《RSE》--基于Cubert框幅式高光谱成像仪优化行栽作物叶片叶绿素含量监测

2024-07-31280

点击上方蓝字关注我们

通过弱化冠层结构效应和调整高光谱数据采集时间优化行栽作物叶片叶绿素含量监测

英文：Improved estimation of leaf chlorophyll content of row crops from canopy reflectance spectra through minimizing canopy structural effects and optimizing off-noon observation time

研究单位

南京农业大学

多伦多大学

南京林业大学

摘要

叶片叶绿素含量（LCC）是衡量光合作用能力和氮素状况的关键指标。近年来，研究者们通过非破坏性的冠层反射光谱技术，成功估算出了这一含量。研究发现，冠层结构和太阳角度对冠层反射光谱产生了显著影响，尤其是在季节和昼夜循环中，阳光照射与阴影土壤背景不同的开放式行栽结构作物冠层。由于作物冠层反射特征在阴影土壤背景下几乎不受影响，因此，在土壤背景处于阴影条件下，估算LCC的准确性相对较高。然而，关于太阳角度、光谱观测时间以及冠层结构对行栽作物LCC估算的影响，目前尚缺乏深入了解。

该研究旨在确定最佳观测时间，减少冠层结构对行栽作物LCC估算的影响。首先利用叶片光学模型（PROSPECT-5B和PROSPECT-D）和冠层辐射传输模型（4SAIL和4SAIL-RowCrop），模拟四种典型行栽方向冠层反射光谱的季节和昼夜变化。此外，该研究提出了一种对叶面积指数（LAI）不敏感的叶绿素指数（LICI），以减轻冠层结构对LCC与LICI关系的影响。为校准冠层光谱模拟的半经验LCC~VI模型，对LICI和11个传统植被指数（VI）进行了研究。通过地面和无人机测量的高光谱数据集，评估了这些模型在LCC估算中的性能。

研究结果表明，在模拟和实测数据集中，LICI与LCC之间均呈现出良好的线性关系，且这些模型对LAI的敏感性可以忽略不计。与正午（12:00）左右的传统光谱测量相比，在15:00时进行观测可以优化LCC估算精度，从而最小化南北行作物方向阳光照射土壤的影响。采用PROSPECT-D和4SAIL-RowCrop组合校准的半经验LCC~LICI模型（LCC=52.85×LICI-16.71）在所有VIs中展现出最佳的估算精度，对于15:00时测得的地面和基于UAV的冠层高光谱数据，均方根误差（RMSE）分别为5.01ug/cm2和3.32ug/cm2。针对常用的南北行栽方向，该研究建议在正午之外进行光谱测量，以避免阳光照射的土壤暴露在传感器中。这些发现对于深入理解冠层结构和太阳角度对LCC估算的影响，以及促进作物叶绿素状态监测的光谱采样标准具有重要的指导意义。

研究数据

高光谱数据：高光谱数据由Cubert S185机载高速高光谱成像仪获取。该成像仪采用框幅式高光谱成像技术，能以更快的速度进行所有光谱通道同步成像，在1/1000秒内获得整个高光谱立方体数据，配套功能强大的测量及处理软件，快速获取大面积高光谱图像，影像具有厘米级地理坐标信息。

图1 Cubert S185高光谱相机所获取影像示意图

研究过程

图2 行栽作物方向、太阳天顶角和太阳方位角示意

表1 以往利用反射光谱估算行栽作物LCC的研究

图3 NS、NESW、WE和SENW四个方向行栽作物遮荫土壤日变化（9:00~15:00）

表2 PROSPECT-5B、PROSPECT-D、4SAIL和4SAILRowCrop模型输入参数设置

表3 LCC~VI模型校准中使用的数据集

表4 2018年田间试验地块设计和地面采样日期

图4 小麦和水稻叶片LCC与Dualex读数的关系

表5 该研究中使用的植被指数（R_λ和D_λ分别表示λ波段的反射率和一阶导数）

图5 （A）SAIL-P5B、（B）SAIL-PD、（C）RowSAIL-P5B和（D）RowSAIL-PD模拟LCC和VIs之间的关系

图6 SAIL-PD与RowSAIL-PD模拟的AIVI与LCC之间关系的季节性与昼夜变化

图7 使用RowSAIL-PD模拟并用Syn#1（见表3）校准后的LCC~VI关系

图8 LAI对LCC与VIs关系的影响

图9 （A）LAI与LCC之间的关系；（B）所有样本LCC~VI和LAI~VI的R²；（C~D）和（E~F）与（A~B）相似，但分别针对LAI在2~3范围内和LCC在45~55ug/cm²范围内的样本子集

