基于辐射传输模型的叶绿素含量定量反演精.docx

基于辐射传输模型的叶绿素含量定量反演精.docx

《基于辐射传输模型的叶绿素含量定量反演精.docx》由会员分享，可在线阅读，更多相关《基于辐射传输模型的叶绿素含量定量反演精.docx（10页珍藏版）》请在冰豆网上搜索。

基于辐射传输模型的叶绿素含量定量反演精

生态学杂志ChineseJournalofEcology2006,25（5）:

591~595基于辐射传输模型的叶绿素含量定量反演*施润和1,2**庄大方牛铮王汶

21343（1中国科学院地理科学与资源研究所,北京100101;

北京100101;4中国科学院研究生院,北京100049;中国科学院遥感应用研究所,中国人民大学环境学院,北京100872）

摘要利用基于叶片内部辐射传输机制的PROSPECT模型模拟大量不同生化含量和叶肉结构的叶片光谱,研究利用高光谱植被指数定量反演叶绿素含量的可行性和精度,并比较各指数的稳定性和抗干扰能力。

结果显示,各指数在对叶绿素的敏感性方面相差不大,除三角植被指数（TVI）外,其它指数均随叶绿素含量的增加而减小。

叶片水分含量的差异对各指数的影响很小,干物质次之,叶肉结构影响最大。

在抵抗干物质影响和叶肉结构影响方面,结构无关色素指数（SIPI）明显优于其它四种指数,吸收中心波深归一化后的面积指数（ABNC）次之。

通过使用叶片光学模型的模拟光谱来研究叶绿素含量变化的光谱响应及其影响因素和反演策略,具有较强的理论性和普适性。

研究结果与实际观测相吻合,方法简单易行。

关键词辐射传输模型,叶绿素,高光谱,植被指数,反演

中图分类号Q94511文献标识码A文章编号1000-4890（2006）05-0591-05

Quantitativeinversionofchlorophyllcontentbasedonradiativetransfermodel.SHIRunhe,ZHUANGDafang1,NIUZheng3,WANGWen4（1InstituteofGeographicalSciencesandNaturalResourcesResearch,ChineseAcademyofSciences,Beijing100101,China;2GraduateUniversityofChineseAcademyofSciences,Beijing100049,China;3InstituteofRemoteSensingApplications,ChineseAcademyofSciences,Beijing100101,China;4SchoolofEnvironmentandNaturalResources,RenminUniversityofChina,Beijing100872）.ChineseJournalofEcology,2006,25（5）:

591~595.

PROSPECTmodelisawellknownleafopticalmodelbasedontheradiativetransferprocesseswithinaleaf,whichwasusedinthispapertosimulatetheleafreflectancespectraofchlorophyll,water,anddrymattercontentsandmesophyllstructureparameters,aimedtoinvestigatethefeasibilityandprecisionofhyperspectralvegetationindices（VIs）inchlorophyllprediction,andtheirresistantperformancesagainstleafwater,drymatter,andmesophyllstructure.Atotalof5widelyusedVIsforpredictingchlorophyllcontent,i.e.ChlorophyllAbsorptionRatioIndex（CARI）,TriangularVegetationIndex（TVI）,PhotochemicalReflectanceIndex（PRI）,StructuredIndependentPigmentIndex（SIPI）,andAreaofBandNormalizationtotheCenterofAbsorptionFeature（ABNC）,wereconsidered.ThesimulationresultsshowedthatalltheVIsexceptTVIweredecreasedwithincreasingchlorophyllcontent.WatercontenthadlittleinfluenceonVIs,becausethemajorabsorptionfeaturesofleafwaterwerelocatedat1300nmand1900nmwhichwerenotusedintheVIs.DrymattercontenthadsomeinfluenceonCARIandTVI,andmesophyllstructuregreatlyaffectedtheVIsexceptSIPI,becauseoftheinfluenceofmesophyllstructureontheleafreflectancespectraatbothvisibleandnearinfraredregions.TheuseofsimulatedspectrainstudyingtheaffectingfactorsofchlorophyllVIswasasuccessfultrial,whichshowedconsistentresultswithmeasuredriceleafspectra.Itwasconfirmedthattheuseofmodelsimulatedspectrawastheoreticallybased,simple,andgenerallyapplicable.

