高光谱数据与水稻农学参数之间的相关分析

2024年3月9日发(作者：fade歌词)

维普资讯

浙江土学学报（农业与生命科学版）　

ｅ　Ｓｅ１．）　

Ｊｏｕｒｎａｌ　ｏｆ　Ｚｈｅｊｉａｎｇ　Ｕｎｉｖｅｒｓｉｔｙ（Ａｇｒｉｃ．　

＆Ｌｉｆ

文章编号：１００８　９２０９（２００２）０３　０２８３　０６　

高光谱数据与水稻农学参数之间的相关分析　

王秀珍，黄敬峰，李云梅，沈掌泉，王人潮　

浙江大学农业遥感与信息技术研究所，浙江杭州３１００２９）　

摘要：通过田问　１、区试验，获取水稻整个生育期内不同氟素处理的叶面积指敷（１　ＡＩ），叶片叶绿素分　

量（ＣＨＬ．Ｃ）、叶绿素密度（ＣＨＩ　．Ｄ）与高光谱分辨率遥感数据．分析其变化过程，并利用微分技术处理水　

稻群体反射光谱以减少土壤等低频背景光谱噪音的影响．通过单相关分析和遥步回归方法研宄水稻　

ＬＡＩ、ＣＨＬ．Ｃ、ＣＨＬ．Ｄ分别与光谱反射率、反射率的一阶微分光谱的相关关系．结果表明，微分技术能够　

致善光谱敷据与ＬＡＩ、ＣＨＩ　．Ｃ的相关眭，而与鲜叶ＣＨＬ．１）的相关性较低．　

关　键词：叶面积指数：叶绿素分量；叶绿素密度；相关分析　

文献标识码：Ａ　中围分类号：￥５０１　

ＷＡＮ（；Ｘｉｕ　ｚｈｅｎｇ．ＨＵＡＮＧ　Ｊｉｎｇ　ｆｅｎｇ，ＬＩ　Ｙｕｎ—ｍｅｉ，ＳＨＥＮ　Ｚｈａｎｇ　ｑｕａｎ，ＷＡＮＧ　Ｒｅｎ—ｅｈａｏ（Ｉｎｓｔ－　

Ａｇｒｉｃｕｌｔｕｒａｌ　Ｒｅｍｏｔｅ　Ｓｅｎｓｉｎｇ＆ｌｏｆｏｒｍａｔｌｏｎ　Ｔｅｃｈｎｏｌｏｇｙ，Ｚｈ　ａｎｇ　Ｕｎｉｖｅｒｓｉｔｙ，Ｈａｎｇｚｈｏｕ　３１００２９，　

Ｃｈｉｎａ　Ｊ　

Ｒｅｌａｔｉｏｎｓｈｉｐｓ　ｂｅｔｗｅｅｎ　ｒｉｃｅ　ａｇｒｉｃｕｌｌｔｔｒａｌ　ｐａｒａｍｅｔｅｒ　ａｎｄ　ｈｙｐｅｒｓｐｅｃｗａ　ｄａｔａ．Ｊｏｕｒｎａｌ　ｏｆ　Ｚｈｅｊｉａｎｇ　

Ｕｎｉｖｅｒｓｉｔｙ（Ａｇｒｉｃ＆Ｌｉｆｅ　Ｓｃｉ．），２００２，２８（３）：２８３　２８８　

Ａｂｓｔｒａｃｌ　Ｔｈｅ　ｐａｐｅ　ｒ　ｓｔｕｄｉｅｄ　ｔｈｅ　ｖａｒｉａｔｉｏｎ　ｏｆ　Ｌｅａｆ　ａｒｅａ　ｉｎｄｅｘ（ＬＡＩ），ｌｅａｆ　ｃｈｌｏｒｏｐｈｙｌｌ　ｃ（】ｎｔｅｎｒ（ＣＨＬ．Ｃ），　

ｆｒｅｓｈ　ｌｅａｆ　ｃｈｌｏｒｏｐｈｙｌｌ　ｄｅｎｓｉｔｙ（ＣＨＩ—Ｄ）ａｎｄ　ｈｙｐｅｒｓｐｅｃｔｒａ］ｄａｔａ　ｉｎ　ｇｒｏｗｉｎｇ　ｐｅｒｉｏｄ。ｎ　ｒｉｃｅ　ｆｉｅｌｄ　ｐｌｏｔｓ　ｏｆ　

ｄｉｆｆｅｒｅｎｔ　ｎｉｔｒｏｇｅｎ　ｌｅｖｅｌｓ．Ｔｈｅ　ｃｏｒｒｅｌａｔｉｏｎｓ　ｂｅｔｗｅｅｎ　ｔｈｅ　ｈｙｐｅｒｓｐｅｃｔｒａ］ｄａｔａ　ａｎｄ　ａｂｏｖｅ　ｐａｒａｍｅｔｅｒｓ　ｏｆ　ｒｉｃｅ　

ｗｅｒｅ　ａｎａｌｙｚｅｄ．Ｓｐｅｃｔｒａｌ　ｄｅｒｉｖａｔｉｖｅ　ｔｅｃｈｎｉｑｕｅ　ｗａｙ，ｕｓｅｄ　ｔｏ　ｓｕｐｐｒｅｓｓ　ｔｈｅ　ｅｆｆｅｃｔｓ　ｏｆ　ｈｌｗ　ｆｒｅｑｕｅｎｃｙ　ｂａｃｋ—　

