全 文 ：植物生态学报 2014, 38 (7): 710–719 doi: 10.3724/SP.J.1258.2014.00066
Chinese Journal of Plant Ecology http://www.plant-ecology.com
——————————————————
收稿日期Received: 2013-12-31 接受日期Accepted: 2014-05-04
* 通讯作者Author for correspondence (E-mail: gszhou@ibcas.ac.cn)
玉米农田冠层光合参数的多光谱遥感反演
张 峰1 周广胜1,2*
1中国科学院植物研究所植被与环境变化国家重点实验室, 北京 100093; 2中国气象科学研究院, 北京 100081
摘 要 冠层光合参数的准确定量遥感反演是生态系统遥感模型的核心与关键。基于2011年玉米(Zea mays)整个生长发育期
的冠层光谱反射率、生态系统CO2通量、微气象因子以及玉米光合生理生态指标的观测数据, 开展了玉米农田生态系统冠层
光合能力(Pmax, 最大光合速率)与光合效率(εN, 净CO2通量交换/吸收光合有效辐射(NEECO2/APAR); εG, 总初级生产力/吸收光
合有效辐射(GPP/APAR); α, 表观量子效率)参数的多光谱遥感反演能力评估研究。结果表明, Pmax和α在整个生长季呈现单峰
型变化趋势, 分别于7月底、8月初达到峰值, 而光合效率参数εN和εG在玉米营养生长早期数值较高, 随着玉米生长发育迅速降
低, 而后呈现单峰型的变化趋势, 峰值出现时间基本与Pmax最大值发生时间一致。基于两波段任意组合的遥感植被指数NDVI
(normalized difference vegetation index)、RVI (ratio vegetation index)、WDRVI (wide dynamic range vegetation index)、EVI2 (2-band
enhanced vegetation index)和CI (chlorophyll index)与玉米冠层4个光合参数的统计分析表明, EVI2对冠层光合效率与光合能力
参数的反演与表征效果最佳。研究表明, 多光谱遥感信息对玉米生态系统冠层光合参数的变异具有较强的敏感性, 可以用来
监测玉米冠层光合作用的季节动态变化以及准确定量评估作物生产力和生态系统CO2交换能力。
关键词 涡度相关, 野外光谱测量, 光合能力, 光合效率, 遥感植被指数
Estimating canopy photosynthetic parameters in maize field based on multi-spectral remote
sensing
ZHANG Feng1 and ZHOU Guang-Sheng1,2*
1State Key Laboratory of Vegetation and Environmental Change, Institute of Botany, Chinese Academy of Sciences, Beijing 100093, China; and 2Chinese
Academy of Meteorological Sciences, Beijing 100081, China
Abstract
Aims Determination of canopy photosynthetic parameters is key to accurate simulation of ecosystem function
by using remote sensing methods. Currently, remote estimation of vegetation canopy structure characteristics has
been widely adopted. However, directly estimating photosynthetic variables (photosynthetic capacity and effi-
ciency) at canopy scale based on field spectrometry combined with CO2 flux measurements is rare.
Methods In this study, we remotely estimated solar radiation use efficiency (εN, net ecosystem CO2 ex-
change/absorbed photosynthetically active radiation (NEECO2/APAR); εG, gross primary productivity/absorbed
photosynthetically active radiation (GPP/APAR); α, apparent quantum efficiency) and photosynthetic capacity
(Pmax) based on in situ measurements of spectral reflectance and ecosystem CO2 fluxes, along with observational
data on micrometeorological factors during the entire growing season for a maize canopy in Northeast China.
Important findings Results showed that the seasonal variations in Pmax and α exhibited a single peak; whereas
the values of εN and εG were higher at the start of vegetative stage and then rapidly decreased with the develop-
ment of maize until displaying a single peak at the intermediate and late stages of the growing season, coinciding
with the occurrence of peak values in Pmax. A comparison was made on the predictive performance based on nor-
malized difference vegetation index (NDVI), ratio vegetation index (RVI), wide dynamic range vegetation index
(WDRVI), 2-band enhanced vegetation index (EVI2), and chlorophyll index (CI) in estimating four canopy photo-
synthetic parameters with any combination of two separate wavelengths at the range of 400–1 300 nm, which
showed that EVI2 was most closely and linearly related to photosynthetic capacity and efficiency. This study
demonstrates that multi-spectral remote sensing information is sensitive to the variations in canopy photosynthetic
parameters in maize field and can be used to quantitatively monitor seasonal dynamics of canopy photosynthesis,
and to accurately assess crop productivity and ecosystem CO2 exchange capacity.
张峰等: 玉米农田冠层光合参数的多光谱遥感反演 711

