基于高光谱参量茶叶叶绿素含量估算模型研究
《2024年基于高光谱技术的红茶茶多酚可视化研究》范文
《基于高光谱技术的红茶茶多酚可视化研究》篇一一、引言随着现代科技的快速发展，食品质量的监测和评估已成为食品科学研究领域的重要组成部分。
茶多酚作为红茶中的重要化学成分，具有抗氧化、抗菌等多种生理功能，因此对红茶中茶多酚的含量及其分布的监测具有重要的实际意义。
高光谱技术作为一种新兴的、非破坏性的检测技术，因其具有高分辨率和高灵敏度等特点，为食品中特定成分的定量和定性分析提供了新的方法。
本文旨在通过高光谱技术对红茶中茶多酚进行可视化研究，以期为红茶品质的监测和评估提供新的技术手段。
二、材料与方法1. 材料实验材料选用不同产地的红茶样品，以及用于制备标准曲线的纯茶多酚。
2. 方法（1）样品准备：收集不同产地的红茶样品，进行初步处理后备用。
（2）高光谱数据采集：利用高光谱成像系统对红茶样品进行扫描，获取高光谱数据。
（3）数据处理与分析：对获取的高光谱数据进行预处理，提取与茶多酚含量相关的特征参数，并建立与茶多酚含量之间的数学模型。
（4）可视化研究：根据建立的数学模型，将茶多酚含量以可视化的形式呈现出来。
三、实验结果与分析1. 高光谱数据采集与处理通过高光谱成像系统对红茶样品进行扫描，获取了丰富的光谱信息。
通过对这些光谱数据进行预处理，如去噪、平滑等操作，提取出与茶多酚含量相关的特征参数。
2. 茶多酚含量与高光谱特征参数的关系通过建立与茶多酚含量之间的数学模型，发现高光谱特征参数与茶多酚含量之间存在一定的相关性。
进一步分析表明，某些波段的光谱信息与茶多酚含量的关系更为密切。
3. 茶多酚的可视化研究根据建立的数学模型，将红茶中茶多酚的含量以可视化的形式呈现出来。
通过对比不同产地的红茶样品，可以直观地看出各样品中茶多酚含量的差异。
此外，还可以通过颜色深浅来反映茶多酚含量的高低，为消费者提供更为直观的茶叶品质信息。
四、讨论本研究利用高光谱技术对红茶中茶多酚进行了可视化研究，取得了较好的效果。
通过建立与茶多酚含量之间的数学模型，可以实现红茶品质的快速、准确监测。
基于色彩参数和高光谱特征的针叶树种色素含量预估
基于色彩参数和高光谱特征的针叶树种色素含量预估随着环境变化和人类活动的影响，全球森林面积和森林生态系统的健康状况受到了严重威胁。
因此，了解森林植被的生理生态特征和受到环境变化的响应机制，对于森林生态系统的保护和管理具有重要意义。
其中，植被色素含量是反映植物生长和生理状态的重要参数之一。
本文以色彩参数和高光谱特征为基础，探究了针叶树种色素含量预估的方法及其应用。
1. 针叶树种色素含量的研究现状色素是植物体内重要的生物分子，包括叶绿素、类胡萝卜素和花青素等，它们在光合作用、光合色素复合物组成和光反应等方面发挥着重要作用。
因此，植被色素含量是反映植物生长和生理状态的重要参数之一，对于生态环境的监测和植被类型的判别具有重要意义。
近年来，随着遥感技术的发展，人们开始利用遥感数据进行植被色素含量的研究。
目前，主要的研究方法有基于遥感影像的反演方法和基于光谱特征的预估方法。
基于遥感影像的反演方法主要是利用遥感影像的反射率数据，通过建立反演模型，计算出植被色素含量。
例如，利用MODIS数据反演出不同植被类型的叶绿素含量和类胡萝卜素含量等。
但是，这种方法需要大量的现场数据进行模型的建立和验证，且在高山、沙漠等特殊地形和环境下存在一定的局限性。
基于光谱特征的预估方法是利用植被的光谱特征与植被色素含量之间的关系，通过建立预估模型，计算出植被色素含量。
这种方法不需要大量的现场数据，可以通过遥感数据进行预估，且适用于不同地形和环境。
因此，本文采用基于光谱特征的预估方法，探究针叶树种色素含量的预估方法及其应用。
