王保林

(內(nèi)蒙古蒙草生態(tài)環(huán)境(集團(tuán))股份有限公司，內(nèi)蒙古 呼和浩特 010030)

當(dāng)前，F(xiàn)PAR獲取方式有兩種途徑：一種是地面定點(diǎn)實測方法，主要依靠SUNSCAN、ACCUPAR、LI-191SA等之類的冠層分析儀，利用傳感器進(jìn)行冠層間的PAR分量的測定，并通過計算得到FPAR〔3-4〕，該方法可以準(zhǔn)確、實時地獲取植被冠層信息，卻只局限于點(diǎn)對象上的信息，很難擴(kuò)展到面；另一種方式則是應(yīng)用遙感數(shù)據(jù)建立FPAR的反演模型〔5〕，這主要是由于遙感數(shù)據(jù)在區(qū)域尺度上具有良好的時空性。因此，遙感已經(jīng)成為獲取區(qū)域FPAR的可行性手段。最近這些年，國內(nèi)外學(xué)者所研究的各種基于遙感的FPAR估算方法，主要包括以植被指數(shù)為主要手段的經(jīng)驗性統(tǒng)計與半機(jī)理方法，冠層反射率及其一階導(dǎo)數(shù)模型為基礎(chǔ)的機(jī)理估算方法，也包括了從植被生理上研究葉綠素含量對于FPAR的影響等估算方法〔6-8〕。

高光譜的出現(xiàn)象征著遙感技術(shù)進(jìn)入了全新的時代，高光譜技術(shù)提供精細(xì)的光譜信息，為各種植被參數(shù)的定量提取提供了可靠的技術(shù)支持。高光譜技術(shù)的有效應(yīng)用，比傳統(tǒng)方法估算FPAR更加準(zhǔn)確，高光譜的微分技術(shù)可以很好的消除土壤等背景因素的影響，同時可以很好的獲取與FPAR擬合的最佳波段〔9-11〕。HUNG等〔12〕研究了水稻光譜數(shù)據(jù)與FPAR的相關(guān)關(guān)系，認(rèn)為水稻一階微分光譜數(shù)據(jù)和植被指數(shù)比反射光譜能更有效地估測FPAR。楊飛等〔13〕應(yīng)用高光譜數(shù)據(jù)反演玉米的FPAR發(fā)現(xiàn)，在波段375、535、680nm處的反射率與FPAR的相關(guān)性較高，而在555、950nm波段處一階導(dǎo)數(shù)與FPAR的關(guān)系比較顯著，并且反射率的一階導(dǎo)數(shù)要比反射率估算FPAR的精度高；邵田田〔14〕等應(yīng)用最小二乘法對玉米的FPAR進(jìn)行研究發(fā)現(xiàn)，F(xiàn)PAR與紅波段和近紅外波段反射率的相關(guān)性較好，相關(guān)系數(shù)最高的的波段是675nm；劉愛軍〔15〕等應(yīng)用反射率及其一階導(dǎo)數(shù)研究不同草原類型的FPAR時，發(fā)現(xiàn)反射率與其一階導(dǎo)數(shù)的多波段回歸比單波段估算FPAR的精度有所提高。綜上所述，應(yīng)用高光譜技術(shù)估算FPAR體現(xiàn)其他估算方面不可比擬的優(yōu)越性。

1 材料與方法

1.1 試驗地選擇

植被光合有效輻射測量的試驗地選擇在錫林浩特市毛登牧場周圍，植被類型為以大針茅建群的大針茅(Stipa grandis)+冰草(Agropyron cristatum)+羊草(Aneurolepidium chinens)草地型。

1.2 地面數(shù)據(jù)測量

1.2.1 光合有效輻射測量

光合有效輻射采用美國LI-COR公司生產(chǎn)的LI-191SA線性光量子傳感器進(jìn)行測量，測量結(jié)果自動直接記錄，測量結(jié)果輸出單位為μmol m-2s-1。從日出6∶00至日落18∶00，每隔一小時測量并記錄一次數(shù)據(jù)，每次測量并記錄的4個參數(shù)包括冠層接收的光合有效輻射每個樣點(diǎn)的測量包括4個PAR分量：冠層入射(PARci)、冠層透射(PARgi)、冠層下方反射量(PARcr)及土壤反射量(PARgr)。觀測日期為2013年6月3日～8月10日，每10天觀測1次。

