苹果花期冠层反射光谱特征_朱西存2009

格式：pdf
大小：1.42 MB
文档页数：7

下载文档原格式

基于高光谱和数码照相技术的苹果花期光谱特征研究

中国农业科学 2009,42(7):2481-2490 Scientia Agricultura Sinica doi: 10.3864/j.issn.0578-1752.2009.07.028收稿日期：2008-08-18；接受日期：2008-10-21基金项目：国家“863”计划项目（2008AA10Z203）、“星火计划”项目（2007EA740002）作者简介：雷彤（1985－），男，山东济南人，硕士研究生，研究方向为生态环境、遥感。

E-mail ：tianxia047@ 。

通信作者赵庚星（1964－），男，山东垦利人，教授，研究方向为生态环境、遥感。

E-mail ：zhaogx@基于高光谱和数码照相技术的苹果花期光谱特征研究雷彤1，赵庚星1，朱西存1，战冰2，张洋洋1（1山东农业大学资源与环境学院，山东泰安 271018；2栖霞市国土资源局，山东栖霞 265300）摘要：【目的】旨在探索苹果花期的光谱特征和敏感波段。

【方法】以栖霞市为研究区，利用苹果花期数码照片监督分类，提取苹果花树比和花叶比指标信息，通过与同步高光谱探测数据的相关分析，研究苹果树花期光谱特性，确定其敏感的光谱波段。

【结果】苹果树花期光谱特征主要表现为对蓝光和红光的吸收、对绿光的反射，和对750～1 300 nm 近红外的强烈反射。

其光谱特征变化与花叶比和花树比指标呈现较好的相关性，敏感波段范围为400～530 nm 的蓝青光和570～700 nm 的橙红光，以及中等花树比果树760～1 350 nm 的近红外。

【结论】该研究提出了高光谱遥感与数码照相技术相结合的有效方法，初步探明了苹果树花期的光谱特征，为苹果园地信息提取、营养诊断和苹果生产管理的实时性与信息化提供了理论依据和技术支撑。

关键词：高光谱；数码照片；苹果花期；光谱特征；相关性Research of Apple Florescence Spectral Features Based onHyperspectral Data and Digital PhotosLEI Tong 1, ZHAO Geng-xing 1, ZHU Xi-cun 1, ZHAN Bing 2, ZHANG Yang-yang 1(1College of Resources and Environment, Shandong Agricultural University, Taian 271018, Shandong ; 2Qixia Bureau of Land andResources, Qixia 265300, Shandong )Abstract: 【Objective 】 This study aims on the spectral features and sensitive spectrum wave band in the apple florescence. 【Method 】Taking Qixia City as the research region, using supervised classification of the flowering apple digital photos to extract the target information of the ratio of apple flower/leaf and apple flower/tree, this paper carries out the correlation analysis of the ratio data with synchronization hyperspectral detection data, to determine the spectral features and sensitive spectrum wave band of the apple florescence. 【Result 】 The spectral features of apple florescence mainly presented as absorption of blue light and red light, reflection of green light, and the strong reflection of near-infrared between 750 nm to 1 300 nm. The change of apple florescence spectral features and the target information of apple flower/leaf and apple flower/tree present a good correlation, and it indicates that the sensitive wave band range is 400-530 nm cyan light, 570-700 nm orange-red light, and the 760-1 350 nm nearly infrared of medium flower/tree of apple trees. 【Conclusion 】 This study puts forward an effective way of the hyperspectral remote sensing with the combination of digital photos, preliminaryly proved the spectral characteristics of flowering apple trees, and it has provided a theoretical basis and technical support for the extracting apple's field information, nutrition diagnosis and apple production and management of real-time and informationization.Key words: hyperspectral; digital photoes; apple florescence; spectral features; correlation0 引言【研究意义】苹果是世界四大水果之一，中国是世界苹果第一生产大国，栽培面积和产量在世界上占有极为重要的地位。

苹果无损检测技术之光谱检测

苹果无损检测技术之光谱检测苹果无损检测技术之光谱检测光谱技术是果品内部质量检测中应用最广泛的技术，利用果品对光的吸收、散射、反射和投射等特性得到的光谱信息，从而对果品内部品质（硬度、脆度、酸甜度）、内部病变（水心病、褐腐病、霉心病、果实褐变）以及外部损伤等情况进行无损检测，具有检测速度快、操作简便、精确度较高、非破坏性的特点。

光谱分析法主要有近红外光谱、拉曼光谱和高光谱成像检测技术等。

1 近红外光谱技术近红外光谱（Near-infrared Spectroscopy，NIRS）是介于可见光谱区和中红外光谱区之间的电磁波，波长范围为780~2526nm。

NIRS技术结合人工智能算法，可以实现苹果的内部品质和苹果病害的有效检测。

在检测苹果的内部品质方面，孙炳新等采用NIRS技术在643.26~985.11nm的波长范围内建立了红富士苹果脆度和有效酸度的预测模型，模型相关系数分别达到0.941和0.925。

Jha等，在900~1700nm近红外波长范围检测苹果内部品质，分别采用最小二乘法（Least Squares，LS）和多元线性回归（Multiple Linear Regression，MLR）建立苹果含糖量、酸度、酸甜比的模型，其中MLR模型得到的预测结果较好，其多重相关系数分别为0.887、0.890、0.893，实现对苹果的含糖量和酸甜比等指标的无损检测。

王转卫等利用NIRS技术测量了发育后期3个月内“富士”苹果在833~2500nm 波长范围内的光谱特性，结合化学计量学方法建立了预测可溶性固形物含量（Soluble Solid Content，SSC）、硬度、pH值和含水率的最小二乘支持向量机和极限学习机模型，并分析了主成分分析（Principal Component Analysis，PCA）、连续投影算法和无信息变量消除法等3种降维方法对模型预测性能的影响，从而获得了对苹果不同检测对象的最佳模型方法。

