植被指数方法估算冬小麦冠层叶绿素含量的角度效应研究

何 宇 航，周 贤 锋*，张 竞 成，张 垚，陈 冬 梅，吴 开 华，黄 文 江，孔 维 平，徐 俊 锋

(1.杭州电子科技大学人工智能学院，浙江 杭州310018；2.中国科学院空天信息创新研究院，数字地球重点实验室，北京 100094；3.中国科学院空天信息创新研究院，定量遥感信息技术重点实验室，北京 100094；4.杭州师范大学遥感与地球科学研究院，浙江 杭州 310018)

0 引言

叶绿素是光合作用重要的天然色素，具有吸收和传递光能的作用，也是表征作物长势状况的重要指标，其含量变化直接影响光合作用和初级生产力等生态过程[1]，且与作物胁迫状况、衰老过程及氮素营养直接相关[2]。因此，定量分析作物叶绿素含量对于监测作物营养状况、指导作物精准施肥以及评估作物产量状况具有重要研究意义。由于叶绿素在可见光波段具有显著吸收特征，故可利用反射光谱分析方法和遥感技术进行作物叶绿素含量无损估算。通常，作物叶绿素含量可从叶片和冠层两种尺度进行估算，作物冠层叶绿素含量表征单位土地面积叶绿素含量，是反映作物群体光合作用强弱、长势状况的重要参量[3]。许多学者针对作物叶绿素含量反演方法开展了大量研究工作，以期提高其估算精度[2,4-6]，其中，半经验性植被指数方法由于操作简单、灵活，应用广泛。例如，Gitelson等[7，8]提出红边归一化植被指数(Normalized Difference Red-Edge，ND705)和红边比值指数(Simple Ratio Red-Edge，SR705)，用于精确估算叶绿素含量，并基于三波段概念模型构建绿波段叶绿素植被指数(Green Chlorophyll Index，CIgreen)和红边波段叶绿素植被指数(Red-Edge Chlorophyll Index，CIred-edge)估算植被冠层叶绿素含量；Vincini 等[9]利用哨兵2号多光谱遥感模拟数据估算冬小麦冠层叶绿素含量，发现红边拐点参数(Red-Edge Inflection Point，REP)估算结果精度较高。

上述研究多基于传统垂直观测技术获取遥感数据，在传感器获取反射光谱数据过程中，光源与传感器观测几何特性可能会影响作物冠层反射率数据对观测参数的敏感性。研究表明，相比传统垂直探测，多角度观测技术有助于提高作物理化参数反演精度[10,11]。例如：Stagakis等[12]研究发现，较大观测角度下窄波段植被指数反演灌木生化组分参数精度更佳；Inoue等[13]研究发现，灌溉稻田多角度观测光谱数据与光合效率相关性更强；Dorigo[10]研究表明，卫星多角度遥感数据可提高叶绿素含量估算精度；He 等[14]基于实测多角度冬小麦数据分析植被指数与叶片氮浓度关系，并提出角度不敏感植被指数(Angular Insensitivity Vegetation Index，AIVI)，用于多角度光谱数据精确估算冬小麦叶片氮浓度。受植被冠层结构和组成特性、背景和阴影、光源角度及传感器观测角度等影响，由多角度遥感数据计算得到的植被指数往往存在一定的角度效应，从而影响植被指数与目标参量之间的关系[15,16]，如观测天顶角较大时，归一化差值植被指数(Normalized Difference Vegetation Index，NDVI)的数值比垂直观测时大[17]。Verrelst 等[18]研究发现，基于多角度卫星遥感数据的植被指数表现出显著不同的角度效应特征。目前关于角度效应对植被指数估算叶绿素含量的影响研究鲜有报道，因此，本文结合模拟数据和实测多角度遥感数据，研究角度效应(观测天顶角和太阳天顶角变化)对植被指数方法估算不同叶倾角株型冬小麦冠层叶绿素含量的影响，以期为相关研究提供方法参考。

1 研究数据与方法

1.1 实测数据获取

为研究多角度观测对冬小麦冠层叶绿素含量估算的影响，本文采用2007年于北京市昌平区小汤山国家精准农业示范研究基地(40°10.6′N，116°26.3′E)获取的冬小麦多角度遥感数据集作为实验数据。观测的冬小麦包括3种直立型(莱州3279、I-93、J411)、3种中间型(超越66、京旺10、JD8)及3种披散型(临抗2、9428、9507)共9个品种，各品种播种密度为3×106株/hm2，间距25 cm，各品种种植小区面积为45 m×10.8 m，各小区执行正常田间水肥管理。观测实验贯穿冬小麦主要生育期，包括拔节初期(4月4日)、拔节晚期(4月17日)、孕穗期(4月28日)、抽穗期(5月9日)、开花期(5月18日)和灌浆期(5月29日)，共获取52个调查样本点数据。

