亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        花生葉綠素含量的高光譜遙感估算模型研究

        2017-02-27 14:45:39顏丙囤梁守真王猛
        江蘇農(nóng)業(yè)科學(xué) 2017年1期
        關(guān)鍵詞:葉綠素含量花生

        顏丙囤+梁守真+王猛

        摘要:葉綠素是植物體進(jìn)行光合作用吸收光能物質(zhì)的主要色素,直接影響植被的光合作用。高光譜遙感為快速、大面積監(jiān)測(cè)植被的葉綠素變化提供了可能。實(shí)測(cè)了不同品種、肥水條件下,花生冠層的高光譜反射率與葉綠素含量數(shù)據(jù),對(duì)二者進(jìn)行了相關(guān)分析;首先采用相關(guān)系數(shù)較大的波段作為變量進(jìn)行葉綠素含量的估算,其次采用特定葉綠素敏感波段建立葉綠素估算模型。經(jīng)對(duì)比發(fā)現(xiàn),以原始高光譜反射率所構(gòu)建的估算模型精度不高;一階導(dǎo)數(shù)與葉綠素含量之間的關(guān)系采取同樣的方法,表明線性模型可較好地預(yù)測(cè)葉綠素含量;最后在高光譜特征變量中,λr、λg、λo為自變量所構(gòu)建的模型均通過極顯著檢驗(yàn),以λr所構(gòu)建的指數(shù)模型具有最大的決定系數(shù)(r2=0.543 5)和F值(F=33.333);通過精度檢驗(yàn),綜合分析認(rèn)為,以662 nm處的一階微分反射率所構(gòu)建的線性模型和以紅邊位置所構(gòu)建的指數(shù)模型均可作為葉綠素含量估算較為合適的高光譜模型。

        關(guān)鍵詞:花生;葉綠素含量;高光譜遙感;估算模型

        中圖分類號(hào):S127 文獻(xiàn)標(biāo)志碼:A 文章編號(hào):1002-1302(2017)01-0197-04

        在光合作用過程中,吸收光能的植被色素有葉綠素與類胡蘿卜素,其中葉綠素是吸收光能的主要物質(zhì),它的數(shù)量直接影響著植被的光合作用。植被色素含量與光合作用能力、發(fā)育階段和氮素含量有較好的相關(guān)性,可以作為植被長(zhǎng)勢(shì)監(jiān)測(cè)的一種有效指標(biāo)[1]。在可見光區(qū),植被的反射波來估算其生化參數(shù)—色素含量[2]。

        植被葉綠素含量的高光譜遙感反演最早是在葉片尺度上開展的[3],進(jìn)而在冠層尺度上得到發(fā)展[4]。目前,利用高光譜遙感數(shù)據(jù)估計(jì)植被生化參數(shù)主要有3類方法:一是通過多元統(tǒng)計(jì)分析方法,包括光譜反射率、導(dǎo)數(shù)光譜[5-6];二是基于特征光譜位置變量的分析技術(shù),包括紅邊位置、綠峰位置等[7];三是光學(xué)輻射傳輸模型方法[8]。迄今為止,高光譜遙感在估算植被尤其是農(nóng)作物的葉綠素含量方面已經(jīng)取得了很大進(jìn)展,但反演模型通常是建立在特定的試驗(yàn)條件與特定的植被類型條件下,普適性較差,難以在應(yīng)用于其他植被類型或環(huán)境條件的同種植被。同時(shí)由于越來越多的傳感器運(yùn)用于遙感估算,有必要檢驗(yàn)現(xiàn)有方法的有效性以及探索發(fā)展新方法[9],建立適應(yīng)性更強(qiáng)的模型反演植被色素。本研究以花生為研究對(duì)象,通過實(shí)地測(cè)量和室內(nèi)試驗(yàn)獲取光譜和葉綠素含量數(shù)據(jù),探討花生葉綠素含量的高光譜反演方法。

        1 材料與方法

        1.1 試驗(yàn)設(shè)計(jì)

