全 文 ：花期苹果树冠氮素营养状况的卫星遥感反演*
王摇 凌摇 赵庚星**摇 朱西存摇 王瑞燕摇 常春艳
(山东农业大学资源与环境学院 /土肥资源高效利用国家工程实验室, 山东泰安 271018)
摘摇 要摇 以山东栖霞为研究区,基于 TM和 ALOS影像获取花期苹果树的冠层反演反射率,结
合实测反射率,构建并筛选氮素敏感光谱指数,以敏感光谱指数为自变量,建立氮素反演模
型,利用精度最高模型进行空间反演. 结果表明: 光谱指数与氮素营养相关性为:冠层>叶>
花,敏感指数构成以绿、红、近红外波段为主;反演模型精度为:支持向量机回归>逐步回归>单
变量回归;基于不同影像的反演结果近似,叶 N含量均以 3 ~ 4 等(27 ~ 33 g·kg-1)为主,冠 N
指标均以 2 ~ 4 等(TM: 38 ~ 47 g·kg-1; ALOS: 32 ~ 41 g·kg-1)为主;基于不同影像的空间
布局亦类似,研究区北部和南部的营养水平高于中部,叶 N和冠 N高等级区域位于西北部的
苏家店镇和松山街道、东北部的臧家庄镇和亭口镇、南部的蛇窝泊镇等,与苹果生产重点镇布
局一致.此研究为果树营养状况的宏观数据获取提供了可行方法,也可为其他类似遥感反演
提供借鉴.
关键词摇 苹果树摇 花期摇 氮素营养摇 遥感反演
文章编号摇 1001-9332(2013)10-2863-08摇 中图分类号摇 S127; TP79摇 文献标识码摇 A
Satellite remote sensing retrieval of canopy nitrogen nutritional status of apple trees at blos鄄
som stage. WANG Ling, ZHAO Geng鄄xing, ZHU Xi鄄cun, WANG Rui鄄yan, CHANG Chun鄄yan
(National Engineering Laboratory for Efficient Utilization of Soil and Fertilizer Resources / College of
Resources and Environment, Shandong Agricultural University, Tai 爷an 271018, Shandong,
China) . 鄄Chin. J. Appl. Ecol. ,2013,24(10): 2863-2870.
Abstract: Taking Qixia City of Shandong, China as the study area, and based on the Landsat鄄5 TM
and ALOS AVNIR鄄2 images, the canopy retrieval reflectance of apple trees at blossom stage was ac鄄
quired. In combining with the measured reflectance of sample trees, the nitrogen鄄sensitive spectral
indices were constructed and selected. By using the sensitive spectral indices as the independent
variables, the nitrogen retrieval models were established, and the model with the best accuracy was
used for spatial retrieve. The correlations between the spectral indices and the nitrogen nutritional
status were in the order of canopy > leaf > flower. The sensitive indices were mainly composed of
green, red, and near infrared bands. The accuracy of the retrieval models was in the order of sup鄄
port vector regression > multi鄄variable stepwise regression > one鄄variable regression. The retrieval
results based on different images were similar, and showed that the leaf nitrogen content was mainly
of grades 3-4 (27-33 g·kg-1), and the canopy nitrogen nutrient indices were mainly of grades
2-4 (TM: 38-47 g·kg-1; ALOS: 32-41 g·kg-1). The spatial distribution of the retrieval nitro鄄
gen nutritional status based on different images also showed the similar trend, i. e. , the nitrogen nu鄄
tritional status was higher in the north and south than that in the middle part of the study area, and
the areas with the high grades of leaf nitrogen and canopy nitrogen were mainly located in Sujiadian
Town and Songshan subdistrict in the northwest, Zangjiazhuang Town and Tingkou Town in the
northeast, and Shewopo Town in the south, which were consistent with the distribution of the key
towns for apple production in Qixia City. This study provided a feasible method for the acquisition of
nitrogen nutritional status of apple trees on macroscopic scale, and also, provided reference for oth鄄
er similar remote sensing retrievals.
Key words: apple tree; blossom stage; nitrogen nutrition; remote sensing retrieval.
*高校博士点基金项目(20103702110010)、国家自然科学基金项目(41271369)、山东省自主创新专项(2012CX90202)和中国博士后基金项目
(20110491616)资助.
**通讯作者. E鄄mail: zhaogx@ sdau. edu. cn
2013鄄01鄄30 收稿,2013鄄07鄄13 接受.
应 用 生 态 学 报摇 2013 年 10 月摇 第 24 卷摇 第 10 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇
Chinese Journal of Applied Ecology, Oct. 2013,24(10): 2863-2870
摇 摇 氮(N)素是苹果树生长和果实品质形成的必需
养分,其变化会引起叶片生理和形态的改变,光谱反
射特性亦随之变化,为养分遥感诊断提供了理论依
据.苹果是世界上最重要的水果之一,研究表明,苹
果树对 N肥的利用率低于一般大田作物[1-2] .因而,
实时快捷的营养诊断已成为果树生产的紧迫课题,
传统的化学测试分析法过程复杂、耗时耗力、时效性
差,难以实现大范围的营养诊断,定量遥感反演则提
供了一条现实途径[3-8] .
