李宗南，陳仲新，王利民，姜志偉

(1.農(nóng)業(yè)部資源遙感與數(shù)字農(nóng)業(yè)重點開放實驗室，北京 100081;2.中國農(nóng)業(yè)科學(xué)院農(nóng)業(yè)資源與農(nóng)業(yè)區(qū)劃研究所，北京 100081)

1 引言

作物葉面積指數(shù)是描述土壤—作物—大氣連續(xù)系統(tǒng)物質(zhì)、能量交換傳輸?shù)年P(guān)鍵參數(shù);作物葉綠素含量與氮素含量關(guān)系密切，可以指示作物礦質(zhì)營養(yǎng)狀況。作物L(fēng)AI和葉綠素含量可以很好地說明作物生長狀況，是作物長勢遙感定量評價的關(guān)鍵參數(shù)。在遙感技術(shù)的支持下，通過獲取覆蓋大區(qū)域的遙感數(shù)據(jù)，定量反演作物L(fēng)AI和葉綠素含量，可實現(xiàn)對區(qū)域作物長勢快速及準(zhǔn)確監(jiān)測，診斷作物肥料虧缺，為作物田間管理提及作物產(chǎn)量早期估計提供科學(xué)依據(jù)。

反演模型、反演策略及遙感數(shù)據(jù)對作物L(fēng)AI和葉綠素含量的定量反演很重要［1］。目前，LAI和葉綠素含量的反演模型主要分兩類:一類是基于光譜數(shù)據(jù)與LAI及葉綠素含量的相關(guān)關(guān)系建立的統(tǒng)計模型。常用的光譜數(shù)據(jù)包括光譜反射率［2］、植被指數(shù)［3］、導(dǎo)數(shù)光譜［4］、特征光譜位置變量［5］等;另一類是機(jī)理模型，包括輻射傳輸模型、幾何光學(xué)模型、輻射傳輸—幾何光學(xué)混合模型。統(tǒng)計模型結(jié)構(gòu)簡單和計算效率高，便于快速反演應(yīng)用;但這類模型對植被冠層及其反射率關(guān)系的描述過于簡單，對于不同時期類型的植被冠層LAI的反演有很大局限性，限制此類模型的反演精度及應(yīng)用。植被遙感應(yīng)用早期，由于機(jī)理模型需要的很多參數(shù)難以獲取以及計算量大等原因不易推廣使用。隨著更多的先驗知識加入機(jī)理模型，模型算法改進(jìn)，計算機(jī)性能提高;機(jī)理模型越來越多的應(yīng)用到植被的LAI及葉綠素含量的反演。金慧然［6］等在幾何光學(xué)模型的基礎(chǔ)上引入Γ函數(shù)和尼爾遜參數(shù)，建立適合于具有連續(xù)、離散雙重特征行播作物的冠層輻射模型，并使用北京一號全色—多光譜數(shù)據(jù)反演冬小麥LAI。Jacquemoud［7］等利用PROSPECT葉片光學(xué)模型估算葉片葉綠素、水分、蛋白質(zhì)等，Dawson［8］等應(yīng)用LIBERTY模型估算葉片生化組分。Houborg等［9-11］，分別研究使用MODIS數(shù)據(jù)、SPOT多光譜數(shù)據(jù)基于ACRM模型反演植被LAI及葉綠素含量等參數(shù)。除了機(jī)理模型和統(tǒng)計模型外，遙感獲取LAI的方法還有遙感數(shù)據(jù)同化;即使用遙感LAI反演結(jié)果與作物生長模型同化。同化方法能更好地吸收觀測和模型模擬各自的優(yōu)點，有助于獲取連續(xù)時間段的LAI、葉綠素含量及其他作物參數(shù)結(jié)果，并提高結(jié)果精度。目前，同化方法還沒有很好的解決輸入多種驅(qū)動參數(shù)而引入的諸多的不確定性因素，模型及算法還在不斷的改進(jìn)。

