桂北岩溶区与非岩溶区植物叶片含水率高光谱反演

来源：核心期刊咨询网时间：12

摘要：摘 要： 葉片水分状况是反映植被生理状况的重要指标，构建高普适性的植物叶片含水率高光谱反演模型对准确评价岩溶和非岩溶植被生态功能具有重要意义。该文以我国西南典型区域内岩溶区与非岩溶区共17种植物694个样品为研究对象，同步测量叶片含水率和反射光谱

　　摘 要： 葉片水分状况是反映植被生理状况的重要指标，构建高普适性的植物叶片含水率高光谱反演模型对准确评价岩溶和非岩溶植被生态功能具有重要意义。该文以我国西南典型区域内岩溶区与非岩溶区共17种植物694个样品为研究对象，同步测量叶片含水率和反射光谱，采用单波段、差值型、比值型、归一化型等四类光谱指数模型，对反射光谱及一阶导数光谱进行全波段搜索分析。结果表明：光谱指数D2048-D1733的建模与验证结果均最好，为岩溶植物叶片含水率的最佳估计光谱指数;对于非岩溶植物，光谱指数D2356/D1885和(D2356-D1885)/(D2356+D1885)建模与验证结果均相差很小，均可作为叶片含水率最佳估计模型。该研究结果还表明叶片绒毛对岩溶植物叶片含水率反演光谱指数构建影响不大。总体上，新构建的最优光谱指数对岩溶区与非岩溶区植物叶片含水率的拟合效果优于传统指数，具有较好的普适性，可为精准评估桂北地区植被水分状态提供科学依据。

　　关键词： 岩溶区， 叶片含水率， 叶片绒毛， 光谱指数， 高光谱

　　水是植物生长发育的主要组成部分，是光合作用中的反应原料和代谢溶剂(张峰和周广胜， 2018)，其在叶片中的含量对外界土壤和大气环境响应敏感，是植物生理状态和生态系统功能评价的关键参数。对植被叶片含水率的快速精确估算，有助于及时了解植物生理状况、植被干旱胁迫程度、森林潜在火灾风险、生态系统功能评价以及农业灌溉与产量评估等(张佳华等， 2010; Asner et al.， 2016; Luo et al.， 2019)。与传统的叶片含水率测定方法(烘干法)相比，高光谱遥感技术具有获取信息量大、经济、快速、无损等优点，能够迅速准确地连续监测大范围植被水分含量，已成为研究植被含水率的重要工具(吾木提·艾山江等， 2019)。目前已有大量研究基于不同方法针对单一作物(Krishna et al.， 2019; Sun et al.， 2019; Kovar et al.， 2019)或单一经济林木(程志庆等， 2016; 潘庆梅等， 2019)构建了有效的叶片水分含量高光谱反演模型。由于不同植物间叶片结构和化学特征等差异会不可避免地引起叶片水分敏感波段的变化(吴见等， 2015)，从而导致现有水分光谱指数具有特异性较强和适用性较差等缺点(杨勇等， 2011; 刘小军等， 2012; 梁亮等， 2013; 朱西存等， 2014)。同时，基于单一或少量植物构建的反演模型也无法应用到更大尺度。为提高模型在大尺度(群落或生态系统)上的适用性，针对研究地区开发对区域多种植物具有普适性的光谱指数模型显得十分必要。尤其在植物生物多样性丰富的西南地区，构建具有一定普适性的叶片水分高光谱反演模型，对于提高自然植被功能的遥感评价精度具有重要意义。

