农学农业基础科学

Size: px

Start display at page:

Download "农学农业基础科学"

陂仁寇
5 years ago
Views:

1 中国农学通报 2018,34(8):51-56 Chinese Agricultural Science Bulletin 51 毛竹林叶片磷和钾含量的不同尺度光谱响应研究曹美芹 1 1,2,3 1,2,3 1,2,3, 余坤勇, 陈樟昊, 俞欣妍 ( 1 福建农林大学林学院, 福州 ; 2 3S 技术与资源优化利用福建省高校重点实验室, 福州 ; 3 福建农林大学 3S 技术应用研究所, 福州 ) 摘要 : 研究不同尺度光谱对毛竹林叶片磷和钾含量的响应机制, 对实时掌握毛竹林生长状况和营养水平有理论意义和实践指导价值以毛竹林叶片与冠层 2 个尺度的原始光谱为数据源, 通过一阶微分光谱等光谱变换, 采用回归统计分析构建不同尺度磷素和钾素含量与敏感波段的光谱估算模型, 并对其稳定性和预测性进行精度评价结果表明 : 叶片光谱分析中以磷含量一阶微分光谱为变量的线性回归方程模型拟合精度高达 74.90%, 且在建立专一性较高的磷素含量估算模型上更有优势 ; 冠层光谱分析中以钾含量一阶微分光谱为变量的线性方程模型拟合精度高达 78.71%, 且在建立专一性较高的钾素含量估算模型上更有优势 ; 同时, 一阶微分光谱可降低空间异质性以提高光谱估算模型反演精度关键词 : 毛竹 ; 叶片冠层光谱 ; 磷钾含量 ; 光谱估算模型中图分类号 :S795.9 文献标志码 :A 论文编号 :casb Spectral Response of Phosphorus and Potassium Content in Phyllostachys pubescens Leaves at Different Scales Cao Meiqin 1, Yu Kunyong 1,2,3, Chen Zhanghao 1,2,3, Yu Xinyan 1,2,3 ( 1 Forestry College of Fujian Agriculture and Forestry University, Fuzhou ; 2 Key Laboratories in Universities of 3S Technology and Resource Optimal Utilization in Fujian, Fuzhou ; 3 Institute of 3S Technology Application, Fujian Agriculture and Forestry University, Fuzhou ) Abstract: The responses of different scales of spectrum to phosphorus and potassium contents in leaves of Phyllostachys pubescens were studied, aiming to provide references for grasping Phyllostachys pubescens growth and nutrient level. Taking the original spectrum of leaf and canopy of Phyllostachys pubescens as the data source, through the conversion of the first derivative spectra, the spectral estimation models of phosphorus and potassium contents and sensitive bands at different scales were constructed by regression analysis, the stability and predictability were evaluated. The results showed that the fitting precision of linear regression equation model with the first order differential spectrum of phosphorus content in the spectral analysis was 74.90%, and it had an advantage in establishing a model with higher specific phosphorus content. In the canopy spectrum analysis, the fitting precision of linear equation model with the first order differential spectrum of potassium content was 78.71%, and it was more advantageous in establishing the model with high specificity of potassium. At the same time, the first order differential spectrum could reduce the spatial heterogeneity to improve inversion accuracy of the spectral estimation model. Key words: Phyllostachys pubescens; leaf and canopy spectra; phosphorus and potassium content; spectral estimation model 基金项目 : 福建农林大学大学生创新性实验项目体现毛竹叶片生理生化参数变化的林分光谱表达特征的叶片 - 冠层尺度效应 ( ) 第一作者简介 : 曹美芹, 女,1994 年出生, 福建龙岩人, 本科, 主要从事遥感信息机理与地学解释研究通信地址 : 福建省福州市福建仓山区下店路 15 号, @qq.com 通讯作者 : 余坤勇, 男,1980 年出生, 福建莆田人, 硕士生导师, 副教授, 博士, 主要从事资源监测及 3S 技术应用研究通信地址 : 福建省福州市福建仓山区下店路 15 号, @qq.com 收稿日期 : , 修回日期 :

