尘埃影响下的植被指数修正研究

植被指数是表征植被覆盖,生长状况简单有效的度量参数。本文以城市绿化主要植被大叶黄杨为例,研究叶片滞尘对植被指数的影响,并构建植被指数修正模型对植被指数进行修正优化,提高植被指数的测量精度。研究选取北京城区为研究区,采集20个采样点的200个叶片样本,利用电子分析天平、ASD高光谱辐射仪及Win FOLIA叶面积仪,分别获取叶片尘埃量、光谱信息、叶面积等数据。通过对比分析样本叶片除尘前、后光谱特征及NDVI、NDWI、NDNI、NDII、CAI、PRI植被指数分布特征差异,结合单位滞尘量与光谱数据,构建植被指数修正模型,并对修正模型进行精度检验。结果表明：大叶黄杨叶片在除尘前与除尘后的光谱曲线均表现出典型的植被光谱特征,且蓝边、红边均出现在520和705 nm处,然而在350～700,750～1 350,1 500～1 850,1 900～2 100 nm波段范围内,滞尘对叶片光谱反射率影响显著,同时对植被指数也有较大影响;通过对滞尘量定量的研究分析发现,当尘埃质量增加时, NDVI和PRI植被指数与尘埃量的线性关系变弱,而NDWI,NDII,CAI植被指数与尘埃量依然保持明显的线性关系。修正模型NDVI,NDII,CAI,PRI精度验证决定系数(R2)分别为0.547,0.430,0.653,0.960,RMSE分别为0.035,0.020,0.112,0.009。研究结果表明对以后利用植被指数进行大面积植被反演、评估时,根据滞尘量影响进行修正优化,提高反演精度有一定参考意义。     

在滞尘影响下的植被叶片光谱变化特征研究

为建立以高光谱数据为基础的叶片滞尘质量反演模型,沿北京市区采集了30个大叶黄杨叶片样本。利用电子分析天平和光谱仪(analytical spectral devices ASD FieldSpec Pro)测定“除尘前”与“除尘后”叶片质量及光谱反射率曲线,以获取叶片尘埃量、光谱信息等数据。随后以传统意义和偏最小二乘(PLS)回归模型为基础,以探究空气尘埃量与光谱曲线之间可能存在的关系,阐述了叶片尺度上尘埃量对植物光谱特征的影响。结果为：除尘前后叶片光谱曲线在350～700, 780～1 300, 1 900～2 500 nm波段区间内有较大差异,同时尘埃量与叶片单波段光谱反射率比值呈负相关,相关度最大值点为737波段,属于近红外波段,相关系数可达-0.8左右。在尘埃量与叶片光谱多波段组合关系研究中得到,948和945波段构成的NDVI指数与尘埃量的相关度最大,相关系数可达0.76。在叶片滞尘量反演研究中,对比传统意义滞尘量回归模型,引进的偏最小二乘算法(PLS)可使叶片滞尘量反演精度略有提高,最后由回归模型精度评定可得偏最小二乘法反演效果较传统回归好。     