目前,植物营养遥感诊断主要集中于作物[9-13],
对果树的研究较少.近年应用地面光谱进行果树 N
素估测已取得初步成效[14-20],但基于卫星遥感数据
的研究鲜见报道.星载遥感数据虽然有空间分辨率
低、对天气的依赖、精度较低等限制,却具有成本低、
空间尺度大、回访周期短的优势,可代表未来营养遥
感反演的趋势.
由于大部分植物的光谱类似,借助光谱指数的
构建既可以扩大各类植物光谱的微小差异[21],也可
估算出叶绿素、胡萝卜素、氮、木质素、纤维素等含
量[22-24] .利用光谱指数提取地物参量已成为遥感的
重要应用方向,发展和改进光谱指数仍是一个活跃
的研究领域[25-26] .
花期是苹果树营养诊断的关键期,笔者[27]在前
期的研究中基于 Landsat5 TM 和 ALOS AVNIR鄄2 影
像,采用地形辐射校正与混合像元分解结合的方法
反演花期苹果树冠层反射率,取得了较好效果.本文
以此为基础,进一步分析花期苹果树 N 素营养状况
与影像冠层反演反射率之间的定量关系,确定适宜
的 N素营养反演模型,并进行空间反演,以期为研
究区苹果高效生产与管理提供基础数据,也为其他
类似的遥感反演提供参考.
1摇 材料与方法
1郾 1摇 样区设置
山东省栖霞市(37毅05忆—37毅32忆 N, 120毅33忆—
121毅15忆 E)主要为丘陵山地,平均海拔 178 m,最高
海拔 814 m,苹果种植面积 4. 4伊104 hm2,号称“中国
苹果之都冶,主要品种红富士的花期在 4 月下旬至 5
月上旬.由于苹果园内管理一致,因而以果园为基本
采样单元,本着布点均匀、优劣兼顾的原则,共选取
30 个果园,每个果园确定 1 个 30 m 伊30 m 的代表
性样区,详见文献[27],用 GPS测定中心点位坐标,
每个样区选择 3 棵能代表平均营养状况的果树作为
样本,取 3 样本的平均值代表果园的整体水平.
1郾 2摇 冠层高光谱实测
2009 年 4 月 28—30 日,利用 Field Spec 3 便携
式地物光谱仪测定花期红富士苹果树高光谱,测定
和处理方法见文献[27],获得 30 个样区 90 个样本
的叶、花、冠层实测反射率,光谱重采样获得 TM
(1 ~ 5,7)和 ALOS(1 ~ 4)波段的实测反射率.
1郾 3摇 冠层反射率反演
基于 2009 年 4 月 26 日的 TM(分辨率 30 m)和
2009 年 5 月 5 日的 ALOS(分辨率 10 m)影像,通过
地形辐射校正获得影像地表反演反射率,通过像元
分解获得冠层反演反射率. 由于花 ( TM1 ~ 5,7:
0郾 272, 0. 316, 0. 357, 0. 501, 0. 259, 0. 412;
ALOS1 ~ 4: 0. 276, 0. 282, 0. 359, 0. 496 ) 和叶
(TM1 ~5,7: 0. 052, 0. 121, 0. 056, 0. 500, 0. 372,
0. 215;ALOS1 ~ 4: 0. 051, 0. 138, 0. 060, 0. 495)的
光谱差异,因而像元分解中引入了花叶比,通过 GPS
坐标定位获得 30 个样区的反演反射率,与地面实测
反射率接近,误差较表观反射率和地表反演反射率
大为减小,具体方法和结果分析见文献[27].
1郾 4摇 叶、花氮素含量测定
将测定过高光谱的样本叶和花放入 80 益的烘
箱中杀青 20 min,再降温至 60 益恒温烘干至恒量,
用研钵研磨至粉状,过 0. 25 mm 筛,然后用 H2 SO4 鄄
H2O2消煮,用凯氏定氮法测定全 N含量.
1郾 5摇 冠层氮素营养指标构建
花期冠层主要包括叶、花,同一果树叶和花的 N
素含量往往不一致,因此需综合反映冠层的 N 素营
养状况,指标构建如下:
Ng =Ny+hNh (1)
式中:Ng为冠 N 指标;Ny为叶 N 含量;Nh为花 N 含
量;h为冠层花叶比[27] .
1郾 6摇 氮素敏感光谱指数构建及筛选
采用数学运算法构建光谱指数(表 1). 另采用
NDVI、妆VI、EVI、TSAVI等常用植被指数,基于 TM 6
个波段共构建 215 个指数,基于 ALOS 4 个波段共构
建 106 个指数.
