全 文 ：书基于反射光谱技术评价草坪质量模型的研究
许岳飞１，金晶炜２，孙小玲１，周禾１
（１．中国农业大学动物科技学院，北京１００１９３；２．中国农业大学资源与环境学院，北京１００１９３）
摘要：草坪植物叶片中的叶绿素是影响草坪颜色的重要色素，是评价草坪质量的内在因素。采用便携式光谱仪，在
室外自然光照条件下，测定２种草坪群落的反射光谱，选择草坪叶片叶绿素含量的敏感光谱波段４００～７００ｎｍ，应
用偏最小二乘法（ＰＬＳ）建立草坪植物叶片叶绿素与反射光谱的定量分析模型，结果表明，草坪植物叶绿素的预测值
与实测值的相关性较好，相关系数为０．９３７，相对标准偏差为３．２％，建立偏最小二乘法估测草坪颜色的最优模型，
均方根误差评价值较小（犚犕犛犈＝０．２６）。因此，反射光谱技术在园林绿化工程中为快速评价草坪质量提供了新的
途径。
关键词：反射光谱；草坪；质量评价；叶绿素含量；偏最小二乘法
中图分类号：Ｓ６８８．４；Ｓ８１２０５　　文献标识码：Ａ　　文章编号：１００４５７５９（２００９）０４０２５６０４
　 质量较高的草坪有美化环境、净化空气、调节气温以及消减噪音等作用和功效，是园林绿化不可缺少的组成
部分［１～３］。草坪质量是草坪在其生长和使用期内功能的综合表现，它体现草坪的建植技术与管理水平，是对草坪
优劣程度的一种评价。草坪的颜色是草坪质量评价中重要的参数，而草坪叶片中叶绿素呈现的绿色对草坪颜色
影响较大，精确测定叶绿素的含量对准确判定草坪质量有重要的意义。传统的草坪颜色评价一般采用目测法和
实测法，目测法得到的结果误差较大，而实测法在实验室分析需要专业的分析人员和大量的分析试剂与仪器，需
要耗费大量的时间、人力、物力。
随着遥感技术的发展和应用，利用反射光谱技术来估测植物叶片中叶绿素含量已经成为监测植物生长情况
的一种重要手段。１９８３年 Ｈｏｒｌｅｒ等［４］研究了植被光谱与叶绿素浓度的关系，并提出光谱“红边”位置（６８０～７５０
ｎｍ一阶微分值达到最大时对应的波长）可以指示植被叶绿素浓度。Ｐｉｎａｒ［５］比较草丛群体光谱“红边”位置与叶
片叶绿素浓度、叶绿素密度的关系，表明群体植被光谱“红边”位置能够更好地反映草丛的叶绿素密度。Ｄａｎ
ｓｏｎ［６］比较“红边”位置与叶面积指数、归一化差值植被指数（ＮＤＶＩ）的相关关系，提出“红边”位置与叶面积指数高
度相关。近年来，应用高光谱监测植物叶绿素含量变化的文献大量出现，并且建立了多种高光谱参数与遥感模型
来定量估算植被叶绿素的变化［７，８］。国内对利用高光谱监测农作物［９，１０］方面的研究较多，但以高光谱监测不同的
草坪群落与叶绿素含量变化的研究尚未见报道。鉴于此，本研究力图探索草坪群落反射光谱特征与草坪草叶绿
素含量变化的关系，应用偏最小二乘法，建立草坪群落活体叶片叶绿素与草坪反射光谱的定量分析模型，确定出
