实时准确地获取作物叶绿素含量的三维空间分布信息, 是作物营养、 栽培和育种等科学研究和生产领域密切关注的问题。 该研究以水稻植株为研究对象, 采用改造后的普通单反相机加载近红外滤光片的方法, 多角度获取水稻植株的多光谱图像。 基于不同波段不同通道的组合图像计算多种植被指数, 将其结果与对应的实测SPAD值之间建立水稻植株叶绿素(SPAD)预测模型, 并筛选出最优预测模型。 研究结果表明, 近红外760 nm波段的R通道与可见光G通道构建的GNDVI植被指数, 与实测SPAD值建立的二次函数预测模型能够很好地反演水稻植株叶绿素(SPAD)含量, 其中, R2=0.758, RMSE=1.532。 在此基础上, 利用多角度成像三维建模方法建立具备纹理信息的水稻三维模型, 将最优预测模型应用于水稻综合纹理图, 得到水稻叶绿素含量三维空间分布信息, 从而实现水稻生长情况以及叶绿素养分分布状况的快速无损检测。

提出了一种基于自定义投影网格的多角度、多源遥感数据空间位置精确配准方法。以美国地球观测卫星(EOS)上搭载的多角度成像光谱辐射仪(MISR) L2级产品与中分辨率成像光谱仪(MODIS) L3级产品的空间位置精确配准为例, 分析比较了软件ENVI、HEG、MRT及所提方法对两种产品进行投影变换时的数据处理能力。将欧洲空间局环境卫星ENVISAT的先进沿轨扫描辐射计(AATSR)数据与MISR L2级产品及MODIS L3级产品数据进行配准, 对所提方法进行验证。所提方法解决了常用遥感软件不能直接将MISR L2级产品数据与其他遥感数据进行空间位置精确配准的问题, 且对科学数据仅进行一次重采样, 避免了反复重采样可能造成的信息损失。对于类似多角度遥感数据的空间位置精确配准, 所提方法的基本思路和目标同样有效。

叶绿素含量的快速估算对于及时了解作物的长势、 病虫害监测以及产量的评估都具有重要意义。 利用自主研发的多角度成像观测系统获取了不同生育期玉米的高光谱影像, 精确地提取出主平面内各个观测角度下玉米冠层的反射率。 通过对ACRM模型模拟值和实测值的分析, 计算出玉米冠层红波段下的热点-暗点指数（HDS）, 并利用该指数对TCARI进行改进, 提出一个基于多角度观测的新型植被指数HD-TCARI, 最后使用多角度高光谱成像数据对其进行了地面验证。 结果表明, HD-TCARI能够减小LAI对叶绿素估算的影响, 当叶绿素浓度大于30 μg·cm-2, HD-TCARI与LAI的相关性R2仅为26.88%～28.72%; 当叶绿素浓度较高时, HD-TCARI具有抗“饱和”的特性在LAI在1～6之间变化时, HD-TCARI与叶绿素浓度的线性关系R2较TCARI提高了约9%左右。 利用多角度高光谱成像数据对HD-TCARI进行地面验证, 其与叶绿素浓度的线性关系(R2=66.74%)明显优于TCARI所建立的估算模型(R2=39.92%), 证明了HD-TCARI指数具有更好地估算叶绿素浓度的潜力。