利用日光誘導葉綠素熒光監(jiān)測水稻葉片葉綠素含量

印玉明，王永清，馬春晨，鄭恒彪，程 濤，田永超，朱 艷，曹衛(wèi)星，姚 霞

（南京農業(yè)大學國家信息農業(yè)工程技術中心/江蘇省信息農業(yè)重點實驗室/農業(yè)農村部農作物系統(tǒng)分析與決策重點實驗室/智慧農業(yè)教育部工程研究中心/現代作物生產省部共建協同創(chuàng)新中心，南京 210095）

0 引 言

葉綠素含量與葉片光合作用和氮素營養(yǎng)密切相關[1]，實時、準確獲取作物葉片葉綠素含量，對作物生長與產量預測以及精確診斷與動態(tài)調控中具有重要意義。遙感監(jiān)測方法具有快速、無損、覆蓋范圍廣的優(yōu)點，相比實驗室測定有更大的應用前景。

估測作物葉綠素含量的遙感監(jiān)測方法主要有基于植被指數和小波特征[2]等構建經驗模型和運用物理模型反演葉片生理生態(tài)參數的方法[3]。武旭梅等[4]基于植被指數構建了西北引黃灌區(qū)水稻冠層葉綠素含量的高精度估算模型。于豐華等[5]構建紅邊優(yōu)化植被指數實現寒地水稻葉片葉綠素含量遙感反演研究。錢彬祥等[6]利用紅邊位置改進算法反演冬小麥葉綠素含量。尼加提·卡斯木[7]利用高光譜特征和偏最小二乘法實現春小麥葉綠素含量估算。但經驗模型法監(jiān)測葉綠素含量結果不穩(wěn)定，同一植被指數對不同地區(qū)效果不同，且易出現飽和現象，缺乏可移植性和魯棒性[3]。物理模型法是將葉片化學物質從光譜數據中反演得出的輻射傳輸模型，更具有可移植性和穩(wěn)定性，可直接應用于全新的數據集[8]。

近年來，日光誘導葉綠素熒光的迅速發(fā)展為葉綠素含量監(jiān)測提供一種新方法。SIF（Sun-Induced Chlorophyll Fluorescence，SIF）光譜位于650～850 nm，包含對葉綠素含量最敏感的紅光和紅邊區(qū)域，且日光誘導葉綠素熒光本身就是由葉綠素發(fā)射，對于葉綠素含量的變化更為敏感。Wittenberghe等[9]發(fā)現交通污染導致的城市樹木葉片葉綠素含量下降，687和741 nm處的上下行熒光產量比值均顯著增加。Wittenberghe等[10]發(fā)現687 nm處發(fā)射的熒光會受葉片內光散射特性的影響，主要原因在于葉片內葉綠素對SIF的重吸收作用。Tubuxin等[11]提取到O2-A和O2-B波段處的辣椒葉片SIF，結果顯示單葉SIF和葉綠素含量之間相關性很高，R2達到0.73。問靜怡等[12-14]在基于葉綠素熒光監(jiān)測作物脅迫中證明了脅迫會影響作物葉綠素含量和光合能力，也直接影響到了熒光光譜和特征峰值的變化。

輻射傳輸模型的發(fā)展為冠層和單葉尺度上的監(jiān)測研究提供了新的方向，其中SCOPE（Soil Canopy Observation,Photochemistry and Energy fluxes）綜合了輻射傳輸、能量平衡和光合作用模型[15-16]；Fluspect-B模型可計算出640～850 nm的葉片反射率、透射率和SIF發(fā)射光譜[17]。Verrelst等用全局敏感性分析方法分析SCOPE模型的每個輸入變量，發(fā)現葉綠素含量（Chlorophyll Content，Cab），葉傾角分布函數（Leaf Inclination Distribution Function，LIDF）和葉面積指數（Leaf Area Index，LAI）這3個變量對SIF的變異性影響最大[18]。Vilfan等[17]發(fā)現實測大麥葉綠素含量與用Fluspect-B模型反演的葉綠素含量之間有很好的相關性。

