全 文 ：第 51 卷 第 3 期
2 0 1 5 年 3 月
林 业 科 学
SCIENTIA SILVAE SINICAE
Vol. 51，No. 3
Mar．，2 0 1 5
doi: 10．11707 / j．1001-7488．20150307
收稿日期:2014 － 05 － 16; 修回日期:2014 － 09 － 25。
基金项目:国家重大专项“高分林业遥感应用示范系统”(21 － Y30B05 － 9001 － 13 /15) ; 948 项目“原野机器人苗木远程监测分析技术引
进”(2011 － 4 － 67)。
* 王雪峰为通讯作者。
叶面滞尘量对大叶黄杨反射光谱的影响*
吴春燕 王雪峰
(中国林业科学研究院资源信息研究所 北京 100091)
摘 要: 【目的】树木叶片表面的滞尘在一定程度上能反映周围环境的污染情况。试验对光谱检测中叶面滞尘
的干扰进行初步定量探讨，为叶面滞尘对光谱反射的影响评价及建立修正模型提供方法参考。【方法】以中国林
业科学研究院内大叶黄杨叶片为研究对象，采集叶片样本保鲜并速回室内进行试验。使用 0. 000 1 g 高精度电子
分析天平称叶片除尘前后的质量，计算叶面滞尘量; 采用美国 ASD 公司生产的 FieldSpec3 便携式近红外光谱仪测
量叶片除尘前后的反射光谱，得出其差异。分析除尘前后叶片反射率、一阶导数光谱及红边参数特征的差异，比较
不同滞尘量的叶片反射光谱，建立叶面滞尘量与叶片反射光谱之间的关系模型。【结果】叶片除尘前后的光谱反
射率存在差异，在 520 ～ 560 nm 和 760 ～ 850 nm 叶片反射率大小分别为有尘叶片 ＞ 无尘叶片、有尘叶片 ＜ 无尘叶
片; 不同叶面滞尘量的反射光谱也不同，大叶黄杨叶片光谱反射率在可见光波段随着叶面滞尘量的增加逐渐增大，
而近红外波段区域随着叶面滞尘量的增加逐渐减小; 红边和黄边的位置、蓝边斜率和面积在除尘前后无变化，有尘
叶片的蓝边位置较无尘叶片增大，黄、红两边斜率和黄、红两边面积均较无尘叶片减小; 在 5 个光谱参数中，红边指
数所建的叶面滞尘量预测模型的 Ｒ2 值最大为 0. 716，叶面滞尘量与光谱之间存在着一定的相关关系。【结论】叶
面滞尘使得叶片在可见光波段的反射率增加，在近红外光区的反射率减小，这可能与叶片自身内部结构有一定的
相关性; 利用红边指数(SDr)作为参数可以在一定精度范围内预测大叶黄杨叶片表面滞尘量，简单比值指数与叶
面滞尘量呈正相关。
关键词: 雾霾; 叶面滞尘; 反射光谱; 大叶黄杨
中图分类号:X513 文献标识码:A 文章编号:1001 － 7488(2015)03 － 0049 － 08
Effect of Different Foliar Dust Contents on Ｒeflectance Spectroscopy of Euonymus japonicus
Wu Chunyan Wang Xuefeng
(Ｒesearch Institute of Forest Ｒesources Information Techniques，CAF Beijing 100091)
Abstract: 【Objective】The dust on the surface of the leaves of trees can reflect the around environmental pollution in a
certain extent． With the increasing of the degree of atmospheric pollution，the harm of haze weather becomes more severe．
Therefore，haze becomes a high-profile word in modern society． Haze is mainly formed by atmospheric particles floating and
crowding in the air． Atmospheric particles fall on the leaf surfaces through dry or wet deposition． After that，the foliar dust
formed． The foliar dust has an impact on the spectra reflection of the leaves of trees and the plant physiological ecology． In
this paper，we explored the relationship between foliar dust contents and reflection spectra of Euonymus japonicas． The
prevention control strategy of haze and the correct remote sensing inversion were also introduced．【Method】The leaves of
Euonymus japonicus growth at the academy of forestry were used as raw materials． The collecting leaves were fresh-keeping
and took to indoors quickly． The weight of the leaves before and after cleaning was tested using a 1 /10 000 high precision
electronic analytical balance． The differences of the weight are the weight of the foliar dust． The reflection spectrum of the
