全 文 ：书利用高光谱数据快速估算高羊茅
牧草光合色素的研究
钱育蓉１，２，杨峰１，李建龙１，干晓宇１，杨齐１，王卫源３
（１．南京大学生命科学学院，江苏 南京２１００９３；２．新疆大学软件学院，新疆 乌鲁木齐８３００４６；３．新疆军区司令部机要处，新疆 乌鲁木齐８３００４２）
摘要：光合色素是植物体进行初级生产的重要物质，能够间接反映植被的健康状况与光合能力，同时，高光谱遥感
为快速、大面积监测植被的色素变化提供了可能。本研究以高羊茅牧草为材料，实测了高羊茅冠层的高光谱反射
率与光合色素含量数据，对二者进行了相关分析，从５大类１２个高光谱特征变量｛犚犵、犚７１０、犇λ狉、犇λ７００、犇［ｌｏｇ（１／
λ犻）］、犛犵、犚犞犐犪、犚犞犐犫、犘犛犛犚、犘犛犖犇、犚犮犺、犆犃犚犐｝中挑选了光合色素敏感参数，建立了植被指数光合色素估算模型。
结果表明，光合色素叶绿素ａ、叶绿素ｂ、总叶绿素和类胡萝卜素与原始光谱进行相关性比较分析时，叶绿素ｂ效果
最好；原始光谱、光谱一阶导和倒数对数一阶导３种光谱形式与光合色素进行比较分析时，光谱一阶导在７００ｎｍ
附近与光合色素相关性最好，相关系数为－０．８９７；通过１２个高光谱特征变量与光合色素相关性比较，选择达到极
显著水平的６个变量：犚犵、犇λ７００、犇［ｌｏｇ（１／犚７３０）］、犚犞犐犫、犚犮犺、犆犃犚犐进行光合色素含量的回归模型建立，这为利用物
理方法快速、无损伤探测高羊茅牧草的营养状况及牧草质量提供了理论支持。
关键词：高羊茅牧草；光合色素；高光谱数据；高光谱特征变量；回归模型
中图分类号：Ｓ６８８．４；Ｓ５４３＋．９；Ｑ９４５．１１ 文献标识码：Ａ 文章编号：１００４５７５９（２００９）０４００９４０９
高羊茅（犉犲狊狋狌犮犪犪狉狌狀犱犻狀犪犮犲犪）是禾本科羊茅属的多年生草本植物，丛生型，须根发达，植株强健，具有耐寒、
耐热、耐潮湿、耐酸、耐干旱和产草量高等特点，是人工草原的优良牧草之一［１，２］。营养状况良好的高羊茅牧草产
草量高、草质优，对其提高载畜量和发挥生态功能均起着重要的作用，同时，由于植被光合色素（叶绿素ａ、叶绿素
ｂ和类胡萝卜素）含量与其光合能力、发育阶段和氮素状况均有较好的相关性，因此，植被光合色素含量已经成为
评价植物长势和健康状况，检测光合作用、氮素状况和病害污染等胁迫的一种高效的植物健康指示剂［３，４］。
近年来，随着高光谱分辨率遥感的应用，使得利用反射光谱数据来估测植被叶绿素含量和氮素状况已经成为
植被遥感监测和遥感估产的一种重要手段，但其模型定量研究大多集中在玉米（犣犲犪犿犪狔狊）、水稻（犗狉狔狕犪狊犪狋犻
狏犪）、大豆（犌犾狔犮犻狀犲犿犪狓）等粮食作物上［５，６］，且大多针对植被叶片或者单个植株进行，对草地群体冠层色素含量的
高光谱估算模型还鲜有报道。光合色素含量是反映植被群体光合作用强弱、植被长势的重要参量，它与叶面积指
数、生物量等参量共同反映了农作物的生长状况和生产能力。有研究表明，当叶片单位组成成分中干物质重量的
光合色素浓度相等，不同冠层色素浓度可能有很大的差异［７］，而利用群体光谱数据估算植被叶绿素含量。一定程
度上克服了叶面积指数主要反映叶面积而忽略了植株状况的缺点；还弥补了叶片叶绿素含量只能反映单个植株
的长势而不能表达植被群体长势的不足。本研究结合高羊茅牧草的生长发育规律，从挑选高光谱特征变量和构
造光合色素拟合模型两方面着手深入研究了高羊茅牧草冠层的高光谱反射率和光合色素含量之间的相关关系和
估算模型，挑选能和光合色素有较好拟合的光谱指数，用于辐射光合效率和植被健康状态的估测，以此促进高光
谱遥感技术在牧草营养状况和草质监测中的应用。
１ 材料与方法
１．１ 材料
１．１．１ 试验材料 供试材料是冷季型高羊茅牧草品种凌志（犉．犪狉狌狀犱犻狀犪犮犲犪ｃｖ．Ｂａｒｌｅｘａｓ），草种于２００７年由
９４－１０２
２００９年８月
草 业 学 报
ＡＣＴＡＰＲＡＴＡＣＵＬＴＵＲＡＥＳＩＮＩＣＡ
第１８卷 第４期
Ｖｏｌ．１８，Ｎｏ．４
收稿日期：２００８１０２８；改回日期：２００８１２３１
基金项目：国家高技术（８６３计划）专题项目（２００７ＡＡ１０Ｚ２３１）资助。
作者简介：钱育蓉（１９８０），女，满族，山东武城人，讲师，博士。Ｅｍａｉｌ：ＱＹＲ＠ｘｊｕ．ｅｄｕ．ｃｎ
通讯作者。Ｅｍａｉｌ：ｊｌｉ２００８＠ｎｊｕ．ｅｄｕ．ｃｎ
克劳沃草业集团提供。
１．１．２ 试验设计 试验在南京大学牧草试验地进行，采用盆栽施肥法进行不同施肥处理，盆径１２ｃｍ，盆高１０
ｃｍ，土壤为普通湿润砂质新成土，基础肥力为：有机质含量１．３５％，水解氮７１．２５ｍｇ／ｋｇ，速效磷４３．３１ｍｇ／ｋｇ，
速效钾１０６．４７ｍｇ／ｋｇ。选择健康的高羊茅草种于２００８年３月１５日播种，每盆均匀播种１７５～１８０粒种子。种
子出苗前隔天喷洒少量水，出苗后隔天浇１次透水，草种出齐苗后生长３周，进行施肥处理，肥料为常用牧草复合