doi: 10.3724/SP.J.1258.2014.00066
Key words eddy covariance, field spectrometry, photosynthetic capacity, photosynthetic efficiency, spectral
vegetation indices
冠层光合参数的准确定量遥感反演是生态系统
遥感模型的核心与关键。通常, 冠层光合参数分为
光合效率(辐射利用效率)与光合能力(光合潜力)两
类, 前者反映光合作用在速率上的度量, 而后者表
征光合作用在数量上的大小(Inoue et al., 2008)。全
球变化背景下, 涡度相关技术实现了生态系统尺度
CO2通量的连续高频长期定位观测 (Baldocchi,
2003), 与此同时, 遥感技术在陆地生态系统与大气
之间的生物地球化学循环研究中发挥着越来越重要
的作用, 实现了生态系统结构与功能的大尺度可重
复性系统监测(Running et al., 2000; Ide et al., 2010)。
当前, 围绕植被冠层结构与功能的遥感定量反
演已有大量研究开展, 如叶面积指数(leaf area in-
dex, LAI) (Gitelson et al., 2003)、植被光合有效辐射
吸收分量(fraction of absorbed photosynthetically ac-
tive radiation, fAPAR) (Viña & Gitelson, 2005)、叶绿
素 (Gitelson et al., 2005, 2006; Peng & Gitelson,
2011), 生物量 (Gitelson et al., 2003; Mutanga &
Skidmore, 2004; Cho & Skidmore, 2009)及总初级生
产力(gross primary productivity, GPP) (Gitelson et
al., 2006; Wu et al., 2009; Ide et al., 2010; Peng &
Gitelson, 2011)等, 它们在一定程度上影响着冠层光
合效率或者能够间接地反映生态系统的光合能力,
然而关于直接表征生态系统冠层光合作用的遥感反
演研究却非常有限(Inoue et al., 2008; Nakaji et al.,
2008; Ide et al., 2010), 尤其是从整个生长季来讲,
结合涡度相关技术并利用野外高光谱仪测定光谱信
息来定量反演冠层光合效率与光合能力参数的研究
鲜有报道(Inoue et al., 2008; Ide et al., 2010), 从而直
接制约着生态系统遥感模型模拟精度的有效提高,
以及对遥感信息定量反演生态系统光合参数的生理
生态与光化学机理的深刻认识。
因此, 本研究试图以锦州农业生态系统野外观
测站为研究基地, 选择质地相对均匀一致的玉米
(Zea mays)农田生态系统为研究对象, 利用涡度相
关技术和野外高光谱仪相结合的同步观测实验, 开
展遥感信息对光合效率与光合能力参数定量表征与
反演能力评估的研究, 旨在提高基于遥感的生态系
统生产力估算模型的准确性, 并为建立基于全遥感
信息的生态系统生产力模拟模型提供依据。
1 数据和方法
1.1 研究区概况
研究区位于锦州农业生态系统野外观测站
(41.15º N, 121.20º E, 海拔23 m)。该区属温带大陆性
季风气候, 夏季温暖湿润, 冬季寒冷干旱。年平均气
温9 ℃, 最冷月(1月)平均气温–8 ℃, 最暖月(7月)平
均气温24.4 ℃, 年降水量约690 mm, 70%发生在夏季
6–8月。土壤为棕壤 , pH为6.3, 土壤有机质含量
0.6%–0.9% (Han et al., 2007; 李荣平等, 2010)。玉米
生长季为每年5月初至9月末, 玉米品种为‘农华101
号’。
1.2 冠层光谱反射率
锦州玉米农田生态系统的光谱观测实验于2011
年生长季5–9月每半个月开展一次, 观测日期分别
为5月24日、6月9日、6月21日、7月5日、7月29日、
8月11日、8月23日、9月6日、9月20日, 共9次。光
谱测量采用ASD FieldSpec ProFRTM野外高光谱辐射
仪(Analytic Spectral Device, Boulder, USA), 波段值
为350–2 500 nm, 其中350–1 000 nm光谱采样间隔
为1.4 nm, 光谱分辨率3 nm; 1 000–2 500 nm光谱采
样间隔2 nm, 光谱分辨率10 nm。玉米冠层光谱测定
选 择 在 天 气 晴 朗 的 日 子 进 行 , 时 间 范 围
11:00–14:00。每次观测在10个1.2 m × 1.2 m固定样
点的冠层上方开展, 测量时传感器探头垂直向下,
光谱仪视场角为25º, 距离冠层的垂直高度1.3 m。光
谱观测以10个光谱为一采样光谱, 每个观测样点3
个重复, 每个样点共记录30个光谱, 以平均值为该
光谱观测点的光谱反射值。测量过程中, 及时进行
标准白板(反射率为1)校正, 所得目标物光谱为无量
纲的相对反射率。
1.3 CO2通量和微气象观测
本研究采用2011年开路式涡度相关系统和气象
梯度系统的观测资料。开路式涡度相关观测系统主
要由三维超声风速仪(CSAT3, Campbell Scientific,
Logan, USA)、红外CO2/H2O气体分析仪(LI7500, LI-
COR, Lincoln, USA)和数据采集器(CR5000, Camp-
bell Scientific, Logan, USA)组成。该系统安装在距地
面3.5 m高处, 采样频率为10 Hz, 由数据采集器自动
存储原始数据, 并提供0.5 h在线通量数据。
712 植物生态学报 Chinese Journal of Plant Ecology 2014, 38 (7): 710–719