leaves before and after cleaning was measured using a FieldSpec3 Portable NIＲ spectrometer produced by the company of
ASD (Analytical Spectral Device) of USA． The differences of the reflection spectrum were compared and analyzed． The
differences of leaf reflectance before and after cleaning， and the first derivative spectrum and red edge parameter
characteristics were compared and analyzed． The differences of leaf spectral reflectance between different amounts of dust
was also compared，The relation model between foliar dust content and leaf spectral reflectance was established．【Ｒesult】
Spectral reflectance of leaves before and after cleaning the dust is different． In the range of 520 － 560 nm，the leaf
林 业 科 学 51 卷
reflectance of dust leaves was higher than that of clean leaves． While in the range of 760 － 850 nm，the leaf reflectance of
dust leaves was less than that of clean leaves． The reflectance spectra of different foliar dust content is difference． The
results suggest that the leaf spectral reflectance of Euonymus japonicus increased with the increasing of foliar dust content in
visible band． However，the spectral reflectance decreased in near infrared region． No changes were found in red and yellow
edge position，blue edge slope，and blue edge area． Compared with the clean leaves，the blue edge position of the dust
leaves increased，the slope of yellow and red edge of the dust leaves decreased，the area of yellow and red edge of the dust
leaves decreased． The Ｒ2 value of prediction model of foliar dust content being built with red edge index is the largest
(0. 716 ) ． A certain relationship between foliar dust content and spectrum were existed．【Conclusion】The foliar dust
increased the reflectance in visible light wave band，but decreased the reflectance at near infrared region． Certain correlation
with leaves internal structure may exist． We can predict leaf surface dust content in a certain precision range by taking red
edge index (SDr) as parameter． Simple ratio index is positively correlated with the content of foliar dust． The interference of
spectrum detection by foliar dust has been preliminary quantitative discussed in this paper，which supplied a reference
method for the future evaluation of foliar dust impact on the spectral reflectance and establish a modified model．
Key words: haze; foliar dust; spectral reflectance; Euonymus japonicas
我国空气质量日益恶化，雾霾天气逐渐增多。
2013 年 11 月 4 日，韩国媒体称我国雾霾为“人类历
史上最严重污染”，雾霾造成的污染已从国内问题
提升为国际话题。雾霾主要是由漂浮密集在空气中
的大气颗粒物所形成的，除了影响呼吸、对人们的健
康造成危害外，对交通出行、植物生长等也造成直接
