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
高光谱数据与冬小麦叶绿素密度的相关性研究
过对水 稻 叶绿素 密 度 与 高光 谱 数 据 的相 关 分 析 ， 表 明 叶绿素 密度 与光谱 数据 的相 关性 明显 优于 光谱 数
据 同 Ｌ 的相 关性 。 ＡＩ
该 研究 结合 冬 小麦 的生 长 发 育 规 律 ， 冬 小 麦 对 进 行 多时相 的冠层 光 谱 和 叶绿 素 密 度 的测 量 ， 过 通 对 光谱 数据 的各种 处 理 ， 叶绿 素 密 度 和 光 谱 数 据 对 进 行相 关分 析 ， 并且 建 立 了二者 之 间的 回归 方程 ， 作
ｋ ｈｍ２ ｇ／ ；Ｎ３： ５ ／ １ ０ ｋｇ ｈｍ２ ；Ｎ４： ００ ｋ ｈ ２ ｇ／ ｍ２；Ｎ５ ３ ０ ：０
数、 生物量 与 叶片 叶绿 素 浓 度等 参 量共 同反 映 了农
作 物 的生 长状 况和 生产 能 力 ， 而且 它具 有 其 自身 的 优越 性 。首先 ， 弥补 了叶 片 叶绿 素 浓度 只能反 映单 个植 株 的长 势 ， 而不能 表达植 被群 体 的长势 的不 足 ，
物建立 了统 一 的 线 性 回 归 关 系 ［ｌ ５。刘 伟 东 等 ［ 通 】
素积 累量 、 盖率 、 水 量 、 均 叶倾 角 等农 学 参 数 覆 含 平
之间 的关系 ， 能够 定性 描 述 和定 量 分 析作 物 的生 长 与遥感 光谱数 据之 间 的关 系 。其 中光 合色 素主要 是 叶绿素 ， 是最 为重 要和运 用最 为广泛 的参数 之一 。 叶 绿素和 植被 的光合 能 力 、 育 阶段 以及 氮 素 发 状 况有 较好 的相关性 ， 常是氮 素胁 迫 、 通 光合作 用 能 力和 植被 发育 阶段 （ 别 是衰 老 阶段 ） 特 的指示 器 ｕ 。 Ｊ 由于叶 片含氮 量和 叶绿 素 之 间 的变 化 趋 势相 似 ， 所 以可 以通 过测定 叶 绿素 来 监 测植 株 氮 素 营养 ， 因此
冬小麦不同生育时期叶面积指数反演方法
haboudane等分析了包括ndvi和tvi等在内的八种植被指数的光谱敏感性并提出了两个估算作物冠层叶面积指数的新型植被指数yang等比较了多个植被指数估算玉米lai的精度得出植被指数反演玉米lai时evi的反演结果优于ndviverrelst等利用jchrisproba数据分析了ndvi和sri以及sipi等11种宽波段和窄波段植被指数的角度敏感性研究得出包括ndvi和pri在内的七种植被指数对冠层反射率的角度效应表现敏感hasegawa等将ndvi和植被热暗点指normalizedhotspotsignaturevegetationindex研究得出利用多角度遥感数据和考虑植被的热点信息可以显著提高植被lai的反演精度
目前遥感反演 植 被 ＬＡＩ的 方 法 主 要 有 基 于 植 被 指 数 的 经验统计法和基于辐射传输模型的物理 模 型 法 等。经 验 统 计 法和物理模型法有本质区别但又具有 互 补 性［３］。物 理 模 型 法 虽然具有较强的机 理 性 和 通 用 性，但 是 存 在 病 态 反 演 问 题， 同时所需的输入参数多，计算 代 价 大，在 应 用 时 需 要 考 虑 模 型的不确定性和反演方法的合理性，在一 定 程 度 上 限 制 了 该 法 的应用。基于植被指数的 ＬＡＩ经验统计反演法虽然缺乏较 强的机理性，但它是将遥感观测和地面观 测 相 连 接 的 一 种 重
基于高光谱和HJ-1 CCD的水旱地冬小麦叶绿素含量反演
Ｗ ＡＮＧ Ｈｕ ｉ —ｑ ｉ ｎ ， Ｆ ＥＮＧ Ｍｅ ｉ － ｃ ｈｅ ｎ ， ＬＩ Ｇｕａ ｎｇ —ｘ ｉ ｎ ２ ， ＹＡＮＧ Ｗｕ －ｄ ｅ ， ＲＥＮ Ｐｅ ｎ ｇ 。 ，