摇 摇 将基于 TM、ALOS 反演反射率的光谱指数分别
与 30 个样区的叶 N、花 N 和冠 N 指标进行相关分
析,基于 TM、ALOS 波段重采样的实测反射率光谱
指数与 90 个样本的叶 N、花 N 和冠 N 指标进行相
关分析.为避免偶然性,给定显著性水平 琢 = 0. 05,
无论叶 N、花 N还是冠 N,对于 1 ~ 4 波段,取以上 4
类中相关系数属性一致、显著且绝对值都高的光谱
指数作为敏感光谱指数,对于5 、7波段,取TM反
4682 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 24 卷
表 1摇 光谱指数构建方法
Table 1摇 Constuction methods of spectral indices
光谱指数
Spectral
indices
表达式
Expression
光谱指数
Spectral
indices
表达式
Expression
F1( i) Ri F11( i , j) Ri / R j
F2( i) Ri 2 F12( i , j) (Ri- R j)(Ri+ R j)
F3( i) Ri 3 F13( i , j) RiR j / (Ri+ R j)
F4( i) Ri 0. 5 F14( i , j) (Ri / R j) / (Ri+ R j)
F5( i) Ri 1 / 3 F15( i , j) (Ri- R j) / (RiR j)
F6( i) eRi F16( i , j) (Ri / R j) / (Ri- R j)
F7( i) lnRi F17( i , j) (Ri+ R j) / (eRi)
F8( i , j) Ri+ R j F18( i , j) (Ri- R j) / (eRi)
F9( i , j) Ri- R j F19( i , j) lnRi / (Ri+ R j)
F10( i , j) RiR j F20( i , j) lnRi / (Ri-R j)
Ri( i=1 ~ 5,7): 各波段反射率 Reflectance of each band.
演、TM 实测 2 类中符合上述条件者作为敏感光谱
指数.
1郾 7摇 氮素营养反演模型建立
选择代表性敏感光谱指数作为自变量建立反演
模型.建模方法包括单变量回归、逐步回归和支持向
量机回归.以显著性水平 琢 = 0. 05 为标准检验模型
精度.
1郾 8摇 氮素营养空间反演及精度分析
基于冠层反演反射率影像提取敏感光谱指数作
为自变量,采用精度最高的反演模型进行空间反演,
获得 N素营养空间分布图.
短时间内果树氮素营养不会有太大变化,无论
基于哪种影像,只要反演方法合理,结果应相近. 基
于此,将 ALOS反演氮素影像的空间分辨率重采样
至 30 m,与 TM一致,分析两者的差异,用于精度分
析.其中,冠 N应考虑花叶比,根据式(1)可推导出
下式:
Ng鄄TM-Ng鄄ALOS =(hTM-hALOS)Nh (2)
式中:Ng鄄TM和 Ng鄄ALOS分别为基于 TM和 ALOS的冠层
N反演指标;hTM和 hALOS分别为基于 TM 和 ALOS 的
冠层花叶比 [27];Nh为实测花 N含量平均值.
2摇 结果与分析
2郾 1摇 氮素营养敏感光谱指数
基于实测反射率的光谱指数达到显著水平者较
多,而基于反演反射率的光谱指数显著者相对较少,
以 4 类兼顾且就高为标准,筛选出叶 N和冠 N指标
各 6 个敏感指数(表 2).由于花 N 与反演和实测反
射率光谱指数的相关性均极低,因而未筛选出花 N
含量敏感光谱指数.
摇 摇 从表 2 可以看出,冠 N相关系数明显高于叶 N,
且全部达到显著水平,以光谱指数 R2+R3为例,前者
较后者平均提高 0. 328,说明冠层反射率综合体现
了叶和花的 N素状况,冠 N 指标构建有其合理性;
敏感指数的波段构成均以 2、3、4 为主.
2郾 2摇 氮素营养反演模型
将敏感光谱指数(表 2)作为自变量,采用 3 种
方法构建如下模型:基于 TM 的叶 N 含量(记为:
TM鄄叶 N)模型、基于 ALOS 的叶 N 含量 (记为:
ALOS鄄叶 N)模型、基于 TM 的冠 N 指标(记为:TM鄄
冠 N)模型、基于 ALOS的冠 N指标(记为:ALOS鄄冠
N)模型.
表 2摇 氮素营养的敏感光谱指数
Table 2摇 Sensitive spectral indices for nitrogen nutrient
部位
Part
自变量
Independent
variable
敏感光谱指数
Sensitive spectral
index
光谱指数与氮素营养的相关系数
Coefficient of correlation between spectral index and nitrogen nutrient
基于 TM Based on TM
实测
Measured
反演
Retrieval
基于 ALOS Based on ALOS
实测
Measured
反演
Retrieval
叶 x1 R1(R2 -R1) / R2 0. 327* 0. 386* 0. 322* 0. 307
Leaf x2 R2 R3 0. 405* 0. 299 0. 394* 0. 207
x3 R2 + R3 0. 402* 0. 289 0. 393* 0. 216
x4 expR2 0. 371* 0. 240 0. 350* 0. 295
x5 R2R4 / ( R2 + R4) 0. 345* 0. 251 0. 322* 0. 306
x6 ln R4 / R4 0. 274* 0. 301 0. 273* 0. 299
冠 x1 R2R3 / ( R2 + R3) 0. 673* 0. 566* 0. 666* 0. 709*
Canopy x2 R2 + R3 0. 670* 0. 565* 0. 661* 0. 717*
x3 expR3 0. 665* 0. 587* 0. 670* 0. 681*
x4 R2 R4 / ( R4 - R2) 0. 666* 0. 507* 0. 642* 0. 744*
x5 R3 R4 / ( R4 - R3) 0. 613* 0. 598* 0. 622* 0. 687*
x6 expR2 0. 631* 0. 503* 0. 594* 0. 730*
* P <0. 05.
