栎树氮碳含量反演叶片与冠层尺度差异分析

寇培颖，高 帅，黄 妮

（1.中国科学院遥感与数字地球研究所，北京 100000）

栎树氮碳含量反演叶片与冠层尺度差异分析

寇培颖1，高 帅1，黄 妮1

（1.中国科学院遥感与数字地球研究所，北京 100000）

在叶片和冠层两个尺度上，分析了栎树叶片氮碳两种生化组分含量与其反射率特性的统计关系；采用逐步回归法，分别利用地面光谱和航空高光谱曲线对叶片和冠层尺度进行了反演，选择进入回归方程的波段分别为719 nm、1 854 nm/1 861 nm、359 nm和767．9 nm/1 319．0 nm。研究表明，叶片尺度由于受到干扰较小，反演结果明显优于冠层尺度；冠层尺度的反演受大气水汽、冠层结构、植被下垫面等诸多因素影响较大，因此在进行冠层尺度生化组分反演时，必须充分考虑上述因素的影响。

栎树；氮含量；碳含量；叶片尺度；冠层尺度

氮碳含量是植被生长状态的重要指标，能为病虫害监测等提供指导信息。叶片中氮元素的含量对生产力估计和氮肥施量有着重要的指导意义；植物碳氮比可以体现植物的营养利用效率，是生态系统的一个重要基础数据[1]。传统的采样化验方法虽然可以较准确地提取其生化组分，但费时费力，因此如何利用遥感技术快速提取植被生化组分含量受到广泛关注。

20世纪80年代，随着成像光谱技术的出现和发展，遥感进入高光谱遥感的新阶段。每个像元可获得成百上千个连续或不连续的非常窄的波段，从而得到一条完整的光谱曲线，其丰富的光谱信息为定量反演地表植被生化参数提供了可能，植被遥感已从识别分类逐步发展到生化组分含量提取的水平[2-3]。叶片的反射波谱特性主要由叶片内部结构和生化组分的散射、吸收特征所控制。氮碳含量的变化会引起植被光谱特性的变化，这是通过光谱手段获取植物生化参量信息的理论基础，从而使利用高光谱遥感手段提取叶片氮碳含量成为可能[4-5]。通过遥感技术可估算生化组分，进而研究植被质量以及区域甚至全球尺度的养分循环或生物地球化学循环，因此遥感数据已成为获取冠层特性时空变化详细信息的唯一低成本来源[4]。

早期对叶片氮含量与叶片反射光谱的研究表明，550～675nm 波段内的叶片反射率与叶片氮含量具有非常高的相关性。Thomas J R[5]等认为甜椒叶片对氮含量影响最大的波段在550 nm和670 nm；王人潮[6]等认为缺氮使水稻叶片在680 nm处的光谱吸收减少，而冠层对氮含量变化最敏感的波段在530～560 nm。蒋桂英[7]等得出棉花叶片氮含量敏感波段为630～690 nm和760～900 nm。袁金国[8]在提取绿色植被的氮含量时选择波段854．18 nm。陈贻钊[9]测定橡胶树在730 nm处反射率与氮含量相关性最好。

通过高光谱遥感直接进行植被尤其是森林生化组分的反演也受到技术条件的限制，主要表现在叶片和冠层反演有较大的尺度差异。为分析和比较叶片与冠层尺度栎树氮碳含量高光谱反演的差异，本文以北美栎树为例，进行了两种尺度的反演研究。

1 原理及方法

目前，提取植被生化组分的方法主要有基于统计手段的经验半经验方法和物理模型反演方法两种；前者简单易懂，操作性强，后者以物理原理为依据，准确性高、可移植性强。Haboudane等提出将二者结合的一种范式，即先用物理模型拟合有较为广泛代表性的数据，再从这些模拟数据中提炼反演目标参数的经验关系式[10]。本文从基于统计手段的经验半经验方法入手，提取栎树叶片中氮碳含量，具体步骤为（图1）：

图1 技术路线流程图

1）将两个尺度上的氮碳生化组分含量数据与相应的光谱反射率数据进行相关性分析，根据相关系数曲线图分析各自敏感波段。

2）本文选用逐步回归模型来提取氮碳含量，该方法在保证回归方程有效性的同时，减小了计算量，简化了回归方程[11]；选用复相关系数R2、RMSE作为评价反演效果指标。

