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
1 长江师范学院计算机工程学院, 重庆 408100
2 长江师范学院三峡库区环境监测与灾害防治工程研究中心, 重庆 408100
3 长江师范学院武陵山区特色资源开发与利用研究中心, 重庆 408100
松材线虫病又叫松树枯萎病, 是由于松材线虫寄生在松树上引起的毁灭性死亡病害, 其发病速度快、 传播迅速、 防治难度大。 如何识别松材线虫害并对其程度进行估测, 对我国森林资源及生态环境保护具有重要意义。 研究表明, 马尾松叶绿素、 水含量会随着虫害程度的加深逐渐减少, 不同虫害程度的马尾松光谱反射率呈现较大差异, 因此光谱分析技术在虫害程度估测方面具有独特优势。 针对不同虫害程度的马尾松样本, 研究了其光谱特征参数的变化规律, 以实测光谱特征参数为自变量, 样本虫害程度量化值为因变量, 利用线性回归方程构建了虫害程度估测模型。 该研究在光谱特征指标选择和估测模型方法上作了有价值的探索, 对评估松材线虫病害有一定的指导意义, 可为相关研究及当地精准农业提供科学支持和应用参考。 首先针对不同虫害程度的马尾松样本, 研究其在绿光、 红光及近红外波段内的光谱反射率变化规律, 构建指示样本虫害程度的六个光谱特征参数: 绿峰反射率(RGP)、 绿峰位置(GPP)、 红谷反射率(FRB)、 红谷位置(RBP)、 红边斜率(RES)、 红边位置(REP), 分析光谱特征参数与虫害程度的相关性。 然后构建虫害程度估测模型, 其步骤可描述为: (1)计算健康、 轻度、 中度、 重度四种不同虫害程度下的样本光谱特征参数RGP, FRB和RES; (2)量化健康、 轻度、 中度、 重度四种样本虫害程度值; (3)以实测光谱特征参数为自变量, 样本虫害程度量化值为因变量, 利用线性回归方程构建虫害程度估测模型。 实验中选取重庆市涪陵区永胜林场、 冒合寨工区的马尾松林为研究对象, 随机选取健康、 染病、 完全枯死的马尾松植株进行监测。 数据采集过程中使用ASD野外光谱分析仪FieldSepc4, 采集波段范围为从可见光400 nm到近红外波段1 100 nm处, 分辨率为1 nm。 共采集了70条马尾松植株的有效光谱数据, 根据不同虫害程度, 将其划分为健康、 轻度、 中度、 重度和枯死五种类型, 并利用Matlab软件进行处理分析, 得到其光谱反射率曲线。 选择涵盖绿光区(510~580 nm)、 红光区(620~680 nm)和近红外区(680~780 nm)三个波段, 计算各个波段的光谱特征参数, 构建虫害程度估测模型。 实验结果表明: (1)针对枯死样本, 其“绿峰”和“红谷”特征消失, 红边陡峭上升趋势被拉平。 其他几种类型样本光谱特征参数RGP, FRB和RES与虫害程度呈负相关, 虫害程度越深, 其光谱特征参数值越小, 即健康(RGP)>轻度(RGP)>中度(RGP)>重度(RGP), 健康(FRB)>轻度(FRB)>中度(FRB)>重度(FRB), 健康(RES)>轻度(RES)>中度(RES)>重度(RES)。 (2)随着虫害程度加深, 光谱特征参数GPP向长波方向移动, 即存在“红移”现象, 而光谱特征参数RBP和REP向短波方向移动, 即存在“蓝移”现象。 (3)与一元线性估测模型相比, 二元线性估测模型具有较大的相关系数R2, 较小的估计误差E以及残差。 实验中对两棵马尾松样本虫害程度进行估测, 二元线性估测模型的结果为PD=2.990 7和PD=3.679, 与实际情况相符。 在后续研究中将对1 100~2 500 nm波段特征进行相关性分析。
松材线虫 光谱反射率 光谱特征参数 虫害程度 估测模型 Bursaphelenchus xylophilus Pinus Massoniana Spectral reflectance Spectral characteristic parameters Pest degree Estimation model
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271018
叶绿素含量是反映植物生长状况的重要参数。 利用ASD FieldSpec 3光谱仪, 测定春梢停止生长期苹果冠层高光谱反射率, 对原始光谱进行微分变换, 与苹果叶绿素含量进行相关分析确定敏感波段, 通过分析敏感区域400~1 350 nm范围内所有两波段组合的植被指数, 选择最佳植被指数并建立苹果冠层叶绿素含量估测模型。 结果表明: (1)苹果冠层叶绿素含量的敏感波段区域为400~1 350 nm。 (2)利用筛选得到的植被指数CCI(D794/D763)构建的估测模型能较好的估测苹果冠层叶绿素含量。 (3)以CCI(D794/D763)指数为自变量的估测模型CCC=6.409+1.89R3+1.587R2-7.779R预测效果最佳。 因此, 利用高光谱技术能够较快速、 精确的对苹果冠层叶绿素含量进行定量化反演, 为苹果长势的遥感监测提供理论依据。
苹果 冠层光谱 叶绿素含量 植被指数 估测模型 Apple tree Canopy spectral Chlorophyll content Vegetation index Estimating model 光谱学与光谱分析
2013, 33(8): 2203