1.1.1 多角度光谱测量 选取1 m × 1 m长势均匀的冬小麦区域开展冠层光谱测试。冠层多角度光谱采用ASD Field Spec 3(Analytical Spectral Devices，Boulder，CO，USA)光谱仪搭载可旋转观测架，于北京时间10：30-15：00晴空条件下进行测量。光谱仪采用25°视场角，选择太阳主平面(由太阳入射光线方向与地面目标法线方向构成的平面)，距离冬小麦冠层顶部1 m左右高度，以不同观测天顶角(-60°～60°，步长为10°)进行光谱测量(图1)。每个观测天顶角方向测试20次，其反射率可通过测量的冠层辐亮度和参考板辐亮度比值求得。

注：0°代表垂直观测，正角度对应前向观测方向(面向太阳)，负角度对应后向观测方向(背向太阳)。

1.1.2 叶面积指数测量 田间参数测试后，收获1 m2的全部冬小麦植株样品，置于保鲜袋，通过恒温箱运至实验室，采用干重法[19]测定叶面积指数(Leaf Area Index，LAI)：从1 m2植株样品中选出30片代表性叶片，选取面积约0.06 m2的叶片作为参考叶片，然后将参考叶片和剩余的叶片烘干并称重，采用式(1)求算LAI。

LAI=SrWt/(SlWr)

(1)

式中：Sr为参考叶片面积(m2)；Wt为取样样本的干重(g)；Sl为取样的土地面积(m2)；Wr为参考样本的干重(g)。

1.1.3 叶绿素含量测量 从1 m2植株样品中采集同一株叶片样品，切下两份0.25 cm2的叶片。其中一份用于测定干重(DW)，恒温75 ℃ 持续48 h干燥处理后称重；另一份用于提取叶绿素含量，将其研磨后浸泡于10 ml丙酮/蒸馏水缓冲溶液(体积比为4∶1)，将溶液在暗室中储存24 h后，用紫外可见分光光度计(Perkin-Elmer，Lambda 5，Waltham，MA，USA)测量其在645 nm、663 nm和470 nm波长的吸光度。利用式(2)和式(3)[20]可计算叶绿素a(Chla)和叶绿素b(Chlb)浓度(mg/L)；通过式(4)-式(6)[21]可将Chla和Chlb的浓度单位量纲转换为质量单位量纲(mg/g)，并通过换算得到本研究所用的量纲(μg/cm2)。

Chla(mg/L)=12.25×A663-2.19×A645

(2)

Chlb(mg/L)=21.50×A663-5.10×A645

(3)

(4)

(5)

Chl(a+b)(μg/cm2)=[Chla(mg/g)+Chlb(mg/g)]×
SLW(g/m2)×LAI

(6)

式中：A645和A663分别为提取液在645 nm、663 nm波长处的吸光度；VT为萃取液体积(ml)；SLW为比叶重，即参考叶片的干重与其面积之比。

1.2 模拟数据获取

本研究采用PROSPECT-5[22]耦合4SAIL[23](PROSAIL模型)开展数据模拟，用以分析角度效应对植被指数方法估算冬小麦冠层叶绿素含量的影响。PROSPECT-5模型输入参数(表1)包括：叶片结构参数(N)、叶片叶绿素含量(LChl)、叶片类胡萝卜素含量(LCar)、叶片干物质重量(LMA)、等效水厚度(EWT)和棕色素(Cbrown)；4SAIL模型主要输入参数包括叶片反射率及透射率、干/湿土壤反射率、叶面积指数(LAI)、叶倾角分布函数(LAD)、热点参数(hots)、散射光与入射光比值(skyl)、太阳天顶角(θs)、观测天顶角(θv)及相对方位角(Φ)。其中，叶倾角分布函数利用平均叶倾角(ALA)表征，平均叶倾角采用椭圆函数描述[24]；叶片反射率及透射率来源于PROSPECT-5，干/湿土壤反射率利用ASD FieldSpec 3光谱仪测得。此外，4SAIL使用换算系数αsoil，以考虑土壤亮度对土壤反射率的影响[25]。以上参数主要基于实测数据及参考文献[4]进行设置。基于表1中参数数值随机组合，共获取50 400组冠层反射率及参数组合。然而，冠层尺度下一些参数组合可能与作物实际状况相差较大。为此，本研究利用LChl和LAI参数特性对冠层反射率数据进行筛选，即剔除LChl为48～100 μg/cm2且LAI为1.0～4.5以及LChl为11～ 42 μg/cm2且LAI为5.2 ～8.0的组合及其对应冠层反射率，最终获得23 400组冠层反射率数据用于后续研究。

