夏 天，周清波+，陳仲新，周 勇，于 雷

(1.農(nóng)業(yè)部農(nóng)業(yè)信息技術(shù)重點實驗室，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;3.華中師范大學(xué)城市與環(huán)境科學(xué)學(xué)院，湖北武漢 430079)

SPAD值 (SPAD reading)稱為葉色值 (leaf color values)，表示葉片中葉綠素含量相對應(yīng)的參數(shù)［1］。日本Minolta Camera公司生產(chǎn)的SPAD-502葉綠素儀可以準確地測定植物葉片葉綠素含量 (SPAD)，由于它具有操作簡單，不受時間、氣候條件限制等特點使用十分廣泛［2］。Marenco研究發(fā)現(xiàn)SPAD-502測量葉綠素含量的精度很高，幾乎跟化學(xué)實驗測得的葉綠素結(jié)果一樣［3］。許多學(xué)者通過測定水稻、小麥等作物的葉綠素含量及SPAD，研究發(fā)現(xiàn)SPAD與葉片葉綠素含量呈顯著正相關(guān)性［4-6］，相關(guān)性達到極顯著水平，結(jié)果表明可以用SPAD代替葉綠素的含量［7-9］。同時植物體葉綠素的變化與其光合能力、生長發(fā)育以及氮素狀況有較好的相關(guān)性，通常被稱為監(jiān)測植物生長發(fā)育和營養(yǎng)狀況的指示器［10-12］。而葉片光合能力的大小和產(chǎn)量具有密切關(guān)系，是糧食作物產(chǎn)量形成的直接動力，所以了解植株葉綠素的含量及動態(tài)變化，對評價作物生產(chǎn)能力、預(yù)測產(chǎn)量和品質(zhì)均有重要意義［13］。

傳統(tǒng)測量植株葉綠素的方法效率低并具有破壞性，隨著遙感技術(shù)的發(fā)展，遙感可以直接對地物進行微弱光譜差異的定量分析，利用遙感估測植物葉綠素含量等參數(shù)已經(jīng)成為一種重要手段［14-15］，并在植被遙感研究與應(yīng)用中表現(xiàn)出強大優(yōu)勢［16］。國內(nèi)外在此方面都進行了相關(guān)研究，如:Sampson、Carter and Knapp等發(fā)現(xiàn)葉片的葉綠素含量是葉片的主要參數(shù)，它決定葉片光譜可見光部分的變化，葉綠素的含量與光譜反射率的變化相關(guān)［17-18］。Dash J基于單一的植被類型的冠層葉綠素含量估測，結(jié)果表明綠、紅以及紅外波段附近的光譜信息對于葉綠素含量較為敏感［19］。Bauerle等在研究木質(zhì)植物光合作用時，指出在400～700nm波長范圍內(nèi)，SPAD測量值與葉子透射和吸收值存在顯著回歸關(guān)系，但與光譜反射的回歸關(guān)系不精確［20］。20世紀70年代來以來，隨著對地觀測衛(wèi)星的相繼發(fā)射 (如:MODIS、TM、ETM、SPOT5、ALOS、Quickbird影像等)，為實時的對地監(jiān)測提供一種新的手段。但是這些國外衛(wèi)星影像存在獲取難，成本高等諸多問題，不利于我國科研機構(gòu)使用［21］。

HJ-1衛(wèi)星是我國自主研制的環(huán)境和災(zāi)害監(jiān)測預(yù)報小衛(wèi)星，兩顆裝有空間分辨率為30m寬幅多光譜CCD相機的HJ-1A星和HJ-1B星能夠滿足2天重訪的要求，該衛(wèi)星具有較高的時間分辨率和空間分辨率［22］。本研究探討利用HJ-1衛(wèi)星反演研究樣區(qū)冬小麥葉片SPAD的可行性，為大面積的冬小麥生長狀況及健康情況監(jiān)測提供一種新的技術(shù)手段，以期推動我國遙感衛(wèi)星在實時監(jiān)測冬小麥葉片SPAD的應(yīng)用。

