基于優(yōu)化面積光譜指數(shù)的玉米葉片葉綠素值估測

唐彧哲，紅 梅，郝嘉永，王 旭，張賀景，張煒健，李 斐

內(nèi)蒙古農(nóng)業(yè)大學(xué)草原與資源環(huán)境學(xué)院，內(nèi)蒙古自治區(qū)土壤質(zhì)量與養(yǎng)分資源重點(diǎn)實(shí)驗(yàn)室，內(nèi)蒙古 呼和浩特 010018

引 言

葉綠素是植物體將光能轉(zhuǎn)化為化學(xué)能的主要色素，是植物光合作用的驅(qū)動(dòng)力，葉片葉綠素含量作為評價(jià)光合作用、植物生產(chǎn)力、環(huán)境和養(yǎng)分脅迫的重要指標(biāo)，影響著全球糧食生產(chǎn)。葉片葉綠素含量和氮含量之間有著顯著的正相關(guān)關(guān)系，常被用于診斷葉片氮的營養(yǎng)和生長狀況[1]。因此，準(zhǔn)確估測葉片葉綠素含量對于監(jiān)測整體作物健康和推薦氮素肥料的施用具有重要意義。隨著農(nóng)業(yè)遙感技術(shù)的不斷發(fā)展，基于葉片反射的高光譜遙感被越來越多的用于估測葉綠素含量，并且根據(jù)葉綠素強(qiáng)烈吸收藍(lán)光和紅光的特性發(fā)展了許多高光譜指數(shù)[2]，其中以紅光吸收面積特性而構(gòu)建的面積光譜指數(shù)對葉綠素含量較為敏感[3]。

不同的面積光譜指數(shù)算法影響著指數(shù)對葉綠素含量的估測能力；基于三角形面積算法的三角形植被指數(shù)(TVI)雖然準(zhǔn)確的估測了冠層葉綠素含量，但是在葉綠素含量高時(shí)出現(xiàn)飽和現(xiàn)象，靈敏性大大降低。隨著修正三角形植被指數(shù)(MTVI1、MTVI2)的提出，解決了高葉綠素含量條件下的飽和現(xiàn)象并廣泛應(yīng)用于大豆、玉米和小麥等作物?；谌~綠素吸收面積算法最早是由Kim等通過構(gòu)建葉綠素吸收比值指數(shù)(CARI)而提出的。之后，為了消除大氣背景和陽光散射對冠層光譜反射率的影響，對CARI指數(shù)進(jìn)行不斷的修正和改進(jìn)，進(jìn)一步提出了修正和轉(zhuǎn)化葉綠素吸收比值指數(shù)用于反演冠層葉面積指數(shù)，在此基礎(chǔ)上又構(gòu)建了許多葉綠素吸收面積指數(shù)并用于估測冬小麥和夏玉米的葉片氮含量和葉片葉綠素含量[4-7]?；诓ㄐ巫儞Q面積算法的提出是為了提高光譜指數(shù)的抗干擾能力。Malenovsk等通過將原始光譜進(jìn)行連續(xù)統(tǒng)去除構(gòu)建了曲線下面積歸一化形狀指數(shù)，在估測森林冠層葉綠素含量時(shí)有效消除了土壤背景反射率和冠層散射的影響。Feng等將原始光譜反射率進(jìn)行一階導(dǎo)數(shù)變換后構(gòu)建的雙峰面積差異指數(shù)(DIDA)、雙峰面積比率指數(shù)(RIDA)以及雙峰面積歸一化差值指數(shù)(NDDA)準(zhǔn)確的估測了冬小麥葉片氮濃度[8]，并且發(fā)現(xiàn)一階導(dǎo)數(shù)變換后的紅邊與葉片氮濃度高度相關(guān)，表明基于導(dǎo)數(shù)變換的面積光譜指數(shù)優(yōu)于常規(guī)的面積光譜指數(shù)[9-10]。