        試驗(yàn)區(qū)位于山東省濟(jì)陽(yáng)縣山東省農(nóng)業(yè)科學(xué)院試驗(yàn)基地(36°41′~37°15′N,116°52′~117°27′E),試驗(yàn)地南北走向,由南向北依次布置低肥、中肥、高肥、空白4個(gè)水平肥料處理,由東向西依次布置品種山花14號(hào)、山花9號(hào)、山花15號(hào)、花育20號(hào)、花育25號(hào)、花育46號(hào)2個(gè)系列6個(gè)花生品種,共24個(gè)小區(qū),每個(gè)小區(qū)南北長(zhǎng)10 m,東西寬3.2 m,面積32 m2。自2015年7月1日至2015年9月13日期間,每隔10 d左右,依次在試驗(yàn)田里選取樣本點(diǎn)進(jìn)行花生光譜和葉綠素測(cè)量。

        利用花生在不同施肥條件、不同生育期以及不同品種間光譜和葉綠素含量差異,應(yīng)用統(tǒng)計(jì)分析方法,研究花生葉綠素含量敏感的波段,構(gòu)建花生生物物理化學(xué)參數(shù)的高光譜估算模型。

        1.2 花生冠層光譜與葉綠素參數(shù)測(cè)量

        采用FieldSpec Handheld(325~1 075 nm)便攜式光譜儀進(jìn)行花生冠層光譜測(cè)量,光譜范圍為325~1 075 nm,采樣間隔(波段寬)為1.41 nm。光譜采集時(shí)間控制在北京時(shí)間 11:00—13:00,要求天氣無風(fēng)無云,探頭垂直于冠層頂。每處理測(cè)定1個(gè)樣點(diǎn),每樣點(diǎn)獲取4條光譜數(shù)據(jù),每條光譜掃描時(shí)間0.2 s,以其平均值作為該處理冠層的光譜反射值。光譜儀視場(chǎng)角度25°,花生每壟距離加溝平均距離為0.8 m,壟面的寬度0.6 m,花生的墩距0.15 m。為了觀測(cè)光譜能夠代表地面狀況,設(shè)定觀測(cè)點(diǎn)位于花生每壟中間正上方,視場(chǎng)范圍為0.8 m,計(jì)算得觀測(cè)架高度為1.8 m,共10墩花生,在各處理測(cè)定前后用標(biāo)準(zhǔn)板進(jìn)行太陽(yáng)輻射光譜校正[10]。

        葉綠素含量(mg/g)參數(shù)獲取:摘取主莖倒3葉葉片,用直徑6 mm打孔器打取葉片約0.200 g(避開中脈,重復(fù)2次),記錄葉片數(shù),分別放到試管中,用25 mL乙醇(100%) ∶丙酮=1 ∶1的混合液浸泡,蓋塞子,避光(葉綠素見光分解)存放,直至葉片完全變白(即提取完全)后進(jìn)行比色測(cè)定(中間需搖晃2次),測(cè)試前搖晃均勻,靜置后用分光光度計(jì)測(cè)定。

        1.3 高光譜數(shù)據(jù)的特征參量

        1.3.1 一階導(dǎo)數(shù) 對(duì)于植被而言,光譜數(shù)據(jù)的一階微分有利于部分消除大氣、土壤背景、凋落物等低頻光譜成分對(duì)目標(biāo)的影響,突出目標(biāo),反映和揭示植被光譜的內(nèi)在特性,高光譜數(shù)據(jù)微分變換的結(jié)果一般是求導(dǎo)數(shù)光譜,盡管高光譜遙感具有光譜的連續(xù)性,但由于光譜實(shí)際采樣間隔的離散性,導(dǎo)數(shù)光譜一般是用差分方法來近似計(jì)算[11]。

        1.3.2 “三邊”參數(shù)、“綠峰”參數(shù)和紅光吸收谷參數(shù) 植被光譜的“三邊”是指它的“藍(lán)邊”、“黃邊”和“紅邊”,描述“三邊”特征的參數(shù)主要有“三邊”位置、“三邊”幅值。表2 “三邊”參數(shù)、“綠峰”參數(shù)和紅光吸收谷參數(shù)

