基于高光谱参数的竹叶叶绿素质量分数估算模型1)

2017-06-05李恒凯欧彬刘雨婷

东北林业大学学报 2017年5期

关键词：竹叶反射率波段

李恒凯欧彬刘雨婷

(江西理工大学，江西赣州，341000)

基于高光谱参数的竹叶叶绿素质量分数估算模型1)

李恒凯欧彬刘雨婷

(江西理工大学，江西赣州，341000)

为研究竹叶叶绿素质量分数和高光谱参数的相关性，建立叶绿素质量分数估算模型。利用Field Spec4便携式地物光谱仪采集无病虫害的箭竹竹叶光谱，使用SPAD-502叶绿素仪测定相应竹叶的叶绿素质量分数，分析竹叶叶绿素质量分数与原始光谱、一阶导数光谱以及提取的光谱特征参数之间的相关性，采用线性和非线性分析法构建叶绿素质量分数估算模型并进行精度检验。结果表明：(1)竹叶叶绿素质量分数在原始光谱反射率762 nm处相关系数达到最大值，相关系数为0.544 3；在一阶导数光谱反射率689 nm和726 nm处分别达到了极显著相关水平，相关系数分别为-0.747 9和0.907 9。(2)基于λb、λr、SDr/SDb和(SDr-SDb)/(SDr+SDb)等光谱参数都与叶绿素质量分数达到了极显著相关水平。(3)采用相关性达到极显著水平的4种光谱参数以及689、726 nm处的一阶导数光谱反射率，构建叶绿素质量分数估算模型。依据决定系数(R2)最高，筛选出的回归估算模型中，基于一阶导数光谱反射率在726 nm处的线性模型R2最高，为0.882 8，均方根误差(RMSE)和相对误差(RE)最小，分别为1.7050%和4.18%。因此，一阶导数光谱反射率在726 nm处的线性模型为竹叶叶绿素质量分数的最佳估算模型。

叶绿素质量分数；高光谱参数；箭竹；估算模型

We studied the relationship between chlorophyll content and high spectral parameters of arrow bamboo leaves and established a model for estimating chlorophyll content. We collected the spectrum of healthy leaves by a Field Spec4 portable spectrometer, used a SPAD-502 chlorophyll meter to determine the chlorophyll content of bamboo leaves, and analyzed the correlations of chlorophyll content in bamboo leaves with the original spectrum, first derivative of spectrum and the spectral characteristic parameters. We used the linear and nonlinear analysis method to build the estimation model of chlorophyll content, and then conducted the accuracy test. The maximum correlation coefficient of chlorophyll content occurred at the reflectance band of 762 nm with the correlation coefficient of 0.544 3. In the first derivative spectral reflectance of 689 and 726 nm there were significant correlations of -0.747 9 and 0.907 9, respectively. The parameters includingλb,λr,SDr/SDband (SDr-SDb)/(SDr+SDb) reached significant correlations. The estimation model of chlorophyll content was constructed by using four kinds of spectral parameters and the first derivative spectral reflectance of 689 and 726 nm. The model based on the first derivative spectral reflectance of 726 nm using the linear model obtained the most satisfied results for the estimation model of chlorophyll content withR2of 0.882 8,RMSEof 1.705 0 andREof 4.18%, which becomes a best estimation model for chlorophyll content of bamboo leaves.

叶绿素是植物生长过程的重要组成成分，在光合作用中承担重要的角色，其质量分数的高低对植物光合能力、发育以及生长状况具有指示作用[1-2]。健康绿色植物的光谱反射率在可见光范围内主要受叶绿素的影响，而在近红外波段主要与叶片结构、叶片纤维等因素有关[3]。随着高光谱技术的不断发展，高光谱遥感具有光谱分辨率高、波段数多以及光谱信息丰富等特点，从光谱数据中快速、无损地监测植被生长信息，建立植被叶绿素质量分数估算模型，已成为植被生理生态研究的关注点[4-5]。近年来，基于高光谱参数的叶绿素质量分数研究已取得较大进展，刘桃菊等[6]基于冠层反射率光谱的特征变量，研究水稻冠层光谱特征变量与叶片叶绿素质量分数之间的关系；宋开山等[7]构建了大豆冠层的高光谱反射率与叶绿素质量分数估算模型；王强等[8]采用线性及多元逐步回归技术构建了叶绿素密度高光谱诊断模型；金震宇等[9]对水稻生育期9组叶片叶绿素浓度和相应的光谱反射率数据进行相关分析，得出水稻叶片的“红边”拐点波长位置与其叶绿素浓度之间具有很强的相关性；李亚丹等[10]研究了雷竹叶绿素与高光谱植被指数关系及其反演模型。