Ｌ Ｉ ＵＴ ｉ ｎ ｇ — ｒ ｉ ｎ ｇ ， Ｇ ＵＯＸ ｉ ａ ｏ － ｌ ｉ ， Ｇ ＡＯＬ ｏ ｎ ｇ － ｍ ｅ ｉ ｌ ， Ｌ Ｉ Ｚ ｈ ｉ － ｈ ｕ ａ ￣ ， Ｚ Ｈ Ａ Ｏ Ｊ ｉ ａ － ｊ ｉ ａ （ １ ． Ｉ ｎ ｓ ｔ ｉ ｔ ｕ ｔ ｅ ｏ ｆ Ｄ ｒ ｙ Ｆ ａ ｒ ｍ ｉ ｎ ｇ Ｅ ｎ ｇ ｉ ｎ ｅ ｅ ｉ ｒ ｎ ｇ ， Ｓ ｈ ａ ｎ ｘ ｉ Ａ ｇ ｉ ｒ ｃ ｕ ｌ ｔ ｕ ｒ ａ ｌ Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ， Ｔ ａ ｉ ｇ ｕ ０ ３ ０ ８ ０ １ ， Ｃ ｈ ｉ ｎ ａ ；
ａ Ｓ ｓ ｔ ｕ ｄ ｙ ｓ ｕ ｂ ｊ ｅ ｃ ｔ ， ｂ ａ ｓ ｅ ｄ ｏ ｎ ｈ ｙ ｐ ｅ ｓｐ ｒ ｅ ｅ ｔ ｒ ａ ｌ ａ ｎ ｄ ｍ ｅ ｓｕ ａ ｒ ｅ ｄ ｄ ａ ｔ ａ ， ｗ ａ ｓ ｅ ｓ ｔ ｉ ｍ ａ ｔ ｅ ｄ ｑ ｕ ｎｔ ａ ｉ ｔ ａ ｔ ｉ ｖ ｅ ｌ ｙ ｔ ｈ ｅ ｃ ｈ ｌ ｏ ｒ ｏ ｐ ｈ ｙ ｌ ｃ ｏ ｎ ｔ ｅ ｎ ｔ ｏ ｆ ｗ ｉ ｎ ｔ ｅ ｒ ｗ ｈ ｅ ａ ｔ ａ ｔ ｊ ｏ ｉ ｎ 卜
基于高光谱数据的小麦叶绿素含量反演解读
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。
基于高光谱和PLS-LS-SVM的冬小麦叶绿素含量检测
确、 快速 、 经济的作 物氮素营养水平诊 断方法是农业
生产 的迫 切需 要 。 比较 而 言 ， 测量 光 谱 反 射 率 方 法具
有非破坏 、 快速特点 ， 以作为植 被生化成分和 生物 可 物理 参数 十分 有效 的检测 方法 Ｊ 。图像光 谱技 术 集
成 了传统 的 图像 和光谱 技 术 ， 同 时获 得 被 测 物 体 的 可
要 ： 定 量测 定 小麦 叶 片 叶绿 素 含量 在 小麦 估 产 、 农情 监 测 等方 面 具有 重 要 意 义 。本 研 究 验 证 高 光 谱 成像 技
术结 合偏 最 小 二乘 一 最小 二 乘 支持 向量机 （ Ｌ Ｐ Ｓ—Ｌ Ｓ—Ｓ Ｍ） 模 方 法 预测 大 田冬 小 麦 叶 绿 素含 量 的可 行 性 。 首 Ｖ 建 先利 用 所搭 建 高光 谱 成像 系统 以线 扫 描方 式 获 取 大 田冬 小 麦 叶 片 反 射 光 谱 ， 而 得 到 其 立 方 体 图像 数 据 ， 在 进 并 小 麦 叶 片光 谱 图像 上 选择 感 兴 趣 区域 计算 出 光谱 平 均反 射 率 值 。为 保证 Ｐ Ｓ一 一Ｓ Ｍ 模 型 的鲁 棒性 和预测 稳 Ｌ Ｖ 定 性 ， 先通 过 Ｐ Ｓ方 法解 决 多 重共 线 性 问 题 并 将 输 入 变 量 维 数 减 至 ４维 ， 后 利 用 Ｌ 首 Ｌ 然 Ｓ—Ｓ Ｍ 进行 训 练 建 模 。 Ｖ
谱分辨率已成为农产 品品质评估 和安全 检测的强有 力工 具 Ｊ 国外 众 多 的研 究 都 表 明通 过 定 量 的 将 叶 。 绿素、 水分等与高光谱反射 图像 数据建立关 系， 采用
高 光谱 测量 方 法 可 以 在植 被 叶 片 或 冠 层 水 平 定 量 地 确定 其 生化 成 分 的含量 Ｊ 。
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
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
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。
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
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。
- 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)。
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
小麦是世界上分布范围最广,种植面积最大的粮食作物之一,也
是我国的主要农作物之一。
