无码精品一区二区三区在线,欲性游乐场(高H),日日橹狠狠爱欧美视频,欧美日韩精品

基于成像光譜儀的冬小麥苗期冠層葉綠素密度監測

1 材料與方法

1.1 試驗設計

    試驗于2007年在中國農業科學院作物科學研究所中圃場(39o57'55''N,116o19'46''E)進行。供試地塊土壤為潮土,0~20cm土層含有機質1.16%,堿解氮42.6mg kg-1,有效磷26.5mg kg-1,速效鉀139.4mg kg-1。選擇目前生產中主推的5個冬小麥品種為供試種,其中京411和CA9554為緊湊型,中優9507和京9428為松散型,京冬8號為中間過渡型。小區面積8mx4m,3次重復。10月1日機械精量播種,10月7日出苗。

1.2 冠層光譜測定

采用成像光譜儀和光譜儀同步測定。成像光譜儀由光學成像系統、可調諧液晶濾光器、高分辨低噪聲數字CCD像機和信息加工與處理系統組成,通過便攜式計算機操作成像光譜儀進行數據采集與傳輸,在40~50s 內即可完成31幅窄波段光譜圖像的連續采集;數據傳輸方式為USB2.0。成像光譜范圍為420~720nm, 光譜分辨率為10nm,感光器件為 2/3 英寸CCD,分辨率為1280×1024,即131萬像素。儀器主要特點是對目標物自420nm至720nm波段范圍,每隔10nm分別成像并同時獲取目標物在該波段范圍的光譜數據(即圖像立方體)。對所獲圖像光譜的定量分析,可以直觀分析成像范圍內任意點的光譜和顏色并進行目標物分類與識別。Fieldspc Pro 系列光譜儀是國際公認的性能穩定、用戶最多的地物光譜儀,以其測定的光譜反射率作為參照,檢驗成像光譜儀測定數據的可靠性。該儀器光譜范圍為350~2500nm,光譜分辨率在350~1000nm區間為3nm,在1000~2500nm區間為10nm。

選擇晴朗無風日,于10:00-14:00進行光譜數據采集。成像光譜儀的視場角為14°,鏡頭放置于垂直距冠層頂部150cm處測定(圖1)。光譜儀測量視場角為25,為與成像光譜儀測定視場范圍保持基本一致,探頭置于垂直距冠層頂部80cm處測定(圖2), 每個樣點采集20條光譜數據, 計算平均值。用光譜儀測定時,在視場內放置白板同步測量其 DN 值作為每幅圖像光譜的參考。用光譜儀測定光譜時,每個點測定前后,同步測定白板光譜反射率。目標物的光譜反射率采用下式計算。

1.3 葉綠素的測定

采用 UV1800 分光光度計, 以丙酮法測定葉綠素含量[5]。

冠層葉綠素密度 (canopy chlorophyll density, CCD)的計算公式為

CCD(mg cm-2)=葉綠素含量(mg g-1)×單位面積總綠葉鮮重(g cm-2)。

1.4 光譜特征參量的選擇及數據分析

以包含綠色植被信息最多的可見光波段(420~720nm)作為篩選光譜特征的波段范圍,利用作物光譜反射率及其數學變換和代數組合,構建反映作物葉綠素相關指標的光譜特征參量(表1)。

采用Matlab7.0和SAS9.0軟件進行數據處理與分析。

2 結果與分析

2.1 成像光譜儀數據特點

成像光譜儀所獲數據包括自420nm至720nm每10nm一幅圖像及其相應的光譜值。分別選擇葉綠素高反射波段(550nm)和強吸收波段(680nm)以及全部波段合成圖像(圖3~圖5)進行分析。2種儀器測定的目標物光譜,視場內均包含小麥、土壤等, 所得光譜數據為多種地物的混合光譜。相對于光譜儀,成像光譜儀因能成像,可通過圖像明確地物目標,并得到該地物純光譜信息,利用該信息進行地物分類識別并成圖(圖6)。結果表明,利用這種方法進行小麥葉片識別與成圖時,對陰影和土壤等背景噪聲有明顯抑制效果。

