高光谱遥感数据下城市植被碳汇的研究

曹晓裴+林殷怡+杜鹏宇+邢巍然+孙天阳

摘 要：为了探索城市植被碳汇能力，即植物的的固碳能力与城市植被冠层反射率的相关关系，选择了几种代表性的城市绿化植物作为研究对象，采用相关仪器分别测出这几种绿化物种冠层叶片的净光合速率，叶片的SPAD值以及冠层叶片的光谱曲线，根据实测的净光合速率估算出其碳汇能力，并结合相同时间段这几种绿化植物在光谱曲线不同波段反射率的大小，选择能够反映植被碳汇能力的特征波长，采用不同的方法建立植被碳汇能力和特征波长下植被反射率之间关系的数学模型，最后筛选出较稳定的数学模型，并结合MODIS高光谱遥感数据对武汉市的绿色植被的碳汇能力进行反演。实验表明，植被碳汇能力与植被在近红外波段的反射率具有较为显著的关系，其中，R2值为0.762 8，反演结果良好。

关键词：碳汇；净光合速率；反射率；反演

中图分类号：X502 文献标识码：A DOI：10.15913/j.cnki.kjycx.2016.16.011

全球气候变暖是一个越来越值得重视的环境问题。为缓解全球气候变暖的趋势，1997-12由149 个国家和地区的代表在日本京都通过了《京都议定书》，2005-02-16在全球正式生效，由此形成了国际“碳排放权交易制度”（简称“碳汇”）。碳汇指的是绿色植被从空气中清除二氧化碳的过程、活动和机制，也指其吸收并存储二氧化碳的多少或者说是森林吸收并存储二氧化碳的能力。传统碳汇的测定方法大致有样地清查法、涡度相关法等。样地清查法是通过设立典型样地，用收获法准确测定森林生态系统中的植被、枯落物或土壤等碳库的碳贮量，并可通过连续观测获知一定时期内的碳通量变化情况。这是传统的测量方法，相对而言，耗时耗力。涡度相关法是通过测定二氧化碳浓度和空气湍流来推测地球与大气间碳的净交换。这种方法存在一些不足，比如所用仪器设备昂贵，要求下垫面地形平坦，存在很多不确定性和误差，数据处理复杂。

近年来，随着高光谱遥感技术的不断革新发展，碳汇的测量方法有了新的突破。目前，一些人提出了模型模拟法，即运用植被指数（VI）、叶面积指数（LAI）和植被吸收的光合有效辐射分量（FPAR）等遥感数据，从而弥补了其余数据缺乏或理想条件下的参数设定导致的缺陷。由于高光谱遥感具有极高的光谱分辨率，在植被研究中的应用已使得植被遥感的范围被扩大到生态意义上。通过对来源不同的植被高光谱遥感数据采取相应的技术处理后，可将其用于植被参数估算与分析，植被长势监测以及估产中。目前，利用遥感技术能够测定植物的叶绿素含量、氮磷钾的含量和生化组分的含量。这为高光谱测定植物的碳汇提供了可行性参考。将高光谱遥感与碳汇相结合，可以运用高光谱的高光谱分辨率的优点于碳汇的测量中，进而能提高碳汇计量的精度与准确性。与传统的碳汇测量方法相比，模型模拟法具有观测范围大、成本相对较低和测量快速等优势。本文主要利用定量遥感的技术选择几种代表性的城市绿化植物作为研究对象，采用不同的方法建立植被碳汇能力和特征波长下植被反射率之间关系的数学模型，寻求一种较为精确、稳定且适用于武汉市城市植被碳汇能力快速监测的数学模型，从而更好地对城市植被碳汇进行快速监测，更科学地为武汉市政府部门提供合理、具有建设性的意见。