苹果盛果期冠层高光谱与其组分特征的定量模型研究

果发现，始反射率与各指数的相关性最高，各波段的相关原系数分布如图２所示，３０２ｍ可见光波段各指数的在８￣７０ｎ相关性均高于其他波段，其中５９０ｍ处反射率与果叶６￣７８ｎ比的相关性最好，相关系数在６５１１４１处达到最大值０８５１１．１；其次为反射率与叶比例的负相关性，在６０ｎ处达到一４ｍ０７８再次为反射率与果密度的相关性，在６９ｎ处达到．０；６ｍ
迫ｌ等方面，而对果树的研究很少，Ｙｅ１等利用高光谱预测
ｒ橘产量［，雷彤等分析了苹果花期的光谱特征ｌ柑１】。
对象为摘袋后着色本完成而未采摘的苹果树，本着布点均
匀、劣兼顾的原则，取了５个乡镇ｌ果园的６苹优选Ｏ个２棵
响也不会太大。因此，将无膜组和有膜组分开研究是必要
树冠间的距离，确保视场覆盖主体冠层。采样前进行标准白
板校正，根据天气变化及时进行白板优化校正，每个样本记录１Ｏ组重复采样光谱。利用ＶｉｐｃｒｅｅＰｏ软件对数据进行初步处理，ｗＳ观察每一样本的１组光谱，除误差大的数据组，０剔将保留的数据组的
利用Ｐｏｏｈｐ软件目视去除照片上草地、天空、其他ｈｔｓｏ
¨
０
果树等干扰信息，尽量只保留样本的冠层信息；然后利用
Ｅｄｓｒａ软件对照片进行监督分类，分为叶、果、树干、土壤、天空５个类别。考虑到顶部冠层高光谱反映的主要是叶、、果树干的混合光谱，不包括天空的光谱，土壤光谱由于冠层的遮挡而难以反映，即使有也只是透过冠层间隙的极少部分，

不同栽培方式下苹果纺锤形冠层光照分布及产量品质效应

2132217acturaeboreali2occidentalnica不同栽培方式下苹果纺锤形冠层光照分布及产量品质效应西北农林科技大学园艺学院陕西杨凌712100为探讨渭北南部苹果产区不同栽培方式苹果纺锤形冠层光照分布对果实产量品质的影响以9年生细长纺锤形的双矮富士矮化富士和自由纺锤形乔化富士树为试材测定了不同冠层枝类组成光照分布产量和品质等指标
The Light Distribution , Yield and Quality of Spindle Canopy f or Apple under Different Cultivation
Q U J unxian , FAN Cho nghui 3 , DU Ro ng , SU Bo hai and HAN Mingyu
·214 ·
西北农业学报 18 卷
果实着色欠佳 ,可溶性固形物下降 ;在光强约 2 % 的部位则不能坐果 ,同时还看到不同树形对光的利用存在较大的差异。在矮化栽培的树形中 ,以稀疏透光的树冠有利于对光照的利用 ,栽植过密和留枝过多均不利于产量和品质的提高。在国外 Widmer 和 krebs[3] 等认为 ,高干开心树形的光照分布比较均匀 ,光辐射强度差异小 ,有利于苹果品质和产量提高。
11 月下旬冬剪之前 ,对不同栽培方式树冠的枝量和枝类组成按照树冠的分格进行统计。长度 < 5. 0 cm 的枝条为短枝 ,5. 1～15. 0 cm 的枝条为中枝 , > 15. 1 cm 的枝条为长枝[4] 。 1. 3 不同栽培方式冠层光照强度的测定
在 8 月中旬和 9 月中旬选择晴天,用 3415QM 型手持光量子计测量不同栽培方式冠层每个方格内的光照强度。
我国是世界苹果主产国之一 ,2006 年苹果栽培面积为 189. 9 万 hm2 ,产量 2 606 万 t ,分别占世界苹果总面积和总产量的 39. 2 %和 37. 8 % ,居世界首位。但我国苹果品质差 ,优果率低 ,外贸内销不畅 ,严重影响苹果生产的发展。因此 ,提高果实品质是增强我国苹果市场竞争力和提高经济效

基于SVD的苹果粉质化高光谱散射图像特征提取

用于对后续所采的高光谱散射图像进行校正，以减小水果果形所带来的误差。本直径范围在６．和８．ｉ之问。样Ｏ７９０１ｍＴ１２高光谱散射图像采集．
用雎缩硬度和汁液含量两个仪器检测指标结合偏微分最小二
乘判别分析算法建立苹果粉质化分类模型。
１实验材料与方法
１１样本．
实验中共使用 “ ｄＤｅｃｕ” 本５０个，１０个采摘Ｒｅｌｉｓ样ｉｏ８８于美国密歇根州立大学农业实验站（ｃｉｎｓａｅｕｉｒｉｍｉｇｔｔｎｖｓｈａｅ — ｔ，ＭＳ，４０个买于商业包装厂（ｏｙＵ）０ｃｍｍｅｃｌｐｃｉｇｒｉａｋｎ — ａｈｕｅＣ）样本分为两组，在不同的条件下储藏，第一组ｏｓ，Ｐ。２０样本（８个来源于Ｃ，６４个１０Ｐ０个来源于ＭＳ储藏在４Ｕ） ℃ 的冷藏室；了加速苹果的粉质化过程，二组３０个样为第４
的奇异值作为粉质化表征参数，结合偏微分最小二乘判别分析建立苹果粉质化分类模型。结果显示，不同对
产地和不同储藏条件下的样本，其两分类模型（质化和非粉质化）分类精度为７．～８．，于平粉的６１Ｏ６优
均值特征提取方法（５３－７．％）分析表明，奇异值分解可以有效地提取高光谱散射图像的特征，７．６５。用此

基于光谱反射率的果树病虫害级别定量化测评_以红富士苹果树黄叶病害_红蜘蛛虫害为例

Y ellow leaf diseaseห้องสมุดไป่ตู้and red mite ins ect pest o f FuJi apple trees as samples
XING Dong xing1, 2 , CH ANG Qing rui1
( 1 Coll eg e of Re sourc es and Env i ronment , N or th w est A & F Uni v ersi ty , Yang li ng , S haanx i 712100, Chi na; 2 D epar t me nt of R esour ces and Env i ronment , X iany ang N or mal Col le ge , X i anyang , Sh aanxi 712000, Ch ina)
第 37 卷第 11 期 2009 年 11 月
西北农林科技大学学报( 自然科学版) Jo ur nal of N o rthwest A & F U niver sity( N at. Sci. Ed. )
V ol. 37 N o. 11 N ov . 2009
基于光谱反射率的果树病虫害级别定量化测评
以红富士苹果树黄叶病害、红蜘蛛虫害为例*
邢东兴1, 2, 常庆瑞1
( 1 西北农林科技大学资源环境学院, 陕西杨凌 712100; 2 咸阳师范学院资源环境系, 陕西咸阳 712000)
[ 摘要] 目的! 分析红富士苹果树分别在各级红蜘蛛虫害、黄叶病害胁迫下的反射光谱特征, 并利用光谱数据对果树受害程度进行定量化测评。方法! 于 2007 年 6~ 7 月, 在陕西省礼泉县测定了患有各级红蜘蛛虫害、黄叶