ｇｒｏｕｎｄ　ｓｐｅｃｔｒａｌ　ｎｏｉｓｅｓ（ｓｕｃｈ　ａｓ　ｓｏｉｌ　ａｎｄ　ｓｏ　ｏｎ）．　Ｔｈｅ　ｄｅｒｉｖａｔｉｖｅｓ　ｏｆ　ｒｅｆｌｅｃｔａｎｃｅ　ｓｐｅｃｔｒａ　ｃａｎ　ｅｎｈａｎｃｅ　ｔｈｅ　

ｃｏｒｒｅｌａｔｉｏｎ　ａｎｄ　ｉｍｐｒｏｖｅ　ｐｒｅｃｉｓｉｏｎ　ｉｎ　ｐｒｅｄｉｃｔｉｎｇ　ＬＡＩ．ＣＨ１　Ｃ－ＣＨＬ．Ｄ．Ｒｅｓｕｌｔｓ　ｓｈｏｗ　ｔｈａｔ　ｔｈｅ　ｒｅｌａｔｉｏｎ　

ｓｈｉｐ　０ｆ　１ＩＡＩ，ＣＨＩ　Ｃ，ＣＨ１　Ｄ　ｗｉｔｈ　ｔｈｅ　ｄｅｒｉｖａｔｉｖｅｓ　ｏｆ　ｒｅｆｌｅｃｔａｎｃｅ　ｓｐｅｃｔｒａ　ｍｏｒｅ　ｍａｒｋｅｄｌｙ　ｃｏｒｒｅｌａｔｅ　ｏｆ　