1 材料和方法

1.1 实验地点

本实验研究地点选择了武汉市的华中农业大学。学校坐落于湖北省武汉市南湖狮子山脚。华中农业大学园林植物品种丰富，种类齐全，是武汉市较为理想的农学实验研究地区，而且还拥有许多较为先进的农学研究设备和仪器等。据基本科学指标数据库（简称“ESI”）数据显示，截至2015-05-07，华中农业大学共有4个学科进入ESI全球排名前1%，具体为农业科学学科、植物学与动物学学科、化学学科和生物学与生物化学学科。因此，华中农业大学可以为此次研究的开展提供必要的数据和技术支持。

1.2 实验材料

在充分调查了华中农业大学园林植物品种、生长情况及其分布状况的基础上，选择生长条件基本一致，充分接受阳光且无建筑物遮挡，比较常见且长势良好的吉祥草、杜鹃、香樟、椤木石楠和海桐等5种园林植物作为本次实验的研究对象。

1.3 数据来源

1.3.1 光合生理生态因子

利用 Li-6400 便携式光合测定仪于 2015-07下旬连续3 d选择晴朗、无风的天气情况（本实验选择2015-07-20—22连续3 d），测定午后 13：00—14：00不同植株冠层叶片的光合生理生态因子，时间间隔为10 min。实验区每种植株选健康植株3株，并随机选取树木向阳面顶部的叶片测定，每株取3～5片叶。待系统稳定后，每片叶取3～6个瞬时光合速率值，并计算它们的平均光合率值作为该时刻的瞬间光合速率值，最后将3 d相应时刻的瞬间光合速率值求平均值作为所对应植株在七月中旬相应时刻的净光合速率。

1.3.2 叶绿素SPAD值

测量完不同植株冠层叶片的光合生理生态因子后，利用叶绿素测定仪来测量不同植株叶片内叶绿素的相对含量（SPAD），以此来反映植物冠层叶片内叶绿素的多少。

1.3.3 冠层叶片光谱数据

采用ASD便携式光谱仪测定植株的光谱反射率.该仪器可以测量的光谱范围为350～2 500 nm，内置存储器为500 scans；通道数为1 024，光谱分辨率（FWHR）在350～2 500 nm的范围内小于3.5 nm，在1 000～1 850 nm的范围内小于8.5 nm；在1 850～2 500 nm的范围内小于6.5 nm，最小积分时间为1 ms。每次植株冠层叶片光谱反射率的测量与植物叶片的采集同时进行，每次测量扫描叶片10次，取平均值。

1.4 数据处理

本次实验所采集的数据主要在Excel 2013 中进行相关处理，主要包括不同植株冠层叶片固碳释氧量的计算、植株冠层叶片净光合速率与叶绿素相对量的相关性研究、特征波长的选择、在特征波长处叶绿素的光谱反射率与叶绿素的相关性分析、植物的平均净光合速率与植被在特征波长处反射率的回归分析以及MODIS遥感影像的相关处理等，并建立相关的数学模型，结合相应的影像进行植被碳汇能力的反演。

1.4.1 固碳释氧量的计算

植物叶片在某个时间段的净同化量计算公式如下：

. （1）

式（1）中：P为测定时间段的同化总量，mmol/（m2·h）；Pi为初测点的瞬时光合作用速率；Pi+1为下一测点的瞬时光合作用速率，μmmol/（m2·s）；ti为初测点的瞬时时刻；ti+1为下一测点的时刻。

将测定时间段的同化总量换算为测定时间段固定的CO2的量，计算公式如下：

=P×44/1 000. （2）

式（2）中：44为CO2的摩尔质量； 为单位面积、单位时间叶片固定的CO2的质量，g/（m2·h）。

根据光合作用的反应方程CO2+4H2O→CH2O+3H2O+O2，可计算出该测定时间段植物释放O2的质量。

计算公式如下：

=P×32/1 000. （3）

1.4.2 光谱数据处理方法

通过便携式ASD光谱仪采集到光谱数据之后，利用光谱处理软件ViewSpecPro软件进行数据格式的简单处理。采集光谱数据时，仪器探头操作不稳定以及传感器内部的影响，最终获取的光谱数据噪声比较大，存在较大偏差。因此，为了便于进一步分析，对同一地点同种植物的光谱数据需要经过进一步处理，具体包括挑选光谱、去除重复波段、求平均值等，最后将挑选出的光谱曲线在Excel中计算每种植物的光谱反射率的平均值。此外，由于采集的光谱数据量比较大，波段1 300 nm 以后受水汽干扰比较大，因此只选取 325～1 000 nm波段来研究。

