下载文档原格式
基于光谱与光谱成像技术的油菜病害检测机理与方法研究在本研究中用于油菜菌核病检测。
本研究主要采用高光谱成像技术(hyperspectral imaging)、叶绿素荧光成像技术(chlorophyll fluorescence imaging)、激光诱导激发光谱(laser induced breakdown spectroscopy,LIBS)、中红外光谱技术(mid-infrared spectroscopy, MIR)和激光共聚焦显微拉曼光谱成像技术(laser confocal micro-Raman imaging)对油菜菌核病进行检测。
主要研究结论如下：(1)采用高光谱成像技术,对油菜叶片和茎秆菌核病检测进行了研究。
分别采用平均光谱、像素点光谱以及对应的植被指数结合判别分析模型对油菜叶片和茎秆菌核病和菌核病早期进行了检测。
研究发现光谱预处理方法对判别分析模型判别结果并不显著,而判别分析模型的选择对油菜菌核病检测效果更为明显。
以紧邻病斑区域模拟病害侵染早期,发现高光谱成像技术结合判别分析模型可用于油菜叶片和茎秆菌核病早期检测。
发现2nd spectra和PCA loadings在不同样本集中选择的特征波长具有较好的可重复性。
整体而言,在不同的数据集所有的判别分析模型中,ELM、RBFNN、SVM和RF模型判别效果较好。
基于高光谱成像的油菜叶片色素和可溶性蛋白含量检测,不同样本集中特征波长选择存在差异,且基于全谱和基于特征波长的判别分析模型中,PLSR和ELM 模型整体预测效果较优。
(2)采用叶绿素荧光成像技术,对油菜健康和染病叶片和茎秆进行了检测研究。
对染病叶片和染病茎秆中15个不同叶绿素荧光参数的分布发现,染病叶片和茎秆健康及病斑区域的叶绿素荧光参数具有较大差异,叶片和茎秆紧邻病斑区域的叶绿素荧光参数与其余两个区域存在差异,但茎秆差异较小。
基于相关分析、ANOVA和LDA分析,选择了特征荧光参数,基于特征荧光参数的判别分析模型结果表明叶绿素荧光参数统计分析对油菜叶片和茎秆菌核病检测是可行的。
作物长势高光谱
作物长势高光谱遥感是一种利用高光谱遥感技术来监测作物生长状况的方法。
高光谱遥感技术可以通过获取农田地表的多个波段反射光谱信息来分析农作物的生长状态和长势，同时还可以获取植被的生理和生态参数，进而分析农作物的生长状况、营养状况和病虫害情况。
相比传统的遥感方法，高光谱遥感技术具有更高的精度和灵活性，可以更准确地监测作物的生长状况和变化趋势。
通过对高光谱数据的分析和处理，可以提取出与作物生长相关的特征信息，如叶面积指数、生物量、叶绿素含量等，从而实现对作物长势的精准评估。
在作物长势高光谱遥感中，常用的方法包括高光谱图像采集、数据处理和分析、模型建立等。
其中，高光谱图像采集可以通过飞机、卫星等遥感平台来完成，可以获取大范围的农田高光谱数据。
数据处理和分析则是通过对高光谱数据的预处理、特征提取和分类识别等步骤，提取出与作物长势相关的特征信息。
模型建立则是利用提取的特征信息建立预测模型，实现对作物长势的精准预测。
在实际应用中，作物长势高光谱遥感技术可以为农业生产提供重要的决策支持，如制定合理的施肥方案、控制病虫害等。
同时，还可以为科研人员提供更加精准的实验数据和分析结果，有助于推动农业科技的进步和发展。
不同播期冬小麦叶面积指数高光谱遥感监测模型范剑;尤慧;刘凯文;高华东【摘要】叶面积指数(Leaf area index,LAI)与植物的光合能力密切相关,是评价作物长势和预测产量的重要农学参数,利用高光谱遥感能够实现农作物LAI快速无损监测.为了建立不同播期条件下冬小麦LAI反演的最佳高光谱监测模型,提高冬小麦LAI估算模型精度,将地面实测冬小麦LAI数据和冠层高光谱数据相结合,对4个播期及4个播期组合模拟的混合播期数据进行分析,选取8种植被指数,通过相关分析、回归分析等统计方法,构建不同播期冬小麦叶面积指数监测模型.结果表明,在4个播期处理和由一个所有播期组合下(即混合播期)建立的LAI光谱监测模型中,播期1和播期4分别以EVI2和mNDVI拟合效果较好,播期2、播期3及混合播期均与NDGI拟合效果最好.不同播期及混合播期的拟合方程决定系数(R2)分别为0.803,0.823,0.907,0.819和0.798;通过试验田实测LAI与反演LAI数据进行拟合模型验证,均方根误差分别为0.81,0.78,0.63,0.82,0.91.通过分析可知,不同播期的分期监测模型比混合播期统一监测模型的拟合效果更好,精度更高.因此,播期1、播期2、播期3、播期4分别选用植被指数EVI2、NDGI、NDGI、mNDVI建立冬小麦LAI反演模型.该结果可为实现不同播期下冬小麦长势精确监测提供理论依据和技术支撑.