本研究基于不同品種、不同行距、不同氮素水平的水稻田間小區(qū)試驗，探索冠層和單葉尺度上SIF指標監(jiān)測水稻葉綠素含量及利用SCOPE和Fluspect-B模型反演水稻葉綠素含量的可行性，評估不同方法、不同模型對監(jiān)測水稻葉綠素含量的準確性，以期為快速準確獲取葉綠素含量、監(jiān)測植株生長狀況提供理論依據和技術支撐。

1 材料與方法

1.1 試驗地點和設計

試驗于2018年5月-10月在江蘇省南通市如皋市白蒲鎮(zhèn)國家信息農業(yè)工程技術中心試驗示范基地（120°20'E，32°14'N）進行。供試品種為二優(yōu)728（V1）和武運粳27號（V2），分別屬秈型三系雜交水稻和中熟中粳品種。共設置3個施氮水平和2個密度處理，施氮水平分別為0 kg/hm2（N0）、150 kg/hm2（N1）和300 kg/hm2（N2），行距分別為30 cm（D1）和50 cm（D2）。氮肥按基肥∶分蘗肥∶拔節(jié)肥∶穗肥=4∶2∶2∶2質量比施入；磷肥和鉀肥（P2O5135 kg/hm2，K2O 220 kg/hm2）作基肥一次性施入。5月14日秧盤育秧，6月14-15日秧齡在3葉1心前后挑選壯苗移栽，每穴移栽3株水稻。試驗采用隨機區(qū)組排列，3次重復。種植方式為條播，株距為15 cm，每個小區(qū)面積為5 m×7 m=35 m2，共36個小區(qū)。其他管理同常規(guī)田間管理。測試時間為分蘗期（7月19日）、拔節(jié)期（8月6日）、孕穗期（8月15日）、抽穗期（8月24日）和灌漿期（9月5日）。本文試驗處理如表1所示。

1.2 數據獲取

1.2.1 生理生態(tài)指標

1）葉片和冠層光合參數：分別采用美國LI-COR公司生產的LI-6800便攜式光合作用測定系統(tǒng)和多通道植物群體光合氣體交換測量系統(tǒng)CAPTS-100進行葉片和冠層光合參數測定。光合數據測試了6個小區(qū)數據，即為2品種D2行距的3種施氮水平處理，選取每個時期每小區(qū)6株頂一葉（共36片），并在測試后進行取樣。

2）葉片色素含量：采用2種方法。方法一采用法國Force-A公司開發(fā)的新型多功能葉片測量儀Dualex進行測定，可準確測量葉片的葉綠素含量（Chl）、類黃酮（Flav）等色素指標。方法二是采用分光光度計進行葉片葉綠素含量的測定，對36小區(qū)頂一葉、頂二葉和頂三葉進行取樣，保證每個處理3個重復。需將待測葉片取下，裝入自封袋后迅速放入零下40 ℃的超低溫冰箱中保存。測定時，將冷凍葉片打成直徑為7 mm的小圓片（約40片），稱重后放入25 ml的容量瓶里，加入無水酒精定容，放到暗處萃取48 h以上。用Thermo Scientific Evolution 220紫外可見分光光度計測定萃取液在470 、649和665 nm處的吸光度，然后使用式（1）、（2）計算出葉綠素a、葉綠素b含量[19]。

式中Chl a和Chl b分別為葉綠素a和b的含量，μg/cm2；A649和A665分別為649和665nm處的吸光度。

4）冠層葉綠素含量（Canopy Chlorophyll Content，CCC）：定義為單葉葉綠素含量（Leaf Chlorophyll content，Chl）乘以葉面積指數（LAI），如公式（3）[20]。

5）葉面積指數（LAI）：采用美國LI-COR公司生產的LI-3000C便攜式葉面積儀進行測定。每個小區(qū)采樣5株水稻，將所有葉片通過LI-3000C傳送帶掃描測定葉面積，然后用比葉重法計算得到整個小區(qū)所有葉片的葉面積，再除以小區(qū)面積計算得到葉面積指數。

