选取石羊河流域下游民勤10种 典型荒漠植物进行地面反射光谱测定,通过分析荒漠植物光谱特征、红边参数及对比荒漠植物与农作物光谱数据,提取荒漠植物识别的波段和所需波段光谱分辨率。 结果表明:1)10种荒漠植物具有相似的光谱曲线形状,但是不同荒漠植物种由于叶子的组织结构、色素含量和含水量不同,使得反射率大小又具有各自的特 点;5个波段区间光谱曲线差异显著,用于识别荒漠植物。2)荒漠植物红边位置都靠近长波方向;沙蒿的红边幅值最大,锦鸡儿最小;沙拐枣的红边面积最大,泡 泡刺最小。3)荒漠植物光谱反射特征在680nm、970nm、1450nm和2190nm附近与农作物有较大差异,光谱分辨率在可见光和近红外波段需要 30nm或更窄,在中红外波段需要50nm或更窄。

使用美国SVC的HR-768便携光谱仪测定了古尔班通古特沙漠南缘和塔里木河中下游主要荒漠植物(共计25种)的高光谱(简称光谱)数据,利用去除包络线、光谱微分、特征波段提取、逐步回归、相关分析等方法,对所测荒漠植物的光谱曲线进行特征分析、参数提取以及荒漠植物光谱与含水率相关分析；采用回归分析方法,以荒漠植物光谱特征波段和对水分敏感波段的吸收深度对古漠南缘荒漠植物含水率进行反演,建立水分预测模型；利用水分敏感波段的吸收深度和吸收斜率对塔河中下游荒漠植物的含水率进行分析；建立了新疆荒漠植物波谱库。研究表明： (1)对所测荒漠植物光谱反射率与含水率的相关分析表明,在1450nm附近,荒漠植物光谱对水分吸收反映明显；荒漠植物1405nm～1646nm波段的光谱能有效地反映其含水率的大小,是荒漠植物对水分敏感的波段。 (2)对测定的荒漠植物光谱数据去包络线、倒数、对数以及一阶微分等变换后,确定了预测荒漠植物含水率的最佳模型,决定系数达到0.912,预测精度较高。 (3)对原始光谱数据进行归一化处理后,以1405nm～1534nm波段吸收深度构建荒漠植物水分预测模型,决定系数为0.928,根据该模型预测荒漠植物含水率,预测误差在-1.86%～2.84%之间。 (4)对原始光谱数据进行归一化处理后,根据1405nm～1534nm波段光谱反射率,采用聚类分析方法,将古漠南缘荒漠植物含水率划分成高、中、低三个等级,花花柴、骆驼蓬、虫实为较高等级；尖牻牛儿苗、梭梭、早熟猪毛菜为含水率中等,补血草、琉苞菊、小花荆芥为含水率较低。1405nm～1534nm波段的光谱能有效地对荒漠植物含水率进行等级划分。 (5)在无人为干扰的塔里木河下游,荒漠植物含水率的大小与地下水埋深变化趋势相一致,随地下水埋深降低(离河距离增加)植物含水率下降的趋势主要反映在1450nm附近水分吸收谷波段。 (6)荒漠植物含水率在其光谱敏感波段起终点的斜率和1450nm波段附近水分吸收谷深度的大小能有效地反映荒漠植物含水率的高低。

通过大型蒸渗仪和植物径流测定系统对民勤绿洲5种主要防风固沙植物单株生态需水进行了测定,并结合G IS和野外调查,确定不同植被类型的面积、生态需水定额和生态需水量;通过天然降水与生态需水的耦合,分析了不同植被类型生态需水的时空变化规律。研究表明,5种植物年平均单株最大生态需水定额分别为:沙枣1597.4 mm、新疆杨806.77 mm、梭梭534.05 mm、柽柳426.76 mm、白刺318.83 mm;5种植被年最大生态需水总量为2.29×108m3;实际生态需水量分别为:新疆杨0.29×108m3、沙枣0.69×108m3、梭梭0.44×108m3、柽柳0.05×108m3、白刺0.02×108m3,总实际生态需水量1.49×108m3,减去0.35×108m3有效天然降水用于植被生态需水,另需1.14×108m3的生态需水,占民勤绿洲总用水量的14.92%;降水高峰期与植被生态需水的高峰期一致,主要集中于6,7,8,9四个月,分别占全年的74.1%和77.25%;有效降水对杨树、沙枣、梭梭、柽柳和白刺生态需水的贡献率分别为8.59%,10.29%,43.25%,58.4%和196%。

