基于光谱指数的不同叶倾角分布下玉米冠层叶绿素含量反演

基于光谱指数的不同叶倾角分布下玉米冠层叶绿素含量反演

论文摘要

遥感是开展地面/近地面、航空及航天层次无损伤探测植物叶绿素信息的主要手段。目前多波段计算光谱指数方法已被广泛地应用于植被冠层叶绿素含量的经验/半经验反演及应用中。考虑不同作物及同种作物不同品种间存在着一定的植被叶倾角分布(LAD)特征差异,针对叶倾角分布对光谱指数反演冠层叶绿素含量(CCC)的影响进行分析,并开展针对叶倾角分布变化不敏感的叶绿素相关光谱指数优选和冠层叶绿素反演建模研究。基于PROSAIL辐射传输模型模拟了不同叶片叶绿素含量(LCC)、叶面积指数(LAI)和LAD对应的冠层反射率数据。模拟结果显示,在相同LAI和LCC条件下,不同LAD对应的冠层反射率有明显差异,冠层反射率随着平均叶倾角的增加而降低。通过计算12个常用的叶绿素相关光谱指数与CCC的相关性指标,来评估光谱指数在不同LAD下反演叶绿素含量的敏感性差异,并依次优选出MTCI, MNDVI8, MNDVI1和CIred-edge4个对LAD变化较不敏感的叶绿素相关光谱指数。利用玉米实测数据对光谱指数进行冠层叶绿素估测的建模和模型检验,模型的建立和验证结果显示, MNDVI8对LAD变化最不敏感,反演模型的精度最高,决定系数R2=0.70,均方根误差RMSE=22.47μg·cm-2。CIred-edge(R2=0.63, RMSE=24.06μg·cm-2), MNDVI(R2=0.66, RMSE=24.07μg·cm-2)和MTCI(R2=0.65, RMSE=26.76μg·cm-2)反演模型的精度较为接近并稍弱于MNDVI8。通过对反演结果分析得出结论,不同的光谱指数对LAD变化的敏感性不同,优选的光谱指数普遍对叶绿素含量具有较好的相关性和敏感性,其中MNDVI8受LAD影响最小,能较高精度的反演LAD变化下的玉米冠层叶绿素含量。优选的其他光谱指数MTCI, CIred-edge和MNDVI1反演能力虽然稍弱于MNDVI8,但受LAD影响较小,同样具有较好的反演能力。该工作开展LAD对光谱指数叶绿素反演的敏感性分析和光谱指数优选研究,其实测数据的检验结果和模拟数据的分析结果一致;基于优选光谱指数的冠层叶绿素含量反演建模结果及精度分析结论,对开展缺乏叶倾角分布差异先验知识下的大范围作物叶绿素含量遥感估测和应用具有借鉴意义。

论文目录

  • 引 言
  • 1 实验部分
  •   1.1 样品
  •   1.2 冠层光谱测量
  •   1.3 玉米生化参数的测定
  •   1.4 模型参数
  •   1.5 光谱指数
  • 2 结果与讨论
  •   2.1 基于模拟数据的光谱指数对叶倾角分布的敏感性分析
  •     2.1.1 不同叶倾角分布的植被冠层光谱特征分析
  •     2.1.2 基于叶倾角分布影响的叶绿素相关光谱指数筛选
  •   2.2 基于实测数据的模型建立与验证
  •     2.2.1 不同叶倾角分布类型的玉米实测光谱对比
  •     2.2.2 优选指数和未筛选指数对叶倾角分布变化的敏感性对比
  •     2.2.3 光谱指数与玉米叶绿素含量之间回归模型的建立与结果分析
  • 3 结 论
  • 文章来源