2 52 中国农学通报 0 引言磷素和钾素是毛竹生长发育所需的大量营养元素, 严重缺失不仅影响毛竹生长速度和产量, 而且会引 [1] [2-3] 起毛竹体内化学成分的变化黄双萍等通过多光谱形式和多种数据预处理对柑橘叶片氮磷钾含量构建模型, 证实高光谱反射数据预测氮磷钾含量是可行的 ; [4] 梁亮等通过导数光谱对小麦叶片冠层含水量构建模 [5] 型, 实现导数光谱准确估测冠层叶片含水量 ; 姚霞等通过不同施氮水平和卫星通道对小麦叶片冠层氮素含量构建反演模型, 确定叶片冠层氮素最佳卫星传感器 [6] 和光谱波段 ; 寇培颖等通过叶片和冠层两个尺度对栎树氮碳含量构建反演模型, 确定叶片冠层两个尺度构建模型需考虑的因素毛竹是集经济生态社会效益于一体化的材用和笋用竹种, 是中国分布面积最大范围最广蓄积量最多开发利用程度最高的竹类植物, 在中国林业生产中具有非常重要的地位 [7] 本研究通过对毛竹林叶片和冠层 2 个不同尺度的原始一阶微分光谱, 同磷素和钾素含量进行相关性回归统计分析, 确定与敏感波段之间的定量关系构建光谱估算模型, 以期为不同尺度研究其他竹类植物的光谱估算模型提供参考 [8-9] 1 材料与方法 1.1 数据采集数据取自福建省南平市顺昌县布设 20 个样地, 采用 ISI921VF-256 野外光谱辐射仪获取毛竹林叶片和冠层光谱, 测量时间为 2016 年 6 月 28 日 7 月 8 日光谱测量应在晴朗无云无风的天气条件, 其中冠层尺度光谱是指采用长杆固定光谱仪在砍下后的毛竹原始的冠层结构的顶部进行光谱数据的采集 ; 叶片尺度光谱是指采用冠层外围 10 片的平均值进行光谱数据的采集 [10-11] 采集的数据由于光谱的构造材料的理化性质测量环境等因素导致结果复杂多变本研究通过剔除异常样本消除光谱噪声应用倒数光谱挑选敏感波段等数据预处理方法, 保证采集的叶片尺度和冠层尺度 [12-13] 光谱数据的真实性 1.2 研究方法内业试验采集的 20 个土壤样本用黑色保鲜袋封装置于冰桶保温箱, 在 2 h 内对其进行标准化前处理根据国家林业行业标准, 测定有效磷采用 LY/T 森林土壤有效磷的测定中的双酸浸提法, 测定速效钾采用 LY/T 森林土壤速效 [14-15] 钾的测定采用乙酸铵火焰光度计法如表 1 所示, 毛竹林样地磷素和钾素含量数据的描述性统计分析表 1 实验室所测毛竹磷素和钾素含量描述性统计 (n=20) g/kg 元素平均值最小值最大值标准差 P K 数据处理通过 SPSS 对随机选取 15 个样地数据以原始一阶微分光谱为自变量, 叶片冠层磷素和钾素含量为因变量进行回归统计分析, 建立线性对数倒数二次三次复合幂 S 增长指数 Logistic 函数预测模型, 根据相关系数 (R 2 ) 接近 1 显著值 (Sig.) 小于 [16] 0.01 指标选择符合条件的拟合函数模型精度评价拟合函数模型的精度评价是利用剩余 5 个样地的光谱验证数据, 根据拟合系数 (R 2 ) 接近 1 均方根误差 (RSME) 值越小平均相对精度 (RA) 接近 [17] 100% 指标选择最佳的拟合光谱估测模型 2 结果与分析 2.1 毛竹林叶片与冠层原始光谱特征分析如图 1 所示, 毛竹林叶片和冠层两个不同尺度的样地样地样地样地样地样地样地 07 样地样地样地样地样地样地样地 14 样地样地样地样地样地样地反射率波长