摘　要： 为研究围栏封育对伊犁绢蒿(Seriphidium transiliense)荒漠草地的改善情况,利用便携式光谱仪对不同封育年限的围栏内外实测的半灌木伊犁绢蒿、一年生草本叉毛蓬(Petrosimonia sibirica)和短命植物涩芥(Malcolmia maritima)的高光谱数据进行分析。结果表明,伊犁绢蒿、叉毛蓬和涩芥三者在可见光波段具有明显的差异性,与植物生态生理特征有关,可利用350~680 nm内三者光谱反射率的差异进行区分;伊犁绢蒿的红边斜率在不同封育年限下均表现为围栏内大于围栏外,而叉毛蓬的红边斜率表现为围栏内小于围栏外,涩芥在平台处光谱和红边特征上与其生理生态特征无明显相关性。

摘　要： 适宜的光谱指数对于地表参数高光谱诊断模型的估算精度具有决定性作用。通过不同棉花冠层水分 含量表征参数冠层等效水厚度EWTcanopy植株含水量VWC及其对应的光谱数据分析，构建350-2500nm范围内所有波段两两组合的比值指数 RVI和归一化指数NDVI，分析水分含量表征参数与所有指数之间的相关关系，筛选最大相关系数对应的指数作为最佳水分指数，利用新指数构建水分含量表征 参数的估算模型，并与已知的各种水分指数估算精度进行比较。结果表明：新建比值指数R1475／R1424及其归一化指数（R1475— R1424）／（R1476＋R1424）对EWTcanopy的估算效果最佳，由其得到的估算值与实测值之间的相关系数r值达到0．849；已知指数 （R835—R1650）／（R885＋R1650）对VWC的估算效果最佳，由其得到估算值与实测值之间的相关系数r值为0．805。

植被对区域生态环境保护具有重要意义,尤其是在荒漠-绿洲交错地带,植被对土壤保持、提高土地的抗剪切性能有重要意义,对土壤风蚀和荒漠化防治的影响作用较大,利用高光谱技术测定并分析荒漠-绿洲交错带典型植被的光谱特性,不仅能够指导区域的植被遥感分类,还能够对植被实行远程监控提供依据。研究借助美国Field Spec 4高分辨率地物光谱仪,在研究区采集棉花、柽柳、梭梭和盐穗木等四种典型植被不同条件下的光谱数据,在对数据进行归类、筛选及综合处理后,分别对原始数据进行FDR(一阶导数反射率)和RLR(倒数取对数反射率)变换。利用原始数据、FDR和RLR分别分析不同植物的光谱敏感波段和表达方式。结果表明:植物的光谱曲线具有类似的变化特征,植被种类不同在"红边"区和近红外780~1 260nm波段的表达方式区别较大;植物对可见光的吸收非常强烈,对不同波长的光吸收强弱变化会形成波峰和波谷;植物红边特征具有特殊性,蕴含植物自身的特有信息,三种方式的处理结果显示,光谱特征在经FDR计算后,植物光谱红边特征区差异性非常明显;利用三种不同方式处理后的光谱数据,分别来计算改进的植物NDVI值,经RLR变换后重新计算得到的NDVI值在植物不同种之间表现出较大差别,用于植物种类区分的效果明显。