Keywordsradiativetransfermodel,chlorophyll,hyperspectra,vegetationindex,inversion.1,2

1引言

占地球陆地表面70%以上的植被是陆地生态

系统的基本组成部分,对全球物质和能量的交换与

循环产生决定性影响。

遥感技术作为目前唯一的空

间对地观测和信息获取手段,以其独特的大空间覆

盖和多时相特征,在区域和全球生态学研究中得到

广泛应用。

以森林为研究对象的林业遥感在森林的面积、蓄积量估测、树种分类、资源清查等方面都做出了积极贡献[3,4]。

近20年来,遥感正从对地目标的定性描述向定量表达发展,一些生态系统参数已实现通过遥感方法实时获取[2]。

随着高光谱技术的出现和成熟,利用传感器高达纳米级的光谱分辨*国家自然科学基金资助项目（40501057和40571130）。

**通讯作者收稿日期:

2005-06-05接受日期:

2005-12-02

592生态学杂志第25卷第5期

率,在分子水平对植被生化组分进行定量反演的研究也已在国内外展开[1,5,17]。

叶绿素是植物叶片中的基本组成物质,叶绿体是光合过程发生的载体,对光合进程、太阳辐射的光能利用、大气CO2的吸收等具有密切关系。

而且,叶绿素作为叶片中的重要含氮物质,对植物氮素营养的吸收和利用具有比较准确的指示作用。

此外,由于叶绿素的吸收特征集中在可见光区,其含量多少直接影响叶片和冠层可见光区的反射光谱特征[10]。

从生态模型角度上看,叶绿素作为重要的光合作用参与者,其含量常作为输入参数驱动生态模型,而该参数的实地获取,尤其是大范围原始森林地区叶绿素含量的获取困难较大,因此通过遥感手段反演叶绿素是一项具有科学意义的研究。

植被指数（VI）是将不同波段的光谱反射率（有时直接使用传感器上获得的灰度值）,经线性或非线性组合,构成能够反映植物某种特征信息的指数。

由于植被指数在构建过程中,充分考虑了待反映特征的光谱特性,因此比传统统计回归的方法具有更好的稳定性和鲁棒性（robust）,即指与某特定特征无关的其它参数在一定范围内的摄动,几乎不会对反映该特征的植被指数造成影响。

另外,与纯机理模型相比,植被指数更简单易用,是一种介于统计方法和物理方法之间的半经验方法。

高光谱技术的应用,使获得纳米级窄波段植被指数成为可能,避免了宽波段植被指数应用中,由于传感器的波段中心位置、波段宽度和波段响应曲线的差异造成不同传感器获得的植被指数之间缺乏可比性。

本文利用基于叶片内部辐射传输物理机制的PROSPECT模型模拟出不同叶绿素含量、不同水分含量、不同干物质含量以及不同叶肉结构参数下的叶片反射率数据,对利用高光谱植被指数反演叶片叶绿素含量进行尝试,并评价叶片中其它生化组分和叶片物理结构对其造成的影响,旨在推动分子水平植物生化组分遥感生态测量的发展2PROSPECT模型及其模拟数据

PROSPECT模型是从平板模型发展起来的一个基于辐射传输理论的叶片光学模型,用于计算叶片在可见光到近红外波段（400~2500nm）的半球反射率和透过率,适用于各种阔叶[12,13]。

其对原始平板模型做了以下两点重要改进。

首先,考虑到在[6]

[8]

有简单的各向同性特征,因此引入最大入射角概念,用于表示入射光线的立体角。

其次,考虑到实际叶片并非单层紧密叶,叶片中还含有与叶肉细胞具有不同折射系数的空气,因此引入叶肉结构参数N,假设叶片是由N层同性层叠加而成,由N1层空气隔开,且光线的非漫射特性只存在与叶片顶层,光线一旦进入叶片就成为各向同性的漫射光。

这样,叶片的反射率和透过率可以表示如下:

90RN-1,90

（1）

1-90RN-1,90TN-1,90

TN,=

（2）

1-90RN-1,90

式中,为定义入射立体角的最大入射角,等式右边

RN,=+

以为下标的参数表示顶层反射率和透过率,以90为下标的表示除顶层外的N-1层的反射率和透过率,RN-1,90和TN-1,90分别表示N-1层的总反射率和透过率。

顶层反射率和透过率的表达式很复杂,是关于折射指数、平板透过系数和电解板表面平均透过率的函数。

最终,理论上可用于模拟叶片光谱特性的PROSPECT模型仅需平板透过系数!

