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。
基于无人机高光谱遥感的冬小麦叶面积指数反演
基于无人机高光谱遥感的冬小麦叶面积指数反演高林;杨贵军;于海洋;徐波;赵晓庆;董锦绘;马亚斌【期刊名称】《农业工程学报》【年(卷),期】2016(032)022【摘要】叶面积指数（leaf area index，LAI）是评价作物长势和预测产量的重要依据。
光谱特征信息作为高光谱遥感的突出优势在追踪LAI动态变化方面极其重要；然而，围绕光谱特征信息所开展的无人机高光谱遥感反演作物LAI的相关研究鲜有报道。
该文利用ASD Field SpecFR Pro 2500光谱辐射仪（ASD Field SpecFR Pro 2500 spectroradiometer，ASD）和Cubert UHD185 Firefly成像光谱仪（Cuber UHD185 Firefly imaging spectrometer，UHD185）在冬小麦试验田进行空地联合试验，基于获取的孕穗期、开花期以及灌浆期地面数据和无人机高光谱遥感数据，估测冬小麦 LAI。
该文选择同步获取的冬小麦冠层ASD光谱反射率数据作为评价无人机UHD185高光谱数据质量的标准，依次从光谱曲线变化趋势、光谱相关性以及目标地物光谱差异三方面展开分析，结果表明458～830 nm（第3～96波段）的UHD185光谱数据可靠，可使用其探测冬小麦LAI，这为今后无人机UHD185高光谱数据的使用提供了参考。
该文研究对比分析了UHD185数据计算的红边参数和光谱指数与冬小麦LAI的相关性，结果表明：12种参数中比值型光谱指数RSI（494,610）与LAI高度正相关，是估测LAI的最佳参数；基于比值型光谱指数的对数形式lg(RSI)构建的线性模型展现出lg(RSI)与lg(LAI)较优的线性关系（决定系数 R2=0.737，参与建模的样本个数 n=103），且 lg(LAI)预测值和 lg(LAI)实测值高度拟合性（R2=0.783，均方根误差RMSE=0.127，n=41，P<0.001）；该研究为利用无人机高光谱遥感数据开展相关研究积累了经验，也为发展无人机高光谱遥感的精准农业应用提供了参考。
基于高光谱的小麦旗叶净光合速率的遥感反演模型的比较研究
基于高光谱的小麦旗叶净光合速率的遥感反演模型的比较研究吕玮;李玉环;毛伟兵;宫雪;陈士更【期刊名称】《农业资源与环境学报》【年(卷),期】2017(034)006【摘要】植物净光合速率是植物生产的基础,是体现植物生长状况的重要生理指标。
本文将小麦旗叶高光谱波段反射率进行一阶导数变换后与净光合速率（Pn）进行相关性分析确定敏感波段,分别采用二次多项式逐步回归（QPSR）、偏最小二乘法（PLSR）、BP神经网络法（BPNN）3种方法构建小麦旗叶的净光合速率反演模型,并对3种模型的预测精度进行比较分析。
结果表明：（1）将小麦旗叶的原始光谱进行一阶导数变换后与Pn进行相关性分析确定的敏感谱区集中在750-925 nm 之间,确定的6个敏感波段分别是：760、761、767、814、815、889 nm;（2）基于QPSR、PLSR、BPNN3种方法以及敏感波段的反射率一阶导数构建的Pn估测模型预测精度都较高,说明用这3种方法以及敏感波段对Pn的估测是可行的,其中模型估算能力顺序为QPSR〉BPNN〉PLSR,说明小麦旗叶Pn的最佳高光谱分析模型为小麦叶片750-925 nm反射率一阶导数变化后的QPSR模型。
【总页数】5页(P582-586)【作者】吕玮;李玉环;毛伟兵;宫雪;陈士更【作者单位】[1]山东农业大学资源与环境学院,土肥资源高效利用国家工程实验室,山东泰安271000 [2]山东农业大学水利土木工程学院,山东泰安271000 [3]山东农大肥业科技有限公司,山东泰安271000;;[1]山东农业大学资源与环境学院,土肥资源高效利用国家工程实验室,山东泰安271000 [2]山东农业大学水利土木工程学院,山东泰安271000 [3]山东农大肥业科技有限公司,山东泰安271000;;[1]山东农业大学资源与环境学院,土肥资源高效利用国家工程实验室,山东泰安271000 [2]山东农业大学水利土木工程学院,山东泰安271000 [3]山东农大肥业科技有限公司,山东泰安271000;;[1]山东农业大学资源与环境学院,土肥资源高效利用国家工程实验室,山东泰安271000 [2]山东农业大学水利土木工程学院,山东泰安271000 [3]山东农大肥业科技有限公司,山东泰安271000;;[1]山东农业大学资源与环境学院,土肥资源高效利用国家工程实验室,山东泰安271000 [2]山东农业大学水利土木工程学院,山东泰安271000 [3]山东农大肥业科技有限公司,山东泰安271000【正文语种】中文【中图分类】S127【相关文献】1.水氮运筹对伊犁河流域新垦土壤冬小麦旗叶SPAD值、净光合速率及产量的影响2.灌浆期高温对小麦旗叶净光合速率及籽粒生长的影响3.基于高光谱的小麦旗叶净光合速率的遥感反演模型的比较研究4.基于小波分析小麦旗叶净光合速率高光谱遥感反演5.冬小麦条锈病严重度高光谱遥感反演模型研究因版权原因，仅展示原文概要，查看原文内容请购买。
