劉浩

【摘 要】高光譜分辨率遙感技術(shù)是近20年來(lái)人類在對(duì)地觀測(cè)方面取得的重大技術(shù)突破之一，也是當(dāng)前及未來(lái)幾十年內(nèi)的遙感前沿技術(shù)。由于其具有光譜分辨率高、數(shù)據(jù)豐富等獨(dú)特性能，因而在環(huán)境保護(hù)、地質(zhì)找礦、植物生長(zhǎng)監(jiān)測(cè)等許多方面有著廣泛應(yīng)用。高光譜分辨率遙感在植被生理參數(shù)監(jiān)測(cè)中主要有以下幾方面應(yīng)用：植物中氮素含量；葉綠素含量；水含量。

【Abstract】 Hyperspectral remote sensing technology， being one of the most important breakthroughs acquired in the field of earth observation by human in the recent 20 years， is an advancing technology of remote sensing in the next decades. It has the special qualities of high spectral resolution ，plentiful data etc.， so it can be extensively applied in environment protection， deposit exploration， vegetation monitoring and so on. The application of hyperspectral remote sensing in monitoring physiological parameters of vegetation mainly has the following aspects：nitrogen content in plants， chlorophyll content， ；water content.

【關(guān)鍵詞】高光譜遙感；植物生理參數(shù)；氮素含量；葉綠素含量；水含量

【Keywords】 hyperspectral remote sensing； plant physiological parameters； nitrogen content in plants； chlorophyll content；water content

【中圖分類號(hào)】P23 【文獻(xiàn)標(biāo)志碼】A 【文章編號(hào)】1673-1069（2017）05-0182-03

1 引言

獲取植物生理參數(shù)的傳統(tǒng)方法是將植物帶回到實(shí)驗(yàn)室進(jìn)行化學(xué)和生物分析，這個(gè)過(guò)程需要花費(fèi)巨大的人力物力成本，因此，我們探索是否可以應(yīng)用新的技術(shù)來(lái)結(jié)合具體微生物復(fù)墾技術(shù)特點(diǎn)，以簡(jiǎn)化這些煩瑣而且花費(fèi)成本巨大的實(shí)驗(yàn)。利用高光譜掃描葉片來(lái)進(jìn)行反演植物內(nèi)部生理生化參數(shù)（氮磷鉀等）含量，能夠獲得地物連續(xù)平滑的光譜曲線，并且可以捕捉到非常敏感微小的差異。

隨著高光譜遙感技術(shù)的快速發(fā)展及其數(shù)據(jù)處理與分析方法的不斷進(jìn)步，與傳統(tǒng)的生理生化實(shí)驗(yàn)相比，利用高光譜遙感數(shù)據(jù)反演植物生理生化參數(shù)在現(xiàn)實(shí)中會(huì)得到為更廣泛的應(yīng)用，高光譜遙感目前也正在成為觀測(cè)植物長(zhǎng)勢(shì)和診斷植物病蟲害的重要方法。

葉片中的氮素、葉綠素、水等含量與葉片反射率有著密切聯(lián)系?？梢杂脭?shù)學(xué)方法進(jìn)行葉片生化組分含量的預(yù)測(cè)研究。隨著高光譜遙感技術(shù)的發(fā)展，高光譜數(shù)據(jù)在作物生理參數(shù)診斷中所起的作用越來(lái)越受到人們的重視。

2 高光譜遙感技術(shù)在作物生化參數(shù)診斷中的應(yīng)用

高光譜分辨率遙感技術(shù)的發(fā)展是20世紀(jì)末最后20年中人類在對(duì)地觀測(cè)方面所取得的重大技術(shù)突破之一，也是當(dāng)前及今后幾十年內(nèi)的遙感前沿技術(shù)。國(guó)際遙感界將光譜分辨率達(dá)納米（nm）數(shù)量級(jí)范圍內(nèi)的遙感技術(shù)稱為高光譜（HypersPectral）遙感。其光譜分辨率高，并具有波段多、信息量豐富的特點(diǎn)。常規(guī)的作物生化參數(shù)的獲取方法是將樣本從大田運(yùn)輸?shù)綄?shí)驗(yàn)室進(jìn)行測(cè)定，這種方法費(fèi)時(shí)、費(fèi)力，且具有破壞性。近年來(lái)，隨著高光譜技術(shù)的發(fā)展，由于其具有簡(jiǎn)便、快速、大面積、非破壞性等特點(diǎn)，在作物參數(shù)反演中發(fā)揮著重要且獨(dú)特的作用，便攜式高光譜儀通過(guò)測(cè)定作物的反射率、吸收率和透射率來(lái)對(duì)生化參數(shù)進(jìn)行測(cè)定，可反演的參數(shù)主要有葉綠素含量、全氮含量、水含量等[4]。

