胡杨森林群落是南疆荒漠地带独特的森林生态系统,具有调节气候、防风固沙、阻止沙漠外延北侵、稳定河道、维持荒漠区生态平衡的重要功能,是维系塔里木河流域荒漠生态系统的主体[1]; 而叶绿素是广泛存在于绿色植物中的最主要色素,是光合作用的捕光物质,在光合作用中发挥着重要的生理功能[2]; 因此,快速准确地估测植物体内叶绿素含量,可以提供植物与环境有直接关系的重要信息,并对植物长势监测及植物营养诊断有着极其重要的意义[3].
随着遥感技术的发展,方便获取不同时间和空间尺度的植被冠层光谱信息成为可能[4]; 因此,高光谱技术已经在植物叶绿素含量动态监测方面得到了广泛的应用.Horler 等研究了植被光谱反射率与叶绿素含量的相关关系,结果表明红边位置在植被叶绿素浓度估算中起很重要的作用[5]; Curran 等研究表明光谱红边位置对植被冠层的叶绿素浓度最为敏感[6].Madeira 等研究了叶片、冠层光谱反射率与色素含量的相关性,提出光谱反射率可以作为估测叶绿素含量的有效手段[7]; 周兰萍等利用高光谱研究了荒漠植物光谱特征,表明荒漠植物由于其叶片的色素含量、含水量和组织结构不同,反射率具有各自不同的特点[8];闻建光等建立了基于高光谱数据提取水体叶绿素 a 浓度的混合光谱模型[9]; 姚付启等建立了基于红边参数的植被叶绿素含量高光谱估算模型[10]; 韩立妹等进行了水体叶绿素 a 的遥感监测研究,结果表明R705nm/ R680nm光谱反射率比值、696nm 反射率一阶微分与叶绿素 a 浓度显着相关[11].
综上所述,国内外学者利用高光谱数据对植被叶绿素浓度的反演研究主要集中在玉米、小麦等农作物、水体藻类等植被[12 -15],而对于胡杨叶片叶绿素遥感建模研究还鲜见报道,因此,文中利用光谱反射率数据构建的高光谱指数与胡杨叶片的叶绿素浓度进行一元及多元回归分析,建立胡杨叶片叶绿素含量的高光谱估测模型,从而探索一种胡杨叶绿素浓度监测的新方法,为胡杨生理状态与健康状况的评价提供理论基础,也为天然胡杨林保育、管理提供科学依据.
1 材料与方法
1. 1 研究区概况
研究区选择新疆阿瓦提县艾买却克墩镇天然胡杨林保护区,其位于塔里木河流域上游源流区的叶尔羌河下游,东经 80°19'54. 71″ ~ 80°24'13. 10″和北纬 40°15'53. 72″ ~ 40°18'23. 13″之间.研究区属暖温带大陆性干旱气候,干旱少雨,蒸发量大,年降水量稀少,寒暑变化剧烈.其两岸分布着不同龄级的天然胡杨,林下植被主要是柽柳、甘草、芦苇等.样区结合 Rapideye 遥感影像,建立了 30块监测样地,样地大小为 30m × 30m( 图 1) ,用 GPS 对样地进行准确定位.
1. 2 研究方法
1. 2. 1 光谱数据采集
本研究采用 ISI921VF - 512 地物光谱辐射计对胡杨叶片的光谱反射率进行测量; 光谱仪的波段范围为 392. 53 ~1095. 3nm,共 512 个波段,光谱采样间隔为 1. 4nm,光谱分辨率为 3. 5nm,视场角为 2. 5°; 外业测量时间选择在 12:00 ~16:00 之间,每个月采集 90 个样品,每次记录 5 条采样光谱,以其平均值作为一个样品的光谱反射值.
