不同病虫害危害程度下云南松针叶光谱模拟及其生化参数敏感性分析

林起楠， 黄华国， 陈 玲， 俞琳锋， 黄 侃

北京林业大学省部共建森林培育与保护教育部重点实验室， 北京 100083

不同病虫害危害程度下云南松针叶光谱模拟及其生化参数敏感性分析

林起楠， 黄华国*， 陈 玲， 俞琳锋， 黄 侃

北京林业大学省部共建森林培育与保护教育部重点实验室， 北京 100083

明确植被叶片反射率对生化参数敏感程度是遥感定量反演生化参数含量的前提。 本文以不同健康状态下的云南松针叶光谱为例， 基于查找表法(LUT)对针叶光谱模型LIBERTY的叶绿素和水分吸收系数进行了标定。 提出了一种新的光谱合成方法和枯黄指数YI， 解决LIBERTY模型不能有效拟合严重受害程度的云南松针叶反射光谱曲线的问题。 并应用EFAST全局敏感性分析方法, 利用标定后的LIBERTY模型定量分析了不同受害程度的针叶生化参数敏感性变化。 结果表明： (1) 标定后的LIBERTY模型能有效拟合健康针叶光谱(R2=0.999, RMSE<0.01)、 轻度(R2=0.991, RMSE<0.02)和中度受害针叶光谱(R2=0.992, RMSE<0.03)； 但是严重受害针叶光谱模拟能力很差(R2=0.803, RMSE>0.1)。 (2) 新光谱合成方法能有效拟合严重受害光谱(R2=0.991, RMSE<0.03)； 枯黄指数(YI)能够定量分析受害程度。 (3) 随着受害程度加深， 针叶反射率对叶绿素、 水分参数敏感度降低， 而基吸收、 白化吸收等参数敏感度增大， 且存在敏感波段。 如在505～565和705～850 nm范围白化吸收对针叶反射率作用明显； 对于严重受害针叶， 除了叶绿素之外白化吸收对可见光区针叶反射率影响也非常显著； 通过引入白化吸收先验知识， 发现如果能进一步确定白化吸收情况， 能够提高严重受害针叶叶绿素反演的精度。

LIBERTY； 针叶反射率； 敏感度分析； 云南松； EFAST

引 言

云南松(Pinusyunnanensis)在我国主要分布于西南地区。 近年来， 在云南地区发生了严重干旱， 进而引起松毛虫和切梢小蠹等害虫大量爆发， 导致云南松人工林遭受大面积的破坏。 通过遥感的手段对云南松病虫害进行监测预警， 对预防保护和灾后评估有重要意义。 光谱分析是森林病虫害遥感监测的常用手段[1]。 其主要理论假设是受害森林冠层的结构、 生理和生化参数发生变化， 该变化与光谱存在良好的相关性。 尽管云南地区的病虫害遥感应用研究不少， 但是鲜有从机理上阐述病虫害危害与针叶光谱的定量关系， 并进行病害程度及其生化参数敏感性分析的研究。

针叶光谱模型LIBERTY(leaf incorporating biochemistry exhibiting reflectance and transmittance yields)[2]， 能够从机理上模拟各类理化参数在不同含量下的针叶光谱反射和透射特征， 在生化参数反演、 光谱特征分析等方面研究运用广泛[3]。 Barton等利用LIBERTY模型分析了不同黄化病斑块比率对叶片的反射率和冠层光谱特征的影响[4]； 王雷等基于标定的LIBERTY模型分析不同水分条件下针叶光谱特征， 为落叶松病虫害监测提供了理论基础[5]； Coops等通过测定不同受害程度的加拿大辐射松(Pinusradiata)叶绿素含量结合LIBERTY模型构建光谱指数实现对叶绿素含量估算[6]。 尚未发现利用LIBERTY模型对云南松的研究案例， 及枯黄针叶光谱模拟相关研究。