图10 基于RowSAIL-PD模拟并用Syn#1（见表3）校准的VI模型估算的LCC与实测LCC的散点图

表6 表3中不同数据集RowSAIL PD模拟校准的LCC~LICI模型精度

图11 利用S185高光谱数据基于RowSAIL-PD模拟并用Syn#1（见表3）校准的VI模型估算的LCC与实测LCC的散点图

图12 SAIL-P5B、RowSAIL-P5B、SAIL-PD和RowSAIL-PD模拟校准的LCC~VI模型比较

图13 SAIL-P5B、RowSAIL-P5B、SAIL-PD和RowSAIL-PD模拟校准的LCC~VI模型15:00时光谱RMSE比较

研究结论

该研究调查了冠层结构和太阳角度效应（或观测时间）对行栽作物冠层反射率和叶片叶绿素含量（LCC）估算的影响。由于行栽作物的特殊结构，观测到的阳光照射土壤在特定时间可以达到最大或最小值。基于这一特征，本研究提出选择合适的观测时间进行冠层光谱测量，以减少观测到的阳光照射土壤占比，从而提高LCC估算的准确性。基于4SAIL和4SAIL-RowCrop模型模拟了四种典型的作物行栽方向（南北、东北西南、东西、西北东南）。对于南北方向，阳光照射土壤在正午时最大，而在非正午时间减少。因此，LCC估算的准确性在正午时最差，在非正午时间最佳。为了减少土壤效应提高LCC估算，该研究建议对于南北方向的行栽作物，在非正午时间（例如15:00时）进行光谱测量。至于其他作物行栽方向，最佳观测时间取决于地理位置和季节，可以根据实际情况确定。通过提出的指数LICI，使用RowSAIL-PD模拟校准的LCC~LICI模型通过地面和无人机高光谱数据集进行了验证。与11个传统植被指数相比，LICI在地面和无人机平台上于15:00时测量的冠层光谱显示出最低的均方根误差，分别为5.01ug/cm2和3.32ug/cm2。总体而言，基于LICI的半经验模型（LCC=52.85×LICI-16.71）可以应用于大面积的LCC制图和精准农业中的氮肥管理。此外，该研究提高了我们对太阳角度或观测时间对行栽作物LCC估算影响的理解，并为野外光谱反射率采集提出了新见解。

原文链接：

https://doi.org/10.1016/j.rse.2020.111985

END

X20P-LIR一体式

多源遥感系统

X20P-LIR一体式多源遥感系统是一款多功能无人机遥感设备，集激光雷达、热红外及高光谱成像为一体，实时同步获取激光雷达、红外及高光谱图像数据。主要功能包括：基于光场技术的高光谱成像，光谱范围350~1000nm、5MP高清全色相机、测距达450m（@80%Ref）的固态激光雷达、大面阵高精度热红外成像；主机内置控制系统、高精度惯导及固态存储，整机重量轻、操作简单，适合M300/M350 RTK无人机搭载使用。

是国家高新技术企业，拥有多项发明专利及著作软件，并通过ISO9001质量管理体系认证。我们专注于遥感技术领域高端科研设备及服务十余年，已为国内数百家科研单位及高校提供了各种遥感设备及技术支持，服务范围遍布全国。愿与遥感领域的各科研单位及高校建立长期合作关系，为科研人员提供真正有价值的无人机遥感设备和全面而专业的技术服务！

总部地址：

北京市海淀区信息路2号浪潮信息大厦C座710

全国服务电话：4006-507-608

网址： www.azup.cn

E-mail：info@azup.cn

各地办公室

上海办：021-54155790 sh@azup.cn

广州办：020-28171197 gz@azup.cn

武汉办：027-87336236 wh@azup.cn

西安办：029-81545954 xa@azup.cn

往期推荐

《Computers and Electronics in Agriculture》--基于无人机高光谱数据估算马铃薯地上生物量

《Environmental Pollution》--基于高光谱数据的水稻叶片镉-铅共累积量诊断与检测

《REMOTE SENS ENVIRON》--基于S185高光谱数据消除冠层光谱土壤背景影响实现叶片叶绿素含量监测

上一篇：《Journal of Hazardous Materials》--基于Cubert框幅式高光谱成像仪识别城市水污染源类型

下一篇：《Computers and Electronics in Agriculture》--基于无人机高光谱数据估算马铃薯地上生物量