1 材料與方法

1.1 數(shù)據(jù)采集

研究選取湖北省潛江市后湖管理區(qū) (112°36＇E ～112°44＇E，30°12＇N ～30°24＇N)作為研究區(qū)域，該地區(qū)位于江漢平原腹地，地勢平坦，土壤以黏土為主，地面高程在26～31m之間，全年平均氣溫在16.1℃左右，年均降水量1 110mm，屬亞熱帶季風(fēng)性濕潤氣候。后湖管理區(qū)主要種植水稻和冬小麥兩種糧食作物，同時套種棉花和油菜兩種經(jīng)濟作物。該區(qū)域的冬小麥品種以鄭麥9023和皖麥369為主，從2010年3月至2010年5月，對后湖管理區(qū)的冬小麥 (品種:鄭麥9023、皖麥369)進行監(jiān)測。

1.1.1 遙感監(jiān)測

研究選取HJ-1衛(wèi)星2010年3月17日 (HJ-1A CCD2)、2010年4月16日 (HJ-1B CCD1)、2010年5月1日 (HJ-1B CCD2)和2010年5月24日 (HJ-1B CCD2)遙感影像。這四景影像分別為冬小麥的拔節(jié)期、抽穗期、灌漿期和成熟期拍攝，拍攝時天氣狀況較優(yōu)并有田間觀測相配合。HJ-1A/B星CCD相機空間分辨率為30m，光譜范圍覆蓋藍光波段 (0.43～0.52μm)、綠光波段 (0.52～0.60μm)、紅光波段(0.63 ～0.69μm)和近紅外波段 (0.76 ～0.90μm)。

1.1.2 田間觀測

研究樣區(qū)選取位于后湖管理區(qū)中部的五分場，采樣點中心子樣點 (CP)設(shè)置在田塊中央，圍繞中心子樣點，以15m為半徑，分在正東、南、西、北設(shè)置四個子樣點 (EP、SP、WP、NP)，采樣間距在30m左右，這樣能保證與HJ-1衛(wèi)星數(shù)據(jù)的分辨率匹配，每一個監(jiān)測點使用差分GPS記錄監(jiān)測點的坐標。

綠色葉片是小麥積累光合產(chǎn)物的重要器官。小麥的一生葉片分為3組:近根葉組、中層葉組和上層葉組。倒二葉屬于上層葉組，在孕穗期，小麥植株最后三片功能葉對每穗結(jié)實粒數(shù)影響:倒二葉＞劍葉＞倒三葉［23］。故研究選取對冬小麥植株重要的倒二葉作為研究對象。研究分別在每個子樣點附近1m范圍內(nèi)隨機選擇4株冬小麥，測量倒二葉位葉片的SPAD。對每一個倒二葉位葉片測量時，通過測量葉片的上部1/3處、中部和下部1/3處求其平均值。

1.2 數(shù)據(jù)處理

1.2.1 影像數(shù)據(jù)處理

影像處理步驟如下:(1)輻射定標和大氣校正。利用中國資源衛(wèi)星應(yīng)用中心公布的2010年HJ-1A/B星CCD相機的輻射定標參數(shù)將多光譜圖像DN值轉(zhuǎn)換為輻亮度圖像，然后運行ENVI中FLASSH模塊對影像進行大氣校正，由輻亮度轉(zhuǎn)換反射率。(2)冬小麥播種面積影像提取。準確判定土地覆蓋類型，提取出冬小麥種植的范圍，是利用遙感技術(shù)反演冬小麥SAPD的基礎(chǔ)。為了能夠更加準確的提取出后湖管理區(qū)冬小麥的影像，研究利用2009年末第二次全國土地利用調(diào)查的矢量數(shù)據(jù)對影像進行裁剪，結(jié)合后湖管理區(qū)的調(diào)研實際情況，得到研究區(qū)的冬小麥影像數(shù)據(jù)。