明确不同受害程度下针叶反射率对理化参数的敏感性， 是精确反演植被针叶理化参数的前提。 在LIBERTY模型理化参数敏感性分析上， Dawson等以LIBERTY模型分析了干、 湿针叶的木质素和纤维素含量变化， 对针叶光谱的影响[2]； 颜春燕将LIBERTY模型参数归一化后以不同参考点定量计算理化参数对针叶反射率的平均敏感度。 Li和Wang采用sobol法定量分析了LIBERTY模型的理化参数对针叶可见光区反射率的贡献度[7]。 但在对LIBERTY模型敏感性分析研究中， 都忽略了针叶结构参数与生化参数对针叶反射率作用的相互关系。

为此， 本文试图解决以上三个问题。 首先， 基于实测的针叶光谱数据， 解决LIBERTY模型在云南松树种上的标定问题。 然后， 利用标定后的模型对健康、 轻度、 中度、 严重受害的云南松针叶反射光谱曲线进行模拟， 重点解决严重受害针叶光谱模拟问题。 最后， 结合EFAST(extended Fourier amptitude sensitivity test)方法分析不同受害程度下针叶生化参数的敏感性分析。

1 实验部分

1.1 光谱数据

2014年7月中旬至9月中旬， 在云南省玉溪市红塔区、 江川县和墨江县联珠镇、 鱼塘镇地区云南松人工林进行健康和受害云南松的针叶采样， 并同步测量光谱。

实验针对受云南松毛虫和小蠹等侵害的云南松进行研究， 按针叶受害的程度分为健康、 轻度受害、 中度受害和重度受害4种类型。 从树冠的四个垂直方向采集针叶， 将采集到的针叶用塑封袋保存好， 立即带回实验室进行叶绿素测量和光谱测量。 采用AvaSpec-EDU-VIS(350～850 nm, 分辨率0.29 mn)和AvaSpec-NIR1.7(900～1 750 nm, 分辨率2.0～5.0 nm)两个光谱仪互补联合观测， 可获得350～1 750 nm的光谱数据。 实验观测时将同一类型的针叶多层紧密平铺于观测的卡槽容器中， 每层平均40个针叶共5层， 将光纤探头放置在观测支架中进行观测， 每个针叶样本重复5次取平均值作为样本最终光谱值。 叶绿素含量测定采用分光光度计方法测定， 将针叶剪碎后用石英砂研磨均匀， 用无水乙醇于黑暗室温内浸提， 测定649和665 nm处的吸光度， 以无水乙醇作为空白对照组。 测定的不同类型云南松针叶叶绿素含量范围为： 健康针叶约为288.35～337.30 mg·m-2； 轻度受害针叶约为144.03～230.06 mg·m-2； 中度受害针叶约为115.44～128.64 mg·m-2； 严重受害针叶约为29.80～57.25 mg·m-2。

对实测云南松针叶反射光谱， 每种受害类型分别取10个样本。 为了与LIBERTY模型模拟光谱分辨率一致将实测光谱分辨率重采样为5 nm， 分析的光谱波长范围为400～1 700 nm。

1.2 LIBERTY针叶反射模型及其标定方法

LIBERTY模型是基于针叶特征发展而来的辐射传输模型[2]。 该模型假设针叶细胞是球形颗粒的漫射体并且遵从朗伯余弦定理， 由若干层排列紧密的细胞的反射率和透过率迭代过程求得单叶的反射率和透过率。 模型能够模拟针叶单叶或针叶簇可见光到近红外波段范围(400～2 500 nm， 间隔5 nm)内的光谱特性。 模型有9个输入参数(详见表1)， 包括3个结构参数(细胞直径、 细胞间隙、 针叶厚度)和6个生化参数(基吸收、 白化吸收、 叶绿素、 水分、 木质素和纤维素、 氮)。 除此之外还有5个缺省的生化吸收光谱系数： 叶绿素吸收系数fchl、 水分吸收系数fw、 木质素吸收系数flc、 白化吸收系数fa、 氮元素吸收系数fn。

