1 安徽大学 农业生态大数据分析与应用技术国家地方联合工程技术研究中心，安徽 合肥 230601
2 北京农业信息技术研究中心，北京 100097
3 宿州学院 信息工程学院，安徽 宿州 234000
快速、准确地掌握作物空间分布，估算不同作物种植面积及范围，这对制定宏观农业政策并指导农民进行农业生产具有重要意义。以我国内蒙古自治区扎赉特旗现代农业示范园区为研究区域，基于2019年5月至10月共9景多时相Sentinel-2卫星遥感影像，通过计算并分析不同作物归一化差值植被指数（NDVI）、比值植被指数（RVI）、增强型植被指数（EVI）等多种典型植被指数和近红外波段Ref(NIR)的时序变化特征，采用随机森林（Random Forest, RF）、决策树（Decision Tree, DT）、支持向量机（Support Vector Machine, SVM）和最大似然法（Maximum Likelihood, ML）4种分类方法对研究区多种作物进行分类识别，成功提取园区内主要作物（水稻、玉米、甜叶菊、旱稻和大豆等）空间分布情况。将RF结果与DT、SVM和ML分类结果对比，结果显示，RF总体分类精度最高，达到95.8%，Kappa系数为0.944；DT、SVM和ML分类精度分别为92.2%、91.6%和86.5%。上述研究结果表明，多时相Sentinel-2遥感影像经过光谱指数时序变化特征提取后，利用随机森林算法进行作物分类可得到精度较高的结果，这为精细指导规模化园区农业生产提供了有效的技术支持。
随机森林算法 近红外波段 时间序列 Sentinel-2 作物分类 random forest Ref (NIR) time-series Sentinel-2 crop classification 红外与激光工程
2021, 50(5): 20200318
1 北京农业信息技术研究中心, 国家农业信息化工程技术研究中心, 农业部农业信息技术重点实验室, 北京100097
2 山东科技大学测绘科学与工程学院, 山东 青岛266590
水分含量是表征作物水分胁迫生理状况的重要指标, 及时有效地监测作物水分含量对于评估作物水分盈亏平衡, 指导农业生产灌溉具有重要意义。 针对不同形式的归一化差值水分指数(NDWI)存在的饱和性问题, 拟引入增强型植被指数EVI对其加以适当改进, 通过构建新的植被水分指数NDWI#(即NDWI*EVI)来估算作物水分含量。 首先, 利用PROSAIL辐射传输模型分析了由不同水分敏感波段(1 240, 1 450, 1 950和2 500 nm)构建的各种典型NDWIs与相应新植被水分指数NDWI#对植被冠层水分及LAI的饱和响应特征;然后, 利用田间实验光谱和水分数据, 开展作物水分含量的建模和验证分析。 结果表明: 将EVI引入后, 形成的新水分指数NDWI#能够有效提高冬小麦水分含量估算精度, 特别是针对NDWI1450, NDWI1940, NDWI2500这三个指数, 改进后的新指数显著提高了对LAI响应的饱和点, 冬小麦作物水分估算精度也得到较为的明显改善。 研究表明, 将含有可见光波段信息的EVI引入到NDWI中, 构建的新指数NDWI#因融合可见光、 近红外和短波红外更多波段的光谱信息, 对估算冬小麦冠层含水量可能具有更好的优势。
冠层光谱 冬小麦 Vegetation water content(VWC) VWC Equivalent water thickness(EWT) EWT Canopy spectral NDWI NDWI(Normalized Different Water Index) Winter wheat 光谱学与光谱分析
2014, 34(12): 3391
1 山东科技大学测绘科学与工程学院, 山东 青岛266590
2 国家农业信息化工程技术研究中心, 北京100097
3 农业部农业信息技术重点实验室, 北京100097
水分含量是表征作物水分胁迫生理状况的重要指标, 及时有效地监测作物水分含量对于评估作物水分亏缺平衡, 指导农业生产灌溉具有重要意义。 基于NIR-Red二维光谱特征空间, 尝试构建一种新的作物水分监测指数PWI来估算作物水分含量。 以冬小麦作物植被水分含量估算为尝试对象。 首先, 利用地面实测小麦冠层高光谱数据, 结合对应卫星光谱响应函数, 模拟当前常用卫星HJ-CCD和ZY-3多光谱数据; 然后, 对基于NIR-Red二维光谱特征空间的现有植被指数PDI（垂直干旱指数）和PVI（垂直植被指数）进行改进, 通过比值变换的方法构建新的指数PWI来估算冬小麦植株含水量(VWC）。 结果显示: 基于模拟的HJ-CCD和ZY-3卫星宽波段多光谱数据生成的PWI估算小麦VWC具有良好的效果, R2分别达到0.684和0.683, 均达到了极显著水平。 利用检验样本得到冬小麦VWC估算的R2和RMSE分别为0.764和0.764, 3.837%和3.840%, 这表明应用提出的新指数PWI估测作物含水量具有一定可行性。 同时, 也为当前利用主要国产卫星遥感数据HJ-CCD和ZY-3开展作物水分遥感监测应用提供了一种新方法。
