滯塵影響下的茶樹葉片水分高光譜估算

江 景，趙紫薇，蔡 唱，張勁松, 程志慶*

1.安徽農(nóng)業(yè)大學(xué)資源與環(huán)境學(xué)院，安徽 合肥 230036 2.農(nóng)業(yè)部合肥農(nóng)業(yè)環(huán)境科學(xué)觀測實(shí)驗(yàn)站，安徽 合肥 230036 3.中國林業(yè)科學(xué)研究院林業(yè)研究所，北京 100091

引 言

茶樹葉片水分是茶樹生長狀態(tài)以及茶葉品質(zhì)的良好指示器。精確、快速、無損監(jiān)測茶樹葉片含水量對茶樹生產(chǎn)精準(zhǔn)管理具有重要指導(dǎo)意義。高光譜遙感可以無損、快速地捕獲地物微弱光譜信息，具有精準(zhǔn)定量反演地物特征的巨大潛力，為植被葉片水分的精確、快速、無損監(jiān)測提供了一種新的技術(shù)[1]。目前，已有較多學(xué)者在農(nóng)作物和樹木上開展了基于高光譜信息的葉片水分估算研究，也取得了一定的成果[2-3]，但茶樹葉片水分光譜估算研究較少。且已有研究結(jié)果顯示在不同環(huán)境條件下，雖然針對同種植物使用同一方法，但獲得的葉片水分估算精度也具有差異，如: 胡珍珠等[4]利用水分指數(shù)(WI)對核桃葉片水分含量進(jìn)行估算取得了較高精度，而潘慶梅等[5]利用該植被指數(shù)進(jìn)行核桃葉片水分估算應(yīng)用時(shí)，其模型估算精度不理想；其他水分植被指數(shù)光譜估算模型同樣存在精度差異顯著的現(xiàn)象[6-7]。針對以上現(xiàn)象分析發(fā)現(xiàn)，已有葉片水分光譜估算研究中均未涉及葉面滯塵對光譜信息的影響，而葉面滯塵的存在以及不同滯塵量對葉片光譜信息具有很大影響[8-9]，是影響葉片水分光譜估算應(yīng)用魯棒性的問題之一。因此，分析葉面滯塵對高光譜信息估算植物葉片水分的影響，對茶樹葉片水分光譜估算精度的提高具有重要意義。

目前，葉面滯塵的高光譜研究主要集中于利用高光譜技術(shù)進(jìn)行不同植被類型滯塵能力的比較、不同環(huán)境下不同植被類型滯塵能力的比較與分析、植被葉片特征對滯塵能力的影響、葉面滯塵率模型建立及估算研究[10-11]。而滯塵影響葉片水分高光譜模型估算精度以及如何降低滯塵對葉片水分高光譜估算的影響有待研究。茶樹由于其生長環(huán)境的差異性，造成了不同的葉面滯塵環(huán)境。因此，以茶樹為研究對象，討論并分析茶樹葉片水分在滯塵影響下的光譜變化規(guī)律、通過相關(guān)系數(shù)法構(gòu)建新指數(shù)，對比分析不同滯塵狀態(tài)對新建指數(shù)、已有水分指數(shù)與葉片含水量相關(guān)性的影響，篩選受滯塵影響小且與葉片含水量相關(guān)性高的植被指數(shù)，用以降低滯塵的干擾，提高茶樹葉片水分估算精度，以期為茶樹葉片水分在復(fù)雜環(huán)境下的精準(zhǔn)估算提供重要的理論基礎(chǔ)，為減少葉面滯塵影響高光譜信息的應(yīng)用提供技術(shù)支撐。

1 實(shí)驗(yàn)部分

1.1 樣品采集

試驗(yàn)地位于安徽農(nóng)業(yè)大學(xué)農(nóng)萃園茶葉園(117°14′49.44″E，31°52′2.66″N)，茶樹品種為“舒茶早”。采樣時(shí)間為2019年4月5日—10日，采用隨機(jī)采樣方式，采集無損、健康的茶樹鮮葉，葉片樣本共350個(gè)。采樣過程中避免抖動(dòng)；樣本采集后立即放入已編號的保鮮袋、封口后立即帶回實(shí)驗(yàn)室進(jìn)行數(shù)據(jù)測定。