北京市区绿色空间滞尘分布反演研究

北京市作为中国政治中心和京津冀特大型城市,近40年来城市化进程迅速,大气颗粒物和尘埃粒子污染问题较为突出,发挥绿色空间滞尘功能具有重要现实意义。将高光谱技术与遥感技术相结合,反演了市域尺度绿色空间滞尘分布。以北京市区绿色空间常见植被大叶黄杨(Euonymus japonicus)为研究对象,通过室外采样与室内试验获取叶片样本的滞尘量、光谱反射率和叶面积等数据,比较叶片滞尘前后的原始光谱曲线和反射率一阶导数特征,分析不同滞尘量对光谱反射率的影响,探究对叶片滞尘量高度敏感的波段。利用光谱响应函数将地面采集的窄波段光谱反射率数据分别转化遥感卫星的宽波段光谱反射率数据,建立对应卫星波段植被指数比值与滞尘量的回归模型,选取拟合效果最好的回归模型作为滞尘反演模型。结合GF-2影像所提取北京市区绿色空间范围,采用滞尘反演模型获取北京市区绿色空间滞尘分布。进而插值得到北京市区尘埃污染分布,采用空间自相关模型检验其空间聚集特性。结果表明：740~1 870 nm波段, 滞尘后光谱反射率明显低于滞尘前反射率,滞尘对红边、黄边、蓝边位置没有明显影响,对“红边幅值”和“红边面积”影响较明显,利用Sentinel-2影像计算的EVI指数与滞尘量相关性最高,所构建的线性与二次滞尘回归模型决定系数(R2)分别为0.705和0.751;利用2021年4月7日和2021年6月3日的Sentinel-2影像反演获取了北京市区绿色空间滞尘分布,其滞尘分布趋势表现为：市中心高于郊区,北部高于南部,东部高于西部。北京市区中部、北部和东部易产生尘埃污染。污染分布具有明显聚集性,并非完全随机。     

基于光谱特征的北京市冬季城市森林滞尘分布反演研究

城市森林影响空气中颗粒物的过滤和吸附,可以最大限度地减少空气中颗粒物污染对人体健康的有害影响。特别是在冬季,城市森林中的常绿植物在吸收灰尘和净化空气方面起着重要作用。本研究以北京市区冬季主要的常绿植被大叶黄杨(Euonymus japonicus)为研究对象,设置3类的采样空间,采集1 410个叶片,测定叶片除尘前后的高光谱数据以及叶片表面的滞尘量。通过分析不同滞尘程度影响下的叶面光谱响应特性确定敏感波段,建立滞尘前后植被指数比值与滞尘量之间的回归模型,利用Sentinel-2遥感影像反演常绿植被的滞尘分布,并对反演结果进行验证。结果表明,在510～700和758～1 480 nm范围内,除尘前叶片的平均光谱反射比小于洁净叶片。封闭区域叶片除尘前后平均光谱反射率的变化小于半封闭区域,开放区域叶片除尘前后的平均光谱反射率变化最大。研究发现红波段和近红外波段对灰尘影响最敏感,与滞尘量具有较高的相关性,利用归一化差异物候指数(NDPI)建立的反演模型:x=0.939 69y~(-0.145 04)(x为R_(NDPI)的数值,y为滞尘量),决定系数R~2达到0.879。反演结果表明,封闭区域的平均滞尘量小于半封闭区域和开放区域,北京城区植被高滞尘量的区域分布在南部较多,植被滞尘量从市中心到周边地区有逐渐降低的趋势。研究叶片滞尘的空间分布,为快速监测城市区域灰尘污染强度与分布提供参考,为进一步探索常绿灌木的滞尘效果,科学指导城市森林建设,改善冬季城市生活环境具有重要意义。     

叶片滞尘对大叶黄杨光谱特征的影响及其滞尘量预测研究

大气颗粒物污染在全球范围内已成为严重的城市环境问题之一。为探究滞尘对叶片光谱特征的影响,并建立以高光谱数据为基础的叶面滞尘预测模型。以北京市常见绿化树种(大叶黄杨)为研究对象,设置高、中、低滞尘污染梯度,采集720个叶片样本,利用ASD Fildsoec Handheld光谱仪获取高光谱数据。结果表明:光谱反射峰分别在560和900 nm处,吸收谷分别在400～500, 600～700和1 000～1 050 nm范围内;有无滞尘的叶片反射率在不同波段表现出不同的规律,在400～760和760～1 100 nm范围内的光谱反射率大小分别表现为滞尘叶片除尘叶片、滞尘叶片除尘叶片;滞尘与除尘叶片在植被光谱曲线上的差异性较明显, 350～700和1 900～2 500 nm波段,滞尘叶片的光谱反射率略高于除尘叶片,而在780～1 400 nm范围内,滞尘叶片光谱反射率则显著低于除尘叶片,差异性表现为:重度污染区中度污染区轻度污染区;反射率在可见光波段(350～780 nm)随叶面滞尘量的增加而增大,而近红外波段(780～1 100 nm)的变化趋势则相反;粉尘对叶片的红边斜率影响较大,表现为滞尘叶片无尘叶片,而对红边位置没有显著影响。叶面滞尘量预测模型中,以叶面水含量指数、简单比值指数建立的二次多项式预测模型效果最好,分别为y=-1.18x~2+0.542 4x+0.991 7,y=-7.67x~2+3.692 4x+0.371 4。模型验证表明,R~2分别达到0.987 7和0.887 3,拟合效果较好,说明预测模型可有效地估测大叶黄杨叶面滞尘量。     

