[发明专利]一种三波段植被指数估算镉胁迫下水稻叶绿素的模型方法

说明书

本发明公开了一种三波段植被指数估算镉胁迫下水稻叶绿素的模型方法。首先规范采集水稻的冠层光谱反射率和叶绿素浓度数据；基于归一化植被指数构建新型的三波段植被指数形式；利用建模数据，采用比较任意组合形式的指数与叶绿素含量决定系数R²的值来确定三个波段最佳波长和常数值；得到一种适用于水稻叶绿素浓度估算的最优三波段植被指数并以此建立水稻叶绿素浓度估算模型。采用独立实验数据对该新型植被指数及其估算模型进行验证。本发明通过构建新型三波段指数并构建水稻叶绿素含量的估算模型，结构简单、估算精度高、适用范围广，对估算水稻叶绿素的含量不仅具有较高的精度，同时也能有效识别出水稻受重金属污染的状况。

技术领域

本发明涉及农业植被遥感领域，具体涉及一种三波段植被指数估算镉胁迫下水稻叶绿素的模型构建方法。

背景技术

水稻的叶绿素含量受到光照、水、氧气、土壤养分等环境因素的影响，可以作为水稻光合作用能力、生长状况、营养状况的指示剂。土壤中的重金属被水稻吸收后，阻碍了水稻叶绿素的合成，而叶片光谱特征会随着水稻细胞的生理变化发生改变，进而植被从生理生态呈现出应激反应，使可见光近红外波段反应灵敏，所以反射光谱也会随之发生变化。

传统的叶绿素含量检测方法是分析化学方法，即将叶片采集到实验室，经过化学溶剂提取，再在分光光度计上测定其提取液在两个特定波长处的吸光度，根据公式计算出叶绿索的含量。该方法测量精度高，但操作繁琐、费时费力，且取样时对植株有损伤，无法满足现场快速无损的检测要求。通常采用便携式叶绿素计(SPAD-502)测定植物叶片SPAD值来直接表征植物叶绿素含量的相对大小，但使用过程中需要将叶片反复插入测量，难以用于大范围的叶绿素检测。遥感技术的发展为农作物叶绿素含量的动态监测提供了新的技术手段，以其能够快速、连续并且能够大面积获取地面信息的优势，成为叶绿素含量估算的强有力工具。在遥感应用领域，植被指数已广泛用来定性和定量评价植被覆盖及其生长活力，用于预测植被生长参数，如叶绿素含量、氮含量、水分含量、干物质量等。植被指数就是将植被光谱中不同的波段进行组合，多数是使用可见光和近红外波段的不同组合，能够使植被光谱信息得到最大限度的利用，同时还可以部分地消除太阳高度角、土壤、大气等外部条件的影响，使得其在植物生化参数反演方面得到了广泛的应用和研究，在一定程度上反映了植物生理生化特征与光谱相互作用的物理机制。植被指数具有将特征波段进行运算组合的特点，因而通过植被指数可以获取植物生长发育情况、环境条件、受胁迫状况等多种信息。

目前最常用的二波段植被指数归一化植被指数(Normalized DifferenceVegetation Index，NDVI)和比值植被指数(Ratio Vegetation Index，RVI)，NDVI的组成方式为近红外波段的反射率(R_nir)与可见光红光波段的反射率(R_red)之差比上两者之和，即NDVI＝(R_nir-R_red)/(R_nir+R_red)，RVI的组成方式为近红外波段反射率(R_nir)和可见光红光波段反射率(R_red)的比值，即RVI＝(R_nir)/(R_red)。二者对植被有着较好的分辨能力，是植被生长状态及植被覆盖度的最佳指示因子，被广泛应用于科学研究以及农业生产实践当中。但是对于植被覆盖密集的地区，NDVI监测植被的灵敏性受到严重影响，限制了其在生产实践中的应用。RVI受大气条件影响，大气效应大大降低对植被检测的灵敏度，所以在计算前需要进行大气校正，而且二者针对受到重金属污染的水稻叶绿素，估计能力会受到不良影响。

水稻农田植被长势旺盛，覆盖度高，由于植被光谱反射率中近红外部分较可见光部分过大，此时，可见光部分波段的变化并不对植被指数整体产生明显影响，植被指数的饱和性问题依然没有很好地解决。因此，有必要对NDVI的结构进行相应调整，构建新的植被指数，以减轻植被指数估算时的饱和性。通过增加波段信息，构建多波段植被指数解决具体问题。

发明内容