基于“高分一號”遙感影像反演華南地區(qū)亞熱帶典型作物冠層SPAD

黃汝根，劉振華，胡月明，肖北生

(華南農(nóng)業(yè)大學(xué) 資源環(huán)境學(xué)院/國土資源部建設(shè)用地再開發(fā)重點(diǎn)實(shí)驗(yàn)室/廣東省土地利用與整治重點(diǎn)實(shí)驗(yàn)室/廣州市測繪地理信息行業(yè)工程技術(shù)研究中心，廣東 廣州510642)

葉綠素是一類與光合作用非常密切的色素．同時，葉綠素也是一種獨(dú)特的生物化學(xué)參數(shù)，對于估測植物生長狀況、診斷植物病理起著至關(guān)重要的作用．通過測算葉綠素的含量，從宏觀上看，可以對植物的長勢和健康程度進(jìn)行分析和監(jiān)測，估算整個區(qū)域的生物量，從而計(jì)算出區(qū)域內(nèi)生物生產(chǎn)力的大小;從微觀上看，通過對植物葉片中葉綠素含量的連續(xù)監(jiān)測，可以研究植物內(nèi)完整的光合作用過程以及過程中二氧化碳的吸收和利用，對研究生物圈內(nèi)二氧化碳的循環(huán)利用效益有著不可小覷的前瞻性作用．從前，要了解植物內(nèi)葉綠素的含量，需要把采樣得到的植物葉片在實(shí)驗(yàn)室里利用分光光度法進(jìn)行測定．經(jīng)過不斷的研究表明，影響葉綠素含量的直接因素是植物中所含氮的多少．因此，葉綠素計(jì)面世有著重要的意義．葉綠素計(jì)通過測定葉片在不同波長的透過系數(shù)來確定葉片中的氮含量，從而確定葉片中葉綠素的相對含量(Soil and plant analyzer development，SPAD)．葉綠素計(jì)攜帶便捷，測算速度快，具有重大的應(yīng)用價值．對小范圍植物葉綠素的快速測定可以借助葉綠素計(jì)，而對于大范圍的植被則難以利用人工手段進(jìn)行大規(guī)模測定植物的葉綠素含量．因此，借助遙感影像進(jìn)行大面積反演植物冠層SPAD 有著巨大的應(yīng)用價值，可以極大地提高估算的效率．

國內(nèi)外的學(xué)者對于葉綠素的研究一般是利用便攜式地物光譜儀對植物葉片光譜進(jìn)行測量，以光譜數(shù)據(jù)推算出高光譜指數(shù)［1］、植被指數(shù)［2-4］、植物反射率［5］、一階微分光譜［6-7］等與SPAD 進(jìn)行相關(guān)性分析，然后建立回歸模型，進(jìn)而建立最佳的函數(shù)擬合方程反演大范圍、大面積植物的葉綠素相對含量．相對而言，借助遙感影像反演葉綠素含量的文獻(xiàn)較少［8］．本研究借助我國剛發(fā)射成功不久的自主研制的高分辨率對地觀測衛(wèi)星“高分一號”的最新影像，從中提取相關(guān)地學(xué)信息，構(gòu)造和篩選合適的反演變量，對研究區(qū)內(nèi)亞熱帶典型作物冠層的葉綠素相對含量進(jìn)行反演，建立基于高分影像的數(shù)據(jù)估算葉綠素相對含量的回歸模型，以期在對植物無損傷前提下，為在短時間內(nèi)估測華南地區(qū)亞熱帶大面積典型作物群落冠層的葉綠素相對含量提供理論依據(jù)和方法借鑒．

1 材料與方法

1．1 研究區(qū)概況

研究區(qū)位于廣東省廣州市增城區(qū)華南農(nóng)業(yè)大學(xué)教學(xué)科研基地內(nèi)的實(shí)驗(yàn)園，總面積約1 520 000 m2，中心緯度23°14'33″N、經(jīng)度113°38'8″E．該研究區(qū)屬于典型的亞熱帶季風(fēng)氣候，自然條件良好，年平均氣溫21.8 ℃，年均降水量約為2 065 mm;人為干擾因素少，園內(nèi)主要種植荔枝、龍眼、水稻和玉米等亞熱帶典型作物．作物生長健康，樣地均一性良好，適宜開展反演華南地區(qū)亞熱帶典型作物冠層SPAD 試驗(yàn)工作．

