由于光能利用率(Light Use Efficiency,LUE)随环境的变化关系十分复杂,现有的LUE估算植被初级生产力(GPP)和净初级生产力(NPP)的模型过于粗糙简单,而通过遥感直接估计LUE会更加可靠。研究表明,光化学反射植被指数(PRI)与LUE有很好的相关...由于光能利用率(Light Use Efficiency,LUE)随环境的变化关系十分复杂,现有的LUE估算植被初级生产力(GPP)和净初级生产力(NPP)的模型过于粗糙简单,而通过遥感直接估计LUE会更加可靠。研究表明,光化学反射植被指数(PRI)与LUE有很好的相关性,故PRI在利用遥感估计LUE方面具有极大的潜力。但是,很多研究也发现了PRI-LUE的关系受到许多因素的干扰。为了探究多角度高光谱对光化学反射植被指数估算光能利用率的影响,分析了各观测日的光化学反射植被指数变化情况及其与实测光能利用率的关系。结果表明:在主平面的4个观测日都表现出后向的PRI值大于前向的PRI值,均表现出当光谱仪探头从后向散射方向向着前向散射方向变化时,PRI值逐渐变小然后随着天顶角的变大而变大;在光合作用的外部条件和内部环境不受影响的情况下,PROSAIL模型在主平面前向散射方向的中等角度(45°和60°)与后向散射方向的小角度(-15°和-30°)可以较好模拟出单一植被覆盖条件下水稻冠层植被的反射光谱。展开更多
【目的】利用反射率光谱在作物生物物理方面的优势和日光诱导叶绿素荧光(solar-induced chlorophyll fluorescence,SIF)、光化学反射率指数(photochemical reflectance index,PRI)在光合生理方面的优势,构建协同冠层SIF和PRI光谱指数(sy...【目的】利用反射率光谱在作物生物物理方面的优势和日光诱导叶绿素荧光(solar-induced chlorophyll fluorescence,SIF)、光化学反射率指数(photochemical reflectance index,PRI)在光合生理方面的优势,构建协同冠层SIF和PRI光谱指数(synergistic spectral index of SIF and PRI,SISP),旨在提高作物病害遥感探测精度。【方法】基于3FLD(three-bands fraunhofer line discrimination)算法,估测小麦条锈病在不同病情严重度下的单波段SIF强度,利用对作物冠层几何结构敏感的归一化植被指数(normalized difference vegetation index,NDVI)和重归一化植被指数(re-normalized vegetation index,RDVI)对SIF和PRI进行处理,再利用处理后的SIF和PRI数据构建SISP指数,通过建立传统的光谱指数和SIF、PRI及其组合对小麦条锈病的遥感监测模型,以病情指数(disease index,DI)实测值与预测值之间的决定系数(R^(2))、均方根误差(RMSE)和相对分析误差(RPD)评价模型精度,进而与SISP指数建立的模型进行比较,分析SISP指数对作物病害遥感监测的有效性。【结果】(1)综合利用SIF和PRI数据能够提高对小麦条锈病的遥感探测精度,3组验证样本数据集中,以PRI和SIF的简单组合PRI+SIF为自变量构建的小麦条锈病监测模型,预测DI值与实测DI值间的R^(2)比单一PRI和SIF至少提高14.0%和1.7%,RMSE至少降低7.1%和3.7%。(2)利用反射率光谱指数NDVI和RDVI处理后的SIF和PRI构建的SISP指数,对小麦条锈病DI的预测精度优于直接利用PRI和SIF组合的各种指数,验证样本数据集中预测DI值与实测DI值间的R^(2)至少提高3.7%,RMSE至少降低9%。(3)以SISP和反射率光谱指数为自变量构建的小麦条锈病多元线性回归(multiple linear regression,MLR)和径向基神经网络(radial basis function neural network,RBFN)模型的精度,高于仅利用反射率光谱指数构建的模型精度,其预测DI值与实测DI值间的R^(2)分别较反射率光谱指数提高13.42%和5.72%,RMSE分别减少29.93%和19.24%,RPD分别提高44.53%和29.80%。【结论】利用NDVI和RDVI处理后的SIF和PRI构建SISP指数,能够减弱作物群体生物量对冠层SIF和PRI信号的影响,提高小麦条锈病的遥感监测精度。展开更多
