基于“三邊”參數(shù)的油松林葉綠素估算模型1)

史冰全 張曉麗 白雪琪 張欣欣

(北京林業(yè)大學(xué)，北京，100083)

責(zé)任編輯:王廣建。

葉綠素是植被進(jìn)行光合作用時(shí)吸收光能的主要色素，其質(zhì)量分?jǐn)?shù)的高低與植被的光合作用能力、植被的長(zhǎng)勢(shì)情況和健康狀況都有著密切的關(guān)系，因此，如何準(zhǔn)確并高效地估算出植被的葉綠素質(zhì)量分?jǐn)?shù)將是研究植被各項(xiàng)特征指標(biāo)的關(guān)鍵因素［1］。傳統(tǒng)的葉綠素監(jiān)測(cè)方法不僅受到研究區(qū)域的局限，而且監(jiān)測(cè)效率也不高。近年來(lái)隨著遙感技術(shù)的快速發(fā)展與應(yīng)用，利用高光譜遙感技術(shù)來(lái)監(jiān)測(cè)植被葉綠素質(zhì)量分?jǐn)?shù)的方法逐漸被人們所熟知和認(rèn)可。國(guó)內(nèi)外關(guān)于利用高光譜遙感技術(shù)來(lái)估算、反演葉綠素質(zhì)量分?jǐn)?shù)的研究有很多，整體上的研究層次是從植被的葉片層面開(kāi)始展開(kāi)，逐漸發(fā)展到了植被冠層級(jí)別。目前，利用光譜特征參數(shù)來(lái)估算植被的葉綠素質(zhì)量分?jǐn)?shù)，它是利用高光譜遙感數(shù)據(jù)估算植被生化參數(shù)的主要方法和代表方向之一［2］?！叭叀眳?shù)作為光譜位置特征的相關(guān)參數(shù)，不僅能夠很好地反映出植被的光譜特征，而且對(duì)葉綠素、含水量等植被生化參數(shù)的變化也比較敏感。因此，本研究通過(guò)利用實(shí)測(cè)的光譜數(shù)據(jù)演算出的“三邊”參數(shù)與相應(yīng)的葉綠素值建立相關(guān)性分析，并選擇最優(yōu)的參數(shù)擬合出估算葉綠素的線(xiàn)性回歸模型，并對(duì)模型的可靠性進(jìn)行驗(yàn)證、分析，為今后基于遙感影像反演葉綠素質(zhì)量分?jǐn)?shù)提供光譜參數(shù)選擇的依據(jù)。

1 研究區(qū)概況

凌源市隸屬遼寧省朝陽(yáng)市，地理坐標(biāo)為北緯40°35'50″～41°26'6″，東經(jīng)118°50'20″～119°37'40″。在凌源市松嶺子鄉(xiāng)內(nèi)共選設(shè)了5塊標(biāo)準(zhǔn)樣地，樣地的大小為30 m×30 m，且均勻分布于整個(gè)研究區(qū)域。油松林平均樹(shù)齡50 a，平均樹(shù)高10．5 m，平均冠幅約為4．2 m(東西方向)和3．9 m(南北方向)。樣地內(nèi)油松林的生長(zhǎng)態(tài)勢(shì)和層理結(jié)構(gòu)較好，符合實(shí)驗(yàn)要求。

