基于小波分析小麦旗叶净光合速率高光谱遥感反演

doi:10.16178/j.issn.0528-9017.20201009

浙江农业科学 ›› 2020, Vol. 61 ›› Issue (10): 1979-1984.DOI: 10.16178/j.issn.0528-9017.20201009

基于小波分析小麦旗叶净光合速率高光谱遥感反演

王月¹(), 徐绍棠¹, 姚海燕², 杨克俊³, 李玉环¹^,^*()

1.山东农业大学资源与环境学院,山东泰安 271000
2.无棣县农业农村局,山东滨州 251900
3.诸城市农业农村局,山东潍坊 262200

收稿日期:2020-06-13 出版日期:2020-10-11 发布日期:2020-10-11
通讯作者: 李玉环
作者简介:李玉环(1965—),女,山东泰安人,教授,博士,主要从事农业土地质量和环境要素遥感估测与评价研究工作,E-mail:yuhuan@sdau.edu.cn
王月(1995—),女,山东淄博人,硕士研究生,主要从事土地利用研究工作,E-mail:1521516278@qq.com
基金资助:
山东省重点研发计划(2015GNC1101010)

Received:2020-06-13 Online:2020-10-11 Published:2020-10-11

摘要/Abstract

摘要：

精准估算冬小麦净光合速率(P_n)对监测植物生长状况和产量估计有重要意义。本文对小麦旗叶高光谱反射率通过Bior1.3小波基进行多层小波分解,分析不同尺度与净光合速率的相关性,最佳分解层次敏感波段构建光谱指数,建立BP神经网络模型并与敏感波段模型比较。结果表明:基于Bior1.3小波基变换的5层分解重构效果最好,敏感波段集中在400、600和800 nm附近;5层小波分解中高频分量cD₄最能体现与P_n有关的光谱细节信息,788与404 nm构建的差值指数(DVI[788-404])和比值指数(RVI[788-404])相关性最高,R²分别为0.75和0.72,其次为高频分量cD₅中788和400 nm的差值指数(DVI[784-400]),R²为0.71;敏感波段与高频分量cD₄光谱指数建立的BP神经网络模型对比发现,光谱指数模型精度最高,R²为0.86,RMSE为1.99。表明基于小波变换的光谱指数构建不仅可行,且精度高于敏感波段模型,能更多地反映小麦旗叶P_n的光谱细节信息,为P_n反演提供了一种有效快速的可选方案。

关键词: 小麦旗叶, 净光合速率, 小波分析, 光谱指数

中图分类号:

S512.1

王月, 徐绍棠, 姚海燕, 杨克俊, 李玉环. 基于小波分析小麦旗叶净光合速率高光谱遥感反演[J]. 浙江农业科学, 2020, 61(10): 1979-1984.