3 曹美芹等 : 毛竹林叶片磷和钾含量的不同尺度光谱响应研究 53 样地样地样地样地样地样地样地 07 样地样地样地样地样地样地样地 14 样地样地样地样地样地样地反射率波长图 1 叶片 (A) 和冠层 (B) 原始光谱曲线分析原始光谱曲线, 可得 : 同一毛竹林叶片与冠层的光谱曲线整体变化趋势相同受毛竹林叶子色素的影响, 叶绿素对蓝光波段和红光波段吸收作用强, 绿光波段反射作用强, 形成波长 nm 附近的吸收谷和 550 nm 附近的反射峰, 这是植物呈绿色的重要原因 ; 受毛竹细胞结构的影响, 在波段 700~750 nm 处形成了一个反射率急剧增高的陡坡, 这是植物曲线中最为明 [18-19] 显的红边现象 ; 受毛竹水分影响, 在 780~ 1100 nm 之间形成了反射率高峰, 这是毛竹林具有健康植被光谱反射的特征叶片冠层是在两个不同层次上反映毛竹林的光谱特性, 可得 : 在蓝光波段, 叶片光谱反射率在 10% 以下, 且叶片光谱反射率曲线较冠层平滑 ; 在绿光波段, 叶片绿峰反射率和部分冠层绿峰反射率在 8%~17% 之间, 但有两个样地的冠层绿峰反射率高达 30%; 在红光波段, 叶片红光低谷反射率和部分冠层红光低谷反射率在 0%~10% 之间, 但有一个样地的冠层红光低谷反射率高达 25%; 在近红外波段, 叶片反射高峰在 60%~100% 之间, 冠层反射高峰在 10%~100% 之间, 叶片反射率曲线变化幅度较冠层小 [20-21] 因此, 冠层尺度光谱受到周围土壤植被等下垫面影响较叶片尺度光谱大, 利用毛竹林叶片冠层两个不同尺度的光谱响应分析有一定的研究意义 [22-23] 2.2 毛竹林叶片磷钾素含量的冠层光谱响应分析如图 2 磷 (A) 所示, 毛竹林叶片冠层原始一阶微分光谱与磷素含量的相关系数曲线 : 磷素含量与叶片原始光谱反射率的相关系数在 0.5 以下, 满足不了要求故将其排除 ; 波段 700~1040 nm, 磷素含量与冠层原始光谱反射率的相关系数均在 0.5 以上, 呈正相关, nm 高达波段 780~800 nm, 磷素含量与叶片一阶微分光谱反射率的相关系数在 0.5 以上, 呈正相关, nm 高达 0.746; 波段 980~1035 nm, 磷素含量与冠层一阶微分光谱反射率的相关系数在 0.5 以上, 呈正相关, nm 高达如图 2 钾 (B) 所示, 毛竹林叶片冠层原始一阶微分光谱与钾素含量的相关系数曲线 : 波段 510~580 nm, 钾素含量与叶片原始光相关系数叶片原始光谱叶片一阶微分冠层原始光谱冠层一阶微分相关系数叶片原始光谱叶片一阶微分冠层原始光谱冠层一阶微分波长波长图 2 毛竹林叶片磷 (A) 与钾 (B) 含量的冠层光谱响应分析

4 54 中国农学通报谱反射率的相关系数在 0.5 以上, 呈正相关, nm 高达 0.683; 钾素含量与冠层原始光谱反射率的相关系数均在 0.5 以下, 满足不了要求故将其排除波段 770~880 nm, 钾素含量与叶片一阶微分光谱反射率的相关系数在 0.5 以上, 呈正相关, nm 高达 0.627; 波段 470~490 nm, 钾素含量与冠层一阶微分光谱反射率的相关系数在 0.5 以上, 呈正相关, nm 高达因此, 毛竹林叶片磷含量的冠层光谱响应敏感波段选择为叶片一阶微分光谱波长 nm 冠层原始光谱波长 nm 冠层一阶微分光谱波长 nm; 毛竹林叶片磷含量的冠层光谱响应敏感波段选择为叶片原始光谱波长 nm 叶片一阶微分光谱波长 nm 冠层一阶微分光谱波长 nm 同时, 毛竹林叶片磷素和钾素含量的冠层光谱响应敏感波段均成正相关, 相关系数在 0.5~0.9 之间, 则可利用毛竹林磷素与钾素含量在不同尺度光谱 [24] 敏感波段构建的光谱估算模型 2.3 毛竹林叶片与冠层磷钾含量模型构建如表 2 所示, 在符合条件的拟合函数模型可得 : 叶片一阶微分光谱波段 nm 为自变量的线性函数二次函数和指数函数 ; 冠层一阶微分光谱波段 nm 为自变量的指数函数复合函数叶片原始光谱波段 nm 为自变量的线性函数二次函数 ; 叶片一阶微分光谱波段 nm 为自变量的三次函数 ; 冠层中一阶微分光谱波段 nm 为自变量的线性函数二次函数三次函数和指数函数 2.4 毛竹林叶片与冠层磷钾含量模型验证如表 3 所示, 在拟合函数模型的精度评价可得 : 在 5 个磷含量光谱估算模型中, 回归方程拟合系数 R 2 变动范围为 0.520~0.637, 平均值为 0.547, 拟合函数模型具有参考价值 ; 磷含量估算模型中叶片线性函数和冠层指数函数的均方根误差 (RSME) 小于 1 且平均相对精度 (RA) 大于 50%, 其叶片一阶微分光谱为自变量的线性函数反演精度高达 74.90% 在 7 个钾含量光谱估算模型中, 回归方程拟合 R 2 变动范围为 ~0.837, 平均值为 0.701, 拟合函数模型具有参考价值 ; 钾含量光谱估算模型中以叶片线性函数二次函数和冠层二次函数的均方根误差 (RSME) 小于 10 且平均相对精度 (RA) 大于 60%, 其冠层一阶微分光谱波段为自变量的线性函数反演精度高达 78.71% [25-26] 图 3 为叶片一阶微分光谱波段 nm 和冠层一阶微分光谱波段 [27] nm 的预测值与实测值的估测效果 3 结论与讨论本研究通过研究毛竹林叶片与冠层的原始一阶微分光谱特征, 同磷素和钾素含量进行相关性回归统计分析, 确定了与敏感波段之间的相关关系, 构建毛竹叶片冠层磷钾养分的光谱估算模型, 结果显示 :(1) 叶片光谱分析中以磷素含量一阶微分光谱波段 nm 为变量的线性回归方程模型拟合精度最佳, R 2 为,RA 高达 74.90%, 线性回归方程为 Y= X, 与冠层光谱相比, 叶片光谱分析在建立专一性较高的磷含量模型上有其优势 ;(2) 冠层光谱分析中以钾含量一阶微分光谱波段 nm 为变表 2 毛竹林叶片冠层中磷素和钾素含量模型 (n=15) 因变量自变量回归方程 R 2 F Sig Y= X P 叶片 Y= X X Y=0.471 exp( x) P 冠层 Y=0.436 exp( x) Y= X K 叶片 Y= X Y= X X Y= X X X Y= X K 冠层 Y= X X 2 Y= X-17995X X Y= exp( x) 注 : 自变量为原始及一阶微分光谱波段, 其中为一阶微分光谱波段 X 表示光谱参量,Y 表示对应的磷钾素含量下同