2 研究方法

2．1 數(shù)據(jù)采集

光譜數(shù)據(jù)。光譜數(shù)據(jù)采集利用美國(guó)ASD公司生產(chǎn)的野外便攜式手持光譜儀進(jìn)行測(cè)定。野外便攜式光譜儀的觀測(cè)波長(zhǎng)范圍為325 nm～1 075 nm，包括了被廣泛應(yīng)用于植被光譜特征研究的可見(jiàn)光波段和近紅外波段，其光譜數(shù)據(jù)的采樣間隔為1 nm，光譜分辨率為3 nm［3－4］。數(shù)據(jù)采集時(shí)間為2014年9月4日，所有光譜數(shù)據(jù)的測(cè)定均選擇天氣晴朗、無(wú)風(fēng)、無(wú)云條件下進(jìn)行，測(cè)定時(shí)間為10:00—14:00。在已經(jīng)確定的5塊固定樣地內(nèi)，分別選取2個(gè)采集點(diǎn)，每個(gè)采集點(diǎn)按照10 s的采集間隔，分別獲取健康松枝、發(fā)黃松枝各50條光譜曲線(xiàn)數(shù)據(jù)。測(cè)量過(guò)程中每測(cè)完一種松枝的光譜數(shù)據(jù)均要進(jìn)行一次標(biāo)準(zhǔn)白板優(yōu)化，為保證標(biāo)準(zhǔn)白板的反射率為1，即保證所測(cè)得的植物光譜是無(wú)量綱的相對(duì)反射率。

葉綠素?cái)?shù)據(jù)。在每塊固定樣地內(nèi)選擇3個(gè)采集點(diǎn)(其中的2處采集點(diǎn)為光譜數(shù)據(jù)采集點(diǎn))，分別采集健康松樹(shù)針葉、發(fā)黃松樹(shù)針葉各100 g，裝入密封的保鮮袋中，共獲得實(shí)驗(yàn)松枝樣本30份(其中:健康松樹(shù)針葉與發(fā)黃松樹(shù)針葉各15份)。葉綠素的室內(nèi)測(cè)定采用分光光度法。首先，將采集到的松枝剪成小段并平均分成4份，每份約為0．1 g;其次，利用丙酮、無(wú)水乙醇和蒸餾水按照9∶9∶2的比例配提取液，并將處理過(guò)的樣本浸泡在提取液中，放置暗處24 h左右［5］;最后，取出浸泡過(guò)的實(shí)驗(yàn)樣本放入濾紙中進(jìn)行過(guò)濾，將過(guò)濾后的樣本放入比色皿中，利用分光光度計(jì)分別測(cè)出470、663、645 nm處的吸光度值并依次記錄為A470、A663、A645。通過(guò)利用不同波段處的吸光度值計(jì)算出葉綠素a(Ca)、葉綠素b(Cb)的值、總?cè)~綠素值(CT)。即:Ca=12．7A663－2．69A645;Cb=22．88A470－4．67A645;CT=Ca+Cb。

2．2 光譜數(shù)據(jù)均值處理及轉(zhuǎn)換

利用光譜數(shù)據(jù)處理軟件分別對(duì)健康松枝、發(fā)黃松枝的光譜曲線(xiàn)進(jìn)行均值處理，并將處理后的結(jié)果作為樣地內(nèi)該類(lèi)型松枝的所測(cè)光譜數(shù)據(jù)。對(duì)于實(shí)測(cè)光譜數(shù)據(jù)而言，為了提高信噪比，需要有選擇地刪除光譜數(shù)據(jù)中的部分噪聲數(shù)據(jù)，保留可靠數(shù)據(jù)。例如:本次研究中的健康松枝數(shù)據(jù)保留390～1 030波段，發(fā)黃松枝數(shù)據(jù)保留337～973波段進(jìn)行分析。通過(guò)對(duì)光譜數(shù)據(jù)的均值處理，不僅可以大大降低采集過(guò)程中噪聲等環(huán)境因素的影響，而且也有利于減少數(shù)據(jù)采集過(guò)程中產(chǎn)生的誤差。光譜數(shù)據(jù)均值處理后的曲線(xiàn)見(jiàn)圖1。

2．3 光譜數(shù)據(jù)的“三邊”參數(shù)

為了進(jìn)一步研究光譜數(shù)據(jù)與松針葉綠素、含水量等因子之間的關(guān)系，需要對(duì)光譜數(shù)據(jù)進(jìn)行后期處理?！叭叀眳?shù)是指基于光譜位置特征的相關(guān)變量，即紅邊、藍(lán)邊、黃邊［6］?！叭叀眳?shù)能夠較好的反映出綠色植被的光譜特征，對(duì)葉綠素、含水量等因子的變化比較敏感，因此，可以將其作為葉綠素、含水量的診斷特征參數(shù)?！叭叀眳?shù)的相關(guān)定義及含義［7］見(jiàn)表1。

