基于高光谱和高分一号卫星影像的冬小麦叶绿素遥感反演

第２０卷第３期２００４年５月地理与地理信息科学ＱＤｇｒａｐｈｙａｎｄＧ∞一ｌｍ）ｍ忸ｔ；ｏｎＳｃｉ目１ｃｅⅧ２０№．３Ｍａｖ２００４基于高光谱数据的小麦叶绿素含量反演赵祥，刘素红”，王培娟，王锦地，田振坤（北京师范大学地理学与遥感科学学院遥感与地理信息系统研究中心，北京１００８７５；遥感科学国家重点实验室，北京１００８７５；环境遥感与数字城市北京市重点实验室．北京１００８７５）摘要：近年来，遥感高光谱技术为获取农作物的某些生理化参数提供了丰富的数据来源。

该文使用北京小汤山地区实验获取的小麦高光谱数据，应用偏最小二乘回归方法，建立了冬小麦冠层波谱与叶绿索含量的回归反演计算模型。

研究结果显示：模型在３５０～１０６０砌波段具有较高的反演精度。

本研究为应用高光谱数据反演冬小麦叶绿紊含量提供了有效途径。

关键词：高光谱数据；反演；叶绿索含量；小麦中图分类号：Ｓ５１２．１十１文献标识码：Ａ文章编号：１６７２—０５０４（２００４）０３—００３６—０４光合作用过程中起吸收光能作用的色素有叶绿索Ａ、叶绿索Ｂ与类胡萝ｈ素，其中叶绿素是吸收光能的物质，对植被的光能利用有直接关系。

叶绿素含量和植被的光台能力、发育阶段以及氮素状况有较好的相关性，它们通常是氮素胁迫、光合作用能力和植被发育阶段的指示器”Ｊ。

在小麦生长环境分析和长势监测中，叶绿素含量是非常重要的评估内容之一。

随着遥感技术的发展，现在比较容易获得多种观察值。

可以分为多光谱、多方位、多时相和综合指数，它们分别载有不同的有关材料波谱和植被结构的信息【２Ｊ。

人们一直在寻找高光谱数据与农作物生理生化参数之间的定量关系，金震字等［３】指出水稻叶绿索含量与其反射光谱红边拐点位置之间有着良好的线性相关析模型）于一体的典型地物渡谱知识库，为定量遥感理论与应用研究提供一个系统化和专业化的遥感波谱科学实验平台［５］。

波谱知识库将在典型地物波谱与图像数据积累的基础上，以波谱数据的知识化、定量化和实用化为目标，完成典型地物波谱、环境参数问的相互配套。

应用高光谱植被指数反演冬小麦叶绿素含量的光谱指标敏感性研究田静国;王树东;张立福;马超;张霞【期刊名称】《科学技术与工程》【年(卷),期】2016(016)015【摘要】高光谱植被指数反演叶绿素含量的精度除与模型有关外,光谱指标中心波长、波段宽度、信噪比等的差异也会带来一定的影响.研究基于实测光谱数据,结合波段模拟、噪音分析等方法,研究不同的光谱指标对植被指数反演叶绿素含量的影响,分析用于反演的光谱指标的敏感性,结果表明:①最佳中心波长的位置与适用于高低覆盖的植被指数类型有关,反演精度在一定范围内并不随着波段宽度的增加而提高;②不同植被指数抗噪声能力有一定的差异,其中DVI(difference vegetation index),NDVI(normalized difference vegetation index)等抗噪能力比较强,MCARI (modified chlorophyll absorption ratio index)和TCARI(transformed chlorophyll absorption ratio index)抗噪能力比较弱;③联合反演模型反演结果为R2 =0.741 5,RMSE =0.4026,优于MTCI(MERIS terrestrial chlorophyll index)的反演结果,通过模拟HJ1 A-HSI,Hyperion等数据,研究出联合反演模型在不同高光谱传感器下有一定的适用性.【总页数】8页(P1-8)【作者】田静国;王树东;张立福;马超;张霞【作者单位】河南理工大学测绘与国土信息工程学院,焦作454000;中国科学院遥感与数字地球研究所高光谱遥感应用技术研究室,北京100101;中国科学院遥感与数字地球研究所高光谱遥感应用技术研究室,北京100101;中国科学院遥感与数字地球研究所高光谱遥感应用技术研究室,北京100101;河南理工大学测绘与国土信息工程学院,焦作454000;中国科学院遥感与数字地球研究所高光谱遥感应用技术研究室,北京100101【正文语种】中文【中图分类】P237【相关文献】1.基于光谱植被指数的冬小麦叶绿素含量反演 [J], 赵佳佳;冯美臣;王超;杨武德;李志花;朱智慧;任鹏;刘婷婷;王慧琴2.不同光谱植被指数反演冬小麦叶氮含量的敏感性研究 [J], 张潇元;张立福;张霞;王树东;田静国;翟涌光3.冬小麦典型多参量冠层高光谱反演的光谱指标敏感性研究 [J], 韩茜;张潇元;王树东;张立福;张霞;田静国4.基于新型植被指数的冬小麦LAI高光谱反演 [J], 束美艳;顾晓鹤;孙林;朱金山;杨贵军;王延仓;张丽妍5.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;李悦因版权原因，仅展示原文概要，查看原文内容请购买。

