全 文 ：基于机载高光谱影像的植被冠层叶绿素反演*
李明泽**摇 赵小红摇 刘摇 钺摇 卢摇 伟摇 董摇 帅摇 孟摇 露
(东北林业大学林学院, 哈尔滨 150040)
摘摇 要摇 利用黑龙江省伊春市带领区凉水国家级自然保护区机载高光谱数据,提取了红边面
积、三角形植被指数、归一化植被指数等 15 个光谱参数,结合坡度、坡向、海拔、郁闭度和植被
总盖度 5 个地理参数,并利用叶绿素计 SPAD鄄502 对研究区植被冠层叶绿素相对含量进行同
步测量,分析了叶片光谱反射率、反射率的一阶导数及其他变形分别与 SPAD 值的相关性,采
用基于核变换的偏最小二乘原理建立了叶绿素相对含量的估测模型,用该模型对研究区植被
冠层叶绿素相对含量进行定量估算.结果表明:当分段数为 3、提取的主成分数为 10 时,所建
模型的效果较好,模型决定系数达到 0. 855,平均绝对百分误差为 9. 6% ,预测精度为 89. 7% .
关键词摇 机载高光谱遥感摇 叶绿素估算模型摇 偏最小二乘
文章编号摇 1001-9332(2013)01-0177-06摇 中图分类号摇 P237摇 文献标识码摇 A
Inversion of vegetation canopy爷s chlorophyll content based on airborne hyperspectral image.
LI Ming鄄ze, ZHAO Xiao鄄hong, LIU Yue, LU Wei, DONG Shuai, MENG Lu (School of Forestry,
Northeast Forestry University, Harbin 150040, China) . 鄄Chin. J. Appl. Ecol. ,2013,24(1): 177-182.
Abstract: By using the airborne hyperspectral remote sensing data of Liangshui National Nature Re鄄
serve in Yichun of Heilongjiang Province, Northeast China, 15 spectral parameters including red
edge area, triangular vegetation index, and normalized difference vegetation index, etc. were ex鄄
tracted, and in combining with 5 geographical parameters including slope, aspect, elevation, cano鄄
py density and total vegetation coverage, and by using SPAD鄄502, the vegetation canopy爷s relative
chlorophyll content in the reserve were measured, with the correlations of the leaf spectral reflectivi鄄
ty, its first鄄order derivative and other deformations with the SPAD value analyzed. A prediction
model for relative chlorophyll content was established by adopting the kernel鄄based partial least鄄
squares regression, and a quantitative estimation of the vegetation canopy爷 s relative chlorophyll
content in the study area was carried out with the established model. The results showed that the
model performed best when the sections were three and the principle components were ten. The co鄄
efficient of determination of the model was R2 = 0. 855, the mean absolute percent error was 9. 6% ,
and the prediction precision was 89. 7% .
Key words: airborne hyperspectral remote sensing; estimation model for chlorophyll content; ker鄄
nel partial least鄄squares.
*国家高技术研究发展计划项目(2012AA102001)、国家林业局“948冶
项目(2011鄄4鄄80)和黑龙江省自然科学基金项目(C200923)资助.
**通讯作者. E鄄mail: mingzelee@ 163. com
2012鄄05鄄17 收稿,2012鄄11鄄01 接受.
摇 摇 叶绿素是评价植物光合作用、估测植物生长状
况、诊断植物病理的重要生物化学参数,也可用来反
映下垫面信息,如土壤肥力等.短时间内有效地估测
大尺度绿色植被叶绿素含量对于研究碳循环、评价
森林健康、估计农作物产量具有重要意义[1-5] .高光
谱数据中的海量光谱信息有助于更加精确地估测植
被叶绿素含量,使定量估测大面积植被冠层叶绿素
含量成为可能.研究表明,在冠层水平上提取植被叶
绿素含量是可行的,但多数研究侧重于单一植被、小
面积林地和农作物[6-8] .
