叶片氮积累量高光谱检测论文

1土壤光谱特性应用土壤反射光谱特性是土壤基本特性之一 与土壤物理性质有着密切关系 研究不同土壤的反射光谱特性监测土壤状况 是土壤遥感的一项基础工作 具有重要意义1.1土壤水分监测BoWers等发现土壤湿度增加引起反射率降低 为利用光谱监测土壤水分奠定了理论基础 之后学者对可见光与近红外光谱做了大量研究 但土壤类型 太阳高度 大气条件和地表状况等引起的误差 对其实际应用干扰太大 人们则更多地关注于红外波段的应用研究 1 Price等 Z首次引入地表综合参数和表观热惯量 利用热红外辐射温差计算热惯量估算土壤水分 李星敏等 3建立了真实热惯量 表观热惯量与土壤水分间的关系模型 随着理论日臻成熟 植被覆盖度较低时热惯量法监测土壤水分已得到认可 而云层覆盖较厚时 可见光 近红外及热红外监测土壤水分效果都不好 微波遥感则以较强的穿透力表现出其全天候 高精度的优越性 把微波资料全天候的特性和可见光 红外波光谱特征结合起来 将是监测土壤水分的一个新领域1.2土壤有机质测定及肥力分析土壤物质含量与光谱特征的研究开始于Z0世纪70年代各种土壤反射光谱曲线在红外波段分异较大 特别是近红外反射光谱NIrS NearInfraredreflectanceSpectroscopy 因其快速简便 无损和同时分析多种组分的 巨人 优越性被广泛应用 Ben－Dor等 4 用NIrS估算了粘土含量 表面积 阳离子交换量 湿度 有机质以及碳酸盐6种土壤重要属性 彭玉魁等5找到最佳脉冲点组合 对黄土高原土壤有机质和总氮量进行评价 填补了国内空白 研究发现 土壤颗粒大小 矿物质和粘粒等均会影响土壤对光谱的吸收强度和模式 宋晓宇等6分析了土壤有机质在光谱中的响应 建立数学模型模拟土壤有机质含量 实现了养分对作物长势的控制 光谱技术 特别是近红外反射光谱对土壤总碳 总氮量及有机质含量的预测都已成功验证 其他养分 土壤属性及微生物的预测尚缺乏不同类型土壤的系统研究 目前尚没有适于各种土壤类型的稳定定标库 应加强土壤物理化学特征对光谱影响的机理研究 结合化学计量学 建立科学的土壤定标库 以适应不同类型仪器间的同质传递 未来一段时间 土壤肥力评估将以遥感为主2植物光谱特性应用植物本身是不规则的自然灰体 对太阳辐射通过反射 穿透及吸收等产生特定的光谱 其光谱特性是植物生长过程与环境因子相互作用的综合结果 由生物物理和形态特征决定 与植物的生长条件和健康状况密切相关 某些胁迫因子可能导致光谱特性的改变 运用此原理 可以分析与判别植物光谱特征 监测作物长势 诊断水肥状况 估算产量和检测品质等 评估作物生长与环境的交感作用 提高作物管理水平 实现定时定位 处方农作2.1作物水分监测水分缺乏是影响植物原初生产力最普遍的因子之一 定量快速地获取植物水分状况 对农田灌溉和精确农业发展具有重要意义 通常用来解释植物水分状况的指标有相对含水量 水势等 测定复杂 不适于大田研究 依据光谱特性监测水分状况 以其非破坏性和快捷成为农业生产的研究热点 7 8叶片含水量下降时 光谱反射率在可见光和近红外波段有所增加 在中红外波段叶片的一阶导数反射光谱与叶片含水量高度相关 一些学者提出植被在0.97和1.9卜m附近的光谱反射率吸收峰反映着植物的水分状况9 王纪华等 10则认为1.45卜m处特征吸收峰是反映叶片水分含量的最佳波段 并进一步定量分析 建立了叶片水分与1.45卜m附近水的反射率特征吸收峰深度和面积回归模型 但1.45卜m处光谱特征吸收峰受大气层水干扰较大 测定困难 可以用受干扰较小的1.65～1.85卜m波段间接反映小麦水分状态 尤其在小麦生长中后期干物质比重增大 体内含水减少时应用效果更好 可以作为航空或卫星遥感探测指标 应用前景广阔 112.2作物营养诊断作物营养状况诊断 主要借助化学分析或依据叶面缺素症状 前者手续繁琐 破坏植株 后者仅凭经验目视观察 缺乏简便快速 科学有效 