568210 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 王摇 凌等: 花期苹果树冠氮素营养状况的卫星遥感反演摇 摇 摇 摇 摇
2郾 2郾 1 单变量模型摇 分别选择叶 N和冠 N平均相关
系数最大的自变量 x1,即 R1(R2 -R1 ) / R2和 R2 R3 /
(R2+R3),建立基于 TM 和 ALOS 的单变量模型,经
筛选确定如下:
TM鄄叶N: y=44266郾 246x1 2-1751郾 883x1+45郾 572
ALOS鄄叶N:y=1 / (-0郾 231+0郾 271e-x1)
TM鄄冠N:y=9101郾 29x1 2-650郾 399x1+50郾 063
ALOS鄄冠N: y=4900郾 67x1 2-130郾 539x1+32郾 887
2郾 2郾 2 逐步回归模型摇 将叶N 和冠 N 的 6 个自变量
全部引入各自的逐步回归模型中,最终模型如下:
TM鄄叶N:y=1273郾 153+874郾 166x1+1338郾 338x2 -
1243郾 636x4+1275郾 998x5
ALOS鄄叶N:y=-364郾 606-216郾 272x3+398郾 777x4+
1郾 832x6
TM鄄冠 N: y = - 12718郾 408 - 27084郾 058x1 +
14928郾 375x3+4144郾 2x4-4637郾 103x5-2091郾 784x6
ALOS鄄冠N:y=268郾 702+252郾 804x4-240郾 802x6
2郾 2郾 3 支持向量机回归模型摇 兼顾 TM 和 ALOS 自
变量的典型性,叶N 选择 x3、 x4和 x53 个自变量,冠
N选择 x2、 x4和 x53 个自变量,分别归一化处理后作
为支持向量机(SVM)回归的条件属性,叶 N 含量和
冠 N指标分别作为决策属性,经参数优选和多次训
练,最终确定:SVM 类型为 4(v鄄SVR),核函数类型
为 2(RBF),TM鄄叶N优选参数 C和 g设为 64 和 32,
ALOS鄄叶N、TM鄄冠 N和 ALOS鄄冠 N 的 C 和 g 均设为
64 和 16.
2郾 2郾 4 模型精度分析摇 利用各模型预测值与实测值
进行检验.由表 3 可以看出,单变量模型总体效果不
佳,冠 N 模型的 R2(基于 TM 和 ALOS 模型分别为
0. 339 和 0. 510 ) 明显高于叶N 模型 ( 0. 201 和
0郾 095),且 ALOS鄄叶N模型不显著(P=0. 098),其估
计标准误差(REE)也最高;逐步回归模型均达到显
著水平,冠 N 模型的 R2(0. 509 和 0. 566)明显高于
叶N模型(0. 334 和 0. 290),与单变量模型表现一
致,REE 均低于单变量模型,总体效果好于单变量
模型,但 R2仍偏低;支持向量机回归模型均极显著,
R2比前两类模型显著提高,REE 明显降低,冠 N 模
型精度略好于叶N,基于 ALOS的模型精度高于 TM.
支持向量机模型精度最高,可用于研究区苹果园的
叶N和冠 N营养空间反演.
2郾 3摇 氮素营养空间反演
2郾 3郾 1 叶 N 含量空间反演 摇 TM鄄叶 N 反演含量在
21郾 88 ~ 38. 91 g·kg-1,平均 29. 98 g·kg-1;ALOS鄄
叶 N 反演含量在 22. 70 ~ 37. 03 g · kg-1,平均
29. 27 g·kg-1 .为了更清晰地反映叶 N 的空间分
布,按含量将其划分为 6 个等级,统计各等级的像元
数量及比例.
由表 4 可以看出,叶N 营养差异不大,80. 1%
(TM)和 83. 3% (ALOS)的像元叶N 含量在 27 ~
33 g·kg-1(3 ~ 4 等),这与研究区果园管理精细有
关,1、2 等级所占比例仅分别占 9. 9%和 11. 9% ,5、
6 等级所占比例也较小,分别为 10. 0%和 4. 8% .
TM鄄叶N以 4 等为主,占 53. 2% ,ALOS鄄叶N 以 3 等
为主,占 58. 0% ,表明 TM 的叶N 反演含量稍高于
ALOS,与平均值的表现一致.