苹果树冠层不同光照区域叶绿素荧光性状计算方法

ｗｉｔｈｒｅｌ￣ｉｖｅｌｉｇｈｔｉｎｔｅｎｓｉｔｙ
层次中，分别随机选择３个区域，每个区域测量３次，每次记
录５个点，每测完一个光照区域就进行一次标准白板校正。
１－２
０．８
０．６
§
０．４
ｏ．２
§ ０．８
岛
Ｏ．４
ｏ．ｏ
０．０
４００
Hale Waihona Puke ５００６００７００８００９００ｌ０００Ｗａｖｅｌｅｎｇｔｈ／ｎｍ
４００
５００
６００７００８００Ｗａｖｅｌｅｎｇｔｔｇｎｍ
（Ｃ）处理ｃ的光谱反射率
（ｄ）平均光谱反射率
图３处理样本的光谱反射率
Ｆｉｇ．３Ｓｐｅｃｔｒａｌｒｅｔｌｅｅｔａｎｅｅｏｆｓａｍｐｌｅｓ
３９８８
光谱学与光谱分析
第３６卷
在最大光化学量子效率Ｆｖ／Ｆ珈及表观光合量子传递效率性
状参数ＥＴＲ。
图２为处理Ａ、处理Ｂ及处理Ｃ的ＳＵ，Ｆｖ／Ｆｍ及
（ａ）ｓＩＩ随相对光照强度的变化趋势
０．９５０
０．９０００．８５０８００７５０
９００１０００
（ａ）处理Ａ的光谱反射率

苹果花期的冠层高光谱特征研究

苹果花期的冠层高光谱特征研究朱西存;赵庚星;雷彤;李希灿;陈志强【期刊名称】《光谱学与光谱分析》【年(卷),期】2009(029)010【摘要】系统分析苹果花期冠层高光谱特征,探明其敏感光谱波段,为大面积苹果树信息提取与营养状况的遥感反演等提供理论依据.利用ASDField Spec 3便携式地物光谱仪实测的120个苹果花期的冠层高光谱数据,在分析了不同累计样本容量对花期冠层高光谱特征影响的基础上,采用方差分析的方法,明确了苹果花期的冠层高光谱特征及反映花期冠层高光谱的敏感波段.结果表明,随着累计样本容昔的增加,苹果花期的高光谱曲线趋于稳定、平滑.在550 nm绿峰处和760～1 300 nm的反射高原区,反射率随着花量的增多而减小,在670 nm的红谷处,反射率随着花昔的增多而增大;在350～400 nm,400～500 nm,600～680nm,760～1 300 nm波段的方差分析结果极显著,是反映花期冠层光谱的敏感波段;随着花量的增多,红边位置、红边斜率和红边面积有逐渐减小的趋势.【总页数】5页(P2708-2712)【作者】朱西存;赵庚星;雷彤;李希灿;陈志强【作者单位】山东农业大学资源与环境学院,山东,泰安,271018;山东农业大学资源与环境学院,山东,泰安,271018;山东农业大学资源与环境学院,山东,泰安,271018;山东农业大学信息科学与工程学院,山东,泰安,271018;山东农业大学资源与环境学院,山东,泰安,271018【正文语种】中文【中图分类】S127【相关文献】1.苹果花期冠层高光谱特征及营养元素含量分析 [J], 庞全武2.基于高光谱和数码照相技术的苹果花期光谱特征研究 [J], 雷彤;赵庚星;朱西存;战冰;张洋洋3.基于模糊识别的苹果花期冠层钾素含量高光谱估测 [J], 朱西存;姜远茂;赵庚星;王凌;李希灿4.扬花期冬小麦冠层叶绿素含量高光谱遥感反演 [J], 姜海玲;李耀;赵艺源;郑世欣;李悦5.天山北坡野苹果混生植被花期冠层光谱特征研究 [J], 邹佳秀;贾翔;黄铁成;陈蜀江;来风兵;尹小英;汪东因版权原因，仅展示原文概要，查看原文内容请购买。

苹果花期冠层光谱探测的规范化技术方法探讨

苹果花期冠层光谱探测的规范化技术方法探讨朱西存;赵庚星;雷彤;王凌;董芳;王景安【期刊名称】《光谱学与光谱分析》【年(卷),期】2010(030)006【摘要】2008年和2009年,针对苹果花期冠层光谱进行了不同天气条件、不同探测时间、不同探头高度、不同探测角度条件下的冠层反射光谱探测试验,分析其对苹果花期冠层光谱特性的影响,探索规范化的光谱探测技术方法.结果表明,苹果花期冠层在不同条件下的反射光谱响应旱现出一定的规律性,特别是在760～1 350 nm 近红外波段表现尤为明显.研究发现,随着光照强度的减弱,冠层光谱反射率降低,在晴天和少云时探测冠层光谱较理想;风速在2级以下时,冠层光谱较稳定;在10:00～15:00测定冠层光谱差异较小;探测高度以整个苹果树冠层充满光谱仪探头视场时光谱曲线较稳定;探头以垂直或近似垂直观测为最佳.在此基础上,提出了苹果花期冠层光谱探测的规范化技术方法,为苹果冠层光谱探测及信息提取提供了科学依据.【总页数】5页(P1591-1595)【作者】朱西存;赵庚星;雷彤;王凌;董芳;王景安【作者单位】山东农业大学资源与环境学院,山东,泰安,271018;山东农业大学资源与环境学院,山东,泰安,271018;山东农业大学资源与环境学院,山东,泰安,271018;山东农业大学资源与环境学院,山东,泰安,271018;济南大学城市发展学院,山东,济南,250002;山东省柄霞市果业发展局,山东,栖霞,265300【正文语种】中文【中图分类】S661.1;TP79【相关文献】1.苹果花期霜冻发生规律、防御与灾后应急管理技术 [J], 路超; 张文昌; 王金政2.苹果花期冻害综合防治技术解析 [J], 张海进3.河南省苹果产业科技特派员服务团到洛宁县开展花期管理技术服务 [J], 宋先锋;蒋洪杰4.苹果花期高效花果管理技术 [J], 刘秀丽;雷逢进;刘庆华;董晨晨;王璞5.天山北坡野苹果混生植被花期冠层光谱特征研究 [J], 邹佳秀;贾翔;黄铁成;陈蜀江;来风兵;尹小英;汪东因版权原因，仅展示原文概要，查看原文内容请购买。