适宜大面积推广的诊断方法用作田间指导 Z0世纪60年代 学者开始研究植物体内营养元素和生化物质含量与植物反射光谱的关系 所有营养元素中 氮素对作物生长和产量影响最大 且与光谱特征相关关系良好 大田内可以测定光谱特性诊断作物营养状况 1Z 周启发等 13研究了水稻不同氮素水平的傅立叶转换红外光谱差异 证明了该方法诊断氮素的可行性 随施氮量增加 可见光光谱反射率降低 而近红外至中红外反射率升高 学者研究含氮量与光谱反射率或其演生量的关系 建立了模型估算田间作物氮素含量 张喜杰等 14 将高光谱遥感引入温室 建立了黄瓜光谱反射率与含氮量间的数学模型 与氮相比 光谱技术诊断作物磷钾的应用研究还较少 据报道 可见光波段磷的光谱特征与氮素变化相反 近红外波段趋势相似 低氮低磷水平 钾与氮胁迫的变化一致 高氮高磷水平相反 马超飞等 15 研究了微量元素的植物光谱响应 指出Co含量与0.56卜m附近反射率显著负相关 Mn B Mo和Zn分别与中心波长为0.4 1.16 0.47 0.88 Z.19 Z.34 其中1.6Z卜m和Z.34卜m的光谱反射峰位置相关较好叶绿素和叶面积指数分别表征了作物的生产能力和群体长势 反映了作物生长发育动态 也是反映物质生产和光谱关系的重要枢纽 利用光谱数据可以对叶片叶绿素含量和作物群体长势进行预测 日本MIN0LTA公司研制开发了SPAD叶绿素计诊断氮素 取得一定效果 但实际应用中受作物品种和环境条件影响大 需结合室内测定分析 并建立标准曲线校正Zhao等 16指出植物反射特征与叶绿素和氮含量成正比 王秀珍等17 研究了红边参数推算叶绿素含量和叶面积指数的简便Z光谱技术在农业领域的应用与展望张瑞美彭世彰徐俊增可行性 沈掌泉等 18]利用氮素胁迫下植物体内营养运移的原理 将上下部叶片光谱特性比值作为诊断氮素营养的指标 用光谱特性诊断作物营养状况 已经从定性走向了定量 涵盖了N~P~K及其他微量元素与生化物质含量 证实了温室~大田和盆栽等不同生长环境下的可行性 但测定时要注意不同环境~时间~部位及先后次序等均会对反射率产生影响2.3作物产量估测利用可见光及近红外波段数据定量地计算卫星植被指数并分析时空变化 建立农学参数与植被指数的定量关系 可以实现作物产量预报 随着高空间~高分辨率遥感的应用 光谱在作物长势监测和估产中表现出强大优势 19]作物遥感估产 首先要进行遥感估产区划 许红卫等 Z0]以稻作制度为主导因子分区指标将地理信息系统空间邻接分析与图论树算法相结合进行了估产区划研究 实际上 植被指数不仅受地表状况的影响 还与大气状况有密切关系 大气辐射校正一直是困扰高精度定量遥感的难题 黄敬峰等 Z1]研究了大气状况对Av~rr通道的影响 并将N0AA/Av~rr通道1和通道Z的大气校正简化为加法因子天空反照率和乘法因子透过率的计算 抽穗期光谱反映了营养生长的好坏 灌浆期光谱反映茎~叶营养成分向穗部的转移状况 蜡熟期光谱则反映了青秆黄熟~贪青徒长与早衰状况 黄敬峰等 ZZ]首次提出遥感估产最佳时相分为种植面积估算和产量预报两部分 指出孕穗期到抽穗期是建立水稻遥感估产模型的最佳时期 并建立了遥感估产比值模型和回归模型 近红外波段的光谱反射率越高 与可见光及短波红外波段的光谱反射率差异越大 作物产量也越高 刘良云等Z3]利用近红外波段890nm反射峰~980nm与1Z00nm弱水汽吸收谷和短波红外1650nm~ZZ00nm反射峰 设计归一化差值光谱指数CNDvI> 改善了冬小麦估产精度 抽穗期-灌浆期-蜡熟期多时期复合估产模式更符合水稻产量形成机理 效果优于单时期估产模式Z4]2.4籽粒品质检测作物籽粒品质的影响因素众多 指标测定一般用生化方法 费时费力~且不能在收获前预测 光谱技术特别是近红外反射光谱技术在籽粒品质检测 尤其是含量较高的蛋白质和直链淀粉含量测定中 Z5] 得到了较好的应用 王纪华等 Z6]基于开花期叶片含氮量与籽粒品质指标的关系 