基于高光谱遥感的沉香冠层重要参数估测研究

doi:10.13466/j.cnki.lyzygl.2022.04.018

林业资源管理 ›› 2022›› Issue (4): 141-147.doi: 10.13466/j.cnki.lyzygl.2022.04.018

基于高光谱遥感的沉香冠层重要参数估测研究

陈小花¹^,²(), 陈宗铸¹^,²(), 雷金睿¹^,², 吴庭天¹^,², 李苑菱¹^,²

1.海南省林业科学研究院(海南省红树林研究院),海口 571100
2.海口市湿地保护工程技术研究开发中心,海口 571100

收稿日期:2022-06-14 修回日期:2022-07-06 出版日期:2022-08-28 发布日期:2022-10-13
通讯作者: 陈宗铸
作者简介:陈小花(1989-),女,海南屯昌人,助理研究员,研究方向为森林生态。Email: 965819833@qq.com.
基金资助:
海南省林业科学研究院科技创新基金项目“基于多光谱和高光谱遥感数据的沉香主要生长参数反演”(CXJJ-2020-02)

Estimation of Important Canopy Parameters of Agarwood Based on Hyperspectral Remote Sensing

CHEN Xiaohua¹^,²(), CHEN Zongzhu¹^,²(), LEI Jinrui¹^,², WU Tingtian¹^,², LI Yuanling¹^,²

1. Hainan Academy of Forestry(Hainan Academy of Mangrove),Haikou 571100,China
2. Haikou Wetland Protection Engineering Technology Research and Development Center,Haikou 571100,China

Received:2022-06-14 Revised:2022-07-06 Online:2022-08-28 Published:2022-10-13
Contact: CHEN Zongzhu

摘要/Abstract

摘要：

利用高光谱遥感手段构建沉香叶绿素含量和叶面积指数反演模型,是实现沉香树长势及健康状况精准诊断的关键。以沉香试验小区为基础,测定了6a生沉香树冠层光谱反射率及其对应的叶绿素含量和叶面积指数。结果表明:1)沉香树冠层光谱反射率与沉香树叶绿素含量和叶面积指数之间存在一定相关性,相关性因参数不同而存在差异;2)相关性分析表明,叶绿素含量与红外波段(760,761,759,765,764nm)处的光谱反射率关系最为密切,叶面积指数与红外波段(778,777,779,776,782nm)处的光谱反射率关系最为密切;3)相较于植被指数和特征波段拟合效果,得出基于BP神经网络建立的叶绿素含量和叶面积指数回归模型预测效果最好。总体认为高光谱技术结合BP神经网络法可以很好地监测沉香叶绿素含量和叶面积指数等参数值动态变化。

关键词: 高光谱, BP神经网络, 叶绿素含量, 沉香

Abstract:

The use of hyperspectral remote sensing to construct an inversion model of agarwood chlorophyll content and leaf area index is the key to accurate diagnosis of agarwood tree growth and health.Based on the experimental plot of agarwood,the spectral reflectance of the canopy of 6-year-old agarwood and its corresponding chlorophyll content and leaf area index were measured.The result shows:1)There was a certain correlation between the spectral reflectance of agarwood canopy and the chlorophyll content and leaf area index of agarwood leaves,and the correlation varied with different parameters;2)Correlation analysis showed that the chlorophyll content was the most closely related to the spectral reflectance in the infrared bands (760,761,759,765,764 nm),and the leaf area index was closely related to the spectral reflectance in the infrared band (778,777,779,776,782 nm);3)Compared with the fitting effect of vegetation index and characteristic band,it was concluded that the regression model of chlorophyll content and leaf area index based on neural network had the best prediction effect.Therefore,it is believed that hyperspectral technology combined with BP neural network method can monitor the dynamic changes of parameters well,such as chlorophyll content and leaf area index in agarwood.

Key words: hyperspectral, BP neural network, chlorophyll content, agarwood

中图分类号:

S771.8

陈小花, 陈宗铸, 雷金睿, 吴庭天, 李苑菱. 基于高光谱遥感的沉香冠层重要参数估测研究[J]. 林业资源管理, 2022,(4): 141-147.

CHEN Xiaohua, CHEN Zongzhu, LEI Jinrui, WU Tingtian, LI Yuanling. Estimation of Important Canopy Parameters of Agarwood Based on Hyperspectral Remote Sensing[J]. FOREST RESOURCES WANAGEMENT, 2022,(4): 141-147.

