第26卷第10期2006年10月
生 态 学 报AC TA ECOLOGIC A SI NICA
Vol.26,No.10Oct.,2006
稻麦叶片氮含量与冠层反射光谱的定量关系
朱 艳,李映雪,周冬琴,田永超,姚 霞,曹卫星
*
(南京农业大学P 江苏省信息农业高技术研究重点实验室,农业部作物生长调控重点开放实验室,江苏南京 210095)
基金项目:国家自然科学基金资助项目(30400278,30571092);江苏省自然科学基金资助项目(BK2003079,BK2005212);高校博士点基金资助项目(20030307017)
收稿日期:2005-07-20;修订日期:2005-11-28
作者简介:朱艳(1976~),女,江苏南通人,博士,副教授,主要从事信息生态学研究.E -mail:yanz hu@nj https://www.doczj.com/doc/b08420478.html, *通讯作者Correspondi ng author.E_mail:cao w @https://www.doczj.com/doc/b08420478.html,
Foundation item :The project was s upported by Nati onal Natural Science Foundati on of China (No.30400278,No.30571092);Natural Science Foundation of Jiangsu Province (No.BK2003079,No.BK2005212);Ph.D.Progra m Grant of China (No.20030307017)Received date :2005-07-20;Accepted date :2005-11-28
B iography :Z HU Yan,Ph.D.,Associate profess or,mainly engaged in i nformation ecology.E -mai l:yanz hu@https://www.doczj.com/doc/b08420478.html,
摘要:作物氮素含量是评价作物长势、估测产量与品质的重要参考指标,叶片氮素含量的无损快速监测对于指导作物氮素营养的精确管理及生产力的预测预报具有重要意义。以5个小麦品种和3个水稻品种在不同施氮水平下的3a 田间试验为基础,综合研究了稻麦叶片氮含量与冠层反射光谱的定量关系。结果显示:(1)不同试验中拔节后稻麦叶片氮含量均随施氮水平呈上升趋势;(2)稻麦冠层光谱反射率在不同施氮水平下存在明显差异,在可见光区(460~710n m)的反射率一般随施氮水平的增加逐渐降低,而在近红外波段(760~1100nm)却随施氮水平的增加逐渐升高;(3)就单波段光谱而言,610、660nm 和680nm 处的冠层反射率均与稻麦叶片氮含量具有较好的相关性;(4)在光谱指数中,归一化差值植被指数NDVI (1220,610)与水稻和小麦叶片氮含量均具有较好的相关性,且相关性好于单波段反射率;(5)对于小麦和水稻,可以利用共同的波段和光谱指数来监测其叶片氮含量,采用统一的回归方程来描述其叶片氮含量随单波段反射率和冠层反射光谱参数的变化模式,但若采用单独的回归系数则可以提高稻麦叶片氮含量估测的准确性。
关键词:小麦;水稻;叶片氮含量;冠层反射率;光谱指数;定量关系
文章编号:1000-0933(2006)10-3463-07 中图分类号:Q143,Q945.3,S511.101 文献标识码:A
Quantitative relationship between leaf nitrogen concentration and canopy reflectance
spectra in rice and wheat
ZHU Yan,LI Ying -Xue,ZHOU Dong -Qin,TIAN Yong -Chao,YAO Xia,C AO We-i Xing
*
(Hi -Tech Ke y L abo ratory o f
Information Agriculture o f Jiangsu Prov ince P Key L aboratory o f Cro p Gro wth Regulation o f Minist ry o f Agriculture ,Nanjing Agricultural U niversity ,Nan j ing 210095,
China ).Acta Ecologica Sinica ,2006,26(10):3463~3469.
Abstract :Nitrogen c oncentration in crop plants is a key inde x for assessing plant growth status and predic t ing grain yield a nd quality .Non -destructive monitoring and diagnosis of plant nitrogen sta tus is of signific ant i mportance for precise nitrogen manage me nt and produc tivity forecast ing for field crops.
The present study was c onducted to deter mine the quantitative relationships of leaf nitrogen c oncentration to canopy reflectance spectra in both wheat and rice.Ground -base d canopy spec tral re flec tance and nitro gen c oncentrations in leave s we re measured with six field experiments consisting of five diffe rent rice varieties and three different whea t va rieties and varied nitrogen fertilization le vels ac ross six growing sea sons.All possible ratio vegeta tion indic es (RVI),differe nce vegetation indices (DVI),and normalized differe nce vegeta tion indices (NDVI)of sixteen wavebands from the MSR16radiometer were calculated.Analyses were made to de termine the relationships of seasonal canopy spectral reflec tance and all possible vege tation indices to lea f nitrogen c oncentra tions in rice and wheat under differe nt nitrogen trea tments and variety types.
3464生态学报26卷
The re sults showed,as e xpec ted,that nitrogen c oncentrations in wheat and rice leaves increased with increasing nitrogen fertilization rates.Canopy reflectance,ho wever,was a more complic ated relationship.In the near infrared portion of the spectrum (760~1100nm),canopy reflec tance increased with increasing nitrogen supply,whe reas in the visible region(460~710nm), canopy reflec tance dec reased with increasing nitrogen supply.For both rice and wheat,leaf nitrogen c oncentration was best e valuated a t610,660and680nm.Among all possible R VIs,D VIs,and ND VIs,the ND VI(1220,610)was most highly c orrelated with leaf nitrogen c oncentrations in both rice and wheat.In addition,the correlation of NDVI(1220,610)to leaf nitrogen c oncentration was found to be higher than that of individual wavebands at610,660and680nm in both rice and wheat. These results indica ted that leaf nitrogen concentrations in both wheat and rice could be monitored with co mmon wavelengths a nd spectral parameters,and the integrated re gression equation c ould be used to desc ribe the dyna mic change patte rns of leaf nitrogen c oncentra tions in rice and wheat with reflectance spec tra para meters,although sepa ra te re gression coefficients would slightly enhance the predic tion accurac y.
Key words:whea t;rice;leaf nitrogen concentration;canopy reflectance spectrum;spectral parame ter;quantitative relationship
氮素是作物生长和产量品质形成所必须的重要元素,实时监测和评价作物植株的氮素状况,对于指导作物氮素营养的精确诊断和高效管理以及实现作物产量和品质生产力的预测预报具有十分重要的意义。同时,由于氮循环是研究全球气候变化和营养元素迁移的关键过程,因而植物组织的氮素状况是全球气候变化研究中广泛关注的重要因子,也是生态系统模型的驱动变量。传统的作物氮素监测方法一般依靠田间植株取样和室内分析测试,虽然结果较为可靠,但在时间和空间尺度上都很难满足实时、快速、无损氮素诊断的要求[1,2]。近年来遥感技术的快速发展为作物氮素营养的无损实时监测提供了新的方法和手段,对于作物长势监测和营养诊断等均呈现出良好的应用前景[3~5],是当前信息生态学研究的重要课题[6,7]。
早在1972年,Thomas等就发现甜椒叶片含氮量与550~675nm波段内叶片的反射系数高度相关,实际含量与所预测的含氮量误差小于7%[8],说明植物光谱分析有可能快速、简便、较精确、非破坏性地监测植物氮素营养。随后人们对作物氮素营养状况对冠层光谱特性的影响进行了大量的研究[3,4,9~16]。Everitt在杂草和花卉植物的研究中发现,500~750nm反射率与植物叶片氮含量具有很高的相关性,提出550~600nm与800 ~900nm反射率的比值可以用于监测植株氮素状况[9]。王人潮、周启发等提出,诊断水稻氮素营养水平的叶片光谱敏感波段为760~900、630~660nm和530~560nm[10,11]。Stone[12]提出用基于671nm和780nm两个波段反射率组合的植株-氮-光谱指数来估算小麦植株的全氮含量。薛利红等[13]的初步研究表明,由660nm和460nm两波段反射率组成的冠层植被指数可以较好地反映小麦叶片氮含量。这些研究结果显示,叶片氮含量的适宜特征光谱随不同的作物、不同的试验条件而有所差异,有关作物氮素营养与光谱参数的规律性和定量化关系还有待进一步的研究。
