全 文 ：第 27卷　第 4期 中 南 林 业 科 技 大 学 学 报 Vol. 27　 No. 4
　 2007年 8月 Journal o f Central South Univ er sity o f Fo rest ry& Techno log y Aug. 2007　

文章编号: 1673- 923X ( 2007) 04- 0049- 06
樟树幼林叶绿素含量的高光谱遥感估算模型
刘秀英 1 ,林　辉 2 ,万玲凤 2 ,孙　华 2 ,熊育久 2 ,莫登奎 2
( 1.绵阳师范学院 资源与环境科学系 , 四川绵阳 621000; 2.中南林业科技大学 林业遥感信息工程研究中心 ,湖南 长沙 410004)
摘　要: 　高光谱遥感的快速发展使得定量估算植被叶绿素含量成为可能 .采用美国 ASD公司生产的野外光谱辐射仪测量樟树幼
林的冠层光谱 ,并对观测叶片进行同步叶绿素含量的测定 ;采用统计相关分析法 ,分析樟树冠层光谱与叶绿素含量之间的相关关系 ,
并建立相应的估算模型 .结果表明:樟树幼林叶绿素含量的敏感波段位于 400、 556、 621 nm;通过建立各敏感段与叶绿素含量之间的估
算模型并进行精度检验 ,得出了叶绿素含量估算的高光谱模型分别为 y= exp( 1. 191+ 1 458. 912x )和 y= 3. 29× ex p ( 1 458. 912x ) .说
明利用高光谱遥感数据可以估测樟树幼林的叶绿素含量 .
关键词: 　遥感 ;高光谱遥感 ;估算模型 ;叶绿素 ;樟树幼林
中图分类号: 　 S792. 23; T Q611. 5; S771. 8　　　　文献标志码:　 A
Hyper-spectral Estimation Models of the Chlorophyll Contents of
Young Camphor Trees Based on Remote Sensing Data
LIU Xiu-ying
1
, LIN Hui
2
, WAN Ling-feng
2
, SUN Hua
2
, X ION G Yu-jiu
2
, M O Deng-kui
2
( 1. Depar tment of Resources and Envi ronmental Science, M ianyang Normal Universi ty, M ianyang 621000, Sichuan, China;
2. Research Cen ter of Fo res try Remote Sensing Information& Engineering ,
Cent ral South Universi ty of Fores t ry& Technolog y, Changsh a 410004, Hunan, China)
Abstract: Th e fas t development of hyper-spect ral remote s ensing m ak es i t possible to es timate the vegetation chlo roph yll conten t
quan ti tativ ely. Selecting young camphor t rees as object s, this study measured th e spect ral ref lectance of canopy b y ASD Handh eld
Spect rometer in field and at th e s ame tim e the ch lorophyl l con tents in lab. The relationsh ip b etw een the spect ral reflectance of canopy
and the conten ts w ere analy zed by a statis tical m ethod. The resul t s show that the s ensi tive w av ebands of the con tents are si tuated at
400 nm, 556 nm and 621 nm. Several est imation models betw een the sensi tive w av ebands and the contents w ere buil t. Two f it t es t
hyper-spect ral es timation models of th e conten ts were propos ed af ter the preci sion being tes ted as follow s: y = exp ( 1. 191+
1 458. 912x ) and y = 3. 29× ex p ( 1 458. 912x ) . Th es e resu lt s suggest th at th e h yper-spect ral est imation models cad be used to
es timate the leaf ch lorophyl l conten t of young camph or trees.
Key words: remote sensing; hyper-sp ectral rem ote s ensing; es timation model; chlo roph yll; young camphor t rees
高光谱遥感技术的出现使从遥感数据中提取生物化学参数成为可能 ,随着遥感技术的发展和应用 ,植物生
物物理和生物化学特征及参数提取的研究已经成为高光谱遥感技术最精华和核心的部分 [ 1] .国内外利用野外
或空载高光谱传感器进行植被的叶绿素研究已有很多年历史 ,在这期间 ,许多学者试图从遥感的角度来探测植
物叶片叶绿素含量 ,通过对大量实验数据进行分析 ,在模型建立与敏感波段的选取方面取得了一些进展 [2, 3 ] .利
用高光谱遥感进行叶片叶绿素含量估算的研究主要集中在农作物的研究 [4～ 9 ] ,针对森林树种的研究虽有涉
及 [10～ 15 ] ,但仍处于起步阶段 .