前人雖然已經(jīng)提出了許多估算葉綠素含量的面積光譜指數(shù)，但一直沒有達(dá)成共識(shí)，因?yàn)榇蠖鄶?shù)的面積指數(shù)是通過固定波段而構(gòu)建的并且僅適用于當(dāng)時(shí)生態(tài)區(qū)域環(huán)境和氣候條件下特定的作物品種，在不同地區(qū)、不同作物和不同生育時(shí)期上的普適性仍有待探究。為了提高光譜指數(shù)的普適性，Delegido結(jié)合波段優(yōu)化思想提出了歸一化面積反射率曲線指數(shù)(NAOC)，在七種作物和不同裸土類型下與葉片葉綠素含量呈顯著的線性關(guān)系，提高了面積光譜指數(shù)在不同作物類型下的普適性。Li等將三角形植被指數(shù)(TVI)與優(yōu)化算法相結(jié)合，提出的優(yōu)化三角形植被指數(shù)(OTVI)，很好的估測了不同地區(qū)、品種和生育時(shí)期下的冬小麥植株吸氮量，證明了波段優(yōu)化指數(shù)對不同生育時(shí)期和不同區(qū)域的重要性[11]。

玉米作為重要的糧飼兼用型作物，葉片葉綠素含量的實(shí)時(shí)估測對于玉米全生育時(shí)期的管理具有重要意義。然而，在玉米不同生長發(fā)育時(shí)期葉片葉綠素含量存在明顯的時(shí)空分布特點(diǎn)，在估測葉片葉綠素含量時(shí)必須考慮到生育時(shí)期對估測精度的影響。因此，本研究的目的是比較和優(yōu)化不同算法的面積光譜指數(shù)，并檢驗(yàn)它們在估測春玉米不同生育期和地點(diǎn)的葉片葉綠素含量中的穩(wěn)定性。旨在開發(fā)一種利用高光譜遙感技術(shù)實(shí)時(shí)監(jiān)測和診斷玉米葉片葉綠素含量的模型，并為發(fā)展監(jiān)測玉米葉片葉綠素含量狀況的遙感技術(shù)提供理論依據(jù)和技術(shù)支持。

1 實(shí)驗(yàn)部分

1.1 試驗(yàn)設(shè)計(jì)

于2020年共進(jìn)行了3個(gè)玉米田間試驗(yàn)，包含不同地點(diǎn)、品種和氮肥施用量，試驗(yàn)設(shè)計(jì)如下：

試驗(yàn)1在巴彥淖爾市五原縣進(jìn)行，供試品種為新玉12，每個(gè)小區(qū)面積65 m2(長10 m，寬6.5 m)，設(shè)置四個(gè)重復(fù)，試驗(yàn)小區(qū)隨機(jī)排列布置。共設(shè)7個(gè)氮素水平，總施氮量分別為0，54，126，180，234，360和400 kg·N·ha-1，在抽雄期(VT)進(jìn)行追肥，基追比為3∶7。

試驗(yàn)2在巴彥淖爾市烏拉特前旗進(jìn)行，供試品種為先玉1225，小區(qū)面積為55 m2(長11 m，寬5 m)，設(shè)置四個(gè)重復(fù)，所有小區(qū)隨機(jī)排列。共設(shè)6個(gè)氮處理，施氮量分別是0，90，180，234，306和400 kg·N·ha-1，分別在拔節(jié)期(V6)、大喇叭口期(V12)、抽雄期(VT)進(jìn)行追肥，基追比為3∶3∶3∶1。

試驗(yàn)3在烏蘭察布市察右前旗進(jìn)行，供試品種為先玉1331，小區(qū)面積70 m2(長10 m，寬7 m)，設(shè)置四個(gè)重復(fù)，全部小區(qū)隨機(jī)排列。共設(shè)4個(gè)氮處理，施氮量分別是0，120，150和220 kg·N·ha-1。所有試驗(yàn)的磷鉀肥作為底肥一次性施入，在抽雄期(VT)進(jìn)行追肥，基追比為3∶7。