1.2 數(shù)據(jù)測定

1.2.1 光譜反射率測定

用美國ASD公司生產(chǎn)的Field Spec Pro光譜儀(光譜波段范圍為：350～2 500 nm，視場角25°)自帶的植被探頭與葉片夾式光譜探測器在室內(nèi)分別對茶樹葉片樣品進(jìn)行滯塵清除前和清除后的光譜測定，并將滯塵清除前后數(shù)據(jù)分別標(biāo)記為有塵(dl)、無塵(cl)，測量中被測葉片面積保持相同且葉面平整，以有效消除背景反射、葉片表面彎曲而造成的光譜波動(dòng)，保證結(jié)果的精確性。同時(shí)為減少測量誤差，測量前利用標(biāo)準(zhǔn)白板校正。每個(gè)樣本采集光譜數(shù)據(jù)3次，并取其平均值作為該樣本光譜反射率。共獲取350組茶樹葉片光譜數(shù)據(jù)。

1.2.2 單位滯塵率、葉片含水量測定

采用萬分之一電子分析天平分別測定滯塵清除前葉片質(zhì)量和滯塵清除后葉片質(zhì)量，然后利用掃描儀對該葉片進(jìn)行掃描并計(jì)算葉面積(為了防止水分的變化上述步驟均在10 min內(nèi)完成)。利用式(1)計(jì)算單位滯塵率(UDR)

(1)

式(1)中，UDR為葉片單位滯塵率，g·cm-2；M1為滯塵清除前葉片質(zhì)量，g；M2為滯塵清除后葉片質(zhì)量，g；S為葉面積，cm2。

單位滯塵含量測定后，將該葉片放入烘箱105 ℃殺青15 min，90 ℃持續(xù)烘干至葉片質(zhì)量不再變化，稱取烘干葉片質(zhì)量。利用式(2)計(jì)算葉片等效水厚度(EWT)

(2)

式(2)中，EWT為葉片等效水厚度，g·cm-2；M2為滯塵清除后葉片質(zhì)量，g；M3為葉片烘干質(zhì)量，g；S為葉面積，cm2。

1.3 數(shù)據(jù)分析

1.3.1 數(shù)據(jù)概況

為了保證數(shù)據(jù)的獨(dú)立性，提高模型的適用范圍及穩(wěn)定性，將350組數(shù)據(jù)隨機(jī)分為特征波段提取集、建模集、檢驗(yàn)集，每個(gè)集合內(nèi)均包含了全滯塵率及含水量的茶樹葉片，如表1所示。利用View Spec Pro軟件對茶樹葉片光譜反射率進(jìn)行平均與數(shù)據(jù)導(dǎo)出處理；通過MATLAB 2012b和SPSS 21.0進(jìn)行相關(guān)系分析與建模，利用Origin 8.0進(jìn)行繪圖。

表1 樣本信息

1.3.2 植被指數(shù)

植被指數(shù)(VI)是兩個(gè)或多個(gè)波長范圍內(nèi)的地物反射率組合運(yùn)算，能有效地增強(qiáng)植被某一細(xì)節(jié)，通過植被指數(shù)來區(qū)分各種植被的方法運(yùn)算簡單，便于操作，實(shí)用性強(qiáng)。雖然目前有較多植物水分植被指數(shù)，但這些指數(shù)構(gòu)建時(shí)并未考慮到葉面滯塵的因素。因此，本研究利用特征波段提取集的200組數(shù)據(jù)通過隨機(jī)組合葉片有塵原始光譜350～2 500 nm的任意兩波段，利用常見的歸一化計(jì)算法、比值計(jì)算法構(gòu)建植被指數(shù)并分別與EWT進(jìn)相關(guān)性分析[12]，提取最佳組合波段，最終分別構(gòu)建新歸一化植被指數(shù)(NDVI)和新比值植被指數(shù)(RVI)。