障碍(孙亮，2012)。大气颗粒物经过干沉降或湿沉
降到达植物叶表面，形成叶面滞尘 (赵秀娟等，
2013)，叶面滞尘与空气颗粒物互为源汇，在一定程
度上可以表征一定时间、一定区域的空气颗粒物的
污染情况(戴斯迪等，2013)。
大叶黄杨( Euonymus japonicus)是典型的城市
绿化树种之一(孟聪睿等，2011)，枝叶茂密，极耐修
剪，四季常青，叶色亮绿，是良好的观赏、绿篱材料。
大叶黄杨对二氧化硫抗性较强，由于空气降尘中含
有这种化学元素，因此，就不同叶面滞尘量对大叶黄
杨反射光谱的影响进行研究是林业与城市绿化领域
相结合的一个桥梁。
目前，许多学者对植物的生理状态变化引起的
光谱特征差异进行监测，获得了很高的监测精度
(付彦博等，2013; 朱西存等，2011);通过分析植物
不同生长阶段的农作物特征波段来区分和辨别不同
植物时，也都得到了很高的精度(Asrar et al．，1984;
Daughtry et al．，2000)。但这些研究都是基于植物体
本身的反射光谱，没有考虑其上滞尘的影响，而随着
城市化的加快，滞尘对城市以及周边植物的反射光
谱影响越来越大。因此，本文以中国林业科学研究
院内大叶黄杨为研究对象，利用高光谱分析方法获
得大叶黄杨叶片的反射光谱属性，结合实地调查取
样和室内试验，分别对叶片在除尘前后的反射光谱、
光谱一阶导数的差异进行分析比较，并建立大叶黄
杨叶片各种反射光谱特征波段与叶面滞尘量之间的
相关关系，探讨叶面滞尘对大叶黄杨叶片反射光谱
的影响，旨在为今后研究叶面滞尘量对树木生长的
影响以及正确遥感反演提供技术资料。
1 材料与方法
1. 1 样本采集
2013 年 11 月在中国林业科学研究院内选取能
代表教学生活区平均污染程度的大叶黄杨作为采集
树木，取样时间在试验当日及 7 天前无大风、无降水
天气，每处采样点选取长势大小相似、生长时间相
同、均向阳生长的大叶黄杨作为采样对象，在高度基
本一致的情况下，选取健康大叶黄杨 120 个叶片样
本，保持叶片状态剪取后平稳地放入承物盘内，迅速
回室内进行叶面滞尘量与光谱测量。
1. 2 叶片反射光谱与滞尘量测量
试验数据获取遵从称重→测光谱→洗净→再称
重→再测光谱次序。称重使用0. 000 1 g高精度电
子分析天平。光谱测量采用美国 ASD ( Analytical
Spectral Device)公司生产的 FieldSpec3 便携式近红
外光谱仪，该仪器可通过无线网络由笔记本电脑操
作控制，其探测器可以探测从近紫外到近红外中的
300 ～ 850 nm 波段，仪器分辨率为 3 ～ 700 nm，采样
间隔为 1. 4 nm(350 ～ 850 nm 区间)，镜头可选择为
30°视场角。光谱仪每次扫描时间为 0. 1 s，由 10 条
原始扫描光谱自动平均得到输出曲线。
光谱采集步骤如下:1) 设定积分时间，进行暗
扫描; 2) 保存白板扫描; 3) 查看透射模式; 4) 将
传感器置于叶片之上，保持传感器到叶片的距离与
05
第 3 期 吴春燕等: 叶面滞尘量对大叶黄杨反射光谱的影响
到白板的距离一致(见图 1)，稳定后保存读数。
图 1 叶片反射率测量步骤
Fig． 1 The measurement steps of leaf reflectance
将叶片置于折射率近似为零的白色观测台上，
固定光谱仪探头使其垂直向下，探头视场角 30°，距
离叶片表面 3 cm。采用相同亮度的人工光源，首先
对样本叶片进行称重和光谱测量。由于光谱仪是将
复色光分离成光谱的科学仪器，因此测量的叶片反
射光谱与林木叶片结构、组成成分、叶面上覆盖物等
有关，同时其测量精度还与输入信号的强弱有关;
此外，由于光量子的不停运动，测量的每条光谱曲线
数据都会随着时间的变化而产生误差，因此会造成
测量的不稳定性。大量研究表明，每次连续测量的
10 条光谱的平均值为代表真实值的最适值(刘雪华
等，2012; 田亦陈等，2010; 于祥等，2013)，因此，
本试验每次测量 10 条光谱，以其平均值作为观测叶
片的光谱反射值，每次测量前都对系统配置进行优
化和白板校正; 之后，将叶片洗净称重后再次进行
光谱测量，测量方法同处理前。称重及洗净方法是:
用邮票镊子将每片叶片夹到精度为0. 000 1 g的天
平载物盘上称除尘前的叶片质量(M1 )，然后用化妆
棉将叶片在装有去离子水的盆内轻轻地快速洗净
(由于北京天气长期处于干旱状态，为避免叶片长
时间的浸泡于水中产生吸水引起数据差异，洗尘时
间控制在 10 s 以内)。用吸水纸将叶片表面的去离
子水吸干，再用天平称除尘后的叶片质量(M2 )，其
质量差 ΔM = M1 － M2 即为叶面滞尘量。
1. 3 光谱数据处理
利用 View Spectral Pro 和 MATLAB7. 3 软件对
原始光谱数据进行分析(田亦陈等，2010; 王海华
等，2013)。由于光谱仪所测的光谱曲线总存在一
些噪声，因此需要对光 谱曲线 进行 平 滑 处 理
(Anatoly et al．，1996; Barbara et al．，1995)。本研究
采用移动平均方法进行去噪处理，在干扰波段去除
和平滑处理后作为大叶黄杨叶片光谱反射率特征曲
线。为了研究绿光区和近红外光区光谱曲线的变
化，将 2 个局部曲线间段 (520 ～ 560 nm 和 760 ～
850 nm)进行放大分析。表 1 列出了本次数据的统
计信息。
表 1 叶片样本的基本情况
Tab． 1 The basic situation of the whole leaf samples
名称 Name
平均值
Average
最大值
Maximum
最小值
Minimum
方差
Variance
滞尘量
Dust content /mg
11. 426 45. 2 1. 7 0. 069 5
光谱反射率
Spectral reflectance
0. 102 0. 472 0. 000 0. 021 6
