基于高光谱的核桃-大豆复合系统大豆叶绿素估算研究
发布时间：2022-01-21 09:22
针对核桃—大豆农林复合系统,利用高分辨率光谱仪对林下大豆进行了不同物候期冠层光谱的探测,根据冠层叶绿素含量提取敏感波段以及红边位置,基于已往研究计算得到了特定反射率,一阶微分,红边参数,叶片叶绿素指数,比值植被指数,归一化植被指数等6类高光谱监测模型,通过精度检验,筛选出监测农林复合系统下大豆叶绿素含量的最优估算模型。结果表明,6类光谱参数均可用于叶片叶绿素含量的监测且精度均达到极显著水平,其中光谱参数R696′,R737′和叶片叶绿素指数与叶片色素含量之间的相关系数显著高于其他高光谱参数,因此选用以上3种参数分别进行模型拟合以期提高叶绿素含量估测的精度。通过对3种光谱参数建立回归模型,发现叶绿素A、叶绿素B和总叶绿素含量估算以光谱参数R737′表现最优,大豆叶片叶绿素含量的估算模型分别为:y=717.89x+0.634、y=0.517 ln（x）+3.735、y=877.18 x+0.849,其决定系数（R2）分别为0.742,0.575,0.717（P<0.01）,说明以光谱参数R
【文章来源】：河南农业大学学报. 2020,54(05)北大核心CSCD
【文章页数】：8 页
【部分图文】：
大豆种植空间示意图
植物光谱反射率的一阶微分可以消除部分背景干扰影响,构建较高精度的参数估算模型[20-21]。通过分析反射率一阶微分曲线及其与大豆叶片叶绿素含量的相关关系(图3),发现一阶微分曲线在可见光680～700 nm波段其值增长速度最快,且在700 nm波段处达到最大值,叶绿素含量与该波段原始光谱反射率的相关系数为-0.614,与其一阶微分的相关系数为0.731,相关性均较强。因此,将700 nm波段确定为样本叶片反射率的“红边”位置,同时根据反射率一阶微分曲线确定了“红边”上、下拐点分别为波段670 nm和波段800 nm以及波段567 nm处的“绿峰”。此外,相关系数曲线表明,在波段519,638,696,737 nm为一阶微分与叶绿素含量相关系数曲线的拐点,对应的相关系数分别为-0.784、0.729、-0.802、0.847(图3),将这些波段的一阶微分值以及所在的小区间将作为敏感变量进行进一步分析。2.2 大豆叶片高光谱参数与叶绿素含量的相关性
基于大豆叶片光谱信息,筛选出敏感波段535～570、700～740,519、638、696、737 nm波段处的一阶微分值,“红边”位置700 nm波段、“红边”上、下拐点670、800 nm波段以及红边斜率(Red-edge slope,Dr),波段567 nm处的“绿峰”(Green emission,Rg),计算得到了6类叶片色素含量相关的高光谱参数:一阶微分(R519′、R638′、R696′、R737′),红边参数[22]:红边位置(Red edge position, λr)、红边斜率Dr、绿峰,比值植被指数(R800/R567[23]、R800/R670[24]),归一化植被指数(R800-R670)/(R800+R670)[24],叶片叶绿素指数(R800-R700)/(R800-R670)[25]及叶绿素指数R567-R700/R700[26]。对构建的各光谱参数与对应的大豆叶片色素含量进行相关分析,结果表明,建立的6种光谱参数与叶片叶绿素A、叶绿素B、总叶绿素含量之间均具有较好的相关性(P<0.01),6种光谱参数均可用于核桃大豆复合系统中大豆叶片色素含量的监测。对比各参数发现,光谱参数R696′、R737′和叶片叶绿素指数R800～R700/R800～R670与叶片色素含量之间的相关关系明显优于其他光谱参数。本试验条件下,对大豆叶片色素含量的估测效果更佳。
【参考文献】：
期刊论文
[1]基于多角度高光谱遥感的植被红边波段角度效应分析——以大豆和玉米为例[J]. 邓磊,毛智慧,陈云浩,段福洲,李京. 地理与地理信息科学. 2019(05)
[2]珠海一号高光谱卫星数据农业遥感应用[J]. 纪婵,张赫林. 卫星应用. 2019(08)
[3]基于生态服务价值的玛纳斯河流域土地利用结构优化[J]. 宁珊,张正勇,周红武,李丽,赵贵宁. 生态学报. 2019(14)
[4]枣叶片N素质量分数高光谱估算模型[J]. 丁雅,王振锡,瞿余红,刘玉霞,李园. 东北林业大学学报. 2018(11)
[5]基于高光谱的茶叶含水量检测模型建立与试验研究[J]. 吴伟斌,刘文超,李泽艺,张震邦,陈理,宋倩. 河南农业大学学报. 2018(05)
[6]基于思维进化优化BP神经网络的大豆叶片叶绿素含量高光谱反演[J]. 刘润,张绍良,侯湖平,陈浮,田艳凤,郝绍金. 江苏农业科学. 2018(13)
[7]大豆蛋白质遗传和生育期间积累规律的研究进展[J]. 张志民,周青,郑丽敏,杨慧风,王凤菊,陈亚光,范华兵,徐淑霞. 大豆科技. 2017(01)
[8]基于连续统去除法的苹果树冠SPAD高光谱估测[J]. 韩兆迎,朱西存,王凌,赵庚星. 激光与光电子学进展. 2016(02)
