孫華，孫林，朱金山，姚延娟

（1.山東科技大學(xué)，山東青島266590；2.環(huán)境保護(hù)部衛(wèi)星環(huán)境應(yīng)用中心，北京100094）

利用反射率光譜估算植被干物質(zhì)氮含量

孫華1，孫林1，朱金山1，姚延娟2

（1.山東科技大學(xué)，山東青島266590；2.環(huán)境保護(hù)部衛(wèi)星環(huán)境應(yīng)用中心，北京100094）

為了排除植被含水量對(duì)氮素總含量的可能性干擾，以及用葉綠素含量來(lái)估算氮含量時(shí)忽略葉綠體外氮素影響的問(wèn)題，提出了利用植被干物質(zhì)來(lái)估算植被氮含量的算法。以Lopex’93數(shù)據(jù)庫(kù)為數(shù)據(jù)來(lái)源，擬合構(gòu)建了植被干物質(zhì)氮素含量（%）與光譜反射率之間的模型關(guān)系，并與鮮植被進(jìn)行對(duì)比分析，又利用光譜反射率的4種變化形式（一階導(dǎo)數(shù)、二階導(dǎo)數(shù)、倒數(shù)的對(duì)數(shù)和倒數(shù)的導(dǎo)數(shù)）來(lái)驗(yàn)證分析。結(jié)果表明，由差值植被指數(shù)DVI（R760－R1520）擬合的復(fù)合模型Y＝17.787×241.456x和指數(shù)模型Y＝17.787×e5.487x對(duì)植被干物質(zhì)氮含量具有較好的估算精度，其擬合值和真實(shí)值的相關(guān)系數(shù)R2＝0.901。而用鮮植被擬合的模型精度明顯低于干物質(zhì)模型，經(jīng)過(guò)反射率4種參數(shù)的驗(yàn)證，也說(shuō)明了由DVI構(gòu)建的干物質(zhì)氮含量估算模型可以得到較好的結(jié)果。

植被干物質(zhì)；氮含量；反射率光譜；擬合模型；Prospect－Sailh模型

0 引 言

氮素是植被生長(zhǎng)發(fā)育過(guò)程中重要的營(yíng)養(yǎng)元素之一，也是影響植被生長(zhǎng)環(huán)境質(zhì)量的因素之一［1］。從植被個(gè)體上來(lái)看，其氮素含量的多少直接影響到植被的長(zhǎng)勢(shì)；從區(qū)域環(huán)境整體上來(lái)看，植被氮素含量與相應(yīng)組分的吸收量息息相關(guān)，故而間接影響著環(huán)境中氮元素的含量。所以研究植被的氮素含量無(wú)論是對(duì)植被個(gè)體而言，還是對(duì)環(huán)境整體而言，都具有重要的意義。由于傳統(tǒng)測(cè)量氮素的方法［2］往往存在耗時(shí)、費(fèi)力，有破壞性，時(shí)效性差，難以推廣應(yīng)用等問(wèn)題，故將遙感手段運(yùn)用到植被生化組分測(cè)量中，就顯現(xiàn)出了其必要性和優(yōu)越性。就植被而言，其生理特征決定了對(duì)光的吸收、透射和反射的變化，并且植被的生理特征又能相應(yīng)地反映它的生長(zhǎng)情況。自20世紀(jì)70年代以來(lái)，有關(guān)科學(xué)家進(jìn)行了大量的基礎(chǔ)研究，來(lái)尋找植被的生化參數(shù)與光譜參數(shù)之間的關(guān)系。

