王冰,何金有,張鵬杰,楊曉雨

(內(nèi)蒙古農(nóng)業(yè)大學 林學院，內(nèi)蒙古 呼和浩特 010019)

葉綠素作為植物的主要生化參數(shù)，不僅可以評價植物的光合能力，而且是監(jiān)測植物營養(yǎng)脅迫、發(fā)育階段和病蟲害的重要指標，對森林生產(chǎn)力的估計、全球碳循環(huán)研究等也有重要意義[1-2]。在森林經(jīng)營中，準確了解樹木生長環(huán)境及葉片健康水平對于實現(xiàn)林木乃至整個林分的合理經(jīng)營至關重要[3]。

葉綠素含量的測定通常采用分光光度法，即依據(jù)葉綠素不溶于水而易溶于丙酮等有機溶劑而來提取葉綠素，按照提取方法又可分為研磨法和浸提法，已應用在多種植物的葉綠素研究中[4-6]。植物葉片有機分子結構中的化學鍵在一定光輻射水平下發(fā)生振動，引起相應波長的光譜反射和吸收，展現(xiàn)出不同的光譜反射率；通過分析植物化學組分敏感光譜的反射率與該組分含量或濃度的相關關系，可以對植物化學組分信息作出診斷[7-9]。受葉綠素吸收作用的影響，植物葉片在可見光、近紅外波段存在明顯的吸收谷和反射峰[10]，可以實現(xiàn)植被葉綠素含量的估測；而高光譜遙感因其光譜分辨率高且連續(xù)，被廣泛應用在植物葉綠素的估算模型構建中。(1)“三邊”即藍邊(490～530 nm)、黃邊(560～640 nm)和紅邊(680～760 nm)，“三邊”參數(shù)可以很好地反映植被的光譜特征，對葉綠素、含水量等植被生化參數(shù)的變化也較敏感。 “紅邊”是植物光譜的最明顯特征，植物的“紅邊效應”，即植物光譜隨葉綠素含量高低、生長活力旺盛等狀況而發(fā)生向紅外或藍光方向移動的現(xiàn)象[11-12]，已被應用于植被長勢的監(jiān)測。如：袁小康等[13]研究發(fā)現(xiàn)夏玉米(Zeamays)葉片葉綠素含量越低，冠層光譜反射率越高，綠峰位置“紅移”，而紅邊位置“藍移”；陳兵等[14]建立了黃萎病棉葉葉綠素含量的光譜紅邊參數(shù)診斷模型；馮偉等[15]建立了白粉病脅迫下小麥(Triticumaestivum)冠層葉綠素密度的高光譜估算模型；史冰全等[16]證明應用“三邊”參數(shù)估算植被葉綠素的方法是可行的。(2)在高光譜遙感監(jiān)測中，利用植被指數(shù)估測植被狀況也多有研究[17]。如：紀童等[18]基于與葉綠素相關性較高的高光譜波段植被指數(shù)(NDVI705、NDVI670、 CI和EVI等)，構建了植被指數(shù)反演葉綠素含量模型；曹英麗等[19]研究發(fā)現(xiàn)采用最優(yōu)子集選擇算法篩選出的植被指數(shù)特征組合的水稻(Oryzasativa)葉綠素回歸模型反演精度最高。以上關于葉綠素高光譜反演研究中，以農(nóng)作物居多，而針對北方林木的研究較少。

在大興安嶺地區(qū)，白樺(Betulaplatyphylla)占該林區(qū)面積的39.2%，是興安落葉松(Larixgmelinii)林常見的伴生樹種。特別在火燒跡地中，白樺作為先鋒樹種，表現(xiàn)出更新能力和競爭適應性強的特點，可迅速成林，在大興安嶺地區(qū)發(fā)揮著重要的生態(tài)功能。本研究以內(nèi)蒙古大興安嶺的白樺為研究對象，通過測定其葉片的葉綠素含量和對應光譜，在分析葉片反射光譜與葉綠素含量間關系的基礎上，篩選適合葉綠素高光譜反演的特征參數(shù)，建立白樺葉片葉綠素含量的高光譜遙感估算模型，以期為白樺的生長發(fā)育和健康脅迫研究及經(jīng)營管理提供依據(jù)。