建立了小麦籽粒蛋白质含量等品质指标的回归预测方程;肖昕等 Z7]分析籽粒的直淀粉含量和蛋白质含量指标 根据定标集样品化学分析数据和吸收光谱建立了定标模型;魏良明等 Z8]采用偏最小二乘回归法 建立了测定玉米混合籽粒样品蛋白质~淀粉含量的校正模型 舒庆尧 Z9]等研究了不同光谱预处理和回归统计方法对建立回归方程的影响 得出最佳效果 有研究指出 在光栅单色仪测量光路中增设截止滤光片部分能够消除各种成分光谱间的相互干扰 提高测量分辨率 唐延林等 30]研究了稻米品质与原始高光谱反射率及其一阶导数光谱的相关性 认为利用导数光谱估测效果优于原始光谱 光谱对含量较少的氨基酸的应用有人做了尝试 31] 油料作物的脂肪测定也有应用 唐绍清 3Z]等则对光谱技术测定稻米脂肪开始尝试 建立精米中脂肪含量数学模型2.5病虫害及农药残留监测植物遭受病虫害侵染后 外部形态和生理效应发生变化 研究和利用受害植物光谱特性的变异信息 为大规模监测植物病虫害提供了依据 美国利用红外遥感成功探测到玉米枯萎病~山核桃丛枝病和松材线虫的发生和发展;FA0沙漠蝗虫防治委员会通过植被色调变化监测和预报蝗虫 吴曙雯等 33]研究稻叶瘟对水稻光谱特性的影响 发现绿光区~红光区和近红外区的水稻冠层光谱反射率随病情程度的加重分别呈现下降~上升和下降的趋势;何国金等 34]分析叶绿素含量与麦蚜量间的动态关系提出基于地面光谱测试的麦蚜虫情预报~虫害监测的方法 目前农药残留检测主要有气~液相色谱 质谱 以及气~液相色谱-质谱联用等方法 前处理过程繁琐 难以现场快速检测 光谱技术则易处理分析速度快 且对环境无污染 可以同时进行农药残留多组分测定 应用潜力大 李文秀等35]对高残留农药中红外衰减全反射光谱数据进行研究 通过农药在水中的吸收建立模型模拟其在蔬菜体内的吸收 为实现对蔬菜农药残留进行快速检测提供了一条新途经3冠层光谱特性应用冠层光谱特性是植物与土壤光谱特性的综合 随冠层发育土壤光谱作用下降 而植物衰老时 土壤背景作用又逐渐增大田永超等 36 37]建立了不同水氮条件下作物叶水势和含水率与冠层反射光谱的定量化关系 指出rC610 560>/NDC810 610>和r810/r460分别是预测小麦~水稻水分状况的最佳光谱植被指数 与叶片光谱特性一样 氮素营养对冠层光谱特性影响的研究最为系统深入 孙莉等 38]开展了高光谱红边参数与叶片全氮量的研究 建立了红边积分面积与叶片全氮量的数学模型 薛利红等 39 40]指出小麦叶片含氮量同光谱指数的关系要优于叶片氮积累量 对水稻则叶片氮积累量效果更佳 研究认为水稻叶片氮素含量与绿光~黄光波段反射率相关性最大~短波近红外光相关性最小 41] 对冬小麦则是红光~近红外波段最为敏感 4Z]通过某生育期光谱特征直接预测作物产量和籽粒品质还存在局限性 但利用冠层反射光谱特征反演作物叶片氮素状况 可间接对产量和籽粒品质监测预报 薛利红等 43]建立了水稻的光谱植被指数-累积叶面积氮指数-产量估测模型;唐延林等 44]指出高光谱差值植被指数r990－r440和r1Z00－r440的估产效果最佳最高精度达95% 田永超等 45]综合预测出小麦叶片氮含量~积累量和籽粒蛋白质含量~积累量;黄文江等 46]运用开花期的光谱结构不敏感植被指数反演叶片类胡萝卜素与叶绿素a的比值 反演叶片全氮和籽粒品质指标遥感获取的冠层反射光谱信息中上层叶片的光谱贡献率较大 中下层叶片信息量不足 王纪华等47]考察了田间条件下冬小麦主要生育阶段冠层氮素~叶绿素的垂直分布及其光谱响应并指出利用近红外大多数波段的冠层反射光谱反演中下层叶片的叶绿素含量可能获得较高的精度 而对氮素的反演需要从可见光波段或短波红外波段中筛选 植冠并非光滑平面体 冠层光谱的测定有甚多影响因子必须考虑 增加分析及判读的困难 然而其应用的效率确也极高 进一步研究~建立更多的资料 积累丰富的经验 将来一定能成为广域的生态及逆境判别的极佳利器