在遙感應(yīng)用領(lǐng)域，植被指數(shù)是廣泛用來(lái)定性和定量評(píng)價(jià)植被各項(xiàng)指標(biāo)及其生長(zhǎng)活力的重要手段［3］?；诓煌厮交虿煌脖活愋偷娜舾商镩g試驗(yàn)，田永超等［4］發(fā)現(xiàn)了對(duì)水稻葉層氮濃度具有較好預(yù)測(cè)性的藍(lán)光氮指數(shù)［R434／（R496＋R401）］。通過(guò)分析植被光譜曲線不難看出，綠色植物在680nm～740nm之間會(huì)出現(xiàn)反射率增高最快的點(diǎn)，稱為紅邊位置，而且紅邊位置的移動(dòng)恰恰是描述植物各種生化組分含量狀態(tài)的重要參考指標(biāo)［5－7］，梁守真等［8］以LOPEX’93數(shù)據(jù)集為依據(jù)，研究并分析了葉片生化組分和紅邊移動(dòng)的關(guān)系。在研究綠色植物生化組分時(shí)發(fā)現(xiàn)，氮素總含量的75%幾乎都包含在葉綠體中，故而葉片中氮素濃度和葉綠素濃度之間存在較強(qiáng)的相關(guān)性［9］。王磊等［10］利用不同氮肥水平對(duì)植被葉綠素特性的影響［11］，研究發(fā)現(xiàn)了玉米氮素光譜診斷的敏感時(shí)期和葉片全氮含量與葉綠素含量的最大相關(guān)時(shí)期。

然而對(duì)于非綠色植被無(wú)法采用提取葉綠素的方法，葉綠體之外也會(huì)有氮素的存在，所以利用葉綠素來(lái)得到植被氮含量并不十分準(zhǔn)確；而且大多數(shù)氮提取方法都是烘干稱重獲得，若直接與鮮植被光譜結(jié)合研究，就無(wú)法確定植被中的水分是否會(huì)對(duì)其造成影響；若再將干、鮮植被光譜曲線的不同考慮在內(nèi)，利用紅邊位置來(lái)判斷氮含量也顯得不夠嚴(yán)謹(jǐn)?；谝陨显?，為了避免葉綠體之外氮素的影響以及植被含水量的干擾，本文應(yīng)用LOPEX’93（Leaf Optical Properties Experiment）數(shù)據(jù)集，以多種植被的干物質(zhì)作為研究對(duì)象，脫離紅邊位置的光譜波段局限，分別應(yīng)用多個(gè)波段的光譜反射率及其變化形式和植被指數(shù)，并借助統(tǒng)計(jì)回歸方法，分析了植被干物質(zhì)與其光譜參數(shù)的相關(guān)關(guān)系，再與相同條件下的鮮植被進(jìn)行了對(duì)比分析，其結(jié)果既可以用于正常植被葉片、冠層生化參數(shù)反演的參考，也能夠排除反演中的不確定因素，有助于提高反演的準(zhǔn)確性，還為研究植被氮素等生化組分提出了研究和參考的新對(duì)象。

1 數(shù)據(jù)源和分析

LOPEX’93數(shù)據(jù)集是1993年在意大利伊斯普拉的聯(lián)合研究中心（JRC）開(kāi)展的結(jié)合植物（莖葉、針葉樹(shù)針等）元素可見(jiàn)光／紅外光譜與物理測(cè)量和生化分析的實(shí)驗(yàn)數(shù)據(jù)集［12］。實(shí)驗(yàn)研究對(duì)象包含采自于50多種木本植物和草本植物（4種裸子植物，9種單子葉植物和37種雙子葉植物）的約70個(gè)樣本，分析的生化成分有木質(zhì)素、蛋白質(zhì)（氮）、纖維素、淀粉、葉綠素和類胡蘿卜素等。實(shí)驗(yàn)測(cè)量了新鮮、干燥植被樣本各種成分在不同光學(xué)厚度（疊葉＋針或粉末）下高分辨率可見(jiàn)光和近紅外的反射率和透射率光譜。

基于LOPEX’93數(shù)據(jù)集提供的數(shù)據(jù)，以及一些常見(jiàn)的經(jīng)驗(yàn)指標(biāo)，本文的研究利用了較為成熟的Prospect、Sailh模型來(lái)分析植被氮素的敏感波段。其中，Prospect模型的輸出結(jié)果即是Sailh模型的輸入結(jié)果，所以在實(shí)際分析中，可以將兩個(gè)模型結(jié)合運(yùn)用。Prospect模型是由Plate模型［13］引伸而來(lái)，Plate模型將葉片看作半透明的有均勻粗糙表面的各向同性吸收平板，并假定光線是各向同性平行的［14］。而Prospect模型把Plate模型擴(kuò)展到非致密葉片，將葉片看作有N層致密層和N－1空氣隔層，并用入射立體角代替Plate模型中假設(shè)為各向同性平行光的入射光線，模擬了葉片半球反射率和透射率（圖1）。

