高光谱数据与水稻叶面积指数及叶绿素密度的相关分析

格式：pdf
大小：154.41 KB
文档页数：5

下载文档原格式

水稻冠层高光谱特征变量与叶片叶绿素含量的相关性研究

ＬＩＵＴａｏｊｕ，ＨＵＷｅｎｊｕｎ，ＺＨＡＮＧＸｉａｏｄｏｎｇ，ＪＩＡＮＧＳｈａｏｌｉｎ，
ＴＡＮＧＪｉａｎｊｕｎ，ＸＵＴａｏ，ＣＨＥＮＭｅｉｑｉｕ
（ＪｉａｎｇｘｉＡｇｒｉｃｕｌｔｕｒａｌＵｎｉｖｅｒｓｉｔｙ，ＫｅｙＬａｂｏｒａｔｏｒｙｏｆＣｒｏｐＰｈｙｓｉｏｌｏｇｙ，ＥｃｏｌｏｇｙａｎｄＧｅｎｅｔｉｃＢｒｅｅｄｉｎｇｏｆＪｉａｎｇｘｉＰｒｏｖｉｎｃｅ，Ｎａｎｃｈａｎｇ３３００４５，Ｊｉａｎｇｘｉ，Ｃｈｉｎａ）
Ｆｉｅｌｄｔｒｉａｌｓｏｆｄｉｆｆｅｒｅｎｔｎｉｔｒｏｇｅｎａｐｐｌｉｃａｔｉｏｎｐｒｏｃｅｓｓｉｎｇａｒｅｓｅｔｕｓｉｎｇｄｏｕｂｌｅｓｅａｓｏｎｅａｒｌｙｒｉｃｅａｓｍａｔｅｒｉａｌｓ．Ｒｉｃｅｃａｎｏｐｙｓｐｅｃｔｒｕｍａｎｄｃｈｌｏｒｏｐｈｙｌｌｃｏｎｔｅｎｔｏｆｌｅａｖｅｓｗｅｒｅｍｅａｓｕｒｅｄ．Ｔｈｅｃｈａｒａｃｔｅｒｉｓｔｉｃｖａｒｉａｂｌｅｓｗｅｒｅｃａｌｃｕｌａｔｅｄｂａｓｅｄｏｎｃａｎｏｐｙｒｅｆｌｅｃｔａｎｃｅｓｐｅｃｔｒａｌ．Ｔｈｅｒｅｌａｔｉｏｎｓｈｉｐｂｅｔｗｅｅｎｒｉｃｅｃａｎｏｐｙｈｙｐｅｒｓｐｅｃｔｒａｌｃｈａｒａｃｔｅｒｉｓｔｉｃｖａｒｉａｂｌｅｓａｎｄｃｈｌｏｒｏｐｈｙｌｌｃｏｎｔｅｎｔｗａｓｓｔｕｄｉｅｄ．Ｔｈｅｒｅｓｕｌｔｓｓｈｏｗｅｄｔｈａｔａｐｐｌｙｉｎｇｎｉｔｒｏｇｅｎｆｅｒｔｉｌｉｚｅｒｈａｄａｓｉｇｎｉｆｉｃａｎｔｅｆｆｅｃｔｏｎｃａｎｏｐｙｒｅｆｌｅｃｔａｎｃｅｓｐｅｃｔｒａｌ．，ｅｓＴｈｅｒｅｆｌｅｃｔａｎｃｅｏｆｒｉｃｅｗｉｔｈｏｕｔａｐｐｌｙｉｎｇｎｉｔｒｏｇｅｎｆｅｒｔｉｌｉｚｅｒｗａｓｇｒｅａｔｅｒｔｈａｎｏｎｅｓｗｉｔｈｎｉｔｒｏｇｅｎｆｅｒｔｉｌｉｚｅｒｉｎｖｉｓｉｂｌｅｌｉｇｈｔｐｅｃｉａｌｌｙａｔｇｒｅｅｎｐｅａｋｒｅｇｉｏｎｗｈｅｒｅｔｈｅｗａｖｅｌｅｎｇｔｈｗａｓａｒｏｕｎｄ５５０ｎｍ．Ｔｈｅｒｅｆｌｅｃｔａｎｃｅｉｎｎｅａｒｉｎｆｒａｒｅｄｒｅｇｉｏｎｉｎｃｒｅａｓｅｄｗｉｔｈｔｈｅｎｉｔｒｏｇｅｎｆｅｒｔｉｌｉｚｅｒａｐｐｌｉｃａｔｉｏｎ．Ｔｈｅｃｈａｒａｃｔｅｒｉｓｔｉｃｖａｒｉａｂｌｅｓｂａｓｅｄｏｎｓｐｅｃｔｒａｌｐｏｓｉｔｉｏｎｓｕｃｈａｓｒｅｄｅｄｇｅｐｏｓｉｔｉｏｎ