表1 PROSAIL模型输入参数Table 1 Statistics of the input parameters of PROSAIL model

1.3 植被指数方法

本文总结了与冠层叶绿素含量估算相关的植被指数(表2)，进而分析角度效应对这些植被指数估算冬小麦冠层叶绿素含量的影响。根据是否含有红边波段将所选植被指数分为两类：1)非红边波段植被指数(传统植被指数)，包括归一化差值植被指数(NDVI)、比值指数(Simple Ratio，SR)以及结构不敏感色素指数(Structure Insensitive Pigment Index，SIPI)；2)红边波段植被指数，包括红边归一化植被指数 (ND705)、红边比值指数(SR705)、绿波段叶绿素植被指数(CIgreen)、红边波段叶绿素植被指数(CIred-edge)、角度不敏感植被指数(AIVI)以及红边拐点参数(REP)。其中，REP采用四波段方法[29]计算得到。

表2 本研究选用的植被指数Table 2 Vegetation indices used in this study

1.4 模型构建与评价指标

将不同角度条件下植被指数与冬小麦冠层叶绿素含量相关系数(R)的均值及其变异系数(CV)作为植被指数对角度效应敏感性的衡量标准；同时，基于线性回归及留一交叉验证方法，构建植被指数方法估算冬小麦冠层叶绿素含量模型，选取决定系数(R2)、均方根误差(RMSE)及相对均方根误差(RRMSE)作为模型精度评价指标，其计算公式如下：

(7)

(8)

2 结果分析

2.1 观测天顶角变化对冠层叶绿素含量估算的影响

2.1.1 基于模拟数据的分析 基于模拟数据获得的不同观测天顶角植被指数与冠层叶绿素含量相关性结果如表3、图2所示。由表3可知，不同观测天顶角条件下红边波段植被指数与冠层叶绿素含量相关性整体优于非红边波段植被指数(NDVI、SR和SIPI)。由图2可知，在-40°～40°观测天顶角条件下，红边波段植被指数与冠层叶绿素含量相关系数的变异系数值显著低于非红边波段植被指数。红边波段植被指数中，SR705、CIred-edge、CIgreen和AIVI与冠层叶绿素含量相关性较高，相关系数均值在0.90以上，且变异系数低于0.01；ND705和REP与冠层叶绿素含量相关系数均值分别为0.87和0.86，变异系数也小于0.01。非红边波段植被指数NDVI、SR和SIPI受观测天顶角影响较明显，与冠层叶绿素含量相关性较低，相关系数均值分别为0.54、0.78和0.53，对应变异系数为0.02、0.03和0.06。

表3 基于模拟数据不同观测天顶角下植被指数与冠层叶绿素含量的相关系数Table 3 Correlation coefficients between canopy chlorophyll content and vegetation indices for different viewing zenith angles based on simulated data

图2 基于模拟数据-40°～40°观测天顶角植被指数与冠层叶绿素含量相关系数的均值及变异系数Fig.2 Mean and coefficients of variation of correlation coefficients between canopy chlorophyll content and vegetation indices from -40° to 40° viewing zenith angles based on simulated data

2.1.2 基于实测数据的分析 相对于模拟数据，基于实测数据的不同观测天顶角下植被指数与冠层叶绿素含量相关系数(表4)存在较大变异性。观测天顶角在±20°范围内，植被指数与冠层叶绿素含量相关性受其影响较小。其中，垂直观测时AIVI与冠层叶绿素含量相关性最高(R=0.87)，-10°和-20°观测条件下ND705与冠层叶绿素含量相关性最高，-20°～0°观测条件下SR705与冠层叶绿素含量相关系数均为0.85。当观测天顶角为±30°和±40°时，非红边波段植被指数NDVI、SR和SIPI与冠层叶绿素含量相关性波动较小，多数红边波段植被指数与冠层叶绿素含量相关性有所下降，且在-40°时，AIVI与冠层叶绿素含量相关性最低(R=0.57)。当观测天顶角为±50°和±60°时，所有植被指数与冠层叶绿素含量相关性均有所降低，而红边波段植被指数与冠层叶绿素含量相关性下降最显著。-40°～40° 观测天顶角条件下，ND705、SR705和CIgreen与冠层叶绿素含量相关性较高，且在不同观测天顶角条件下变异性较低，表明其与冠层叶绿素含量相关性受观测天顶角变化影响较小；ND705在较大观测天顶角条件下(±50°和±60°)，相关性衰减明显，导致整体上受角度影响较大。