肥（Ｎ∶Ｐ∶Ｋ＝１０∶９∶９），每周施肥１次，共施３次。试验设３个处理，１）对照处理：以施水为对照，记作ＣＫ；２）
肥１处理：根据花盆面积施５ｇ／ｍ２ 的复合肥，记作Ｆ１；３）肥２处理：根据花盆面积施１５ｇ／ｍ２ 的复合肥，记作Ｆ２。
以上处理肥料均溶于１５０ｍＬ水中在早晨进行均匀施浇，每个处理４个重复。最后１次处理后１周内进行数据测
定。
１．２ 测量方法
１．２．１ 光谱测定 在晴朗无云无风或微风天气下（具体日期为４月２８日、５月１６日和５月２９日），１１：００－
１３：００（太阳高度角为５０°～５５°），用地物光谱仪（ＡＳＤ，ＦｉｅｌｄＳｐｅｃＲＦＲ，３８４．７～１０７５．５ｎｍ，共５１２个波段，波段宽
度为１．３～１．５ｎｍ）分别测定不同施肥处理的高羊茅牧草冠层光谱反射率。测量时，高光谱仪视场角为１５°，传感
器探头垂直向下，距冠层高度约２０ｃｍ，探测面积直径约５．２ｃｍ。每个处理重复测９次，即在花盆的１个位置正
上方测３次，旋转花盆约１２０°后测３次，然后再旋转花盆约１２０°测３次，取平均值作为１个重复的光谱反射率值，
最后以３个重复的光谱反射率的平均值作为处理的光谱反射率值。
光谱测定是在高羊茅成坪后，盖度达到８０％～９５％时测定的。在室外太阳光下测量植被光谱反射率时，反
射率大小与太阳高度角有关，并且由于植被冠层不是绝对的漫反射体，而校正白板是标准漫反射体，测量时需要
及时进行标准白板校正，即每测完１个处理，用标准白板校正１次（标准白板反射率为１，因此所得目标物光谱为
无量纲的相对反射率）。
高羊茅群体冠层高光谱反射率谱线在不同的时期、温度、水肥条件下总体趋势大体保持一致，局部波段有差
异，谱线没有较大误差。由于叶绿素和类胡萝卜素特有的生化结构，其因电子跃迁造成的光谱吸收仅体现在可见
光区域，具体地说，叶绿素ａ（Ｃｈｌａ）在３８０～４５０和６７５ｎｍ，叶绿素ｂ（Ｃｈｌｂ）在４１０～４７０和６１０ｎｍ，类胡萝卜素
（Ｃａｒｓ）在４７０ｎｍ附近都有显著的吸收峰［７，８］，赵祥等［９］的研究也表明，小麦（犜狉犻狋犻犮狌犿犪犲狊狋犻狏狌犿）冠层波谱与叶绿
素含量的回归反演计算模型在３５０～１０６０ｎｍ波段具有较高的反演精度，因此本研究只考虑植被色素与高光谱
反射率在４００～１０００ｎｍ波段的相关性。
１．２．２ 光合色素测定 对应观测高羊茅冠层高光谱的叶片，随机剪切０．１ｇ，按照丙酮∶无水乙醇∶蒸馏水＝
４．５∶４．５∶１．０的混合液提取叶片色素，在波长６６３，６４６和４７０ｎｍ下测定光密度，然后计算叶绿素和类胡萝卜
素含量［１０］。每个处理重复测３次，以其平均值作为色素含量。
１．２．３ 高光谱数据特征参数及其提取 为了探究高羊茅牧草冠层反射光谱的特征，便于对其进行光谱匹配和分
解，以解释其光谱特征的物理学、生物化学、植物学和植物生理学的机理，需要提取目标物光谱的一些参数。常见
的高光谱参数有各类高光谱植被指数、各类高光谱数据变换形式（如对数变换、微分变换）构建的光谱参数、光谱
吸收指数、“蓝边”参数、“红边”参数、“绿峰”参数、红光吸收谷参数等。本研究所使用的高光谱变量主要有基于光
谱位置的变量、基于光谱面积的变量和基于高光谱植被指数的变量，其定义见表１。
２ 结果与分析
２．１ 光合色素差异分析
高羊茅经过施肥处理后（Ｆ１和Ｆ２）光合色素含量与未施肥处理（对照ＣＫ）相比显著提高（犘＜０．０５）（表２），
说明施肥处理后产生了明显的效果。中肥Ｆ１处理下，色素含量最高，随着施肥浓度的提高，光合色素Ｃｈｌａ、
Ｃｈｌｂ、Ｃａｒｓ和叶绿素总量（Ｃｈｌｓ）的含量都有下降趋势。究其原因可能是施肥浓度过高，发生肥害，引起光合色素
浓度发生变化。
２．２ 光合色素与高光谱特征数据的关系分析
２．２．１ 光合色素与高光谱原始数据的相关性分析 Ｃｈｌａ、Ｃｈｌｂ、Ｃｈｌｓ（叶绿素总量）和Ｃａｒｓ的含量与高羊茅冠层
５９第１８卷第４期 草业学报２００９年
表１ 高光谱特征变量的定义及描述
犜犪犫犾犲１ 犜犺犲犱犲犳犻狀犻狋犻狅狀犪狀犱犱犲狊犮狉犻狆狋犻狅狀狅犳犺狔狆犲狉狊狆犲犮狋狉犪犾狋狔狆犻犮犪犾狏犪狉犻犪狀狋狊
光谱变量
Ｓｐｅｃｔｒａｌｖａｒｉａｎｔ
名称
Ｎａｍｅ
定义和描述
Ｄｅｆｉｎｉｔｉｏｎａｎｄｄｅｓｃｒｉｐｔｉｏｎ
犚犻 光谱反射率Ｒｅｆｌｅｃｔａｎｃｅ 原始光谱中波段犻处的反射率数值 Ｒｅｆｌｅｃｔａｎｃｅａｔｔｈｅｓｐｅｃｉｆｉｅｄｗａｖｅｌｅｎｇｔｈ
犇λ犻 一阶导数光谱
Ｆｉｒｓｔｄｅｒｉｖａｔｉｏｎｏｆ犚
波段犻处的一阶导数光谱数值，其导数光谱公式为：犚′＝ｌｉｍ
Δλ→０
Δ犚
Δλ
，计算公式为犇λ犻＝犚犻′＝
犚犻＋１－犚犻－１
λ犻＋１－λ犻－１
Ｔｈｅｆｉｒｓｔｄｅｒｉｖａｔｉｏｎｏｆ犚ａｔｔｈｅ犻ｗａｖｅｌｅｎｇｔｈ
犇［ｌｏｇ（１／λ犻）］ 倒数对数一阶导
Ｔｈｅｆｉｒｓｔｄｅｒｉｖａｔｉｖｅｏｆａ
ｐｓｅｕｄｏａｂｓｏｒｂａｎｃｅｓｐｅｃｔｒａｌ
ｓｉｇｎａｔｕｒｅ