摇 摇 大部分区域的叶 N 含量为 3 ~ 4 等,其中,TM
以 4 等为主,ALOS以 3 等为主;整体上看,北部和南
部的叶 N含量等级水平略高于中部;5 ~ 6 等的叶 N
表 3摇 模型精度比较
Table 3摇 Accuracy comparation of all models
模型类型
Model type
部位
Part
影像类型
Image type
决定系数
Coefficient of
determination (R2)
显著性水平
Significance level
(P)
估计标准误差
Standard error of
estimation (REE)
单变量回归 叶 N TM 0. 201 0. 048 2. 638
One鄄variable regression N in leaves ALOS 0. 095 0. 098 2. 808
冠 N TM 0. 399 0. 004 2. 732
N in canopies ALOS 0. 510 0. 000 2. 550
多变量逐步回归 叶 N TM 0. 334 0. 032 2. 408
Multi鄄variable N in leaves ALOS 0. 290 0. 029 2. 488
stepwise regression 冠 N TM 0. 509 0. 003 2. 356
N in canopies ALOS 0. 566 0. 000 2. 398
支持向量机回归 叶 N TM 0. 846 0. 000 1. 197
Support vector regression N in leaves ALOS 0. 917 0. 000 0. 879
冠 N TM 0. 843 0. 000 1. 774
N in canopies ALOS 0. 957 0. 000 0. 794
6682 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 24 卷
表 4摇 叶 N反演含量分等统计表
Table 4 摇 Grade statistics of retrieval nitrogen content in
leaves
等级
Grade
N素含量
Nitrogen
content
(g·kg-1)
TM
像元数量
Pixel
number
像元比例
Pixel
percentage
(% )
ALOS
像元数量
Pixel
number
像元比例
Pixel
percentage
(% )
1 [21, 24) 9805 2. 0 1429 0. 0
2 [24, 27) 38250 7. 9 450 620 11. 9
3 [27, 30) 130507 27. 0 2 202185 58. 0
4 [30, 33) 257243 53. 2 961504 25. 3
5 [33, 36) 43456 9. 0 166807 4. 4
6 [36, 39) 4774 1. 0 16404 0. 4
合计
Total
摇 - 484035 100 3798949 100
图 1摇 叶 N反演含量等级的空间分布
Fig. 1摇 Spatial distribution of retrieval nitrogen content grades in
leaves.
a)基于 TM; b)基于 ALOS. 下同 The same below.
含量主要分布于西北部的苏家店镇和松山街道、东
北部的臧家庄镇和亭口镇、南部的蛇窝泊镇附近,这
些镇为苹果主产区,历史悠久,重视管理,肥料充足,
说明了反演结果的合理性;叶 N 含量低等级区域零
星散布于各镇(图 1).
2郾 3郾 2 冠 N 指标空间反演 摇 TM鄄冠 N 反演含量在
35. 09 ~ 53. 43 g·kg-1,平均 42. 82 g·kg-1;ALOS鄄
冠 N 反演含量在 30. 64 ~ 45. 49 g · kg-1,平均
36郾 19 g·kg-1 . 两者差别明显的原因在于, TM 与
ALOS成像时间相隔 9 d,花量发生明显变化,致使
冠 N指标构建中所用的花叶比差异较大,30 个样本
的花叶比平均值分别为 0. 45(TM)和 0. 24(ALOS),
而研究区的反演花叶比平均值分别为 0郾 49(TM)和
0郾 27(ALOS).如此情况下,由于花叶比差异,即使叶
N和花 N含量完全一样,不同影像的冠 N 也会差别
很大,所以 ALOS的反演结果明显低于 TM.
30 个样本花 N实测平均值为 26. 70 g·kg-1,乘
以花叶比之差 (0. 21 ~ 0. 22),可得 5. 61 ~ 5. 87
g·kg-1的差值,与反演平均值之差(6. 63 g·kg-1)
接近.为使分等具可比性,将 TM鄄冠 N各等级值域上
下限统一减 6 g·kg-1,总取值范围为 29. 0 ~ 48. 0
g·kg-1,恰好包含 ALOS鄄冠 N 指标范围,统计 6 等
级的像元比例.由表 5 可以看出,经花叶比差异平衡
后,冠 N 指标等级分布差异不大,92. 0% (TM) 和
94郾 9% (ALOS) 的像元为 2 ~ 4 等,且均以 3 等为
主,分别占 61. 1%和 42. 2% ;TM中 2 等比例略低于
4 等,ALOS中 2 等比例远高于 4 等,说明 TM的冠 N
反演结果仍略高于 ALOS,与叶 N的反演结果一致.
摇 摇 基于 TM影像的冠 N 反演含量以 3 等为主,而
ALOS以 2 和 3 等为主;5 ~ 6 高等级区域仍位于研
究区西北部、东北部和南部蛇窝泊镇附近,ALOS 表
现尤为明显,与 ALOS 分辨率高有关. 总体而言,冠
N与叶 N的等级空间布局趋势基本一致(图 2).