ｗｉｔｈ　ｒｅｆｌｅｃｔａｎｃｅ　ｓｐｅｃｔｒａ　ａｔ　ｓｏｎｉｃ　ｗａｖｅｌｅｎｇｔｈ．　

Ｋｅｙ　ｗｏｒｄｓ：ＬＡＩ；ｃｈｌｏｒｏｐｈｙｌｌ　ｃｏｎｔｅｎｔ；ｃｈｌｏｒｏｐｈｙｌｌ　ｄｅｎｓｉｔｙ；ｒｅｇｒｅｓｓｉｏｎ　ａｎａｌｙｓｉｓ　

利用植被指数（指用少数几个宽光谱波段　

组成）与植被生物物理参数（ＬＡＩ、生物量、叶绿　

索含量）建立简单相关关系，Ｃｈｏｕｄｈｕｒｙ　Ｂ　Ｊ，　

Ｈｖｅｔｅ　Ａ　Ｒ．Ｃｏｗａｒｄ　Ｓ　Ｎ和Ｈｖｅｍｍｒｉｅｈ　Ｋ　Ｆ　

收稿日期；２００１　０４　０６　

基金项目：国家自然科学基金资助项目（４０１　７１＇３６５）和国　

家自然科学基金资助项目（４９７７１　０５６）　

作者简介王秀珍（１９６１　．女，ｆ】Ｊ东荣城人．博士－副研　

等已做了．大量的工作ｕ　，解决了许多同题，但　

也发现宽波段对某些细微的技术问题难以解　

究员；从事农业遥感与信息技术血用研究，现在浙江省气象科　

学研究所工作．Ｅ　ｍａｒｌ：Ｘｉｕｚｈｅｎ　ｗａｎｇ＠２６３　ｎｅｔ　

决　．随着遥感技术的迅速发展，高光谱分辨率　

维普资讯

２８４　浙讧土学学报（农业与生命科学版　第２　８卷　

遥感成像光谱技术使得遥感应用于植被地学分　

２５日播种．１　９９９年７月２４日，２０００年７月２１　

析可以在光谱维上展开，准实时地获取地物的　

日移栽．　

影像和每个像元的光谱分布，以允许从空中对　

１．２叶片叶绿素测定　

地面目标物进行直接识别和微弱光谱差异的定　

采用４．５：４．５｛１的ＣＨ　３ＣＨ２ＯＨ　

量分析．在植被遥感研究中表现出强大优势【５一．　

ＣＨ。ｃｏｃＨ。：Ｈ　０混合提取液浸提２４　ｈ，再用　

利用高光谱分辨率遥感技术对植被进行生长监　

７２—２型分光光度计测定一定波长的光密度，用　

测和研究光谱与植被生物物理参量之间的关　

下式求出叶绿素ａ、叶绿素ｂ和类胡萝　素　

系，在农业中具有广泛的应用前景．　

含量：　

通过监测作物生育期内的光谱变化，研究　

Ｃｈｌａ一９．７８４　０Ｄｓ　～０．９９０　ＯＤ５“　

作物的反射光谱与叶面积指数（ＬＡＩ）、叶绿素　

Ｃｈｌｂ一２１．４２６　ＯＤ　４．６５０　ＯＤ　

密度（ＣＨＩ　．Ｄ）等农学参数之间的关系，使人们　

Ｃａｒ一４．６９５　ＯＤ圳一０．２６８（Ｃｈｌａ＋Ｃｈｌｂ）　

能够定性描述和定量分析作物的生长与遥感光　

Ｃｈｉｔ—Ｃｈｌａ——Ｃｈｌｂ　

谱数据之间的关系．　

式中：Ｃｈｌａ、Ｃｈｌｂ、Ｃｈｈ分别为叶绿素ａ、叶绿素　

通常，使用高光谱分辨率遥感数据估计作　

ｂ和叶绿素的总含量；Ｃａｒ为类胡萝ｈ素含量；　

物农学参数主要有两类方法；一是通过多元回　

ＯＤ　、ＯＤ　分别为６４４　ｎｎｌ和６６２　ｎｍ的光　

归方法建立光谱数据或由此衍生的植被指数与　

密度．　

作物农学参量之间的关系　。１ｌ；二是通过作物的　

１．３发育期观测和ＬＡＩ测定　

红边参数描述作物的物候变化及其农学参　

移栽后，在进行水稻生育期观测的基础上，　

数　．本文结台水稻的生长发育规律，对水　

于分蘖盛期、拔节期、孕穗期、抽穗期、乳熟期，　

稻进行多时相的光谱反射率和农学参量测量，　

进行Ｉ　ＡＩ．叶片鲜、干重测定．ＬＡＩ测定采用干　

分析水稻光谱反射率的物候变化规律，以及遥　

叶称重法，即：　

感光谱数据和水稻农学参数之间的关系，利用　

全部叶片的面积（Ａ）与部分叶片叶面积　

微分技术处理水稻群体光谱．通过相关分析方　

（　）之比等于全部叶片的干重（　）与部分叶片　

法研究水稻叶面积指数、叶绿素含量、叶绿素密　

的干重（”）之比．即：　

度与群体光谱反射率、反射率的一阶微分光谱　

Ａ／ａ—　／Ⅻ，Ａ＝ｄ×Ｗ／ｗ　

的相关关系，以促进高光谱分辨率遥感技术在　

将部分叶片平铺、固定在白纸上，复印、扫　

作物生长监测和产量估测中的应用．　

描人计算机．在计算机ＧＩＳ软件下跟踪图斑轮　

廓，计算面积（ｎ）．全部叶片的面积（』４）与占地　

１试验方法及数据获取　

面积之比得到ＬＡＩ．　

１．４光谱反射率测定　

１．１田间试验概况　

冠层光谱用光谱仪一ＦｉｅｌｄＳｐｅｃ。（美国ＡＳＤ　

田间试验于１９９９、２０００年在浙江大学华家　

公司生产）测定，视场角２ｊ。，光谱反射率经专　

池校区试验农场（３０。１４　Ｎ，１２Ｏ　１Ｏ　Ｅ）内的同一　

用平面白板标准化．该仪器测定５１２个光谱波　

地块上进行．供试品种是秀水６３；小区面积２Ｏ　