圖1 Prospect模型原理

Prospect模型的輸入?yún)?shù)有為定義立體角Ω的最大入射角α、相對(duì)折射指數(shù)n、透射系數(shù)τ和葉片結(jié)構(gòu)參數(shù)N［15］，輸出結(jié)果為葉片的反射率R和透射率T。其中，α取決于反射表面的幾何性質(zhì)，可依據(jù)經(jīng)驗(yàn)選取最優(yōu)值，n可由公式擬合或是模擬得到近似值，τ和吸收系數(shù)緊密相關(guān)，經(jīng)半球空間積分獲得，受到N的影響，且由植物生化組分濃度和相應(yīng)的吸收系數(shù)決定。

植被輻射傳輸模型的典型代表是Sail模型［16］，而與Sail模型具有一致假設(shè)條件的Sailh模型，既考慮了多次散射作用，也將冠層的熱點(diǎn)效應(yīng)考慮在內(nèi)，用來(lái)模擬冠層的二向反射率。Sailh模型中假設(shè)冠層結(jié)構(gòu)是水平均勻的介質(zhì)，且單一的冠層結(jié)構(gòu)可忽略不計(jì)［17］，其輸入?yún)?shù)有葉片反射率和透過(guò)率，葉面積指數(shù)LAI，平均葉傾角ALA（tl），土壤反射率以及太陽(yáng)輻射的散射分量（skyl）。其中，葉片反射率和透過(guò)率即為Prospect模型的輸出結(jié)果，太陽(yáng)輻射的散射分量可以通過(guò)水平能見(jiàn)度（vis）計(jì)算，光線入射和觀測(cè)的幾何關(guān)系可以通過(guò)太陽(yáng)天頂角（theta＿s）、太陽(yáng)方位角（theta＿v）和觀測(cè)方位角（phi＿v）來(lái)描述，截徑與株高比通過(guò)參數(shù)sl來(lái)描述。Sailh模型的輸出結(jié)果就是冠層的反射率和透過(guò)率。

2 結(jié)果與討論

2.1 確定植被氮素敏感波段和擬合指數(shù)

為了能更準(zhǔn)確地找到植被氮素的含量和光譜反射率的關(guān)系，基于單一變量的原則，直接由植被反射率波譜找出與氮含量相關(guān)度較高的波段，再通過(guò)相關(guān)系數(shù)的確定進(jìn)一步找到植被的氮素敏感波段。這里考慮了三種生化組分：葉綠素含量cab、水分含量cw和干物質(zhì)含量（粗蛋白含量、木質(zhì)素、纖維素）cm，通過(guò)Prospect模型與Sailh模型相結(jié)合輸出得到不同含氮量植被的反射率曲線。對(duì)同種作物在不同氮含量水平的反射率光譜進(jìn)行對(duì)比分析（圖2），可以明顯地看到光譜曲線的差異，從中找出隨著氮素含量增加而成遞增或遞減趨勢(shì)的波譜范圍，即植被氮素的敏感波段所在的范圍。

圖2 同種植物不同氮含量的波譜曲線

圖2 所示的反射率曲線對(duì)不同氮含量植物表現(xiàn)出了較好的規(guī)律性［18］，結(jié)果分析得到了可作為植被氮素敏感波段的3個(gè)區(qū)間范圍，分別是720nm～760nm、1450nm～1600nm、1700nm～2050nm。由于光譜分辨率低于10nm就幾乎不會(huì)提供有效的附加信息，故而將上述區(qū)間以10nm為間隔，共劃分為57個(gè)單波段。圖3列出了各波段與氮含量的相關(guān)性，從結(jié)果中可以看出，所選區(qū)間的大多數(shù)波段與氮含量是相關(guān)的，但是最高的相關(guān)性仍低于0.7，可能的原因是所選區(qū)間雖然正確，但是單波段反射率與植被氮素含量之間的直接關(guān)系并不明顯，所以為了獲得與氮含量相關(guān)性更高的參數(shù)，采用了不同波段組合的植被指數(shù)與之相比較。