測量PARci和PARgi時，將光量子儀的傳感器放置距離冠層頂部0.5cm～1.0cm處，測量PARcr和PARgr時將傳感器分別放置在距離地面0～0.5cm處。

人的大腦不是被動地接受知識，它是永恒活動著的，能對外部的刺激做出最精密的反應(yīng)[8]．在數(shù)學(xué)教學(xué)中運(yùn)用留白藝術(shù)，能提高學(xué)生的課堂參與度，促進(jìn)學(xué)生的思維活動，他們不再是機(jī)械地記憶老師傳遞的“知識”，而是可以及時對所獲得的信息做出反應(yīng)，融入自己的理解，積極建構(gòu)自己的數(shù)學(xué)認(rèn)知結(jié)構(gòu)．?dāng)?shù)學(xué)課堂留白的過程是學(xué)生主動進(jìn)行思維活動的過程，有助于學(xué)生形成自己的認(rèn)知策略，培養(yǎng)其創(chuàng)新能力，對學(xué)生核心素養(yǎng)的達(dá)成具有重要意義．

1.2.2 地面光譜測量

光譜測量與光合有效輻射測量同步，選擇在上午10∶30～12∶00，太陽高度角大于45°。地物光譜測量使用美國生產(chǎn)的ASD便攜式野外光譜儀(FieldSpec Pro FR)，選擇天氣條件為晴朗無風(fēng)或微風(fēng)的情況下進(jìn)行測量，使探頭距離冠層上方1.5m左右。每組葉片測量在1min內(nèi)完成(參考板和目標(biāo))。每次測量之前先進(jìn)行參考板測量和自動優(yōu)化，測量時儀器自動獲取同一葉片10組光譜數(shù)據(jù)，并取平均值作為該葉片的反射光譜值為消除天氣變化的影響。

1.3 數(shù)據(jù)處理

1.3.1 光合有效輻射數(shù)據(jù)處理

光合有效輻射在傳輸過程中衰減包括被植被冠層吸收部分，被直接反射和穿過冠層后被冠層反射回大氣部分，被土壤吸收部分。瞬時APAR分量與FPAR由下面公式得出。

APAR=(PARci-PARcr)-(PARgi-PARgr)

(1)

FPAR=APAR/PARci

(2)

1.3.2 地面光譜數(shù)據(jù)處理

(1)去噪音：目前有經(jīng)驗?zāi)Ｐ头āM算法、移動平均法去噪〔44〕等。

本研究采用移動平均法，公式如下：

(3)

(2)去包絡(luò)：包絡(luò)線去除法是通過將反射光譜吸收強(qiáng)烈部分的波段特征進(jìn)行轉(zhuǎn)換，放大并形成一種歸一化的吸收光譜，從而進(jìn)行光譜吸收特征分析和光譜特征波段選擇〔16〕。包絡(luò)線是指一條連接光譜上選取波段間上吸收起點(diǎn)(start)和吸收終點(diǎn)(end)的線，也叫“外殼(Hull)”。公式為:

(4)

其中CRi為波段i出對應(yīng)的包絡(luò)線去除值；Ri為波段i處的光譜反射率；RHi為波段i對應(yīng)的Hull值。

(3)一階導(dǎo)數(shù):導(dǎo)數(shù)光譜思想起源于Demetriades-Shah。導(dǎo)數(shù)方法在植被分析中應(yīng)用廣泛，認(rèn)為該方法能夠平抑土壤背景的信息，突顯冠層光譜信息。對光譜曲線作一階導(dǎo)數(shù)變換，可以對重疊混合光譜進(jìn)行分解以便識別，擴(kuò)大樣品之間的光譜特征差異；逐漸地由導(dǎo)數(shù)也衍生出高階導(dǎo)數(shù)、對數(shù)導(dǎo)數(shù)光譜分析方法等。光譜反射率經(jīng)導(dǎo)數(shù)的對數(shù)變換后，不僅趨向于增強(qiáng)可見光區(qū)的光譜差異，而且趨向于減少因光照條件變化引起的乘性因素影響〔17〕。導(dǎo)數(shù)光譜的基本定義：

