植被叶片生化组分的光谱响应特征分析
孙林;程丽娟
【摘 要】依据LOPEX'93数据,分别使用地表反射率光谱及其变化量以及光谱指数分析了鲜叶片叶绿素和水分含量的光谱响应.结果表明,在反射率光谱及其变化量的分析中,反射率的二阶导数对叶绿素具有较高的响应,对叶绿素响应较高的波段依次为600,700,670,410,490,500和440 nm,这些波段区间能够较好地反映植被叶绿素的含量;反射率光谱经连续统去除后对叶片含水量具有较高的响应,对水分含量响应较高的波段依次为:1 870,2 130,2 180,1 820,2 350和2 120 nm,分别对应着水分在短波红外波段的吸收波段.在光谱指数的分析方法中,光谱指数ND(normalized difference)对叶绿素含量较其他指数具有更高的响应,其相关系数为0.618;光谱指数Ratio975对叶片水分含量具有较高的响应,相关系数可达0.996.根据以上的响应分析,构建相关模型,对叶片中叶绿素和含水量开展地基反演实验,结果表明,基于地面光谱数据反演叶片中叶绿素和含水量可达到较高的精度.
【期刊名称】《光谱学与光谱分析》
【年(卷),期】2010(030)011
【总页数】5页(P3031-3035)
【关键词】生化组分;地表反射率;光谱指数;光谱响应
【作 者】孙林;程丽娟
【作者单位】山东科技大学测绘科学与工程学院,山东,青岛266510;山东科技大学测绘科学与工程学院,山东,青岛266510
【正文语种】中 文
【中图分类】TP79;O177.9
近年来，随着成像光谱遥感技术的发展，利用遥感手段精确估算植物叶片生物化学含量已经成为可能，并且正在形成遥感领域的研究热点［1］。高光谱遥感的成像光谱仪可以把光谱分离成几十甚至数百个很窄的波段来接收信息，每个波段宽度可达几个纳米，能够获取连续的地物波谱信息。可以通过高光谱遥感技术对植被的吸收特征在特定的非常窄的波段范围内进行精细化测量和研究。目前，植被生化组分遥感获取的方法主要有两类［2］：一
类是利用光谱绝对值（或其变换形式），与不同的生化参数的相关关系，第二类是利用光谱指数变量与生化参数的相关关系。这两者从实质上讲主要是基于植被叶片生化组分对光谱的响应，因此，精确分析植被叶片生化组分对光谱的响应对于使用高光谱遥感的成像光谱提取植被生化组分信息具有重要的意义。本文利用LOPEX’93（Leaf Optical Properties Experiment）数据集中的植被生化组分数据及对应的光谱数据，基于反射率光谱变量和光谱指数变量的分析技术，分析光谱对叶片生化组分含量（包括叶绿素和水分）的响应，用于指导高光谱遥感提取植被生化组分信息。
LOPEX’93数据集是1993年由位于Ispra的联合研究中心（JRC）开展的两次旨在研究高光谱数据反演植物理化参数可行性和精度的实验获取的数据集。该试验对多达50种类型的75片植物叶片进行了同步的光谱观测和理化参数测定，包括4种裸子植物、9种单子叶植物和37种双子叶植物［3］。影响植被光谱特征的主要生化组分有叶绿素、水分、干物质等。图1是从LOPEX’93数据集中提取的一个健康绿植被（三叶草）的光谱曲线。叶绿素的吸收特征主要集中在可见光波段，水分的吸收主要集中在短波红外波段。一般健康绿植物的光谱曲线总是呈现出明显的“峰”和“谷”特征。健康的绿植物光谱曲线在可见光波段（400～760nm）有一个小的反射峰，为绿光波段；两侧有两个吸收带，即450nm的蓝光波段和6
70nm的红光波段，这是因为叶绿素对蓝光和红光吸收作用较强。健康植被叶子内部的水分在1 400，1 900和2 700nm处有三个明显的吸收谷，在1 600和2 200nm处有两个反射峰。根据以上不同生化组分的吸收特征，可以有针对性的提取植被生化组分。
2．1 基于光谱特征的分析方法
相关研究表明：可见光和近红外区域是素反射和吸收的敏感区域。根据植被的波谱曲线特征，选择400～750nm范围的波段分析光谱对叶片中叶绿素含量的响应；选择1 300～2 500nm范围的波段分析光谱对叶片中含水量的响应，波谱间隔采样为10nm［4］。
在分析光谱对叶片中叶绿素、水分含量的响应过程中，选用的光谱特征变量包括：反射率［5］、反射率的一阶导数［6］、二阶导数［7］，反射率倒数的对数［8］、反射率倒数的一阶导数［3］、红边、绿峰、波段深度［9］等，为了突出植被的特定吸收特征，还引入了Kokaly等提到的连续统去除光谱。反射率是光谱仪对叶片直接测量的结果，是叶片生化组分综合作用的结果；植被光谱的一阶微分计算是根据Lagrangian内插多项式得到的三点数值差分求导公式［10］：对于已知函数f（x），x＝0，1，2，…，n－1，自变量步长为h，在本次计算中步长即是相邻波长的间隔。其一阶导数计算公式为