本文利用不同年份、不同小麦和水稻品种、不同施氮水平的多年田间试验资料,综合分析冠层单波段反射率和光谱参数与稻麦叶片氮含量的定量关系,明确稻麦叶片氮含量的特征光谱波段与光谱参数,进而确立稻麦叶片氮含量与特征波段光谱反射率和光谱参数之间的定量关系,为建立稻麦植株氮素状况的无损监测技术提供依据。
1材料与方法
111试验设计
本研究的观测资料分别来自3个不同的小麦试验和3个不同的水稻试验,涉及不同年份、不同作物、不同品种类型、不同施氮水平等试验因子。
试验1:不同施氮水平@不同小麦品种。于2001~2002年在南京农业大学校内试验站的水泥池区进行。前茬为玉米,土壤为黄棕壤,有机质1121%,全氮0113%,速效磷2313mg kg-1,速效钾9712mg kg-1。供试小麦品种为徐州26和淮麦18;设4个施氮水平,分别为0、120、210kg hm-2和300kg hm-2纯氮,基肥和拔节肥各1P2。磷、钾肥施用量分别为120kg hm-2P2O5、150kg hm-2K2O,用作基肥。小区面积为4m2,基本苗
115@106
hm -2
,行距2415cm 。两因素随机区组排列,重复3次。其他管理措施同高产大田栽培。从小麦拔节至成熟共进行8次植株取样,时间(月-日)分别在03_15、03_30、04_04、04_12、04_22、04_29和05_16完成。
试验2:不同施氮水平@单个小麦品种。于2002~2003年在南京农业大学江浦农场进行,前茬为水稻氮肥试验田,土壤为重粘土,有机质2109%,全氮0112%,速效氮95155mg kg -1
,速效磷12103mg kg -1
,速效钾10315mg kg -1
。前茬水稻试验设5个施氮水平,分别为0、75、150、225和300kg hm -2
纯氮,常规水层灌溉和间歇灌溉2个水分处理。两因素随机区组设计,重复3次。种植小麦时将原来的每个施氮小区平均分成3份,每份面积313m @3m,分别施0、150和300kg hm -2
纯氮,基追比6B 2B 2,追肥时期分别为拔节和孕穗期;配施135kg hm
-2
P 2O 5和210kg hm
-2
K 2O,用作基肥。供试小麦品种为扬麦10。基本苗为115@106hm -2
,行距25
c m 。其他管理措施同高产大田栽培。本试验植株取样时间(月-日)分别为03_21、04_08、04_23、05_01、05_09、05_17和05_27。
试验3:不同施氮水平@不同小麦品种。于2003~2004年在江苏省农业科学院试验站进行。前茬水稻田,供试土壤为黄黏土,有机质0196%,全氮0110%,速效磷40129mg kg -1
,速效钾102178mg kg -1
。供试小麦品种为宁麦9号、淮麦20、徐州26和扬麦10。设5个施氮水平,分别为0、75、150、225kg hm -2
和300kg hm -2
纯氮,按基肥60%,拔节和孕穗肥各20%的比例施入;配施P 2O 5150kg hm -2
和K 2O 11215kg hm -2,全部作基肥。小区面积16m 2
,基本苗118@106
hm -2
,行距25cm 。两因素随机区组排列,3次重复。其他管理措施同高产大田栽培。时间(月-日)分别于04-08、04-20、04-28、05-04、05-11、05-17和05-24对宁麦9号和淮麦20进行破坏性取样,另外2个品种徐州26和扬麦10只在开花期(4P 20)、灌浆中期(5P 4)和成熟期(5P 24)进行了植株取样。
试验4:不同施氮水平@不同水稻灌溉。于2002年在南京农业大学江浦农场进行,供试水稻品种为武香粳9号。土壤为重粘土,有机质2109%,全氮01141%,速效磷12103mg kg -1
,速效钾10315mg kg -1
。设2个水分处理:常规水层灌溉和节水灌溉。5个施氮水平:0,75,150,225kg hm -2
和300kg hm -2
纯氮。两因素随机区组设计,3次重复,小区面积30m 2
(3m @10m)。氮肥按基肥50%、蘖肥10%、促花肥20%、保花肥20%的比例施入。其它管理同水稻高产栽培。本试验植株取样的时间(月-日)分别为8P 1,8P 20,8P 30,9P 13和9P 26。
试验5:不同施氮水平@不同水稻灌溉。于2003年按试验4的实施方案重复进行,时间(月-日)分别于09-05,09-12,09-22,09-26,10-08,10-15进行植株取样。
试验6:不同施氮水平@不同水稻品种。于2004年在江苏省农业科学院进行,土壤质地为黄棕壤土,有机质2144%,全氮0117%,有效磷14103mg kg -1
,有效钾118178mg kg -1
。供试品种为日本晴和华粳2号,设4个施氮水平:0,105,210,315kg hm -2
纯氮。小区面积为28m 2
(4m @415m),随机区组设计,重复3次。氮肥按基肥60%、促花肥20%、保花肥20%的比例施入,配施135kg hm -2
P 2O 5,210kg hm
-2
K 2O,其它管理同水稻高产
栽培。分别于时间(月-日)08-19,08-27,09-02,09-11,09-23,09-30和10-12进行植株取样。
112 观察测定
在各试验中,与破坏性取样同步,采用美国Cropscan 公司生产的MSR -16型便携式光谱辐射仪测量不同处理各小区的小麦、水稻冠层光谱反射率。仪器视场角为3111b ,波段范围为452~1650nm,设16个波段,其中可见光波段为460、510、560、610、660、680nm 和710nm;近红外为760、810、870、950、1100、1220、1480、1500nm 和1650nm 。测量选择在晴朗无云或少云的天气进行,测量时间为10:00~14:00。测量时探头垂直向下,距冠层垂直高度1m 。每小区重复测量5次,取平均值作为该小区的光谱测量值。
破坏性植株取样后,将叶片分离、烘干,称重粉碎,并采用凯氏定氮法测定叶片全氮含量。113 数据分析
为了确定能反映稻麦叶片氮素状况的最佳波段和光谱指数,系统计算了从可见光波段到中红外波段共16个波段的所有比值、差值和归一化差值植被指数组合(表1)。基本方法是,利用所有的水稻和小麦试验数据,综合分析稻麦叶片氮含量及冠层反射光谱在不同试验处理下的变化规律和动态特征,并通过回归分析确定相应的定量关系。其中,小麦和水稻试验资料的样本数分别为381和222。
346510期
朱艳 等:稻麦叶片氮含量与冠层反射光谱的定量关系
表1 光谱参数计算方法
Table 1 Algorithm of different s pectral parameters 光谱参数Spectral parame ter 缩写Abbreviation
计算公式
Algorithm formula
单波段反射率Reflectance Q K
比值植被指数Ratio vegetati on index
RVI (K 1,K 2)Q K 1P Q K 2差值植被指数Di fference vegetati on index DVI (K 1,K 2)
Q K 1-Q K 2
归一化差值植被指数Normalized difference vegetati on index
NDVI (K 1,K 2)(Q K 1-Q K 2)P (Q K 1+Q K 2)
2 结果与分析
211 不同施氮水平下的稻麦叶片氮含量
叶片氮含量是表征作物叶片氮素状况的主要指标。本研究结果表明,所有供试小麦和水稻品种在各生育时期的叶片氮含量都因施氮水平的不同而表现出了差异,在低氮和中氮条件下随施氮量的增加呈现上升趋势,但在高氮水平的处理之间变化不明显。总体来看,小麦在最低至最高施氮水平范围内(0~300kg hm -2
纯氮),不同品种在不同生育时期的叶片氮含量变化范围为0152%~4172%,单个时期内叶片氮含
量的浓度差异为015%~115%;水稻在最低和最高施氮水平范围内(0~315kg hm -2
纯氮),不同品种在不同生育时期的叶片氮含量变化范围为1116%~3167%,单个时期内叶片氮含量的浓度差异为0113%~1119%。212 不同施氮水平下的冠层反射光谱
以试验3中淮麦20在不同施氮水平下的开花期冠层光谱反射率和试验5中武香粳9号在不同施氮水平下的齐穗期冠层光谱反射率为例,来分别展示小麦和水稻冠层反射光谱对施氮水平的响应模式(图1和2)。结果表明,小麦和水稻冠层光谱反射率在不同施氮水平之间存在明显差异,可见光波段(460~710nm)与近红外长波段区域(1480~1650nm)的光谱反射率随施氮水平的升高而降低,而近红外短波段范围(760~1220nm)内的光谱反射率则随着施氮水平的增加呈上升趋势,并且各氮肥处理之间的差异在近红外波段大于可见光区。不同类型水稻和小麦品种在整个生育期的反射光谱都遵循这一基本规律。综观所有波段,水稻冠层反射率随施氮水平变化的幅度均比小麦小,尤其是可见光和近红外长波段区域。在同一施氮水平下,水稻冠层反射率也均小于小麦冠层反射率,这可能是由于水稻群体叶面积指数大于小麦的缘故。冠层反射光谱在不同施氮水平、
不同作物下的动态变化规律为分析和构建稻麦叶片氮含量与冠层反射光谱特征的定量关系奠定了基础。
图1 试验3中不同施氮水平下淮麦20小麦品种在开花期的冠层光谱反射率
Fig.1 Canopy reflectance under different ni trogen rates in wheat of Huai mai 20at anthesis in experi ment
3
图2 试验5中不同施氮水平下武香粳9号水稻品种在齐穗期的冠层光谱反射率Fi g.2
Canopy reflectance under di fferent nitrogen rates in rice of
Wuxiangjing 9at full heading in experi ment 5
213 稻麦叶片氮含量与冠层光谱反射率的关系
利用3个小麦试验共381组数据,分析了小麦叶片氮含量与单波段反射率之间的关系。结果表明,小麦叶片氮含量与可见光区各波段及近红外长波段区域的反射率均呈极显著负相关,与近红外短波段区域的反射率呈极显著正相关。表2中列出了与小麦叶片氮含量相关性较好的5个波段及回归方程。其中,610,660nm 和680nm 的决定系数差异不大(018486~018555),而510nm 和710nm 的决定系数较610,660nm 和680nm 有
3466 生 态 学 报
26卷
明显降低。
利用3个水稻试验共222组数据,分析了水稻叶片氮含量与单波段反射率之间的关系。结果表明,除460nm 以外,水稻叶片氮含量与可见光区各波段的反射率均呈极显著负相关,与近红外短波段区域的反射率呈正相关,但均没有达到极显著水平,只有810nm 处的反射率达到显著水平,与近红外长波段区域的反射率呈负相关关系,其中1500nm 和1650nm 达到极显著水平,1480nm 达到显著水平。表2列出了与水稻叶片氮含量相关性最好的5个波段及回归方程。从表2可以看出,在水稻作物上,相关性最好的单波段反射率与叶片氮含量的决定系数显著低于小麦作物,但与小麦作物类似的是,在相关性最好的5个波段中,610,660nm 和680nm 在水稻作物上的决定系数差异也不大(015401~015673),而560nm 和510nm 的决定系数较610,660nm 和680nm 有明显降低,尤其是510nm 。因此可以认为,610,660nm 和680nm 是与水稻和小麦叶片氮含量相关性均较好的3个共性波段。