1.2.2 光譜指數

1）葉片反射光譜：采用美國Analytical Spectral Device（ASD）公司生產的FieldSpec FR Pro 2500型高光譜儀，結合內置光源的單葉葉片夾進行測定。ASD儀器測定波段范圍350～2 500 nm，儀器通過插值輸出間隔為1 nm的反射率光譜數據。每次采集目標光譜前均使用單葉葉片夾上自帶的標準參考白板校正。

2）冠層反射光譜：測定選擇在天氣晴朗無云，無風或者微風的10:00-14:00進行。采用FieldSpec FR Pro 2500型高光譜儀測定。每次采集冠層反射率光譜前均使用標準參考白板校正。測定時保持光纖探頭垂直放置于距離冠層上方1 m處，當光譜曲線穩(wěn)定時，進行冠層反射率光譜的測定，每個小區(qū)隨機選取3個點測試作為重復，取平均值為各處理小區(qū)的采樣光譜。

1.2.3 日光誘導葉綠素熒光指標

1）葉片熒光光譜：水稻葉片熒光輻亮度光譜采用FieldSpec FR Pro 2500型高光譜儀，結合西班牙生產的FluoWat單葉葉片夾進行測定[9]。在晴天的10:00-14:00之間測定葉片的反射輻亮度、透射輻亮度和熒光光譜。每次采集目標光譜前均使用FluoWat自帶的標準參考白板校正。

2）冠層熒光強度：水稻冠層反射輻亮度光譜測定選擇在天氣晴朗無云，無風或者微風時的10:00-14:00進行。采用FieldSpec FR Pro 2500型高光譜儀和美國海洋光學公司（Ocean Optics）生產的QE Pro高光譜儀同步測定。QE Pro光譜儀測定波段范圍650～815 nm，光譜分辨率高達0.14 nm。每次采集冠層輻亮度光譜前均使用標準參考白板校正，并測定與其對應的白板輻亮度光譜。測定時，保持光纖探頭垂直放置于距離冠層上方1 m處，當光譜曲線穩(wěn)定時，2種儀器同時進行冠層反射輻亮度光譜的記錄，保證2種儀器同時、同點測定到光譜數據。每個小區(qū)隨機選取3個點測試作為重復，取平均值作為各處理小區(qū)的采樣光譜。

1.3 數據分析與利用

1.3.1 日光誘導葉綠素熒光的獲取

1）由于整個測試時期內每個測試日期的太陽光入射強度不同，利用植物吸收的光合有效輻射（Absorbed Photosynthetic Active Radiation，APAR）來歸一化SIF獲得熒光產量指數（FY，無單位），可以有效減小太陽光強度對熒光大小的影響。如式（4）～（12）。本文使用687 nm和741 nm遠紅光熒光發(fā)射峰計算單葉SIF指數[9,21]。

式中PAR（Photosynthetic Active Radiation）為光合有效輻射，為400～700 nm太陽輻照度的積分，W/(m2·sr)。APAR為吸收的光合有效輻射，W/(m2·sr)；fPAR（Fraction of Photosynthetically Active Radiation Absorbed by The Canopy）為吸收的光合有效輻射比例；I為太陽輻照度，W/(m2·nm·sr)，λ為波長，nm；R為反射率，無單位；T為透射率，無單位；FY為熒光產量，無單位；FYλ為波長λ時的熒光產量，無單位；Fλ為波長λ時的熒光強度，W/(m2·nm·sr)；↑代表上行熒光，↓代表下行熒光，tot代表上下行熒光之和。

2）冠層熒光強度的提?。罕狙芯坷盟竟趯臃瓷漭椓炼裙庾V，采用夫瑯禾費線提取算法（Fraunhofer Line Discrimination，FLD）和三波段夫瑯禾費線提取算法（Three Bands Fraunhofer Line Discrimination，3FLD）和改進夫瑯禾費線提取算法（Improved Fraunhofer Line Discrimination，iFLD）三種熒光提取算法[22]提取761 nm O2-A和687 nm O2-B處的冠層熒光強度，3種算法均在Matlab 2016a下編程計算實現。

