冬小麥冠層水平葉綠素含量的高光譜估測

王曉星，常慶瑞，劉夢云，劉秀英，2，尚　艷

(1 西北農林科技大學 資源環(huán)境學院，陜西 楊凌 712100;2 河南科技大學 農學院，河南 洛陽 471003)

?

冬小麥冠層水平葉綠素含量的高光譜估測

王曉星1，常慶瑞1，劉夢云1，劉秀英1，2，尚艷1

(1 西北農林科技大學 資源環(huán)境學院，陜西 楊凌 712100;2 河南科技大學 農學院，河南 洛陽 471003)

[摘要]【目的】 利用高光譜數(shù)據(jù)對抽穗期冬小麥冠層葉綠素含量進行估測，旨在為葉綠素含量快速準確估測提供參考。【方法】 利用ASD便攜式野外光譜儀和SPAD-502葉綠素儀實測了冬小麥抽穗期冠層光譜反射率及葉綠素含量，并對原始光譜反射率及其一階導數(shù)光譜與葉綠素相對含量進行了相關分析，建立了基于敏感波段、紅邊位置、原始光譜峰度和偏度、一階導數(shù)光譜峰度和偏度的葉綠素估算模型，并進行檢驗，從中篩選出精度最高的模型?！窘Y果】 冬小麥冠層光譜曲線特征與葉綠素含量之間有著密切聯(lián)系?；谠脊庾V一階導數(shù)偏度和峰度的冬小麥(抽穗期)葉綠素含量估算模型擬合精度優(yōu)于其他4種估算模型，決定系數(shù)R2分別為0.847和0.572，均方根誤差RMSE分別為0.397和0.697，相對誤差RE分別為61.0%和119.0%，擬合精度優(yōu)于其他4種估算模型?！窘Y論】 原始光譜一階導數(shù)的偏度和峰度作為自變量能很好地估測抽穗期小麥冠層葉綠素含量。

[關鍵詞]高光譜估測；葉綠素含量；冬小麥；抽穗期；估算模型

葉綠素直接影響植被光合作用的光能利用，是植物生長狀況的良好指示劑[1]。植物和葉片反射光譜在可見光范圍內主要受葉綠素和覆蓋度的影響，在近紅外區(qū)主要受葉片結構和冠層等的影響[2]。因此，在可見光范圍內可以用植被冠層反射光譜來估算葉綠素含量。目前，高光譜遙感在檢測植被生理、生化指標方面的研究多見報道[3-4]，尤其是農作物葉綠素含量方面的研究已經取得了很大進展，利用高光譜數(shù)據(jù)來估算植物葉綠素含量的模型首先是在葉片級別上展開的，在冠層級別得到修正和發(fā)展[5]。

近年來，國外學者在玉米、草叢、葡萄等葉片葉綠素含量的高光譜估算方面都有一定的研究。國內童慶禧院士倡導和開展了高光譜遙感技術和應用研究后，我國學者先后研究了水稻、小麥、玉米、棉花及大豆等農作物生理參數(shù)的高光譜模型反演與估算[6]，對其葉片反射光譜數(shù)據(jù)、導數(shù)光譜數(shù)據(jù)以及紅邊位置與葉綠素含量的相關性進行了深入的探索與研究，如吳長山等[7]研究了水稻、玉米葉片的反射光譜數(shù)據(jù)、導數(shù)光譜數(shù)據(jù)以及紅邊位置與葉綠素含量的相關性，結果可以用來估算葉綠素含量；譚昌偉等[8]分析了夏玉米農學參數(shù)、紅邊參數(shù)以及兩者之間的相關性，利用紅邊位置來反演葉片綠度值，構建了以紅邊參數(shù)為自變量的農學參數(shù)的反演模型。但是這些研究主要集中在我國的東部地區(qū)，對于西北地區(qū)的植被研究相對較少，通常特定的試驗條件與特定的植被類型所建立的指標估算模型,在不同環(huán)境條件下同種植被處在不同的生理狀態(tài)時需要進行修訂。