圖3 單波段反射率與氮含量相關(guān)性

對(duì)以上57個(gè)波段計(jì)算其任意波段間的差值和比值，得到了3192個(gè)差值和比值結(jié)果，再次分析差值和比值結(jié)果與氮含量的相關(guān)性。從圖3的結(jié)果發(fā)現(xiàn)單波段反射率與氮素含量相關(guān)性高低分布在各個(gè)波段區(qū)間內(nèi)較為集中，鄰近波段的相關(guān)系數(shù)差異較小，說(shuō)明在各區(qū)間內(nèi)相鄰波段反應(yīng)的植被信息相同或相似，所以在計(jì)算差值和比值植被指數(shù)時(shí)，也會(huì)出現(xiàn)相關(guān)系數(shù)分布集中處的波段組合較為相近，甚至?xí)捎诓ǘ慰缍冗^(guò)小使得在計(jì)算植被指數(shù)時(shí)抵消了可能存在的某些植被信息。綜合考慮了相關(guān)系數(shù)和波段組合等因素，為避免相近波段組合植被指數(shù)所含信息有限，且有可能受到同樣外界因素干擾的局限性，對(duì)植被指數(shù)與氮素含量相關(guān)性結(jié)果進(jìn)行了條件性篩選，并沒(méi)有選擇相關(guān)性最高的波段組合，而是選擇了相關(guān)系數(shù)較高，且具有一定波段跨度的波段組合，即由760nm和1520nm組合的比值植被指數(shù)和差值植被指數(shù)。

2.2 擬合回歸關(guān)系

以反射率植被指數(shù)作為自變量，植被干物質(zhì)氮素含量（%）作為因變量，來(lái)建立回歸關(guān)系。為了避免不確定因素的干擾并確保擬合結(jié)果的有效性，在擬合中選取了7種常見(jiàn)模型模型（表1），分別確定出各模型中的未知系數(shù)和擬合精度，通過(guò)比較，選出其中精度最高的結(jié)果，即為最佳擬合模型。表2所示為760nm和1520nm組合成的比值和差值植被指數(shù)與氮含量的7種模型的擬合結(jié)果，從表中可以看出比值植被指數(shù)擬合的立方模型和差值植被指數(shù)擬合的二次型、立方、復(fù)合、指數(shù)模型均具有較高的精度，可以用來(lái)估算植被氮素含量。其中，由DVI擬合的復(fù)合模型和指數(shù)模型可以得到較好的擬合結(jié)果。

2.3 結(jié)果驗(yàn)證

利用上文中得到的擬合模型，對(duì)30組比值和差值植被指數(shù)估算其對(duì)應(yīng)的氮素含量，并將各組得到的估算值和真實(shí)值進(jìn)行對(duì)比分析，從表3所示的結(jié)果中，可以看出DVI擬合的復(fù)合模型和指數(shù)模型具有十分相近的估算結(jié)果，同時(shí)也是估算效果最好的模型。經(jīng)驗(yàn)證后發(fā)現(xiàn)，其擬合值與真實(shí)值具有良好的線性關(guān)系，并且在截距為零時(shí)的斜率最接近1。綜合以上結(jié)論，可知，估算植被干物質(zhì)氮素含量的最佳模型是以DVI（R760－R1520）為自變量的復(fù)合型模型和指數(shù)型模型，其估算結(jié)果與真實(shí)值的線性相關(guān)度可以達(dá)到0.9以上。