基于近地高光谱与TM遥感影像的冬小麦冠层含水量反演
基于近地高光谱与TM遥感影像的冬小麦冠层含水量反演本文旨在研究近地高光谱（HHS）和TM遥感影像在反演冬小麦冠层含水量（PWMC）方面的潜力。
为了搞清楚HHS和TM数据的性能差异，我们通过直接从数据中提取的反射系数和Tasseled Cap变量之间的相关性进行端到端的对比。
此外，两者的PWMC反演效果也进行了对比，以了解如何将两者结合起来取得最佳的反演效果。
通过使用普通最小二乘算法（OLS）和支持向量机（SVM），我们从两种数据集中提取出来的变量建立了PWMC反演模型。
结果表明，两种数据集提供的PWMC反演模型都具有较好的精度，其中SVM模型的精度要优于OLS模型。
另外，结合两者结果，得出的反演模型具有更高的精度，表明HHS和TM遥感影像可以有效地反演冬小麦冠层含水量。
为了提高数据的使用率，我们将HHS和TM的性能进一步改进，并将它们有效地结合起来，形成一个实用的反演模型。
引入一种新的联合方法将OLS与SVM结合起来，以对HHS和TM各自提供的PWMC反演数据进行加权组合，从而提高模型精度。
结果显示，联合模型的精度比单独使用OLS和SVM模型更高，证明HHS和TM遥感影像可以有效地反演冬小麦冠层含水量。
此外，我们还探讨了HHS和TM遥感影像在颗粒物质含量反演方面的潜力。
使用重力冲击数据对模型的准确性进行校验，以检验其可靠性。
实验数据显示，联合模型的性能要优于单一模型。
因此，HHS和TM遥感影像可以有效地反演冬小麦冠层含水量和颗粒物质含量。
通过本研究，我们证实了HHS和TM遥感影像结合可以有效地反演冬小麦冠层含水量和颗粒物质含量，可以为冬小麦生长发育提供量化参考。
本研究结果表明，近地高光谱和TM遥感影像可以有效地反演冬小麦冠层含水量和颗粒物质含量。
这是一个重要的结论，因为这些数据可以用于监测冬小麦的生长发育。
此外，本研究还建立了一种新的联合OLS-SVM模型，它可以直接从HHS和TM数据中提取信息，从而提高PWMC反演的准确性。
基于无人机高光谱遥感数据的冬小麦生物量估算
基于无人机高光谱遥感数据的冬小麦生物量估算作者：陶惠林冯海宽徐良骥杨贵军杨小冬苗梦珂刘明星来源：《江苏农业学报》2020年第05期摘要：以植被指数和红边参数为模型因子，利用多元线性回归（MLR），构建冬小麦不同生育期的生物量估算模型，从而有效和更好地监测冬小麦的长势情况，为精准农业中作物的快速监测提供技术手段。
首先分析植被指数（VI）和红边参数（REPS）与冬小麦生物量的相关性，然后运用MLR分别建立模型MLR+VI、MLR+REPS和MLR+VI+REPS，最后将优选的冬小麦生物量估算模型应用于无人机高光谱影像中，验证模型的可行性。
结果表明，利用单个植被指数或红边参数构建的估算模型在孕穗期、开花期和灌浆期估算精度最高的植被指数分别是归一化植被指数（NDVI）、简单比值指数（SR）和增强型土壤调节植被指数（MSAVI），精度最高的红边参数分别为红边振幅/最小振幅、红边振幅和红边振幅;通过MLR分别以植被指数、红边参数和植被指数结合红边参数为因子构建的模型MLR+VI、MLR+REPS与MLR+VI+REPS效果优于单个植被指数或红边参数建立的模型，3种模型在不同生育期的验证结果也较好，其中MLR+VI+REPS模型精度最高，模型决定系数（R2）、标准均方根误差（NRMSE）分别为0.783 2与12.13%。
关键词：无人机;高光谱;冬小麦;多元线性回归;植被指数;红边参数中图分类号：S127文献标识码：A文章编号：1000-4440（2020）05-1154-09Abstract： Using vegetation index （VI） and red edge parameter （REPS） as model factors， multivariate linear regression （MLR） was used to construct a biomass estimation model for winter wheat in different growth periods， to effectively and better monitor the growth of winter wheat and provide technical means for rapid monitoring of crops in precision agriculture. The correlation of VI and REPS with biomass of winter