1.3.2 植被指數的選擇

本研究共選擇6個對植物葉綠素含量敏感的植被指數，分別為CIrededge、歸一化植被指數（Normalized Differential Vegetation Index，NDVI）、歸一化紅邊指數（Normalized Difference Red Edge Index，NDRE）、中分辨率成像儀陸地葉綠素指數（Meris Terrestrial Chlorophyll Index，MTCI）、葉片葉綠素指數（Leaf Chlorophyll Index，LCI）和修正歸一化差值植被指數（Modified Normalized Difference，mND705）[4,23-25]。

1.3.3 相關分析法

在分析水稻單葉和冠層反射率植被指數和SIF指數與葉綠素含量的相關性時，通過回歸方程的R2、RMSE和相對均方根誤差（Relative Root Mean-Squared Error，RRMSE）來評價相關性和誤差的大小，篩選估測葉綠素含量的最佳指數。

1.3.4 利用SCOPE模型反演冠層葉綠素含量及構建查找表

本文使用SCOPE V.1.70模型模擬冠層SIF光譜，通過光譜獲得O2-A波段761 nm和O2-B波段687 nm兩處熒光強度。SCOPE模型需要輸入與葉片光學特性、葉片生化指標和冠層結構等參數[26]。其中，25℃下的最大羧化速率（Vcmax25）利用已有研究[27]中與葉片氮含量的線性關系計算。

式中Nleaf為葉片氮含量，%。

使用SCOPE模型模擬SIF光譜時，將輸入參數葉綠素含量的范圍設置為1～100μg/cm2，步長為1，LAI范圍為1～10 m2/m2，步長為1，其他參數按田間實測值進行輸入。每個實測值對應100×10=1 000條模擬SIF光譜，用于構建查找表。將單波段實測熒光值F761與模擬值進行匹配，與實測值數值最接近的模擬值所對應的輸入Cab和LAI的乘積即為冠層葉綠素含量反演值。具體輸入參數如表2所示。

1.3.5 利用Fluspect-B模型反演單葉葉綠素含量及構建查找表

本文使用Fluspect-B V.1.00模型模擬單葉上行和下行的熒光光譜。Fluspect-B模型需要輸入與氣象學、葉片光學特性和葉片生化指標等有關的參數，其中，Vcmax25的計算方法同式（13）。使用Fluspect-B模型模擬SIF光譜時，將輸入參數葉綠素含量的范圍設置為1～100μg/cm2，步長為1，其他參數按田間實測值進行輸入。每個實測值對應100條模擬SIF光譜，用于構建查找表。將單波段實測熒光值F687與模擬值進行匹配，與實測值數值最接近的模擬值所對應的輸入Cab值即為單葉葉綠素含量反演值。具體輸入參數如表2所示。

1.3.6 利用PROSAIL模型反演冠層葉綠素含量及構建查找表

PROSAIL模型是耦合PROSPECT葉片光學模型和SAIL冠層雙向反射模型的輻射傳輸模型[28]。本文使用PROSAIL模型模擬冠層反射光譜，將輸入參數葉綠素含量的范圍設置為1～100μg/cm2，步長為1，LAI范圍為1～10 m2/m2，步長為1，其他參數按田間實測值進行輸入。每個實測值對應100×10=1 000條模擬冠層反射光譜，用于構建查找表。選用RMSE作為代價函數，用400～2 500 nm處的反射率反演冠層葉綠素含量值。為避免選擇唯一解所導致的錯誤反演結果，本文選取查找表中與實測值最接近的10個解的平均值作為最終反演結果，這部分解占查找表的比例稱為多解比例，故本文的多解比例為1%。具體輸入參數如表2所示。

表2 3種模型輸入參數Table 2 Main input parameters of three models

1.3.7 利用PROCWT模型反演單葉葉綠素含量

PROCWT是耦合PROSPECT與連續(xù)小波變換的新方法[29]，它使用小波變換后產生的小波系數譜代替反射光譜來構建模型反演的評價函數，可以改善葉片雙向反射光譜中葉片葉綠素含量的反演。本文輸入450～800 nm的單葉反射率，選取尺度4小波變換進行運算，運用非線性優(yōu)化方法尋找最佳值作為葉綠素含量的反演結果。