3 監(jiān)測(cè)生理參數(shù)的應(yīng)用

3.1 氮素測(cè)定

氮素是植物內(nèi)許多重要有機(jī)化合物的組成成分，是植物細(xì)胞原生質(zhì)中的基本物質(zhì)。蛋白質(zhì)、葉綠素和核酸的合成都離不開(kāi)氮元素[5]，例如蛋白質(zhì)的多少直接影響植物的生長(zhǎng)發(fā)育，酶就是蛋白質(zhì)的一種，缺少酶這種催化劑，植物生長(zhǎng)必然要受到影響。

氮肥是植被施肥中最不可或缺也是最普遍的肥料，而由于缺乏能夠準(zhǔn)確、快速、方便、經(jīng)濟(jì)診斷植物氮素營(yíng)養(yǎng)水平的方法，如果施肥過(guò)量則會(huì)導(dǎo)致成本增加，污染環(huán)境；施肥過(guò)少則會(huì)導(dǎo)致植物缺乏養(yǎng)料，生長(zhǎng)發(fā)育不正常，從而導(dǎo)致收成受損[6]。

從以上可以看出，研究精確、高效、實(shí)時(shí)地監(jiān)測(cè)植物氮素含量的方法對(duì)于植物的生長(zhǎng)狀況監(jiān)測(cè)具有至關(guān)重要的意義?；诖?，很多學(xué)者提出不同條件下采用高光譜分析技術(shù)，提取植物氮素信息的方法。

目前作物氮素含量高遙感反演常采用的方法是基于高光譜敏感波段反射率或光譜植被指數(shù)的經(jīng)驗(yàn)統(tǒng)計(jì)關(guān)系法[7]。孔維平[8]等利用ASD地物光譜儀，獲取大豆葉片整個(gè)生理周期的高光譜數(shù)據(jù)，應(yīng)用一階微分光譜，衍生出基于光譜面積變量（A678-697）為自變量的冪函數(shù)模型，并以此為對(duì)照處理的大豆全氮最佳反演模型，該模型決定系數(shù)R2為0.81，EMSE和RE分別為0.33和7.59%。同時(shí)也衍生出基于光譜特征參數(shù)（A1605-1608-A1685-1709）為自變量，葉片全氮為因變量，決定系數(shù)R2為0.63，均方差（RMSE）分別為0.23和4.95%的模型。Feng等[8]發(fā)現(xiàn)將原始光譜進(jìn)行一階微分處理計(jì)算出紅邊區(qū)域的雙峰面積可增加其與冬小麥葉片全氮含量的相關(guān)性，Li等[9]使用前人研究提出的可見(jiàn)光波段光譜指數(shù)，基于偏最小二乘回歸方法對(duì)冬小麥葉片氮素含量進(jìn)行了估測(cè)。Fava等[10]使用ASD地物光譜儀對(duì)地中海地區(qū)草地的光譜進(jìn)行采集，發(fā)現(xiàn)近紅外波段775-820 nm和紅邊位置附近波段740-770 nm的比值植被指數(shù)與草地的氮素濃度有較好的相關(guān)性。陳書琳 [11]等在不同接菌處理?xiàng)l件下，對(duì)大豆葉片全氮含量做了相關(guān)性分析，并采用地物光譜儀，獲取大豆成熟發(fā)育時(shí)期的高光譜數(shù)據(jù)，利用原始光譜，衍生出基于光譜位置的分析方法，以688nm和503nm處反射率的差值作為自變量，葉片全氮（TN）含量為因變量，分析結(jié)果表明：全氮含量與TN含量呈顯著的正相關(guān)（R=0.8723**，n=39）， 其模型決定系數(shù)R2為0.559，EMSE為0.669。

