王藝恒， 孫 昆， 溫 喆， 鎖應(yīng)博， 張 曲， 王戈戎， 魏進(jìn)華*

1. 北華大學(xué)林學(xué)院， 吉林 吉林 132013

2. 武漢大學(xué)測繪遙感信息工程國家重點(diǎn)實(shí)驗(yàn)室， 湖北 武漢 430072

引 言

赤松(PinusdensifloraSieb. et Zucc.)、 紅松(PinuskoraiensisSieb. et Zucc.)、 油松(PinustabulaeformisCarr.)、 北美短葉松(PinusbanksianaLamb)、 樟子松(Pinussylvestrisvar.mongolicaLitv.)松科松屬針葉常綠喬木， 作為東北冬季為數(shù)不多的常綠樹種， 不僅為北方寒冷的冬天增添一抹綠色， 且還具有重要的生態(tài)作用。 葉片色素含量是研究植物生理代謝、 抗逆性、 觀賞特性評價(jià)研究的重要評價(jià)指標(biāo)[1-2]。

傳統(tǒng)測定色素的方法過程繁瑣且誤差較大， 因此， 有學(xué)者探究色素與色相參數(shù)的相關(guān)性， 通過葉色參數(shù)預(yù)估色素含量并建立最優(yōu)模型[3-5]， 目前， 將色彩參數(shù)值、 光譜參數(shù)值分別作為自變量預(yù)估色素含量而建立模型并對比選出最優(yōu)擬合模型應(yīng)用于實(shí)踐， 還未見報(bào)道。 光譜成像受植被的色素含量、 內(nèi)部結(jié)構(gòu)、 生化物質(zhì)等的影響， 光譜技術(shù)分析可提供鮮葉中化合物快速以及非破壞性原位測定[6-7]。 因此， 光譜成像技術(shù)廣泛應(yīng)用于植被生態(tài)遙感監(jiān)測[8-9]、 植物理化參數(shù)無損傷測定[10]等領(lǐng)域的研究。 本工作利用紫外-可見分光光度儀、 色彩色差計(jì)、 高光譜相機(jī)獲取5種松屬植物針葉色素含量、 色彩參數(shù)值、 光譜特征參數(shù)值， 對實(shí)測的針葉色彩參數(shù)值、 光譜參數(shù)值分別作為自變量與色素含量建立模型， 篩選出最優(yōu)模型的參數(shù)組合， 旨在為今后樹種色素測定提供高效無損傷的方法和理論支撐。

1 實(shí)驗(yàn)部分

1.1 研究地概況

試驗(yàn)區(qū)位于吉林市北華大學(xué)樹木園， 土壤為粘壤土。 地理位置為125°40′—127°56′E， 42°31′—44°40′N。 區(qū)內(nèi)屬溫帶大陸性季風(fēng)氣候， 年平均氣溫為3～5 ℃， 年降水量550～910 mm[11]。

1.2 樣品

選擇生長環(huán)境一致、 規(guī)格相近、 健康無病蟲害的赤松[胸徑(0.17±0.01) m、 冠幅(4.23±0.24) m]、 紅松[胸徑(0.16±0.02) m、 冠幅(4.28±0.26)m]、 油松[胸徑(0.17±0.02) m、 冠幅(4.39±0.04)m]、 北美短葉松[胸徑(0.19±0.04)m、 冠幅(4.53±0.17)m]、 樟子松[胸徑(0.19±0.03) m、 冠幅(4.93±0.15) m]各9株為試驗(yàn)材料， 10月從東西南北4個(gè)方向采集樣品， 每個(gè)方向分別從植株上、 中、 下采集10束針葉混合均勻作為1組樣品， 每株樹取樣4組， 共180組樣品。

1.3 方法

1.3.1 針葉色素含量的測定

參照李合生[12]的分光光度計(jì)法， 利用紫外-可見分光光度儀測定葉綠素、 類胡蘿卜素和花青素含量。 針葉質(zhì)量為0.3 g， 提取液體體積為10 mL。

1.3.2 針葉色彩參數(shù)值的測定

運(yùn)用色彩色差儀(CHROMAMETER CR_410)測定針葉的L(明亮度)、a*(紅綠比)、b*(黃藍(lán)比)值， 并計(jì)算出飽和度c(c=(a*2+b*2)1/2)、 色光值S(S=2 000×(a*/L)×(a*2+b*2)1/2)。