1.2.2 SPAD 處理

對采集的冬小麥SPAD進行預(yù)處理，將所有的SPAD數(shù)據(jù)按照采樣監(jiān)測點、采樣的方位和采樣時間分別進行分類。后湖管理區(qū)的鄭麥9023、皖麥369主要生育期SPAD變化均呈拋物線趨勢 (如圖1)，其中拔節(jié)期分別為45.8和39.1，最大值出現(xiàn)在抽穗期，分別為51.6和48，最小值出現(xiàn)在成熟期分別為4.8和6.5。研究區(qū)的冬小麥葉片SPAD從拔節(jié)開始不斷增加，抽穗期達到最大，隨后進入灌漿期，冬小麥的營養(yǎng)不斷的供給麥穗，葉子和麥稈慢慢凋萎，最后達到成熟期小麥葉片的SPAD降至最低點。

圖1 冬小麥葉片SPAD變化趨勢

1.3 SPAD估算模型構(gòu)建

遙感數(shù)據(jù)可以構(gòu)建許多對植株相對敏感的植被指數(shù) (VI)，它能夠精確地表達植物內(nèi)部物質(zhì)吸收和散射的波形，有助于提高遙感數(shù)據(jù)表達葉綠素含量的精度。該研究選取4種能反映冬小麥葉綠素特點的植被指數(shù) (如表1)構(gòu)建反演模型，比值植被指數(shù) (RVI)綠色植被的一個靈敏的指示參數(shù)，它與葉綠素含量相關(guān)性高。差值植被指數(shù) (DVI)對土壤背景的變化較RVI敏感，植被覆蓋度高時，對植被的敏感度有所下降，適宜于冬小麥初期的植被覆蓋研究;歸一化植被指數(shù) (NDVI)可以消除大部分與儀器定標、太陽角、地形、云陰影和大氣條件相關(guān)輻射照度的變化的影響，常用于研究植被生長狀態(tài)及覆蓋度。而綠波段指數(shù) (GRVI)對葉綠素濃度有較高的敏感性。

表1 研究采用的高光譜植被指數(shù)表達式

將各生育期采集的各監(jiān)測點冬小麥葉片SPAD，利用差分GPS儀測定坐標，將田間監(jiān)測數(shù)據(jù)與HJ-1遙感數(shù)據(jù)在時間和空間上對應(yīng)起來。從田間監(jiān)測數(shù)據(jù)中隨機選取15個樣點數(shù)據(jù)用來分析建模，另取12個樣點數(shù)據(jù)作為測試樣本進行模型精度檢驗。通過建立監(jiān)測點將冬小麥葉片SPAD與衛(wèi)星影像數(shù)據(jù)的聯(lián)系起來，對冬小麥葉片SPAD與影像像元中的植被指數(shù)進行相關(guān)性分析并構(gòu)建回歸模型。采用決定系數(shù)R2和均方根誤差 (RMSE)對模擬值和實測值之間進行擬合度檢驗。

2 結(jié)果與分析

2.1 植被指數(shù)預(yù)測模型對比分析

利用差分GPS定位坐標，從HJ-1提取與冬小麥葉片SPAD在時間和空間上一致光譜反射率并計算4種植被指數(shù)［28］。將各植被指數(shù)與冬小麥葉片SPAD利用SPSS軟件進行相關(guān)性分析，分析結(jié)果如表2，結(jié)果顯示四種植被指數(shù)與冬小麥葉片SPAD相關(guān)系數(shù)在0.827～0.934之間。根據(jù)統(tǒng)計學(xué)的劃定:相關(guān)系數(shù)|r|≥0.8時，視為高度相關(guān);0.5≤|r| ＜0.8時，視為中度相關(guān);0.3≤ |r| ＜0.5時，視為低度相關(guān);|r|＜0.3時，說明變量之間相關(guān)程度極弱，可視為不相關(guān)。該研究植被指數(shù)與SPAD相關(guān)性均視為高度相關(guān)，可用于冬小麥葉片SPAD預(yù)測。植被指數(shù)NDVI與冬小麥葉片SPAD相關(guān)性最高，相關(guān)系數(shù)達0.934，視為高度相關(guān)。