进一步利用3个水稻试验和3个小麦试验共603组数据,综合分析了稻麦组合的叶片氮含量与单波段反射率之间的关系。结果表明,660,680nm 和610nm 与稻麦组合的叶片氮含量相关性均较好(表2)。所以,可以采用660,680nm 和610nm 来表征冠层单波段反射率与稻麦叶片氮含量之间的定量关系。图3和4分别显示了水稻、小麦及稻麦组合的叶片氮含量与660nm 和610nm 处的冠层单波段反射率之间的回归关系。图中显示,稻麦组合在样本数为603的条件下,决定系数仍达到0173以上,因此,可以利用统一的波段和方程来预测水稻和小麦叶片氮含量。当然,在精度要求较高的情况下,最好采用不同的回归系数来估算不同作物的叶片氮含量,尤其是水稻作物。
表2 稻麦叶片氮含量(y )与冠层光谱反射率(x )之间的定量关系T able 2 Q uantitative relationships of leaf nitrogen con centration to canopy spectral reflectance in wheat &rice 作物类型
Crop type
波长Wavelength(nm)
回归方程Regressi on equation 决定系数R 2660y =617801x -018903018555610y =518791e -012058x 018514小麦(n =381)
Wheat
680y =618410x -018834018486510y =918491x -114336018051710y =918757e -011724x
017970680
y =318311x -014136
015673660y =319312x
-014224
015587水稻(n =222)Rice
610y =416427x -014730
015401560y =-112218ln(x )+41306014314510
y =313677e -010939x 012027660y =518439x -017697017707稻麦(n =603)Wheat &rice
680y =517138x -017522017623610
y =816561x
-019289
017345
214 稻麦叶片氮含量与冠层光谱参数的关系
利用3个小麦试验共381组数据,分析了小麦叶片氮含量与16个波段的所有差值、比值和归一化差值植被指数之间的关系。结果表明,由可见光区域的710nm 与近红外短波段区域(760~1220nm)组成的归一化差值植被指数与水稻叶片氮含量的相关性均较好,因此计算了近红外短波段区域各波段的平均值与710nm 组成的归一化差值植被指数。表3中列出了与小麦叶片氮含量相关性最好的5个参数及其回归方程。与相关性最好的5个单波段相比,光谱参数与小麦叶片氮含量的决定系数(R 2
>0187)均明显好于单波段(R 2
>0179)。
利用3个水稻试验共222组数据,分析了水稻叶片氮含量与16个波段的所有差值、比值和归一化差
值植被指数之间的关系。结果表明,由可见光区域的560,610,660和680nm 与近红外区域的1220nm 组成的归一化差值植被指数与水稻叶片氮含量的相关性均较好,因此计算了560,610,660和680nm 的平均值与1220nm 组成的归一化差值植被指数。表3列出了与水稻叶片氮含量相关性最好的5个参数及其回归方程。与相关性最好的5个单波段相比,光谱参数与水稻叶片氮含量的决定系数没有得到明显的提高。其中NDVI (1220,610)是与小麦和水稻叶片氮含量相关性均较好的共性光谱参数。
进一步利用3个水稻试验和3个小麦试验共603组数据,综合分析了稻麦组合的叶片氮含量与16个波段的所有差值、比值和归一化差值植被指数之间的关系。结果表明,NDVI (1220,610)与稻麦组合的叶片氮含量的相关性最好(表3)。所以,采用NDVI(1220,610)来表征冠层光谱参数与稻麦叶片氮含量之间的定量关系。图5显示了NDVI(1220,610)与水稻、小麦和稻麦组合的叶片氮含量的幂函数和线性函数关系,虽然幂函数的决定系数或估测精度在一般情况下要高于线性函数,但幂函数在高氮情况下容易出现近饱和的现象,从
346710期朱艳 等:稻麦叶片氮含量与冠层反射光谱的定量关系
而会降低对高氮反应的敏感性。同时,无论是幂函数还是线性函数关系,均因作物类型而有所变异,因而当精确性要求较高时,最好采用不同的回归系数来估算不同作物的叶片氮含量。另外,NDVI(1220,610)与叶片氮含量的决定系数均高于单波段,这主要是因为NDVI(1220,610)反映的是两个波段的信息,但单波段对便携式
光谱仪的研制可能更具参考价值。
图3 稻麦叶片氮含量与660nm 反射率的关系
Fig.3 Relationshi p between canopy reflectance at 660nm and leaf ni trogen concentration i n wheat and
rice
图4 稻麦叶片氮含量与610nm 反射率的关系
Fi g.4 Relations hip be tween canopy reflec tance at 610nm and leaf nitrogen concentrati on in wheat and rice
表3 稻麦叶片氮含量(y )与冠层光谱参数(x )之间的定量关系T able 3 Qu antitative relationships of leaf nitrogen concentrations and canopy spectral parameters in wheat and rice 作物类型
Crop type 波长Wavelength(nm)
回归方程Regressi on equation
决定系数R 2小麦(n =381)Wheat
ND VI [average (760,
810,870,950,1100,1220),710]y =111793x 11511018981ND VI (760,560)y =510405x 118857018905ND VI (1220,610)y =416138x 115992018891ND VI (810,560)y =418232x
119238
018817ND VI (870,560)
y =419674x 210831
018708水稻(n =222)
Rice ND VI [1220,average
(560,610,660,680)]y =316969x 111564
015624RVI (1220,610)y =111147x 014531015359ND VI (810,610)y =314252x
112061
015237ND VI (870,610)y =314520x 112955015154ND VI (810,680)
y =016473e 116439x 015096稻麦(n =603)
Wheat &rice
ND VI (1220,610)
y =414577x 11527
018455
3 结论
311 本文通过综合分析不同年份、不同施氮水平、不同生育期的水稻和小麦田间试验数据,研究了稻麦叶片氮含量的共同敏感波段和光谱参数。结果表明,就单波段而言,610、660nm 和680nm 处的冠层光谱反射率均与稻麦叶片氮含量具有较高的相关性;在所有的比值、差值和归一化差值植被指数中,NDVI (1220,610)均与稻麦叶片氮含量具有较好的相关性。因此对于小麦和水稻,可以利用统一的波段和光谱指数来监测其叶片氮含量,这一结论是对已有单个作物氮素营养光谱监测理论和技术的深化与发展。312 与已有的氮素敏感波段或植被指数相比
[9~13]
,
NDVI(1220,610)不完全限定在可见光范围,它综合了近红外波段的信息;同时NDVI(1220,610)的相关性高于单波段反射率,因此用NDVI(1220,610)监测稻麦叶片氮含量应具有较好的稳定性。当然,对于便携式氮
素光谱监测仪的研制,单波段反射率可能更具实用性和简便性。
313 定量分析显示,利用NDVI(1220,610)监测稻麦叶片氮含量时,虽然幂函数的决定系数均高于线性函数,但幂函数在高氮情况下容易出现近饱和现象,从而会降低对叶片高氮浓度的敏感性。因此采用NDVI(1220,610)的线性函数来监测稻麦叶片氮含量可能具有更广的适用范围,但在一般情况下(尤其是低氮和中氮),采用NDVI(1220,610)的幂函数监测稻麦叶片氮含量应该具有更高的准确性。
314 本研究还表明,在水稻和小麦氮素管理上,虽然可以基于冠层单波段反射率或植被指数,采用统一的回归方程来监测水稻和小麦作物的叶片氮含量,但当精确性要求较高时,采用单独的回归系数可以提高水稻叶
3468 生 态 学 报26卷
片氮含量监测的准确性。
315 基于本研究得出的初步结论,今后拟进一步利用高光谱遥感技术来更为精细地确定稻麦叶片氮含量的敏感波段和光谱参数,并建立准确度更高和适用性更强的作物氮素营养监测与诊断模型,促进作物氮素营养无损监测与精确诊断技术的发展和应用。References :
[1] Roth G W,Fox R H.Plant ti ssue tes t for predicting nitrogen ferti li zer requi rement of w i nter wheat.Agronomy Journal,1989,81:502~507.
[2] Li J H,Dong Z X,Zhu J Z.Present application and outlook for method of nitrogen nutriti on diagnosis.J ournal of Shihezi Uni versity (Natural Science),
2003,7(1):80~83.
[3] Jens en A,Lorenzen B.Radi ometric es ti mation of bi omass and nitrogen content of barle y grown at different nitrogen levels.International J ournal of Remote
Sens ing,1990,11(10):1809~1820.
[4] Filella I,Serrano L,Serra J,et al .Eval uati ng wheat nitrogen s tatus with canopy reflectance indices and discri minant analysi s.Crop Science,1995,35:1400
~1405.
[5] Thenkabail P S,Smith R B,Pauw E D.Hypers pectral vegetati on i ndices and thei r relations hips with agricultural crop characteri stics.Remote Sens ing of
Envi ronment,2000,71(2):158~182.
[6] Zhang X S.Some s ignificant disciplines in modern ecology.Chinese Bulletin of Botany,1990,7(4):1~6.
[7] Zhou C P,He H L,Yu G R.Approach to the theoretical frame work of eco -informatics.Resources Science,2002,24(1):77~81.
[8] Thomas J R,Oerther G F.Es ti mating nitrogen content of sweet pepper leaves by reflectance measurements.Agronomy Journal,1972,64:11~13.[9] Everitt J H,Pe ttit R D,Alani z M A.Remote sensing of broom s nake weed (Gutierre zia sarothrae )and spiny aster (Aster spinosus ).Weed Science,1987,
35(2):295~302.