基于冠层高光谱的水稻长势估测的研究

基于冠层高光谱的水稻长势估测的研究摘要：为了定量分析不同生育期冠层反射光谱参数与水稻长势的相互关系，确定能够准确预测高温胁迫下水稻长势的敏感光谱参数，通过大田小区试验，测定了抽穗期 4 种温度胁迫处理后的两个水稻品种不同生育期冠层高光谱反射率、叶绿素指数和叶面积指数。

光谱参数R808和SD755同时与淮稻5号抽穗期和灌浆期的SPAD相关性最好，R808、SD764和SD484与镇稻9424的两个时期的SPAD相关性最好。

淮稻5号两个时期的LAI与其光谱相关性以R808、SD988和SD875为最好，镇稻9424的两个时期的LAI与其光谱相关性以R808、SD934和SD860为最好。

关键词：水稻；高温胁迫；冠层高光谱反射；长势预测；光谱参数Abstract: In order to relationship between quantitative analysis in different growth periods and the growth of rice canopy spectral reflectance parameters, determined to be able to accurately predict sensitive spectral parameters under high temperature stress, the growth of rice, the field experiment, the heading stage was determined in different growth period of 4 kinds of two rice varieties of temperature stress after the canopy hyperspectral reflectance, chlorophyll index and leaf area index. The best correlation between SPAD 5, heading stage and milking stage spectral parameters of R808 and SD755 at the same time and Huaidao, best SPAD correlation between the two periods of R808, SD764 and SD484 and Zhendao 9424. LAI and its spectral correlation Huaidao No. 5 two period with R808, SD988 and SD875 was the best, LAI and spectral correlation between two periods of Zhendao 9424 with the R808, SD934 and SD860 for the best.Key words: rice; high temperature stress; canopy hyperspectral reflectance; growth prediction; spectral parameters引言：水稻是世界三大粮食作物之一，中国是世界水稻最重要的生产国也是消费国。

基于高光谱成像技术的作物叶绿素信息诊断机理及方法研究

基于高光谱成像技术的作物叶绿素信息诊断机理及方法研究一、概要本文主要探讨了基于高光谱成像技术的作物叶绿素信息诊断机理及方法。

随着光谱技术的发展，高光谱成像技术在农业领域的应用逐渐受到关注。

本文通过对水稻、小麦等作物叶片的高光谱成像数据分析，研究了作物叶绿素含量的空间分布特征及其与作物生长指标的关系；建立了基于高光谱成像技术的作物叶绿素含量预测模型，并对模型的准确性进行了验证。

高光谱成像技术可以准确地区分作物的健康状态和健康状况的变化，为农业生产提供有力支持。

本文还提出了针对不同作物、不同生长阶段的叶绿素含量预测方法，为农业生产提供了科学依据。

本研究对于推动高光谱成像技术在农业领域的应用和发展具有重要意义。

1. 高光谱成像技术的发展与应用背景随着科技的不断发展，高光谱成像技术在植物学领域中的应用越来越广泛。

高光谱成像技术是一种能够同时获取物体光谐波段信息的技术，通过对生物组织在红外、可见光和短波段范围内的吸收情况进行测量，可以获取植物生长状况、养分含量、病虫害等多种信息，为农业生产提供科学依据和技术支持。

