基于多光谱影像的单红边波段叶绿素指数验证

李宗南，蒋 怡，黄 平，董秀春，王 昕，魏 来，刘忠友

(四川省农业科学院遥感应用研究所，四川 成都 610066 )

【研究意义】植被叶绿素含量信息对生态、农业等研究有重要意义，通过叶绿素含量可准确估算植被的光能利用率[1-2]、光合有效辐射吸收比[3-5]、初级生产力及生物量[6-9]。【前人研究进展】区域植被叶绿素含量信息主要通过遥感手段获取，具体分为光谱指数法[10-13]和冠层辐射传输模型反演法[14-17]。光谱指数法是根据叶绿素敏感的光谱指数与叶绿素含量的相关性建立回归模型，通过光谱指数估算叶绿素含量的方法。对比冠层辐射传输模型反演法，该法具有算法简便，易于实现等特点，因而得到广泛研究，其中，680～750 nm波长范围内的红光光谱是绿色植物最敏感的光谱[18]。受植被覆盖度、叶绿素状况影响，该波长范围的反射率会出现显著的红移或蓝移现象，研究人员据此提出多种基于高光谱遥感的红边位置指数[19]和光谱指数[12, 20-22]用以估算叶绿素含量。自2002年以来，星载多光谱成像仪在680～750 nm波长范围内开始设置1～3个探测波段，并将此范围的波段称为红边波段。设有红边波段的星载多光谱成像仪包括ENVISAT MERIS、RapidEye、Worldview-2、Worldview-3以及高分六号等。但现有大部分光谱指数的性能在不同研究中表现不稳定[3,12]；受限于红边波段的数量、宽度，只有部分指数算法可推广到多光谱遥感[24]。MERIS陆表叶绿素指数MTCI(MERIS terrestrial chlorophyll index)是针对MERIS多光谱成像仪的红边波段设计的，通过3个红边波段反射率的差值比值估算叶绿素含量，被欧洲航天局的MERIS遥感产品采用[10]，其估算效果已得相关论证[25-27]。通过地面高光谱数据集验证，MTCI在小麦及玉米的叶绿素含量估算方面有良好的精度和稳定性[23, 28]。该指数需要3个红边波段的反射率，在仅有1个红边波段的多光谱影像还缺少验证。【本研究切入点】地面高光谱数据集分析结果表明，使用红光、红边及近红外等3波段的反射率建立的单红边波段叶绿素指数SRCI (single red-edge band chlorophyll index)在估算玉米叶绿素含量方面有较高精度[23]，已有研究未使用卫星遥感数据验证。【拟解决的关键问题】使用2012年9月14日获取的Worldview-2多光谱遥感影像初步验证SRCI在卫星遥感中的性能，为多光谱卫星遥感使用红边光谱指数估算植被叶绿素含量提供参考。

1 材料与方法

1.1 田间试验

通过不同氮肥用量和种植密度处理，为研究提供叶绿素含量和叶面积指数不同的冠层。试验在中国农业科学院万庄农业高新技术产业园(116.58°E，39.60°N)进行。该园位于河北省廊坊市广阳区，属暖温带大陆性季风气候；土壤类型为黄潮土，质地为砂壤。氮肥设置4水平，分别为不施用氮肥、60、120、240 kg/hm2纯氮，基肥与追肥比例为1︰1。各处理磷、钾肥用量相同，作为基肥施入，用量为P2O5150 kg/hm2，K2O 150 kg/hm2。种植密度设置2水平，分别为66 667和80 000株/hm2。种植品种为郑单958。小区规格为6 m×5 m，不同处理设置2次重复，共16个小区；随机区组排列。2012年6月26日播种，10月3日收获。

1.2 数据获取

在玉米拔节期、大喇叭口期、灌浆期、乳熟期进行观测。对应观测时间分别对应2012年7月24日、8月10日、8月29日及9月13日。观测项目包括玉米冠层光谱、叶绿素含量、叶面积指数。

1.2.1 冠层光谱 使用ASD FieldSpec®HandHeld地物光谱仪测量冠层反射光谱。该仪器测量的光谱范围是325～1025 nm，光谱采样间隔1.5 nm，光谱分辨率3.5 nm。仪器配套的软件含数据平滑和重采样功能，将光谱分辨率平滑重采样为1 nm。仪器通过使用不同视场角度镜头、调整观测高度等方式调整其对地的观测范围。此测量使用25°视场角、4 m高脚架对玉米冠层垂直观测，测量时间段为中午10：00-14：00。每个小区按照野外光谱测量规范测量获取10条光谱曲线。