圖1 樣地油松針葉光譜曲線(xiàn)

表1 “三邊”參數(shù)定義

采用光譜的歸一化微分分析技術(shù)，利用ViewSpecPro、ENVI以及Excel等工具，對(duì)光譜反射率進(jìn)行一階微分值的計(jì)算，并從一階微分值中提取出相應(yīng)的“三邊”參數(shù)。

3 結(jié)果與分析

3．1 光譜曲線(xiàn)特征

由圖2可知，健康的松枝在可見(jiàn)光波段(380～760 nm)光譜的反射率變化十分明顯［8］。例如:在藍(lán)光波段(380～500 nm)光譜反射率均小于10%，而到了綠光波段(500～600 nm)就會(huì)形成一個(gè)反射率的小高峰。在紅光波段(600～760 nm)，光譜反射率先降低后升高，在680 nm附近達(dá)到一個(gè)吸收谷，隨后大幅度提升，到了780 nm附近反射率達(dá)到了一個(gè)峰點(diǎn)，此時(shí)的光譜反射率接近52%。對(duì)于發(fā)黃松枝而言，其光譜曲線(xiàn)整體呈現(xiàn)上升趨勢(shì)，和健康松枝相似，發(fā)黃松枝在紅光波段(600～760 nm)內(nèi)光譜曲線(xiàn)先緩慢降低，然后在680 nm附近形成一個(gè)較小的吸收谷，隨后逐漸上升，在760 nm波段處的反射率達(dá)到0．3左右，在760 nm之后反射率緩慢上升，在900 nm左右達(dá)到了反射率的峰值。

3．2 葉綠素質(zhì)量分?jǐn)?shù)與“三邊”參數(shù)的相關(guān)性

通過(guò)SPSS、Excel等工具，分別對(duì)健康松枝、發(fā)黃松枝的葉綠素值與“三邊”參數(shù)值進(jìn)行相關(guān)分析［9－12］(見(jiàn)表2)。

表2 葉綠素與“三邊”參數(shù)的相關(guān)系數(shù)

由表2可知，健康松枝的葉綠素與Dr、Db和Dy均呈正相關(guān)，但相關(guān)性不好，都沒(méi)有達(dá)到顯著性水平;健康松枝與PDb呈正相關(guān)，與PDy呈負(fù)相關(guān)，但是相關(guān)性都很小;健康松枝與Rg及PRg以及Ro均呈現(xiàn)負(fù)相關(guān)，且相關(guān)性也較小;對(duì)于“三邊”參數(shù)的微分值總和而言，健康松枝與SDr呈現(xiàn)出顯著的正相關(guān)性，而與SDb和SDy呈較小的負(fù)相關(guān)性。同時(shí)從表中還可以看出，發(fā)黃松枝與Dr、Db和Dy均呈負(fù)相關(guān)且相關(guān)性不好;與SDr、SDb和SDy呈負(fù)相關(guān)，相關(guān)系數(shù)均很小;與Rg及PRg以及Ro均呈負(fù)相關(guān)，紅谷反射率(Ro)的相關(guān)系數(shù)較大;對(duì)于“三邊”的位置參數(shù)而言，發(fā)黃松枝與PDr、PDb均呈正相關(guān)，且PDb的相關(guān)性達(dá)到顯著性水平，與PDy呈負(fù)相關(guān)。

3．3 葉綠素估算模型的建立

為了使“三邊”參數(shù)能更加準(zhǔn)確地反映出不同類(lèi)型松枝的葉綠素質(zhì)量分?jǐn)?shù)，依據(jù)光譜特征參數(shù)中，與葉綠素相關(guān)性最好的SDr和PDb分別作為估算健康松枝和發(fā)黃松枝模型的自變量，建立葉綠素估算模型［13－16］(見(jiàn)圖2)。由圖2可知，健康松樹(shù)針葉葉綠素估算模型為CT=2．975SDr+0．385，模型的決定系數(shù)R2=0．788;發(fā)黃松樹(shù)針葉葉綠素估算模型為CT=0．048PDb－24．35，模型的決定系數(shù)R2=0．710。其中的健康松樹(shù)針葉葉綠素估算模型的R2值基本符合實(shí)驗(yàn)要求，估算模型具有一定的參考價(jià)值，而發(fā)黃松樹(shù)針葉葉綠素估算模型的R2值略顯偏低。