        基于光譜位置變量定義描述1.藍(lán)邊幅值Db藍(lán)邊內(nèi)最大的一階微分值藍(lán)邊覆蓋范圍490~530 nm,是藍(lán)光向綠光的過渡區(qū)2.藍(lán)邊位置λbDb對(duì)應(yīng)的波長(zhǎng)λb是Db對(duì)應(yīng)的波長(zhǎng)位置3.黃邊幅值Dy黃邊內(nèi)最大的一階微分值黃邊覆蓋范圍560~640 nm,是綠光向紅光的過渡區(qū)4.黃邊位置λyDy對(duì)應(yīng)的波長(zhǎng)λy是Dy對(duì)應(yīng)的波長(zhǎng)位置5.紅邊幅值Dr紅邊內(nèi)最大的一階微分值紅邊覆蓋范圍680~760 nm6.紅邊位置λrDr對(duì)應(yīng)的波長(zhǎng)λr是Dr對(duì)應(yīng)的波長(zhǎng)位置7.綠峰幅值Rg綠峰反射率Rg是波長(zhǎng)510~560 nm范圍內(nèi)最大的波段反射率8.綠峰位置λgRg對(duì)應(yīng)的波長(zhǎng)λg是Rg對(duì)應(yīng)的波長(zhǎng)位置9.紅光吸收谷幅值Rr紅谷反射率Rr是波長(zhǎng)640~680 nm范圍內(nèi)最小的波段反射率10.紅光吸收谷位置λo紅谷反射率對(duì)應(yīng)的波長(zhǎng)λo是Rr對(duì)應(yīng)的波長(zhǎng)位置

        2 結(jié)果與分析

        2.1 花生葉綠素含量隨時(shí)間變化趨勢(shì)

        由圖1可見,花生葉綠素含量隨生育期總體先呈上升趨勢(shì),在開花下針期至結(jié)莢期,葉綠素含量上升,主要是因?yàn)槿~片數(shù)量增加和葉面積增大。在成熟初期,由于葉片和莖稈逐漸老化變黃,光合作用減弱,呈現(xiàn)下降趨勢(shì)[12]。

        2.2 葉綠素含量與高光譜反射率的相關(guān)性分析

        從圖2可見,原始高光譜反射率與葉綠素含量的相關(guān)性在近紅外波段波動(dòng)性顯著相關(guān),在藍(lán)光波段374~488 nm處呈極顯著相關(guān),相關(guān)系數(shù)在408 nm處達(dá)到最大(r=0.669),藍(lán)光容易遭受散射的影響,不穩(wěn)定的藍(lán)光波段不宜選?。患t邊波段范圍695~705 nm處呈顯著相關(guān),并且在699 nm處相關(guān)系數(shù)最高(r=-0.432),呈顯著負(fù)相關(guān),因此,選擇699 nm處的光譜反射率為自變量,葉綠素含量為因變量進(jìn)行線性和非線性擬合分析。

        通過分析發(fā)現(xiàn),非線性模型中對(duì)數(shù)模型決定系數(shù)r2=0.197 9 大于線性模型r2=0.186 4(圖3),因此,對(duì)數(shù)模型對(duì)葉綠素含量的預(yù)測(cè)能力優(yōu)于線性模型。

        2.3 葉綠素含量與反射率一階導(dǎo)數(shù)的相關(guān)性分析及估算模型

        由圖4可見,葉綠素含量與反射率的一階導(dǎo)數(shù)之間的相關(guān)性隨波長(zhǎng)的變化呈現(xiàn)出劇烈變化,相關(guān)系數(shù)達(dá)到0.7左右,達(dá)到極顯著相關(guān)水平,說明采用反射率的一階導(dǎo)數(shù)對(duì)葉綠素含量進(jìn)行預(yù)測(cè)具有可行性[12]。

        通過分析發(fā)現(xiàn),葉綠素含量與反射率的一階導(dǎo)數(shù)在 419 nm 處具有最大相關(guān)系數(shù)(r=-0.76),呈極顯著負(fù)相關(guān),藍(lán)光波段不可取,在可見光波段662 nm處相關(guān)系數(shù)最大(r=0.74),呈極顯著正相關(guān)。以662 nm處反射率的一階導(dǎo)數(shù)為自變量,葉綠素含量為因變量,通過線性和非線性回歸分析對(duì)葉綠素含量與反射率的一階導(dǎo)數(shù)之間的關(guān)系進(jìn)行描述,結(jié)果如圖5所示。