二阶微分就是在一阶微分的基础上再求导。光谱的一阶、二阶微分可以消除背景噪声、分辨重叠光谱［11］，可以去除部分线性或接近吸纳性的背景、地形阴影、噪声光谱等对目标光谱的影响，具有良好的抗土壤背景影响的能力。反射率倒数的对数（即：log（1／R））、反射率倒数的一阶导数（即对1／R进行一阶微分），可以很好地反映不同生化组分的吸收特征，对叶片含水量敏感。红边为植被光谱中680～750nm反射光谱的一阶微分最大值对应的光谱位置。相关研究证明，红边和植被的生长状况及叶绿素含量密切相关。当绿植物叶绿素含量高，生长旺盛时，红边会向长波方向移动（红移）；当植物由于感染病虫害或因污染等胁迫使叶绿素含量减少时，红边会向短波方向移动。连续统是通过计算包络线来代表光谱的总体背景特征，能从一个共同的基线比较各个光谱吸收特征，使生化组分的吸收特征得到放大。波段深度根据连续统去除波谱进行计算。
2．2 基于光谱指数变量的分析方法
光谱指数是指某些特定波段的反射率的组合。通常能部分消除环境背景的影响［3］，更好地作为植被生理状态的指示因子，更清晰地反映出光谱对叶片生化组分的响应［3］。为了突出植被中不同组分的不同特征或消除植被分析中的特定影响，现在已经发展了几十甚至
上百种光谱指数，它们对叶绿素含量或水分含量存在潜在的敏感性。这里选用几种常用的光谱指数来分析其对叶绿素、水分的响应［3，12］。包括：NPCI（native plant conservation initiative），NPQI（normalized phaeophytinization index），PRI1（photochemical reflectance index 1），PRI2（photochemical reflectance index 2），PRI3（photochemical reflectance index 3），SRPI（simple ratio pigment index），Carter1（carter indices 1），绿度指数 G（greenness index，Lic1（lichtenthaler indices 1），NDVI（normalized difference vegetation index），Lic2（lichtenthaler indices 2），Lic3（lichtenthaler indices 3），SIPI（structure insensitive pigment index），TCARI（transformed chlorophyll absorption in reflectance index），SR（simple ratio index），PSSRa（pigment specific simple ratio a），PSSRb（pigment specific simple ratio b），Vogelmann 1，Vogelmann 2，Vogelmann 3，GM（gitelson ＆merzylak），CI（curvature index），ND［13］（normalized difference），WI1（water index 1），NDWI（normalized difference water index），II（in－frared index），WI2（water index 2），Ratio975，Ratio1200。
表1是选用的叶绿素光谱指数及其计算方法，表2是选用的水分光谱指数及计算方法。
本实验取LOPEX’93数据集中的鲜叶样本数据，分别取400～750nm波段范围进行光谱对叶绿素含量的响应分析，取1 300～2 500nm的波段范围进行光谱对水分含量的响应分析，光谱采样间隔为10nm。计算反射率的一阶导数、二阶导数、反射率倒数的对数、反射率倒数的一阶导数，红边、绿峰、红谷、波段深度、连续统去除光谱等变量，并与叶绿素含量和水分含量进行逐步线性回归分析。考虑到叶绿素a、叶绿素b、叶绿素ab［14］存在较强的相关性［3］，因此只定量考虑叶绿素ab。水分反演的过程中，FMC和EWT两种表示方法。其中FMC（相对含水量），表示叶片中水分含量占鲜叶重或干叶重的百分比，即
EWT的单位是g·cm－2或cm。
3．1 叶片叶绿素含量的光谱响应分析
从LOPEX’93数据集中，随机选取50个样本。分别就叶片反射率、反射率的一阶导数、二阶导数、反射率倒数的对数、反射率倒数的一阶导数、红边－绿峰－红谷、波段深度、连续统去除光谱等变量与叶绿素含量进行相关性分析。
从结果（表3）可以看出在以上几种变量中，以反射率的二阶导数与叶绿素含量的相关系数
最高，为0．792，均方根误差最小为1．339 1mg·g－1，真实值的平均值为3．493 134 mg·g－1，平均准确率为61．665%。对叶绿素响应较高的波段依次为600，700，670，410，490，500和440nm。
表4为用选择的光谱指数与叶绿素含量的相关分析结果，可以看出，ND指数与叶绿素含量相关性最高，相关系数为0．618，均方根误差为1．612mg·g－1，平均准确率为53．85%，但该方法的准确性明显小于基于地表反射率光谱变量的最大相关系数。比较二阶导数变量、红边－绿峰－红谷变量、光谱指数变量的相关系数和预测结果，对于叶绿素，就准确度而言，光谱变量（二阶导数）精度较高。
>cari

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。