為了綜合比較四種植被指數(shù)預(yù)測冬小麥葉片SPAD的精度，故建立它們之間的回歸模型 (結(jié)果見表3)。從表3中能夠看出各植被指數(shù)回歸方程擬合的情況，R2最大的是NDVI冪方程，達到了0.910，最小的為RVI的指數(shù)方程 (0.609)。RMSE最小的NDVI對數(shù)方程，均方根誤差為5.02。綜合考慮四種植被指數(shù)的擬合情況，結(jié)合樣點的分別情況 (圖2)，對數(shù)方程較其它回歸方程擬合度高、預(yù)測精度高，適合預(yù)測冬小麥葉片SPAD。經(jīng)分析，本研究認為NDVI的對數(shù)方程較適合對SPAD進行預(yù)測。

表2 植被指數(shù)與冬小麥葉片SPAD相關(guān)性分析

2.2 模型應(yīng)用及檢驗

將NDVI-SPAD反演模型運用到研究選取的四幅HJ-1衛(wèi)星遙感影像中，對后湖管理區(qū)內(nèi)冬小麥各主要生育期 (拔節(jié)期、抽穗期、灌漿期和成熟期)的SPAD(如圖3)反演，結(jié)果顯示通過該方法能夠有效的反映出該地區(qū)冬小麥SPAD的變化情況。拔節(jié)期時，后湖管理區(qū)內(nèi)SPAD值主要變化區(qū)域為20～30之間，部分區(qū)域達到45左右。抽穗期時，后湖管理區(qū)內(nèi)SPAD值主要變化區(qū)域為30～45之間，其中有1/2區(qū)域達到50左右。灌漿期時，后湖管理區(qū)內(nèi)SPAD值主要變化區(qū)域為20～30之間，部分區(qū)域達到40左右。成熟期時，后湖管理區(qū)內(nèi)SPAD值主要變化區(qū)域為10～20之間，零星區(qū)域的SPAD值還很高。通過HJ-1遙感影像對冬小麥SPAD進行反演，反演SPAD的變化趨勢與實際變化趨勢相同，能夠?qū)ρ芯繀^(qū)域的冬小麥SPAD進行有效的遙感監(jiān)測。

表3 植被指數(shù)預(yù)測模型

圖2 植被指數(shù)與小麥葉片SPAD擬合模型

為了進一步檢驗HJ-1遙感影像反演冬小麥SPAD精度，本研究利用另外12個地面數(shù)據(jù)對模型反演精度進行檢驗。利用采樣點坐標從反演影像中提取冬小麥SPAD預(yù)測值，將影像反演值與田間實測值進行對比，計算預(yù)測值與實際值的相對誤差，其中最大誤差值為6.75，平均相對誤差為-2.34，均方根誤差(RMSE)為5.65。驗證結(jié)果表明，HJ-1衛(wèi)星CCD數(shù)據(jù)計算的植被指數(shù)NDVI與冬小麥葉片SPAD相關(guān)性較高，NDVI對數(shù)模型能夠較好的預(yù)測研究區(qū)冬小麥的SPAD。

圖3 后湖管理區(qū)小麥主要生育期SPAD反演

3 討論

及時了解植被生長狀況、動態(tài)跟蹤診斷植被，對管理植被均具有重要的意義。遙感技術(shù)區(qū)別與傳統(tǒng)技術(shù)是它能實時的、大面積、不間斷監(jiān)測，但是由于衛(wèi)星受到天氣、重返周期等技術(shù)方面的限制，一定程度上限制了它的發(fā)展。HJ-1A/B星具有較好的空間分辨率 (30m)和高時間分辨率 (重返周期2天)的優(yōu)勢，在農(nóng)業(yè)監(jiān)測方面發(fā)揮著重要的作用。

該研究利用HJ-1衛(wèi)星對江漢平原潛江市后湖管理區(qū)的冬小麥進行動態(tài)監(jiān)測，從定量的角度監(jiān)測了該地區(qū)冬小麥植被指數(shù)的時空變化情況，通過與冬小麥葉片SPAD進行相關(guān)性分析構(gòu)建反演模型，由反演結(jié)果可以看出，該定量分析方法能夠?qū)Χ←溔~片SPAD的變化情況進行監(jiān)測，一定程度上可以反演該地區(qū)冬小麥的生長狀況。然而，冬小麥自身復(fù)雜性以及植被內(nèi)部變化情況不一定能夠及時從光譜信息中反映出來，怎樣能夠提高反演的精度需要進一步研究。