箭竹是大熊猫的主要食物来源，对山地水土保持、减缓地表径流、涵养水源、调节小气候环境、促进农业稳产丰产等都起着不同程度的有利作用，也是重要的城市绿化植物。在发展箭竹种植的同时，往往忽略了竹林病害的严重性，常见的竹叶锈病会使叶片褐色、失绿，严重时叶片萎蔫、卷曲、下垂、生长不良，直接或间接地影响了其在生态中发挥的作用，其生长过程中生化参数的变化对评价其生长状况具有重要的生态意义。本文使用箭竹竹叶的光谱反射率来估算叶绿素的质量分数，建立叶绿素质量分数估算模型，旨在为竹叶叶绿素质量分数的估算提供方法和参考，对竹林的遥感实时监测及病害管理提供依据。

1 材料与方法

1.1 实验设计与数据采集

本实验地点位于赣州市内一片绿化箭竹林地，供试品种为自然生长状态下的箭竹。选择无病虫害的植株，每株选取上、中、下部叶片。采用美国ASD公司生产的Field Spec4便携式地物光谱仪采集测定竹叶光谱反射率，光谱分辨率在350～1 000 nm为3 nm，采样间隔为1.4 nm；光谱分辨率1 000～2 500 nm为10 nm，采样间隔为2 nm。选择在晴朗无云无风的天气，测定时间为11:00—14:00，光谱仪探头垂直向下，与采集样本的垂直距离为10～20 cm，光谱仪视场角选用10°，每次采集数据前都进行白板校正和自动优化。采集30个样本分为两组，一组是测试样本，一组是检验样本，样本选择无病害且常绿竹叶。为了降低测量误差，对每片竹叶的叶尖、叶中、叶基位置各测定2次，获得6组光谱数据，计算平均值作为该叶片的反射光谱值。

在光谱数据采集后，使用对植物无破坏性的SPAD-502叶绿素仪，测定竹叶叶绿素的质量分数。测量时，避开叶脉，围绕光谱采集点附近采样3次，求取并记录平均值。多数研究表明SPAD-502叶绿素仪测定的SPAD值与叶绿素质量分数之间呈极显著关系，能够代替叶绿素质量分数[11-12]。因此，本文采用便携式叶绿素仪SPAD-502测定值代替叶绿素质量分数。

1.2 光谱参数的选择

为了建立不同光谱参数的箭竹竹叶叶绿素质量分数预测模型，估算不同模型的预测精度并筛选出最优模型，本文根据竹叶叶绿素质量分数与光谱反射率之间的相关性是否达到极显著水平(P<0.01)来选择波段所对应的光谱反射率值作为光谱参数，以及参考基于光谱提取变量和植被指数等多种光谱参数[13-14]进行模型构建。结合本研究区情况所选择的光谱参数如表1所示。

1.3 模型构建

采用皮尔逊(Pearson)系数法分析叶绿素质量分数与各光谱参数之间的相关性，然后根据两个变量之间的相关程度选择合适的光谱参数，构建光谱参数与叶绿素质量分数的线性和非线性模型。

Pearson相关系数是一种度量两个变量间相关程度的方法，计算公式为：

(1)

式中：rxy为各光谱参数与叶绿素质量分数的相关系数，n代表样本数量，xi为第i个样本的光谱参数值，yi为第i个样本的叶绿素值，xavg为n个样本数量的光谱参数平均值，yavg为n个样本数量的叶绿素平均值。本文主要考虑对rxy进行P<0.01和P<0.05的置信度水平检验。