[10] Wang R C,Chen M Z,Jiang H X.Studies on agronomic mechanism of the rice yield estimation by remote sensi ng ?.The rice reflectance characteris tics
of different nitrogen levels and the selection of their s ensitive bands.J ournal of Zhejiang Agricultural Universi ty,1993,19(suppl.):7~14.
[11] Zhou Q F,Wang R C.A preli minary study on the relations hip between the ni trogen levels and the spec tral characteri stics.J ournal of Zhejiang Agric ultural
University,1993,19(suppl.):40~46.
[12] Stone M L,Soi le J B,Raun W R,et al .Us e of spectral radiance for correcti ng i n -season fertilizer nitrogen deficiencies i n winter wheat.Transacti ons of
ASAE,1996,39:1623~1631.
[13] Xue L H,Cao W X,Luo W H,et al .Correlati on between leaf ni trogen status and canopy s pectral characteris tics in wheat.Ac ta Phytoecologica Si nica,
2004,28(2):172~177.
[14] Yoder B J,Pettigre w -Crosby R E.Predicting nitrogen and chlorophyll concentrati ons from reflec tance s pectra (400~2500nm)at leaf and canopy scales.
Remote Sensing of Environment,1995,53:199~211.
[15] Lee T,Raja K,Reddy G.Reflectance indices with precision and accuracy in predicting cotton leaf ni trogen concentrati on.Crop Science,2000,40:1814~
1819.
[16] Raymond E E J,Remmi e B.Spectral meas ure ments at different spati al scales i n potato:relating leaf,plant and canopy nitrogen status.Internati onal J ournal
of Applied Earth Observation and Geoinformati on,2004,5:205~218.
参考文献:
[2] 李俊华,董志新,朱继正.氮素营养诊断方法的应用现状及展望.石河子大学学报(自然科学版),2003,7(1):80~83.[6] 张新时.现代生态学的几个热点.植物学通报,1990,7(4):1~6.
[7] 周才平,何洪林,于贵瑞.生态信息科学的理论框架初探.资源科学,2002,24(1):77~81.
[10] 王人潮,陈铭臻,蒋亨显.水稻遥感估产的农学机理研究 ?.不同氮素水平的水稻光谱特征及其敏感波段的选择.浙江农业大学学报,
1993,19(增刊):7~14.
[11] 周启发,王人潮.水稻氮素营养水平与光谱特征的关系.浙江农业大学学报,1993,19(增刊):40~46.
[13] 薛利红,曹卫星,罗卫红,等.小麦叶片氮素状况与光谱特性的相关性研究.植物生态学报,2004,28(2):172~177.
346910期朱艳 等:稻麦叶片氮含量与冠层反射光谱的定量关系
实验一 地物光谱反射率的野外测定 一、实验目的 1、学习地物光谱的测定方法 2、认识地物光谱反射率的规律 3、掌握绘制地物反射光谱曲线的方法 二、原理及方法 地物光谱反射率的野外测定原理主要是利用电磁辐射和各地物光谱特征进行测定（参照课本）。 实验采用垂直测量方法，计算公式为： ()()()() λρλλλρs Vs V ?= 式中， ()λρ为被测物体的反射率，()λρs 为标准板的反射率，()λV ，()λVs 分别为测量 物体和标准板的仪器测量值。 三、实验仪器 1、可见光－近红外光谱辐射计，波长范围0.4—2.5μm(有0.4—1.1μm 或1.3—2.5μm 二种仪器)，仪器性能稳定，携带方便，数据提取容易。表1.1列出了目前常用的光谱仪。 2、标准参考板（白板或灰板）。 表1.1常见的光谱辐射仪
四、实验步骤 1、测量目标和条件的选择 环境：无严重大气污染，光照稳定，无卷云或浓积云，风力小于3级，避开阴影和强反射体的影响（测量者不穿白色服装）。 时间：地方时9：30—14：30。 取样：选择物体自然状态的表面作为观测面，取样面积大于地物自然表面起伏和不均匀的尺度，被测目标面要充满视场。 标准板：标准板表面与被测地物的宏观表面相平行，与观测仪器等距，并充满仪器视场，保证板面清洁。 2、记录测量目标基本信息 主要内容如下： 土壤：土类、土属、土种；地貌类型、成土母质、侵蚀状况；干湿度、粗糙度等。 植被：植物名称、所属类别、覆盖率、生长状况、叶色、高度等。 水体：水体名称、水体状况、水色、水温、透明度、泥沙含量、叶绿素含量、污染状况等。 人工目标：目标名称、内容描述、估算面积、几何特征、表面颜色、坡度、坡面等。 岩矿：岩矿名称、所属类别、植被覆盖及名称、土壤覆盖及名称、岩矿露头面积、所属构造、地质年代、风化状况等。 3、记录环境参数 主要内容如表1.2，内容由教学教师定，制成表格填写。见附表。 4、安装仪器开始测试 ①对准标准板，读取数据为Vs。 ②移开标准板对准地物，读取数据Vg。 ③重复步骤①②，测量5—9次，记录数据，计算平均值。 ④更换目标，做好信息记录，重复①—③步骤。 ⑤整理数据，根据上述公式计算反射率 ()λ ρg ，标准 ()λ ρs 为已知值。 仪器安装注意事项： 测量高度：仪器保持水平架设，离被测地物表面距离不小于1m。 几何关系：仪器轴线与天顶的倾斜角<±2°，标准面水平放置。
在光谱的中红外阶段，绿色植物的光谱响应主要被1.4μm、1.9μm和2.7μm附近的水的强烈吸收带所支配。 地面植物具有明显的光谱反射特征，不同于土壤、水体和其他的典型地物，植被对电磁波的响应是由其化学特征和形态学特征决定的，这种特征与植被的发育、健康状况以及生长条件密切相关。 在可见光波段内，各种色素是支配植物光谱响应的主要因素，其中叶绿素所起的作用最为重要。在中心波长分别为0.45μm（蓝色）和0.65μm（红色）的两个谱带内，叶绿素吸收大部分的摄入能量，在这两个叶绿素吸收带间，由于吸收作用较小，在0.54μm（绿色）附近行程一个反射峰，因此许多植物看起来是绿色的。除此之外，叶红素和叶黄素在0.45μm （蓝色）附近有一个吸收带，但是由于叶绿素的吸收带也在这个区域内，所以这两种黄色色素光谱响应模式中起主导作用。 在光谱的近红外波段，植被的光谱特性主要受植物叶子内部构造的控制。健康绿色植物在近红外波段的光谱特征是反射率高（45%-50%），透过率高（45%-50%），吸收率低（<5%）。在可见光波段与近红外波段之间，即大约0.76μm附近，反射率急剧上升，形成“红边”现象，这是植物曲线的最为明显的特征，是研究的重点光谱区域。许多种类的植物在可见光波段差异小，但近红外波段的反射率差异明显。同时，与单片叶子相比，多片叶子能够在光谱的近红外波段产生更高的反射率（高达85%），这是因为附加反射率的原因，因为辐射能量透过最上层的叶子后，将被第二层的叶子反射，结果在形式上增强了第一层叶子的反射能量。 在光谱的中红外阶段，绿色植物的光谱响应主要被1.4μm、1.9μm和2.7μm附近的水的强烈吸收带所支配。2.7μm处的水吸收带是一个主要的吸收带，它表示水分子的基本振动吸收带。1.9μm，1.1μm，0.96μm处的水吸收带均为倍频和合频带，故强度比谁的基本吸收带弱，而且是依次减弱的。1.4μm和1.9μm处的这两个吸收带是影响叶子的中红外波段光谱响应的主要谱带。1.1μm和0.96μm处的水吸收带对叶子的反射率影响也很大，特别是在多层叶片的情况下。研究表明，植物对入射阳光中的红外波段能量的吸收程度是叶子中总水分含量的函数，即是叶子水分百分含量和叶子厚度的函数。随着叶子水分减少，植物中红外波段的反射率明显增大（Philip et al.,1978）