        由圖5可見,線性模型的決定系數(shù)r2=0.548 8大于非線性模型中相關(guān)系數(shù)最高的指數(shù)模型r2=0.512 7,所以選取線性模型對(duì)一階微分與葉綠素含量之間的關(guān)系進(jìn)行描述。

        2.4 葉綠素含量與高光譜特征變量的相關(guān)分析及估算模型

        總體上看只有紅邊位置(λr)、綠峰位置(λg)、紅谷位置(λo)與葉綠素含量達(dá)到極顯著相關(guān)水平,其余各高光譜變量與葉綠素含量均未達(dá)到極顯著相關(guān)水平(表3)。從挑選出的相關(guān)性達(dá)到極顯著水平的變量進(jìn)行單變量線性和非線性回歸分析及曲線擬合分析,建立各高光譜變量與葉綠素含量的線性和非線性方程,期望找出較適合于葉綠素含量估算的高光譜模型。結(jié)果如表4所示。

        由表4可見,以λr為自變量所構(gòu)建的指數(shù)模型與所有其他各類模型相比,具有最大的判定系數(shù),模型通過了極顯著檢驗(yàn)水平,因此認(rèn)為選取這一模型對(duì)葉綠素含量進(jìn)行預(yù)測(cè)具可行性。

        估算模型不僅要求與因變量具有較高的判定系數(shù),而且要求方程本身具有較為簡(jiǎn)單的數(shù)學(xué)表達(dá)形式及其較小的均方根差,對(duì)所建立的葉綠素含量的估算模型進(jìn)行進(jìn)一步篩選歸納后,對(duì)模型的預(yù)測(cè)精度進(jìn)行分析比較[12],結(jié)果見表5。

        分析表5可見,前者的決定系數(shù)大于后者,說明以原始光譜一階微分反射率所構(gòu)建的線性模型對(duì)參數(shù)變化的解釋能力好于后者,擬合系數(shù)高于后者,即實(shí)測(cè)值和理論值之間線性相關(guān)較后者顯著,精度指標(biāo)兩者的差異不大,因此認(rèn)為這2個(gè)模型均可作為葉綠素含量估測(cè)較好的模型。

        3 結(jié)論

        通過以上分析,對(duì)葉綠素含量與高光譜反射率及一階導(dǎo)數(shù)以及與高光譜特征變量之間的關(guān)系得出以下結(jié)論:以原始高光譜反射率與葉綠素含量最大相關(guān)波段處的反射率為自變量,葉綠素含量為因變量所構(gòu)建的線性和非線性估算模型對(duì)比結(jié)果表明,原始高光譜反射率與葉綠素含量的相關(guān)性不明顯;對(duì)反射率的一階導(dǎo)數(shù)與葉綠素含量之間的關(guān)系采取同樣的方法,結(jié)果表明線性模型的預(yù)測(cè)能力優(yōu)于非線性模型,線性模型可對(duì)葉綠素含量進(jìn)行較好的預(yù)測(cè);以高光譜特征變量為自變量,葉綠素含量為因變量所進(jìn)行的單變量線性和非線性預(yù)測(cè)模型表明,以λr為自變量所構(gòu)建的指數(shù)模型,具有最大的判定系數(shù)(r2=0.543 5)和F值(F=33.333),模型通過極顯著檢驗(yàn),并且這一模型的數(shù)學(xué)表達(dá)形式也較為簡(jiǎn)單;通過精度檢驗(yàn),綜合分析認(rèn)為以662 nm處的一階微分反射率所構(gòu)建的線性模型和以紅邊位置所構(gòu)建的指數(shù)模型均可作為葉綠素含量估算較為合適的高光譜模型。

        參考文獻(xiàn):

        [1]Filella I,Penuelas J. The red edge position and shape as indicators of plant chlorophyll content,biomass and hydric status[J]. International Journal of Remote Sensing,1994,15(7):1459-1470.

        [2]Thomas J R,Gausman H W. Leaf reflectance vs.leaf chlorophyll and carotenoid concentrations for eight crops[J]. Agronomy Journal,1977,69(5):799-802.