2. 针叶树种色素含量预估的方法2.1 色彩参数色彩参数是指从遥感影像中提取出来的色彩信息。
色彩参数包括RGB三色分量、色调、饱和度等，可以用来反映植被的颜色和亮度等信息。
通过对色彩参数的分析，可以间接反映出植被的叶绿素含量和类胡萝卜素含量等信息。
2.2 高光谱特征高光谱特征是指光谱曲线上的每一个波段的反射率值。
针叶树种的叶片在不同波段上的反射率具有不同的变化规律，通过对高光谱特征的分析，可以直接反映出植被的叶绿素含量和类胡萝卜素含量等信息。
基于高光谱技术的大叶女贞叶绿素含量估算研究
基于高光谱技术的大叶女贞叶绿素含量估算研究作者：郭建慧来源：《河南农业·综合版》2021年第12期大叶女贞是一种常绿阔叶乔木，抗污能力强，可吸收、抵抗多种有害气体，是园林绿化、景观营造中常用的树种，其种植面积和数量在逐年增加。
与此同时，如何准确地监测其生长状况，进行精准、高效的养护也日渐成为一个亟需解决的重要问题。
叶片色素是描述植物生长状态的重要指标之一，其含量对植物的光合作用有着重要影响，能够据此来评估植物的光合能力和初级生产力。
而传统的植物叶片色素含量测定多采用基于破坏性取样的实验室理化方法，费时费力且对植物具有破坏性。
高光谱技术能够快速无损地获取植物叶片的反射光谱信息，为高效、实时、无损估算叶片色素提供了一种有效的技术途径。
因此，利用高光谱技术估算叶片色素含量具有重要的实践意义。
在以往的研究中，学者们多通过叶片的高光谱反射率构建植被指数，进而估算叶片中色素含量。
Rouse发现归一化植被指数（NDVI）与叶片中叶绿素的含量密切相关。
王福民等通过研究所有光谱波段的两两组合构建了归一化色素指数，并以此建立了估算叶片色素含量的统计模型。
Sims等提出了绿色归一化植被指数（Green NDVI），可以提高对高叶绿素含量叶片的估算精度。
Gitelson和Merzlyak提出的绿色归一化植被指数（Green NDVI）有效地避免了675 nm附近叶绿素光谱吸收的影响，提高了NDVI对高叶绿素含量叶片的估算精度。
Chappelle等基于大豆叶片提出了反射光谱的比值分析指数（RARS）估测叶片的叶绿素和类胡萝卜素的含量。
Gamon等在研究中建立了生理反射指数（PRI）用以估测叶片中类胡萝卜素（Car）和叶绿素的比值（Chl），之后PRI广泛应用于植物生理状态的光谱监测中。
许改平等通过测定不同条件下盆栽毛竹实生苗的色素含量和反射光谱发现，色素含量与光谱反射率在可见光的绿光和红光区有显著或极显著的相关关系，为利用光谱反射率估测植物叶片色素含量提供了理论依据。
利用高光谱数据对作物群体叶绿素密度估算的研究
利用高光谱数据对作物群体叶绿素密度估算的研究吴长山;项月琴;郑兰芬;童庆禧【期刊名称】《遥感学报》【年(卷),期】2000(004)003【摘要】叶绿素是农作物生长中重要的因素.叶绿素含量既表明作物生长的状况,又表征了作物的生产能力.而叶绿素密度(单位面积农作物的叶绿素含量)是估计农作物群体生产力的重要指标.对早播稻、晚播稻和玉米的多时相的群体光谱测量数据和相应的叶片叶绿素密度的测量数据进行了相关分析,结果表明早播稻、晚播稻和玉米的群体光谱的反射率数据以及其导数光谱数据与叶绿素密度具有很好的相关性,并且可以对这几种农作物建立统一的线性回归关系.利用这几种农作物的导数光谱在近红外波段762nm处与叶绿素密度的高相关性,选取样本建立了回归方程.并利用其余样本对估计方程进行检验,结果表明估计的标准偏差为0.272g/m+2,估计精度约为80.6%.【总页数】5页(P228-232)【作者】吴长山;项月琴;郑兰芬;童庆禧【作者单位】中国科学院,遥感应用研究所,北京,100101;中国科学院,地理研究所,北京,100101;中国科学院,遥感应用研究所,北京,100101;中国科学院,遥感应用研究所,北京,100101【正文语种】中文【中图分类】TP19;S511【相关文献】1.