(3)

式中：FDR是波段j和j+n之間中點(diǎn)處波長值為i的一階微分值，Rλ(J)是波段J的反射率，Rλ(J+n)是波段J+n的反射率，Δλ是波長J到J+n的間隔。

2 結(jié)果與分析

2.1 不同日期的植被冠層光譜反射率變化

由于反射率的導(dǎo)數(shù)波動幅度劇烈，一階導(dǎo)數(shù)曲線圖出現(xiàn)許多鋸齒，在數(shù)據(jù)的預(yù)處理過程中，對實測反射率采用5nm間隔重采樣，在一定程度上減少了噪音。植被對光輻射有效吸收主要是可以光，主要集中在400～700nm，而近紅外波段對植被生長、健康狀況具有非常敏感的響應(yīng)，因此本研究中選擇350～1050nm波段的反射率數(shù)據(jù)進(jìn)行研究分析。

圖1顯示，在紅光波段670nm附近呈現(xiàn)出一個很強(qiáng)的吸收谷，在690～760nm之間形成一個陡坡，反射率基本成直線趨勢上升，紅波段吸收谷和近紅外反射平臺邊緣分別位于650nm和805nm波段處。隨著植被覆蓋度的增加、葉面積的增大、葉綠素含量的增加，藍(lán)紫光反射峰升高，紅光波段反射率吸收谷逐漸加深，近紅外反射率平臺有所降低，紅光與近紅外波段附近反射率變化特征較為明顯。因此，水分是植被進(jìn)行光合作用不可或缺的因子，水分虧缺會導(dǎo)致光合速率下降，進(jìn)而也會影響到植被對光合有效輻射的吸收，水分對近紅外波段有較強(qiáng)烈的吸收，在940nm附近形成了水分吸收谷，植被含水量的多少將直接影響著光合作用速率，同時影響著對可見光的吸收。

圖1 植被反射率曲線圖

2.2 FPAR與各波段反射率、一階導(dǎo)數(shù)相關(guān)分析

對FPAR與光譜反射率及其一階導(dǎo)數(shù)進(jìn)行相關(guān)關(guān)系分析(圖2)，可見FPAR與可見光波段，特別是藍(lán)、紫波段和紅波段的反射率呈較好的負(fù)相關(guān)，而與近紅外波段反射率的關(guān)系表現(xiàn)出較好的正相關(guān)。在可見光波段區(qū)間，相關(guān)性隨波長增加而緩慢降低，但相關(guān)系數(shù)的絕對值都大于0.7，從波段700nm處，相關(guān)系數(shù)迅速降低，而在730nm處開始轉(zhuǎn)為正相關(guān)且明顯增加，形成一個陡坡，在760nm至918nm之間，相關(guān)系數(shù)基本維持在0.8左右，在波段918-1070nm之間相關(guān)系數(shù)變化比較平穩(wěn)。光合有效輻射吸收分量(FPAR)與650、805nm這兩波段附近的一階導(dǎo)數(shù)值有較強(qiáng)的相關(guān)性，并相關(guān)系數(shù)達(dá)到最大；FPAR與710nm和750nm兩波段附近光譜反射率的一階導(dǎo)數(shù)有較強(qiáng)的相關(guān)關(guān)系。FPAR與一階導(dǎo)數(shù)相關(guān)關(guān)系的曲線抖動較劇烈，在所選取的整個波長范圍內(nèi)，F(xiàn)PAR僅與376、446、520、598、725、750、856、920nm幾個波長附近的一階導(dǎo)數(shù)有較強(qiáng)的相關(guān)關(guān)系，相關(guān)系數(shù)的絕對值分別為0.87、0.90、0.79、0.91、0.91、0.83、0.82。植被對綠光波段光合有效輻射的吸收很弱，而在藍(lán)、紅波段吸收增強(qiáng)，在此波段區(qū)間內(nèi)，光譜反射率不斷下降，一階導(dǎo)數(shù)逐漸增大，且變化比較明顯。