        [3]Blackburn G A. Spectral indices for estimating photosynthetic pigment concentrations:a test using senescent tree leaves[J]. International Journal of Remote Sensing,1998,19(4):657-675.

        [4]Bruce L M,Li J. Wavelets for computationally efficient hyperspectral derivative analysis[J]. Geoscience and Remote Sensing,2001,39(7):1540-1546.

        [5]Curran P J. Remote sensing of foliar chemistry[J]. Remote Sensing of Environment,1989,30(3):271-278.

        [6]Datt B. Visible/near infrared reflectance and chlorophyll content in Eucalyptus leaves[J]. International Journal of Remote Sensing,1999,20(14):2741-2759.

        [7]Miller J R,Hare E W,Wu J. Quantitative characterization of the vegetation red edge reflectance 1.An inverted-Gaussian reflectance model[J]. Remote Sensing,1990,11(10):1755-1773.

        [8]Dawson T P,Curran P J,Plummer S E. LIBERTY-Modeling the effects of leaf biochemical concentration on reflectance spectra[J]. Remote Sensing of Environment,1998,65(1):50-60.

        [9]姚付啟,張振華,楊潤(rùn)亞,等. 基于紅邊參數(shù)的植被葉綠素含量高光譜估算模型[J]. 農(nóng)業(yè)工程學(xué)報(bào),2009(S2):123-129.

        [10]王 猛,張 杰,梁守真,等. 玉米倒伏后冠層光譜變化特征分析[J]. 安徽農(nóng)業(yè)科學(xué),2014(31):11187-11188,11201.

        [11]楊可明,肖金榜. 遙感影像光譜信息處理的EXCEL實(shí)踐教學(xué)[J]. 遙感信息,2009(1):70-74.

        [12]易秋香. 玉米主要生物物理和生物化學(xué)參數(shù)高光譜遙感估算模型研究[D]. 烏魯木齊:新疆農(nóng)業(yè)大學(xué),2005.

        猜你喜歡
        葉綠素含量花生
        掏花生
        花生貓便簽夾
        童話世界(2019年32期)2019-11-26 01:03:10
        邂逅花生
        輻照育種雜交水稻Ⅱ優(yōu)838的耐熱性鑒定
        棉花葉片葉綠素含量與纖維品質(zhì)關(guān)系分析
        不同海拔條件下春油菜光合生理和產(chǎn)油量的響應(yīng)
        鋅對(duì)菠菜葉綠素含量及保護(hù)酶活性的影響
        到底埋在哪棵樹下
        花生去哪兒了
        雨后的露營(yíng)
        风流少妇一区二区三区| 台湾佬自拍偷区亚洲综合| 国产精品久久久久免费a∨| 日韩不卡av高清中文字幕 | 国产日韩欧美网站| 美女福利一区二区三区在线观看 | 伊人青青草综合在线视频免费播放 | 日本55丰满熟妇厨房伦| 91久国产在线观看| 国产精品一区二区久久久av| 亚洲熟妇丰满多毛xxxx| 伊人色综合九久久天天蜜桃| 丰满少妇棚拍无码视频| 91九色熟女潮喷露脸合集| 香蕉免费一区二区三区| 特级毛片a级毛片在线播放www| 91精品亚洲一区二区三区| 精品国产一区二区三区性色| 东北少妇不带套对白| 亚洲中文字幕每日更新| 国产av熟女一区二区三区老牛| 91丝袜美腿亚洲一区二区| 国精品无码一区二区三区在线蜜臀 | 欧美在线三级艳情网站| 日本高清一区二区三区视频| 9久久婷婷国产综合精品性色| 久久久精品人妻无码专区不卡| 亚洲产在线精品亚洲第一站一| 国产色婷亚洲99精品av网站| 中文在线中文a| 久久国产精品二国产精品| 免费人人av看| 国产自拍精品视频免费| 日日摸天天摸人人看| 亚洲—本道中文字幕久久66| 国产精品久久av高潮呻吟| 亚洲精品久久7777777| 人人看人人做人人爱精品| 青青草免费在线视频导航| 精品久久久久久综合日本| 久久99精品久久久久久hb无码|