本研究在分析樟树幼林冠层光谱与叶片叶绿素含量之间的关系基础上 ,建立叶绿素含量的高光谱遥感估
算模型并检验其精度 ,挑选出叶绿素含量估算的最适合高光谱模型 ,目的是建立简便、快速和无损伤的森林树
收稿日期: 2006-11-08　　　　　　修回日期 : 2007-05-26
基金项目: 国家自然科学基金 ( 30471391) ;湖南省学科带头人培养基金和湖南省教育厅青年基金项目 ( 04B059) ;中南林业科技大学人才
引进项目 (06Y037) .
作者简介: 刘秀英 ( 1977- ) ,女 ,湖南株洲人 .助教 ,硕士 ,主要从事地理学与遥感技术的教学和科研工作 . E-mai l: cs fulxy@ 126. com.
种光谱分析法和森林树种的遥感估算模型 ,用以部分代替费时、费力的化学分析方法 ,并且叶绿素遥感估算模
型的建立可为森林健康和营养诊断、病虫害监测提供依据 [16, 17 ] .
1　研究方法
1. 1　试验设计
试验地点位于 113°08′E、 27°55′N的中南林业科技大学株洲校区实验林场 .试验对象为自然状态下生长的
大叶樟幼龄林 ,试验地面积约为 225 m2 ,行、株距 1. 5 m× 1. 5 m,冠幅直径约为 1. 5 m,背景物主要是裸土及一
些死地被物 .
根据南方的气候特征 ,选取光照条件较好的月份 ( 2005年 6月至 10月 )进行试验 .首先进行大叶樟主干位
置的冠层光谱测量 ,然后在试场范围内取 5～ 8个营养小枝 ,并立即将营养小枝装入保鲜袋 ,带入化学实验室进
行叶绿素含量的测量 .
1. 2　光谱测量
波谱测定采用美国 ASD公司生产的手持式野外光谱辐射仪 ,波段值为 325～ 1 075 nm ,光谱分辨率为 3. 5
nm ,光谱采样间隔为 1. 6 nm.主要对樟树幼林主干位置的冠层进行光谱测量 .测量时间选择在中午 10: 00～
14: 00(太阳高度角大于 45°) ,测量时仪器探头保持垂直向下 ,每个采样点记录 20个光谱 ,以其平均值作为该样
点的光谱反射率 ,并且每隔 15 min左右进行 1次标准板 (标准白板 )校正 .
1. 3　叶绿素含量的测定
取新鲜叶片 0. 2 g ,共 3份 ,分别加入 95%乙醇及少量石英砂和碳酸钙粉将其研磨成匀浆 ,至组织发白 ,过
滤 ,然后用上海光谱仪器有限公司制造的 752型紫外-可见分光光度计测量 663、 645 nm波长下的光密度O值 ,
然后根据公式 ( 1)计算叶绿素含量:
　　 Chl-ab( mg /L )= 8. 02×O663+ 20. 20×O645 ( 1)
　　 Chl-ab( mg /g )= 浓度 ( mg /L) (提取液体积 ( mL) /质量 ( g ) /100 ( 2)
式中: Chl-ab为叶绿素含量 ; O645为波长 645 nm处的吸光度 ; O663为波长 663 nm处的吸光度 .
式 ( 2)用于将叶绿素含量转化为每克叶片的毫克数 (单位: mg /g ) .
1. 4　数据分析
根据高光谱数据的特点 ,利用 SPSS13. 0统计软件 ,采用多元统计分析方法进行数据分析 ,用到的方法主要
有:相关分析 ,回归分析 .