2 結果與分析

2.1 不同氮素水平下水稻葉綠素含量隨生育期變化

圖1 a～1d為水稻冠層葉綠素含量在隨生育期的變化規(guī)律。結果顯示，2個品種、2個密度處理的水稻冠層葉綠素含量都呈現先上升后下降的趨勢，在孕穗期（移栽后60 d）或抽穗期（移栽后70 d）達到最大值，且葉綠素含量隨施氮量的增加而升高。從品種來看，秈稻（V1）的冠層葉綠素含量要高于粳稻（V2），特別是在高施氮量和高密度的情況下；從種植行距來看，30 cm行距（D1）的冠層葉綠素含量總體來看要高于50 cm（D2）的情況，只有粳稻在施氮量為150 kg/hm2時D2略高于D1。因此，水稻冠層葉綠素含量主要受到施氮量和種植密度的影響。

圖1 e～1f為水稻單葉葉綠素含量在全生育期的變化規(guī)律。結果與冠層類似，2個品種的水稻單葉葉綠素含量都呈現先上升后下降的趨勢，在抽穗期達到最大值，且葉綠素含量隨施氮量的增加而升高。從品種來看，結論與冠層不同，秈稻（V1）的單葉葉綠素含量要低于粳稻（V2），特別是在高施氮量（N2）情況，而其他2個施氮水平下差異不大。

2.2 不同氮素水平下水稻SIF隨生育期變化

2.2.1 不同氮素水平下水稻冠層SIF隨生育期變化

圖2 為水稻冠層761 nm處的熒光強度（SIF761）在全生育期的變化規(guī)律。結果顯示，冠層熒光強度先上升后下降，在孕穗期達到最大值。N0處理和N1、N2處理熒光強度差異明顯，但是N1、N2處理間熒光強度非常接近。相比于冠層葉綠素含量的變化，冠層熒光強度從抽穗期開始就出現下降的趨勢，可能是因為抽穗期時水稻冠層出現稻穗，稻穗會遮擋冠層葉片，使得傳感器接收到的冠層熒光減少。

2.2.2 不同氮素水平下水稻單葉SIF隨生育期變化

圖3 為水稻單葉SIF指數687 nm上行熒光產量（↑FY687）、741 nm上行熒光產量（↑FY741）、687 nm下行熒光產量（↓FY687）和741 nm下行熒光產量（↓FY741）在全生育期的變化規(guī)律。結果顯示↑FY687、↑FY741、和↓FY741在全生育期無明顯變化趨勢，只有↓FY687大致呈現先下降后上升的趨勢，在抽穗期達到最小值，且隨施氮量的增加而降低。

2.3 基于水稻冠層SIF的葉綠素含量監(jiān)測研究

2.3.1 基于經驗線性方法估測水稻冠層葉綠素含量

表3 為使用ASD和QE Pro兩種傳感器和分別使用FLD、3FLD、iFLD 3種熒光提取算法，從冠層輻亮度光譜中提取的687 nm和761 nm處冠層熒光強度與水稻冠層葉綠素含量之間的線性關系。結果顯示，用ASD傳感器基于FLD算法提取到的761 nm處熒光強度F761和冠層葉綠素含量之間的相關性最高，R2為0.72。

表3 冠層水平中SIF與葉綠素含量的線性關系Table 3 Linear relationship between chlorophyll content and SIF at the canopy level

表4 為基于冠層反射率計算得到的NDVI、CIrededge、NDRE、MTCI、LCI和mND7056種植被指數與水稻冠層葉綠素含量之間的線性關系。結果顯示，在選用的6種植被指數中，CIrededge對冠層葉綠素含量的監(jiān)測效果最好，R2為0.63。

表4 冠層水平中冠層反射率植被指數與葉綠素含量的線性關系Table 4 Linear relationship between chlorophyll content and vegetation indices at the canopy level

比較冠層SIF和植被指數與冠層葉綠素含量的線性相關結果可以發(fā)現，SIF指數效果優(yōu)于對葉綠素含量敏感的植被指數，表明冠層SIF中包含更多與葉綠素含量有關的信息。SIF在冠層葉綠素含量監(jiān)測方面具有優(yōu)勢。