1.2 測定項(xiàng)目與方法

采樣時(shí)期和位置：在玉米的拔節(jié)期(V6)、大喇叭口期(V12)、抽雄期(VT)和乳熟期(R3)進(jìn)行葉片測定和取樣，試驗(yàn)一分別在玉米的拔節(jié)期、大喇叭口期、抽雄期和乳熟期進(jìn)行玉米葉片的樣品采集；試驗(yàn)二分別在玉米的大喇叭口期、抽雄期和乳熟期進(jìn)行樣品采集；試驗(yàn)三僅在玉米的抽雄期進(jìn)行玉米葉片的樣品采集，在三個(gè)試驗(yàn)的葉片樣品采集時(shí)，均先采集葉片光譜信息再測定葉片的SPAD值。

光譜數(shù)據(jù)的采集：玉米葉片光譜反射率數(shù)據(jù)是利用美國SPECTRAL EVOLUTION公司生產(chǎn)的PSR-3500全光譜手持式地物光譜儀獲取，此儀器的光譜范圍為350～2 500 nm，輸出間隔為1 nm。每個(gè)小區(qū)選取代表性植株三株；使用主動(dòng)光源手柄葉片夾夾取葉片的中間部位，并且保證避開葉脈區(qū)域，同時(shí)葉片保持水平并垂直于葉片夾，采集葉片光譜反射率數(shù)據(jù)，并存儲(chǔ)在配套的掌上電腦(PDA)中。

SPAD值的測定：在玉米葉片光譜數(shù)據(jù)采集后，選取采集光譜數(shù)據(jù)葉片的四個(gè)點(diǎn)位(上部點(diǎn)位一個(gè)；中部點(diǎn)位兩個(gè)；下部點(diǎn)位一個(gè))進(jìn)行測定，測定時(shí)避開葉片葉脈部位。取平均值作為該葉片的SPAD值，將每層所有葉片SPAD值的平均值作為該層的SPAD值。測定儀器采用日本美能達(dá)公司生產(chǎn)的SPAD-502。

光譜指數(shù)的計(jì)算：比較了目前國內(nèi)外已經(jīng)發(fā)表的幾乎所有基于面積的高光譜指數(shù)，就其計(jì)算的方法共分為三種類型。表1列出了三種類型的面積指數(shù)算法及其出處，通過計(jì)算這些指數(shù)與田間測定的葉片葉綠素含量的關(guān)系，從而確定估測能力最佳的算法和指數(shù)。

1.3 數(shù)據(jù)處理

采用Excel 2019和MATLAB 14.0 (The MathWorks,Inc.,Natick,MA)軟件進(jìn)行基于面積的高光譜指數(shù)的計(jì)算和優(yōu)化，使用SigmaPlot 12.5和MATLAB軟件進(jìn)行制圖。利用采集的光譜反射率數(shù)據(jù)計(jì)算已發(fā)表光譜指數(shù)，并將所獲得的數(shù)據(jù)75%用于模型的建立，25%用于模型的驗(yàn)證。使用決定系數(shù)(R2)、均方根誤差(RMSE)和歸一化均方根誤差(NRMSE，%)比較預(yù)測能力的差異和模型的穩(wěn)定性。R2越大，RMSE和NRMSE%越小，表明模型估測葉片葉綠素含量的精度和準(zhǔn)確性越高。

1.4 光譜指數(shù)的優(yōu)化

從表1所包含的三類面積光譜指數(shù)中各篩選出一個(gè)面積指數(shù)進(jìn)行優(yōu)化。首先，在三角形面積指數(shù)中，在參考Li等[11]的基礎(chǔ)上對TVI指數(shù)進(jìn)行了波段優(yōu)化，將紅光反射率(R670)和近紅外反射率(R750)設(shè)定在680～800 nm之間從而選擇最佳的波段組合，進(jìn)而構(gòu)建了優(yōu)化三角形面積指數(shù)(OTVI)。其次，優(yōu)化了CAI指數(shù)，將積分上、下限設(shè)定在650～800 nm之間，通過計(jì)算任意兩波段包絡(luò)線下的積分面積和反射率下的面積從而構(gòu)建了優(yōu)化葉綠素吸收積分指數(shù)(OCAI)。最后，對NDDA指數(shù)進(jìn)行了優(yōu)化，在一階導(dǎo)數(shù)反射率675～750 nm之間的任意位置進(jìn)行分割，計(jì)算左邊面積減去右邊面積與總面積的比值，構(gòu)建了優(yōu)化雙峰面積歸一化差值指數(shù)(ONDDA)。

