李恒凱 歐彬 劉雨婷

(江西理工大學(xué)，江西 贛州，341000)

?

基于高光譜參數(shù)的竹葉葉綠素質(zhì)量分?jǐn)?shù)估算模型1)

李恒凱 歐彬 劉雨婷

(江西理工大學(xué)，江西 贛州，341000)

為研究竹葉葉綠素質(zhì)量分?jǐn)?shù)和高光譜參數(shù)的相關(guān)性，建立葉綠素質(zhì)量分?jǐn)?shù)估算模型。利用Field Spec4便攜式地物光譜儀采集無(wú)病蟲(chóng)害的箭竹竹葉光譜，使用SPAD-502葉綠素儀測(cè)定相應(yīng)竹葉的葉綠素質(zhì)量分?jǐn)?shù)，分析竹葉葉綠素質(zhì)量分?jǐn)?shù)與原始光譜、一階導(dǎo)數(shù)光譜以及提取的光譜特征參數(shù)之間的相關(guān)性，采用線性和非線性分析法構(gòu)建葉綠素質(zhì)量分?jǐn)?shù)估算模型并進(jìn)行精度檢驗(yàn)。結(jié)果表明：(1)竹葉葉綠素質(zhì)量分?jǐn)?shù)在原始光譜反射率762 nm處相關(guān)系數(shù)達(dá)到最大值，相關(guān)系數(shù)為0.544 3；在一階導(dǎo)數(shù)光譜反射率689 nm和726 nm處分別達(dá)到了極顯著相關(guān)水平，相關(guān)系數(shù)分別為-0.747 9和0.907 9。(2)基于λb、λr、SDr/SDb和(SDr-SDb)/(SDr+SDb)等光譜參數(shù)都與葉綠素質(zhì)量分?jǐn)?shù)達(dá)到了極顯著相關(guān)水平。(3)采用相關(guān)性達(dá)到極顯著水平的4種光譜參數(shù)以及689、726 nm處的一階導(dǎo)數(shù)光譜反射率，構(gòu)建葉綠素質(zhì)量分?jǐn)?shù)估算模型。依據(jù)決定系數(shù)(R2)最高，篩選出的回歸估算模型中，基于一階導(dǎo)數(shù)光譜反射率在726 nm處的線性模型R2最高，為0.882 8，均方根誤差(RMSE)和相對(duì)誤差(RE)最小，分別為1.7050%和4.18%。因此，一階導(dǎo)數(shù)光譜反射率在726 nm處的線性模型為竹葉葉綠素質(zhì)量分?jǐn)?shù)的最佳估算模型。

葉綠素質(zhì)量分?jǐn)?shù)；高光譜參數(shù)；箭竹；估算模型

We studied the relationship between chlorophyll content and high spectral parameters of arrow bamboo leaves and established a model for estimating chlorophyll content. We collected the spectrum of healthy leaves by a Field Spec4 portable spectrometer, used a SPAD-502 chlorophyll meter to determine the chlorophyll content of bamboo leaves, and analyzed the correlations of chlorophyll content in bamboo leaves with the original spectrum, first derivative of spectrum and the spectral characteristic parameters. We used the linear and nonlinear analysis method to build the estimation model of chlorophyll content, and then conducted the accuracy test. The maximum correlation coefficient of chlorophyll content occurred at the reflectance band of 762 nm with the correlation coefficient of 0.544 3. In the first derivative spectral reflectance of 689 and 726 nm there were significant correlations of -0.747 9 and 0.907 9, respectively. The parameters includingλb,λr,SDr/SDband (SDr-SDb)/(SDr+SDb) reached significant correlations. The estimation model of chlorophyll content was constructed by using four kinds of spectral parameters and the first derivative spectral reflectance of 689 and 726 nm. The model based on the first derivative spectral reflectance of 726 nm using the linear model obtained the most satisfied results for the estimation model of chlorophyll content withR2of 0.882 8,RMSEof 1.705 0 andREof 4.18%, which becomes a best estimation model for chlorophyll content of bamboo leaves.