基于高光谱数据的棉花叶绿素密度定量提取研究 [J], 袁杰;王登伟;黄春燕;祁亚琴;陈燕;马勤建;王洪仁2.北疆棉花叶绿素密度的高光谱估算研究 [J], 陈燕;黄春燕;王登伟;祁亚琴;袁杰;马勤建3.新疆棉花LAI和叶绿素密度的高光谱估算研究 [J], 陈燕;王登伟;黄春燕;祁亚琴;袁杰;马勤建4.基于高光谱反射率的棉花冠层叶绿素密度估算 [J], 王强;易秋香;包安明;罗毅;赵金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。
光谱指数的植物叶片叶绿素含量估算模型
1 实验部分 1 . 1 采样区域
收稿日期！2017-05-02, 修订日期！2017-11-18 基金项目：国家自然科学基金项目-新疆本地优秀青年培养专项( U 1503302) , 国家自然科学基金项目（41361045)资助 作者简介：李 哲 ，女，1993年生，新疆大学资源与环境科学学院硕士研究生 e-mail: 13999940867@
摘 要 叶 片 叶 绿 素 能 够 有 效 监 测 植 被 的 生 长 状 况 ，利用光谱指数反演植被叶绿素含量是目前的通用方法。
实测了盐生植物光谱反射率和叶片叶绿素含量。对 S P A D 值进行变换，对 比 P e a r s o n 与 V C 方法探讨盐生植
被 叶 片 叶 绿 素 含 量 与 植 被 指 数 的 相 关 性 并 进 行 精 度 验 证 ，从 中 选 出 最 佳 拟 合 模 型 。研 究 表 明 ，通过对
植物具有良好的防风固沙的特点，保 护 区 夏 季 干 旱 少 雨 ，冬
季寒冷，年日照时数大于2 500 Z 年 均 温 度 8 . 3 ° C , 年均降 水 90 m m ,蒸发量高于3 000 m m , 属于中温带大陆性干旱气 候[8]。保护区内有各类盐生植物占全国盐生植物种类的6 0 '
此 ，在生态系统较为脆弱的西北荒漠地带，监测植被叶片的 叶绿素含量对干旱区生态系统的恢复与重建和生态系统生产 力的评估具有重要指导意义。
L e M a e 等(3]总结了 2 0 0 2 年之前所有发表的有关叶绿
素 含 量 预 测 的 光 谱 指 数 。在 电 磁 波 的 蓝 光 和 红 光 范 围 ，叶绿 素 表 现 为 强 烈 吸 收 ，光 谱 指 数 基 于 那 些 对 叶 绿 素 敏 感 而 对 其 他 因 素 不 敏 感 的 窄 波 段 光 谱 比 值 构 建 。应 用 于 叶 片 尺 度 的 植 被光谱指数大多数结构相对简单，常 用 比 值 型 、差 值 型 、归 一 化 差 值 型 、新 二 重 差 值 型 及 改 进 版 本 等 。较 为 典 型 的 有 改
基于光谱指数的植物叶片叶绿素含量的估算模型
基于光谱指数的植物叶片叶绿素含量的估算模型宫兆宁;赵雅莉;赵文吉;林川;崔天翔【摘要】叶绿素是光合作用能力和植被发育阶段的指示器,是监测湿地植被生长健康状况的重要指标之一;高光谱遥感技术可以为植物叶绿素含量的定量化诊断提供简便有效、非破坏性的数据采集和处理方法.为保证被探测叶片面积相同,消除背景反射、叶片表面弯曲造成的光谱波动及叶片内部变异造成的影响,研究采用Field Spec 3光谱仪加载手持叶夹式叶片光谱探测器,测定野鸭湖湿地典型植物的叶片高光谱反射率数据,同时通过分光光度计室内测定相应叶片的叶绿素含量.采用相关性及单变量线性拟合分析技术,建立二者的关系模型,包括叶绿素含量与“三边”参数的相关模型以及比值光谱指数(SR)模型和归一化差值光谱指数(ND)模型,并采用交叉检验中的3K-CV方法对估算模型进行模型精度检验.