图/表 7

参考文献 19

[1]	夏江宝, 张光灿, 许景伟, 等. 干旱胁迫下常春藤净光合速率日变化及其影响因子分析[J]. 水土保持通报, 2010,30(3):78-82.
[2]	马富举, 李丹丹, 蔡剑, 等. 干旱胁迫对小麦幼苗根系生长和叶片光合作用的影响[J]. 应用生态学报, 2012,23(3):724-730.
[3]	贺安娜, 姚奕. 虎耳草冬季净光合速率、蒸腾速率日变化及其影响因子分析[J]. 西南农业学报, 2011,24(4):1298-1302.
[4]	张治安, 杨福, 陈展宇, 等. 菰叶片净光合速率日变化及其与环境因子的相互关系[J]. 中国农业科学, 2006,39(3):502-509.
[5]	陈兵, 王刚, 刘景德, 等. 高光谱的病害棉叶光合参数提取[J]. 光谱学与光谱分析, 2018,38(6):1834-1838.
[6]	张卓, 龙慧灵, 王崇倡, 等. 冬小麦叶片光合特征高光谱遥感估算模型的比较研究[J]. 中国农业科学, 2019,52(4):616-628.
[7]	罗凡, 龚雪蛟, 张厅, 等. 氮磷钾对春茶光合生理及氨基酸组分的影响[J]. 植物营养与肥料学报, 2015,21(1):147-155.
[8]	刘二华, 周广胜, 周莉. 不同干旱条件下夏玉米全生育期冠层吸收光合有效辐射比的高光谱遥感反演[J]. 应用生态学报, 2019,30(6):2021-2029.
[9]	贺佳. 冬小麦不同生育时期生态生理参数的高光谱遥感监测模型[D]. 杨凌: 西北农林科技大学, 2015.
[10]	STRACHAN I B, PATTEY E, BOISVERT J B. Impact of nitrogen and environmental conditions on corn as detected by hyperspectral reflectance[J]. Remote Sensing of Environment, 2002,80(2):213-224.
[11]	陈刚, 陈小梅, 李婷, 等. 基于小波分解的光谱特征提取算法研究[J]. 光谱学与光谱分析, 2010,30(11):3027-3030.
	宋开山, 张柏, 王宗明, 等. 基于小波分析的大豆叶绿素a含量高光谱反演模型[J]. 植物生态学报, 2008,32(1):152-160.
[12]	SUN Z G, ZHANG Y, LI J L, et al. Spectroscopic determination of soil organic carbon and total nitrogen content in pasture soils[J]. Communications in Soil Science and Plant Analysis, 2014,45(8):1037-1048.
[13]	LIN L X, WANG Y J, TENG J Y, et al. Hyperspectral analysis of soil organic matter in coal mining regions using wavelets, correlations, and partial least squares regression[J]. Environmental Monitoring and Assessment, 2016,188(2):97. URL PMID
[14]	史锐, 张红, 岳荣, 等. 基于小波理论的干旱区内陆湖泊叶绿素a的TM影像遥感反演[J]. 生态学报, 2017,37(3):1043-1053.
[15]	田青林, 潘蔚, 李瑶, 等. 基于小波包变换和权重光谱角制图的岩心高光谱蚀变信息提取[J]. 国土资源遥感, 2019,31(4):41-46.
[16]	王森, 伍星, 张印辉, 等. 基于多尺度小波变换和结构化森林的表面裂纹分割[J]. 光学学报, 2018,38(8):233-242.
[17]	方圣辉, 乐源, 梁琦. 基于连续小波分析的混合植被叶绿素反演[J]. 武汉大学学报(信息科学版), 2015,40(3):296-302.
[18]	孙少波, 杜华强, 李平衡, 等. 基于小波变换的毛竹叶片净光合速率高光谱遥感反演[J]. 应用生态学报, 2016,27(1):49-58.
[19]	张锐, 李兆富, 潘剑君. 小波包-局部最相关算法提高土壤有机碳含量高光谱预测精度[J]. 农业工程学报, 2017,33(1):175-181.

样品集	样本数	均值	最大值	最小值	标准差	变异系数
全部样品	76	12.66	18.77	3.44	4.37	0.35
训练集	50	12.45	18.84	3.44	4.45	0.35
预测集	26	13.08	18.77	5.20	4.35	0.33

样品集	样本数	均值	最大值	最小值	标准差	变异系数
全部样品	76	12.66	18.77	3.44	4.37	0.35
训练集	50	12.45	18.84	3.44	4.45	0.35
预测集	26	13.08	18.77	5.20	4.35	0.33

分量	光谱指数	计算公式
cD₁	RVI[791-401]	R₇₉₁/R₄₀₁
	DVI[791-401]	R₇₉₁-R₄₀₁
	NDVI[791-401]	(R₇₉₁-R₄₀₁)/(R₇₉₁+R₄₀₁)
cD₂	RVI[809-797]	R₈₀₉/R₇₉₇
	DVI[809-797]	R₈₀₉-R₇₉₇
	NDVI[809-797]	(R₈₀₉-R₇₉₇)/(R₈₀₉+R₇₉₇)
cD₃	RVI[794-782]	R₇₉₄/R₇₈₂
	DVI[794-782]	R₇₉₄-R₇₈₂
	NDVI[794-782]	(R₇₉₄-R₇₈₂)/(R₇₉₄+R₇₈₂)
cD₄	RVI[788-404]	R₇₈₈/R₄₀₄
	DVI[788-404]	R₇₈₈-R₄₀₄
	NDVI[788-404]	(R₇₈₈-R₄₀₄)/(R₇₈₈+R₄₀₄)
cD₅	RVI[784-400]	R₇₈₄/R₄₀₀
	DVI[784-400]	R₇₈₄-R₄₀₀
	NDVI[784-400]	(R₇₈₄-R₄₀₀)/(R₇₈₄+R₄₀₀)