表1 LIBERTY模型9个输入参数、 单位、 取值范围和查找表设置

基于实测的反射光谱数据利用LIBERTY模型进行逆向反演， 对模型输入参数进行标定， 来弥补部分参数未测量或难于测量的缺陷。 通过建立查找表(LUT)(相关设定见表1)的方法来进行光谱反演， 为减小计算量舍去不合理组合共模拟10 000条针叶反射率光谱。 为减少LIBERTY模型标定过程中输入参数个数， 对不同参数分别在不同波段范围内进行标定[8]。 例如D和xu两个细胞结构参数其主要作用于700～1 000 nm波段范围之间[9]； 叶绿素的光谱吸收范围在400～800 nm的可见光区； 而水分的光谱吸收范围在大于1 000 nm的近红外波段[3]。 以实测光谱值和模型模拟光谱值的RMSE[式(1)]值优化各参数值， 当RMSE值最小时即为参数的最优标定值。

(1)

式中：Rmod为模型反射率模拟值，Rmes为反射率实测值

LIBERTY模型默认的吸收系数是基于北美短叶松(Pinusbanksiana)获得的[2]， 对新的树种云南松而言并不一定完全适用， 因此有必要对缺少的吸收系数进行重新标定[7, 10]。 叶绿素和水分是影响植物叶片可见光到近红外光区光谱反射率的主要因素， 因此叶绿素吸收系数和水分吸收系数标定是重点考虑部分。 利用实测的反射光谱数据和LIBINV反演程序计算总吸收系数(fglobal)值， 再根据总的吸收系数和5个独立的生化吸收系数之间的关系[式(2)]， 将计算得到参数的标定值带入式(2)中， 来实现对叶绿素和水分吸收系数的标定。 为确保标定系数的独立性， 以实测光谱70%数据进行标定， 剩余30%数据用来验证标定结果。

(2)

式中，cBaseline，calbino为基吸收和白化吸收；cchl，cw，clc，cn为叶绿素， 水分， 木质素和纤维素中氮含量；fchl，fw，fa，flc，fn为5个吸收系数。

最后， 用重新标定后的叶绿素、 水分系数的LIBERTY模型开展云南松针叶反射光谱曲线模拟。 通过对不同受害程度云南松针叶反射光谱模拟的大量实验， 发现LIBERTY模型只能够模拟出有“峰”、 “谷”特征的光谱曲线， 对严重受害针叶反射光谱模拟的误差较大， 需要考虑新的模型改进严重受害类型的光谱模拟结果。

为此， 提出一种新的加权模拟方法。 从ENVI光谱库中筛选与实测严重受害反射光谱最接近的一条光谱， 经计算Chris Elvidge的干植被波谱库中灌木蒿(Sagebrush)叶片最接近(R2=0.913, RMSE=0.059)， 并将该高光谱数据作为先验知识， 通过线性加权拟合方法来改进LIBERTY模拟反射率值， 改进关系表达式如式(3)所示

(3)

式中：fsageb和fmod为加权系数；Rsageb，Rmod和RM分别为灌木蒿、 LIBERTY和最终光谱模拟反射率值。fsageb能反映病虫害针叶的受害严重程度， 值越接近于1， 越是枯黄。 因此， 将其命名为枯黄指数(yellow index, YI)。

需要说明的是， 灌木蒿的光谱只是反映严重受害光谱的先验知识， 和灌木蒿这个物种无本质联系， 也可以用其他更合适的光谱代替。

1.3 EFAST方法

EFAST方法是Saltelli等[11]将sobol方法与傅里叶振幅灵敏度检验法(FAST)相结合的全局敏感性分析方法， 其特点是稳定、 样本量少、 计算效率高。 该方法从方差分析角度出发， 认为模型输出结果方差是由输入参数和参数之间相互作用引起， 以参数对模型输出总方差的贡献率来反映参数的敏感性。 输入参数的敏感性可由主要敏感度和总敏感度表示， 其中主要敏感度为该参数单独作用的敏感性， 总敏感度还包括参数间相互作用的敏感性。

EFAST法主要是应用一个搜索函数在参数的多维空间内搜索， 对模型的输入参数引入一个共同独立参数函数并分别对各参数定义一个整数频率， 使模型成为独立参数的周期函数[12]。 然后， 对模型的输出结果进行傅里叶分析， 以傅里叶振幅大小来表示模型对参数的敏感度， 振幅越大敏感度越高。