山东农业大学资源与环境学院,山东 泰安 271018
利用高光谱技术估测了苹果树冠层的磷素含量。先用ASD Field Spec 3型地物光谱仪测定了春梢停止生长期苹果树冠层的高光谱反射率,并对光 谱数据进行了多种变换处理。然后对其与磷素含量进行了相关分析,找出了与磷素相关性较显著的光谱参量,并通过逐步回归分析建立了磷素估测模型。结果表明,近红外波 段是苹果树冠层磷素的敏感波段;808 nm、921 nm、1195 nm、1272 nm及其组合的归一化红外光谱指数与苹果树冠层磷素高度相关。在构建的估测模型中, 以808 nm、921 nm、1195 nm、1272 nm及其组合的归一化红外光谱指数为自变量构建的高光谱估测模型的估测效果最佳。该研究实现了苹 果树冠层磷素含量的快速估测,同时也为苹果的实时营养诊断提供了理论依据。
高光谱遥感 苹果树冠层 磷素含量 估测模型 hyperspectral remote sensing apple tree canopy phosphorus content estimating model
山东农业大学资源与环境学院, 山东 泰安271018
叶片叶绿素含量是评估果树长势和产量的重要参数, 实现快速、 无损、 精确的叶绿素含量估测具有重要意义。 本研究以山东农业大学苹果园为试验区, 采用高光谱分析技术探索苹果树叶片叶绿素含量的估测方法。 通过分析叶片高光谱曲线特征, 对原始光谱分别进行一阶微分、 红边位置以及叶面叶绿素指数(LCI)变换, 分别将其与叶绿素含量进行相关分析及回归分析, 建立叶绿素含量估测模型并进行检验, 从中筛选出精度最高的模型。 结果显示, 以LCI为变量的估测模型以及以一阶微分521和523 nm组合为变量的估测模型拟合精度最高, 决定系数R2分别为0.845和0.839, 均方根误差RMSE分别为2.961和2.719, 相对误差RE%分别为4.71%和4.70%。 因此LCI及一阶微分是估测苹果树叶片叶绿素含量的重要指标。 该模型对指导苹果树栽培生产具有积极意义。
苹果树叶片 叶绿素 高光谱 估测模型 Apple leaves Chlorophyll Hyperspectral Estimation model 光谱学与光谱分析
2012, 32(5): 1367
1 新疆兵团绿洲生态农业重点开放实验室,石河子大学,新疆 石河子 832003
2 新疆农垦科学院棉花研究所, 新疆 石河子 832000
3 中国农业科学院作物科学研究所/国家农作物基因资源与基因改良重大科学工程, 北京 100081
通过获取多时相试验区TM影像和大田同步调查棉花黄萎病,将TM影像光谱指数与病害严重度进行相关分析,建立棉花病害严重度估测模型.结果表明: 随着病害严重度的增加,TM影像光谱指数B2,B4,SATVI,OSAVI,MSAVI,TSAVI,SVNSWI,SNSWIa,SNSWIb,SVNI,DNSIa,DNSIb,NDSWIa,NDSWIb,RNSWIa,RNSWIb,DVNI,EVI,TVI,SAVI,DVI,NDVI,RVI 和PVI逐渐减小,B1,B3, B7和RI逐渐增加,NDGI呈现先增后降的趋势,而B5呈现先降后增的趋势.病害严重度与TM影像光谱指数B1,B3和RI均呈极显著正相关,与B4,OSAVI,MSAVI, TSAVI,SVNSWI,SNSWIa,SNSWIb,SVNI,DNSIa,DNSIb,NDSWIa,NDSWIb,RNSWIa,RNSWIb,DVNI,EVI,TVI,NDGI,SAVI,DVI,NDVI,RVI 和PVI均呈极显著负相关,与SATVI呈显著负相关,与B2,B5和B7均未达显著相关.建立的8个TM影像光谱指数估算棉花黄萎病模型均通过显著性检验,且以DVI和DNSIb为自变量的线性模型精度最高,表明利用多时相TM卫星影像光谱指数进行棉田病害定量诊断是可行的.
棉花 病害严重度 TM影像 光谱指数 估测模型 Cotton Disease severity level TM image Spectral indices Estimation models
1 石河子大学新疆兵团绿洲生态农业重点开放实验室, 石河子 新疆 832003
2 中国农业科学院作物科学研究所, 北京 100081
通过小区和大田同步调查棉花黄萎病, 在不同生育期测定病叶光谱及其色素含量。 将病叶光谱反射率、 一阶微分及相应的特征参数与色素含量进行相关分析, 建立病叶色素含量估测模型并检验。 结果表明: 病叶叶绿素a, b及a+b含量可见光反射率、 与一阶微分光谱在蓝边、 黄边和红边处与除红边振幅(Dr)外的其他光谱特征参数间均达极显著相关。 转换叶绿素吸收反射指数(TCARI)和新建归一化植被指数(NDVI[702, 758])对叶绿素a, b及a+b含量的估测精度最高, 相对误差均小于1.3%。 考虑到NDVI[702, 758]建立的模型更实用, 可做为病叶叶绿素a, b和a+b含量的最佳估测模型。 研究结果对高光谱信息定量估测病害棉叶色素含量, 对利用高光谱监测棉花长势及病害影响评价均具有较高的实用价值。
棉花 病害胁迫 高光谱 色素含量 估测模型 Cotton Disease stress Hyperspectra Pigment contents Estimation models