1 江苏师范大学地理测绘与城乡规划学院, 江苏 徐州 221116
2 农业部农业遥感机理与定量遥感重点实验室, 北京农林科学院信息技术研究中心, 北京 100097
叶面积指数(LAI)是评价作物长势和作物产量的重要参数。 为有效利用高光谱信息, 优选出最佳波段进而构建新型双波段指数来提高LAI估测精度, 以冬小麦为研究对象, 获取冬小麦孕穗期无人机高光谱数据和实测地面LAI数据, 开展冬小麦LAI反演研究。 首先采用连续投影算法(SPA)、 最佳指数法(OIF)以及逐波段组合法(E)分别进行无人机高光谱数据最佳波段筛选, 进而将所选最佳波段构建新型双波段指数(VI_OIF, VI_SPA, VI_E); 然后将构建的新型双波段指数和常规双波段指数(VI_F)与LAI进行相关性对比分析, 最后结合支持向量回归(SVR)、 偏最小二乘回归(PLSR)和随机森林回归模型(RFR)进行LAI估算, 并对比分析常规双波段指数的估算精度, 验证最佳波段选择方法构建新型双波段指数的最佳回归模型反演LAI的可行性。 结果表明: (1)新构建双波段指数VI_OIF, VI_SPA, VI_E和VI_F与冬小麦LAI的相关性均达到0.05的显著水平, 其中VI_SPA和VI_E与LAI的相关系数高于0.65, 且RSI_SPA和RSI_E与LAI的相关性较高(r>0.71); (2)对比分析VI_OIF、 VI_SPA、 VI_E和VI_F构建的SVR模型、 PLSR模型和RFR模型的冬小麦LAI估测精度, VI_SPA_PLSR模型估测精度最高, R2和RMSE分别为0.75和0.90。 该方法可为无人机高光谱数据波段选择以及冬小麦LAI反演提供技术支持和理论参考。
无人机 高光谱影像 波段选择 冬小麦 叶面积指数 Unmanned aerial vehicle (UAV) Hyperspectral image Band selection Winter wheat Leaf area index
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 北京师范大学物理系， 应用光学北京重点实验室， 分析测试中心， 北京100875
2 中国科学院上海高功率激光玻璃研究中心， 上海201800
根据Pr3+掺杂透明氟氧化物玻璃陶瓷（Pr（0.2）∶FOV）样品在室温下的吸收光谱, 分别采用了标准和修正的Judd-Ofelt理论拟合出J-O强度三参量Mn。 结果表明， 此修正的J-O理论应用到Pr（0.2）∶FOV材料的跃迁强度计算中是合理的和必要的。 并由此修正理论计算了各个激发态之间跃迁的振子强度、 自发辐射速率、 荧光分支比和积分发射截面等光谱参量， 分析了Pr3+∶FOV材料的应用价值。 其中， 特别是3P0→3H4， 3P1→3H5和3P0→3H6， 3P0→3F2等几个强发光能级都有很好的应用前景。 由此表明: Pr3+掺杂的氟氧化物玻璃陶瓷作为固态激光材料有可观的应用前景。
Pr3+掺杂氟氧化物玻璃陶瓷 修正的J-O理论 光谱特性 Pr3+-doped oxyfluoride vitroceramics Modified Judd-Ofelt theories Spectroscopic properties 光谱学与光谱分析
2011, 31(12): 3213
1 国家农业信息化工程技术研究中心， 北京100097
2 浙江大学农业遥感与信息技术应用研究所， 浙江 杭州310029
3 科学技术部中国农村技术开发中心星火与信息处， 北京100054
定量遥感是当前遥感发展的前沿， 作物组分信息解析是农业定量遥感的研究热点， 而成像高光谱技术为解决微观尺度的作物组分信息探测研究提供了强有力的手段。 利用成像光谱仪(pushbroom imaging spectrometer， PIS)与地物光谱仪(FieldSpec ProFR2500， ASD)同步收集冬小麦、 玉米不同生育期叶片的反射光谱， 通过不同算法提取PIS与ASD数据的红边位置， 验证成像光谱数据的精度。 结果表明: (1)PIS与ASD原始光谱数据在红边区间(670～740 nm)有很高的吻合度； (2)从室内光谱(玉米叶片)红边位置的提取结果看， 两仪器提取的红边位置都集中在700～720 nm； (3)从室外光谱(小麦叶片)红边位置的提取结果看， PIS与ASD数据提取结果有差异， PIS数据的红边位置在760 nm处， 而ASD数据的红边位置在720 nm处， 这种差异主要是成像光谱数据受氧气吸收的影响较大所致； (4)PIS与ASD的红边变幅不同， 但趋势相同。 以上结论为成像光谱数据的深入应用提供了参考。
红边位置 成像高光谱 玉米 冬小麦 叶片 Red edge position Hyperspectral imaging Corn Winter wheat Leaf 光谱学与光谱分析
2011, 31(9): 2450