苹果花期冠层高光谱特征及营养元素含量分析

对苹果花期的高光谱特征进行分析，可以为苹果冠层信息提
取、长势监测、营养诊断等相关问题的研究提供可靠的理
论依据。１苹果花期冠层高光谱特征分析
０．３的为ｂ类，其花量处于中等水平；花叶比大于０．３的为Ｃ
进行分析，对其中可以反映花量多少的敏感波段进行有效地
筛选，最后利用对比分析的方法，对不同花期、树龄、品种的光曲线差异进行分析，从而得到其对光谱特征的影响。
１．１不同累计样本容量对苹果花期冠层高光谱特征的影响
然后利用Ｅｒｄａｓ遥感图像处理软件对处理后的照片进行监督分类，最终对苹果树的花、叶面积进行相应的统计，得到相
应的花叶比。根据花叶比的具体数值可以将１２０株样本分为３类：花叶￣Ｌ／Ｊ，于０．２的为ａ类。其花量较少；花叶比在０．２ —
１．３不同花量苹果花期量层高光谱的红边特征红边指的是从６８０～７６０ｎｍ的红光区外叶绿素吸收减少
利用对不同样本容量的累加．从而获得稳定的苹果花期冠层高光谱曲线．然后对其高光谱特征进行研究。利用方差分析法，对苹果有花和无花冠层的不同波段的光谱反射率
类，其花量最大。

基于高光谱的苹果果期冠层光谱特征及其果量估测

基于高光谱的苹果果期冠层光谱特征及其果量估测雷彤;赵庚星;朱西存;董超;孟岩;战冰【摘要】苹果冠层光谱特征是苹果树遥感生理监测和生产管理的重要依据.对栖霞市苹果果期的冠层反射光谱进行实测,结合数码照相技术探明了苹果果期的反射光谱特性和敏感波段,并通过敏感波段与果树比指标建立回归模型,实现了对苹果冠层果量(果树比)的无损估测.结果表明:苹果树果期冠层光谱曲线总体表现为对蓝光和红光的吸收及对绿光的反射,在近红外750-1300nm之间表现为强烈的反射,且在1650nm和2200nm附近呈现两个反射峰.选择435、670、730、940、1140nm 和1480nm等6个波段为苹果果期的敏感波段.利用这些波段分别构建了差值、比值及归一化植被指数,筛选了最佳光谱参数,进而构建了果量(果树比)估测模型,经筛选验证确定苹果果量的最佳估测模型为:y=0.0086[NDVI(940,730)]2-1.0934NDVI(940,730)+0.3209.模型为苹果果期果量的精确估测提供了比较快捷的方法途径.【期刊名称】《生态学报》【年(卷),期】2010(030)009【总页数】10页(P2276-2285)【关键词】高光谱;数码照片;苹果果期;光谱特征;估测模型【作者】雷彤;赵庚星;朱西存;董超;孟岩;战冰【作者单位】山东农业大学资源与环境学院,泰安,271018;山东农业大学资源与环境学院,泰安,271018;山东农业大学资源与环境学院,泰安,271018;山东农业大学资源与环境学院,泰安,271018;山东农业大学资源与环境学院,泰安,271018;栖霞市国土资源局,栖霞,265300【正文语种】中文近年来快速发展的高光谱遥感，以其数据量大、光谱信息和图像信息有机结合、波谱分辨率高等巨大优势，成为遥感发展的一项重大创新。

高光谱遥感技术已成功应用于实时、大范围、无破坏的植物生长状况与趋势探测，为田间管理提供及时的作物信息，并取得了明显的成效[1- 3]。

利用高光谱植被指数估测苹果树冠层叶绿素含量

Ｒｉ＋１－Ｒｉ－１２Δλ
（１）
式中，Ｄ是波段ｉ处的一阶微分，λｉ是波长。
１．５模型构建
在７０组样本中，随机选取５０组用于建模，分别将原始
光谱和微分光谱构建的植被指数与苹果冠层叶绿素含量进行
相关分析，确定与冠层叶绿素含量相关性较高的植被指数，
Ｆｉｇ．２Ｃｏｒｒｅｌａｔｉｏｎａｎａｌｙｓｉｓｏｆａｐｐｌｅｃａｎｏｐｙｏｒｉｇｉｎａｌｓｐｅｃｔｒａｌｄａｔａ（ａ）ａｎｄｉｔｓｆｉｒｓｔｄｅｒｉｖａｔｉｖｅｓｐｅｃｔｒａｌｄａｔａ（ｂ）ｗｉｔｈＣＣＣ（ｎ＝５０）
２．３高光谱植被指数筛选及与叶绿素含量的相关性分析通过查阅文献［７－１３］，选取了八种与作物叶绿素含量相
２结果与讨论
２．１不同叶绿素含量水平的苹果冠层反射率光谱特征
把７０个样本的光谱数据按叶绿素含量大小分为６组：
＜３．０，３．０～４．０，４．０～５．０，５．０～６．０，ห้องสมุดไป่ตู้．０～７．０和＞７．０，
利用公式
ｎ
∑ Ｒ珚＝
关的植被指数，如表１所示。借鉴前人研究，结合苹果树冠层光谱信息，将与ＣＣＣ相关性较好的４００～１３５０ｎｍ敏感波段及微分值两两组建所有可能的植被指数，参考姚霞等［１２］的研究方法，将超出传统归一化植被指数定义波长范围的光谱指数简写为ＮＤＳＩ（ｎｏｒｍａｌｉｚｅｄｄｉｆｆｅｒｅｎｃｅｓｐｅｃｔｒａｌｉｎｄｅｘ）。

