基于高光譜植被指數(shù)的葉片凈光合速率Pn反演

王 娣，佃 袁 勇，樂 源，黃 春 波

(1.武漢大學(xué)遙感信息工程學(xué)院,湖北 武漢 430079;2.華中農(nóng)業(yè)大學(xué)園藝林學(xué)學(xué)院,湖北 武漢 430070)

基于高光譜植被指數(shù)的葉片凈光合速率Pn反演

王 娣1，佃 袁 勇2*，樂 源1，黃 春 波2

(1.武漢大學(xué)遙感信息工程學(xué)院,湖北 武漢 430079;2.華中農(nóng)業(yè)大學(xué)園藝林學(xué)學(xué)院,湖北 武漢 430070)

植物凈光合速率是衡量植被生產(chǎn)力、體現(xiàn)植物整體長(zhǎng)勢(shì)的重要指標(biāo)。該文在分析植被光譜指數(shù)VI、光合有效輻射PAR與凈光合速率Pn關(guān)系的基礎(chǔ)上，建立了基于高光譜遙感數(shù)據(jù)的凈光合速率反演模型。采集武漢市4種常見植被葉片共124個(gè)樣本作為研究對(duì)象，在分析比較9種不同光譜指數(shù)與SPAD相關(guān)性的基礎(chǔ)上選擇3種相關(guān)性較高的植被指數(shù)對(duì)不同的植被類型進(jìn)行凈光合速率反演模型建立。結(jié)果表明：實(shí)驗(yàn)中CIrededge、NDVI705和RVI7003種植被指數(shù)與SPAD相關(guān)性較高，R2值均在0.7以上，最高達(dá)到0.88；在建立凈光合速率反演模型時(shí)，若僅考慮葉片凈光合速率(Pn)與植被指數(shù)的關(guān)系，其相關(guān)性較差；而將植被光譜指數(shù)、光合有效輻射(PAR)乘積后再與凈光合速率(Pn)分析時(shí)，發(fā)現(xiàn)其相關(guān)性顯著提高；以上3種植被指數(shù)中CIrededge*PAR vs.Pn反演效果最優(yōu)，但農(nóng)作物與園林植物凈光合速率反演最優(yōu)模型存在差異。因此,利用高光譜遙感技術(shù)可以了解和掌握植物葉片的光合效應(yīng)，以此評(píng)價(jià)植物固碳釋氧能力以及估測(cè)農(nóng)作物產(chǎn)量是完全可行的。

高光譜；凈光合速率；葉綠素SPAD；紅邊指數(shù)CIrededge；光合有效輻射

0 引言

光合作用是高等植物所特有的一種生理功能，它可以將太陽能轉(zhuǎn)換成化學(xué)能。園林植物的固碳釋氧能力、農(nóng)作物的產(chǎn)量均與植物光合作用的生理生態(tài)過程有關(guān)[1]。凈光合速率(Pn，net Photosynthesis rate，μmolCO2·m-2·s-1)是衡量光合作用能力的一個(gè)重要指標(biāo),凈光合速率越高，表明植物葉片的結(jié)構(gòu)和功能狀況越好[2]。目前國內(nèi)外很多學(xué)者都致力于對(duì)凈光合速率的研究，如植被冠層光合能力的估測(cè)[3]、營養(yǎng)元素對(duì)光合速率的影響[4]、凈光合速率晝夜動(dòng)態(tài)[5]以及受脅迫狀態(tài)下光合速率的變化[6,7]等。

但是，目前對(duì)植物的凈光合速率研究主要以地面樣地調(diào)查為主，耗時(shí)費(fèi)力，無法快速便捷地反應(yīng)大面積區(qū)域、大時(shí)間跨度的凈光合速率情況。而遙感技術(shù)尤其是近些年發(fā)展起來的高光譜遙感，波段多且窄，具有方便快捷和可以大面積跨區(qū)域監(jiān)測(cè)的優(yōu)點(diǎn)，剛好彌補(bǔ)傳統(tǒng)方法的缺陷。因此如何建立高光譜數(shù)據(jù)與凈光合速率間的關(guān)系是研究中的關(guān)鍵。

