Please wait a minute...
欢迎访问作物学报,今天是
图/表 详细信息
大气CO2浓度升高背景下冬小麦冠层光谱特征和地上生物量估算
黄宏胜, 张馨月, 居辉, 韩雪
作物学报    2024, 50 (4): 991-1003.   DOI: 10.3724/SP.J.1006.2024.31041
摘要   (243 HTML8 PDF(pc) (871KB)(407)  

本研究旨在探究大气CO2浓度升高对冬小麦全生育时期冠层光谱特征的影响, 并基于筛选的敏感波段建立地上生物量(AGB)与光谱参数的定量关系。为此, 在2021—2022年的冬小麦生长季, 利用开放式CO2富集系统(Mini-FACE), 设定大气CO2浓度(ACO2, (420±20) μL L-1)和高CO2浓度(ECO2, (550±20) μL L-1)两个处理水平, 分析了高CO2浓度下光谱特征变化, 基于连续投影算法(SPA)、逐步多元线性回归(SMLR)和偏最小二乘法回归(PLSR)筛选AGB敏感波段并构建估算模型。结果表明: CO2浓度升高使冬小麦拔节期和开花期AGB显著增加。红边和近红边反射率及红边面积在拔节期增加, 在开花期和灌浆期降低, 蓝边、黄边和红边位置在不同生育时期均发生移动; AGB的敏感光谱波段主要分布在红边和近红边区域, CO2浓度升高缩小了AGB敏感波段范围, 但不影响AGB的估算; AGB的SMLR和PLSR模型均取得了较高的估算精度(R2>0.8), 其中SMLR模型中的R799′、Dy、SDy和PRI等特征参数与AGB显著相关, R2为0.866。PLSR模型(R2>0.9)在估算精度和稳定性上优于SMLR模型。本研究可为未来高CO2浓度下冬小麦生长发育的遥感监测提供理论基础和技术方法。



View image in article
图3 基于两种方法下的冬小麦地上生物量重要的敏感光谱波段
正文中引用本图/表的段落
将ACO2和ECO2分别划分24个样品(2/3)为训练组, 12个样品(1/3)为测试组, 进行偏最小二乘法(PLSR)回归, 如表4所示, 两种CO2浓度下的最佳成分个数均为6, CV处于0.1~1.0之间属于中等变异, 离散程度一般, 地上生物量的累积方差解释百分数均在98%以上; 测试组的R2分别为0.939和0.894, RMSE分别为217.3 g m-2和115.4 g m-2, 可以看出PLSR模型比较稳定, 对预测值预测的较为精准。在此PLSR模型基础上, 我们选择VIP > 1的波段作为两种CO2浓度下的敏感波段。发现两种CO2浓度下冬小麦的光谱敏感波段主要分布在红边和近红外波段(图3)。CO2浓度升高缩小了地上生物量的敏感波段范围, 但是没有改变敏感波段的分布区间。
综上所述, 由图3所示, 比较SPA+SMLR和PLSR两种方式对冬小麦地上生物量敏感光谱波段选择, 发现CO2浓度升高缩小了冬小麦地上生物量的敏感范围, 但是没有改变地上生物量的敏感光谱区间, 黄边、红边和近红外仍然是冬小麦地上生物量的敏感光谱区间。
本文的其它图/表