在过去几十年中，研究者们已经开展了许多关于高光谱成像技术在农业领域应用的研究。

叶绿素信息诊断是一种重要的应用方向。

叶绿素是植物进行光合作用的必需元素，其含量的变化直接影响到植物的生长和发育，通过对植物叶片中叶绿素的含量和分布进行准确测量，可以为农作物栽培管理提供重要指导。

传统的叶绿素检测方法如分光光度法、荧光法等虽然在一定程度上能够满足需求，但存在操作复杂、精度低等问题。

随着高光谱成像技术的发展，这些问题逐渐得到解决。

通过高光谱成像技术，可以实现同时对植物叶片中多种成分进行定量测量和分析，提高叶绿素检测的准确性和效率。

高光谱成像技术在作物叶绿素信息诊断方面的应用前景广阔。

除了叶绿素含量与分布的测量外，还可以应用于作物生长速度、产量预测、抗病性评价等方面。

通过对高光谱图像数据进行分析和处理，可以实现作物生长信息的实时监测和评估，为农业生产提供更加智能、精准的管理服务。

对水稻微分光谱和植被指数的探讨

对水稻微分光谱和植被指数的探讨
唐延林，王人潮，王秀珍
（浙江大学农业遥感与信息技术应用研究所，杭州 *!))(%）
摘
要：通过不同供氮水平的田间试验，分析了微分光谱对消除水稻冠层光谱的背景影响和植被指数在农学参数测定中的
作用。结果表明：由微分光谱所得的红边位置、红边斜率与盖度、叶面积指数及供氮水平之间有一定的相关性；水稻多光谱植高光谱植被指数及其变量与植被盖度、供氮水被指数 /01、 2301 与叶面积指数 451 及其地上部生物量之间有极显著相关性；平之间存在相关性。这些表明，用微分光谱技术与植被指数方法监测水稻的田间供氮水平和长势似乎是可行的。关键词：微分光谱6 植被指数 6 水稻 6 红边参数中图分类号： 7%&#. 8 文献标识码： 5
!""#$%&’ (’) *)#+,%(+,) -")&(#% %./ 0)1)(%(+$. 2./+&)3 $4 5+&)
!"#$ %&’()*’， +"#$ ,-’(./&0， +"#$ 1*2(3/-’
’ 19:;<;=;> ?@ 5AB<C=D;=B> />E?;> F>9:<9A G 19@?BEH;<?9 FI:;>E 5JJD<CH;<?9- KL>M<H9A N9<O>B:<;I- PH9AQL?= *!))(% ， RL<9H +
!63(#%&(7 S I @<>DT ;>:;: ?@ B<C> <9 T<@@>B>9; 9<;B?A>9 D>O>D:- U> H9HDI:> ;L> HC;<?9 ?@ T>B<OH;<O> :J>C;BH ?9 >D<E<9H;<9A VHCWAB?=9T <9@D=>9C> ?9 B<C> CH9?JI :J>C;BH H9T ;LH; ?@ O>A>;H;<?9 <9T<C>: ?9 T>;>BE<9<9A HAB<C=D;=BHD JHBHE>;>B:. XL> B>:=D; :L?U: ;LH; ;L>B> HB> H C>B;H<9 C?BB>DH;<?9: V>;U>>9 ;L> J?:<;<?9 H9T :D?J> ?@ B>T >TA> ?@ CH9?JI :J>C;BHD B>@D>C;H9C> ?@ B<C> H9T @BHC;<?9HD O>A>;H;<?9 C?O>B451）H9T 9<;B?A>9 :=JJDI D>O>D. XL> E=D;<JD> :J>C;BHD O>A>;H;<?9 <9T<C>: /01 H9T 2301 ?@ B<C> CH9?JI HB> B>EHBWHVD> D>H@ HB>H <9T>Y （ C?BB>DH;<O> U<;L 451 H9T HV?O> AB?=9T EH;;>B- V=; ;L> LIJ>B:J>C;BHD O>A>;H;<?9 <9T>Y H9T <;: OHB<HVD> HB> H C>B;H<9 C?BB>DH;<O> U<;L B<C> @BHC;<?9HD C?O>B H9T 9<;B?A>9 :=JJDI D>O>D. XL<: JB?O>: ;LH; <; <: @>H:<VD> @?B =:<9A ;L> ;>CL9?D?AI ?@ T>B<OH;<O> :J>C;B=E H9T E>;L?T ?@ O>A>;H;<?9 <9T>Y ;? E?9<;?B ;L> 9<;B?A>9 :=JJDI D>O>D H9T AB?U<9A ?@ B<C>. 8)9 :$#/37 T>B<OH;<O> :J>C;B=E6 O>A>;H;<?9 <9T>Y6 B<C>6 B>T >TA> JHBHE>;>B

高光谱植被指数与水稻叶面积指数的定量关系

1686
应用生态学报 20 卷
越多地用于反演植物叶面积指数 . 研究表明 , LA I与 [4] 一阶微分光谱均表现出良好的相关性 , 基于波形 [ 9 - 10 ] 分析的红边参数对 LA I也表现敏感 . 750 nm 附近光谱一阶导数对 LA I表现敏感 ,红边振幅、红边面积等三边参数与 LA I有良好的相关关系 . 王秀 [ 11 ] 珍等研究表明 ,蓝边内一阶微分的总和与红边内一阶微分的总和的比值 , 以及归一化差值植被指数是估测水稻 LA I的良好参数 . 为了提高水稻 LA I的估测精度 ,也有研究采用了主成分分析法或支持向量机等模糊统计方法 . 而利用各种卫星遥感数据如 T M、 ET M、 IKONOS、 MOD IS、 MI V IS等具有不同 [ 1, 9, 14 - 18 ] 波段设置和分辨率的影像在大范围的 LA I 监测中也获得了一定程度的成功 . 然而 ,水稻 LA I与不同高光谱植被指数之间的关系还缺乏深入系统的研究 ,适用于不同品种和栽培条件下水稻叶面积指数估测的高光谱植被指数构建研究尚需加强 ,同时 , 建立较高精度的水稻叶面积指数监测模型的研究还有待提高 . 为此 , 本文研究了不同施氮处理下水稻 LA I与冠层高光谱植被指数之间的关系 , 构建了水稻 LA I的高光谱估测参数 , 进而建立定量化估算模型 ,以期为水稻 LA I的实时定量监测奠定基础 .
[3 - 4]
3 国家自然科学基金项目 ( 30571092, 30671215) 、国家高技术研究发展计划项目 ( 2006AA10Z202, 2006AA10Z271) 、国家科技支撑计划项目 ( 2006BAD10A01) 和高校博士点基金项目 ( 20070307035) 资助 . 3 3 通讯作者 . E 2 mail: caow@ njau. edu. cn 2008 2 11 2 21 收稿 , 2009 2 04 2 28 接受 .