1．2 數(shù)據(jù)來源

2013年10月1日在研究區(qū)內(nèi)進(jìn)行了與我國高分一號衛(wèi)星同步的SPAD 地面實(shí)測試驗(yàn)．分別對果園中生長情況較好的荔枝和龍眼樹分別均勻劃分48塊和40 塊8 m×8 m 的樣地．同樣，在該研究區(qū)內(nèi)劃分40 塊均勻性良好的8 m×8 m 玉米田．于當(dāng)天10:30—11:30 衛(wèi)星過境時采用葉綠素儀(SPAD-502，Konica Minolta)對樣地中的作物冠層葉片SPAD進(jìn)行采樣，并利用差分GPS 記錄樣地中心的經(jīng)緯度坐標(biāo)．在采樣過程中，為了減少采樣的誤差，選擇冠層葉子時要注意挑選形狀、大小、顏色比較均一的葉片;同時，每片葉子至少測量10 個點(diǎn)(測量時要注意避開葉脈)，然后取其平均值作為該葉片實(shí)測的SPAD．最后獲得48 組荔枝樹SPAD 數(shù)據(jù)、40 組龍眼樹SPAD 數(shù)據(jù)和40 組玉米SPAD 數(shù)據(jù)．其中，利用40組荔枝、40 組龍眼及40 組玉米SPAD 的數(shù)據(jù)建立回歸模型，另外的8 組荔枝SPAD 數(shù)據(jù)對模型進(jìn)行精度驗(yàn)證．

“高分一號”衛(wèi)星是我國自主研制和發(fā)射的高分辨率對地觀測衛(wèi)星，為我國自主的陸地、大氣、海洋先進(jìn)對地觀測系統(tǒng)，為現(xiàn)代農(nóng)業(yè)、防災(zāi)減災(zāi)、資源環(huán)境、公共安全等重大領(lǐng)域提供服務(wù)和決策支持．“高分一號”衛(wèi)星搭載了2 臺2 m 分辨率全色/8 m 分辨率多光譜相機(jī)，4 臺16 m 分辨率多光譜相機(jī)．包括3個可見光波段(0.45～0.52、0.52～0.59 和0.63～0.69 μm)和1 個近紅外波段(0.77～0.89 μm)，以及1 個全色波段(0.45～0.90 μm)．

1．3 研究方法

本研究使用2013年10月1日拍攝的分辨率為8 m 的“高分一號”遙感影像，利用MODTRAN 模型和線性回歸模型相結(jié)合對其進(jìn)行大氣校正，獲取該影像4 個波段的地表反射率(圖1)．

圖1 大氣校正后的地表反射率(真彩色合成)Fig．1 Surface reflectance after atmospheric correction(true color synthesis)

查找相關(guān)文獻(xiàn)后，找到9 種可能與作物冠層SPAD 較為密切的植被指數(shù)，分別如下:

差值植被指數(shù)(Difference vegetation index，DVI)［9］

綠色歸一化植被指數(shù)(Green normalized difference index，GNDVI)［10］

近紅外百分比值植被指數(shù)(Infrared percentage vegetation index，IPVI)［11］

修改型土壤調(diào)整植被指數(shù)(Modified soil adjusted vegetation index，MSAVI)［12］

歸一化差異植被指數(shù)(Normalized difference vegetation index，NDVI)［13］

垂直植被指數(shù)(Perpendicular vegetation index，PVI)［14］

比值植被指數(shù)(Ratio vegetation index，RVI)［15］

重歸一化植被指數(shù)(Renormalized difference vegetation index，RDVI)［16］

轉(zhuǎn)換型植被指數(shù)(Transformed vegetation index，TVI)［17］

式中，Bi代表遙感影像中第i 個波段的反射率．借助SPSS 19.0 對9 種不同植被指數(shù)與荔枝、龍眼以及它們混合的冠層葉片SPAD 進(jìn)行相關(guān)性分析，篩選出與其顯著相關(guān)的植被指數(shù)，構(gòu)建線性、對數(shù)、冪和指數(shù)函數(shù)的回歸模型，通過決定系數(shù)R2和相關(guān)性顯著水平P 的大小判斷不同植被指數(shù)中回歸模型對反演亞熱帶典型作物冠層SPAD 的擬合精度，選取最優(yōu)的植被指數(shù)和相應(yīng)的回歸模型．