滞尘影响下的茶树叶片水分高光谱估算

减少叶面滞尘对茶树叶片水分有效光谱信息提取的干扰,有利于建立更加稳健的茶树叶片水分高光谱估算模型。以“舒茶早”为研究对象,通过田间随机采集鲜叶样品,测定叶片原始光谱反射率、含水量以及滞尘率。比较分析滞尘对茶树叶片原始光谱的影响,分别基于归一化计算与比值计算方法构建新波段植被指数,并利用相关系数法筛选叶片水分含量相关性最高的新波段植被指数,结合相对变率分析获取滞尘对叶片水分估算影响不敏感的待选指数。通过分析不同滞尘条件下新建植被指数和已有水分指数与滞尘的响应关系,筛选出滞尘影响下茶树叶片水分估算的最优植被指数,最终构建茶树叶片水分估算的高精度模型。结果表明：（1）位于711~1 378 nm波段范围的叶片光谱反射率受滞尘影响呈现显著降低的趋势,随着滞尘率增大光谱反射率减小,且无尘叶片反射率与有尘状态反射率具有明显聚类现象,相同状态下的不同叶片反射率差异性极显著。（2）新波段植被指数、已有水分指数与茶树叶片含水量之间的相关性以及基于该指数构建的茶树叶片水分估算模型的精度,在滞尘影响下均呈现明显的下降趋势。（3）在滞尘混合状态下,以1 298和1 325 nm为中心波段的新建比值植被指数对滞尘敏感性最低,且与叶片含水量相关性高,为最优植被指数,其建立的茶树叶片水分高光谱估算模型具有较高的预测精度（y=0.245x-0.241,R2=0.854,RMSE=0.001）,并且实测值与预测值具有较好的一致性。因此,该研究可为茶树的水分精细化管理提供依据,并可为基于高光谱信息构建复杂环境条件下的水分估算高精度模型提供新思路。     

植被叶片叶绿素含量反演的光谱尺度效应研究

目前光谱指数方法已被广泛地应用于植被叶绿素含量的反演中,考虑到不同传感器的光谱响应存在差异,研究了光谱尺度效应对光谱指数反演植被叶片叶绿素含量的影响。基于PROSPECT模型模拟了不同叶绿素含量(5～80 μg·cm-2)下的5 nm叶片光谱反射率数据,并利用高斯光谱响应函数将其分别模拟成10～35 nm六种波段宽的光谱数据,再分析评价5～35 nm波段宽下光谱指数与叶片叶绿素含量的相关性、对叶片叶绿素含量变化及对波段宽变化的敏感性。最后,利用波段宽为40～65 nm的反射率数据对光谱指数反演植被叶绿素含量的光谱尺度效应进行验证。结果表明,通用光谱指数(vegetation index based on universal pattern decomposition method, VIUPD)反演叶绿素含量的精度最高,反演值与真实值拟合程度最好;归一化差值植被指数(normalized difference vegetation index, NDVI)和简单比值指数(simple ratio index, SRI)其次,虽然其决定系数R2高达0.89以上,但反演的叶绿素含量值小于真实值;其他光谱指数的反演结果较差。VIUPD对叶绿素含量具有较好的相关性和敏感性,受光谱尺度效应影响较小,具有较好的反演能力,这一结论恰好验证了其“独立于传感器”的特性,同时证明了VIUPD在多源遥感数据反演植被理化参量的研究中具有更好的应用前景。     