结果表明:植物叶片叶绿素含量与“三边”参数大多都呈极显著相关,相关系数最大达到0.867;计算光谱反射率组成的比值(SR)和归一化(ND)光谱指数与叶绿素含量的决定系数,总体相关性比较高,较好的波段组合均为550-700nm与700-1400nm以及550-700nm与1600-1900nm,与叶绿素含量相关性最好的指数分别是SR(565nm,740nm)和ND(565nm,735nm).并通过选取相关性最佳的光谱特征参数,分别基于“三边”参数和ND模型指数构建了植物叶片叶绿素含量的估算模型.其中,基于红边位置(WP_r)光谱特征参数和ND(565nm,735nm)光谱指数建立的叶绿素含量估算模型,取得了较好的测试效果,检验拟合方程的决定系数(R2)都达到0.8以上,估算模型分别为y=0.113x-78.74,y=5.5762x +4.4828.通过3K-CV方法进行测试和检验,植物叶绿素含量估算模型均取得了较为理想的预测精度,预测精度的分别为93.9％及90.7％.高光谱遥感技术对植被进行微弱光谱差异的定量分析,在植被遥感研究与应用中表现出强大优势,为植物叶绿素含量诊断中的实际应用提供了重要的理论依据和技术支持.【期刊名称】《生态学报》【年(卷),期】2014(034)020【总页数】10页(P5736-5745)【关键词】叶绿素含量;高光谱模型;“三边”参数;光谱指数;北京野鸭湖湿地植物【作者】宫兆宁;赵雅莉;赵文吉;林川;崔天翔【作者单位】首都师范大学资源环境与旅游学院,北京100048;三维信息获取与应用教育部重点实验室,北京100048;资源环境与地理信息系统北京市重点实验室,北京100048;北京市城市环境过程与数字模拟国家重点实验室培育基地,北京100048;首都师范大学资源环境与旅游学院,北京100048;三维信息获取与应用教育部重点实验室,北京100048;资源环境与地理信息系统北京市重点实验室,北京100048;北京市城市环境过程与数字模拟国家重点实验室培育基地,北京100048;首都师范大学资源环境与旅游学院,北京100048;三维信息获取与应用教育部重点实验室,北京100048;资源环境与地理信息系统北京市重点实验室,北京100048;北京市城市环境过程与数字模拟国家重点实验室培育基地,北京100048;首都师范大学资源环境与旅游学院,北京100048;三维信息获取与应用教育部重点实验室,北京100048;资源环境与地理信息系统北京市重点实验室,北京100048;北京市城市环境过程与数字模拟国家重点实验室培育基地,北京100048;首都师范大学资源环境与旅游学院,北京100048;三维信息获取与应用教育部重点实验室,北京100048;资源环境与地理信息系统北京市重点实验室,北京100048;北京市城市环境过程与数字模拟国家重点实验室培育基地,北京100048【正文语种】中文【中图分类】基础科学第 34 卷第 20 期 2014 年 10 月生态学报 ACTA ECOLOGICA SINICAVol．34，No．20 Oct．， 2014http: / /www．ecologica．cn基金项目: 863 计划课题( 2012AA12A308) ; 国家青年科学基金项目( 41101404) ; 国家基础测绘项目( 2011A2001) ; 北京市教委科技计划面上项目(KM201110028013) ; 国土资源部重点实验室开放基金( KLGSIT2013-04) ; 国家国际科技合作专项资助( 2014DFA21620)收稿日期: 2013-01-25;网络出版日期: 2014-03-11*通讯作者Corresponding author．E- mail: 880215zyl@163．comDOI:10．