2 结果与分析
2. 1 叶片原始反射光谱
大叶黄杨叶片反射光谱的规律大体分 3 部分:
可见光波段(400 ～ 500，500 ～ 600，700 ～ 760 nm)有
3 个不同大小的反射峰，位置分别在 435，545，
745 nm处; 在这 3 个反射峰的两侧分别在 400，500，
和 670 nm 位置处显示了 3 个明显的吸收带(图 2)。
这一特征性的表现主要是因为叶绿素的吸收作用比
较强烈，造成了对蓝光和红光的反射作用相对较弱;
但是对于绿光而言，吸收作用弱则反射作用强。在
近红外波段(700 ～ 850 nm)处有 2 个强烈的反射波
峰和 1 个反射波谷，大约在 745 nm 处为第 1 个波峰
值、波谷值在 760 nm 处、第 2 个波峰值在 780 nm
处，可能因受到植被叶细胞自身结构或叶片表面污
染物的影响，叶片对光谱的吸收或透射，从而产生了
1 个急剧下降的反射率和 2 个被低反射率间隔开的
高反射率。
图 2 叶片反射光谱曲线
Fig． 2 Leaf reflectance spectral curves
2. 2 叶片除尘前后的反射光谱
图 3A 是除尘前后的叶片图像。图 3B 给出了
300 ～ 850 nm 区间有尘叶片和无尘土叶片的反射率
曲线，由图可见，有无滞尘叶片的反射率在不同波段
表现出不同的规律。从图 3B 中截取出可见光与近
红外 2 部分，得到图 3C 和图 3D。由图 3C 和图 3D
15
林 业 科 学 51 卷
可知，叶片在 520 ～ 560 nm 和 760 ～ 850 nm 这 2 个
波段范围内的反射光谱规律分别为:光谱反射率范
围分别在 0. 020 ～ 0. 150 和 0. 140 ～ 0. 470; 反射率
大小分别为有尘叶片 ＞ 无尘叶片、有尘叶片 ＜ 无尘
叶片。2 条反射光谱曲线在 725 nm 附近的一次相
交，使得叶面滞尘对叶片在可见光(350 ～ 760 nm)、
近红外(760 ～ 850 nm)2 个区域的反射率产生了不
同的增减规律。
图 3 有无滞尘叶片的反射光谱曲线
Fig． 3 Leaf reflectance spectral curves with clean and dust leaf
A．除尘前后的叶片图像 Image of leaf before and after clean dust;B． 有无尘土叶片反射率曲线 Leaf reflectance
spectral curves with clean and dust leaf;C．可见光波段叶片反射率曲线 Leaf reflectance spectral curves of visible light
wave band;D．近红外波段叶片反射率曲线 Leaf reflectance spectral curves of near infrared wave band．
在可见光各波段的反射率大小因受到叶片各种
色素的影响而存在差异:有尘叶片比无尘叶片平均增
加了 29. 58%，其中在 680 nm 处有最大增幅 40. 56%。
680 nm 是绿光和红光的交界处，可能是由于无尘叶
片对绿光和红光的大量吸收导致其光谱反射率大大
减小。在近红外(760 ～ 850 nm)区域，有尘叶片的光
谱反射率比无尘叶片平均减少了 16. 72%。
可能是由于叶片表面灰尘对叶片细胞壁和细胞
间隙的吸光度的大小产生不同程度影响的原因，在
绿光区域的 520 ～ 560 nm 波段内有尘叶片的反射光
谱均大于无尘叶片。这种特征对树木叶片表面的滞
尘量以及树木所处环境的受污染程度有敏感的
指示。
2. 3 不同叶面滞尘量的反射光谱
叶面滞尘对叶片的反射光谱有影响，但其滞尘
量的多少对叶片反射率的影响程度还是未知。图 4
中由高到低的光谱曲线分别为蓝色、红色、绿色、紫
色曲线，其对应的叶片滞尘量分别为 12. 2，11. 2，
6. 2，3. 6 mg。由该图可知:
1) 不同滞尘量的大叶黄杨叶片光谱在可见光
(350 ～ 760 nm)、近红外(760 ～ 850 nm)2 个区域的
吸收程度不同，这可能是由于大叶黄杨叶片表面滞
尘对叶片部分光的吸收造成的。
图 4 不同滞尘量的叶片反射光谱曲线
Fig． 4 Leaf reflectance spectral curves of different dust content
2) 在 540 ～ 650 nm 波段，是植物光谱响应最为
敏感的波段，也是叶片对各种色素的主要吸收带，因
25
第 3 期 吴春燕等: 叶面滞尘量对大叶黄杨反射光谱的影响
受到叶面滞尘的影响，该波段的光谱发射率发生了
变化。
3) 在 680 ～ 750 nm 之间叶片光谱曲线都是急
剧上升，其波长所对应的是树木叶片反射光谱曲线
斜率的最大值。
图 5 有无滞尘叶片的一阶导数光谱曲线
Fig． 5 The first derivative spectral curves of clean and dust leaf
A． 除尘前后的叶片一阶导数光谱曲线 The first derivative spectral curves of leaf before and after clean dust;B．除尘前后的叶片在 490 ～ 530 nm
处的一阶导数光谱曲线 The first derivative spectral curves of leaf before and after clean dust in 490 － 530 nm;C． 除尘前后的叶片在550 ～
580 nm 处的一阶导数光谱曲线 The first derivative spectral curves of leaf before and after clean dust in 550 － 580 nm;D．除尘前后的叶片在