1.4.3 相关性分析

相关研究表明，叶绿素含量的不同会导致植物光合作用速率的不同，而植物的固碳能力可以用植物净光合速率表示，即叶绿素含量与植物的固碳能力相关。另外，叶绿素含量的不同反应在遥感的光谱曲线上会有不同的变化，叶绿素与遥感光谱曲线相关，即与其特征波长范围内的波谱反射率相关。因此，植物的固碳能力与其光谱反射率是具有某种相关性的。

1.4.4 回归分析

利用光谱反射率估测物质生理特性参数常用的方法有一元曲线拟合、多元线性回归和BP人工神经网络等。本文选取简洁且易于建立的一元曲线拟合模型估测，选择线性回归、多项式回归模型以及指数模型或者对数模型（具体情况看曲线变化的趋势）进行拟合的方法。

一元线性回归模型的表达式为：

y=a0+a1x. （4）

多项式模型的表达式为：

y=a0+a1x+a2x2+…anxn. （5）

指数函数拟合的表达式为：

y=a0ea1x. （6）

对数函数拟合模型的表达式为：

y=a0+a1ln（x）. （7）

式（4）（5）（6）（7）中：y为叶片单位叶面积、单位时间的碳汇能力（以最大净光合速率来表示）；x为植被的光谱反射率；a为相应的回归系数和常数。

为综合比较拟合的效果和精度，选取部分实测数据进行模型修正，同时为了使模拟结果更加接近实际值，将决定系数R2作为评价指标，选取决定系数较高、相对误差较小的模型为最终估算模型。

2 结果和分析

2.1 不同物种午后光合速率变化的比较

植物总是生活在某种特定的环境中，并且与外界环境之间不断地进行着物质能量交换。由于影响光合作用的环境因子（温度、光照、水分等）在一天的午后会发生显著的变化，因此，植物的光合速率也呈现出相应的变化规律。探讨午后植物光合速率的变化对研究植物的生理特性有着重要的意义。

在13：00—14：00 时间段内，海桐的净光合速率最高，椤木石楠的净光合速率次之，杜鹃和香樟的净光合速率大致相同，吉祥草等草类植物的净光合速率最低。

在13：00—14：00时间段内，不同植物净光合速率的变化趋势不同，海桐、椤木石楠和杜鹃等物种净光合速率的变化趋势成单峰状态，而香樟和吉祥草等物种净光合速率的变化趋势成双峰状态。

分析：灌木类地被植物的光合速率值比草本植物和藤本地被植物高。这种现象很可能是因为叶片内叶绿素等含量的不同引起的。不同物种在午后净光合速率的变化趋势的不同可能是因为不同植株叶片内气孔导度的敏感性不同引起的。对净光合速率变化在午后成单峰状态的物种其叶片内气孔导度的敏感性较差，以至于对于温度、水分等环境因子的微量变化不会影响气孔的状态；反之，对午后净光合速率变化趋势成双峰状态的物种来说，其叶片内气孔导度的敏感性相对较强；对于温度、水分的微量变化就会影响叶片内气孔的状态，以至于会在很短的时间内净光合速率呈现出双峰状态。

2.2 不同植物午后固碳释氧能力的比较

植物通过光合作用发挥固碳释氧的功能，对改善城市空气质量、实现城市生态系统良性循环具有重要意义。不同类型的地被植物，其固碳释氧量是不同的。从表1可以看出，在所测的5 种地被植物中，从总趋势看，灌木地被植物的固碳释氧量高于草本和藤本植物。