1 研究區(qū)概況與研究方法

1.1 研究區(qū)概況

研究區(qū)位于內(nèi)蒙古根河市境內(nèi)，屬寒溫帶濕潤氣候，寒冷濕潤，冬長夏短，春秋相連，年平均氣溫-5.3 ℃，境內(nèi)遍布永凍層。森林資源豐富，主要樹種有興安落葉松、白樺和山楊(Populusdavidiana)等。

1.2 研究方法

1.2.1 樣地設置

通過收集資料和現(xiàn)場踏查，于2019年8月，在根河林業(yè)局上央格氣林場的2003年火燒跡地(51°05′26.909″～51°05′29.444″E、121°31′52.708″～121°31′50.620″N)和未過火區(qū)(51°04′59.015″～51°05′00.346″E、121°31′57.379″～121°31′53.620″N)分別設置1塊30 m×80 m的樣地，樣地內(nèi)以10 m×20 m劃分網(wǎng)格，用于調(diào)查和取樣。

1.2.2 葉片收集與測定

在樣地各網(wǎng)格內(nèi)，選取一棵長勢狀態(tài)良好且靠近中心的白樺用于葉片收集，共取樣18棵。將白樺樹冠分為上、下2層，使用高枝剪采集各層葉片樣本，每層取5～10片，放入保溫箱中(箱內(nèi)溫度保持在0 ℃)，帶回實驗室，用于葉片光譜和葉綠素含量的測定。

(1)葉片光譜測定 葉片光譜測定采用美國ASD HandHeld 2 手持式地物光譜儀，每個葉片重復測定3次，最終得到該樣本的光譜曲線。

(2)葉片葉綠素含量測定 采用乙醇-分光光度法，根據(jù)葉綠體色素提取液對可見光譜的吸收特性獲取葉綠素含量。在每組樣本中，將采集完光譜的新鮮葉片用蒸餾水洗滌干凈后，去除葉脈，剪碎后相互混合均勻；稱取0.4 g，置于50 mL由無水乙醇、蒸餾水兩種溶液按照9∶2的比例配置成的混合溶液中，在實驗室遮光環(huán)境下靜置24 h，直至樣品完全發(fā)白；采用分光光度儀測量645 nm和663 nm波段處的吸光度值，再根據(jù)公式計算葉片葉綠素a、葉綠素b含量及葉綠素總量。

Chla(mg/L)=9.784OD663-0.990OD645

Chlb(mg/L)=21.426OD645-4.650OD663

Chl(mg/L)=5.134OD663+20.436OD645。

式中：Chla、Chlb分別為葉綠素a、b含量，OD645、OD663分別為葉綠體色素在645 nm和663 nm處的吸光度。

1.2.3 葉片光譜處理

(1)光譜數(shù)據(jù)預處理 為減少數(shù)據(jù)采集過程中產(chǎn)生的誤差，利用光譜數(shù)據(jù)處理軟件View Spec Pro分別對火燒跡地和對照樣地上白樺葉片的光譜曲線進行均值處理，并將處理后的結果作為樣地內(nèi)白樺葉片的原始光譜數(shù)據(jù)。同時，為了提高信噪比，保留400～1 075 nm的波段數(shù)據(jù)進行分析。

(2)光譜數(shù)據(jù)去包絡線處理 去包絡線是一種能有效增強吸收特征的光譜分析方法，可以有效突出光譜曲線的吸收和反射特征，并將反射率歸一化到一致的光譜背景上，有利于光譜曲線特征波段的提取及特征值的比較[20]。用ENVI軟件對原始光譜數(shù)據(jù)進行平滑和去包絡線處理，獲取去包絡線后的光譜數(shù)據(jù)，并選取552～700 nm波段范圍內(nèi)的光譜數(shù)據(jù)進行吸收深度和歸一化吸收深度的計算，其計算公式如下。