健康的绿色植被的光谱反射特征 地面植物具有明显的光谱反射特征,不同于土壤、水体与其她的典型地物,植被对电磁波的响应就是由其化学特征与形态学特征决定的,这种特征与植被的发育、健康状况以及生长条件密切相关。 在可见光波段内,各种色素就是支配植物光谱响应的主要因素,其中叶绿素所起的作用最为重要。健康的绿色植被,其光谱反射曲线几乎总就是呈现“峰与谷”的图形,可见光谱内的谷就是由植物叶子内的色素引起的。 例如叶绿素强烈吸收波谱段中心约0、45um与0、67um(常称这个谱带为叶绿素吸收带)的能量。植物叶子强烈吸收蓝区与红区的能量,而强烈反射绿区能量,因此肉眼觉得健康的植被呈绿色。除此之外,叶红素与叶黄素在0、45um(蓝色)附近有一个吸收带,但就是由于叶绿素的吸收带也在这个区域内,所以这两种黄色色素光谱响应模式中起主导作用。 如果植物受到某种形式的抑制而中断了正常的生长发育,它会减少甚至停止叶绿素的产生。这将导致叶绿素的蓝区与红区吸收带减弱,常使红波段反射率增强,以至于我们可以瞧到植物变黄(绿色与红色合成)。 从可见光区到大约0、7um的近红外光谱区,可瞧到健康植被的反射率急剧上升。在0、7-1、3um区间,植物的反射率主要来自植物叶子内部结构。 健康绿色植物在0、7-1、3um间,的光谱特征的反射率高达(45%-50%),透过率高达(45%-50%),吸收率低至(<5%)。植物叶子一般可反射入射能量的 40%-50%,其余能量大部分透射过去,因为在这一光谱区植物叶子对入射能量的吸收最少(一般少于5%)。 在光谱的近红外波段,植被的光谱特性主要受植物叶子内部构造的控制。在可见光波段与近红外波段之间,即大约0、76um附近,反射率急剧上升,形成“红边”现象,这就是植物曲线的最为明显的特征,就是研究的重点光谱区域。 许多种类的植物在可见光波段差异小,但近红外波段的反射率差异明显。同时,与单片叶子相比,多片叶子能够在光谱的近红外波段产生更高的反射率(高达85%),这就是因为附加反射率的原因,因为辐射能量透过最上层的叶子后,将被第二层的叶子反射,结果在形式上增强了第一层叶子的反射能量。
植被光谱分析与植被指数计算 在遥感中，常常结合不同波长范围的反射率来增强植被特征，如植被指数（vegetation i ndices ——VI）的计算，植被指数（VI）是两个或多个波长范围内的地物反射率组合运算，以增强植被某一特性或者细节。目前，在科学文献中发布了超过150种植被指数模型，这些植被指数中只有极少数是经过系统的实践检验。本文总结现有植被指数，根据对植被波谱特征产生重要影响的主要化学成份：色素（Pigments）、水分（Water）、碳（Carbon）、氮（Nitrogen），总结了7大类实用性较强的植被指数，即：宽带绿度、窄带绿度、光利用率、冠层氮、干旱或碳衰减、叶色素、冠层水分含量。这些植被指数可以简单度量绿色植被的数量和生长状况、叶绿素含量、叶子表面冠层、叶聚丛、冠层结构、植被在光合作用中对入射光的利用效率、测量植被冠层中氮的相对含量、估算纤维素和木质素干燥状态的碳含量、度量植被中与胁 迫性相关的色素、植被冠层中水分含量等。 包括以下内容： ? ?●植被光谱特征 ? ?●植被指数 ? ?●HJ-1-HSI植被指数计算 1.植被光谱特征 植被跟太阳辐射的相互关系有别于其他物质，如裸土、水体等，比如植被的“红边”现象，即在<700nm附近强吸收，>700nm高反射。很多因素影响植被对太阳辐射的吸收和反射，包括波长、水分含量、色素、养分、碳等。 研究植被的波长范围一般为400 nm t o 2500 nm，这也是传感器设计选择的波长范围。这个波长范围可范围以下四个部分： ??●可见光（Visible）：400 nm to 700 nm ??●近红外（Near-infrared——NIR）：700 nm to 1300 nm ??●短波红外1（Shortwave infrared 1—— SWIR-1）：1300 nm to 1900 nm ??●短波红外2（Shortwave infrared 2——SWIR-2）：1900 nm to 2500 nm 其中NIR和SWIR-1的过渡区（1400nm附近）是大气水的强吸收范围，卫星或者航空传感器一般不获取这范围的反射值。 SWIR-1 和SWIR-2的过渡区（1900nm附近）也是大气水的强吸收范围。 植被可分为三个部分组成： ??●植物叶片（Plant Foliage） ??●植被冠层（Plant Canopies） ??●非光合作用植被(Non-Photosynthetic Vegetation) 这三个部分是植被分析的基础，下面对他们详细介绍。 1.1植物叶片（Plant Foliage） 植物叶片包括叶、叶柄以及其他绿色物质，不同种类的叶片具有不同的形状和化学成份。对波谱特征产生重要影响
竭诚为您提供优质文档/双击可除无水乙醇红外光谱分析实验报告 篇一：红外光谱分析实验报告 一、【实验题目】 红外光谱分析实验 二、【实验目的】 1.了解傅立叶变换红外光谱仪的基本构造及工作原理 2.掌握红外光谱分析的基础实验技术 3.学会用傅立叶变换红外光谱仪进行样品测试 4.掌握几种常用的红外光谱解析方法 三、【实验要求】 利用所学过的红外光谱知识对碳酸钙、聚乙烯醇、丙三醇、乙醇的定性分析制定出合理的样品制备方法；并对其谱图给出基本的解析。 四、【实验原理】 红外光是一种波长介于可见光区和微波区之间的电磁波谱。波长在0.78～300μm。通常又把这个波段分成三个区域，即近红外区：波长在0.78～2.5μm（波数在12820～
4000cm-1），又称泛频区；中红外区：波长在2.5～25μm（波数在4000～400cm-1），又称基频区；远红外区：波长在25～300μm（波数在400～33cm-1），又称转动区。其中中红外区是研究、应用最多的区域。 红外区的光谱除用波长λ表征外，更常用波数（wavenumber）σ表征。波数是波长的倒数，表示单位厘米波长内所含波的数目。其关系式为： 作为红外光谱的特点，首先是应用面广，提供信息多且具有特征性，故把红外光谱通称为"分子指纹"。它最广泛的应用还在于对物质的化学组成进行分析。用红外光谱法可以根据光谱中吸收峰的位置和形状来推断未知物的结构，依照特征吸收峰的强度来测定混合物中各组分的含量。其次，它不受样品相态的限制，无论是固态、液态以及气态都能直接测定，甚至对一些表面涂层和不溶、不熔融的弹性体（如橡胶）也可直接获得其光谱。它也不受熔点、沸点和蒸气压的限制，样品用量少且可回收，是属于非破坏分析。而作为红外光谱的测定工具-红外光谱仪，与其他近代分析仪器（如核磁共振波谱仪、质谱仪 等）比较，构造简单，操作方便，价格便宜。因此，它已成为现代结构化学、分析化学最常用和不可缺少的工具。根据红外光谱与分子结构的关系，谱图中每一个特征吸收谱带都对应于某化合物的质点或基团振动的形式。因此，特征吸收
作物冠层光谱特征反映作物的色素、组织结构和冠层结构的综合信息，是遥感方法探测冠层信息的重要依据。通过遥感技术对冠层光谱进行获取和分析，具有简单、快速、精度高和无损测定等优越性，成为获取农田生物环境信息的重要手段，在作物长势监测、营养诊断、精准施肥管理、产量估测、以及病害监测等方面都有探索性研究、初步应用和总结[1]。本文综述了国内近十年来作物冠层光谱的获取方法、光谱分析方法和应用领域，分析了存在的问题并展望了未来发展方向。 1作物冠层光谱数据的获取 收稿日期：2011-10-15 基金项目：国家玉米产业技术体系(CARS-02-17)；“十二五”粮丰工程项目(2011BAD16B10)；国家自然科学基金项 目(31071370) 作者简介：杨粉团(1979-)，女，博士，主要从事作物遥感研究。 通讯作者：姜晓莉,女,副研究员,E-mail:jxl1990@https://www.doczj.com/doc/b08420478.html, 1.1获取手段 目前国内获取近地冠层高光谱多用美国ASD 公司生产的Filedspec FR2500型便携式高光谱仪和Fieldspec HH光谱辐射仪，成像高光谱仪多用中科院上海技术物理研究所研制的实用型模块化成像光谱仪OMIS(Operative Moudular Imag-ing Spedtrometer)。冠层多光谱测定多用美国Cropscan公司生产的MSR-16型便携式多光谱辐射仪。此外还有提供红外和近红外特定波长反射率的GreenSeeker505植物冠层光谱测定仪。 光谱采集时根据仪器的要求一般探头距植株冠层顶部上方40～100cm处垂直测定，通常采用15°～31°视场角，时间最好选择晴朗无云或少云的天气10∶00～14∶00进行，根据试验安排，每小区最好多测几个重复。 1.2分析方法 数据采用相关分析软件进行处理，分析方法 文章编号：1003-8701(2011)06-0009-04 作物冠层光谱的获取和应用研究进展 杨粉团，李刚，姜晓莉*，曹庆军 (吉林省农业科学院/农业部东北作物生理生态与耕作重点实验室，长春130033) 摘要：作物冠层光谱受作物的色素、组织结构和冠层结构影响。通过获取冠层光谱，适当数学运算后和农学参数建立相关监测模型，可以监测作物的长势、营养状况、病害危害情况、产量及品质。本文综述了国内近十年来作物冠层光谱的获取方法、光谱分析方法和应用领域，并展望了未来发展方向。 关键词：作物；冠层；光谱 中图分类号：S127文献标识码：A Progress of Researches on Acquisition and Application of Crop Canopy Spectrum YANG Fen-tuan,LI Gang,JIANG Xiao-li*,CAO Qing-jun (Academy of Agricultural Sciences of Jilin Province/Key Laboratory of Crop Physiology and Ecology＆Tillage of Northeast China,Ministry of Agriculture,Changchun130033,China) Abstract:Crop canopy spectrum is influenced by crop pigments,vegetation and canopy structure.By acquisition of crop canopy spectrum and building model with agronomy parameter,we can monitor the crop growth,plant deficiency,plant diseases,crop yield and seed quality.Studies on crop canopy spectrum of ten years were summarized in the paper,which included collecting method,analysis measures,application field and directions of development in the future. Keywords:Crop;Canopy;Spectrum 吉林农业科学2011,36（6）：9-12Journal of Jilin Agricultural Sciences