植被叶片生化组分的光谱响应特征分析

依据LOPEX’93数据,分别使用地表反射率光谱及其变化量以及光谱指数分析了鲜叶片叶绿素和水分含量的光谱响应。结果表明,在反射率光谱及其变化量的分析中,反射率的二阶导数对叶绿素具有较高的响应,对叶绿素响应较高的波段依次为600,700,670,410,490,500和440nm,这些波段区间能够较好地反映植被叶绿素的含量;反射率光谱经连续统去除后对叶片含水量具有较高的响应,对水分含量响应较高的波段依次为:1870,2130,2180,1820,2350和2120nm,分别对应着水分在短波红外波段的吸收波段。在光谱指数的分析方法中,光谱指数ND(normalized difference)对叶绿素含量较其他指数具有更高的响应,其相关系数为0.618;光谱指数Ratio975对叶片水分含量具有较高的响应,相关系数可达0.996。根据以上的响应分析,构建相关模型,对叶片中叶绿素和含水量开展地基反演实验,结果表明,基于地面光谱数据反演叶片中叶绿素和含水量可达到较高的精度。     

ANFIS在植被叶绿素含量高光谱反演中的应用

利用ASD便携式野外光谱仪和SPAD-502叶绿素计实测了落叶阔叶树法国梧桐、毛白杨叶片的高光谱反射率与叶片绿度,建立了10个常见植被指数叶绿素含量估算模型,并采用相关系数较大波段作为BP人工神经网络模型(ANN-BP)的输入变量进行了叶绿素含量的估算,将自适应神经模糊推理系统(ANFIS)应用到植被叶绿素含量高光谱反演中。结果表明:10个常见植被指数中归一化植被指数可以较为精确反演叶绿素含量,法国梧桐、毛白杨归一化植被指数回归模型确定性系数R2分别为0.795 7和0.754 6,法国梧桐、毛白杨ANN-BP预测值与实测值之间的线性回归的确定性系数R2分别为0.935 2和0.917 1,ANFIS可以大大提高反演精度,法国梧桐、毛白杨预测值与实测值之间的线性回归的确定性系数R2分别为0.9998和0.995 6,是一种良好的植被叶绿素含量高光谱反演模式。     

不同滞尘量对城市植物冠层光谱的影响

为了探索不同滞尘量对植被冠层光谱的影响,以位于上海市中心城区的上海师范大学徐汇区校园为研究样区,选取并使用ASD FieldSpec 3地物光谱仪测定校园内龙爪槐、紫荆、红叶石楠及蔓长春等植物不同滞尘量等级下的冠层反射光谱,然后在实验室中使用万分之一电子分析天平测定相应植物的滞尘量并计算各植物的滞尘能力。在此基础上,分析不同滞尘量对植物冠层光谱特征变化的影响。结果表明： (1)植物在710～1 350 nm之间光谱反射率会随着滞尘量的增减而减小而且三条曲线之间的差值较大;滞尘量的变化对各植物在350～710和1 450～1 750 nm之间的光谱影响较复杂,三条曲线之间的差值虽小但差值比并不小。(2)滞尘对植物冠层光谱的影响不仅与滞尘量有关还与树种有关,不同植物或同种植物不同波长的光谱曲线对滞尘量的灵敏度不同。(3)各植物在“绿峰”和红边附近的光谱曲线的斜率会随着滞尘量的增加而减小。(4)滞尘不会引起红边位移现象,但会消弱红边一阶导数的“双峰”现象,表现为“主峰”值与“次峰”值之间的差随着滞尘量的增加而减小,红边位于719 nm处。找到滞尘或不同滞尘量对植被冠层光谱的影响关系,对高光谱遥感在这一领域的应用具有重大意义。     

Estimation of Atmospheric Dust Deposition on Plant Leaves Based on Spectral Features