高光谱植被指数与水稻叶片叶绿素相关分析

ｓｈｏｗｔｈａｔｔｈｅｔｈｉｒｄａｎｄｔｗｏｏｔｈｅｒｓｐｅｃｉｅｓｓｐｅｃｔｒａｃｕｒｖｅｓｉｎｄｉｆｆｅｒｅｎｃｅｄｕｉｎｒｇｇｒａｉｎｉｆｌｌｉｎｇｓｔａｇｅ，ａｌｏｗｃｏｒ — ｒｅｌａｔｉｏｎｂｅｔｗｅｅｎｖｅｇｅｔａｔｉｏｎｉｎｄｅｘｅｓｗｉｔｈｃｈｌｏｒｏｐｈｙｌｌ，ｔｈｅｍａｘｉｍｕｍｃｏｒｒｅｌａｔｉｏｎｖａｌｕｅ０．８３ａｓｍｏｄｉｉｆｅｄｎｏｒ－ｍａｌｉｚｅｄｄｉｆｆｅｒｅｎｃｅｉｎｄｅｘａｎｄｃｈｌｏｒｏｐｈｙｌｌｃａｌｃｕｌａｔｅｄ．Ｋｅｙｗｏｒｄｓ：ｈｙｐｅｒｓｐｅｃｔｒａｌｒｅｍｏｔｅｓｅｎｓｉｎｇ；ｖｅｇｅｔａｔｉｏｎｉｎｄｅｘ；ｒｉｃｅ；ｖｅｇｅｔａｔｉｏｎｃｈｌｏｒｏｐｈｙｌｌ
谱曲线差异较为明显，植被指数对于灌浆晚期叶片叶绿素相关性较低，最大相关值０．８３是修正归一化差异指数与
叶绿素计算所得．关键词：高光谱遥感；植被指数；水稻；叶绿素
中图分类号：Ｐ２３７文献标识码：Ａ文章编号：１００９— ７８２１（２０１３）０２— ０１２４— ０４
Ａｂｓｔｒａｃｔ：ＵｓｉｎｇｆｉｅｌｄｓｐｅｃｔｒｏｒａｄｉｏｍｅｔｅｒＡｖａｆｉｅｌｄ一１ｄｅｔｅｒｍｉｎａｔｉｏｎｏｆｔｈｅｔｈｒｅｅｔｙｐｅｓｒｉｃｅｌｅａｆｓｐｅｃｔｒａｃｕｒｖｅｓｉｎｇｒａｉｎｉｌｆｌｉｎｇｓｔａｇｅ，ｔｈｅｍｅａｓｕｒｅｄｓｐｅｃｔｒａｌｒｅｆｌｅｃｔａｎｃｅｖａ］ｕｅｓｃａｌｃｕｌａｔｅｄｂｙｔｈｅ１１ｖｅｇｅｔａｔｉｏｎｉｎｄｅ－ｘｅｓ，ａｎｌｙａｓｉｓｏｆｔｈｅｒｅｌａｔｉｏｎｂｅｔｗｅｅｎｖｅｇｅｔａｔｉｏｎｉｎｄｅｘａｎｄｐｅｉｏｒｄｍｅａｓｕｒｅｄｃｈｌｏｒｏｐｈｙｌｌｖａｌｕｅ．Ｔｈｅｒｅｓｕｌｔｓ