葉綠素是植物生長(zhǎng)過(guò)程的重要組成成分，在光合作用中承擔(dān)重要的角色，其質(zhì)量分?jǐn)?shù)的高低對(duì)植物光合能力、發(fā)育以及生長(zhǎng)狀況具有指示作用[1-2]。健康綠色植物的光譜反射率在可見(jiàn)光范圍內(nèi)主要受葉綠素的影響，而在近紅外波段主要與葉片結(jié)構(gòu)、葉片纖維等因素有關(guān)[3]。隨著高光譜技術(shù)的不斷發(fā)展，高光譜遙感具有光譜分辨率高、波段數(shù)多以及光譜信息豐富等特點(diǎn)，從光譜數(shù)據(jù)中快速、無(wú)損地監(jiān)測(cè)植被生長(zhǎng)信息，建立植被葉綠素質(zhì)量分?jǐn)?shù)估算模型，已成為植被生理生態(tài)研究的關(guān)注點(diǎn)[4-5]。近年來(lái)，基于高光譜參數(shù)的葉綠素質(zhì)量分?jǐn)?shù)研究已取得較大進(jìn)展，劉桃菊等[6]基于冠層反射率光譜的特征變量，研究水稻冠層光譜特征變量與葉片葉綠素質(zhì)量分?jǐn)?shù)之間的關(guān)系；宋開(kāi)山等[7]構(gòu)建了大豆冠層的高光譜反射率與葉綠素質(zhì)量分?jǐn)?shù)估算模型；王強(qiáng)等[8]采用線性及多元逐步回歸技術(shù)構(gòu)建了葉綠素密度高光譜診斷模型；金震宇等[9]對(duì)水稻生育期9組葉片葉綠素濃度和相應(yīng)的光譜反射率數(shù)據(jù)進(jìn)行相關(guān)分析，得出水稻葉片的“紅邊”拐點(diǎn)波長(zhǎng)位置與其葉綠素濃度之間具有很強(qiáng)的相關(guān)性；李亞丹等[10]研究了雷竹葉綠素與高光譜植被指數(shù)關(guān)系及其反演模型。

箭竹是大熊貓的主要食物來(lái)源，對(duì)山地水土保持、減緩地表徑流、涵養(yǎng)水源、調(diào)節(jié)小氣候環(huán)境、促進(jìn)農(nóng)業(yè)穩(wěn)產(chǎn)豐產(chǎn)等都起著不同程度的有利作用，也是重要的城市綠化植物。在發(fā)展箭竹種植的同時(shí)，往往忽略了竹林病害的嚴(yán)重性，常見(jiàn)的竹葉銹病會(huì)使葉片褐色、失綠，嚴(yán)重時(shí)葉片萎蔫、卷曲、下垂、生長(zhǎng)不良，直接或間接地影響了其在生態(tài)中發(fā)揮的作用，其生長(zhǎng)過(guò)程中生化參數(shù)的變化對(duì)評(píng)價(jià)其生長(zhǎng)狀況具有重要的生態(tài)意義。本文使用箭竹竹葉的光譜反射率來(lái)估算葉綠素的質(zhì)量分?jǐn)?shù)，建立葉綠素質(zhì)量分?jǐn)?shù)估算模型，旨在為竹葉葉綠素質(zhì)量分?jǐn)?shù)的估算提供方法和參考，對(duì)竹林的遙感實(shí)時(shí)監(jiān)測(cè)及病害管理提供依據(jù)。