Urban atmospheric dust is a significant problem and becoming a considerable pollution source in many cities. This study was based on a comparison of spectral reflectance on the surfaces of dusty and clean leaves. A significant linear relationship (r = 0.811) correlation between the dust weight and near-infrared band region (700–1000 nm) was found through analysis of the spectral data. This relationship obtained from near-infrared band regions, based on the main effects and cluster and interval analysis, was more distinct and stable than that of blue, green, red, and middle-infrared band regions. Thus, the use of near-infrared band data is a reliable method to estimate the amount of dust deposition on plant leaves. A regression model (R² = 64.3%) was constructed based on dust deposition on plant leaves and a near-infrared ratio. The model proved to be accurate as regards an estimation of dust weight, based on a comparison of residuals (normal distribution) and accuracy tests (slope = 0.8437). This model could provide a methodological basis for spatial dust distribution analysis and has the potential for evaluating air pollution levels.     

重金属铜胁迫下玉米的光谱特征及监测研究

农作物重金属污染监测是当今高光谱遥感研究的重要内容之一,旨在设计一种新的窄带植被指数,以实现不同培育期的两种玉米品种的重金属铜胁迫监测。研究设计了不同浓度的铜污染实验,采用SVCHR-1024I型高性能地物光谱仪测量不同浓度铜离子（Cu2+）胁迫下玉米叶片的光谱反射率,并同步获取了玉米叶片中Cu2+含量数据。首先,对玉米叶片原始光谱数据进行一阶差分处理,并计算一阶差分反射率与叶片中Cu2+含量的相关系数（r）,筛选对铜胁迫敏感的波段。计算结果显示,489~497,632和677 nm波长附近的一阶差分反射率与叶片中Cu2+含量显著相关,可将其视为敏感波段。其次,根据以上3个敏感波段,建立基于一阶差分反射率的铜胁迫植被指数（dVI）。对所有可能的dVIs和Cu2+含量进行一元回归分析,并采用决定系数（R2）和均方根误差（RMSE）对回归结果进行评估,以筛选最佳指数。最后,采用不同生长年份的玉米实验数据对敏感波段的稳定性及dVI的适用性进行了验证评估;同时,通过与归一化植被指数（NDVI）、红边叶绿素指数（CI_red-edge）、红边位置（REP）、光化学反射指数(PRI)等常规重金属胁迫植被指数进行应用比较,证明dVI更具有优越性。结果表明：一阶差分处理后,在450~500,630~680和677 nm波长处的叶片反射率与Cu2+含量的相关系数明显增大。基于一阶差分反射率的特征波段具有稳定性,对于不同生长年份的玉米叶片数据,特征波段的波长位置不变。一元回归分析结果表明,结合497,632和677 nm波长的一阶差分反射率的指数与Cu2+含量具有显著的相关性,对于不同生长年份的2种玉米品种数据集,R2都高达0.75以上。另外,与常规植被指数比较结果表明,该研究所提出的dVI具有更好的鲁棒性及有效性,可为冠层尺度的重金属胁迫监测提供理论基础。     

植物光学模型估算叶片类胡萝卜素含量的一种双归一化差值-比值植被指数

运用高光谱技术进行植物叶片探测具有快速、无损、高精度等特点,在叶片色素等生化成分含量估算方面应用前景广阔。类胡萝卜素作为叶片中重要光合色素之一,因其在可见光区域与叶绿素的光谱吸收特征存在重叠,且其含量远低于叶绿素,导致利用光谱信息估算叶片类胡萝卜素含量存在困难,国内外少有针对类胡萝卜素含量的植被指数。利用高光谱数据光谱信息丰富的特点,提出一种以波段组合遍历与相关分析为基础,通过多指数协同来构建组合式的植被光谱指数的新方法。在PROSPECT叶片辐射传输模型模拟出大量具有不同生化和生物物理特征的叶片光谱的基础上,成功构建了一种在叶片水平下具有良好稳定性的类胡萝卜素含量估算新指数RVI_DNDVI。结果表明,该方法构建的叶片类胡萝卜素光谱指数由两部分组成：由532和405 nm构建的窄波段NDVI(与类胡萝卜素、叶绿素均强相关)和由548和498 nm构建的窄波段NDVI(仅与叶绿素强相关)进行比值组合,能较好消除叶绿素含量对指数的干扰;通过减去对叶片结构高敏感的916 nm处反射率,能消除叶肉结构参数的影响,进一步提高指数的抗干扰能力。该研究得到的指数RVI_DNDVI仅对叶片类胡萝卜素具有高敏感性,相关系数达到-0.94,对其进行指数拟合的R2达到0.834 4。经与模拟数据和实测数据的验证,该指数有较好的估算效果。     