高温胁迫下水稻产量的高光谱估测研究

高温胁迫下水稻产量的高光谱估测研究水稻是中国人民的主食之一，它的产量直接关系到人们的生活质量和国家的粮食安全。

然而，近年来全球气候变暖，高温胁迫已经成为水稻生产中的重要威胁因素，严重降低了水稻的产量和质量。

因此，高效的高光谱估测技术在高温胁迫下水稻产量的预测和评估中受到了广泛的关注。

高光谱技术是一种遥感技术，可以对植被的反射率和吸收率进行非常精细的量化测量。

它通过对植被在不同波长下的反射率进行分析，可以得到一些与植物生长和生理状态相关的指标。

据报道，在高温胁迫下，水稻叶片的光谱反射率会发生明显的变化，这为利用高光谱技术来预测水稻产量提供了可能。

过去，人们利用近红外光谱和可见光谱来预测水稻的产量，但是这两种波段很难分辨出叶片的生理状态。

近年来，有学者利用远红外和热红外波段进行了研究，据其发现，这两个波段能够更好地反映叶片的水分和温度情况，从而提高水稻产量的预测准确性。

针对高温胁迫下水稻产量的高光谱估测，近年来研究中主要采用了两种方法：一是利用多光谱传感器直接测量水稻叶片的反射率；二是结合多源数据，通过模型分析来预测产量。

然而，这两种方法都存在一定的不足。

利用多光谱传感器直接测量水稻叶片的反射率，在实际应用中很难覆盖大面积的田间水稻。

而且，受机器精度和气象条件的影响，数据的准确性存在一定的不确定性。

结合多源数据进行水稻产量的预测，虽然可以克服传感器测量的局限，但是需要建立复杂的模型，且对数据的质量要求较高。

此外，由于高温胁迫因素比较复杂，需要考虑因素的综合作用以及空间差异。

目前，在高光谱技术应用于高温胁迫下水稻产量预测方面，还存在很多需要深入研究的问题。

例如，如何减少传感器测量的误差和缩小空间尺度的影响，如何在复杂的气象背景下建立准确的模型等等。

总的来说，高光谱技术尚不能完全替代传统的水稻产量估测方法，但是它具有快速、高分辨率、多源数据等优点，可以为高温胁迫下水稻产量的预测和评估提供新的思路和方法。

利用高光谱数据对作物群体叶绿素密度估算的研究

利用高光谱数据对作物群体叶绿素密度估算的研究吴长山;项月琴;郑兰芬;童庆禧【期刊名称】《遥感学报》【年(卷),期】2000(004)003【摘要】叶绿素是农作物生长中重要的因素.叶绿素含量既表明作物生长的状况,又表征了作物的生产能力.而叶绿素密度(单位面积农作物的叶绿素含量)是估计农作物群体生产力的重要指标.对早播稻、晚播稻和玉米的多时相的群体光谱测量数据和相应的叶片叶绿素密度的测量数据进行了相关分析,结果表明早播稻、晚播稻和玉米的群体光谱的反射率数据以及其导数光谱数据与叶绿素密度具有很好的相关性,并且可以对这几种农作物建立统一的线性回归关系.利用这几种农作物的导数光谱在近红外波段762nm处与叶绿素密度的高相关性,选取样本建立了回归方程.并利用其余样本对估计方程进行检验,结果表明估计的标准偏差为0.272g/m+2,估计精度约为80.6%.【总页数】5页(P228-232)【作者】吴长山;项月琴;郑兰芬;童庆禧【作者单位】中国科学院,遥感应用研究所,北京,100101;中国科学院,地理研究所,北京,100101;中国科学院,遥感应用研究所,北京,100101;中国科学院,遥感应用研究所,北京,100101【正文语种】中文【中图分类】TP19;S511【相关文献】1.基于高光谱数据的棉花叶绿素密度定量提取研究 [J], 袁杰;王登伟;黄春燕;祁亚琴;陈燕;马勤建;王洪仁2.北疆棉花叶绿素密度的高光谱估算研究 [J], 陈燕;黄春燕;王登伟;祁亚琴;袁杰;马勤建3.新疆棉花LAI和叶绿素密度的高光谱估算研究 [J], 陈燕;王登伟;黄春燕;祁亚琴;袁杰;马勤建4.基于高光谱反射率的棉花冠层叶绿素密度估算 [J], 王强;易秋香;包安明;罗毅;赵金5.高光谱数据与棉花叶绿素含量和叶绿素密度的相关分析 [J], 王登伟;黄春燕;张伟;马勤建;赵鹏举因版权原因，仅展示原文概要，查看原文内容请购买。

