全 文 ：植物学通报Chinese Bulletin of Botany 2008, 25 (6): 714-721, w w w .chinbullbotany.com
收稿日期: 2008-04-10; 接受日期: 2008-06-26
基金项目: 973计划(No.2007CB714406)、中国科学院知识创新工程重要方向项目(No.KZCX2-YW-313)和遥感科学国家重点实验室科
研资助基金(No.KQ060006)
* 通讯作者。E-mail: hefery@163.com
.实验简报.
基于辐射传输模型的高光谱植被指数与叶绿素浓度及
叶面积指数的线性关系改进
吴朝阳1, 2 *, 牛铮 1
1中国科学院遥感应用研究所遥感科学国家重点实验室, 北京 100101; 2中国科学院研究生院, 北京 100039
摘要 高光谱植被指数以其特有的精细光谱特征, 能够获得非常细微的植被生理状况和环境胁迫差异, 因而使遥感技术在精
细农业中的应用, 尤其是在叶绿素浓度和叶面积指数的反演上面有着广阔的应用前景。然而, 现有的植被指数往往和这2个参
数呈非线性关系, 且只对某一区间的数值敏感, 无法适用于其它植被覆盖程度的研究。为了寻找合适的波段位置以改善植被
指数与叶绿素浓度和叶面积指数的线性关系, 去除饱和区域, 进而提高这2个参数的实际估算精度, 该文选取了叶绿素浓度和
叶面积指数, 以辐射传输模型PROSP ECT和SAIL为基础, 模拟了这2个参数变化对3类高光谱植被指数(归一化植被指数
(NDVI)、 优化的简单比值指数(MSR)和优化的叶绿素吸收率指数(MCARI))的影响。叶绿素浓度变化敏感性分析结果表明, 对
这3类植被指数而言, 750 nm 和705 nm 的叶片反射率更适合实际的叶绿素浓度反演。以750 nm 和705 nm代替 800 nm/
700 nm 和670 nm成功地提高了3类植被指数与叶绿素浓度的线性相关程度, 其中MCARI705 和叶绿素浓度基本呈线性关系。
叶面积指数变化敏感性分析同样显示, 以750 nm 和705 nm 组成的植被指数能够获取更可靠的叶面积指数信息, 尤其对于高
植被覆盖区域。其中MCARI705 能较好地降低随叶面积指数变化的饱和程度, 相比其它植被指数, 当叶面积指数大于8时,
MCARI705 才出现明显的饱和。由于冠层的尺度效应, 波段位置的选择对植被指数与叶面积指数线性关系的改善不及对叶绿素
浓度明显。
关键词 叶绿素浓度, 高光谱, 叶面积指数, 敏感性分析, 植被指数
吴朝阳 , 牛铮 (2008). 基于辐射传输模型的高光谱植被指数与叶绿素浓度及叶面积指数的线性关系改进. 植物学通报 25, 714-721.
遥感技术在探测植物结构和生理功能方面提供了一
种有效的手段, 而基于地表的遥感则是一种快速、非破
坏性的探测植被性质的方法(Gamon and Qiu, 1999)。
高光谱以其特有的精细光谱特征正受到人们的广泛关注
并加以应用。最为突出的是使用高光谱特定波段的光
谱数据构成植被指数来探测植被的生理和环境胁迫状况,
因为外界环境的变化会对植物的生理特性产生相应的影
响(范桂枝和蔡庆生, 2005)。研究人员采用不同的方法
构建了很多关于植被的指数并将它们成功地应用于估计
植被的各种生化组分(如色素浓度)和水体环境监测等中
(Carter et al. , 1996; Blackburn, 1998; Peñuelas and
Filella, 1998)。在一系列的植被指数中, 应用最为广泛
的是归一化植被指数(normalized difference vegetation
index, NDVI)。NDVI被成功地应用于反演叶面积指数
(leaf area index, LAI)、叶片氮元素(Nc)浓度、叶绿素
浓度以及光合有效辐射的吸收比(frac tional absorbed
photosynthetically active radiat ion, FPAR)等(Tucker,
1979; Goward and Huemmrich, 1992; Gamon et al.,
1995; Sellers et al. , 1995; Just ice et al., 1998)。尽
管如此, 各种植被指数的建立往往具有其特定的目标, 并
且也有各自的缺陷。某一特定的植被指数往往只能有
效探测植被的某一生化组分(如叶绿素含量)或者某一特