草坪群落的质量评价模型，从而为反射光谱技术在快速评价草坪质量的应用提供参考。
１　材料与方法
１．１　试验地概况
试验地点位于云南省云农园林绿化有限公司草坪生产基地（２５°４１′Ｎ，１０３°４５′Ｅ），海拔１９００ｍ，年均温
１５℃，极端最高气温３８．２℃，极端最低气温１．５℃，≥１０℃年积温７０００～８０００℃，多年平均降水量１１００ｍｍ，土
壤为砖红壤，有机质含量１８．２ｇ／ｋｇ，全氮０．５４ｇ／ｋｇ，碱解氮３２．２ｍｇ／ｋｇ，ｐＨ值为６．６。试验选取２００６年５月
建植的草地早熟禾（犘狅犪狆狉犪狋犲狀狊犻狊）和高羊茅（犉犲狊狋狌犮犪犪狉狌狀犱犻狀犪犮犲犪）草坪地作为研究对象。
１．２　草坪光谱测量方法
光谱仪采用美国ＡＳＤ（ＡｎａｌｙｔｉｃａｌＳｐｅｃｔｒａｌＤｅｖｉｃｅ）公司的ＡＳＤＦｉｅｌｄＰｒｏＦＲＴＭ 光谱仪，光谱测量范围为
２５６－２５９
２００９年８月
　　　草　业　学　报　　　
　　　ＡＣＴＡＰＲＡＴＡＣＵＬＴＵＲＡＥＳＩＮＩＣＡ　　　
第１８卷　第４期
Ｖｏｌ．１８，Ｎｏ．４
 收稿日期：２００８１０１５；改回日期：２００９０１１９
基金项目：国家科技支撑计划项目（２１０３７０３７）资助。
作者简介：许岳飞（１９８０），男，内蒙古集宁人，在读博士。Ｅｍａｉｌ：ｘｕｙｆｇｒａｓｓ＠ｇｍａｉｌ．ｃｏｍ
通讯作者。Ｅｍａｉｌ：ｚｈｏｕｈｅ＠ｃａｕ．ｅｄｕ．ｃｎ
３５０～２５００ｎｍ，其中，３５０～１０００ｎｍ光谱采样间隔（波段宽）为１．４ｎｍ，光谱分辨率为３ｎｍ，１０００～２５００ｎｍ
光谱采样间隔（波段宽）为２ｎｍ，光谱分辨率为１０ｎｍ。
光谱测定选择晴朗无云无风的天气，于２００７年８月６日，北京时间１１：００－１４：００（太阳高度角大于４５°），分
别测定草坪的冠层群体光谱反射率。每次数据采集前都进行白板校正（标准白板反射率为１，所测得的草坪群落
光谱是无量纲的相对反射率），测定时光谱仪视场角设定为８°，传感器探头垂直向下，距冠层垂直高度１ｍ，采样
每次记录１０条光谱，取平均值作为样本的光谱值。
１．３　草坪植物叶绿素的实测法
与光谱测量同步，获取每次光谱测定后的新鲜叶片样品０．５ｇ，剪碎，放于试管中，加１００ｍＬ１∶１的无水丙
酮－乙醇混合液，密封后于黑暗中浸提２４ｈ，用７５２型紫外分光光度计分别测定６６３和６４５ｎｍ 处的光密度值。
根据Ａｒｎｏｎ［１１］的公式计算叶绿素含量。
１．４　草坪颜色评价体系建立
目测法是以观测者对草坪目测的结果对草坪颜色给予等级划分的评价，通常采用美国国家草坪草评价计划
（ＴｈｅＮａｔｉｏｎａｌＴｕｒｆｇｒａｓｓＥｖａｌｕａｔｉｏｎＰｒｏｇｒａｍ，ＮＴＥＰ）所规定的方法。它是一种外观质量评分法，采用９分制评
价草坪质量，其中颜色的评分标准为：７～９分表示深绿到墨绿；５～７分表示浅绿到较深的绿色；３～５分表示较多