段，波段范围为３３３．０５～１　０５６．０６　ｎｍ，光谱波　

ｍ　，４个重复，随机排列：５个氯素水平处理．分　

段间隔为１．４１　ｎｍ．选择晴朗无风天气，分别在　

别施纯氨０、４５、１３５、２２５、３１　５　ｋｇ／ｈｍ　．使水稻　

水稻分蘖、拔节、孕穗、抽穗和乳熟期测定，每次　

生长呈严重缺氮、缺氮、适量氮、过量氮、严重过　

测定时间为北京时１０：１　５～¨：４５（太阳高度角　

量氮（用ｎ１、ｎ２、ｎ３、ｎ４、ｎ５表示）．分别在返青　大于４５。）．传感器探头垂直向下，与冠层顶相　

期，拔节期和抽穗始期按６０　、３Ｏ　和１０　施　

距约０．７５ｍ，观测范围直径为０．６２ｎ每个小　

人，钾肥在拔节期和抽穗始期分两次等量均匀　

区内不同点测定１０次．取平均值作为该小区的　

施人各小区；行、株距为０．１４　１＂Ｉ１×０．１　７　ｍ，田间　

光谱反射值，每个小区测定前、后都立即进行白　

管理按大田管理方式进行．两年试验均于６月　板校正．光谱测定后，取样待测农学参数，　

维普资讯

第３期　王秀珍，等　高光谱数据与木稻农学参数之间的相关分析　２８５　

迅速减小．　

２数据处理与分析　

叶绿素含量的多少既反映水稻生长的状　

况，又表征水稻的生产的能力，直接影响着水稻　

，＿＿＿＿＿＿＿Ｌ＿＿

将测得的水稻不同发育期冠层的反射光　

经济产量的高低．图２所示，ｎ３、ｎ４和ｎ５处理　

谱，用ＡＳＤ公司提供的Ｐ（）ＲＴＳＰＥＣ　和　

随生育进程，ＣＨＬ．Ｃ不断增加，到孕穗期前后　

ＶＮＩＲ　软件进行处理，有了光谱数据，对这些　

群体的ＣＨＬ．Ｃ达到最高．虽然叶面积指数持　

数据求微分，得到微分光谱．　

续稳定到生育后期，但是孕穗期以后叶片的叶　

应用微分技术处理这种“连续”的光谱是遥　

绿素含量下降．而ｎｌ随生育进程，ＣＨＬ　Ｃ不断　

感中常用的数学方法，Ｄｅｍｅｔｒｉａｄｅｓ等综述了遥　

减少；而ｎ２随生育进程，到拔节期ＣＨＬ．Ｃ达　

感中高光谱分辨率微分光谱的应用潜力Ｅｌ　ｚ］，并　

到最大，随后呈递减趋势　

且指出，如果目标物的光谱由不同成分的贡献　

４　

一　

构成，则使用微分技术能部分消除低频光谱成　

分的影响．土壤等背景的光谱信息相对于植被　

光谱的变化较为平缓，故认为微分技术能够部　

三　

分去除土壤等背景的影响，而植被的光谱信息　

舌　‘　

能得到较好的保留．　

０　

２Ｏ　３Ｏ　４０　５０　６０　７０　

相关分析用于计算每个光谱通道的原始光　

柑　

谱反射率以及一阶微分光谱数据与ＬＡＩ、　

图２不同氮处理的水稻ＣＨＬ．Ｃ　

ＣＨＬ．Ｃ、ＣＨＩ　．Ｄ的相关系数．　

随时间变化曲线（１９９９年）　

２．１水稻叶面积指数、叶绿素含■与密度在各　

Ｆｉｇ　２　Ｔｈｅ　ｖａｒｉａｔｉｏｎ　ｏｆ　ｒｉｃｅ　ＣＨＩ　．Ｃ　ｉｎ　ｄｉｆｆｅｒｅｎｔ　

生育期间的变化　

ａｐｐｌｌｅｄ　ｎｉｔｒｏｇｅｎ］ｅｖｅＩｓ　ｗｉｔｈ　ｔｉｍｅ　ｆ１９９９）　

不同氮处理的水稻ＬＡＩ变化曲线呈抛物　

线变化规律（图１，除ｎ１处理在乳熟期Ｉ　ＡＩ出　

通常，把叶片叶绿素含量（ｃＨＩ　＿ｃ）与单位　

现异常外）．从移栽到抽穗阶段，由于水稻分蘖　

面积总绿叶鲜重的乘积定义为叶绿素密度　

数量增加，单叶面积持续增长，促使ＬＡＩ不断　

（ｃＨｌ　．Ｄ），抽穗期ｃＨＩＪ＿Ｄ达到最大值（除ｎ１　

增加，ＬＡＩ增加的速率由快至慢，至抽穗期．无　

在拔节期达到最大值外），随后迅速降低（图　

效分蘖死亡．而单叶面积仍然增加，ＬＡＩ达到最　

３）．从季节变化趋势来看，群体的ＣＨＬ．Ｄ与叶　

大值．到乳熟期以后，由于叶片已经不能进行较　

面积指数的变化规律相似，这是因为群体的　

强的光合作用，叶片不断将养分转移到穗部，并　

ＣＨＬ．Ｄ包含有ＬＡＩ与单叶叶绿素含量的信　

逐渐衰老，植株下部的叶片逐渐枯黄干死，ＬＡＩ　

息，是二者的综合体现．从５种氮处理的水稻变　

５　

４　

３　

弓２　

ｌ　

０　

２０　３０　４０　５０　６０　７０　

２０　３０　４０　５０　６０　７０　

棚　

ｌｍ　

圄ｌ不同氮处理的水稻ＬＡｌ随　图３不同氮处理的水稻ＣＨＬ．Ｄ随　

时间变化曲线（１９９９年）　时间变化曲线（１９９９年）　

Ｆｉｇ　１　Ｔｈｅ　ｖａｒｉａｔｉｏｎ　ｏｆ　ｒｉｃｅ　ＬＡＩ　ｉｎ　ｄｉｆｆｅｒｅｎｔ　ａｐｐｌｉｅｄ　Ｆｉｇ　３　Ｔｈｅ　ｖａｒｉａｔｉｏｎ　ｏｆ　ｒｉｃｅ［：ＨＩ　Ｄ　ｉｎ　ｄｉｆｆｅｒｅｎｔ　