1 材料與方法

1.1 實(shí)驗(yàn)設(shè)計(jì)與數(shù)據(jù)采集

本實(shí)驗(yàn)地點(diǎn)位于贛州市內(nèi)一片綠化箭竹林地，供試品種為自然生長(zhǎng)狀態(tài)下的箭竹。選擇無(wú)病蟲(chóng)害的植株，每株選取上、中、下部葉片。采用美國(guó)ASD公司生產(chǎn)的Field Spec4便攜式地物光譜儀采集測(cè)定竹葉光譜反射率，光譜分辨率在350～1 000 nm為3 nm，采樣間隔為1.4 nm；光譜分辨率1 000～2 500 nm為10 nm，采樣間隔為2 nm。選擇在晴朗無(wú)云無(wú)風(fēng)的天氣，測(cè)定時(shí)間為11:00—14:00，光譜儀探頭垂直向下，與采集樣本的垂直距離為10～20 cm，光譜儀視場(chǎng)角選用10°，每次采集數(shù)據(jù)前都進(jìn)行白板校正和自動(dòng)優(yōu)化。采集30個(gè)樣本分為兩組，一組是測(cè)試樣本，一組是檢驗(yàn)樣本，樣本選擇無(wú)病害且常綠竹葉。為了降低測(cè)量誤差，對(duì)每片竹葉的葉尖、葉中、葉基位置各測(cè)定2次，獲得6組光譜數(shù)據(jù)，計(jì)算平均值作為該葉片的反射光譜值。

在光譜數(shù)據(jù)采集后，使用對(duì)植物無(wú)破壞性的SPAD-502葉綠素儀，測(cè)定竹葉葉綠素的質(zhì)量分?jǐn)?shù)。測(cè)量時(shí)，避開(kāi)葉脈，圍繞光譜采集點(diǎn)附近采樣3次，求取并記錄平均值。多數(shù)研究表明SPAD-502葉綠素儀測(cè)定的SPAD值與葉綠素質(zhì)量分?jǐn)?shù)之間呈極顯著關(guān)系，能夠代替葉綠素質(zhì)量分?jǐn)?shù)[11-12]。因此，本文采用便攜式葉綠素儀SPAD-502測(cè)定值代替葉綠素質(zhì)量分?jǐn)?shù)。

1.2 光譜參數(shù)的選擇

為了建立不同光譜參數(shù)的箭竹竹葉葉綠素質(zhì)量分?jǐn)?shù)預(yù)測(cè)模型，估算不同模型的預(yù)測(cè)精度并篩選出最優(yōu)模型，本文根據(jù)竹葉葉綠素質(zhì)量分?jǐn)?shù)與光譜反射率之間的相關(guān)性是否達(dá)到極顯著水平(P<0.01)來(lái)選擇波段所對(duì)應(yīng)的光譜反射率值作為光譜參數(shù)，以及參考基于光譜提取變量和植被指數(shù)等多種光譜參數(shù)[13-14]進(jìn)行模型構(gòu)建。結(jié)合本研究區(qū)情況所選擇的光譜參數(shù)如表1所示。

1.3 模型構(gòu)建

采用皮爾遜(Pearson)系數(shù)法分析葉綠素質(zhì)量分?jǐn)?shù)與各光譜參數(shù)之間的相關(guān)性，然后根據(jù)兩個(gè)變量之間的相關(guān)程度選擇合適的光譜參數(shù)，構(gòu)建光譜參數(shù)與葉綠素質(zhì)量分?jǐn)?shù)的線性和非線性模型。

Pearson相關(guān)系數(shù)是一種度量?jī)蓚€(gè)變量間相關(guān)程度的方法，計(jì)算公式為：

(1)

式中：rxy為各光譜參數(shù)與葉綠素質(zhì)量分?jǐn)?shù)的相關(guān)系數(shù)，n代表樣本數(shù)量，xi為第i個(gè)樣本的光譜參數(shù)值，yi為第i個(gè)樣本的葉綠素值，xavg為n個(gè)樣本數(shù)量的光譜參數(shù)平均值，yavg為n個(gè)樣本數(shù)量的葉綠素平均值。本文主要考慮對(duì)rxy進(jìn)行P<0.01和P<0.05的置信度水平檢驗(yàn)。

表1 光譜參數(shù)

為了確定葉綠素質(zhì)量分?jǐn)?shù)與各光譜參數(shù)之間相互依賴的定量關(guān)系，選擇通過(guò)置信水平P<0.01的光譜參數(shù)作為自變量x，葉綠素質(zhì)量分?jǐn)?shù)為因變量y，使用Excel2010軟件構(gòu)建線性和非線性模型，具體公式如下：