绿光、红光和近红外波段附近的光谱对叶绿素
比较敏感,基于这些波段的植被指数可以用于冠层
叶绿素含量的测定[9-11] .植被叶片的叶绿素相对含
量( soil and plant analyzer development,SPAD)与叶
绿素含量具有明显相关性,可直接用于估测叶绿素
含量[12-15],故又称为绿色度. SPAD 指通过测量叶子
在红光区域和红外光区域的吸收率,来评估当前叶
子中的叶绿素相对含量,常用的 SPAD 测定仪是日
应 用 生 态 学 报摇 2013 年 1 月摇 第 24 卷摇 第 1 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, Jan. 2013,24(1): 177-182
本 KONICAMINOLTA 公司生产的 SPAD鄄502. 目前,
常用的叶绿素含量估测模型主要有辐射传输模
型[16]和统计模型[17] . 本研究基于机载航空高光谱
影像,提取植被冠层光谱信息,筛选出合适的反演变
量,建立基于 SPAD 值的高光谱估算模型并检验其
精度,以期在对植物组织无伤害条件下,为短时间内
估测大面积森林植被冠层叶绿素相对含量提供理论
依据和方法借鉴.
1摇 研究地区与研究方法
1郾 1摇 研究区概况
研究区位于黑龙江省伊春市带领区凉水国家级
自然保护区(47毅7忆15义—47毅14忆38义 N,128毅48忆8义—
128毅55忆46义 E,图 1),总面积 6394 hm2,其中原始红
松林面积 2375 hm2,为典型的低山丘陵地貌,海拔
280 ~ 707 m. 该区年均气温 -0郾 3 益,年均降水量
676郾 0 mm,年均相对湿度 78% ,年无霜期 100 ~ 120
d,土壤以暗棕壤为主. 该林区是以红松(Pinus ko鄄
raiensis)为主的温带针阔混交林生态系统,主要树种
还有云杉(Picea asperata)、冷杉(Abies alba)、白桦
(Betula platyphylla)、赤杨(Alniphyllum fortunei)等.
1郾 2摇 数据收集与处理
1郾 2郾 1 地面和高光谱数据获取 摇 2010 年 7 月 29 日
到 8 月 4 日进行外业调查,在研究区域内随机选择
并设置 25 块 10 m伊10 m样地,样地类型为针阔混交
林,林分具有代表性且生长状况良好.每块样地选取
优势树种 5 ~ 6 棵,以红松、云杉、冷杉为主. 采用差
分 GPS确定样地中心点位置,用皮尺测定样本树的
东西南北冠幅.将树冠等分为上、中、下 3 层,使用高
枝剪采集每层树叶样本,每层取 5 ~ 10 片,利用
SPAD鄄502 叶绿素仪在每个叶片上均匀测取 6 ~ 10
处 SPAD值,取平均值作为此叶片的 SPAD 值.其中
1 块样地的外业数据如表 1 所示.
图 1摇 研究区位置示意图
Fig. 1摇 Sketch map of the location of the study area郾
摇 摇 研究区域的高光谱数据采集时间为 2009 年 8
月 23 日,传感器为加拿大 IT鄄RES 公司生产的
CASI / SASI航空高光谱测量系统,由小型多用途飞
机运鄄5 搭载.数据共包含 144 个波段,光谱分辨率为
4郾 8 nm.其中,红外波段在 680 nm附近,近红外波段
在 780 nm附近.
1郾 2郾 2 样本树反射率的计算 摇 利用 ENVI 软件将差
分 GPS的结算结果定位到高光谱图像中,将样本树
与样地中心点的实际距离(S)换算成图上距离(d)
(d=S / 1郾 5,式中,1郾 5 m 是高光谱图像的空间分辨
率),根据角度(指由正北方向顺时针旋转至样地中
心点与样本树连线之间的角度),确定样本树的中
心位置,再根据冠幅大小确定样本树所覆盖的像素
范围,并结合同一时期的正射影像验证,计算各像素
反射率的平均值作为该树木的光谱信息.