和叶肉结构参数N两个参数,是迄今为止形式最简单的叶片辐射传输模型。

其中,!

是联系叶片光学属性与生化组分的桥梁,其与吸收系数k具有如下关系:

!

-（1-k）e示为:

Ci∀Ki（∀）

（4）

Ni

式中,∀是波长;Ki是叶片第i种生化组分的光谱特

k（∀）=ke（∀）+

-k

-k

k

x

-1-x

edx=0（3）

而叶片总吸收系数k与生化组分浓度的关系可以表

!

定吸收系数,在PROSPECT模型中考虑了水、叶绿素和干物质三种生化组分的特定吸收系数曲线;Ci

为第i种生化组分的浓度,包括叶绿素Cab,水Cw和干物质Cm;ke是白化叶在500nm前的非零吸收特征;N是叶肉结构参数。

这样,借助PROSPECT模型,可以前向模拟出在给定水分、叶绿素、干物质和叶肉结构参数下的叶片光谱;反之,通过模型的反演,也可以从叶片光谱信息中获取上述三种生化组分的浓度信息。

已有学者用不同类型的叶片对PROSPECT模型的性能进行了检验,结果表明,该模型是目前最好的叶片光学模型之一。

本文中以PROSPECT模型模拟数据作为数据源,可以更好地比较不同植被指数对叶绿素。

施润和等:

基于辐射传输模型的叶绿素含量定量反演

593

ABNC。

通过设置不同的生化含量和叶肉结构作为输入参数集,利用PROSPECT模型可以模拟出叶片400~2500nm的光谱反射率,继而计算出表1所列的5种叶绿素指数。

首先,我们保持叶片含水量、干物质含量和叶肉结构参数不变,仅改变叶绿素含量,考察上述指数对叶绿素变化的响应及其敏感性。

然后,保持叶绿素含量不变,依次分别改变叶片含水量、干物质含量和叶肉结构参数,考察上述叶绿素指数是否受这些因素的干扰及其受干扰程度。

4结果与分析

41对不同叶绿素含量的敏感性分析

将PROSPECT模型中的叶肉结构参数（N）、含水量（Cw）和干物质含量（Cm）3个参数分别取固定值:

2,0015cm和0005g∀cm-2,叶绿素含量参数（Cab）分别取20~100#g∀cm-2,模拟出81条叶片光谱曲线,通过表1中的表达式计算各高光谱植被指数。

由于各指数的取值范围不同,为便于比较,对其在0到1区间进行归一化处理。

如图1所示,5个指数中只有TVI对叶绿素含量变化的响应呈非单调特征,即当Cab为20~37#g∀cm

-2

素对植被指数的干扰,更科学地评价可用于叶绿素反演的植被指数。

3研究方法

由于叶绿素特有的生化结构,其因电子跃迁造成的光谱吸收仅体现在可见光区域。

具体地说,叶绿素a在380~450nm和675nm,叶绿素b在410

~470nm和610nm处都有显著的吸收峰[7]。

因此,许多学者提出了多种基于叶片可见光区域特定波长处反射率的高光谱植被指数,用于估算叶片叶绿素含量。

表1中列举了5种常用的叶绿素高光谱指数,作为本文的讨论对象。

表15种高光谱叶绿素植被指数

Tab.15hyperspectralVIsforchlorophyllpredictionstudied植被指数

表达式*

叶绿素吸收比指R700R700670a+R670+b

CARI=CAR=数（CARI）[14]R670R670

a+1

R700-R550

其中,a=,b=R550-550a

150三角植被指数120（R-R）-200（R-R）

TVI=

（TVI）[9]2光化学反射率指R570-R531

PRI=

数（PRI）11R570+R531结构无关色素指R800-R445

SIPI=

数（SIPI）[16]R800-R680

吸收中心波深归1-一化面积指数Ri

BNC=（5）（ABNC）[15]Rc

1-Ric

注:

表达式中R为反射率,下标为数字表示以nm为单位的波长;下标i、c分别为连续统和吸收特征中心位置。

时,TVI随

Cab的增加而增加,而当Cab为38~100#g∀cm-2时,TVI则随Cab的增加而减小。

从叶片光谱形态上

看,该指数所用的3个波长分别属于绿峰、红谷和近红外高峰,恰好构成一个三角形,而其计算公式就是以波长为横轴,以光谱反射率为纵轴计算该三角形的面积。

由于当叶绿素含量增加时,红谷和绿峰处的反射率都会随之减小,而TVI公式中两者的系数

对于表1所列前4种植被指数,均由若干个离散波长处反射率经过一定运算后构成。

其中,三角植被指数（TVI）和结构无关色素指数（SIPI）考虑了近红外处的光谱反射率外,另两种指数均只考虑了可见光区域的光谱反射率。

吸收中心波深归一化面积指数（ABNC）是一种特殊的植被指数,在本研究中,它考虑了从可见光绿波段到近红外波段整个吸收特征各个波长处的光谱反射率（550~750nm）。