而叶绿素含量与植物的光合作用能力与生长状态密切相关,是植被光合能力强弱、营养生理状况以及衰老进程的良好指示剂,其含量的测定对农作物长势监测、施肥调控与产量评估具有重要意义。
通过高光谱数据和卫星影像数据反演叶绿素等与农作物长势,产量密切相关的参数,可以实现农作物的长势监测从而为
农作物生产提供指导作用和参考价值。
本研究以不同生育时期不同区域的冬小麦为研究对象,通过田间试验,获取了冬小麦高光谱数据、GF1卫星影像数据以及叶绿素含量（Chl）,通过计算和数理统计分析比较,构建了冬小麦叶绿素含量最佳估算模型,并借助GF-1影像对冬小麦拔节期冠层叶绿素含量进行空间反演及精度验证。
为冬小麦长势监测和田间精准管理提供理论依据和技术支撑。
取得的主要结论如下:（1）冬小麦叶片叶绿素含量（Chl）在不同生育时期差异显著,且随着生育进程的推进呈现出逐步上升的变化趋势;冬小麦冠层叶绿素含量（Chl）随着生育进程的推进呈现出先上升后下降的变化趋势。
总体来看,叶片尺度的Chl值均大于冠层尺度的Chl值。
（2）原始光谱随着叶绿素含量的增加,在可见光区域反射率降低而在近红外区域反射率增加;不同叶绿素水平的叶片光谱反射率均比冠层光谱反射率高,在可见光波段更显著;叶片在不同Chl水平下红边特征有差异,红边
位置随Chl增加而不断发生“红移”,并且存在“双峰”或“多峰”的现象。
随着生育期的推进,叶片光谱反射率在可见光波段的反射率
越来越低,在近红外波段反射率越来越高;冠层光谱反射率在可见光波段先降低后升高,在近红外波段相反。
不同生育期和不同叶绿素含量下,冬小麦冠层光谱红边位置分布在735 nm附近,而冬小麦叶片光谱红边位置分布于710nm附近。
（3）在4个生育期,一阶导数与Chl 值的相关性均强于原始光谱与Chl值的相关性,叶片光谱与Chl相关性强于冠层光谱。
选取敏感波段作为自变量对叶片Chl进行反演,模型拟合精度除灌浆期外均较差。
选择相关性高的“三边”参数建立Chl估算模型,冠层尺度下,除了开花期最优模型为基于黄边位置λ<sub>yellow</sub>构建的模型,其他生育期最优模型均为基于（SDr-SDb）/（SDr+SDb）构建的模型;叶片尺度下,拔节期、抽穗期、开花期和灌浆期最优模型依次为为基于（SDr-SDy）/（SDr+SDy）、SDr/SDb、红边位置λ<sub>red</sub>、（SDr-SDy）/（SDr+SDy）构建的模型。
除了灌浆期,其它生育期基于三边参数构建的冬小麦Chl 估算模型精度较单因素模型均有所提高。
（4）分析15种植被指数与Chl的相关关系,筛选出8种植被指数构建Chl单素估算模型。
在冠层尺度下,四个生育期最优模型分别为基于OSAVI、PRI、PRI、VOG2构建的模型;在叶片尺度下,四个生育期最优模型分别为基于
FD<sub>730/525</sub>、FD<sub>730/525</sub>、VOG2、FD<sub>（730-525）/（730+525）</sub>构建的模型。
除灌浆期冠层尺度最佳模型为基于敏感波段D<sub>751</sub>构建的模型外,其它基于植被指数的模型精度较三边参数均有所提高,是冬小麦Chl值的最佳单因素估算模型。
（5）将筛选出的精度较高的高光谱参数作为自变量,
利用偏最小二乘回归（PLSR）和支持向量回归（SVR）方法构建的模型在各生育期均表现出较好的拟合性及预测精度。
利用PLSR构建的模型精度优于单因素估算模型,利用SVR构建的模型精度优于利用PLSR构建的模型,是进行冬小麦Chl含量估测的最佳模型。
（6）借助高分一号卫星影像对冬小麦拔节期冠层叶绿素含量进行空间反演及精度验证的结果表明,最佳模型为基于GNDVI构建的估算模型,建模R<sup>2</sup>为0.713,RMSE为2.288,RE为4.5%;验证
R<sup>2</sup>为0.714,RMSE为2.228,RE为4.4%;遥感填图结果同名地物点验证R<sup>2</sup>为0.729,RMSE为2.446,RE为6.0%。
基于GF1卫星数据利用光谱指数进行冬小麦Chl值的监测具有一定的可行性。