耕地信息的提取是提高反演精度的一個基礎(chǔ)，也是遙感影像監(jiān)測的關(guān)鍵問題［29］。本研究使用的第二次全國土地利用調(diào)查的矢量數(shù)據(jù)對HJ-1衛(wèi)星影像數(shù)據(jù)進行裁剪，雖然一定程度能提高提取的精度，但是研究區(qū)除種植冬小麥外還套種了一定數(shù)量油菜等經(jīng)濟作物，這些作物并沒能從影像中扣除，這些作物對最終的結(jié)果產(chǎn)生了一定得影響。從反演的結(jié)果中也可以看出，在零星的區(qū)域中存在著數(shù)據(jù)異常的一些現(xiàn)象，造成該現(xiàn)象的主要原因是套種作物和裁剪精度的影響。

4 結(jié)論

該研究利用HJ-1衛(wèi)星對江漢平原地區(qū)潛江市后湖管理區(qū)的冬小麥進行實時動態(tài)的監(jiān)測，并通過實地測量冬小麥葉片SPAD變化情況，將遙感監(jiān)測與田間監(jiān)測相結(jié)合，探討采用植被指數(shù)反演該地區(qū)冬小麥葉片SPAD的可行性。研究結(jié)果表明:RVI、DVI、NDVI、GRVI四種植被指數(shù)與冬小麥葉片SPAD相關(guān)性均較高，通過回歸分析構(gòu)建SAPD值反演模型，其中NDVI對數(shù)方程能夠較好的反演冬小麥葉片SPAD，方程R2為0.895，RMSE為5.02。經(jīng)檢驗，該模型的平均相對誤差為 -2.34，均方根誤差 (RMSE)為5.65。利用HJ-1 CCD影像和NDVI對數(shù)反演模型能夠較好的預(yù)測冬小麥葉片SPAD，這將為農(nóng)業(yè)工作者實時動態(tài)監(jiān)測冬小麥葉片SPAD提供了一種有效方法。

［1］田永超，朱艷，曹衛(wèi)星，等.利用冠層反射光譜和葉片SPAD值預(yù)測小麥籽粒蛋白質(zhì)和淀粉的積累.中國農(nóng)業(yè)科學(xué)，2001，37(6):808～813

［2］陳防，魯劍巍.SPAD-502葉綠素計在作物營養(yǎng)快速診斷上的應(yīng)用初報.湖北農(nóng)業(yè)科學(xué)，1996，(2):31～34

［3］R.A.Marenco，S.A.Antezana-Vera，H.C.S.Nascimento.Relationship between specific leaf area，leaf thickness，leaf water content and SPAD-502 readings in six Amazonian tree species.photosynthetica.2009，47(2):184 ～190

［4］鄭丕堯，蔣鐘懷，王經(jīng)武.夏播“京早七號”玉米葉片葉綠素含量消長規(guī)律的研究.華北農(nóng)學(xué)報，1988，3(1):21～27

［5］姜麗芬，石福臣，王化田，等.葉綠素計SPAD-502在林業(yè)上應(yīng)用.生態(tài)學(xué)雜志，2005，24(12):1543～1548

［6］李海云，任秋萍，孫書娥，等.10種園林樹木葉綠素與SPAD值相關(guān)性研究.林業(yè)科技，2009，34(3):68～70

［7］艾天成，李方敏，周治安，等.作物葉片葉綠素含量與SPAD值相關(guān)性研究.湖北農(nóng)學(xué)院學(xué)報，2000，20(1):6～8

［8］艾天成，周治安.小麥等作物葉綠素速測方法研究.甘肅農(nóng)業(yè)科技，2001，4:16～18

［9］Tobias D J，Yosihkawa K，Ikemoto A，et a1.Seasonal changes of leaf chlorophyll content in the crowns of several broad-leaved tree species.J Jap Soc Reveget Technoogyl，1994，20(1):21 ～32