高光谱技术在水稻氮素营养诊断中的应用研究

高光谱技术在水稻氮素营养诊断中的应用研究
高光谱技术是一种快速、无损的遥感技术，可以获取物体的光谱信息。

在水稻氮素营养诊断中的应用研究中，高光谱技术可以用来获取水稻叶片的光谱信息，进而分析水稻的氮素营养状态。

首先，高光谱技术可以通过测量水稻叶片的光谱反射率来获得丰富的光谱数据。

这些数据可以包括红外辐射、可见光和近红外光等不同波段的反射率。

通过分析这些光谱数据，可以获得水稻叶片中不同波段的反射率之间的关系，进而得到水稻的氮素营养信息。

其次，高光谱技术可以通过光谱指数来评估水稻氮素营养状况。

光谱指数是通过使用不同波段之间的光谱信息计算得出的指标，可以用来反映水稻叶片中氮素含量的情况。

一些常用的光谱指数，如归一化植被指数（NDVI）、倒数反射率指数（RDI）等，可以通过高光谱技术来计算和应用。

通过这些光谱指数，可以对水稻的氮素营养状况进行定量评估。

最后，高光谱技术还可以结合机器学习算法进行水稻氮素营养诊断。

通过收集大量水稻样本的光谱数据和氮素含量数据，可以建立预测模型，用以预测水稻氮素含量。

这些模型可以包括随机森林、支持向量机、人工神经网络等机器学习算法。

这些模型可以通过高光谱数据进行训练和验证，从而实现对水稻氮素营养状态的快速、准确诊断。

总的来说，高光谱技术在水稻氮素营养诊断中的应用研究可以
通过获取水稻叶片的光谱信息，计算光谱指数和建立预测模型来评估水稻的氮素营养状况。

这种技术可以实现非接触式、高效率的氮素营养诊断，为水稻生产提供科学依据和技术支持。

不同施肥条件下水稻冠层光谱特征与叶绿素含量的相关性

不同施肥条件下水稻冠层光谱特征与叶绿素含量的相关性章曼;常庆瑞;张晓华;刘佳岐【摘要】通过田间小区试验,分析不同施肥条件下水稻不同生育期冠层反射光谱和叶绿素含量(SPAD)的变化特征,利用数学统计方法分析高光谱植被指数与叶绿素含量的相关性.结果表明,水稻冠层光谱反射率,从拔节期到抽穗期,在可见光波段很低且差异不明显,在近红外波段逐渐提高;从抽穗期到乳熟期,在可见光波段逐渐提高,在近红外波段逐渐降低.不同施肥条件下水稻冠层光谱差异明显,尤其在近红外波段表现特别明显,随施肥水平的提高,光谱反射率明显提高.水稻叶绿素含量随施氮水平的提高而逐渐增加.随生物质炭水平的提高,水稻叶绿素含量逐渐增加,当生物质炭超过一定值时,叶绿素含量反而降低.整个生育期,除乳熟期施氮肥0 kg/hm2 (N0)处理外,其他处理的PSSRa、PSSRb与叶绿素含量呈显著相关.拔节期,施生物质炭为9 000 kg/hm2(C3)处理的mSR705和mND705与叶绿素含量呈显著负相关,其他处理为显著正相关.【期刊名称】《西北农业学报》【年(卷),期】2015(024)011【总页数】8页(P49-56)【关键词】水稻;冠层光谱特征;叶绿素含量;光谱植被指数;相关性【作者】章曼;常庆瑞;张晓华;刘佳岐【作者单位】西北农林科技大学资源环境学院,陕西杨凌 712100;西北农林科技大学资源环境学院,陕西杨凌 712100;西北农林科技大学资源环境学院,陕西杨凌712100;西北农林科技大学资源环境学院,陕西杨凌 712100【正文语种】中文【中图分类】TP722.4;TP722.5目前，遥感在农业应用中的热点方向是利用遥感技术进行作物的实时监测和营养快速诊断。

高光谱遥感技术最重要、最核心的部分是对作物生物物理和生物化学特征及其参数提取的研究。

叶绿素含量和植被的光合作用能力、发育阶段以及氮素状况有较好的相关性，它们通常是植物营养胁迫、光合作用能力和植被发育阶段(特别是衰老阶段)的良好指示器[1]。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

文章编号:100724619(2000)0420279205高光谱数据与水稻叶面积指数及叶绿素密度的相关分析刘伟东1,项月琴2,郑兰芬1,童庆禧1,吴长山1(1.中国科学院遥感应用研究所遥感信息科学开放研究实验室,北京100101;2.中国科学院地理研究所,北京100101)摘要: 分析了北京大屯科技站水稻叶面积指数(L AI)、叶绿素密度(CH.D)与高光谱分辨率遥感数据在整个生育期内的变化过程。

利用微分技术处理水稻群体反射光谱以减少土壤等低频背景光谱噪音的影响。

通过单相关分析和逐步回归方法研究水稻LA I 、C H.D 分别与光谱反射率、反射率的一阶微分光谱的相关关系,并建立预测回归方程。

结果表明,微分技术能够改善光谱数据与L AI 、CH.D 的相关性,CH.D 与光谱数据的相关明显优于同L AI 的。

关键词: 光谱微分技术;叶面积指数;叶绿素密度;相关分析中图分类号: TP701/TP722.4 文献标识码: A1 引言通过监测作物生育期内的光谱变化,研究作物的反射光谱与叶面积指数(Leaf Area Index,简写为L AI)、叶绿素密度(Chlorophyll Density,简写为C H.D)等农学参数之间的关系,使人们能够定性描述和定量分析作物的生长与遥感光谱数据之间的关系。

以往对植被的遥感研究多致力于建立植被生物物理参数(L AI 、生物量、叶绿素含量)与宽波段遥感植被指数(仅具有少数几个光谱波段得到)的简单关系[1)3]。

随遥感技术的迅速发展,高光谱分辨率遥感成像光谱技术使得遥感应用于植被地学分析可以在光谱维上展开,准实时地获取地物的影像和每个像元的光谱分布,以允许从空中对地面目标物进行直接识别和微弱光谱差异的定量分析,在植被遥感研究中表现出强大优势[4]。