定结构参数信息的变化, 如LAI和叶倾角分布(leaf angle
dis tribution, LAD)。最常用的归一化植被指数能够用
来反演 LAI, 但是随着 LAI的增加, NDVI 会出现一个明
显的饱和区域, 这一区域的存在说明 NDVI 自身的一个
715吴朝阳等: 基于辐射传输模型的高光谱植被指数与叶绿素浓度及叶面积指数的线性关系改进
重要缺点是对于高植被区域敏感性低, 因而不适合用来
估算高植被覆盖区域的 LA I。
从以上分析可知, 特定的植被指数并不能完整地描
述植被的信息, 各种植被指数都有自身的特点及不足。
基于此点, 本文选取了几种常见的植被指数, 利用经典的
辐射传输模型 PROSPECT(Jacquemoud and Baret ,
1990)和 SAIL (Verhoef, 1984) 对植被叶片尺度的生化
参数叶绿素浓度和冠层尺度的结构参数 LA I进行模拟,
选择不同的波段位置以改善植被指数与叶绿素浓度及叶
面积指数之间的线性关系, 去除饱和区域, 提高这2个参
数的遥感反演精度。这种比较分析将为今后利用特定
的植被指数探测植被的特定信息提供必要的参考, 并为
遥感的实际应用提供更多的理论基础。
1 研究方法
1.1 归一化植被指数
本研究选择了建立归一化植被指数(NDVI)常用的波段(即
800 nm和 670 nm)处的叶片反射率, 在此基础上, 对这
一波段位置的选择进行了分析。另外, Gitelson 和Mer-
zlyak (1996)指出叶绿素浓度与 705 nm 和 750 nm 处
的叶片反射率存在相关性, 因而本文同时选择了这 2个
波段位置(750 nm 和 705 nm)的叶片反射率。归一化
植被指数的具体计算公式如下。
NDVIindex=(Rref -Rindex)/(Rref +Rindex) (1)
其中, Rre f为参考波段位置的叶片反射率, Rindex为
核心波段的叶片反射率。
1.2 优化的比值植被指数
建立优化的比值植被指数(modified simple ratio, MSR)
的主要目的在于改善 NDVI随植被生化参数变化而出现
的饱和性问题(Jordan, 1969)。MSR的主要特点在于考
虑了近红外和红光波段处的反射率之比(RNI R/RRED), 因
此在探测植被生化组分时, M SR能够克服大气、土壤
和背景等因素的影响, 可以获得更好的线性关系, 其具体
计算公式如下。
1.3 优化的叶绿素吸收率指数
Kim等(1994)建立了叶绿素吸收率指数(chlorophyll ab-
sorption rat io index, CARI)。CARI通过测量位于 670
nm 和 550 nm、750 nm处的叶绿素相对深度来获取叶
绿素的含量信息。Daughtry 等(2000)对这一指数进行
了优化, 得到了本文中使用的优化的叶绿素吸收率指数
(modified CARI, MCARI)。
MCARI index=[(Rref 1-Rindex )-0.2×(Rre f 1-Rref 2)]
(Rre f1/Rindex) (3)
通过以上分析 , 本文主要选取了 3 类植被指数 ,
并对其波段位置进行了分析选择, 所有的植被指数如
表 1 所示。
1.4 植被指数对叶绿素浓度变化的敏感性分析
本文利用PROSPECT模型模拟了叶片尺度叶绿素浓度
变化对各类植被指数的影响。Jacquemoud 和 Baret
表 1 本研究中所使用的植被指数
Table 1 All vegetation indices used in this study
Indices Wave length (nm) Formula
NDV I670 670, 800 NDVI67 0=(R80 0-R67 0)/(R80 0+R67 0)
NDV I705 705, 750 NDVI70 5=(R75 0-R70 5)/(R75 0+R70 5)
MSR670 670, 800 MSR67 0=( (R80 0/R67 0)-1) / (R80 0/R67 0)+1
MSR705 705, 750 MSR70 5=( (R75 0/R70 5)-1) / (R75 0/R70 5)+1
MCARI670 670, 700, 550 MCARI67 0=[(R70 0-R67 0)-0.2×(R70 0-R55 0)](R70 0/R67 0)