表1 光譜指數(shù)Table 1 Spectral indices

2 結(jié)果與討論

2.1 光譜指數(shù)與玉米葉片SPAD值的關(guān)系

玉米葉片的葉綠素含量隨著生育時(shí)期的變化呈現(xiàn)為先增加后降低的趨勢，這可能是因?yàn)樵谟兹~時(shí)葉綠體發(fā)育不完全，葉綠素含量較少導(dǎo)致的，當(dāng)進(jìn)入生育后期時(shí)，葉片進(jìn)行充足的光合作用產(chǎn)生有機(jī)質(zhì)，所以大量的葉綠素被合成，葉片的葉綠素含量也隨之增加，到了生長后期，葉片開始衰老，葉綠素開始分解和轉(zhuǎn)移，在新的葉片中合成，導(dǎo)致葉片葉綠素含量較低(圖1)。

圖1 不同生育時(shí)期玉米葉片SPAD值描述Fig.1 Descriptive statistics of leaf SPAD values in different growth stages of maize

由于葉綠素的光合作用造成紅光吸收產(chǎn)生的波谷是綠色植物的一個(gè)重要光譜特征，基于這個(gè)特征前人發(fā)展了許多基于面積的光譜指數(shù)進(jìn)行植物葉綠素的估測。為了詳細(xì)的研究紅光吸收面積光譜指數(shù)對葉片葉綠素含量估測的影響，選取了近些年國內(nèi)外發(fā)表的幾乎所有的面積光譜指數(shù)進(jìn)行建模來評價(jià)其估測能力。從整體上來看，所有的面積指數(shù)都與葉片葉綠素含量顯著相關(guān)，R2的值在0.63～0.96之間變動(dòng)，表明紅邊吸收峰面積對于葉片葉綠素含量是極其敏感的，且不同面積光譜指數(shù)對玉米葉片葉綠素含量的預(yù)測能力差異較大(表2)。

玉米葉片葉綠素含量隨著生育時(shí)期的推進(jìn)呈現(xiàn)先增加后降低的趨勢，不同基于面積的高光譜指數(shù)對不同生育時(shí)期葉片葉綠素含量的估測能力也有所不同。表2的結(jié)果表明，基于三角形面積的優(yōu)化高光譜指數(shù)OTVI與玉米葉片葉綠素含量的相關(guān)性在不同生育時(shí)期的R2在0.85～0.95之間變動(dòng)，相關(guān)性顯著高于同一面積算法下的其他光譜指數(shù)。葉綠素吸收面積算法下的優(yōu)化面積光譜指數(shù)NAOC，OREA和OCAI在所有生育時(shí)期和所有試驗(yàn)下的相關(guān)性都高于其他光譜指數(shù)，且在抽雄(VT)時(shí)期對于葉片葉綠素含量的估測能力最優(yōu)。這一現(xiàn)象同樣出現(xiàn)在波形變換算法下的優(yōu)化面積光譜指數(shù)ONDDA，在所有優(yōu)化面積光譜指數(shù)中ONDDA指數(shù)的估測能力最好。

表2 光譜指數(shù)與葉片葉綠素含量在不同生育時(shí)期線性相關(guān)的決定系數(shù)Table 2 Coefficient of determination (R2)of the linear relationships between leaf chlorophyll content and spectral indices in different growth stages