NIR-Red 光谱特征空间 光谱响应函数 植株含水量 冬小麦 NIR-Red spectrum feature space Spectral response function Vegetation water content Winter wheat Plant water index PWI 光谱学与光谱分析
2014, 34(6): 1542
1 扬州大学江苏省作物遗传生理重点实验室/农业部长江中下游作物生理生态与栽培重点开放实验室, 江苏 扬州225009
2 国家农业信息化工程技术研究中心, 北京100097
3 农业部农业信息技术重点实验室, 北京100097
小麦蛋白质含量是衡量小麦价格的一项重要指标。 本文使用三年冬小麦蛋白质含量和光谱指数数据, 用2008/2009和2009/2010年数据构建新的比率指数和乘积指数, 并将灰色关联算法-偏最小二乘法(GRA-PLS)进行整合, 尝试提高对冬小麦蛋白质含量估算的精度, 用2011年/2012年数据进行验证。 研究结果表明: 比率指数与冬小麦蛋白质含量的相关系数要优于单一指数, 单一指数和比率指数最高相关系数(r)分别为0.726和0.751, 乘积指数也可改善部分单一指数的相关系数。 通过GRA-PLS方法可以提高对冬小麦蛋白质含量的估算精度, 单一指数、 比率指数和乘积指数的决定系数(R2)分别为0.537, 0.631和0.521, 对应的均方根误差(RMSE)分别为0.665%, 0.564%和0.574%。 结果说明用新构建的比率指数和乘积指数, 并使用GRA-PLS方法对冬小麦蛋白质含量估算是可行的。
新型植被指数 蛋白质含量 灰色关联算法 偏最小二乘法 New vegetation index Protein content Grey relational method Partial least squares method 光谱学与光谱分析
2013, 33(9): 2541
1 北京农业信息技术研究中心, 北京100097
2 国家农业信息化工程技术研究中心, 北京100097
3 南京信息工程大学大气物理学院, 江苏 南京210044
考虑到短波红外特征与叶面积指数(LAI)有很好的关联, 将短波红外特征的典型水分指数与基于可见光-近红外特征的植被指数相融合, 尝试构建新的植被指数估算作物LAI。 通过PROSAIL辐射传输模型分析新植被指数对LAI饱和响应的特征; 利用2009年和2008年北京地区冬小麦实测光谱数据进行LAI估算建模与验证。 结果表明: 所选择的10个典型可见光-近红外植被指数分别与5个水分植被指数相结合构建的新指数, 都能够有效提高与LAI的相关性, 特别是在融合了含有短波红外特征的sLAIDI*指数后, 新指数显著提高了对LAI响应的饱和点, 而对植被水分变化不敏感, LAI估算精度得到改善。 研究表明: 将短波红外特征引入到可见光-近红外植被指数中, 构建的新植被指数对冬小麦LAI估算具有明显的优势。
高光谱遥感 植被指数 短波红外 LAI Leaf area index(LAI) Hyperspectral remote sensing Vegetation indices Shortwave infrared (SWIR) sLAIDI sLAIDI* 光谱学与光谱分析
2013, 33(9): 2398
北京农业信息技术研究中心/国家农业信息化工程技术研究中心，北京100097
提出新的作物冠层叶片氮含量(LNC)高光谱遥感监测方法，以对氮素要求较高的大麦LNC监测为例，利用田间实测数据，从可见光－近红外区域的高光谱反射曲线中提取包含丰富多波段信息的斜率、夹角等新型特征参数，应用组合预测领域中的权重最优组合原理及其算法，实现对作物LNC的高光谱监测.研究表明，提出的高光谱反射曲线斜率和夹角等新型特征参数与作物LNC显著相关，并具有较好的定量响应关系，其中关键斜率参数(Kre/Kpb)和Kpb以及夹角参数(Aδ/Aα)和(Aδ/Aθ)较好地描述了LNC的动态变化; 而权重最优组合分析则表明(Kre/Kpb)和Knir1两个参数的组合最能响应LNC的光谱信息，有助于增强监测的稳定性并提高估测的精度.
