1、作物學(xué)報(bào) ACTA AGRONOMICA SINICA 2008, 34(11: 20462052/zwxb/ISSN 0496-3490; CODEN TSHPA9E-mail: xbzw 基金項(xiàng)目: 國(guó)家自然科學(xué)基金項(xiàng)目(40871187; 中國(guó)科學(xué)院東北振興科技行動(dòng)計(jì)劃重點(diǎn)項(xiàng)目(DBZX-2-030; 中國(guó)科學(xué)院知識(shí)創(chuàng)新工程重要方向項(xiàng)目(KZCX-SW-356; 中國(guó)科學(xué)院長(zhǎng)春凈月潭遙感實(shí)驗(yàn)站開放基金作者簡(jiǎn)介: 楊飛(1981, 男, 山東省棗莊市人, 在讀博士生, 研究方向: 植被高光譜遙感及其應(yīng)用研究。Email: yangf00_1*

2、通訊作者(Corresponding author: 張柏(1962, 博士, 研究員, 博士生導(dǎo)師, 主要從事地理遙感應(yīng)用研究。E-mail: zhangbaiReceived(收稿日期 : 2008-03-17; Accepted(接受日期: 2008-06-13.DOI: 10.3724/SP.J.1006.2008.02046玉米和大豆光合有效輻射吸收比例與植被指數(shù)和葉面積指數(shù)的關(guān)系楊 飛1,2 張 柏1,* 宋開山1 王宗明1 劉煥軍1,2 杜 嘉1,2(1中國(guó)科學(xué)院東北地理與農(nóng)業(yè)生態(tài)研究所, 吉林長(zhǎng)春130012; 2中國(guó)科學(xué)院研究生院, 北京100039摘 要: 基于東北典型黑土

3、區(qū)的玉米和大豆的實(shí)測(cè)光譜反射率、光合有效輻射及葉面積數(shù)據(jù), 選取常用的9種植被指數(shù), 并根據(jù)光譜曲線特征和植被指數(shù)結(jié)構(gòu)建立了兩種新的植被指數(shù), 對(duì)其估算玉米和大豆冠層FPAR 效果進(jìn)行了對(duì)比分析。結(jié)果表明, 各植被指數(shù)與冠層光合有效輻射吸收比例(FPAR的關(guān)系因植被類型而異。以近、短波紅外波段較以可見(jiàn)光、近紅外波段計(jì)算植被指數(shù)的估算效果好。NDVI 、RVI 在可見(jiàn)光、近紅外波段計(jì)算的植被指數(shù)中估算FPAR 效果較好, 玉米估算模型R 2分別為0.81和0.82, 大豆估算模型R 2均為0.81; NDSI、RSI 在近、短波紅外波段計(jì)算的植被指數(shù)中較好, 玉米估算模型R 2均為0.86, 大

4、豆估算模型R 2均為0.84, 優(yōu)于NDVI 和RVI 。試驗(yàn)表明, 利用近、短波紅外波段估算FPAR 是可行的; 冠層含水量較土壤背景對(duì)FPAR 影響更大; 玉米和大豆冠層FPAR 與葉面積指數(shù)(LAI呈較好的對(duì)數(shù)關(guān)系, 估算模型R 2分別為0.75和0.70; 但用植被指數(shù)估算FPAR 效果要優(yōu)于用葉面積指數(shù)。關(guān)鍵詞: 玉米; 大豆; 光合有效輻射吸收比例; 植被指數(shù); 葉面積指數(shù)Relationship between Fraction of Photosynthetically Active Radiation and Vegetation Indices, Leaf Area Ind

5、ex of Corn and SoybeanYANG Fei1,2, ZHANG Bai1,*, SONG Kai-Shan1, WANG Zong-Ming1, LIU Huan-Jun1,2, and DU Jia1,2(1 Northeast Institute of Geography and Agroecology, Chinese Academy of Sciences, Changchun 130012, Jilin; 2 Graduate School of Chinese Aca- demy of Sciences, Beijing 100039, ChinaAbstract

6、: Based on the measured reflectance, photosynthetically active radiation, and leaf area index (LAI, nine common vege-tation indices and two vegetation indices, developed by the authors according to the characteristic of reflectance curves and the vegetation index structures, were used to estimate fr

7、action of photosynthetically active radiation (FPAR in corn (Zea mays L. and soybean Glycine max (L. Merri. The relationships between vegetation indices and FPAR differed in different vegetation types. The performances of near infrared and shortwave bands were better than these of visible and near i

8、nfrared bands in FPAR estima-tion by vegetation indices. Normalized difference vegetation index (NDVI and ratio vegetation index (RVI were the best in the vegetation indices calculated by reflectance in visible and near infrared bands for FPAR estimation, with R 2 of estimating models 0.82 and 0.81

9、for corn, both of 0.81 for soybean. Normalized difference shortwave index (NDSI and ratio shortwave index (RSI were best in the vegetation indices calculated by near infrared and shortwave bands with almost the same R 2 values for NDSI and RSI in corn (0.86 and soybean (0.84. It is suggested that th