假定一个模型Y=f(X),X=(x1,x2, …,xn)， 模型总方差与输入参数方差关系如式(4)

(4)

其中，V(Y)为模型总方差，Vi表示参数xi的方差，Vij， …,V(1, 2, …, n)表示各参数间相互作用的方差。

参数xi的主要敏感度(一阶敏感性指数)， 由参数xi的方差对总方差V(Y)的贡献率表示为式(5)

(5)

同理，xi参数与其他参数相互作用二阶、 三阶和高阶敏感性指数表达如式(6)

(6)

由式(5)和式(6)可知， 模型输入参数xi总的敏感度为

(7)

运用simlab2.2工具软件中的EFAST敏感性分析模块进行LIBERTY模型的敏感性分析。 LIBERTY模型输入参数按均匀分布采样， 利用simlab2.2软件以EFAST采样方法随机生成5 000组输入样本。 将输入样本导入LIBERTY模型程序输出5 000条针叶光谱， 将5 000个样本输出结果输入simlab2.2软件执行Monte Carlo模拟计算各参数的敏感性。

2 结果与讨论

2.1 云南松实测光谱曲线

图1为实测的不同虫害受害程度的云南松针叶光谱反射率平均值。 可以看出， 在绿光区(500～560 nm)， 不同受害程度的云南松光谱反射率大小出现递减的规律， 即健康>轻度>中度>重度； 而在红光区(620～760 nm), 不同受害程度的针叶反射率大小没有明显的规律性， 呈现出重度>健康>轻度>中度； 在760～900, 1 100～1 300, 1 400～1 600 nm波段范围内， 随着针叶受害加重， 针叶的反射率大小呈现出上升的趋势， 即重度>中度>轻度>健康。 引起针叶光谱反射率发生变化的原因， 主要因不同受害程度云南松针叶其叶绿素和水分的含量不同导致。

图1 不同受害程度云南松针叶光谱曲线

2.2 LIBERTY模型标定结果

对叶绿素和水分吸收系数重新标定的结果， 经验证精度为95.4%, 标定后叶绿素、 水分吸收系数曲线变化明显(图2)。 基于LIBERTY模型默认的和标定后吸收系数分别拟合实测的不同受害程度的云南松针叶光谱， 发现默认的吸收系数的拟合误差较大， 标定后的吸收系数拟合误差减小明显(图3)。 其中， 健康类型针叶反射光谱曲线模拟精度最好(R2=0.999， RMSE<0.01), 轻度受害类型模拟结果(R2=0.991， RMSE<0.02)和中度受害类型模拟结果(R2=0.992， RMSE<0.03)次之， 严重受害类型谱模拟较差(R2=0.803， RMSE>0.1)。 经过新的加权拟合方法， 严重受害针叶光谱的模拟精度显著提升(R2=0.991， RMSE<0.03)， 枯黄指数YI均值为0.664。 利用新的光谱拟合方法对非严重受害的针叶光谱进行拟合， 精度与不加权时未发生显著变化， 效果仍然很好(图3)， YI指数均值与严重程度呈正向相关： 健康0.018<轻度0.041<中度0.182<重度0.664。 由于本研究基于同一标定参数， 在四个不同受害类型上， 都获得了良好的拟合效果， 因此认为标定结果是合理的。

图2 LIBERTY吸收系数的标定值和缺省值

图3 LIBERTY标定前后不同受害程度云南松针叶实测的光谱曲线和模拟的光谱曲线

2.3 LIBERTY模型针叶理化参数敏感性分析

图4显示了在400～1 700 nm区间针叶反射率对模型各参数的一阶敏感指数和参数间相互作用的结果。 在可见光区， 叶绿素是影响针叶反射率的主要因素， 叶绿素对针叶反射率变化贡献度约为78%； 在540 nm附近叶绿素一阶敏感度值形成一个“低谷”， 之后敏感度迅速回升， 在660 nm达到峰值。 细胞直径、 细胞间隙、 针叶厚度3个结构参数在400～1 700 nm整个波段范围内对针叶反射率都有影响， 其中细胞直径和细胞间隙参数贡献度较大， 对700～1 000 nm对针叶反射率变化起主导作用， 该结果也验证了Alasdair等[10]的结论。 水分敏感波段范围是在近红外和短波红外光区， 在1 400 nm附近敏感度达到最高值80%； 白化吸收敏感波段位于400～900 nm， 基吸收作用波段为700～1 400 nm, 木质素纤维素和氮元素的影响波段大于1 400 nm。 总体而言， 基吸收、 白化吸收、 木质素和纤维素、 氮对400～1 700 nm的针叶反射率影响较低<20%， 叶绿素和水分敏感波段明显而且对针叶反射率的影响具有绝对主导性。