5846/stxb201301250160宫兆宁，赵雅莉，赵文吉，林川，崔天翔．基于光谱指数的植物叶片叶绿素含量的估算模型．生态学报， 2014，34( 20) : 5736-5745．Gong Z N，Zhao Y L，Zhao W J，Lin C，Cui T X．Estimation model for plant leaf chlorophyll content based on the spectral index content．Acta EcologicaSinica， 2014， 34( 20) : 5736-5745．基于光谱指数的植物叶片叶绿素含量的估算模型宫兆宁1， 2， 3， 4 ，赵雅莉 1，2， 3， 4， * ，赵文吉 1，2， 3， 4 ，林川 1， 2， 3， 4 ，崔天翔 1，2， 3， 4( 1．首都师范大学资源环境与旅游学院，北京 100048; 2．三维信息获取与应用教育部重点实验室，北京 100048;3．资源环境与地理信息系统北京市重点实验室，北京 100048;4．北京市城市环境过程与数字模拟国家重点实验室培育基地，北京 100048)摘要: 叶绿素是光合作用能力和植被发育阶段的指示器，是监测湿地植被生长健康状况的重要指标之一; 高光谱遥感技术可以为植物叶绿素含量的定量化诊断提供简便有效、非破坏性的数据采集和处理方法。
《2024年基于高光谱技术的红茶茶多酚可视化研究》范文
《基于高光谱技术的红茶茶多酚可视化研究》篇一一、引言红茶作为世界四大名茶之一，其品质与茶多酚的含量密切相关。
茶多酚作为红茶的主要活性成分，具有抗氧化、抗癌、抗菌等多种生物活性，其含量的高低直接影响到红茶的品质和价值。
然而，传统的红茶品质评价方法主要依赖于人工感官评定和化学分析，这些方法不仅耗时耗力，而且难以实现快速、准确的评价。
因此，研究一种能够快速、准确地评价红茶中茶多酚含量的方法显得尤为重要。
近年来，高光谱技术因其非破坏性、高灵敏度和高分辨率的特点，在农业、食品等领域得到了广泛应用。
本研究基于高光谱技术，对红茶中茶多酚进行可视化研究，旨在为红茶品质的快速评价提供新的方法。
二、材料与方法1. 材料实验所用的红茶样品采集自不同地区、不同年份、不同等级的红茶，确保样品的多样性和代表性。
2. 方法（1）高光谱技术原理：高光谱技术通过获取物质在不同波长下的反射或透射光谱信息，从而实现对物质的定性或定量分析。
（2）样品处理：将红茶样品进行粉碎、过筛等处理，制备成均匀的茶粉。
（3）高光谱数据采集：使用高光谱仪器对红茶样品进行光谱数据采集，获取不同波长下的反射光谱信息。
（4）数据处理与分析：对采集的高光谱数据进行预处理、特征提取和模型建立等操作，实现对红茶中茶多酚含量的可视化研究。
三、实验结果与分析1. 高光谱数据采集结果通过高光谱仪器对红茶样品进行光谱数据采集，得到了不同波长下的反射光谱信息。
这些数据可以反映红茶样品在不同波长下的光学特性，为后续的数据处理和分析提供基础。
2. 数据处理与分析结果（1）数据预处理：对采集的高光谱数据进行预处理，包括去除噪声、平滑处理等操作，以提高数据的信噪比和准确性。
（2）特征提取：通过特征提取算法，从高光谱数据中提取出与茶多酚含量相关的特征信息。
这些特征信息可以反映红茶中茶多酚的含量和分布情况。
（3）模型建立与分析：基于提取的特征信息，建立红茶中茶多酚含量与高光谱数据之间的定量关系模型。
基于高光谱图像的龙眼叶片叶绿素含量分布模型
- 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)。