原始光谱中波段犻处的反射率数值倒数对数的一阶微分［７］Ｔｈｅｆｉｒｓｔｄｅｒｉｖａｔｉｖｅｏｆａｐｓｅｕｄｏ
ａｂｓｏｒｂａｎｃｅｓｐｅｃｔｒａｌｓｉｇｎａｔｕｒｅａｔｗａｖｅｌｅｎｇｔｈ犻，ｌｏｇ（１犚
）′＝ｌｉｍ
Δλ→０
Δｌｏｇ（１犚
）
Δλ
，为Ｉｔｉｓ：犇［ｌｏｇ
（１
λ犻
）］＝ｌｏｇ（１犚犻
）′＝
ｌｏｇ（
１
犚犻＋１
）－ｌｏｇ（
１
犚犻－１
）
λ犻＋１－λ犻－１
犇λ狉 红边幅值
Ｔｈｅｆｉｒｓｔｄｅｒｉｖａｔｉｏｎｏｆｒｅｄｅｄｇｅ
覆盖范围为６８０～７６０ｎｍ，犇λ狉是红边内一阶导数光谱的最大值Ｔｈｅｍａｘｉｍｕｍｒｅｆｌｅｃｔａｎｃｅ
ｏｆｆｉｒｓｔｄｅｒｉｖａｔｉｖｅｓｐｅｃｔｒｕｍｂｅｔｗｅｅｎ６８０ａｎｄ７６０ｎｍ
λ狉 红边位置 Ｒｅｄｅｄｇｅｐｏｓｉｔｉｏｎ 犇λ狉所对应的波长位置（ｎｍ）Ｗａｖｅｌｅｎｇｔｈｃｏｒｒｅｓｐｏｎｄｉｎｇｔｏｔｈｅ犇λ狉
犚犵 绿峰反射率
Ｔｈｅｒｅｆｌｅｃｔａｎｃｅａｔｇｒｅｅｎｐｅａｋ
覆盖范围为５１０～５６０ｎｍ，犚犵 是绿光范围内最大的光谱反射率 Ｔｈｅｍａｘｉｍｕｍｒｅｆｌｅｃｔａｎｃｅ
ｂｅｔｗｅｅｎ５１０ａｎｄ５６０ｎｍ
λ犵 绿峰位置 Ｇｒｅｅｎｐｅａｋｐｏｓｉｔｉｏｎ 犚犵 所对应的波长位置（ｎｍ）Ｗａｖｅｌｅｎｇｔｈｃｏｒｒｅｓｐｏｎｄｉｎｇｔｏｔｈｅ犚犵
犚狉狑 红谷反射率
Ｔｈｅｒｅｆｌｅｃｔａｎｃｅａｔｒｅｄｖａｌｅ
覆盖范围为６５０～６９０ｎｍ，犚狉狑是红光范围内最小的光谱反射率 Ｔｈｅｍｉｎｉｍｕｍｒｅｆｌｅｃｔａｎｃｅ
ｂｅｔｗｅｅｎ６５０ａｎｄ６９０ｎｍ
犛犵 绿峰面积 Ｔｈｅａｒｅａｏｆｔｈｅｒｅｆｌｅｃ
ｔａｎｃｅｇｒｅｅｎｐｅａｋ
５１０～５６０ｎｍ原始光谱曲线所包围的面积 Ｔｈｅａｒｅａｏｆｔｈｅｒｅｆｌｅｃｔａｎｃｅｂｅｔｗｅｅｎ５１０～５６０ｎｍ
犚犞犐犻犼 比值植被指数
Ｒａｔｉｏｖｅｇｅｔａｔｉｏｎｉｎｄｅｘ
犚犞犐犻犼＝犚犻／犚犼，波段犻和犼的光谱反射率之比 Ｔｈｅｒａｔｉｏｏｆｔｈｅｒｅｆｌｅｃｔａｎｃｅｉｎｗａｖｅｌｅｎｇｔｈ犻
ａｎｄ犼ｎｍ
犘犛犛犚 色素简单比值指数
Ｐｉｇｍｅｎｔｓｐｅｃｉｆｉｃｓｉｍｐｌｅｒａｔｉｏ
犘犛犛犚＝犚８００犚６８０
［７］
犘犛犖犇 色素规一化差值指数 Ｐｉｇｍｅｎｔ
ｓｐｅｃｉｆｉｃｎｏｒｍａｌｉｚｅｄｄｉｆｆｅｒｅｎｃｅ
犘犛犖犇＝犚８００－犚６８０犚８００＋犚６８０
［７］
犚犮犺 叶绿素指数Ｃｈｌｏｒｏｐｈｙｌｉｎｄｅｘ 犚犮犺＝
犚６４０－犚６７３
犚６７３
［１１］
犆犃犚犐 叶绿素吸收比值指数 Ｃｈｌｏｒｏｐｈｙｌ
ａｂｓｏｒｐｔｉｏｎｒａｔｉｏｉｎｄｅｘ
犆犃犚犐＝犚７００犚６７０
犆犃犚＝犚７００犚６７０
·６７０犪＋犚６７０＋犫
犪２槡 ＋１
，犪＝犚７００－犚５５０１５０
，犫＝犚５５０－５５０犪 ［１２］
表２ 不同施肥水平对高羊茅光合色素含量的影响
犜犪犫犾犲２ 犈犳犳犲犮狋狊狅犳犱犻犳犳犲狉犲狀狋犳犲狉狋犻犾犻狕犲狉犾犲狏犲犾狅狀狆犺狅狋狅狊狔狀狋犺犲狋犻犮狆犻犵犿犲狀狋狊狅犳犉．犪狉狌狀犱犻狀犪犮犲犪狋狌狉犳 ｍｇ／ｇ
色素Ｐｉｇｍｅｎｔｓ
处理 Ｔｒｅａｔｍｅｎｔ
ＣＫ Ｆ１ Ｆ２
叶绿素ａ含量Ｃｈｌａｃｏｎｔｅｎｔ １．５４９±０．０９０ｂ １．８１７±０．１１５ａ １．７８３±０．１１４ａ
叶绿素ｂ含量Ｃｈｌｂｃｏｎｔｅｎｔ ０．３９５±０．０２６ｂ ０．４９５±０．０３２ａ ０．４７８±０．０３２ａ
类胡萝卜素含量Ｃａｒｓｃｏｎｔｅｎｔ ０．４１８±０．０１６ｂ ０．４７９±０．０３０ａ ０．４７５±０．０３３ａ
总叶绿素含量ＴｏｔａｌＣｈｌｓｃｏｎｔｅｎｔ １．９４４±０．１１６ｂ ２．３１２±０．１４７ａ ２．２６２±０．１４６ａ
注：不同小写字母表示０．０５水平上差异显著。
Ｎｏｔｅ：Ｄｉｆｆｅｒｅｎｔｌｏｗｅｒｃａｓｅｌｅｔｔｅｒｓｍｅａｎｓｉｇｎｉｆｉｃａｎｔｄｉｆｆｅｒｅｎｃｅａｔｔｈｅｌｅｖｅｌｏｆ０．０５．
６９ ＡＣＴＡＰＲＡＴＡＣＵＬＴＵＲＡＥＳＩＮＩＣＡ（２００９） Ｖｏｌ．１８，Ｎｏ．４
光谱反射率的相关性在不同波段变化趋势一致，但相关性强度存在差异（图１）。光谱反射率与Ｃｈｌｂ含量的相关
性最大，而与Ｃａｒｓ含量相关性最差；原始光谱和光合色素在可见光波段５００～７１０ｎｍ保持稳定的较高负相关性，
其相关性在波长４５０ｎｍ 处开始增加，并在波长５４０ｎｍ处达到持续稳定状态，在红光区域（７１０ｎｍ）的相关性最
大，而在波长７１０ｎｍ之后相关性下降，并在波长７３０ｎｍ左右达到最低点，然后开始呈正相关，在７６５ｎｍ处达到
稳定的正相关拟合度，并持续至１０００ｎｍ；几种光合色素中，光谱反射率与Ｃｈｌｂ的相关性最好，与Ｃａｒｓ的相关
性最差，这一结果和宋开山等［１３］利用小波分析所得出的结论相吻合。
高羊茅为多年生草本，丛生型，其冠层多层叶片间反射和多次散射现象在光谱测量过程中普遍存在，有研究