一元線性模型：

y=a1x+a0。

(2)

指數(shù)模型：

y=a0exp(a1x)。

(3)

二次函數(shù)模型：

y=a2x2+a1x+a0。

(4)

式中：a0、a1、a2分別為回歸系數(shù)。

1.4 模型檢驗(yàn)

本文使用決定系數(shù)(R2)、均方根誤差(RMSE)和相對(duì)誤差(RE)來(lái)進(jìn)行模型精度的檢驗(yàn)。通常認(rèn)為R越接近于1，且RMSE與RE值最小，估算模型求得的實(shí)測(cè)值與估算值的擬合效果越好，模型的精度越高。計(jì)算公式[15]為：

(5)

(6)

式中：yi、yj分別代表實(shí)測(cè)值和估算值，n代表樣本數(shù)量。

2 結(jié)果與分析

2.1 葉綠素質(zhì)量分?jǐn)?shù)與光譜反射率的相關(guān)性

使用Field Spec4自帶的ViewSpecPro軟件導(dǎo)出竹葉原始光譜反射率和一階導(dǎo)數(shù)光譜反射率曲線，使用Excel 2010分別對(duì)竹葉原始光譜反射率與一階導(dǎo)數(shù)光譜反射率所對(duì)應(yīng)的葉綠素質(zhì)量分?jǐn)?shù)進(jìn)行相關(guān)分析，通過(guò)相關(guān)性來(lái)提取葉綠素敏感波段，建立竹葉葉綠素質(zhì)量分?jǐn)?shù)估算模型。竹葉葉綠素質(zhì)量分?jǐn)?shù)與光譜反射率之間的相關(guān)性如圖1所示。通過(guò)圖1(a)可知，350～495 nm和721～1 000 nm波段內(nèi)，葉綠素與原始光譜反射率呈正相關(guān)，在496～720 nm波段范圍內(nèi)呈負(fù)相關(guān)；在750～838 nm波段范圍內(nèi)達(dá)到了顯著相關(guān)水平(P<0.05)，且敏感波段在762 nm處，最大相關(guān)系數(shù)為0.544 3。

竹葉葉綠素質(zhì)量分?jǐn)?shù)與一階導(dǎo)數(shù)光譜反射率的相關(guān)性如圖1(b)所示，在波段489～513 nm、635～672 nm、683～695 nm以及709～753 nm波段內(nèi)達(dá)到了顯著相關(guān)(P<0.05)。其中，在638～670 nm和711～750 nm波段內(nèi)，竹葉葉綠素與一階導(dǎo)數(shù)光譜反射率達(dá)到了極顯著相關(guān)(P<0.01)；在726 nm處相關(guān)性最好，相關(guān)系數(shù)為0.907 9；在494～506 nm和685～693 nm波段內(nèi)達(dá)到了負(fù)的極顯著相關(guān)；在689 nm處相關(guān)性最好，相關(guān)系數(shù)為-0.747 9； 在886～1 000 nm波段內(nèi)，一階光譜反射率與葉綠素質(zhì)量分?jǐn)?shù)的相關(guān)性正負(fù)變換無(wú)明顯規(guī)律，達(dá)不到極顯著相關(guān)性。

(a)原始光譜 (b)一階導(dǎo)數(shù)光譜

2.2 葉綠素質(zhì)量分?jǐn)?shù)和提取光譜參數(shù)的相關(guān)性

從圖1可以看出，竹葉葉綠素質(zhì)量分?jǐn)?shù)與光譜反射率在藍(lán)邊、紅谷和紅邊附近具有一定的相關(guān)性，只要算出葉綠素質(zhì)量分?jǐn)?shù)在這些光譜參數(shù)所對(duì)應(yīng)波段處的相關(guān)性。