Ｋ Ｏ Ｎ Ｇ Ｑ ｉ ｎ ｇ — ｂ ｏ ，Ｚ Ｈ Ａ Ｎ Ｇ Ｑ ｉ ｎ ｇ ， Ｚ Ｈ Ａ Ｎ Ｇ Ｍｉ ｎ ｇ — ｑ ｉ ｎ ｇ ， Ｌ Ｉ Ｊ ｕ ａ ｎ （ Ｉ ｎ ｓ ｔ ｉ ｔ ｕ ｔ ｅ ｏ ｆＳ ｏ ｉ ｌ ａ ｎ ｄ Ｆ ｅ ｒ ｔ ｉ ｌ ｉ ｚ ｅ ｒ ， Ｆ ｕ ｊ ｉ ａ ｎ Ａ ｃ ａ ｄ ｅ ｍ ｙ ｆＡ ｏ ｇ ｒ ｉ ｃ ｕ ｌ ｔ ｕ ｒ ａ ｌ Ｓ ｃ ｉ ｅ ｎ ｃ ｅ ｓ ， Ｆ ｕ ｊ ｉ ａ ｎ Ｐ ｒ ｏ ｖ ｉ ｃｅ ｎ ３ ５ ０ ０ １ ３ ）
ａ ｎ ｄ ｄ ｅ ｉ ｒ ｖ ａ ｔ ｉ ｖ ｅ ｓ ｐ ｅ ｃ ｔ ｒ ａ ， ｔ ｈ ｅ ｓ ｐ ｅ ｃ ｔ ｒ ａ ｌ ｃ ｈ ａ ｒ ａ ｃ ｔ ｅ ｉ ｒ ｓ ｔ ｉ ｃ ｐ ａ ｒ ａ ｍ ｅ ｔ ｅ ｒ ｓ（ Ｄ Ｖ “ ０ ， Ｒ ７ １ ６ ）ｆ ｏ ｒ ｅ ｓ ｔ ｉ ｍ ａ ｔ ｉ ｎ ｇ ｃ ｈ ｌ ｏ ｒ ｏ ｐ ｈ ｙ ｌ ｌ ｃ ｏ ｎ ｔ ｅ ｎ ｔ ｉ ｎ ｔ ｈ ｅ ｆ ｒ ｅ ｓ ｈ ｌ ｅ ａ ｆ
２ ０ １ ４ 年 第１ 期
壹 琅 廿 斜姨
２ ７
基 于 高光 谱 参 量 茶 叶 叶绿 素
含 量 估 算 模 型 研 究
孔 庆波 ，张 青 ，章 明清 ，李 娟
３ ５ ０ ０ １ ３ ） （ 福建省农 业科 学，采用原始光谱 、导数光谱技术分析 ，得到估算铁观音茶树鲜 叶 叶绿素含 量 的光 谱特 征参 数 （ Ｄ Ｖ 鲫 ，Ｒ ） ，构 建 叶绿 素含 量 的光 谱 参 量 模 型 ，结 果 表 明 ：用 第５ 、６片叶的 Ｄ Ｖ ㈣参量构建模型估测精度较高，最高达到 ９ ３ ％。
光谱遥感具有 光谱 分辨率高、波段连续性强 、 光谱信息量大等优点，能够记录作物叶片细微 的生 长 变化 ，为检测 植被 健康 状 况 和胁 迫 提供 了一 种 有 效 手段 Ｊ 。叶绿 素含量 能反 映植 物 的生 长状 况 ，是 植株氮素营养水平等方面的指示器 ，估测植被叶绿
素含 量 已经成 为 评价植 被 长 势 的一 种 有 效手 段 ，一 直是 大 家关 注 与研 究 的焦 点 ］ 。近 年来 ，光 谱 在 茶 叶方 面 的研 究 一直停 留在 成茶 的检测 上 Ｊ ，而针 对茶 鲜 叶 的研 究 较少 。本 文 以安 溪铁 观音 茶 树 为研 究对 象 ，对铁 观 音茶树 鲜 叶 叶片 光谱 进 行 采集 和 叶
供试对象为 自然生长状态下 的铁观音茶树 ，将 不同位置 （ 新枝 条展 开叶第 ２ 、 ３片，第 ５ 、６片 ， 隔年老 叶 ） 的 营养 叶片从树 冠 上 剪下 ，立 即装入 保 鲜袋 ，在 １ ｈ 之 内送 到实验室进行光谱数据测试和 叶绿素含量测定 ，共获取 １ ６ ２ 个样本数据。
Ａｂ ｓ ｔ ｒ ａ ｃ ｔ ：Ａｃ ｃ ｏ ｒ ｄ ｉ ｎ ｇ ｔ ｏ ｔ ｈ ｅ ｍｅ ａ ｓ ｕ ｒ ｅ ｄ ｄ ａ ｔ ａ ｏ ｆ ｔ ｈ ｅ ｃ ｈ ｌ ｏ ｒ ｏ ｐ ｈ ｙ ｌ ｌ ｃ ｏ ｎ ｔ ｅ ｎ ｔ ａ ｎ ｄ ｕ ｓ ｉ ｎ ｇ ｔ ｈ ｅ ａ ｎ ａ ｌ ｙ ｓ ｉ ｓ ｔ ｅ ｃ ｈ ｎ ｉ ｑ ｕ ｅ ｓ ｏ ｆ ｏ ｉｇ ｒ ｉ ｎ ｌ ａ ｓ ｐ ｅ ｃ ｔ ｒ ｕ ｍ
１ ． ２ 光谱 测 量
光谱测量采用美国 Ａ Ｓ Ｄ公司生产的便携式野外
光谱 仪 Ｆ ｉ ｅ ｌ ｄ Ｓ ｐ ｅ ｃ ３ ，波 段范 围 ３ ５ ０— ２ ５ ０ ０ ｎ ｍ，光谱
关键 词 ：高光谱 遥感 ；铁 观 音 ；茶 树 ； 叶绿素 ；模 型
Ｓｔ ｕｄ ｙｉ ｎ ｇ ｏ ｎ ｅ ｓ ｔ ｉ ｍａ ｔ ｉ ｏ ｎ ｍｏｄ ｅ ｌ ｏ ｆ ｔ ｅ ａ ｌ ｅ ａ ｆ ｃ ｈｌ ｏ ｒ ｏｐ ｈｙ ｌ ｌ ｃ ｏ ｎｔ ｅ ｎ ｔ ｂ ａ ｓ ｅ ｄ ｏｎ ｈ ｉ 【 ｇ ｈ ｓ ｐ ｅ ｃ ｔ ｒ ａｌ ｐａ ｒ ａ ｍｅ ｔ ｅ ｒ ｓ