的绿色，少量枯叶；１～３分表示较多的枯叶，少量绿色；１分表示休眠或枯黄。ＮＴＥＰ评价数列的确定，记为：
参考对象数列为：狓０＝｛狓０（１），狓０（２），狓０（３），……，狓０（狀）｝
被评价对象数列为：狓犻＝｛狓犻（１），狓犻（２），狓犻（３），……，狓犻（狀）｝　　（犻＝１，２，３，……，狀）
ＮＴＥＰ评价矩阵确定为：
犡＝［狓犻犼］犿狀　　（犻＝１，２，……，犿；犼＝１，２，……，狀）
式中，狓犻犼表示第犻个草坪群落颜色ＮＴＥＰ评价的第犼个指标的值。
１．５　数据分析
在定量分析叶片各色素含量与单波段反射率相关性的基础上，确定草坪叶片色素含量的敏感光谱波段范围
４００～７００ｎｍ，应用偏最小二乘法（ＰＬＳ）进行回归建模，其建模方法［１２］是：
设犎 为狀个校正样品在犿 个波长处的吸光度矩阵，犆为犽个组分在狀个校正样品中的含量矩阵，犈和犉 分
别为残差矩阵。偏最小二乘法不仅将光谱矩阵犎 分解为吸光度隐变量矩阵犜 与载荷矩阵犘 的乘积，还把含量
矩阵犆分解为含量隐变量矩阵犝 与载荷矩阵犙 的乘积：
犎（狀×犿）＝犜（狀×犱）×犘（犱×犿）＋犈（狀×犿） （１）
犆（狀×犽）＝犝（狀×犱）×犙（犱×犽）＋犉（狀×犽） （２）
式中，犱为维数，用交叉证实法得到，然后将隐变量矩阵犜，犝 作线性回归，用对角矩阵犅关联：
犝（狀×犱）＝犜（狀×犱）×犅（犱×犱） （３）
由（３）式可求出犅：
犅＝犜′犝（犜′犜）－１ （４）
对预测集中要预测的样品，设其光谱矩阵为犎ｕｎｋ，则有：
犎ｕｎｋ＝犜ｕｎｋ×犘 （５）
式中，犘为校正集中分解光谱矩阵犎 时得到的载荷矩阵。由（５）式可求出预测样品的吸光度隐变量矩阵犜ｕｎｋ，
于是可得到预测样品的含量犆ｕｎｋ为：
犆ｕｎｋ＝犜ｕｎｋ×犅×犙 （６）
式中，犙为校正集中分解含量矩阵犆时得到的载荷矩阵。
２　结果与分析
２．１　草坪反射光谱特性
光谱反射率呈典型的植物光谱特征曲线，草坪群落的光谱曲线主要受叶片色素、细胞结构和含水量的影响，
因此可以将光谱曲线划分为３个部分进行分析（图１）。第１为可见光部分，曲线在４００～５００ｎｍ 的蓝紫光波段
８４２
２５６－２５９
２００９年８月
　　　草　业　学　报　　　
　　　ＡＣＴＡＰＲＡＴＡＣＵＬＴＵＲＡＥＳＩＮＩＣＡ　　　
第１８卷　第４期
Ｖｏｌ．１８，Ｎｏ．４
与６００～７００ｎｍ 的红光波段，由于草坪草叶片中叶
图１　草坪光谱反射率曲线
犉犻犵．１　犚犲犳犾犲犮狋犪狀犮犲狊狆犲犮狋狉犪犮狌狉狏犲狊狅犳狋狌狉犳犵狉犪狊狊
Ａ：蓝谷Ｂｌｕｅｖａｌｅｙ；Ｂ：绿峰 Ｇｒｅｅｎｐｅａｋ；Ｃ：红谷 Ｒｅｄｖａｌｅｙ；
Ｄ：近红外高反射区域 Ｎｅａｒｉｎｆｒａｒｅｄｈｉｇｈｒｅｆｌｅｃｔｉｏｎｒｅｇｉｏｎ
图２　真实值与估测值的相关性
犉犻犵．２　犜犺犲犮狅狉狉犲犾犪狋犻狅狀犫犲狋狑犲犲狀狉犲犪犾狏犪犾狌犲狊犪狀犱犲狊狋犻犿犪狋犲犱狏犪犾狌犲狊