表明，随叶片叠加数增加，近红外光反射率增加，透射率降低；可见光反射率基本不变，透射率急剧降低［４］。基
于此有人指出红边与叶片叶绿素浓度之间有关系，还有人提出红边与牧草冠层叶绿素含量有关，进而提出红边是
测定叶绿素含量最好的遥感描述方法之一［１４］。高羊茅冠层光谱曲线与叶绿素含量在波长６８０～７６０ｎｍ处的高
相关是因为此波段的光谱特征主要受叶绿素的吸收影响，而在７３０ｎｍ附近正处于叶绿素吸收和叶片反射以及
叶片的多次散射的交界处，因而相关性小，而在波长７６５ｎｍ之后，光谱数据和叶绿素含量都反映了叶片的反射
和多次散射的信息，所以二者的相关性较好。
２．２．２ 光合色素与高光谱一阶导数的相关性分析 在植被高光谱的研究中，使用一阶导数已经成为一种减少低
频背景噪声和提高重叠光谱分辨率的常规技术，Ｂｌａｃｋｂｕｒｎ［７］的研究表明光谱导数方法，特别是光谱反射率倒数
对数ｌｏｇ（１／犚）的一阶导数和冠层叶片单位重量色素含量强相关。王秀珍等［１４，１５］的研究结果也证实了导数光谱
在消除背景信息的影响方面起到了很好的作用。根据上文Ｃｈｌｂ与光谱反射率的相关性最佳，在此部分中选用
Ｃｈｌｂ含量与原始光谱（犚）、光谱一阶导数［犇（犚）］、光谱倒数对数一阶导数｛犇［ｌｏｇ（１／犚）］｝进行相关性比较分析。
高羊茅牧草冠层的原始光谱、光谱一阶导数、光谱倒数对数一阶导数与Ｃｈｌｂ含量间的相关性变化比较复杂
（图２），但３种光谱形式在波长６５０～８００ｎｍ具有较大的相关性，且其相关性较显著、稳定，可以用于构建色素含
量的模型。其中，冠层Ｃｈｌｂ含量和光谱一阶导在７００ｎｍ附近相关性最好，相关系数为－０．８９７。而与原始光谱
在７１０ｎｍ附近相关性较好，与光谱倒数对数一阶导在７３０～７５０ｎｍ相关性较好。光谱一阶导比原始光谱与
Ｃｈｌｂ含量的相关性好，其结果可能与浦瑞良和宫鹏［１６］、吴长山等［１７］对森林冠层及作物群体导数光谱的分析结论
相类似。
图１ 高羊茅冠层原始光谱与其光合色素的相关性分析
犉犻犵．１ 犆狅狉狉犲犾犪狋犻狅狀犮狅犲犳犳犻犮犻犲狀狋犫犲狋狑犲犲狀狋犺犲狆犺狅狋狅狊狔狀狋犺犲狋犻犮狆犻犵犿犲狀狋犪狀犱狅狉犻犵犻狀犪犾
狊狆犲犮狋狉狌犿犻狀犉．犪狉狌狀犱犻狀犪犮犲犪犮犪狀狅狆狔
７９第１８卷第４期 草业学报２００９年
图２ 高羊茅冠层的犆犺犾犫含量与原始光谱（犚）、光谱一阶导数［犇（犚）］、光谱倒数对数一阶导
｛犇［犾狅犵（１／犚）］｝的相关性分析
犉犻犵．２ 犆狅狉狉犲犾犪狋犻狅狀犮狅犲犳犳犻犮犻犲狀狋犫犲狋狑犲犲狀狋犺犲犆犺犾犫犮狅狀狋犲狀狋狊犪狀犱狅狉犻犵犻狀犪犾狊狆犲犮狋狉狌犿（犚），狋犺犲犳犻狉狊狋犱犲狉犻狏犪狋犻狏犲狊狆犲犮狋狉狌犿［犇（犚）］
犪狀犱狋犺犲犮狅狌狀狋犱狅狑狀狋狅狋犺犲狀狌犿犫犲狉狅犳犳犻狉狊狋犱犲狉犻狏犪狋犻狏犲｛犇［犾狅犵（１／犚）］｝犻狀犉．犪狉狌狀犱犻狀犪犮犲犪犮犪狀狅狆狔
２．３ 光合色素与典型高光谱特征变量的相关性分析
２．３．１ 典型高光谱特征变量的抽取 通常使用高光谱数据评价植被色素有２类常用方法：一是利用光谱数据、
植被指数、导数光谱评价植被色素含量；二是利用红边光学参数评价植被色素含量［１８］。在高羊茅色素的估算中，
挑选典型的、与色素相关性较高的高光谱特征变量至关重要。吴长山等［５］和唐延林等［６］的研究揭示了玉米、水稻
等作物叶片和冠层中的色素浓度与红边位置、多种高光谱特征指数之间具有很好的相关性；Ｂｌａｃｋｂｕｒｎ［７］的研究
表明，落叶树种冠层水平上单一色素含量和犘犛犛犚强相关，冠层色素含量和ｌｏｇ（１／犚）的一阶导数也具有强相关
关系。
为了筛选典型的高光谱特征变量用于建模估算高羊茅群体冠层叶片色素含量，本研究选用以下５类高光谱
特征变量，①高光谱反射率：根据图１结果和已有试验数据，从犚狉狑、犚犵 和犚７１０中挑选了和色素含量相关系数较高
的犚犵 和犚７１０；②光谱一阶导数：根据图２结果和已有试验数据，从犇λ狉、犇λ７００、犇［ｌｏｇ（１／λ犻）］、犇λ犫（蓝边幅值）和
犇λ狔（黄边幅值）中挑选了与色素含量相关系数较高的犇λ狉、犇λ７００和犇［ｌｏｇ（１／λ犻）］三个典型光谱一阶导数变换；③
基于光谱面积的变量：根据实验数据从犛犵、犛狉（６８０～７６０ｎｍ的一阶导数光谱曲线所包围的面积）、犛狔（黄边面积，
５６０～６４０ｎｍ的一阶导数光谱曲线所包围的面积）和犛犫（蓝边面积，４９０～５３０ｎｍ的一阶导数光谱曲线所包围的
面积）中挑选了与色素含量相关系数最高的犛犵；④基于高光谱植被指数的变量：根据唐延林等［６］的研究结果，挑
选了２个光谱植被指数犚犞犐犪＝犚８００／犚５５０和犚犞犐犫＝犚６７３／犚６４０；⑤各种色素指数：挑选了已知的多种色素指数，包括
色素简单比值指数（犘犛犛犚）、色素规一化差值指数（犘犛犖犇）、叶绿素指数犚犮犺、叶绿素吸收比值指数犆犃犚犐，其详细
定义见表１。