BD=1-R′

NBDI=|BD-BDmax|/(BD+BDmax)

式中：BD為光譜吸收深度、NBDI為歸一化吸收深度，R′為去包絡線后的反射率、BDmax為光譜吸收的最大深度。

(3)光譜數(shù)據(jù)一階導數(shù)處理

用Origin軟件對原始光譜進行一階求導，提取“紅邊”“藍邊”和“黃邊”三邊參數(shù)共19個[16]，見表1。

表1 光譜特征參數(shù)列表

1.2.4 葉綠素模型構建

以地面實測的葉片葉綠素含量和相應的葉片光譜數(shù)據(jù)為基礎，利用二者間的統(tǒng)計相關性篩選敏感波段，并選取與葉綠素含量高度相關的光譜特征參數(shù)，使用一元線性回歸模型構建葉片尺度的葉綠素含量估算模型。其中，80%的數(shù)據(jù)用于葉片葉綠素估算模型的構建，剩余20%數(shù)據(jù)用于模型的精度驗證。

(1)建模參數(shù)篩選 自變量的選取采用了皮爾森(Person)相關分析法，相關系數(shù)r在0～1之間，一般認為r的絕對值越大，二者的相關程度越高，其計算公式[21]如下。

(2)模型構建 基于篩選出的光譜特征參數(shù)，運用線性與非線性回歸模型，在SPSS軟件中構建白樺葉片葉綠素含量的高光譜遙感估算模型。

一元線性函數(shù)y=b0+b1x

對數(shù)函數(shù)y=b0+b1ln(x)

復合函數(shù)y=b0(b1x)

增長函數(shù)y=e(b0+b1x)

指數(shù)函數(shù)y=b0·eb1x

式中：y為白樺葉片葉綠素含量值；x為光譜變量；b0、b1為系數(shù)。

(3)模型驗證與評價 選用決定系數(shù)R2、均方根誤差RMSE及相對誤差RE對估計模型進行精度評價。R2越大，RMSE和RE越小，模型的模擬精度越高[22]。

2 結果與分析

2.1 白樺葉片葉綠素含量統(tǒng)計特征

對火燒跡地和對照樣地的白樺葉片葉綠素含量進行統(tǒng)計，見表2。從表2可以看出，火燒跡地和對照樣地的白樺葉片葉綠素含量均值分別為1.593和2.088 mg/g，對照樣地的白樺葉綠素含量總體較火燒跡地高，且其變異程度小。

表2 葉綠素含量統(tǒng)計特征

2.2 白樺葉片光譜特征

2.2.1 原始光譜特征

火燒跡地和對照樣地白樺葉片的原始光譜曲線體現(xiàn)了綠色植物特有的光譜特征(圖1)。在可見光499～583 nm波段范圍內(nèi)光譜曲線呈現(xiàn)緩慢上升后下降的趨勢，在綠光波段(550 nm附近)存在明顯的反射峰；在可見光583～695 nm波段范圍內(nèi)緩慢下降，在紅光波段(680 nm附近)存在明顯的吸收谷，即可見光波段的“綠峰”和“紅谷”現(xiàn)象?；馃E地的白樺葉片各波段反射率總體上較對照樣地高，且“綠峰”現(xiàn)象較明顯，而兩者的“紅谷”現(xiàn)象差異不大。各樣地白樺葉片反射率隨波長的變化趨勢較一致，即可見光波段的反射率較低，而在可見光至近紅外波段(695～779 nm)范圍內(nèi)呈快速上升，之后形成一個高反射平臺。