MCARI705 705, 750, 550 MCARI70 5=[(R75 0-R70 5)-0.2×(R75 0-R55 0)](R75 0/R70 5)
716 植物学通报 25(6) 2008
(1990)建立的 PROSPECT模型是目前为止最为广泛认
可和使用的叶片反射率模拟模型。PROSPECT能够根
据叶片的生化组分和散射参数模拟400-2 500 nm波段
范围内叶片向上和向下的半球反射。本研究中的敏感
性分析主要针对叶绿素浓度变化对各种植被指数的影响,
因而叶绿素浓度的变化范围设为 0-100 mg.cm-2, 步长
为 10 mg.cm-2, 其它参数固定不变(表 2)。其中所有固
定参数基值的选取均参考LOPEX93(Leaf Opt ical Prop-
ert ies Experiment)实验数据。
1.5 植被指数对叶面积指数变化的敏感性分析
遥感应用中一个很重要的方面是参数与模型之间的耦合
以及模型使用的尺度效应。因此本研究在关注叶片尺
度的同时也考虑了冠层尺度的参数变化对植被指数的影
响。冠层反射率的模拟使用了 Verhoef(1984 )建立的
SAIL(scattering by arbit rary inc l ined leaves)模型。
Kuusk(1985) 对这个模型进行了修正, 考虑了热点效
应。S AIL 模型是一种基于四流近似的辐射传输方程,
包括 2个直接辐射源(太阳辐照度和观测方向的辐照度)
和 2个散射源(半球上、下辐照度)。其主要原理是通过
求解由 4个线性方程组成的方程组来描述这 4个辐射能
量和植被冠层的作用。
本研究主要关注叶面积指数(LA I)对植被指数的影
响, 因此在模拟中LAI发生变化, 而其它参数则保持不变
(表 3 )。
另外, 为了使模拟相对简单, 假设进入冠层的光线均
来自于太阳, 无天空散射光。同时, 叶倾角为球型分布,
详细参数见表 4。
2 结果和讨论
2.1 植被指数对叶绿素浓度的敏感性分析
敏感性分析的目的在于将各类植被指数进行比较, 讨论
各种指数随叶绿素浓度不断增加而呈现的变化趋势。
植被指数对叶绿素浓度变化的线性关系越好, 这一指数
就越能更好地被用来估算叶绿素的浓度。因此, 本研究
主要考察了各种植被指数及其波段位置选择对叶绿素浓
度变化的饱和区域以提高它们之间的线性关系。这种
比较不仅包括同一类型的植被指数也包括不同类别间的
植被指数。为了能更清晰地分析和比较各类植被指数
之间的关系, 对结果进行处理, 使得所有植被指数的数值
介于 0-1 之间(图 1)。
目前最为广泛使用的植被指数是归一化植被指数
(NDVI) (Rouse et al., 1974)。NDVI的原理是通过比
较叶绿素在红光波段的最大吸收峰和近红外波段由叶片
结构所造成的最大反射峰, 进而获得植被生长的相关信
息, 如水分含量和植被覆盖等。NDVI的主要优点在于
通过比值处理可以部分消除太阳高度角、观测天顶和
背景因素等的影响。此外, NDVI的归一化处理可使因
遥感器标定衰退而对单波段的影响从10%-30%减小到
表 2 PROSPECT 模型模拟中所使用的参数
Table 2 Parameters for PROSPECT model inputs
Parameters Values Unit Notes
N 1.55 -Mesophyll structure parameter
Cw 0.015 g.cm-2 Equivalent w ater thickness
Cm 0.01 g.cm-2 Dry matters concentration
Cab 0-100 mg.cm-2 Chlorophyll concentration
表 3 SAIL模型中各种参数的变化
Table 3 Parameters for SAIL model inputs
SA IL parameters V alues
Leaf spectrum LOPEX93 standard corn reflectance and
transmittance
Soil ref lec tance LOPEX93 standard soil ref lec tance
LA I 0.2, 0.5, 1, 2, 3, 4, 5, 6, 7, 8, 9
LA D Spher ical
Sun zenith angle 45°