２．３．２ 色素与典型高光谱特征变量的相关系数 通过相关系数筛选对高羊茅冠层光合色素含量敏感的典型高
光谱特征变量，结果见表３，所选用的植被指数与叶片叶绿素ａ、叶绿素ｂ、总叶绿素及类胡萝卜素含量之间都具
有较好的相关性，抽取出６个相关性达到了０．０１的极显著水平的变量：犚犵、犇λ７００、犇［ｌｏｇ（１／犚７３０）］、犚犞犐犫、犚犮犺、
犆犃犚犐，上述６个变量和光合色素的相关性强弱关系均表现为Ｃｈｂ＞Ｃｈｌｓ＞Ｃｈａ＞Ｃａｒｓ。
８９ ＡＣＴＡＰＲＡＴＡＣＵＬＴＵＲＡＥＳＩＮＩＣＡ（２００９） Ｖｏｌ．１８，Ｎｏ．４
表３ 高羊茅群体冠层特征光谱植被指数与叶绿素、类胡萝卜素的相关系数
犜犪犫犾犲３ 犆狅狉狉犲犾犪狋犻狅狀犮狅犲犳犳犻犮犻犲狀狋犫犲狋狑犲犲狀狋犺犲狋狔狆犻犮犪犾狏犲犵犲狋犪狋犻狅狀犻狀犱犻犮犲狊狅犳犮犪狀狅狆狔狊狆犲犮狋狉犪犪狀犱
犮犺犾狅狉狅狆犺狔犾犪狀犱犮犪狉狅狋犲狀狅犻犱犳狅狉犉．犪狉狌狀犱犻狀犪犮犲犪
色素
Ｐｉｇｍｅｎｔ
犚犵 犚７１０ 犇λ狉 犇λ７００ 犇［ｌｏｇ（１／犚７３０）］ 犛犵 犚犞犐犪 犚犞犐犫 犘犛犛犚 犘犛犖犇 犚犮犺 犆犃犚犐
Ｃｈｌａ －０．７３９－０．７４４ ０．５９９ －０．８１６－０．７２４－０．７２６ ０．７２５ ０．７４３ ０．５８１ ０．６１３ －０．７４７－０．７７３
Ｃｈｌｂ －０．８３１－０．８３９ ０．７０４ －０．８９７－０．８３３－０．８１８ ０．８２９ ０．８３１ ０．６８１ ０．７１７ －０．８３４－０．８７４
Ｃａｒｓ －０．６７５ －０．６８１ ０．５９１ －０．７５９－０．６８１ －０．６６３ ０．６８５ ０．７０８ ０．５４２ ０．５６９ －０．７１０－０．７１６
Ｃｈｌｓ －０．７６６－０．７７２ ０．６２８ －０．８４０－０．７５４－０．７５３ ０．７５５ ０．７６８ ０．６０９ ０．６４２ －０．７７２－０．８０２
注：和分别表示在０．０５和０．０１水平上达到显著；Ｃｈｌａ、Ｃｈｌｂ、Ｃｈｌｓ和Ｃａｒｓ分别表示叶绿素ａ、叶绿素ｂ、总叶绿素及类胡萝卜素含量。下
同。
Ｎｏｔｅ：ａｎｄ ｍｅａｎｔｈｅｓｉｇｎｉｆｉｃａｎｔａｔｔｈｅｌｅｖｅｌｏｆ０．０５ａｎｄ０．０１，ｒｅｓｐｅｃｔｉｖｅｌｙ；Ｃｈｌａ、Ｃｈｌｂ、ＣｈｌｓａｎｄＣａｒｓｉｎｄｉｃａｔｅｔｈｅｃｏｎｔｅｎｔｓｏｆｃｈｌｏｒｏｐｈｙｌａ，
ｃｈｌｏｒｏｐｈｙｌｂ，ｔｏｔａｌｃｈｌｏｒｏｐｈｙｌａｎｄｃａｒｏｔｅｎｏｉｄ，ｒｅｓｐｅｃｔｉｖｅｌｙ．Ｔｈｅｓａｍｅａｓｂｅｌｏｗ．
上述结果中犇λ７００和犚犞犐犫 中波段的选取是根据２００８年４和５月的试验数据所得，但植被的不同物候期其
“红移”、“蓝移”现象普遍存在，因此，其典型高光谱变量的特征波段也会有所波动，犇λ７００和犚犞犐犫 对植被色素含量
的指示性可能不具有普遍性。同时，表３结果也印证了犇λ狉（红边幅值）可能是单个叶片叶绿素含量较好的评价
器，而不是冠层叶绿素含量较好的评价器［１８］。
２．４ 色素的高光谱估算模型
２．４．１ Ｃｈｂ的单变量线性回归模型 在许多研究中使用高光谱遥感数据评价植被叶绿素含量的主要方法还是
利用回归方法（特别是逐步回归）找出与叶绿素含量相关的波段，然后建立这些波段（或者波段组合形式，包括植
被指数、微分光谱）与叶绿素含量之间的回归分析，建立各种回归模型。本研究采用筛选出的６个高光谱特征变
量，建立与它们相关性最好的Ｃｈｌｂ的４种回归模型：
１．线性方程（Ｌｉｎｅａｒ）：犆犺＝犪＋犫狓
２．对数曲线（Ｌｏｇａｒｉｔｈｍｉｃ）：犆犺＝犪＋犫ｌｎ狓
３．二次曲线（Ａｕａｄｒａｔｉｃ）：犆犺＝犪＋犫狓＋犮狓２
４．Ｓ曲线：犆犺＝ｅ犪＋犫／狓
如果方程采用犉检验，水准а＝０．００１，那么，犚犮犺和犚犵 的方程拟合不具有显著性。剩余４个变量中，与Ｃｈｌｂ
拟合的犚２ 关系表现为犇［ｌｏｇ（１／犚７３０）］＞犚犞犐犫＞犆犃犚犐＞犇λ７００，其中拟合度较高的２个方程为Ｃｈｌｂ＝０．０４８－
０．２６９犇［ｌｏｇ（１／犚７３０）］＋０．２６犇［ｌｏｇ（１／犚７３０）］２ 和Ｃｈｌｂ＝－０．９７６＋７．５７９犚犞犐犫－７．７５７犚犞犐犫２，其犚２ 均达到０．８１９
和０．８９６（表４）。用作逐步回归的４个模型中，二次曲线的拟合比其余３种模型的拟合度都高。
２．４．２ Ｃｈｌｓ、Ｃｈｌａ和Ｃａｒｓ的单变量线性回归模型 构造高羊茅冠层光合色素Ｃｈｌｓ、Ｃｈｌａ和Ｃａｒｓ的估测模型
时，利用和上面雷同的方法进行单变量线性拟合，结果如下：
①对Ｃｈｌｓ的拟合过程中，如果方程采用犉检验，水准а＝０．００１，那么，６个高光谱特征变量中拟合度较高的
２个为Ｃｈｌｓ＝－１．８５５＋２．３８１１犚犞犐犫－０．５１９犚犞犐犫２ 和Ｃｈｌｓ＝４．３５５－３．６９２犚犮犺＋０．８０６犚犮犺２，其犚２ 均达到０．８４６
和０．８７７。
②对Ｃｈｌａ的拟合过程中，如果方程采用犉检验，水准а＝０．００１，那么，６个高光谱特征变量中拟合度较高的