一方面由于植被對(duì)不同光譜波段的吸收特性不同，通過高光譜波段的不同組合可得到不同的植被指數(shù)，如NDVI等[8-12]。植被指數(shù)的出現(xiàn)為植被生理參數(shù)的定量化測(cè)定提供了簡(jiǎn)便、快速、有效、無損的數(shù)據(jù)采集和處理方法[13,14]。Schlemmer等[15]和Clevers等[16]利用不同的植被指數(shù)對(duì)葉片和冠層尺度上的葉綠素含量分別進(jìn)行了估算。Gitelson等[17-19]和Turner等[20,21]在利用植被指數(shù)估算葉綠素總含量的基礎(chǔ)上發(fā)展了多種GPP(初級(jí)生產(chǎn)力)反演模型，均有較好結(jié)果。另一方面光合作用的強(qiáng)弱與表征植被長(zhǎng)勢(shì)的生理生化參數(shù)尤其是葉片葉綠素含量[22]密切相關(guān)，它直接影響著植被對(duì)光能的吸收和轉(zhuǎn)換[23]。張秋英等[23]研究了冬小麥葉片葉綠素含量及光合速率在不同生育期的變化規(guī)律，指出兩者隨季節(jié)變化趨勢(shì)一致，且呈顯著相關(guān)。而Gitelson等[24]提出的基于三波段的植被指數(shù)CIrededge被證明與葉綠素含量間存在顯著相關(guān)，R2達(dá)到0.9以上。那么利用植被指數(shù)反演凈光合速率是否可行且有效就是本文的研究目的。

本文在以上研究的基礎(chǔ)上，通過研究植物葉片凈光合速率Pn與光譜植被指數(shù)間的關(guān)系，探討是否可以利用高光譜數(shù)據(jù)進(jìn)行植物光合作用生理研究，試圖為運(yùn)用遙感手段研究林木的固碳釋氧能力以及農(nóng)作物產(chǎn)量估測(cè)提供新思路和依據(jù)。

1 材料與方法

1.1 研究區(qū)與研究對(duì)象

研究區(qū)位于湖北省武漢市武昌區(qū)華中農(nóng)業(yè)大學(xué)校園內(nèi)。武漢市武昌區(qū)氣候類型屬于亞熱帶溫潤季風(fēng)氣候，降水充沛，年降水量約1 150～1 450 nm，日照充足，年平均氣溫在15.8～17.5 ℃。由于季風(fēng)的影響，春夏多雨，秋冬多旱，降水量分配不均。本文選取杜鵑(RhododendronSimsiiPlanch.)、欏木石楠(PhotiniadavidsoniaeRehd.etWils.)、石楠(PhotiniaserrulataLindl.)和小麥(TriticumaestivumLinn)4種植物進(jìn)行研究，分別位于樣地1(游泳池旁)、樣地2(獅子山廣場(chǎng))、樣地3(青年湖旁)和樣地4(華農(nóng)附小南面)，見表1。

表1 研究對(duì)象及樣本數(shù)統(tǒng)計(jì)

1.2 數(shù)據(jù)采集

于2014年3-5月天氣晴好、風(fēng)力較小的日子進(jìn)行數(shù)據(jù)采集。由于北京時(shí)間上午9:00-11:00和下午14:00-16:00這兩個(gè)時(shí)段內(nèi)葉面入射光強(qiáng)和葉面溫度相對(duì)穩(wěn)定，為減小誤差，在這段時(shí)間內(nèi)于室外自然光條件下進(jìn)行數(shù)據(jù)采集。使用Li-6400便攜式光合儀(美國LiT-Cor公司制造)測(cè)定凈光合速率Pn 值。每片葉片重復(fù)測(cè)量5次，取其平均值作為最終值。采用美國ASD 便攜式野外光譜儀(光譜儀波段范圍為325～1 075 nm)進(jìn)行光譜測(cè)定。每次進(jìn)行光譜測(cè)定前，都要利用漫反射參考板進(jìn)行儀器的優(yōu)化。測(cè)定時(shí)，將待測(cè)葉片平放在反射率近似為0的黑色紙板上，傳感器探頭垂直置于葉片2～3 cm 之上，保證葉片充滿整個(gè)視場(chǎng)角，每個(gè)樣品光譜值重復(fù)采集10次，把10組數(shù)據(jù)的平均值作為該樣品最終光譜反射率。以便攜式葉綠素計(jì)SPAD-502同步測(cè)定的葉片綠度SPAD值作為葉綠素含量。為了減少測(cè)量誤差，每片葉子至少測(cè)量10個(gè)點(diǎn)(測(cè)定時(shí)避開葉脈)，然后取其平均值作為該葉片的SPAD值。