利用高光谱分辨率遥感技术对植被进行生长监测和研究光谱与植被生物物理参量之间的关系,在农业中具有广泛的应用前景。

通常,使用高光谱分辨率遥感数据估计作物农学参数主要有两类方法:一是通过多元回归方法建立光谱数据或由此衍生的植被指数与作物农学参量之间的关系[5,6];二是通过作物的红边参数描述作物的物候变化及其农学参数[7)10]。

本文结合水稻的生长发育规律,对水稻进行多时相的光谱反射率和农学参量测量,分析水稻光谱反射率的物候变化规律,并且分析遥感光谱数据和水稻农学参数之间的关系,利用微分技术处理水稻群体光谱,通过相关分析方法研究水稻叶面积指数、叶绿素密度与群体光谱反射率、反射率的一阶微分光谱的相关关系,促进高光谱分辨率遥感技术在作物的生长监测和产量估测中的应用。

2 试验方法及数据获取试验于1998年在北京市大屯乡科技站(10416b E,40b N)水稻试验田内进行,供试水稻为两种播期的水稻,早播稻为中作93,5月下旬插秧,晚播稻为秋光,6月下旬插秧。

试验区土壤为壤质褐潮土,肥力水平中等。

插秧后约每10天取有代表性的样方0.5m 2,测定密度,取其水稻植株测定根、茎、叶的鲜重、干重。

同时,利用长宽法测叶面积指数。

光谱测定采用SE5902CC D 硅列阵便携式光谱仪,该仪器具有256个光谱通道,光谱范围从0.38)1.1L m,光谱分辨率约为3nm,仪器视场角15b ,经严格的室内定标,仪器在0.4)0.9L m 波长范围,性能稳定。

为获得稳定的水稻群体反射率数据,作物群体反射率的测定,选择在晴朗无云、无风或静风的天收稿日期:1999206221;修订日期:1999209210基金项目:国家/九五0科技攻关计划/新型遥感技术的应用开发0及中国科学院重大项目/数字多光谱像机试验0资助项目。

作者简介:刘伟东,(1973) )男。

1999年毕业于中国农业大学农业气象系,获硕士学位,现于中国科学院遥感应用研究所攻读博士学位,主要从事植被高光谱遥感研究。

第4卷第4期遥感学报V ol.4,No.42000年11月JO URN AL OF REMO TE S ENSINGN ov.,2000气进行,观测时间为北京时间10:00)14:00,仪器探头垂直向下,每次测定扫描4次,探头距离水稻冠层顶部与标准灰板的距离一致,冠层与标准板的反射光谱测定交替进行,每个样区观测8次,取平均值代表每点的光谱反射率值,群体光谱测定后,取样测定叶片叶绿素含量,并对农学参量测量。

由于天气条件限制,1998年6)10月,对早播稻群体反射光谱与农学参量观测了9次,对晚播稻观测了7次,观测期覆盖了水稻的整个生育期。

3数据处理与分析应用微分技术处理这种/连续0的光谱是遥感中常用的数学方法,D emetriades等[11]综述了遥感中高光谱分辨率微分光谱的应用潜力,并且指出,如果目标物的光谱由不同成分的贡献构成,则使用微分技术能部分消除低频光谱成分的影响。

土壤等背景的光谱信息相对于植被光谱的变化较平缓,故认为微分技术能够部分去除土壤等背景的影响,而植被的光谱信息能得到较好的保留。

SE590光谱仪采集的是离散型数据,因此,光谱数据的微分可以用如下公式近似计算:R c(K i)=R(K i+1)-R(K i-1)K i+1-K i-1(1)R c为反射率的一阶微分光谱,R为反射率,K 为波长,i为光谱通道。

相关分析用于计算每个光谱通道的原始光谱反射率以及一阶微分光谱数据与L AI、C H.D的相关系数。

311水稻叶面积指数与叶绿素密度在其生育期内的变化图1所示为早播稻LAI变化曲线,LAI呈抛物线变化规律,晚播稻L AI变化曲线相似,从移栽到始穗阶段,由于水稻分蘖数量增加,单叶面积持续增长,促使L AI不断增加,L AI增加的速率由快至慢,至抽穗后期,无效分蘖死亡,而单叶面积仍然增加, L AI达到最大值。

到灌浆期以后,由于叶片已经不能够进行较强的光合作用,叶片不断将养分转移到穗部,叶片逐步衰老,植株下部的叶片逐渐枯黄以至干死,L AI迅速减小。

叶绿素是作物生产干物质的基质,单位面积绿色体及叶绿素的含量将影响经济产量的高低。

通常,把叶片叶绿素含量与单位面积总绿叶鲜重的乘积定义为叶绿素密度(CH.D),图2所示,开花期前后群体的C H.D最高,虽然叶片叶绿素含量持续稳定到生育后期,但是开花后期叶面积指数的下降使单位土地面积的叶绿素含量下降,即C H.D的降低,晚播稻C H.D也有类似的变化规律。