520 ～ 560 nm 处的一阶导数光谱曲线 The first derivative spectral curves of leaf before and after clean dust in 520 － 560 nm;E．除尘前后的叶
片在 760 ～ 850 nm 处的一阶导数光谱曲线 The first derivative spectral curves of leaf before and after clean dust in 760 － 850 nm．
4) 大叶黄杨叶片光谱反射率在可见光波段随
着叶面滞尘量的增加逐渐增大，而近红外波段区域
随着叶面滞尘量的增加逐渐减小。
2. 4 除尘前后一阶导数
导数光谱技术是分析高光谱遥感信息较为常用
的一种有效方法(Ciro et al．，2013; Qu et al．，2014)。
一阶导数光谱被认为可以消除部分线性和二次型背
景噪声(瞿瑛等，2013; 于祥等，2013)，可以减少大
气对光的散射及吸收对高光谱遥感测定的影响
(Daniel et al．，2002; Solomon et al．，2014; Marie et
al．，2013)，且有利于减少因光照条件变换所产生的
乘性因素的影响。三边参数就是通过计算反射光谱
的一阶导数取得的光谱参量(王涛等，2012)。在红
边参数中，其红边斜率为取 680 ～ 750 nm 范围内一阶
导数光谱的最大值，其所对应的波长为红边位置，该
范围内一阶导数的和为红边指数 (Horler et al．，
1983)，蓝边(490 ～530 nm)参数和黄边(550 ～ 580 nm)
35
林 业 科 学 51 卷
参数的意义与红边参数类似。三边参数可以更好地
对大叶黄杨叶片反射光谱特征进行分析与研究。大
叶黄杨叶片除尘前后的一阶导数光谱分布情况见
图 5。
由图 5A 可知，在除尘前后，叶片的一阶导数光
谱曲线的大体变化趋势没有明显改变，只是其数值
大小存在差异; 由图 5B 可知，蓝边的斜率和面积对
叶面尘的干扰均不敏感，在除尘前后均无明显变化，
蓝边位置在除尘后有所减小; 由图 5C 可知，黄边位
置在除尘前后无明显变化，黄边斜率及其面积均较
无尘叶片减小，其减幅分别为 0 ～ 0. 003，0. 005 ～
0. 040; 由图 5D 可知，红边位置在除尘前后无明显
变化，而红边斜率和面积均较无尘叶片减小，其减幅
分别为 0 ～ 0. 004，0. 004 ～ 0. 042;由图 5E 可知，在
近红外区域，有尘叶片一阶导数光谱的波动幅度稍
小于无尘叶片，其斜率无尘叶片大于有尘叶片，其位
置和面积均无明显变化。红边上蕴涵的丰富光谱信
息一直是相关研究的热点，相对于红边斜率和红边
指数，红边位置表现出对叶面滞尘的较强抗干扰
能力。
2. 5 红边参数特征比较
图 6 是“红边”区间(680 ～ 750 nm)的原始光谱
曲线和一阶导数曲线。可见，大叶黄杨叶片反射光
谱“红边”区间的原始光谱(图 6A)在除尘前后呈现
不同的规律，光谱反射存在较大差异，在 680 ～
725 nm范围内光谱反射率大小为:有尘叶片 ＞ 无尘
叶片，在 725 ～ 750 nm 范围内光谱反射率大小为:有
尘叶片 ＜无尘叶片。图 6B 是光谱“红边”的一阶导
数曲线，显示了有无叶面滞尘叶片的红边斜率、红边
位置等信息，可见有无滞尘叶片的红边位置未发生
明显变化，有尘叶片的红边斜率和红边指数都有所
减小。
图 6 原始光谱曲线(A)和一阶导数光谱(B)的红边曲线
Fig． 6 Original spectral curves (A) and their first derivative curves (B) in the red edge positions
2. 6 叶面滞尘量预测模型的建立
大量研究表明，绿峰、红边指数、归一化指数、简
单比值指数、光合反射指数 5 个光谱参数对叶片光
谱反射率有很好的指示作用，这 5 个光谱参数的定
义见表 2。
表 2 光谱参数
Tab． 2 Spectral parameters
参数
Parameters
符号
Symbol
定义
Definition
绿峰 Green peak Ｒ545 545 nm 处反射率 Ｒeflectance in 545 nm
红边指数 Ｒed edge SDr
680 ～ 750 nm 反射率一阶导数之和
680 ～ 750 nm the sum of the first derivative of reflectance
归一化指数 Normalized difference index ND705 (Ｒ750 － Ｒ705 ) /(Ｒ750 + Ｒ705 + 2Ｒ445 )
简单比值指数 Simple ratio index SＲ Ｒ706 / Ｒ809
光合反射指数 Photosynthetic reflectance index PＲI (Ｒ570 － Ｒ531 ) /(Ｒ570 + Ｒ531 )
在 520 ～ 560 nm 范围内，由于树木叶片色素对
蓝光和黄光的强烈吸收而形成绿峰(朱锋等，2013;
刘雪华等，2012)，其中 545 nm 处为大叶黄杨叶片
的绿峰，叶片表面滞尘量与叶片绿峰存在较好的关
系; 大叶黄杨叶片中叶绿素、类胡萝卜素的含量直
接影响红边指数 ( SDr ) 的参数值 ( Ｒaymond et al．，
45
第 3 期 吴春燕等: 叶面滞尘量对大叶黄杨反射光谱的影响
2013; Belén et al．，2013); 此外，叶片叶绿素含量还
能影响归一化指数(ND)的值，且 ND705能够减小叶
片的表面反射影响(肖伸亮等，2007); 大叶黄杨叶
片表面滞尘量与简单比值指数(SＲ)Ｒ706 /Ｒ809具有线
性关系(Sanches et al．，2013); 树木叶片光合效率与
光合反射指数( PＲI)有较强的相关性，进而反映叶
面滞尘对叶片光合作用的影响水平。
本文用随机抽取的 80 个叶片样本进行叶面滞
尘量的预测模型建立，剩余的 40 个叶片样本用于预
测模型的检验。用决定系数(Ｒ2)和均方误(ＲMSE)