高光谱遥感 标准化反射率 斜率 夹角 最优组合原理 叶片氮含量 hyperspectral remote sensing normalized reflectance slope angle optimal combination principle leaf nitrogen concentration
1 浙江大学遥感与信息技术应用研究所, 浙江 杭州310029
2 北京农业信息技术研究中心, 北京100097
3 农业部农业信息技术重点实验室, 北京100097
当作物生物量较大时, 现有植被指数由于受饱和问题限制, 不能较好的估算作物生物量。 针对此问题, 尝试将波段深度分析与偏最小二乘回归(partial least square regression, PLSR)结合, 提高对大田冬小麦生物量的估算精度, 并将两者结合建立的模型与应用代表性植被指数建立的模型进行生物量估算精度比较。 波段深度分析主要对冬小麦冠层光谱550～750 nm范围进行, 采用波段深度、波段深度比(band depth ratio, BDR)、 归一化波段深度指数和归一化面积波段深度对波段深度信息进行表征。 在建立的模型中, 波段深度分析和PLSR结合的估算精度比应用植被指数模型的精度高, 其中BDR与PLSR结合的估算精度最高(R2=0.792, RMSE=0.164 kg·m-2)。 研究结果表明波段深度分析与PLSR结合能较好的克服生物量较大时存在的饱和问题, 提高冬小麦生物量的估算精度。
高光谱遥感 冬小麦 生物量 波段深度分析 偏最小二乘回归 Hyperspectral remote sensing Winter wheat biomass Band depth analysis Partial least square regression 光谱学与光谱分析
2013, 33(5): 1315
1 扬州大学江苏省作物遗传生理重点实验室, 农业部长江中下游作物生理生态与栽培重点开放实验室, 江苏 扬州225009
2 北京农业信息技术研究中心, 北京100097
尝试应用灰色关联分析方法（GRA）分析典型的水分植被指数（WVI）和水分含量(LWC)间的关联度, 然后选择对冬小麦叶片水含量敏感的指数, 比较SRM-PLS（逐步回归-偏最小二乘）方法和PLS方法估算LWC的精度。 首先, 对冬小麦WVI与LWC进行灰色关联分析, 筛选出对冬小麦LWC敏感的WVI; 其次, 利用筛选出的敏感WVI, 分别用PLS-SRM方法和PLS两种方式估算冬小麦LWC; 然后对两种方式进行比较, 选择最高决定系数（R2）和最小均方根误差（RMSE）的LWC估算模型来估算冬小麦LWC。 结果表明: 在整个生育期用PLS和PLS-SRM方法估算LWC, R2和RMSE分别为0.605和0.575, 4.75%和7.35%。 研究表明: 先使用GRA对WVI和LWC进行关联度分析, 再用PLS或PLS-SRM方法可以提高冬小麦的LWC估算精度。
叶片含水量 灰色关联分析 逐步回归法 偏最小二乘法 冬小麦 水分植被指数 Leaf water content Grey relational analysis Stepwise regression method Partial least squares Winter wheat Water vegetation index 光谱学与光谱分析
2012, 32(11): 3103
1 浙江大学农业遥感与信息技术应用研究所, 浙江 杭州 310029
2 国家农业信息化工程技术研究中心, 北京 100097
3 北京师范大学地理学与遥感科学学院, 北京 100875
图谱合一的近地成像高光谱是现代数字农业对田块尺度的作物长势信息进行动态监测和实时管理的需要, 是促进农业定量遥感发展的重要手段之一。 文章通过自主研制的田间扫描成像光谱仪近地获得盆栽和大田玉米的冠层高光谱影像, 从影像中精确提取玉米不同层位的叶片反射光谱并计算TCARI, OSAVI, CARI, NDVI等多种光谱植被指数, 构建玉米叶绿素含量的光谱预测模型, 并对模型进行了验证。 结果表明, 基于光谱指数MCARI/OSAVI构建的玉米植株叶绿素含量预测模型精度较高, 验证样本预测的决定系数R2=0.887, 预测均方根误差RMSE为1.8。 研究表明, 成像光谱仪在微观尺度上的作物组分光谱信息探测方面具有较大的应用潜力。
成像高光谱 植被指数 玉米 叶绿素含量 Hyperspectral imaging Vegetation indices Corn Chlorophyll content
1 国家农业信息化工程技术研究中心, 北京100097
2 东北农业大学资源与环境学院, 黑龙江 哈尔滨150030
利用高光谱信息检测作物叶绿素含量信息是田间作物长势诊断的重要研究内容。 利用水稻光谱和叶绿素含量田间实测数据, 从作物叶绿素含量不同, 光谱曲线峰谷波形有“高矮胖瘦”形态变化的观点出发, 提出光谱曲线峰谷波形中特征边的上升、 下降速率以及组成峰谷波形两边的夹角等新型特征量, 利用归一化光谱信息, 分析了这些变量与水稻叶绿素含量间的相关关系。 研究结果显示: (1）可见光波段范围520～740 nm之间的归一化光谱反射率与叶绿素含量间呈良好的负相关关系; (2）绿峰反射光谱曲线特征边的变化速率及绿峰两边的夹角等变量与水稻叶绿素含量具有较好的相关性, 表明利用这些新型变量开展叶绿素含量高光谱无损监测成为可能, 这将为利用高光谱信息开展作物长势与营养诊断提供新的思路和方法。
光谱曲线特征 变化速率 夹角 叶绿素含量 Characteristic parameter of spectral curve Velocities of change Angle Chlorophyll content