从季节变化趋势来看,群体的CH.D与叶面积指数变化规律相似,这是因为群体的CH.D包含有L AI 与单叶叶绿素含量的信息,是二者的综合体现。

图1早播稻LAI随时间变化曲线(北京大屯乡,1998年) Fi g.1The variation o f early rice LAI with ti me(Beijing,1998)图2早播稻CH.D随时间变化曲线(北京大屯乡,1998年)Fig.2The variation of early rice C H.D wi th ti me(Beijing,1998)312水稻光谱变化规律如图1)图3所示,从水稻移栽后到始穗(6月10日)8月16日),水稻植株的持续生长,促使L AI 与C H.D不断增加,因而整个群体的光合能力不断增强,对红光、蓝光的吸收增强,红光与蓝光波段的反射率逐渐减小,始穗期(约8月11日)时达到最小值,红光与蓝光波段的强吸收使绿色波段的反射逐渐突出,形成一个小的反射峰。

在抽穗(约8月18日)后,叶片的养分开始向穗部转移,冠层的C H.D 不断减小,此时,位于红波段、蓝波段的反射率开始上升,在乳熟期(约9月4日)之后,下部叶片不断衰老、死亡,L AI持续下降,绿色叶片内的营养物质向穗部转移,叶绿素分解,叶片转黄,叶片已不能够进行较强的光合作用,而且继续向穗部提供养分,冠层280遥感学报第4卷CH.D 迅速减少,红波段、蓝波段的反射率上升加快。

此时,水稻在绿色波段的反射率仍然比在红光和蓝光波段的反射率大,在可见光区域仍有一个小的反射峰,随水稻生育进程的推进,红光与蓝光波段的反射率逐渐增加,在550nm 的绿色反射峰逐渐变得不明显。

图3 早播稻反射率光谱曲线随时间变化曲线(北京,1998)Fig.3 The v ariation of early rice reflectance curves with time (Beijing,1998)从水稻移栽后,随L AI 的增加,叶层增多,近红外的反射率不断增大,当L AI 达到一定值时,近红外反射率趋向稳定。

灌浆时(约9月4日),因叶片向穗部提供大量的养分,叶片的内部组织结构开始发生变化,近红外的反射率也开始逐渐下降,持续到水稻成熟。

可以看出,早播稻光谱反射率曲线变化的规律性与其生长发育的群体变化特征是对应的,另外通过对晚播稻光谱数据的分析,也得到类似的结论,故可以认为水稻在其全生育期内的光谱反射率变化具有一定的规律性。

由于部分地减弱了背景因素的影响,光谱反射率的一阶微分变化能清晰地反映出作物光谱的变化特征。

如图4,一阶微分变化最大的波段位于红边区域,红边是由于植被在红光波段强烈地吸收与近红外波段强烈地反射造成的,通常采用两个因子描述红边特征,红边斜率和红边位置,即图中所示650)800nm 之间反射率微分光谱的最大值与其所对应的波长。

研究表明红边斜率主要与作物的覆盖度或L AI 有关,红边位置与叶片的叶绿素含量有关。

在水稻的整个生育期内,一阶微分光谱的变化也具一定的变化特征。

早播稻水稻生长初期,L AI 低,叶绿素密度较小,红边斜率较小,红边位置靠短波方向,随生育期的推进,水稻植株逐渐长大,L AI 逐渐增加,冠层的C H.D 也逐渐增加,红边斜率缓慢增加,红边的位置向近红外波段移动。

到水稻生长的旺盛时期,L AI 达到最大,冠层的C H.D 也达到最大,叶绿素对红光波段的吸收加宽、加深,此时,红边斜率达到最大值,红边位置很靠近红外波段。

随着物候期的推进,冠层下部叶片逐渐衰老、死亡,L AI 与冠层C H.D 都缓慢下降,使红边斜率降低,红边的位置向短波方向移动,晚播稻的红边变化类似。

随水稻物候生育期的推进,红边的位置和斜率变化呈现出一定的规律性。

图4 早播稻反射率一阶微分随时间变化曲线(北京,1998)Fi g.4 The variation o f early rice first 2order derivative spectra w ith time in 1998(Beijing,China)313 水稻光谱与其农学参数的相关分析水稻光谱反射率与一阶微分光谱同LAI 在生育期内的相关分析本试验对早播稻在全生育期内进行了9次平行观测(光谱观测同时,进行农学参量的测量),晚播稻进行了7次,采用观测的光谱数据计算252个光谱波段各光谱波段的反射率和反射率一阶微分分别与第4期刘伟东等:高光谱数据与水稻叶面积指数及叶绿素密度的相关分析281L AI的相关系数,即早播稻生育期内9次观测的光谱数据与L AI求相关,晚播稻生育期内7次观测的光谱数据与L AI求相关。