植被指數方法估算冬小麥冠層葉綠素含量的角度效應研究

何 宇 航，周 賢 鋒*，張 競 成，張 垚，陳 冬 梅，吳 開 華，黃 文 江，孔 維 平，徐 俊 鋒

(1.杭州電子科技大學人工智能學院，浙江 杭州310018；2.中國科學院空天信息創新研究院，數字地球重點實驗室，北京 100094；3.中國科學院空天信息創新研究院，定量遙感信息技術重點實驗室，北京 100094；4.杭州師范大學遙感與地球科學研究院，浙江 杭州 310018)

0 引言

葉綠素是光合作用重要的天然色素，具有吸收和傳遞光能的作用，也是表征作物長勢狀況的重要指標，其含量變化直接影響光合作用和初級生產力等生態過程[1]，且與作物脅迫狀況、衰老過程及氮素營養直接相關[2]。因此，定量分析作物葉綠素含量對于監測作物營養狀況、指導作物精準施肥以及評估作物產量狀況具有重要研究意義。由于葉綠素在可見光波段具有顯著吸收特征，故可利用反射光譜分析方法和遙感技術進行作物葉綠素含量無損估算。通常，作物葉綠素含量可從葉片和冠層兩種尺度進行估算，作物冠層葉綠素含量表征單位土地面積葉綠素含量，是反映作物群體光合作用強弱、長勢狀況的重要參量[3]。許多學者針對作物葉綠素含量反演方法開展了大量研究工作，以期提高其估算精度[2,4-6]，其中，半經驗性植被指數方法由于操作簡單、靈活，應用廣泛。例如，Gitelson等[7，8]提出紅邊歸一化植被指數(Normalized Difference Red-Edge，ND705)和紅邊比值指數(Simple Ratio Red-Edge，SR705)，用于精確估算葉綠素含量，并基于三波段概念模型構建綠波段葉綠素植被指數(Green Chlorophyll Index，CIgreen)和紅邊波段葉綠素植被指數(Red-Edge Chlorophyll Index，CIred-edge)估算植被冠層葉綠素含量；Vincini 等[9]利用哨兵2號多光譜遙感模擬數據估算冬小麥冠層葉綠素含量，發現紅邊拐點參數(Red-Edge Inflection Point，REP)估算結果精度較高。

上述研究多基于傳統垂直觀測技術獲取遙感數據，在傳感器獲取反射光譜數據過程中，光源與傳感器觀測幾何特性可能會影響作物冠層反射率數據對觀測參數的敏感性。研究表明，相比傳統垂直探測，多角度觀測技術有助于提高作物理化參數反演精度[10,11]。例如：Stagakis等[12]研究發現，較大觀測角度下窄波段植被指數反演灌木生化組分參數精度更佳；Inoue等[13]研究發現，灌溉稻田多角度觀測光譜數據與光合效率相關性更強；Dorigo[10]研究表明，衛星多角度遙感數據可提高葉綠素含量估算精度；He 等[14]基于實測多角度冬小麥數據分析植被指數與葉片氮濃度關系，并提出角度不敏感植被指數(Angular Insensitivity Vegetation Index，AIVI)，用于多角度光譜數據精確估算冬小麥葉片氮濃度。受植被冠層結構和組成特性、背景和陰影、光源角度及傳感器觀測角度等影響，由多角度遙感數據計算得到的植被指數往往存在一定的角度效應，從而影響植被指數與目標參量之間的關系[15,16]，如觀測天頂角較大時，歸一化差值植被指數(Normalized Difference Vegetation Index，NDVI)的數值比垂直觀測時大[17]。Verrelst 等[18]研究發現，基于多角度衛星遙感數據的植被指數表現出顯著不同的角度效應特征。目前關于角度效應對植被指數估算葉綠素含量的影響研究鮮有報道，因此，本文結合模擬數據和實測多角度遙感數據，研究角度效應(觀測天頂角和太陽天頂角變化)對植被指數方法估算不同葉傾角株型冬小麥冠層葉綠素含量的影響，以期為相關研究提供方法參考。

1 研究數據與方法

1.1 實測數據獲取

為研究多角度觀測對冬小麥冠層葉綠素含量估算的影響，本文采用2007年于北京市昌平區小湯山國家精準農業示范研究基地(40°10.6′N，116°26.3′E)獲取的冬小麥多角度遙感數據集作為實驗數據。觀測的冬小麥包括3種直立型(萊州3279、I-93、J411)、3種中間型(超越66、京旺10、JD8)及3種披散型(臨抗2、9428、9507)共9個品種，各品種播種密度為3×106株/hm2，間距25 cm，各品種種植小區面積為45 m×10.8 m，各小區執行正常田間水肥管理。觀測實驗貫穿冬小麥主要生育期，包括拔節初期(4月4日)、拔節晚期(4月17日)、孕穗期(4月28日)、抽穗期(5月9日)、開花期(5月18日)和灌漿期(5月29日)，共獲取52個調查樣本點數據。