2.2.2 去包絡線后光譜特征

包絡線去除后，白樺葉片光譜反射率依然為火燒跡地的較高(圖1)。經(jīng)過包絡線去除后的光譜曲線，其吸收、反射特征明顯被放大，其中火燒跡地的放大效果較對照樣地明顯，特別是在“綠峰”處。在可見光499～583 nm波段范圍內(nèi)火燒跡地上白樺葉片的反射率明顯比對照樣地高；在可見光583～695 nm波段范圍內(nèi)的吸收谷更為明顯，火燒跡地與照樣地的反射率在吸收谷附近的差異不大；680 nm后，兩條光譜曲線的差異明顯縮小，基本趨于一致，均呈現(xiàn)快速上升后的高平臺狀態(tài)。

圖1 去包絡線光譜

經(jīng)去包絡線的光譜曲線計算得到光譜吸收深度和歸一化吸收深度兩個光譜特征參數(shù)(表3)。由表3可知，火燒跡地和對照樣地的白樺葉片光譜吸收深度差異較小，均在0.885左右；但二者的歸一化吸收深度差異明顯，分別為0.446和0.297，火燒跡地的值較大。

表3 光譜特征參數(shù)

2.2.3 一階導數(shù)光譜特征

圖2為火燒跡地和對照樣地白樺葉片一階微分光譜曲線。由圖2可知，各樣地白樺葉片的一階微分光譜均體現(xiàn)出明顯的“三邊”特征?！叭叀奔此{邊(490～530 nm)、黃邊(560～640 nm)和紅邊(680～760 nm)，是植物光譜的典型特征，可以反映植物的生長狀況[30]?；谝浑A微分光譜計算得到的光譜特征參數(shù)值見表4。從表4可以看出，火燒跡地上白樺葉片的綠峰位置較對照樣地出現(xiàn)“紅移”現(xiàn)象(即向長波方向移動)、紅邊位置較對照樣地出現(xiàn)“藍移”現(xiàn)象(即向短波方向移動)，且三邊的面積均大于對照樣地。

圖2 一階導數(shù)光譜

表4 光譜特征參數(shù)值

2.3 白樺葉片葉綠素含量與光譜特征參數(shù)間的相關分析

計算火燒跡地和對照樣地白樺葉片光譜反射率與相應葉綠素含量間的相關系數(shù)，繪制相關系數(shù)隨波長變化的曲線(圖3)。由圖3可知，在450～1 075 nm范圍內(nèi)，相關系數(shù)均為負值，即該波段范圍內(nèi)的光譜反射率與葉綠素含量均呈負相關關系。其中708 nm處的相關系數(shù)絕對值最大(r=-0.788)，因此，選擇708 nm處的反射率作為模型構建的光譜特征參數(shù)之一。

圖3 相關系數(shù)隨波長變化的曲線

各光譜特征參數(shù)與白樺葉片葉綠素含量間的相關系數(shù)見表5。

表5 光譜特征參數(shù)與白樺葉綠素含量相關系數(shù)

由表5可知，黃邊幅值Dy、黃邊位置λy、紅邊面積與藍邊面積的差值(SDr-SDb)與白樺葉綠素含量的相關性均不顯著(P>0.05)；紅邊位置λDr、綠峰位置 λg、紅谷幅值Rr、紅谷位置λv、綠峰反射率與紅谷反射率的比值(Rg/Rr)與白樺葉綠素含量呈顯著相關(P<0.05)；紅邊位置 λr、藍邊位置 λb、綠峰幅值 Rg、黃邊面積SDr、藍邊面積SDb、紅邊面積SDy、紅邊面積與藍邊面積的比值SDr/SDb、紅邊面積與黃邊面積的比值SDr/SDy、紅邊面積與藍邊面積的歸一化值(SDr-SDb)/(SDr+SDb)、紅邊面積與黃邊面積的歸一化值(SDr-SDy)/(SDr+SDy)、BD(552～700 nm)、NBDI(552～700 nm)與白樺葉綠素含量呈極顯著相關(P<0.01)，其中SDr/SDb、SDr/SDy、(SDr-SDb)/(SDr+SDb)、(SDr-SDy)/(SDr+SDy)與白樺葉綠素含量呈正相關關系，其余參數(shù)與白樺葉綠素含量呈負相關關系。