Sensor zenith angle 0° (nadir)
LA I: 叶面积指数; LA D: 叶倾角分布
LA I: Leaf area index ; LAD: Leaf angle distribution
表 4 本研究中使用的球型叶倾角分布
Table 4 Factions of leaf area in each zenith angle class for leaf angle dis tribution (LAD) in this analys is
LA D 5° 15° 25° 35° 45° 55° 65° 75° 85°
Spher ical 1.52 4.51 7.37 10.00 12.33 14.28 15.80 16.84 17.35
717吴朝阳等: 基于辐射传输模型的高光谱植被指数与叶绿素浓度及叶面积指数的线性关系改进
0%-6%(Gallo and Daughtry , 1987)。然而 NDVI的一
个重要不足在于其对一些生化参数如 LAI等的变化具有
饱和性。
从图 1A 中可以看出, 所有的归一化植被指数随着
叶绿素浓度的变化都会出现一个明显的饱和区域。通
常这一区域出现在叶绿素浓度约为50 mg.cm-2时, 即在
叶绿素含量高于50 mg.cm-2的变化区域, 归一化植被指
数很难给出叶绿素含量的准确信息。当考虑NDV I670
和NDVI705 时, 发现后者在一定程度上缓解了饱和情况,
这一模拟结果和理论一致, 主要原因在于 670 nm 处的
叶片反射率很快就会随着叶绿素浓度的增加而达到饱和
(图 2)。因此, 稍微长一点或者短一点的波段(如 550
nm、 705 nm以及750 nm)更适合于针对叶绿素浓度的
研究。这种由于波段位置的选择而使饱和趋于缓解的
现象同样也存在于其它 2组植被指数MSR670、MSR705
(图 1B)及MCARI670、MCARI705(图 1C)中。
建立MSRindex 的主要目的就是为了提高 NDVIindex
与叶片生化组分间的线性关系。模拟数据同样揭示了
这一点, 其主要原因在于考虑了近红外和红光波段的叶
片反射率之比。图 1B 显示: 当叶绿素浓度达到 80 mg.
cm-2时, MSR670 才出现明显的饱和区域; 而当采用705
nm 和 750 nm 处的反射率时, 几乎得到了MSR705 与
叶绿素浓度变化间的线性关系。
另一方面, 研究发现, 仅利用2个波段位置的反射率
(R800/R670、R750/R550)并不能很好地描述植被的反射率
特征, 因此, 需要引入更多的波段及其组合。K im 等
(1994)将植被在 700 nm 和 670 nm处叶片反射率的比
值引入以消除土壤反射以及冠层中非光合作用成分的影
响。Gitelson 和Merz lyak(1996)的研究结果证实, 叶
图 1 3类植被指数在不同波段位置随叶绿素浓度的变化曲线
(A) 归一化植被指数(NDV I) ; (B) 优化的比值植被指数(MS R) ;
(C) 优化的叶绿素吸收率指数(MCA RI) ; (D) NDV I、MS R和
MCARI与叶绿素浓度的线性关系比较
叶绿素浓度变化范围为0-100 mg.cm-2, 步长为10 mg.cm-2, 叶片
反射率数值基于PROSPECT模型模拟。
Figur e 1 Relationships betw een different vegetation indices
and chlorophyll content at dif ferent w ave bands
(A) Normalized dif ference vegetation index (NDV I) ; (B) Modi-
f ied simple ratio (MSR); (C) Modified chlorophyll absorption ra-
t io index (MCARI) ; (D) Compar ison of the linearity betw een
NDVI, MSR and MCA RI and chlorophyll content
Chlorophy ll content var ied from 0 to 100 mg.cm-2 in steps of 10
mg.cm-2, and the leaf ref lectance w as der ived from PROSPECT
model.