表1 光谱参数

为了确定叶绿素质量分数与各光谱参数之间相互依赖的定量关系，选择通过置信水平P<0.01的光谱参数作为自变量x，叶绿素质量分数为因变量y，使用Excel2010软件构建线性和非线性模型，具体公式如下：

一元线性模型：

y=a1x+a0。

(2)

指数模型：

y=a0exp(a1x)。

(3)

二次函数模型：

y=a2x2+a1x+a0。

(4)

式中：a0、a1、a2分别为回归系数。

1.4 模型检验

本文使用决定系数(R2)、均方根误差(RMSE)和相对误差(RE)来进行模型精度的检验。通常认为R越接近于1，且RMSE与RE值最小，估算模型求得的实测值与估算值的拟合效果越好，模型的精度越高。计算公式[15]为：

(5)

(6)

式中：yi、yj分别代表实测值和估算值，n代表样本数量。

2 结果与分析

2.1 叶绿素质量分数与光谱反射率的相关性

使用Field Spec4自带的ViewSpecPro软件导出竹叶原始光谱反射率和一阶导数光谱反射率曲线，使用Excel 2010分别对竹叶原始光谱反射率与一阶导数光谱反射率所对应的叶绿素质量分数进行相关分析，通过相关性来提取叶绿素敏感波段，建立竹叶叶绿素质量分数估算模型。竹叶叶绿素质量分数与光谱反射率之间的相关性如图1所示。通过图1(a)可知，350～495 nm和721～1 000 nm波段内，叶绿素与原始光谱反射率呈正相关，在496～720 nm波段范围内呈负相关；在750～838 nm波段范围内达到了显著相关水平(P<0.05)，且敏感波段在762 nm处，最大相关系数为0.544 3。

竹叶叶绿素质量分数与一阶导数光谱反射率的相关性如图1(b)所示，在波段489～513 nm、635～672 nm、683～695 nm以及709～753 nm波段内达到了显著相关(P<0.05)。其中，在638～670 nm和711～750 nm波段内，竹叶叶绿素与一阶导数光谱反射率达到了极显著相关(P<0.01)；在726 nm处相关性最好，相关系数为0.907 9；在494～506 nm和685～693 nm波段内达到了负的极显著相关；在689 nm处相关性最好，相关系数为-0.747 9；在886～1 000 nm波段内，一阶光谱反射率与叶绿素质量分数的相关性正负变换无明显规律，达不到极显著相关性。

(a)原始光谱 (b)一阶导数光谱

2.2 叶绿素质量分数和提取光谱参数的相关性

从图1可以看出，竹叶叶绿素质量分数与光谱反射率在蓝边、红谷和红边附近具有一定的相关性，只要算出叶绿素质量分数在这些光谱参数所对应波段处的相关性。

从表2可以看出，λb、λr、SDr/SDb和(SDr-SDb)/(SDr+SDb)这四个光谱参数都通过了0.01显著性检验达到了极显著相关水平，相关性均高达0.73以上。其中λr与叶绿素质量分数的相关性最高，达到0.876，利用这些光谱参数预测竹叶叶绿素质量分数是可行的。而其余光谱参数与叶绿素质量分数相关水平均达不到极显著水平。

表2 叶绿素质量分数与光谱参数的相关性

注:表中** 为极显著水平(P<0.01)；*为显著水平(P<0.05)。

2.3 竹叶叶绿素质量分数估算模型及精度检验

根据竹叶叶绿素质量分数与原始光谱反射率、一阶导数光谱反射率的相关分析结果，选择相关性达到极显著水平的敏感波段，建立叶绿素质量分数估算模型。从表3可以看出，根据各光谱参数所建立的回归估算模型，二次函数模型的决定系数R2最高。