专题二地表反照率 不同积雪及雪被地物光谱反射率特征与光谱拟合 张佳华1* 周正明1王培娟1沙依然2许云1孟倩文1 （1. 中国气象科学研究院，北京100081；2. 新疆气候中心，乌鲁木齐，830002） 摘要：积雪覆盖是影响全球气候、水循环的重要特征参数，准确测量和分析积雪光谱特征是提高遥感反演积雪特征的重要途径。本文在试验场基于野外光谱辐射仪测定了北京地区多种地表积雪和雪被地物的光谱，并对测得光谱数据进行分析。结果表明，对于纯雪光谱，反射率的峰值明显集中在从可见光波段到800n m 波段位置，积雪光谱具有反射率稳定较高的特点；在1030nm附近，光谱出现了一个明显的吸收谷。由于水的强吸收，积雪光谱在1500nm和2000nm附近的反射率几乎降到了0；在300-1300nm、1700-1800nm、2200-2300nm处，老雪和融化的雪反射峰比起新雪有不同程度的下降，最低为压实冻结的冰雪。对积雪和植被混合象元的光谱特性分析表明：雪被地物（包括覆有积雪的松叶和有积雪背景的松叶），由于受积雪的影响下，在350-1300nm光谱的反射率有所增加，但主要的植被光谱特性仍然保留得比较完整。最后，本文依据积雪、植被和混合光谱的定量分析，建立了混合光谱的拟合方程，结果显示模拟的混合光谱与实测光谱有较好的相关性（复相关系数R2=0.952）。 关键词：积雪; 光谱特征; 光谱拟合; ASD野外光谱仪 Spectrum reflectance characteristics of different snow and snow –covered land surface objects and mixed spectrum fitting ZHANG Jia-hua1*,ZHOU Zheng-ming1 , WANG Pei-juan1, SHA Yi-ran2, XUN Yun1, MENG Qian-wen1 (1. Chinese Academy of Meteorological Sciences, Beijing 100081,China; 2. Xinjiang Climate Center of, Urumqi,830002, China ) *通讯作者简介：张佳华 联系方式：zhangjh@https://www.doczj.com/doc/b08420478.html, 33
红外光谱实验报告 一、实验目的 掌握压片法固体制样技术，了解红外分光光度计的工作原理，学习红外光谱图的解析。 二、实验原理 红外吸光谱是物质分子中各种不同基团的振动能级的跃迁，且也伴随有转动能级的跃迁，对不同频率红外光产生选择性吸收所造成的。 基团的振动频率和吸收强度与组成基团的原子质量、化学键类型以及分子的几何构型有关，因此红外吸收光谱的吸收峰对各种不同的化学基团具有犹如人的指纹的特征性，可以此来鉴定未知化合物的功能团。 用红外吸收光谱进行定性分析，可在同样测试条件下，分别测定未知试样和已知标准试样的图谱，如萨特斯红外光谱图，在前两者都不具备的条件下，可以按特征区和指纹区的吸收峰，推测某些功能团的存在，然后用制备模型化合物来验证鉴定。 三、实验步骤 取少量（约1～2g）干燥过的杉木的木粉在玛瑙缽中充分磨细，再加入（木粉∶KBr=1∶100）干燥的KBr粉末，继续磨研几分钟，直到完全混合均匀，并将混合物在红外灯下烘干，约取10小勺混合物于压膜内，在压片机（调至60MPa）上压2分钟，然后泄压取出，即可得一薄透明薄片，把此薄片装于薄片夹持器上，然后在傅立叶变换红外光谱仪上进行测定分析。 四、结果讨论 木材红外光谱图，一般通过将木材分离成单一的组分进行红外光谱分析，然后再进行综合对比推断吸收峰的归属。 纤维素——特征吸收峰为2900 cm-1、1425 cm-1、1370 cm-1和895 cm-1，并且可用这几个特征峰计算纤维素的结晶度。 半纤维素——有1730 cm-1附近的乙酰基和羧基上的C=O伸缩振动吸收峰。
木质素——最为复杂，同时也是研究最多的木材组分。 上述试样所得的透明薄片在红外光谱仪上所得的图如下： 500750 10001250 150017502000250030003500 4000 1/cm 2025 30 35 40 45 50%T 3419.79 2924.09 2328.08 2146.772065.76 1734.01 1633.71 1510.26 1452.40 1375.25 1267.23 1155.36 1049.28 804.32 663.51 613.36 杉木syc 1．在3419.79cm -1处有-OH 伸缩振动出现.（木质素、糖类） 2．2924.09 cm -1处有一吸收峰，在3000 cm -1以下，说明存在饱和的C-H 伸缩振动，不饱和的C-H 伸缩振动则出现在3000 cm -1以上；（木质素、糖类） 3．1734.01 cm -1处有一吸收峰，说明存在C=O 伸缩振动；（半纤维素） 4．1633.71 cm -1吸收峰较强，可以判断存在C=O 基和芳环中C=C ； 5．1510.26 cm -1出现了吸收峰，表示有芳香族骨架震动；（木质素） 6．1452.10 cm -1出现了吸收峰，存在非对称变形的-CH 3； 7．1375.25 cm -1出现了吸收峰，表示有对称变形的-CH 3出现；（纤维素、半纤维素） 8. 1267.23 cm -1出现了吸收峰，有C-O 伸缩振动存在；（木质素、木聚糖） 9. 1049.28 cm -1出现了较强吸收峰，有C-O-C 伸缩振动存在；（纤维素、半纤维素）
典型地物反射波谱测量与特征分析 一、实验目的与要求 1.实验意义： （1）对光谱测量仪器的认识：ASD野外光谱分析仪FieldSpecPro是一种测量可见光到近红外波段地物波谱的有效工具，它能够快速扫描地物，光线探头在毫秒内得到地物的单一光谱。FieldSpec分光仪主要由附属手提电脑，观测仪器，手枪式把手，光线光学探头以及连接数据线组成。通过连接电脑，可实时持续显示测量光谱，使得测量者可以即时获取需要的测量数据。 （2）对课堂内容的认识：地物反射光谱是指某种物体的反射率或反射辐射能随波长变化的规律，以波长为横坐标，反射率为纵坐标所得到的曲线即为反射波谱特性曲线。影响地物波谱变化的因素：太阳位置（太阳高度角和方位角）。不同的地理位置，海拔高度不同。时间、季节的变化。地物本身差异、土壤含水量、植被病虫害。 2.实验目的： （1）地物波谱数据获取需要使用地面光谱仪，通过该实验学会地面光谱仪的原理与使用方法。 （2）通过对地物光谱曲线分析，比较相异与相似地物反射光谱特征。认识并掌握典型地物反射光谱特征。
二、实验内容与方法 1.实验内容 （1）典型地物反射波谱测量 选择典型地物类型，使用地物光谱仪，开展地物光谱测量，获得典型地物可见光近红外 波段（0.4-2.5微米）的反射光谱曲线。 地物类型：植被（草地、灌丛），水体（不同水深，有无植被），土壤（裸土、有少量植 被覆盖土壤），不透水地面（水泥地面、沥青路面、大理石地面）。 （2）地物波谱特征分析 a)标准波谱库浏览 b)波谱库创建 c)高光谱地物识别 ●从标准波谱库选择端元进行地物识别 ●自定义端元进行地物识别 2.实验方法 （1）ASD光谱仪简介 FieldSpec Pro型光谱仪是美国分析光谱设备(ASD)公司主要的野外用高光谱测量设备。整台仪器重量7.2公斤，可以获取350~2500nm 波长范围内地物的光谱曲线，探测器包括一个用于350-1000nm的512像元NMOS硅光电二极管阵列, 以及两个用于1000-2500nm的单独的热电制冷的铟-镓-砷光电探测器。便携式光谱仪是“我国典型地物标准波谱数据库”获取光谱数据的主要设备。 基本技术参数： 线性度：+/-1%
