水稻叶片叶绿素含量的光谱反演研究
遥感信息 理论研究 2005. 6
水稻叶片叶绿素含量的光谱反演研究
陈君颖①, 田庆久①, 施润和②
(①南京大学国际地球系统科学研究所, 江苏南京210093; ②中国科学院地理科学与资源研究所数据中心, 北京100101)
摘要:通过研究不同叶绿素含量的水稻叶片的光谱特性, 发现叶绿素含量与光谱特性之间具有明显的相关性, 并建立了水稻叶片叶绿素含量的光谱反演模式。研究表明, 水稻叶片光谱反射率及其一阶导数的峰值参数与叶绿素含量之间具有很强的相关性, 复相关系数均达到0. 4以上, 经多元线性回归分析显示回归显著, 线性相关密切, 回归方程的复相关系数为0. 63, 可作为水稻叶片叶绿素含量反演的方法, 并为大面积水稻冠层叶绿素含量遥感监测提供理论依据。
关键词:水稻; 叶绿素; 光谱; 反射率; 遥感
中图分类号:P237. 9 文献标识码:A 文章编号:1000-3177(2005) 82-0012-05
南农4069常规粳稻, 种植8个小区, 2个重复, 4个水平(高氮、中氮、无氮、低氮) 。样本采集是将水稻连根拔起, 立即放入清水中供养, 以保鲜, 本实验过程中共摘取了23个新鲜水稻叶片样本。
2. 2 光谱测量
本实验的光谱测量是在南京大学国际地球系统科学研究所进行的, 采用Perkin Elmer 公司生产的L ambde 900U V /V is /NI R spectrometer 光谱仪, 波长范围为190~2500nm , 光谱分辨率为2nm 。
2. 3 叶绿素含量的测量
用SPAD -502叶绿素仪测量每个叶片的叶绿素含量, 每个叶片在不同的叶片位置测量叶绿素含量6~10次, 然后取其平均值作为每个叶片的叶绿素含量。SPAD -502叶绿素仪是一种小巧的对植物无破坏性的叶绿素含量测定仪, 它通过测定植物叶子在两个波长区的吸收率来确定叶子叶绿素浓度的相对含量[6]。
1 引 言
叶绿素含量往往是植物营养胁迫、光合作用能力和发展衰老各阶段的良好指示剂[1], 作物叶片中叶绿素含量的多少, 既表明了作物的生长状况, 又是作物与外界发生物质能量交换的重要条件, 因此, 实时监测作物叶片中叶绿素含量的变化, 就成为实现作物长势监测和产量估算的重要一环[2]。在精细农业中, 叶绿素含量也有特别重要的意义, 它是光合作用的指示剂, 与绿色植物的氮含量紧密相关, 可作为测量植物对氮施用量反应的手段[3]。利用遥感方法检测叶绿素含量不仅可以大面积快速进行, 而且具有无破坏性采样、及时和信息转化方便的特点。但以往的研究多致力于建立叶绿素含量与宽波段遥感植被指数(仅具有少数几个光谱波段得到) 的简单关系
[4~5]
。由于高光谱遥感具有光谱分辨
率高、波段连续性强的特点, 能获得更多的精细光谱信息, 随着高光谱遥感的发展, 为定量分析水稻叶片叶绿素含量与光谱特征的关系提供了有力的工具。利用高光谱遥感技术研究光谱与叶绿素含量之间的关系, 在农业中具有广阔的应用前景。
本研究通过对不同叶绿素含量的水稻叶片的光谱反射率及其一阶导数曲线特征值的测量和计算, 进一步研究了水稻叶片光谱与其叶绿素含量之间的相关性, 并提出一种用高光谱遥感数据反演水稻叶片叶绿素含量的方法, 为大面积水稻冠层叶绿素含量遥感监测提供理论依据。
3 数据处理
由于植物中的叶绿素含量主要是在可见光谱段内对植物光谱特性起支配作用, 所以本次研究实验我们选取的波长范围是400~1000nm 。整个统计分析过程利用Excel 、O ri -gin 和SPSS10软件进行。在分析水稻叶片反射率与叶绿素含量的相关关系的同时, 还计算了反射率的一阶导数, 并分析了它与叶绿素含量的关系。最后对叶片光谱峰值参数进行多元线性回归分析, 反演出叶绿素含量。
2 数据获取
2. 1 样本采集
本研究的实验地选择在南京农业大学实验田, 于2004年9月采集新鲜的处于灌浆期的水稻叶片。选择的品种为
4 结果分析
4. 1 水稻叶片光谱特征位置分布分析
图1显示的是水稻叶片的反射率光谱曲线, 从图中可以
收稿日期:2005-05-18 修订日期:2005-07-11基金项目:江苏省高技术研究项目(BG2004321)
作者简介:陈君颖(1983~) , 女, 江西人, 硕士, 主要从事高光谱遥感及精细农业研究工作。 E -mail :cj y831025@163. com
2005. 6 理论研究 遥感信息看出:在400~500nm 的蓝紫光波段与600~700nm 的红光波段, 由于叶绿素强烈吸收辐射能进行光合作用而形成两个吸收谷, 其中蓝紫谷为光谱在蓝紫波段的反射率最小值, 红谷为反射光谱在红光波段的反射率最小值。在这两个吸收谷之间, 即绿光波段, 吸收较少, 形成反射峰, 绿峰为反射光谱在绿光波段的反射率最大值。700nm 后反射率急剧增加, 进入近红外波段后, 由于光线在叶片内部的多次散射产生高反射平台。反射率从红谷到近红外高反射平台之间的变化可用“红边”来表示。通过公式(1) 近似地对水稻叶片光谱反射率进行一阶导数计算。图2是水稻叶片反射率一阶导数的光谱, 红边就是植物反射光谱曲线上斜率最大时所对应的波长, 位于680~750nm 之间[7]。