本研究將嘗試利用高光譜技術對陜西楊凌地區(qū)抽穗期冬小麥冠層葉綠素含量進行估測，利用統(tǒng)計相關分析的方法研究高光譜數(shù)據(jù)與葉綠素含量的關系，旨在探索冠層葉綠素含量快速準確估測的技術方法，為冬小麥的生產管理提供一定科學依據(jù)，同時促進光譜分析在農業(yè)上的應用。

1材料與方法

1.1樣品采集

試驗地點位于陜西楊凌區(qū)揉谷鎮(zhèn)石家村和杏林鎮(zhèn)馬席村，測量時間是2013-05-02，為冬小麥的抽穗期。為保證試驗結果的全面性與精確性，選擇小麥長勢有差異的、能代表該區(qū)域生產特性的樣地進行冠層光譜和葉綠素含量的測定。其中石家村10個樣地，馬席村6個樣地。在每個樣地中，選擇5個長勢適中，覆蓋均一的地點作為采樣點。

1.2光譜測定

選擇晴朗無云、風力微弱的天氣，于北京時間10:00-14:00，采用美國ASD公司的便攜式野外光譜儀在冬小麥抽穗期測定其冠層反射率。光譜儀波段范圍為325～1 075 nm。測量時傳感器探頭垂直向下，距冠層頂部約1 m，視場角為25°，視場范圍內重復測定10次，各點測定前后立即進行參考白板校正，將10條曲線的平均值作為該樣點的光譜反射值。

1.3冠層葉綠素含量測定

與光譜測量同步，本研究用便攜式葉綠素儀SPAD-502測定值代替葉綠素值。葉綠素儀主要利用650～940 nm中心波段葉片透射率進行葉綠素含量的測定[9-10]，其讀數(shù)SPAD值能較好地反映葉片綠度的變化。研究表明：植被葉綠素含量隨SPAD值的增加而增大，呈一定函數(shù)變化規(guī)律，且達到極顯著相關的水平[11]。測定冬小麥葉綠素含量時，在冠層光譜測定的相應位置處，選定3～4株小麥，然后在每株小麥的上、中、下部對其葉片均勻地測量10次SPAD值，求取平均值作為該樣點的葉綠素含量。

1.4數(shù)據(jù)處理

利用View Spec Pro、MS Excel和SPSS軟件對試驗數(shù)據(jù)進行處理并進行相關分析。由于光譜儀采集的是離散的數(shù)據(jù)，因此采用式(1)對原始光譜數(shù)據(jù)進行一階微分計算[6]。

(1)

式中：Ri為inm處的光譜反射率，R′是Ri的一階微分，λi為第i個通道的波長。

將80個樣本分成2組，前50個樣本用來確定估測模型，后30個樣本用來驗證模型。

為檢驗實測值與估測值之間的擬合效果，利用地面試驗數(shù)據(jù)來驗證建立的反演模型的適應性，將模型反演值和地面實測值進行回歸擬合，以反演模型的決定系數(shù)R2、均方根誤差(RMSE)和相對誤差(RE,%)，作為主要依據(jù)來評價模型的驗證結果。均方根誤差、相對誤差的計算公式[6]如下：

(2)

(3)

2結果與分析

2.1冬小麥(抽穗期)光譜曲線特征分析

圖1顯示，在可見光區(qū)域(360～700 nm)冬小麥(抽穗期)冠層的光譜反射率均較低，其光譜曲線存在2個吸收谷和1個反射峰，即490 nm的藍光、680 nm的紅光和550 nm的綠光，吸收谷是色素對藍光和紅光的強吸收造成的，而反射峰則是綠光的弱反射造成的，所以植物通常呈暗綠色。在短波近紅外呈強烈反射，特別是在690～750 nm區(qū)域反射率急劇上升形成植被光譜最重要的特征——紅邊，這是因為葉肉內的海綿組織結構內有很大反射表面的空腔，且細胞內的葉綠素呈水溶膠狀態(tài)，具有強烈的紅外反射。但由于細胞組分含量的不同(特別是葉綠素含量的不同)會造成植物光譜吸收特征的變化。從圖1可以看出，小麥冠層葉綠素相對含量不同，其對應光譜會發(fā)生上下偏移，在可見光區(qū)域，葉綠素含量越高，光譜曲線越向下偏移；光譜曲線特征與葉綠素含量有著密切的聯(lián)系，可以嘗試利用冠層反射光譜來估算冠層葉綠素含量。

