遥感技术是精确获取农田环境和农作物长势信息的现代手段。本书针对西北地区主要粮食作物冬小麦，依据田间试验，将试验观测数据与地面高光谱影像、无人机高光谱影像和卫星多光谱影像等多源遥感数据相结合，进行冬小麦叶片、冠层和地块尺度的长势监测。主要内容包括：冬小麦长势遥感监测试验设计与数据测定、处理方法，冬小麦理化参数及其高光谱特性分析，叶绿素、花青素、含水量、叶面积指数、大量营养元素含量的地面高光谱估算模型和UHD高光谱影像遥感反演，叶绿素和花青素的SOC高光谱建模与填图，多光谱卫星数据的冬小麦叶片叶绿素和氮含量估算与遥感制图。
样章试读
目录
- 目录
第1章 冬小麦遥感监测试验设计与方法 1
1.1 试验设计 1
1.1.1 研究区概况 1
1.1.2 田间试验设计 2
1.1.3 大田试验设计 2
1.1.4 田间观测项目和时间设计 3
1.2 冬小麦叶片和冠层光谱及其图像信息采集 4
1.2.1 非成像高光谱信息采集 4
1.2.2 近地成像高光谱信息采集 5
1.2.3 无人机成像高光谱信息获取 6
1.2.4 卫星多光谱信息获取 7
1.3 冬小麦生物理化参数测定 7
1.3.1 叶片叶绿素含量测定 7
1.3.2 叶片花青素含量测定 7
1.3.3 植株含水量测定 7
1.3.4 营养元素含量测定 8
1.3.5 叶面积指数测量 8
1.3.6 生长状况观测 8
1.4 光谱数据处理 9
1.4.1 高光谱数据预处理 9
1.4.2 高光谱数据变换 10
1.4.3 卫星多光谱数据预处理 11
1.5 光谱特征参数提取 12
1.5.1 光谱位置、面积特征参数 12
1.5.2 吸收特征参数 14
1.5.3 常用植被指数 14
1.5.4 特定参数敏感光谱指数 17
1.5.5 连续投影算法特征波段提取 17
1.5.6 小波变换特征参数提取 18
1.6 数据分析与建模方法 19
1.6.1 普通回归 19
1.6.2 偏最小二乘回归 20
1.6.3 支持向量机回归 20
1.6.4 随机森林回归 21
1.6.5 人工神经网络建模 23
1.6.6 模型精度检验 24
第2章 冬小麦理化参数及其高光谱特征 26
2.1 不同生育期冬小麦理化参数变化 26
2.1.1 叶片色素含量 26
2.1.2 叶面积指数 27
2.1.3 大量营养元素含量 28
2.2 不同生育期冬小麦叶片高光谱特征 29
2.2.1 叶片光谱反射率 29
2.2.2 光谱红边特征 32
2.3 不同生育期冬小麦冠层高光谱特征 33
2.3.1 冠层光谱反射率 33
2.3.2 冠层光谱红边特征 34
2.4 不同施氮水平冬小麦冠层光谱特征 35
2.5 不同叶片氮含量的冬小麦冠层光谱特征 36
2.6 结论 37
第3章 冬小麦叶绿素含量高光谱估算 39
3.1 冬小麦叶片叶绿素含量高光谱估算 39
3.1.1 不同叶绿素含量叶片光谱特征 40
3.1.2 基于特征光谱的叶片叶绿素含量反演 42
3.1.3 基于光谱参数的叶片叶绿素含量反演 48
3.2 冬小麦冠层叶绿素含量高光谱估算 53
3.2.1 不同叶绿素含量冠层光谱特征 53
3.2.2 基于特征光谱的冠层叶绿素含量反演 55
3.2.3 基于光谱参数的冠层叶绿素含量反演 61
3.3 结论 65
第4章 冬小麦花青素含量高光谱估算 67
4.1 冬小麦叶片花青素含量高光谱估算 67
4.1.1 不同花青素含量叶片光谱特征 68
4.1.2 基于特征光谱的叶片花青素含量反演 69
4.1.3 基于光谱参数的叶片花青素含量反演 74
4.2 冬小麦冠层花青素含量高光谱估算 78
4.2.1 不同花青素含量的冠层光谱特征 79
4.2.2 基于特征光谱的冠层花青素含量反演 80
4.2.3 基于光谱参数的冠层花青素含量反演 85
4.3 结论 88
第5章 冬小麦叶面积指数高光谱估算 90
5.1 LAI数据统计描述 90
5.2 不同LAI的冠层光谱特征 91
5.3 LAI高光谱估算 92
5.3.1 基于特征光谱的LAI反演 92
5.3.2 基于光谱参数的LAI反演 97
5.4 结论 102
第6章 冬小麦叶片氮素含量高光谱估算 103
6.1 冠层光谱与叶片氮含量的相关性分析 103
6.2 基于“三边”参数的叶片氮含量估算 106
6.2.1 “三边”参数与叶片氮含量的相关性分析 106
6.2.2 红边位置与叶片氮含量的关系 108
6.2.3 基于“三边”参数的叶片氮含量估算 110