對比發(fā)現(xiàn)，F(xiàn)PAR與反射率的相關(guān)性曲線要比一階導(dǎo)數(shù)的相關(guān)曲線平滑的多，各波段反射率與(特別是可見光部分)FPAR的相關(guān)性都比較好，一階導(dǎo)數(shù)與FPAR的相關(guān)曲線波動比較劇烈，這些特征表明FPAR變化對一階導(dǎo)數(shù)的波段差別有強(qiáng)烈的響應(yīng)。如在可見光，F(xiàn)PAR與一階導(dǎo)數(shù)相關(guān)系數(shù)較低，而與反射率相關(guān)性非常高。說明光譜反射率數(shù)據(jù)及其一階導(dǎo)數(shù)在分析FPAR時有各自的優(yōu)缺點(diǎn)，同時也說明高光譜數(shù)據(jù)能夠很好的反映出這些細(xì)微特征，體現(xiàn)出高光譜數(shù)據(jù)在估算FPAR時的優(yōu)越性。

圖2 FPAR 與各反射率及一階導(dǎo)數(shù)的相關(guān)關(guān)系

2.3 FPAR與反射率及一階導(dǎo)數(shù)的模型構(gòu)建

通過上面分析得出，F(xiàn)PAR與高光譜數(shù)據(jù)反射率及其一階導(dǎo)數(shù)都有較好的相關(guān)關(guān)系，現(xiàn)在分別選取反射率和一階導(dǎo)數(shù)的幾個敏感波段，建立FPAR估算函數(shù)，結(jié)果如表1所示。反射率與FPAR的擬合選擇可見光部分波段(374、539、639nm)，F(xiàn)PAR與波長374nm反射率的擬合相關(guān)系數(shù)R2達(dá)0.731，而與539和639nm波長反射率擬合R2相對較低，分別為0.561和0.600。雖然紫、藍(lán)、紅光都是植被吸收光合有效輻射的主要波段，但從圖2可看出，F(xiàn)PAR與紫光波段反射率的相關(guān)性最好，其擬合結(jié)果也明顯好于紅、藍(lán)光波段。

FPAR與一階導(dǎo)數(shù)的7個波段擬合效果較好，在376、920nm擬合效果較好，R2可達(dá)0.847、0.915，在446、520、725、750、856nm的波段處R2均在0.74以上。由此說明，在紅光和近紅外波段的一階導(dǎo)數(shù)估算FPAR效果更佳。

由表1可知，一階導(dǎo)數(shù)估算FPAR比反射率效果好，一階導(dǎo)數(shù)估算FPAR的相關(guān)性R2都在0.741以上，可以達(dá)到0.915，而反射率擬合的R2最大僅為0.731。一階導(dǎo)數(shù)在376、920nm處估算FPAR的精度較高，主要是因為在波段376nm處，葉片進(jìn)行光合作用對其有進(jìn)行強(qiáng)烈的吸收，使得在376nm波段附近吸收光合有效輻射的變化較為明顯；水分含量對植被葉片的光合有效輻射吸收量影響較大，950nm波段恰好處于水分吸收谷坡上，隨著水分吸收谷的加深，950nm波長處一階導(dǎo)數(shù)變化較明顯，因此FPAR對950nm波段處的導(dǎo)數(shù)有較為敏感的響應(yīng)。