2.2 光譜指數(shù)波段優(yōu)化及估測模型的構(gòu)建

為了進(jìn)一步提高面積光譜指數(shù)在SPAD值估測方面的穩(wěn)定性，將優(yōu)化算法與傳統(tǒng)面積光譜指數(shù)進(jìn)行結(jié)合，并對每一類面積指數(shù)進(jìn)行波段優(yōu)化。圖2表示OCAI指數(shù)的優(yōu)化過程，顯示了葉片葉綠素含量與OCAI之間的決定系數(shù)等值線圖，在所有的等值線圖中，與葉綠素敏感的波段幾乎相同，λ1和λ2所表示的敏感波段主要分布在710～750和690～710 nm，與其他基于葉綠素吸收面積的光譜指數(shù)相比，OCAI指數(shù)與葉片葉綠素含量的決定系數(shù)最高。同樣，OTVI指數(shù)的優(yōu)化過程如圖3所示，在基于三角形面積的光譜指數(shù)中，OTVI指數(shù)與葉片葉綠素含量的線性相關(guān)性最好(表2)。圖4顯示了葉片葉綠素含量與ONDDA之間的決定系數(shù)等值線圖，在所有的數(shù)據(jù)集中K的位置幾乎穩(wěn)定在718～725 nm之間，與其他基于波形變化的光譜指數(shù)相比，ONDDA指數(shù)與葉片葉綠素含量的相關(guān)性最好。這表明優(yōu)化算法可以提高葉片葉綠素含量的估測精度，并且進(jìn)一步證實(shí)了優(yōu)化算法在農(nóng)學(xué)參數(shù)估算中的重要作用。

圖2 葉片葉綠素含量與OCAI指數(shù)之間線性擬合的決定系數(shù)(R2)的等值線圖(a)：V6時(shí)期；(b)：V12時(shí)期；(C)：VT時(shí)期；(d)：R3時(shí)期Fig.2 Contour maps of the coefficient of determination (R2)between leaf chlorophyll content and OCAI index(a):V6 stage;(b):V12 stage;(c):VT stage;(d):R3 stage

圖3 葉片葉綠素含量與OTVI指數(shù)之間線性擬合的決定系數(shù)(R2)的等值線圖(a)：V6時(shí)期；(b)：V12時(shí)期；(C)：VT時(shí)期；(d)：R3時(shí)期Fig.3 Contour maps of the coefficient of determination (R2)between leaf chlorophyll content and OTVI index(a):V6 stage;(b):V12 stage;(c):VT stage;(d):R3 stage

圖4 葉片葉綠素含量與ONDDA指數(shù)之間線性擬合的決定系數(shù)(R2)的等值線圖Fig.4 Contour maps of the coefficient of determination (R2)between leaf chlorophyll content and ONDDA index

對所有已經(jīng)發(fā)表的面積光譜指數(shù)進(jìn)行了計(jì)算，為了進(jìn)一步比較面積指數(shù)在估測玉米葉片葉綠素含量的性能，篩選出與葉片葉綠素含量相關(guān)性最好的前6名面積光譜指數(shù)(TGI，TCARI，OCAI，OTVI，ONDDA和ANMB)(表2)進(jìn)行模型的構(gòu)建，并且在不同生育時(shí)期(圖5)分別進(jìn)行模型的構(gòu)建。結(jié)果表明，在前人研究的基于面積的光譜指數(shù)中三角形綠色光譜指數(shù)(TGI)具有最高的估測精度(R2=0.93)，但是在葉片SPAD值高于50時(shí)，在不同生育時(shí)期中出現(xiàn)不同程度的飽和現(xiàn)象。然而基于優(yōu)化算法的面積光譜指數(shù)(OCAI，OTVI和ONDDA)在不同生育時(shí)期的估測精度都要高于已經(jīng)發(fā)表的面積光譜指數(shù)(圖5)。這些結(jié)果表明，相比于高光譜指數(shù)的選擇，算法的優(yōu)化和敏感波段的篩選顯得尤為重要。綜上所述，優(yōu)化算法在一定程度上克服了生育時(shí)期對于估測精度的影響，進(jìn)一步提高了優(yōu)化面積光譜指數(shù)在SPAD值估測方面的普適性。

圖5 四個(gè)生育時(shí)期的葉片葉綠素含量與估測能力排名前6光譜指數(shù)的線性關(guān)系Fig.5 The linear relationship between leaf chlorophyll contents in four growth stages and the top 6 spectral indices of estimation ability