本研究中拟采用 SPSS13. 0统计软件曲线估计中的 11种不同类型的数学统计模型 [16 ] ,具体模型及参数含
义为:
Linear (一元线性简称 Lin): y= b0+ b1× x
Quadra tic(二次函数简称 Qua): y= b0+ b1× x+ b2× x2
Compound(复合函数简称 Com): y= b0× (b1 )x
Grow th(生长函数简称 Gro ): y= exp(b0+ (b1 )× x )
Logari thmic(对数函数简称 Loga): y= b0+ b 1× lnx
Cubic(三次函数简称 Cub): y= b0+ b1× x+ b2× x 2+ b3× x 3
S( S形曲线简称 S): y= exp [b0+ (b1 ) / t ]
Exponential(指数函数简称 Exp): y= b0× exp(b1× t )
Inv erse(逆函数简称 Inv ): y= b0+ b1 /x
Pow er(幂函数简称 Pow ): y= b0× xb1
Logistics(逻辑函数简称 Logi ): y= 1 / [1 /u+ b0× (b1 ) x ]
Dependent为独立变量 ; Mth为表示所用模拟模型 ; Esq .为 R2统计量的数值 ; d、 f为自由度 ; F为 F检验值 ; Sig为
检验值的实际显著性水平 ; a为表示常数 ; u为上限值 ,须为正数 ,且大于最大的因变量数值 ; b1、b2、b3为表示回
归参数 .
50 中　南　林　业　科　技　大　学　学　报 第 27卷
图 1　叶绿素含量与原始高光谱反射率相关系数
Fig. 1　 The correlat ion coef f icient between chlorophyll-ab
contents and spectral reflectance
2　结果与分析
2. 1　叶绿素含量与原始高光谱反射率的相关分
析及估算模型
叶绿素含量与原始高光谱反射率之间的相关
系数如图 1所示 .
从图 1可见 ,在波长为 400～ 900 nm波段范
围内 ,叶绿素含量与原始高光谱反射率之间呈现
负相关关系 ,最大相关系数位于 556 nm处 ,相关
系数为 - 0. 73,且相关系数达到了 0. 01极显著性
检验水平 .这说明 556 nm处的光谱反射率对叶绿
素含量进行估测有较好的效果 .
以波长为 556 nm光谱反射率为自变量 ,叶绿
素含量为因变量 ,进行曲线拟合 ,并建立两者之间的关系 .模型拟合结果如表 1及图 2所示 .
表 1　模型拟合结果 (n= 15)
Table 1　 The results of model f itting(n= 15)
方程 模型拟合结果
R 2 F df 1 df 2 Sig . 常数
参数估计
b1 b2 b3
Lin 0. 481 13. 909 1 15 0. 002 3. 115 - 13. 138
Loga 0. 456 12. 594 1 15 0. 003 - 0. 963 - 1. 187
Inv 0. 405 10. 220 1 15 0. 006 0. 799 0. 096
Qua 0. 481 6. 497 2 14 0. 010 3. 028 - 11. 275 - 9. 379
Cub 0. 543 5. 153 3 13 0. 014 - 2. 452 166. 796 - 1 835. 86 5 919. 10
Com 0. 516 16. 008 1 15 0. 001 3. 709 0. 001
Pow 0. 486 14. 173 1 15 0. 002 0. 359 - 0. 679
S 0. 428 11. 224 1 15 0. 004 - 0. 014 0. 055
Gro 0. 516 16. 008 1 15 0. 001 1. 311 - 7. 541
Ex p 0. 516 16. 008 1 15 0. 001 3. 709 - 7. 541
Logi 0. 440 11. 766 1 15 0. 004 0. 029 339 361 821. 230
图 2　叶绿素含量与 556 nm处光谱反射率模型拟合
Fig. 2 　 The model fitting between chlorophyll-ab
contents and spectral ref lectance at 556 nm
　　
由表 1及图 2可知: 复合模型 ( Compound)、生长
模型 ( Grow th)和指数曲线模型 ( Exponential )明显优
于其它模型 ,则有:
复合模型: Y= 3. 709× ( 0. 001) x
R
2
= 0. 516, Sig= 0. 001
生长模型: Y= exp( 1. 191+ 1 458. 912× x )
R
2= 0. 516, Sig= 0. 001
指数曲线模型: Y= 3. 290× exp( 1 458. 912× x )
R
2= 0. 516, Sig= 0. 001
2. 2　叶绿素含量与反射率一阶微分之间的相关分析
及估算模型
叶绿素含量与其对应的反射率一阶微分之间的
相关系数如图 3所示 .
由图 3可知 , 400～ 900 nm波段之间 ,叶绿素含
量与反射率一阶微分之间的相关性与波长相关 ,最大
相关系数为 0. 82,位于 621 nm处 ,达到了 0. 01极显
著性检验水平 .