1.1.1 多角度光譜測量 選取1 m × 1 m長勢均勻的冬小麥區域開展冠層光譜測試。冠層多角度光譜采用ASD Field Spec 3(Analytical Spectral Devices，Boulder，CO，USA)光譜儀搭載可旋轉觀測架，于北京時間10：30-15：00晴空條件下進行測量。光譜儀采用25°視場角，選擇太陽主平面(由太陽入射光線方向與地面目標法線方向構成的平面)，距離冬小麥冠層頂部1 m左右高度，以不同觀測天頂角(-60°～60°，步長為10°)進行光譜測量(圖1)。每個觀測天頂角方向測試20次，其反射率可通過測量的冠層輻亮度和參考板輻亮度比值求得。

注：0°代表垂直觀測，正角度對應前向觀測方向(面向太陽)，負角度對應后向觀測方向(背向太陽)。

1.1.2 葉面積指數測量 田間參數測試后，收獲1 m2的全部冬小麥植株樣品，置于保鮮袋，通過恒溫箱運至實驗室，采用干重法[19]測定葉面積指數(Leaf Area Index，LAI)：從1 m2植株樣品中選出30片代表性葉片，選取面積約0.06 m2的葉片作為參考葉片，然后將參考葉片和剩余的葉片烘干并稱重，采用式(1)求算LAI。

LAI=SrWt/(SlWr)

(1)

式中：Sr為參考葉片面積(m2)；Wt為取樣樣本的干重(g)；Sl為取樣的土地面積(m2)；Wr為參考樣本的干重(g)。

1.1.3 葉綠素含量測量 從1 m2植株樣品中采集同一株葉片樣品，切下兩份0.25 cm2的葉片。其中一份用于測定干重(DW)，恒溫75 ℃ 持續48 h干燥處理后稱重；另一份用于提取葉綠素含量，將其研磨后浸泡于10 ml丙酮/蒸餾水緩沖溶液(體積比為4∶1)，將溶液在暗室中儲存24 h后，用紫外可見分光光度計(Perkin-Elmer，Lambda 5，Waltham，MA，USA)測量其在645 nm、663 nm和470 nm波長的吸光度。利用式(2)和式(3)[20]可計算葉綠素a(Chla)和葉綠素b(Chlb)濃度(mg/L)；通過式(4)-式(6)[21]可將Chla和Chlb的濃度單位量綱轉換為質量單位量綱(mg/g)，并通過換算得到本研究所用的量綱(μg/cm2)。

Chla(mg/L)=12.25×A663-2.19×A645

(2)

Chlb(mg/L)=21.50×A663-5.10×A645

(3)

(4)

(5)

Chl(a+b)(μg/cm2)=[Chla(mg/g)+Chlb(mg/g)]×
SLW(g/m2)×LAI

(6)

式中：A645和A663分別為提取液在645 nm、663 nm波長處的吸光度；VT為萃取液體積(ml)；SLW為比葉重，即參考葉片的干重與其面積之比。

1.2 模擬數據獲取

本研究采用PROSPECT-5[22]耦合4SAIL[23](PROSAIL模型)開展數據模擬，用以分析角度效應對植被指數方法估算冬小麥冠層葉綠素含量的影響。PROSPECT-5模型輸入參數(表1)包括：葉片結構參數(N)、葉片葉綠素含量(LChl)、葉片類胡蘿卜素含量(LCar)、葉片干物質重量(LMA)、等效水厚度(EWT)和棕色素(Cbrown)；4SAIL模型主要輸入參數包括葉片反射率及透射率、干/濕土壤反射率、葉面積指數(LAI)、葉傾角分布函數(LAD)、熱點參數(hots)、散射光與入射光比值(skyl)、太陽天頂角(θs)、觀測天頂角(θv)及相對方位角(Φ)。其中，葉傾角分布函數利用平均葉傾角(ALA)表征，平均葉傾角采用橢圓函數描述[24]；葉片反射率及透射率來源于PROSPECT-5，干/濕土壤反射率利用ASD FieldSpec 3光譜儀測得。此外，4SAIL使用換算系數αsoil，以考慮土壤亮度對土壤反射率的影響[25]。以上參數主要基于實測數據及參考文獻[4]進行設置。基于表1中參數數值隨機組合，共獲取50 400組冠層反射率及參數組合。然而，冠層尺度下一些參數組合可能與作物實際狀況相差較大。為此，本研究利用LChl和LAI參數特性對冠層反射率數據進行篩選，即剔除LChl為48～100 μg/cm2且LAI為1.0～4.5以及LChl為11～ 42 μg/cm2且LAI為5.2 ～8.0的組合及其對應冠層反射率，最終獲得23 400組冠層反射率數據用于后續研究。