title: 植被指数总结笔记 tags: 新建,模板,小书匠 grammar_cjkRuby: true

植被指数是不同遥感光谱波段间的线性或非线性组合，被认为能作为反映绿色植被的相对丰度和活性的辐射量值（无量纲）的标志，是绿色植被的叶面积指数（LAI）、盖度、叶绿素含量、绿色生物量以及被吸收的光合有效辐射（APAR）的综合体现。目前，在科学文献中发布了超过150种植被指数模型，这些植被指数中只有极少数是经过系统的实践检验。 植被指数主要反映植被在可见光、近红外波段反射与土壤背景之间差异的指标，各个植被指数在一定条件下能用来定量说明植被的生长状况。 1、健康的绿色植被在NIR和R的反射差异比较大，原因在于R对于绿色植物来说是强吸收的，NIR则是高反射高透射的； 2、建立植被指数的目的是有效地综合各有关的光谱信号，增强植被信息，减少非植被信息 3、植被指数有明显的地域性和时效性，受植被本身、环境、大气等条件的影响

公式： RVI=ρNIR/ρRED(近红外波段反射率/红光波段反射率) 特征： 植被覆盖度影响RVI，当植被覆盖度较高时，RVI对植被十分敏感；当植被覆盖度<50%时，这种敏感性显著降低；值的范围是0-30+，一般绿色植被区的范围是2-8。RVI受大气条件影响，大气效应大大降低对植被检测的灵敏度，所以在计算前需要进行大气校正，或用反射率计算RVI。 应用： ①利用比值植被指数研究城市建设用地扩张速率，预测或规划城市未来今年的发展前景。不同用地的地表温度由高到低排序是城镇用地、工矿与交通用地、农村宅基地、林地、旱地，说明建设用地的地表温度较高，其比值植被指数较非建设用地小。RVI的平均值 M和标 准 差 D 可以作 为定量指标来提取建设用地：RVI ≤M-D/2为建设用地；RVI＞M-D/2为非建设用地。 ②可用于实时、快速、无损监测作物氮素状况，这对于精确氮肥管理有重要意义。利用高光谱比值指数RSI(990,720)来估算小麦叶片氮积累量为便携式小麦氮素监测仪的研制开发及遥感信息的快速提取提供了适用可行的波段选择与技术依据。

公式： DVI=NIR-R 特征： DVI能很好地反映植被覆盖度的变化，但对土壤背景的变化较敏感，当植被覆盖度在15%~25% 时，DVI随生物量的增加而增加，植被覆盖度大于80% 时，DVI对植被的灵敏度有所下降。