www.plant-ecology.com
气象梯度观测系统主要由CR23X数据采集器、
2层温度/湿度传感器(2.4 m和4.1 m; HMP45C, Vais-
ala, Helsinki, Finland)、2层风速/风向传感器(2.4 m和
4.1 m; 014A/034B, Campbell Scientific, Logan,
USA)、净辐射仪(3.5 m; CNR1, Kipp and Zonen,
Logan, Netherlands)、光量子传感器(4 m; LI190SB,
LI-COR, Lincoln, USA)、土壤热敏电阻温度探头
(107L, Campbell Scientific, Logan, USA) (5、10、15、
20、40和80 cm)、土壤水分反射仪(0.05 m; CS616,
Campbell Scientific, Edmonton, Canada)、土壤热通量
板(0.05 m; HFP01, Radiation and Energy Balance
Systems, Seattle, Washington, USA)以及其他支持部
分等组成。同时, 还配备有翻斗式雨量筒(52203,
RM Young, Traverse, USA) 和 EasyAG (CS615,
Campbell Scientific, Edmonton, Canada) (10、20、30
和40 cm)。观测频率为2 s, 数据每0.5 h通过数据采
集器自动记录并存储。
采用 EdiRe软件 (Version 1.4.3.1186, Robert
Clement, University of Edinburgh)对10 Hz原始涡度
相关系统观测数据进行WPL校正、坐标旋转、超声
虚温订正等处理, 并按30 min步长计算平均值。同
时, 对30 min通量数据进行质量控制, 剔除由于各
种原因造成的不能反映真实情况的数据, 包括: (1)
降水剔除; (2)野点剔除; (3)差分法剔除; (4)夜间与
非生长季负值剔除; (5)摩擦风速剔除(夜间摩擦风
速< 0.1 m·s–1); (6)异常值剔除。为获取完整时间序列
的0.5 h净CO2通量交换 (net ecosystem exchange,
NEECO2)数据 , 对剔除后的缺失数据 , 采用
Reichstein等(2005)的插补方法进行NEECO2数据插
补。然后, 利用夜间观测数据对生态系统呼吸-温度
方程进行参数化, 之后由公式(1)外推至白天以估算
白天生态系统呼吸(ecosystem respiration, Reco), 最
终基于公式(2)将NEECO2拆分为GPP (晚上GPP = 0)
和Reco, CO2由生态系统向大气释放为正值, 吸收为
负值, GPP和Reco均为正值(Reichstein et al., 2005)。

式中, Rref为参考温度10 ℃时的生态系统呼吸(μmol
CO2·m–2·s–1), E0为活性能(J·mol–1), T为土壤温度(℃,
深度0.05 m), T0 = 273.15 K, Rref和E0通过91天滑动
窗口获得, 反映生态系统Reco的季节动态变化, 由
模型拟合得到(Lloyd & Taylor, 1994)。
1.4 作物光合生理生态指标测定
(1)玉米冠层吸收光合有效辐射分量(fAPAR):
光谱测量同时 , 采用AccuPAR植物冠层分析仪
(LP-80, Decagon Devices, Pullman, USA)同步测量
吸收光合有效辐射(APAR)的4个分量, 玉米冠层入
射PARinc、冠层反射PARout、冠层透射PARtransm和土
壤反射PARsoil。除5月24日缺测外, 其余观测时间与
冠层光谱反射率的测定相同, 共8次, fAPAR计算见
公式 (3) (Goward & Huemmerich, 1992; Viña &
Gitelson, 2005; Gitelson et al., 2006)。
fAPAR = (PARinc − PARout − PARtransm + PARsoil)/
PARinc (3)
(2)叶面积指数(LAI): 参照农业气象观测规范,
利用面积系数法如公式(4)–(6), 在研究区域, 每次
在光谱观测当天取5个玉米标准株, 测量每株叶子
的长和宽求算单株的叶面积, 然后根据植株密度求
算植株的叶面积指数。观测时间与光谱反射率的测
定相同, 共9次。
单株叶面积(cm2) =植株上每个叶的长×宽×校
正系数(0.7)之和 (4)
1 m2叶面积(cm2) =单株叶面积(cm2) × 1 m2株
数(植株密度) (5)
叶面积指数= 1 m2叶面积(cm2)/10000 cm2 (6)
1.5 数据分析
(1)光合参数的计算: 表征光合能力的最大光合
速率或光合潜力(Pmax), 以及反映光合效率的参数
εN (NEECO2/APAR)、εG (GPP/APAR)和表观量子效率
(α)是冠层尺度描述光合作用的重要参数。生态系统
尺度植被光合作用与光合有效辐射之间的关系可以
用直角双曲线Michaelis-Menten模型很好地描述
(Ruimy et al., 1995; Goulden et al., 1997)。本研究采
用生理生态指标观测当天以及前后2天一共5天来源
于涡度相关的NEECO2观测数据, 由公式(2)拆分出
GPP后, 由光响应曲线(公式7)拟合计算得到光合参
数Pmax和α (Ruimy et al., 1995)。
GPP = (α × PAR × Pmax/(α × PAR + Pmax)) + Rd (7)
公式(7)中, Pmax (μmol CO2·m−2·s−1)为饱和APAR条件
下最大光合速率(光合能力或光合潜力); α (mol
CO2·mol−1 photon)是光响应曲线的初始斜率, 即表
观量子效率; Rd (daytime respiration, μmol CO2·m−2·
s−1)指昼间生态系统呼吸。
张峰等: 玉米农田冠层光合参数的多光谱遥感反演 713

