基于高光譜數(shù)據(jù)的作物凈初級(jí)生產(chǎn)力估算方法

張城芳+董恒

摘要： 葉片葉綠素含量、葉片含水量、葉面積指數(shù)、光合有效輻射是影響作物凈初級(jí)生產(chǎn)力（NPP）的重要因素。以光能利用率模型作為基本模型，結(jié)合葉片葉綠素含量、葉面積指數(shù)和葉片含水量等生態(tài)參數(shù)反演方法，構(gòu)建新的NPP高光譜遙感估算模型。在山東禹城實(shí)地觀測(cè)的小麥和玉米NPP數(shù)據(jù)基礎(chǔ)上，研究還將新構(gòu)建的模型與NDVI、CI和MCARI等傳統(tǒng)葉綠素冠層模型的線性擬合結(jié)果進(jìn)行比較。分析結(jié)果表明，新構(gòu)建的模型在小麥、玉米2種作物NPP估算中都有著較好的表現(xiàn)，可以用來(lái)估算作物NPP。

關(guān)鍵詞： 高光譜；作物凈初級(jí)生產(chǎn)力；植被指數(shù)；光能利用率模型

中圖分類號(hào)： S127 文獻(xiàn)標(biāo)志碼： A

文章編號(hào)：1002-1302（2017）22-0260-04

20世紀(jì)初丹麥植物學(xué)家Jensen提出了凈初級(jí)生產(chǎn)力（NPP）的概念，并給出了計(jì)算模式。凈初級(jí)生產(chǎn)力是總初級(jí)生產(chǎn)力除去植物呼吸所消耗的有機(jī)碳量。凈初級(jí)生產(chǎn)力是研究生態(tài)系統(tǒng)中物質(zhì)和能量交換的重要參數(shù)，在全球陸地碳循環(huán)研究中有著重要的作用。

經(jīng)過(guò)近80年的研究，NPP估算工作已經(jīng)獲得了較大的發(fā)展，出現(xiàn)了很多估算模型。這些模型按照構(gòu)建的機(jī)制來(lái)說(shuō)，大概可以分為3類：氣候統(tǒng)計(jì)模型、過(guò)程模型、光能利用率模型（參數(shù)模型）。其中光能利用率模型具有模型簡(jiǎn)單、模型精度較高、適合大區(qū)域估算等優(yōu)點(diǎn)，近年來(lái)，衛(wèi)星技術(shù)的不斷進(jìn)步，基于遙感技術(shù)的生態(tài)系統(tǒng)生產(chǎn)力的估算研究獲得越來(lái)越多人的關(guān)注[1]。

光能利用率模型主要是基于植物的光合作用過(guò)程和Monteith于1972年提出的光能利用率的定義基礎(chǔ)建立起來(lái)的。光能利用率模型的一般表達(dá)式如下：

式中：PAR（photosynthesis active radiation）是指光合有效輻射。

太陽(yáng)輻射提供了作物生長(zhǎng)過(guò)程中光合作用所需要的能量，不是所有太陽(yáng)輻射的能量都能用于綠色作物的光合作用，其中被作物吸收用于光合作用的那一部分電磁波能量（400～700 nm）就是PAR，對(duì)應(yīng)的光譜波段是藍(lán)光和紅光。吸收光合有效輻射（absorbed photosynthesis active radiation，簡(jiǎn)稱APAR）為植被冠層吸收并參與光合生物量累積的光合有效輻射部分。

光合有效輻射吸收比例（fraction of absorbed photosynthesis active radiation，簡(jiǎn)稱FPAR）是植被冠層對(duì)接收的所有PAR的吸收比例，它表征了植被冠層的能量吸收能力，是描述植被結(jié)構(gòu)以及與之相關(guān)的物質(zhì)與能量交換過(guò)程的基本生理變量。