2.4 白樺葉片葉綠素含量模型構建

2.4.1 葉綠素含量的高光譜模型構建

將樹冠上、下兩層的葉綠素含量作為模型構建和檢驗的葉綠素數(shù)據(jù)，共得到35組葉綠素數(shù)據(jù)；將35組葉綠素樣本按8∶2的比例進行系統(tǒng)抽樣，統(tǒng)計并計算建模集和檢驗集的葉綠素含量特征(表6)。

表6 葉綠素含量統(tǒng)計特征

以相關系數(shù)最高為原則，通過比較，選擇出與葉綠素含量相關性最顯著的光譜特征參數(shù)作為自變量，以白樺葉片葉綠素含量作為因變量，構建白樺葉片葉綠素含量的線性和非線性估算模型。由表5可知，反射率(708 nm)與白樺葉片葉綠素含量相關系數(shù)最大，以其為自變量建模結果如表7。建立的模型中，一元線性模型的R2最大，其白樺葉片葉綠素估算模型為y=4.141-8.943 6x，模型的決定系數(shù)R2=0.622，方程的參數(shù)滿足F檢驗、t檢驗，對葉綠素的預測估計能力最好，相對于其他模型，具有較好的穩(wěn)定性，各樣本擬合圖見圖4。

表7 基于敏感波段(708nm)構建線性和非線性模型結果

圖4 白樺葉綠素估計模型

2.4.2 葉綠素含量的高光譜模型驗證與評價

對模型中R2最高的模型進行模型驗證，白樺葉綠素含量預測模型模擬驗證效果見表8。

表8 白樺葉綠素含量估計模型驗證評價指標

一元線性回歸模型模擬的決定系數(shù)調(diào)整后的R2為0.613，均方根誤差為0.072，相對誤差為8.24%。利用檢驗集葉綠素含量的實測數(shù)據(jù)與模型預測值繪制散點圖(圖5)。

圖5 白樺葉綠素含量估計模型的驗證

由圖5可知，實測值與預測值較為接近，基于此特征參數(shù)構建的一元線性回歸模型表現(xiàn)了較好的預測能力。

3 討論與結論

3.1 討論

研究區(qū)白樺葉片的反射率整體為可見光波段低、近紅外波段高，有明顯的“綠峰”和“紅谷”現(xiàn)象，符合綠色植被光譜的一般特征。火燒跡地的白樺葉片的葉綠素含量較對照樣地低，且其變異程度小。對照樣地近期未受到林火干擾，立地條件較一致，林木長勢較均一；火燒跡地的林木更新時間較短，且受林火程度強弱的影響，林木更新年齡存在一定差異。有研究表明，在一定年齡范圍內(nèi)，葉片葉綠素含量隨林齡的增大而增加。幼齡階段，葉綠體發(fā)育不完全，葉綠素含量較少，隨著林齡增加，光合作用增強，葉綠素大量合成并保持，葉片顏色逐漸加深[23]?；馃E地的白樺葉片反射率較對照樣地高，且在450～1 075 nm范圍內(nèi)，白樺葉片光譜反射率與葉綠素含量間的相關系數(shù)均為負值，這與袁小康等[13]的研究結果較一致。表明白樺葉片光譜反射率隨著葉綠素含量的增加而降低，即葉片葉綠素含量越高，光譜反射率越低，吸收作用越強。本研究還發(fā)現(xiàn)，白樺葉片葉綠素含量與光譜反射率間的相關系數(shù)在708 nm處的絕對值最大(r=-0.788)，這與陳瀾等[22]對獼猴桃(Actinidiachinensis)葉片的研究結果較一致，其研究發(fā)現(xiàn)，不同生育期原始光譜與葉綠素含量的極顯著相關值多數(shù)出現(xiàn)在707 nm附近。

