基于高光谱遥感的棉花叶片叶绿素含量估算

发布时间：2018-06-14 21:32

本文选题：棉花 + 叶绿素　；参考：《中国农业大学学报》2017年04期

【摘要】：为提高高光谱植被指数对棉花叶绿素含量的估算精度,以陕西省关中地区棉花花铃期叶片高光谱反射率为数据源,分析了13种植被指数与棉花叶片叶绿素相对含量(SPAD)的相关关系;同时采用降精细采样法,详细分析400~2 000nm波段范围内原始光谱反射率的任意两两波段组合而成的优化光谱指数RSI与SPAD值的定量关系,构建线性及非线性回归监测模型,并对模型进行验证。结果表明:1)所提取的13种植被指数中NIR/NIR与SPAD值的相关系数最大(r=0.914),并且基于NIR/NIR(R780/R740)构建的回归方程模型优于其他植被指数,其构建的二次曲线方程回归模型建模与验模R2分别为0.900和0.785,RMSE为4.762,RE为7.86%,为基于提取的12种植被指数构建SPAD值估算模型中最佳模型;2)优化后的比值光谱指数RSI(Ration spectral index)的敏感波段为500和563nm,RSI(500,563)与SPAD值的相关系数r=0.999,与棉花叶片SPAD含量在0.01水平下呈显著相关,其构建的二次曲线方程模型效果最优,建模和验模R2分别为0.912和1.000,RMSE为2.848,RE为4.38%。与提取的13种植被指数相比,基于RSI指数二次曲线回归模型为估算叶绿素含量的最佳模型,并且模型预测值和实测值之间的符合度较高R2=0.843,表明基于波段优化算法的优化光谱指数RSI能更好的预测棉花叶片叶绿素含量。
[Abstract]:In order to improve the accuracy of estimating the chlorophyll content of cotton with hyperspectral vegetation index, the leaf hyperspectral reflectance of cotton at flowering and boll stage in Guanzhong area of Shaanxi Province was taken as the data source. The correlation between the relative chlorophyll content of cotton leaves and the relative chlorophyll content of cotton leaves was analyzed, and the method of reducing fine sampling was used to analyze the correlation between the index of planting cover and the relative chlorophyll content of cotton leaves. The quantitative relationship between the optimized spectral index RSI and the spectral reflectivity in the range of 400-2 000nm is analyzed in detail, and the linear and nonlinear regression monitoring models are constructed and verified. The results show that the correlation coefficient between NIR / NIR and spd is the highest in the 13 plant cover indices extracted by 1: 1, and the regression equation model based on NIR / NIRR 780 / R740) is superior to other vegetation indices. The R ~ 2 of the quadratic equation regression model and the test model are 0.900 and 0.785, respectively. The RMSE is 4.762 RE = 7.86, which is the ratio spectral index (RSI-R _ (2) of the best model in the model of estimating the SPAD-value based on the extracted 12 plants. The sensitive bands were 500 and 563 nm RSI 500563) and the correlation coefficient between RSI and SPAR value was 0.999, which was significantly correlated with the content of SPAR in cotton leaves at 0.01 level. The model of conic equation is the best. The R2 of modeling and verification is 0.912 and 1.000 respectively. The RMSE of the model is 2.848 and 4.38, respectively. Compared with the 13 plant cover indices extracted, the quadratic regression model based on RSI index is the best model for estimating chlorophyll content. The coincidence between the predicted value and the measured value of the model is higher than that of the measured value, which indicates that the optimized spectral index RSI based on the band optimization algorithm can better predict the chlorophyll content of cotton leaves.
【作者单位】：西北农林科技大学资源环境学院;河南科技大学农学院;
【基金】：国家高技术研究发展计划(863计划)资助项目(2013AA102401-2)
【分类号】：S562;S127