表2 RVI（R760／R1520）和DVI（R760－R1520）的擬合結(jié)果

表3 結(jié)果驗(yàn)證

2.4 鮮植被擬合結(jié)果

前文通過(guò)植被干物質(zhì)光譜反射率和氮含量的關(guān)系，模擬了最佳的適用模型，用來(lái)估算植被干物質(zhì)氮含量，所得結(jié)果的精度在可接受范圍內(nèi)。而為了探索實(shí)驗(yàn)室獲取氮含量是否也能很好地適用于正常植被，下面基于同樣的理論方法，進(jìn)一步模擬鮮植被氮含量來(lái)進(jìn)行比較分析。由于LOPEX’93數(shù)據(jù)庫(kù)直接提供的是干物質(zhì)的氮含量，所以在與鮮植被反射率進(jìn)行相關(guān)研究之前，需要先將干物質(zhì)氮含量轉(zhuǎn)換成鮮植被氮含量。然后對(duì)鮮植被光譜反射率的波段進(jìn)行判斷，再次篩選出與鮮植被氮含量相關(guān)的敏感波段。植被的氮素，多數(shù)以化合態(tài)存在于葉綠素和蛋白質(zhì)當(dāng)中，鮮植被的氮含量較小，在初步確定氮敏感區(qū)域時(shí)，應(yīng)該適當(dāng)?shù)財(cái)U(kuò)大范圍。而在進(jìn)一步判斷敏感波段時(shí)，則利用了Prospect－Sailh模型，將模型中的葉綠素含量和干物質(zhì)含量（蛋白質(zhì)包含其中）分別作為變量，通過(guò)反射率曲線的變化區(qū)間來(lái)確定敏感波段（圖4）。

圖4 明顯的氮素浮動(dòng)區(qū)間

根據(jù)以上的篩選結(jié)果，將敏感區(qū)間以10nm為間隔，共得到46個(gè)敏感波段。然后計(jì)算這46個(gè)波段任意兩波段的比值和差值，再分析得到的2070個(gè)結(jié)果與氮含量的相關(guān)性，再次綜合考慮相關(guān)系數(shù)和波段組合等因素，最終選擇了相關(guān)性較高的22個(gè)比值植被指數(shù)和27個(gè)差值植被指數(shù)來(lái)與氮含量進(jìn)行7種模型的擬合。結(jié)果顯示，所選的差值和比值植被指數(shù)與氮含量擬合的結(jié)果中精度最高的分別達(dá)到0.314和0.335，從數(shù)據(jù)上可以明顯看出氮含量與鮮植被光譜反射率的擬合結(jié)果精度不高，與干物質(zhì)模擬結(jié)果存在明顯的差距?？梢?jiàn)，利用鮮植被反射率波段組合的植被指數(shù)來(lái)估算氮含量的研究還有待進(jìn)一步深思。雖然僅僅通過(guò)以上結(jié)果還不能確定導(dǎo)致干、鮮植被估算結(jié)果差異的原因是水分的存在或是植被中氮素含量過(guò)低而產(chǎn)生的誤差，但是可以肯定的是直接模擬干物質(zhì)氮含量與正常鮮植被反射率間關(guān)系的方法是存在較大誤差的。

2.5 反射率變化形式擬合結(jié)果

為了進(jìn)一步驗(yàn)證上文植被干物質(zhì)反射率差值與氮含量的擬合結(jié)果，這里還用了反射率的各種變化形式與干物質(zhì)植被氮含量進(jìn)行擬合，將其結(jié)果與DVI擬合結(jié)果相對(duì)比來(lái)說(shuō)明上文結(jié)果的有效性。反射率的變化形式主要包括反射率導(dǎo)數(shù)光譜、連續(xù)統(tǒng)去除光譜、波段深度和反射率倒數(shù)的對(duì)數(shù)等［19］，這里選用的參數(shù)是反射率的一階導(dǎo)數(shù)、二階導(dǎo)數(shù)，以及反射率倒數(shù)的對(duì)數(shù)和倒數(shù)的導(dǎo)數(shù)。

擬合過(guò)程中，先分別計(jì)算出所選敏感波段反射率的4個(gè)參數(shù)（一階導(dǎo)數(shù)、二階導(dǎo)數(shù)、倒數(shù)的對(duì)數(shù)和倒數(shù)的導(dǎo)數(shù)），然后再分析各項(xiàng)參數(shù)與氮含量的相關(guān)性，從中選取相關(guān)性最高的結(jié)果，將其與氮含量分別進(jìn)行7種模型的擬合，從而找到相關(guān)性最高波段光譜參數(shù)的最佳擬合模型。表4列出了反射率4個(gè)參數(shù)與氮含量擬合結(jié)果中精度最高的擬合模型，結(jié)果顯示，反射率的各項(xiàng)參數(shù)在與干物質(zhì)植被氮含量的擬合中也有較好的精度，可以用來(lái)估算氮含量，但是其精度仍然低于DVI（R760－R1520）與氮含量所擬合的模型。