ｎｉｔｒｏｇｅｎ　ｌｅｖｅｌｓ　ｗｉｔｈ　ｔｉｍｅ（１９９９）　ａｐｐｌｉｅｄ　ｎｉｔｒｏｇｅｎ］ｅｖｅＩ　ｓ　ｗｉｔｈ　ｔｉｍｅ（１９９９）　

维普资讯

２８６　浙江大学学报（农业与生命科学版）　第２　８卷　

化趋势来看．１　ＡＩ、ＣＨＩ—Ｃ和ＣＨＩ　．Ｄ有类似的　

收带．水稻ＬＡ１与群体光谱反射率在７４０　ｎｍ　

变化规律，Ｉ　ＡＩ、ＣＨＬ．Ｃ和ＣＨＬ．Ｄ的值是ｎｊ　

以后的近红外波段有较好的相关关系，呈正相　㈨¨　０　雌　㈣　

＞ｎ４￣ｎ３＞ｎ２＞ｎｌ（除ｎ１处理在乳熟期ＬＡＩ　

关．这是叶片结构和作物叶片在近红外波段的　

出现异常外），即ＬＡＩ、ＣＨＩ　．ｃ和ＣＨＬ．Ｄ值在　

多次反射造成的．在７３０～７６０　ｎｍ范围相关系　

各发育期随施氨量的增加而增加．　

数低且达不到显著水平，其原因是该光谱范围　

２．２水稻光谱与农学参数的相关分析　

正处于叶绿素等色素吸收波段与植物细胞结构　

２．２．１　水稻光谱反射率厦一阶微分光谱与　

散射引起的近红外高反射区的交接区域内．　

ＬＡ１在各生育期间的相关分析　在对水稻主　

由于相似的反射率光谱衄线导致微分光谱　

要生育期的不同氮素处理小区进行光谱观测的　

的相似值或零交叉点，微分光谱处理对高频噪　

同时，进行农学参数的测定，分别计算各光谱波　

声较敏感，这都将减弱ＬＡＩ与一阶微分光谱的　

段的反射率和反射率一阶微分与ＬＡ１的相关　

相关性　．通过水稻冠层一阶微分光谱与ＬＡＩ　

系数，图４为水稻ＬＡＩ与光谱数据的相关分析　

的相关分析可知，在某些波段１　ＡＩ与一阶微分　

（样本数２５ｊ，从图４（ａ）可以看出．水稻Ｉ　ＡＩ与　

的相关性比反射率好，如７３０～７６Ｏ　ｎｉｌ光谱范　

群体光谱反射率在可见光和７４０ｎｍ以后的近　

日，在某些较窄的光谱波段相关性极好，一阶微　

红外波段内有较好的相关关系，达到９９　置信　

分光谱和Ｉ　ＡＩ之间的最大相关系数是０．９３１，　

度下的显著相关．这是叶绿素在４００～５００　ｉ＇ｌｍ、　

波长发生在７４３．３７　ｎｎｌ处（图４ｂ）．这个波长是　

ｆ，轻峨　

６３Ｏ～６８０　ｎｍ两个波段的强烈吸收所造成的．　

光谱变化最大的位置，位于红边范围．意味着～　

畦　。　蚍　舢　舶　

波长在６７１．２１　ｌｌｉｉ１处存在着最大的相关系数．　

阶微分光谱在一些特殊的波长处估计ＬＡＩ时　

为一０．８７５，这个波长处于红光区，与Ｐｒａｓａｄ　Ｓ．　

具有高的窄光谱波段的预测能力，这与浦瑞良　

Ｔ．等使用的光谱区域６８２　ｎｍ相近【　］．在５５０　

ｉ＇１１ＴＩ附近两者的相关程度明显不如上述两个吸　

ａ　－０．０　１嚣　

．—　

＼　

赫　

／　

垛　

＝１ｉｌｒ　

，　

＊，　

：　—～√二燃　

ｂ　Ⅱ二　嚣　

ｔ　ｌ　

Ｔ　

肘，ｆ　ｎ　

ｌ　．　ｌ‘ｌ　』　｜？１

＼　

．

赫　

一　

Ｉ

’　

ｊ　

婿　

’