1．5 精度驗(yàn)證方法

經(jīng)相關(guān)性和擬合精度篩選出來的回歸模型，需對其反演的植被冠層SPAD 的精度進(jìn)行驗(yàn)證．本文選用誤差系數(shù)公式［18］［式(10)和(11)］，利用未參與建模的數(shù)據(jù)對回歸模型進(jìn)行精度預(yù)測．

2 結(jié)果與分析

2．1 提取各類植被指數(shù)

根據(jù)各類植被指數(shù)公式(1)～(9)及樣地的經(jīng)緯度坐標(biāo)，通過ENVI 軟件的Band Math 對研究區(qū)提取出9 種植被指數(shù)如圖2 所示．

2．2 不同植被指數(shù)與亞熱帶典型作物冠層SPAD的相關(guān)性分析

圖2 基于“高分一號”影像提取的9 種植被指數(shù)Fig．2 Nine types of vegetation indices extracted with GF-1

在建立回歸模型之前，先對9 種不同植被指數(shù)與荔枝、龍眼和玉米以及它們混合的SPAD 進(jìn)行相關(guān)性分析(表1)．從表1 中可以看到，對于荔枝、龍眼和玉米品種，除植被指數(shù)PVI外，其余8種植被指數(shù)均與它們冠層SPAD 顯著相關(guān)．而對于它們SPAD 混合數(shù)據(jù)統(tǒng)計(jì)中發(fā)現(xiàn)，植被指數(shù)RDVI 與混合SPAD 在檢驗(yàn)水準(zhǔn)0.01 水平上不具有顯著相關(guān)性．可見，盡管植被指數(shù)RDVI 與荔枝、龍眼和玉米SPAD 之間的相關(guān)性極其顯著，但植被指數(shù)RDVI 對作物種類比較敏感，混合后的SPAD 不再與其具有極其顯著相關(guān)，同時相關(guān)系數(shù)偏低，不適宜利用植被指數(shù)RDVI 反演大面積亞熱帶典型作物冠層SPAD．故利用DVI、GNDVI 等7 種植被指數(shù)建立亞熱帶典型作物冠層SPAD的回歸模型是可行的．

表1 不同植被指數(shù)與亞熱帶典型作物SPAD 的相關(guān)系數(shù)1)Tab．1 The correlation coefficient between the different vegetation indices and typical subtropical crops SPAD

2．3 植被指數(shù)回歸模型的分析

對亞熱帶典型作物冠層SPAD 與不同植被指數(shù)進(jìn)行曲線估計(jì)，得到了不同植被指數(shù)反演亞熱帶典型作物冠層SPAD 的各類函數(shù)回歸模型(表2)．通過表2 的數(shù)據(jù)可以發(fā)現(xiàn):典型作物冠層SPAD 與挑選出的7 種植被指數(shù)均具有極其顯著的相關(guān)性，所建立的回歸模型的擬合精度均滿足估測要求;在同一種植被指數(shù)下的不同回歸模型中，指數(shù)函數(shù)模型的擬合精度相對其他3 種函數(shù)模型較高，從一定程度上說明了植被指數(shù)與SPAD 之間存在的不是簡單的線性回歸關(guān)系，需要利用回歸模型中具有斜率逐漸變大趨勢的曲線才能較為合適地描述植被指數(shù)與SPAD 之間的關(guān)系;植被指數(shù)RVI 反演亞熱帶典型作物冠層SPAD 建立的回歸方程總體擬合精度最高，其次是植被指數(shù)DVI．植被指數(shù)RVI 中的指數(shù)函數(shù)回歸模型Y=31.445e0.141X的擬合精度最高，擬合精度達(dá)0.889．