1.3 研究方法

1.3.1 植被指數(shù)計(jì)算 研究選用表2中的9種常見植被指數(shù)。紅邊葉綠素指數(shù)(CIrededge)和綠波段葉綠素指數(shù)(CIgreen)由Gitelson等[24]基于三波段模型提出，運(yùn)用3個(gè)離散光譜帶來估測(cè)植物中色素含量。歸一化植被指數(shù)(NDVI)和增強(qiáng)型植被指數(shù)(EVI)對(duì)綠色植被表現(xiàn)敏感，常被用來監(jiān)測(cè)區(qū)域或全球植被狀態(tài)變化[8，9]。紅邊歸一化植被指數(shù)NDVI705是NDVI的改進(jìn)型，對(duì)葉片及冠層的微小變化和衰老非常靈敏，常用于精細(xì)農(nóng)業(yè)、植被脅迫性探測(cè)等[10]。比值植被指數(shù)RVI700和RVI550被證明在葉片尺度上與葉綠素含量存在很強(qiáng)的線性相關(guān)[10]。差值植被指數(shù)(DVI)對(duì)土壤背景的變化極為敏感，有利于植被生態(tài)環(huán)境監(jiān)測(cè)[11]。結(jié)構(gòu)不敏感色素指數(shù)(SIPI)可以降低葉片表面及內(nèi)部結(jié)構(gòu)特征與輻射間交互作用所帶來的影響，被證明與胡蘿卜素和葉綠素a之間的比率具有較強(qiáng)的非線性關(guān)系[12]。在分析9種植被指數(shù)與SPAD值相關(guān)性的基礎(chǔ)上選擇3種相關(guān)系數(shù)較高的指數(shù)參與凈光合速率反演模型的建立。

表2 研究中用到的植被指數(shù)(VI)及其計(jì)算公式

1.3.2 模型建立與驗(yàn)證 研究采用線性模型、對(duì)數(shù)模型和指數(shù)模型來分析植被指數(shù)VI與凈光合速率Pn以及VI*PAR與凈光合速率Pn的相互關(guān)系，以決定系數(shù)R2和均方根誤差RMSE來檢驗(yàn)?zāi)Ｐ偷姆€(wěn)定性和推廣性，并初步確定最優(yōu)模型以便驗(yàn)證。隨機(jī)選取1/3的樣本(41個(gè))作為驗(yàn)證樣本對(duì)反演模型進(jìn)行驗(yàn)證。將驗(yàn)證樣本VI*PAR值代入最優(yōu)模型回歸方程得到Pn的估測(cè)值Pn′，利用SPSS19.0軟件將估測(cè)值Pn′與實(shí)測(cè)值Pn作相關(guān)性及顯著性檢驗(yàn)來驗(yàn)證模型的準(zhǔn)確性。