图/表 7

图1

图2

图3

图4

图5

表1

图6

参考文献 25

[1]	陈春玲, 金彦, 曹英丽, 等. 基于GA-BP神经网络高光谱反演模型分析玉米叶片叶绿素含量[J]. 沈阳农业大学学报, 2018, 49(5):626-632.
[2]	徐新刚, 赵春江, 王纪华, 等. 新型光谱曲线特征参数与水稻叶绿素含量间的关系研究[J]. 光谱学与光谱分析, 2011, 31(1):188-191.
[3]	赵春江. 农业遥感研究与应用进展[J]. 农业机械学报, 2014, 45(12):277-293.
[4]	张玥, 田园盛, 孙文义, 等. 高光谱研究不同施肥条件对冬小麦冠层光谱的影响[J]. 光谱学与光谱分析, 2020, 40(2):535-542.
[5]	张东彦, 刘镕源, 宋晓宇, 等. 应用近地成像高光谱估算玉米叶绿素含量[J]. 光谱学与光谱分析, 2011, 31(3):771-775.
[6]	梁亮, 杨敏华, 张连蓬, 等. 基于SVR算法的小麦冠层叶绿素含量高光谱反演[J]. 农业工程学报 2012, 28(20):162-171.
[7]	宋开山, 张柏, 李方, 等. 玉米叶绿素含量的高光谱估算模型研究[J]. 作物学报, 2005(8):1095-1097.
[8]	魏青, 张宝忠, 魏征, 等. 基于无人机多光谱遥感的冬小麦冠层叶绿素含量估测研究[J]. 麦类作物学报, 2020, 40(3):365-372.
[9]	刘京, 常庆瑞, 刘淼, 等. 基于SVR算法的苹果叶片叶绿素含量高光谱反演[J]. 农业机械学报, 2016, 47(8):260-272.
[10]	谢传奇, 何勇, 李晓丽, 等. 基于高光谱技术的灰霉病胁迫下番茄叶片SPAD值检测方法研究[J]. 光谱学与光谱分析, 2012, 32(12):3324-3328.
[11]	周春艳, 华灯鑫, 乐静, 等. 基于神经网络的叶绿素含量精细测量建模方法研究[J]. 光谱学与光谱分析, 2015, 35(9):2629-2633.
[12]	Schlemmer M, Gitelson A, Schepers J, et al. Remote estimation of nitrogen and chlorophyll contents in maize at leaf and canopy levels[J]. International Journal of Applied Earth Observation & Geoinformation, 2013, 25(4):47-54.
[13]	Ciganda V, Gitdlson A, Schepers J. Non-destructive determination of maize leaf and canopy chlorophyll content[J]. Journal of Plant Physiology, 2009, 166:157-167. doi: 10.1016/j.jplph.2008.03.004 pmid: 18541334
[14]	陈春玲, 金彦, 曹英丽, 等. 基于GA-BP神经网络高光谱反演模型分析玉米叶片叶绿素含量[J]. 沈阳农业大学学报, 2018, 49(5):626-632.
[15]	张楠楠, 张晓, 姚娜, 等. 塔里木河流域上游胡杨叶面积指数高光谱遥感反演方法对比[J]. 江苏农业科学, 2018, 46(8):216-221.
[16]	王强, 舒清态, 罗洪斌, 等. 基于机载LiDAR和光学遥感数据的热带橡胶林叶面积指数反演[J]. 西北林学院学报, 2020, 35(4):132-139.
[17]	于跃, 于海业, 李晓凯, 等. 优化光谱指数建立水稻叶片SPAD的高光谱反演模型[J]. 光谱学与光谱分析, 2022, 42(4):1092-1097.
[18]	崔小涛, 常庆瑞, 屈春燕, 等. 基于高光谱和MLSR-GA-BP神经网络模型油菜叶片SPAD值遥感估算[J]. 东北农业大学学报, 2020, 51(8):74-84.
[19]	彭晓伟, 张爱军, 杨晓楠, 等. 谷子叶绿素含量高光谱特征分析及其反演模型构建[J]. 干旱地区农业研究, 2022, 40(2):69-77.
[20]	王克晓, 周蕊, 李波, 等. 基于高光谱的油菜叶片SPAD值估测模型比较[J]. 福建农业学报, 2021, 36(11):1272-1279.
[21]	林杰, 潘颖, 杨敏, 等. 1988—2013年基于BP神经网络的植被叶面积指数遥感定量反演[J]. 生态学报, 2018, 38(10):3534-3542.
[22]	向洪波. 基于BP神经网络森林叶面积指数估算研究[D]. 重庆: 西南大学, 2009.
[23]	田明璐, 班松涛, 常庆瑞, 等. 基于低空无人机成像光谱仪影像估算棉花叶面积指数[J]. 农业工程学报, 2016, 32(21):102-108.
[24]	刘燕德, 孙旭东, 陈兴苗. 近红外漫反射光谱检测梨内部指标可溶性固性物的研究[J]. 光谱学与光谱分析, 2008, 28(4):797-800.
[25]	蒋焕煜, 应义斌. 尖椒叶片叶绿素含量的近红外检测分析实验研究[J]. 光谱学与光谱分析, 2007, 27(3):499-502.