doi: 10.3724/SP.J.1258.2014.00066
两个冠层辐射利用效率参数εN和εG通过公式(8)
和公式(9)计算。由于NEECO2日峰值能够很好地反映辐
射利用效率的大小(Inoue et al., 2008), 所以NEECO2和
GPP分别采用11:00–13:00之间, 包括光合生理参数观
测当天及前后2天, 总共5日的平均值作为此观测时刻
NEECO2和GPP值, 进行辐射利用效率的计算。
εN = NEECO2/APAR (8)
εG = GPP/APAR (9)
(2)遥感植被指数: 本研究选择高空遥感卫星应
用广泛, 并能保证提供光谱信息的5个遥感植被指
数(VIs), 即归一化差异植被指数(NDVI)、比值植被
指数(RVI)、宽范围动态植被指数(WDRVI)、2波段增
强植被指数(EVI2)和叶绿素指数(CI), 开展4个光合
参数与400–1 300 nm波段范围内任意波段组合VIs
之间相关关系的研究(表1)。考虑到多数VIs对植被
特征参数变异响应具有饱和性, 同时采用线性与指
数相关两种关系模型来进行拟合。
数据分析采用Excel和MATLAB统计分析软件,
SigmaPlot软件辅助作图。
2 结果和讨论
2.1 NEECO2的季节动态变化特征
图1为2011年锦州玉米农田生态系统NEECO2在
不同生长发育期的季节动态变化。玉米生长发育初
期, NEECO2非常小, 当LAI发育至1.05时, NEECO2吸
收谷就已相当明显。尽管0.5 h尺度NEECO2正午吸收
峰值受入射PAR的强烈影响, 但在玉米营养生长期,
其大小基本随LAI增加而增大, 当LAI达到最大时,
NEECO2正午峰值也达到最大。生长季中期7月底至8
月初玉米乳熟前, PAR增加到一定强度以后, LAI达
到最大, NEECO2日峰值也达到年最大吸收值。玉米
生长季后期, NEECO2峰值随着LAI降低而呈现逐渐

图1 净CO2通量交换(net ecosystem exchange, NEECO2)、叶
面积指数(LAI)和光合有效辐射(PAR)的季节动态变化。
Fig. 1 Seasonal variations in net ecosystem CO2 exchange
(NEECO2), leaf area index (LAI), and incident photosynthetically
active radiation (PAR) in a maize field measured by eddy co-
variance method in 2011.


表1 本研究中采用的遥感植被指数
Table 1 Vegetation indices used in this study
遥感植被指数 Remote sensing vegetation index 计算式 Formulation of computation 参考文献 Reference
归一化差异植被指数 Normalized difference vegetation index (ρNIR – ρred)/(ρNIR + ρred) Tucker, 1979
2波段增强植被指数 2-band enhanced vegetation index 2.5((ρNIR – ρred)/(ρNIR + 2.4ρred + 1.0)) Jiang et al., 2008
比值植被指数 Ratio vegetation index ρNIR/ρred Rouse et al., 1973
宽范围动态植被指数 Wide dynamic range vegetation index (α × ρNIR – ρred)/(α × ρNIR + ρred) Gitelson, 2004
叶绿素指数 Chlorophyll index ρNIR/ρgreen – 1 or ρNIR/ρred edge – 1 Gitelson et al., 2005
ρgreen, 绿光波段反射率; ρNIR, 近红外波段反射率; ρred, 红光波段反射率; ρred edge, 红边波段反射率。
ρgreen, green reflectance; ρNIR, near-infrared reflectance; ρred, red reflectance; ρred edge, red edge reflectance.