圖 1　不同葉綠素含量的冬小麥冠層高光譜曲線

2.2冬小麥(抽穗期)葉綠素含量估算模型

2.2.1基于敏感波段的葉綠素含量估算模型通過計算冬小麥抽穗期冠層每個光譜通道上的原始光譜反射率與SPAD值之間的相關系數(shù)(圖2)可知，95%置信度顯著相關臨界值的絕對值為0.217(80個樣本數(shù)量)，99%置信度顯著相關臨界值的絕對值為0.283。冬小麥抽穗期冠層光譜反射率與葉綠素SPAD值的相關性在可見光區(qū)域400～700 nm達到顯著相關，其中在波長684 nm處相關性最好(R=-0.576 4)，730 nm之后光譜反射率與葉綠素含量之間相關性幾乎為零。這種現(xiàn)象說明，抽穗期冬小麥冠層光譜信息在可見光區(qū)域與葉綠素含量存在一定的關系，730 nm之后光譜數(shù)據(jù)基本上不能反映葉綠素含量信息。由于冠層光譜數(shù)據(jù)與葉綠素相對含量在可見光區(qū)域呈顯著相關，因此可以選擇該區(qū)域某個敏感波段來預測葉綠素含量，本研究選擇相關性最好的波長(684 nm，R=-0.576 4)作為入選參量。圖3-A是小麥冠層在684 nm處的光譜反射率與葉綠素含量的相關性分析結果。由圖3-A可知，基于波長684 nm所建立的葉綠素預算模型的R2為0.464。圖3-B為得到的葉綠素的反演結果。由圖3-B可知，由葉綠素預算模型得出的葉綠素含量估測值與實測值之間的R2為0.484。

2.2.2基于紅邊位置的葉綠素含量估算模型680～760 nm波段是葉綠素在紅波段的強吸收到近紅外波段多次散射形成的高反射平臺的過渡波段，稱為植被反射率“紅邊”[7]，也是光譜一階導數(shù)在該區(qū)間內的拐點；紅邊是植物光譜的最顯著的標志，也是最常用的植被指數(shù)之一。Horler等研究了植被光譜與葉綠素濃度的關系，并提出了光譜“紅邊”位置(植被光譜一階導數(shù)在700 nm附近的極大值位置時對應的波長值)在植被葉綠素濃度估計中的作用[12]，國內也有很多學者將紅邊位置用于葉綠素的計算[7,13]。通過對冬小麥抽穗期冠層原始光譜進行一階求導，選擇一階導數(shù)最大值的波長作為紅邊位置，本試驗中735 nm為原始光譜一階導數(shù)最大值時對應的波長值，因而選擇735 nm作為紅邊位置，進而建立其與葉綠素含量的關系。圖4-A是小麥冠層在735 nm處的光譜反射率與葉綠素含量的相關性分析結果。由圖4-A可知，基于紅邊位置所建立的葉綠素預算模型的R2為0.553。圖4-B為得到的葉綠素的反演結果。由圖4-B可知，葉綠素估測值與實測值之間的R2為0.415。

圖 3　以敏感波段(684 nm)為自變量的小麥葉綠素含量預測模型(A)及驗證模型(B)

圖 4　以紅邊位置為自變量的小麥葉綠素含量預測模型(A)和驗證模型(B)

