不同生育期核桃树冠层叶绿素含量高光谱估算研究

王鑫梅，张劲松,，孟 平,，汪贵斌，孙 圣

（1.中国林业科学研究院 林业研究所，北京 100091；2.南京林业大学 南方现代林业协同创新中心，江苏 南京 210037）

叶绿素作为植物光合作用中最重要的色素，其含量高低与植被健康状况、光合潜力、最终产量等有着极为密切的关系，是评价植被营养胁迫、光合能力以及各生长阶段长势状况的良好指示剂［1-3］。叶片叶绿素含量反映单株植物的生长状况，而冠层叶绿素含量则由叶片叶绿素含量和叶面积指数决定，其冠层层次上叶绿素含量的反演，可有效表征植被群体特征，对植被营养状况及长势进行监测，从而实现果园精准化管理目的［4］。高光谱遥感技术基于光谱分辨率高、光谱信息量大及物体反射特征在可见光范围内主要受色素含量影响的特点，能直接对地物进行微弱光谱差异的定量分析，并在时空尺度上无损、快速、精准的获取植被光谱信息，监测植被生长动态，为定量分析植被叶绿素含量与光谱特征的关系提供强有力的工具，因而利用高光谱技术估算植被冠层叶绿素含量具有重要的应用价值［5］。

植被指数（Vegetation indices，VI）是目前利用高光谱遥感技术估算植被叶绿素、氮素及水分等生理生化参数最为简单与常用的方法之一。由于高光谱原始数据波段多、数据量大且相邻波段的相关性高，信息冗余性大等［6］特点；且植被冠层叶绿素含量的特征敏感波长因区域环境、植被类型及品种的影响而存在差异。因此，部分学者开展了植被叶绿素含量反演的敏感波段、波段组合以及植被指数筛选研究［7-12］，以进一步提高植被叶绿素含量遥感估算的精度。目前，利用高光谱技术进行植被叶绿素含量诊断、反演的报道，大多集中在小麦［13-14］、水稻［15-16］、玉米［17-18］和棉花［19-20］等大田农作物。其中大部分学者通过对光谱数据进行微分变换，分析已发表的植被指数及红边参数与叶绿素含量的关系；而较少有学者针对经济林果树,借助高光谱技术将冠层高光谱数据进行任意两波段组合，筛选最优特征敏感波段，并基于新建植被指数反演不同生育期冠层叶绿素含量进行综合对比研究［21］。因此，能否在冠层尺度上准确定量估算植被冠层叶绿素含量取决于如何从原始波段中提取特征光谱波段及其有效信息，对于精准农林业在生长监测、产量预测、精准诊断与动态调控中具有重要意义［22-24］。

核桃（Juglans regiaL.）是我国重要的木本油料树种，具有较高的经济价值和营养价值。因此，其生育期内光谱特性的监测和诊断对及时掌控树体长势、调整精细化管理方案具有指导作用。然而，到目前为止，基于不同生育期敏感波段高光谱信息的核桃树冠层叶绿素含量估算研究尚未见报道。本研究以5年生‘香玲’核桃树为对象，将果实膨大期、果实硬核期、油脂转化期和成熟期4个生育时期400～1 000 nm波段范围内的冠层光谱数据进行两波段组合，生成比值植被指数（Ratio vegetation index, RVI）、差值植被指数（Difference vegetation index, DVI）和 归 一 化 植 被 指 数（Normalized differential vegetation index, NDVI），与冠层叶绿素含量值进行相关性分析，筛选最佳敏感波段组合，建立基于RVI、DVI及NDVI指数的不同生育期核桃树冠层叶绿素含量值估算模型，并采用独立样本检验其精度和普适性，确立基于两波段组合核桃树冠层叶绿素含量在不同生育期的最佳植被指数及相应的估算模型。以期为实现遥感精准、快速、无损、大范围监测核桃树冠层叶绿素含量及其生长状况提供技术支撑与科学依据。

1 材料与方法

1.1 试验材料

试验地位于河南黄河小浪底森林生态系统国家定位观测研究站农林复合系统观测区(35° 01′ N，112° 28′ E)，属于暖温带大陆性季风气候，年均降水量641.7 mm，其中6—9月份的降水量占全年的68.3%；土壤以黄褐色黏壤土为主，土层厚度1 m以上，pH值7.66～8.14，有机质质量分数在9 g/kg左右，速效氮15.9～38.5 mg/kg，速效磷10.2～15.3 mg/kg，速效钾98～138 mg/kg，树形多为自然开心形，林下兼作侧柏（育苗）。本研究选取5年生‘香玲’核桃树作为观测试验样品，核桃树栽植密度为5 m×4 m，平均树高3.5 m，南北行向，行间光照条件良好。在2017年和2018年分别对核桃果实膨大期（测定时间：5月19日—5月22日）、果实硬核期（测定时间：6月22日—6月25日）、油脂转化期（测定时间：7月23日—7月25日）、果实成熟期（测定时间：8月20日—8月23日）进行冠层光谱和冠层叶绿素含量的测定，累计测定8次。