1.3.3 光譜采集

取5種樹種不同方向的健康針葉用水沖洗， 并用濾紙吸干。 用芬蘭SPECIM手持智能型AISA高光譜相機(jī)進(jìn)行光譜測量， 該光譜相機(jī)波長范圍為400～1 000 nm， 本研究只選取400～800 nm之間的波段進(jìn)行相關(guān)分析。

1.3.4 光譜數(shù)據(jù)微分處理

利用ENVI擴(kuò)展工具Savitzky-Golay濾波進(jìn)行平滑處理。 光譜一階微分計(jì)算公式

(1)

式(1)中， FDRλn為波段從n到n+1之間光譜一階微分，Rλn+1，Rλn分別為n+1，n處原始光譜反射率值，λn為單個(gè)波段， Δλ為1。

1.3.5 “三邊”參數(shù)以及植被指數(shù)計(jì)算方法

篩選11種高光譜特征參數(shù)作為本文光譜分析的基礎(chǔ)， 包括“三邊”幅值和面積、 綠峰和紅谷幅值(Rg、 Rr) 等8種“三邊”參數(shù)[13]和歸一化(NDVI)、 比值(RVI)以及差值(DVI)等3種植被指數(shù)[14]。

1.4 模型構(gòu)建與驗(yàn)證

針葉樹種色素含量與光譜反射率數(shù)據(jù)配套樣本數(shù)為180個(gè)， 用K折交叉驗(yàn)證法隨機(jī)選取144個(gè)樣本作為建模數(shù)據(jù)集， 剩下36個(gè)樣本為驗(yàn)證集。

2 結(jié)果與討論

2.1 樹種針葉色素含量特征

樹種之間紅松針葉各色素含量與其他4個(gè)樹種有極顯著差異(p<0.01)， 且含量均最高。 油松針葉各色素含量均顯著低于其他樹種(p<0.05)。 5個(gè)色素含量統(tǒng)計(jì)值詳見表1。

表1 針葉樹種色素含量統(tǒng)計(jì)描述

2.2 樹種針葉色彩參數(shù)特征、 光譜反射率曲線特征

北美短葉松色彩參數(shù)值L，a*，C，S值顯著高于其他4個(gè)樹種(p<0.01)； 而紅松針葉b*值含量明顯高于其他4個(gè)樹種， 呈極顯著關(guān)系(p<0.01)。 由于常綠針葉樹種針葉屬于同色系， 飽和度越大， 顏色越明亮， 因此， 明亮度L值、a*(紅綠比)、 飽和度c值、 色光值S值變化一致。

5種樹種針葉原始光譜反射率變化規(guī)律相似， 詳見圖1(a)。 在可見光波段500和680 nm附近形成“藍(lán)谷”和“紅谷”現(xiàn)象， 550 nm波段附近呈現(xiàn)“綠峰”現(xiàn)象。 光譜反射率在700～760 nm波段顯著上升， 并在760 nm附近呈現(xiàn)“紅邊”現(xiàn)象， 這是由于植物色素在不同波段強(qiáng)吸收所致。 這與字李等[15]研究結(jié)果一致， 與臧卓等[16]分析馬尾松(PinusmassonianaLamb.)和杉木(CunninghamialanceolataLamb.) Hook)色素和冠層光譜數(shù)據(jù)敏感波段的結(jié)論大體一致。

原始光譜進(jìn)行導(dǎo)數(shù)微分處理可以有效消除系統(tǒng)誤差， 降低反射、 散射等背景噪音對光譜的影響[17]。 由圖1(b)可見， 5種針葉樹種在700 nm附近的光譜反射率有明顯不同， 同時(shí)發(fā)現(xiàn)針葉光譜反射率與色彩參數(shù)值特征變化規(guī)律相似， 紅松光譜反射率、 色彩參數(shù)值L,a*,c,S顯著低于北美短葉松、 樟子松、 赤松(p<0.05)。

圖1 針葉樹種原始光譜曲線(a)和針葉樹種一階導(dǎo)數(shù)光譜曲線(b)

2.3 相關(guān)性分析

2.3.1 針葉色素含量與色彩參數(shù)值相關(guān)性

5個(gè)色素含量與色彩參數(shù)值L(明亮度)達(dá)到最大負(fù)相關(guān)， 相關(guān)系數(shù)為-0.620， -0.775， -0.752， -0.797， -0.830， 結(jié)果詳見表2。 這與Li[18]研究結(jié)果一致， 色素含量與色彩參數(shù)呈顯著負(fù)相關(guān)。