表1 FPAR與反射率和一階導(dǎo)數(shù)的擬合結(jié)果

2.4 FPAR與反射率及一階導(dǎo)數(shù)的多元回歸分析

本文分別將光譜反射率及其一階導(dǎo)數(shù)與FPAR進(jìn)行逐步回歸分析，分析結(jié)果如表2所示。FPAR與374、539和639nm波段處反射率的回歸擬合效果較好，R2為0.912(F=13.652，Sig=0.000)；FPAR一階導(dǎo)數(shù)的逐步線性回歸分析得出，確定波段520、920nm處的擬合效果較好，R2達(dá)0.943(F=16.758，Sig=0.001)，由此可以看出，對反射率與一階導(dǎo)數(shù)進(jìn)行多元回歸后的波段估算FPAR的效果非常理想。對比表2和表1可知，對FPAR估算模型進(jìn)行多元逐步回歸分析后，其結(jié)果較單波段的反射率及其一階導(dǎo)數(shù)估算效果都有明顯的提高。對比表1和表2可看出，反射率估算FPAR的精度比一階導(dǎo)數(shù)總體上要低。從分析結(jié)果可得出，雖然植被吸收的光譜區(qū)間基本是可見光部分，但如果同時綜合的考慮近紅外波段光譜的信息，二者有效的結(jié)合在一定程度上能很好得提高FPAR估算精度，特別是水分吸收較強(qiáng)的光譜波段。藍(lán)紫光波段和水分強(qiáng)吸收的近紅外波段與植被光合有效輻射的吸收有較強(qiáng)的相關(guān)關(guān)系，因此對FPAR進(jìn)行估算時，需要綜合考慮高光譜數(shù)據(jù)的可見光和近紅外波段信息。

表2 反射率與一階導(dǎo)數(shù)的逐步回歸分析

3 討論與結(jié)論

高光譜導(dǎo)數(shù)(微分)技術(shù)雖然已經(jīng)被廣泛的應(yīng)用于葉面積等其他生理參數(shù)方面的研究，但對于生態(tài)參數(shù)FPAR的估算研究尚不多見。本研究發(fā)現(xiàn)，應(yīng)用高光譜數(shù)據(jù)反射率與其一階導(dǎo)數(shù)來估算FPAR可以取得很理想的效果，應(yīng)用單波段估算FPAR的精度要比植被指數(shù)估算的精度低，而對反射率和一階導(dǎo)數(shù)進(jìn)行多元回歸分析，結(jié)果表明其效果更為理想，估算精度都有所提高。研究也發(fā)現(xiàn)，F(xiàn)PAR與可見光波段反射率的相關(guān)性要高于近紅外波段。在可見光波段中，紫光的相關(guān)性最高，高于藍(lán)、紅波段。不難理解，可見光是植被光合有效輻射的主要吸收部分，其中藍(lán)、紫與紅光波段是主要的吸收波段。由本文分析可知，用藍(lán)、紫、紅以及近紅外波段945nm附近水分吸收較強(qiáng)的波段組合是FPAR估算的理想波段。此外，高光譜數(shù)據(jù)能較容易的把不同植被類型的混合光譜區(qū)分出來，這將對有選擇性強(qiáng)的相關(guān)光譜波段估算FPAR提供強(qiáng)有力的依據(jù)〔18〕。高光譜技術(shù)的應(yīng)用，對于改善和提高FPAR的估算精度具有非常重要的意義。

水分在很大程度上決定著植被吸收光合有效輻射的能力。因此，水分吸收強(qiáng)的波段在估算FPAR精度的提高方面表現(xiàn)出一定的潛力。由于在測量光譜過程中，誤差在所難免，誤差信號對于真信號而言又是獨(dú)立的。盡管誤差信號相對于真信號是一個很小的量，但它的導(dǎo)數(shù)卻不一定是小量。因此，在導(dǎo)數(shù)光譜中誤差是不能被忽視的。因為誤差導(dǎo)數(shù)很可能大于信號導(dǎo)數(shù)，也就是說導(dǎo)數(shù)光譜很可能主要體現(xiàn)了誤差的特征而不是信號本身的特征。當(dāng)信號本身變化率小時，相對誤差會變大，反之亦然。例如本研究中求算導(dǎo)數(shù)光譜時，發(fā)現(xiàn)在相對平緩的近紅外平臺區(qū)導(dǎo)數(shù)光譜表現(xiàn)出很強(qiáng)的噪聲。對于成像高光譜數(shù)據(jù)，濾波分析能夠平抑噪聲。因此，在應(yīng)用導(dǎo)數(shù)光譜方法前，首先應(yīng)用濾波方法對數(shù)據(jù)進(jìn)行預(yù)處理是有效的。但是，預(yù)處理過程的同時也會消減或者損失信號，使得目標(biāo)光譜發(fā)生改變，這對于定量遙感來說是一個值得深入探索的問題。

〔1〕Zhou Guangsheng,Wang Yuhui,Jiang Yanling,et al.Estimating biomass and net primary production from forest inventory Data:Case study of Chinas Larix forests〔J〕.Forest ecology and management,2002,169:149-157.