®
718 植物学通报 25(6) 2008
绿素浓度与 750 nm 和 550 nm 处叶片反射率的比值密
切相关。
建立MCARI670 的首要目的是探测叶绿素浓度的变
化。当用 750 nm 和 705 nm 处的反射率代替 700 nm
和670 nm处的反射率时, 饱和区域基本消失(图1C), 因
此这一替换对于检测叶绿素含量是非常成功的。然而
需要注意的是对于 MCARI670 , 当叶绿素浓度处于 30
mg.cm-2附近时, MCARI670 达到了最大值(图1C), 出现
这一现象的原因在于当叶绿素浓度增加到 30 mg.cm-2
以上时, 670 nm波段处的叶片反射率迅速饱和, 而此时
705 nm 和 550 nm 处的反射率仍然在下降(图 2)。另
外, 670 nm 处的饱和效应也验证了 Sims 和Gamon
(2002)的研究结论, 即由这一波段的叶片反射率组成的
植被指数并不适合于高浓度值的叶绿素反演, 相反, 705
nm 处的反射率更适用于检测叶绿素含量的变化(R 2=
0 . 92 )。
从以上分析可知, 不同类别的植被指数中, MCARI705
与叶绿素浓度变化的线性关系最好, 其次是MS R705、
NDVI705(图 1D)。因此可以得出这样的结论: 以 750 nm
和 705 nm 处的反射率代替 800 nm 和 670 nm 处的反
射率能够改善植被指数与叶绿素浓度变化的线性关系; 在
本研究所选择的植被指数中, MCARI705 很好地去除了其
它植被指数随叶绿素浓度变化的饱和现象。
2.2 植被指数对叶面积指数的敏感性分析
叶面积指数(LAI)是地表模型中的一个重要参数, 它的定
义为单位地表面积上方叶面面积的总和, 其反映了叶片
的密集程度。LA I 掌控着地表的能量收支、净生产力
以及地表蒸散, 同时也可以反映陆上生物量和地表大气
之间的能量交换状况。本研究选择 LA I作为研究对象,
不仅基于上述这些因素, 更重要的是 LAI具有区别于叶
绿素浓度的尺度效应。叶片的叶绿素浓度是基于叶片
尺度的分析, 而 LAI则是基于冠层尺度的参数。在模型
使用中尺度问题是遥感实际应用中无法避免的。
分析结果表明, 所有的植被指数在某种程度上均随
LAI的变化会出现饱和区域(图3), 由此可以看出, 这3类
指数对于高植被覆盖区域敏感性很弱。这与现有的研
究结论相一致(Broge and Mortensen, 2002)。归一化
植被指数受此影响最为严重, NDVI670和NDVI705在LAI
高于 3的情况下就基本达到了饱和(图 3A)。MSR670 和
MSR705 随LAI变化的曲线基本相近, 但相比归一化植被
指数, 其饱和性有了一定程度的改善, 即当 LAI高于 6
时, 才会出现明显的饱和区域(图 3B)。MCARI705 被认
为是用来估算 LAI最好的指数, 因为这一指数最能解决
随LAI变化出现的饱和性问题。从图3C中可以看出, 当
LAI高于 7甚至 8时, MCARI705 才会出现饱和。通过
比较不同类型的植被指数, 可以发现叶绿素吸收率指数
能更好地反映 LAI的变化, 因而与 LAI具有更好的线性
关系(图 3D)。
另一方面, 从图 3中还可以看出, 对于低 LAI区域,
不同植被指数的变化趋势不同。不同的趋势变化对指
数的实际应用有着特定的意义。Haboudane等(2004)
研究了随LAI变化的不同植被指数对于精准农业的实际
意义。本文在该研究的基础上进一步讨论了低值 LAI对
植被指数的影响以及选择不同波段位置改善植被指数随
LAI变化饱和效应的原理分析。本研究表明, 当 LAI从
0.2增加到0.5时, NDVI705会迅速增加(图3A), 其次是
MSR705(图 3B), MCARI705变化最慢(图 3C)。这一变
化趋势表明, MCARI705 能够克服低 LAI植被覆盖区域
图 2 叶绿素浓度对550 nm、670 nm 和 705 nm波段处叶片反
射率的影响
Figur e 2 Effect of dif ferent chlorophy ll contents on the leaf
reflectance at 550 nm, 670 nm and 705 nm
719吴朝阳等: 基于辐射传输模型的高光谱植被指数与叶绿素浓度及叶面积指数的线性关系改进
背景的影响, 如土壤等, 这也是整个变化曲线线性程度
得以提高的原因之一。
总的来说, 选择不同的波段位置(以 750 nm 和 705
nm 代替 800 nm 和 670 nm)并不能够保证植被指数与
LAI线性相关程度的明显改善, 这一点是与上述叶绿素浓