歸一化計(jì)算法公式如式(3)所示

(3)

式(3)中，NDVI(i，j)為以i和j為中心波段歸一化植被指數(shù)；Ri和Rj分別為i和j波段的光譜反射率。

比值計(jì)算法公式如式(4)所示

(4)

式(4)中，RVI(i，j)為以i和j為中心波段的比值植被指數(shù)；Ri和Rj分別為i和j波段的光譜反射率。

為分析植被指數(shù)在不同滯塵條件下對茶樹葉片高光譜估算的響應(yīng)，同時(shí)選取6種常用精度較高的水分指數(shù)，其新建植被指數(shù)與常用水分指數(shù)如表2所示。

表2 植被指數(shù)及計(jì)算方式

1.3.3 分析方法

不同植被指數(shù)對滯塵影響的響應(yīng)大小以相對變率(RCR)作為評判指標(biāo)，若RCR越大表明該植被指數(shù)受滯塵影響越大，若RCR越小則反之。RCR的計(jì)算公式如式(5)所示

(5)

式(5)中，RCR為相對變率；xn為無塵狀態(tài)下的相關(guān)系數(shù)；xy為有塵狀態(tài)下的相關(guān)系數(shù)。

1.3.4 模型構(gòu)建與驗(yàn)證

偏最小二乘回歸(PLSR)是一種結(jié)合了多元線性回歸分析、典型相關(guān)分析和主成分分析三種算法優(yōu)點(diǎn)的化學(xué)計(jì)量分析方法，廣泛應(yīng)用于光譜分析[13]。因此，采用PLSR構(gòu)建水分估算模型，并利用均方根誤差(RMSE)、決定系數(shù)(R2)、剩余估計(jì)偏差(RPD)對不同植被指數(shù)構(gòu)建模型的預(yù)測能力和穩(wěn)定性進(jìn)行評價(jià)，最終獲得葉面滯塵影響最小的高精度茶樹葉片水分指數(shù)估算模型。

2 結(jié)果與討論

2.1 滯塵對茶樹葉片光譜反射率的影響

為分析滯塵對茶樹葉片光譜反射率不同波段的影響，將光譜數(shù)據(jù)劃分為具有區(qū)分度的分組，根據(jù)滯塵率從小到大分為3組每組100個(gè)數(shù)據(jù)樣本，每個(gè)分組間均空除25個(gè)數(shù)據(jù)樣本，分組結(jié)果如下：0.033～0.31, 0.34～0.545和0.602～2.523 g·cm-2，并對每組的葉片有塵與對應(yīng)無塵狀態(tài)下光譜數(shù)據(jù)分別進(jìn)行平均處理，并對不同狀態(tài)下相同波段反射率進(jìn)行差異性檢驗(yàn)，具體結(jié)果見圖1。由圖1可見，大于400 nm波段的葉片光譜反射率曲線在除塵前、后呈現(xiàn)相似形態(tài)，且在680～780 nm間均出現(xiàn)了光譜反射率曲線的斜率發(fā)生驟變的植被典型“陡坡”現(xiàn)象，但小于400 nm波段光譜反射率變化較為復(fù)雜且無規(guī)律，可見該波段區(qū)間光譜反射率并不穩(wěn)定，而相關(guān)研究指出葉片水分有效光譜信息幾乎不受小于400 nm波段的影響，因此，分析葉片水分光譜特征時(shí)可忽略小于400 nm波段區(qū)間的光譜信息。400～530，579～696和2 454～2 500 nm波段范圍內(nèi)有塵葉片均明顯高于無塵狀態(tài)下相同葉片的反射率；其中400～530 nm波段范圍各滯塵狀態(tài)下不同葉片的反射率重疊非常明顯；579～696 nm波段范圍雖然無塵葉片反射率差異較為明顯，但有塵狀態(tài)下葉片反射率重疊較多；而2 454～2 500 nm波段范圍有塵無塵狀態(tài)葉片反射率聚類較為明顯，但同種滯塵狀態(tài)下的葉片反射率差異不顯著。531～578和711～1 378 nm波段范圍無塵葉片反射率大于該葉片有塵狀態(tài)光譜反射率，且滯塵率越小反射率越大；其中531～578 nm波段范圍無塵葉片反射率與有塵葉片反射率交叉現(xiàn)象嚴(yán)重；而711～1 378 nm波段范圍無塵葉片反射率與有塵狀態(tài)反射率具有明顯聚類現(xiàn)象，且相同狀態(tài)下的不同葉片反射率差異性極顯著(p<0.01)；1 379～1 882 nm波段范圍雖然無塵葉片光譜反射率均高于相同葉片有塵狀態(tài)反射率，但無塵狀態(tài)和有塵狀態(tài)下葉片反射率重疊明顯?？梢?，茶樹葉片光譜反射率受到滯塵影響其531～578和711～1 378 nm波段范圍受到滯塵影響光譜反射率具有顯著的降低趨勢，而400～530，579～696和2 454～2 500 nm波段范圍受到滯塵影響光譜反射率具有顯著的增加趨勢。711～1 378 nm對于不同滯塵率狀態(tài)具有明顯聚類現(xiàn)象，且差異性顯著。因此，711～1 378 nm區(qū)間在葉面滯塵對茶樹葉片水分估算影響研究中具有較大潛力，且本研究對所有波段進(jìn)行兩波段組合并進(jìn)行歸一化計(jì)算與比值計(jì)算，利用相關(guān)系數(shù)法篩選并新建的歸一化指數(shù)和比值指數(shù)的波段亦位于該潛力波段區(qū)間，分別為1 298，1 340和1 298，1 325 nm。