圖2 最優(yōu)光譜特征參數(shù)與葉綠素的關(guān)系

3．4 模型檢驗(yàn)

建立估算模型后，為了驗(yàn)證估算模型的適用性和可靠性，利用驗(yàn)證數(shù)據(jù)進(jìn)行模型的檢驗(yàn)，其中采用均方根差(RMSE)和精度(R2)2個(gè)指標(biāo)對(duì)估算模型進(jìn)行評(píng)定［5］，并繪制出葉綠素的預(yù)測(cè)值與實(shí)測(cè)值的關(guān)系圖(見(jiàn)圖3)。

圖3 葉綠素的實(shí)測(cè)值與預(yù)測(cè)值關(guān)系

由圖3可知，基于紅邊面積(SDr)建立的健康松樹(shù)針葉葉綠素估算模型通過(guò)驗(yàn)證得到了較好的效果，其驗(yàn)證擬合方程的決定系數(shù)R2為0．901，均方根誤差為0．013 5，說(shuō)明該模型的擬合精度較高，可靠性較強(qiáng)?；谒{(lán)邊位置(PDb)建立的發(fā)黃松樹(shù)針葉葉綠素估算模型經(jīng)過(guò)驗(yàn)證，其驗(yàn)證擬合方程的決定系數(shù)R2為0．838，均方根誤差為0．185 0，說(shuō)明該模型的誤差在實(shí)驗(yàn)允許范圍內(nèi)偏大。造成這種情況的原因有兩個(gè)方面:首先，發(fā)黃松枝的含水量偏低，致使所測(cè)得葉綠素濃度不夠，影響了模型構(gòu)建時(shí)的斜率值;其次，在實(shí)地采集樣本時(shí)，所采集到的發(fā)黃松枝的“發(fā)黃”程度不同，其中包括了輕度發(fā)黃樣本、中度發(fā)黃樣本、重度發(fā)黃樣本，利用這些不同程度的樣本所測(cè)得的葉綠素濃度值也將影響到估算模型的精度。

4 結(jié)論與討論

本次研究對(duì)實(shí)驗(yàn)樣地內(nèi)測(cè)定的松樹(shù)針葉的光譜數(shù)據(jù)與實(shí)驗(yàn)室內(nèi)測(cè)定的相應(yīng)采集點(diǎn)處的葉綠素?cái)?shù)據(jù)進(jìn)行了相關(guān)性分析。采用微分分析技術(shù)確定出相關(guān)性較大的光譜特征參數(shù)，并將其與葉綠素?cái)?shù)據(jù)進(jìn)行線(xiàn)性回歸分析，建立葉綠素估算模型，利用實(shí)驗(yàn)數(shù)據(jù)對(duì)模型估算精度與可靠性進(jìn)行了驗(yàn)證。通過(guò)分析光譜數(shù)據(jù)與葉綠素?cái)?shù)據(jù)的相關(guān)性，油松林的光譜特征參數(shù)與其葉綠素值之間存在著較強(qiáng)的相關(guān)性。其中健康松枝的紅邊面積(SDr)與葉綠素的相關(guān)系數(shù)為0．888，發(fā)黃松枝的藍(lán)邊位置(PDb)與葉綠素的相關(guān)系數(shù)為0．703，且均呈現(xiàn)顯著性相關(guān)。