wheat was analyzed first. Then MLR+VI model，MLR+REPS model and MLR+VI+REPS model were constructed by MLR respectively. Finally， the optimized model for estimation of biomass in winter wheat was applied in hyperspectral images taken by unmanned aerial vehicles to verify the feasibility of the models. The results showed that the vegetation indices with the highest estimation accuracy of the estimation model constructed by single vegetation index or red edge parameter in booting stage， flowering stage and filling stage were normalized difference vegetation index （NDVI）， simple ratio index （SR） and modified soil-adjusted vegetation index （MSAVI） respectively， and the red edge parameters with the highest precision were red edge amplitude/minimum amplitude， red edge amplitude and red edge amplitude respectively. The effects of MLR+VI model， MLR+REPS model and MLR+VI+REPS model were better than the models constructed by single vegetation index or single red edge parameter. The verification results of the MLR+VI model， MLR+REPS model and MLR+VI+REPS model in different growth periods were also good， and the MLR+VI+REPS model showed the highest precision， the coefficient of determination （R2） and normalized root mean square error （NRMSE） of the model were 0.783 2 and 12.13% respectively.Key words：unmanned aerial vehicle（UAV）;hyperspectral;winter wheat;multiple linear regression;vegetation index;red edge parameters生物量是作物生長过程中重要的生物物理参数之一[1]，能够很好地反映作物的长势情况，便于农业管理者对作物更好地进行管理。
基于PROSAIL模型和无人机高光谱数据的冬小麦LAI反演
基于PROSAIL模型和无人机高光谱数据的冬小麦LAI反演李天驰;冯海宽;田坤云;杨福芹;杨佳琪【期刊名称】《麦类作物学报》【年(卷),期】2022(42)11【摘要】为及时准确高效监测小麦叶面积指数(leaf area index,LAI),获取了冬小麦挑旗期和开花期地面实测光谱与无人机高光谱遥感影像数据,并基于查找表建立PROSAIL辐射传输模型得到冬小麦冠层模拟光谱数据,利用数学统计回归模型与偏最小二乘回归法分别构建冬小麦LAI单变量、多变量预测模型,以实测LAI数据对预测结果进行精度评价,将最佳预测模型应用于无人机高光谱影像以分析LAI空间分布情况。
结果表明,冬小麦各生育时期的预测模型均具有较高的预测精度,单变量预测模型和多变量预测模型的决定系数分别为0.598~0.717和0.577~0.755,其中以基于植被指数的多变量预测模型表现最优,其在开花期的验证精度最高,RMSE和MAPE分别为0.405和12.90%。
在LAI空间分布图中,开花期预测效果优于挑旗期,各试验小区的LAI分布较为均匀。