检验模型的稳定性及预测精度，结果见表 3。
表 3 叶面滞尘量的光谱模型
Tab． 3 The parameter of spectral models for leaf dust content
参数
Parameters
叶面滞尘线性模型
Foliar dust linear model Ｒ
2 ＲMSE
绿峰 Green peak y = 0. 156 3 Ｒ545 + 0. 002 5 0. 660 0. 182 1
红边指数 Ｒed edge y = 0. 253 1 SDr + 0. 071 0 0. 716 0. 171 5
归一化指数 Normalized difference index y = － 0. 017 0 ND705 + 0. 018 8 0. 510 0. 206 4
简单比值指数 Simple ratio index y = 0. 008 0 SＲ + 0. 003 7 0. 653 0. 115 4
光合反射指数 Photosynthetic reflectance index y = － 0. 006 4 PＲI + 0. 010 2 0. 630 0. 196 7
由表 3 可知，各光谱参量的叶片反射光谱预测
模型 Ｒ2 值虽然都不是很高，但也都达到了显著水
平，其中，红边指数参数所建模型的 Ｒ2 值最大为
0. 716，归一化指数所建模型的 Ｒ2 值最小为 0. 510，
绿峰、简单比值指数和光合反射指数居中，Ｒ2 值各
为 0. 660，0. 630。ＲMSE 值都很小，说明叶面滞尘与
大叶黄杨叶片反射光谱存在较稳定的相关关系。
3 结论与讨论
1) 从除尘前后反射率增减变化上比较，叶面滞
尘使大叶黄杨叶片在近红外区的反射率减小，在可
见光区的反射率增加; 而可见光区和近红外区都是
植物光谱学研究中最为常用的波段，相关研究有必
要考虑叶面尘的影响。
2) 在近红外区域，随着叶面滞尘量的增加，大
叶黄杨叶片光谱反射率逐渐减小，这可能是因为叶
面滞尘所含金属元素对可见光的吸收程度小于近红
外，或者与叶片自身内部结构有一定的相关性，叶片
内部特有的结构组成方式对近红外区域的光的吸
收、折射大于可见光，从而导致有尘叶片在近红外区
域的光谱反射率较无尘叶片减小。而简单比值指数
中波长为 706 nm 处的叶片光谱反射率随着叶面滞
尘量的增加而增大，波长为 809 nm 处的叶片光谱反
射率随着叶面滞尘量的增加而减小，因此，简单比值
指数与叶面滞尘量呈正相关。
3) 研究建立不同叶面滞尘量的叶片反射光谱
模型在 350 ～ 850 nm 波段范围内，选取不同光谱因
子作为自变量，利用红边指数( SDr )作为参数可以
在一定精度范围内预测大叶黄杨叶面滞尘量。数据
分析表明，高光谱能够快速对大叶黄杨叶面滞尘量
进行实时预测，并根据其反射光谱建立了预测大叶
黄杨叶面滞尘量的模型，但是由于数据采集范围较
小，对滞尘量不同情况的代表性不够完善，因此，该
模型具有一定局限性，对于整个城市或者更大范围
内的实用性还有待进一步探索。
参 考 文 献
戴斯迪，马克明，宝 乐，等 ． 2013． 北京城区公园及其邻近道路国
槐叶面尘分布与重金属污染特征 ． 环境科学学报，33 ( 1 ) :
154 － 162．
(Dai S D，Ma K M，Bao L，et al． 2013． Distribution of particle matters
and contamination of heavy metals in the foliar dust of Sophora
japonica in parks and their neighboring roads in Beijing． Acta
Scientiae Circumstantiae，33 (1) : 154 － 162． ［in Chinese］)
付彦博，范燕敏，盛建东，等 ． 2013． 紫花苜蓿冠层反射光谱与叶片
含水率关系研究 ． 光谱学与光谱分析，33 (3) : 766 － 769．
(Fu Y B，Fan Y M，Sheng J D，et al． 2013． Study on relationship
between Alfalfa canopy spectral reflectance and leaf water content．
Spectroscopy and Spectral Analysis，33 ( 3 ) : 766 － 769． ［in
Chinese］)
刘雪华，吴 燕 ． 2012． 大熊猫主食竹开花后叶片光谱特性的变化 ．
光谱学和光谱分析，32 (12) : 3341 － 3346．
(Liu X H，Wu Y． 2012． The changes in spectral features of the staple-
food bamboos of giant panda after flowering． Spectroscopy and
Spectral Analysis，32 (12) : 3341 － 3346． ［in Chinese］)
孟聪睿，范光维，姚延梼 ． 2011． 大叶黄杨对环境中有害物质的清除
效果研究 ． 天津农业科学，17 (6) : 148 － 149，152．
(Meng C Ｒ，Fan G W，Yao Y T． 2011． Ｒemoval effect of Euonymus
japonicas to harmful substances． Tianjin Agricultural Sciences，
17(6) : 148 － 149，152． ［in Chinese］)
瞿 瑛，刘素红，李小文 ． 2013． 基于函数拟合的玉米叶片反射光谱
时间变化规律分析 ． 光谱学和光谱分析，33 (1) : 131 － 135．
(Qu Y，Liu S H，Li X W． 2013． Temporal variation analysis for spectral