由此可見(jiàn)，利用高光譜的反射特征以及衍生出的特征參數(shù)可以實(shí)時(shí)、動(dòng)態(tài)、高效地監(jiān)測(cè)植物的氮素含量。

3.2 葉綠素測(cè)定

葉綠素可吸收光能，在植物進(jìn)行光合作用的過(guò)程中必不可少，同時(shí)也是光合作用能力、植物生長(zhǎng)發(fā)育階段的指數(shù)器[12-13]。目前國(guó)內(nèi)外研究人員針對(duì)高光譜遙感診斷葉綠素含量開(kāi)展了大量研究。

房賢一[14]以蒙陰縣果園的蘋果樹(shù)為試驗(yàn)材料，連續(xù) 2 年測(cè)定了蘋果冠層光譜反射率和冠層葉綠素含量，分析了冠層葉綠素含量與光譜反射率之間的相關(guān)關(guān)系，并計(jì)算了 400～1000nm 任意兩波段組合而成的 RVI、DVI、NDVI 和 RDVI，分析了它們與冠層葉綠素含量的關(guān)系，以逐步回歸分析做比較，建立了蘋果冠層葉綠素含量監(jiān)測(cè)模型。建立蘋果冠層葉綠素含量及冠層光譜特征參量間的定量關(guān)系模型，以促進(jìn)高光譜技術(shù)在蘋果樹(shù)精準(zhǔn)施肥以及快速、無(wú)損長(zhǎng)勢(shì)監(jiān)測(cè)中的應(yīng)用發(fā)展，結(jié)果表明我們采用多元逐步回歸方法建立起來(lái)的模型的蘋果冠層葉綠素含量監(jiān)測(cè)效果較好。Moran等[15]研究表明葉綠素含量與波段700 nm附近的光譜反射率有很好的相關(guān)性，潘蓓[16]等利用ASD Fieldspec3 光譜儀，測(cè)定春梢停止生長(zhǎng)期蘋果冠層高光譜反射特性，對(duì)原始光譜進(jìn)行一階微分處理，與蘋果葉綠素含量進(jìn)行相關(guān)性分析以尋找與葉綠素含量相關(guān)性強(qiáng)的敏感波段，通過(guò)分析敏感區(qū)域400～1350nm范圍內(nèi)所有兩波段組合的植被指數(shù)，選擇最佳植被指數(shù)并建立蘋果冠層葉綠素含量估測(cè)模型。結(jié)果表明：①蘋果冠層葉綠素含量的敏感波段區(qū)域?yàn)?00～1350nm。②利用篩選得到的植被指數(shù)CCI（D794/D763）構(gòu)建的估測(cè)模型能較好地估測(cè)蘋果冠層葉綠素含量。③以CCI（D794/D763）指數(shù)為自變量的估測(cè)模型CCC=6.409+1.89R3+1.587R2-7.779R的預(yù)測(cè)效果最佳。因此，利用高光譜遙感技術(shù)能夠快速、精確地對(duì)蘋果冠層葉綠素含量進(jìn)行定量化反演，為監(jiān)測(cè)蘋果生長(zhǎng)特性提供理論依據(jù)。

另外孫江濤[17]等探究利用高光譜遙感技術(shù)來(lái)監(jiān)測(cè)不同施磷水平下接種菌根對(duì)植物生長(zhǎng)的影響規(guī)律，通過(guò)高光譜掃描實(shí)驗(yàn)以及室內(nèi)樣品化驗(yàn)，獲得4個(gè)不同施磷水平狀況下玉米的高光譜反射率、葉片的葉綠素含量、植株生物量等數(shù)據(jù)。對(duì)高光譜數(shù)據(jù)進(jìn)行導(dǎo)數(shù)光譜計(jì)算和連續(xù)統(tǒng)去除處理，得到以不同玉米葉綠素含量差異的光譜特征參數(shù)為自變量，以葉綠素含量為因變量的線性或非線性回歸模型，接菌處理玉米葉綠素含量所有的反演模型中，以REP為變量構(gòu)建的線性模型具有較高的擬合精度和反演效果，檢驗(yàn)決定系數(shù)R2為0.753，對(duì)照處理的玉米葉綠素含量的所有反演模型中，以RG為變量構(gòu)建的指數(shù)模型的擬合度最高達(dá)0.927，檢驗(yàn)決定系數(shù)為0.834.吉海彥[18]等使用ASD便攜式光譜儀和LI-COR 1800型積分球，在350-1 650nm的光譜范圍內(nèi)，測(cè)量冬小麥葉片在不同生長(zhǎng)期的反射光譜，用偏最小二乘方法建立了冬小麥葉片葉綠素含量與反射光譜的定量分析模型。在400～750nm的光譜范圍，建立了葉綠素含量與反射光譜的模型，結(jié)果顯示葉綠素的預(yù)測(cè)值與真實(shí)值的相關(guān)系數(shù)為01898，相對(duì)標(biāo)準(zhǔn)偏差為1316%。在光譜范圍為1400～1600nm的農(nóng)業(yè)生產(chǎn)中，這些結(jié)果是非常令人滿意的。