714 植物生态学报 Chinese Journal of Plant Ecology 2014, 38 (7): 710–719

www.plant-ecology.com
减小的趋势。叶片枯黄、生态系统呼吸增加及PAR
的减小, 共同导致玉米成熟期的光合速率要低于营
养生长期。
由于生态系统呼吸是植物和微生物呼吸的总
和, 与光合作用之间并没有确定定量关系, 致使
NEECO2与PAR之间的定量关系弱化。所以与NEECO2
相比, 理论上GPP应该能更好地表征生态系统冠层
光合效率与光合能力。图2描述GPP-PAR关系的季节
动态变化特征, 0.5 h GPP与PAR呈现显著非线性双
曲线关系(y = y0 + ax/(b + x)), R2均达到0.78以上。第
一个观测日期5月24日处于玉米三叶期, GPP非常
小, 不能够拟合出GPP与PAR之间的关系, 图2仅呈
现8次GPP-PAR非线性双曲线关系, 其中, 7月29日
(DOY210) LAI达到最大时 , 光合效率参数 εG
(GPP/APAR)值也达到最大。
APAR在玉米三叶期缺测一次, 本研究所采用
观测数据利用方程fAPAR = 0.95 × (1 – e(–0.5 × LAI))进
行fAPAR估算, 模拟值与实测值变化趋势具有很好
的一致性, 而且决定系数R2能达到0.97 (n = 8), 所
以利用三叶期L A I观测值来估算该观测时间的
fAPAR值 , 然后再利用光合有效辐射值PAR乘以
fAPAR估算值计算该时刻的APAR值, 从而得到玉米
整个生长发育期的9个εN和εG光合效率参数值。玉米
农田生态系统光合参数Pmax、α、εN、εG, 以及LAI
与日平均气温(T)季节动态变化如图3所示。5月底至
8月中上旬之间, T能够维持在20 ℃以上, 满足作物



图2 GPP-PAR关系的季节变化。GPP, 总初级生产力; PAR, 光合有效辐射。
Fig. 2 Seasonal change in the GPP-PAR relationship. GPP, gross primary productivity; PAR, photosynthetically active radiation.

张峰等: 玉米农田冠层光合参数的多光谱遥感反演 715

doi: 10.3724/SP.J.1258.2014.00066

图3 叶面积指数(LAI)和温度(T)(A)、最大光合速率(Pmax)和
光量子效率(α)(B)及εN (NEECO2/APAR)和εG (GPP/APAR) (C)
的动态变化。APAR, 吸收光合有效辐射; GPP, 总初级生产
力; NEECO2, 净CO2通量交换。
Fig. 3 Seasonal dynamics of (A) leaf area index (LAI) and
daily mean air temperature (T); (B) maximum photosynthetic
capacity (Pmax) and quantum efficiency (α); and (C) radiation
use efficiency εN (NEECO2/APAR) and εG (GPP/APAR). APAR,
absorbed photosynthetically active radiation; GPP, gross pri-
mary productivity; NEECO2, net ecosystem CO2 exchange.
DOY, day of the year.

的生长发育需求, 而LAI呈现单峰型的季节动态变
化趋势, 营养生长期随着日序增加而迅速增大, 7月
底DOY 210左右达到年内峰值, 生长季中后期随叶
片枯黄而又逐渐减小降低。
光合能力与光合效率参数受作物生长发育阶段
以及所处环境条件影响而随季节发生变化。玉米营
养生长早期εG数值较高, 而后随着作物生长发育而
迅速降低, 然后又随着LAI逐渐增加而增大, 当LAI
达到峰值时它也达到最大值, 最后伴随成熟期的到
来而又逐渐减小。与εG相比, εN同样呈现玉米营养生
长早期数值相对较高, 而后处于一个相对低而弱化
的单峰型变化趋势。7月29日(DOY 210)前后, 天气
高温而潮湿, 虽然PAR值总体偏低, 但LAI处于最高
水平, 作物生长处于最旺盛期, 光合有效辐射利用
效率εN再次达到一个相对较高的水平。Pmax在整个
玉米生长季节内呈现单峰型的变化趋势, Pmax峰值
发生在LAI达到最大值时。光量子效率α与Pmax的动
态变化趋势相类似, 但其峰值要滞后于Pmax峰值的
发生时间, 本研究中8月11日达到一年内最高峰, 而
且在玉米枯黄期, 其减小趋势略缓于Pmax。总体而
言, 光合参数Pmax、α、εN和εG的季节变化要比LAI
的季节变异更为迅速敏感。
玉米营养生长初期, GPP数值非常小, 生长初
期第一个观测时刻Pmax和α值并没有能够通过非线
性双曲线方程拟合得到, 从而导致与εN和εG相比,
Pmax和α缺少第一个观测点的值。已有研究表明, 光
量子效率α与光合效率εG的季节变化趋势相同, 均
呈现营养生长初期偏高, 而后迅速下降, 在生长季
中后期缓慢减小的趋势(Inoue et al., 2008)。但Ide等
(2010)研究认为, 光量子效率α在整个生长季呈现单
峰型变化趋势, 并没有表现出生长季初期偏高而后
期降低的研究结果。本研究中, α与Pmax的季节变化
趋势基本一致, 同样并没有表现出像εG一样在生长
季初期偏高而后期下降的变化趋势, 原因在于α缺
乏第一个观测点, 或者根本就不存在影响, 其变化
趋势如同Ide等(2010)的研究结果。
2.2 光合效率参数εN、εG和α与VIs的关系
采用400–1 300 nm范围内任意两波段组合计算
遥感植被指数NDVI、RVI、WDRVI、EVI2和CI, 分
别与光合效率参数εN、εG和α进行线性和指数相关分
析, 结果表明: 利用NDVI[1177, 1179]进行εN线性估
算, R2能达到0.94, NDVI[403, 762]也能达到较好的
反演效果(R2 = 0.87), 而EVI2线性方程R2能达到
0.91[488, 490](图4)。
尽管由于植物和微生物呼吸弱化了NEECO2与
PAR之间的关系, 但本研究εG的反演效果并不比εN
好, EVI2[409, 522]线性方程仅能使R2达到0.84。对于
光量子效率α, 弱光条件下的初始斜率, 它能够反
映作物叶片水分状况 , NDVI线性相关关系R2为
0.67[1233, 1244], 指数相关关系R2达到0.90[1188,
1258], 而EVI2与α的关系远优于NDVI, 线性相关R2
达到 0.89[766, 792], 指数相关 R2达到 0.91[964,
1098](图5和图6)。
以上关于光合参数敏感的遥感植被指数构建过
程所涉及的光谱信息中, 1 200 nm附近区域反映冠
716 植物生态学报 Chinese Journal of Plant Ecology 2014, 38 (7): 710–719