基于冠层高光谱信息的苹果树花量估测

基于冠层高光谱信息的苹果树花量估测刘颖;王克健;谢让金;吕强;何绍兰;易时来;郑永强;邓烈【期刊名称】《中国农业科学》【年(卷),期】2016(049)018【摘要】[目的]研究基于盛花期冠层高光谱数据的苹果花量估测技术,为植株花果管理和生产力预测技术的建立奠定基础.[方法]以5年生M9无性系砧木‘米奇嘎啦’苹果(Malus pumila ‘Mitch Gala’)、树形为高纺锤形的植株为试材,在盛花期采集植株冠层可见-近红外高光谱图像,人工统计供试植株花量,比对分析基于原始光谱反射率(original reflectance spectra,0S)与Savitzky-Golay平滑法(savitzky-golay smoothing,SG)、正态变量标准化(standardization of normal variables,SNV)、标准化(Normalize)、一阶求导(firstderivation,1stDer)、二阶求导(second derivation,2ndDer)共5种预处理的高光谱数据的偏最小二乘法(partial least squares method,PLS)模型,以及基于载荷系数法(x-loading weight,x-LW)提取的特征波长的PLS模型、人工神经网络(the back-propagation neural network,BPNN)、最小二乘支持向量机(theleast squares support vector machines,LS-SVM)等模型对单株单位面积花量实时估测精度的影响.[结果]苹果树单株花量与单株单位面积花量具有较高的相关系数,表明采用冠层单位面积花量替代单株总花量进行树体花量估测可行.单株单位面积花量与植株冠层光谱反射率在紫外-可见光波长(308-700 nm)呈极显著正相关,在近红外波长(750-1 000 nm)相关性不显著.基于全波长,以Normalize预处理光谱建立的PLS 模型对单株单位面积花量的预测效果最好,校正集决定系数(RC2)和预测集决定系数(RP2)分别为0.794和0.804,校正集均方根误差(RMSEC)和预测集均方根误差(RMSEP)分别为0.084、0.062,预测相对误差(RE％)为3.940.基于特征波长的BPNN模型稳定性差,而LS-SVM模型的建模效果较好,RC2和RP2分别为0.826和0.804,RMSEC和RMSEP分别为0.077、0.064,RE％为12.160.[结论]基于Normalize预处理的PLS模型对高纺锤形苹果树冠层单位面积花量的预测效果最优,同时,本研究利用高光谱成像仪获取的数据,经过分析处理对提取特征信息进行简化,可为多光谱遥感数据的应用提供依据.【总页数】10页(P3608-3617)【作者】刘颖;王克健;谢让金;吕强;何绍兰;易时来;郑永强;邓烈【作者单位】西南大学/中国农业科学院柑桔研究所,重庆400712;西南大学/中国农业科学院柑桔研究所,重庆400712;西南大学/中国农业科学院柑桔研究所,重庆400712;国家柑桔工程技术研究中心,重庆400712;西南大学/中国农业科学院柑桔研究所,重庆400712;国家柑桔工程技术研究中心,重庆400712;西南大学/中国农业科学院柑桔研究所,重庆400712;国家柑桔工程技术研究中心,重庆400712;西南大学/中国农业科学院柑桔研究所,重庆400712;国家柑桔工程技术研究中心,重庆400712;西南大学/中国农业科学院柑桔研究所,重庆400712;西南大学/中国农业科学院柑桔研究所,重庆400712;国家柑桔工程技术研究中心,重庆400712【正文语种】中文【相关文献】1.基于高光谱的小麦冠层叶绿素(SPAD值)估测模型 [J], 陈晓娜;赵庚星;周雪;张颖;宿宝巍2.基于模糊识别的苹果花期冠层钾素含量高光谱估测 [J], 朱西存;姜远茂;赵庚星;王凌;李希灿3.利用高光谱植被指数估测苹果树冠层叶绿素含量 [J], 潘蓓;赵庚星;朱西存;刘海腾;梁爽;田大德4.基于高光谱的苹果树冠层磷素状况估测模型研究 [J], 潘蓓;赵庚星;朱西存;王娜娜5.基于无人机冠层高光谱的滴灌棉田地上部生物量估测 [J], 苏维;张泽;侯彤瑜;印彩霞;谭红;陈兵;吕新因版权原因，仅展示原文概要，查看原文内容请购买。

A 苹果花期冠层反射光谱特征

不同累计样本容量的苹果花期反射光谱曲线特征对不同累计样本容量苹果花期冠层反射光谱数据的对比研究，可以消除由于单个苹果冠层测定时偶然因素对光谱特征的影响，从而掌握苹果冠层稳定性的光谱特征。为分析不同样本数量其光谱特征的变异状况，把测定的 120 棵苹果花期的冠层反射光谱数据随机顺次分为 4 组：A 组（1～30）、B 组（1～60）、C 组（1～90）、D 组（1～120），利用公式
1
1.1
材料与方法
基金项目：国家“863”计划项目(2008AA10Z203)；国家级“星火计划”重点项目（2007EA740002）； “十一五” 国家科技支撑计划项目(2006BAD10A10) 资助作者简介：朱西存（1970－），男，山东单县人，博士，主要从事农业遥感应用研究。泰安山东农业大学资源与环境学院，271018。 Email: zxc@ ※通信作者：赵庚星（1964－），男，山东垦利人，教授，博士生导师，主要从事土地资源与信息技术研究。泰安 271018。Email: zhaogx@ 山东农业大学资源与环境学院
0Байду номын сангаас
引
言
地物反射光谱特征是遥感探测的基础，是信息提取和目标识别的依据，也是定量遥感技术应用发展的前提条件[1]。苹果树花期是苹果栽培管理的关键性阶段，对于苹果最终产量的形成及果品品质具有直接的影响，对其反射光谱特征的研究，可以为苹果冠层信息提取、长势监测、营养诊断等问题的研究提供参考和理论依据。对于植被冠层反射光谱特征分析，尤其是作物反射光谱特征分析，国内外学者已有一些研究。 Kanemasu E T[2] 研究了小麦、高粱和大豆 3 种作物在不同生长发育期中的冠层反射光谱特征； Thomas J R 等[3]研究了 7 种植物（甜瓜、玉米、黄瓜、葛芭、高粱、棉花、烟草）在不同氮素营养水平下的光谱特性。宋开山等[4]分析了大豆在整个生长期变化的冠层光谱特征；唐延林、王人潮等[5]、杨长明等[6]、薛利红等[7]对水稻氮素营养水平与光谱特征之间的关系及对不同品种水稻群体冠层光谱特征作了深入的研究；景娟娟[8]、赵春江等[9]、黄文江等[10]研究了不同氮素水平下小麦光谱特征及与小麦品质指标的相关性；朱艳等[11]对棉花冠层反射光谱特征与叶片含氮量进行了估