第３ １卷，第２期 光谱学与光谱分析Ｖｏｌ．３１，Ｎｏ．２，ｐｐ ４７８－４８２２ ０ １ １年２月 Ｓｐｅｃｔｒｏｓｃｏｐｙ ａｎｄ Ｓｐｅｃｔｒａｌ Ａｎａｌｙｓｉｓ Ｆｅｂｒｕａｒｙ，２ ０１１ 融合冠层水分特征的光谱参数ＮＣＶＩ及反演玉米ＬＡＩ 曹 仕１，刘湘南１＊，刘美玲１，曹 珊２，姚 帅１ １．中国地质大学（北京）信息工程学院，北京 １０００８３２．中国水利水电第八工程局，湖南长沙 ４１００００ 摘 要 精确反演农作物冠层叶面积指数对指导作物管理和作物估产具有非常重要的意义。以吉林市郊区玉米种植区为试点，考虑冠层叶片水分含量对ＬＡＩ的贡献，在ＮＤＶＩ的基础上结合表征冠层叶片水分含量的植被指数ＤＳＷＩ，提出一种归一化综合植被指数ＮＣＶＩ，以此建立模型反演ＬＡＩ，并对模型进行检验。结果表明：ＮＣＶＩ模型反演ＬＡＩ值与实测值之间存在良好的对应关系，此模型突破了传统经验模型对稠密冠层ＬＡＩ反演的局限，对ＬＡＩ值大于３的冠层反演效果良好；另外，ＮＣＶＩ模型对土壤水环境十分敏感，在干旱 半干旱地区的反演效果明显优于一般区域。 关键词 叶面积指数；归一化综合植被指数；冠层水分含量；遥感反演；玉米 中图分类号：ＴＰ７２２．４；Ｓ１２７ 文献标识码：Ａ ＤＯＩ：１０．３９６４／ｊ ．ｉｓｓｎ．１０００－０５９３（２０１１）０２－０４７８－０５ 收稿日期：２０１０－０４－２３，修订日期：２０１０－０９－ ０８ 基金项目：国家自然科学基金项目（ ４０７７１１５５）和国家高技术研究发展计划（８６３计划）项目（２００７ＡＡ１２Ｚ１７４）资助 作者简介：曹 仕，１９８５年生，中国地质大学（北京）信息工程学院硕士研究生 ｅ－ｍ ａｉｌ：ｃａｏｓｈｉ２２４＠１６３．ｃｏｍ＊通讯联系人 ｅ－ｍａｉｌ：ｌｉｕｘｎｃｕｇ ｂ＠１６３．ｃｏｍ引 言 叶面积指数（ｌｅａｆ ａｒｅａ ｉｎｄｅｘ，ＬＡＩ）是指单位地面面积上所有叶子单面表面积的总和，是表征植被冠层结构最基本的参数之一，同时也是陆地生态系统的一个十分重要的结构参数，它与植物的蒸腾、呼吸、光合作用以及降水的截取、地 表净初级生产力等密切相关［１－４］。自１９４７年提出以来，叶面 积指数已成为一个重要的植物学参数和评价指标，并在农业、牧业、林业以及生物学、生态学、环境学等领域得到广 泛应用［ ５］ 。现今利用遥感反演叶面积指数的方法大致分为两类，即物理模型方法和经验模型方法。物理模型方法以物理光学原理为基础，具有较强的时空扩展性，但却因算法的复杂性而导致其实现困难、计算繁冗，并且还存在病态反演的问 题［ ６］ 。经验模型方法则利用光谱指数快速获得叶面积指数，具有简单灵活的特点，是现在最常用的间接获得ＬＡＩ的方 法［ ７，８］ 。目前叶面积指数反演经验模型用的最多的光谱指数是归一化植被指数（ｎｏｒｍａｌｉｚｅｄ ｄｉｆｆｅｒｅｎｃｅ ｖｅｇｅｔａｔｉｏｎ ｉｎｄｅｘ，ＮＤＶＩ），但此类模型一般只考虑单一植被指数，当冠层过于稠密，ＬＡＩ值达到３以上时，ＮＤＶＩ指数反演达到饱和，其模型严重受限，无法进行进一步反演。 随着空间精细化模型的发展和基于过程的分布式模拟技 术的应用，对ＬＡＩ的区域精确估算显得越来越重要，经验模 型中传统反演方法的局限性显然不能满足其要求，Ｋｏｕｉｔｉ利 用ＢＲＤＦ结合ＮＤＶＩ解决了无法反演高ＬＡＩ的限制［９］，但其 需要的数据比较复杂，不适于普遍推广使用。而本研究从冠层叶片水分含量出发，在ＮＤＶＩ的基础上结合表征叶片水分含量的植被指数，提出一种反演ＬＡＩ的归一化综合植被指数（ｎｏｒｍａｌｉｚｅｄ ｃｏｍｐｏｓｉｔｅ ｖｅｇｅｔａｔｉｏｎ ｉｎｄｅｘ，ＮＣＶＩ），用以提高ＬＡＩ的反演精度，打破经验反演的局限性，扩大经验模型的适用范围。 １ ＮＣＶＩ理论基础与实验设计 １．１ 实验设计 研究区域为吉林省吉林市郊区玉米种植区，实验随机选取了Ａ，Ｂ，Ｃ，Ｄ四块不同地域，在每块地域取１５个测试 点，对每个试点的玉米植株进行光谱测试和叶面积指数的测试，并对冠层上、中、下的叶片和试点土壤进行采样，随后在实验室进行水分测量。 冠层光谱反射率的测量采用ＡＳＤ ｆｉｅｌｄ ｐｒｏ３便携式辐射光谱仪，其探测波长范围：３５０～２ ５００ｎｍ；光谱分辨率：３５０～１ ０５０ｎｍ范围内为３．５ｎｍ，１ ０００～２ ５００ｎｍ范围内为１０ｎｍ；光谱采样间隔：３５０～１ ０５０ｎｍ范围内为１．４ｎｍ，１ ０００～２ ５００ｎｍ范围内为２ｎｍ；采样时间：１０次·ｓ－１ 。叶面积
2013年5月13日不同塑料的红外光谱的测定（选做实验） 小组成员： 1153613 石鹏皓 1153624 方勇 1153633 艾万鹏 1153637 张姜 1153639 王悦 1153640 杨磊 1153643 黄心权 1153645 潘炯 分工明细： 软件操作：杨磊、艾万鹏 仪器操作：黄心权、张姜 材料制备：潘炯、石鹏皓 理论指导：方勇 报告撰写：王悦、杨磊 报告修订与整改：所有小组成员 一、实验目的 1、复习对红外图谱的解析，重温红外吸收光谱分析的基本原理； 2、通过红外吸收光谱的测定，熟料掌握Nicolet FT-IR的使用方法； 3、测定不同塑料的红外光谱，并进行比较，了解不同塑料制品的不同组成。 二、实验原理 当样品受到频率连续变化的红外光照射时，分子吸收了某些频率的辐射，并由其振动或转动运动引起偶极矩的净变化，产生分子振动和转动能级从基态到激发态的跃迁,使相应于这些吸收区域的透射光强度减弱。记录红外光的百分透射比与波数或波长关系曲线，就得到红外光谱。红外光谱图通常用波长(λ)或波数(σ)为横坐标，表示吸收峰的位置，用透光率(T%)或者吸光度(A)为纵坐标，表示吸收强度。[1] 红外光谱作为“分子的指纹”，广泛用于分子结构和物质化学组成的研究。利用物质对红外光波的吸收不进行定性及定量的，不同的物质具有不同的化学键，其吸收波长不同，而对光波吸收的多少与物质的量成正比，因此可以用来定量。 本实验用Nicolet FT-IR来测定不同塑料的红外吸收光谱。 一些基本振动形式及频率有[2]： 1)亚甲基的反对称伸缩振动σas（CH2）2926cm-1；亚甲基的对称伸缩振动σs（CH2） 2853cm-1；
麦类作物学报 2006,26(2):103～108 Jou rnal of T riticeae C rop s 不同施氮条件下小麦冠层的高光谱和多光谱反射特征Ξ 李映雪,朱艳,曹卫星 (南京农业大学 江苏省信息农业高技术研究重点实验室,农业部作物生长调控重点开放实验室,南京210095) 摘 要:为了更好地利用冠层反射光谱特征监测小麦生长及氮素营养状况,以宁麦9号、淮麦20、徐麦26和扬麦10号四个小麦品种为材料,通过田间小区试验,研究了不同小麦品种在不同生育时期和不同氮素水平下冠层反射光谱的变化规律。结果表明,相同氮素水平下不同小麦品种冠层反射光谱的反射率有差异,且近红外部分差异较明显。小麦从拔节开始,随生育期的推进,冠层反射光谱在可见光波段的反射率先降低然后升高,以孕穗期反射率最低,随着叶片的逐渐变黄,反射率又增大,并且绿光波段的反射峰也逐渐消失。而近红外区反射率则表现出相反的趋势,以开花期为分界,先上升然后下降,直到成熟前降为最低。随着施氮水平的提高,冠层反射光谱在近红外反射平台(750～1300nm)的反射率呈上升趋势,而可见光部分反射率则下降,并且反射光谱的绿峰和红边位置也随着施氮水平的提高分别向蓝光方向(波长变短)和红光方向(波长变长)移动。 关键词:小麦;施氮;高光谱;多光谱;冠层反射特征 中图分类号:S512.1;S311 文献标识码:A 文章编号:100921041(2006)022******* Character iz i ng Canopy Hyperspectra l and M ultispectra l Ref lectance under D ifferen t N-appl ica tion Cond ition s i n W hea t L IY i ng-xue,ZHU Yan,CAO W e i-x i ng (H i2T ech Key L abo rato ry of Info rm ati on A griculture of J iangsu P rovince Key L abo rato ry of C rop Grow th R egulati on, M inistry of A griculture,N anjing A gricultural U niversity,N anjing,J iangsu210095,Ch ina) Abstract:T he change of canop y sp ectral reflectance under differen t cu ltivars,differen t grow th stages and varied n itrogen rates w ere investigated by characterizing canop y m u ltisp ectral and hyp ersp ectral reflectance in w heat.T he resu lts show ed that the canop y reflectance differed w ith cu ltivars,w ith sign ifican t change at near infrared bands.R eflectance at visib le ligh t in itially decreased and then increased w ith grow th p rogress after j o in ting,w ith the low est value app eared at boo ting.R eflectance increased and reflectance p eak also disapp eared gradually in cou rse of leaf yellow ing.How ever, reflectance in near infrared had oppo site trend,w h ich in itially increased and then decreased to the low est from an thesis to m atu rity.R eflectance at near infrared reflected flat(750～1300nm)increased w ith increasing n itrogen supp ly,w hereas reflectance at visib le band decreased,and green p eak and red edge po siti on of canop y reflectance sp ectra also m oved to directi on of b lue ligh t(sho rt w avelength) and red ligh t(long w avelength),resp ectively.T hese resu lts p rovide background info rm ati on fo r m on ito ring of grow th characters and n itrogen statu s w ith canop y reflectance sp ectra in w heat. Key words:W heat;N itrogen app licati on;M u ltisp ectra;H yp ersp ectra;Canop y reflectance 随着高分辨率遥感技术研究的深入,利用弱光谱差异对地物特征进行定量分析的研究得以广泛开展[1]。许多学者试图通过冠层反射光谱的差异分析来判别作物种类和栽培条件。杨长明[2]等研究表明,不同株型水稻品种群体冠层对太阳光谱辐射的反射率存在明显差异,尤其以蓝光区 Ξ收稿日期:2005208201 修回日期:2005210220 基金项目:国家自然科学基金项目(30400278);江苏省自然科学基金项目(BK2003079,BK2005212);江苏省高校博士点基金项目(20030307017)。 作者简介:李映雪(1975-),女,讲师,主要从事信息生态学和作物遥感监测研究。 通讯作者:朱艳(1976-),女,副教授,主要从事作物模拟与信息技术研究。
