙江 杭州310058
2 北京农业信息技术研究中心, 北京100097
3 中国科学院对地观测与数字地球科学中心, 北京100094
小麦条锈病和白粉病作为我国麦区两种重要病害, 在田间常同时发生, 为病害防治管理带来困难。 基于实验测试获得白粉病、 条锈病叶片光谱数据, 探讨采用光谱分析对两种病害进行区分识别及严重度监测的可行性。 通过相关分析和独立T检验, 筛选出对白粉病和条锈病敏感度差异较显著的波段及光谱特征, 包括665～684, 718～726 nm等6个波段范围, 以及DEP550-770, SIWSI等11个光谱特征。 基于这些波段和特征, 采用FLDA构建病害判别模型; 借助PLSR分析构建病情严重度反演模型。 研究结果表明, 筛选得到的反射率波段和光谱特征能够较好地区分两种病害, 判别模型总体精度达到80%以上, 准确度较高。 其中, 染病比率超过20%的病叶区分和识别精度可达95%。 同时, 分别基于两种病害敏感光谱特征构建的病情严重度反演模型能够较好地估测病情严重度, 两种病害估测均方根误差均低于15%。 上述叶片尺度小麦白粉病和条锈病区分和严重度反演模型为进一步研究两种病害冠层尺度的区分和监测提供基础。
高光谱 条锈病 白粉病 费氏线性判别分析 偏最小二乘回归分析 Hyperspectral Yellow rust Powdery mildew Fisher linear discrimination analysis (FLDA) Partial least square regression (PLSR) 光谱学与光谱分析
2013, 33(6): 1608
1 国家农业信息化工程技术研究中心, 北京 100097
2 浙江大学农业遥感与信息技术应用研究所, 浙江 杭州 310029
作物在遭受各种胁迫下的长势及健康诊断是精细农业操作的重要环节。高光谱成像技术具有图谱合一的优势, 已成为近年来国内外研究的热点。 本文以叶片尺度的小麦为研究对象, 利用自主研发的成像光谱仪, 采集遭受养分、 病虫害胁迫的小麦叶片高光谱图像, 利用逐像素平均法增强光谱特征, 根据反射率差异进行分析研究。 结果表明, 提取的高光谱能够反映不同叶位叶片的养分差异, 还能利用成像图直观地进行作物养分胁迫程度判断; 利用成像光谱仪2 nm的光谱分辨率和毫米级的空间分辨率, 在作物感染病害时, 既可定量每个叶片的病斑个数, 又能定性地分析感染面积对叶片造成的影响; 在作物遭受虫害时, 可对蚜虫群体甚至单个蚜虫的光谱信息进行提取, 这为定量研究蚜虫对小麦叶片的危害提供了新的手段。 上述结果充分说明成像高光谱在作物长势定量定性分析研究中具有独特的优势。
高光谱成像 特征分析 胁迫 小麦叶片 Hyperspectral imaging Characteristic analysis Stress Wheat leaf 光谱学与光谱分析
2011, 31(4): 1101
1 北京师范大学地理学与遥感科学学院, 遥感科学国家重点实验室, 北京100875
2 国家农业信息化工程技术研究中心, 北京100097
3 浙江大学环境与资源学院/农业遥感与信息技术应用研究所, 浙江 杭州310029
针对传感器参数与Landsat 5 TM较为相近的环境减灾卫星HJ-1B的热红外数据是否能达到与TM6反演地表温度同样的效果的问题, 作者获取了2009年4月15日覆盖北京地区相同范围的HJ-1B影像和Landsat 5 TM影像, 采用Jiménez-Muoz和 Sobrino的普适性单通道算法, 通过遥感数据获取反演参数, 对研究区的地表温度进行反演, 并对两类数据反演结果的一致性进行了分析和评价. 通过对反演结果的统计分析和分级填图表明, 基于普适性单通道算法的HJ-1B与TM的热红外波段反演的地表温度在数值上和空间分布趋势上一致性较高.因此, 具有较高时间分辨率和较大幅宽等优势的HJ-1B IRS数据在地表温度反演方面具有更大的潜力和应用范围.
单通道算法 地表温度 Single-channel alogrithm HJ-1B HJ-1B Landsat 5 TM Landsat 5 TM Land surface temperature (LST) 光谱学与光谱分析
2010, 30(12): 3285