绿素强烈吸收辐射能进行光合作用而形成２个吸收
谷，其中蓝谷（Ａ）为光谱在蓝紫波段的反射率最小
值，而红谷（Ｃ）为反射光谱在红光波段的反射率最
小值。在这２个吸收谷之间，即５５０ｎｍ处的绿光波
段，吸收较少，形成反射绿峰，绿峰（Ｂ）为反射光谱
在绿光波段的反射率最大值，这是绿色植物呈现绿
色的原因；第２部分在７５０～１３００ｎｍ，是个近红外
高反射区域（Ｄ），反射率从红谷到近红外高反射平
台区之间的变化可用“红边”来表示，这个区域存在
２个较宽大的吸收谷，这种对红外光的强反射是由
叶片的细胞结构所导致的；第３部分在１４５０～
２１００ｎｍ处，草坪植物水的吸收峰主要在１４５０和
１９００ｎｍ附近。
本研究比较了２种不同草坪草的光谱曲线，当
样地为草地早熟禾草坪，叶绿素总量相对偏低，为
１．８ｍｇ／ｇ；当样地为高羊茅草坪，叶绿素总量相对
偏高，为２．０５ｍｇ／ｇ。
２．２　叶绿素偏最小二乘法模型建立
草坪草叶片中叶绿素强烈吸收在４００～７００ｎｍ
的光谱可见光区域，每隔５ｎｍ取１个数据点，共６１
个数据点，用来建立叶绿素的定量分析模型。在偏
最小二乘法中，重要的是确定建模的维数。用交叉
证实法确定草坪植物叶片叶绿素含量的维数为５
维。对草坪叶片中叶绿素含量用偏最小二乘法进行
建模，其建模预测值与真实值的相关系数为０．９３７
（图２），相对标准偏差为３．２％。
２．３　草坪颜色评价模型的建立
采用ＮＴＥＰ评价矩阵评价２种草坪群落的颜色，与化学方法实测叶绿素含量进行相关分析，得出ＮＴＥＰ评
价值与草坪叶片叶绿素含量具有较好的线性相关，其回归方程为：
狔＾＝７．３４犡－７．４５　　（狉＝０．８９７，犘＜０．０１，狀＝４２） （７）
式中，＾狔为草坪颜色评分值，犡为实测叶绿素含量。
对ＮＴＥＰ评价值与偏最小二乘法估测草坪叶片的叶绿素含量进行相关分析，得出ＮＴＥＰ评价值与偏最小二
乘法估测叶绿素值线性相关较好，其回归方程为：
狔＾＝６．５３犡１－５．６１　　（狉＝０．９４８，犘＜０．０１，狀＝４２） （８）
式中，＾ｙ为草坪颜色评分值，犡１ 为偏最小二乘法估测叶绿素含量值。
２．４　精确度检验
通常精确度评价标准采用均方根误差（ｒｏｏｔｍｅａｎｓｑｕａｒｅｅｒｒｏｒ，ＲＭＳＥ）评价体系，由变量和多变量回归模型
估算参数，进行评价，犚犕犛犈值越小说明方程的精度越高。犚犕犛犈评价方程如下：
犚犕犛犈＝ ∑
狀
犻＝１
（狔犻－狔′犻）２／槡 狀 （９）
式中，狔犻为叶绿素实测值，狔′犻为偏最小二乘法得到的估测值，狀为样本数。
９４２第１８卷第４期 草业学报２００９年
草坪质量评价高光谱估算模型的精度检验结果显示，由叶绿素含量实测值评价的草坪颜色的犚犕犛犈值０．２９
与偏最小二乘法估测值评价草坪颜色的犚犕犛犈值０．２６，基本吻合，说明利用高光谱参数评价的准确性较好。
３　讨论与结论