10、e near infrared and shortwave bands are feasible to be used for FPAR estimation. According to the field experiments, the water content of vegetation canopy had larger effect on FPAR estimation than soil background. The canopy FPAR and LAI showed good logarithm relations in corn and soybean canopy wi

11、th R 2 values of 0.75第11期楊 飛等: 玉米和大豆光合有效輻射吸收比例與植被指數(shù)和葉面積指數(shù)的關(guān)系 2047and 0.70, respectively, indicating that vegetation indices are better than LAI for FPAR estimation.Keywords: Corn; Soybean; Fraction of photosynthetically active radiation; Vegetation index; Leaf area index植物的光合作用就是植物葉片吸收光能和轉(zhuǎn)換光能的過(guò)程, 光合

12、有效輻射吸收比例(fraction of photosyntheti- cally active radiation, FPAR是植被水分、能量及碳循環(huán)平衡的重要檢測(cè)指標(biāo)1, 是生態(tài)系統(tǒng)生產(chǎn)力模型、氣候模型、作物估產(chǎn)模型等的重要參數(shù), 因此大面積快速準(zhǔn)確獲取FPAR 具有非常重要意義2-3。國(guó)外在20世紀(jì)8090年代已對(duì)光合有效輻射(photosynthetically active radiation, PAR進(jìn)行了大量研 究4-6, 而國(guó)內(nèi)在該領(lǐng)域的研究起步較晚7-10。植被指數(shù)常被用來(lái)估算葉面積指數(shù)(leaf area index, LAI, 其中使用最多的是歸一化植被指數(shù)NDVI 9,

13、11-13。多數(shù)研究結(jié)果表明, FPAR與NDVI 呈較好的線性或近線性關(guān)系, 但易受土壤背景、太陽(yáng)高度角、葉及冠層大小、植被類型和覆蓋度等條件的影響, 而且在不同的背景條件下的影響程度不同14-15。此外, 一些其他植被指數(shù)如差值植被指數(shù)、重歸一化植被指數(shù)、比值植被指數(shù)、土壤調(diào)整植被指數(shù)等也用于FPAR 的研究14-16。光合有效輻射被植被冠層截獲吸收或反射散射, 因此葉面積大小對(duì)光合有效輻射吸收比例(FPAR有直接的影響作用。FPAR 與LAI 的關(guān)系, 周曉東等8和王培娟等9對(duì)玉米和小麥冠層的研究表明呈顯著的線性相關(guān), 而Daughtry 等5對(duì)玉米和大豆冠層的研究表明呈較好的對(duì)數(shù)關(guān)系。

14、另外Daughtry 等5和Turner 等17利用泊松概率函數(shù)研究了FPAR 和LAI 的關(guān)系; 劉曉東等18通過(guò)對(duì)集約、粗放經(jīng)營(yíng)楊樹人工林冠層上、下部太陽(yáng)總輻射和光合有效輻射(PAR的實(shí)測(cè)數(shù)據(jù)進(jìn)行分析, 根據(jù)比爾朗伯特方程模擬FPAR 與LAI 之間的關(guān)系。一些簡(jiǎn)單或復(fù)雜的物理傳輸模型如CLM 模型、三維輻射傳輸模型也被應(yīng)用于估算FPAR 19-21, 其中最為典型的是三維輻射傳輸模型應(yīng)用在MODIS 傳感器上獲取植被冠層FPAR 參數(shù)。雖然植被冠層FPAR 估算研究較多, 但仍多為基于植被指數(shù)或葉面積指數(shù)的經(jīng)驗(yàn)?zāi)Ｐ? 其重要缺陷是受地域、土壤、天氣條件、植被類型及測(cè)量者等因素影響較 大2

15、2-23, 普遍適用性受到很大限制。中國(guó)東北黑土區(qū)是重要的農(nóng)作物種植區(qū)域, 具有特色的黑土生長(zhǎng)環(huán)境, 研究這一地區(qū)主要農(nóng)作物(玉米和大豆 對(duì)光合有效輻射吸收利用率具有重要的理論和實(shí)際意義。本研究選取吉林省長(zhǎng)春市附近的玉米和大豆生長(zhǎng)區(qū), 進(jìn)行整個(gè)生長(zhǎng)季的光譜反射率、光合有效輻射及葉面積實(shí)地測(cè)量, 選擇常用的植被指數(shù), 比較分析玉米和大豆FPAR 與各植被指數(shù)、葉面積指數(shù)相關(guān)關(guān)系, 探討部分土壤等因素在估算FPAR 時(shí)的影響, 并用短波紅外波段估算FPAR 潛力, 為玉米和大豆準(zhǔn)確估算和長(zhǎng)勢(shì)實(shí)時(shí)準(zhǔn)確監(jiān)測(cè)提供科學(xué)依據(jù)。1 材料與方法1.1 數(shù)據(jù)獲取于2006年8月19日、2007年6月15日、7月5