表2 不同植被指數(shù)的回歸模型1)Tab．2 Regression models of different vegetation indices

2．4 研究區(qū)典型作物冠層SPAD 圖

利用“高分一號”衛(wèi)星影像結(jié)合該研究區(qū)亞熱帶典型作物RVI-SPAD 反演模型進(jìn)行研究，經(jīng)植被指數(shù)不同回歸模型之間的比較后，最后選取了植被指數(shù)RVI 中指數(shù)回歸模型Y=31.445e0.141X反演整個研究區(qū)亞熱帶典型作物冠層SPAD 的分布情況(圖3)．結(jié)合Google earth 2012年10月拍攝的高分辨率的衛(wèi)星影像(圖4)對比可知，荔枝、龍眼等高株典型作物冠層SPAD 普遍較高，一般數(shù)值在65 左右浮動，最高值為79.32．而相對來說，低株作物如玉米和水稻冠層SPAD 相對較低，主要在35～45 之間浮動，不同生長時期的作物冠層SPAD 也會有所變化．

圖3 “高分一號”影像反演研究區(qū)亞熱帶典型作物SPADFig．3 Subtropical crops SPAD inversion in the study area by GF-1 remote sensing image

圖4 Google earth 顯示的研究區(qū)(紅線范圍內(nèi))概況Fig．4 The study area displayed on Google earth(the red line included)

2．5 模型精度驗(yàn)證

為驗(yàn)證植被指數(shù)RVI 中指數(shù)回歸模型Y=31.445e0.141X反演亞熱帶典型作物冠層SPAD 的精度，根據(jù)誤差系數(shù)公式(10)，采用未參與建模的8 組荔枝冠層葉片SPAD 對反演模型進(jìn)行精度驗(yàn)證．檢驗(yàn)結(jié)果(表3)表明，對于指數(shù)回歸模型 Y=31.445e0.141X反演的亞熱帶典型作物冠層葉片SPAD與實(shí)測值較為接近，預(yù)測值與實(shí)測值的誤差范圍為－7.71%～11.65%．平均誤差7.25%，擬合精度達(dá)92.75%．采用均方根誤差(RSME)法對預(yù)測值和實(shí)測值的符合程度進(jìn)行檢驗(yàn)，RMSE 為4.58．結(jié)果表明利用植被指數(shù)RVI 的指數(shù)回歸模型估測亞熱帶典型作物冠層SPAD 是可行的．

表3 基于植被指數(shù)RVI 的指數(shù)回歸模型檢驗(yàn)Tab．3 Tests of the exponential regression models based on RVI

3 討論與結(jié)論

葉綠素是綠色植物中主要的光合色素，其含量變化與地表植物的生存和生長密切相關(guān)，因此，及時、準(zhǔn)確、動態(tài)地獲取亞熱帶作物冠層葉綠素含量及其變化信息，對精確農(nóng)業(yè)的實(shí)施有重要的指導(dǎo)與服務(wù)作用．一些學(xué)者利用地表實(shí)測的光譜數(shù)據(jù)，構(gòu)造植被指數(shù)與不同作物葉綠素的估算模型，對作物葉綠素進(jìn)行反演，均取得了較好的結(jié)果［19-26］．以上研究僅以單一作物為研究對象，僅考慮到作物的生育期、不同層位、土壤背景等縱向因素影響下葉綠素的變化情況，并無從橫向方面考慮在同一縱向因素條件下不同種類的作物之間葉綠素的變化情況．本研究結(jié)合我國自主研發(fā)“高分一號”高分辨率遙感衛(wèi)星，以華南地區(qū)亞熱帶常見的典型作物如荔枝、龍眼和玉米為代表，使得研究對象更具有實(shí)用性和廣泛性．同時，各種典型作物參與建模的數(shù)據(jù)量相對充足和豐富，進(jìn)而構(gòu)建的最優(yōu)回歸模型反演大范圍、大面積的亞熱帶典型作物冠層SPAD 更具有說服力．