度变化敏感性分析结果的主要区别。冠层的复杂结构
可以解释这一现象, 相比叶片尺度, 冠层尺度的结构更加
复杂, 例如, 光照部分和阴影叶片显然具有不同的光谱
响应。另外, 模型的自身因素也会对模拟结果产生影
响, 因为所有的模型都不可能完全真实地反映实际的光
照情况和观测条件, 因而模拟的结果也会存在一定的偏
差, 例如PROSPECT和SAIL模型就没有考虑冠层中植
物的茎秆和衰老叶片对整个光谱曲线的影响。
3 结语
高光谱植被指数以其特有的精细光谱特征, 能够获得植
被非常细微的生理状况和环境胁迫的差异, 因而使遥感
技术在精细农业中有着广阔的应用前景。然而, 特定的
植被指数往往只能对某一特定的参数敏感, 无法全面地描
述植被的全部状况。因而, 特定的植被指数对于特定参
数的敏感性分析就显得格外重要, 因为这种分析对该指数
的应用领域和精度所造成的影响是不能忽略的。基于这
一点, 本文选择了叶片尺度和冠层尺度的 2个重要参数,
叶绿素浓度和叶面积指数, 着重研究不同波段位置的选择
对提高植被指数和反演参数之间线性相关程度的影响。
利用PROSPECT和SAIL模型模拟了一系列参数变化对
3类植被指数线性关系的影响, 得出了以下结论。
图 3 3类植被指数在不同波段位置随叶面积指数(LAI)的变化曲
线
(A) 归一化植被指数(NDV I) ; (B) 优化的比值植被指数(MS R) ;
(C) 优化的叶绿素吸收率指数(MCA RI) ; (D) NDV I、MS R和
MCARI与叶面积指数的线性关系比较
LA I的变化范围从 0.2 到 9, 叶片反射率数值基于SA IL模型模拟。
Figur e 3 Relationships betw een different vegetation indices
and leaf area index (LA I) at dif ferent w ave bands
(A) Normalized dif ference vegetation index (NDV I) ; (B) Modi-
f ied simple ratio (MSR); (C) Modified chlorophyll absorption ra-
t io index (MCARI) ; (D) Compar ison of the linearity betw een
NDVI, MSR and MCA RI and leaf area index
LA I varied from 0.2 to 9, and the leaf ref lec tance w as s imu-
lated based on SAIL model.
®
720 植物学通报 25(6) 2008
首先, 针对同一类型的植被指数, 选择合适的波段位
置(以 750 nm 和 705 nm代替 800 nm/700 nm 和 670
nm)对提高植被指数与叶绿素浓度的线性相关程度非常
成功, 这主要是因为较低的叶绿素浓度足够使得670 nm
处的叶片反射率达到饱和, 因而降低了其对高浓度叶绿
素变化的敏感性。在所有植被指数中 MCARI表现的最
为显著, 在叶绿素浓度从 0 mg.cm-2 增加到100 mg.cm-2
的过程中, MCARI705 与叶绿素浓度变化基本呈线性关
系。这一特点说明利用MCARI705 估算叶绿素浓度是最
佳选择, 尤其是对于森林等高植被覆盖地区。
其次, 从不同类型的植被指数来看, 归一化植被指数
随 LAI 变化呈现的饱和程度最为严重。这一不足使得
NDVI在植物生长初期将会高估植被覆盖度, 而在生长后
期又将会低估植被覆盖度, 因此 NDVI更适用于检测植
被发育中期或中等覆盖度(低、中等叶面积指数)的植
被。在本文研究的所有植被指数中, 叶绿素吸收率指数
的一种优化方式MCARI705 被认为是最好地反映叶面积
指数变化的参数。主要原因在于其3个波段的组合考虑
了更多的影响因素, 如降低了背景的影响, 考虑了冠层中
非光合作用成分的存在和土壤反射的影响等。因此, 今
后的研究可以考虑引入更多的波段位置及组合, 从而更
加精准地捕捉植被的变化信息。
最后, 由于尺度效应的影响, 在改进植被指数与LAI
的线性关系时, 以750 nm 和705 nm代替 800 nm/700
nm 和670 nm, 并没有获得像对叶绿素浓度一样的明显
的改善效应。其原因既有模型自身的不足, 也有冠层复
杂结构对整个光谱信息造成的影响。这些问题都需要
不断深入研究和进一步改善。
参考文献
范桂枝 , 蔡庆生 (2005). 植物对大气CO2 浓度升高的光合适应机
理. 植物学通报 22, 486-493.