公式：

（近红外区与红光区的反射率差值/近红外区与红光区的反射率和值） 特征： 值的范围是-1-1，一般绿色植被区的范围是0.2-0.8。负值表示地面覆盖为云、水、雪等，对可见光高反射；0表示有岩石或裸土等，NIR和R近似相等；正值，表示有植被覆盖，且随覆盖度增大而增大。 NDVI是最常用的植被指数，虽然NDVI对土壤背景的变化较为敏感，但由于NDVI可以消除大部分与仪器定标、太阳角、地形、云阴影和大气条件有关辐照度的变化，增强了对植被的响应能力，是目前已有的40多种植被指数中应用最广的一种。 NDVI的局限性表现在，用非线性拉伸的方式增强了NIR和R的反射率的对比度。对于同一幅图象，分别求RVI和NDVI时会发现，RVI值增加的速度高于NDVI增加速度，即NDVI对高植被区具有较低的灵敏度；对大气干扰处理不足，大气残留噪音对NDVI指数影响严重；易受土壤背景干扰，特别是中等植被覆盖区，当土壤背景变暗时，NDVI指数有增加的趋势。 应用： ①对NDVI曲线进行定量分析,研究植被分类和植被动态变化；利用NDVI时间序列来得到植被生长气候和植被覆盖的信息等（植被的类型较为复杂,而且任一种反映到NDVI数据的植被特征也不是单一的,植被类型分类在不同的地区有不同的定义和标准,有待于更深入的研究。） ②植被指数转换即通过对各像元中植被类型及分布特征的分析,建立植被指数与植被覆盖率的转换关系,直接估算植被覆盖率，进而分析生态系统的状况，例如植被的生长状况等。但该方法受到受分辨率的限制,一些重要参数无法准确测定。植被动态的变化也会对估算带来一定难度。 ③通过分析基于多时相环境减灾卫星 NDVI 值拟合的 NDVI 时序曲线上提取的各特征参数建立作物单产估测模型，可用于农业生产的估测。 ④建立模型反演地物类型及土壤水分等。

公式：

特征： 值的范围是-1-1，一般绿色植被区的范围是0.2-0.8。ARVI是NDVI的改进，它使用蓝色波段矫正大气散射的影响（如气溶胶），把蓝色光和红色光通道的反射率的差值作为衡量大气影响的指标。 局限性：RVI的抗大气影响是通过两个步骤实现的:首先以近似的辐射传输方程的数值解消除部分由于大气分子的光学厚度造成的影响,然后以蓝、红波段的大气影响相关性消除一般直径气溶胶的影响(大直径的尘埃气溶胶除外)。如果不经过5s模型的预处理,就达不到好的效果。 应用： ARVI常用于大气气溶胶浓度很高的区域，如烟尘污染的热带地区或原始刀耕火种地区。

公式：

特征： ①SAVI必须预先已知下垫面植被的密度分布或覆盖百分比，因而仅适合于提取某一小范围植被覆盖度变化较小区域的下垫面的植被信息。 ②SAVI目的是解释背景的光学特征变化并修正NDVI对土壤背景的敏感。与NDVI相比，增加了根据实际情况确定的土壤调节系数L，取值范围0-1。 L=0 时，表示植被覆盖度为零；L=1时，表示土壤背景的影响为零，即植被覆盖度非常高，土壤背景的影响为零，这种情况只有在被树冠浓密的高大树木覆盖的地方才会出现。 ③SAVI仅在土壤线参数a=1,b=0（即非常理想的状态下）时才适用。

公式：

a，b 分别为土壤线的斜率和截距，0.08 则是土壤调节参数。

公式：

公式：

X 为土壤调节参数。X 的最佳取值为 0.16。

公式：

Z 是正土壤调节参数，恒等于土 壤 线 与 R轴的交 点 的 相 反 数，即 Z ≡-cross。 特征及适应环境： 在单一植被类型下，OSAVI 与 TSAVI 有较好的抗土壤干扰的能力，但是这种能力在不同 LAI 下的变化较大。相对的，在土壤背景信息已知的情况下，SA-VI，MSAVI 和 GESAVI 在不同植被类型下，表达植被信息的能力较为稳定，便于对不同 LAI 下的信息进行一致处理以提取植被信息，也更适合探测植被组成混杂时的植被信息。因此，OSAVI、TSAVI 可能更适合耕地、人工林地植被的监测，而 MSAVI、SAVI、GESAVI 更适合植被自然生长地区的植被监测。