2 結(jié)果與分析

2.1 葉綠素(SPAD)與植被指數(shù)的關(guān)系

將不同植被類型葉綠素(SPAD)數(shù)據(jù)分別與上述9種植被指數(shù)作線性、指數(shù)和對(duì)數(shù)擬合，決定系數(shù)見表3?？梢钥吹睫r(nóng)作物葉綠素(SPAD)與CIrededge指數(shù)和NDVI705指數(shù)的指數(shù)模型擬合效果最好，R2值均達(dá)到0.92；園林植物葉綠素(SPAD)與RVI700指數(shù)的指數(shù)模型擬合效果最好，R2值達(dá)到0.86；而忽略植被類型差異將其綜合之后進(jìn)行擬合分析，效果最好的是RVI700指數(shù)模型，R2=0.88，且除DVI指數(shù)外，其余8種指數(shù)與葉綠素(SPAD)值均達(dá)到0.01水平顯著相關(guān)。

農(nóng)作物與園林植物的CIrededge、NDVI705和RVI700指數(shù)的擬合決定系數(shù)除CIrededge指數(shù)模型外均達(dá)到0.7以上，與其余6種植被指數(shù)相比有明顯優(yōu)勢(shì)，因此選取以上3種植被指數(shù)與凈光合速率Pn進(jìn)行相關(guān)性分析。圖1給出了將農(nóng)作物與園林植物綜合后葉綠素(SPAD)與以上3種植被指數(shù)的散點(diǎn)圖以及擬合效果最優(yōu)的回歸方程、決定系數(shù)和RMSE。

圖1 農(nóng)作物與園林植物綜合后葉綠素(SPAD)與3種植被指數(shù)的散點(diǎn)圖

2.2 凈光合速率(Pn)反演模型

2.2.1 植被指數(shù)與凈光合速率相關(guān)性分析 將兩種植被類型及綜合后的CIrededge、NDVI705和RVI700指數(shù)與凈光合速率(Pn)進(jìn)行相關(guān)性分析，決定系數(shù)R2值見表4。從表4中可以看到，3種指數(shù)與凈光合速率(Pn)均達(dá)到0.01水平顯著相關(guān)。農(nóng)作物中擬合效果最好的是NDVI705指數(shù)模型，R2為0.58，園林植物中擬合效果最好的是NDVI705對(duì)數(shù)模型，R2為0.40，而兩種植被類型整合后擬合效果最好的是CIrededge線性模型，R2為0.56，R2均低于0.6。分析其原因，影響光合作用的因素不僅僅是葉片葉綠素含量，凈光合速率(Pn)還與光合有效輻射PAR密切相關(guān)。圖2給出了將農(nóng)作物與園林植物綜合后3種植被指數(shù)與凈光合速率Pn的散點(diǎn)圖以及擬合效果最優(yōu)的回歸方程、決定系數(shù)及RMSE。

2.2.2 凈光合速率(Pn)反演模型 將CIrededge、NDVI705和RVI700指數(shù)與PAR相乘得到VI*PAR的值，分析其與Pn的相關(guān)性。表5列出了線性、對(duì)數(shù)和指數(shù)擬合的方程與相應(yīng)的決定系數(shù)R2值?？梢钥吹皆谝牍夂嫌行л椛銹AR后，反演模型的R2值較表4中的R2值有明顯的增大，說明利用VI*PAR值反演凈光合速率Pn的效果比單純利用VI反演Pn值效果更好。其中，CIrededge和NDVI705指數(shù)較RVI700優(yōu)勢(shì)明顯，無論是在農(nóng)作物還是園林植物甚至綜合后的數(shù)據(jù)中R2值均達(dá)到0.6以上，而RVI700只在農(nóng)作物RVI700*PAR vs.Pn線性模型中R2達(dá)到0.61，其余均低于0.6。農(nóng)作物中擬合效果最好的是CIrededge*PAR vs.Pn線性模型，R2為0.64；園林植物CIrededge*PAR vs.Pn和NDVI705*PAR vs.Pn的擬合效果相當(dāng)，R2均為0.66；而綜合后擬合效果最好的是CIrededge*PAR vs.Pn線性模型,R2為0.62。

表4 植被指數(shù)與凈光合速率(Pn)的擬合結(jié)果

圖2 作物與園林植物綜合后3種植被指數(shù)與凈光合速率Pn的散點(diǎn)圖

表5 植被指數(shù)與凈光合速率(Pn)的擬合結(jié)果

Table 5 The fitting results of VI and net photosynthetic rate (Pn)