表4 反射率參數(shù)與氮含量擬合結(jié)果

3 結(jié)束語(yǔ)

植被的氮素含量與植被光譜信息存在著一定的相關(guān)性，通過(guò)植被的光譜來(lái)研究植被氮含量是運(yùn)用遙感手段來(lái)獲取植被生化組分的有效方法。本文的研究中，首先擬合了植被干物質(zhì)和光譜反射率的關(guān)系，又與鮮植被的擬合結(jié)果進(jìn)行了對(duì)比，再用光譜放射率的各種參數(shù)對(duì)干物質(zhì)擬合結(jié)果的精度進(jìn)行了驗(yàn)證，所得結(jié)論如下：

①通過(guò)植被指數(shù)與氮含量的模型擬合，找到了估算植被干物質(zhì)氮含量的較好模型，即以DVI（R760－R1520）擬合的復(fù)合模型Y＝17.787× 241.456x和指數(shù)模型Y＝17.787×e5.487x，其擬合精度R2＝0.673，模型驗(yàn)證結(jié)果中擬合值與真實(shí)值的線性相關(guān)性在0.9以上。該結(jié)論既可以作為研究植被干物質(zhì)生化組分的參考，也可以作為研究正常植被氮素含量的基礎(chǔ)，具有一定的研究?jī)r(jià)值。

②采用同種方法擬合鮮植被氮含量與反射率差值、比值，其擬合模型結(jié)果的最高精度R2＝0.335，明顯低于植被干物質(zhì)的擬合結(jié)果，這可以說(shuō)明實(shí)驗(yàn)室獲取的植被氮素含量與鮮植被光譜反射率直接擬合存在一定的誤差，而且誤差可能來(lái)源于植被中存在的水分。

③利用反射率的4種變化形式（一階導(dǎo)數(shù)、二階導(dǎo)數(shù)、反射率倒數(shù)的對(duì)數(shù)和倒數(shù)的導(dǎo)數(shù)）來(lái)與植被干物質(zhì)氮含量擬合，結(jié)果中反射率一階導(dǎo)數(shù)具有最高的擬合精度R2＝0.601，其它參數(shù)的最高精度也都在0.5以上，但是仍然低于DVI（R760－R1520）擬合的結(jié)果，進(jìn)一步論證了本文中擬合結(jié)果的可信度和有效性。

［1］ 朱曉鈴，黃正清，高建陽(yáng)，等.琯溪蜜柚葉片氮濃度高光譜遙感監(jiān)測(cè)初探［J］.國(guó)土資源遙感，2007，（2）：71－74.

［2］ 朱哲燕，鮑一丹，黃敏，等.油菜葉綠素與氮含量關(guān)系的試驗(yàn)研究［J］.浙江大學(xué)學(xué)報(bào)，2006，32（2）：152－154.

［3］ 田慶永，閔祥軍.植被指數(shù)研究進(jìn)展［J］.地球科學(xué)進(jìn)展，1998，13（4）：327－333.

［4］ 田永超，楊杰，姚霞，等.估測(cè)水稻葉層氮濃度的新型藍(lán)光氮指數(shù)［J］.應(yīng)用生態(tài)學(xué)報(bào)，2010，21（4）：966－972.

［5］ JU C H，TIAN Y C，YAO X，et al.Estimating leaf chlorophyll content using red edge parameters［J］.Pedosphere，2010，20（5）：633－644.

［6］ LIU S H，LIU X H，HOU J，et al.Study on the spectral response of Brassica Campestris L.Leaf to the copper pollution［J］.Science in China Series E：Technological Sciences，2008，51（2）：202－208.

［7］ ZHAO C J，HUANG W J，WANG J H，et al.The red edge parameters of different wheat varieties under different fertilizationand irrigation treatments［J］.Agrieultural Scieneesin China，2002，1（7）：745－751.

［8］ 梁守真，施平，馬萬(wàn)棟，等.植被葉片光譜及紅邊特征與葉片生化組分關(guān)系的分析［J］.中國(guó)生態(tài)農(nóng)業(yè)學(xué)報(bào)，2010，18（4）：804－809.