基于近地遥感系统的小麦玉米冠层RVI和NDVI获取影响因素分析

以大型喷灌机为平台的近地遥感技术可有效观测作物的生长状态,对田间生产管理和作物水肥需求特性等研究具有十分重要的意义。由于在遥感观测过程中,作物冠层具有二向反射特性,因此不同观测方式会影响遥感观测结果。通过自行搭建的近地遥感系统模拟大型喷灌机平台的实地观测条件,使用双通道光谱传感器获取小麦与玉米冠层的光谱反射率信息,引入变异系数CV对由冠层二向反射特性引起的信息数据变幅进行量化,并采用影响因素权重W分析各观测参数对数据变幅的影响程度。通过获取2019年冬小麦返青期至灌浆期、夏玉米V7-V14生育期的冠层近红外波段（810 nm）和红光波段（650 nm）的反射率数据,分析多种观测因素对比值植被指数（RVI）数据和植被归一化指数（NDVI）数据的影响。结果表明,观测高度（0.5~2.5 m）、观测频率（2~60次·min-1）和移动速度（0~4 m·min-1）与观测结果无显著相关关系（p＞0.05）,观测时刻（8:00-18:00）、观测天顶角（-60°~60°）和观测方位角（0°~180°）与观测结果相关关系极为显著（p＜0.01）;小麦和玉米的冠层RVI、NDVI数据获取结果主要取决于冠层覆盖程度,在相同叶面积指数（LAI）情况下观测结果也会因观测时刻、观测方位角和观测天顶角的差异而受到不同程度的影响;冠层光谱反射率信息二向反射特性明显,小麦冠层RVI和NDVI变异系数分别为15%~50%和2%~50%,玉米冠层RVI和NDVI变异系数分别为10%~33%和18%~39%;进行观测时,应尽量选择在太阳天顶角较稳定的12:00-14:00时段,并尽量缩短观测时长,还应选择固定的观测角度,注意阴影效应与热点效应的影响;此外,在小麦返青至拔节期、抽穗至扬花期获取RVI和NDVI时,还应分别注意观测天顶角、观测时刻对测量精度的干扰。研究结果可为快速获取高精度的小麦、玉米冠层光谱反射率数据提供技术支撑。     