窭　

被长　ｒｉ

ｍｌｌ’Ｉ　

———　ｒ　‘　

晰　ｆｆ＝　

１　

ａ、ｂ分别是冠层光谱和一阶微分光谱　

ａ１ｂ分别是冠层光谱和一阶微分光谱及　

丑ＬＡＩ的相关关系　

ＣＨＩ　Ｃ的相关关系　

图４水稻光谱与ＬＡＩ的相关关系（１９９９）　

图５水稻光谱与ＣＨＬ　Ｃ的相关关系（１９９９）　

Ｆｉｇ　４　Ｃｏｒｒｅｌａｔｉｏｎ　ｂｅｔｗｅｅｎ　ｔｈｅ　ｓｐｅｃｔｒａ　ａｎｄ　

Ｆｉｇ　Ｓ　Ｃｏｒｒｅｌａｔｉｏｎ　ｂｅｔｗ（：ｅＩ１　ｌｈｅ　ｓｐｅｃｔｒａ　ａｎｄ　

ＬＡＩ　ｏｉ　ｒｉｃｅ（１９９§）　

ＣＨＩ　Ｃ　０｛ｒＬ　ｃｔ（１　９９９）　

整　

。

维普资讯

第３期　王秀珍，等　高光谱数据与水稻农学参数之间的相关分析　２８７　

等对森林叶面积指数与高光谱数据的相关分析　

的结果一致．　“　

２．２．２水稻反射率和反射率一阶微分与各生　

射率一阶微分在某些窄波段处与ＣＨＬ．Ｄ相　

关，如在９３８　ｎｍ附近和９５８　ｒｉｍ附近，具有置　

信度为９ｊ　下的显著相关．相关性起伏波动很　

拳　

¨　

育期冠层ＣＨＩ　．Ｃ的相关分析　如图ｊａ与　

大，说明用光谱信息直接表达ＣＨＬ．Ｄ有问题，　

图５ｂ所示．由水稻冠层反射率、一阶微分与　

一

是由于本研究ＣＨＩ　．Ｄ仅为鲜叶的，非整个　

ＣＨＬ．Ｃ的相关分析可以看出，相关范围明显缩　冠层的．未包括茎　穗等的ＣＨＬ．Ｄ，而冠层光谱　

小，相关程度也明显不如ＬＡＩ，只在７０８～７４０　

则是冠层群体的综合反映，减弱了ＣＨＬ．Ｄ与　

ｌｌｎｌ波段，水稻反射率与ＣＨＩ—Ｃ具有置信度为　光谱数据的相关性，二是鲜叶重量包含水份重　

９５　下的显著相关。波长在？２３．５６　１１ｍ处存在　

量，而水份对冠层光谱的影响很大，因此，利用　

着最大相关系数．为０．５２１　７７，这个波长处于　

高光谱分辨率遥感数据来估算群体ＣＨＬ．Ｄ，还　

红边区．一阶微分光谱和ＣＨＩ　．Ｃ之间的最大　

需要做进一步的研究工作．　

相关系数是０．５９２　８．发生在波长７１　２．２４　Ｔａｍ　

处．一阶微分与ＣＨＬ．Ｃ的相关性在某些波段　

３结论与讨论　

高于反射率与ＣＨＬ．Ｃ的．但低于一阶微分与　

ＬＡＩ的．　

水稻叶面积指数、叶绿素含量、叶绿素密度　

２．２．３水稻反射率和反射率一阶微分与各生　

随施氮量增加而增加，光谱在各生育期间呈现　

育期冠层ＣＨＬ．Ｄ的相关分析　如图６ａ与　

出一定的规律性．光谱与农学参量相关分析的　

图６ｂ所示，为水稻反射率和反射率的一阶微分　

结果表明．微分光谱在某些波段（位于红边区域　

与ＣＨＬ．Ｄ的相关分析，可以看出，反射率和反　

的光谱变量）与叶面积指数、群体的ＣＨＬ．Ｃ具　

射率一阶微分与ＣＨＬ．Ｄ的相关性明显不如与　

有比原始反射率好的相关关系，比原始反射率　

ＣＨＬ．Ｃ的．原始光谱仅在极少数波段处与　

光谱具有更好的单变量（光谱通道）预测作物生　

ＣＨＬ．Ｄ具有置信度为９５　下的显著相关，反　

物物理参数的能力．这是由于光谱微分技术用　

０　

Ｏ　６　

于分析作物的光谱特征能够部分消除背景噪声　

０．５　

的影响．　

亡０Ａ　

。。　

原始光谱和反射率一阶微分仅在极少数波　

０．２　

段处与ＣＨＬ．Ｄ具有置信度为９５　下的显著相　

霉　０１　

…。　