51第 4期 刘秀英等:樟树幼林叶绿素含量的高光谱遥感估算模型
图 3　叶绿素含量与反射率一阶微分之间的相关系数
Fig. 3　 The correlative coef ficient between chlorophyll-ab
content and diff erential spectral ref lectance
　　以 621 nm处的反射率一阶微分为自变量 ,叶
绿素含量为因变量 ,进行曲线拟合建立两者之间
的关系 .模型拟合结果如表 2及图 4所示 .
分析表 2及图 4可知: 生长模型 ( Grow th )和
指数曲线模型 ( Exponential)明显优于其他模型 ,
则有:
生长模型: Y= exp( 1. 191+ 1 458. 912× x )
R2= 0. 641, Sig= 0. 000
指数函数模型: Y= 3. 290× exp( 1 458. 912× x )
R
2
= 0. 641, Sig= 0. 000
表 2　模型拟合结果 (n= 15)
Table 2　 The results of estimation models(n= 15)
方程 模型拟合结果
R 2 F df 1 df 2 Sig . 常数
参数估计
b1 b2 b3
Lin 0. 636 26. 228 1 15 0. 000 2. 938 2 623. 387
Inv 0. 409 10. 380 1 15 0. 006 1. 384 0. 000
Qua 0. 638 12. 314 2 14 0. 001 3. 034 3 134. 693 611 807. 200
Cub 0. 659 8. 361 3 13 0. 002 2. 405 - 3 222. 766 - 174 364 25. 046 - 149, 823, 621, 55. 670
S 0. 365 8. 629 1 15 0. 010 0. 344 - 9. 30E-005
Gro 0. 641 26. 757 1 15 0. 000 1. 191 1 458. 912
Ex p 0. 641 26. 757 1 15 0. 000 3. 290 1 458. 912
图 4　叶绿素含量与 621 nm处的反射率一阶微分之
间的模型拟合
Fig. 4　 The model f itt ing of selected models between
chl-ab contents and spectral reflectance at
621 nm
2. 3　叶绿素含量与原始高光谱反射率及反射率一阶
微分之间的多元逐步回归分析
选取 400～ 900 nm波段范围的原始光谱反射率和
一阶微分光谱反射率与叶绿素含量进行逐步线性回归
分析 ,结果如表 3.
表 3　叶绿素含量与高光谱反射率和一阶微分之间的
逐步回归分析结果 (n= 15)
Table 3　 The results of linear stepwise regression
analysis among chlorophyll-ab contents
and original spectral ref lectance and f irst
dif ferential ref lectance
原始光谱反射率
步长 入选波段 R 2 F
一阶微分
步长 入选波段 R2 F
1 556 0. 481 13. 909 1 621 0. 636 26. 228
2 400 0. 623 11. 567 2 469 0. 772 23. 647
3 622 0. 836 22. 062
　　由表 3可知 ,就原始光谱而言 ,入选 2个波段可解
释叶绿素含量方差的 62. 3% ;对反射率一阶微分而
言 ,入选 2个波段可解释样本方差的 77. 2% ,入选 3个
波段 ,可解释样本方差的 83. 6% .在入选相同变量的情况下 ,反射率一阶微分的预测能力要高于原始光谱反射
率 .通过逐步线性回归分析可得出原始光谱反射率及其一阶微分与叶绿素含量的关系方程 .
原始光谱: y= 2. 866- 17. 779×T556+ 12. 521×T400　　R2= 0. 623　　 Sig= 0. 001
一阶微分: y= 3. 597- 1 767. 452×T621+ 4 846. 301×T469+ 1 117. 689 1×T632　　R2= 0. 836　　 Sig= 0. 000
52 中　南　林　业　科　技　大　学　学　报 第 27卷
式中: y为叶绿素含量 ,Ti 为对应波长处的原始光谱反射率和反射率一阶微分 .
2. 4　叶绿素含量高光谱遥感估算模型精度检验
建立的估算模型根据其与因变量具有较高的判定系数R2 ,即方程的显著性水平高的原则 ,对估算模型进行
进一步筛选归纳后 ,再对模型的预测精度进行分析比较 ,找出最适合的估算模型 .根据模型的筛选原则 ,对如下
模型的预测精度进行分析比较 ,结论如表 4所示 .