为进一步分析模型结构参数与生化参数对针叶反射率影响之间的相互作用。 首先探讨在不同叶绿素和水分含量水平下， 理化参数之间对针叶反射率作用是否存在制约关系。 叶绿素和水分含量大小范围设置为： 低(叶绿素： 0～50， 水分： 0～50)， 中(叶绿素： 50～300， 水分： 50～200)、 高(叶绿素： 300～600， 水分： 200～500)三个水平， 计算各水平下参数的敏感度。

图4 理化参数对针叶反射率的敏感性

由图5(a)—(c)可知， 随着叶绿素和水分含量升高， 细胞直径和细胞间隙对针叶反射率的主导作用越来越明显， 结构参数对针叶反射率的贡献度抑制了其他生化参数的作用， 且叶绿素、 水分含量越高抑制作用越明显。 结果证明了Moorthy等[13]的试验结论， 即模型在没有细胞直径和细胞间隙参数的先验知识前提下， 无法取得精确的生化参数反演结果。 因此， 在不同受害程度针叶生化参数敏感性分析中， 以云南松针叶细胞直径和细胞间隙的标定结果作为先验知识来进行相关计算分析。

2.4 不同受害程度针叶生化参数敏感性

为了分析云南松在不同受害程度条件下对针叶生化参数敏感性的影响， 以叶绿素、 水分含量大小范围来表征云南松针叶各受害类型[6]。 新的光谱拟合方法是基于LIBERTY模型模拟既定的结果加权得来, 而新增加权部分是固定光谱曲线， 敏感性不变， 因此敏感性分析为LIBERTY模型敏感度乘以(1-YI)。 不同受害类型的叶绿素和水分含量取值范围参照叶绿素测量值及其与水分的标定结果和相关文献[4, 6]设定。 设定情况如下： 严重受害(叶绿素： 0～50、 水分： 0～50、 YI=0.664)， 中度受害(叶绿素： 50～150、 水分： 50～100、 YI=0.182)， 轻度受害(叶绿素： 150～300 、 水分： 100～200、 YI=0.041)， 健康(叶绿素： 300～600、 水分： 200～500、 YI=0.018)。 对于同龄的云南松针叶， 相同受害程度的针叶的结构参数大小相对一致， 大小以标定值设定。 模拟对应状态下的针叶反射率并计算反射率对参数的敏感度。

图5 不同叶绿素、 水分含量大小的理化参数敏感性

Fig.5 Sensitivity of leaf reflectance to biochemical parameters in three level of chlorophyll and water contents for LIBERTY

图6(a)—(d)分别是云南松四种不同受害程度针叶反射率对6个生化参数的一阶敏感性及其参数间相互作用的影响。 随着受害程度增强， 叶绿素和水分对针叶反射率的主导性减弱， 其他四个生化参数对针叶反射率的影响逐渐增大。

在400～1 700 nm， 氮对不同受害类型的针叶反射率的贡献较低<8%且远小于其他生化参数的作用。 木质素和纤维素与基吸收随着受害程度加深对针叶反射率的影响增大， 但是在近红外和短波红外， 水分的影响还是占据主导， 对针叶水分反演的干扰作用小。 受害的针叶[图6(b)—(d)]， 在535和730 nm左右， 白化吸收有两个很窄的高敏感区； 尤其对严重受害针叶， 各参数敏感波段明显， 白化吸收与叶绿素在可见光区对针叶反射率的贡献相当。 因此， 在没有白化吸收参数的先验知识情况下， 对反演严重受害的针叶叶绿素含量将造成很大的误差。

