作者单位
摘要
山东省农业科学院农业信息与经济研究所, 山东 济南 250100
为应用遥感技术进行小麦条锈病的实时监测以及大范围作物病害识别, 明确条锈病胁迫下小麦光谱反射率和净光合速率与病情指数的关系, 利用光谱植被指数预测小麦光合速率的变化, 在2018年—2019年度冬小麦生长季节, 以易感条锈病的济麦15号小麦品种为对照, 以生产上播种面积较大的济麦22和鲁原502为供试品种, 基于大田小区条锈病接种试验, 从抽穗期到乳熟期, 每隔7~10 d进行小麦旗叶光合速率、 光谱反射率测定及病情指数调查。 研究发现, 随感病程度加重, 小麦旗叶光合速率呈显著下降趋势, 扬花期济麦22光合速率高于鲁原502。 灌浆期可见光波段, 病斑部位的光谱反射率始终高于正常部位, 这是由于病斑部位叶片单位面积上叶绿素含量较低, 对光吸收的少; 而在反射平台区域, 病斑部位的光谱反射率较正常叶低得多。 利用与病害胁迫、 生长状况以及产量相关较大的光化学反射指数(photochemical reflectance index, PRI)、 植被衰减指数(plant senescence reflectance index, PSRI)和比值植被指数(ratio vegetation index, RVI)来反映病情指数变化, 结果显示, 病斑部位的光化学反射指数和植被衰减指数大于正常部位, 且植被衰减指数变化率较大, 而比值植被指数变化率小于正常部位。 小麦不同生育期, 光合速率与光谱反射率的相关性不同, 模拟光合速率的植被指数也不同。 灌浆期, 鲁原502的光合速率与光谱反射率始终呈正相关关系; 在可见光范围内, 对照光合速率与光谱反射率呈正相关, 济麦22呈负相关; 在反射率平台位置, 对照光合速率与光谱反射率呈负相关, 济麦22呈正相关。 在小麦灌浆期, 可以利用植被衰减指数进行病害程度识别及光合速率估测。 该研究为利用遥感手段大面积监测小麦长势及病害发生情况提供了理论依据, 也为探讨利用光谱指标无损监测的方法预测小麦条锈病发生及危害程度奠定了基础。
小麦 条锈病 光合速率 成像高光谱 估测模型 Wheat Stripe rust Photosynthetic rate Imaging hyperspectral Estimating model 
光谱学与光谱分析
2022, 42(3): 940
作者单位
摘要
中国科学院遥感与数字地球研究所, 遥感科学国家重点实验室, 北京100101
基于归一化差值植被指数(normalized difference vegetation index, NDVI), 提出了一种新的物候遥感监测方法, 基于森林植被的年NDVI时间累积曲线, 利用Logistic模型对NDVI累积曲线进行拟合, 依据曲率极值方法提取森林植被物候期的关键参数(生长季开始日期, SOS; 生长季结束日期, EOS), 并对森林植被的生长季长度(length of season, LOS)进行分析, 探讨近10年东北森林物候的时空变化。 主要结论为: (1)2001年~2010年间, 东北森林生长季开始日期集中在110~140天但在10年间没有明显变化; (2)第260~290天, 森林逐渐停止生长, 生长季结束日期从北向南逐渐推迟, 但在十年间几乎没变化; (3)与生长季开始和结束日期相对应, 东北森林生长季长度集中在120~160天之间, 但存在空间差异, 大兴安岭地区森林生长季长度较短, 集中在120~140天之间, 小兴安岭、 长白山、 辽东半岛地区的森林生长季长度可达到160天, 对整个研究区来讲, 近10年间变化的区域仅占研究区的14.9%, 变化趋势集中在1d/10年。 研究结果与物候观测数据及已有的研究具有较好的一致性, 说明利用遥感数据动态监测东北森林植被物候期具有一定的可靠性。
森林物候 中国东北 Forest phenophase NDVI Spot Vegetation Northeast of China Spot Vegetation 
光谱学与光谱分析
2014, 34(2): 515
作者单位
摘要
中国科学院遥感与数字地球研究所, 遥感科学国家重点实验室, 北京 100101
叶面积指数(LAI)作为重要的植被冠层结构参数, 对其进行正确估算一直是遥感应用研究的重点。 CHRIS/PROBA是目前具有较高分辨率(17 m)的高光谱多角度数据, 该数据在反演LAI方面有着重要的应用价值。 本次研究应用辐射传输ACRM模型来模拟一系列LAI在不同观测天顶角(-80°~+80°)情况下的植被光谱数据, 在此基础上利用红波段和近红外波段构建了一个新型高光谱多角度植被指数HDVI, 并成功地应用于CHRIS/PROBA数据对LAI的估算。 结果表明: (1)相比光谱指数NDVI和多角度指数HDS, 新指数能更好地利用光谱和多角度双重信息, 与研究区LAI有着更好的相关性, 决定系数R2高达0.734 7。 (2)利用LAI-HDVI最优拟合方程关系来估测LAI值, 得到了研究区的LAI分布图, LAI估算精度均方根误差RMSE为0.619 8。
遥感 植被指数 Remote sensing Vegetation index LAI LAI CHRIS CHRIS 
光谱学与光谱分析
2013, 33(4): 1082

关于本站 Cookie 的使用提示

中国光学期刊网使用基于 cookie 的技术来更好地为您提供各项服务,点击此处了解我们的隐私策略。 如您需继续使用本网站,请您授权我们使用本地 cookie 来保存部分信息。
全站搜索
您最值得信赖的光电行业旗舰网络服务平台!