從表2可以看出，λb、λr、SDr/SDb和(SDr-SDb)/(SDr+SDb)這四個(gè)光譜參數(shù)都通過(guò)了0.01顯著性檢驗(yàn)達(dá)到了極顯著相關(guān)水平，相關(guān)性均高達(dá)0.73以上。其中λr與葉綠素質(zhì)量分?jǐn)?shù)的相關(guān)性最高，達(dá)到0.876，利用這些光譜參數(shù)預(yù)測(cè)竹葉葉綠素質(zhì)量分?jǐn)?shù)是可行的。而其余光譜參數(shù)與葉綠素質(zhì)量分?jǐn)?shù)相關(guān)水平均達(dá)不到極顯著水平。

表2 葉綠素質(zhì)量分?jǐn)?shù)與光譜參數(shù)的相關(guān)性

注:表中** 為極顯著水平(P<0.01)；*為顯著水平(P<0.05)。

2.3 竹葉葉綠素質(zhì)量分?jǐn)?shù)估算模型及精度檢驗(yàn)

根據(jù)竹葉葉綠素質(zhì)量分?jǐn)?shù)與原始光譜反射率、一階導(dǎo)數(shù)光譜反射率的相關(guān)分析結(jié)果，選擇相關(guān)性達(dá)到極顯著水平的敏感波段，建立葉綠素質(zhì)量分?jǐn)?shù)估算模型。從表3可以看出，根據(jù)各光譜參數(shù)所建立的回歸估算模型，二次函數(shù)模型的決定系數(shù)R2最高。

表3 基于光譜參數(shù)的葉綠素質(zhì)量分?jǐn)?shù)估算模型

本研究采用隨機(jī)抽取的10個(gè)檢驗(yàn)樣本對(duì)各預(yù)測(cè)模型精度進(jìn)行評(píng)價(jià)。由圖2可知，只要點(diǎn)越接近于實(shí)線，說(shuō)明模型的估算效果最好，在以下6個(gè)估算模型中，模型(f)的決定系數(shù)R2最高，為0.882 8，均方根誤差RMSE以及相對(duì)誤差RE最小，分別為1.705 0%和4.18%。因此，本文選用一階導(dǎo)數(shù)光譜726 nm處建立的線性模型作為葉綠素質(zhì)量分?jǐn)?shù)估算模型。

圖2 不同模型的竹葉葉綠素質(zhì)量分?jǐn)?shù)實(shí)測(cè)值與估算值分布

3 結(jié)論

利用葉綠素質(zhì)量分?jǐn)?shù)與各光譜參數(shù)之間的關(guān)系，建立了竹葉葉綠素質(zhì)量分?jǐn)?shù)的估算模型。通過(guò)分析得到如下結(jié)論：

1)竹葉葉綠素質(zhì)量分?jǐn)?shù)與原始光譜反射率的敏感波段在762 nm處，達(dá)到了顯著相關(guān)水平；與一階光譜反射率的敏感波段在689 nm和726 nm處，達(dá)到了極顯著相關(guān)水平。

2)根據(jù)竹葉葉綠素質(zhì)量分?jǐn)?shù)與光譜反射率之間的相關(guān)性所提取的光譜參數(shù)中，與葉綠素質(zhì)量分?jǐn)?shù)達(dá)到極顯著相關(guān)水平的有藍(lán)邊位置、紅邊位置、紅邊面積與藍(lán)邊面積比值以及紅邊面積與藍(lán)邊面積歸一化值，選擇達(dá)到極顯著相關(guān)水平的光譜參數(shù)建立竹葉葉綠素質(zhì)量分?jǐn)?shù)估算模型具有可行性。

3)以各光譜參數(shù)為自變量，建立的葉綠素質(zhì)量分?jǐn)?shù)估算模型均是二次函數(shù)模型決定系數(shù)(R2)最高。通過(guò)精度驗(yàn)證發(fā)現(xiàn)，基于一階導(dǎo)數(shù)光譜在726 nm處建立的線性估算模型精度最高，擬合效果最好。因此，以此模型作為估算葉綠素質(zhì)量分?jǐn)?shù)的最優(yōu)模型。

[1] DAUGHTRY C S T, WALTHALL C L, KIM M S, et al. Estimating corn leaf chlorophyll concentration from leaf and canopy reflectance[J]. Remote Sensing of Environment,2000,74(2):229-239.