Blackburn GA (1998). Quantifying chlorophylls and carotenoids
at leaf and canopy scales: an evaluation of some hyperspectral
approaches. Remote Sens Environ 66, 273-285.
Broge NH, Mor tens en JV (2002) . Deriving green crop area
index and canopy chlorophy ll density of w inter w heat f rom
spectral reflectance data. Remote Sens Environ 81, 45-57.
Carter GA, Cibula WG, Miller RL (1996). Narrow band ref lec-
tance imagery compared w ith thermal imagery f or early detec-
tion of plant stress. J Pl ant Phys iol 148, 515-522.
Daughtry CST, Walthall CL, Kim M S, de Cols toun EB,
McMurtreylll JE (2000). Estimating corn leaf chlorophyll con-
centration f rom leaf and canopy reflec tance. Remote Sens
Environ 74, 229-239.
Gallo KP, Daughtry CST (1987). Differences in vegetation indices
for simulated Lansat-5 MSS and TM, NOAA-9 AVHRR, and SPOT-
1 sensor system. Remote Sens Environ 23, 439-452.
Gam on JA, Fie ld CB, Goulden M L (1995). Relationships be-
tw een NDVI, canopy structure, and photosynthesis in three
Calif ornian vegetation types. Ecol Appl 5, 28-41.
Gamon JA, Qiu H (1999). Ecological applications of remote sens-
ing at multiple scales. In: Pugnaire FI, Valladares F, eds. Hand-
book of Functional Plant Ecology. New Y ork: Marcel Dekker.
pp. 805-846.
Gite lson AA, Mer zlyak MN (1996). Signature analysis of leaf
reflectance spectra: Algorithm development for remote sensing.
J Pl ant Phys iol 148, 493-500.
Gow ard SN, Huemmr ich KF (1992) . Vegetation canopy PAR
absorptance and the normalised dif ference vegetation index:
an assessment using the SA IL model. Remote Sens Envi ron
39, 119-140.
Haboudane D, Miller JR, Pattey E, Zarco-Tejada PJ, Strachan
I (2004). Hyperspectral vegetation indices and novel algo-
rithms for predicting green LAI of crop canopies: modeling and
validation in the context of precision agriculture. Remote Sens
Envi ron 90, 337-352.
Jacque moud S, Baret F (1990). PROSPECT: a model of leaf
optical properties spectra. Remote Sens Environ 34, 75-91.
Jordan CF (1969). Derivation of leaf area index from quality of
light on the f orest f loor. Ecol ogy 50, 663-666.
Justice CO, Vermote E, Townshend JRG (1998). The moder-
ate resolution imaging spec troradiometer (MODIS): land re-
mote sensing for global change research. IEEE Trans Geosci
Remote Sens 36, 1228-1249.
Kim M S, Daughtry CST, Chappelle EW, M cMurtre y JE,
Walthall CL (1994). The use of high spectral resolution bands
for es timating absorbed photosynthetically active radiation
(Apar) . In: Proceedings of the 6th Symposia on Physical Mea-
surements and Signatures in Remote Sens ing. France: V al
dIsere. pp. 299-306.