www.plant-ecology.com


图4 归一化差异植被指数(NDVI)和2波段增强植被指数(EVI2)在400–1 300 nm波段范围内任意两个波段组合与光合效率εN线
性相关关系决定系数R2的等值线图。A, NDVI-线性。B, EVI2-线性。
Fig. 4 A contour map of coefficient of determination (R2) in linear relationships of normalized difference vegetation index
(NDVI) and 2-band enhanced vegetation index (EVI2) with εN with any combinations of two separate wavelengths at the range of
400–1 300 nm. A, NDVI-linear. B, EVI2-linear.



图5 归一化差异植被指数(NDVI)和2波段增强植被指数(EVI2)在400–1 300 nm波段范围内任意两个波段组合与表观量子效率
(α)相关关系决定系数R2的等值线图。A, NDVI-线性。B, NDVI-指数。C, EVI2-线性。D, EVI2-指数。
Fig. 5 A contour map of coefficient of determination (R2) in linear and exponential relationships of normalized difference vegeta-
tion index (NDVI) and 2-band enhanced vegetation index (EVI2) with apparent quantum efficiency (α) with any combinations of two
separate wavelengths at the range of 400–1 300 nm. A, NDVI-liner. B, NDVI-exponential. C, EVI2-linear. D, EVI2-exponential.
张峰等: 玉米农田冠层光合参数的多光谱遥感反演 717

doi: 10.3724/SP.J.1258.2014.00066


图6 表观量子效率(α)与最佳组合遥感植被指数NDVI[1233, 1244], NDVI[1188, 1258], EVI2[766, 792]和EVI2[964, 1098]之间的
相关关系。EVI2, 2波段增强植被指数; NDVI, 归一化差异植被指数。
Fig. 6 Relationship of apparent quantum efficiency (α) with remote sensing vegetation indices NDVI[1233, 1244], NDVI[1188,
1258], EVI2[766, 792], and EVI2[964, 1098]. EVI2, 2-band enhanced vegetation index; NDVI, normalized difference vegetation in-
dex.



图 7 遥感植被指数 EVI2在 400–1 300 nm波段范围内任意两个波段组合与 Pmax相关关系决定系数 R2的等值线图。A, EVI2-
线性。B, EVI2-指数。EVI2, 2波段增强植被指数; Pmax, 最大光合速率。
Fig. 7 A contour map of coefficient of determination (R2) in linear and exponential relationships between the remote sensing
vegetation index EVI2 and Pmax and EVI2 with any combinations of two separate wavelengths at the range of 400–1 300 nm. A,
EVI2-linear. B, EVI2-exponential. EVI2, 2-band enhanced vegetation index; Pmax, maximum photosynthesis capacity.


层水分状况, 直接影响作物生态系统的光合作用过
程, 而700–800 nm红边位置区域, 反映出叶绿素吸
收的谷地向近红外平台的跃迁。本研究选用的5个VIs
中, EVI2对光合效率参数的表征与反演能力最佳。
2.3 光合能力参数Pmax与VIs的关系
理论上, Pmax反映在没有任何胁迫条件下, 冠
层尺度作物生态系统潜在的最大光合作用能力, 因
而光谱观测信息对Pmax的表征与反演能力相对要弱
些。采用EVI2计算形式对Pmax的相关分析表明 ,
EVI2[559, 721]线性关系R2达到0.93, 而且红边位置
710 nm左右的线状区域是与Pmax关系最为显著的区
域, 同时1 200 nm附近区域对Pmax变异也表现得非
常敏感, 另外, EVI2[401, 1148]指数关系R2能达到
0.94 (图7和图8)。
3 结论
基于整个生长发育期玉米冠层光谱反射率、
LAI、fAPAR、NEECO2和微气象因子观测资料, 开展
718 植物生态学报 Chinese Journal of Plant Ecology 2014, 38 (7): 710–719