２个为Ｃｈｌａ＝－２．１８５＋３．３９１犚犞犐犫－０．９３９犚犞犐犫２ 和Ｃｈｌａ＝４．８６６－５．２５９犚犮犺＋１．４５９犚犮犺２，其犚２ 均达到０．８１８
和０．８５１。
③对Ｃａｒｓ的拟合过程中，如果方程采用犉检验，水准а＝０．００１，那么，拟合度较高的２个为Ｃａｒｓ＝－４．２６３
＋２１．６９７犚犞犐犫－２２．８６１犚犞犐犫２ 和Ｃａｒｓ＝８．０１４－３３．３１７犚犮犺＋３５．１４５犚犮犺２，其犚２ 均达到０．８５４和０．８８５。
④用作逐步回归的４个模型中，二次曲线的拟合比其余３种模型的拟合度都高。
９９第１８卷第４期 草业学报２００９年
表４ 高羊茅群体冠层叶片叶绿素犫含量与光谱特征植被指数的回归方程
犜犪犫犾犲４ 犚犲犵狉犲狊狊犻狅狀犲狇狌犪狋犻狅狀狊狉犲犾犪狋犻狀犵狋犺犲狊狆犲犮狋狉犪狊狆犲犮犻犳犻犮狏犲犵犲狋犪狋犻狅狀犻狀犱犻犮犲狊狅犳犮犪狀狅狆狔犾犲犪狏犲狊狋狅
犆犺犾犫犮狅狀狋犲狀狋狊犳狅狉犉．犪狉狌狀犱犻狀犪犮犲犪
变量Ｖａｒｉａｎｔ 回归模型Ｒｅｇｒｅｓｓｉｏｎｍｏｄｅｌ 回归系数犚２ 标准误差犛．犈． 犉检验犉ｔｅｓｔ 显著性Ｓｉｇ．
犚犵
Ｃｈｌｂ＝０．７１６－０．０６犚犵
＝０．８４５－０．２６７ｌｎ犚犵
＝０．５６５＋０．００８犚犵－０．００７犚犵２
＝ｅ－１．４１４＋２．６５／犚犵
０．６９０ ０．０２８ ２２．２７５ ０．００１
０．６７８ ０．０２８ ２１．０９５ ０．００１
０．６９５ ０．０２９ １０．２６３ ０．００５
０．６７７ ０．０６４ ２０．９７５ ０．００１
犇λ７００
Ｃｈｌｂ＝１７．７３１－２０．１３８犇λ７００
＝１．３６６－９．０８４ｌｎ犇λ７００
＝５０．０３１＋１６３．４３１犇λ７００－１６６．２９２犇λ７００２
＝ｅ１．１３９＋０．４５０／犇λ７００
０．７０３ ０．６５６ ２３．６９６ ０．００１
０．７２８ ０．６２７ ２６．８２１ ０．０００
０．７９７ ０．５７１ １７．７２１ ０．００１
０．７３０ ０．０７１ ２７．０１６ ０．０００
犚犞犐犫
Ｃｈｌｂ＝０．５５７＋０．６４２犚犞犐犫
＝１．０８１＋０．２９２ｌｎ犚犞犐犫
＝－０．９７６＋７．５７９犚犞犐犫－７．７５７犚犞犐犫２
＝ｅ０．１８７－０．１５８／犚犞犐犫
０．６９１ ０．０２２ ２２．３４６ ０．００１
０．７２７ ０．０２０ ２６．９６３ ０．０００
０．８９６ ０．０１３ ３８．８２０ ０．０００
０．７６８ ０．０２２ ３０．０８０ ０．０００
犚犮犺
Ｃｈｌｂ＝０．５８２－０．７２８犚犮犺
＝０．００６－０．１２８ｌｎ犚犮犺
＝０．５３８－０．２４４犚犮犺－１．２１６犚犮犺２
＝ｅ－１．０７１＋０．０４５／犚犮犺
０．６９５ ０．０２８ ２２．７６０ ０．００１
０．６３７ ０．０３０ １７．５３４ ０．００２
０．７０２ ０．０２９ １０．６２１ ０．００４
０．５５８ ０．０７５ １２．６２４ ０．００５
犆犃犚犐
Ｃｈｌｂ＝０．６７７－０．０１３犆犃犚犐
＝１．１１６－０．２３２ｌｎ犆犃犚犐
＝０．５８７－０．００３犆犃犚犐＋０．０００犆犃犚犐２
＝ｅ－１．３４６＋０．１０６／犆犃犚犐
０．７６３ ０．０２４ ３２．２１８ ０．０００
０．７５０ ０．０２５ ３０．００９ ０．０００
０．７６６ ０．０２６ １４．７３１ ０．００１
０．７４６ ０．０５７ ２９．４３９ ０．０００
犇［ｌｏｇ（１／犚７３０）］
Ｃｈｌｂ＝－０．００３－０．３６犇［ｌｏｇ（１／犚７３０）］
＝－０．３２－０．０１６ｌｎ｛犇［ｌｏｇ（１／犚７３０）］｝
＝０．０４８－０．２６９犇［ｌｏｇ（１／犚７３０）］＋０．２６犇［ｌｏｇ（１／犚７３０）］２
－
０．７４０ ０．００１ ２８．５２８ ０．０００
０．７６３ ０．００１ ３２．１１１ ０．０００
０．８１９ ０．００１ ２０．３２９ ０．０００
－ － － －
注：－表示无法拟合。
Ｎｏｔｅ：－ｉｎｄｉｃａｔｅｓｔｈａｔｎｏｗａｙｓｔｏｆｉｔｔｉｎｇ．
３ 结论
本研究在高羊茅牧草关键生长期进行了３次试验，同步采集了高羊茅冠层光谱反射率与叶片色素含量数
据，分别对获取的数据进行了光合色素与原始光谱、导数光谱的相关分析，典型高光谱特征指数的挑选以及色素
的线性回归模拟，通过分析得出以下结论。
高羊茅牧草冠层光谱反射率与Ｃｈｌａ、Ｃｈｌｂ、Ｃｈｌｓ和Ｃａｒｓ密切相关，其原始光谱和植被３种单一色素的相关
性在７１０ｎｍ处均达最高，且３种单一色素中，Ｃｈｌｂ的相关性最好，Ｃａｒｓ的相关性最差。
原始光谱、光谱一阶导数和光谱倒数对数一阶导在波长６５０～８００ｎｍ与色素含量有较大的相关性，且其相
关性较显著、稳定。单就植被冠层Ｃｈｌｂ含量而言，它和原始光谱在７１０ｎｍ附近相关性最好，和光谱一阶导在
７００ｎｍ附近相关性最好，和光谱倒数对数一阶导在７３０～７５０ｎｍ最相关，其中和光谱一阶导的相关系数在７００