3.3 水含量

葉片含水量是反映作物生理特性的一個(gè)重要參數(shù)，含水量的變化會(huì)影響作物對(duì)氮的利用以及葉片碳交換速率，從而影響碳循環(huán)和能量收支，以及作物產(chǎn)量。因此，選擇適宜的

含水量反演指標(biāo)評(píng)估旱情的發(fā)生、發(fā)展和變化情況，對(duì)進(jìn)行相應(yīng)的抗旱準(zhǔn)備和采取及時(shí)的抗旱措施具有重要的指導(dǎo)作用。

Inoue等[19]研究發(fā)現(xiàn)大氣對(duì)近紅外水分吸收波段影響較大，因此不適合在高空遙感中用于評(píng)估植被的水分情況；在野外光譜采集中要充分考慮大氣中水汽的影響，選擇晴朗、能見(jiàn)度高且大氣比較干燥的天氣，以減少水汽對(duì)波段1450 nm處水分吸收峰的影響。Pietro等[20]提出全球植被營(yíng)養(yǎng)指數(shù)GVMI，使得相對(duì)含水量的反演從局部擴(kuò)展到了整體；另外王紀(jì)華[21]等應(yīng)用地物光譜儀探討了小麥葉片含水量對(duì)近紅外（NIR）波段光譜吸收特征參量的影響，結(jié)果表明： 1165～1185nm間的光譜反射率與小麥葉片的含水量呈顯著負(fù)相關(guān)，而且該波段在大氣窗口之內(nèi)，受大氣層水的干擾較小，可作為航空或衛(wèi)星遙感探測(cè)指標(biāo)應(yīng)用。由此根據(jù)大量觀測(cè)數(shù)據(jù)建立了葉片含水量與吸收深度及吸收面積間的線性相關(guān)關(guān)系和回歸方程式，從而提出一種利用光譜反射率診斷小麥葉片水分狀況的遙感方法。

4 結(jié)語(yǔ)

高光譜遙感憑借其充分利用地物光譜特征的特點(diǎn)為農(nóng)作物研究提供了新的平臺(tái)[22]，與傳統(tǒng)的多光譜遙感或?qū)挷ǘ芜b感相比，高光譜遙感不僅能比較真實(shí)全面地反映各類植被的光譜特征及其差異，還能實(shí)現(xiàn)對(duì)某些植被生化參數(shù)的定量測(cè)定。因此，可以運(yùn)用高光譜遙感技術(shù)進(jìn)行低耗、高效、實(shí)時(shí)、無(wú)損地植被生理參數(shù)監(jiān)測(cè)，從而實(shí)現(xiàn)對(duì)植物生長(zhǎng)狀況的監(jiān)測(cè)和評(píng)估。

應(yīng)用高光譜遙感技術(shù)可以監(jiān)測(cè)植物的氮含量、葉綠素含量、水含量，清晰地了解植物的生理參數(shù)，為判斷植物的生長(zhǎng)狀況提供參考，并為農(nóng)業(yè)生產(chǎn)進(jìn)行定量施肥提供依據(jù)。

【參考文獻(xiàn)】

【1】程一松，胡春勝等.氮素脅迫下的冬小麥高光譜特征提取與分析[J].資源科學(xué)，2003，25（1）：86-93.

