1 中国农业大学水利与土木工程学院, 北京 100083
2 中国农业大学工学院, 北京 100083
以大型喷灌机为平台的近地遥感技术可有效观测作物的生长状态, 对田间生产管理和作物水肥需求特性等研究具有十分重要的意义。 由于在遥感观测过程中, 作物冠层具有二向反射特性, 因此不同观测方式会影响遥感观测结果。 通过自行搭建的近地遥感系统模拟大型喷灌机平台的实地观测条件, 使用双通道光谱传感器获取小麦与玉米冠层的光谱反射率信息, 引入变异系数CV对由冠层二向反射特性引起的信息数据变幅进行量化, 并采用影响因素权重W分析各观测参数对数据变幅的影响程度。 通过获取2019年冬小麦返青期至灌浆期、 夏玉米V7—V14生育期的冠层近红外波段(810 nm)和红光波段(650 nm)的反射率数据, 分析多种观测因素对比值植被指数(RVI)数据和植被归一化指数(NDVI)数据的影响。 结果表明, 观测高度(0.5~2.5 m)、 观测频率(2~60次·min-1)和移动速度(0~4 m·min-1)与观测结果无显著相关关系(p>0.05), 观测时刻(8:00—18:00)、 观测天顶角(-60°~60°)和观测方位角(0°~180°)与观测结果相关关系极为显著(p<0.01); 小麦和玉米的冠层RVI、 NDVI数据获取结果主要取决于冠层覆盖程度, 在相同叶面积指数(LAI)情况下观测结果也会因观测时刻、 观测方位角和观测天顶角的差异而受到不同程度的影响; 冠层光谱反射率信息二向反射特性明显, 小麦冠层RVI和NDVI变异系数分别为15%~50%和2%~50%, 玉米冠层RVI和NDVI变异系数分别为10%~33%和18%~39%; 进行观测时, 应尽量选择在太阳天顶角较稳定的12:00—14:00时段, 并尽量缩短观测时长, 还应选择固定的观测角度, 注意阴影效应与热点效应的影响; 此外, 在小麦返青至拔节期、 抽穗至扬花期获取RVI和NDVI时, 还应分别注意观测天顶角、 观测时刻对测量精度的干扰。 研究结果可为快速获取高精度的小麦、 玉米冠层光谱反射率数据提供技术支撑。
冠层光谱反射率 近地遥感 二向反射特性 Canopy spectral reflectance measurement Ground-based remote sensing RVI NDVI Bidirectional reflection RVI NDVI 光谱学与光谱分析
2021, 41(8): 2578
1 北京农业信息技术研究中心, 北京市农林科学院, 北京 100097
2 安徽大学电子信息工程学院, 安徽 合肥 230039
3 农业部食物与营养发展研究所, 北京 100081
将小麦冠层光谱与小麦冠层图像或者侧面图像进行多信息融合, 对冬小麦地上鲜生物量进行预测, 提高了冬小麦地上鲜生物量无损检测精度, 试验获取苗期93个样本的冠层光谱和冠层图像, 中后期(拔节期、 抽穗期、 开花期、 灌浆期)200个样本的冠层光谱和侧面图像。 将光谱反射率作为光谱特征参数, 并通过图像处理提取小麦覆盖度作为图像特征参数, 建立苗期和中后期基于光谱特征参数和图像特征参数的地上生物量检测模型, 将冠层光谱反射率和小麦覆盖度作为多信息融合的输入, 利用多元回归分析(MRA)和偏最小二乘法(PLS)建立地上鲜生物量预测模型并进行验证。 结果表明, 在苗期和中后期, 将光谱信息和图像信息融合, 采用PLS所建立的预测模型与单独的图像模型和光谱模型相比精度最高。 苗期基于信息融合所建立的PLS模型验证集R2为0.881, 其RMSE为0.015 kg; 中后期基于信息融合所建立的PLS模型验证集R2为0.791, RMSE为0.059 kg。 由此可见, 相比单一的光谱模型和图像模型, 图像信息和光谱信息融合之后, 充分提高了光谱信息和图像信息的利用率, 使模型的精度得以提高。
多信息融合 偏最小二乘回归 冠层光谱 机器视觉 冬小麦 生物量 Multi-information fusion PLS Canopy spectral Machine vision Winter wheat Biomass 光谱学与光谱分析
2016, 36(6): 1818
1 北京农业信息技术研究中心, 国家农业信息化工程技术研究中心, 农业部农业信息技术重点实验室, 北京100097
2 山东科技大学测绘科学与工程学院, 山东 青岛266590