表 4　叶绿素含量高光谱估算模型的精度检验结果比较 (n= 9)
Table 4　 The comparison of precision test results of hyperspectral models for chlorophyll-ab contents(n= 9)
自变量 模型表达式 拟合 R2 预测 R 2 均方根差 相对误差 /%
T621 y= exp( 1. 191+ 1 458. 912x ) 0. 641 0. 515 0. 36 7. 20
y= 3. 29× ex p( 1 458. 912x ) 0. 641 0. 515 0. 36 7. 20
T621T469T622 y= 3. 597+ 1 767. 452T621- 4 846. 301T469+ 1 117. 689T622 0. 836 0. 429 0. 63 8. 77
　　通过对叶绿素含量的高光谱估算模型精度指标变化比较可知 ,以 621 nm处的微分光谱反射率为自变量所
构建的生长模型和对数曲线模型相对其他模型而言 ,有较大的拟合 R2和预测R2及较小的 RMSE(均方根差 )值
和相对误差 ,并且拟合和预测 R2都达到了 0. 05显著性检验水平 ;而以一阶微分光谱进行逐步回归得到的逐步
回归模型 ,预测 R2没有达到显著性检验水平 .综合考虑 ,以 621 nm处的微分光谱反射率为自变量所构建的生
长模型和对数曲线模型较为符合我们挑选模型的原则 ,即具有较大的判定系数和拟合系数 ,以及较小的 RMSE
值及相对误差 ,因此可选取:
　　 y= exp( 1. 191+ 1 458. 912x )
图 5　生长模型计算的叶绿素含量预测值和实测值的比较
Fig. 5　 The comparison of true value and estimated
value of chlorophyll-ab contents by the
model of growth
　　　　 y= 3. 29× exp( 1 458. 912x )
作为叶绿素含量的最适合高光谱估测模型 .
以 621 nm处的微分光谱反射率为自变量所构建的
生长模型计算的叶绿素含量的预测值和实测值的拟合方
程及 R2为: y= 0. 695 9x+ 0. 330 6, R2= 0. 515 1;以 621
nm处的微分光谱反射率为自变量所构建的对数曲线模
型计算的叶绿素含量的预测值和实测值的拟合方程及R2
为: y= 0. 695 8x+ 0. 330 5, R2= 0. 515 1;以一阶微分光
谱进行逐步回归得到的逐步回归模型计算的叶绿素含量
的预测值和实测值的拟合方程及 R2为: y= 1. 324 2x -
0. 740 9,R
2
= 0. 429.由各类模型计算的叶绿素含量的预
测值和实测值的相关性可见图 5～ 7.通过比较 3个拟合
模型的 R2以及前面对 3种的验证可知以 621 nm处的微
分光谱反射率为自变量所构建的生长模型和对数曲线模型作为叶绿素含量的估测模型是最合适的 .
图 6　指数曲线模型计算的叶绿素含量预测值和实测值的比较
Fig. 6　 The comparison of true value and est imated
value of chlorophyll-ab contents by the
model of exponent ial
图 7　逐步回归模型计算的绿素含量预测值和实测值的比较
Fig. 7　 The comparison of true value and estimated
value of chlorophyll-ab contents by the
model of stepwise
53第 4期 刘秀英等:樟树幼林叶绿素含量的高光谱遥感估算模型
3　结果与讨论
通过对叶绿素含量与高光谱反射率及其一阶微分之间的关系分析 ,可得出以下结论:
( 1)对樟树幼林冠层原始光谱反射率及其一阶微分与叶绿素含量进行相关分析 ,确定了叶绿素含量敏感的
光谱波段为 400、 556、 621;
( 2)利用高光谱反射率的各类数据形式 (原始光谱、一阶微分光谱 ) ,通过线性和非线性分析、逐步回归分析
等方法建立了樟树幼林叶绿素含量的高光谱遥感估算模型 ;
( 3)通过精度检验分析 ,筛选出了樟树幼林叶绿素含量的最适合高光谱遥感估算模型为:
　　 y= exp( 1. 191+ 1 458. 912x )
　　 y= 3. 29× exp( 1 458. 912x )
参考文献:
[1 ]　浦瑞良 ,宫　鹏 .高光谱遥感及应用 [M ] .北京:高等教育出版社 , 2000: 186- 192.