高光谱数据与冬小麦叶绿素密度的相关性研究孟卓强;胡春胜;程一松【期刊名称】《干旱地区农业研究》【年(卷),期】2007(025)006【摘要】分析2006年栾城试验站不同氮素水平下冬小麦的多时相的群体光谱测量数据和相应叶片叶绿素密度的测量数据,发现:冬小麦的群体光谱的导数光谱数据、红边光谱数据,归一化植被指数NDVI和比值植被指数RVI与叶绿素密度具有很好的相关关系,并且选取样本建立了相应的回归方程.以回归方程作为叶绿素高光谱估算模型,并利用检验样本对估算模型进行检验,结果表明,以745 nm处一阶导数光谱值、733 nm处二阶导数光谱值和红边振幅为变量的模型可以较好的估算叶绿素密度.【总页数】6页(P74-79)【作者】孟卓强;胡春胜;程一松【作者单位】中国科学院遗传与发育生物学研究所农业资源研究中心,河北,石家庄,050021;中国科学院研究生院,北京,100039;中国科学院遗传与发育生物学研究所农业资源研究中心,河北,石家庄,050021;中国科学院遗传与发育生物学研究所农业资源研究中心,河北,石家庄,050021【正文语种】中文【中图分类】S127【相关文献】1.矿区高光谱数据与植物叶绿素含量相关性研究 [J], 候会芳;乔晓英;郝瑞娟;郭以威2.高光谱数据与叶绿素含量及植被指数的相关性研究进展 [J], 朱凌红;周澎;王忠民;邵志刚3.高光谱数据预处理对大豆叶绿素密度反演的作用 [J], 杨峰;张勇;谌俊旭;范元芳;杨文钰4.机载高光谱数据提取冬小麦冠层叶绿素含量的模型分析及验证 [J], 颜春燕;刘强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。

收稿日期:2006-11-15;修订日期:2007-06-26基金项目:国家863项目(2006AA10A303),国家自然科学基金(40471093和40571118),北京市科委项目(d0706004040331)资助。

作者简介:孙焱鑫(1970-),男,副研究员,主要从事高光谱遥感与数据挖掘方面研究。

基于BP 和GRNN 神经网络的冬小麦冠层叶绿素高光谱反演建模研究孙焱鑫1,2,3,王纪华2,李保国1,刘良云2,黄文江2,赵春江2(1.中国农业大学资源与环境学院,北京　100094;2.国家农业信息化工程技术研究中心,北京　100097;3.北京市农林科学院植物营养与资源研究所,北京　100097)摘要:根据高光谱遥感获得的冬小麦冠层数据,把由逐步回归方法和基于遗传算法(GA)的广义回归神经网络(GRNN)筛选到的光谱参数作为网络输入,冠层叶绿素含量作为网络输出,采用线性逐步回归方法、反向传播神经网络(BPNN )和GRNN 来构建反演模型,模拟结果表明,GRNN 和BPNN 的预测精度要高于逐步回归方法,其RMSE 分别为0.36m g /g 、0.52mg /g 和0.98m g /g 。

由于GRNN 可应用于小样本问题的学习,比BPNN 对叶绿素具有更好的预测和泛化能力。

关　键　词:高光谱遥感;神经网络;遗传算法;叶绿素反演中图分类号:TP 79 文献标识码:A 文章编号:1004-0323(2007)04-0492-051　引　言近年来,随着高光谱遥感技术的发展,能直接对地物微弱的光谱差异进行定量分析。

通过监测作物生育期内的光谱变化,研究作物的反射光谱或衍生指数与叶片叶绿素、类胡萝卜素和全氮等农化参数之间的关系,可以为作物遥感估产和长势监测提供依据[1,2]。

在表征光谱特征与农化参量关系上,多采用两类方法:一是光学传输模型方法:辐射传输模型和几何结构模型,如Jacquemoud [3]等利用PROSPECT 叶片光学模型估算叶片叶绿素、水份、蛋白质等,Daw so n [4]等应用LIBERT Y 模型估算叶片生化组分。

基于无人机高光谱遥感的冬小麦叶面积指数反演高林;杨贵军;于海洋;徐波;赵晓庆;董锦绘;马亚斌【期刊名称】《农业工程学报》【年(卷),期】2016(032)022【摘要】叶面积指数（leaf area index，LAI）是评价作物长势和预测产量的重要依据。