［10］童慶禧，張兵，鄭蘭芬.高光譜遙感的多學(xué)科應(yīng)用.北京:電子工業(yè)出版社，2006

［11］方慧，宋海燕，曹芳，等.油菜葉片的光譜特征與葉綠素含量之間的關(guān)系研究.光譜學(xué)與光譜分析，2007，27(9):1731～1734

［12］黃敬峰，王秀珍，胡新博.新疆北部不同類型天然草地產(chǎn)草量遙感監(jiān)測模型.中國草地，1999，1:7～11

［13］馮偉，朱艷，姚霞，等.小麥葉片色素含量的高光譜監(jiān)測.應(yīng)用生態(tài)學(xué)報，2008，19(5):992～999

［14］Miguel Pagola，Rubén Ortiz，Ignacio Irigoyen，et al.New method to assess barley nitrogen nutrition status based on image colour analysis Comparison with SPAD-502.Computers and electronics in agriculture.2009:213 ～218

［15］John Markwell，John C Osterman，Jennifer L.Mitchell.Calibration of the Minolta SPAD-502 leaf chlorophyll meter.Photosynthesis Research 1995，46:467～472

［16］謝曉金，申雙和，李映雪，等.高溫脅迫下水稻紅邊特征及SPAD和LAI的監(jiān)測.農(nóng)業(yè)工程學(xué)報，2010，26(3):183～190

［17］Sampson P H ，Zarco-Tejada P J，Mohammed G.H ，et al.Hyperspectral remote sensing of forest condition:Estimating chlorophyll content intolerant hardwoods.Forest Science.2003，49(3):381 ～391

［18］Carter G.A.，Knapp A.K.Leaf optical properties in higher plants:linking spectral characteristics to stress and chlorophyll concentrations.Am.J.Bot.2001，88:677 ～ 684

［19］Dash J and Curran P J.The MERIS terrestrial chlorophyll index.International Journal of Remote Sensing，2004，25(23):5403 ～5413

［20］William L Bauerle，David J Weston，Joseph D Bowden，Leaf absorptance of photosynthetically active radiation in relation to chlorophyll meter estimates among woody plant species.Scientia Horticulturae.2004，169 ～178

［21］陳鵬飛，王卷樂，廖秀英，等.基于環(huán)境減災(zāi)衛(wèi)星遙感數(shù)據(jù)的呼倫貝爾草地地上生物量反演研究.自然資源學(xué)報，2010，25(7):1122～1131

［22］王來剛，鄭國清，陳懷亮，等.基于HJ-CCD影像的河南省冬小麥種植面積變化全覆蓋監(jiān)測.中國農(nóng)業(yè)資源與區(qū)劃，2011，32(2):58～67

［23］于振文.作物栽培學(xué)各論.中國農(nóng)業(yè)出版社，2003

［24］Anderson G L，Hanson J D，Haas R H.Evaluating landsat thematic mapper derived vegetation indices for estimating above-ground biomass on semisrid rangelands.Remote sensing of Environment，1993，45(2):165 ～175

［25］Richardson AJ，Wiegand CL.Distinguishing vegetation from soil background information.Photogrammetric Engineering and Remote Sensing，1977(43):1541～1552

［26］Miller J R，Hare E W，Wu J.Quantitative characterization of the vegetation red edge reflectance 1.An inverted-Gaussian reflectance model.International Journal of Remote Sensing，1990，11(10):1755～1773

［27］Gitelson A A，Kaufman Y，MerzlyakM N.Use of Green Channel in Remote of Sensing Global Vegetation from EOS-MODIS.Remote Sensing of Environment，1996，58:289 ～298

［28］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，2010，26(S1):241～245

［29］張莉，吳文斌，左麗君，等.基于EOS/MODIS數(shù)據(jù)的南方水稻面積提取技術(shù).中國農(nóng)業(yè)資源與區(qū)劃，2011，32(4):39～44