R (λ′=i )
R (λ-R (λi +1) i -1)
λi +1-λi -1
(1)
[8]
反演叶绿素含量打下基础。本实验将所采样本的绿峰位置、红谷位置、近红外平台起始位置、蓝边位置、黄边位置和红边位置进行统计和分析得到:
(1) 绿峰位于550~554nm 之间, 其中位于550nm 和552nn 的分别有2个样本, 而位于554nm 处的样本有19个, 占样本总数的83%;
(2) 红谷位于676~680nm 之间, 其中位于678nm 的样本占样本总数的61%,达到14个, 而位于676nm 和680nm 的样本数分别为6和3;
(3) 近红外平台起始位置处在774~778nm 之间, 位于774nm , 776nm , 778nm 的样本个数分别为1, 18, 4, 可见, 水稻样本的近红外平台起始位置多位于776nm 处, 占样本总数的78%;
(4) 从蓝边位置来看, 有22个水稻样本位于522nm 处, 仅有1个样本位于520nm 处;
(5) 黄边的范围分别从568~574nm , 而有17个样本的黄边位于572nm 处, 占样本总数的74%,位于568nm , 570nm 和574nm 处的样本个数分别为1, 4和1;
(6) 红边位于698~704nm 之间, 其中位于702nm 处的样本数达到15个, 占样本总数的65%,而位于698nm , 700nm 和704nm 处的样本个数分别为1, 4和3。
4. 2 水稻叶片光谱峰值参数与其叶绿素含量的 相关分析
从绿峰、红谷的特征参数进行分析, 选取的特征参数有绿峰的净面积、净高度、半高宽以及红谷的净面积、净深度(等于绿峰的净高度) 、半高宽。如图3, A 、B 、C 、D 点分别是蓝紫谷、绿峰、红谷和近红外反射平台。绿峰的净面积是指曲线A BC 和直线AC 所围的积分面积, 反映了绿峰的净强度; 绿峰净高度及红谷净深度为B 与C 之间的y 向距离, 如图3中IC , 相当于绿峰去背景后的净反射率; 绿峰半高宽反映了绿峰的宽度, 为绿峰在净高度的一半处两光谱位置的差, 如图中的EF ; 红谷净面积为平行于X 轴且过B 点的直线
研究表明, 红边在反射率的一阶导数曲线里很重要。
当植物生物量、叶绿素含量高, 生长力旺盛时, 红边会向长波方向“红移”; 而当植物受到污染和病虫害等原因导致植物长势不好时, 红边就会向短波方向“蓝移”。光谱曲线从蓝光波段到绿光波段的拐点, 也即一阶导数光谱在此过渡区域的极大值称为“蓝边”; 光谱曲线从绿光波段到红光波段的拐点, 也即一阶导数光谱在此过渡区域的极小值称为“黄边”
。
A :蓝紫谷 B :绿峰 C :红谷 D :近红外高反射平台图1
不同叶绿素含量的水稻叶片反射率光谱曲线图
BH 与曲线BCD 所围的面积, 反映了红谷的净强度; 红谷半高宽反映了红谷的宽度, 为红谷在净深度的一半处两光谱位置的差, 如图中的F G 。用O rigin 软件计算上述的特征参数, 其中, 面积的计算原理为求光谱曲线在该区间上的定积分,
E :蓝边 F :黄边 G :红边
图2 不同叶绿素含量的水稻叶片反射率一阶导数光谱曲线图
由图1、2可知, 不同叶绿素含量的水稻叶片反射率及其一阶导数呈规律性的变化, 如果将这种规律定量化, 就能为
图3 水稻叶片光谱曲线绿峰、红谷的特征参数
遥感信息 理论研究 2005. 6把区间[a , b ]分为n 个子区间(x i -1, x i ) , (i =1, 2, …n ) 。记Δx i =x i -x i -1。ζ(x i -1, x i ) 上任意一点, 则面i 为子区间积可由公式(2) 得到。从图4可以看出, 叶绿素含量与绿峰及红谷的净面积和净高度有着较强的相关性, R 2均达到0. 4
以上。
S =lim
i ※0
i =1
Δx i i ) ∑f (ζ
n
(2
)
图4 水稻叶片叶绿素含量及绿峰及红谷参数的相关性
对水稻叶片光谱反射率进行一阶导数计算。分别对蓝边、黄边和红边峰值参数与叶绿素含量的相关性进行统计分析。如图5, 直线ABCD 的光谱反射率的一阶导数为0, E 、F 、G 分别是蓝边、黄边和红边。计算它们的面积、高度以及半高宽, 其中蓝边峰值面积是曲线A EB 和直线AB 所围的积分面积; 蓝边峰值高度为E 到直线A BCD 的距离, 如图5中EH ; 黄边峰值面积是指曲线BFC 和直线BC 所围的积分面积; 红边峰值高度为G 到直线ABCD 的距离, 如图5中G I 。这些特征参数与叶绿素含量之间具有很强的相关性。如图6, R 2均为0. 5以上, 其中红边峰值高度与叶绿素含量的R 2达到0. 62。