【期刊名称】《气象科技进展》【年(卷),期】2018(008)005【总页数】6页(P72-77)【关键词】冬小麦;播期;叶面积指数;高光谱遥感;估算模型【作者】范剑;尤慧;刘凯文;高华东【作者单位】荆州市气象局,荆州 434020;江汉平原生态气象遥感监测技术协同创新中心,荆州 434025;湖北省荆州农业气象试验站,荆州 434025;江汉平原生态气象遥感监测技术协同创新中心,荆州 434025;湖北省荆州农业气象试验站,荆州434025;江汉平原生态气象遥感监测技术协同创新中心,荆州 434025;湖北省荆州农业气象试验站,荆州 434025【正文语种】中文0 引言播期是田间管理的一个重要因子，作物不同播期的变化，其光、温、降水等时空位与质量就会有差别，对作物生长发育、产量、品质等会造成一定的影响[1]。
光谱成像技术对植物的应用分析早在20世纪60年代人造卫星围绕地球获取地球的图片资料是，成像就已经成为研究地球的有力工具。
在传统的成像技术中，人们就知道黑白图像的灰度级别代表了光学特性的差异因而可用于辨别不同的材料，在此基础上，成像技术有了更高的发展，对地球成像时，选择一些颜色的滤波片成像对于提高特殊农作物、研究大气、海洋，土壤等辨别能力大有益处。
这就是最早的多光谱成像技术。
物体的颜色决定于物体表面反射出来的光谱，也决定于物体本身对可见光光谱范围内电磁波的反射率。
传统的成像设备诸如数码相机、扫描仪进行色彩图像的采集。
但是通过这样的方式得到物体光谱反射率的方法存在同色异谱的问题，但是在多光谱成像系统中却不出现此问题，于是光纤激光器诞生。
从地面遥感传感器到测视雷达，从田间养分速测仪到星载的成像光谱仪，遥感技术在农业领域的应用有了很大发展，同时取得了巨大的经济和社会效益。
高光谱成像技术的发展为遥感信息定量应用开辟了新的领域，并逐渐成为新兴的精准农业最重要的技术手段之一。
本文综述了遥感监测技术在水稻、小麦、大豆、玉米等作物上的应用情况，以期为精确农业生产提供借鉴与参考。
农作物高光谱遥感识别和分类农作物遥感识别是遥感技术在农业领域应用的重要内容，也是资源遥感的重要组成部分。
植被光谱不仅具有高度相似性和空间变异性，而且具有时间动态性强等特点。
不同植被的光谱随时间的变化规律也具有明显的区别，因此充分发挥高光谱遥感的独特性能，特别是其在区分地表细微差别方面的优势，同时结合植被的时间动态特征，将大大提高土地覆盖类型的识别与分类精度。
研究结果表明，高光谱成像技术能有效地对作物进行分类和识别，且分类精度较高，这对于光纤激光器大比例尺度研究地表作物覆盖、入侵植物监测等提取更加细致的信息提供了有力保障。
光谱成像遥感监测作物叶面积指数、生物量和叶绿素含量叶面积指数(LAI)通常是指单位面积土地上所有叶片表面积的总和，或单位面积上植物叶片的垂直投影面积总和。
高光谱遥感技术在农林植被调查方面的应用高光谱分辨率遥感（简称高光谱遥感），是20世纪末迅速发展起来的一项集探测器技术、精密光学机械、微弱信号检测、计算机和信息处理技术于一体的全新遥感技术。
它能够获得地物的连续光谱信息，实现地物图像信息与光谱信息的同步获取，因而在地质、林业、农业、生态环境、海洋、军事等领域具有巨大的应用价值和广阔的发展前景。
植被作为遥感观测和记录的第一表层，是遥感数据反映的最直接信息。
目前，多光谱遥感已被广泛应用于植被的长势研究、沙漠化研究、气候演变规律分析等方面，但传统的多波段遥感数据对于植被的研究和应用仍仅限于一般性的红光吸收特征与近红外的反射特征及中红外的水吸收特征波段，由于受波段宽度和波段数以及波长位置的限制，往往对植被类型不敏感，对植被长势反映不理想，而高光谱遥感在对目标的空间特征成像的同时，对每个像元可在更宽范围上，形成几十个乃至几百个窄波段连续的光谱覆盖，使更深入地考察植被光谱的响应机制和物理机制成为可能，因此成为植被和林业方面监测的强有力工具。
1. 高光谱遥感在植被调查方面的优势高光谱遥感在光谱分辨率方面的提高，使地物目标的属性信息探测能力有所增强，因此，较之全色和多光谱遥感，高光谱遥感有以下显著优势：（1）成像光谱仪所获取的地物连续光谱比较真实，能全面反映自然界各种植被所固有的光谱特征以及其间的细节差异性，从而大大提高地物分类的精细程度和准确性，使得高光谱图像数据与光谱仪地面实测光谱曲线数据之间的直接匹配成为可能。
（2）高光谱图像数据提高了根据混合光谱模型进行混合像元分解的能力，减少了土壤等植被生长背景地物的影响，从而能够获取最终光谱端元的真实光谱特性曲线数据。
（3）高光谱分辨率的植被图像数据将对传统的植被指数运算予以改进，大大提高了植被指数所能反演的信息量，使人们可以直接收获诸如植被叶面积指数、生物量、光合有效吸收系数等植被生物物理参量。
（4）提高遥感高定量分析的精度和可靠性，基于高光谱分辨率的光谱吸收特征信息提取可以完成部分植被生物化学成分（如植被干物质和水分含量等）定量填图。