【参考文献】

相关期刊论文前10条

1 张晓华;常庆瑞;章曼;刘佳岐;;基于高光谱植被指数的西北玉米不同时期叶绿素含量估测[J];中国农业大学学报;2015年04期

2 黄青;周清波;王利民;李丹丹;;基于遥感的冬小麦长势等级与气象因子相关性分析[J];农业机械学报;2014年12期

3 夏天;周勇;周清波;吴文斌;;基于高光谱遥感和HJ-1卫星的冬小麦SPAD反演研究[J];长江流域资源与环境;2013年03期

4 王强;易秋香;包安明;罗毅;赵金;;基于高光谱反射率的棉花冠层叶绿素密度估算[J];农业工程学报;2012年15期

5 刘秀英;熊建利;臧卓;林辉;;基于植被指数的马尾松叶绿素含量估算模型[J];西北林学院学报;2012年03期

6 李鹏程;董合林;刘爱忠;王润珍;刘爱珍;李如义;;棉花上部叶片叶绿素SPAD值动态变化研究[J];中国农学通报;2012年03期

7 蒋金豹;陈云浩;黄文江;;用高光谱微分指数估测条锈病胁迫下小麦冠层叶绿素密度[J];光谱学与光谱分析;2010年08期

8 姚付启;张振华;杨润亚;孙金伟;王海江;任尚岗;;ANFIS在植被叶绿素含量高光谱反演中的应用[J];光谱学与光谱分析;2010年07期

9 杨杰;田永超;姚霞;曹卫星;张玉森;朱艳;;水稻上部叶片叶绿素含量的高光谱估算模型[J];生态学报;2009年12期

10 姚霞;朱艳;冯伟;田永超;曹卫星;;监测小麦叶片氮积累量的新高光谱特征波段及比值植被指数[J];光谱学与光谱分析;2009年08期

【共引文献】

相关期刊论文前10条

1 王烁;常庆瑞;刘梦云;严林;李媛媛;刘秀英;;基于高光谱遥感的棉花叶片叶绿素含量估算[J];中国农业大学学报;2017年04期

2 程潜;陈家乐;张振乾;王悦;陈浩;邬贤梦;;芥菜型油菜不同叶色叶绿素含量与冠层反射光谱的定量关系[J];湖南农业科学;2017年02期

3 齐雁冰;楚万林;解飞;陈洋;常庆瑞;;基于高光谱的渭北旱塬区棉花冠层叶面积指数估算[J];干旱地区农业研究;2017年01期

4 向芬;李维;刘红艳;周凌云;丁玎;曾振;;茶树叶绿素测定方法的比较研究[J];茶叶通讯;2016年04期

5 胡珍珠;潘存德;潘鑫;朱白雪;;基于光谱水分指数的核桃叶片含水量估算模型[J];林业科学;2016年12期

6 HUANG Qing;WANG Li-min;CHEN Zhong-xin;LIU Hang;;Effects of meteorological factors on different grades of winter wheat growth in the Huang-Huai-Hai Plain, China[J];Journal of Integrative Agriculture;2016年11期

7 贾永倩;王振锡;吴智乐;丁雅;董淼;;杏树落果前后叶绿素含量的高光谱估算模型[J];森林工程;2016年06期

8 陈仲新;任建强;唐华俊;史云;冷佩;刘佳;王利民;吴文斌;姚艳敏;哈斯图亚;;农业遥感研究应用进展与展望[J];遥感学报;2016年05期

9 刘晓霞;朱伟锋;章哲;陈一定;;供氮水平对不同菠菜品种光合特性、硝酸盐和草酸含量的影响[J];浙江农业科学;2016年09期

10 罗丹;常庆瑞;齐雁冰;李媛媛;李松;;基于光谱指数的冬小麦冠层叶绿素含量估算模型研究[J];麦类作物学报;2016年09期

【二级参考文献】

相关期刊论文前10条

1 孙丽;王飞;李保国;陈曦炜;;基于多源数据的武陵山区干旱监测研究[J];农业机械学报;2014年01期

2 李鑫川;鲍艳松;徐新刚;金秀良;张竞成;宋晓宇;;融合可见光-近红外与短波红外特征的新型植被指数估算冬小麦LAI[J];光谱学与光谱分析;2013年09期

3 吴鑫淼;王晶;郄志红;;基于多年降雨资料的作物灌溉制度多目标优化[J];农业机械学报;2013年04期

4 孙小芳;;高光谱植被指数与水稻叶片叶绿素相关分析[J];闽江学院学报;2013年02期

5 JIANG Xiao-jian;TANG Liang;LIU Xiao-jun;CAO Wei-xing;ZHU Yan;;Spatial and Temporal Characteristics of Rice Potential Productivity and Potential Yield Increment in Main Production Regions of China[J];Journal of Integrative Agriculture;2013年01期

6 张赛;王龙昌;;全球变化背景下农田生态系统碳循环研究[J];农机化研究;2013年01期

7 朱晓禧;方修琦;高勇;;基于系统科学的中国粮食安全评价研究[J];中国农业资源与区划;2012年06期

8 黄青;李丹丹;陈仲新;刘佳;王利民;;基于MODIS数据的冬小麦种植面积快速提取与长势监测[J];农业机械学报;2012年07期

9 宋珍;陈晓玲;刘海;田礼乔;吴玮;;基于HJ-1A/1B卫星遥感数据的积雪识别方法研究[J];长江流域资源与环境;2011年05期

10 朱连奇;许立民;;全球变化对陆地生态系统的影响研究[J];地域研究与开发;2011年02期

【相似文献】

相关期刊论文前10条

1 王福民;黄敬峰;王秀珍;;基于水稻背景特性的植被指数参数修正研究[J];农业工程学报;2008年05期

2 何彬方;冯妍;吴文玉;范伟;;安徽省近十年植被指数时空变化特征[J];生态学杂志;2010年10期

3 解文欢;张有智;吴黎;;基于植被指数对望奎县粮食作物产量预测方法的研究[J];黑龙江农业科学;2011年04期

4 康耀江;;植被指数在草地遥感中的应用初探[J];湖南农业科学;2011年Z1期

5 张仁华,饶农新,廖国男;植被指数的抗大气影响探讨[J];植物学报;1996年01期

6 国红;彭世揆;赵博光;;内蒙古鄂托克前旗地区苦豆子植被指数信息提取的研究[J];林业资源管理;2008年04期

7 范文义;白新源;冯欣;李明泽;杜华强;;哈尔滨热岛效应与植被指数关系的动态分析[J];东北林业大学学报;2009年06期

8 杜春雨;范文义;;叶面积指数与植被指数关系研究[J];林业勘查设计;2013年02期

9 杨洁;隋学艳;杨丽萍;郭洪海;朱振林;;山东省植被指数影像数据库的设计与实现[J];安徽农业科学;2011年29期

10 胡晓雯;曹爽;赵显富;;基于植被指数的绿地信息提取的比较[J];南京信息工程大学学报(自然科学版);2012年05期