公式：

特征： EVI常用于LAI值高，即植被茂密区。值的范围是-1~1，一般绿色植被区的范围是0.2-0.8。增强植被指数（EVI）算法是遥感专题数据产品中生物物理参数产品中的一个主要算法，可以同时减少来自大气和土壤噪音的影响，稳定地反应了所测地区植被的情况。基于 MODIS 的 EVI 植被指数具有较高的空间分辨率，可详细地反映地表植被特征。红光和近红外探测波段的范围设置更窄，不仅提高了对稀疏植被探测的能力，而且减少了水汽的影响，同时，引入了蓝光波段对大气气溶胶的散射和土壤背景进行了矫正。 应用： ①运用影像数据通过植被指数的提取分析来分析植被变化；按照增强植被指数的算法，通过对来自大气和土壤噪音的处理，生产出 EVI.tif。 ②EVI可以描述特定气候带内植被在不同季节的差异。采用EVI来分析植被变化及与气候的变化，能反映研究区域内植被空间差异。通过分析不同生态分区EVI变化特征与气象因子的相关性为环境监测，治理及植被控制决策提供数据参考和理论基础。

公式： （-0.283MSS4- 0.66MSS5+ 0.577MSS6+ 0.388MSS7) 特征： GVI是各波段辐射亮度值的加权和，而辐射亮度是大气辐射、太阳辐射、环境辐射的综合结果，所以GVI受外界条件影响大。

公式： （-0.283MSS4- 0.66MSS5+ 0.577MSS6+ 0.388MSS7)

公式：

特征： 低LAI时，效果较好；LAI增加爱时对土壤背景敏感 。

类胡萝卜素反射指数1(Carotenoid Reflectance Index 1——CRI1) 类胡萝卜素反射指数2(Carotenoid Reflectance Index 2——CRI2) 花青素反射指数1(Anthocyanin Reflectance Index 1——ARI1) 花青素反射指数2(Anthocyanin Reflectance Index 1——ARI2) 特征： 叶色素指数用于度量植被中与胁迫性相关的色素。叶色素指数要求反射率数据范围在0~1。 应用： 叶色素指数应用于农作物监测、生态系统研究、冠层胁迫性分析和精细农业。

水波段指数（Water Band Index——WBI） 归一化水指数（Normalized Difference Water Index——NDWI） 水分胁迫指数(Moisture Stress Index——MSI) 归一化红外指数（Normalized Difference Infrared Index——NDII） 特征： 冠层水分含量指数用于度量植被冠层中水分含量。水分含量是一个重要的植物指标，较高的水含量表明健康植被、生长快及不易着火。冠层水分含量指数基于水在近红外和短波红外范围内的吸收特征，以及光在近红外范围的穿透性，综合起来度量总的水柱含量。

光化学植被指数（Photochemical Reflectance Index——PRI） 结构不敏感色素指数（Structure Insensitive Pigment Index——SIPI） 红绿比值指数（Red Green Ratio Index——RG） 特征： 光利用率指数是用来度量植被在光合作用中对入射光的利用效率。光的利用效率直接与碳吸收效率、植被生长速度和光合有效辐射（fAPAR）有很大的关系。

归一化木质素指数（Normalized Difference Lignin Index——NDLI） 纤维素吸收指数（Cellulose Absorption Index——CAI） 植被衰减指数（Plant Senescence Reflectance Index——PSRI） 特征： 干旱或碳衰减指数是用来估算纤维素和木质素干燥状态的碳含量。干旱或碳衰减指数是基于纤维素和木质素在短波红外波段吸收特性而计算。 应用： 干碳分子大量存在于木质材料和衰老、死亡、或休眠的植被，可以使用这些指数可以做植被着火性分析和检测森林的枯枝落叶层。

植被指数没有一个统一的值。受到大气状况、传感器观测条件、太阳照明几何、土壤湿度、颜色和亮度、不同植被类型及覆盖率的不同特征、分辨率等各种状况的约束，植被指数在使用时要结合实际情况以及研究和应用目标来选择，并且植被指数本身存在一定的误差。超(高)光谱遥感技术及热红外多光谱遥感技术的发展将拓宽植被指数的研究领域,并将成为新的研究生长点。关于植被指数的优化和深入研究仍旧在进行。