2.3.2 基于輻射傳輸模型估測水稻冠層葉綠素含量

基于經驗線性方法估測水稻冠層葉綠素含量的結果分析，因FLD算法提取的熒光值容易高估，故使用iFLD761作為替代模擬指數。本文選用SCOPE模型模擬得到的761 nm處熒光強度和實測值iFLD761進行冠層葉綠素含量的反演。

表5 為全生育期和各生育期實測和輻射傳輸模型反演葉綠素含量的驗證結果的評價指標。結果顯示，SCOPE模型全生育期反演冠層葉綠素含量的關系尚可，但有3個實測iFLD761超出模擬值的最大值，無法進行葉綠素含量反演。全生育期R2達到0.57，RMSE為56.54μg/cm2，RRMSE為61.09%，在冠層葉綠素含量高的情況下反演具有較大誤差。PROSAIL模型全生育期反演冠層葉綠素含量的關系較好，全生育期R2達到0.91，RMSE為22.59μg/cm2，RRMSE為23.22%。

表5 實測和輻射傳輸模型反演冠層葉綠素含量的驗證結果Table 5 Validation of measured and estimated chlorophyll content from radiative transport model at the canopy scale

2.4 基于水稻冠層SIF的葉綠素含量監(jiān)測研究

2.4.1 基于經驗線性方法估測水稻單葉葉綠素含量

表6 為所有單葉SIF指數、植被指數與水稻單葉葉綠素含量之間的線性關系。結果顯示，包含↓FY687的指數與單葉葉綠素含量相關性較高，其中↓FY NDFI和單葉葉綠素含量之間的相關性最高，R2為0.77，且在除灌漿期以外的各單個生育期效果也都較好。NDVI對于單葉葉綠素含量的監(jiān)測效果較差，CIrededge和NDRE對于單葉葉綠素含量的監(jiān)測效果在全生育期和各生育期都較好，特別是在灌漿期，與熒光指數相比監(jiān)測精度優(yōu)勢明顯。

表6 單葉指數與葉綠素含量的線性關系Table 6 Linear relationship between chlorophyll content and leaf indices

比較熒光指數和傳統(tǒng)植被指數與單葉葉綠素含量的線性相關結果，兩種指標在估測葉綠素含量的相關性上相近，決定系數R2都在0.80左右；在灌漿期之前的各生育期，兩者相關性也相近，但在灌漿期估測葉綠素含量 的相關性上，植被指數比SIF指數效果更好。

2.4.2 基于輻射傳輸模型估測水稻單葉葉綠素含量

基于經驗線性方法估測水稻單葉葉綠素含量的結果，可知↓FY687對單葉葉綠素含量的估測效果較好，故選用Fluspect-B模型模擬得到的↓FY687與實測↓FY687進行匹配，得到最佳單葉葉綠素含量輸入值，反演水稻單葉葉綠素含量。

表7 為全生育期和各生育期實測和反演葉綠素含量的驗證結果的評價指標。結果顯示，反演值與實測值相關性尚可，R2達到0.58，但是反演值比實測值普遍高估，RMSE為19.45μg/cm2，RRMSE為43.39%；各生育期實測值和反演值的R2是先升高后降低，在抽穗期達到最高；RMSE在拔節(jié)期為最高28.03μg/cm2，其他生育期都在16μg/cm2左右。結合R2和RMSE來看，用Fluspect-B模型反演單葉葉綠素含量，在抽穗期和孕穗期結果相對較好，但是仍有比較嚴重的高估現象。用基于輻射傳輸模型和小波變換的PROCWT反演單葉葉綠素含量效果較好，R2達到0.72，RMSE為6.42μg/cm2，RRMSE為14.38%。相比Fluspect-B模型反演結果存在比較大的優(yōu)勢。PROCWT可以用來進行單葉葉綠素含量參數反演，結果較好且非常穩(wěn)定。

表7 實測值和輻射傳輸模型反演單葉葉綠素含量的驗證結果Table 7 Validation of measured and estimated chlorophyll content from radiative transport model at the leaf scale