[9]利用高光谱技术估测大豆育种材料的叶面积指数[J]. 齐波,张宁,赵团结,邢光南,赵晋铭,盖钧镒. 作物学报. 2015(07)
[10]接种菌根大豆叶片光谱分析和叶绿素含量估测[J]. 陈书琳,毕银丽,齐礼帅,冯颜博,张延旭,王瑾. 中国农业大学学报. 2014(02)
博士论文
[1]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[D]. 张东彦.浙江大学 2012
本文编号：3600004
【文章来源】：河南农业大学学报. 2020,54(05)北大核心CSCD
【文章页数】：8 页
【部分图文】：
大豆种植空间示意图
植物光谱反射率的一阶微分可以消除部分背景干扰影响,构建较高精度的参数估算模型[20-21]。通过分析反射率一阶微分曲线及其与大豆叶片叶绿素含量的相关关系(图3),发现一阶微分曲线在可见光680～700 nm波段其值增长速度最快,且在700 nm波段处达到最大值,叶绿素含量与该波段原始光谱反射率的相关系数为-0.614,与其一阶微分的相关系数为0.731,相关性均较强。因此,将700 nm波段确定为样本叶片反射率的“红边”位置,同时根据反射率一阶微分曲线确定了“红边”上、下拐点分别为波段670 nm和波段800 nm以及波段567 nm处的“绿峰”。此外,相关系数曲线表明,在波段519,638,696,737 nm为一阶微分与叶绿素含量相关系数曲线的拐点,对应的相关系数分别为-0.784、0.729、-0.802、0.847(图3),将这些波段的一阶微分值以及所在的小区间将作为敏感变量进行进一步分析。2.2 大豆叶片高光谱参数与叶绿素含量的相关性
基于大豆叶片光谱信息,筛选出敏感波段535～570、700～740,519、638、696、737 nm波段处的一阶微分值,“红边”位置700 nm波段、“红边”上、下拐点670、800 nm波段以及红边斜率(Red-edge slope,Dr),波段567 nm处的“绿峰”(Green emission,Rg),计算得到了6类叶片色素含量相关的高光谱参数:一阶微分(R519′、R638′、R696′、R737′),红边参数[22]:红边位置(Red edge position, λr)、红边斜率Dr、绿峰,比值植被指数(R800/R567[23]、R800/R670[24]),归一化植被指数(R800-R670)/(R800+R670)[24],叶片叶绿素指数(R800-R700)/(R800-R670)[25]及叶绿素指数R567-R700/R700[26]。对构建的各光谱参数与对应的大豆叶片色素含量进行相关分析,结果表明,建立的6种光谱参数与叶片叶绿素A、叶绿素B、总叶绿素含量之间均具有较好的相关性(P<0.01),6种光谱参数均可用于核桃大豆复合系统中大豆叶片色素含量的监测。对比各参数发现,光谱参数R696′、R737′和叶片叶绿素指数R800～R700/R800～R670与叶片色素含量之间的相关关系明显优于其他光谱参数。本试验条件下,对大豆叶片色素含量的估测效果更佳。
【参考文献】：
期刊论文
[1]基于多角度高光谱遥感的植被红边波段角度效应分析——以大豆和玉米为例[J]. 邓磊,毛智慧,陈云浩,段福洲,李京. 地理与地理信息科学. 2019(05)
[2]珠海一号高光谱卫星数据农业遥感应用[J]. 纪婵,张赫林. 卫星应用. 2019(08)
[3]基于生态服务价值的玛纳斯河流域土地利用结构优化[J]. 宁珊,张正勇,周红武,李丽,赵贵宁. 生态学报. 2019(14)
[4]枣叶片N素质量分数高光谱估算模型[J]. 丁雅,王振锡,瞿余红,刘玉霞,李园. 东北林业大学学报. 2018(11)
[5]基于高光谱的茶叶含水量检测模型建立与试验研究[J]. 吴伟斌,刘文超,李泽艺,张震邦,陈理,宋倩. 河南农业大学学报. 2018(05)
[6]基于思维进化优化BP神经网络的大豆叶片叶绿素含量高光谱反演[J]. 刘润,张绍良,侯湖平,陈浮,田艳凤,郝绍金. 江苏农业科学. 2018(13)
[7]大豆蛋白质遗传和生育期间积累规律的研究进展[J]. 张志民,周青,郑丽敏,杨慧风,王凤菊,陈亚光,范华兵,徐淑霞. 大豆科技. 2017(01)
[8]基于连续统去除法的苹果树冠SPAD高光谱估测[J]. 韩兆迎,朱西存,王凌,赵庚星. 激光与光电子学进展. 2016(02)
[9]利用高光谱技术估测大豆育种材料的叶面积指数[J]. 齐波,张宁,赵团结,邢光南,赵晋铭,盖钧镒. 作物学报. 2015(07)
[10]接种菌根大豆叶片光谱分析和叶绿素含量估测[J]. 陈书琳,毕银丽,齐礼帅,冯颜博,张延旭,王瑾. 中国农业大学学报. 2014(02)
博士论文
[1]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[D]. 张东彦.浙江大学 2012
本文编号：3600004
本文链接：https://www.wllwen.com/wenshubaike/xszy/3600004.html