2.2 成像光譜儀數據驗證

   將2種儀器同一視場所得混合光譜數據進行比較(圖7),發現同一目標物的光譜反射率不同,但波形基本相同。成像光譜儀測得的光譜反射率高于光譜儀。這一結果反映出2種儀器測定的目標物DN值相同,只是在計算目標物反射率時所用的參比有差異。這種差異可通過統計方法和矯正模型加以消除,并將光譜儀反射率數據矯正至與反射率數據相同的水平。

為進一步檢驗2種儀器測定數據是否具有一致性,對測定的多種處理的反射率數據進行擬合，兩儀器同一目標物的反射率值極顯著相關(P<0.01)。在利用光譜數據進行作物生理生化參數反演時, 很少直接用光譜反射率值, 更多的是通過反射率數學變換構建的光譜特征參量來估算。將光譜反射率變換為表1所列光譜特征參量后,2種儀器獲得的同一目標物的同一光譜特征參量間的相關系數大于0.9990,表明成像光譜儀所獲光譜數據可靠。

2.3 成像光譜儀監測葉綠素密度

相關分析表明,2種儀器所獲光譜參量均以720nm的光譜反射率、550nm550 nm 和660nm的一階導數、比值植被色素指數PPR(550,450)、綠度植被指數GNDVI、氮素反射指數 NRI(670,570)以及轉換葉綠素吸收反射指數TCARI與CCD極顯著相關(表2),可以較好地反映冠層葉綠素密度。

選擇與CCD顯著相關的光譜特征參量建立CCD預測模型,并進行精度檢驗。結果表明(表3,表4),預測值與實測值間的相關系數達顯著或極顯著水平。且基于成像光譜儀所建模型的均方根誤差小于0.2,相對誤差小于9%,而基于光譜儀所建模型的均方根誤差介于0.8-1.3之間，相對誤差介于7%-14%之間。兩儀器所得模型中均以比值植被色素指數PPR的模型預測誤差最小,精度最高;并且基于成像光譜儀的模型精度明顯優于光譜儀, 能夠更好地對小麥苗期葉綠素密度進行估測。

3 討論

目前在近地高光譜遙感中所采用的儀器幾乎全部是非成像地物光譜儀,其基本工作原理是通過光導探頭攝取目標光線及目標物的光輻射值,經過模/數轉換器變成數字信號,得到目標物的光譜信息。在數據采集過程中獲得的是探頭視場范圍內所有物體的混合光譜,在進行數據應用時很難剔除背景等干擾物的光譜信息,降低了監測精度,并且容易出現“同物異譜”和“同譜異物”現象。成像光譜儀不僅能夠獲取目標物的光譜信息,同時還可獲得其圖像數據。圖像是傳遞信息的最佳方式,它不僅直接給出目標形狀和位置,還可以了解目標物同背景及其他物體的相互關系。使用成像光譜儀能夠獲取比較精細的純光譜信息,提高遙感數據的定量水平。

本文利用成像光譜數據,通過去混合、光譜分類等方法,提取了小麥冠層中的植株光譜反射率,用相應光譜特征參量對小麥冠層葉綠素密度進行了遙感監測,所建立的回歸模型均達顯著或者極顯著水平,預測精度較高、誤差較小。并且由于成像光譜儀獲取的是面狀數據,與傳統非成像地物光譜儀獲得的點狀數據相比,不僅能夠通過構建和篩選重要植被指數或光譜指數實現簡化波段,而且對于航天、航空遙感器定標和“星—機—地”一體化同步觀測有重要意義。在本試驗過程中,發現成像光譜儀在測定時依然受到天氣、光強、風速和定標物等外界因素的影響,如何選擇最佳的測試條件顯得尤為重要,對此仍需要進一步探索和研究。

4 結論

以光譜儀為對照,成像光譜儀所獲得的小麥苗期冠層光譜DN值與之相同,兩儀器光譜曲線波形一致,反射率值及相應光譜特征參量達極顯著相關水平,成像光譜數據真實、可靠,能夠用于地物波譜信息的測量。成像光譜儀能夠更精確地對冬小麥苗期冠層葉綠素密度進行監測,所得模型的RMSE為0.0979,RE為4.46%,比值植被色素指數PPR可以作為最佳檢測標準。