2.2.3基于峰度、偏度的葉綠素估算模型由于葉綠素對紅橙光的強吸收使光譜在680 nm附近形成一個紅谷，之后便是由于植被自身的組織結構所形成的植物光譜最顯著的標志——紅邊[14]。為了更好地描述這2種現(xiàn)象，本研究選取了幾個代表性的不同葉綠素含量冬小麥(抽穗期)560～780 nm冠層反射光譜和680～760 nm冠層反射光譜一階導數(shù)進行分析，結果見圖5和圖6。從圖5可以看出，560～780 nm反射光譜吸收谷的形狀大體相似，葉綠素含量越高，原始光譜反射率曲線越向下移動，其反射谷的深度與寬度越大。由圖6可知，680～760 nm冠層反射光譜的一階導數(shù)在紅邊附近波峰的形狀也大體相同，而且葉綠素含量不同，波峰位置也發(fā)生變化，葉綠素含量越小，波峰越靠近短波方向移動；葉綠素含量越大，波峰越靠近長波方向移動。

據(jù)以上分析可知，小麥冠層葉綠素含量與圖5中的波谷、圖6中的波峰有密切聯(lián)系。引入偏度Sk和峰度Uu，Uu表征了數(shù)據(jù)在均值附近的集中程度，Sk測度了數(shù)據(jù)分布的不對稱性，刻畫了以平均值為中心的偏向程度。峰度Uu和偏度Sk計算公式如下：

本研究利用圖5的吸收谷和圖6的波峰相對應的峰度值和偏度值分別與葉綠素含量建立線性關系。圖7～10是原始光譜偏度、原始光譜峰度、一階導數(shù)光譜偏度以及一階導數(shù)光譜峰度與葉綠素含量的相關分析結果。圖7～10表明，用560～780 nm反射光譜和680～760 nm一階導數(shù)光譜對應的峰度、偏度建立的冠層葉綠素含量反演模型，決定系數(shù)R2均達到0.5以上，估測效果較前2種方法好。

圖 5　不同葉綠素含量冬小麥(抽穗期)冠層光譜特征

圖 6　不同葉綠素含量冬小麥(抽穗期)冠層

圖 7　以原始光譜偏度為自變量的小麥葉綠素含量預測模型(A)及驗證模型(B)

圖 8以原始光譜峰度為自變量的小麥葉綠素含量預測模型(A)和驗證模型(B)

Fig.8Estimation model (A) and verification model (B) of chlorophyll content using kurtosis of original spectrum as variable

圖 9　以原始光譜一階導數(shù)偏度為自變量的小麥葉綠素含量預測模型(A)及驗證模型(B)

圖 10　以原始光譜一階導數(shù)峰度為自變量的小麥葉綠素含量估測模型(A)和驗證模型(B)

2.2.4葉綠素估算模型精度比較表1顯示，利用原始光譜一階導數(shù)偏度來反演冬小麥抽穗期的葉綠素含量模型擬合精度最高(R2=0.847，RMSE=0.397，RE=61.0%)，優(yōu)于其他5個估算模型；基于原始光譜一階導數(shù)峰度的葉綠素估算模型(R2=0.572，RMSE=0.697，RE=119.0%)效果次之，基于原始光譜峰度的葉綠素含量估算模型效果較差。從驗證模型R2看，基于敏感波段葉綠素估算模型要優(yōu)于基于紅邊位置的葉綠素估算模型；而從RMSE和RE來看，基于紅邊位置的葉綠素估算模型要優(yōu)于基于敏感波段葉綠素估算模型。因此，葉綠素最佳估算模型為基于原始光譜一階導數(shù)偏度的估算模型。姚付啟等[15]在研究法國梧桐和毛白楊葉片葉綠素含量的高光譜反演模型中也得到了相同的結論。