16、日和7月22日在吉林農(nóng)業(yè)大學(xué)試驗(yàn)地, 2007年8月6日在德惠市野外大田地, 對(duì)玉米冠層光譜反射率、光合有效輻射各分量和葉面積指數(shù)進(jìn)行測(cè)量, 共獲得99組數(shù)據(jù); 于2007年6月15日、7月5日、7月22日、2006年8月19日、9月13日在吉林農(nóng)業(yè)大學(xué)試驗(yàn)地對(duì)大豆冠層光譜反射率、光合有效輻射各分量和葉面積指數(shù)進(jìn)行實(shí)地測(cè)量, 共獲得52組數(shù)據(jù)。使用FieldSpec Pro FR高光譜分析儀測(cè)量光譜數(shù)據(jù), 光譜范圍為3502 500 nm, 其中3501 000 nm和1 000 2 500 nm波段光譜分辨率分別為3 nm和10 nm, 整個(gè)波段(3502 500 nm光譜重采樣間隔為1 n

17、m, 探頭視場(chǎng)角為25°。在每個(gè)樣點(diǎn)采集光譜之前都進(jìn)行白板標(biāo)定, 每個(gè)測(cè)試點(diǎn)采集1214條光譜曲線, 取其平均值作為該樣點(diǎn)的光譜反射率, 測(cè)量時(shí)保持探頭垂直向下, 并與冠層頂相距約2 m左右。所有的觀測(cè)均選擇在晴朗無(wú)風(fēng)天氣。使用美國(guó)LI-COR 公司生產(chǎn)的LI-191SA 線性光量子傳感器和LI-250光照計(jì)測(cè)量光合有效輻射, LI-191SA線性光量子傳感器感應(yīng)面積約1.0 m×12.7 mm, 感應(yīng)波長(zhǎng)為400700 nm, 測(cè)量結(jié)果輸出單位為mol m2 s 1, 測(cè)量結(jié)果為感應(yīng)面積范圍內(nèi)的空間光合有效輻射的平均值, 能夠很好地降低空間不一致性的影響; 采用LI-25

18、0人工讀取和記錄數(shù)據(jù)。每次測(cè)量各樣點(diǎn)的光合有效輻射測(cè)量4個(gè)分量即光合有效輻射冠層上入射(PAR c i 、反射量(PAR cr 及冠層下入射(PAR gi 、反射量(PAR gr , 測(cè)量冠層上方分量時(shí)使線性光量子傳感器距離冠層上方約0.5 m, 測(cè)量冠層下方各分量時(shí)距冠層及地面各0.15 m左右, 并使用水平球盡量保持水平。采用LI-COR 公司生產(chǎn)的LAI-2000植被冠層分析儀測(cè)量葉面積。所有葉面積測(cè)量時(shí)間選在當(dāng)日6:309:00或16:3019:00, 設(shè)置1個(gè)天空光, 6個(gè)測(cè)量目標(biāo)值, 探頭佩帶45°張角的鏡頭蓋, 避免直射光的影響。1.2 數(shù)據(jù)處理光合有效輻射在傳輸過(guò)程中

19、部分被植被冠層吸收, 部分直接及經(jīng)過(guò)冠層后被反射回大氣, 部分被土壤吸收, 因此植被吸收的光合有效輻射(absorbed photosyntheti-cally active radiation, APAR = 總光合有效輻射被反射回大氣的光合有效輻射土壤吸收的光合有效輻射; 即24:( ( ci cr gi gr APAR PAR PAR PAR PAR =(1/ci FPAR APAR PAR =(22048作 物 學(xué) 報(bào) 第34卷選擇常用的9個(gè)植被指數(shù), 另?yè)?jù)植被指數(shù)結(jié)構(gòu)特征和FPAR 與波長(zhǎng)反射率之間的關(guān)系建立比值短波指數(shù)和歸一化差值短波紅外指數(shù), 共11個(gè)植被指數(shù)(表1 。參考MOD

20、IS 傳感器設(shè)定藍(lán)、紅、近紅外、短波紅外波段分別對(duì)應(yīng)459479、620670、841876和1 6281 652 nm, 將波段內(nèi)各波長(zhǎng)反射率取平均作為本波段的反射率值。表1 常見(jiàn)植被指數(shù)公式Table 1 Vegetation index formula in this paper植被指數(shù) Vegetation index公式 Formula參考文獻(xiàn) Reference 差值植被指數(shù)Difference vegetation index (DVI DVI =NIR a ×RLyon et al., 199825 垂直植被指數(shù)Perpendicular vegetation ind

21、ex (PVI PVI = (NIR a ×R b / (1+a 2 1/2Lyon et al., 199825比值植被指數(shù)Ratio vegetation index (RVIRVI =NIR / R Jordan, 196926 歸一化植被指數(shù)Normalized difference vegetation index (NDVI NDVI = (NIR R / ( NIR + R Rouse et al., 197327土壤調(diào)整植被指數(shù)Soil adjusted vegetation index (SAVISAVI = (NIR R (1+L / ( NIR +R +L 1

22、Hutte, 198828轉(zhuǎn)換型土壤調(diào)整指數(shù)Transformed soil adjusted vegetation index (TSAVITSAVI = a (NIR a ×R b / ( a ×NIR + R ab Baret et al., 198929 改進(jìn)型土壤大氣修正植被指數(shù)Enhenced vegetation index (EVI EVI = 2.5× (NIR RED / (NIR +C 1×R C 2×B L 2Hutte et al., 199430葉面水含量指數(shù)Water index (WIWI = 970 / 900