Quantitative estimation of vegetation water content with hyperspectral remote sensing technique is of great significance for vegetation physiological status and growth trend monitoring. It also provides a theoretical foundation for actual application of vegetation water content diagnosis using hyperspectral remote sensing images in Wild Duck Lake wetland. The hyperspectral reflectance and corresponding water content of canopy and leaf of typical wetland vegetation were measured by Field-Spec 3 wild high-spectrum radiometer. We used reed as an example to prove the response mode of the spectral reflectance in different water content levels. Then the correlation among water content, trilateral parameters,and hyperspectral vegetation index and hyperspectral estimation models were obtained by using regression and correlation analysis in canopy and leaf levels. In additiona, we made use of Three K-fold Cross Validation to test and inspect the hyperspectral estimation models. The results show: a)The canopy and leaf spectral reflectance of reed in visible bands (350-760nm) and infrared bands (760-2500nm) reflectivity tends to reduce gradually. b) We found strong correlation between the selected spectrum characteristic parameters and different water content scales. For trilateral parameters, they show significant correlation with a maximum correlation coefficient of 0.906. For the hyperspectral vegetation index, they all show significant correlation, with a minimum correlation coefficient of 0.455 and a maximum of 0.919. Based on the trilateral parameters and hyperspectral vegetation index, we choose the spectrum characteristic parameters that have the best correlation in different scales to construct the water content estimation models. SDy and simple ratio water index have the best effect at canopy level; the best models are evaluated and validated as y =-9.462 x 2 -2.671 x +0.608 and y =0.219e 1.010x , respectively. SDr and water index have the best effect at leaf level; the best models are evaluated and validated as y =0.562 x +0.376 and y =2.028 x 2 -0.476 x -1.009, respectively. According to Three K-fold Cross Validation examination, these estimation models have the satisfactory prediction accuracy, with a minimum prediction accuracy of 94.92% and a maximum of 97.06%. Those results indicate that the parameters adopt in this paper have great reliability and applicability for water content estimation. c) We make use of the hyperspectral remote sensing to analyzee and estimate wetland vegetation water content, and this method is a new nondestructive testing technology. Compared to the traditional physiological and biochemical analysis method in the laboratory, the remote sensing method not only gets non-point source information, but also reduces the analysis cost greatly, and greatly improves the efficiency of the analysis. The hyperspectral vegetation index has a higher degree of fitting than the trilateral parameters, so the spectrum characteristic parameters of band combination are more suitable for water content discrimination. d) For future research, we need to analyze further and systematically the relationship between spectral indexes and water content, and between the spectral indexes and any single band or combination of two bands in ratio (SD) and the normalized (ND) from 350 to 2500 nm. We plan to use the special handheld blade spectrum detectors to determine the leaf spectral reflectance, so that the reliability and accuracy of estimation model will be further enhanced.

利用高光谱遥感技术定量估测野鸭湖湿地植被含水量,对于监测和诊断野鸭湖湿地植被的生理状况及生长趋势具有重要意义,也能够为高光谱遥感影像在野鸭湖湿地植被含水量诊断中的实际应用提供理论依据和技术支持。采用Field Spec 3野外高光谱辐射仪,获取了野鸭湖典型湿地植被冠层和叶片的光谱,并测定了对应的含水量。以上述实测数据为基础,首先以芦苇为例初步探明了不同含水量水平下典型湿地植被冠层和叶片光谱反射率的响应模式,然后采用相关性及单变量线性与非线性拟合分析技术,从冠层和叶片两种层次,对不同尺度下的含水量与"三边"参数及高光谱植被指数进行了分析拟合,并采用交叉检验中的3K-CV方法对估算模型进行了测试和检验,确立了不同尺度下野鸭湖湿地植被含水量的定量监测模型。结果表明:(1)随着含水量水平的增加,芦苇冠层与叶片光谱在可见光波段(350-760 nm)和红外波段(760-2500 nm)的反射率均呈逐渐降低趋势。(2)不同尺度含水量与选取的光谱特征参数整体上相关性较强,与"三边"参数基本上都呈极显著相关,相关系数最大达到0.906;与高光谱指数全部呈极显著相关,相关系数最小为0.455,最大达到0.919,并通过选取不同尺度上相关性最佳的光谱特征参数,分别基于"三边"参数和高光谱植被指数构建了不同尺度下的含水量估算模型。其中,冠层尺度下,黄边面积(SDy)与SRWI(Simple Ratio Water Index)的估算效果最好,估算模型分别为 y =-9.462 x 2 -2.671 x +0.608和 y =0.219e 1.010 x ;叶片尺度下,红边面积(SDr)与WI(Water Index)的估算效果最好,估算模型分别为 y =0.562 x +0.376和 y =2.028 x 2 -0.476 x -1.009。通过3K-CV的交叉验证,不同尺度下的含水量估算模型均取得了较为理想的预测精度,预测精度的最小值为94.92%,最大值为97.06%,表明估测模型具有较高的可靠性与普适性。(3)高光谱植被指数与含水量拟合方程的拟合度相对高于"三边"参数与之建立方程的拟合度,说明多波段组合的光谱特征参数更适合含水量的判别。