ｎｍ附近达到最大，为－０．８９７，比原始光谱反射率与叶绿素含量的相关性更优。
从５大类高光谱变量中挑选了１２个典型变量，与３种单一色素色素含量进行相关分析，得到相关性达到极
显著水平的６个变量，分别为犚犵、犇λ７００、犇［ｌｏｇ（１／犚７３０）］、犚犞犐犫、犚犮犺、犆犃犚犐，采用４种单变量线性回归模型进行植
００１ ＡＣＴＡＰＲＡＴＡＣＵＬＴＵＲＡＥＳＩＮＩＣＡ（２００９） Ｖｏｌ．１８，Ｎｏ．４
被单一色素含量的模型拟合。
光合色素拟合结果表明，高光谱变量犇［ｌｏｇ（１／犚７３０）］、犚犞犐犫 和犚犮犺与光合色素含量具有较好的拟合效果，且
４种拟合模型中二次曲线拟合模型相关性最高。利用高羊茅群体冠层光谱数据得到的光合色素含量的最优拟合
方程为Ｃｈｌｂ＝－０．９７６＋７．５７９犚犞犐犫－７．７５７犚犞犐犫２，Ｃｈｌａ＝４．８６６－５．２５９犚犮犺＋１．４５９犚犮犺２，Ｃｈｌｓ＝４．３５５－３．６９２
犚犮犺＋０．８０６犚犮犺２ 和Ｃａｒｓ＝８．０１４－３３．３１７犚犮犺＋３５．１４５犚犮犺２，其犚２ 分别为０．８９６，０．８５１，０．８７７和０．８８５。
基于高光谱植被指数与作物生理参数，通过植被指数来建立的植被冠层色素的估算模型均有一定误差，误
差来源除了光谱仪自身的信噪比外，植被类型、生育阶段、生长条件以及测量环境等诸多因素都会影响统计模型
的建立。而基于辐射传输方程或几何光学原理建立的ＰＲＯＳＰＥＣＴ、ＳＡＩＬ等ＲＴ模型虽然有深厚的物理基础，
但是模型的参数过于复杂，有些参数无法实时获取，因而限制了其应用性。
参考文献：
［１］ 王小利，刘正书，牟琼，等．高羊茅遗传多样性ＲＡＰＤ分析［Ｊ］．草业学报，２００７，１６（４）：８２８６．
［２］ 杨志民，陈煜，韩烈保．不同光照强度对高羊茅形态和生理指标的影响［Ｊ］．草业学报，２００７，１６（６）：２３２９．
［３］ ＦｉｌｅｌａＤ，ＰｅｒｒｕｅｌａｓＪ．Ｔｈｅｒｅｄｅｄｇｅｐｏｓｉｔｉｏｎａｎｄｓｈａｐｅａｓｉｎｄｉｃａｔｏｒｓｏｆｐｌａｎｔｃｈｌｏｒｏｐｈｙｌｃｏｎｔｅｎｔ，ｂｉｏｍａｓｓａｎｄｈｙｄｒｉｃｓｔａｔｕｓ［Ｊ］．Ｉｎｔｅｒ
ｎａｔｉｏｎａｌＪｏｕｒｎａｌｏｆＲｅｍｏｔｅＳｅｎｓｉｎｇ，１９９４，１５（７）：１４５９１４７０．
［４］ ＭａｄｅｉｒａＡＣ，ＭｅｎｄｏｎｃａＡ，ＦｅｒｒｅｉｒａＭＥ，犲狋犪犾．Ｒｅｌａｔｉｏｎｓｈｉｐｂｅｔｗｅｅｎｓｐｅｃｔｒｏｒａｄｉｏｍｅｔｒｉｃａｎｄｃｈｌｏｒｏｐｈｙｌ ｍｅａｓｕｒｅｍｅｎｔｓｉｎ
ｇｒｅｅｎＢｅａｎｓ［Ｊ］．ＣｏｍｍｕｎｉｃａｔｉｏｎｉｎＳｏｉｌＳｃｉｅｎｃｅａｎｄＰｌａｎｔＡｎａｌｙｓｉｓ，２０００，３１（５６）：６３１６４３．
［５］ 吴长山，童庆禧，郑兰芬，等．水稻、玉米的光谱数据与叶绿素的相关分析［Ｊ］．应用基础与工程科学学报，２０００，８（１）：３１
３７．
［６］ 唐延林，黄敬峰，王秀珍，等．玉米叶片高光谱特征及与叶绿素、类胡萝卜素相关性的研究［Ｊ］．玉米科学，２００８，１６（２）：７１７６．
［７］ ＢｌａｃｋｂｕｒｎＧＡ．Ｑｕａｎｔｉｆｙｉｎｇｃｈｌｏｒｏｐｈｙｌｓａｎｄｃａｒｏｔｅｎｉｏｄｓａｔｌｅａｆａｎｄｃａｎｏｐｙｓｃａｌｅｓ：Ａｎｅｖａｌｕａｔｉｏｎｏｆｓｏｍｅｈｙｐｅｒｓｐｅｃｔｒａｌａｐ
ｐｒｏａｃｈｅｓ［Ｊ］．ＲｅｍｏｔｅＳｅｎｓｉｎｇｏｆＥｎｖｉｒｏｎｍｅｎｔ，１９９８，６６：２７３２８５．
［８］ 程乾，黄敬峰，王人潮，等．ＭＯＤＩＳ植被指数与水稻叶面积指数及叶片叶绿素含量相关性研究［Ｊ］．应用生态学报，２００４，１５
（８）：１３６３１３６７．
［９］ 赵祥，刘素红，王培，等．基于高光谱数据的小麦叶绿素含量反演［Ｊ］．地理与地理信息科学，２００４，２０（３）：３６３９．
［１０］ 高俊风．植物生理学实验指导［Ｍ］．北京：高等教育出版社，２００６．１０１１０３．
［１１］ ＧｕｐｔａＲＫ，ＶｉｊａｙａｎＤ，ＰｒａｓａｄＴＳ．Ｎｅｗｈｙｐｅｒｓｐｅｃｔｒａｌｖｅｇｅｔａｔｉｏｎｃｈａｒａｃｔｅｒｉｚａｔｉｏｎｐａｒａｍｅｔｅｒｓ［Ｊ］．ＡｄｖａｎｃｅｓｉｎＳｐａｃｅＲｅ
ｓｅａｒｃｈ，２００１，２８（１）：２０１２０６．
［１２］ ＢｏｒｇｅＮＨ，ＬｅｂｉａｎｃＥ．Ｃｏｍｐａｒｉｎｇｐｒｅｄｉｃｔｉｏｎｐｏｗｅｒａｎｄｓｔａｂｉｌｉｔｙｏｆｂｒｏａｄｂａｎｄａｎｄｈｙｐｅｒｓｐｅｃｔｒａｌｖｅｇｅｔａｔｉｏｎｉｎｄｉｃｅｓｆｏｒｅｓｔｉ
ｍａｔｉｏｎｏｆｇｒｅｅｎｌｅａｆａｒｅａｉｎｄｅｘａｎｄｃａｎｏｐｙｃｈｏｌｏｒｏｐｈｙｌｄｅｎｓｉｔｙ［Ｊ］．ＲｅｍｏｔｅＳｅｎｓｉｎｇｏｆＥｎｖｉｒｏｎｍｅｎｔ，２０００，７６：１５６１７２．
［１３］ 宋开山，张柏，王宗明，等．小波分析在大豆叶绿素含量高光谱反演中的应用［Ｊ］．中国农学通报，２００８，２２（９）：１０１１０８．