圖1 有塵和無塵茶樹葉片光譜反射率對比

2.2 滯塵對茶樹葉片含水量與植被指數(shù)相關(guān)性的影響

利用建模集的100組數(shù)據(jù)分別進(jìn)行植被指數(shù)與茶樹葉片有塵、無塵狀態(tài)下的EWT相關(guān)性分析，并對相關(guān)系數(shù)進(jìn)行相對變率計(jì)算，結(jié)果見表3。由表3可見，植被指數(shù)與EWT的相關(guān)系數(shù)在無塵狀態(tài)下均高于有塵，且絕對值皆已達(dá)到0.7以上；除MSI與EWT呈負(fù)相關(guān)外，其余7個(gè)指數(shù)與EWT均呈正相關(guān)；無塵狀態(tài)下NDVI(1 298，1 340)，RVI(1 298，1 325)與EWT相關(guān)性最高，分別達(dá)到0.865和0.864，而有塵狀態(tài)下NDVI(1 298，1 340)與EWT相關(guān)性最高，達(dá)0.848。對比無塵、有塵狀態(tài)下植被指數(shù)與EWT的相關(guān)性方向(即正、負(fù)相關(guān)性)可知，無論是否有塵植被指數(shù)與EWT的相關(guān)性方向不會改變，只會改變相關(guān)性的大小，且有塵狀態(tài)下各植被指數(shù)與EWT的相關(guān)性始終低于無塵狀態(tài)。對比植被指數(shù)與EWT相關(guān)系數(shù)的相對變率大小可知，NDVI(1 298，1 340)，RVI(1 298，1 325)，NDWI(860，1 450)和SIWSI的相對變率均小于0.06，其大小分別為0.019，0.023，0.051和0.060，可見以上4個(gè)植被指數(shù)受到葉面滯塵影響較小；且葉片有塵、無塵狀態(tài)下的EWT與以上4個(gè)植被指數(shù)相關(guān)系數(shù)均顯著(p<0.01)達(dá)到0.754以上。

表3 茶樹葉片EWT在有塵、無塵狀態(tài)下分別與各指數(shù)的相關(guān)系數(shù)