3）在冠层尺度上，利用回归方程计算每个采样点的生化组分含量，并对其进行密度分割，将其含量直观地显示在影像上。

2 数据获取

本文所用的高光谱数据和生化组分含量数据，均来源于美国国家生态观测站网站（National Ecological Observatory Network）。研究对象是2013年6月位于加利福尼亚州以N37．112°、W119．736°为中心地区测量的栎属蓝橡树和一些本地橡树的高光谱数据；主要获取橡树的叶片光谱、高光谱影像和生化组分数据。航空遥感测量使用的是NEON机载天文平台仪器装备AOP- 1，包括一个高分辨率NEON成像光谱仪（NIS）、一个小型波形记录激光雷达和一个高分辨率数码相机。

叶片反射光谱由使用便携式地物光谱仪ASD测量黑色背景下的叶片正面反射率获得。叶片光谱反射率数据共2 150个波段，波长范围350～2 500 nm，间隔为1 nm。冠层高光谱影像共426个波段，波长范围382．3～2 511．2 nm。

3 结果分析

3.1 特征波段的提取

在光谱反演模型建立过程中，本质问题是对敏感波段的选取。图2为叶片尺度和冠层尺度的氮碳含量与波长的相关系数曲线图（由于冠层光谱1 344～1 419 nm和1 749～1 930 nm受噪声影响严重，故将其掩膜掉）。

整体上来看，冠层尺度上的波长与生化组分的相关性低于叶片尺度，且均在1 300～1 500 nm波段范围内开始呈现分歧，可能是受大气水汽吸收影响[8]。由图2a可见，叶片尺度的波长与氮含量的相关系数在550 nm和700 nm附近以及二者之间呈现高相关性；在近红外波段，氮含量与光谱反射率都呈现较大的相关性；氮含量与叶绿素含量关系密切，这可能是造成氮元素对绿峰（559 nm）、红谷（678 nm）以及“红边”区域波段（719 nm/780 nm）敏感的原因。冠层尺度氮含量的波长与相关系数与叶片尺度的有很大不同。相较于叶片尺度，在冠层尺度上氮元素敏感波段在“红边”区域范围内出现向短波方向移动的现象（719 nm/780 nm→702．9 nm/ 767．9 nm），可能是由于冠层结构的影响[12]。

图2 相关系数曲线图

前人研究表明，在400～2 500 nm波段内所有植被反射特性是相似的。在400～700 nm可见光波段内，植物的光谱特性主要受叶绿素特性影响，呈现强烈的吸收特性；而红外波段部分呈现高反射则是由叶片细胞壁和细胞间隙折射率不同导致多重反射所引起的[13]。

由图2b可见，叶片碳含量的相关性图中除了700 nm左右有两个波峰为正相关外，其他波段处大部分与碳含量呈负相关。叶片中的碳元素主要存在于淀粉、纤维素、木质素中，这些物质的光谱吸收特征也会影响碳元素的光谱特征。冠层碳含量的波长与相关系数同样与叶片尺度反差较大，同时与氮含量形成对此。在可见光波段，500 nm处有相关性明显的小峰；在红外波段，700 nm之后相关性陡降，在700～1 400 nm范围内呈现高负相关性。

由各叶片生化组分的相关性曲线得到对应敏感波段，除去易受大气水汽吸收影响的1 400～1 500 nm和1 900～2 000 nm波段，主要选择相关系数较高的波峰以及陡变处对应的波长，如表1所示。

表1 各实验备选波段/nm

3.2 回归模型的建立

利用逐步回归模型建立回归方程时，波段选择为半人工式，算法可在备选波段中自动选取对方程贡献大的因子。备选的波段采用所有峰值处对应的波段，在数据分析过程中，程序会自动筛选出对方程贡献大的波段，结果如表2所示。

表2 多元逐步回归分析结果

由前人的研究结果来看，氮含量的敏感波段是较固定的，但表2中大多数入选波段并非最敏感波段，造成这种现象的原因有很多，如实验数据量较少、逐步回归的局限性、生化组分间的相关性、测量仪器本身的噪声等[11]。另外，同一生化组分不同尺度下的特征波段相差很大，冠层水平只有在稍低的置信水平下，才有波段入选。这是因为冠层光谱除被植被的营养状况影响外，还有很多影响因素，如植被下垫面引起的混合像元因素、叶面积指数、太阳高度角和观测方位等。一般地，叶面积指数达到3时，冠层在可见光和中红外波段的光谱反射率基本稳定，而要在近红外波段稳定，则需达到5～6[14]。

3.3 生化组分含量分布图

图3、4分别为氮含量和碳含量的分布图，黑色部分表示分类之后的地面，灰色部分表示栎树冠层。分布图中各采样点上的氮碳含量越高，其灰度值越高，色调越亮；氮碳含量越低，其灰度值越低，色调越暗。