ε指光能利用率，也經(jīng)常用LUE表示。它是綠色植物通過(guò)光合作用將所截獲或者吸收的能量轉(zhuǎn)化為有機(jī)干物質(zhì)的能力，是反映植物固定太陽(yáng)能效率的指標(biāo)。ε與眾多影響因素相關(guān)，如植被類型、水分、溫度、營(yíng)養(yǎng)狀況、土壤等。如何確定光能利用率已成為提高用光能利用率模型估算NPP精度的重要研究?jī)?nèi)容。

光能利用率的遙感確定方法總的來(lái)說(shuō)可以分為3類：

（1）光能利用率確定為常數(shù)。該類方法針對(duì)不同的植被類型給予特定的常數(shù)并構(gòu)建查找表[2]。這種方法將一類作物的光能利用率都設(shè)置為常數(shù)，忽略了LUE對(duì)于時(shí)空分布的差異性，對(duì)于NPP的遙感估算會(huì)造成比較大的誤差。（2）最大光能利用率-環(huán)境因素綜合方法。綜合考慮影響NPP變化的環(huán)境因素（溫度、水分、CO2等）和作物本身的品種特性（最大光能利用率），以相乘的方式構(gòu)建NPP遙感估算模型。CASA、VPM、EC-LUE是這類模型的代表[3-5]。該類模型的光能利用率精度較低，限制了基于光能利用率生產(chǎn)力模型的發(fā)展[6]。（3）遙感估算法。為了解決上述問(wèn)題，研究者開始考慮利用遙感直接進(jìn)行估算光能利用率方法的研究，這其中代表性的有PRI和日光誘導(dǎo)葉綠素?zé)晒夤浪愕确椒╗7-8]。

本研究綜合最大光能利用率-環(huán)境綜合法和遙感估算法，在冠層葉綠素含量NPP估算模型的基礎(chǔ)上，結(jié)合葉片含水量植被指數(shù)，改進(jìn)了光能利用率估算方法，提出了新的NPP光能用率模型。

1 模型類型

1.1 基于冠層葉綠素含量的NPP估算模型

葉片葉綠素含量是衡量單個(gè)葉片進(jìn)行光合作用能力的重要指標(biāo)，葉面積指數(shù)是描述作物冠層結(jié)構(gòu)的重要參數(shù)，將二者結(jié)合得到的冠層葉綠素含量則是衡量作物冠層進(jìn)行光合作用潛力的重要生態(tài)參數(shù)。NPP是衡量作物群體轉(zhuǎn)化有機(jī)物能力的重要參數(shù)，所以與冠層葉綠素含量具有較高相關(guān)性，Gitelson等指出，冠層葉綠素含量和PAR是GPP/NPP的主要影響因素[9]。近年來(lái)，利用葉綠素植被指數(shù)對(duì)GPP/NPP進(jìn)行估算的研究變得越來(lái)越多，眾多研究表明，基于冠層葉綠素含量建立起來(lái)的植被指數(shù)反演模型是十分有效的[9-10]。模型的基本公式如下：

式中：a和b為常數(shù)項(xiàng)；VICh-Canopy為反演冠層葉綠素含量的植被指數(shù)；VICh-leaf為反演葉片葉綠素含量的植被指數(shù)，代表葉片葉綠素含量的影響；VILAI為反演葉面積指數(shù)的植被指數(shù)。

結(jié)合冠層葉綠素含量模型基本形式，董恒等提出，利用 M-MTCI和MSAVI來(lái)反演葉片葉綠素含量和葉面積指數(shù)構(gòu)建新的冠層葉綠素含量模型，并取得了不錯(cuò)的試驗(yàn)結(jié)果[11-12]。

1.2 改進(jìn)的冠層葉綠素含量模型

葉片水分是影響作物進(jìn)行光合作用的重要因素。首先，水分是光合作用的重要原料之一；其次，葉片水分含量的變化也影響葉綠體水分含量，進(jìn)而影響葉綠體的結(jié)構(gòu)；另外，葉片水分含量影響氣孔的開合，從而影響二氧化碳從大氣進(jìn)入葉片內(nèi)部的過(guò)程。因此，葉片含水量對(duì)于作物光合作用速率具有不可忽略的影響。