［9］ 王莉雯，衛(wèi)亞星.植被氮素濃度高光譜遙感反演研究進(jìn)展［J］.光譜學(xué)與光譜分析，2013，33（10）：2823－2827.

［10］ 王磊，白由路.不同氮處理春玉米葉片光譜反射率與葉片全氮和葉綠素含量的相關(guān)研究［J］.中國(guó)農(nóng)業(yè)科學(xué)，2005，38（11）：2268－2276.

［11］ LONG J R，MA G H，WAN Y Z，et al.Effects of nitrogen fertilizer level on chlorophyll fluorescence characteristics in flag leaf of super hybrid rice at late growth stage［J］.Rice Science，2013，20（3）：220－228.

［12］ HOSGOOD B，JACQUEMOUD S，ANDREOLI G，et al.Leaf optical properties experiment 93（LOPEX93）［R］.European Commission，Institute for Remote Sensing Applications，1994.

［13］ 陸成，陳圣波，劉萬(wàn)崧.葉片輻射傳輸模型PROSPECT理論研究［J］.世界地質(zhì)，2013，32（1）：177－188.

［14］ JACQUEMOUD S，BARET F.PROSPECT：A model of leaf optical properties spectra［J］.Remote Sens.Environ，1990，34：75－91.

［15］ 顏春燕.遙感提取植被生化組分信息方法與模型研究［D］.北京：中國(guó)科學(xué)院遙感應(yīng)用研究所，2003.

［16］ 梁守真，施平，周迪.基于SAILH模型的植被冠層NDVI二向性分析［J］.遙感信息，2011，26（1）：22－26，86.

［17］ VERHOEF W.Light scattering by leaf layers with application to canopy reflectance modeling：The SAIL model［J］.Remote Sensing of Environment，1984，16：125－141.

［18］ 王人潮，陳銘臻，蔣亨顯.水稻遙感估產(chǎn)的農(nóng)學(xué)機(jī)理研究：不同氮素水平的水稻光譜特征及其敏感波段的選擇［J］.浙江農(nóng)業(yè)大學(xué)學(xué)報(bào)，1993，19（增刊）：7－14.

［19］ 孫林，程麗娟.植被生化組分光譜模型抗土壤背景的能力［J］.生態(tài)學(xué)報(bào)，2011，31（6）：1641－1652.

Estimation of Vegetation Dry Matter Nitrogen Content with Reflectivity Spectrum

SUN Hua1，SUN Lin1，ZHU Jin－shan1，YAO Yan－juan2
（1.Shandong University of Science and Technology，Qingdao 266590；2.Satellite Environment Center，Ministry of Environmental Protection，Beijing100094）

Taking Lopex’93database as the data source，fit and construct the relationship model between the nitrogen content（%）of vegetation dry matter and the spectral reflectance.It verifies the analysis by comparing with fresh vegetation and using the four change forms of the spectral reflectance（first derivative，second derivative，the logarithm of reciprocal and the derivative of reciprocal）.Results show that the composite model Y＝17.787×241.456xand exponential model Y＝17.787× e5.487xconstructing by difference vegetation index DVI（R760－R1520）have better estimation precision to nitrogen content of vegetation dry matter and the correlation coefficient between fitted value and real value is R2＝0.901.The accuracy of fresh vegetation fitting model is obviously lower than the dry matter model，and the estimated model which is constructed by DVI and dry matter can get good results through the validation of the four parameters of reflectivity.

vegetable dry matter；nitrogen content；reflectivity spectrum；fitting model；Prospect－Sailh model

10.3969／j.issn.1000－3177.2015.04.013

TP79

A

1000－3177（2015）140－0075－06

2014－06－06

2014－08－10

國(guó)家自然科學(xué)基金項(xiàng)目（NSFC41271349）；國(guó)家“十二五”科技支撐計(jì)劃項(xiàng)目（2012BAH27B00）；新疆及周邊區(qū)域遙感動(dòng)態(tài)監(jiān)測(cè)與應(yīng)急管理系統(tǒng)下課題（2012BAH27B04）。

孫華（1987—），女，碩士研究生，研究方向?yàn)楹Ｑ筮b感、定量遙感。

E－mail：yexun1127＠126.com