注:**表示在0.01水平(雙側(cè))顯著相關(guān)。

根據(jù)模型穩(wěn)定性和準(zhǔn)確性的判斷標(biāo)準(zhǔn)，R2值越高代表建模效果越好，因此可以得到不同植被類型凈光合速率反演的最優(yōu)模型，圖3為不同植被類型CIrededge*PAR與凈光合速率Pn的散點(diǎn)分布圖，給出了最優(yōu)模型的回歸方程、決定系數(shù)R2以及RMSE。

圖3 VI*PAR與凈光合速率Pn的散點(diǎn)圖

2.2.3 模型驗(yàn)證 將不同植被類型隨機(jī)選取的驗(yàn)證樣本CIrededge*PAR值分別代入對(duì)應(yīng)的最優(yōu)模型方程中得到Pn的估測(cè)值Pn′，利用SPSS19.0軟件作相關(guān)性及顯著性檢驗(yàn)來驗(yàn)證模型的準(zhǔn)確性(表6)。圖4為將農(nóng)作物與園林植物綜合后的數(shù)據(jù)通過最優(yōu)模型反演得到的估測(cè)值Pn′與實(shí)際測(cè)得的凈光合速率Pn值的散點(diǎn)圖，可以看出，散點(diǎn)基本分布在y=x線附近，說明反演模型可滿足應(yīng)用要求。

表6 估測(cè)值Pn′與實(shí)測(cè)值Pn相關(guān)性檢驗(yàn)結(jié)果

3 討論

3.1 植被指數(shù)與葉綠素SPAD相關(guān)性分析的差異

從9種植被指數(shù)與葉綠素SPAD相關(guān)性分析的結(jié)果中可以看到，CIrededge、NDVI705和RVI7003種指數(shù)相較于其他6種有明顯優(yōu)勢(shì)，觀察其計(jì)算公式發(fā)現(xiàn)，以上3種植被指數(shù)均選用了近紅外和紅邊波段組合進(jìn)行計(jì)算。紅邊是指光譜反射率在紅谷與近紅外平臺(tái)間呈陡峭爬行脊的區(qū)域，是由植被在紅光波段強(qiáng)烈吸收與近紅外波段強(qiáng)烈反射造成的。近紅外波段的強(qiáng)烈反射則由植被生物量、冠層結(jié)構(gòu)和葉片內(nèi)部結(jié)構(gòu)所決定。而其他6種植被指數(shù)則選擇近紅外和紅波段或綠波段進(jìn)行組合計(jì)算。雖然“綠峰紅谷”現(xiàn)象被公認(rèn)為是與葉綠素含量密切相關(guān)，但在本實(shí)驗(yàn)中并沒有表現(xiàn)出預(yù)期效果。由此可見，在本實(shí)驗(yàn)中紅邊波段比紅波段或綠波段對(duì)葉綠素含量的差異表現(xiàn)得更為敏感。除此之外，為探討反演模型的普適性，在采集樣本時(shí)選擇了新葉、幼葉以及成熟葉，其綠度的差異以及葉片結(jié)構(gòu)的差異也導(dǎo)致了9種植被指數(shù)與葉綠素SPAD相關(guān)性的差異。

圖4 凈光合速率實(shí)測(cè)值與估測(cè)值散點(diǎn)圖

3.2 影響凈光合速率Pn反演的因素

單獨(dú)利用植被指數(shù)反演凈光合速率Pn的效果并不好，在引入光合有效輻射PAR之后反演效果有一定提高，由此可見，只通過葉綠素來研究?jī)艄夂纤俾实姆囱萦衅渚窒扌裕瑥牧硪环矫嬲f明了光強(qiáng)對(duì)于植物光合作用的重要性。光合作用的強(qiáng)弱除了與葉綠素含量和光合有效輻射PAR相關(guān)外，外界環(huán)境因子如溫度、濕度等也會(huì)影響凈光合速率，下一步實(shí)驗(yàn)將綜合考慮多種因素做進(jìn)一步研究。

