RSE:叶片叶绿素含量光谱监测统一模型

RSE:叶片叶绿素含量光谱监测统一模型

南京农业大学国家信息农业工程技术中心在顶级遥感期刊Remote Sensing of Environment(最新影响因子8.218)发表了叶绿素光谱监测统一模型。基于该研究的发现,利用特定形式的光谱指数,可以构建适用于不同类型光谱的叶片叶绿素含量(μg/cm2)估算统一模型,植物表型资讯介绍如下:

叶绿素含量是反映作物光合能力与氮素营养状况的重要指标。如何利用作物反射光谱准确无损监测叶片叶绿素含量(Leaf chlorophyll content, LCC)一直是植被定量遥感领域的研究热点。近些年来,叶片反射光谱被广泛应用于快速、无损监测作物叶片叶绿素含量。目前,叶片反射率主要有两大类:通过积分球测量的方向半球反射率(Directional hemispherical reflectance factor, DHRF)光谱和通过叶片夹测量的二向性反射率(Bidirectional reflectance factor, BRF)光谱。其中,DHRF光谱代表叶片表面整个半球的反射信息,而BRF只包含一个特定方向的反射信息。在实际应用中,积分球测量流程比较繁琐,通常需要配置外接光源,在暗室环境下测量,仪器不便于携带;近几年兴起的内嵌光源ASD叶片夹或太阳光源FluoWat叶片夹测量效率更高,在室内和田间均可操作,实用性更强。然而,目前大部分叶片叶绿素含量监测研究都是基于DHRF光谱数据,基于BRF光谱数据的研究较少。两类光谱到底有何差异,已有基于DHRF光谱构建的叶绿素监测模型是否适用于BRF光谱,这些问题一直没有解决,限制了高效型光谱测量方法以及BRF光谱数据在叶绿素监测中的应用范围。

1

三种常见的叶片反射光谱测试示意图:(A). ASD积分球,(B). ASD叶片夹,(C). FluoWat叶片夹

为了解析两类光谱的差异,该研究首先通过三种常用方式获取了相同作物叶片的DHRF和BRF光谱。对比分析两类光谱可知,在可见光近红外光谱区间(400-800 nm),BRF光谱振幅显著高于对应的DHRF光谱。产生此现象的主要原因是BRF光谱有更大来自叶片镜面反射组分的贡献。如果不消除BRF光谱中镜面反射的影响,基于DHRF光谱的叶绿素监测模型就无法直接用于BRF光谱。因此,消除叶片镜面反射影响是构建DHRF和BRF光谱监测叶绿素统一模型的关键。

2

三种测试方法所得反射光谱的比较:(A). ASD (BRFA)和FluoWat (BRFF)叶片夹,(B). ASD叶片夹和ASD积分球(DHRF),(C). ASD积分球与两种叶片夹光谱的差值

同时,该研究系统分析了四类常见光谱植被指数(简单比值植被指数、修正型比值植被指数、双差分植被指数、红边位置参数)对镜面反射的敏感性。由于镜面反射仅与叶片表面属性有关,不受波长的影响,其强度在可见近红外区间可近似成一个常数。根据各种植被指数计算公式的理论推导,修正型比值植被指数、双差分植被指数和红边位置不受镜面反射的影响。利用多个DHRF和BRF光谱数据集进行验证,结果表明该研究使用的绝大部分双差分植被指数和红边位置都可以用来构建适用于DHRF与BRF光谱的叶绿素监测统一模型。无论DHRF还是BRF类型反射光谱,都可以直接应用这些统一模型估算叶片叶绿素含量,在本研究测试集的最高精度达94%(估算误差为3.5 µg/cm2)。该研究对于叶片叶绿素含量的高通量智能化监测具有重要应用价值。

3

四类光谱指数与叶片叶绿素含量的关系(第一行为简单比值指数,第二行为修正型简单比值指数,第三行为双差分指数,第四行为红边位置)

作者介绍:该研究得到了国家重点研发计划“粮食作物生长监测诊断与精确栽培技术”、国家自然科学基金、江苏省现代作物生产协同创新中心、以及江苏省高校优势学科建设工程等项目的资助。国家信息农业工程技术中心博士研究生李栋为论文第一作者,曹卫星教授程涛教授为共同通讯作者。本研究也是团队2018年在《Remote Sensing of Environment》发表PROCWT叶片光学模型反演算法研究成果之后的又一重要进展。

 

来源:

Li, D., Tian, L., Wan, Z., Jia, M., Yao, X., Tian, Y., Zhu, Y., Cao, W. & Cheng, T. (2019). Assessment of unified models for estimating leaf chlorophyll content across directional-hemispherical reflectance and bidirectional reflectance spectra. Remote Sensing of Environment, 111240.

 

扩展阅读:

植物表型资讯两周年目录汇总

植物表型资讯2019年1-7月目录汇总

 

微信图片_20190717133215