【总页数】11页(P1408-1418)【作者】李天驰;冯海宽;田坤云;杨福芹;杨佳琪【作者单位】天津科技大学海洋与环境学院;河南工程学院土木工程学院;国家农业信息化工程技术研究中心;河南工程学院资源与安全工程学院【正文语种】中文【中图分类】S512.1;S314【相关文献】1.基于PROBA/CHRIS遥感数据和PROSAIL模型的春小麦LAI反演2.基于新型植被指数的冬小麦LAI高光谱反演3.基于无人机成像高光谱影像的冬小麦LAI估测4.基于无人机高光谱和数码影像数据的冬小麦生物量反演5.基于Sentinel-2影像与PROSAIL模型参数标定的玉米冠层LAI反演因版权原因，仅展示原文概要，查看原文内容请购买。
冬小麦氮素积累量的高光谱遥感监测研究
冬小麦氮素积累量的高光谱遥感监测研究【摘要】本研究利用高光谱遥感技术监测冬小麦氮素积累量，通过分析冬小麦生长特性和氮素需求，探讨了高光谱遥感在冬小麦氮素监测中的应用。
研究采用遥感监测方法得出了冬小麦氮素积累量的结果，并对其进行了深入分析。
本文也指出了遥感监测研究存在的问题。
结论部分强调了遥感监测方法对冬小麦氮素积累量的有效性，展望了未来研究的方向，并对本研究进行了总结。
通过本研究可以更全面地了解冬小麦氮素积累量的监测方法和结果，为冬小麦氮素管理提供参考和指导。
【关键词】冬小麦、氮素积累量、高光谱遥感监测、研究、生长特性、氮素需求、方法、结果分析、问题、有效性、未来研究、结论、遥感监测、展望。
1. 引言1.1 研究背景冬小麦是我国重要的粮食作物之一，其产量和质量与氮素的施用量密切相关。
随着农业生产水平的不断提高，对于氮素的合理利用和管理需求也越来越迫切。
传统的氮素监测方法通常需要大量的人力和物力投入，而且存在着时间延迟和空间覆盖不足等问题，使得对冬小麦氮素积累量的监测和管理变得非常困难。
本研究旨在通过高光谱遥感技术监测冬小麦氮素积累量，探讨其应用前景和方法优劣，为冬小麦氮素管理提供新的思路和方法。
通过对冬小麦氮素积累量的遥感监测研究，可以更好地实现对氮素的精准施用和管理，提高冬小麦的产量和品质。
1.2 研究目的本研究旨在利用高光谱遥感技术对冬小麦氮素积累量进行监测和分析，以探究其在冬小麦生长过程中的动态变化规律，为实现精准施肥和提高冬小麦产量提供科学依据。
具体目的包括：1. 研究冬小麦不同生长期氮素需求量的变化规律，揭示氮素对冬小麦生长发育的影响机制；2. 建立高光谱遥感模型，实现对冬小麦氮素积累量的准确监测和定量化分析；3. 分析冬小麦氮素积累量在不同农田土壤和气候条件下的差异情况，为氮素施肥优化提供科学依据；4. 探讨高光谱遥感技术在冬小麦氮素监测中的应用潜力，为农业生产提供智能化、精准化的管理手段。
基于高光谱遥感农作物叶面积指数反演方法比较论文
基于高光谱遥感的农作物叶面积指数反演方法的分析与比较摘要：高光谱遥感技术作为反演农作物叶面积指数（lai）的一个有力工具，近几年来已经越来越被国内外学者所重视。
本文比较系统地总结了利用高光谱遥感反演lai值的一般方法，即包括试验田建立、光谱数据采集、lai值测定、hvi值计算、反演模型的生成五个步骤。
总结出了一些常见农作物的最佳的lai值定量反演模型，便于今后相关研究时查阅。
关键词：高光谱遥感；叶面积指数（lai）；反演模型abstract: high spectrum remote sensing technology as the inversion of crop leaf area index ( lai ) are a powerful tool, in recent years it has been pay more and more attention of both domestic and foreign scholars. the paper systematically summed up the use of hyperspectral remote sensing inversion of lai value general methods, including experimental field establishment, data acquisition, lai value, hvi value calculation, determination of inversion model is generated in five steps. summarizes some common crop optimal lai value quantitative inversion model for future related research, consulting.key words: remote sensing; leaf area index (lai); inversion model中图分类号：s127文献标识码：a 文章编号：引言遥感技术是指远距离、在不直接接触目标物体情况下,通过接收目标物体反射或辐射的电磁波,探测地物波谱信息,并获取目标地物的光谱数据与图像,从而实现对地物的定位、定性或定量的描述。
基于PROSAIL结合VMG模型的冬小麦叶面积指数反演方法