www.plant-ecology.com


图8 最大光合速率(Pmax)与最佳组合的遥感植被指数的相
关关系。EVI2, 2波段增强植被指数。
Fig. 8 Relationships of maximum photosynthetic capacity
(Pmax) with remote sensing vegetation indices EVI2[559, 721]
and EVI2[401, 1148]. EVI2, 2-band enhanced vegetation index.


玉米农田生态系统冠层光合参数的遥感反演能力评
估研究, 得出如下结论:
(1)玉米农田生态系统冠层最大光合能力Pmax和
光量子效率α在整个生长季呈现单峰型变化趋势, 7
月底和8月初达到峰值, 而光能利用效率参数εN和εG
在玉米营养生长早期偏高, 然后随着作物生长会迅
速降低, 随后同样会呈现单峰型变化趋势, 峰值出
现时间基本与Pmax一致。
(2) Pmax最佳估算指数为EVI2[559, 721](R2 =
0.93), EVI2[766, 792]对光量子效率α的变异最为敏
感(R2 = 0.89), 与εN和εG具有最显著线性相关关系的
遥感植被指数是EVI2[488, 490](R2 = 0.91)和EVI2
[409, 522](R2 = 0.84), EVI2在一定程度上能够克服
遥感信息对高密度植被的饱和性, 对于玉米生态系
统冠层光合效率与光合能力参数的表征与反演效果
最佳。
(3)多光谱遥感信息可以很好地反映玉米生态
系统冠层光合参数的变异, 可以用来监测玉米冠层
光合作用的季节动态以及准确定量评估作物生产力
和生态系统CO2交换能力。
本研究中, 玉米冠层光谱反射率以及APAR观
测次数在一定程度上具有一定的局限性, 在未来研
究中需要进一步加强植被冠层光谱反射率与APAR
的观测频次, 尤其要加大生长迅速的玉米营养生长
期的观测密度来加强研究, 更为有效地体现近地面
遥感观测与涡度相关技术的本质结合及其应用推
广。同时, 本研究也从另外一个侧面体现了野外高
光谱仪测定的光谱信息在一定程度上具有不稳定
性, 与以往研究的可比性略差。因此, 需要深入开展
更为广泛的相关研究, 进一步加深对野外光谱测量
遥感信息对生态系统光合参数反演的生理生态与光
化学机理的认识。
基金项目 国家自然科学基金重点项目 (41330-
531)、公益性行业科研专项经费(GYHY201106027)
和国家重点基础研究发展计划(2010CB951303)。
致谢 感谢辽宁省锦州市生态与农业气象中心为
本实验提供便利条件, 感谢中国科学院植物研究所
毛岭峰、任鸿瑞, 中国气象科学研究院段居琦、杨
若子, 以及中国气象局沈阳大气环境研究所李荣平
在野外工作中的贡献, 感谢中国科学院植物研究所
王宇在通量数据处理过程中给予的热情帮助。
参考文献
Baldocchi DD (2003). Assessing the eddy covariance technique
for evaluating carbon dioxide exchange rates of ecosys-
tems: past, present and future. Global Change Biology, 9,
479–492.
Cho MA, Skidmore AK (2009). Hyperspectral predictors for
monitoring biomass production in Mediterranean mountain
grasslands: Majella National Park, Italy. International
Journal of Remote Sensing, 30, 499–515.
Gitelson AA (2004). Wide dynamic range vegetation index for
remote quantification of biophysical characteristics of
vegetation. Journal of Plant Physiology, 161, 165–173.
Gitelson AA, Viña A, Arkebauer TJ, Rundquist DC, Keydan G,
Leavitt B (2003). Remote estimation of leaf area index and
green leaf biomass in maize canopies. Geophysical Re-
search Letters, 30, 1248, doi: 10.1029/2002GL016450.
Gitelson AA, Viña A, Ciganda V, Rundquist DC, Arkebauer TJ
(2005). Remote estimation of canopy chlorophyll content
in crops. Geophysical Research Letters, 32, L08403, doi:
10.1029/2005GL022688.
Gitelson AA, Viña A, Verma SB, Rundquist DC, Arkebauer TJ,
Keydan G, Leavitt B, Ciganda V, Burba GG, Suyker AE
(2006). Relationship between gross primary production
and chlorophyll content in crops: implications for the syn-
optic monitoring of vegetation productivity. Journal of
Geophysical Research, 111, D08S11, doi: 10.1029/2005-
JD006017.
Goulden ML, Daube BC, Fan SM, Sutton DJ, Bazzaz A,
Munger JW, Wofsy SC (1997). Physiological responses of
a black spruce forest to weather. Journal of Geophysical
Research, 102, 28987–28996.
Goward SM, Huemmerich KE (1992). Vegetation canopy PAR
absorptance and the normalized difference vegetation in-
dex: an assessment using the SAIL model. Remote Sensing
of Environment, 39, 119–140.
Han GX, Zhou GS, Xu ZZ, Yang Y, Liu JL, Shi KQ (2007).
Biotic and abiotic factors controlling the spatial and tem-
poral variation of soil respiration in an agricultural eco-
system. Soil Biology & Biochemistry, 39, 418–425.
张峰等: 玉米农田冠层光合参数的多光谱遥感反演 719