利用便携式光谱仪在室外测量草坪群落的光谱特性，光谱指数所选择的敏感光谱波段集中在４００～７００ｎｍ
处，应用偏最小二乘法，建立叶片叶绿素的定量分析模型，草坪植物叶绿素的预测值与实测值的相关性较好，预测
值与真实值的相关系数为０．９３７，相对标准偏差为３．２％。由偏最小二乘法估测草坪的颜色值与叶绿素实测值评
价草坪颜色的精确度检验值基本吻合，均方根误差评价值较小（犚犕犛犈＝０．２６）。
高光谱技术适用于大面积草坪的外观质量评价，操作简单、快捷方便、结果可靠，与ＮＴＥＰ法和实测法（分光
光度法）等评价草坪颜色的方法相比，可节省人力、物力，避免人为因素的影响。
参考文献：
［１］　杨志民，何霞，韩烈保．高温季节不同光照强度对冷季型草坪草坪用性状的影响［Ｊ］．草业学报，２００７，１６（５）：４８５５．
［２］　杨志民，陈煜，韩烈保，等．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）：２３２９．
［３］　蔡华，夏海武，王荣富．麦冬草坪群落中杂草的分布及细胞学研究［Ｊ］．草业学报，２００７，１６（４）：８７９２．
［４］　ＨｏｒｌｅｒＤＮＨ，ＤｏｃｋｒａｙＭ，ＢａｒｂｅｒＪ，犲狋犪犾．Ｔｈｅｒｅｄｅｄｇｅｏｆｐｌａｎｔｌｅａｆｒｅｆｌｅｃｔａｎｃｅ［Ｊ］．ＩｎｔｅｒｎａｔｉｏｎａｌＪｏｕｒｎａｌｏｆＲｅｍｏｔｅＳｅｎｓ
ｉｎｇ，１９８３，４：２７３２８８．
［５］　ＰｉｎａｒＡ．Ｇｒａｓｓｃｈｌｏｒｏｐｈｙｌａｎｄｔｈｅｒｅｆｌｅｃｔａｎｃｅｒｅｄｅｄｇｅ［Ｊ］．ＩｎｔｅｒｎａｔｉｏｎａｌＪｏｕｒｎａｌｏｆＲｅｍｏｔｅＳｅｎｓｉｎｇ，１９９６，１７（２）：３５１３５７．
［６］　ＤａｎｓｏｎＦＭ．Ｒｅｄｅｄｇｅｒｅｓｐｏｎｓｅｔｏｌｅａｆａｒｅａｉｎｄｅｘ［Ｊ］．ＩｎｔｅｒｎａｔｉｏｎａｌＪｏｕｒｎａｌｏｆＲｅｍｏｔｅＳｅｎｓｉｎｇ，１９９５，１６（１）：１８３１８８．
［７］　方慧，宋海燕，曹芳，等．油菜叶片的光谱特征与叶绿素含量之间的关系研究［Ｊ］．光谱学与光谱分析，２００７，２７（９）：１７３１１７３４．
［８］　吴迪，冯雷，张传清，等．基于可见／近红外光谱技术的茄子叶片灰霉病早期检测研究［Ｊ］．红外与毫米波学报，２００７，２７（４）：
２６９２７３．
［９］　陈全胜，赵杰文，蔡健荣，等．利用高光谱图像技术评判茶叶的质量等级［Ｊ］．光学学报，２００８，２８（４）：６６９６７４．
［１０］　时有明，刘刚，刘剑虹，等．不同产地黑木耳的傅里叶变换红外光谱鉴别［Ｊ］．光学学报，２００７，２７（１）：１２９１３２．
［１１］　ＡｒｎｏｎＤＩ．ＣｏｐｐｅｒｅｎｚｙｍｅｓｉｎｉｓｏｌａｔｅｄｃｈｌｏｒｏｐｌａｓｔｓｉｎＰｏｌｙｐｈｅｎｏｌｏｘｉｄａｓｅｉｎ犅犪狋犪狏狌犾犵犪狉犻狊［Ｊ］．ＰｌａｎｔＰｈｙｓｉｏｌｏｇｙ，１９４９，２４：１
５．