1. 2. 2 叶绿素含量测定
根据 Daniel A. Sims and John A. Gamon( 2002) 的方法[16],用丙酮 - Tris 缓冲液( 体积比为 80:20) 作为叶绿素的浸提剂,采用分光光度法测定,计算叶绿素 a、叶绿素 b 的浓度:
叶绿素 a( chla) =0. 01373A663- 0. 000897A537- 0. 003046A647
叶绿素 b( chlb) =0. 02405A647- 0. 004305A537- 0. 005507A663
式中的 Ax表示在波长 Xnm 时用 1cm 的比色杯测量的浸提液的吸光度值.chla,chlb 分别表示浸提液中叶绿素 a 和叶绿素 b 的摩尔浓度,单位是 μmolml- 1.叶绿素含量的单位表示为: 单位叶片鲜重的叶绿素含量( mg/g Fw) .
1. 2. 3 高光谱指数的计算
以叶绿素浓度为自变量,高光谱指数为因变量进行回归分析建立预测模型,从而定量反演叶绿素浓度( 表 1) .
1. 2. 4 数据分析
数据分析采用 EXCEL2003 和 SPSS17 进行.
2 结果与分析
2. 1 胡杨叶片叶绿素含量与高光谱指数的一元线性关系
以鲜重叶绿素 a,b,a + b 浓度为自变量,表1 中高光谱指数为因变量进行线性回归分析.由表 2 可以看出: 鲜重叶绿素 a、b、a + b 含量与所有植被指数、红边指数 1、结构不敏感色素指数、植被衰减指数、类胡萝卜素反射指数 2以及花青素反射指数 1 的一元线性相关性均达到极显着水平,其中相关系数最大的是红边归一化植被指数( NDVI705) ,分别达到了 0. 6529,0.5327,0. 6006.
2. 2 胡杨叶绿素浓度与高光谱指数的多元线性关系
植物叶片中各种生化物质对应特定的光谱吸收特征,这是进行波段选择的基本依据.但这些生化成分混合在一起,使得彼此间削弱或加强各自的吸收特征[18].因此,估测某一生化成分时只用单一波段是不够的,需要进行波段选择和重组,选用多元回归分析是最好的方法之一[19].
多元线性回归方程的一般形式为: y = β0+ β1x1+ β2x2+ … + βkxk ( 1)
式中: y 代表叶绿素含量,xk代表第 k 个高光谱指数,βk代表回归系数.
由表 3 可知: 叶绿素浓度与高光谱指数之间的多元回归模型的拟合相关系数 r 值均比一元回归模型大,因此,可选择其作为胡杨叶绿素浓度的估算模型.
2. 3 模型精度评价
文中采用均方根误差( RMSE) 来进行模型精度的评价.
式中: yi表示实测值,y'i表示预测值,n 为样本数.
由图 3 可知在叶绿素浓度多元线性估算模型里,叶绿素 a、b、a + b 估算模型的拟合 R 值与预测 R 值均大于 0. 6,且均具有较小的 RMSE 值; 其中又以叶绿素 a + b 浓度的估算模型最优,其拟合 R 值、预测 R值及 RMSE 分别为 0. 7225、0. 6933 和 0. 1679.总体来说,多元线性回归模型优于一元线性回归模型.
3 讨论
文中建立的天然胡杨叶绿素浓度的估测模型,总体效果较为理想,为大面积反演天然胡杨的叶绿素浓度提供了理论基础.基于高光谱数据叶绿素的建模,一般通过相关分析确定适于反演天然胡杨叶绿素含量的光谱波段和植被指数; 然后采用统计学方法构建叶绿素浓度高光谱估算模型; 方法有单变量线性与非线性拟合模型和逐步回归分析、归一化反射率法、一阶微分法、反射比法、多元回归法、主成分分析和偏最小二乘回归分析、高光谱指数等构建方法; 而模型精度提高必须使得高光谱数据与天然胡杨叶绿素浓度之间的决定系数 R2在一定范围内,这就需要提高光谱数据质量,尽量减少外界因素对光谱数据影响,同时找到适合的方法构建模型,以此提高模型的精度.
4 结论
文中选择新疆阿瓦提县天然胡杨林保护区为研究区,采用 ISI921VF -512 野外地物光谱辐射计实地测量了胡杨生长季节 6 月至 10 月每月塔里木河上游天然胡杨叶片 393 -1095nm 可见 - 近红外波段反射率数据,并分析了胡杨叶片叶绿素含量,通过回归分析建立了胡杨叶片叶绿素含量与高光谱指数一元线性模型和多元线性回归模型,结果表明:
( 1) 一元线性模型中,鲜重叶绿素 a,b,a + b 含量与高光谱指数 NDVI705 的相关性均极显着,且在十三个模型中相关系数 R 值最大.