3.3 不同植被類型的反演模型差異分析

本實(shí)驗(yàn)中CIrededge*PAR vs.Pn反演效果最優(yōu)，NDVI705*PAR vs.Pn次之。但不同植被類型(農(nóng)作物和園林植物)的反演模型存在差異，農(nóng)作物凈光合速率反演最優(yōu)模型為y=3.422lnx-8.123 (R2=0.64)，而園林植物凈光合速率反演最優(yōu)模型為y=2.118lnx-5.250 (R2=0.66)。這是二者的光合作用能力存在差異造成的，農(nóng)作物的光合作用能力要比園林植物稍強(qiáng)。如圖5所示，園林植物凈光合速率均低于12 μmolCO2m-2s-1，而農(nóng)作物凈光合速率在12～20 μmolCO2m-2s-1內(nèi)仍有分布。除此之外，農(nóng)作物小麥屬季節(jié)性植物,而本實(shí)驗(yàn)中的3種園林植物均屬于觀賞類常綠植物，結(jié)構(gòu)上的差異也造成了反演模型的不同。將二者綜合后的反演最優(yōu)模型為y=0.02x+2.13(R2=0.62)，但數(shù)據(jù)綜合后反演效果變差，R2不增反降，因此，在可行的情況下，建議將農(nóng)作物與園林植物分開進(jìn)行反演建模。

圖5 園林植物和農(nóng)作物樣本Pn值頻率分布

4 結(jié)論

本文提出了一種利用高光譜數(shù)據(jù)進(jìn)行植物光合作用研究的新思路。在比較9種植被指數(shù)與葉綠素SPAD相關(guān)性的基礎(chǔ)上，選擇出相關(guān)性較高的植被指數(shù)與光合有效輻射PAR作乘積運(yùn)算，從而進(jìn)行凈光合速率反演模型建立。本文得到以下結(jié)論：利用高光譜植被指數(shù)進(jìn)行凈光合速率反演是可行的，其中紅邊指數(shù)CIrededge相比于其余8種植被指數(shù)具有明顯優(yōu)勢(shì)，反演模型具有一定的普適性。本文方法在一定程度上彌補(bǔ)了傳統(tǒng)研究方法耗時(shí)費(fèi)力的缺點(diǎn)，滿足大面積跨區(qū)域生態(tài)環(huán)境監(jiān)測(cè)需求，在林木固碳釋氧能力以及農(nóng)作物產(chǎn)量估測(cè)研究中具有潛在應(yīng)用價(jià)值。

[1] REICH P B，AMUNDSON R G.Ambient levels of Ozone reduce net photosynthesis in tree and crop species[J].Science，1985，230(4725):566-570.

[2] 張治安，楊福，陳展宇，等.菰葉片凈光合效率日變化及其與環(huán)境因子的相互關(guān)系[J].中國農(nóng)業(yè)科學(xué),2006,3:502-509.

[3] ZHANG Y G，LUIS G，JOSEPH A B，et al.Estimation of vegetation photosynthetic capacity from space-based measurements of chlorophyll fluorescence for terrestrial biosphere models[J].Global Change Biology，2014，20(12):3727-3742.

[4] AHMED N，ABID M，RASHID A，et al.Influence of Boron nutrition on membrane leakage，chlorophyll content and gas exchange characteristics in Cotton (Gossypium HirsutumL)[J].Journal of Plant Nutrition，2014，37(14):2302-2315.

[5] PENG Y F，LI C J，F(xiàn)RITSCHI F B.Diurnal dynamics of maize leaf photosynthesis and carbohydrate concentrations in response to differential N availability[J].Environmental and Experimental Botany，2014，99:18-27.

[6] 何明，翟明普，曹幫華.水分脅迫下增施氮、磷對(duì)刺槐無性系苗木光合特性的影響[J].北京林業(yè)大學(xué)學(xué)報(bào),2009(6):116-120.