1.2 研究方法

1.2.1 冠层光谱的测定 使用美国ASD 公司生产的FieldSpec4便携式地物光谱仪( 测量范围350～2 500 nm；350～1 000 nm 波段，分辨率3 nm，采样间隔1.4 nm；1 000～2 500 nm，波段分辨率10 nm，采样间隔2 nm，视场角25°) 进行光谱测定。测量前用标准白板进行校正，在天气晴朗、无风无云的条件下采集核桃树冠光谱数据，为了减少太阳高度角的影响，采集时间为11:00—13:00。冠层光谱测量时传感器探头置于冠层上方1.3 m处，与地面保持垂直，以保证树冠处于探测视场内。每个样本重复观测记录10次，测定过程中每隔15 min进行一次标准白板校正。基于FieldSpec4便携式地物光谱仪获取的冠层高光谱波长在350～2 500 nm之间，由于叶绿素含量反演所使用的光谱数据主要来源于可见光—近红外波段范围，且冠层光谱在1 350～1 415 cnm和1 800～1 950 nm受大气和水蒸气影响较大［25］。因此，本研究选用400～1 000 nm波段范围（含600个波段），进行敏感波段的筛选及核桃树冠层叶绿素含量的估算研究。

1.2.2 冠层叶绿素含量的测定 冠层叶绿素含量可由叶片叶绿素含量及叶面积指数LAI计算获得，即：CCC=LCC×LAI。首 先，利 用LAI-2200C植 物冠层分析仪的“鱼眼”光学传感器（垂直视野范围148°，水平视野范围360°）测量树冠上、下5个角度的透射光线，从而获取单位土地面积上核桃叶片总面积占土地面积的比值，即叶面积指数；然后，在每株核桃树冠层东南西北4个方向各选取10片完全展开，无机械损伤、无病虫害的叶片，放入自封袋密封，置于保温箱中带回实验室进行叶绿素含量的化学测定。测定方法详见参考文献吉海彦等［26］。2017年在观测区内选择72棵核桃树进行果实膨大期、果实硬核期、油脂转化期和果实成熟期冠层叶绿素含量的测定，累计获得样本数288个，作为建模集；2018年在同一观测区内选择54棵核桃树进行各生育期验证数据的采集，累计获得样本数216个。

1.2.3 数据分析 为了便于研究核桃树冠高光谱数据构建的任意两波长组合植被指数与冠层叶绿素含量的相关关系，如表1所示，本研究选取了计算最为简单且普适性最强的DVI、RVI和NDVI。利用比值、差值、归一化计算原理，详细分析了400～1 000 nm范围内任意两波段组合构建的RVI、DVI和NDVI植被指数与各生育期内核桃树冠层叶绿素含量的关系，选取最佳的两波段组合以期找到估算核桃树冠层叶绿素含量的最优植被指数构建估算模型。

表1 本文所用植被指数计算公式Table 1 Spectral index used for modeling in this study

本研究使用ViewSpecPro6.15软件对光谱数据进行预处理，在Excel中对核桃各生育期冠层叶绿素含量的变化特征进行统计，使用origin9.0软件对核桃不同生育期冠层光谱变化规律进行制图，通过Matlab R2014b 编程将冠层光谱数据进行任意两波段差值、比值、归一化计算后，与核桃树冠叶绿素含量进行相关性分析，筛选各生育期最佳敏感波段。然后，基于RVI、DVI、NDVI光谱指数在各生育期筛选的敏感波段，构建核桃树冠层叶绿素含量估算模型，并将验证样本数据代入估算模型，计算出冠层叶绿素含量估算值，最后通过估算值与实测值的线性拟合，对估算模型进行精度验证及评价。除了常用表征估算值与实测值密切程度的决定系数（R2）外，本研究选用的模型精度评价指标还包括：反映估算值偏离实测值的分散程度的均方根误差（Root mean square error, RMSE）、相 对 误 差（Relative Error, RE）、方程斜率（Slope）和截距（Intercept）4个统计指标来综合检验估算值与实测值之间的拟合效果，以评估模型的稳定性和适用性。计算公式为:

其中，n为验证样本数，yi、分别代表实测值、估算值。

2 结果分析

2.1 不同生育期核桃树冠层叶绿素含量的变化特征

将2017年核桃各生育期72个样本作为建模集，2018年各生育期54个样本作为验证集。各生育期冠层叶绿素含量建模集和验证集的统计描述如表2所示，核桃树冠层叶绿素含量在果实膨大期、果实硬核期、油脂转化期和果实成熟期的各变异程度参数均不相同。表现为：从果实膨大期到油脂转化期核桃树冠层叶绿素含量逐渐增加，在果实成熟期下降。果实膨大期是核桃整个生育时期中冠层叶绿素含量均值最低的时期；油脂转化期是整个生育期均值最大的时期。各生育期冠层叶绿素含量的变异系数和标准偏差存在明显差异。因此，不同生育期冠层叶绿素含量的变化特征为探索核桃冠层光谱变化规律提供了可能。

表2 核桃树各生育期冠层叶绿素含量的变异情况Table 2 Variation of canopy chlorophyll value in different growth periods of Juglans regia

2.2 核桃树各生育期冠层光谱变化规律

对2017年不同生育期的核桃树冠进行光谱特征分析，各时期反射光谱曲线形状大体相似。如图1所示：在500 nm的蓝光波段与680 nm的红光波段，由于叶绿素强烈吸收辐射能进行光合作用导致核桃树冠光谱反射率在这2个波段出现吸收谷；在这两个吸收谷之间（即绿光波段520～600 nm）由于吸收辐射能较少，形成强烈的反射，从而导致核桃树冠光谱反射率在这2个波段形成反射峰，具有一般绿色植被光谱的“峰和谷”特征；由于植被在红光波段强烈吸收以及近红外波段的强烈反射，使得680～760 nm范围内的光谱反射率陡然上升，形成绿色植物光谱最明显的红边特征。760 nm后进入近红外波段，反射率急剧增加之后形成一个高的反射平台，核桃树冠层反射率均呈强烈的反射，这主要是由于叶片内部组织结构多次反射散射的结果。

图1 核桃不同生育期的冠层光谱变化规律Fig.1 Canopy spectral changes of Juglans regia at different growth periods

随着生育期的推进，核桃树冠层光谱反射率在可见光范围内呈现高—低—高的趋势，在油脂转化期光谱反射率达到最低；近红外反射平台随着生育期推进呈现先增加后降低的趋势，即该波段区间冠层光谱反射率逐渐增大，在油脂转化期达到高峰，果实成熟期下降，各生育期差异明显。由此可见，可见光和近红外波段可有效区分果实膨大期、果实硬核期、油脂转化期和果实成熟期核桃树冠层的光谱特征差异。

2.3 核桃树冠层叶绿素含量敏感波段的筛选

利用MATLAB软件，在核桃果实膨大期、果实硬核期、油脂转化期和果实成熟期进行任意两波长组合计算RVI、DVI、NDVI，与核桃树冠层叶绿素含量进行相关性分析。为了方便直观地进行比较，本研究将对所有相关系数进行平方处理。RVI、DVI、NDVI与冠层叶绿素含量的相关系数以（400,400）、（1 000,1 000）2点对角线为轴进行分布，生成各生育期相关系数R2的二维分布图，并根据R2的大小赋予不同颜色。如图2所示，横、纵坐标为核桃树冠层高光谱波长，波长范围为400～1 000 nm，图内任意点即为该点对应的横纵轴两波长组合构建的植被指数与冠层叶绿素含量相关系数的平方值。

图2 RVI、DVI和NDVI任意两波段组合与核桃树冠层叶绿素含量相关系数R2的二维分布图Fig.2 Two-dimensional distribution of correlation coeきcient R2 between RVI、DVI and NDVI two-band combination and Juglans regia canopy chlorophyll value