［１２］　吉海彦，王鹏新，严泰来．冬小麦活体叶片叶绿素和水分含量与反射光谱的模型建立［Ｊ］．光谱学与光谱分析，２００７，２７（３）：
５１４５１６．
犃狊狋狌犱狔狅狀犪犿狅犱犲犾狅犳狋狌狉犳狇狌犪犾犻狋狔犲狏犪犾狌犪狋犻狅狀犫犪狊犲犱狅狀狉犲犳犾犲犮狋犪狀犮犲狊狆犲犮狋狉狅狊犮狅狆狔
ＸＵＹｕｅｆｅｉ１，ＪＩＮＪｉｎｇｗｅｉ２，ＳＵＮＸｉａｏｌｉｎｇ１，ＺＨＯＵＨｅ１
（１．ＣｏｌｅｇｅｏｆＡｎｉｍａｌＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，ＣｈｉｎａＡｇｒｉｃｕｌｔｕｒａｌＵｎｉｖｅｒｓｉｔｙ，Ｂｅｉｊｉｎｇ１００１９３，Ｃｈｉｎａ；
２．ＣｏｌｅｇｅｏｆＲｅｓｏｕｒｃｅｓａｎｄＥｎｖｉｒｏｎｍｅｎｔ，ＣｈｉｎａＡｇｒｉｃｕｌｔｕｒａｌＵｎｉｖｅｒｓｉｔｙ，Ｂｅｉｊｉｎｇ１００１９３，Ｃｈｉｎａ）
犃犫狊狋狉犪犮狋：Ｃｈｌｏｒｏｐｈｙｌｉｓａｎｉｍｐｏｒｔａｎｔｐｉｇｍｅｎｔｏｆｔｕｒｆｃｏｌｏｒａｎｄｉｔｉｓａｎｉｎｔｒｉｎｓｉｃｆａｃｔｏｒｆｏｒｔｕｒｆｑｕａｌｉｔｙｅｖａｌｕａ
ｔｉｏｎ．Ｔｈｅｒｅｌａｔｉｏｎｓｈｉｐｂｅｔｗｅｅｎｓｐｅｃｔｒａｌｐｒｏｐｅｒｔｉｅｓｏｆｔｗｏｔｕｒｆｃｏｍｍｕｎｉｔｉｅｓａｎｄｔｈｅｉｒｃｈｌｏｒｏｐｈｙｌｃｏｎｔｅｎｔｓｗｅｒｅ
ｍｅａｓｕｒｅｄｕｓｉｎｇｒｅｆｌｅｃｔａｎｃｅｓｐｅｃｔｒｏｓｃｏｐｙｗｉｔｈｎａｔｕｒａｌｉｌｕｍｉｎａｔｉｏｎ．Ｒｅｓｕｌｔｓｗｅｒｅａｎａｌｙｚｅｄｂｙｔｈｅｐａｒｔｉａｌｌｅａｓｔ
ｓｑｕａｒｅｓｍｅｔｈｏｄ．Ｔｈｅｍｏｄｅｌｏｆｃｈｌｏｒｏｐｈｙｌｃｏｎｔｅｎｔｕｓｅｄｒｅｆｌｅｃｔａｎｃｅｓｐｅｃｔｒｏｓｃｏｐｙｉｎｔｈｅｒａｎｇｅｏｆ４００－７００ｎｍ
ａｎｄｇａｖｅａｃｏｒｒｅｌａｔｉｏｎｃｏｅｆｆｉｃｉｅｎｔｂｅｔｗｅｅｎｅｓｔｉｍａｔｅｄｖａｌｕｅｓａｎｄｒｅａｌｖａｌｕｅｓｏｆ０．９３７，ｗｉｔｈａｒｅｌａｔｉｖｅｓｔａｎｄａｒｄｄｅ
ｖｉａｔｉｏｎｏｆ３．２％．Ａｌｉｎｅａｒｍｏｄｅｌｏｆｔｈｅｐａｒｔｉａｌｌｅａｓｔｓｑｕａｒｅｓｍｅｔｈｏｄｗｉｔｈｔｕｒｆｃｏｌｏｒｗａｓｄｅｖｅｌｏｐｅｄｗｉｔｈａｓｍａｌｅｒ
犚犕犛犈 （犚犕犛犈＝０．２６）．Ｒｅｆｌｅｃｔａｎｃｅｓｐｅｃｔｒｏｓｃｏｐｙｐｒｏｖｉｄｅｓａｎｅｗｍｅｔｈｏｄｆｏｒｒａｐｉｄｔｕｒｆｑｕａｌｉｔｙｅｖａｌｕａｔｉｏｎｉｎ
ｌａｎｄｓｃａｐｅｅｎｇｉｎｅｅｒｉｎｇ．
犓犲狔狑狅狉犱狊：ｒｅｆｌｅｃｔａｎｃｅｓｐｅｃｔｒｕｍ；ｔｕｒｆ；ｑｕａｌｉｔｙｅｖａｌｕａｔｉｏｎ；ｃｈｌｏｒｏｐｈｙｌｃｏｎｔｅｎｔ；ｐａｒｔｉａｌｌｅａｓｔｓｑｕａｒｅｓｍｅｔｈｏｄ
０５２ ＡＣＴＡＰＲＡＴＡＣＵＬＴＵＲＡＥＳＩＮＩＣＡ（２００９） Ｖｏｌ．１８，Ｎｏ．４