6.3 基于光谱吸收特征参数的叶片氮含量估算 111
6.3.1 400 ～770nm连续统去除光谱对叶片氮含量的响应 111
6.3.2 吸收特征参数与叶片氮含量的相关分析 111
6.3.3 基于敏感波段的叶片氮含量估算与检验 112
6.3.4 基于吸收特征参数的叶片氮含量估算与检验 113
6.4 基于光谱指数的叶片氮含量估算 115
6.4.1 基于光谱指数的叶片氮含量估算 115
6.4.2 基于任意两波段组合光谱指数的叶片氮含量估算 118
6.5 基于离散小波多尺度分解的叶片氮含量估算 124
6.5.1 离散小波分析方法及实现 124
6.5.2 小波母函数和分解尺度的确定 125
6.5.3 基于PLSR的叶片氮含量高光谱估算 128
6.5.4 基于RF的叶片氮含量高光谱估算 132
6.6 基于人工神经网络的冬小麦氮素含量估算 134
6.6.1 基于BP神经网络的冬小麦氮素含量估算 134
6.6.2 基于RBF神经网络的冬小麦氮素含量估算模型及检验 139
6.6.3 模型精度对比 142
6.7 结论 144
第7章 冬小麦植株氮磷钾元素含量高光谱估算 147
7.1 植株氮磷钾含量统计 147
7.2 不同N、P、K含量的冠层光谱特征 148
7.3 植株N、P、K含量高光谱估算 150
7.3.1 基于特征光谱的N、P、K含量估算 150
7.3.2 基于光谱参数的N、P、K含量反演 154
7.4 结论 159
第8章 冬小麦植株含水量高光谱估算 160
8.1 植株含水量变化 160
8.2 植株含水量的冠层光谱响应 161
8.3 植株含水量的高光谱估算模型 164
8.3.1 植株含水量的高光谱估算 164
8.3.2 植株含水量估算模型检验 165
8.4 结论 166
第9章 近地高光谱影像冬小麦理化参数反演 167
9.1 叶片和植株的近地高光谱影像获取与处理 167
9.1.1 近地成像光谱仪介绍与测量试验 167
9.1.2 SOC高光谱影像处理 168
9.1.3 SOC影像光谱特征及精度验证 169
9.2 叶片和植株不同部位光谱特征分析 170
9.3 基于SOC影像的叶片SPAD值和Anth值估算模型构建 171
9.3.1 叶片SPAD 值和Anth值与SOC影像光谱参数相关性分析 171
9.3.2 基于SOC影像光谱参数的冬小麦理化参数估算模型 172
9.4 SOC高光谱影像冬小麦SPAD值和Anth值反演 172
9.5 结论 174
第10章 无人机高光谱影像冬小麦长势监测 176
10.1 低空无人机影像获取与处理 176
10.1.1 低空无人机成像光谱仪介绍及飞行试验 176
10.1.2 UHD 高光谱影像处理 177
10.1.3 UHD 影像光谱特征及精度验证 177
10.2 基于UHD高光谱影像的冬小麦农学参数估算模型构建 179
10.2.1 冬小麦农学参数与UHD影像光谱参数相关性分析 179
10.2.2 基于UHD影像光谱参数的冬小麦农学参数估算模型 180
10.3 基于UHD高光谱影像的冬小麦农学参数反演 181
10.4 结论 186
第11章 GF-1号卫星影像冬小麦叶片SPAD 遥感反演 187
11.1 材料与方法 187
11.1.1 冠层光谱和SPAD采集 187
11.1.2 遥感数据预处理 188
11.1.3 植被指数选择 188
11.1.4 数据分析方法 189
11.2 SPAD 值与植被指数的相关性分析 189
11.3 冬小麦叶片SPAD反演模型构建 191
11.4 冬小麦SPAD 估算模型检验 192
11.5 GF-1号卫星影像数据区域冬小麦SPAD 反演 195
11.6 结论 196
第12章 多光谱卫星影像冬小麦叶片氮含量估算 198
12.1 模拟GF-1多光谱卫星反射率的叶片氮含量估算 199
12.1.1 模拟GF-1多光谱卫星光谱反射率 199
12.1.2 光谱指数筛选 200
12.1.3 基于光谱指数的叶片氮含量估算 202
12.2 不同卫星传感器模拟光谱比较 206
12.3 基于光谱指数的叶片氮含量通用模型构建 208
12.3.1 基于光谱指数的叶片氮含量通用模型构建 208
12.3.2 SI-LNC估算模型的敏感性分析 209
12.3.3 叶片氮含量估算模型检验 211
12.4 GF-1号卫星数字影像LNC反演制图 212
12.5 结论 213
参考文献 214
京公网安备 11010102004214号