    类型: 期刊论文

    作者: 孙奇,焦全军,戴华阳

    关键词: 叶绿素反演,光谱指数,叶倾角分布,叶面积指数

    来源: 光谱学与光谱分析 2019年07期

    年度: 2019

    分类: 基础科学,农业科技

    专业: 物理学,农作物

    单位: 中国矿业大学(北京)地球科学与测绘工程学院,中国科学院遥感与数字地球研究所数字地球重点实验室

    基金: 国家重点研发计划课题(2017YFA0603001),国家重点研发计划课题(2016YFB0500304),国家自然科学基金项目(41701396)资助

    分类号: S513;O433

    页码: 2257-2263

    总页数: 7

    文件大小: 451K

    下载量: 360

    相关论文文献

    • [1].干旱区典型盐碱土壤含盐量估算的最佳高光谱指数研究[J]. 水土保持通报 2012(06)
    • [2].利用三维光谱指数定量估算土壤有机质含量:以新疆艾比湖流域为例[J]. 光谱学与光谱分析 2020(05)
    • [3].基于高光谱指数的天然胡杨叶绿素遥感建模研究[J]. 干旱区资源与环境 2014(10)
    • [4].基于光谱指数波段优化算法的小麦玉米冠层含氮量估测[J]. 光谱学与光谱分析 2016(04)
    • [5].基于高光谱指数的棉花冠层等效水厚度估算[J]. 中国农业科学 2019(24)
    • [6].基于高光谱指数的水稻砷污染胁迫多重判别模型[J]. 环境科学 2010(10)
    • [7].基于光谱指数的枸杞叶片水分含量遥感监测研究[J]. 地理与地理信息科学 2019(05)
    • [8].基于光谱指数的高温目标识别方法[J]. 国土资源遥感 2019(03)
    • [9].基于分数阶微分优化光谱指数的土壤电导率高光谱估算[J]. 生态学报 2019(19)
    • [10].基于光谱指数优选的土壤盐分定量光谱估测[J]. 水土保持通报 2018(03)
    • [11].MODIS光谱指数在中国西南干旱监测中的应用[J]. 遥感学报 2014(02)
    • [12].一种估测小麦冠层氮含量的新高光谱指数[J]. 生态学报 2011(21)
    • [13].基于光谱指数的蜜橘成熟度评价模型研究[J]. 中国光学 2018(01)
    • [14].基于光谱指数的遥感影像岩性分类[J]. 地球科学(中国地质大学学报) 2015(08)
    • [15].基于通用光谱模式分解(UPDM)算法的光谱指数一致性研究[J]. 江苏农业科学 2018(24)
    • [16].基于穗光谱指数的水稻产量预测[J]. 浙江农业学报 2018(02)
    • [17].基于优化光谱指数的新疆春小麦冠层叶绿素含量估算[J]. 麦类作物学报 2019(02)
    • [18].不同健康状况松针反射光谱特征分析[J]. 北京测绘 2019(03)
    • [19].光谱指数趋势面的城市地表温度降尺度转换[J]. 遥感学报 2014(06)
    • [20].草坪绿度光谱指数研究初报[J]. 云南农业大学学报(自然科学版) 2010(06)
    • [21].优化光谱指数的露天煤矿区土壤重金属含量估算[J]. 光谱学与光谱分析 2019(08)
    • [22].高光谱技术联合归一化光谱指数估算土壤有机质含量[J]. 光谱学与光谱分析 2017(11)
    • [23].城市河网尺度的水体光谱指数适宜性分析研究[J]. 光谱学与光谱分析 2019(11)
    • [24].基于高光谱成像技术的油菜叶片叶绿素含量预测[J]. 中国农业科技导报 2020(05)
    • [25].基于光谱变换的高光谱指数土壤盐分反演模型优选[J]. 农业工程学报 2018(01)
    • [26].一种角度光谱指数及其在干旱监测中的应用[J]. 科技风 2018(22)
    • [27].光谱指数的植被叶片含水量反演[J]. 光谱学与光谱分析 2018(05)
    • [28].基于叶绿素荧光光谱指数的温室黄瓜病害预测[J]. 光谱学与光谱分析 2016(06)
    • [29].许昌地区冬小麦长势空间变异研究[J]. 湖北农业科学 2014(15)
    • [30].基于星载通道光谱指数与小麦冠层叶片氮素营养指标的定量关系[J]. 应用生态学报 2013(02)

    标签:;  ;  ;  ;  

    基于光谱指数的不同叶倾角分布下玉米冠层叶绿素含量反演
    下载Doc文档

    猜你喜欢