適宜作作物長勢遙感定量監(jiān)測的遙感數(shù)據(jù)的空間分辨率一般都需要優(yōu)于30m［12］。在實際監(jiān)測應(yīng)用中，對時間分辨率也有較高要求。同時滿足時間空間分辨率要求的遙感數(shù)據(jù)源較少。2008年9月8日發(fā)射的環(huán)境減災(zāi)小衛(wèi)星，裝載CCD多光譜相機(jī)。相機(jī)對地觀測遙感影像的主要參數(shù)如表1。通過雙星4傳感器聯(lián)合工作將影像時間分辨率保證高于2天［13］。HJ小衛(wèi)星多光譜數(shù)據(jù)已經(jīng)廣泛應(yīng)用于環(huán)境災(zāi)害、農(nóng)情等遙感監(jiān)測。環(huán)境災(zāi)害方面的具體應(yīng)用包括氣溶膠光學(xué)厚度反演，大型水體葉綠素a濃度反演、宏觀生態(tài)環(huán)境監(jiān)測等［14］;農(nóng)情監(jiān)測方面具體應(yīng)用包括作物面積提取、長勢評價、作物葉面積反演［15］、作物 fPAR反演［16］、作物成熟期反演［17］、作物病蟲害面積提?。?8］等。在農(nóng)情監(jiān)測應(yīng)用研究中，使用HJ小衛(wèi)星多光譜數(shù)據(jù)進(jìn)行LAI及葉綠素含量聯(lián)合反演的研究很少。該研究將首先使用基于地面觀測的冬小麥4個生育期不同長勢冠層光譜數(shù)據(jù)，模擬HJ小衛(wèi)星多光譜傳感器的等效反射率;然后使用雙層冠層反射率模型 (ACRM)反演各生育期冬小麥LAI和葉綠素含量，分析HJ小衛(wèi)星多光譜數(shù)據(jù)定量反演LAI和葉綠素含量的應(yīng)用潛力以及ACRM模型在不同冬小麥生育期的LAI和葉綠素含量反演誤差。為進(jìn)一步使用HJ小衛(wèi)星多光譜數(shù)據(jù)定量反演作物L(fēng)AI和葉綠素含量提供參考依據(jù)。

表1 HJ-1 CCD多光譜遙感影像主要性能參數(shù)

2 數(shù)據(jù)與方法

2.1 地面觀測實驗

冬小麥冠層高光譜反射率、LAI及葉綠素SPAD數(shù)據(jù)通過不同長勢冬小麥觀測實驗獲取。實驗地點位于河北省廊坊市廣陽區(qū)萬莊鎮(zhèn)，東經(jīng)116°36＇，北緯39°36＇。實驗通過N0、N1、N2、N3、N4等5個不同氮肥處理控制冬小麥長勢，N0為不追施氮肥，N1為追施氮量15kg/hm2，N2為追施氮量45kg/hm2，N3為追施氮量105 kg/hm2，N4為追施氮量225kg/hm2;每個處理4次重復(fù)，共設(shè)置20個小區(qū)。冠層反射率測量儀器為ASD FieldSpec Pro FR地物高分辨率光譜儀。儀器選用25度視場角光纖，于垂直地面1.4m高處測量冠層相對反射率，每小區(qū)測量10條反射率曲線，最后取平均值代表小區(qū)冬小麥冠層的反射率。冠層葉面積指數(shù)及平均葉傾角使用LAI-2000植被冠層分析儀測量，每小區(qū)測量4次，最后取平均值。葉綠素使用SPAD-502葉綠素儀測定，每小區(qū)選取10片代表性葉片測量，最后取平均值。數(shù)據(jù)測量日期具體為:冬小麥拔節(jié)期2009年4月14日，孕穗期2009年4月24日，抽穗期2009年5月5日，灌漿期2009年5月17日。

2.2 數(shù)據(jù)處理

2.2.1 等效多光譜反射率計算

ASD FieldSpec Pro FR光譜儀獲取的數(shù)據(jù)為波譜分辨率為1nm的冠層相對反射率數(shù)據(jù)。使用冠層高光譜反射率數(shù)據(jù)和多光譜響應(yīng)函數(shù)進(jìn)行積分計算，可以得到等效的多光譜反射率，其計算式如下:

其中ρ(λ)是由地物光譜儀測量得到的地物反射率;f(λ)是光譜響應(yīng)函數(shù)，在本研究中使用HJ小衛(wèi)星1A星CCD1多光譜相機(jī)的光譜響應(yīng)函數(shù);L(λ)為入射到地表輻射亮度，即太陽下行輻射量。太陽下行輻射數(shù)據(jù)通過 MODTRAN［19］(MODerate spectral resolution atmospheric TRANsmittance algorithm and computer model)中等光譜分辨率大氣透過率算法計算機(jī)模型模擬得到。MODTRAN模型描述了0.2～10 000μm波譜范圍的太陽輻射在大氣、地表和傳感器之間的物理傳輸過程，可計算多種光路太陽輻射在大氣中的透過率、輻射量等。本研究使用PcModwin 3.7版的MODTRAN模擬了實驗地塊2009年4月14日、2009年4月24日、2009年5月5日及2009年5月17日當(dāng)?shù)貢r間10時30分的太陽下行輻射數(shù)據(jù)，然后使用Matlab將輻射量的單位由W/(cm2·sr·cm-1)轉(zhuǎn)換為W/(cm2·sr·nm)，并將光譜分辨率重采樣為1nm。

通過冠層高光譜反射率數(shù)據(jù)、HJ小衛(wèi)星多光譜響應(yīng)函數(shù)及模擬的太陽到達(dá)地面的下行輻射數(shù)據(jù)進(jìn)行積分計算，得到了4個生育期冬小麥冠層的HJ小衛(wèi)星等效多光譜反射率數(shù)據(jù)。

2.2.2 ACRM雙層冠層反射率模型

ACRM(A Two-Layer Canopy Reflectance Model)模型［20］是多光譜均質(zhì)植被冠層輻射傳輸模型和馬爾可夫鏈植被冠層反射率模型的擴(kuò)展。模型的葉片光學(xué)特性使用PROSPECT葉片光學(xué)模型或LIBERTY模型描述，土壤特性使用土壤反射率模型PRICE描述，多次散射采用了與SAIL模型相同的4流參數(shù)化計算方案。ACRM考慮了土壤非朗伯特性，葉片表面的鏡面反射，熱點效應(yīng)及冠層的雙參數(shù)葉傾角分布，通過模型正向模式可以模擬波譜分辨率為1nm的雙層結(jié)構(gòu)冠層半球方向400～2 400nm波譜范圍的反射率;通過反演模式，采用優(yōu)化算法 (POWELL)估算最佳模型輸入?yún)?shù)，如LAI、Cab等實現(xiàn)參數(shù)反演。模型不依賴于植被的具體類型或背景環(huán)境變化，具有較好的普適性，并得到很多實際應(yīng)用。

該研究利用地面實測數(shù)據(jù)對模型的輸入?yún)?shù)LAI、平均葉傾角、葉綠素含量等參數(shù)進(jìn)行了設(shè)置，輸入拔節(jié)期、孕穗期、抽穗期及灌漿期冬小麥冠層的HJ小衛(wèi)星等效多光譜反射率數(shù)據(jù)，通過POWELL算法反演冬小麥不同生育期LAI及葉綠素含量。

3 分析與討論

3.1 冬小麥LAI反演結(jié)果分析

將ACRM模型反演得到的LAI與地面實驗LAI測量值進(jìn)行相關(guān)及比較分析，結(jié)果如表2。冬小麥拔節(jié)后，冬小麥株高及LAI迅速增大，由于壟行種植造成的不連續(xù)植被現(xiàn)象明顯減少，冬小麥冠層基本上滿足植被冠層輻射傳輸模型對冠層的假設(shè)，即假設(shè)冠層是由方位隨機(jī)分布、水平均一、無限擴(kuò)展的各向同性葉片組成的混合體。根據(jù)表1，從拔節(jié)到灌漿4個物候期反演與實測結(jié)果的相關(guān)性都較高，分別達(dá)0.836 1，0.903 0，0.850 6，0.906 3，說明ACRM模型LAI反演結(jié)果與LAI實測值有很好的一致性。初步確定冬小麥拔節(jié)至灌漿期間，適合使用HJ小衛(wèi)星4個波段的多光譜數(shù)據(jù)基于ACRM模型進(jìn)行冬小麥LAI反演。根據(jù)反演與實測對比分析，最大標(biāo)準(zhǔn)誤差達(dá)0.629 1，最大絕對誤差為0.887 9，最小絕對誤差為0.018 1，說明ACRM模型反演結(jié)果具有較高精度，部分反演結(jié)果與實測差距較大。