1郾 3摇 遥感模型的建立
1郾 3郾 1 模型变量的选择 摇 有研究表明,植被冠层叶
绿素含量与反射率在波长 620 ~ 750 nm范围内有明
显相关性[18-19] .本研究对 144 个波段求一阶导数和
自然对数,将其结果和反射率分别与最终反演因变
量 SPAD进行相关性分析,选取相关性较高的变形
表 1摇 13 号样地外业调查数据
Table 1摇 Experimental field data of Plot 13
中心坐标 X,Y
Central coordinates
X,Y
(m)
角度
Angle
(毅)
距离
Distance
(m)
东西冠幅
East鄄west
tree crown
(m)
南北冠幅
North鄄south
tree crown
(m)
SPAD均值 SPAD average
上层
Upper
中层
Medium
下层
Lower
489633,5229712 150 12郾 1 7郾 2 7郾 4 50郾 54 51郾 92 54郾 84
130 10郾 5 4郾 3 4郾 5 48郾 56 54郾 56 55郾 46
355 6郾 3 3郾 1 3郾 3 46郾 58 53郾 58 45郾 78
5 9郾 3 6郾 1 5郾 4 51郾 16 47郾 26 46郾 52
340 14郾 7 6郾 0 6郾 1 50郾 58 51郾 84 52郾 14
距离指样本树与样地中心点的实际距离,角度指由正北方向顺时针旋转至样地中心点与样本树连线之间的角度 Distance referred to the actual
distance between the corresponding sample tree and the center of the sample plot, and angle referred to the angle form north direction clockwise rotation to
the line connecting the corresponding sample tree and the sample plot center郾
871 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
作为候选参数. 根据大量已有研究成果[20-24],本文
选取高光谱指数 15 个. 经相关性分析发现,有些参
数的相关变形比其参数本身与 SPAD 的相关性更
高,如 NDVI 与 SPAD 的相关系数只有 0郾 5,而其倒
数与 SPAD的相关性达到 0郾 6,因此将它们的变形作
为模型参数. 大部分样本树的光谱反射率与 SPAD
相关性在 466 和 767 nm 波段达到峰值,因此将 Log
466(466 nm波段的常用对数)、Diff 767(767 nm 波
段的一阶导数)作为候选参数. 考虑到地形和植被
调查因子的影响,本文将地理信息系统空间数据库
和森林资源调查数据中的地形参数坡度、坡向,以及
植被调查因子郁闭度、植被总盖度加入到候选变量
中.模型最终采用参数及其描述参见表 2.
1郾 3郾 2 建模方法摇 偏最小二乘(partial least squares,
PLS)回归分析方法是一种新型的多元统计数据分
析方法,它同时实现了多元线性回归分析、相关分析
和主成分分析,可以有效地克服一般最小二乘回归
分析方法无法解决的难题. 偏最小二乘方法是在自
变量和因变量存在严重多重相关性的条件下进行回
归建模的方法,它考虑并分析了自变量集和因变量
整体的典型相关关系,寻找自变量和因变量的最大
相关,进而抽取自变量和因变量各自的主要成分,进
表 2摇 反演模型参数的定义及描述
Table 2摇 Definition and description of hyperspectral model parameters
光谱参数
Hyperspectral parameter
描述或公式
Description or equation
红边面积
Red edge area (REA)
红边一阶导数总和
Sum of first鄄order derivatives of red edge
红边平均反射率
Mean reflectivity of red edge (MFRE)
红边范围内反射率的平均值
Mean of the reflectivities ranging in red edge
红边斜率
Red edge slop (RES)
红边内一阶导数光谱的最大峰值
The maximum peak of first鄄order derivative of the reflectivities ranging in red edge
红边位置附近平均反射率
Mean reflectivity of red edge proximity (MFREP)
红边位范围内的平均反射率
Mean of reflectivities of red edge proximity
红边归一化植被指数
Red edge of normalized difference vegetation index (RENDVI)
(R780 -R680) / (R780 +R680)
红边植被胁迫指数
Red edge vegetation stress index (RVSI)
R714 -R752
2 -R733
叶绿素吸收比值植被指数
Chlorophyll absorptance ratio vegetation index (CARI)
|琢伊670+R670 +茁 |
琢2 +1 伊R670
琢=(R700 -R550) / 150, 茁=R550 -550琢