从以上的结果可以看出, 红边峰值高度与叶绿素含量的R 值最大, 表明红边峰值高度与叶绿素含量的相关性最强, 对叶绿素含量的变化有较好的表征。根据以上相关性分析的结果, 本实验试图通过对水稻叶片光谱的绿峰净面积(GA ) 、绿峰净高度(GH ) 、红谷净面积(RA ) 、蓝边峰值面积(B A ) 、蓝边峰值高度(BH ) 、黄边峰值面积(YA ) 、红边峰值高度(RH ) 进行多元线性回归分析, 反演出叶绿素含量(CH ) 。相关分析是回归分析的基础和前提, 如果相关性很差, 即使勉强进行回归也没有实际意义[9], 因此, 首先对这7个指标进行相关分析。从表1可见, 7个指标之间具有很强的相关性
。2
图5 水稻叶片反射率一阶导数光谱曲线蓝边、黄边和红边的特征参数
在此基础上, 对23个样本采用多元线性回归模型进行拟合。表2列出了回归分析的结果, 模拟值的绝对值可以表征各因子对叶绿素浓度的贡献和影响, 红边峰值高度的模拟值绝对值最大, 为17. 13882, 表明其对叶绿素浓度的贡献和影响最大, 而蓝边峰值面积的模拟值绝对值最小, 为0. 00679, 表明其对叶绿素浓度的贡献和影响最小。该回归模型经F 值检验, 其F 值(=3. 62) 大于由F 分布表查得的结
2005. 6 理论研究 遥感信息果(=2. 81) , 且R 2等于0. 63, 均方根误差(RM SE ) 等于2. 23, 可知回归显著, 线性相关密切, 这说明经多元线性回归分析所模拟的参数可靠。其回归表达式为:
CH =70. 788-0. 016×GA -9. 268×GH -0. 021×R A -0. 007×BA +14. 751×BH +5. 923×Y A -17. 139×R
H
图6 水稻叶片叶绿素含量与蓝边、黄边和红边峰值参数的相关性
表1 GA 、GH 、RA 、BA 、BH 、YA 、R H 相关分析结果R 2GA GH RA BA BH YA RH
GA 1. 000. 960. 740. 970. 840. 960. 88
GH 0. 961. 000. 890. 970. 950. 99990. 88
RA 0. 740. 891. 000. 780. 940. 890. 68
B A 0. 970. 970. 781. 000. 900. 970. 91
BH 0. 840. 950. 940. 901. 000. 950. 84
Y A 0. 960. 99990. 890. 970. 951. 000. 88
R H 0. 880. 880. 680. 910. 840. 881. 00
5 结论与展望
随着高光谱遥感技术的发展, 越来越多的农学因子可以通过遥感手段进行反演, 精度也日趋提高。叶绿素含量作为植物生长过程中的重要的指示剂受到了人们极大的关注。本文在分析水稻叶片的反射率光谱特征的基础上, 对其光谱反射率及其一阶导数与叶片叶绿素含量之间的相关性进行了研究与分析。研究结果表明:
(1) 绿峰位于550~554nm 之间, 其中大部分集中在554nm 处; 红谷位于676~680nm 之间, 但多集中在678处; 近红外高反射平台起始点位于774~778nm 之间, 以776nm
表2 多元线性回归分析结果
参数
parameter constant GA GH RA BA BH YA RH
模拟值s imulated value 70. 78767-0. 0159-9. 26804-0. 02097-0. 0067914. 751475. 92329-17. 13882
t 5. 234
-0. 1362-0. 16885-0. 19365-0. 00282 0. 23531 0. 29293-0. 91354
居多。为在可见光及近红外内研究植被的遥感监测最佳波段选择提供了依据。
(2) 水稻叶片光谱的绿峰净面积、绿峰净高度、红谷净面积、蓝边峰值面积、蓝边峰值高度、黄边峰值面积、红边峰值高度与叶绿素含量之间具有很强的相关性, 本研究在此基础上通过建立多元回归方程, 说明利用水稻叶片光谱反射率及其一阶导数反演叶绿素含量的可行性, 为进一步研究水稻冠层叶绿素含量与光谱反射率的关系奠定了基础, 为利用高光谱遥感技术大面积监植物冠层叶绿素含量空间分布提供了理论依据和技术途径。
遥感信息 理论研究 2005. 6
参考文献
1 Collins W . Remote sensing of crop type type and matu rity [J ]. Photogrammetric Engineering and Remote S ensing , 1978(44) :43~55. 2 李云梅, 倪绍祥, 王秀珍. 线性回归模型估算水稻叶片叶绿素含量的适宜性分析[J ]. 遥感学报, 2003, 9(5):364~371.