陕西果区苹果始花期预测模型

陕西果区苹果始花期预测模型
李美荣;杜继稳;李星敏;柏秦凤
【期刊名称】《中国农业气象》
【年(卷),期】2009(030)003
【摘要】利用陕西省苹果产区2000-2008年气象资料和6个苹果物候观测县站始花期资料,在果树物候模型理论的基础上、应用统计学方法建立了基于气象因子的苹果始花期预测模型:y=-1.4T1-1.13T2+0.11r+95.1(n=42,R=0.84;F=29＞
F0.01), y为各县始花日期的预测日序,T1为该县1月份平均气温,T2为该县3月份平均气温,r为该县3月下旬日照时数.根据预测结果与实际的比较,结合对当年前期气象因子的分析,提出了该模型的订正因子.根据陕西果区冬、春季气温变化趋势,模拟显示该区苹果始花期将偏早1～5d.
【总页数】4页(P417-420)
【作者】李美荣;杜继稳;李星敏;柏秦凤
【作者单位】陕西省经济作物气象服务台,西安,710015;陕西省气象局,西
安,710015;陕西省经济作物气象服务台,西安,710015;陕西省经济作物气象服务台,西安,710015
【正文语种】中文
【中图分类】S1
【相关文献】
1.近50a陕西苹果果区积温变化趋势及突变特征分析 [J], 张维敏;李艳莉;刘耀武;李美荣;贺文丽
2.陕西苹果果区热量资源变化及影响分析 [J], 刘璐;刘映宁;柏秦凤
3.陕西果区苹果二斑叶螨的发生与防治初探 [J], 牛永浩;花蕾
4.陕西苹果果区冰雹灾害分布特征及风险区划 [J], 梁轶;王景红;邸永强;柏秦凤;刘耀武
5.陕西果区苹果花期冻害农业保险风险指数的设计 [J], 刘映宁;贺文丽;李艳莉;柏秦凤;梁轶;张涛
因版权原因，仅展示原文概要，查看原文内容请购买。

果树树冠控制技术

果树树冠控制技术
王勋;张岳峰
【期刊名称】《西北园艺(蔬菜)》
【年(卷),期】2009(000)008
【摘要】@@ 1)限根控冠.通过限制根系的生长来控制树冠的扩大.主要方法:①容
器限根.从栽植开始实施,用普通大花盆、塑料编织袋、木箱(桶)等容器栽植苗木,可
将容器与果树埋入土中或进行地上容器栽培.目前国内外应用最多的是桃、杏、李、樱桃和葡萄,控冠促花效果十分明显.②起垄栽培.适于保护地和高地下水位地区果树栽培.建园时将表土、中层土及充分腐熟的有机肥(约占总体积的30%)混匀,堆积起垄,垄高40～50 cm、宽50～80 cm,果树栽于垄上.
【总页数】2页(P53-54)
【作者】王勋;张岳峰
【作者单位】710200,陕西省高陵县鹿苑镇农技站;高陵县农林局
【正文语种】中文
【中图分类】S6
【相关文献】
1.基于花期果树冠层光谱反射率的果树树种辨识研究 [J], 邢东兴;常庆瑞
2.小国光苹果树冠喷布反光剂对果温及果实硬度的影响 [J], 许京梅;孙爱华;秦泗国;臧聪聪;陈淑约
3.基于无人机影像阴影去除的苹果树冠层氮素含量遥感反演 [J], 李美炫;朱西存;白雪源;彭玉凤;田中宇;姜远茂
4.基于超像素特征向量的果树冠层分割方法 [J], 张先洁;孙国祥;汪小旵;杨海慧;魏天翔
5.乔化稀植苹果树冠投影的理论模型研究 [J], 许华森;孙志梅
因版权原因，仅展示原文概要，查看原文内容请购买。

基于光谱学原理与小波包分解技术预测苹果树叶片氮素含量

收稿日期：2012-09-27 修订日期：2013-01-15
基金项目：国家自然科学基金项目（ 31071330 ）和 863 计划（2011AA100703，2011AA100704）联合资助作者简介：张瑶（1988－），女，河北荣城人，主要研究方向精细农业系统集成。北京中国农业大学“ 现代精细农业系统集成研究” 教育部重点实验室，100083。Email：zhycau@ . ※通信作者：郑立华（1969－），女，天津人，副教授，博士，主要从事精细农业研究。北京中国农业大学“ 现代精细农业系统集成研究” 教育部重点实验室，100083。Email：zhenglh@
苹果品种为结果盛期的红富士，供试土壤为沙壤土。在不同区域随机选取 20 棵果树（15 棵结果树， 5 棵小年树），每棵树选取一支向阳主枝作为目标主枝，并取 3 个部分的代表性部位（基部、中部、顶部）进行测量。取对应叶片测定全氮含量。 1.2 光谱测定测量仪器为日本 Shimadzu 公司生产的 UV-2450 岛津光谱仪，波段范围为 300~900 nm，光谱分辨率为 1 nm。数据采集前进行标准白板矫正（标准白板反射率为 1），每个样本测定光谱 2 次，取其平均值作为该样本的相对反射率。 1.3 叶片全氮含量测定采用 FOSS 凯氏定氮仪测定叶片的全氮含量。将进行光谱测量后的叶片组成独立样本，用蒸馏水将果叶洗净，放入 100 摄氏度的烘箱中杀青 20 min，然后降温至 80℃烘干 24 h。使用研钵把烘干样品研磨至粉状后，称取 0.4 g ，混合 6.2 g 催化剂（K2S04:CuS04· 5H2O 按 30:1 混合研磨）并注入 12 mL 浓硫酸进行硝化，冷却后利用定氮仪进行蒸馏，最终测得苹果叶片的氮素含量。 1.4 光谱数据预处理本研究对每个物候期获取的 60 个样本进行聚类，即以每颗果树为单位，将主枝上的 3 个部位的光谱反射率与氮素含量进行平均，最终每个生理物候期均得到 20 个新样本。 1.4.1 小波包分解处理对于给定的正交尺度函数 (t ) 和小波函数