23、 Penuelas, 199631 歸一化差異水體指數(shù)Normalized difference water index (NDWI NDWI = (8601240 / (860+1240 Gao, 199632 比值短波紅外指數(shù)Ratio shortwave index (RSIRSI = NIR / SWIR歸一化差值短波紅外指數(shù)Normalized difference shortwave index (NDSINDSI = (NIR SWIR / ( NIR +SWIR B 、R 、NIR 、SWIR 分別為藍(lán)、紅、近紅外、短波紅外波段反射率; a 、b 分別為本研究區(qū)內(nèi)土壤線的斜率和

24、截距, 其中a =1.0578, b =0.0688; L 1、L 2、C 1、C 2為調(diào)整系數(shù), 本文取L 1=0.5, L 2=1, C 1=6, C 2=7.5。B , R , NIR and SWIR are the reflectance of blue, red, near-infrared and shortwave bands; a and b are the slope and offset of the soil line; L 1, L 2, C 1, C 2 are the adjusting coefficients. In this article, a =1.05

25、28, b =0.0688, L 1=0.5, L 2=1, C 1=6, C 2= 統(tǒng)計(jì)檢驗(yàn)采用國(guó)際上常用的確定性系數(shù)R 2、均方根差(root mean square error, RMSE 和相對(duì)均方根差(relative root mean square error, RRMSE 33對(duì)估算模型和驗(yàn)證模型的效果進(jìn)行統(tǒng)計(jì)檢驗(yàn)。RMSE(3 100%RRMSE (4 式中, Y mod 和Y mea 分別為模型模擬值和實(shí)測(cè)值。RMSE 和RRMSE 能夠準(zhǔn)確地表達(dá)模型模擬值和實(shí)測(cè)值的擬合程度, 其值越小, 模型模擬值和實(shí)測(cè)值就越接近, 模型估算精度越高。本文利用RMSE 和R

26、RMSE 對(duì)FPAR 估算模型及其驗(yàn)證模型均進(jìn)行精度檢驗(yàn)。2 結(jié)果與分析2.1 植被指數(shù)構(gòu)建選用常用的植被指數(shù)分別建立其玉米和大豆的FPAR 估算模型, 這些植被指數(shù)大多選用可見(jiàn)光和近紅外波段光譜反射率進(jìn)行計(jì)算。對(duì)玉米和大豆冠層FPAR 與光譜反射率進(jìn)行相關(guān)關(guān)系分析(圖1, 可見(jiàn)FPAR 與可見(jiàn)光(特別是藍(lán)紫波段和紅波段 和短波紅外波段(1 4201 800 nm和1 9402 420 nm呈較好的負(fù)相關(guān), 而與近紅外波段呈較好的正相關(guān)(相關(guān)系數(shù)均在0.05水平上顯著 。圖2示玉米和大豆光譜反射率的季節(jié)變化, 其中去除了波動(dòng)較大的1 3511 414 nm、1 8011 944 nm和 2 4

27、012 500 nm。可看出, 短波紅外波段反射率在整個(gè)生長(zhǎng)季與可見(jiàn)光變化趨勢(shì)較一致, 隨著葉面積增大而減小。因此, 根據(jù)以上光譜曲線變化特征及其與FPAR 相關(guān)性分析, 結(jié)合NDVI 、RVI 2個(gè)植被指數(shù)公式結(jié)構(gòu), 試用短波紅外波段代替可見(jiàn)光波段建立了歸一化差異短波紅外指數(shù)(NDSI、比值短波紅外指數(shù)(RSI 2個(gè)植被指數(shù)(表1, 并驗(yàn)證其估算玉米和大豆冠層FPAR 的能力。圖1 玉米和大豆FPAR 與各波段反射率相關(guān)性Fig. 1 Correlations between FPAR and reflectance of corn andsoybean2.2 玉米冠層FPAR 植被指數(shù)估算

28、將實(shí)測(cè)99組玉米冠層反射率和FPAR 數(shù)據(jù), 隨機(jī)分為兩部分, 利用前一部分67組數(shù)據(jù), 以各植被指數(shù)為自變量, FPAR為因變量, 建立FPAR 估算模型, 再利用另一部分的32組數(shù)據(jù)對(duì)模型進(jìn)行驗(yàn)證(表2 。結(jié)果表明, 僅DVI 、RVI 、EVI 與玉米冠層FPAR 呈對(duì)數(shù)關(guān)系, 其余各植被指第11期楊 飛等: 玉米和大豆光合有效輻射吸收比例與植被指數(shù)和葉面積指數(shù)的關(guān)系 2049 數(shù)與FPAR 均呈較好的線性關(guān)系。在可見(jiàn)光和近紅外波段計(jì)算的植被指數(shù)中, RVI、NDVI 、TSAVI 估算FPAR 的精度要好于DVI 、PVI 、SAVI 和EVI (表2, 前3個(gè)植被指數(shù)估算模型的確定性