［１４］ 王秀珍，王人潮，黄敬峰．微分光谱遥感及其在水稻农学参数测定上的应用研究［Ｊ］．农业工程学报，２００２，１８（１）：９１３．
［１５］ 王秀珍，王人潮，李云梅，等．不同氮素营养水平的水稻冠层光谱红边参数及其应用研究［Ｊ］．浙江大学学报（农业与生命科学
版），２００１，２７（３）：３０１３０６．
［１６］ 浦瑞良，宫鹏．森林生物化学与ＣＡＳＩ高光谱分辨率遥感数据的相关分析［Ｊ］．遥感学报，１９９７，１（２）：１１５１２３．
［１７］ 吴长山，项月琴，郑兰芬，等．利用高光谱数据对作物群体叶绿素密度估算的研究［Ｊ］．遥感学报，２０００，４（３）：２２８２３２．
［１８］ 张金恒，王珂，王人潮．高光谱评价植被叶绿素含量的研究进展［Ｊ］．上海交通大学学报（农业科学版），２００３，２１（１）：７４
８０．
１０１第１８卷第４期 草业学报２００９年
犈狊狋犻犿犪狋犻狅狀狅犳狆犺狅狋狅狊狔狀狋犺犲狋犻犮狆犻犵犿犲狀狋狅犳犉犲狊狋狌犮犪犪狉狌狀犱犻狀犪犮犲犪狌狊犻狀犵犺狔狆犲狉狊狆犲犮狋狉犪犾犱犪狋犪
ＱＩＡＮＹｕｒｏｎｇ１，２，ＹＡＮＧＦｅｎｇ１，ＬＩＪｉａｎｌｏｎｇ１，ＧＡＮＸｉａｏｙｕ１，ＹＡＮＧＱｉ１，ＷＡＮＧＷｅｉｙｕａｎ３
（１．ＳｃｈｏｏｌｏｆＬｉｆｅＳｃｉｅｎｃｅ，ＮａｎｊｉｎｇＵｎｉｖｅｒｓｉｔｙ，Ｎａｎｊｉｎｇ２１００９３，Ｃｈｉｎａ；２．ＳｏｆｔｗａｒｅＣｏｌｅｇｅ，Ｘｉｎｊｉａｎｇ
Ｕｎｉｖｅｒｓｉｔｙ，Ｕｒｕｍｑｉ８３００４６，Ｃｈｉｎａ；３．ＣｏｎｆｉｄｅｎｔｉａｌＤｅｐａｒｔｍｅｎｔ，Ｘｉｎｊｉａｎｇ
ＭｉｌｉｔａｒｙＡｒｅａＣｏｍｍａｎｄ，Ｕｒｕｍｑｉ８３００４２，Ｃｈｉｎａ）
犃犫狊狋狉犪犮狋：Ｐｈｏｔｏｓｙｎｔｈｅｔｉｃｐｉｇｍｅｎｔｓｏｆｖｅｇｅｔａｔｉｏｎａｒｅａｐｒｉｍａｒｙｐｒｏｄｕｃｔａｎｄｉｍｐｏｒｔａｎｔｍａｔｅｒｉａｌｓｔｈａｔｃａｎｉｎｄｉ
ｒｅｃｔｌｙｒｅｆｌｅｃｔｈｅａｌｔｈｓｔａｔｕｓａｎｄｐｈｏｔｏｓｙｎｔｈｅｔｉｃｃａｐａｃｉｔｙｏｆｖｅｇｅｔａｔｉｏｎ．Ｈｙｐｅｒｓｐｅｃｔｒａｌｒｅｍｏｔｅｓｅｎｓｉｎｇｐｒｏｖｉｄｅｓ
ｔｈｅｐｏｓｓｉｂｉｌｉｔｙｆｏｒｒａｐｉｄ，ｌａｒｇｅｓｃａｌｅｍｏｎｉｔｏｒｉｎｇｏｆｖｅｇｅｔａｔｉｏｎｃｈｌｏｒｏｐｈｙｌｃｈａｎｇｅ．Ｉｎｔｈｉｓｓｔｕｄｙ，ｃａｎｏｐｙｒｅｆｌｅｃ
ｔａｎｃｅｓｐｅｃｔｒａａｎｄｃｈｌｏｒｏｐｈｙｌｃｏｎｔｅｎｔｏｆｃｏｏｌｓｅａｓｏｎ犉犲狊狋狌犮犪犪狉狌狀犱犻狀犪犮犲犪ｗｅｒｅｍｅａｓｕｒｅｄａｎｄｔｈｅｉｒｒｅｌａｔｉｏｎｓｈｉｐ
ａｎａｌｙｚｅｄ．Ｔｈｅｔｏｐｆｉｖｅｃｈｌｏｒｏｐｈｙｌｓｅｎｓｉｔｉｖｅｐａｒａｍｅｔｅｒｓｗｅｒｅｓｅｌｅｃｔｅｄｆｒｏｍ１２ｈｙｐｅｒｓｐｅｃｔｒａｌｃｈａｒａｃｔｅｒｉｓｔｉｃｖａｒｉａ
ｂｌｅｓ，ａｎｄｔｈｅｎｕｓｅｄｔｏｅｓｔａｂｌｉｓｈａｖｅｇｅｔａｔｉｏｎｉｎｄｅｘｍｏｄｅｌｔｏｅｓｔｉｍａｔｅｐｈｏｔｏｓｙｎｔｈｅｔｉｃｐｉｇｍｅｎｔｓ．１）Ｔｈｅｒｅｌａｔｉｏｎ
ｓｈｉｐｂｅｔｗｅｅｎＣｈｌｂａｎｄｔｈｅｏｒｉｇｉｎａｌｓｐｅｃｔｒｕｍｗａｓｔｈｅｂｅｓｔａｍｏｎｇｔｈｅｐｈｏｔｏｓｙｎｔｈｅｔｉｃｐｉｇｍｅｎｔｓ：Ｃｈｌａ，Ｃｈｌｂ，
Ｃｈｌｓ，ａｎｄＣａｒｓ．２）Ｔｈｅｆｉｒｓｔｄｅｒｉｖａｔｉｖｅｓｐｅｃｔｒａｇａｖｅａｂｅｔｔｅｒｒｅｌａｔｉｏｎｓｈｉｐ（ｃｏｒｒｅｌａｔｉｏｎｃｏｅｆｆｉｃｉｅｎｔ：－０．８９７）
ｗｉｔｈｖｅｇｅｔａｔｉｏｎｐｈｏｔｏｓｙｎｔｈｅｔｉｃｐｉｇｍｅｎｔｓｎｅａｒ７００ｎｍｗａｖｅｌｅｎｇｔｈｔｈａｎｔｈｅｏｔｈｅｒｔｗｏｈｙｐｅｒｓｐｅｃｔｒｕｍｆｏｒｍｓ｛Ｒ
ａｎｄ犇［ｌｏｇ（１／犚）］｝．Ｆｉｎａｌｙ，ａｆｔｅｒｃｏｍｐａｒｉｎｇｔｈｅｃｏｒｒｅｌａｔｉｏｎｂｅｔｗｅｅｎｐｈｏｔｏｓｙｎｔｈｅｔｉｃｐｉｇｍｅｎｔｃｏｎｃｅｎｔｒａｔｉｏｎｓ
ａｎｄｈｙｐｅｒｓｐｅｃｔｒａｌｄａｔａ，ｔｈｅｍｏｓｔｓｉｇｎｉｆｉｃａｎｔｖａｒｉａｂｌｅｓ｛犚犵，犇λ７００，犇［ｌｏｇ（１／犚７３０）］，犚犞犐犫，犚犮犺，犆犃犚犐｝ｗｅｒｅ
ｓｅｌｅｃｔｅｄｆｒｏｍｔｗｅｌｖｅｖａｒｉａｂｌｅｓｔｏｅｓｔａｂｌｉｓｈｔｈｅｒｅｇｒｅｓｓｉｏｎｍｏｄｅｌｏｆｐｈｏｔｏｓｙｎｔｈｅｔｉｃｐｉｇｍｅｎｔｓ．Ａｌｏｆｔｈｅｓｅｐｒｏ
ｖｉｄｅａｔｈｅｏｒｅｔｉｃａｌｂａｓｉｓｆｏｒｒａｐｉｄ，ｎｏｎｉｎｖａｓｉｖｅｄｅｔｅｃｔｉｏｎｏｆｎｕｔｒｉｔｉｏｎａｌｓｔａｔｕｓａｎｄｍｅａｄｏｗｑｕａｌｉｔｙｏｆ犉．犪狉狌狀犱犻
狀犪犮犲犪．
犓犲狔狑狅狉犱狊：犉犲狊狋狌犮犪犪狉狌狀犱犻狀犪犮犲犪；ｐｈｏｔｏｓｙｎｔｈｅｔｉｃｐｉｇｍｅｎｔ；ｈｙｐｅｒｓｐｅｃｔｒａｌｄａｔａ；ｔｙｐｉｃａｌｖａｒｉａｎｔｏｆｈｙｐｅｒｓｐｅｃ
ｔｒｕｍ；ｒｅｇｒｅｓｓｉｏｎｍｏｄｅｌ
２０１ ＡＣＴＡＰＲＡＴＡＣＵＬＴＵＲＡＥＳＩＮＩＣＡ（２００９） Ｖｏｌ．１８，Ｎｏ．４