1.2.2 叶绿素含量 叶片叶绿素含量(leaf chlorophyll content)LCC通过叶绿素a+b含量的指数回归模型[15]、田间叶片叶绿素相对值计算得到。其中，回归模型通过SPAD-502叶绿素仪和分光光度计测量相同样品的结果建立。待测叶片先使用叶绿素仪测量9次，取均值记录；然后经打孔器剪成小片混匀， 称取0.1 g左右，使用混合比例为4.5∶4.5∶1的丙酮、乙醇、水混合液提取，于暗箱中浸提8～12 h，直至叶片样品完全变白；测量波长663、645和470 nm下吸光度，使用Arnon法的修正公式计算叶绿素含量[29]。田间玉米叶片的叶绿素相对值使用叶绿素仪测量，选择3～5片代表性叶片分别测量叶基、中及尾部，取均值记录。冠层叶绿素密度(canopy chlorophyll density)CCD 通过LCC和叶面积指数 (leaf area index)LAI相乘得到。4期共测得64组叶绿素含量数据。

1.2.3 叶面积指数 使用Sunscan植被冠层分析仪和鱼眼相机半球法测量，仪器测量结果通过直接收割法测量的真实LAI校正。早期玉米植株高度在1.8 m以下时，使用Sunscan植被冠层分析仪测量；中后期植株高度大于1.8 m时，使用鱼眼相机测量。鱼眼相机由数码相机和鱼眼镜头组成，水平放置于样方地面，向上采集冠层半球图像，图像经软件处理计算得到LAI[30]。经光谱、叶绿素及LAI的田间测量结束后，收割8个样方玉米叶片，测量样方所有叶片面积，叶片面积除以样方面积即为真实LAI。

1.3 Worldview-2多光谱影像

订购获取小区及周边地区刈幅为10 km×10 km的Worldview-2多光谱影像。小区玉米乳熟期内，2012年9月14日过境的Worldview-2卫星以前向侧摆20.1°、横向侧摆10.8°的姿态获取空间分辨率为2 m的8波段多光谱影像。试验区影像的真彩色合成图见图1。

图1 试验区影像Fig.1 Image of plot

1.4 玉米叶绿素含量估算模型建立

1.4.1 Worldview-2等效多光谱反射率计算 将地面采集的冠层高光谱反射率数据通过多光谱响应函数积分计算得到等效Worldview-2各波段对应的反射率，其计算式如下：

(1)

其中，λ是高光谱波段对应的波长；ρ(λ)是由地物光谱仪测量得到的玉米冠层反射率；f(λ)为Worldview-2多光谱传感器的光谱响应函数；L(λ)是对应光谱观测时刻入射到冠层顶部的太阳下行辐射量，通过MODTRAN®中等分辨率大气辐射传输模型计算得到。

1.4.2 基于Worldview-2多光谱的SRCI计算 如式2，根据MTCI的算法，需要中心波长分别为754、709、681 nm的3个红边波段反射率[10]，仅有1个红边波段的Worldview-2影像无法满足MTCI计算。

(2)

其中，R754、R709及R681对应MERIS 3个中心波长为754、709、681 nm的红边波段的反射率。

根据Worldview-2传感器的波段设置，本研究使用中心波长为832 nm近红外波段替换中心波长为754 nm的红边波段，使用中心波长为659 nm的红光波段替换中心波长为681 nm的红边波段，建立适合Worldview-2影像的单红边波段叶绿素指数，计算式如下：

(3)

其中，R659、R724及R832分别对应Worldview-2的红光波段、红边波段和近红外波段1。使用等效反射率计算SRCI，为建立估算模型准备数据。对Worldview-2影像正射校正；然后根据各波段增益和偏置计算各波段辐照度；最后使用大气校正模块输入传感器观测角度、成像时间、卫星高度、影像中心经纬度等信息，选择乡村气溶胶模式和中纬度夏天大气模式进行大气校正，得到多光谱反射率数据。用此反射率数据计算SRCI，作为估算模型输入。