表3 基于光谱参数的叶绿素质量分数估算模型

本研究采用随机抽取的10个检验样本对各预测模型精度进行评价。由图2可知，只要点越接近于实线，说明模型的估算效果最好，在以下6个估算模型中，模型(f)的决定系数R2最高，为0.882 8，均方根误差RMSE以及相对误差RE最小，分别为1.705 0%和4.18%。因此，本文选用一阶导数光谱726 nm处建立的线性模型作为叶绿素质量分数估算模型。

图2 不同模型的竹叶叶绿素质量分数实测值与估算值分布

3 结论

利用叶绿素质量分数与各光谱参数之间的关系，建立了竹叶叶绿素质量分数的估算模型。通过分析得到如下结论：

1)竹叶叶绿素质量分数与原始光谱反射率的敏感波段在762 nm处，达到了显著相关水平；与一阶光谱反射率的敏感波段在689 nm和726 nm处，达到了极显著相关水平。

2)根据竹叶叶绿素质量分数与光谱反射率之间的相关性所提取的光谱参数中，与叶绿素质量分数达到极显著相关水平的有蓝边位置、红边位置、红边面积与蓝边面积比值以及红边面积与蓝边面积归一化值，选择达到极显著相关水平的光谱参数建立竹叶叶绿素质量分数估算模型具有可行性。

3)以各光谱参数为自变量，建立的叶绿素质量分数估算模型均是二次函数模型决定系数(R2)最高。通过精度验证发现，基于一阶导数光谱在726 nm处建立的线性估算模型精度最高，拟合效果最好。因此，以此模型作为估算叶绿素质量分数的最优模型。

[1] DAUGHTRY C S T, WALTHALL C L, KIM M S, et al. Estimating corn leaf chlorophyll concentration from leaf and canopy reflectance[J]. Remote Sensing of Environment,2000,74(2):229-239.

[2] NIGS I, BEHAEGHE T, IMPENS I. Leaf nitrogen content as a predictor of photosynthetic capacity in ambient and global change conditions[J]. Journal of Biogeography,1995,22(2/3):177-183.

[3] THOMAS J R, GAUSMAN H W. Leaf reflectance vs. leaf chlorophyll and carotenoid concentrations for eight crops[J]. Agronomy Journal,1976,69(5):799-802.

[4] CHEN L, HUANG J F, WANG F M, et al. Comparison between back propagation neural network and regression models for the estimation of pigment content in rice leaves and panicles using hyperspectral data[J]. International Journal of Remote Sensing,2007,28(16):3457-3478.

[5] 杨曦光,范文义,于颖.森林叶绿素含量的高光谱遥感估算模型的建立[J].森林工程,2010,26(2):8-11.

[6] 刘桃菊,胡雯君,张笑东,等.水稻冠层高光谱特征变量与叶片叶绿素含量的相关性研究[J].激光生物学报,2015,24(5):428-435.

[7] 宋开山,张柏,王宗明,等.大豆叶绿素含量高光谱反演模型研究[J].农业工程学报,2006,22(8):16-21.

[8] 王强,易秋香,包安明,等.基于高光谱反射率的棉花冠层叶绿素密度估算[J].农业工程学报,2012,28(15):125-132.

[9] 金震宇,田庆久,惠凤鸣,等.水稻叶绿素浓度与光谱反射率关系研究[J].遥感技术与应用,2003,18(3):134-137.

[10] 李亚丹,杜华强,周国模,等.雷竹叶绿素与高光谱植被指数关系及其反演模型[J].浙江农林大学学报,2015,32(3):335-345.

[11] 姜丽芬,石福臣,王化田,等.叶绿素计SPAD-502在林业上应用[J].生态学杂志,2005(12):1543-1548.

[12] 艾天成,李方敏.作物叶片叶绿素含量与SPAD值相关性研究[J].湖北农学院学报,2000,20(1):6-8.

[13] 付虎艳,靳涵丞,张洪亮,等.贵州喀斯特山区烟叶高光谱参数与叶绿素含量的关系[J].烟草科技,2015,48(2):21-26.

[14] 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.

[15] 王纪华,赵春江,黄文江,等.农业定量遥感基础与应用[M].北京:科学出版社,2008.

Estimation Models of Chlorophyll Content of Bamboo Leaves Based on Spectral Parameter//