1 河南理工大学自然资源部矿山时空信息与生态修复重点实验室, 河南 焦作 454000
2 中国科学院空天信息创新研究院, 北京 100101
4 河南省遥感测绘院, 河南 郑州 450000
农业是国家经济发展的基础支柱, 同时也是社会发展的基础产业。 我国农业遥感技术的进步和发展, 大量遥感卫星发射升空, 如高分1号、 2号和6号等, 为我国农情监测、 作物长势、 农业产业结构调整提供了重要技术支撑。 农业遥感成为农业科技创新和精准农业的重要手段。 叶面积指数(LAI)是一种可用来衡量植被冠层生理与生化的关键指标, 不仅可以用来评估植被冠层表面的最初能量交换情况, 提供相应的结构定量数据, 还能反映植被冠层的光谱能量信息。 同时, 在陆地气候变化情况下, 叶面积指数是陆地生态系统和土地利用过程生产力模型的关键输入。 此外, 研究发现植被冠层受人为活动和气候变化的直接或间接影响时, 叶面积指数也是陆地生态系统应对气候变化十分重要的衡量标准。 因此, 针对GF-6 WFV遥感影像叶面积指数反演研究较少和传统光谱植被指数模型机理性、 稳定性较弱的问题。 基于GF-6 WFV遥感影像以栾城县为试验区, 通过光谱植被指数与实测叶面积指数构造5种传统光谱植被指数模型和15种红边参与的光谱植被指数模型反演乳熟期叶面积指数, 采用R2和RMSE进行模型评价, 同时利用未参与建模的实测叶面积指数和MODIS LAI产品验证模型。 实验结果表明: (1)由相关性分析可知, 整体上讲, 20种光谱植被指数与LAI具有显著相关性, 相关系数在0.4以上, 且红边参与构造的光谱指数相关性要高于无红边参与构造的光谱指数, 其中NDSI的相关性最优; (2)由拟合分析可知, 整体上讲, 20种光谱植被指数与LAI拟合效果较好, 其中NDS13的拟合精度是最高的, R2为0.803, RMSE为0.301 2。 (3)由反演的空间分布可知, 反演结果符合当地的实际情况。 (4)由实测叶面积指数验证模型可知, 实测叶面积指数与NDSI3模型反演的LAI整体拟合较好, R2为0.804, RMSE为0.312 5, 说明该模型能有效反演乳熟期玉米的生长状况。 (5)由MODIS LAI产品验证模型可知, LAIMODIS均值要高于LAIGF-6, 这与MODIS影像像元混合严重和空间分辨率低有关。 综上所述, GF-6WFV反演叶面积指数能力较强, 其影像中红边参与构造的光谱植被指数模型能有效反演乳熟期叶面积指数, 为玉米长势监测提供依据。
叶面积指数 光谱植被指数模型 GF-6 WFV Leaf area index Spectral vegetation index model NDSI3 GF-6 WFV NDSI3 光谱学与光谱分析
2022, 42(7): 2278
吉林大学生物与农业工程学院, 吉林 长春 130022
大豆胁迫的快速无损检测对提高大豆品质和产量至关重要, 近年来, 通过高光谱技术进行植物胁迫的检测得到广泛应用, 但针对大豆水氮胁迫的应用研究鲜有报道。 针对开花结荚期大豆设置了4种水分和5种氮素水平进行胁迫实验, 获取高光谱、 叶绿素含量和净光合速率生理信息数据, 并通过光谱数据计算了15个光谱植被指数, 最终选取了5种植被指数, 分别为归一化差异植被指数NDVI、 比值植被指数RVI、 绿色归一化差异植被指数GNDVI、 改进红边归一化指数mNDVI705和叶绿素指数LCI以指示水氮胁迫对大豆的影响。 同时通过建立单叶叶绿素含量和净光合速率反演模型进行大豆生理信息的预测, 采用相关分析法提取敏感波段, 所提取的敏感波段分别为520～622和485～664 nm; 采用多元散射校正(MSC)、 标准正态变量变换(SNV)、 一阶导数(FD)、 二阶导数(SD)和Savitzky-Golay平滑(S-G)预处理方法, 同时采用主成分分析(PCR)和偏最小二乘(PLS)2种建模方法, 将其按一定关系组合成多种方法, 以相关系数为模型评价指标, 寻找出最优预处理与建模方法的组合。 结果表明: 未受胁迫和受胁迫大豆的高光谱曲线具有整体变化趋势一致但光谱反射率值不同的特征, 未受胁迫大豆的反射率在500～700 nm波段具有最低值, 在760～900 nm波段具有最高值; 随着水氮胁迫程度的增加, 500～700 nm波段的反射率逐渐增加。 不同水分和氮素水平对植被指数的影响不同, 但变化规律一致, 5种植被指数均表现为未受胁迫大豆大于受胁迫大豆, 且随着水氮胁迫程度的增加, 植被指数值逐渐减小。 建立反演模型所用最优方法组合为MSC+FD+S-G+PLS和SNV+SD+S-G+PLS, 校正集相关系数分别为0.960 6和0.992 7, 预测集相关系数分别为0.972 0和0.970 8, 表明所建模型的精度较高, 可对受胁迫和未受胁迫大豆单叶叶绿素含量和净光合速率生理信息进行精准预测, 为大面积种植时检测其生理信息提供技术支持。
大豆 水氮胁迫 高光谱 光谱植被指数 反演模型 Soybean,Water and nitrogen stress Hyperspectral Spectral vegetation index Inversion model 光谱学与光谱分析