[7] 吳順，張雪芹，蔡燕.干旱脅迫對(duì)黃瓜幼苗葉綠素含量和光合特性的影響[J].中國農(nóng)學(xué)通報(bào),2014(1):133-137.

[8] 羅亞，徐建華，岳文澤，等.植被指數(shù)在城市綠地信息提取中的比較研究[J].遙感技術(shù)與應(yīng)用,2006(3):212-219.

[9] 賈寶全，邱爾發(fā)，張紅旗.基于歸一化植被指數(shù)的西安市域植被變化[J].林業(yè)科學(xué),2012(10):6-12.

[10] LIANG L，LI P D，DENG M X，et al.Estimation of crop LAI using hyperspectral vegetation indices and a hybrid inversion method[J].Remote Sensing of Environment，2015(165)：123-134.

[11] XIAO L J，F(xiàn)ENG M C，YANG W D，et al.Estimation of water content in winter wheat(Triticum aestivum L.) and soil based on remote sensing data-vegetation index[J].Communications in Soil Science and Plant Analysis，2015，46(14):1827-1839.

[12] JIN X L，LI Z H，F(xiàn)ENG H K，et al.Newly combined spectral indices to improve estimation of total leaf chlorophyll content in cotton[J].Selected Topics in Applied Earth Observations and Remote Sensing ，2014(7):4589-4600.

[13] CIGANDA V，GITELSON A A，SCHEPERS J.Non-destructive determination of maize leaf and canopy chlorophyll content[J].Journal of Plant Physiology，2009，166(2):157-167.

[14] GITELSON A A，GRITZ Y，MERZLYAK M N.Relationships between leaf chlorophyll content and spectral reflectance and algorithms for non-destructive chlorophyll assessment in higher plant leave[J].Journal of Plant Physiology，2003，160(3):271-282.

[15] SCHLEMMER M，GITELSON A A，SCHEPERS J，et al.Remote estimation of nitrogen and chlorophyll contents in maize at leaf and canopy levels[J].International Journal of Applied Earth Observation and Geoinformation，2013(25):47-54.

[16] CLEVERS J G P W，GITELSON A A.Remote estimation of crop and grass chlorophyll and nitrogen content using red-edge bands on Sentinel-2 and -3[J].International Journal of Applied Earth Observation and Geoinformation，2013(23):344-351.

[17] PENG Y，GITELSON A A，KEYDAN G，et al.Remote estimation of gross primary production in maize and support for a new paradigm based on total crop chlorophyll content[J].Remote Sensing of Environment，2011，115(4):978-989.

[18] PENG Y，GITELSON A A.Application of chlorophyll-related vegetation indices for remote estimation of maize productivity[J].Agricultural and Forest Meteorology，2011，151(9):1267-1276.

[19] GITELSON A A，PENG Y，MASEK J G，et al.Remote estimation of crop gross primary production with Landsat data[J].Remote Sensing of Environment，2012(121):404-414.

[20] TURNER D P，RITTS W D，COHEN W B，et al.Site-level evaluation of satellite-based global terrestrial gross primary production and net primary production monitoring[J].Global Change Biology，2005，11(4):666-684.

[21] TURNER D P，RITTS W D，WHARTON S，et al.Assessing FPAR source and parameter optimization scheme in application of a diagnostic carbon flux model[J].Remote Sensing of Environment，2009，113(7):1529-1539.

[22] 王洋，齊曉寧，柏會(huì)子.生態(tài)環(huán)境對(duì)作物光合作用和光能利用影響的研究進(jìn)展[J].土壤與作物,2012(3):129-134.

[23] 張秋英，李發(fā)東，劉孟雨.冬小麥葉片葉綠素含量及光合速率變化規(guī)律的研究[J].中國生態(tài)農(nóng)業(yè)學(xué)報(bào),2005(3):95-98.

[24] GITELSON A A，KEYDAN G P，MERZLYAK M N.Three-band model for noninvasive estimation of chlorophyll,carotenoids,and anthocyanin contents in higher plant leaves[J].Geophysical Research Letters，2006，33(11).DOI:10.1029/2006GL026457.