3 討 論

3.1 植被指數和SIF指數反演葉綠素含量效果的差異及原因

本文使用SIF指數和反射率植被指數來監(jiān)測水稻冠層和單葉的葉綠素含量。冠層尺度上，基于SIF指數估測葉綠素含量的總體效果要優(yōu)于反射率植被指數，因為反射率植被指數只能反映葉綠素對紅光的吸收效應，而SIF是由葉綠素發(fā)出的，其不僅可以反映葉綠素對紅光的吸收效應，葉綠素含量的變化還會直接影響SIF的大小。因此，SIF相比植被指數對葉片葉綠素含量更加敏感。

單葉尺度上，植被指數和SIF指數對于單葉葉綠素含量的估測都有較好的效果。但二者對灌漿期葉綠素含量的監(jiān)測精度都有明顯的降低，可能是因為在灌漿期葉片開始衰老，葉綠素分子對于紅光的強吸收減少，導致基于紅光和紅邊的植被指數監(jiān)測精度下降；SIF與葉綠素含量和光合作用相關，灌漿期水稻葉片開始衰老，葉綠素含量下降[30]，光合作用減弱[31]，SIF的發(fā)射與葉片內重吸收均受到較大影響，導致SIF指數監(jiān)測葉綠素含量的精度下降。

如果在全生育期中不考慮灌漿期，植被指數、SIF指數和Fluspect-B模型對單葉葉綠素含量的反演相關性均有較大幅度提升。因此，在利用植被指數和SIF指數估測葉綠素含量時，還應充分考慮植被的生育期、生理狀況、環(huán)境因素等，對于準確估測植株葉綠素含量有重要作用。

3.2 不同傳感器與提取算法提取熒光信息之間的比較

本研究中測量冠層輻亮度光譜使用ASD和QE Pro兩種傳感器，并基于兩種傳感器獲取的光譜又使用FLD、3FLD、iFLD3種熒光提取算法提取冠層熒光強度。不同的傳感器和提取算法對最終提取到的熒光強度有不可忽視的影響。

以O2-A波段761 nm處熒光強度提取值為例，圖4a～4f為兩種傳感器不同算法間提取到冠層熒光強度的差異，可以看出FLD算法提取出的熒光值最高，其次是3FLD算法，iFLD算法提取出的熒光值最低。而高光譜分辨率更高的QE Pro的高估現象相比低光譜分辨率的ASD有所緩解。不同提取算法間，iFLD相比其他兩種算法的相關性R2相對較低，表明iFLD算法收到信號波動影響較大。圖4g～4i為同種提取算法在不同傳感器上提取得到的冠層熒光之間的差異，可以看出FLD算法在ASD上提取值較高，3FLD和iFLD算法在QE Pro傳感器上提取值較高。前人已有研究發(fā)現FLD算法提取的熒光值受到傳感器光譜分辨率影響最大，且最容易出現熒光強度高估的現象，但是受到噪聲的影響最低；iFLD算法提取的熒光在這3種算法里能最精準地提取真實的熒光值，但是它受到傳感器噪聲的影響最大[21,32]。因此，越高的傳感器光譜分辨率和越高的儀器信噪比可以使提取到的熒光最為準確，在實際應用中，需要考慮傳感器的光譜分辨率和信噪比等各種因素，選擇最適宜的熒光提取算法能夠提高SIF反演提取精度。

3.3 不同方法反演葉綠素含量的比較

3.3.1 經驗線性法和機理模型法之間的差異比較

在冠層尺度上，經驗線性法和SCOPE模型反演葉綠素含量的差異不大；而在單葉尺度上，基于經驗線性模型方法估測葉片葉綠素含量相比基于機理模型方法反演結果準確度稍高。由此可見，基于反射率的經驗線性方法估測準確度較高，但是也存在以下缺點：1）普適性不高，單一植被指數不適用于水稻全生育期估測，為了更好的監(jiān)測效果，需要在不同生育期選擇不同植被指數，且在作物生長后期的灌漿期，監(jiān)測效果明顯變差；2）有研究證明經驗線性法易受到環(huán)境影響[5]，更換作物或者地點后，監(jiān)測效果會有下降；3）只能獲得葉綠素含量與植被指數之間的定量關系，難以分析形成這種規(guī)律的內在原因；4）構建準確的經驗線性模型需要進行大量試驗獲取測試光譜和葉綠素含量數據，過程繁瑣。而PROSAIL和PROCWT等機理模型，具有輻射傳輸過程的理論基礎，符合物理規(guī)律，與實測結果一致性程度高；而且可有效改善實測中無法或很難獲得的極端情況，還具有成本低，可以在短時間內模擬大量數據等優(yōu)點[33]。