水分含量是表征作物水分胁迫生理状况的重要指标, 及时有效地监测作物水分含量对于评估作物水分盈亏平衡, 指导农业生产灌溉具有重要意义。 针对不同形式的归一化差值水分指数(NDWI)存在的饱和性问题, 拟引入增强型植被指数EVI对其加以适当改进, 通过构建新的植被水分指数NDWI#(即NDWI*EVI)来估算作物水分含量。 首先, 利用PROSAIL辐射传输模型分析了由不同水分敏感波段(1 240, 1 450, 1 950和2 500 nm)构建的各种典型NDWIs与相应新植被水分指数NDWI#对植被冠层水分及LAI的饱和响应特征;然后, 利用田间实验光谱和水分数据, 开展作物水分含量的建模和验证分析。 结果表明: 将EVI引入后, 形成的新水分指数NDWI#能够有效提高冬小麦水分含量估算精度, 特别是针对NDWI1450, NDWI1940, NDWI2500这三个指数, 改进后的新指数显著提高了对LAI响应的饱和点, 冬小麦作物水分估算精度也得到较为的明显改善。 研究表明, 将含有可见光波段信息的EVI引入到NDWI中, 构建的新指数NDWI#因融合可见光、 近红外和短波红外更多波段的光谱信息, 对估算冬小麦冠层含水量可能具有更好的优势。
冠层光谱 冬小麦 Vegetation water content(VWC) VWC Equivalent water thickness(EWT) EWT Canopy spectral NDWI NDWI(Normalized Different Water Index) Winter wheat 光谱学与光谱分析
2014, 34(12): 3391
山东农业大学资源与环境学院, 土肥资源高效利用国家工程实验室, 山东 泰安271018
叶绿素含量是反映植物生长状况的重要参数。 利用ASD FieldSpec 3光谱仪, 测定春梢停止生长期苹果冠层高光谱反射率, 对原始光谱进行微分变换, 与苹果叶绿素含量进行相关分析确定敏感波段, 通过分析敏感区域400～1 350 nm范围内所有两波段组合的植被指数, 选择最佳植被指数并建立苹果冠层叶绿素含量估测模型。 结果表明: （1）苹果冠层叶绿素含量的敏感波段区域为400～1 350 nm。 （2）利用筛选得到的植被指数CCI（D794/D763）构建的估测模型能较好的估测苹果冠层叶绿素含量。 （3）以CCI（D794/D763）指数为自变量的估测模型CCC=6.409+1.89R3+1.587R2-7.779R预测效果最佳。 因此, 利用高光谱技术能够较快速、 精确的对苹果冠层叶绿素含量进行定量化反演, 为苹果长势的遥感监测提供理论依据。
苹果 冠层光谱 叶绿素含量 植被指数 估测模型 Apple tree Canopy spectral Chlorophyll content Vegetation index Estimating model 光谱学与光谱分析
2013, 33(8): 2203
1 中国矿业大学(北京)地测学院, 北京100083
2 国家农业信息化工程技术研究中心, 北京100097
3 北京师范大学资源学院, 北京100875
通过高光谱遥感估测条锈病胁迫下的小麦冠层水分含量。 通过人工田间诱发不同等级小麦条锈病, 在不同生育期测定感染不同严重程度条锈病的冬小麦冠层光谱、 相对含水量(relative water content, RWC) 以及调查小麦条锈病病情指数(disease index, DI)。 研究发现随着小麦RWC的减少, 冠层光谱反射率在近红外区域(900～1 300 nm)逐渐降低, 而在短波红外区域(1 300～2 500 nm)逐渐增大, 且RWC与DI间具有强负相关性。 对冠层光谱进行平滑处理, 利用冠层光谱近红外与短波红外水分敏感波段构建比值指数, 然后建立以比值指数为变量的反演RWC线性模型, 并分析对比各模型反演RWC的精度以及稳定性, 结果发现比值指数R1 300/R1 200反演RWC的精度及稳定性(R2=0.63)都优于其他指数, 其线性模型反演绝对误差为3.43, 相对误差(relative error, RE)为4.78%。 该研究结果不仅为判别小麦病害提供辅助信息, 而且也为未来利用高光谱图像反演植物含水量提供理论与方法支持。
小麦 冠层光谱 条锈病 含水量 反演模型 Wheat Canopy spectral Yellow rust Relative water content(RWC) Inversion models 光谱学与光谱分析
2010, 30(7): 1939