[25] TUCKER C J.Red and photographic infrared linear combinations for monitoring vegetation[J].Remote Sensing of Environment，1979(8):127-150.

[26] GITELSON A A，MERZLYAK M N.Quantitative estimation of chlorophylla using reflectance spectra:Experiments with autumn chestnut and maple leave[J].Journal of Photochemistry and Photobiology B:Biology，1994(22):247-252.

[27] GITELSON A A，MERZLYAK M N.Spectral reflectance changes associated with autumn senescence of Aesculus hippocastanum L.and Acer platanoides L.leaves spectral features and relation to chlorophyll estimation[J].Journal of Plant Physiology，1994，143:286-292.

[28] GITELSON A A，MERZLYAK M N.Remote estimation of chlorophyll content in higher plant leaves[J].International Journal of Remote Sensing，1997，18:2691-2697.

[29] HUETE A，JUSTICE C，LIU H.Development of vegetation and soil indices for MODIS-EOS[J].Remote Sensing of Environment，1994，49:224-234.

[30] JORDAN C F.Derivation of leaf area index from quality of light on the forest floor[J].Ecology，1969，50:663-666.

[31] PENUELAS J，F(xiàn)ILELLA I，GAMON J A.Assessment of photosynthetic radiation-use efciency with spectral re ectance[J].New Phytologist，1995，131(3):291-296.

Net Photosynthetic Rate Inversion Based on Hyperspectral Vegetation Indices

WANG Di1,DIAN Yuan-yong2,LE Yuan1，HUANG Chun-bo2

(1.SchoolofRemoteSensingandInformationEngineering,WuhanUniversity,Wuhan430079;2.CollegeofHorticultureandForestry,HuazhongAgriculturalUniversity,Wuhan430070,China)

In this paper,we analyzed the correlation between the 9 vegetation indices of the plant and the chlorophyll SPAD values,and then select the better ones to study the correlation between them and the net photosynthetic rate respectively.The results showed that compared with the other six vegetation indices,the CIrededge,NDVI705and RVI700have obvious advantages.They have higher correlationR2with SPAD,theR2value were above 0.7,the highest one reached 0.88;when only considering the relationship between the net photosynthetic rate (Pn) and spectral vegetation index(VI),the result was not good;but when use the product PAR*VI (the vegetation index was multiplied by the photosynthetic active radiation) instead of VI,the correlation with Pn was significantly improved.The results showed that CIrededge* PAR vs.Pn model has high fit results withR2values all up to 0.6.CIrededgebehaved better than the other two vegetation indices in the Pn inversion,but different in the crop and landscape plant,the optimal model isy=3.422*lnx-8.123(R2=0.64,RMSE=3.1825) in the crop,y=2.118*lnx-5.250 (R2=0.66,RMSE=2.238) in the landscape plant respectively,andy=0.02*x+2.13 (R2=0.62,RMSE=2.814) when ignoring the difference between vegetation types.This method makes up the defect of the traditional research methods which are time consuming and laborious in a certain extent,it meets the need of ecological environment monitoring,and it has the potential application value in the estimation research of releasing oxygen and crop yield.

hyperspectral data;net photosynthetic rate;chlorophyll SPAD;red edge index CIrededge;photosynthetic active radiation

2015-10-13；

2016-03-17

國家863項(xiàng)目 “作物生長(zhǎng)信息的數(shù)字化獲取與解析技術(shù)”(2013AA102401);國家自然科學(xué)基金項(xiàng)目“基于葉面積指數(shù)的城市綠地固碳釋養(yǎng)與降溫增濕功能反演”(31270744);國家自然科學(xué)基金項(xiàng)目“基于體素特征的森林冠層葉綠素反演研究”(41501365)

王娣(1991-)，女，碩士，主要從事高光譜技術(shù)應(yīng)用研究。*通訊作者E-mail：dianyuanyong@126.com

10.3969/j.issn.1672-0504.2016.04.008

TP79;Q945.11

A

1672-0504(2016)04-0042-07