表4 基于实测数据不同观测天顶角下植被指数与冠层叶绿素含量的相关系数Table 4 Correlation coefficients between canopy chlorophyll content and vegetation indices for different viewing zenith angles based on measured data

综上可知，观测天顶角变化会影响植被指数与冠层叶绿素含量的相关性，这与Verrelst 等[18，30]的研究结果一致。对模拟数据，所有红边植被指数与冠层叶绿素含量相关性受观测天顶角变化影响较小；实测数据中，当垂直观测及观测天顶角较小时，植被指数与冠层叶绿素含量相关性与模拟数据结果相似，即红边波段植被指数与冠层叶绿素含量相关性优于非红边波段植被指数NDVI、SIPI和SR，且后向10°、20°观测天顶角条件下，红边波段植被指数与冠层叶绿素含量相关性较高，该结果与He 等[31]研究结果一致。而当观测天顶角变大时，模拟数据植被指数与冠层叶绿素含量相关性无明显波动，而实测数据CIred-edge、CIgreen和AIVI与冠层叶绿素含量相关性的波动较大。主要原因可能在于：首先，实测冬小麦作物具有一定垄行结构特征，冠层叶片呈集聚分布状态，封垄之前垄行结构特征显著，而SAIL模型中模拟的冠层是各向同性，叶片呈随机分布特征，实测冠层叶片集聚分布状态导致的集聚效应会对视场中植被与土壤的相对比例产生较大影响，对冠层各向异性特征影响明显[32]，从而使实测数据与模拟数据存在一定差异；其次，实测数据获取过程中受外界环境条件影响存在一定误差，如冠层多角度反射光谱观测持续时间较长，期间光线条件细微变化可能会影响不同观测天顶角获取的反射光谱；另外，Yang 等[33]研究发现，由叶片镜面反射引起冠层光谱的绿光波段(550 nm)和红光波段(650 nm)反射率的相对均方根误差达30%，而SAIL模型模拟的冠层光谱反射率未考虑叶片镜面反射特征，这在一定程度上会造成实测数据与模拟数据的差异性。

2.2 太阳天顶角变化对冠层叶绿素含量估算的影响

本文将太阳天顶角划分为20°～30°、30°～40°和40°～50° 3个范围，基于实测数据分析太阳天顶角变化对植被指数与冠层叶绿素含量相关性的影响(图3)。当太阳天顶角变化范围为20°～30°时，各植被指数与冠层叶绿素含量相关性较高(R约为0.8)；当太阳天顶角变化范围为30°～40°和40°～50°时，除SIPI外的植被指数与冠层叶绿素含量相关性均波动明显，特别是当观测天顶角在-60°～-30°和30°～60°范围内时，植被指数与冠层叶绿素含量相关性波动最明显。张雪红等[34]的研究也表明，NDVI植被指数随太阳天顶角增大而增大。因此，反射光谱测量时应尽量选择小太阳天顶角，可减小观测方式带来的不确定性，从而减小太阳天顶角变化对植被指数与冠层叶绿素含量相关性的影响。

图3 太阳天顶角变化条件下植被指数与冠层叶绿素含量相关系数Fig.3 Correlation coefficients between canopy chlorophyll content and vegetation indices for various solar zenith angles

2.3 叶倾角变化对冠层叶绿素含量估算的影响

本文采用直立型、披散型和中间型3种冬小麦株型代表不同的叶倾角分布特征(可用平均叶倾角表征)，初步分析平均叶倾角变化对植被指数与冠层叶绿素含量相关性的影响(图4)。由图4可知，整体上，基于直立型品种(平均叶倾角较大)数据的植被指数与冠层叶绿素含量相关性高于中间型和披散型。所有植被指数中，SIPI与冠层叶绿素含量相关性受平均叶倾角变化影响最小；非红边波段植被指数中NDVI和SR与冠层叶绿素含量相关性随平均叶倾角变化波动较大，特别是SR与冠层叶绿素含量相关性在整个观测天顶角变化范围内波动最大；相比之下，当观测天顶角在-40°～40°范围内时，红边波段植被指数与冠层叶绿素含量相关性随平均叶倾角变化的波动较小。