表2 ACRM模型反演LAI與測量LAI的比較

對比各個物候期LAI反演與實測的相關(guān)性及差異發(fā)現(xiàn)，兩者的相關(guān)性在拔節(jié)期最小，標(biāo)準(zhǔn)誤差、最大絕對誤差及最小絕對誤差都最大;而在灌漿期的相關(guān)性最大，標(biāo)準(zhǔn)誤差、最大絕對誤差及最小絕對誤差都最小;而孕穗期和抽穗期的相關(guān)性、標(biāo)準(zhǔn)誤差、最大絕對誤差及最小絕對誤差相互間有差異，但都好于拔節(jié)期而差于灌漿期。由此可認(rèn)為模型在不同生育期反演誤差存在差異。拔節(jié)期的模型反演誤差較大，而孕穗期至灌漿期的反演誤差較小。造成不同時期誤差不同的因素較多，主要來自兩方面。一方面是地面光譜和LAI測量本身存在誤差。由于冠層光譜及LAI不是同一時間測量。光譜田間測量一般難以最理想的環(huán)境進(jìn)行測量，不同時刻的測量環(huán)境造成光譜測量存在誤差;LAI2000對不同物候期作物冠層的LAI測量結(jié)果存在明顯不同的誤差［21］。該研究使用的LAI實測為LAI2000實測值，未進(jìn)行校正，使得不同時期的誤差分析存在不確定性。產(chǎn)生誤差差異的另一方面是模型在不同時期的適用性存在差異。冬小麥從拔節(jié)期到灌漿期，覆蓋度及冠層結(jié)構(gòu)各項參數(shù)存在明顯差異，拔節(jié)期，LAI較小，還存在較明顯的壟行，植被冠層介于連續(xù)植被和非連續(xù)植被間，這可能是導(dǎo)致拔節(jié)期反演結(jié)果誤差較大的主要原因;拔節(jié)期后，冬小麥LAI接近最大值，其冠層呈典型的連續(xù)型植被，較拔節(jié)期更符合模型假設(shè)，因而反演的誤差較小。

3.2 冬小麥葉綠素含量反演結(jié)果分析

大量研究表明，植物葉片SPAD值與葉綠素含量有很好的相關(guān)性。首先使用SPAD野外抽樣活體測量，然后通過SPAD與實測葉綠素含量的回歸關(guān)系推算其它樣本葉綠素含量，是目前快速獲取田間作物葉綠素含量的主要方法。由于缺乏實測葉綠素含量，本研究沒有將SPAD值轉(zhuǎn)換為葉綠素含量 (μg/cm2);直接使用ACRM模型反演的葉綠素含量與使用SPAD-502葉綠素測量儀測量的SPAD值進(jìn)行簡單的比較。結(jié)果如表2。通過相關(guān)性分析，基于ACRM模型的葉綠素含量反演結(jié)果與SPAD測量值有很好的相關(guān)系數(shù)，在拔節(jié)期至灌漿期的相關(guān)系數(shù)分別為0.593 7、0.897 7、0.909 2、0.936 8，說明使用HJ小衛(wèi)星4波段多光譜數(shù)據(jù)具備葉綠素含量反演的潛力。反演結(jié)果最大值為20.17μg/cm2，最小值為20.02μg/cm2;SPAD最大值為61.3，最小值為41.0。與其它研究結(jié)果相比較［9-11］，主要問題為反演結(jié)果的差值太小，最大與最小值的差只有0.15μg/cm2，與實際情況有較大出入。初步原因是在缺乏較多冠層參數(shù)數(shù)值情況下，各時期均采用相同的模型參數(shù)值。具體原因有待下一步更深入的研究分析。