LAI	EVI	NDCI	GNDVI
4.61	2.462262	0.654034	0.762188
4.65	2.432779	0.412243	0.676337
5.04	2.419685	0.584021	0.806317
4.81	2.357715	0.573700	0.773566
4.82	2.443164	0.564046	0.741802
4.89	2.395841	0.733411	0.770474
3.42	2.436051	0.607318	0.764438
4.33	2.163539	0.547965	0.720736
5.00	2.37277	0.550691	0.717657
4.27	2.244492	0.416639	0.711441
1.42	1.977907	0.541145	0.639517
0.64	1.977251	0.529077	0.682979
2.00	1.818193	0.468116	0.701627
2.54	1.622358	0.394103	0.577342
2.42	2.016505	0.517027	0.684575
2.27	1.971572	0.477462	0.685837
2.99	1.670425	0.373463	0.642381
2.28	1.830908	0.464555	0.706948
2.28	1.827223	0.464008	0.646597
1.80	2.013667	0.499869	0.645280

基于高光谱遥感的沉香冠层重要参数估测研究

Estimation of Important Canopy Parameters of Agarwood Based on Hyperspectral Remote Sensing

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 7

参考文献 25

相关文章 11

编辑推荐

Metrics

本文评价

[1]	张方兰, 吴少忠, 徐建辉, 沙林华, 黎肇家, 方发之. 不同郁闭度橡胶林对套种土沉香幼树生长特性的影响[J]. 林草资源研究, 2024, 0(1): 143-150.
[2]	李志, 周慧娜, 王言歌, 刘震, 王艳梅, 李明婉, 毕会涛. 不同施肥措施对美国木豆树苗木生长特性的影响[J]. 林业资源管理, 2023, 0(1): 94-103.
[3]	张家琦, 郑冬梅, 朱凯. 干旱胁迫对沙米叶片结构性状与光合色素含量的影响[J]. 林业资源管理, 2022, 0(2): 157-163.
[4]	谭德宏, 舒清态, 赵洪莹, 王柯人, 袁梓健. 基于遗传算法优化BP神经网络模型估测高山松叶面积指数[J]. 林业资源管理, 2020, 0(5): 123-130.
[5]	马鸿伟, 刘海, 姚顺彬, 周蔚. 基于林业遥感的树种分类应用分析与展望[J]. 林业资源管理, 2020, 0(3): 118-121.
[6]	韩爽, 甄艳, 谭清梅, 刘玉卿, 张华兵. 盐城海滨湿地植被地上生物量遥感反演研究[J]. 林业资源管理, 2018, 0(4): 105-111.
[7]	王胜, 潘洁, 张衡, 廖振峰, 顾晓丽. 基于高光谱遥感影像的森林病虫害监测研究进展[J]. 林业资源管理, 2014, 0(3): 134-140.
[8]	孟伟, 陈彩虹, 陈望雄, 陆禹, 吴疆. 基于BP神经网络的东洞庭湖区域森林生态系统健康预警研究[J]. 林业资源管理, 2013, 0(3): 74-77.
[9]	费鲜芸, 张志国, 卢霞, 高祥伟, 何润昭. 麻栎叶片含水率与水分指数关系分析[J]. 林业资源管理, 2010, 0(5): 55-60.
[10]	曾庆伟, 武红敢. 基于高光谱遥感技术的森林树种识别研究进展[J]. 林业资源管理, 2009, 0(5): 109-114.
[11]	张彦林, 冯仲科, 杨伯钢, 马友平, 姚山. LIDAR技术在林业调查中的应用研究[J]. 林业资源管理, 2007, 0(6): 73-77.