5 曹美芹等 : 毛竹林叶片磷和钾含量的不同尺度光谱响应研究 55 表 3 毛竹林叶片冠层中磷 (A) 和钾 (B) 含量模型精度评价结果因变量模型表达式拟合 R 2 RSME RA/% 估测 R 2 Y= X P 叶片 Y= X X Y=0.471 exp( x) P 冠层 Y=0.436 exp( x) Y= X Y= X K 叶片 Y= X X Y= X X X Y= X K 冠层 Y= X X 2 Y= X-17995X X Y= exp( x) 预测值预测值实测值实测值图 3 毛竹林磷素和钾素最佳估测模型的估测效果量的线性回归方程模型拟合精度最佳,R 2 为 0.768,RA 高达 78.71%, 回归方程为 Y= X, 与叶片光谱相比, 冠层光谱分析在建立专一性较高的钾含量模型上有其优势同时, 对毛竹林叶片与冠层原始光谱进行一阶倒数对数处理, 应用光谱微分技术消除大气效应毛竹林环境背景的影响, 以真实反映毛竹林光谱的本质特征, 提高毛竹林磷素和钾素含量估测模型的精度本研究结合毛竹林叶片磷素和钾素含量的不同尺度光谱响应研究在提高光谱估算模型精度和实时掌握毛竹林生长状况有一定理论意义和实践指导价值参考文献 [1] OiWah L, Anand K. Pre- visual detection of iron and phosphorus deficiency by transformed reflectance spectra[j].journal of Photochemistry and Photobiology B: Biology,2006,2(85): [2] 黄双萍, 洪添胜, 岳学军, 等. 基于高光谱的柑橘叶片磷含量估算模型实验 [J]. 农业机械学报,2013(4): ,195. [3] 黄双萍, 洪添胜, 岳学军, 等. 基于高光谱的柑橘叶片氮素含量多元回归分析 [J]. 农业工程学报,2013(5): [4] 梁亮, 张连蓬, 林卉, 等. 基于导数光谱的小麦冠层叶片含水量反演 [J]. 中国农业科学,2013(1): [5] 姚霞, 刘小军, 田永超, 等. 基于星载通道光谱指数与小麦冠层叶片氮素营养指标的定量关系 [J]. 应用生态学报,2013(2): [6] 寇培颖, 高帅, 黄妮. 栎树氮碳含量反演叶片与冠层尺度差异分析 [J]. 地理空间信息,2017(1):40-42,11. [7] 高培军. 氮素施肥对毛竹光合能力与光谱特性的影响 [D]. 北京 : 北京林业大学,2013: [8] Lung L, Yang M, Gang G. Determination of wheat canopy nitrogen content ratio by hyperspectral technology based On wavelet denolslng and support vector regression[j].transactions of the