〔2〕江東,王乃斌,楊小喚,等.吸收光合有效輻射的時序變化特征及與作物產(chǎn)量的響應(yīng)關(guān)系〔J〕.農(nóng)業(yè)系統(tǒng)科學(xué)與綜合研究,2002,18(1):51-54.

〔3〕宮鵬.環(huán)境監(jiān)測中無線傳感器網(wǎng)絡(luò)地面遙感新技術(shù)〔J〕.遙感學(xué)報,2007,11(4):545-551.

〔4〕Nakaji T,Ide R,Oguma H,et al.Utility of spectral vegetation index for estimation of gross CO2flux under varied sky conditions〔J〕.Remote sensing of environment,2007,109(3):274-284.

〔5〕Jenkins J P,Richardson A D,Braswell B H,et al.Refining light-use efficiency calculations for a deciduous forest canopy using simultaneous tower-based carbon flux and radiometricmeasurements〔J〕.Agricultural and forest meteorology,2007,143(1/2):64-79.

〔6〕Huemmrich K F,Gowardf S N.Vegetation canopy PAR absorptance and NDVI: an assessment for ten tree species with the SAIL model〔J〕.Remote sensing of environment,1997,61(2):254-269.

〔7〕Lobell D B, Asner G P, O rtiz- M onasterio J I, et al Remote Sensing of Regional Crop Production in the Yaqui Valley,Mexico:estimates and an certain ties〔J〕.Agriculture ecosystems and environment,2003,94:205-220.

〔8〕楊飛,張柏,劉志明等.玉米冠層FPAR的高光譜遙感估算研究-基于PCA方法及近、短波紅外波段〔J〕.國土資源遙感,008,4:91-13.

〔9〕黃敬峰,李云梅.水稻葉面積指數(shù)的高光譜遙感估算模型〔J〕.遙感報,2004,8(1):81-88.

〔10〕Sims D A, Gamon J A. Estimation of vegetation water content and photosynthetic tissue area from spectral reflectance: a comparison of indices based on liquid water and chlorophyll absorption features〔J〕.Remote Sensing of Environment,2003,84:526-537.

〔11〕HUNG T N, Byun W L. Assessment of rice leaf growth and nitrogen status by hyperspectral canopy reflectance and partial least square regress〔J〕.Eur JAgron,2006,24(4):349-356.

〔12〕Ridao E,Conde JR,Minguez M I.Estimating FAPAR from nine vegetation indices for irrigated and nonirrigated faba soybean and semileafless pea canopies〔J〕.Remote sensing of environmrnt,1998,66:87-100.

〔13〕楊飛,張柏,宋開山等.玉米光合有效輻射分量高光譜估算的初步研究〔J〕.中國農(nóng)業(yè)科學(xué),2008,41(7):1947-1954.

〔14〕邵田田,宋開山.等基于偏最小二乘法的玉米FPAR高光譜反演模型研究〔J〕.地理與地理信息科學(xué).2012,28(3).27-31.

〔15〕劉愛軍,王保林,黃平平等.基于反射率及導(dǎo)數(shù)的草原植被冠層光合有效吸收分量高光譜反演〔J〕.草原學(xué)報,2012,20(7):1004-1010.

〔16〕杜培軍,陳云浩,方濤等.高光譜遙感數(shù)據(jù)光譜特征的提取與應(yīng)用〔J〕.中國礦業(yè)大學(xué)學(xué)報，2003(5):500-504.

〔17〕Goward S N,Huemmrich K F.Vegetation canopy PAR absorptance and the normalized difference vegetation index: an assessment using the SAIL model〔J〕.Remote sensing of environment,1992,39(2):119-140.

〔18〕蘇紅軍,杜培軍.高光譜數(shù)據(jù)特征選擇與特征提取研究〔J〕.遙感技術(shù)與應(yīng)與,2006,21(4):288-293.