基于光谱变换定量估算苹果叶片的等效水厚度

基于光谱变换定量估算苹果叶片的等效水厚度王青华;朱西存;王凌;高璐璐;赵庚星【期刊名称】《红外》【年(卷),期】2016(37)11【摘要】运用高光谱技术快速无损地估算了苹果叶片的等效水厚度(Equivalent Water Thickness,EWT),为苹果树的长势及干旱预警提供参考.以山东省烟台栖霞市红富士苹果树叶片为试验材料,在测定苹果叶片的光谱反射率和计算叶片EWT的基础上,分析了苹果叶片的EWT、原始光谱的反射率及其13种变换光谱反射率之间的相关性.筛选敏感波长后,建立了苹果叶片EWT的支持向量机定量的估算模型. 13种光谱变换中,一阶导数(the First Derivative,FDR)、平方根的一阶导数(the First Derivative of the Square Root,FD(SqrtR))及倒数的对数的一阶导数(the First Derivative of the Logarithm of the Reciprocal,FD[Lg(1/R)])三种变换的相关性较好.确定了估测苹果叶片EWT的敏感波长.基于支持向量机回归分析方法,建立了定量估算叶片EWT的模型,验证集的决定系数R2达到了0.8147,相对分析误差(Relative Percent Deviation,RPD)达到了2.2671.结果表明,该模型具有较高的估测能力,支持向量机回归方法比较适于估算苹果叶片的EWT.该方法为利用高光谱技术定量估算苹果的生长状况提供了技术支撑.【总页数】7页(P42-48)【作者】王青华;朱西存;王凌;高璐璐;赵庚星【作者单位】山东农业大学资源与环境学院,泰安271018;山东农业大学资源与环境学院,泰安271018;土肥资源高效利用国家工程实验室,泰安271018;山东农业大学资源与环境学院,泰安271018;山东农业大学资源与环境学院,泰安271018;山东农业大学资源与环境学院,泰安271018【正文语种】中文【中图分类】S661.1【相关文献】1.基于EFAST和PLS的苹果叶片等效水厚度高光谱估算 [J], 冯海宽;李振海;金秀良;杨贵军;万鹏;郭建华;于海洋;杨福芹;李伟国2.基于高光谱信息的107杨叶片等效水厚度估算模型的研究 [J], 程志庆;张劲松;孟平;李岩泉;郑宁3.基于光谱水分指数的阔叶树种叶片等效水厚度估算 [J], 赵静瑶;张学霞;杨维4.基于光谱水分指数的阔叶树种叶片等效水厚度估算 [J], 赵静瑶; 张学霞; 杨维5.基于角度指数的油菜叶片等效水厚度估算研究 [J], 仝春艳;马驿;杨振忠;刘怡晨;徐庆因版权原因，仅展示原文概要，查看原文内容请购买。

