- 1、本文档共4页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
不同生育期冬小麦叶面积指数高光谱遥感估算模型
叶面积指数(leafareaindex,简称LAI)是陆地植被生
态系统中定量描述叶片面积的几何结构参量,通常是指单位面积
上植物叶片的垂直投影面积的总和[1]。LAI与植物的光合能力
密切相关,是反映植物群体大小的良好指标[2]。估算农作物的
LAI对作物的生长状况与病虫害监测、产量估算以及田间管理具
有重要意义[3]。遥感技术的出现以及图谱合一的高光谱遥感数
据的获取,使得对大范围地表植被理化生物学性状的分析成为可
能[4]。Casanova等利用实测光谱数据,分别建立了水稻、小麦
的地上生物量、LAI的高光谱估算模型[5];梁亮等对18种高光
谱指数进行了比较分析,筛选出了对小麦LAI比较敏感的高光谱
指数OSAVI,并以地面光谱数据为样本建立了小麦LAI的反演模
型[6];夏天等通过神经网络法反演冬小麦LAI,预测精度达到
99.0%[7]。
目前,高光谱遥感监测作物LAI已经成为精准农业研究热点
问题之一[8-9];但根据地面实测光谱数据构建等效植被指数并
开展不同生育期小麦LAI高光谱遥感监测的研究鲜有报道。本研
究利用地面实测光谱数据,分析拔节期、返青期、抽穗期和开花
期冬小麦LAI与原始光谱及其一阶微分的相关性,并基于TM数
据光谱响应函数模拟的等效反射率构建了9种植被指数,建立了
冬小麦不同生育期的LAI高光谱遥感估算模型,以期为利用高光
谱遥感数据进行大面积、无破坏和及时监测冬小麦生长状况提供
科学依据。
1材料与方法
1.2小麦冠层光谱与参数获取
采用ASDFieldSpecProFr2005便携式光谱仪进行小麦冠
层光谱测量,光谱范围为325~1075nm,光谱分辨率为1nm。
测量时选择晴朗无云的天气,测量时间控制在10:30―14:00。
测量时传感器探头垂直向下,距离冠层顶部垂直高度约为1m。
光谱采样以6条光谱数据为1组,即每个试验小区每次记录6条
光谱,以其平均值作为该区该次小麦冠层光谱反射率值。在对每
个样本采集光谱之前,均先进行白板校正。
采集样本光谱的同时进行小麦LAI参数采样。在每个试验小
区内随机选2个30cm×30cm的样方,将地上所有活体收割装
入保鲜袋,带回室内,将所有小麦植株的茎、叶分开,选取20~
23张完整的样品叶,取其中宽窄较为一致的地方,剪成6~8cm
长度的小段,用直尺测量每张叶片的长度、宽度。分别称量样品
叶、剩余叶鲜质量,按照公式(1),利用比重法获取每个样方
的LAI:
[HS2][JZ(]LAI=[SX(](m1+m2)m1[SX)]×[SX(]S900[SX)]。
[JZ)][JY](1)
式中:m1为裁剪样品叶的鲜质量,g;m2为剩余样品叶的鲜
质量,g;S为裁剪样品叶的总面积,cm2。以2个样方LAI均值
作为该试验小区的LAI指标。
1.3构建等效植被指数
本研究基于Landsat的波段响应函数,将ASD光谱仪测量获
得的连续的高光谱反射率数据模拟等效的TM蓝波段(436~528
nm)、红波段(625~691nm)、近红外波段(829~900nm)的
反射率数据,以构建植被指数。转换模型为公式(2):
谱响应函数。
利用模拟的等效反射率和部分原始光谱数据,构建了9种植
被指数,如表2所示。
3结论
本研究分析了从返青期到开花期的冬小麦叶面积指数的变
化趋势,并根据地面实测光谱数据,分析了不同生育时期内的冠
层光谱及其一阶微分同LAI的相关系数,并根据模拟TM数据的
等效反射率构建的植被指数与冠层光谱参数,建立了小麦LAI的
高光谱遥感估算模型。
在返青期到抽穗期内,小麦LAI呈上升趋势,抽穗期后,因
小麦叶绿素减少,叶片变黄、脱落,导致LAI缓慢下降。除开花
期外,返青期、拔节期和抽穗期冠层光谱与LAI之间均有较好的
相关性,在400~720nm范围内,冠层光谱与LAI之间呈负相关,
在720~900nm之间呈正相关。返青期、拔节期和抽穗期在500~
680
文档评论(0)