對比各個物候期葉綠素含量反演與SPAD實測的相關(guān)性發(fā)現(xiàn)，兩者的相關(guān)性在拔節(jié)期最小，后期都較高。孕穗期至關(guān)鍵期間葉綠素反演與SPAD的相關(guān)性都很好。拔節(jié)期植被冠層介于連續(xù)植被和非連續(xù)植被間，較明顯的壟行使傳感器視場內(nèi)有明顯的裸露土壤，離連續(xù)植被輻射傳輸模型ACRM模型的假設(shè)有差距。這可能是導(dǎo)致拔節(jié)期葉綠素含量反演結(jié)果與SPAD值相關(guān)性較差的主要原因。

表3 ACRM模型反演葉綠素含量與SPAD測量結(jié)果的比較

4 結(jié)論

地表作物的冠層結(jié)構(gòu)在不同物候期有明顯的差異，即在作物生長的不同階段，作物的株高、葉片面積、葉片傾角、葉片長度、寬度、葉片數(shù)量、色素含量等等存在差異，并呈現(xiàn)一定變化規(guī)律。整個作物生育期間，作物植被由離散型逐步向壟行結(jié)構(gòu)的半連續(xù)型植被發(fā)展，最后作物封行封壟發(fā)展成典型的連續(xù)植被。冬小麥從拔節(jié)期開始LAI開始快速增長，其植被類型由半連續(xù)型逐步向連續(xù)型變化。從冬小麥拔節(jié)到灌漿期間，其植被類型及冠層結(jié)構(gòu)基本上滿足ACRM模型的假設(shè)。該研究考慮到完整獲取冬小麥多個物候期HJ小衛(wèi)星遙感影像數(shù)據(jù)及地面調(diào)查數(shù)據(jù)較為困難，在不考慮傳感器觀測角度及像元分辨率的情況下，使用冬小麥拔節(jié)—灌漿4個不同階段不同長勢冠層光譜觀測數(shù)據(jù)，模擬出冬小麥冠層等效HJ小衛(wèi)星多光譜反射率，然后再使用ACRM模型反演各階段冬小麥LAI和葉綠素含量，初步分析確定HJ小衛(wèi)星多光譜數(shù)據(jù)定量反演LAI和葉綠素含量的應(yīng)用潛力以及ACRM模型在不同冬小麥生育期的LAI和葉綠素含量反演誤差。主要結(jié)論如下。

(1)ACRM模型LAI反演結(jié)果與LAI實測值的相關(guān)性高，反演誤差較小;具備較高時空分辨率的的HJ小衛(wèi)星遙感影像在定量反演LAI應(yīng)用中有很大潛力。

(2)ACRM模型葉綠素含量反演結(jié)果與冬小麥葉片SPAD實測值有很好的相關(guān)性，HJ小衛(wèi)星遙感影像在具有定量反演葉綠素含量的潛力;但具體反演結(jié)果及最大值最小值的差距偏小，與實際情況有較大出入。提高葉綠素含量反演的準(zhǔn)確性有待收集到更具體輸入?yún)?shù)值，進(jìn)行更深入地研究。

(3)ACRM模型在不同生育期LAI和葉綠素含量的反演誤差存在差異，在冬小麥拔節(jié)期的反演誤差較大，在孕穗—灌漿期的反演誤差較小;模型較適用于連續(xù)型的作物冠層，在非連續(xù)型植被冠層中的反演有較大誤差。

［1］Jacquemoud.S，Bacour.C，Poilv.H，et al.Comparison of Four Radiative Transfer Models to Simulate Plant Canopies Reflectance:Direct and Inverse Mode.Remote Sensing of Environment.2000，74(3):471 ～481

［2］Wessman.C.A，Aber.J.D，Peterson.D.L，et al.Remote Sensing of Canopy Chemistry and Nitrogen Cyclingin Temperate Forest Ecosystems.Nature，1988，335:154 ～156