然而，傳統(tǒng)的基于冠層葉綠素含量估算NPP的模型對(duì)于葉片水分影響考慮不足，模型中不能反映葉片含水量對(duì)于光合作用的影響。為了彌補(bǔ)這一缺失，本研究在傳統(tǒng)的冠層葉綠素含量模型基礎(chǔ)上，考慮葉片含水量的影響，在董恒等提出的模型[11-12]的基礎(chǔ)上，構(gòu)建了新的NPP估算模型，其基本形式見以下公式：endprint

2 材料與方法

試驗(yàn)區(qū)選擇在中國(guó)科學(xué)院地理科學(xué)與資源研究所禹城農(nóng)業(yè)綜合試驗(yàn)站水氮-作物關(guān)系耦合試驗(yàn)場(chǎng)。該試驗(yàn)場(chǎng)共設(shè)有32個(gè)試驗(yàn)小區(qū)，小區(qū)面積50 m2，1 m深的水泥池，用以控制小區(qū)的氮素和水分條件。研究采用的作物類型有小麥、玉米。不同作物類型采用不同的氮素和水分處理?xiàng)l件。

2.1 小麥試驗(yàn)方案

2.1.1 試驗(yàn)設(shè)計(jì)

按根據(jù)整個(gè)生育期施氮量的不同分為0、70、140、210、280 kg N/hm2等5個(gè)等級(jí)。同時(shí)小區(qū)根據(jù)供水量的不同分為60%、80%田間持水量2個(gè)級(jí)別。整個(gè)試驗(yàn)場(chǎng)總共有10個(gè)處理梯度，保證每個(gè)控制級(jí)別至少有3個(gè)重復(fù)。

2.1.2 測(cè)定與分析 在該試驗(yàn)場(chǎng)觀測(cè)的數(shù)據(jù)包括小麥冠層光譜、葉片葉綠素含量、葉片氮素含量、葉片含水量、葉面積指數(shù)和生物量等生態(tài)參數(shù)。觀測(cè)從返青期（2011年3月27日）開始，成熟期結(jié)束（2011年5月25日），觀測(cè)周期為7～10 d。

凈初級(jí)生產(chǎn)力數(shù)據(jù)采用生物量測(cè)定的方法獲取。PAR根據(jù)公式PAR=Rg×0.45計(jì)算得到，式中：Rg代表太陽(yáng)總輻射，數(shù)據(jù)來(lái)源于中國(guó)氣象科學(xué)數(shù)據(jù)共享服務(wù)網(wǎng)，研究使用了2011年3—6月山東濟(jì)南站的太陽(yáng)總輻射數(shù)據(jù)。

2.2 玉米試驗(yàn)方案

由于不同作物類型進(jìn)行光合作用存在較大的差異，研究還在實(shí)測(cè)的夏玉米數(shù)據(jù)基礎(chǔ)上對(duì)模型進(jìn)行了評(píng)價(jià)。

2.2.1 試驗(yàn)設(shè)計(jì)

根據(jù)整個(gè)生育期施氮量的不同分為0、60、120、180、240 kg/hm2等5個(gè)等級(jí)。同時(shí)小區(qū)根據(jù)作物種植密度的不同被分為高密度67 500株/hm2、低密度 52 500株/hm2 2個(gè)級(jí)別，整個(gè)試驗(yàn)場(chǎng)總共有10個(gè)處理梯度，可以保證每個(gè)控制級(jí)別至少有3個(gè)重復(fù)。由于山東禹城夏天雨水較多，試驗(yàn)沒有對(duì)玉米的供水進(jìn)行控制。

2.2.2 測(cè)定與分析 玉米試驗(yàn)觀測(cè)的數(shù)據(jù)包括冠層光譜、葉片葉綠素含量、葉片氮素含量、葉片含水量、葉面積指數(shù)和生物量等生態(tài)參數(shù)。觀測(cè)從返青期（2011年7月20日）開始，成熟期結(jié)束（2011年10月1日）。由于玉米生長(zhǎng)較快，試驗(yàn)觀測(cè)周期為3～4 d。