( 2) 利用胡杨叶片叶绿素浓度与高光谱指数建立的多元回归模型中,相关系数 R 值均大于一元线性回归模型,可作为胡杨叶绿素浓度的估算模型.
参考文献
[1]刘普幸. 疏勒河中下游绿洲胡杨种群结构与动态研究[J]. 自然资源学报,2011,26( 3) : 429 -439.
[2]许丹,伍维模,王家强,等. 塔里木河流域上游天然胡杨叶片叶绿素与可见光 - 近红外光谱反射率的相关性研究[J]. 塔里木大学学报,2012,24( 4) : 53 -59.
[3]梁爽,赵庚星,朱西存. 苹果树叶片叶绿素含量高光谱估测模型研究[J]. 光谱学与光谱分析,2012,32( 5) : 1367 -1370.
[4]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) : 3003 -3006.
[5]Horler D N H,Barber J,Barringer A R. Effects of heavy metals on the absorbance and reflectance spectra of plants[J]. International Journal ofRemote Sensing,1980,1( 2) : 121 - 136.
[6]Curran P J,Dungan J L,Gholz H L. Exploring the relationship between reflectance red edge and chlorophyll content in slash pine[J]. TreePhysiology,1990,7: 33 - 38.
[7]Madeira A C,Mendonca A,Ferreira M E,et al. Relationship between spectroradiometric and chlorophyll measurements in green beans communi-cation[J]. Soil Science and Plant Analysis,2000,31( 5 - 6) : 631 - 643.
[8]周兰萍,魏怀东,丁峰,等. 石羊河流域下游民勤荒漠植物光谱特征分析[J]. 干旱区资源与环境,2013,27( 3) : 121 -125.
[9]闻建光,肖青,杨一鹏,等. 基于高光谱数据提取水体叶绿素 a 浓度的混合光谱模型[J]. 水科学进展,2007,18( 2) : 270 -276.
[10]姚付启,张振华,杨润亚,等. 基于红边参数的植被叶绿素含量高光谱估算模型[J]. 农业工程学报,2009,25( 2) : 123 -129.
[11]韩立妹,肖捷颖,王宇游,等. 北方典型水库型水源地水体叶绿素 a 含量遥感监测研究[J]. 中国生态农业学报,2012,20( 9) : 1243 -1247.
[12]Broge N H,Mortensen J V. Deriving green crop area index and canopy chlorophyll density of winter wheat from spectral reflectance data[J].Remote Sensing of Environment,2002,81( 1) : 45 - 57.
[13]王磊,白由路. 不同氮处理春玉米叶片光谱反射率与叶片全氮和叶绿素含量的相关研究[J]. 中国农业科学,2005,38( 11) : 2268 -2276.
[14]杨峰,范亚民,李建龙,等. 高光谱数据估测稻麦叶面积指数和叶绿素密度[J]. 农业工程学报,2010,26( 2) : 237 -243.
[15]王超,冯美臣,王君杰,等. 基于光谱遥感的冬小麦籽粒淀粉积累量的监测[J]. 中国生态农业学报,2013,21( 4) : 440 -447.
[16]Sims D A,Gamon J A. Relationship between leaf pigment content and spectral reflectance across a wide range of species,leaf structure and de-velopment stages[J]. Remote Sensing,2002,81: 337 - 354.
[17]童庆禧,张兵,郑兰芬. 高光谱遥感的多学科应用[M]. 北京: 电子工业出版社,2006: 196.
[18]张永贺,陈文惠,郭乔影,张清林. 桉树叶片光合色素含量高光谱估算模型[J]. 生态学报,2013,33( 3) : 876 -887.
[19]张学治,郑国清,戴廷波,李国强,胡峰. 基于冠层反射光谱的夏玉米叶片色素含量估算模型研究[J]. 玉米科学,2010,18( 6) : 55 -60.