2.3 基于優(yōu)化算法的面積光譜指數(shù)評價(jià)與驗(yàn)證

光譜指數(shù)對玉米葉綠素含量的預(yù)測是否穩(wěn)定，需要進(jìn)一步的驗(yàn)證。利用25%的數(shù)據(jù)作為驗(yàn)證集對基于優(yōu)化面積光譜指數(shù)OCAI，ONDDA，OTVI以及表現(xiàn)較好的現(xiàn)存高光譜指數(shù)進(jìn)行了驗(yàn)證(圖6)。在前人研究的面積指數(shù)中(表3)，TGI指數(shù)具有最高的估測精度，估測模型的驗(yàn)證斜率為0.92，R2為0.93，相比于TCARI和ANMB來說具有較小的RMSE和NRMSE%，分別為2.54%和4.59%。相比于前人研究的面積光譜指數(shù)，基于優(yōu)化面積算法的光譜指數(shù)(OTVI，OCAI和ONDDA)具有更高的估測精度，但是三者的R2，RMSE和NRMSE%沒有顯著差異，ONDDA指數(shù)與葉片葉綠素含量估測模型的驗(yàn)證斜率為0.996，最接近1，并且具有最高的R2為0.943，和最低的RMSE和NRMSE%，分別為2.29%和3.94%?；谝陨辖Y(jié)果，ONDDA似乎是預(yù)測玉米葉片葉綠素含量效果最好的面積光譜指數(shù)。

表3 葉片葉綠素含量觀測值與預(yù)測值之間的回歸特征Table 3 Characteristics of the regression between observed and estimated SPAD values

圖6 基于6個(gè)光譜指數(shù)玉米葉片葉綠素含量估測模型的驗(yàn)證Fig.6 Comparison between observed and predicted leaf chlorophyll contents based on six spectral indices

但僅僅通過R2，RMSE，NRMSE%和預(yù)測值與觀測值之間的斜率來評價(jià)優(yōu)化算法面積光譜指數(shù)所構(gòu)建模型的穩(wěn)定性是不全面的。因此，我們將三種優(yōu)化面積光譜指數(shù)在不同數(shù)據(jù)集下的敏感波段列舉出來(圖7)，可以看出OTVI和OCAI在不同數(shù)據(jù)下的敏感波段λ1雖然穩(wěn)定在紅邊位置，λ2穩(wěn)定在紅谷位置，但是變幅大、不穩(wěn)定。敏感波段選擇的不一致性表明，生育時(shí)期和層位對利用光譜指數(shù)估測葉片葉綠素含量有很大的影響，這一現(xiàn)象可能解釋了前人研究的面積指數(shù)在不同生育時(shí)期上對葉片葉綠素含量估測不一致的原因。相對于OCAI和OTVI來說，ONDDA指數(shù)在不同的生育時(shí)期，敏感波段的位置穩(wěn)定在720 nm左右。綜上所述，ONDDA指數(shù)是估測玉米葉片葉綠素值的最佳面積光譜指數(shù)。

圖7 OTVI,OCAI,ONDDA在不同生育時(shí)期下敏感波段的位置變化Fig.7 The sensitive bands of OCAI,OTVI and ONDDA at different growth stages

葉片葉綠素含量作為最重要的植物生理參數(shù)之一，不僅為監(jiān)測植物的生理狀態(tài)提供了有價(jià)值的信息，也為監(jiān)測植物的表型表現(xiàn)提供了有價(jià)值的信息，葉片葉綠素含量的準(zhǔn)確估測是檢測作物整體健康，管理施肥以及農(nóng)業(yè)系統(tǒng)中其他投入的重要因素，通過定量分析玉米不同生育時(shí)期葉綠素含量與面積光譜指數(shù)的相關(guān)關(guān)系，可為作物養(yǎng)分脅迫狀況診斷和精準(zhǔn)施肥管理提供理論基礎(chǔ)[12-13]。在本研究中，用Broge等提出的TVI指數(shù)在不同生育時(shí)期下的估測精度不盡一致，在試驗(yàn)一V6(拔節(jié)期)的估測能力較差R2僅為0.35，在生育后期估測能力有所提高R2達(dá)到0.74(表2),在所有數(shù)據(jù)條件下TVI指數(shù)的估測精度僅為0.6(表2)。但是，將優(yōu)化算法與TVI指數(shù)結(jié)合后構(gòu)建的OTVI指數(shù)，不僅克服了生育時(shí)期對于葉綠素含量估測精度的影響，而且大大提高了葉片葉綠素含量的估測精度，在V6(拔節(jié)期)時(shí)期R2從0.35提高到0.85，而基于總體數(shù)據(jù)的估測R2從0.6提高到了0.95。這一現(xiàn)象同樣出現(xiàn)在CAI指數(shù)和OCAI指數(shù)，OCAI指數(shù)將V6(拔節(jié)期)時(shí)期的估測精度提高了0.44，對于整體數(shù)據(jù)的估測精度提高了0.26。雖然ONDDA指數(shù)相對于NDDA指數(shù)的提高不太明顯，但是ONDDA指數(shù)在所有指數(shù)的表現(xiàn)中是最佳的?？傮w而言，與已發(fā)表的面積光譜指數(shù)相比，基于優(yōu)化算法的面積光譜指數(shù)(OTVI，OCAI，ONDDA)成功的估測了不同生育時(shí)期的玉米葉片葉綠素含量。

