摘要

植被遥感监测已广泛应用于各个领域,如农作物病虫害监测、森林覆盖度监测、植被生长状况监测等。监测植物叶绿素含量变化对于了解植物长势、监测植被病虫害乃至监测植被对全球气候变化反馈都有着重要的意义,然而这些监测时常受到叶片镜面反射的干扰,导致叶绿素含量反演精度降低。旨在消除植物健康状况遥感监测中的镜面反射干扰,搭建一套偏振多光谱成像系统,提出一种镜面去除指数(SRRI),并提出一种利用目标的漫反射和镜面反射的光谱和偏振特性来检测植物的融合算法,植物的SRRI、线偏振度(DoLP)和偏振角(AOP)均在融合框架内计算,以消除植物镜面反射的干扰并提高植物健康状态检测精度。此外,基于SRRI、 DoLP和AOP的融合算法计算了一种偏振融合镜面去除指数(PFSRRI)。对相对叶绿素含量(SPAD)、比值植被指数(SR)、归一化植被指数(NDVI)、 SRRISR、 SRRINDVI、 PFSRRISR和PFSRRINDVI进行了相关性分析,以了解它们消除镜面反射干扰的能力。结果表明,SR与SPAD (R2=0.012 8)、 NDVI与SPAD (R2=0.007 5)的相关性最差,表明SR和NDVI对镜面反射的敏感性最高,SRRISR与SPAD (R2=0.818)、 SRRINDVI与SPAD(R2=0.889)有很好的相关性,而PFSRRISR与SPAD(R2=0.955)、 PFSRRINDVI与SPAD(R2=0.948)的相关性最好,从而突出了PFSRRI在消除镜面反射干扰并检测植物健康状态中的潜力。PFSRRISR和PFSRRINDVI三维散点图显示了对植物不同健康程度具有良好的辨别能力,具有较高的敏感性和特异性值,通过曲面的颜色和趋势的变化可以很直观地看到植被健康状态的变化趋势和分类状况。其中,PFSRRISR的镜面叶片和胁迫1级叶片的分类敏感性(Se)值为100%和特异性(Sp)值为100%, PFSRRINDVI的镜面叶片和胁迫1级叶片的分类敏感性(Se)值为98%和特异性(Sp)值为100%,表明PFSRRISR和PFSRRINDVI在去除镜面干扰后的优秀的检测效果。综上所述,该方法能有效地消除镜面干扰,提高植被健康状况检测精度。