图6 不同受害程度下针叶生化参数对光谱的敏感性

为此， 借鉴肖艳芳[14]的方法引入白化吸收参数先验知识。 将白化吸收设置为： 0～1， 1～3, 3～4分别代表白化吸收低、 中、 高三种水平。 叶绿素对针叶反射率的作用主要在可见光区， 因此计算基吸收、 白化吸收、 叶绿素在可见光区对针叶反射率的敏感度， 而其他参数在该波段范围的敏感度很低， 因此不计算其敏感度。 如图7(a)—(c)所示， 在一定范围内， 白化吸收对针叶反射率的影响随着白化吸收水平的增大而增大； 但增大到一定程度后白化吸收对针叶反射率的作用趋于饱和， 之后针叶反射率对白化吸收变化的敏感度降低。 在三种白化吸收水平下， 针叶反射率对严重受害针叶的叶绿素敏感度显著提高， 主导作用明显。 这表明， 在已知严重受害前提下， 如果能进一步确定其白化吸收水平， 就能够得到比较准确的叶绿素反演结果。

图7 严重受害针叶在不同白化吸收水平下参数的敏感性

Fig.7 Sensitivity of leaf reflectance to chemical parameters in three levels of albino absorption for seriously stressed needles

3 结 论

利用LIBERTY模型对不同受害程度的云南松针叶光谱进行模拟， 结果表明： 健康的针叶光谱模拟的精度最高， 轻度、 中度受害类型次之， 严重受害类型精度较低。 通过加权拟合的方法来改进LIBERTY模拟光谱值， 得到较好的光谱模拟结果， 并获得能反映针叶受害程度的枯黄指数(YI)。

讨论了模型的结构参数和生化参数对针叶反射率影响之间的相互作用， 发现两者之间存在明显的制约关系。 在不同叶绿素和水分含量水平下， 细胞直径和细胞间隙两个结构参数对针叶反射率的贡献度极易掩盖其他参数的贡献度。 利用LIBERTY模型进行生化参数反演时， 需要针叶细胞直径和细胞间隙两个结构参数的先验知识， 才能够获得较为精确的反演值。

基于LIBERTY模型利用EFAST方法定量分析了生化参数对不同受害程度针叶反射率的敏感性。 结果表明： (1)总体来说， 叶绿素和水分是影响针叶反射率的主要因素。 (2)在不同的受害程度下， 各种生化参数对针叶反射率的敏感性具有明显的差异。 对健康的针叶， 叶绿素和水分的贡献度极易掩盖其他生化参数对针叶反射率的作用， 而随着受害程度加深其主导作用降低； 对于严重受害的针叶， 各参数都有明显的主导敏感性波段， 尤其是白化吸收对可见光反射率影响与叶绿素参数相当。 (3)对于严重受害针叶， 如果明确白化吸收水平则能够提高模型叶绿素反演的精度。 同时如何利用不同受害程度的针叶生化参数敏感性结果， 针对不同受害程度的针叶生化参数反演设定合理的分步反演策略也需要进一步探讨。

本研究是在针叶尺度上， 利用LIBERTY模型定量分析不同受害程度针叶生化参数的敏感度和敏感波段变化， 为病虫害遥感监测提供理论基础。 下一步将耦合冠层模型研究在冠层尺度上分析病虫害问题。

[1] ZHANG Heng, PAN Jie, LIAO Zhen-feng(张 衡， 潘 洁， 廖振峰). Forest Pest and Disease(中国森林病虫), 2014, 33(2): 26.

[2] Dawson T P, Curran P J, Plummer S E. Remote Sensing of Environment, 1998, 65(1): 50.

[3] Zarco-Tejada P J, Miller J R, Harron J, et al. Remote Sensing of Environment, 2004, 89(2): 189.

[4] Barton C V. Tree Physiol., 2001, 21(12-13): 789.

[5] Wang Lei, Luo Youqing, Huang Huaguo, et al. Forestry Studies in China, 2008, 1(11): 28.

[6] Coops N C, Stone C. Australian Journal of Botany, 2005, 53(5): 417.

[7] Li P, Wang Q. International Journal of Remote Sensing, 2013, 34(7): 2402.