reflectance of maize leaves using a fitting method． Spectroscopy and
Spectral Analysis，33 (1) : 131 － 135． ［in Chinese］)
孙 亮 ． 2012． 灰霾天气成因危害及控制治理 ． 环境科学与管理，
55
林 业 科 学 51 卷
37(10) : 71 － 75．
( Sun L． 2012． Hazard and treatment of haze weather． Environmental
Science and Management． 37 (10) : 71 － 75． ［in Chinese］)
田亦陈，贾 坤，吴炳方，等 ． 2010．大麻植物冠层光谱特征研究 ． 光
谱学和光谱分析，30 (12) : 3334 － 3337．
(Tian Y C，Jia K，Wu B F，et al． 2010． Study on spectral reflectance
characteristics of hemp canopies， Spectroscopy and Spectral
Analysis，30 (12) : 3334 － 3337． ［in Chinese］)
王海华，李长缨，李民赞 ． 2013． 基于近红外反射光谱的洋葱可溶性
固体物检测 ． 光谱学和光谱分析，33 (9) : 2403 － 2406．
(Wang H H，Li C Y，Li M Z． 2013． Detection of onion soluble solids
content based on the near-infrared reflectance spectra． Spectroscopy
and Spectral Analysis，33 (9) : 2403 － 2406． ［in Chinese］)
王 涛，刘 洋，吴海云，等 ． 2012． 叶面尘对作物反射光谱及氮营
养监测的影响 ． 光谱学和光谱分析，32 (7) : 1895 － 1898．
(Wang T，Liu Y，Wu H Y，et al． 2012． Influence of foliar dust on crop
reflectance spectrum and nitrogen monitoring． Spectroscopy and
Spectral Analysis，32 (7) : 1895 － 1898． ［in Chinese］)
肖伸亮，陈仲新 ． 2007． 叶片的灰尘对高光谱遥感中植被冠层反射
率的影响 ． 农业信息科学，23 (4) : 410 － 414．
(Xiao S L，Chen Z X． 2007． Assessment on effect of the dust covered
foliage on canopy reflectance． Chinese Agricultural Science
Bulletin，23 (4) : 410 － 414． ［in Chinese］)
于 祥，张丰收，刘 庆，等 ． 2013． 典型红树林反射光谱特征分析
研究 ． 光谱学和光谱分析，33 (2) : 454 － 458．
(Yu X，Zhang F S，Liu Q，et al． 2013． Analysis of typical mangrove
spectral reflectance characteristics． Spectroscopy and Spectral
Analysis，33 (2) : 454 － 458． ［in Chinese］)
赵秀娟，蒲维维，孟 伟，等 ． 2013． 北京地区秋季雾霾天 PM2. 5 污
染与气溶胶光学特征分析 ． 环境科学，34 (2) : 416 － 423．
(Zhao X J，Pu W W，Meng W，et al． 2013． PM2. 5 pollution and
aerosol optical properties in fog and haze days during autumn and
winter in Beijing area． Envirionmental Science，34 ( 2 ) : 416 －
423． ［in Chinese］)
朱 锋，宫辉力，孙天琳，等 ． 2013． 不同组分比例的高光谱混合象
元反射光谱形态特征研究 ． 光谱学和光谱分析，33 ( 7 ) :
1897 － 1902．
( Zhu F，Gong H L，Sun T L，et al． 2013． Study on reflectance spectra
morphological character of the hyperspectral mixed pixels at different
component proportion． Spectroscopy and Spectral Analysis，33 (7) :
1897 － 1902． ［in Chinese］)
朱西存，赵庚星，姜远茂，等 ． 2011． 基于高光谱红边参数的不同物
候期苹果叶片的 SPAD 值估测 ． 光谱学与光谱分析，32 (12) :
31 － 38．
(Zhu X C，Zhao G X，Jiang Y M． et al． 2011． Estimation of SPAD
value of apple leaf in different phenophase based on hyperspectral
red edge parameters． Infrared，32 (12) : 31 － 38． ［in Chinese］)
Anatoly A G，Mark N M． 1996． Signature analysis of leaf reflectance