3 Dris s Haboudane , J ohn R . M iller , Nicolas Tremblay , Pablo J . Zarco -Tej ada , Louise Dextraze . Integrated narrow -band vegetation indices for
prediction of crop chlorophyll con tent for application to precis ion agriculture [J ]. Remote S ensing of Environment , 2002(81) :416~426. 4 Hvete , A . R . A soil adjusted vegetation Index (SAVI ) [J ]. Remote Sens . Environ . , 1988, 25(3) :295~309.
5 Gow ard . S . N . , Hvemmrich K . F . Vegetation canopy PAR absorptance and the normal ized difference vegetation index :An assessmen t using the
SAIL model [J ]. Remote Sense , Environ . 1990, 32(1) :47~54. 6 浦瑞良, 宫鹏. 高光谱遥感及其应用[M ]. 北京:高等教育出版社, 2000.
7 王秀珍, 王人潮, 李云梅, 沈掌泉. 不同氮素营养水平的水稻冠层光谱红边参数及其应用研究[J ]. 浙江大学学报(农业与生命科学版) ,
2001, 27(3) :301~306.
8 S teven M D , Clark JA . High spectral res olution indices for crop stress [A ]. In :Appl ication of Remote Sensing in Agriculture . Edited by Steven M
D , Clark JA , 1990.
9 宋小宁, 赵英时. 应用M ODIS 卫星数据提取植被—温度—水分综合指数的研究[J ]. 地理与地理信息科学, 2004, 3(2) :13~17.
Study on Simulation of Rice Leaf ' s
Chlorophyll Concentration via the Spectrum
CHEN Jun -ying ①, T IA N Q ing -jiu ①, SHI Run -he ②
(①International Institute for Earth System Science , Nanjing University , Nanjing 210093, China ; ②Data Center , Institute of Geographic Sciences and N atural Res ources Research , The Chinese Academy of Sciences , Beijing 100101, China ) A bstract :By studying the spectral characteristic of rice leaves under different chlorophy ll concentration , w e found , that the correla -tio n between chlorophyll co ncentration and spectral characteristic is obvious . We also set up a mode of simulating rice leaf chlorophyll concentration via spectrum . The result show s that the peak parameter of rice leaf spectral reflectance and its derivative have correla -tio n with chlorophyll concentration hig hly , all of the R2are mo re than 0. 4. A naly sing through plural linear reg ression shows that it is remarkable , and correlated with linearity closely , the R2is 0. 63, so the proposed method can be the one to simula te rice leaf chloro -phyll concentration , and offer the theo retical foundation for monitoring large scale rice canopy chlorophyll concentratio n by remote sensing .
Key words :rice ; chlorophyll ; spectrum ; reflectance ; remo te sensing
书 讯
中国科学院遥感应用研究所20余名离退休老干部历时18个月编写而成的《遥感与祖国改革开放同行—中国科学院遥感应用研究所成立与发展的回顾》正式出版了!
本书由我所名誉所长陈述彭院士为书作序。以大跨度、多视角的手法系统地回顾了遥感所自地理所萌芽以来45年的成长过程, 是一代代遥感人顽强拼搏、奋力创新的真实写照。
全书由5个部分组成, 共19章。包括遥感所的萌生与发展; 遥感应用基础研究; 遥感应用技术系统的发展; 遥感专业应用的深入和对遥感应用未来的思考。适合从事遥感工作的管理人员、科技人员及有关院校的师生阅读。
本书定价45元, 多买优惠。需要者请与遥感所图书室联系。联系电话:64849784
联系地址:北京市朝阳区大屯路天地科学园区遥感所邮编:100101