實(shí)驗(yàn)結(jié)果雖然只是在實(shí)測(cè)了油松林內(nèi)兩種類(lèi)型松枝的反射光譜基礎(chǔ)上得出的，但是對(duì)油松林健康水平的監(jiān)測(cè)研究具有借鑒意義。同時(shí)，本文提出的基于紅邊面積、藍(lán)邊位置的松樹(shù)針葉葉綠素估算模型為單一因素線(xiàn)性關(guān)系模型，具有計(jì)算方便、精度較高等優(yōu)點(diǎn)。本次研究是基于松樹(shù)針葉展開(kāi)的，而高光譜遙感是基于植被冠層的，因此，在后續(xù)研究中需進(jìn)一步探討油松林植被冠層光譜數(shù)據(jù)與葉綠素質(zhì)量分?jǐn)?shù)之間的關(guān)系。

［1］梅安新，彭望祿，秦其明，等．遙感導(dǎo)論［M］．北京:高等教育出版社，2001:14－25．

［2］張海波，李峰．ASD地物光譜儀測(cè)量技術(shù)及使用方法［J］．山東氣象，2014，34(1):46－48．

［3］趙良斌，曹衛(wèi)彬．地物光譜儀在野外光譜測(cè)量中的使用［J］．現(xiàn)代農(nóng)業(yè)科技，2008(8):212－214．

［4］姚付啟，張振華，楊潤(rùn)亞，等．基于紅邊參數(shù)的植被葉綠素含量高光譜估算模型［J］．農(nóng)業(yè)工程學(xué)報(bào)，2009，25(增刊):123－129．

［5］林川，宮兆寧，趙文吉．葉冠尺度野鴨湖濕地植物群落含水量的高光譜估算模型［J］．生態(tài)學(xué)報(bào)，2011，31(22):6645－6658．

［6］許丹，伍維模，王家強(qiáng)，等．塔里木河流域上游天然胡楊葉片葉綠素與可見(jiàn)光－近紅外光譜反射率的相關(guān)性研究［J］．塔里木大學(xué)學(xué)報(bào)，2012，24(4):54－59．

［7］Sims D A，Gamon JA．Estimation of vegetation water content and photosynthetic tissue area from spectral reflectance:a comparison of indices based on liquid water and chlorophyll absorption features［J］．Remote Sensing of Environment，2003，84(4):526－537．

［8］劉偉東，項(xiàng)月琴，鄭蘭芬，等．高光譜數(shù)據(jù)與水稻葉面積指數(shù)及葉綠素密度的相關(guān)分析［J］．遙感學(xué)報(bào)，2000，4(4):279－283．

［9］宋開(kāi)山，張柏，王宗明，等．大豆葉綠素含量高光譜反演模型研究［J］．農(nóng)業(yè)工程學(xué)報(bào)，2006，22(8):16－20．

［10］楊杰，田永超，姚霞，等．水稻上部葉片葉綠素含量的高光譜估算模型［J］．生態(tài)學(xué)報(bào)，2009，29(12):6561－6571．

［11］Filella D，Pen-uelas J．The red edge position and shape asindicators of plant chlorophyll content，biomass and hydricstatus［J］．Internal Journal of Remote Sensing，1994，15(7):1459－1470．

［12］Curran P J，Dungan J I，Gholz H I．Explorong the relationship between reflectance red edge and chlorophyll content in slashpine［J］．Tree Physiology，1990，7:33－38．

［13］Danson FM，Rowland CS．Training a neural network with acanopy reflectance model to estimate crop leaf area index［J］．International Journal of Remote Sensing，2003，24(23):4891－4905．

［14］Yang J，Tian Y C，Yao X，et al．Hyperspectral estimation model for chlorophyll concentrations in top leaves of rice［J］．ActaEcologica Sinica，2009，29(12):6561－6571．

［15］唐延林，黃敬峰，王秀珍，等．水稻、玉米、棉花的高光譜及其紅邊特征比較［J］．中國(guó)農(nóng)業(yè)科學(xué)，2004，37(1):29－35．

［16］Daughtry CST，Walthall C L，Kin M S，et al．Estimating corn leaf chlorophyll concentration from leaf and canopy reflectance［J］．Remote Sensing of Environment，2000，74(2):229－239．