三角形植被指数
Triangle vegetation index (TVI)
60(RNIR-RGreen)-100(RRed-RGreen)
优化土壤调节植被指数
Optimization soil adjusting vegetation index (OSAVI)
(1+0郾 16)伊(R800 -R670)
R800 +R670 +0郾 16
比值叶绿素指数
Ratio chlorophyll index (PSSR)
R810郾 4
R674郾 0
归一化比值叶绿素指数
Normalized Ratio chlorophyll index (PSND) (R810郾 4 -R674郾 0) / (R810郾 4 +R674郾 0)
绿度植被指数
Green normalized difference vegetation index (GNDVI) (RNIR-RGreen) / (RNIR-RGreen)
归一化植被指数
Normalized difference vegetation index (NDVI) (RNIR-RRed) / (RNIR+RRed)
Log550 550 nm波段的常用对数 Common logarithm of the reflection of 550 nm band
Diff768 768 nm波段的一阶导数 The first derivative of the reflection of 768 nm band
坡度 Slope
坡向 Aspect
海拔 Altitude
郁闭度
Canopy density
林地树冠垂直投影面积与林地面积之比 The rate of the forest land canopy爷s verti鄄
cal projection area to the total forest land area
植被总盖度
Total vegetation coverage
植物群落总体或各个体的地上部分的垂直投影面积与样方面积之比的百分数
Percentage of the vertical projection area of plant community general or the individu鄄
al爷s aboveground to the total plot area
R680:680 nm波段的反射率 Reflectivity of 680 nm band; R780:780 nm波段的反射率 Reflectivity of 780 nm band; R714:714 nm波段的反射率 Re鄄
flectivity of 714 nm band; R752:752 nm波段的反射率 Reflectivity of 752 nm band; R733:733 nm波段的反射率 Reflectivity of 733 nm band; R700:
700 nm波段的反射率 Reflectivity of 700 nm band; R550:550 nm波段的反射率 Reflectivity of 550 nm band; RNIR:近红外波段的反射率 Reflectivity
of near鄄infrared band; RGreen:绿色波段的反射率 Reflectivity of green band; R800:800 nm波段的反射率 Reflectivity of 800 nm band; R670:670nm波
段的反射率 Reflectivity of 670 nm band; R810郾 4:810郾 4 nm波段的反射率 Reflectivity of 810郾 4 nm band; R674郾 0:Reflectivity of 674郾 0 nm band; RRed:
红色波段的反射率 Reflectivity of red band郾
9711 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 李明泽等: 基于机载高光谱影像的植被冠层叶绿素反演摇 摇 摇 摇 摇
行数据结构简化,实现多因变量对多自变量的回归
建模[24] . 研究表明,PLS 方法对连续光谱分析有明
显优势[25-26] .由于本研究中的变量偏多,为提高准
确率,采用基于高斯核函数变换的偏最小二乘方法
构建模型[27-30] .
2摇 结果与分析
2郾 1摇 模型结果及精度检验
利用基于高斯核函数变换的偏最小二乘方法构
建模型,将地面实测 90 组数据中的 60 组用于建模,
30 组用于模型检验.当变量分段数为 3、提取主成分
为 10 时,模型的均方差是 2郾 20,平均绝对百分误差
为 3郾 4% (图 2). 说明基于高斯核函数的偏最小二
乘法可以估算植被冠层叶绿素相对含量.
摇 摇 将未参与建模的 30 组外业数据用于评价模型
的应用精度.用于检验的统计量为平均绝对百分误
差(MARE):MARE = 1n移
n
i = 1
|
yi - y^i
yi
| 伊 100% .预估
精度的计算方法为:在观测值( yi )和模型预测值
( y^i)之间建立一元回归模型:yi = 琢+茁y^i +着i,然后计
算回归标准误差 S軃y:S軃y =
移(yi - y^i) 2
n(n - p) 、模型的预
测精度 P:P = (1 -
t0郾 05S軃y
軃y
^ ) .式中:yi 为观测值;y^i 为
预测值;軃y =移yi / n;軃y^ =移 y^i / n ;n 为样本个数;p 为
参数个数. 最终检验结果为 MARE = 9郾 6% , P =
89郾 7% ,说明采用该方法建立的模型效果较好,可用
于研究区域叶绿素相对含量的估算.