29、系數(shù)R 2較高(分別為0.82、0.81和0.81, 均方根差RMSE (分別為0.122、0.126和0.125 和相對(duì)均方根差RRMSE (分別為46.11%、42.44%和38.38%都相對(duì)較小; 這3個(gè)植被指數(shù)的驗(yàn)證模型的R 2、RMSE 、RRMSE 的表現(xiàn)同樣優(yōu)于其他植被指數(shù)。但是, 由近、短波紅外計(jì)算得到的植被指數(shù)WI 、NDWI 、RSI 、NDSI 估算玉米FPAR 精度要明顯高于由可見(jiàn)光(表2 、近紅外波段計(jì)算的植被指數(shù), 其估算模型R 2分別為0.85、0.84、0.86和0.86, RMSE僅為0.106、0.107、0.111和0.122, RRMSE僅為38.42%

30、、37.73%、35.64%和37.99%; 驗(yàn)證模型的R 2分別為0.89、0.87、0.89和0.89, RMSE 為0.097、0.105、0.095和0.095, RRMSE為36.38%、41.03%、35.97%和36.23%。圖2 玉米和大豆冠層反射率的季節(jié)變化Fig. 2 Seasonal changes of corn and soybean canopy reflectance表2 玉米FPAR 的植被指數(shù)估算表現(xiàn)Table 2 Performances of estimating corn FPAR by different vegetation indices估算模型

31、Estimated function (n = 76驗(yàn)證模型Validated function (n = 32名稱Name 公式 FormulaR 2 RMSE RRMSE (% F Sig. 公式 Formula R 2 RMSE RRMSE (% F Sig. DVI y = 0.424 ln(x + 1.237 0.76 0.138 48.93214.990.000y = 0.719x + 0.1850.780.133 57.39 214.990.000PVI y = 2.842x + 0.230 0.70 0.157 69.63152.630.000y = 0.659x + 0.23

32、00.720.148 60.66 152.630.000RVIy = 0.328 ln(x 0.0510.82 0.122 46.11293.650.000y = 0.784x + 0.1330.820.118 34.39 293.650.000NDVI y = 1.223x 0.267 0.81 0.126 42.44274.690.000y = 0.775x + 0.1260.830.119 34.23 274.690.000SAVIy = 1.479x 0.0540.78 0.134 50.73234.750.000y = 0.741x + 0.1770.800.125 47.38 23

33、4.750.000TSAVI y = 0.843x + 0.085 0.81 0.125 38.38276.690.000y = 0.761x + 0.1400.830.119 40.83 276.690.000EVI y = 0.484 ln (x + 1.016 0.780.13446.16234.100.000y = 0.737x + 0.1700.790.129 53.53 234.100.000WIy = 4.179x + 4.5860.85 0.106 38.42369.460.000y = 0.824x + 0.1090.890.097 36.38 369.460.000NDWI

34、 y = 2.566x + 0.544 0.82 0.107 37.73296.670.000y = 0.808x + 0.1090.870.105 41.03 296.670.000RSI y = 0.564 ln(x + 0.351 0.86 0.111 35.64412.180.000y = 0.840x + 0.1000.890.095 35.97 412.180.000NDSIy = 1.177x + 0.3540.860.12237.99405.320.000y = 0.833x + 0.1020.890.09536.23405.320.0002.3 大豆冠層FPAR 植被指數(shù)估算

35、將實(shí)測(cè)52組大豆數(shù)據(jù)隨機(jī)分為兩部分, 35組用于建立大豆FPAR 估算模型, 17組用于模型驗(yàn)證(表3 。大豆冠層FPAR 與RVI 呈對(duì)數(shù)關(guān)系, 與DVI 、PVI 、SA VI 、EVI 、RSI 呈較好的線性關(guān)系, 而與NDVI 、TSA VI 、WI 、NDWI 、NDSI 呈指數(shù)函數(shù)關(guān)系。在可見(jiàn)光與近紅外波段計(jì)算的各植被指數(shù)中, RVI、NDVI 、SA VI 、TSA VI 表現(xiàn)出較好的FPAR 估算能力, 其估算模型R 2分別為0.81、0.81、0.80和0.79, 高于DVI 、PVI 、EVI, 且RMSE 分別為0.102、0.101、0.105和0.104, RRMSE

36、 分別為20.43%、20.03%、21.16%和20.93%,都相對(duì)較低; 而且驗(yàn)證模型的R 2、RMSE 、RRMSE 也表明模型估算FPAR 值與實(shí)測(cè)FPAR 值更一致。由近、短波紅外波段計(jì)算得到的WI 、NDWI 估算FPAR 的效果較RVI 、NDVI 稍差, 其R 2僅為0.76和0.73, RMSE 分別為0.112和0.120, RRMSE 分別為22.21%和22.73%, 但是RSI 、NDSI 估算大豆冠層FPAR 的表現(xiàn)要好于其他所有植被指數(shù), 其R 2最高, 均達(dá)0.84, RMSE 也分別為0.096和0.097, RRMSE 分別為19.02%和19.58%, R