2.3 滯塵對茶樹葉片水分估算精度的影響

根據(jù)上述結(jié)果可見NDVI(1 298，1 340)，RVI(1 298，1 325)，NDWI(860，1 450)和SIWSI受滯塵影響小，且與EWT的相關(guān)性最高。因此，利用這4個(gè)植被指數(shù)作為自變量，分別構(gòu)建有塵、無塵狀態(tài)下茶樹葉片EWT估算模型用以分析葉面滯塵對各植被指數(shù)構(gòu)建模型精度的影響。

利用建模集數(shù)據(jù)的葉片有塵、無塵數(shù)據(jù)，采用偏最小二乘回歸法分別建立有塵、無塵狀態(tài)下以NDVI(1 298，1 340)，RVI(1 298，1 325)，NDWI(860，1 450)和SIWSI為自變量的茶樹葉片EWT估算模型，并對相同植被指數(shù)的有塵、無塵模型R2進(jìn)行相對變率計(jì)算，具體結(jié)果見表4。由表4可知，無論有塵與無塵狀態(tài)下，所選4種植被指數(shù)構(gòu)建茶樹葉片EWT模型的R2均達(dá)到0.7以上，且無塵茶樹葉片EWT估算模型的R2始終大于相同植被指數(shù)構(gòu)建的有塵模型R2；4種植被指數(shù)構(gòu)建的茶樹葉片EWT估算模型在有塵、無塵狀態(tài)下其R2大小依次為：RVI(1 298，1 325)>NDVI(1 298，1 340)>NDWI(860，1 450)>SIWSI；其R2相對變率大小為：NDVI(1 298，1 340)

表4 在有塵和無塵狀態(tài)下分別建立的茶樹葉片EWT指數(shù)估算模型與評價(jià)

利用檢驗(yàn)樣本集數(shù)據(jù)的有塵、無塵數(shù)據(jù)，對上述4種植被指數(shù)構(gòu)建的模型進(jìn)行精度檢驗(yàn)，分析葉面滯塵對不同指數(shù)構(gòu)建模型精度的影響，結(jié)果見表5。由表5可知，以NDVI(1 298，1 340)，RVI(1 298，1 325)，NDWI(860，1 450)和SIWSI為自變量構(gòu)建的茶樹葉片EWT估算模型，在有塵、無塵狀態(tài)下其估算值與實(shí)測值線性擬合方程的RMSE均為0.001，R2除SIWSI指數(shù)構(gòu)建的模型外其余均大于0.6。以NDVI(1 298，1 340)構(gòu)建的模型估算值與實(shí)測值擬合方程的R2最大，相對變率最小，但僅有塵狀態(tài)下其估算值與實(shí)測值相近(線性擬合方程斜率為0.777)，而無塵狀態(tài)下估算值與實(shí)測值線性擬合方程斜率僅為0.225，表明估算值與實(shí)測值相差較大。以NDWI(860，1 450)構(gòu)建的估算模型估算值與實(shí)測值線性擬合方程的R2雖然在有塵、無塵不同狀態(tài)下同樣具有較小的相對變率，且在無塵狀態(tài)下該模型估算值與實(shí)測值線性擬合方程斜率最接近1，但其決定系數(shù)較小，在有塵狀態(tài)下其斜率值與1相差較大。以RVI(1 298，1 325)構(gòu)建的模型估算值與實(shí)測值線性擬合方程雖然R2相對變率較NDWI(860，1 450)和NDVI(1 298，1 340)大，但在有塵、無塵狀態(tài)下其R2均具有較大值(>0.694)，且估算值與實(shí)測值線性擬合方程斜率均與1相差小，可見滯塵對以RVI(1 298，1 325)構(gòu)建的估算模型精度影響小。