2郾 2摇 研究区植被冠层叶绿素相对含量的估算
将整个研究区域的光谱图像进行波段运算所获
得的光谱参数,用凉水地区DEM生成的坡度、坡向
图 2摇 基于高斯核函数变换的偏最小二乘模型检验
Fig. 2 摇 Test of PLS model based on Gaussian kernel function
transformation.
图 3摇 研究区植被冠层叶绿素含量的估算结果
Fig. 3摇 Estimation results of vegetation canopy chlorophyll con鄄
tent in the study area郾
玉:无林地 Non鄄forest land (0 ~ 10); 域:低叶绿素含量 Low SPAD
(11 ~ 100); 芋:中等叶绿素含量 Medium SPAD (101 ~ 125); 郁:高
叶绿素含量 High SPAP (126 ~ 143); 吁:无数据 No data. 图中的黑
斑是处于传感器下方的云或植被的阴影 Black spots were the cloud or
the shadow of vegetation below the sensor郾
图,以及郁闭度和地被总盖度图像代入到叶绿素遥
感模型中,对研究区域的叶绿素相对含量进行定量
估算.将估算结果图分级显示,并与小班分布图叠
加.
从图 3 可以看出,各等级(低、中、高)的叶绿素
相对含量(SPAD)和实地优势树种分布相对应. 红
松、云冷杉的叶绿素含量相对较高,SPAD 值主要集
中在 126 ~ 143;落叶松和阔叶树种的叶绿素含量相
对较低,SPAD值主要集中在 101 ~ 125,这可能与树
种的叶片组织结构有关. 红松、云冷杉叶片狭窄,角
质层发达,表面积与容积之比较小,厚壁组织充分发
育,叶龄较长,故叶绿素积累量相对较高;阔叶树叶
片扁平,叶脉呈网状,叶龄短,叶片中的叶绿素分解
转化速度较快,故叶绿素相对含量较低.
3摇 结 摇 摇 论
本研究基于机载高光谱数据提取了 15 个光谱
参数,并结合坡度、坡向、海拔、郁闭度和植被总盖度
5 个地理参数,利用基于核变换的偏最小二乘原理
建立了研究区域植被冠层叶绿素相对含量的估测模
型,采用偏最小二乘模型对研究区域的叶绿素相对
含量进行了定量估算.结果表明:本文所建植被冠层
叶绿素相对含量回归模型的平均百分绝对误差为
3郾 4% ,检验平均绝对误差为 9郾 6% ,说明采用该方
法建立的模型效果较好,可用于研究区域植被冠层
叶绿素相对含量的估算. 采用基于机载高光谱影像
的植被冠层叶绿素反演模型,既可对研究区域森林
叶绿素相对含量进行定量估算,也能对不同树种的叶
081 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
绿素相对含量进行分析,本研究结果对于区域尺度森
林叶绿素相对含量的估算提供了方法借鉴.受研究条
件限制,本文在模型建立所取的样本中,上层叶片偏
少,对结果有一定影响,今后应增加上层叶片的样本
数量,来提高模型的估算精度及模型的适用性.