NPP數(shù)據(jù)和PAR數(shù)據(jù)獲取的方法與小麥試驗(yàn)中采取的方法是一致的。其中研究使用的太陽(yáng)總輻射數(shù)據(jù)是從中國(guó)氣象科學(xué)數(shù)據(jù)共享服務(wù)網(wǎng)下載得到的2011年7—9月山東濟(jì)南站觀測(cè)的數(shù)據(jù)。

3 結(jié)果與分析

為了評(píng)價(jià)模型估算NPP的可靠性，本研究利用地面實(shí)測(cè)冠層光譜數(shù)據(jù)和同步測(cè)量的NPP數(shù)據(jù)，用最小二乘方法，線性擬合獲得VI（ch-leaf）×PAR與NPP的關(guān)系。由于估算模型為線性關(guān)系“公式（6）”，因此實(shí)測(cè)參數(shù)之間若能顯著地呈現(xiàn)線性關(guān)系，那么可以從一定程度上認(rèn)為該模型是可靠的。

為了更好地評(píng)價(jià)改進(jìn)模型估算NPP的效果，除了與研究構(gòu)建的基于冠層葉綠素模型建立的方法進(jìn)行了比較，還選取了其他3種基于傳統(tǒng)的冠層葉綠素含量模型建立起來(lái)的估算方法進(jìn)行了對(duì)比，具體操作就是將反演冠層葉綠素含量信息的植被指數(shù)設(shè)為NDVI、CI、MCARI（表1），這些方法已經(jīng)被證明是進(jìn)行GPP/NPP估算較好的方法[10]。

3.1 小麥試驗(yàn)

基于小麥實(shí)地觀測(cè)到的數(shù)據(jù)，利用表1所列的植被指數(shù)，對(duì)本研究提出的NPP估算方法進(jìn)行了對(duì)比分析，分析結(jié)果見圖1。

從圖1可以看出，基于傳統(tǒng)的冠層葉綠素模型構(gòu)建起來(lái)的方法，冠層葉綠素含量植被指數(shù)（NDVI、CI、MCARI）與PAR的乘積與NPP之間都呈現(xiàn)了良好的線性關(guān)系，線性擬合精度都較高（r2>0.69），且都通過(guò)了顯著性檢驗(yàn)，本結(jié)果與前人的研究結(jié)論[9-10]是一致的。對(duì)比3種植被指數(shù)，本研究所構(gòu)建的M-MTCI×MSAVI×PAR與NPP之間的線性擬合精度則是最高的，r2達(dá)到了0.809 1，所以這種以葉片葉綠素含量植被指數(shù)與葉面積指數(shù)植被指數(shù)組合的方式還是較好地對(duì)冠層葉綠素含量信息進(jìn)行了提取，本結(jié)果為以后提取冠層葉綠素含量提供了一個(gè)新的途徑，同時(shí)也為基于冠層葉綠素含量模型估算NPP提供了一種新方法。

圖1-e為M-MTCI×TWI×PAR與NPP的線性擬合關(guān)系。與傳統(tǒng)的冠層葉綠素含量估算模型相比，改進(jìn)后的NPP模型，圖形的散點(diǎn)更加密集，植被指數(shù)與實(shí)測(cè)的NPP之間呈現(xiàn)更加良好的線性關(guān)系，模型的擬合精度可以達(dá)到0.85以上?？梢姼倪M(jìn)的冠層葉綠素含量NPP估算方法與改進(jìn)之前的方法相比更加適于估算NPP。

3.2 玉米試驗(yàn)

基于玉米實(shí)地觀測(cè)的數(shù)據(jù)，利用植被指數(shù)對(duì)本研究提出的NPP估算方法進(jìn)行了對(duì)比分析，分析結(jié)果見圖2。