　　中国岩溶区分布广泛(袁道先， 2009)，其中尤以西南地区的连片分布和发育程度最高(蔡运龙， 1996)。西南岩溶区特殊的地质结构导致地表土壤持水能力差(黄甫昭等， 2019)，因此尽管中国西南地区年降雨量充沛，但相对于相同气候条件下的非岩溶区域，岩溶区植物叶片多具有革质、蜡质、被有绒毛、叶片较厚等旱生特征(倪隆康等， 2019)。同时岩溶区土壤的富钙特征，也影响了植被叶片的化学组成(陈洪松等， 2013; 魏兴琥等， 2017)。岩溶区植物的旱生性和钙生性导致其叶片结构和化学特征与非岩溶区植被差异较大，进而可能影响叶片水分含量的敏感波段。而目前植物叶片含水率高光谱反演研究主要集中在农林等经济作物，对岩溶区与非岩溶区自然植被含水量研究未见报道。因此，本研究目的为以下三点：(1)探究岩溶区与非岩溶区植被叶片含水率反演模型分别构建的必要性;(2)分析不同生境以及叶表结构等对植被含水率反演的影响;(3)针对研究地区开发对区域多种植物具有普适性的叶片水分高光谱反演模型，以期为区域尺度上监测西南生态脆弱区植被生理状况、生态功能评估等提供科学依据。

　　1 材料与方法

　　1.1 研究区域和实验材料

　　研究地点位于桂北区域的黄冕桉树人工林(109°53′ E、24°48′ N)、桂林植物园常绿阔叶林(110°17′ E、25°01′ N)和会仙喀斯特灌丛(110°13′ E、25°06′ N)等3个生态定位研究站及其周围相似生境，土壤主要是砂页岩发育而成的红壤。该地区属中亚热带季风气候，年平均气温19.2 ℃，极端最高气温40 ℃，极端最低气温-6 ℃，年均降雨量1 865.7 mm，主要集中在4—8月，无霜期320 d以上，年日照时间达1 699 h以上。选择在岩溶区以及非岩溶区分布的主要乔木和灌木植物共17种为研究对象。

　　于2018年11月至2019年11月期间每两个月进行一次采样，每种植物选取至少3片成熟健康叶片装入保鲜袋，并立即放入低温采样箱中带回实验室进行测量。样品总量为694个，物种和样品含水率分布信息见表1。

　　1.2 叶片光谱与含水率测定

　　采用美国ASD FieldSpec 4 Hi-Res光谱仪(测定波长范围为350～2 500 nm，光谱分辨率最高为3 nm)自带光源的叶片夹，夹取叶片样本中间部位(避开叶片主脉)测量叶片反射光谱，对同一样本连续测量3条原始光谱并进行平均处理得到该样本的反射率光谱。在测定过程中，每隔5 min进行一次标准白板校正。采用上海梅特勒-托利多国际有限公司的天平(型号为AE240-S，称重范围为0～320 g，分度值为0.1 mg)称量叶鲜重和干重;使用电热鼓风干燥箱(型号为DHG-9030，控温范围为10～200 ℃，恒温波动范围为 ±1 ℃)进行叶片烘干，105 ℃杀青30 min后，于70 ℃烘至质量恒定。叶片含水率(%)=(叶片鲜重-叶片干重)/ 叶片鲜重×100。

　　1.3 光譜指数结构

　　为寻找能准确估算叶片含水率的光谱指数模型，选取四种常用的光谱指数结构进行反演模型构建：单波段、差值型、比值型、归一化型(表2)。此外，一阶导数光谱可以通过分离重叠吸收峰和降低背景噪声有效提高光谱应用精度，因此其对于岩溶区非岩溶区植物叶含水量准确估算有一定的应用潜力。本文基于原始反射光谱及一阶导数光谱按以上四种光谱指数结构，分析所有可能波段组合模型与叶片含水率的关系，进而筛选不同生境下多种典型植物的含水率最优反演模型。

　　1.4 数据处理与分析

　　相同生境下从每种植物样本数量中随机选择三分之二构成岩溶区/非岩溶区植物建模数据库，用于模型构建，剩余三分之一用于模型验证。岩溶区植物共采集样本数据520组，其中346组数据用于岩溶区模型的构建，剩余的174组数据用于模型检验;非岩溶区植物共采集样本数据174组，其中116组数据用于非岩溶区模型构建，剩余的58组数据用于模型检验。选用决定系数(R2)和均方根误差(RMSE)作为模型的检验指标，R2越大，RMSE越小，模型反演精度越高。

　　推荐阅读：草本植物专业论文投哪些期刊

转载请注明来自：http://www.qikan2017.com/lunwen/nye/20757.html