生长期冬小麦冠层光谱特征分析 摘要：采用野外地物光谱仪对样地冬小麦进行实地测量，对实测冬小麦光谱数据进行了分析。结果表明，①冬小麦冠层光谱反射曲线走势大致与绿色健康植物的一般光谱特征一致，冬小麦的生长状况都比较良好，在7个生长阶段中，变化主要发生在开花期、灌浆期；②比较整个生长期内各个波段的反射率，变化最大的为黄光波段和绿光波段，其次是红光波段和橙光波段，红外波段与蓝光波段较小，紫外波段的反射率在各个阶段的变化均远小于其他波段。在可见光波段，冬小麦冠层光谱的反射率是比较稳定的，变化集中表现在红光及近红外波段；③随着太阳高度角的增大，其各个波段的反射率均呈上升趋势，在11∶20太阳高度角接近最大时反射率达到最大，接着随太阳高度角的减小，冬小麦各个波段的反射率呈下降趋势；④叶面滞尘量和种植密度对于冬小麦光谱曲线均有影响，但由于条件限制和外界因素影响，未能精确地分析这两种因素对于冬小麦光谱曲线的影响特征。 关键词：冬小麦；生长期；冠层；高光谱；反射率 健康绿色植被具有基本的光谱特性，其光谱反射率有一定的变化范围，但曲线形态变化是基本相似的。不同的植被类别因其叶子的色素含量、细胞结构、含水量均有不同，故光谱反射率存在着一定差异[1]，这种差异是人们鉴别和监测植被的依据。小麦的光谱特征研究一直是植物光谱研究的重点，目前国内外对小麦光谱的研究主要集中在不同施肥水平下小麦冠层光谱特征的分析、不同水分状况与小麦冠层光谱特征的关系、叶片营养诊断、叶面积指数等与光谱特性的相关性、病虫害或倒伏及叶片灰尘对光谱特征的影响等方面，所有这些研究都是以植被光谱特征为基础进行的[2-5]。但植被在生长发育的不同阶段，其光谱特征也不断变化[6，7]。影响植物光谱的因素有植物本身的结构特征，也有外界的影响，如空气、土壤等环境因子的影响。因此，对植物光谱特征及其相关因子的研究具有重要的理论和现实意义。为此，在河南省许昌市东郊北宋庄附近选取小麦样地4块，每块样地中选取1个1 m×1 m的样方，利用实测数据绘制生长期冬小麦冠层光谱特征曲线，分析生长期各个阶段冬小麦冠层光谱特征变化规律，为实现高光谱监测大面积冬小麦长势提供科学依据。 1 材料与方法 1.1 试验样区概况 试验样区安排在河南省许昌市市郊，位于河南省中部，平均海拔72.8 m，属暖温带季风区，气候温和，光照充足，雨量充沛，无霜期长，四季分明。春季干旱多风沙，夏季炎热雨集中，秋季晴和气爽日照长，冬季寒冷少雨雪。年平均气温14.7 ℃，年平均日照时间2 280 h，年平均降雨量579 mm，无霜期217 d。许昌市现有冬小麦种植面积21.7万hm2。主要的农业土壤比较肥沃，非常适宜农业耕种。
绿色植物的反射波谱曲线作用 2014015587—贺康康—环科 地面植物具有明显的光谱反射特征，不同于土壤、水体和其他的典型地物，植被对电磁波的响应是由其化学特征和形态学特征决定的，这种特征与植被的发育、健康状况以及生长条件密切相关。 在可见光波段内，各种色素是支配植物光谱响应的主要因素，其中叶绿素所起的作用最为重要。健康的绿色植被，其光谱反射曲线几乎总是呈现“峰和谷”的图形，可见光谱内的谷是由植物叶子内的色素引起的。 例如叶绿素强烈吸收波谱段中心约0.45um和0.67um（常称这个谱带为叶绿素吸收带）的能量。植物叶子强烈吸收蓝区和红区的能量，而强烈反射绿区能量，因此肉眼觉得健康的植被呈绿色。除此之外，叶红素和叶黄素在0.45um（蓝色）附近有一个吸收带，但是由于叶绿素的吸收带也在这个区域内，所以这两种黄色色素光谱响应模式中起主导作用。如果植物受到某种形式的抑制而中断了正常的生长发育，它会减少甚至停止叶绿素的产生。这将导致叶绿素的蓝区和红区吸收带减弱，常使红波段反射率增强，以至于我们可以看到植物变黄（绿色和红色合成）。从可见光区到大约0.7um的近红外光谱区，可看到健康植被的反射率急剧上升。在0.7-1.3um区间，植物的反射率主要来自植物叶子内部结构。 健康绿色植物在0.7-1.3um间，的光谱特征的反射率高达（45%-50%），透过率高达（45%-50%），吸收率低至（<5%）。植物叶子一般可反射入射能量的40%-50%，其余能量大部分透射过去，因为在这一光谱区植物叶子对入射能量的吸收最少（一般少于5%）。 在光谱的近红外波段，植被的光谱特性主要受植物叶子内部构造的控制。在可见光波段与近红外波段之间，即大约0.76um附近，反射率急剧上升，形成“红边”现象，这是植物曲线的最为明显的特征，是研究的重点光谱区域。 许多种类的植物在可见光波段差异小，但近红外波段的反射率差异明显。同时，与单片叶子相比，多片叶子能够在光谱的近红外波段产生更高的反射率（高达85%），这是因为附加反射率的原因，因为辐射能量透过最上层的叶子后，将被第二层的叶子反射，结果在形式上增强了第一层叶子的反射能量。（Philip et al. ，1978） 植物波谱反射特征的规律［1］ 经过的对植物进行300多个目标点的波谱反射特性的测定。从结果来看，尽管它们种类、所在位置的自然条件不同，但在绿色状态下，其特征都具有共同的规律，这些规律是: 1、特征的相似性。 2、特征的可分性。 3、特征的周期性 4、特征随季节而变化的显著性。 作物旱情监测［2］ 济南市小麦种植区TVDI 统计结果表明，对于TVDI 等级非常湿润和湿润，在六个统计时段内，面积最大都出现在六月份，面积最小都出现在一月和十二月，其次非常湿润等级还在三月的面积较大，湿润等级在十月份的面积较大；冬小麦种植区的正常TVDI等级，面积最大出现在十月，最小为一月，其他各月相差不大；出现干旱现象面积最大的月份为一月，与前文分析结果一致，统计结果同样符合。 利用多类别MODIS 植被指数和陆地表面温度产品数据，根据陆地表面温度与植被指数关系特点，建立多种干旱评价指标。结合气温、降水、土壤墒情数据，验证各干旱反演模型在济南市的适用性，研究2010年10月至2011年5月济南市干旱发生的时空演变格局。
KBr压片法测定固体样品的红外光谱 一、实验目的 1、掌握红外光谱分析法的基本原理。 2、掌握Nicolet5700智能傅立叶红外光谱仪的操作方法。 3、掌握用KBr压片法制备固体样品进行红外光谱测定的技术和方法。 4、了解基本且常用的KBr压片制样技术在红外光谱测定中的应用。 5、通过谱图解析及标准谱图的检索，了解由红外光谱鉴定未知物的一般过程。 二、仪器及试剂 1 仪器：美国热电公司Nicolet5700智能傅立叶红外光谱仪；HY-12型手动液压式红外压片机及配套压片模具；磁性样品架；红外灯干燥器；玛瑙研钵。 2 试剂：苯甲酸样品（AR）；KBr（光谱纯）；无水丙酮；无水乙醇。 三、实验原理 红外吸收光谱法是通过研究物质结构与红外吸收光谱间的关系，来对物质进行分析的，红外光谱可以用吸收峰谱带的位置和峰的强度加以表征。测定未知物结构是红外光谱定性分析的一个重要用途。根据实验所测绘的红外光谱图的吸收峰位置、强度和形状，利用基团振动频率与分子结构的关系，来确定吸收带的归属，确认分子中所含的基团或键，并推断分子的结构，鉴定的步骤如下： (1)对样品做初步了解，如样品的纯度、外观、来源及元素分析结果，及物理性质(分子量、沸点、熔点)。 (2)确定未知物不饱和度，以推测化合物可能的结构； (3)图谱解析 ①首先在官能团区(4000～1300cm-1)搜寻官能团的特征伸缩振动； ②再根据“指纹区”(1300～400cm-1)的吸收情况，进一步确认该基团的存在以及与其它基团的结合方式。
图1 仪器的基本结构 四、实验步骤 1. 红外光谱仪的准备 （1）打开红外光谱仪电源开关，待仪器稳定30 分钟以上，方可测定； （2）打开电脑，选择win98系统，打开OMNIC E.S.P软件；在Collect菜单下的Experiment Set-up 中设置实验参数； （3）实验参数设置：分辨率 4 cm-1，扫描次数32，扫描范围4000-400 cm-1；纵坐标为Transmittance 2．固体样品的制备 （1）取干燥的苯甲酸试样约1mg于干净的玛瑙研钵中，在红外灯下研磨成细粉，再加入约150mg干燥且已研磨成细粉的KBr一起研磨至二者完全混合均匀，混合物粒度约为2μm以下（样品与KBr的比例为1:100~1:200）。 （2）取适量的混合样品于干净的压片模具中，堆积均匀，用手压式压片机用力加压约30s，制成透明试样薄片。 3．样品的红外光谱测定 （3）小心取出试样薄片，装在磁性样品架上，放入Nicolet5700智能傅立叶红外光谱仪的样品室中，在选择的仪器程序下进行测定，通常先测KBr的空白