[2 ]　 Blachbum G A( a) , M il ton E J. Seasonal variation in the spect ral ref lectance of deciduous t ree canopies [ J ]. International Jou rnal of Remote
Sensing , 1995, 16( 4): 709- 702.
[3 ]　 Chappel le E W , Kim M S, McMur trey J E. Ratio analysis of ref lectance spect ra( RARS): an algo ri thm for th e remote es timation of th e
concent ration s of chloroph yll A, ch lorophyll B, and carotenoids in soybean leaves [ J] . Remote Sensing of Envi ronmen t, 1992, 39: 239- 247.
[4 ]　 M unden R, Cur ran P J, Cat t J A. The relationship betw een red edge and ch lorophyl l concen tration in th e Broadbalk winter w heat
experimen t at Ro thams ted [ J] . International Journal of Remote Sensing , 1994, 15: 705- 709.
[5 ]　 Daugh t ry C S T, Wal thall C L, Kim M S, et al. Est imating Corn Leaf Ch lorophyl l Concent ration f rom Leaf and Canopy Ref lectance [ J] .
Remo te Sensing of Environm ent , 2000, 74: 229- 239.
[6 ]　 Broge N H, Mortens en J V. Deriving green crop area index and canopy chlorophyll d ensi ty of winter wh eat f rom spect ral ref lectance data
[ J] . Remote Sensing of Envi ronment , 2002, 81: 45- 57.
[7 ]　刘伟东 ,项月琴 ,郑兰芬 ,等 .高光谱数据与水稻叶面积及叶绿素密度的相关分析 [ J ].遥感学报 , 2000, 4( 4): 279- 283.
[8 ]　赵　祥 ,刘素红 ,王培娟 ,等 .基如高光谱数据的小麦叶绿素含量反演 [ J ].地理与地理信息系统科学 , 2004, 20( 3): 36- 39.
[9 ]　唐延林 ,黄敬峰 ,王人潮 .水稻不同发育时期高光谱与叶绿素和类胡萝卜素的变化规律 [ J] .中国水稻科学 , 2004, 18( 1): 59- 66.
[10 ]　 M ILLER J R, HARE E W, WU J. Quanti tat ive characteri zat ion of the veg etation red edge ref lectance: 1. An inv er ted-gaus sian ref lectance
model [ J] . Int . J. Remote Sensing, 1990, 11( 10): 1775- 1795.
[11]　 Blackbu rn Geo rg e Alan. Quanti fying Ch lorophyll s and Caroteniods at Leaf and Canopy Scales: An Evaluation of Som e Hyperspect ral
Approaches [ J] . Remote Sensing of Envi ronment , 1998, 66: 273- 285.
[12 ]　 Zarco-Tejada Pablo J. Graduate Programme in Earth and Space Science York Univ ersi ty [ D]. Toronto: York Universi ty, 2000: 1- 173.
[ 13 ]　 Zarco-Tejada Pablo J, Mi ller John R, Harron Joh n, et al. Needle ch lorophl l content es timation through model inversion using
hyperspectral data f rom boreal coni fer forest canopies [ J]. Remote Sen sing of Envi ronmen t, 2004, 89: 189- 199.
[14 ]　 Maire G le, Francois C, Duf re ^ ne E. Tow ard s universal b road leaf ch lorophyl l indices using PROSPECT simulated database and
h yperspect ral reflectance measurem ents [ J ]. Remo te Sensing of Environment , 2004, 89: 1- 8.
[15 ]　 Zarco-Tejada P J, M i ller J R, Morales A, et al. Hyperspectral indices and model sim ulation for ch lorophyll estimation in open-canopy tree
crops [ J] . Remote Sensing of Envi ronmen t, 2004, 90: 463- 476.
[16 ]　林　辉 ,唐代生 .株洲主要地类地物波谱特征研究 [ J] .中南林学院学报 , 2003, 23( 1): 93- 96.
[17 ]　林　辉 ,黄国胜 .湖南四水流域适宜森林覆盖率指标研究 [ J].中南林学院学报 , 2005, 25( 5) : 38- 43.
[本文编校:胡曼辉 ]
54 中　南　林　业　科　技　大　学　学　报 第 27卷