光谱特征信息作为高光谱遥感的突出优势在追踪LAI动态变化方面极其重要；然而，围绕光谱特征信息所开展的无人机高光谱遥感反演作物LAI的相关研究鲜有报道。

该文利用ASD Field SpecFR Pro 2500光谱辐射仪（ASD Field SpecFR Pro 2500 spectroradiometer，ASD）和Cubert UHD185 Firefly成像光谱仪（Cuber UHD185 Firefly imaging spectrometer，UHD185）在冬小麦试验田进行空地联合试验，基于获取的孕穗期、开花期以及灌浆期地面数据和无人机高光谱遥感数据，估测冬小麦 LAI。

该文选择同步获取的冬小麦冠层ASD光谱反射率数据作为评价无人机UHD185高光谱数据质量的标准，依次从光谱曲线变化趋势、光谱相关性以及目标地物光谱差异三方面展开分析，结果表明458～830 nm（第3～96波段）的UHD185光谱数据可靠，可使用其探测冬小麦LAI，这为今后无人机UHD185高光谱数据的使用提供了参考。

该文研究对比分析了UHD185数据计算的红边参数和光谱指数与冬小麦LAI的相关性，结果表明：12种参数中比值型光谱指数RSI（494,610）与LAI高度正相关，是估测LAI的最佳参数；基于比值型光谱指数的对数形式lg(RSI)构建的线性模型展现出lg(RSI)与lg(LAI)较优的线性关系（决定系数 R2=0.737，参与建模的样本个数 n=103），且 lg(LAI)预测值和 lg(LAI)实测值高度拟合性（R2=0.783，均方根误差RMSE=0.127，n=41，P<0.001）；该研究为利用无人机高光谱遥感数据开展相关研究积累了经验，也为发展无人机高光谱遥感的精准农业应用提供了参考。

基于高光谱的小麦旗叶净光合速率的遥感反演模型的比较研究吕玮;李玉环;毛伟兵;宫雪;陈士更【期刊名称】《农业资源与环境学报》【年(卷),期】2017(034)006【摘要】植物净光合速率是植物生产的基础,是体现植物生长状况的重要生理指标。

本文将小麦旗叶高光谱波段反射率进行一阶导数变换后与净光合速率（Pn）进行相关性分析确定敏感波段,分别采用二次多项式逐步回归（QPSR）、偏最小二乘法（PLSR）、BP神经网络法（BPNN）3种方法构建小麦旗叶的净光合速率反演模型,并对3种模型的预测精度进行比较分析。

结果表明：（1）将小麦旗叶的原始光谱进行一阶导数变换后与Pn进行相关性分析确定的敏感谱区集中在750-925 nm 之间,确定的6个敏感波段分别是：760、761、767、814、815、889 nm;（2）基于QPSR、PLSR、BPNN3种方法以及敏感波段的反射率一阶导数构建的Pn估测模型预测精度都较高,说明用这3种方法以及敏感波段对Pn的估测是可行的,其中模型估算能力顺序为QPSR〉BPNN〉PLSR,说明小麦旗叶Pn的最佳高光谱分析模型为小麦叶片750-925 nm反射率一阶导数变化后的QPSR模型。

【总页数】5页(P582-586)【作者】吕玮;李玉环;毛伟兵;宫雪;陈士更【作者单位】[1]山东农业大学资源与环境学院,土肥资源高效利用国家工程实验室,山东泰安271000 [2]山东农业大学水利土木工程学院,山东泰安271000 [3]山东农大肥业科技有限公司,山东泰安271000;;[1]山东农业大学资源与环境学院,土肥资源高效利用国家工程实验室,山东泰安271000 [2]山东农业大学水利土木工程学院,山东泰安271000 [3]山东农大肥业科技有限公司,山东泰安271000;;[1]山东农业大学资源与环境学院,土肥资源高效利用国家工程实验室,山东泰安271000 [2]山东农业大学水利土木工程学院,山东泰安271000 [3]山东农大肥业科技有限公司,山东泰安271000;;[1]山东农业大学资源与环境学院,土肥资源高效利用国家工程实验室,山东泰安271000 [2]山东农业大学水利土木工程学院,山东泰安271000 [3]山东农大肥业科技有限公司,山东泰安271000;;[1]山东农业大学资源与环境学院,土肥资源高效利用国家工程实验室,山东泰安271000 [2]山东农业大学水利土木工程学院,山东泰安271000 [3]山东农大肥业科技有限公司,山东泰安271000【正文语种】中文【中图分类】S127【相关文献】1.水氮运筹对伊犁河流域新垦土壤冬小麦旗叶SPAD值、净光合速率及产量的影响2.灌浆期高温对小麦旗叶净光合速率及籽粒生长的影响3.基于高光谱的小麦旗叶净光合速率的遥感反演模型的比较研究4.基于小波分析小麦旗叶净光合速率高光谱遥感反演5.冬小麦条锈病严重度高光谱遥感反演模型研究因版权原因，仅展示原文概要，查看原文内容请购买。