本文以華南地區(qū)亞熱帶典型作物為例，利用“高分一號”最新的影像數(shù)據(jù)提取不同的植被指數(shù)反演其冠層SPAD，通過分別建立不同函數(shù)的回歸模型分析得到以下結(jié)論:①經(jīng)過本文研究，在區(qū)域尺度上，利用我國高分遙感衛(wèi)星進(jìn)行葉綠素監(jiān)測是可行的，具有重要的研究價值．②除植被指數(shù)PVI 和RDVI外，其余7 種植被指數(shù)均與亞熱帶典型作物冠層SPAD 之間的相關(guān)性達(dá)到極顯著水平，利用植被指數(shù)與作物冠層SPAD 建立回歸模型估算其冠層葉綠素相對含量具有可行性．③7 種植被指數(shù)與亞熱帶典型作物冠層SPAD 建立的回歸模型分析表明，植被指數(shù)RVI 估測作物冠層SPAD 的擬合精度最高，其次是植被指數(shù)DVI．因此，在華南地區(qū)進(jìn)行大面積亞熱帶典型作物冠層SPAD 估算時，可以優(yōu)先使用該2 種植被指數(shù)作為回歸模型的自變量．同時，選用指數(shù)函數(shù)的回歸模型能更好地描述植被指數(shù)與亞熱帶典型作物冠層SPAD 之間的變化關(guān)系．④利用誤差系數(shù)法對植被指數(shù)RVI 中指數(shù)回歸模型Y=31.445e0.141X結(jié)合“高分一號”影像估測研究區(qū)SPAD 圖進(jìn)行精度驗(yàn)證，得到了預(yù)測值的平均誤差為7.25%，實(shí)際擬合精度達(dá)92.75%，RMSE 為4.58，證明利用植被指數(shù)RVI 估測研究區(qū)內(nèi)亞熱帶典型作物冠層SPAD 是行之有效的．⑤在研究區(qū)典型作物冠層SPAD 圖中可以發(fā)現(xiàn)，高株的作物冠層SPAD 相對較高，而低株的作物冠層SPAD 相對較低，臨界值在50～55 范圍內(nèi)，筆者認(rèn)為這可能是區(qū)分高株和低株作物的閾值范圍，有助于在SPAD 圖中判讀作物的高度．同時，SPAD圖上的預(yù)測值比實(shí)測值稍微偏高，有可能是由于不同作物種類之間存在差異，但總體偏差在估測誤差的范圍之內(nèi)，是可以接受的．⑥在典型作物冠層SPAD 的反演中，由于所需數(shù)據(jù)的限制，本文所用到的一些統(tǒng)計(jì)分析方法并不十分理想，對于作物冠層SPAD 反演模型有待進(jìn)一步改善．此外，本文利用的“高分一號”影像分辨率為8 m，混合像元較多，需要進(jìn)行衛(wèi)星像元對地表點(diǎn)數(shù)據(jù)的尺度轉(zhuǎn)換，以便進(jìn)一步提高反演精度．

［1］房賢一，朱西存，王凌，等．基于高光譜的蘋果盛果期冠層葉綠素含量監(jiān)測研究［J］．中國農(nóng)業(yè)科學(xué)，2013，46(16):3504-3513．

［2］宋開山，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):16-20．

［3］劉璇，林輝，臧卓，等．杉木葉綠素a 含量與高光譜數(shù)據(jù)相關(guān)性分析［J］．中南林業(yè)科技大學(xué)學(xué)報(bào)，2010，30(5):72-75．

［4］孟慶野，董恒，秦其明，等．基于高光譜遙感監(jiān)測植被葉綠素含量的一種植被指數(shù)MTCARI［J］．光譜學(xué)與光譜分析，2012，32(8):2218-2221．

［5］董晶晶，王力，牛錚．植被冠層水平葉綠素含量的高光譜估測［J］．光譜學(xué)與光譜分析，2009，29(11):3003-3006．

［6］梁爽，趙庚星，朱西存．蘋果樹葉片葉綠素含量高光譜估測模型研究［J］．光譜學(xué)與光譜分析，2012，32(5):1367-1370．

［7］李敏夏，張林森，李丙智，等．蘋果葉片高光譜特性與葉綠素含量和SPAD 值的關(guān)系［J］．西北林學(xué)院學(xué)報(bào)，2010，25(2):35-39．