【2】馮先偉，陳曦等.水分脅迫條件下棉花生理變化及其高光譜相應(yīng)分析[J].干旱區(qū)地理，2004，27（2）：250-255.

【3】楊吉龍，李家存等.高光譜分辨率遙感在植被監(jiān)測(cè)中的應(yīng)用綜述[J].世界地質(zhì)，2001，20（3）：307-312.

【4】孔維平.干旱脅迫下接種菌根大豆生化參數(shù)高光譜反演研究[D]. 北京：中國(guó)礦業(yè)大學(xué)（北京）測(cè)繪與土地利用系，2015.

【5】余海洋.[高光譜遙感對(duì)微生物復(fù)墾植物及土壤理化參數(shù)的反演特性研究[D]. 北京：中國(guó)礦業(yè)大學(xué)（北京），2016.

【6】馮偉，朱艷等.小麥氮素積累動(dòng)態(tài)的高光譜監(jiān)測(cè)[J].中國(guó)農(nóng)業(yè)科學(xué)，2008，41（7）：1937-1946.

【7】趙春江.農(nóng)業(yè)遙感研究與應(yīng)用進(jìn)展[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2014（12）：277-293.

【8】Feng W， Guo B B， Wang Z J， et al. Measuring leaf nitrogen concentration in winter wheat using double-peak spectral reflection remote sensing data[J]. Field Crops Research， 2014， 159： 43-52.

【9】Li F， Mistele B， Hu Y， et al. Reflectance estimation of canopy nitrogen content in winter wheat using optimised hyperspectral spectral indices and partial least squares regression[J]. European Journal of Agronomy， 2014， 52： 198-209.

【10】Fava F，Colombo R， Bocchi S， et al. Identification of hyperspectral vegetation indices for mediterranean pasture characterization[J]. International Journal of Applied Earth Observation and Geoinformation，2009， 11（4）： 233.

【11】陳書琳. 微生物復(fù)墾中植物及土壤理化參數(shù)的高光譜反演研究[D]. 北京：中國(guó)礦業(yè)大學(xué)（北京），2014.

【12】Collins W. Remote sensing of crop type and maturity[J]. Photogrammetric Engineering and Remote Sensing，1978.

【13】Steven M D， Clark J A. High spectral resolution indices for crop[A]. In application of remote sensing in agriculture[C].1990.

【14】房賢一，朱西存，等.基于高光譜的蘋果盛果期冠層葉綠素含量監(jiān)測(cè)研究[J].中國(guó)農(nóng)業(yè)科學(xué)，2013，46（16）：3504-3513.

【15】Moran JA， Mitchell AK， Goodmanson G， et al. Differentiation among effects of nitrogen fertilization treatments on conifer seedlings by foliar reflectance： a comparison of methods[J]. Tree Physoil， 2000， 20（16）：1113-1120.

【16】潘蓓，趙庚星.利用高光譜植被指數(shù)估測(cè)蘋果樹(shù)冠層葉綠素含量[J].光譜學(xué)與光譜分析，2013，8（33）：2203-2206.

【17】畢銀麗，孫江濤，等.不同施磷水平下接種菌根玉米營(yíng)養(yǎng)狀況及光譜特征分析[J].煤炭學(xué)報(bào)，2016，41（5）：1227-1235.

【18】吉海彥，王鵬新.冬小麥活體葉片葉綠素和水分含量與反射光譜的模型建立[J].光譜學(xué)與光譜分析，2007，3（3）：514-516.

【19】Inoue， Y， Morinaga S， Shibayama M. Non-destructive estimation of water status of intact crop leaves based on spectral reflectance measurements[J]. Japanese Journal of Crop Science， 1993， 62： 462-469.

【20】Pietro Ceccato， Stephane Flasse， Stefano Tarantola， et al. Detecting vegetation leaf water content using reflectance in the optical domain[J]. Remote Sensing of Environment， 2001， 77：22-23.

【21】王紀(jì)華，趙春江.利用遙感方法診斷小麥葉片含水量的研究[J].華北農(nóng)學(xué)報(bào)，2000，15（4）：68-72.

【22】賀可勛，趙書河，等.水分脅迫對(duì)小麥光譜紅邊參數(shù)和產(chǎn)量變化的影響[J].光譜學(xué)與光譜分析，2013，33（8）：2143-2147.