2郾 4摇 氮素营养空间反演精度
将 ALOS反演结果的空间分辨率重采样至
表 5摇 冠 N反演指标分等统计表
Table 5摇 Grade statistics of retrieval nitrogen nutrient index in canopies
等级
Grade
TM
N素指标
Nitrogen index
(g·kg-1)
像元数量
Pixel
number
像元比例
Pixel percentage
(% )
ALOS
N素指标
Nitrogen index
(g·kg-1)
像元数量
Pixel
number
像元比例
Pixel percentage
(% )
1 [35, 38) 18609 3. 8 [29, 32) 38785 1. 0
2 [38, 41) 64487 13. 3 [32, 35) 1420799 37. 4
3 [41, 44) 295870 61. 1 [35, 38) 1602553 42. 2
4 [44, 47) 84821 17. 5 [38, 41) 583032 15. 4
5 [47, 50) 15586 3. 2 [41, 44) 128731 3. 4
6 [50, 54) 4662 1. 0 [44, 48) 25049 0. 7
合计 Total 摇 摇 - 484035 100 摇 摇 - 3798949 100
768210 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 王摇 凌等: 花期苹果树冠氮素营养状况的卫星遥感反演摇 摇 摇 摇 摇
图 2摇 冠 N营养反演指标等级的空间分布
Fig. 2 摇 Spatial distribution of retrieval nitrogen nutrient index
grades in canopies.
30 m,剔除含其他地类的像元,共获取 321889 个像
元.将基于不同影像的反演结果进行像元相减(TM鄄
ALOS)运算,分别获得叶 N和冠 N反演差值空间分
布图.像元差的绝对值越小,表明基于两种影像的反
演结果越接近,反演效果越好. 以实测叶 N 含量平
均值(29. 97 g·kg-1)的 5% (依1. 50 g·kg-1)、10%
(依3. 00 g·kg-1)、15% (依4. 50 g·kg-1)和以实测值
计算出的冠 N 指标平均值(42. 01 g·kg-1)的 5%
(依2. 10 g·kg-1 )、10% ( 依4. 20 g·kg-1 )和 15%
(依6. 30 g·kg-1)作为差异等级水平,统计各水平内
的像元比例.由于叶 N和冠 N 的 TM 反演平均值分
别比 ALOS 高 0. 73 和 0. 59g·kg-1,所以在花叶比
差异平衡的基础上再考虑平均值差异,用于对照.
表 6摇 基于 TM和 ALOS的 N素营养差值统计表
Table 6摇 Statistics of retrieval nitrogen nutrient differences
between TM and ALOS imagery (g·kg-1)
系列
Series
不同差异等级水平上的像元比例
Pixel percentage under
difference grade level
5% 10% 15%
叶 N TM鄄ALOS 50. 8 75. 1 86. 7
N in leaves TM鄄ALOS鄄0. 73 54. 4 76. 0 87. 8
冠 N TM鄄ALOS 48. 5 78. 9 92. 8
N in canopies TM鄄ALOS鄄0. 59 49. 2 79. 6 93. 5
摇 摇 由表 6 可以看出,4 个系列的差值表现出相似
的特性,半数像元差值在 5%之内,其中叶 N的效果
略好于冠 N;10%的水平内,冠 N 好于叶 N;在 15%
的水平内,冠 N仍好于叶 N.利用影像间的平均值之
差平衡后效果略好,表明此反演方法应用于不同影
像得到了近似的结果.
3摇 讨摇 摇 论
本研究同时利用反演和实测反射率筛选了氮素
敏感光谱指数,基于不同影像的光谱指数与氮素营
养的相关性表现一致:冠 N>叶 N>花 N,敏感光谱指
数构成以绿、红、近红外波段为主,与植被的敏感波
段一致,也与已有研究[15-17]的苹果树氮素含量敏感
波段一致.
本文所构建的 3 类反演模型中,支持向量机模
型精度最高,其在解决小样本、非线性和高维模式识
别问题中具有特有的优势,在定量遥感领域的应用
正在深入[28],模型 R2均在 0. 84 以上,其中,ALOS
精度高于 TM,冠 N模型的精度略好于叶 N.
基于 TM 和 ALOS 的叶 N 反演含量均以 3 ~ 4
等为主,冠 N反演指标均以 2 ~ 4 等为主;整体空间
布局亦表现类似,5 ~ 6 高等级区域与苹果生产重点
镇布局吻合.反演方法应用于不同影像得到近似的
结果,半数像元反演差值在平均值的 5%之内,75%
以上像元在 10%之内. 研究表明,将卫星遥感技术
应用于苹果树营养诊断,具有一定可行性,为宏观空
间尺度的果树营养估测提供了一种快速可行、成本
低廉的技术方法.