表5 茶樹葉片EWT的實(shí)測值與估算值比較分析

2.4 滯塵混合狀態(tài)下的茶樹葉片含水量高光譜估算模型構(gòu)建與驗(yàn)證

自然條件下茶樹葉片處于不同滯塵環(huán)境，葉面滯塵狀態(tài)的不確定將嚴(yán)重影響茶樹葉片水分的準(zhǔn)確估算，構(gòu)建一種對滯塵不敏感的茶樹葉片水分光譜模型，對于無損、快速、準(zhǔn)確測定茶樹葉片水分具有重要作用。因此，利用建模集數(shù)據(jù)中有塵、無塵數(shù)據(jù)進(jìn)行隨機(jī)混合，并采用偏最小二乘回歸法分別以RVI(1 298，1 325)，NDVI(1 298，1 340)，NDWI(860，1 450)和SIWSI為自變量構(gòu)建混合狀態(tài)茶樹葉片EWT估算模型，建模結(jié)果見表6。由表6可知，基于上述4種植被指數(shù)構(gòu)建的茶樹葉片EWT模型的決定系數(shù)以RVI(1 298，1 325)最大(R2=0.853)，NDVI(R1 298，R1 340)次之(R2=0.837)，NDWI(860，1 450)和SIWSI最小分別為0.752和0.688。

表6 茶樹葉片EWT在有塵、無塵混合狀態(tài)下的指數(shù)估算模型

為了檢驗(yàn)所建模型精度，利用檢驗(yàn)集樣本(包括有塵、無塵數(shù)據(jù))對模型估算值與實(shí)測值進(jìn)行線性擬合分析，結(jié)果如圖2。由圖2可知，在混合條件下以RVI(1 298，1 325)，NDWI(860，1 450)，SIWSI，NDVI(1 298，1 340)為自變量構(gòu)建的模型估算值與實(shí)測值線性擬合方程的RMSE均為0.001，其R2依次為：0.728，0.677，0.520，0.447，RPD依次為：1.917，1.344，1.759，1.443；線性擬合方程斜率分別依次為：0.813，0.776，0.715和0.693，線性擬合方程截距依次為：0.003，0.004，0.005和0.005。比較4種植被指數(shù)構(gòu)建模型的估算值與實(shí)測值線性關(guān)系可知，以RVI(1 298，1 325)為自變量構(gòu)建的茶樹葉片EWT模型的估算值與實(shí)測值線性擬合方程的R2和RPD最大，斜率與1差值最小，方程截距最小。因此，該模型受滯塵影響小，是混合滯塵狀態(tài)下的最優(yōu)模型，該結(jié)果也驗(yàn)證了RVI(1 298，1 325)受滯塵的影響最小的結(jié)論。

圖2 混合條件茶樹葉片水分含量實(shí)測值與預(yù)測值比較分析

3 結(jié) 論

通過分析不同植被指數(shù)對茶樹葉面滯塵的敏感性，發(fā)現(xiàn)NDVI(1 298，1 340)，RVI(1 298，1 325)，NDWI(860，1 450)，SIWSI與EWT的相關(guān)性高，且有、無塵狀態(tài)下相關(guān)系數(shù)的相對變率小。選擇這4個(gè)指數(shù)構(gòu)建EWT估算模型并分析滯塵對EWT估算精度的影響，利用偏最小二乘回歸法分別建立有塵、無塵茶樹葉片水分估算模型，發(fā)現(xiàn)滯塵會降低茶樹葉片水分估算精度，且4個(gè)模型中在有塵、無塵兩種狀態(tài)下，以NDVI(1 298，1 340)，RVI(1 298，1 325)為自變量的模型估算精度高、反演效果優(yōu)于NDWI(860，1 640)、SIWSI。在有塵、無塵混合狀態(tài)下以RVI(1 298，1 325)為自變量的茶樹葉片水分估算模型精度最高(模型為y=0.245x-0.241)，模型估算值與實(shí)測值具有較強(qiáng)的一致性，反演效果最佳，因此RVI(1 298，1 325)構(gòu)建的茶樹水分估算模型在自然滯塵狀態(tài)下對茶樹葉片含水量的精確估算具有較大潛力，能夠?yàn)檫b感估測有塵、無塵以及混合狀態(tài)下茶樹葉片水分含量提供參考依據(jù)，對茶樹精準(zhǔn)管理具有重要的指導(dǎo)和參考價(jià)值。