spectra: algorithm development for remote sensing of chlorophyll．
Journal of Plant Physiology，148(3 /4) : 494 － 500．
Asrar G，Fuchs M，Kanemasu E T，et al． 1984． Estimating absorbed
photosynthetic radiation and leaf area index from spectral reflectance
in wheat． American Society of Agronomy，76(2) : 300 － 306．
Barbara J Y，Ｒita E． 1995． Pettigrew-crosby predicting nitrogen and
chlorophyll content and concentrations from reflectance spectra
(400 － 2 500 nm) at leaf and canopy scales． Ｒemote Sensing of
Environment，53(3) : 199 － 211．
Belén D，Lourdes L，Jean M Ｒ，et al． 2013． Examination of the quality
of spinach leaves using hyper-spectral imaging． Postharvest Biology
and Technology，85(3) : 8 － 17．
Ciro M，Ｒiccardo S，Enrico G． 2013． Ｒeflectance spectral analyses for
the assessment of environmental pollution in the geothermal site of
Mt． Amiata ( Italy ) ． Atmospheric Environment， 79 ( 31 ) :
650 － 665．
Daniel A S，John A G． 2002． Ｒelationships between leaf pigment content
and spectral reflectance across a wide range of species， leaf
structures and developmental stages． Ｒemote Sensing of
Environment，81(2 /3) : 337 － 354．
Daughtry C S T，Walthall C L，Kim M S． 2000． Estimating corn leaf
chlorophyll concentration from leaf and canopy reflectance． Ｒemote
Sensing of Environment，74(2) : 229 － 239．
Horler D N H，Dockray M，Barber J． 1983． The red edge of plant leaf
reflectance． International Journal of Ｒemote Sensing， 4 ( 2 ) :
273 － 288．
Marie V M，Ｒasmus B，Max E B，et al． 2013． Diagnosing latent copper
deficiency in intact barley leaves ( Hordeum vulgare，L． ) Using
Near Infrared Spectroscopy． J Agric Food Chem， 61 ( 46 ) :
10901 － 10910．
Qu Y H，Zhu Y Q，Ge X L． 2014． A reflectance spectra model of heavy
metal stressed leaves: advances in the PＲOSPECT model adding
specific absorption coefficients of heavy metal ion． IOP Conference
Series: Earth and Environmental Science，17(12) : 163 － 169．
Ｒaymond Ｒ S，Jamshid F，Ｒony S， et al． 2013． Physiological and
spectral response to water stress induced by regulated deficit
irrigation on pear trees． Applied Ｒemote Sensing Journal，3 ( 1 ) :
9 － 17．
Sanches I D，Souza F C Ｒ，Magalhes L A，et al． 2013． Assessing the
impact of hydrocarbon leakages on vegetation using reflectance
spectroscopy． ISPＲS Journal of Photogrammetry and Ｒemote
Sensing，78(26) : 85 － 101．
Solomon W N，Barend F N E，Isabel M W，et al． 2014． Hyperspectral
reflectance features of water hyacinth growing under feeding stresses
of Neochetina spp． and different heavy metal pollutants．
International Journal of Ｒemote Sensing，35(3) : 799 － 817．
(责任编辑 石红青)
65