参考文献
[1]摇 Cheng P鄄C (程鹏程), Zhang J鄄H (张建华), Lei Y鄄H
(雷勇辉), et al. Research progress on hyperspectral
remote sensing in monitoring crop disease and insect
pests. Chinese Agricultural Science Bulletin (中国农学
通报), 2006, 22(2): 388-391 (in Chinese)
[2]摇 Wang L (王 摇 蕾), Luo Y鄄Q (骆有庆), Zhang X鄄L
(张晓丽), et al. Application development of remote
sensing technology in the assessment of forest pest disas鄄
ter. World Forestry Research (世界林业研究), 2008,
21(5): 37-42 (in Chinese)
[3]摇 Zhang T (张 摇 田), Zhang X鄄L (张晓丽), Liu H鄄W
(刘红伟), et al. Application of remote sensing tech鄄
nology in monitoring forest diseases and pests. Journal
of Anhui Agricultural Sciences (安徽农业科学), 2010,
38(21): 11604-11606 (in Chinese)
[4]摇 Yue Y鄄M (岳跃民), Wang K鄄L (王克林), Zhang B
(张摇 兵). Applications of hyperspectral remote sensing
in ecosystem. Remote Sensing Technology and Applica鄄
tion (遥感技术与应用), 2008, 23(4): 471-476 ( in
Chinese)
[5]摇 Qi Y鄄Q (祈亚琴), Wang D鄄W (王登伟), Chen G鄄W
(陈冠文), et al. Research of crop canopy characteris鄄
tic information by using hyperspectral remote sensing da鄄
ta. Cotton Science (棉花学报), 2005, 17(6): 371-
375 (in Chinese)
[6]摇 Wu C鄄S (吴长山), Xiang Y鄄Q (项月琴), Zheng L鄄F
(郑兰芬), et al. Estimating chlorophyll density of crop
canopies by using hyperspectral data. Journal of Remote
Sensing (遥感学报), 2000, 4(3): 228-232 ( in Chi鄄
nese)
[7]摇 Cheng Q (程摇 乾). Estimation models of rice LAI and
chlorophyll content based on MOD09. Chinese Journal of
Applied Ecology (应用生态学报), 2006, 17 (8):
1453-1458 (in Chinese)
[8]摇 Fang H (方摇 惠), Song H鄄Y (宋海燕), Cao F (曹
芳). Study on the relationship between spectral proper鄄
ties of oilseed rape leaves and their chlorophyll content.
Spectroscopy and Spectral Analysis (光谱学和光谱分
析), 2007, 27(9): 1731-1734 (in Chinese)
[9]摇 Jacquemoud S, Ustin SI, Verdebout J, et al. Estimating
leaf biochemistry using the PROSPECT leaf optical prop鄄
erties mode. Remote Sensing of Environment, 1996, 56:
194-202
[10]摇 Lin H (林 摇 辉), Liu X (刘 摇 璇), Zang Z (臧
卓), et al. Study on hyper鄄spectral reducing dimen鄄
sions and classification for main southern coniferous tree
species. Journal of Central South University of Forestry
& Technology (中南林业科技大学学报), 2010, 30
(11): 1-5 (in Chinese)
[11]摇 Zarco鄄Tejada PJ, Miller JR, Mohammed GH, et al. Es鄄
timation of chlorophyll fluorescence under natural illumi鄄
nation from hyperspectral data. International Journal of
Applied Earth Observation and Geoinformation, 2001, 3:
321-327
[12] 摇 Jiang L鄄F (姜丽芬), Shi F鄄C (石福臣), Wang H鄄T
(王化田), et al. Application tryout of chlorophyll me鄄
ter SPAD鄄502 in forestry. Chinese Journal of Ecology
(生态学杂志), 2005, 24(12): 1543-1548 ( in Chi鄄
nese)
[13]摇 Zhang Y鄄S (张友胜), Zhang S鄄J (张苏俊), Li Z鄄K
(李震魁). Characteristics of plant chlorophyll and the
prospects for its use in forest ecological study. Journal of
Anhui Agricultural Sciences (安徽农业科学), 2008,
36(3): 1014-1017 (in Chinese)
[14]摇 Li J鄄Q (李杰勤), Wang L鄄H (王丽华), Zhan Q鄄W
(詹秋文), et al. The correlation study of SPAD value,
chlorophyll content and crude protein content in two va鄄
rieties of Lolium perenne. Pratacultural Science (草业科
学), 2010, 27(9): 1731-1734 (in Chinese)
[15]摇 Zeng J鄄M (曾建敏), Yao H (姚摇 恒), Li T鄄F (李天
福), et al. Chlorophyll content determination and its re鄄
lationship with SPAD readings in flue鄄cured. Molecular
Plant Breeding (分子植物育种), 2009, 7(1): 56-62
(in Chinese)
[16]摇 Zarco鄄Tejada PJ, Miller JR, Morales A, et al. Hyper鄄