doi: 10.3724/SP.J.1258.2014.00066
Ide R, Nakaji T, Oguma H (2010). Assessment of canopy pho-
tosynthetic capacity and estimation of GPP by using spec-
tral vegetation indices and the light-response function in a
larch forest. Agricultural and Forest Meteorology, 150,
389–398.
Inoue Y, Peñuelas J, Miyata A, Mano M (2008). Normalized
difference spectral indices for estimating photosynthetic
efficiency and capacity at a canopy scale derived from
hyperspectral and CO2 flux measurements in rice. Remote
Sensing of Environment, 112, 156–172.
Jiang Z, Huete AR, Didan K, Miura T (2008). Development of
a two-band enhanced vegetation index without a blue
band. Remote Sensing of Environment, 112, 3833–3845.
Li RP, Zhou GS, Wang Y (2010). Responses of soil respiration
in non-growing seasons to environmental factors in a
maize agroecosystem, Northeast China. Chinese Science
Bulletin, 55, 2723–2730. [李荣平, 周广胜, 王宇 (2010).
中国东北玉米农田生态系统非生长季土壤呼吸作用及
其对环境因子的响应. 科学通报, 55, 1247–1254.]
Lloyd J, Taylor JA (1994). On the temperature dependence of
soil respiration. Functional Ecology, 8, 315–323.
Mutanga O, Skidmore AK (2004). Narrow band vegetation
indices overcome the saturation problem in biomass esti-
mation. International Journal of Remote Sensing, 25,
3999–4014.
Nakaji T, Ide R, Takagi K, Kosugi Y, Ohkubo S, Nasahara KN,
Saigusa N, Oguma H (2008). Utility of spectral vegetation
indices for estimation of light conversion efficiency in co-
niferous forests in Japan. Agricultural and Forest Meteor-
ology, 148, 776–787.
Peng Y, Gitelson AA (2011). Application of chlorophyll-related
vegetation indices for remote estimation of maize produc-
tivity. Agricultural and Forest Meteorology, 151, 1267–
1276.
Reichstein M, Falge E, Baldocchi D, Papale D, Aubinet M,
Berbigier P, Bernhofer C, Buchmann N, Gilmanov T,
Granier A, Grünwald T, Havránková K, Ilvesniemi H, Ja-
nous D, Knohl A, Laurila T, Lohila A, Loustau D, Mat-
teucci G, Meyers T, Miglietta F, Ourcival J-M, Pumpanen
J, Rambal S, Rotenberg E, Sanz M, Tenhunen J, Seufert G,
Vaccari F, Vesala T, Yakir D, Valentini R (2005). On the
separation of net ecosystem exchange into assimilation and
ecosystem respiration: review and improved algorithm.
Global Change Biology, 11, 1424–1439.
Rouse JW, Haas Jr RH, Schell JA, Deering DW (1973). Moni-
toring the vernal advancement and retrogradation (green
wave effect) of natural vegetation. Progress Report RSC
1978-1. Remote Sensing Center, Texas A & M University,
College Station.
Ruimy A, Jarvis PG, Baldocchi DD, Saugier B (1995). CO2
fluxes over plant canopies and solar radiation: a review.
Advances in Ecological Research, 26, 1–68.
Running SW, Thornton PE, Nemani R, Glassy JM (2000).
Global terrestrial gross and net primary productivity from
the earth observing system. In: Sala OE, Jackson RB,
Mooney HA, Howarth RW eds. Methods in Ecosystem
Science. Springer-Verlag, New York. 44–57.
Tucker CJ (1979). Red and photographic infrared linear com-
binations for monitoring vegetation. Remote Sensing of
Environment, 8, 127–150.
Viña A, Gitelson AA (2005). New developments in the remote
estimation of the fraction of absorbed photosynthetically
active radiation in crops. Geophysical Research Letters,
32, L17403, doi: 10.1029/2005GL023647.
Wu CY, Niu Z, Tang Q, Huang WJ, Rivard B, Feng JL (2009).
Remote estimation of gross primary production in wheat
using chlorophyll-related vegetation indices. Agricultural
and Forest Meteorology, 149, 1015–1021.

特邀编委: 王纪华 责任编辑: 李 敏