高光譜遙感為冬小麥氮含量的實(shí)時(shí)估測(cè)提供了技術(shù)途徑,然而在實(shí)際探測(cè)過程中,接收的信號(hào)不僅包含植株葉、莖等器官內(nèi)部發(fā)生多次散射后的光輻射,也包含在葉片表面發(fā)生鏡面反射而沒有進(jìn)入器官內(nèi)部的光輻射,原理上只有前者可反映植株的生化組分信息,因此目前常用的反演算法存在較大不確定性。擬采用增加偏振測(cè)量的方式,區(qū)分與上述兩種情形對(duì)應(yīng)的非偏振光和部分偏振光,通過構(gòu)建相應(yīng)的反射率表征因子,以評(píng)估剔除部分偏振反射分量對(duì)植株氮含量估算的影響。實(shí)驗(yàn)獲取了冬小麥拔節(jié)、挑旗、開花、灌漿四個(gè)典型生長(zhǎng)期共計(jì)48組偏振高光譜與氮含量測(cè)量樣本,分析后表明,剔除偏振反射后,反射率光譜與氮含量的相關(guān)性在可見光波段有較明顯的提升,而常用的多個(gè)植被指數(shù)對(duì)氮含量的估算精度有小幅提升,且不同生長(zhǎng)期對(duì)應(yīng)的最優(yōu)植被指數(shù)不同。上述結(jié)果證明了通過測(cè)量葉表偏振反射而提升冬小麥氮含量高光譜估算方法的有效性與穩(wěn)定性,為提升植被生化組分遙感反演的精度提供了參考。 

【文章來源】：光譜學(xué)與光譜分析. 2020,40(06)北大核心EISCICSCD

【文章頁(yè)數(shù)】：9 頁(yè)

【部分圖文】：

研究區(qū)不同狀況的樣田

剔除表面偏振反射后, 全波段dBRF與PNC的相關(guān)性整體趨勢(shì)未變, 但在吸收較強(qiáng)的可見光譜段, 其對(duì)于PNC的相關(guān)性有較明顯的提升(圖2), 如在藍(lán)光波段, 相關(guān)系數(shù)Cor由0.68提升至0.72; 而在其他譜段, 相關(guān)性僅存在微小的提升。一階導(dǎo)光譜derBRF與PNC的相關(guān)性在整個(gè)譜段無明顯規(guī)律, 相關(guān)波段的數(shù)量也較BRF有所減少, 主要集中在可見光和短波紅外的部分區(qū)域, 且部分相關(guān)波段的相關(guān)性明顯強(qiáng)于BRF(在短波紅外1 750 nm處Cor可達(dá)0.9)。

對(duì)于BRF和dBRF光譜, iPLSR篩選出的間隔相同, 間隔編號(hào)為2, 3, 4, 6, 27, 29和30, 對(duì)應(yīng)的波長(zhǎng)為395～529, 575～619, 1 571～1 615和1 661～1 750 nm, 共308個(gè)波段(即式(6)中m=308), 主要集中于可見光和短波紅外譜段, 這與氮存在的主要場(chǎng)所葉綠素和蛋白質(zhì)的吸收譜段吻合。 以去除偏振反射后的dBRF光譜為例(圖3, 每個(gè)誤差棒下的數(shù)字代表利用該間隔進(jìn)行PLSR時(shí)利用的潛在因子), 其全譜段PLSR誤差RMSECVglobal為0.40%(圖中虛線), 篩選出的7個(gè)間隔的RMSECVint_p如表3, 說明利用這些間隔進(jìn)行PNC的估算將有效降低誤差。利用BRF與dBRF中篩選出的波段, 分別進(jìn)行48個(gè)樣區(qū)PNC的偏最小二乘建模, 并進(jìn)行估算和精度評(píng)價(jià), 得到的PNC預(yù)測(cè)結(jié)果如圖4(a)和(b)。 可以看出, 去除偏振反射后, 預(yù)測(cè)-測(cè)量值的Cor由0.93升至0.96, RMSECV則由0.30%降至0.23%, 誤差減小幅度為23%, 證明了去除偏振反射的方法對(duì)冬小麥PNC的估算能力具有提升作用。 此外, 通過利用iPLSR, RMSECVBRF和RMSECVdBRF相比于RMSECVglobal有顯著降低的同時(shí), 對(duì)于7個(gè)篩選間隔的RMSECVint_p也有優(yōu)化, 這證明了iPLSR用于PNC回歸的有效性。

【參考文獻(xiàn)】：
期刊論文
[1]植被冠層立體結(jié)構(gòu)與葉片傾角的偏振光效應(yīng)[J]. 楊彬,晏磊,Yuri Knyazikhin,劉思遠(yuǎn).  遙感學(xué)報(bào). 2018(06)
[2]基于多變量統(tǒng)計(jì)分析的冬小麥長(zhǎng)勢(shì)高光譜估算研究[J]. 王超,王建明,馮美臣,肖璐潔,孫慧,謝永凱,楊武德.  光譜學(xué)與光譜分析. 2018(05)
[3]遙感反演植被含氮量研究進(jìn)展[J]. 陳永喆,傅伯杰,馮曉明.  生態(tài)學(xué)報(bào). 2017(18)
[4]基于GF-1衛(wèi)星數(shù)據(jù)的冬小麥葉片氮含量遙感估算[J]. 李粉玲,常慶瑞,申健,王力.  農(nóng)業(yè)工程學(xué)報(bào). 2016(09)
[5]基于赤池信息量準(zhǔn)則的冬小麥葉面積指數(shù)估算[J]. 楊福芹,馮海寬,李振海,金秀良,楊貴軍,戴華陽(yáng).  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2015(11)



本文編號(hào)：3543215