＝｝＼｜Ｉｌｊ　

关．且反射率一阶微分与ＣＨＩ—Ｄ的相关性起　

０　

Ｉ１　５３３　７３３…９３３　

伏波动很大．说明光谱信息与ＣＨＬ．Ｄ相关性　

—

０Ｉ　

波长／　

较差，与有些学者的研究结果不一致口　“日；分　

加２　

ｂ一０．０１检殛水　—ｏ．ｏｓｉａ．￣ａｋＴ－　

析其原因可能是本研究的ＣＨＬ．Ｄ仅来自鲜　

叶，而非整个冠层，未包括茎、穗等，而冠层光谱　

则是冠层群体的综合反映．减弱了ＣＨＬ．Ｄ与　

光谱数据的相关性．此外．鲜叶重量包含水份重　

量．而水份对冠层光谱的影响很大，再加上试验　

过程受天气条件限制，所取材料样本数量有限，　

为此，利用高光谱分辨率遥感数据来估算群体　

ＣＨＩ　．Ｄ，还需要做进一步的研究工作，需要增　

加样本量和用群体ＣＨＬ．Ｃ、ＣＨＬ．Ｄ（包括茎、　

、

ｂ分别是冠层光谱和一阶微分光谱及　

ＣＨＬ　Ｄ的相关关系　

叶、穗等）来研究水稻的生物物理参量与高光谱　

圉６水稻光谱与ＣＨＬ．Ｄ相关关系（１９９９）　

分辨率遥感数据的关系．提取对水稻生化成分　

Ｆｉｇ．５　Ｃｏｒｒｅｌａｔｉｏｎ　ｂｅｔ…｝ｎＦ　ｓｐ　ａ　ａｎｄ　

敏感的光谱波段，研究高光谱分辨率遥感数据　

ＣＨＬ　Ｄ　ｒｉｃｅ（１９９０）　

在农业中估计农学参量的潜力　

维普资讯

浙－；土大学学报（农业与生命科学版）　第８　８卷　

Ｒｅｆｅｒｅｎｃｅｓ：　

［８］Ｄａｎｓｏｎ　Ｆ　Ｍ．Ｒｅｄ　ｅｄｇｅ　ｒｅｓｐｏｎｓｅ　ｔｏ　ｌｅａｆ￣ｔ＇ｅＲ　ｉｎｄｅｘ［Ｊ］．　

１］Ｃｈｏｕｄｈｕｒｙ　Ｂ』．Ｒｅｌａｔｉｏｎｓｈｉｐｓ　ｂｅｔｗｅｅｎ　Ｖｅｇｅｔａｔｉｏｎ　Ｉｎ．　

ｉｎ￣．，．Ｒｅｍｏｔｅ　Ｓｅｎｓｉｎｇ．１９９５，１６（１）：１８３　１８８　

ｄｉｃｅｓ－Ｒａｄｉａｔｉｏｎ　Ａｂｓｏｒｐｔｉｏｎ　ａｎｄ　Ｎｅｔ　Ｐｈｏｔｏ…ｔｈｅｓ　Ｅ　

［９］ｐｉｎａｒ　Ａ．Ｇｒａｓｓ　ｃｈｌｏｒｏｐｈｙｌｌ　ａｎｄ　ｔｈｅ　ｒｅｆｌｅｃｔａｎｃｅ　ｒｅｄ　

ｖａｌｕａｔｅｄ　ｂｙ　Ｓｅｎｓｉｔｉｖｉｔｙ　Ａｎａｌｙｓｉｓ［Ｊ］Ｒｅｍｏｔｅ　Ｓｅｓｉｎｇ　Ｅｎ　

ｅｄｇｅ［Ｊ］．１ｎｔ．Ｊ．Ｒｅｍｏｔｅ　Ｓｅｎｓｉｎｇ，１９９６，１７（２）：３５１—３５７．　

ｉｙ…　ｆ．１９８７．２２（２）　２０９　８３３．　

［】０］Ｆｉｌｅｌｉａ　Ｉ．Ｔｈｅ　ｒｅｄ　ｅｄｇｅ　ｐｏｓｉｔｉｏｎ　ａｎｄ　ｓｈａｐｅ　ａｓ　ｉｎｄｉｃａｔｏｒｓ　

：８］Ｈｖｅｔｅ　Ａ　Ｒ　Ａ　Ｓｏｉｌ　ａｄｊｕｓｔｅｄ　ｖｅｇｅｔａｔｉｏｎ　Ｉｎｄｅ￣（ＳＡＶＩ）　

ｏｆ　ｐｌａｎｔ　ｃｈｌｏｒｏｐｈｙｌｌ　ｃｏｎｔｅｎｌ，ｂｉｏ￣ｍｓｓ　ａｎｄ　ｈｙｄｒ［￣ｓｔＫｔｕＳ　

［Ｊ］Ｒｅｍｏｔｅ　Ｓｅｓｉｎｇ　Ｅｎｖｉｒｏｎｍｅｎｔ，１９８８，２５（３　：８９５—　

＿Ｊ］．ｉｎｔ．Ｊ．Ｒｅｍｏｔｅ　Ｓｅｎｓｉｎｇ．１９９４，１５（７）｛１４５９—１４７０．　

３０９　

［１１］Ｒａｉｌｙａｎ　Ｖ　Ｙ　Ｒｅｄ　ｅｄｇｅ　ｓｔｒｉｃｔｕｒｅ　ｏｆ　ｃａｎｏｐｙ　ｒｅｆｌｅｃｔａｎｃｅ　

［３：　Ｃｏｗａｒｄ　Ｓ　Ｎ．Ｈｖｅｍｍｒｉｃｈ　Ｋ　Ｆ．Ｖｅｇｅｔａｔｉｏｎ　Ｃａｎｏｐｙ　ｓｐｅｃｔｒａ　ｏｆ　ｔｒｉｔｉｃａｌｅ［Ｊ＿Ｒｅｍｏｔｅ　ＳｅｎｓｉｎＫ　Ｅｎｖｉｒｏｎｍｅｎｌ，　