基于各種植被指數(shù)構(gòu)建起來(lái)的方法與實(shí)測(cè)的NPP之間的相關(guān)關(guān)系見圖2，可以看出，這些植被指數(shù)與PAR的乘積和NPP之間還是呈現(xiàn)了比較好的關(guān)系，線性模型的擬合精度都在0.5以上，其中表示的M-MTCI×MSAVI×PAR與NPP的相關(guān)性最好（圖2-d），線性模型的擬合精度達(dá)0.75以上。不過(guò)相對(duì)于小麥來(lái)說(shuō)，這些方法應(yīng)用效果有了一定的降低，分析認(rèn)為，這與玉米成長(zhǎng)速度快有很大關(guān)系。由于玉米生長(zhǎng)較快，使得很多植被指數(shù)在作物生長(zhǎng)期內(nèi)很長(zhǎng)一段時(shí)間出現(xiàn)飽和效應(yīng)問(wèn)題，圖2-a表現(xiàn)的NDVI的結(jié)果最為明顯。而改進(jìn)的冠層葉綠素含量模型表現(xiàn)不如M-MTCI×MSAVI×PAR，也與TWI指數(shù)存在的飽和性問(wèn)題有一定的關(guān)系，由于2011年7—9月雨水較多以及玉米本身耐干旱的生長(zhǎng)特性，使得觀測(cè)的玉米葉片含水量數(shù)據(jù)沒有較大的差異，這2個(gè)問(wèn)題的存在使得模型不確定性加大，最終導(dǎo)致模型擬合精度下降。

綜合研究結(jié)果可以看出，對(duì)于小麥，綜合考慮葉綠素和葉片含水量影響的改進(jìn)冠層葉綠素含量模型M-MTCI×TWI×PAR是研究對(duì)比方法中最適合估算作物NPP的；而對(duì)于玉米，最適合的估算方法是基于冠層葉綠素含量模型構(gòu)建起來(lái)的M-MTCI×MSAVI×PAR。endprint

4 結(jié)論與討論

根據(jù)光能利用率理論，利用葉綠素植被指數(shù)、葉面積植被指數(shù)和葉片含水量植被指數(shù)描述葉綠素含量等內(nèi)在因素對(duì)光能利用率的影響，構(gòu)建了新的估算NPP的模型。由于冠層葉綠素含量、光合有效輻射和葉片含水量都是影響作物光合作用強(qiáng)度的重要因素，而且這些參數(shù)與光合作用強(qiáng)度呈正相關(guān)。該模型從作物生理學(xué)角度來(lái)說(shuō)是有理論依據(jù)的。

但是該估算模型也存在一些問(wèn)題，并需要在以后的研究中加以改進(jìn)。（1）葉綠素、葉面積指數(shù)等信息提取精度問(wèn)題。本研究是利用一些植被指數(shù)反演葉片葉綠素和葉面積指數(shù)，雖然植被指數(shù)是建立在輻射傳輸模型的基礎(chǔ)上， 有一定的物