2020, 40(5): 1575
东北师范大学地理科学学院, 吉林 长春 130024
高光谱遥感被越来越多的应用于确定混合像元的地物组分和比例。 将不同面积比例的植被-土壤混合像元作为研究对象, 使用偏振装置和 ASD FieldSpec3 光谱仪得到植被—土壤组成的混合像元的偏振反射光谱曲线, 计算得到八种植被指数值, 讨论不同面积比例, 不同偏振角度下植被-土壤混合像元的高光谱偏振特性。 研究发现, 随着叶片占混合像元面积比例的增大, 植被-土壤光谱曲线越来越明显地表现出植被光谱“五谷四峰”的特性, 且峰值与谷底的位置与植被光谱基本相同。 偏振角越大, 混合像元的光谱偏振反射比越大; 混合像元条件下, 植被所占混合像元的面积比例越大, 光谱受偏振角的影响越大。 各植被指数与混合像元中植被面积大小呈线性关系, 其中植被衰减指数和改进红边归一化植被指数的相关系数最大, 可以达到98%左右, 适合用于建立植被指数与植被占混合像元面积比例之间的相关模型。 在植被面积发生变化时, 改进红边比值植被指数的灵敏性更好。 在利用光谱吸收特征参数进行植被指数估算时, 发现吸收谷深度与光化学植被指数的二次函数模型拟合度最强, 决定系数R2为0.963 3; 光谱吸收指数与光化学植被指数的二次函数模型拟合度最强, 决定系数R2为0.960 5。
高光谱 偏振 混合像元 高光谱植被指数 光谱吸收特征参数 Hyperspectral Polarization Mixed pixel Hyperspectral vegetation index Spectral absorption characteristic parameters 光谱学与光谱分析
2017, 37(11): 3549
1 青海省高原放牧家畜营养与生态国家重点实验室培育基地, 青海 西宁810086
2 青海省高原放牧家畜营养与饲料科学重点实验室, 青海 西宁810016
3 青海大学畜牧兽医科学院, 青海 西宁810086
4 清华大学环境学院, 北京100083
5 清华大学建筑学院, 北京100083
高寒草地牧草营养状况的遥感监测是草地合理利用的基础, 是草地动态监测的难点。 通过对高寒草地牧草营养成分和对应时间高光谱数据的分析, 探讨草地营养状况与植被高光谱数据间的关系。 结果表明, 两波段比高光谱指数模型与草地营养biomass, air-DM, P, CF, CP指标间显著相关； MAXR多元回归模型, 当选取波段数达到五个, 模型与各营养指标均显著相关。 总体上, MAXR回归模型要优于两波段比模型, MAXR模型对air-DM, P, CF进行反演, 可获得较高的精度。
高寒草地 高光谱植被指数 草地营养 Alpine grassland Hyperspectral data Grassland nutrition 光谱学与光谱分析
2012, 32(10): 2780
1 扬州大学江苏省作物遗传生理重点实验室/农业部长江中下游作物生理生态与栽培重点开放实验室, 江苏 扬州225009
2 国家农业信息化工程技术研究中心, 北京100097
为进一步评价遥感监测紧凑型玉米叶绿素荧光参数Fv/Fm的可行性, 通过开展小区紧凑型玉米试验, 分析紧凑型玉米整个生育期Fv/Fm与高光谱植被指数的相关关系, 建立紧凑型玉米Fv/Fm高光谱监测模型。 结果表明, 紧凑型玉米Fv/Fm与选取的高光谱植被指数均呈极显著正相关, 其中结构敏感色素指数（SIPI）与Fv/Fm的相关性最好, 相关系数（r）为0.88。 用SIPI建立紧凑型玉米Fv/Fm的监测模型, 其决定系数（R2）为0.812 6, 均方根误差（RMSE）为0.082。 研究表明, 利用高光谱植被指数可以有效地监测紧凑型玉米整个生育期的Fv/Fm。
高光谱植被指数 监测模型 紧凑型玉米 Hyperspectral vegetation index Fv/Fm Fv/Fm Monitoring model Compact corn 光谱学与光谱分析
2012, 32(5): 1287
东北师范大学城市与环境科学学院, 吉林 长春 130024
很多高光谱植被指数被用于对植被的生化物质含量进行非破坏性的估计与反演。 由于这些指数都是利用不同波段的反射率计算而得到的, 因而对叶片反射具有很大影响的茸毛等叶表结构对这些植被指数的反演精度的影响不容忽视。 本研究发现去茸毛处理使得在400～1 000 nm范围的的光谱反射都有所下降, 但在各个波段的变化并不均匀。 通过对比39个现有的高光谱植被指数在经过去茸毛处理前后的变化, 发现一些只单独利用可见光或者近红外波段的高光谱植被指数, 如CTR1: R695/R420, D740/D720, WBI: R900/R970, R860/(R550×R708)以及红边指数(REP)比大多数既使用可见光又使用近红外波段的高光谱植被指数受茸毛变化影响小, 它们对茸毛的低敏感性可以使其在进行植被生化物质反演时更具有普适性。
叶片茸毛 叶片反射光谱 高光谱植被指数 Leaf hair Leaf reflectance Hyperspectral vegetation indices