ＰＡＲ　Ａｂｓｏｒｐｔａｎｃｅ　ａｎｄ　ｔｈｅ　Ｎｏｒｍａｌｉｚｅｄ　Ｄｉｆｆｅｒｅｎｃｅ　Ｖｅｇ—　

１９９３．４６（２）：１７３—１８２．　

ｅｔａｔｉｏｎ　Ｉａｄｅｘ　Ａｎ　Ａｓｓｅｓｓｍｅｎｔ　ｕｓｉｇｎ　ｔｈｅ　ＳＡＩＩ　Ｍｏｄｅｌ　

［１２３　Ｄｅｍｅｔｒｉａｄｅｓ—Ｓｈａｈ　Ｔ　Ｈ，Ｓｔｅｖｅｎ　Ｍ　Ｄ，Ｃｌａｒｋ　ＪＡ．Ｈｉｇｈ　

＿Ｊ］．Ｒｅｍｏｔｅ　Ｓｅｓｉｎｇ　Ｅｎｖｉｒｏｎｍｅｎｔ，１９９０．３２１１）：４７—５４　

ｒｅｓｏｌｕｔｉｏｎ　ｄｅｒｉｖａｔｉｖｅ　ｓｐｅｃｔ㈤ｉ　ｒｅｍｏｔｅ　ｓｅｎｓｉｎｇ［Ｊ］．Ｒ　

［４］ＰＵ　Ｒｕｔｌｌｎｇ，ＧＯＮＧ　Ｐｅｎｇ（浦瑞良，官鹏）．Ｃｏｒｒｅ［ａｔｌｎｇ　

Ｓｅｓｉｎｇ　Ｅｎｚ—ｆｒａｇｍｅｎｔ．１　９９０・３８（１）：５５　８４　

Ｌｅａｆ　Ａｒｅａ　Ｉｎｄｅｘ　ｏｆ　Ｐｏｎｄｅｒｏｓａ　Ｐｉｎｅｗｉｔｈ　Ｈｙｐｅｒｓｐｅｃｔ　ｒａｌ　

［１３：Ｐｒａｓａｄ　Ｓ　Ｔ．Ｒｏｎａｌｄ　Ｂ．Ｓｍｉｔｈ　ａｎｄ　Ｅｄｄｙ　Ｄｅ　Ｐａｕｗ，Ｈｙ＿　

ＣＡＳＩ　Ｄａｄａ＿Ｊ］．Ｒ￣ｏｔｅ　Ｓｅｎｓｉｎｇ　Ｅｎｖｉｒｏｎｍｅｎｔ（环境　

ｐｅｒｓｐｅｅｔｒａｌ　Ｖｅｇｅｔａｔｉｏｎ　Ｉｎｄｉｃｅｓ　ａｎｄ　Ｔｈｅｉｒ　Ｒｅｌａｔｉｏｎｓｈｉｐ　

避藤）．１　９９３，８‘２）：１１　８　１　８４．ｆｉｎ　Ｃｈｉｎｅｓｅ）　

ｗｉｔｈ　ＡｇｒｉｃｕＩｔｕｒａ［Ｃｒｏｐ　Ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ［Ｊ］Ｒｅｍｏｔｅ　

［５］　Ｖａｎｅ　Ｇ．Ｔｅｒｒｅｓｆｒ　Ｊａｌ　ｉｍａｇｉｎｇ　ｓｐｅｃｔｒｏｍｅｔｒｙ　Ｃ￣ＹＦｅＤｆ　

Ｓｅ￣＇ｎｇＥｎｖｉｒｏｎｍｅｎｔ，２０００，７　Ｊ＝１５８　１８２　

Ｎｔａｔ￣ｓ，ｆｕｔｕｒｅｔｒｅｎｄｓ［Ｊ］Ｒｅｍｏｔｅ　ＳｅｎｓｉｎｇＥｎｗｒｏｎｍｅｎｔ，　

［１　４］ＬＩＵ　Ｗｅｉ—ｄｏｎｇ，ＸＩＡＮＧ　Ｙｕｅ　ｑｉｎ．ＺＨＥＮＧ　Ｌａｎ　ｆｅｎ，ｅｇ　

１９９３，４４（２）一１０９一ｌ２７　

ａｆ．娃Ｕ伟东，项月琴．郄兰芬，等１．Ｒｅ［ａｔｉｏｎｓｈｉ０ｓ　ｂｅ—　

［６］Ｓｈｉｂａｙａｍａ　Ｓｅａｓｏｎａｌ　ｖｉｓｉｂｌｅ，ｎｅａｒ—ｉｎｆｒａｒｅｄ　ａｎｄ　ｍｉｄ　ｉｎ　

ｔｗｅｅ￣Ｒｉｃｅ　ＬＡＩ，ＣＨ．Ｄ　ａｎｄ　Ｈｙｐｅｒｓｐｅｅｔｒａ　Ｄｅｔａ口］，　

ｆｒａｒｅｄ　ｓｐｅｃｔｒａ　ｏｆ　ｒｉｃｅ　ｃａｎｏｐｉｅｓ　ｉｎ　ｒｅｌａｔｉｏｎ　ｔ。ＬＡＩ　ａｎｄ　

Ｊｏｕｒｎａｌ　ｏｆ　Ｒｅｍｏｔｅ　Ｓｅｎｓｉｎｇ（逼藤学报），８０００，４（４）：　

ａｂｏｖｅ　ｇｒｏｕｎｄ　ｄｒｙ　Ｐｈｙｔｏｍａｓｓ［Ｊ］Ｒｅｍｏｔｅ　Ｓｅｎｓｉｎｇ　Ｅｎｖｉ　

２７９　２８３　

……ｆ一１９８９．８７（２）１１９　１８　．　

：１５］ｗｕ　Ｃｈａｎｇ　ｓｈａｈ，ＸＩＡＮＧ　Ｙｕｅ—ｑｉｎ．ＺＨＥＮＧ　Ｌａｎ　ｆｅｎ，　

７］　Ｓｈ　ｂａＩ—ａｍａ　Ｅｓｔｉｍａｔｉｎｇ　ｇｒａｉｎ　ｙｉｅｌｄ　ｏｆ　ｍａｔｕｒｉｎｇ　ｒｉｃｅ　

ａｌ（吴长山ｔ砸月琴．郏兰芬，等）Ｅｓｔｉｍａｔｉｎｇ　

ｃａｎｏｐｉｅ￣ｕｓｉｎｇ　ｈｉｇｈ　ｓｐｅｃｔｒａｌ　ｒｅ￣ｅｌｕｔｉｏｎ　ｒｅｆｌｅｃｔａｎｃｅ　

Ｃｂｌｏｒｏｐｈｙｌｌ　Ｄｅｎｓｉｔｙ　ｏｆ　Ｃｒｏｐ　Ｃａｎｏｐｉｅｓ　ｂｙ　Ｕｓｉｎｇ　Ｈｙｐｅｒ　

…ｕＴｅ㈣【ｓ－ｊ］Ｒｅｍｏｔｅ　Ｓｅｎｓｉｎｇ　Ｅｎｖｉｒｏｎｍｅｎｔ．１９９１．　

ｓｐｅｃｔｒａｌ　Ｄａｔａ［Ｊ］．ｄｏｕｒｎａｌ　Ｒ　础Ｓｅｎｓｉｎｇ（噩毫学　

３６　ｃ】）：４５　５３　

报）．２０００，４（３）：２２８—２３１．