37、MSE 和RRMSE 均在所有植被指數(shù)中最小; 而且RSI 、NDSI 的驗(yàn)證模型同樣具有較好的表現(xiàn)(表3 。2050作 物 學(xué) 報(bào)第34卷表3 大豆FPAR 的植被指數(shù)估算表現(xiàn)Table 3 Performances of estimating soybean FPAR by different vegetation indices估算模型Estimated function (n = 35驗(yàn)證模型Validated function (n = 17名稱 Name 公式 Formula R 2 RMSE RRMSE (% F Sig. 公式 FormulaR 2 RMSE RRMSE (%

38、F Sig. DVI y = 1.673x + 0.107 0.76 0.116 24.77 104.810.000y = 0.633x + 0.2720.740.113 31.60 42.420.000PVI y = 2.436x + 0.222 0.76 0.116 24.77 104.810.000y = 0.633x + 0.2720.740.113 31.61 42.420.000RVI y = 0.354 ln(x 0.1050.810.10220.43145.190.000y = 0.795x + 0.1550.780.100 18.43 52.370.000NDVI y = 0

39、.063 e2.974x 0.81 0.101 20.03 144.340.000y = 0.760x + 0.1700.820.088 17.96 66.810.000SAVIy = 1.487x 0.1230.800.10521.16136.050.000y = 0.704x + 0.2250.810.096 22.03 64.810.000TSAVI y = 0.143e 2.075x 0.79 0.104 20.93 127.810.000y = 0.686x + 0.2410.840.093 20.29 75.650.000EVI y = 1.156x 0.007 0.77 0.11

40、3 22.90 111.840.000y = 0.657x + 0.2560.740.112 27.12 41.780.000WI y = 5.860x + 6.344 0.76 0.112 22.21 99.96 0.000y = 0.761x + 0.1760.730.094 24.76 40.950.000NDWI y = 3.115x + 0.640 0.73 0.120 22.73 89.55 0.000y = 0.665x + 0.2280.700.109 27.26 35.220.000RSI y = 0.550x 0.2020.840.09719.02166.950.000y

41、= 0.798x + 0.1580.840.085 20.41 78.890.000NDSIy = 0.337 e2.923x 0.840.096 18.58 169.950.000y = 0.801x + 0.1460.830.08020.4073.430.000對(duì)比表2和表3可看出, 玉米和大豆的各植被指數(shù)與FPAR 的關(guān)系不一樣, 前者主要呈線性和對(duì)數(shù)關(guān)系, 而后者則多呈指數(shù)函數(shù)關(guān)系。而且用WI 、NDWI 兩個(gè)植被指數(shù)估算玉米冠層FPAR 時(shí)可以取得相對(duì)較好的效果, 但估算大豆FPAR 的效果一般。因此, 估算植被冠層FPAR 時(shí), 各植被指數(shù)有效性因植被類型而異, 植被冠層結(jié)構(gòu)空間異

42、質(zhì)性對(duì)FPAR 估算影響較為明顯。以近、短波紅外波段計(jì)算得植被指數(shù)估算玉米和大豆FPAR 效果優(yōu)于可見(jiàn)光和近紅外波段計(jì)算得植被指數(shù)。NDVI 、RVI 是可見(jiàn)光-近紅外波段計(jì)算植被指數(shù)中估算效果最好的, NDSI、RSI 是近、短波紅外波段計(jì)算植被指數(shù)中估算效果最好的, 而且NDSI 、RSI 估算玉米和大豆FPAR 效果要優(yōu)于NDVI 、RVI 。2.4 玉米和大豆冠層FPAR 與葉面積指數(shù)的關(guān)系隨著葉面積的增加, 冠層對(duì)光合有效輻射吸收程度增加, FPAR 呈增大趨勢(shì)(圖3 。玉米和大豆的FPAR 與LAI 之間都呈對(duì)數(shù)關(guān)系, R 2分別為0.75 (F 檢驗(yàn)值為278.760, 顯著性水

43、平Sig=0.000和0.70 (F 檢驗(yàn)值為111.596, 顯著性水平Sig=0.000, 這與前人一些研究結(jié)果相符34, 也有研究認(rèn)為FPAR 與LAI 呈線性或指數(shù)關(guān)系5,8。但FPAR 增加速率并非隨著LAI 的變化維持恒定不變, 而表現(xiàn)為當(dāng)LAI 達(dá)到3左右之前, 隨著葉面積的增加, 植被覆蓋度也明顯增大, 冠層對(duì)光合有效輻射吸收量增加, FPAR迅速增大; 當(dāng)LAI 達(dá)到3或更大值時(shí), 植被覆蓋度基本接近于1, FPAR已經(jīng)基本趨于飽和, 本文通過(guò)大量的實(shí)測(cè)數(shù)據(jù)研究也表明, FPAR在葉面積較大時(shí)已經(jīng)比較接近于1, FPAR與LAI 之間呈明顯的對(duì)數(shù)關(guān)系。 圖3 玉米和大豆冠層F

