花生叶绿素含量高光谱遥感估算模型研究.docVIP

花生叶绿素含量高光谱遥感估算模型研究 　　摘要：叶绿素是植物体进行光合作用吸收光能物质的主要色素，直接影响植被的光合作用。高光谱遥感为快速、大面积监测植被的叶绿素变化提供了可能。实测了不同品种、肥水条件下，花生冠层的高光谱反射率与叶绿素含量数据，对二者进行了相关分析；首先采用相关系数较大的波段作为变量进行叶绿素含量的估算，其次采用特定叶绿素敏感波段建立叶绿素估算模型。经对比发现，以原始高光谱反射率所构建的估算模型精度不高；一阶导数与叶绿素含量之间的关系采取同样的方法，表明线性模型可较好地预测叶绿素含量；最后在高光谱特征变量中，λr、λg、λo为自变量所构建的模型均通过极显著检验，以λr所构建的指数模型具有最大的决定系数（r2=0.543 5）和F值（F=33.333）；通过精度检验，综合分析认为，以662 nm处的一阶微分反射率所构建的线性模型和以红边位置所构建的指数模型均可作为叶绿素含量估算较为合适的高光谱模型。 　　关键词：花生；叶绿素含量；高光谱遥感；估算模型 　　中图分类号：S127 文献标志码：A 文章编号：1002-1302（2017）01-0197-04 　　在光合作用过程中，吸收光能的植被色素有叶绿素与类胡萝卜素，其中叶绿素是吸收光能的主要物质，它的数量直接影响着植被的光合作用。植被色素含量与光合作用能力、发育阶段和氮素含量有较好的相关性，可以作为植被长势监测的一种有效指标[1]。在可见光区，植被的反射波来估算其生化参数―色素含量[2]。 　　植被叶绿素含量的高光谱遥感反演最早是在叶片尺度上开展的[3]，进而在冠层尺度上得到发展[4]。目前，利用高光谱遥感数据估计植被生化参数主要有3类方法：一是通过多元统计分析方法，包括光谱反射率、导数光谱[5-6]；二是基于特征光谱位置变量的分析技术，包括红边位置、绿峰位置等[7]；三是光?W辐射传输模型方法[8]。迄今为止，高光谱遥感在估算植被尤其是农作物的叶绿素含量方面已经取得了很大进展，但反演模型通常是建立在特定的试验条件与特定的植被类型条件下，普适性较差，难以在应用于其他植被类型或环境条件的同种植被。同时由于越来越多的传感器运用于遥感估算，有必要检验现有方法的有效性以及探索发展新方法[9]，建立适应性更强的模型反演植被色素。本研究以花生为研究对象，通过实地测量和室内试验获取光谱和叶绿素含量数据，探讨花生叶绿素含量的高光谱反演方法。 　　1 材料与方法 　　1.1 试验设计 　　试验区位于山东省济阳县山东省农业科学院试验基地（36°41′～37°15′N，116°52′～117°27′E），试验地南北走向，由南向北依次布置低肥、中肥、高肥、空白4个水平肥料处理，由东向西依次布置品种山花14号、山花9号、山花15号、花育20号、花育25号、花育46号2个系列6个花生品种，共24个小区，每个小区南北长10 m，东西宽3.2 m，面积32 m2。自2015年7月1日至2015年9月13日期间，每隔10 d左右，依次在试验田里选取样本点进行花生光谱和叶绿素测量。 　　利用花生在不同施肥条件、不同生育期以及不同品种间光谱和叶绿素含量差异，应用统计分析方法，研究花生叶绿素含量敏感的波段，构建花生生物物理化学参数的高光谱估算模型。 　　1.2 花生冠层光谱与叶绿素参数测量 　　采用FieldSpec Handheld（325～1 075 nm）便携式光谱仪进行花生冠层光谱测量，光谱范围为325～1 075 nm，采样间隔（波段宽）为1.41 nm。光谱采集时间控制在北京时间 11：00―13：00，要求天气无风无云，探头垂直于冠层顶。每处理测定1个样点，每样点获取4条光谱数据，每条光谱扫描时间0.2 s，以其平均值作为该处理冠层的光谱反射值。光谱仪视场角度25°，花生每垄距离加沟平均距离为0.8 m，垄面的宽度0.6 m，花生的墩距0.15 m。为了观测光谱能够代表地面状况，设定观测点位于花生每垄中间正上方，视场范围为0.8 m，计算得观测架高度为1.8 m，共10墩花生，在各处理测定前后用标准板进行太阳辐射光谱校正[10]。 　　叶绿素含量（mg/g）参数获取：摘取主茎倒3叶叶片，用直径6 mm打孔器打取叶片约0.200 g（避开中脉，重复2次），记录叶片数，分别放到试管中，用25 mL乙醇（100%） ∶丙酮=1 ∶1的混合液浸泡，盖塞子，避光（叶绿素见光分解）存放，直至叶片完全变白（即提取完全）后进行比色测定（中间需摇晃2次），测试前摇晃均匀，静置后用分光光度计测定。 　　1.3 高光谱数据的特征参量 　　1.3.1 一阶导数 对于植被而言，光谱数据的一阶微分有利于部分消除大气、土壤背景、凋落物等低频光谱成分对目标的影响，突出目标，反映和揭示植被光