反演过程受多种因素的影响,本研究中已尽可
能降低干扰,但由于反演系统的复杂性和条件限制,
还需在以后的研究中进一步完善. 理论上实测与影
像成像应在同一时间,但受卫星运行周期的限制,数
天的间隔会使冠层花量发生变化,今后应探索将果
树生长耦合模型引入反演方法中.花期冠 N 指标比
叶 N含量更接近实际,模型精度较高,但其中的花
叶比指数精度有待提高,因而导致 5%的差异水平
内冠 N 像元比例略低于叶 N.基于 ALOS 的总体反
演效果好于 TM,但 ALOS波段较少,运算量较大,可
针对不同的空间尺度选择使用. 基于卫星影像的苹
果树营养诊断处于起步阶段,文中只针对花期进行
了研究,今后应对关键物候期,如春梢停止生长期、
秋梢停止生长期、果实成熟花芽分化期等,开展系列
研究,为营养诊断模型提供更充分的理论支持.
8682 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 24 卷
参考文献
[1]摇 L俟 D鄄Q(吕殿青), Tong Y鄄A (同延安), Sun B鄄H (孙
本华), et al. Study on effect of nitrogen fertilizer use
on environment pollution. Plant Nutrition and Fertilizer
Science(植物营养与肥料学报), 1998, 4(1): 8-15
(in Chinese)
[2] 摇 Peng F鄄T (彭福田), Jiang Y鄄M (姜远茂), Gu M鄄R
(顾曼如), et al. Advances in research on nitrogen nu鄄
trition of deciduous fruit crops. Journal of Fruit Science
(果树学报), 2003, 20(1): 54-58 (in Chinese)
[3]摇 Thomas JR, Oerther GF. Estimating nitrogen content of
sweet pepper leaves by reflectance measurements. Ag鄄
ronomy Journal, 1972, 64: 11-13
[4]摇 Wang R鄄C (王人潮), Chen M鄄Z (陈铭臻), Jiang H鄄
X (蒋亨显). Studies on agronomic mechanism of the
rice yield estimation by remote sensing. 玉: The rice re鄄
flectance characteristics of different nitrogen levels and
the selection of their sensitive bands. Journal of Zhe鄄
jiang University (浙江农业大学学报), 1993, 19(sup鄄
pl. ): 7-14 (in Chinese)
[5]摇 Filella I, Serrano L, Serra J, et al. Evaluating wheat
nitrogen status with canopy reflectance indices and dis鄄
criminant analysis. Crop Science, 1995, 35: 1400 -
1405
[6] 摇 Tarpley L, Reddy KR. Reflectance indices with preci鄄
sion and accuracy in predicting cotton leaf nitrogen con鄄
centration. Crop Science, 2000, 40: 1814-1819
[7]摇 Bronson KF, Chua TT, Booker JD, et al. In鄄season ni鄄
trogen status in irrigated cotton. II. Leaf nitrogen and
biomass. Soil Science Society of America Journal, 2003,
67: 1439-1448
[8]摇 Xue L鄄H (薛利红), Cao W鄄X (曹卫星), Luo W鄄H
(罗卫红), et al. Diagnosis of nitrogen status in rice
leaves with the canopy spectral reflectance. Scientia Ag鄄
ricultura Sinica (中国农业科学), 2003, 36(7): 807-
812 (in Chinese)
[9]摇 Zhu Y (朱摇 艳), Li Y鄄X (李映雪), Zhou D鄄Q (周
冬琴), et al. Quantitative relationship between leaf ni鄄
trogen concentration and canopy reflectance spectra in
rice and wheat. Acta Ecologica Sinica (生态学报),
2006, 26(10): 3463-3469 (in Chinese)
[10]摇 Ju C鄄H (鞠昌华), Tian Y鄄C (田永超), Zhu H鄄F (朱
洪芬), et al. Inversion of wheat nitrogen status based
on LISS4 data. Transactions of the Chinese Society of Ag鄄
ricultural Engineering (农业工程学报), 2008, 24
(11): 150-154 (in Chinese)
[11]摇 Chanseok R, Masahiko S, Mikio U. Multivariate analy鄄
sis of nitrogen content for rice at the heading stage using
reflectance of airborne hyperspectral remote sensing.