表2 針葉樹種色素含量與色彩參數(shù)相關(guān)性分析

2.3.2 針葉色素含量與光譜值相關(guān)性

由圖2可見， 5種樹種的色素含量與光譜反射率相關(guān)系數(shù)擬合曲線變化趨勢一致， 原始光譜反射率與色素含量在536～570， 702～723， 528～610， 693～732， 519～634和690～738 nm間呈現(xiàn)顯著負(fù)相關(guān)， 相關(guān)系數(shù)值在710～760 nm波段顯著上升， 在760 nm附近出現(xiàn)拐點(diǎn)并且相關(guān)系數(shù)變化平緩。 一階光譜反射率花青素在藍(lán)邊區(qū)域(490～530 nm)和513 nm波段處出現(xiàn)極值點(diǎn)， 而其余4個(gè)色素在黃邊區(qū)域(550～580 nm)和569 nm波段附近出現(xiàn)極值點(diǎn)。 色素在652 nm附近達(dá)到最大正相關(guān)； 在700 nm波段出現(xiàn)最大負(fù)相關(guān)。 Main等[19]表明基于紅邊導(dǎo)數(shù)光譜建立的指數(shù)用于估算葉片葉綠素含量適用性和穩(wěn)定性最好， 與本工作的紅邊參數(shù)與5種針葉色素含量具有極顯著相關(guān)性， 并參與擬合模型決定系數(shù)高的結(jié)論大體一致。 對5種色素含量與光譜反射率正負(fù)相關(guān)系數(shù)最大值(絕對值)及所在波長進(jìn)行統(tǒng)計(jì)， 詳見表3。

表3 樹種色素含量與光譜反射率相關(guān)系數(shù)

圖2 樹種原始光譜反射率與色素含量相關(guān)性分析(a)和一階光譜反射率與色素含量相關(guān)性分析(b)

樹種色素含量與光譜特征參數(shù)相關(guān)性分析結(jié)果詳見表4。

表4 樹種色素含量與光譜特征參數(shù)相關(guān)性分析

2.4 模型擬合及驗(yàn)證

只用單變量方法預(yù)估某一化學(xué)成分， 往往容易忽略某些重要信息， 常進(jìn)行多波段選擇和重組， 因此， 多元線性回歸是最好的方法之一[20]。 劉昕等[21]通過比較一元線性回歸、 多元線性逐步回歸和偏最小二乘法3種方法， 驗(yàn)證多元線性逐步回歸最適宜植物葉片蓋度預(yù)測模型。 為了更準(zhǔn)確地?cái)M合各個(gè)色素與色彩參數(shù)、 光譜參數(shù)模型， 選用多元線性逐步回歸分析方法， 由所有顯著相關(guān)的色彩參數(shù)、 光譜反射率建立線性預(yù)測函數(shù)模型。 方程式如式(2)

y=a0+a1X1+a2X2+…+anXn

(2)

式(2)中，y為色素含量估測值；an為第n個(gè)特征變量的系數(shù)；Xn為第n個(gè)特征變量，a0為常數(shù)。

2.4.1 葉片色素含量與色彩參數(shù)值、 光譜值模型擬合

將顯著相關(guān)的色彩參數(shù)視為自變量逐步代入與各色素含量進(jìn)行回歸方程模型擬合， 相關(guān)參數(shù)詳見表5。

表5 針葉樹種色素含量與色彩參數(shù)值模型擬合評價(jià)指標(biāo)

以色素含量為因變量， 以原始和一階微分的光譜反射率、 光譜特征參數(shù)與色素含量相關(guān)性最高波段的反射率為自變量， 選表3、 表4與色素含量相關(guān)性r值(絕對值)分別大于0.460， 0.620， 0.550， 0.620和0.620植被指數(shù)利用建模數(shù)據(jù)構(gòu)建模型， 相關(guān)擬合參數(shù)見表6。

表6 針葉樹種色素含量與光譜值模型擬合評價(jià)指標(biāo)