3.3.2 不同輻射傳輸模型之間的差異比較

冠層尺度的PROSAIL模型對于全生育期和各生育期的葉綠素含量反演都取得了很好的效果。而基于冠層SIF光譜的SCOPE模型在本文反演葉綠素含量效果不理想可能有以下原因：1）在本研究中，SCOPE模型的輸入葉角參數使用Spherical默認值。SCOPE模型全局敏感性分析結果表明葉角參數在可見光和紅邊波段的貢獻度達到30%[21]，因此未采用田間實測值可能對模型反演結果產生影響。2）SCOPE模型輸入參數Vcmax25是指25℃時的最大羧化速率，可通過葉片氮含量計算得來[27]，但測試期間實際環(huán)境溫度大于25℃，溫度的差異也會造成輸入參數Vcmax有偏差，進而影響模型反演的準確度。3）其他輸入參數如氣象參數、土壤參數、角幾何參數均為默認值，也可能對模型反演準確度造成一定影響。但SCOPE模型包含的能量平衡模擬可為未來氣候變化條件下的作物生理參數和生產力模擬提供理論和技術支持。

單葉尺度上，基于熒光的Fluspect-B模型反演葉綠素含量效果不如基于反射光譜的PROCWT模型。其原因可能是：1）Fluowat葉片夾上加載的濾波片對PAR截獲的影響，在濾去650 nm之后的入射輻射時，650～700 nm波段的光也被完全濾去，使得水稻葉片接收到的PAR降低14%；但是模型輸入的入射短波輻射（Radiation）是通過未加載濾光片時白板的反射輻亮度計算得到的，PAR并不會有損失，輸入的Radiation參數相較于葉片真實的光合有效輻射偏高，導致模擬出的葉片的SIF光譜偏高，反演的葉綠素含量值就偏高。2）其他輸入參數（如Cw、Cm等），因為葉片數量過少而造成實測值有所偏差進而導致模型反演值不準。3）PROCWT模型引入連續(xù)小波光譜分析方法，能夠增強生化參數吸收特征，葉綠素含量反演值更加準確。因此，在以后的研究中可以通過提高測量輸入參數的準確性和增加測試樣本數量，讓模型反演結果更加準確。

4 結 論

1）本文基于不同品種、不同密度、不同氮素水平處理的水稻小區(qū)試驗，利用SIF指數和植被指數估算了單葉和冠層水平的葉綠素含量。在冠層尺度， F761與冠層葉綠素含量相關性最高（R2=0.72），略高于表現最好的CIrededge（R2=0.63）；在單葉尺度，↓FY NDFI與單葉葉綠素含量相關性最高（R2=0.77），與表現最好的植被指數CIred edge效果相當（R2=0.81）。SIF指數在監(jiān)測冠層和單葉葉綠素含量上效果較好，SIF指數相比植被指數對葉片葉綠素含量更加敏感。

2）本文利用4種輻射傳輸模型定量反演葉綠素，探索了SCOPE和Fluspect-B模型進行水稻葉綠素含量反演的可行性。冠層尺度上，基于SCOPE模型反演水稻冠層葉綠素含量的驗證R2為0.57，RMSE為56.54 μg/cm2，效果差于PROSAIL模型（模型檢驗的R2為0.91，RMSE為22.59 μg/cm2）；單葉Fluspect-B模型反演水稻單葉葉綠素含量的驗證R2為0.55，均方根誤差RMSE為19.45 μg/cm2，效果差于PROCWT模型（R2為0.72，RMSE為6.42 μg/cm2?；赟IF運用輻射傳輸模型反演水稻冠層和單葉的葉綠素含量具有可行性，但是略差于基于光譜的輻射傳輸模型。同時，比較并分析多模型、多方法之間的結果差異，為葉綠素含量監(jiān)測提供方法參考，也為氣候變化背景下輻射傳輸模型改進提供了新方向。