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)。

Fig.1 图 1 试验区采样点分布 Distribution of sampling points in study area
2
2.1
结果与分析
1.3
冠层光谱测定光谱测定采用美国 ASD FieldSpec 3 地物光谱仪，波段范围值为 350～2 500 nm，其中，350～1 000 nm 光谱采样间隔为 1.4 nm，光谱分辨率为 3 nm； 1 000～2 500 nm 光谱采样间隔为 2 nm,光谱分辨率为 10 nm，重采样后输出波段数为 2 151 个。选择晴朗无云、无风或微风的天气，测定时间为 10:00～14:00 (太阳高度角大于 45° )。光谱仪外接 5 m 长光纤，探头视场角（FOV）为 25° ，观测时探头垂直向下，根据苹果树冠幅的大小调整仪器探头与树冠之间的距离，确保视场覆盖整个冠层。每个观测点记录 10 个采样光谱，以其平均值作为该观测点的光谱反射值。每个样本数据产生前、后，及时用标准白板进行仪器校正。由于地物光谱数据受多种因素的影响[13]，野外观测时，记录观测过程中各种状态参数（表 1），为光谱数据的处理和比较提供参考。
1.4
数据处理利用光谱处理软件 ViewSpec Pro 5.0，将光谱数据处理后并导出，在 Excel 和 DPS 软件中进行分析。由于仪器和外界环境的影响，在 1 820～1 950、2 350～2 500 nm 均出现强烈的噪声，数据异常，作剔除处理。利用移动平均法对光谱曲线进行平滑处理。根据多次试验对比结果表明，采用 5 次均值平滑效果较好，其数学表达式为
180
第 25 卷第 12 期 2009 年 12 月
农业工程学报 Transactions of the CSAE
Vol.25 No.12 Dec. 2009
苹果花期冠层反射光谱特征
朱西存 1,2，赵庚星 1※，雷彤 1
（1．山东农业大学资源与环境学院，泰安 271018； 2．山东农业大学农业生态与环境重点实验室，泰安 271018）摘要：苹果花期是果树生产与管理的关键阶段，对冠层反射光谱特征研究具有重要的理论和现实意义。该文以山东省栖霞市为研究区，通过实测的 120 棵苹果花期冠层反射光谱数据，在分析不同累计样本容量冠层反射光谱特征的基础上，用方差分析和相关分析的方法，系统地研究了苹果树有花与无花、不同花量、花期不同阶段、不同树龄及不同品种的冠层反射光谱特征。研究结果表明，随着累计样本容量的增加，冠层反射光谱曲线趋于稳定、平滑。有花与无花冠层光谱反射率在 431～500、591～680、761～1 300 nm 波段方差分析结果极显著（α =0.01）；不同花量的冠层与 391～513、598～ 687、711～1 193 nm 波段的反射率显著相关（p＜0.05）；在 670 nm“红谷”附近，反射率随花量的增加而增大，在近红外 761～1 300 nm 波段，反射率随花量的增加而减小；不同品种之间，除嘎啦外，红富士、金帅和新红星之间不易区分。研究结果揭示了高光谱遥感在苹果花期信息获取方面的巨大潜力，为今后遥感反演模型的构建提供了依据。关键词：光谱分析，模型，反射光谱，苹果花期，冠层 doi：10.3969/j.issn.1002-6819.2009.12.032 中图分类号：S661.1，S127 文献标识码：A 文章编号：1002-6819(2009)-12-0180-07 朱西存，赵庚星，雷彤. 苹果花期冠层反射光谱特征[J]. 农业工程学报，2009，25(12)：180－186. Zhu Xicun, Zhao Gengxing, Lei Tong. Reflective spectral characteristics of apple florescence canopy[J]. Transactions of the CSAE, 2009, 25(12): 180－186. (in Chinese with English abstract)
R j ( R j 2 R j 1 R j R j 1 R j 2 ) / 5Fra bibliotek（1）
式中： Rj ——波长为 j 时的反射率均值； Rj ——波长为 j 时的反射率值。 1.5 分析方法通过大量样本的累加取得稳定的苹果花期冠层反射光谱曲线，分析其反射光谱特征；采用方差分析方法，对有花与无花冠层各波段光谱反射率进行分析，得到区分二者的显著差异波段；运用相关分析方法，对苹果冠层花量与其光谱反射率进行分析，根据其相关程度筛选与花量敏感的光谱波段；通过对比不同花期、树龄和品种间的光谱曲线差异，分析其对光谱特征的影响。
不同累计样本容量的苹果花期反射光谱曲线特征对不同累计样本容量苹果花期冠层反射光谱数据的对比研究，可以消除由于单个苹果冠层测定时偶然因素对光谱特征的影响，从而掌握苹果冠层稳定性的光谱特征。为分析不同样本数量其光谱特征的变异状况，把测定的 120 棵苹果花期的冠层反射光谱数据随机顺次分为 4 组：A 组（1～30）、B 组（1～60）、C 组（1～90）、D 组（1～120），利用公式
可见，不同累计样本容量 R 随波长变化的光谱曲线形状与变化趋势相似（图 2），但随着累计样本容量的增加，光谱曲线有逐渐靠拢的趋势，说明随着累计样本容
182
农业工程学报
2009 年
量的增加，光谱曲线趋于稳定和平滑，更具有典型性和代表性。各波段的光谱特征如下。 1）400～760 nm 可见光波段的光谱特征该波段的反射率较低，曲线表现为低-高-低-高的变化趋势。在以 460 nm 为中心的蓝光部分，反射率相对较低，形成 1 个吸收谷（蓝谷）；在以 670 nm 为中心的红光部分，反射率明显降低，形成 1 个比较深的吸收谷（红谷）。这与植物色素吸收，特别与叶绿素的强烈吸收有关。在这两个吸收谷之间 550 nm 附近的绿光部分，是 1 个低光合效率的光谱带，同时也是 1 个弱活性带，反射率明显增加，形成 1 个较高的反射峰（绿峰）；680～760 nm 波段的反射率值随着波长的增加而急剧升高，形成陡而接近于直线的曲线，是叶绿素在红波段的强吸收到近红外波段多次散射形成的高反射平台的过渡波段，称为 “红边” ，是植物所独有的光谱特征。 2）761～1 300 nm 近红外波段的光谱特征该波段反射率较高,为近红外光谱的“反射平台” 。是由于苹果叶、花内部组织结构多次反射、散射的结果。在 980、1 190 nm 附近有两个微弱的吸收谷,是由苹果冠层的水分吸收造成。此波段是苹果的各种变量与反射率关系最敏感的波段。 3）1 301～2 500 nm 短波红外波段的光谱特征该波段反射率有逐渐跌落的趋势。由于仪器和大气环境的影响，在 1 820～1 950、2 350～2 500 nm 均出现强烈的噪声，数据异常，作剔除处理。在 1 470 和 1 970 nm 附近有一较强吸收谷，在 1 680 和 2 230 nm 附近形成两个明显反射峰。总体看，苹果花期冠层的反射光谱曲线与一般绿色植被类似，反映了苹果树花期花、叶混合的状况。但由于苹果花颜色、形态、结构等与叶片有较大差异，因此，由于花量的不同，苹果花期冠层光谱特征在不同花期、不同树龄、不同品种间反射光谱特征将会有区别。 2.2 苹果花期冠层与无花冠层的反射光谱特征苹果有大小年之分。处于大年的苹果花量较多，而小年的果树，花量少或几乎无花。图 3 是相同树龄的红富士苹果树盛花期有花冠层和无花冠层的反射光谱曲线。
0
引
言
地物反射光谱特征是遥感探测的基础，是信息提取和目标识别的依据，也是定量遥感技术应用发展的前提条件[1]。苹果树花期是苹果栽培管理的关键性阶段，对于苹果最终产量的形成及果品品质具有直接的影响，对其反射光谱特征的研究，可以为苹果冠层信息提取、长势监测、营养诊断等问题的研究提供参考和理论依据。对于植被冠层反射光谱特征分析，尤其是作物反射光谱特征分析，国内外学者已有一些研究。 Kanemasu E T[2] 研究了小麦、高粱和大豆 3 种作物在不同生长发育期中的冠层反射光谱特征； Thomas J R 等[3]研究了 7 种植物（甜瓜、玉米、黄瓜、葛芭、高粱、棉花、烟草）在不同氮素营养水平下的光谱特性。宋开山等[4]分析了大豆在整个生长期变化的冠层光谱特征；唐延林、王人潮等[5]、杨长明等[6]、薛利红等[7]对水稻氮素营养水平与光谱特征之间的关系及对不同品种水稻群体冠层光谱特征作了深入的研究；景娟娟[8]、赵春江等[9]、黄文江等[10]研究了不同氮素水平下小麦光谱特征及与小麦品质指标的相关性；朱艳等[11]对棉花冠层反射光谱特征与叶片含氮量进行了估
1
1.1
材料与方法
基金项目：国家“863”计划项目(2008AA10Z203)；国家级“星火计划”重点项目（2007EA740002）； “十一五” 国家科技支撑计划项目(2006BAD10A10) 资助作者简介：朱西存（1970－），男，山东单县人，博士，主要从事农业遥感应用研究。泰安山东农业大学资源与环境学院，271018。 Email: zxc@ ※通信作者：赵庚星（1964－），男，山东垦利人，教授，博士生导师，主要从事土地资源与信息技术研究。泰安 271018。Email: zhaogx@ 山东农业大学资源与环境学院
第 12 期
朱西存等：苹果花期冠层反射光谱特征
181
个果园（图 1）的 120 棵苹果树作为研究对象。利用地物光谱仪对有花与无花冠层、不同花量（花叶比）、不同树龄（初果期（6～8 a）、盛果期（12～18 a）、衰老期（30 a 以上）、花期不同阶段（初花期、盛花期、末花期）、不同品种（红富士、嘎啦、金帅、新红星）测定其冠层反射光谱，得到高光谱数据。
收稿日期：2008-10-10 修回日期：2009-05-27
测研究。蒋海荣等[12]研究了玉米叶片纤维素含量与冠层光谱特征。总体上看，目前国内外多侧重于小麦、玉米、水稻、棉花等大田作物的冠层光谱特征研究，对果树冠层光谱特征的研究相对较少，而针对果树花期冠层反射光谱特征研究尤为少见。本研究选择在苹果花期，应用 ASD Field Spec 3 地物光谱仪实测冠层反射光谱。旨在探明苹果花期冠层反射光谱的特征及其敏感波段，以期为苹果的高产栽培、遥感长势监测和营养诊断等提供科学依据，促进高光谱遥感的农业应用。