[2] NIGS I, BEHAEGHE T, IMPENS I. Leaf nitrogen content as a predictor of photosynthetic capacity in ambient and global change conditions[J]. Journal of Biogeography,1995,22(2/3):177-183.

[3] THOMAS J R, GAUSMAN H W. Leaf reflectance vs. leaf chlorophyll and carotenoid concentrations for eight crops[J]. Agronomy Journal,1976,69(5):799-802.

[4] CHEN L, HUANG J F, WANG F M, et al. Comparison between back propagation neural network and regression models for the estimation of pigment content in rice leaves and panicles using hyperspectral data[J]. International Journal of Remote Sensing,2007,28(16):3457-3478.

[5] 楊曦光,范文義,于穎.森林葉綠素含量的高光譜遙感估算模型的建立[J].森林工程,2010,26(2):8-11.

[6] 劉桃菊,胡雯君,張笑東,等.水稻冠層高光譜特征變量與葉片葉綠素含量的相關(guān)性研究[J].激光生物學(xué)報(bào),2015,24(5):428-435.

[7] 宋開(kāi)山,張柏,王宗明,等.大豆葉綠素含量高光譜反演模型研究[J].農(nóng)業(yè)工程學(xué)報(bào),2006,22(8):16-21.

[8] 王強(qiáng),易秋香,包安明,等.基于高光譜反射率的棉花冠層葉綠素密度估算[J].農(nóng)業(yè)工程學(xué)報(bào),2012,28(15):125-132.

[9] 金震宇,田慶久,惠鳳鳴,等.水稻葉綠素濃度與光譜反射率關(guān)系研究[J].遙感技術(shù)與應(yīng)用,2003,18(3):134-137.

[10] 李亞丹,杜華強(qiáng),周?chē)?guó)模,等.雷竹葉綠素與高光譜植被指數(shù)關(guān)系及其反演模型[J].浙江農(nóng)林大學(xué)學(xué)報(bào),2015,32(3):335-345.

[11] 姜麗芬,石福臣,王化田,等.葉綠素計(jì)SPAD-502在林業(yè)上應(yīng)用[J].生態(tài)學(xué)雜志,2005(12):1543-1548.

[12] 艾天成,李方敏.作物葉片葉綠素含量與SPAD值相關(guān)性研究[J].湖北農(nóng)學(xué)院學(xué)報(bào),2000,20(1):6-8.

[13] 付虎艷,靳涵丞,張洪亮,等.貴州喀斯特山區(qū)煙葉高光譜參數(shù)與葉綠素含量的關(guān)系[J].煙草科技,2015,48(2):21-26.

[14] 浦瑞良,宮鵬.高光譜遙感及其應(yīng)用[M].北京：高等教育出版社,2000.

[15] 王紀(jì)華,趙春江,黃文江,等.農(nóng)業(yè)定量遙感基礎(chǔ)與應(yīng)用[M].北京:科學(xué)出版社,2008.

Estimation Models of Chlorophyll Content of Bamboo Leaves Based on Spectral Parameter//

Li Hengkai, Ou Bin, Liu Yuting

(Jiangxi University of Science and Technology, Ganzhou 341000, P. R. China)//

Journal of Northeast Forestry University，2017,45(5)：44-48.

Chlorophyll content; Spectral parameter; Arrow bamboo; Estimation model

1)國(guó)家自然科學(xué)基金項(xiàng)目(41561091)；江西省自然科學(xué)基金項(xiàng)目(20161BAB206143)；江西省教育廳科技課題(GJJ150659)。

李恒凱，男，1980年10月生，江西理工大學(xué)建筑與測(cè)繪工程學(xué)院，副教授。E-mail:giskai@126.com。

2017年1月10日。

TP79

責(zé)任編輯：王廣建。