文摘由于光能利用率(Light Use Efficiency,LUE)随环境的变化关系十分复杂,现有的LUE估算植被初级生产力(GPP)和净初级生产力(NPP)的模型过于粗糙简单,而通过遥感直接估计LUE会更加可靠。研究表明,光化学反射植被指数(PRI)与LUE有很好的相关性,故PRI在利用遥感估计LUE方面具有极大的潜力。但是,很多研究也发现了PRI-LUE的关系受到许多因素的干扰。为了探究多角度高光谱对光化学反射植被指数估算光能利用率的影响,分析了各观测日的光化学反射植被指数变化情况及其与实测光能利用率的关系。结果表明:在主平面的4个观测日都表现出后向的PRI值大于前向的PRI值,均表现出当光谱仪探头从后向散射方向向着前向散射方向变化时,PRI值逐渐变小然后随着天顶角的变大而变大;在光合作用的外部条件和内部环境不受影响的情况下,PROSAIL模型在主平面前向散射方向的中等角度(45°和60°)与后向散射方向的小角度(-15°和-30°)可以较好模拟出单一植被覆盖条件下水稻冠层植被的反射光谱。
文摘【目的】利用反射率光谱在作物生物物理方面的优势和日光诱导叶绿素荧光(solar-induced chlorophyll fluorescence,SIF)、光化学反射率指数(photochemical reflectance index,PRI)在光合生理方面的优势,构建协同冠层SIF和PRI光谱指数(synergistic spectral index of SIF and PRI,SISP),旨在提高作物病害遥感探测精度。【方法】基于3FLD(three-bands fraunhofer line discrimination)算法,估测小麦条锈病在不同病情严重度下的单波段SIF强度,利用对作物冠层几何结构敏感的归一化植被指数(normalized difference vegetation index,NDVI)和重归一化植被指数(re-normalized vegetation index,RDVI)对SIF和PRI进行处理,再利用处理后的SIF和PRI数据构建SISP指数,通过建立传统的光谱指数和SIF、PRI及其组合对小麦条锈病的遥感监测模型,以病情指数(disease index,DI)实测值与预测值之间的决定系数(R^(2))、均方根误差(RMSE)和相对分析误差(RPD)评价模型精度,进而与SISP指数建立的模型进行比较,分析SISP指数对作物病害遥感监测的有效性。【结果】(1)综合利用SIF和PRI数据能够提高对小麦条锈病的遥感探测精度,3组验证样本数据集中,以PRI和SIF的简单组合PRI+SIF为自变量构建的小麦条锈病监测模型,预测DI值与实测DI值间的R^(2)比单一PRI和SIF至少提高14.0%和1.7%,RMSE至少降低7.1%和3.7%。(2)利用反射率光谱指数NDVI和RDVI处理后的SIF和PRI构建的SISP指数,对小麦条锈病DI的预测精度优于直接利用PRI和SIF组合的各种指数,验证样本数据集中预测DI值与实测DI值间的R^(2)至少提高3.7%,RMSE至少降低9%。(3)以SISP和反射率光谱指数为自变量构建的小麦条锈病多元线性回归(multiple linear regression,MLR)和径向基神经网络(radial basis function neural network,RBFN)模型的精度,高于仅利用反射率光谱指数构建的模型精度,其预测DI值与实测DI值间的R^(2)分别较反射率光谱指数提高13.42%和5.72%,RMSE分别减少29.93%和19.24%,RPD分别提高44.53%和29.80%。【结论】利用NDVI和RDVI处理后的SIF和PRI构建SISP指数,能够减弱作物群体生物量对冠层SIF和PRI信号的影响,提高小麦条锈病的遥感监测精度。