实验结果表明，椤木石楠和海桐的固碳释氧量较高，固碳量分别为0.86 g/（m2·h）、1.27 g/（m2·h），释氧量分别为 0.62 g/（m2·h）、0.92 g/（m2·h）；杜鹃和香樟的固碳释氧量大致相同，固碳量大概为 0.7 g/（m2·h），释氧量大概为 0.5 g/（m2·h）；吉祥草的固碳释氧量能力最差，固碳量为 0.24 g/（m2·h），释氧量为 0.17 g/（m2·h），不足海桐固碳释氧量的1/4.由此可见，不同类型地被植物之间，其固碳释氧能力存在着差异，原因可能与叶片接受光照的多少及叶片的结构有关。

2.3 不同物种午后叶片光谱响应曲线的比较

不同物种的叶片对于电磁波的吸收和反射能力是有差异的。这为探讨不同物种叶片午后的光谱响应曲线与其光合速率之间的关系提供了理论基础。在波长范围为800～1 000 nm的光谱区间内，各植物叶片对于电磁波的反射率趋于稳定，并且差异达到了最大。研究资料表明，800～1 000 nm的波长区间属于近红外短波，因此，利用近红外来简单地探测或大致估算出不同物种叶片的光合速率相比传统的测量手段和方法更加简便快捷。在近红外波段，对电磁波反射率高低顺序为：海桐>椤木石楠>香樟>杜鹃>吉祥草。这种顺序与这些叶片在午后的平均净光合速率及其固碳释氧能力的高低顺序一致。

2.4 模型结果

表1是采用线性回归、多项式回归和对数回归的方法回归得出的模型结果。结果表明，采用二次多项式对不同叶片的净光合速率和在近红外波段的光谱反射率的拟合效果最好，其R2值为0.762 8；其次是对数回归模型，R2值为0.762 2；线性回归模型拟合效果最差，R2值为0.747 4.因此，我们采用所获得的二次多项式回归模型作为最终的反演模型，其表达式为：

y=-25.845x2+42.835x+9.440 7. （8）

式（8）中：y为叶片单位叶面积、单位时间的碳汇能力（以最大净光合速率来表示）；x为不同植物叶片在近红外波段的光谱反射率。

3 植被碳汇能力的反演

在建立植被碳汇能力与光谱反射率的关系之后，采用武汉市的高光谱影像（MODIS影像）的反射率产品MOD09a1产品，通过波段运算得出武汉市的植被指数分布图（NDVI）（NDVI>0.3为植被），并提取出含植被的区域，最后运用建立的模型反演出城市植被的碳汇能力。主要使用ENVI5.1 和ArcGIS10.2 两款软件进行影像处理。图1为最终得到的武汉市城市植被碳汇能力的等级分布情况。

参考文献

[1]朱芸，雷国良，刘秀铭，等.全球气候变暖的影响问题辨析[J].亚热带资源与环境学报，2012，7（1）：47-54.

[2]李培月，刘璐，高晓花.也谈全球气候变暖问题[J].环境科学与管理，2009，34（11）：49-53.

[3]沈文清，马钦彦，刘允芬.森林生态系统碳收支状况研究进展[J].江西农业大学学报，2006，28（2）：312-317.

[4]陈拉.高光谱遥感数据在植被信息提取中的应用研究[J].安徽农业科学，2009，37（8）：3842-3843.

[5]刘秀英，熊建利，林辉.基于高光谱特征参数的樟树叶绿素含量的估算模型研[J].广东农业科学，2011，38（5）：1-4.

[6]朱文静.基于偏振—高光谱多维光信息的番茄氮磷钾及交互作用检测研究[D].镇江：江苏大学，2014.

[7]张清林.林木叶片生化组分含量高光谱遥感估算模型研究[D].福州：福建师范大学，2012.

〔编辑：刘晓芳〕