spectral indices and model simulation for chlorophyll es鄄
timation in open鄄canopy tree crops. Remote Sensing of
Environment, 2004, 90: 463-476
[17]摇 Zhao Y鄄S (赵英时). Principles and Methods of Remote
Sensing Application. Beijing: Science Press, 2003 ( in
Chinese)
[18] 摇 Sims DA, Gamon JA. Relationships between leaf pig鄄
ment content and spectral reflectivity across a wide range
of species, leaf structures and developmental stages. Re鄄
mote Sensing of Environment, 2002, 81: 337-454
[19]摇 Daughtry CST, Walthall CL, Kim MS, et al. Estimating
corn leaf chlorophyll concentration from leaf and canopy
reflectivity remote sensing of environment. Remote Sens鄄
ing of Environment, 2000, 74: 229-239
[20]摇 Du H鄄Q (杜华强), Ge H鄄L (葛宏立), Fan W鄄Y (范
文义), et al. Study on relationships between total chlo鄄
rophyll with hyperspectral features for leaves of Pinus
massoniana forest. Spectroscopy and Spectral Analysis
(光谱学与光谱分析), 2009, 29(11): 3033 -3037
(in Chinese)
[21]摇 Yang X鄄G (杨曦光), Fan W鄄Y (范文义), Yu Y (于
颖). Establishment of hyperspectral remote sensing
model for estimating forest chlorophyll content in Dax鄄
ing爷anling Mountain. Forest Engineering (森林工程),
2010, 26(2): 8-10 (in Chinese)
[22]摇 Datt B. A new Reflectivity index for remote sensing of
chlorophyll content in higher plants: Tests using euca鄄
lyptus leaves. Journal of Plant Physiology, 1999, 154:
30-36
[23]摇 Gu Z鄄J (顾祝军), Zeng Z鄄Y (曾志远), Shi X鄄Z (史
1811 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 李明泽等: 基于机载高光谱影像的植被冠层叶绿素反演摇 摇 摇 摇 摇
学正), et al. Estimation models of vegetation fractional
coverage (VFC) based on remote sensing image at dif鄄
ferent radiometric correction levels. Chinese Journal of
Applied Ecology (应用生态学报), 2008, 19 (6):
1296-1302 (in Chinese)
[24]摇 Jiao Q鄄J (焦全军), Zhang X (张摇 霞), Zhang B (张
兵), et al. The retrieval of forest chlorophyll concentra鄄
tion based on foliar spectra. Remote Sensing for Land &
Resources (国土资源遥感), 2006, 68(2): 26-30 (in
Chinese)
[25]摇 Wang H鄄W (王惠文), Wu Z鄄B (吴载斌), Meng H
(孟 摇 浩). Partial Least Squares Regression: Linear
and Nonlinear Methods. Beijing: National Defense In鄄
dustry Press, 2006 (in Chinese)
[26]摇 Darolles S, Florens JP, Gouri佴roux C. Kernel鄄based
nonlinear canonical analysis and time reversibility. Jour鄄
nal of Econometrics, 2004, 119: 323-353
[27]摇 Meng H (孟摇 浩), Wang H鄄W (王惠文), Huang H鄄J
(黄海军), et al. Nonlinear structure analysis with par鄄
tial least鄄squares regression based on kernel function
transformation. Systems Engineering (系 统 工 程 ),
2004, 22(10): 93-97 (in Chinese)
[28]摇 Li J (李 摇 军), Dong H鄄Y (董海鹰). Modelling of
chaotic systems using wavelet kernel partial least squares
regression method. Acta Physica Sinica (物理学报),
2008, 57(8): 4756-4765 (in Chinese)
[29]摇 Wu C鄄S (吴长山), Tong Q鄄X (童庆喜), Zheng L鄄F
(郑兰芬), et al. Correlation analysis between spectral
data and chlorophyll of rice and maize. Journal of Basic
Science and Engineering (应用基础与工程科学学
报), 2000, 8(1): 31-37 (in Chinese)
[30]摇 Tang X鄄G (汤旭光), Song K鄄S (宋开山), Liu D鄄W
(刘殿伟), et al. Comparison of methods for estimating
soybean chlorophyll content based on visual / near infra鄄
red reflection spectra. Spectroscopy and Spectral Analysis
(光谱学与光谱分析), 2011, 31(2): 371-374 ( in
Chinese)
作者简介摇 李明泽,男,1978 年生,副教授.主要从事林业遥
感与地理信息系统研究. E鄄mail: mingzelee@ 163. com
责任编辑摇 杨摇 弘
281 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