1.4.3 基于SRCI的玉米叶绿素含量估算模型 使用Worldview-2等效反射率数据计算得到的SRCI建立叶绿素含量估算模型。首先建立SRCI与叶绿素含量的散点图，然后根据散点分布规律分别建立LCC、CCD的估算模型。如图2a所示，SRCI与LCC的关系在拔节期和喇叭口期-乳熟期2个阶段有明显不同的分布趋势。主要因为土壤背景在两个阶段的影响不同。拔节期，玉米叶面积小，观测视场内的土壤背景明显；喇叭口期至乳熟期间，叶面积大，观测视场内以玉米叶片为主，土壤背景的影响均较小。如图2b散点分布，SRCI与CCD的关系在拔节期-乳熟期均呈典型线性分布特征。CCD和SRCI均为单位地表面积内的参量，二者的尺度相符。根据散点分布，不同阶段观测视场内冠层结构、土壤背景的变化对二者线性关系的影响不明显。根据图2a散点特征，分别建立拔节期、喇叭口-乳熟期LCC与SRCI的线性模型；根据图2b散点特征，建立拔节-乳熟期CCD和SRCI的线性模型。乳熟期的8组叶绿素含量实测值用于验证，其余56组实测值均用于建模。使用开源的R统计分析软件进行一元线性回归分析(表1)。根据F统计量，各线性模型均通过了显著性检验。

图2 SRCI与叶绿素含量的散点图Fig.2 Scatter plot of SRCI and chlorophyll content

表1 基于SRCI的玉米叶绿素含量估算模型

1.5 模型验证

使用Worldview-2 SRCI输入模型，计算叶绿素含量，对比乳熟期实测值，检验SRCI估算叶绿素含量的精度。根据试验小区的范围，提取每个小区对应4个像元的指数数值，然后加和求均值，以此均值作为每个小区对应的SRCI值。

2 结果与分析

通过实测值验证，Worldview-2 SRCI在玉米乳熟期的叶绿素含量估算精度见图3。叶片尺度上，估算值回归模型的斜率为0.96，偏差均方根为4.70 μg/cm2，相对误差均值为7.0 %；冠层尺度上，估算值回归模型的斜率为1.04，偏差均方根为1.63 g/m2，相对误差均值为6.4 %。根据验证结果，Worldview-2 SRCI具有良好的叶绿素含量估算精度，可用于区域玉米的叶片叶绿素含量、冠层叶绿素密度估算。红边波段的半最大值宽度是影响红边光谱指数估算植被参数性能的重要因素[31-32]，更窄的波长范围有利于提高光谱指数的估算能力[32]。Worldview-2红边波段的半最大值宽度约为40 nm，根据验证结果，基于该红边波段的SRCI可用于玉米叶绿素含量的准确估算。

3 讨 论

鉴于红边波段在地物识别、叶绿素含量估算等方面的作用，越来越多的星载多光谱成像仪增加红边波段设置。2018年中国发射的高分六号卫星，搭载具有红边遥感的多光谱相机，对推动应用国产高分遥感数据监测农业有重要意义。通过验证星载遥感SRCI估算叶绿素含量的性能，对使用高分六号遥感数据诊断作物叶绿素、氮素等含量有参考作用。

冠层结构、土壤背景是影响多种光谱指数估算作物参数的重要因素。根据叶片倾角，玉米株型结构一般划分为紧凑型、松散型及中间型。不同株型结构玉米冠层，对应SRCI与叶绿素含量的定量关系可能不同；本研究的估算模型基于株型紧凑的郑单958，因此SRCI叶绿素含量估算模型的适用性有待进一步研究检验。相对于冠层叶绿素密度，本研究分析结果显示土壤背景对SRCI估算叶片叶绿素含量的影响更明显。由于不同阶段土壤背景的差异，基于SRCI的估算模型需分时期建立。为降低土壤背景影响的不确定性，土壤背景如何影响二者的定量关系还有待进一步建模分析。

图3 基于SRCI的叶绿素含量估算Fig.3 Estimation of chlorophyll content base on SRCI

4 结 论

使用4个生长期玉米冠层高光谱反射率和叶绿素含量观测数据分析SRCI与LCC、CCD的关系，结果显示SRCI与LCC和CCD均有良好的线性关系；其中，SRCI与LCC的关系受土壤背景的影响明显，在拔节期和喇叭口期-乳熟期2个阶段有不同的线性关系；SRCI与CCD的关系受土壤背景的影响不明显，各时期线性关系较为一致。使用Worldview-2多光谱反射率计算的SRCI作为模型输入，验证基于SRCI的叶绿素含量估算模型，结果显示，Worldview-2 SRCI估算LCC的偏差均方根为4.70 μg/cm2，相对误差平均为7.0 %；估算CCD的偏差均方根为1.63 g/m2，相对误差平均为6.4 %。根据验证结果，本研究认为Worldview-2 SRCI具有较高的叶绿素含量估算精度，SRCI可在含有1个红边波段的多光谱影像中应用。该研究结果为应用具有红边波段的高分辨率多光谱遥感数据估算作物叶绿素含量提供了相关参考。