2.4.2 模型篩選與驗(yàn)證

對比色素含量與色彩參數(shù)值(表5)、 色素含量與光譜反射率(表6)擬合R、R2、 標(biāo)準(zhǔn)估計(jì)誤差、DW值選出擬合最優(yōu)模型， 其中花青素、 葉綠素分別以L，a*和L，a*，b*，S色彩參數(shù)組合為自變量時(shí)，R2最高； 而類胡蘿卜素、 葉綠素a、 葉綠素b都是以FD652， FD700， SDb， SDy， RVI， DVI， NDVI光譜參數(shù)組合為自變量時(shí)，R2最高模型最優(yōu)。 為了驗(yàn)證模型的穩(wěn)定性以及適應(yīng)性， 以R2， RMSE為評價(jià)指標(biāo)， 利用驗(yàn)證集對模型預(yù)測性能進(jìn)行驗(yàn)證， 結(jié)果見表7。

表7 最優(yōu)擬合模型及及精度驗(yàn)證

5種色素含量實(shí)測值與預(yù)測值擬合散點(diǎn)圖詳見圖3， 類胡蘿卜素、 葉綠素b和葉綠素a驗(yàn)證集R2達(dá)到0.76以上，表明模型的模擬效果較優(yōu)； 以色彩參數(shù)值為自變量的花青素、 葉綠素驗(yàn)證集R2分別為0.590、 0.636。

圖3 色素含量實(shí)測值與預(yù)測值擬合散點(diǎn)圖

2.5 誤差項(xiàng)模型檢驗(yàn)

為了避免某些因素隨著色素含量實(shí)測變化而對回歸模型結(jié)果產(chǎn)生不同影響， 導(dǎo)致預(yù)估結(jié)果出現(xiàn)誤差， 用誤差項(xiàng)正態(tài)性檢驗(yàn)方法和Durbin-Wastson檢驗(yàn)。 模型殘差獨(dú)立性檢驗(yàn)DW檢驗(yàn)表達(dá)式為式(3)

(3)

式(3)中，εi為第i期的殘差，εi-1為第i-1期的殘差， ∑是對i從第2期到第i期的求和。

對表7進(jìn)行誤差項(xiàng)檢驗(yàn)， 從標(biāo)準(zhǔn)殘差直方圖和標(biāo)準(zhǔn)化殘差p-p圖看出(見圖4)， 5個(gè)模型正態(tài)分布曲線中心軸兩側(cè)幾乎接近對稱， 散點(diǎn)都在斜線附近。 查閱Durbin-Watson分布表， 各色素含量的DW值均出現(xiàn)無自相關(guān)值域中， 認(rèn)定殘差獨(dú)立， 通過檢驗(yàn)。

圖4 最優(yōu)模型標(biāo)準(zhǔn)殘差直方圖和標(biāo)準(zhǔn)化殘差p-p圖

3 結(jié) 論

(1)樹種間針葉色素含量、 色相參數(shù)值、 光譜反射率均存在規(guī)律性， 紅松光譜反射率、 色彩參數(shù)值L，a*，c,S均顯著低于北美短葉松、 樟子松、 赤松(p<0.05)； 而紅松色彩參數(shù)值b*、 色素含量值最高。

(2)針葉色素含量與色彩參數(shù)、 光譜參數(shù)等均存在顯著相關(guān)性， 色素含量與一階微分光譜反射率相關(guān)性高于原始光譜； 色素含量與色彩參數(shù)值L呈現(xiàn)最大負(fù)相關(guān)。

(3)針葉類胡蘿卜素、 葉綠素a、 葉綠素b含量都是以FD652、 FD700、 SDb、 SDy、 RVI、 DVI、 NDVI光譜參數(shù)組合為自變量時(shí)模型最優(yōu)， 決定系數(shù)R2均高于0.774， 而花青素、 葉綠素含量分別以L，a*和L，a*，b*，S色彩參數(shù)組合為自變量時(shí)構(gòu)建模型最優(yōu)， 決定系數(shù)R2介于0.588和0.638之間。

(4)運(yùn)用高光譜技術(shù)和色彩色差技術(shù)可以實(shí)現(xiàn)高通量快速測定東北5種常見松屬樹種葉片中花青素、 類胡蘿卜素、 葉綠素含量， 對比以色彩參數(shù)值、 光譜參數(shù)值為自變量時(shí)與色素含量分別建立模型， 成功篩選出擬合模型精度最高的參數(shù)組合。 在今后針葉樹種色素預(yù)估可以通過高光譜遙感為大尺度機(jī)載星載提供科研指導(dǎo)， 而小樣本小數(shù)據(jù)用色彩參數(shù)值預(yù)估即可。 本研究為針葉樹種的葉色性狀測定提供了無損傷、 高效便捷的方法和理論支撐。