分量	光谱指数	计算公式
cD₁	RVI[791-401]	R₇₉₁/R₄₀₁
	DVI[791-401]	R₇₉₁-R₄₀₁
	NDVI[791-401]	(R₇₉₁-R₄₀₁)/(R₇₉₁+R₄₀₁)
cD₂	RVI[809-797]	R₈₀₉/R₇₉₇
	DVI[809-797]	R₈₀₉-R₇₉₇
	NDVI[809-797]	(R₈₀₉-R₇₉₇)/(R₈₀₉+R₇₉₇)
cD₃	RVI[794-782]	R₇₉₄/R₇₈₂
	DVI[794-782]	R₇₉₄-R₇₈₂
	NDVI[794-782]	(R₇₉₄-R₇₈₂)/(R₇₉₄+R₇₈₂)
cD₄	RVI[788-404]	R₇₈₈/R₄₀₄
	DVI[788-404]	R₇₈₈-R₄₀₄
	NDVI[788-404]	(R₇₈₈-R₄₀₄)/(R₇₈₈+R₄₀₄)
cD₅	RVI[784-400]	R₇₈₄/R₄₀₀
	DVI[784-400]	R₇₈₄-R₄₀₀
	NDVI[784-400]	(R₇₈₄-R₄₀₀)/(R₇₈₄+R₄₀₀)

分量	光谱指数	相关性
cD₁	RVI[791-401]	-0.34
cD₂	RVI[809-797]	0.30
cD₃	RVI[794-782]	-0.25
cD₄	RVI[788-404]	-0.72
cD₅	RVI[784-400]	0.68
cD₁	DVI[791-401]	0.64
cD₂	DVI[809-797]	0.24
cD₃	DVI[794-782]	0.69
cD₄	DVI[788-404]	-0.75
cD₅	DVI[784-400]	0.71
cD₁	NDVI[791-401]	-0.58
cD₂	NDVI[809-797]	0.21
cD₃	NDVI[794-782]	0.23
cD₄	NDVI[788-404]	-0.71
cD₅	NDVI[784-400]	-0.67

基于小波分析小麦旗叶净光合速率高光谱遥感反演

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 7

参考文献 19

相关文章 8

编辑推荐

Metrics

本文评价

[1]	柴伟国, 忻雅, 肖文斐, 裘劼人. 辣椒CMS不育材料不同生育期光合和生理特性[J]. 浙江农业科学, 2020, 61(5): 852-854.
[2]	王鑫, 笪文怡, 唐娅. 野生地果的光合日进程及其影响因子[J]. 浙江农业科学, 2017, 58(8): 1391-1393.
[3]	朱鹏ab，王健ab，王飞ab，吕新ab*. 北疆地区年降雨量时空变化规律研究 [J]. 浙江农业科学, 2015, 1(8): 1295-.
[4]	张春阳1，陈浩2. 近42年衢州市霜期的变化特征分析[J]. 浙江农业科学, 2015, 1(12): 2042-.
[5]	宫彦章;吴彩琼;钟彦山;高静. 3种抑制蒸腾剂对白兰光合特性的影响[J]. , 2012, 1(8): 0-1142.
[6]	丁华娇;莫亚鹰;张鹏翀. 3种苔藓植物耐阴性试验[J]. , 2012, 1(10): 0-1412.
[7]	孟永军;沈桑;章莹菁. 桐庐县冬春季气温对春茶的影响及防冻措施探讨[J]. , 2011, 1(3): 0-550.
[8]	沈军;武英霞;李新峥;孙海燕;刘遵春 . 不同基质栽培对观赏南瓜幼苗光合特性的影响[J]. , 2007, 1(03): 0-257.