摘　要： 采用导数法和包络线去除法,分析了不同覆盖度牛鞭草的光谱特征.结果表明,不同覆盖度的牛鞭草在绿光波段出现反射峰,在红光波段出现吸收谷,近红外波段处具有＂红边效应＂.不同盖度的牛鞭草光谱反射率的差异主要体现在绿光（520～600 nm）和近红外波段（760～900 nm）.在近红外波段范围内,反射率随覆盖度的增加而增大,两者呈极显著正相关（P〈0.01）.此外,红光波段比蓝光波段有更为强烈的吸收效应.我们的研究表明,高光谱遥感可以有效地应用于湿地植物覆盖度或与之相关的生长情况的监测之中.

Miscanthus floridulus , Arundinella hirta , Fimbristylis wukungshanensis , Carex chinensis , Sinarundinaria nitida was the dominant species, respectively, of five different main communities in Jinding scenic of Wugong Mountain in Jiangxi Provience. The hyperspectral data of these five different main communities were measured using field portable spectroradiometers (SVC HR 768, USA). The effective characteristic parameters of spectral absorption achieved by three data processing methods including resampling method, first-order differential method and continuum removal method to obtain the spectral characteristics distinguishing these 5 kinds of grassland communities. The analyzed results showed that there was significant difference between the variance analysis of each wave band of these 5 kinds communities and C. chinensis>A. hirta>M. floridulus >S. nitida> F. wukungshanensis based on reflectivity value. There was most significant difference between peak/Valley depth of the 3 wave bands(500-600 nm, 600-700 nm and 1 200-1 300 nm) which achieved by resampling method. The five communities can be well classified using the characteristic parameters related to red edge, yellow edge and blue edge. The maximum difference between aspect rations of absorption valley obtained from continuum removal method can reach as high as 92 which was the most effective parameter to distinguish the 5 communities. The corresponding wavelength position of the peak/trough was the common parameters of five main mountain meadow community.

本研究以江西省武功山金顶风景区的五节芒( Miscanthus floridulus )、野古草( Arundinella hirta )、飘拂草( Fimbristylis wukungshanensis )、中华苔草( Carex chinensis )、箭竹( Sinarundinaria nitida )为优势物种的5种主要群落为研究对象,以美国 SVC HR-768 野外便携式地物波谱仪测定的高光谱数据为基础,利用重采样、一阶微分和去包络线3种数据处理方法分别提取有效的光谱吸收特征参数,以此获得区分5种草地群落的光谱特征。结果表明,1)5种群落光谱反射率组间差异显著( P <0.05),光谱反射率表现为中华苔草>野古草>五节芒>箭竹>飘拂草;2)重采样处理得到的特征参数中500-600、600-700和1 200-1 300 nm 3个波段的波峰/谷深度差别都最明显,一阶微分处理提取的红边、黄边和蓝边有关的特征参数也能够很好的将5种群落进行分类,而利用连续统去除法提取的特征参数中,吸收谷的宽深比差值最大可达到92,是区分5种群落最有效的特征参数;3)波峰/波谷对应的波长位置是山地草甸5种主要群落的共性参数。