［3］Datt B.Visible/near Infrared Reflectance and Chlorophyll Content in Eucalyptus Leaves.Int.J.Remote Sensing，1999，20(14):2741～2459

［4］Broge.N.H，Mortensen.J.V.Deriving Green Crop Area Index and Canopy Chlorophyll Density of Winter Wheat from Spectral Reflectance Data.Remote Sensing of Environment，2002，81:45 ～57

［5］Miller.J.R.Quantitative Characterization of the Vegetation Red Edge Reflectance.1.An Inverted Gaussian Reflectance Model.Int.J.Remote Sensing，1990，11:1775～1795

［6］金慧然，陶欣，范聞捷，等.應(yīng)用北京一號衛(wèi)星數(shù)據(jù)監(jiān)測高分辨率葉面積指數(shù)的空間分布.自然科學(xué)進(jìn)展，2007(09):1229～1234

［7］Jacquemoud.S，Ustin.S.L，Verdebout.J，et al.Estimating Leaf Biochemistry Using the PROSPECT Leaf Optical Properties Model.Remote Sensing of Environment，1996，56:194～202

［8］Dawson.T.P，Curran.P.J，Plummer.S.E.Liberty-Modeling the Effects of Leaf Biochemical Concentration on Reflectance Spectra.Remote Sensing of Environment，1998，65:50 ～60

［9］Houborg.R，Soegaard.H，Boegh.E.Combining vegetation index and model inversion methods for the extraction of key vegetation biophysical parameters using Terra and Aqua MODIS reflectance data.Remote Sensing of Environment.2007，106(1):39 ～58

［10］Houborg.R，Anderson.M，Daughtry.C.Utility of an image-based canopy reflectance modeling tool for remote estimation of LAI and leaf chlorophyll content at the field scale.Remote Sensing of Environment.2009，113(1):259 ～274

［11］Houborg.R，Boegh.E.Mapping leaf chlorophyll and leaf area index using inverse and forward canopy reflectance modeling and SPOT reflectance data.Remote Sensing of Environment.2008，112(1):186 ～202

［12］王紀(jì)華，趙春江，黃文江.農(nóng)業(yè)定量遙感基礎(chǔ)與應(yīng)用.北京:科學(xué)出版社，2008

［13］白照廣.中國的環(huán)境與災(zāi)害監(jiān)測預(yù)報小衛(wèi)星星座A/B星.中國航天，2009，(5):10～15

［14］王橋，吳傳慶，厲青.環(huán)境一號衛(wèi)星及其在環(huán)境監(jiān)測中的應(yīng)用.遙感學(xué)報，2010，14(1):113～121

［15］陳勁松，黃健熙，林琿，等.基于遙感信息和作物生長模型同化的水稻估產(chǎn)方法研究.中國科學(xué):信息科學(xué)，2010(S1):173～183

［16］陳雪洋，蒙繼華，吳炳方，等.基于HJ-1 CCD的夏玉米FPAR遙感監(jiān)測模型.農(nóng)業(yè)工程學(xué)報，2010(S1):241～245

［17］蒙繼華，吳炳方，杜鑫，等.基于HJ-1A/1B數(shù)據(jù)的冬小麥成熟期遙感預(yù)測.農(nóng)業(yè)工程學(xué)報，2011，27(03):225～229

［18］馮煉，吳瑋，陳曉玲，等.基于HJ衛(wèi)星CCD數(shù)據(jù)的冬小麥病蟲害面積監(jiān)測.農(nóng)業(yè)工程學(xué)報，2010，26(07):213～219

［19］A.Berk，G.P.Anderson，P.K.Acharya，et al.MODTRAN4 USER’S MANUAL.Massachusetts.20004

［20］A.Kuusk.Two-Layer Canopy Reflectance Model ACRM User Guide(Version 07.2009).Tartu Observatory，2009.7

［21］李宗南，陳仲新，王利民，等.2種植物冠層分析儀測量夏玉米LAI結(jié)果比較分析.中國農(nóng)學(xué)通報，2010，26(7):84～88