表 1　基于不同變量的小麥冠層水平葉綠素含量估算模型

3結論

本研究中，基于冬小麥冠層反射率光譜數(shù)據(jù)、“紅邊”位置、原始光譜偏度和峰度、一階導數(shù)光譜偏度和峰度與葉綠素含量建立的葉綠素模型相關性顯著，可以用來估算葉綠素含量?；诜宥取⑵冉⒌娜~綠素反演模型優(yōu)于基于敏感波段和紅邊位置建立的葉綠素模型，原因可能在于基于峰度、偏度建立的葉綠素反演模型的信息含量更大，峰度、偏度本身代表了較大范圍光譜的整體變動,而光譜的整體變動就是因為葉綠素含量的不同造成的。原始光譜反射率的一階導數(shù)與葉綠素含量的相關性比原始光譜與葉綠素含量的相關性要好，這可能是因為原始光譜反射率的一階導數(shù)能消除或減弱在測量過程中土壤背景和測量高度等對光譜特性的影響。

本研究對冬小麥抽穗期冠層高光譜特征和葉綠素含量的估測方法進行探討，取得了較好的結果，為估測小麥冠層葉綠素含量提供了參考方法，對小麥的生產有積極指導意義和參考價值。

[參考文獻]

[1]萬余慶，譚克龍，周日平.高光譜遙感 [M].北京：科學出版社，2006.

Wan Y Q,Tan K L,Zhou R P.Hyperspectral remote sensing [M].Beijing:Science Press,2006.(in Chinese)

[2]Gausman H W,Allen W A,Cardenas R,et al.Relation of light reflectance to histological and physical evaluations of cotton leaf maturity [J].Applied Optics,1970,9(3):545-552.

[3]Blackburn G A.Quantifying chlorophylls and carotenoids at le-af and canopy scales:An evaluation of some hyperspectral approaches [J].Remote Sensing of Environment,1998,66(3):273-285.

[4]Penuelas J,Baret F,Filella I.Semi-empirical indices to assess carotenoids/chlorophyll a ratio from leaf spectral reflectance [J].Photosynthetica,1995,31(2):221-230.

[5]Blackburn G A.Spectral indices for estimating photosynthetic pigment concentrations:A test using senescent tree leaves [J].International Journal of Remote Sensing,1998,19(4):657-675.

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

Liang S, Zhao G X, Zhu C X.Hyperspectral estimation models of chlorophyll content in apple leaves [J].Spectroscopy and Spectral Analysis,2012,32(5):1367-1370.(in Chinese)

[7]吳長山,童慶禧,鄭蘭芬,等.水稻、玉米的光譜數(shù)據(jù)與葉綠素的相關分析 [J].應用基礎與工程科學學報,2000,8(1):31-37.

Wu C S,Tong Q X,Zheng L F,et al.Correlation analysis between spectral data and chlorophyll of rice and maize [J].Journal of Basic Science and Engineering,2000,8(1):31-37.(in Chinese)

[8]譚昌偉,王紀華,郭文善,等.利用遙感紅邊參數(shù)估算夏玉米農學參數(shù)的可行性分析 [J].福建農林大學學報:自然科學版,2006,35(2):123-128.

Tan C W,Wang J H,Guo W S,et al.Agronomy parameters of summer maize diagnosed by red edge parameters obtainable from remotely sensing data [J].Journal of Fujian Agriculture and Forestry University:Natural Science Edition,2006,35(2):123-128.(in Chinese)

[9]Blackmer T M,Schepers J S,Varvel G E.Light reflectance co-mpared with other nitrogen stress measurements in corn leaves [J].Agronomy Faculty Publications,1994,86(6):934-938.

[10]Costa C,Dwyer L M,Dutilleul P,et al.Inter-relationships of applied nitrogen,SPAD,and yield of leafy and non-leafy maize genotypes [J].Journal of Plant Nutrition,2001,24(8):1173-1194.

[11]李輝，白丹，張卓，等.羊草葉片SPAD值與葉綠素含量的相關分析 [J].中國農學通報,2012,28(2):27-30.

Li H,Bai D,Zhang Z,et al.Correlation analysis between SPAD value and chlorophyll content of leaf of leymus chinensis [J].Chinese Agricultural Science Bulletin,2012,28(2):27-30.(in Chinese)

[12]王婷，黃文江，劉良云，等.鄱陽湖富營養(yǎng)化高光譜遙感監(jiān)測模型初探 [J].測繪科學,2007,32(4):44-46.