Field Crops Research, 2011, 122: 214-224
[12]摇 Wang L鄄G(王来刚), Tian Y鄄C (田永超), Li W鄄L
(李文龙) , et al. Estimation of winter wheat leaf nitro鄄
gen accumulation based on coupling ground and space
remotely sensed information. Chinese Journal of Applied
Ecology (应用生态学报), 2012, 23(1): 73-80 ( in
Chinese)
[13]摇 Abdel鄄Rahman EM, Ahmed FB, Ismail R. Random for鄄
est regression and spectral band selection for estimating
sugarcane leaf nitrogen concentration using EO鄄1 Hype鄄
rion hyperspectral data. International Journal of Remote
Sensing, 2013, 34: 712-728
[14]摇 Zhu X鄄L (朱晓铃), Huang Z鄄Q (黄正清), Gao J鄄Y
(高建阳), et al. A preliminary study of hyperspectral
remote sensing model for estimation of nitrogen concen鄄
tration in pomelo from Guanxi. Remote Sensing for Land
& Resources(国土资源遥感), 2007, 19(2): 71-74
(in Chinese)
[15]摇 Xing D鄄X (邢东兴), Chang Q鄄R (常庆瑞). Research
on predicting the TN, TP, TK contents of fresh fruit tree
leaves by spectral analysis with Red Fuji apple tree as
an example. Journal of Northwest A&F University(Natu鄄
ral Science) (西北农林科技大学学报·自然科学
版), 2009, 37(2): 141-147 (in Chinese)
[16]摇 Li B鄄Z (李丙智), Li M鄄X (李敏夏), Zhou X (周摇
璇), et al. Hyperspectral estimation models for nitrogen
contents of apple leaves. Journal of Remote Sensing(遥
感学报), 2010, 14(4): 761-773 (in Chinese)
[17]摇 Zhu X鄄C (朱西存), Zhao G鄄X (赵庚星), Wang L
(王摇 凌), et al. Hyperspectrum based prediction mod鄄
el for nitrogen content of apple flowers. Spectroscopy and
Spectral Analysis(光谱学与光谱分析), 2010, 30(2):
416-420 (in Chinese)
[18]摇 Wang Z (王摇 植), Zhou L鄄D (周连第), Li H (李摇
红), et al. Predicting nitrogen concentrations in fresh
peach leaf from hyperspectral remote sensing. Chinese
Agricultural Science Bulletin(中国农学通报), 2011,
27(4): 85-90 (in Chinese)
[19]摇 Yi S鄄L (易时来), Deng L (邓摇 烈), He S鄄L (何绍
兰), et al. Monitoring nitrogen contents of Jincheng
leaves using multi鄄spectrum digital image analysis tech鄄
nique. Plant Nutrition and Fertilizer Science(植物营养
与肥料学报), 2012, 18(1): 176-181 (in Chinese)
[20] 摇 Hu Z鄄Z (胡珍珠), Pan C鄄D (潘存德), Wang S鄄W
(王世伟), et al. Models for estimating foliar NPK con鄄
tent of Armeniaca vulgaris ‘Luntaibaixing爷 using spec鄄
tral reflectance. Xinjiang Agricultural Sciences(新疆农
业科学), 2013, 50(2): 238-248 (in Chinese)
[21]摇 Blackburn GA. Spectral indices for estimating photosyn鄄
968210 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 王摇 凌等: 花期苹果树冠氮素营养状况的卫星遥感反演摇 摇 摇 摇 摇
thetic pigment concentration: A test using senscent tree
leaves. International Journal of Remote Sensing, 1998,
19: 657-675
[22]摇 Wan Y鄄Q (万余庆), Zhang F鄄L (张凤丽), Yan Y鄄Z
(闫永忠). A research on the hyperspectral indexes of
dominant vegetation in Yanhe drainage. Remote Sensing
For Land & Resources(国土资源遥感), 2002, 14(1):
47-52 (in Chinese)
[23]摇 Herrmann I, Karnieli A, Bonfil DJ, et al. SWIR鄄based
spectral indices for assessing nitrogen content in potato
fields. International Journal of Remote Sensing, 2010,
31: 5127-5143
[24] 摇 Zhang D鄄Q (张冬强), Tang Z鄄L (唐子立), Yang Y
(杨 摇 勇), et al. Model for citrus leaves chlorophyll
content based on spectral signature. Journal of Agro鄄En鄄
vironment Science (农业环境科学学报), 2012, 31
(10): 1891-1896 (in Chinese)
[25]摇 Yan C鄄Y (颜春燕), Niu Z(牛摇 铮), Wang J鄄H (王
纪华), et al. The assessment of spectral indices ap鄄
plied in chlorophyll content retrieval and a modified crop
canopy chlorophyll content retrieval model. Journal of
Remote Sensing(遥感学报), 2005, 9(6): 742 -750
(in Chinese)
[26]摇 Jr Hunt RE, Doraiswamy PC, McMurtrey JE, et al. A
visible band index for remote sensing leaf chlorophyll
content at the canopy scale. International Journal of Ap鄄
plied Earth Observation and Geoinformation, 2013, 21:
103-112
[27]摇 Wang L (王 摇 凌), Zhao G鄄X (赵庚星), Zhu X鄄C
(朱西存), et al. Quantitative remote sensing retrieval
of apple tree canopy reflectance at blossom stage in hilly
area. Chinese Journal of Applied Ecology (应用生态学
报), 2012, 23(8): 2233-2241 (in Chinese)
[28]摇 Zhang R (张摇 睿), Ma J鄄W (马建文). State of the
art on remotely sensed data classification based on sup鄄
port vector machines. Advances in Earth Science(地球
科学进展), 2009, 24(5): 555-562 (in Chinese)
作者简介 摇 王 摇 凌,女,1975 年生,讲师,博士. 主要从事农
业遥感信息与环境生态研究. E鄄mail: lingwang@ sdau. edu. cn
责任编辑摇 杨摇 弘
0782 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 24 卷