6 56 中国农学通报 Chinese Society of Agricultural,ngineering,2010,26(12): [9] Zarco-ejada P J, Miller J R, Noland T L, et al. Scaling up and model inversion methods with narrow and optical indices for chlorophyll content estimation in closed forest canopies with hyperspectral data [J].Transactions on Geoscience and Remote sensing,2001,39: [10] 赵瑞娇, 李民赞, 杨策, 等. 温室番茄冠层和叶片光谱特征分析及营养诊断 [J]. 光谱学与光谱分析,2010,(11): [11] 梁亮, 杨敏华, 邓凯东, 等. 一种估测小麦冠层氮含量的新高光谱指数 [J]. 生态学报,2011(21): [12] 栾海军, 田庆久, 余涛, 等. 定量遥感升尺度转换研究综述 [J]. 地球科学进展,2013(6): [13] 宋艳冬, 金爱武, 金晓春, 等. 毛竹叶片光合色素的光谱估算模型 [J]. 北京林业大学学报,2010(1): [14] 高金龙, 侯尧宸, 白彦福, 等. 基于高光谱数据的高寒草甸氮磷钾含量估测方法研究 [J]. 草业学报,2016(3):9-21. [15] 王珂, 沈掌泉, 王人潮, 等. 不同钾营养水平的水稻冠层和叶片光谱特征研究初报 [J]. 科技通报,1997(4):8-11. [16] 杨阔, 黄建辉, 董丹, 等. 青藏高原草地植物群落冠层叶片氮磷化学计量学分析 [J]. 植物生态学报,2010(1): [17] 李银坤, 武雪萍, 梅旭荣, 等. 不同施氮水平下温室番茄叶片反射光谱特征分析 [J]. 土壤通报,2012(1): [18] 王秀珍, 王人潮, 李云梅, 等. 不同氮素营养水平的水稻冠层光谱红边参数及其应用研究 [J]. 浙江大学学报 : 农业与生命科学版,2001, (3): [19] Moron M S, Clarke T R, InoueY, et al. Estimating crop water deficit using the relation between surface- air temperature and spectral vegetation index[j].remote sensing of Environment,1994,49(3): [20] Zarco-ejada P J, Miller J R, Noland T L, et al. Scaling up and model inversion methods with narrow and optical indices for chlorophyll content estimation in closed forest canopies with hyperspectral data [J].Transactions on Geoscience and Remote sensing,2001,39: [21] Horler D N H, Barber J P, Ferns D C, et al. The diagnosis of nitrogen of rice plants using chlorophyll meter[j].advanced Space Reseash,1985,3:175. [22] Maccioni A, Gati G, Mazzinghi P. vegetation indices for remote measurement of chlorophylls based on leaf directional reflectance spectra[j].joumal of Photochemistry and Photobiology,2001,61: [23] Gitelson A A, Merzlyak M N. Signature analysis of leaf reflectance spectra: algorithm development for remote sensing of chlorophyll [J].Journal of Plant Physiology,1996,148 (3/4): [24] 梁爽, 赵庚星, 朱西存, 等. 苹果树叶片叶绿素含量高光谱估测模型研究 [J]. 光谱学与光谱分析,2012(5): [25] Carter G A. Rellectance wavebands and indices for remote estimation of photosynthesis and stomatal conductance in pine canopies[j].remote Sensing of Environment,1998,63(1): [26] Mutanga O. Hyperspectral Remote Sensing of Tropical Grass Quality and Quantity[D].Enschcdc: Wageningen University,2001: 111. [27] Collnsw. Remote sensing of crop type and maturity[j]. Photogrammetric Engineering and Remote Sensing,1978, [28] 刘畅, 孙鹏森, 刘世荣, 等. 植物反射光谱对水分生理变化响应的研究进展 [J]. 植物生态学报,2016(1):80-91.

气溶胶光学厚度的测量原理 Ê

气溶胶光学厚度的测量原理 Ê 肖钟湧江洪余树全周国模陈然宋晓东焦荔洪盛茂常杰江波南京大学国际地球系统科学研究所南京浙江林学院国际空间生态与生态系统生态研究中心杭州杭州市环境监测总站杭州浙江大学生命科学学院杭州浙江省林业科学研究院杭州气溶胶光学厚度的测量原理 Ê 仪器和观测实验场地数据处理气溶胶光学厚度的高光谱反演浑浊度系数波长指数 Ê Ê 精度检验气溶胶光学厚度浑浊度系数

农学 农业基础科学

农学农业基础科学