44、PAR 與LAI 的關(guān)系Fig. 3 Relations of FPAR and LAI for corn and soybean canopy3 討論利用植被指數(shù)估算植被冠層參數(shù), 是定量遙感和生態(tài)模型應(yīng)用研究的重要研究方向, 本文對(duì)東北黑土區(qū)玉米和大豆實(shí)地測(cè)量, 對(duì)比分析了多種植被指數(shù)和葉面積指數(shù)估算玉米和大豆冠層FPAR 的效果。由于FPAR 參數(shù)估算研究受植被類型、冠層結(jié)構(gòu)、土壤下墊面等影響明顯23, 國(guó)內(nèi)外研究結(jié)果有一定的差異。從表2和表3可看出, 估算FPAR 效果相對(duì)較差的是DVI 、PVI 和EVI 。研究表明, DVI、PVI 適用于植被發(fā)育第 11 期 楊 飛等: 玉米和大

45、豆光合有效輻射吸收比例與植被指數(shù)和葉面積指數(shù)的關(guān)系 2051 早 期 中 期 , 可 在 一 定 程 度 上 消 除 土 壤 因 素 的 影 響 35, 本文中玉米的葉面積指數(shù)較高, DVI、PVI 消除背景噪聲 效果并不明顯。 EVI 對(duì)大氣氣溶膠和土壤的綜合作用有較 好的消除作用, 特別是在較為嚴(yán)重的氣溶膠或煙霧天氣, 效果非常明顯 36 模型, 模型受大氣等因素的影響相對(duì)較小; 如 MODIS 植 被研究組的分析表明在高氣溶膠含量下, EVI 比 NDVI 更 穩(wěn)定, 即具有抗大氣干擾能力, 而且能夠一定程度上克 服 NDVI 在高 LAI 時(shí)易飽和的缺陷 38, 因此, 基于實(shí)測(cè)數(shù) 據(jù)

46、的各個(gè)植被指數(shù)估算 FPAR 模型, 應(yīng)用于遙感影像估算 FPAR 的優(yōu)越性和精度還有待于進(jìn)一步研究。我們將基于 高光譜數(shù)據(jù), 研究更多高光譜數(shù)據(jù)處理技術(shù)和方法提高 FPAR 估算的精度。由于實(shí)驗(yàn)條件限制, 未能對(duì)各試驗(yàn)樣 點(diǎn)進(jìn)行重復(fù)測(cè)量及改進(jìn)試驗(yàn)方案以盡量獲取較多的數(shù)據(jù), 這是今后需加強(qiáng)的工作之一。 , 本研究中的所有數(shù)據(jù)測(cè)量時(shí)的天氣晴 朗無(wú)風(fēng), 能見(jiàn)度高, 且作物葉面積亦較大, 土壤噪聲相對(duì) 較小, 使得 EVI 的大氣和土壤校正作用不是很明顯。 大量 試驗(yàn)證明, SAVI 可以降低土壤背景的影響, 但可能丟失 部分植被信號(hào), 使植被指數(shù)偏低, 而且其中的調(diào)節(jié)因子 L 取值也與 LAI 線

47、性相關(guān) 37, 但是本文計(jì)算 SAVI 時(shí), L 值 一直取 0.5, 這必然會(huì)影響 SAVI 對(duì) FPAR 估算的精度。 一般來(lái)說(shuō), 比值植被指數(shù) RVI、NDVI 增強(qiáng)了土壤與 植物的反射對(duì)比, 同時(shí)最小化照度狀況的影響, 是綠色 植被的靈敏的指示指數(shù); 垂直、差值植被指數(shù)(PVI、DVI 與比值植被指數(shù)不同, 它們只在低 LAI 時(shí)表現(xiàn)較好, 但它 們隨著 LAI 的增加變得對(duì)土壤背景敏感 37。 前人在研究中大多選用可見(jiàn)光-近紅外波段光譜反 射率計(jì)算的植被參數(shù)(如 NDVI、 RVI、 SAVI、 DVI 等等, 短 波紅外波段在 FPAR 研究中應(yīng)用很少, 本研究對(duì) FPAR 與 反

48、射率相關(guān)性研究發(fā)現(xiàn), 部分短波紅外與 FPAR 同樣有很 好的相關(guān)關(guān)系(圖 1, 而且通過(guò)利用近紅外和短波紅外波段 計(jì)算植被指數(shù) NDSI、 RSI, 估算玉米和大豆冠層 FPAR 得 到理想的效果(表 2 和表 3, 因此說(shuō)明短波紅外波段具有 較好的 FPAR 估算潛力。Ridao 等 16 對(duì)灌溉和非灌溉田地 大豆和豌豆冠層 FPAR 的估算研究結(jié)果也表明, 計(jì)算中應(yīng) 用了 TM 第 5 個(gè)波段(短波紅外波段的植被指數(shù)估算 FPAR 精度更高。 這主要是由于近、 短波紅外波段對(duì)冠層反射率 具有更為敏感的響應(yīng), 從圖 2 反射率曲線可見(jiàn), 隨著玉米 和大豆 LAI 的變化, 近、 短波反射率