基于PROSAIL结合VMG模型的冬小麦叶面积指数反演方法王枭轩;卢小平;杨泽楠;高忠;王璐;张博文【期刊名称】《农业机械学报》【年(卷),期】2022(53)6【摘要】针对物理模型抗噪能力差且容易过拟合的问题,提出一种PROSAIL模型结合VMG(VARI(Visible atmospherically resistant index)、MGRVI(Modified green red vegetation index)、GRRI(Green red ratio index))多元回归模型反演冬小麦叶面积指数(Leaf area index,LAI)方法。
实验基于无人机影像(Unmanned aerial vehicles,UAV),选择河南省焦作市东南部的山阳区为实验区,结合实测2个生育期冬小麦LAI数据。
首先,构建RGB植被指数模型,选取其中最优VMG模型反演冬小麦LAI;然后,对PROSAIL参数敏感性进行分析,得到参数最优值,反演冬小麦LAI;最后,采用快速模拟退火(Very fast simulated annealing,VFSA)算法将两种模型结合,获得最优冬小麦LAI。
结果表明:VFSA可以有效将PROSAIL模型和VMG 模型结合,提高了反演精度,且优于VMG模型和PROSAIL模型,决定系数R^(2)高于0.8,均方根误差(RMSE)低于0.4 m^(2)/m^(2)。
综上所述,冬小麦生长过程中,地面覆盖度增高,本文方法具有较强的辐射传输机理,为LAI反演提供一种有效的反演方法。
【总页数】8页(P209-216)【作者】王枭轩;卢小平;杨泽楠;高忠;王璐;张博文【作者单位】河南理工大学自然资源部矿山时空信息与生态修复重点实验室;河北省林业和草原调查规划设计院【正文语种】中文【中图分类】P237【相关文献】1.基于高分一号数据的PROSAIL模型叶面积指数反演2.基于PROSAIL模型和多角度遥感数据的森林叶面积指数反演3.基于PROSAIL模型和遗传算法优化的BP 神经网络模型的不同大豆种群叶面积指数反演比较4.基于PROSAIL模型的玉米冠层叶面积指数及叶片叶绿素含量反演方法研究5.基于PROSAIL模型的山地草原叶面积指数高光谱反演因版权原因，仅展示原文概要，查看原文内容请购买。
基于无人机高光谱遥感的冬小麦全氮含量反演
基于无人机高光谱遥感的冬小麦全氮含量反演杨欣;袁自然;叶寅;王道中;花可可;郭志彬【期刊名称】《光谱学与光谱分析》【年(卷),期】2022(42)10【摘要】氮素是作物生长发育必需的营养元素之一,作物的全氮含量是表征其氮素状况的主要指标。
田块尺度的冬小麦全氮含量空间分布监测可以辅助其精准定量追肥,减少环境污染。
无人机高光谱遥感具有分辨率高、时效性高、成本低等优势,可为作物长势信息反演提供重要数据源。
XGBoost(extreme gradient boosting)作为一种新兴集成学习算法,运行效率高,泛化能力强,可以有效的应用于构建冬小麦全氮含量遥感反演模型,预测田块尺度冬小麦全氮含量空间分布。
以农业部蒙城砂姜黑土生态环境站内拔节期冬小麦为研究对象,开展以下工作:(1)以低空无人机搭载高光谱成像仪获取冬小麦拔节期冠层成像光谱影像,结合地面采样数据,获取126个样点全氮含量数据;(2)分析拔节期冬小麦冠层光谱特征,并根据Person相关系数分析176个波段的光谱反射率与全氮含量之间的相关性;(3)构建基于XGBoost算法的不同土壤肥力条件下拔节期冬小麦全氮含量无人机高光谱反演模型。
结果表明:(1)176个波段(400~1000 nm)的光谱反射率与冬小麦全氮含量之间具有较强的相关性,除了735.5 nm外其他波段光谱反射率与全氮含量之间的相关系数均大于0.5;(2)基于XGBoost算法构建的拔节期冬小麦全氮含量无人机高光谱遥感反演模型具有较高的反演精度(R^(2)=0.76,RMSE=2.68);(3)基于XGBoost算法的冬小麦全氮含量反演模型可以获取不同土壤肥力条件下田块尺度的全氮含量空间分布图,总体上呈现较为显著的空间差异。
该研究可为冬小麦精准定量追肥提供一定的科学依据,也为发展无人机高光谱遥感的精准农业应用提供了参考。
【总页数】6页(P3269-3274)【作者】杨欣;袁自然;叶寅;王道中;花可可;郭志彬【作者单位】安徽省农业科学院土壤肥料研究所;养分循环与资源环境安徽省重点实验室【正文语种】中文【中图分类】TP79【相关文献】1.无人机高光谱遥感数据在冬小麦叶面积指数反演中的应用2.基于无人机高光谱遥感的冬小麦叶面积指数反演3.基于无人机高光谱遥感的东北粳稻冠层叶片氮素含量反演方法研究4.基于无人机高光谱遥感的春玉米氮营养指数反演5.基于无人机高光谱的冬小麦植株氮含量估算因版权原因，仅展示原文概要，查看原文内容请购买。
- 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。