在该吸收特征两端作一连线（称为#连续统∃）,从而得到各波长在连续统上的光谱反射率值Ri。

以该吸收特征的吸收最强处（即反射率最小处）为中心,其反射率和连续统上的反射率分别记为Rc和Ric,即可通过表1所列式（5）求得经吸收中心波深归一化处理后的光谱反射率BNC。

这时,连续统两端处的BNC值为0,而吸收中心处的BNC值为1。

BNC5图1高光谱植被指数对叶绿素含量的敏感性分析

Fig.1SensitivityanalysisofhyperspectralVIsonchlorophyllcontent

594生态学杂志第25卷第5期

分别为一负一正,因此造成其对叶绿素变化的响应不单调。

相反,同样是面积概念的高光谱指数ABNC对叶绿素变化十分敏感,且具有很好的线性关系。

CARI和PRI的效果与ABNC接近,都可以作为反演叶绿素含量的指标。

而SIPI对叶绿素变化的响应呈非线性,在低叶绿素含量时比较好,但在高叶绿素含量时敏感性较差。

42抵抗水和干物质影响的能力

水的吸收特征主要集中在近红外900nm以后的区域,其最主要的两个吸收峰分别位于1400和1900nm处,而本文研究的5种高光谱植被指数所使用的光谱反射率都位于可见光和近红外800nm以前区域。

PROSPECT模拟数据同样显示,叶片含水量的差异对于这5个指数的影响很小。

而以纤维素和木质素为主的干物质对该区域光谱反射率的影响主要集中在红边和近红外高峰处,另外对可见光绿波段也有轻微影响。

图2所示是当叶肉结构参数（N）、叶绿素含量（Cab）和含水量（Cw）分别取2,50#g∀cm

-2

ABNC次之,CARI和TVI受干物质影响最明显。

表2不同干物质含量下的高光谱植被指数

Tab.2HyperspectralVIswithdifferentdrymatterscontentsCm00050010001500200025SI

CARI05162050000484504697045571328%

TVI3177192995592831852683192547442472%

PRI-00230-00229-00227-00226-00224268%

SIPI0997409970099650995909954020%

ABNC162824164793166618168319169915436%

43抵抗叶肉结构影响的能力

叶肉结构参数（N）是PROSPECT模型的4个输入参数中唯一一个无法用物理或化学方法实测获得的参数,而它对叶片反射光谱的影响相当大,且作用范围覆盖整个可见光、近红外区域（图3）。

与42类似,将叶绿素含量、含水量和干物质含量分别固定

-2

在50#g∀cm,0015cm和0005g∀cm-2时,用PROSPECT模型模拟叶肉结构参数等于10~30（取05为步长）时的叶片反射率光谱,计算各高光谱指数值,最后计算并比较（6）式所示的SI。

从表3可以看出,叶肉结构参数对高光谱植被指数的影响很大,同样的叶绿素含量,当叶肉结构参数从10变化到30时,CARI竟然相差了近3倍。

5种指数中,SIPI对叶肉结构参数最不敏感,ABNC次之,PRI、TVI和CARI受叶肉结构影响很大,在该参数无法确定的情况下,使用这3个指数反演叶绿素含量具有较大风险。

和0015cm时,干物质含量（Cm）从0005

-2

变化到0025g∀cm（以0005g∀cm

-2

为步长）时

的模拟光谱反射率。

图2不同干物质含量下的叶片反射率模拟光谱

Fig.2Simulatedleafreflectancespectrawithdifferentdrymatterscontents

注:

虚线处自上到下干物质含量依次为0005,0010,0015,0020和0025g∀cm-2。

定义敏感性指数（SI）为:

SI=%100%（6）

|VI|min

其中,VI表示各种高光谱植被指数,由于有的指数值为负,因此统一比较其绝对值。

表2描述了在不同干物质含量下,各高光谱植被指数值及其敏感性指

图3不同叶肉结构参数下的叶片反射率模拟光谱

Fig.3Simulatedleafreflectancespectrawithdifferentmesophyllstructureparametervalues