49、較可見(jiàn)光波段的變化 幅度更大, 使近紅外和短波紅外波段反射率對(duì)比更為強(qiáng) 烈; 從植被生化特性上分析, 短波紅外波段受葉細(xì)胞內(nèi) 的水分含量控制 37-39, 短波紅外反射率對(duì)冠層水分含量 較為敏感, 而水分含量也影響著葉片光合作用能力, 即 影響葉片對(duì)光合有效輻射的吸收, 因此短波紅外波段與 FPAR 也具有較好的相關(guān)關(guān)系。 本文未考慮土壤因素的植被指數(shù)(如 NDVI、RVI較 一些考慮到土壤特征的植被指數(shù)(如 SAVI、TSAVI、PVI、 DVI估算玉米和大豆冠層 FPAR 的效果更理想, 說(shuō)明土壤 因素對(duì)地面實(shí)測(cè) FPAR 估算影響作用不大; 但相比而言, 利用受植被冠層水分控制的短波紅外

50、波段計(jì)算的植被指 數(shù)(NDSI、 RSI, 估算 FPAR 的效果有明顯提高, 表明冠層 水分含量相對(duì)土壤背景因素對(duì)冠層 FPAR 的影響更明顯。 本文中玉米和大豆 FPAR 與 LAI 都呈對(duì)數(shù)關(guān)系, 這 與前人研究結(jié)果有所異同(如前文所述, 但從本文研究看 出, 玉米和大豆 FPAR 與 LAI 呈對(duì)數(shù)關(guān)系應(yīng)該更為科學(xué)。 比較表 2、表 3 和圖 3 可看出, 植被指數(shù)方法較 LAI 估算 大豆和玉米冠層 FPAR 的精度更高。 本研究基于地面實(shí)測(cè)數(shù)據(jù)建立各植被指數(shù)估算 FPAR References 1 Churkina G, Running S W. Contrasting clima

51、tic controls on the estimated productivity of global, terrestrial biomes. Ecosystems, 1998, 1: 206215 2 Sellers P J, Collatz G J. A revised land surface parameterization (SiB2 for atmospheric GCMS: I. Model formulation. J Climate, 1996, 9: 676705 3 Lobell D B, Asner G P, Ortiz-Monasterio J I, Bennin

52、g T L. Remote sensing of regional crop production in the Yaqui Valley, Mexico: estimates and uncertainties. Agric Ecosyst Environ, 2003, 94: 205220 4 Asrar G, Fuchs M, Kanemasu E T, Hatfield J L. Estimating absorbed photosynthetic radiation and leaf area index from spectral reflectance in wheat. Agr

53、on J, 1984, 76: 300306 5 Daughtry C S T, Gallo K P, Goward S N, Prince S D, Kustas W P. Spectral estimates of absorbed radiation and phytomass production in corn and soybean canopies. Remote Sens Environ, 1992, 39: 141152 6 Pinter PJ. Solar angle independence in the relationship between absorbed PAR

54、 and remotely sensed data for alfalfa. Remote Sens Environ, 1993, 46: 1925 7 Dong Z-G(董振國(guó), Yu H-N(于滬寧. Photosynthetically active radiation field measurement and analysis. Meteorol Monthly (氣 象, 1983, (7: 2324 (in Chinese 8 Zhou X-D(周曉東, Zhu Q-J(朱啟疆, Wang J-D(王錦地, Sun R(孫睿, Chen X(陳雪, Wu M-X(吳門新. Int

55、erception of PAR, relationship between FPAR and LAI in summer maize canopy. J Nat Resour (自然資源學(xué)報(bào), 2002, 17(1: 110116 (in Chinese with English abstract 9 Wang P-J(王培娟, Zhu Q-J(朱啟疆, Wu M-X(吳門新, Liu S-H(劉素紅, Shuai Y-M(帥艷民. Research on the relationships among FAPAR, LAI and VIs in the winter wheat canop

56、y. Remote Sens Inform (遙感信息, 2003, (3: 1922 (in Chinese with English abstract 10 Gao Y-H(高彥華, Chen L-F(陳良富, Liu Q-H(柳欽火, Gu X-F(顧行發(fā), Tian G-L(田國(guó)良. Research on remote sensing model for fpar absorbed by chlorophyll. J Remote Sens (遙感學(xué) 報(bào), 2006, 10(5: 798803 (in Chinese with English abstract 2052 作 物 學(xué)

57、報(bào) 第 34 卷 11 Huete A R, Epiphanio J C N. Dependence of NDVI and SAVI on sun/sensor geometry and its effect on fAPAR relationships in alfalfa. Remote Sens Environ, 1995, 51: 351360 12 Fensholt R, Sandholt I, Rasmussen M S. Evaluation of MODIS LAI, fAPAR and the relation between fAPAR and NDVI in a sem

58、i-arid environment using in situ measurements. Remote Sens Environ, 2004, 91: 490507 13 Daniel C, Steinberg S J G, Hyer E J. Validation of MODIS FPAR products in Boreal forests of Alaska. IEEE Trans Geosci Remote Sens, 2006, 44: 18181828 14 Roujean J L, Breon F M. Estimating PAR absorbed by vegetation from bidirectional reflectance measurements. Remote Sens Environ, 1