理機(jī)制，不過(guò)與物理模型相比在物理意義上還是存在一定的差距。同時(shí)，由于該模型僅采用單個(gè)觀測(cè)角度的信息，也造成模型精度方面的一定限制。而且?guī)讉€(gè)指數(shù)進(jìn)行乘積運(yùn)算也可能造成誤差的傳遞和放大。所以，尋找更好的反演葉綠素含量和葉面積指數(shù)的方法是以后研究的重要內(nèi)容之一。（2）改進(jìn)的葉綠素冠層模型在原有模型的基礎(chǔ)上考慮了作物含水量的因素，使模型在考慮因素的全面性方面都有了提高，不過(guò)在精度方面針對(duì)不同的作物類型還是存在一定的差異。從光合作用的過(guò)程明確光合作用還受到如氣溫、CO2含量、作物類型等其他因素的影響，而在本模型中都沒有得到體現(xiàn)，如何在模型中加入這些因素的影響，提出一個(gè)對(duì)所有作物都比較合適的模型是以后改進(jìn)的重要方向。（3）本研究使用的光合有效輻射數(shù)據(jù)還是基于氣象觀測(cè)得到的，若想獲得區(qū)域高精度的光合有效輻射數(shù)據(jù)，現(xiàn)有的氣象觀測(cè)站點(diǎn)顯得不足，所以為了將模型應(yīng)用于大區(qū)域尺度上，高精度大區(qū)域尺度的光合有效輻射數(shù)據(jù)極為重要。遙感作為現(xiàn)在獲取大區(qū)域數(shù)據(jù)的重要手段，是解決這個(gè)問(wèn)題的重要途徑，目前，很多學(xué)者也在從事利用遙感反演光合有效輻射的研究工作。雖然部分產(chǎn)品已經(jīng)面世，但離真正的實(shí)用化還有些距離。如果可以將這一難題攻克，那么基于全遙感數(shù)據(jù)的NPP反演也就變得可能，未來(lái)NPP的估算也將變得越來(lái)越方便和準(zhǔn)確。（4）由于觀測(cè)條件的限制，模型只是利用在禹城試驗(yàn)區(qū)實(shí)測(cè)得到的1年的小麥和玉米相關(guān)觀測(cè)數(shù)據(jù)對(duì)模型進(jìn)行了評(píng)價(jià)，需要更多的驗(yàn)證數(shù)據(jù)（不同的氣候條件、不同的作物類型、不同尺度的遙感數(shù)據(jù)）對(duì)模型進(jìn)行進(jìn)一步的完善和評(píng)價(jià)。

參考文獻(xiàn)：

[1] 崔 霞，馮琦勝，梁天剛. 基于遙感技術(shù)的植被凈初級(jí)生產(chǎn)力研究進(jìn)展[J]. 草業(yè)科學(xué)，2007，24（10）：36-42.

[2]Heinsch F A，Zhao M S，Running S W，et al. Evaluation of remote sensing based terrestrial productivity from MODIS using regional Tower eddy flux network observations[J]. Geoscience and Remote Sensing，2006，44（7）：1908-1925.

[3]Werf G R V D，Randerson J T，Collatz G J，et al. Carbon emissions from fires in tropical and subtropical ecosystems[J]. Global Change Biology，2003，9（4）：547-562.

[4]Xiao X M，Hollinger D，Aber J，et al. Satellite-based modeling of gross primary production in an evergreen needleleaf forest[J]. Remote Sensing of Environment，2004，89（4）：519-534.

[5]Yuan W P，Liu S G，Zhou G S，et al. Deriving a light use efficiency model from eddy covariance flux data for predicting daily gross primary production across biomes[J]. Agricultural and Forest Meteorology，2007，143（3/4）：189-207.

[6]程占慧，劉良云. 基于葉綠素?zé)晒獍l(fā)射光譜的光能利用率探測(cè)[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2010，26（增刊2）：74-80.

[7]Meroni M，Rossini M，Picchi V，et al. Assessing steady-state fluorescence and PRI from hyperspectral proximal sensing as early indicators of plant stress：the case of ozone exposure[J]. Sensors，2008，8（3）：1740-1754.

[8]Liu L Y，Zhang Y J，Jiao Q J，et al. Assessing photosynthetic light-use efficiency using a solar-induced chlorophyll fluorescence and photochemical reflectance index[J]. International Journal of Remote Sensing，2013，34（12）：4264-4280.

[9]Gitelson A A，Via A，Verma S B，et al. Relationship between gross primary production and chlorophyll content in crops：implications for the synoptic monitoring of vegetation productivity[J]. Journal of Geophysical Research Atmospheres，2006，111（D8）：854-871.

[10] Wu C Y，Niu Z，Tang Q，et al. Remote estimation of gross primary production in wheat using chlorophyll-related vegetation indices [J]. Agricultural and Forest Meteorology，2009，149（6/7）：1015-1021.

[11]董 恒，孟慶野，王金梁，等. 一種改進(jìn)的葉綠素提取植被指數(shù)[J]. 紅外與毫米波學(xué)報(bào)，2012，31（4）：336-341.

[12]董 恒. 作物長(zhǎng)勢(shì)參數(shù)遙感監(jiān)測(cè)與反演研究[D]. 北京：北京大學(xué)，2013.endprint