图4 叶倾角变化条件下植被指数与冠层叶绿素含量相关系数Fig.4 Correlation coefficients between canopy chlorophyll content and vegetation indices for various mean leaf angles

2.4 冠层叶绿素含量估算精度分析

基于以上分析结果，本文选用SIPI、ND705及AIVI进一步分析基于实测数据的冠层叶绿素含量估算精度。由上述3种植被指数基于实测多角度数据估算叶绿素含量的留一交叉验证结果(图5)可知，除-30°观测天顶角外，SIPI估算冠层叶绿素含量模型在-60°～60°观测天顶角范围内精度较稳定，R2均值约为0.4，RMSE约为60 μg/cm2，RRMSE约为30%。相比之下，在-40°～40°观测天顶角范围内，ND705估算冠层叶绿素含量精度较高(R2=0.6，RMSE=50 μg/cm2，RRMSE=25%)，其中，-10°和-20°观测天顶角下估算精度最高(R2=0.71，RMSE=49.95 μg/cm2，RRMSE=22%)；当观测天顶角高于40°时，ND705估算精度显著降低。垂直观测时，AIVI估算精度最高(R2=0.72，RMSE=49.08 μg/cm2，RRMSE=21%)。随观测天顶角增大，AIVI估算误差逐渐增大；当观测天顶角达到60°时，AIVI模型估算结果RRMSE达35%以上。

图5 植被指数方法估算冬小麦冠层叶绿素含量的交叉验证结果Fig.5 Cross-validation results for estimating canopy chlorophyll content of winter wheat using vegetation index methods

3 结论与讨论

本研究利用辐射传输模型模拟数据和冬小麦实测多角度数据，结合非红边波段植被指数与红边波段植被指数，分析了角度效应(观测天顶角和太阳天顶角变化)对植被指数方法估算不同叶倾角株型冬小麦冠层叶绿素含量的影响，得出以下结论：

(1)观测天顶角变化会影响植被指数与冠层叶绿素含量的相关性。实测多角度数据中，当垂直观测及观测天顶角较小时，红边波段植被指数与冠层叶绿素相关性优于非红边波段植被指数NDVI、SIPI和SR，与模拟数据结果一致，当观测天顶角变大时，模拟数据植被指数与冠层叶绿素相关性无明显波动，而实测数据CIred-edge、CIgreen和AIVI与冠层叶绿素含量相关性波动较大。

(2)实测数据太阳天顶角变化会影响植被指数与冠层叶绿素含量的相关性。当太阳天顶角为30°～50°时，植被指数与冠层叶绿素含量相关性受观测天顶角变化影响，变异性较大，即观测角度变大，相关系数降低；同一植被指数在太阳天顶角数值较小(20°～30°)时，其与冠层叶绿素含量相关性受观测天顶角变化影响较小。

(3)平均叶倾角变化也会影响植被指数与冠层叶绿素含量的相关性。平均叶倾角较大时，植被指数与冠层叶绿素含量相关性较好。其中，SIPI与冠层叶绿素含量相关性受平均叶倾角变化影响最小，这可能与该指数的结构形式有关[2]；NDVI和SR与冠层叶绿素含量相关性随平均叶倾角变化波动较大。

(4)冬小麦实测多角度数据估算冠层叶绿素含量结果中，ND705在后向10°和20°观测天顶角下，估算冠层叶绿素含量精度较高，AIVI在垂直观测下估算冠层叶绿素含量精度最高。观测天顶角小于30°时，红边植被指数(ND705、SR705、CIred-edge、CIgreen、REP和AIVI)估算冠层叶绿素含量精度受角度效应影响较小。上述研究结果能为植被指数方法下多角度遥感估算冬小麦冠层叶绿素含量提供一定方法参考。

本研究虽基于模拟与实测数据分析了角度效应对植被指数估算冬小麦冠层叶绿素含量的影响，但在分析太阳天顶角及叶倾角变化对植被指数与冠层叶绿素含量相关性的影响上还存在如下不足：仅将实测数据太阳天顶角划分为20°～30°、30°～40°和40°～50° 3个范围，分析不全面；随冬小麦生长过程推进，不同株型的平均叶倾角会发生变化[35]，用不同株型表示不同叶倾角进行分析存在一定局限性。后续需进一步明晰这些因素对冠层叶绿素含量估算精度的影响。