注:

虚线处自上到下叶肉结构参数值依次为30,25,20,15和10。

施润和等:

基于辐射传输模型的叶绿素含量定量反演

表3不同叶肉结构参数下的高光谱植被指数

Tab.3HyperspectralVIswithdifferentmesophyllstructureparametervaluesN1015202530SI

CARI02023036505162063650728926031%

TVI1970092684173177193524993775649165%

PRI-00286-00259-0023-00206-001885213%

SIPI097940989509974100410096308%

ABNC143948154251628241692711742642106%

595

缺点有3个:

&外推性不强;∋研究影响因素的敏感性分析较难;（试验投入较大。

利用基于物理模型的模拟数据进行研究,既具有理论基础、符合物理规律,与实测结果一致性程度高,又能获得大量模拟数据,尤其是实测中无法或很难获得的一些极端或低概率情况。

该方法成本低,可以在短时间内模拟大量满足研究用途的数据,是一种值得推广的方法。

参考文献

5讨论

一个好的叶绿素高光谱植被指数应该同时具备两个条件,即对叶绿素含量敏感和对其它因子不敏感。

综合使用PROSPECT模型模拟叶片光谱的分析结果,SIPI在定量反演叶绿素含量和抵抗其它因素干扰方面更胜一筹。

但当叶绿素含量较高时,SIPI对叶绿素含量的敏感性下降,有达到饱和的趋势。

基于吸收中心波深归一化处理的面积高光谱植被指数ABNC次之。

于2004年夏、秋在南京农业大学进行了中熟粳稻（南农4069）完整生长季的光谱观测,研究区分4个氮肥处理水平,可以在同一时期得到不同叶绿素含量的叶片。

分别在分蘖、拔节、抽穗和成熟四个时期进行观测。

虽然叶肉结构参数无法直接测量,但研究表明,其与叶片的生长和老化有密切联系,因此不同生育期的叶片具有不同的叶肉结构参数值[12]。

结果显示,在同一时期,上述5种高光谱植被指数都与叶绿素含量存在较好的相关性。

实测数据中的叶绿素含量最小为353#g∀cm-2,其余均>40#g∀cm-2,因此无法验证TVI的非单调特征。

对同一氮肥处理水平、不同时期的观测结果进行分析,发现SIPI和ABNC与叶绿素含量的相关性略高于其它3种植被指数。

虽然不同生育期水稻叶片的叶肉结构参数会存在一定差异,但这种差异不是很显著。

我们将实测反射率光谱、测得的叶绿素含量、叶片含水量和干物质含量代入PROSPECT模型,使用迭代优化的方法求出各生育期、各氮肥处理水平下的最优叶肉结构参数,其绝对值最多仅相差11。

植被指数利用特定生化组分对入射太阳光的选择性吸收特点建立生化组分与光谱之间的简单关系,是一种灵活简便、稳定性较好的反演方法。

但过去的研究通常以某块区域、某次试验的数据为基础,来研究反演特定参数的最佳植被指数,这种方法的

[1]丁圣彦,李昊民,钱乐祥.2004.应用遥感技术评价植被生化物

质含量的研究进展[J].生态学杂志,23（4）:

109~117.

[2]王军邦,牛铮,胡秉民,等.2004.定量遥感在生态学研究中

的基础应用[J].生态学杂志,23

（2）:

152~157.

[3]赵宪文.1997.林业遥感定量估测[M].北京:

中国林业出版

社,24~141.

[4]赵宪文,李崇贵,斯林,等.2002.基于信息技术的森林资源

调查新体系[J].北京林业大学学报,24（5/6）:

147~155.

[5]施润和,牛铮,庄大方.2005.叶片生化组分浓度对单叶光谱

影响研究[J].遥感学报,9

（1）:

1~7.

[6]宫鹏.1999.遥感生态测量学进展[J].自然资源学报,14

（4）:

313~317.

[7]程乾,黄敬峰,王人潮,等.2004.MODIS植被指数与水稻叶

面积指数及叶片叶绿素含量相关性研究[J].应用生态学报,15（8）:

1363~1367.

[8]BannariA,MorinD,BonnF.1995.Areviewofvegetationin

dices[J].RemoteSens.Rev.,13

（1）:

95~120.

[9]BrogeNH,LeblancE.2000.C