本研究基于RVI、DVI指数拟合核桃树冠层叶绿素含量生成的R2二维图，在果实膨大期和硬 核 期 选 择R2≥ 0.80、油 脂 转 化 期R2≥ 0.90、果实成熟期选择R2≥ 0.50的最大相关区域进行最佳敏感波段组合的筛选；NDVI指数与冠层叶绿素含量拟合生成的R2二维图，在果实膨大期、硬核期、油脂转化期选择R2≥ 0.90、果实成熟期选择R2≥ 0.7的最大相关区域进行最佳敏感波段组合的确定。通过计算可知，RVI在各生育期的最佳敏感波段组合分别为：果实膨大期（R763,R727,R2=0.818）、（R727,R763,R2=0.811）；果实硬核期（R836,R540,R2=0.831）、（R720,R719,R2=0.810）、（R546,R773,R2=0.821）、（R719,R720,R2=0.810）；油脂转化期（R782,R723,R2=0.945）、（R723,R782,R2=0.916）；果实成熟期（R692,R439,R2=0.5 9 0）、（R439,R691,R2=0.588）。DVI在各生育期的最佳敏感波段组合分别为：果实膨大期（R518,R517,R2=0.811）、（R644,R530,R2=0.813）、（R743,R742,R2=0.809）；果实硬核期（R703,R504,R2=0.849）、（R697,R696,R2=0.814）；油脂转化期（R780,R727,R2=0.919）；果实成熟期（R693,R495,R2=0.559）。NDVI在各生育期的最佳敏感波段组合如表3。本研究选用RVI、DVI、NDVI与各生育期核桃树冠层叶绿素含量相关系数R2最大的两波段组合作为核桃树冠层叶绿素含量的最佳敏感波段，用于后期估算模型的构建。

表3 核桃各生育期最佳敏感波段组合Table 3 The best sensitive band combination of Juglans regia growth period

2.4 核桃树冠层叶绿素含量与植被指数的回归分析

通过分析2017年核桃冠层光谱数据，分别建立了基于RVI、DVI、NDVI指数的任意两波段组合，筛选最佳敏感波段构建核桃果实膨大期、果实硬核期、油脂转化期和果实成熟期的冠层叶绿素含量估算模型。从表4可以看出，基于RVI、DVI及NDVI指数与核桃各生育期冠层叶绿素含量的方程决定系数R2随着生育期的推移，呈现先增大后减小的趋势，除果实成熟期构建的模型决定系数R2小于0.80外，其它生育期构建的模型决定系数均高于0.80。由NDVI在各生育期提取的最佳两波段组合构建的冠层叶绿素含量估算模型方程决定系数R2最大，依次为：0.823、0.856、0.945、0.762；由RVI在各生育期提取的最佳敏感波段组合构建的冠层叶绿素含量估算模型决定系数R2依次为：0.810、0.829、0.938、0.588；DVI在各生育期构建的估算模型决定系数R2依次为：0.818、0.834、0.931、0.559。基于RVI、DVI和NDVI指数构建的冠层叶绿素含量估算模型，方程决定系数R2均在油脂转化期最高；基于DVI指数构建的估算模型在果实膨大期和果实硬核期优于RVI指数，而在油脂转化期和果实成熟期反之；基于NDVI指数在各生育期构建的冠层叶绿素含量估算模型，估算结果均优于DVI和RVI指数。可见，基于NDVI指数提取的两波段光谱数据构建的核桃树冠层叶绿素含量估算模型具有较高的拟合优度。

表4 核桃树冠层叶绿素含量与3种植被指数的回归模型与决定系数Table 4 Quantitative relationship between canopy chlorophyll value of Juglans regia canopy and different vegetation indices and accuracy evaluation

续表：

构建好的核桃树冠层叶绿素含量估算模型，不仅要求其有较高的拟合优度，而且还要求其具有普适性和可重复性。因此，利用2018年同时期观测的验证样本集对2017年构建的各生育期拟合方程进行精度评价。由表5可见：各生育期估算值与实测值拟合决定系数R2与各生育期冠层叶绿素含量估算模型的拟合决定系数R2变化趋势一致，均呈现先增加后降低的现象。基于RVI、DVI和NDVI指数在油脂转化期构建的模型，其估算值与实测值的拟合决定系数R2最大，果实成熟期最小。基于NDVI指数在油脂转化期提取的最佳两波段组合构建的模型，其估算值与实测值拟合的精度最高，决定系数R2为0.947，斜率最接近于1为1.014，截距最小为1.056，均方根误差最小为0.777，相对误差最小为2.275%；RVI指数在油脂转化期构建的模型，其估算值与实测值的拟合精度较NDVI次之，决定系数R2为0.945，斜率1.075，截距1.393，均方根误差为1.113，相对误差为3.985%；DVI在油脂转化期构建的模型，其估算值与实测值的拟合精度较NDVI、RVI最低，决定系数R2为0.932，斜率1.131，截距为1.793，均方根误差最大为1.186，相对误差最大为5.422%。

表5 模型拟合精度评价Table 5 Evaluation of model fitting accuracy

通过比较得出：在各生育期基于NDVI筛选的最佳敏感波段组合构建的估算模型，其估算值与实测值拟合方程的斜率更接近于1，截距最小，更接近于实测值。因此，运用NDVI指数可以有效反演核桃在不同生育期的冠层叶绿素含量。