晚播条件下基于高光谱的小麦叶面积指数估算方法

利用高光谱遥感技术,分析晚播条件下小麦叶片与冠层模式光谱特征和叶面积指数（LAI）的变化规律,建立了适用于晚播小麦的叶面积指数估算方法。研究结果表明：（1）从红光和蓝紫光420～663 nm波段提取的叶绿素光谱反射率植被指数（CSRVI）与旗叶SPAD值做相关性分析,结果表明正常播期和晚播处理在叶片模式的相关系数分别为0.963*和0.997**,达显著和极显著水平。（2）利用相关性分析,得出两个播期处理的LAI与SPAD值相关系数分别是0.847*和0.813*,均达到显著水平。SPAD值与LAI及CSRVI指数均具有相关性,可以用CSRVI指数建立LAI的估算模型。（3）对叶片模式和冠层模式光谱曲线特征分析得出,叶片模式中在680～780 nm处的反射率呈现陡升趋势,在可见光波段的446和680 nm和近红外波段的1 440和1 925 nm处各有两个明显的吸收波谷,在540～600,1 660和2 210 nm波段处有两个明显的反射波峰;三种冠层模式中60°模式下的光谱反射率整体表现为最高。（4）将各波段反射率与叶面积指数做相关性分析得出在可见光波段范围内,光谱反射率与LAI总体呈现负相关性,500～600 nm处有一个波峰。（5）将三种冠层模式下（仪器入射角度分别与地面呈30°,60°和90°夹角）的等效植被指数与LAI做相关性分析得出：60°冠层模式下八种植被指数与正常播期LAI的相关性均未达显著水平,比值植被指数（RVI）、归一化植被指数（NDVI）、增强型植被指数（EVI）、再次归一化植被指数（RDVI）、土壤调整植被指数（SAVI）、修改型土壤调整植被指数（MSAVI）的等六种植被指数与晚播条件下的LAI具有显著和极显著相关关系;90°冠层模式下CSRVI指数与正常播期处理的LAI具有显著相关关系,NDVI指数与晚播处理的LAI具有显著相关关系;30°冠层模式下的八种植被指数与两播期处理的LAI的相关性均未达显著水平。综合分析CSRVI指数、NDVI指数的相关性最高,这两种指数最具有估算LAI的潜力。（6）通过三种冠层模式所计算的植被指数估算LAI模型,结果表明,正常播期条件下,其最佳估算模型是90°冠层模式CSRVI指数所建立的线性模型Y=-7.873 6+6.223 8X;晚播条件下的最佳模型是60°冠层模式RDVI指数所建立的幂函数模型Y=30 221 333.33X17.679 1,两个模型的决定系数R2分别为0.950*和0.974**。研究表明试验中所提取的CSRVI指数能够反映旗叶叶绿素含量,可以通过光谱仪器的叶片模式对小麦生育期内叶绿素含量进行监测;通过冠层模式计算的CSRVI指数和RDVI指数所建立的LAI估算模型可以对小麦的LAI进行无损害观察。     

盐胁迫下匍匐翦股颖高光谱分析与电解质渗透率反演

叶片电解质渗透率是反映植物细胞渗透性的一个重要指标,对草坪草遭受盐胁迫的研究有重要意义。针对叶片电解质渗透率传统检测方法,耗时长,损伤叶片,无法大面积监测等弊端,探讨了用高光谱快速无损检测叶片电解质渗透率的方法。以匍匐翦股颖(Agrostis stolonifera)为对象,在温室中水培两周后进行浓度分别为0(对照),100和200 mmol·L-1的盐处理,7 d后按间隔7 d取样3次,共72个样。每次取样时先测量样品的光谱值,然后采用电导率法测定叶片电解质渗透率。分析匍匐翦股颖三种盐处理与光谱反射率之间的关系和差异,对三种盐处理的光谱反射率计算归一化植被指数和差值植被指数,采用差分法计算光谱反射率的一阶微分,同时计算出蓝、绿和红光的三边参数,分析叶片电解质渗透率与光谱反射率、归一化植被指数、差值植被指数和三边参数的相关性。利用叶片电解质渗透率和各光谱数据相关程度高的数据,对校正集采用一元线性回归、多元线性回归和偏最小二乘回归法构建叶片电解质渗透率反演模型,用预测集检验反演模型。结果表明：盐胁迫与叶片高光谱在450～700 nm波段呈正相关;叶片电解质渗透率与450～732 nm波段反射率在0.01水平上显著相关;三边参数中绿边幅值和绿边面积与叶片电解质渗透率显著相关;采用偏最小二乘回归法建立的反演模型精度最好,建模和反演预测的决定系数分别达到了0.681和0.758,均方根误差分别为7.124和7.079。偏最小二乘法构建的反演模型实现了盐胁迫下匍匐翦股颖叶片电解质渗透率的快速无损检测,也为采用高光谱实时监测盐胁迫对匍匐翦股颖及其同类植物的伤害提供了依据和理论参考。