[8] Moorthy I, Miller J R, Noland T L. Remote Sensing of Environment, 2008, 112(6): 2824.

[9] Alasdair Mac Arthur, Tim Malthus. International Journal of Remote Sensing, 2012, 33(16): 5214.

[10] Feret J, Francois C, Asner G P, et al. Remote Sensing of Environment, 2008, 112(6): 3030.

[11] Saltelli A, Tarantola S, Chan K. Technometrics, 1999, 41(1): 39.

[12] LI Yan， HUANG Chun-lin, LU Ling, et al(李 艳， 黄春林， 卢 玲， 等). Remote Sensing Technology and Application(遥感技术与应用), 2014， (5): 719.

[13] Moorthy I, Miller J R, Zarco-Tejada P J, et al. IEEE International Geoscience & International Geoscience & Remote Sensing Symposium, 2004， (3): 1676.

[14] XIAO Yan-fang， ZHOU De-min, GONG Hui-li, et al(肖艳芳， 周德民， 宫辉力， 等). Journal of Remote Sensing(遥感学报), 2015， (3): 368.

*Corresponding author

Simulation of Needle Reflectance Spectrum and Sensitivity Analysis of Biochemical Parameters ofPinusYunnanensisin Different Healthy Status

LIN Qi-nan, HUANG Hua-guo*, CHEN Ling, YU Lin-feng, HUANG Kan

The Key Laboratory for Silviculture and Conservation of Ministry of Education, Beijing Forestry University, Beijing 100083, China

The sensitivity of biochemical effects on leaf reflectance is vital for retieving biochemical parameters with remote sensing. In this study, the chlorophyll and water absorption coefficients of the commonly used model LIBERTY (leaf incorporation biochemistry exhibiting reflectance and transmittance yields) were calibrated using field measured needle spectral reflectance curves based on a look up table (LUT) method. A novel spectra reflectance fitting method were presented by involving a new index (named as yellow index, YI), which could obviously improve the fitting accuracy of Pinus yunnanensis reflection spectrum at highly-stressed status. As a global sensitivity analysis method, the EFAST (extended Fourier amplitued sensitivity test) was implemented to quantitatively assess the sensitivity of biochemical parameters on needle reflectance. Results show that: (1) the reflectauce spectrum of healthy needles (R2=0.999， RMSE<0.01), slightly stressed needles (R2=0.991, RMSE<0.02) and moderately stressed needles (R2=0.992， RMSE<0.03) are simulated fairly well by calibrated LIBERTY model which has less potential in fitting the reflectance spectrum of seriously stressed needles (R2=0.803， RMSE>0.1). (2) the reflectance spectrum of seriously stressed needles can be successfully simulated by our proposed spectrum reflectance fitting method (R2=0.991, RMSE<0.03), because YI can quantitatively describe different degrees of stress, and (3) the sensitivity of leaf reflectance tochlorophyllandwaterparameters decreases with the degree of stress; while the sensitivity to other biochemical parameters is increasing, which includ baseline absorption, albino absorption, Lignin and Cellulose content, and nitrogen content, increases with the stress degree. Needle reflectance spectrum also have sensitivive bands for these parameters. For example, the albino absorption have a significant effect on needle reflectance in 505～565 and 705～850 nm). In addition,Albinoabsorptionandchlorophyllalso have significant effects on needle reflectance in visible region for seriously stressed needles, which indicates that the prior knowledge of thealbinoabsorptionlevel can help obtain the valid inversion result ofchlorophyllcontent.

LIBERTY； Needle reflectance； Sensitivity analysis；Pinusyunnanensis； EFAST

Jan. 24, 2016; accepted Apr. 21, 2016)

2016-01-24，

2016-04-21

林业公益性行业科研专项(201404401)和国家自然科学基金项目(41571332)资助

林起楠， 1991年生， 北京林业大学省部共建森林培育与保护教育部重点实验室硕士研究生 e-mail: 1056446928@qq.com *通讯联系人 e-mail: huaguo_huang@bjfu.edu.cn

TP79， S763

A

10.3964/j.issn.1000-0593(2016)08-2538-08