［8］BOEGH E，HOUBORG R，BIENKOWSKI J，et al．Remote sensing of LAI，chlorophyll and leaf nitrogen pools of crop-and grasslands in five European landscapes［J］．Biogeosciences，2013，10(10):6279-6307．

［9］RICHARDSON A J，WIEGAND C L．Distinguishing vegetation from soil background information［J］．Photogramm Eng Rem S，1997，43(12):1541-1552．

［10］GITELSON A A，KAUFMAN Y J，MERZLYAK M N．Use of a green channel in remote sensing of global vegetation from EOS-MODIS［J］．Remote Sens Environ，1996，58(3):289-298．

［11］CRIPPEN R E．Calculating the vegetation index faster［J］．Remote Sens Environ，1990，34(1):71-73．

［12］QI J，CHEHBOUNI A，HUETE A R，et al．A modified soil adjusted vegetation index［J］．Remote Sens Environ，1994，48(2):119-126．

［13］DEERING D W，ROUSE J W．Measuring‘forage production’of grazing units from Landsat MSS data［C］//Willow Run Laboratories of the University of Michigan．Proceedings of the 10th International Symposium on Remote Sensing of Environment．Michigan:Ann Arbor，1975:1169-1178．

［14］WIEGAND C L，RICHARDSON A J，ESCOBAR D E，et al．Vegetation indices in crop assessments［J］．Remote Sens Environ，1991，35(2/3):105-119．

［15］BIRTH G S，MCVEY G．Measuring the color of growing turf with a reflectance spectroradiometer［J］．Agron J，1968，60(6):640-643．

［16］ROUJEAN J L，BREON F M．Estimating PAR absorbed by vegetation from bidirectional reflectance measurements［J］．Remote Sens Environ，1995，51(3):375-384．

［17］ROUSE J W，HAAS R H，SCHELL J A，et al．Monitoring the vernal advancement of retrogradation of natural vegetation［M］．Maryland:Goddard Space Flight Center，1974:371．

［18］干友民，成平，周純兵，等．若爾蓋亞高山草甸地上生物量與植被指數(shù)關(guān)系研究［J］．自然資源學(xué)報(bào)，2009，24(11):1963-1972．

［19］劉秀英，熊建利，臧卓，等．基于植被指數(shù)的馬尾松葉綠素含量估算模型［J］．西北林學(xué)院學(xué)報(bào)，2012，27(3):44-47．

［20］潘蓓，趙庚星，朱西存，等．利用高光譜植被指數(shù)估測蘋果樹冠層葉綠素含量［J］．光譜學(xué)與光譜分析，2013，33(8):2203-2206．

［21］王凱龍，雄黑鋼，張芳．干旱區(qū)冬小麥不同生長階段的光譜特征與葉綠素含量估測研究［J］．干旱區(qū)資源與環(huán)境，2013，27(11):45-49．

［22］夏天，吳文斌，周清波，等．不同地域冬小麥葉片SPAD高光譜估算研究［J］．中國農(nóng)業(yè)資源與規(guī)劃，2014，35(4):49-57．

［23］夏天，周勇，周清波，等．基于高光譜遙感和HJ-1 衛(wèi)星的冬小麥SPAD 反演研究［J］．長江流域資源與環(huán)境，2013，22(3):307-113．

［24］易秋香，黃敬峰，王秀珍，等．玉米葉綠素高光譜遙感估算模型研究［J］．科學(xué)通報(bào)，2007，23(1):83-87．

［25］張?zhí)K，劉良云，黃文江．基于植被指數(shù)的葉綠素密度遙感反演建模與適用性研究［J］．遙感信息，2013，28(3):94-101．

［26］趙佳佳，馮美臣，王超，等．基于光譜植被指數(shù)的冬小麥葉綠素含量反演［J］．山西農(nóng)業(yè)大學(xué)學(xué)報(bào):自然科學(xué)版，2014，34(5):391-396．