表1 PROSAIL模型輸入參數Table 1 Statistics of the input parameters of PROSAIL model

1.3 植被指數方法

本文總結了與冠層葉綠素含量估算相關的植被指數(表2)，進而分析角度效應對這些植被指數估算冬小麥冠層葉綠素含量的影響。根據是否含有紅邊波段將所選植被指數分為兩類：1)非紅邊波段植被指數(傳統植被指數)，包括歸一化差值植被指數(NDVI)、比值指數(Simple Ratio，SR)以及結構不敏感色素指數(Structure Insensitive Pigment Index，SIPI)；2)紅邊波段植被指數，包括紅邊歸一化植被指數 (ND705)、紅邊比值指數(SR705)、綠波段葉綠素植被指數(CIgreen)、紅邊波段葉綠素植被指數(CIred-edge)、角度不敏感植被指數(AIVI)以及紅邊拐點參數(REP)。其中，REP采用四波段方法[29]計算得到。

表2 本研究選用的植被指數Table 2 Vegetation indices used in this study

1.4 模型構建與評價指標

將不同角度條件下植被指數與冬小麥冠層葉綠素含量相關系數(R)的均值及其變異系數(CV)作為植被指數對角度效應敏感性的衡量標準；同時，基于線性回歸及留一交叉驗證方法，構建植被指數方法估算冬小麥冠層葉綠素含量模型，選取決定系數(R2)、均方根誤差(RMSE)及相對均方根誤差(RRMSE)作為模型精度評價指標，其計算公式如下：

(7)

(8)

2 結果分析

2.1 觀測天頂角變化對冠層葉綠素含量估算的影響

2.1.1 基于模擬數據的分析 基于模擬數據獲得的不同觀測天頂角植被指數與冠層葉綠素含量相關性結果如表3、圖2所示。由表3可知，不同觀測天頂角條件下紅邊波段植被指數與冠層葉綠素含量相關性整體優于非紅邊波段植被指數(NDVI、SR和SIPI)。由圖2可知，在-40°～40°觀測天頂角條件下，紅邊波段植被指數與冠層葉綠素含量相關系數的變異系數值顯著低于非紅邊波段植被指數。紅邊波段植被指數中，SR705、CIred-edge、CIgreen和AIVI與冠層葉綠素含量相關性較高，相關系數均值在0.90以上，且變異系數低于0.01；ND705和REP與冠層葉綠素含量相關系數均值分別為0.87和0.86，變異系數也小于0.01。非紅邊波段植被指數NDVI、SR和SIPI受觀測天頂角影響較明顯，與冠層葉綠素含量相關性較低，相關系數均值分別為0.54、0.78和0.53，對應變異系數為0.02、0.03和0.06。

表3 基于模擬數據不同觀測天頂角下植被指數與冠層葉綠素含量的相關系數Table 3 Correlation coefficients between canopy chlorophyll content and vegetation indices for different viewing zenith angles based on simulated data

圖2 基于模擬數據-40°～40°觀測天頂角植被指數與冠層葉綠素含量相關系數的均值及變異系數Fig.2 Mean and coefficients of variation of correlation coefficients between canopy chlorophyll content and vegetation indices from -40° to 40° viewing zenith angles based on simulated data

2.1.2 基于實測數據的分析 相對于模擬數據，基于實測數據的不同觀測天頂角下植被指數與冠層葉綠素含量相關系數(表4)存在較大變異性。觀測天頂角在±20°范圍內，植被指數與冠層葉綠素含量相關性受其影響較小。其中，垂直觀測時AIVI與冠層葉綠素含量相關性最高(R=0.87)，-10°和-20°觀測條件下ND705與冠層葉綠素含量相關性最高，-20°～0°觀測條件下SR705與冠層葉綠素含量相關系數均為0.85。當觀測天頂角為±30°和±40°時，非紅邊波段植被指數NDVI、SR和SIPI與冠層葉綠素含量相關性波動較小，多數紅邊波段植被指數與冠層葉綠素含量相關性有所下降，且在-40°時，AIVI與冠層葉綠素含量相關性最低(R=0.57)。當觀測天頂角為±50°和±60°時，所有植被指數與冠層葉綠素含量相關性均有所降低，而紅邊波段植被指數與冠層葉綠素含量相關性下降最顯著。-40°～40° 觀測天頂角條件下，ND705、SR705和CIgreen與冠層葉綠素含量相關性較高，且在不同觀測天頂角條件下變異性較低，表明其與冠層葉綠素含量相關性受觀測天頂角變化影響較小；ND705在較大觀測天頂角條件下(±50°和±60°)，相關性衰減明顯，導致整體上受角度影響較大。