3 讨论与结论

（1）核桃树冠层叶绿素含量从果实膨大期到油脂转化期逐渐增加，主要由于前期核桃树叶片结构和形态不稳定，色素含量低，需要较强的光合作用进行营养积累促进生长；之后叶片结构和形态逐渐趋于成熟稳定，色素含量增高，在油脂转化期冠层叶绿素含量达到最大值；从油脂转化期到果实成熟期冠层叶绿素含量值呈下降趋势，后期由于生理代谢的需要，营养物质不断向果实转移，叶片开始慢慢衰老，色素含量逐渐分解，从而导致冠层叶绿素含量的降低。该现象与其它植被叶绿素含量在不同生育期的变化趋势一致，说明一段时期内叶绿素含量的变化能够反映植被所处的生育期，生长状况等［27-28］。

（2）多数的地表植被都具有特定的光谱波形，且不同的光谱波形可以体现植被的不同状态［29-30］。核桃在不同生育期具有不同的叶绿素变化特征，这些差异将反映在各生育期光谱反射率的变化上。具体表现为：随着生育期的推进，叶绿素含量越高，核桃树冠层光谱反射率在520～600 nm的绿光波段越小，在760～1 000 nm的近红外波段越大；叶绿素含量越低，可见光波段反射率越大，近红外波段光谱反射率越小。这主要是因为在可见光范围内植物反射光谱主要受叶片色素含量影响，吸收作用越强，光谱反射率越低，与叶绿素含量呈负相关关系；在近红外范围内反射率越强，叶绿素含量越高，呈正相关关系。

（3）基于RVI、DVI和NDVI指数与叶绿素含量相关关系表明：与叶绿素含量相关性较高的植被指数，大都是由绿光550 nm，红光720 nm以及近红外780 nm附近的波段组合而成，这与图1中绿光区域的反射峰、近红外区域高反射平台相一致。3类植被指数均在油脂转化期与叶绿素含量相关性达到最大，最佳敏感波段组合分别为RVI(782,723)、DVI(780,727)和NDVI(915,554)，相关系数R2分别为0.945、0.919和0.970。但是本研究构建的最佳波段组合与潘蓓等［31］估算苹果冠层叶绿素含量所选用的波段组合不同，这是因为当前基于植被指数法对林木冠层叶绿素含量估算多采用已发表的、具有通用性的固定波段组合进行遥感反演，具有一定的反演精度，但忽略了不同植被之间细微的光谱差异，从而导致构建的估算模型可靠性和稳定性较差。因此，在使用海量高光谱数据进行叶绿素含量诊断时，需要在特征敏感波段选取和稳定性等问题上进行多重考虑。

（4）通过对比分析3类植被指数在各生育期构建的模型及利用第2年数据的验证表明：基于RVI指数构建的估算模型在核桃早中期估算精度较低，中后期估算精度较高。主要原因是早中期核桃树覆盖度较低，该指数对低覆盖度核桃树冠层信息的灵敏度较低，中后期核桃树生长旺盛，并具有较高的覆盖度，该指数对核桃树冠层信息的灵敏性增强；基于DVI指数构建的估算模型在核桃早中期估算精度较高，中后期估算精度较低，其原因与RVI相反；而基于NDVI建模指数构建的估算模型，在核桃各生育期对叶绿素含量的估算效果都最为理想，且随着生育期的推进呈现先增加后下降的趋势，估算精度更高。这主要是因为随着核桃树生育期的推进，覆盖度呈现逐渐增大现象，该指数在油脂转化期对冠层叶绿素含量的估算和验证均达到峰值；但当覆盖度大于80%时，NDVI指数出现饱和状态，导致冠层信息的监测灵敏度变弱，估算精度降低。

本研究在2017年核桃生育期内测定冠层光谱反射率和叶绿素含量，通过400～1 000 nm范围内任意两波段组合生成RVI、DVI和NDVI指数与叶绿素含量的相关系数R2，提取各生育期的最佳敏感波段组合作为核桃树冠层叶绿素含量的敏感波段，建立各生育期核桃树冠层叶绿素含量的估算模型，同时利用第2年的观测数据对估算模型进行精度验证和评价，确保估算模型的可靠性和稳定性，为快速、无损、精准监测各生育期核桃树冠层叶绿素含量提供重要的应用价值。但该模型对于不同地区，不同品种，不同树龄的核桃树是否适用，还需要进一步深入研究。同时，在野外获取冠层光谱数据时，容易受到土壤背景、冠层结构的干扰，因此如何对所测光谱进行不同处理和变换进行降噪，对更精准的进行冠层叶绿素含量的反演具有重要价值。