Wang T,Huang W J,Liu L Y,et al.Hyperspectral monitoring model of eutrophication in Poyang Lake [J].Science of Surveying and Mapping,2007,32(4):44-46.(in Chinese)

[13]李向陽，劉國順，史舟，等.利用室內光譜紅邊參數(shù)估測烤煙葉片成熟度 [J].遙感學報,2007,11(2):269-275.

Li X Y,Liu G S,Shi Z,et al.Predicting leaf maturity of flue-cured tobacco using red edge characteristics of laboratory spectrometer [J].Journal of Remote Sensing,2007,11(2):269-275.(in Chinese)

[14]王紀華，趙春江，黃文江，等.農業(yè)定量遙感基礎與應用 [M].北京:科學出版社,2008.

Wang J H,Zhao C J,Huang W J,et al.Agricultural quantitatively remote sensing and its basis and applications [M].Beijing: Science Press,2008.(in Chinese)

[15]姚付啟，張振華，楊亞潤，等.基于高光譜曲線峰度、偏度的植被葉綠素含量反演模型研究 [J].測繪科學,2009,34(5):32-35.

Yao F Q,Zhang Z H,Yang Y R,et al.Research on vegetation chlorophyll concentration retrieval model based on kurtosis and skewness of hyperspectral curve [J].Science of Surveying and Mapping,2009,34(5):32-35.(in Chinese)

Hyper-spectral estimation of chlorophyll content in canopy of winter wheat

WANG Xiao-xing1,CHANG Qing-rui1,LIU Meng-yun1,LIU Xiu-ying1，2,SHANG Yan1

(1CollegeofResourcesandEnvironment,NorthwestA&FUniversity,Yangling,Shaanxi712100,China;2AgronomyCollege,HenanUniversityofScienceandTechnology,Luoyang,Henan471003,China)

Abstract:【Objective】 This study estimated chlorophyll content in winter wheat canopy at heading stage using hyper-spectral data to provide reference for quick and accurate estimation of chlorophyll content.【Method】 The spectral reflectance of canopy and chlorophyll content of selected winter wheat at heading stage were measured by ASD handheld spectrometer and SPAD-502 in field,respectively.The correction between hyper-spectral reflectance,its first derivative and chlorophyll content was analyzed.Then models to estimate chlorophyll content based on sensitive wave,red edge position,kurtosis and skewness of original hyper-spectral curve and its first derivative were established and tested.【Result】 The spectral characteristics of winter wheat canopy were closely related to chlorophyll content.The models based on the kurtosis and skewness of the first derivative of spectral reflectance were superior to other models with determination coefficients (R2) of 0.847 and 0.572,root mean square errors (RMSE) of 0.397 and 0.697 and relative errors (RE) of 61.0% and 119.0%,respectively.【Conclusion】 Using skewness and kurtosis of first derivative of spectral data as independent variables could estimate chlorophyll content in winter wheat canopy at heading stage.

Key words:hyper-spectral estimation;chlorophyll content;winter wheat;heading stage;estimation model

DOI：網絡出版時間:2016-01-0810:2210.13207/j.cnki.jnwafu.2016.02.007

[收稿日期]2014-05-23

[基金項目]國家科技支撐計劃項目(2012BAH29B04-00)；國家“863計劃”項目(2013AA102401-2)；河南省科技攻關計劃項目(132102110210)

[作者簡介]王曉星(1989-)，女，陜西三原人，碩士，主要從事遙感模型與信息處理研究。E-mail：wangxiaoxingbing@163.com[通信作者]常慶瑞(1959-)，男，陜西子洲人，教授，博士生導師，主要從事土地資源與空間信息技術研究。

[中圖分類號]TP79

[文獻標志碼]A

[文章編號]1671-9387(2016)02-0048-07

E-mail：chqr@nwsuaf.edu.cn