表4 基于實測數據不同觀測天頂角下植被指數與冠層葉綠素含量的相關系數Table 4 Correlation coefficients between canopy chlorophyll content and vegetation indices for different viewing zenith angles based on measured data

綜上可知，觀測天頂角變化會影響植被指數與冠層葉綠素含量的相關性，這與Verrelst 等[18，30]的研究結果一致。對模擬數據，所有紅邊植被指數與冠層葉綠素含量相關性受觀測天頂角變化影響較小；實測數據中，當垂直觀測及觀測天頂角較小時，植被指數與冠層葉綠素含量相關性與模擬數據結果相似，即紅邊波段植被指數與冠層葉綠素含量相關性優于非紅邊波段植被指數NDVI、SIPI和SR，且后向10°、20°觀測天頂角條件下，紅邊波段植被指數與冠層葉綠素含量相關性較高，該結果與He 等[31]研究結果一致。而當觀測天頂角變大時，模擬數據植被指數與冠層葉綠素含量相關性無明顯波動，而實測數據CIred-edge、CIgreen和AIVI與冠層葉綠素含量相關性的波動較大。主要原因可能在于：首先，實測冬小麥作物具有一定壟行結構特征，冠層葉片呈集聚分布狀態，封壟之前壟行結構特征顯著，而SAIL模型中模擬的冠層是各向同性，葉片呈隨機分布特征，實測冠層葉片集聚分布狀態導致的集聚效應會對視場中植被與土壤的相對比例產生較大影響，對冠層各向異性特征影響明顯[32]，從而使實測數據與模擬數據存在一定差異；其次，實測數據獲取過程中受外界環境條件影響存在一定誤差，如冠層多角度反射光譜觀測持續時間較長，期間光線條件細微變化可能會影響不同觀測天頂角獲取的反射光譜；另外，Yang 等[33]研究發現，由葉片鏡面反射引起冠層光譜的綠光波段(550 nm)和紅光波段(650 nm)反射率的相對均方根誤差達30%，而SAIL模型模擬的冠層光譜反射率未考慮葉片鏡面反射特征，這在一定程度上會造成實測數據與模擬數據的差異性。

2.2 太陽天頂角變化對冠層葉綠素含量估算的影響

本文將太陽天頂角劃分為20°～30°、30°～40°和40°～50° 3個范圍，基于實測數據分析太陽天頂角變化對植被指數與冠層葉綠素含量相關性的影響(圖3)。當太陽天頂角變化范圍為20°～30°時，各植被指數與冠層葉綠素含量相關性較高(R約為0.8)；當太陽天頂角變化范圍為30°～40°和40°～50°時，除SIPI外的植被指數與冠層葉綠素含量相關性均波動明顯，特別是當觀測天頂角在-60°～-30°和30°～60°范圍內時，植被指數與冠層葉綠素含量相關性波動最明顯。張雪紅等[34]的研究也表明，NDVI植被指數隨太陽天頂角增大而增大。因此，反射光譜測量時應盡量選擇小太陽天頂角，可減小觀測方式帶來的不確定性，從而減小太陽天頂角變化對植被指數與冠層葉綠素含量相關性的影響。

圖3 太陽天頂角變化條件下植被指數與冠層葉綠素含量相關系數Fig.3 Correlation coefficients between canopy chlorophyll content and vegetation indices for various solar zenith angles

2.3 葉傾角變化對冠層葉綠素含量估算的影響

本文采用直立型、披散型和中間型3種冬小麥株型代表不同的葉傾角分布特征(可用平均葉傾角表征)，初步分析平均葉傾角變化對植被指數與冠層葉綠素含量相關性的影響(圖4)。由圖4可知，整體上，基于直立型品種(平均葉傾角較大)數據的植被指數與冠層葉綠素含量相關性高于中間型和披散型。所有植被指數中，SIPI與冠層葉綠素含量相關性受平均葉傾角變化影響最小；非紅邊波段植被指數中NDVI和SR與冠層葉綠素含量相關性隨平均葉傾角變化波動較大，特別是SR與冠層葉綠素含量相關性在整個觀測天頂角變化范圍內波動最大；相比之下，當觀測天頂角在-40°～40°范圍內時，紅邊波段植被指數與冠層葉綠素含量相關性隨平均葉傾角變化的波動較小。