可見光波段(400～760 nm)的植被光譜反射率主要受到葉綠素的影響，由于葉綠素對綠光較紅光和藍光吸收低而形成“綠峰”；葉綠素在紅光波段的強吸收和近紅外波段的高反射導致紅光與近紅外波段過渡區(qū)的反射率急劇上升，形成“紅邊”?！熬G峰”和“紅邊”參數(shù)的變化可以指示葉綠素含量的變化，“綠峰”和“紅邊”位置會隨葉綠素含量的變化而發(fā)生偏移。當葉片中葉綠素含量減少時，“綠峰”和 “紅邊”位置會分別向長波和短波方向移動(即紅移和藍移)；當葉綠素含量增加時，其變化相反[23]?；馃E地上白樺葉片的葉綠素含量比對照樣地低，所以其“綠峰”位置和“紅邊”位置較對照樣地分別出現(xiàn)“紅移”和“藍移”現(xiàn)象。

本研究顯示，白樺葉片的葉綠素含量與大部分的光譜特征參數(shù)有較強的相關性，且多數(shù)呈負相關，其中綠峰幅值(Rg)、紅邊幅值(Dr)、黃邊面積(SDy)分別與葉綠素含量的相關系數(shù)達到了-0.729、-0.703、-0.723，均呈現(xiàn)出極顯著相關性(P<0.01)。自變量間的相關分析表明，大部分自變量間均存在顯著相關性，為防止共線性問題影響模型的預估能力，本研究采用一元線性回歸的方法構建了葉綠素含量模型。林少喆等[25]構建了基于“三邊”參數(shù)的冬小麥冠層SPAD值的一元線性回歸模型；史冰全等[16]利用最優(yōu)的光譜數(shù)據(jù)位置特征參數(shù)擬合出油松(Pinustabuliformis)林葉綠素含量的線性回歸模型，以上研究方法與本文相似。本研究最終將以708 nm反射率為自變量的模型確定為白樺葉片葉綠素含量的最佳估算模型，其表達式為y=4.14-8.94x，經(jīng)過模型驗證，該模型的相對誤差值在允許誤差范圍內(nèi)，相比于其他光譜特征參數(shù)，該模型的預估能力最好，具有一定的參考價值。

3.2 結論

通過對內(nèi)蒙古大興安嶺火燒跡地和對照樣地上白樺葉片的葉綠素含量和光譜特征的分析，構建了白樺葉片葉綠素含量的高光譜估算模型，主要得到如下結論。

(1)火燒跡地和對照樣地的白樺葉片葉綠素含量均值分別為1.593、2.088 mg/g，火燒跡地的白樺葉綠素含量總體較對照樣地低，且變異程度大。

(2)白樺葉片的光譜曲線體現(xiàn)了綠色植物特有的光譜特征，呈現(xiàn)出明顯的 “綠峰”和“紅谷”現(xiàn)象，火燒跡地的光譜反射率總體較對照高，表明白樺葉片葉綠素含量越低，其光譜反射率越高；經(jīng)過去包絡線處理后，其光譜曲線的吸收、反射特征明顯被放大，其中火燒跡地的放大效果較對照樣地明顯；經(jīng)過一階導數(shù)處理后，白樺葉片的光譜均體現(xiàn)出明顯的“三邊”特征，火燒跡地的光譜較對照呈現(xiàn)出綠峰位置“紅移”和紅邊位置“藍移”的現(xiàn)象。

(3)450～1 075 nm范圍的光譜反射率與白樺葉綠素含量均呈負相關關系，708 nm處的反射率與白樺葉綠素含量的相關系數(shù)絕對值最大，其值達到了0.788。除黃邊幅值Dy、黃邊位置λy、紅邊面積與藍邊面積的差值(SDr-SDb)外，其他光譜特征參數(shù)與白樺葉片的葉綠素含量均具有顯著相關性。

(4)以相關系數(shù)最高為原則，以708 nm反射率為自變量構建白樺葉片葉綠素含量的一元線性回歸模型最佳，其表達式為y=4.14-8.94x(R2=0.622)，相對誤差為8.24%，模型的預估能力較好。