雖然基于優(yōu)化算法的面積光譜指數(shù)所構(gòu)建的估測模型精度較高，但是一個(gè)經(jīng)驗(yàn)?zāi)Ｐ偷臉?gòu)建必須通過驗(yàn)證才能證明其實(shí)用性和穩(wěn)定性，選取與玉米葉片葉綠素含量相關(guān)性前三的光譜指數(shù)與其比較。雖然OTVI和OCAI指數(shù)的表現(xiàn)很好，但是ONDDA指數(shù)的表現(xiàn)仍然是最佳的，有著最低的RMSE和NRMSE%，分別為2.29和3.94%，并且通過ONDDA指數(shù)反演得到的預(yù)測值與實(shí)測值擬合方程的斜率最接近1，為0.996(表3，圖6)。從擬合方程的結(jié)果來看，三個(gè)優(yōu)化面積光譜指數(shù)都可用于估測玉米葉片葉綠素含量，但OCAI和OTVI指數(shù)其表現(xiàn)最好的波段組合因不同的生育時(shí)期而異(圖7)。這一結(jié)果證實(shí)了OCAI和OTVI指數(shù)在預(yù)測葉片葉綠素含量和敏感波段選擇上的不一致性。這些不一致性表明，植物和非植物因素，如層位、地點(diǎn)和生育時(shí)期，極大地影響了高光譜指數(shù)估測葉片葉綠素含量的性能[14-15]。這一發(fā)現(xiàn)解釋了前人研究的面積光譜指數(shù)在本研究不同數(shù)據(jù)集中表現(xiàn)較差的現(xiàn)象。與OCAI和OTVI指數(shù)相比，ONDDA指數(shù)優(yōu)化的波段組合更加穩(wěn)定(圖7)，并且在所有數(shù)據(jù)集中，ONDDA指數(shù)比其他已發(fā)表的光譜指數(shù)與玉米葉片葉綠素含量的相關(guān)性最大。結(jié)果進(jìn)一步證實(shí)敏感波段在葉片葉綠素含量估測中起重要作用。

基于面積的光譜指數(shù)構(gòu)建的玉米葉片葉綠素含量估測模型來源于一個(gè)為期一年的田間試驗(yàn)數(shù)據(jù)，包括三個(gè)地點(diǎn)和三個(gè)品種下的玉米葉片數(shù)據(jù)。其實(shí)用性和穩(wěn)定性仍然需要在多年、不同生態(tài)區(qū)和不同作物條件下進(jìn)一步測試，以提高光譜技術(shù)在診斷植株葉片葉綠素含量時(shí)的能力。

3 結(jié) 論

不同面積算法的光譜指數(shù)顯著影響葉綠素含量的估測精度，而且光譜指數(shù)在估測玉米葉片葉綠素含量時(shí)受生育時(shí)期的影響較大?；趦?yōu)化面積算法的光譜指數(shù)不僅有效的降低了生育時(shí)期對估測精度的影響，并且與前人研究的光譜指數(shù)相比估測精度有顯著提升。綜合評價(jià)結(jié)果證明，優(yōu)化光譜指數(shù)ONDDA與葉片葉綠素含量的擬合效果最好，R2達(dá)0.94，預(yù)測值和實(shí)測值的RMSE和NRMSE%最小，分別為2.29和3.94%。