Kuusk A (1985). The hot spot eff ect on a uniform vegetative
721吴朝阳等: 基于辐射传输模型的高光谱植被指数与叶绿素浓度及叶面积指数的线性关系改进
Improvement in Linearity Between Hyperspectral Vegetation Indices
and Chlorophyll Content, Leaf Area Index Based
on Radiative Transfer Models
Chaoyang Wu1, 2*, Zheng Niu1
1Th e S tate Ke y L abo ratory of Remote Se nsi ng Scie nce , Inst itu te o f Remo te Sen sing Ap pli cat ion s, Chin ese Acade my of Scie nce s,
Be iji ng 1 001 01, Chi na; 2Gradu ate Sch ool of Chi nese Acad emy of Sci ences, Bei jin g 1 000 39, Chi na
Abstract Hyperspec tral vegetation indices , w hich have f ine spectra, can be used to detec t the subtle phys iological and
environmental changes in vegetation. Therefore, use of the indices opens up an avenue for prec ise measurement f or agr iculture,
especially for chlorophy ll levels and leaf area index. How ever, a number of vegetation indices are not linearly related to biochemical
components , so these indices may not be appropriate for other vegetative areas. We selected tw o dif ferent scale parameters , leaf
chlorophyll content and leaf area index , on the bas is of the radiative trans fer models PROSPECT and SAIL, respectively, f or
sensit ivity s tudy of a set of indices (NDVI, MSR and MCARI). We aimed to improve the linearity betw een the indices for chlorophy ll
content and leaf area index on the basis of combinations of dif ferent w ave bands. The sensitiv ity s tudy of chlorophyll content
revealed that for all the three kinds of indices, replac ing the reflectance of 800 nm/700 nm and 670 nm w ith 750 nm and 705 nm,
respec tively can successfully improve the linearity limits of all vegetation indices . A nearly linear relationship is achieved betw een
the index of MCARI705 and the chlorophyll content. Sensitivity study of leaf area index revealed that the index of MCA RI705 can better
alleviate the saturation problem of leaf area index changes . On comparing other indices, an obvious saturated region emerges f or
MCARI705 only w hen leaf area index exceeds 8. In general, different w aveband selec tion (replacing 800 nm/700 nm and 670 nm w ith
750 nm and 705 nm, respectively) does not guarantee improvement of the linear ity of indices w ith increased leaf area index as
compared w ith chlorophyll content because of the complicated structure of the canopy.
Ke y words ch lorophyll con ten t, hype rsp ect rum , l eaf are a i nde x, sen siti vit y, veg eta tion in dices
Wu CY, Niu Z (20 08). Imp ro vem ent i n l in earit y b etwee n hyp erspe ct ral ve ge tat io n i nd ice s and chlo ro phyll co nte nt , l ea f a re a i nd ex
ba sed on rad iat ive tra nsfer mode ls. Ch in Bull Bo t 25 , 71 4-72 1.
* Author for correspondence. E-mail: hef ery@163.com
(责任编辑: 刘慧君)
cover. Sov J Remote Sens 3, 645-658.
Peñue las J, Filella I (1998). Vis ible and near-infrared reflec-
tance techniques f or diagnosing plant physiological s tatus.
Trends Plant Sci 3, 151-156.
Rouse JW, Haas RH, Schell JA, Deering DW, Harlan JC (1974).
Monitoring the vernal advancements and retrogradation of
natural vegetation. In: NASA/GSFC, ed. Final Report. Greenbelt,
MD, USA. pp. 1-137.
Sellers PJ, Hall FG, Margolis H, Kelly B (1995). The Boreal-
Ecosystem-Atmosphere-Study (BOREAS): an overview and
early results from the 1994 f ield year. Bull Am Meteorol Soc
76, 1549-1577.
Sim s DA, Gamon JA (2002) . Relationships betw een leaf pig-
ment content and spectral reflectance across a w ide range of
spec ies, leaf structures and developmental stages. Remote
Sens Environ 81, 337-354.
Tucker CJ (1979). Red and photographic infrared linear combi-
nations f or monitoring vegetation. Remote Sens Environ 8,
127-150.
Verhoef W (1984). Light scattering by leaf layers w ith applica-
tion to canopy reflectance modeling: the SAIL model. Remote
Sens Environ 16, 125-141.