圖4 葉傾角變化條件下植被指數與冠層葉綠素含量相關系數Fig.4 Correlation coefficients between canopy chlorophyll content and vegetation indices for various mean leaf angles

2.4 冠層葉綠素含量估算精度分析

基于以上分析結果，本文選用SIPI、ND705及AIVI進一步分析基于實測數據的冠層葉綠素含量估算精度。由上述3種植被指數基于實測多角度數據估算葉綠素含量的留一交叉驗證結果(圖5)可知，除-30°觀測天頂角外，SIPI估算冠層葉綠素含量模型在-60°～60°觀測天頂角范圍內精度較穩定，R2均值約為0.4，RMSE約為60 μg/cm2，RRMSE約為30%。相比之下，在-40°～40°觀測天頂角范圍內，ND705估算冠層葉綠素含量精度較高(R2=0.6，RMSE=50 μg/cm2，RRMSE=25%)，其中，-10°和-20°觀測天頂角下估算精度最高(R2=0.71，RMSE=49.95 μg/cm2，RRMSE=22%)；當觀測天頂角高于40°時，ND705估算精度顯著降低。垂直觀測時，AIVI估算精度最高(R2=0.72，RMSE=49.08 μg/cm2，RRMSE=21%)。隨觀測天頂角增大，AIVI估算誤差逐漸增大；當觀測天頂角達到60°時，AIVI模型估算結果RRMSE達35%以上。

圖5 植被指數方法估算冬小麥冠層葉綠素含量的交叉驗證結果Fig.5 Cross-validation results for estimating canopy chlorophyll content of winter wheat using vegetation index methods

3 結論與討論

本研究利用輻射傳輸模型模擬數據和冬小麥實測多角度數據，結合非紅邊波段植被指數與紅邊波段植被指數，分析了角度效應(觀測天頂角和太陽天頂角變化)對植被指數方法估算不同葉傾角株型冬小麥冠層葉綠素含量的影響，得出以下結論：

(1)觀測天頂角變化會影響植被指數與冠層葉綠素含量的相關性。實測多角度數據中，當垂直觀測及觀測天頂角較小時，紅邊波段植被指數與冠層葉綠素相關性優于非紅邊波段植被指數NDVI、SIPI和SR，與模擬數據結果一致，當觀測天頂角變大時，模擬數據植被指數與冠層葉綠素相關性無明顯波動，而實測數據CIred-edge、CIgreen和AIVI與冠層葉綠素含量相關性波動較大。

(2)實測數據太陽天頂角變化會影響植被指數與冠層葉綠素含量的相關性。當太陽天頂角為30°～50°時，植被指數與冠層葉綠素含量相關性受觀測天頂角變化影響，變異性較大，即觀測角度變大，相關系數降低；同一植被指數在太陽天頂角數值較小(20°～30°)時，其與冠層葉綠素含量相關性受觀測天頂角變化影響較小。

(3)平均葉傾角變化也會影響植被指數與冠層葉綠素含量的相關性。平均葉傾角較大時，植被指數與冠層葉綠素含量相關性較好。其中，SIPI與冠層葉綠素含量相關性受平均葉傾角變化影響最小，這可能與該指數的結構形式有關[2]；NDVI和SR與冠層葉綠素含量相關性隨平均葉傾角變化波動較大。

(4)冬小麥實測多角度數據估算冠層葉綠素含量結果中，ND705在后向10°和20°觀測天頂角下，估算冠層葉綠素含量精度較高，AIVI在垂直觀測下估算冠層葉綠素含量精度最高。觀測天頂角小于30°時，紅邊植被指數(ND705、SR705、CIred-edge、CIgreen、REP和AIVI)估算冠層葉綠素含量精度受角度效應影響較小。上述研究結果能為植被指數方法下多角度遙感估算冬小麥冠層葉綠素含量提供一定方法參考。

本研究雖基于模擬與實測數據分析了角度效應對植被指數估算冬小麥冠層葉綠素含量的影響，但在分析太陽天頂角及葉傾角變化對植被指數與冠層葉綠素含量相關性的影響上還存在如下不足：僅將實測數據太陽天頂角劃分為20°～30°、30°～40°和40°～50° 3個范圍，分析不全面；隨冬小麥生長過程推進，不同株型的平均葉傾角會發生變化[35]，用不同株型表示不同葉傾角進行分析存在一定局限性。后續需進一步明晰這些因素對冠層葉綠素含量估算精度的影響。