图3 氮含量分布图

图4 碳含量分布图

4 结 语

本研究利用栎树叶片和冠层两个尺度的高光谱数据，着重分析了相关生化组分含量的敏感波段，并构建了逐步回归反演模型。通过相关性分析，本文研究了栎树叶片与冠层尺度的敏感波段。结果表明， 559 nm/ 678 nm/719 nm/780 nm/1 392 nm/1 541 nm/1 854 nm处的叶片反射率和572．6 nm/702．9 nm/767．9 nm/1 309．0 nm处的冠层反射率对氮含量较敏感；359 nm/559 nm/677 nm/ 717 nm/1 393 nm/1 540 nm/1 860 nm处的叶片反射率和552．6 nm/692．8 nm/727．9 nm/1 319．0 nm处的冠层反射率对碳含量较敏感；结果与前人研究结果较为相符。相比于叶片尺度，冠层尺度由于数据中增加了地理位置信息，最终可以得更加宏观和直观的含量分布图。

利用高光谱数据监测大尺度植被化学特性是当今遥感领域一个重要的议题。然而植被冠层尺度与叶片尺度情况不同：在叶片尺度上，叶片反射率与其生化组分含量相关性良好，所受干扰因素较少，但在冠层尺度上，除了决定植物冠层光谱反射的因素——植物的营养状况，另一个影响冠层光谱的主要因素是冠层结构参数（叶面积指数、冠层消光系数和叶倾角分布），此外，冠层光谱反射率还受大气、植被下垫面、太阳高度角、观测角度和方位等因素的影响[9,14-15]。为提高冠层反射光谱反演植被生化组分的准确率，许多研究者不断提出和发展新的光谱指数，以减轻背景噪声的影响[16]。

[1] 施润和,牛铮,庄大方．利用高光谱数据估测植物叶片碳氮比的可行性研究[J]．遥感技术与应用,2003,18(2):76-80

[2] 田庆久,宫鹏,赵春江,等．用光谱反射率诊断小麦水分状况的可行性分析[J]．科学通报,2000,45(24):2 645-2 650

[3] 吴长山,项月琴,郑兰芬,等．利用高光谱数据对作物群体叶绿素密度估算的研究[J]．遥感学报,2000,4(3):228-232

[4] 董晶晶．高光谱遥感反演植被生化组分研究[D]．北京:中国科学院遥感应用研究所,2009

[5] Thomas J R, Oerther G F． Estimating Nitrogen Content of Sweet Pepper Leaves by Reflectance Measurements[J]．Agronomy Journal,1972,64(1):11

[6] 王人潮,陈铭臻,蒋亨显．水稻遥感估产的农学机理研究:I．不同氮素水平的水稻光谱特征及其敏感波段的选择[J]．浙江农业大学学报,1993(增刊1):7-14

[7] 蒋桂英,李少昆,王登伟,等．棉花遥感应用研究进展[J]．新疆农业大学学报,2002,25(3):76-79

[8] 袁金国． 基于多源遥感数据的植被生化参数提取研究[D]．北京:中国科学院遥感应用研究所,2008

[9] 陈贻钊．基于高光谱信息的橡胶树叶片氮素营养快速检测技术研究[D]．海口:海南大学,2010

[10] 颜春燕,刘强．机载高光谱数据提取冬小麦冠层叶绿素含量的模型分析及验证[J]．遥感信息,2009,24(5):8-14,60

[11] 牛铮,陈永华,隋洪智,等．叶片化学组分成像光谱遥感探测机理分析[J]．遥感学报,2000,4(2):125-130

[12] 胡昊,白由路,杨俐苹,等．不同氮营养冬小麦冠层光谱红边特征分析[J]．植物营养与肥料学报,2009,15(6):1 317-1 323 [13] 赵英时．遥感应用分析原理与方法[M]．北京:科学出版社,2013

[14] 贾良良．应用数字图像技术与土壤植株测试进行冬小麦氮营养诊断[D]．北京:中国农业大学,2003

[15] 董晶晶,王力,牛铮．植被冠层水平叶绿素含量的高光谱估测[J]．光谱学与光谱分析,2009,29(11):3 003-3 006

[16] 周冬琴,田永超,姚霞,等．水稻叶片全氮浓度与冠层反射光谱的定量关系[J]．应用生态学报,2008,19(2):337-344

P237

B

1672-4623（2017）01-0040-03

10.3969/j.issn.1672-4623.2017.01.012

寇培颖，硕士研究生，研究方向为定量遥感。

2015-10-26。

项目来源：国家重点基础研究发展计划资助项目（2013CB733405）。