全 文 ：第20卷　第6期
　Vol.20　 No.6
草　地　学　报
ACTA AGRESTIA SINICA
　　　　　 2012年 11月
　 Nov.　　2012
基于反射率及导数的草原植被冠层光合
有效吸收分量高光谱反演
刘爱军1,2,3,王保林2,3,黄平平4,卢欣石1∗
(1.北京林业大学,北京　100083;2.内蒙古草原勘察规划院,内蒙古 呼和浩特　010051;
3.内蒙古民族大学,内蒙古 通辽　028000;4.内蒙古工业大学,内蒙古 呼和浩特　010051)
摘要:利用ASD便携式野外光谱仪和光量子仪实测了6种草原植被类型关键生育期的反射光谱数据和光合有效
辐射值,利用可见光波段处反射率及近红外波段区处一阶导数分别与fPAR建立逐步回归方程,同时,将各波段反
射率与各波段导数光谱建立逐步回归方程。结果表明:典型草原光合有效辐射分量与可见光反射率相关性好于近
红外波段反射率,其中在405和470nm波段相关性最好;fPAR与一阶导数相关关系在855和965nm波段处较
强。fPAR与405和470nm反射率以及965nm一阶导数的多波段逐步回归分析结果取得了较单波段和NDVI最
优的估算效果,R2 达0.939。利用高光谱数据进行fPAR估算时,需要综合考虑可见光和近红外波段信息,同时也
要充分考虑反射率与反射率导数的方法。水分强吸收的光谱波段具有提高fPAR估算精度的潜力。
关键词:草原植被;冠层;光合有效吸收分量;高光谱数据
中图分类号:O434.19;S812　　　　文献标识码:A　　　　　文章编号:1007-0435(2012)06-1004-07
ResearchonfPAREstimationofGrasslandwithHyperspectral
DataBasedonReflectivityandDerivative
LIUAi-jun1,2,3,WANGBao-lin2,3,HUANGPing-ping4,LUXin-shi1∗
(1.BeijingForestryUniversity,Beijing100083,China;2.InnerMongoliaInstituteofGrasslandSurveyandDesign,Hohhot,
InnerMongolia010051,China;3.InnerMongoliaUniversityforNationalities,Tongliao,InnerMongolia028000,China;
4.InnerMongoliaUniversityofTechnology,Hohhot,InnerMongolia010051,China)
Abstract:Hyperspectralreflectanceandfractionofabsorbedphotosyntheticalyactiveradiation(fPAR)of
sixgrasslandtypesweremeasuredbyASDportablespectrometerandlightquantumrespectivelyinkey
growthstages.Relativitybetweenhyperspectralreflectanceandfirst-orderderivativewereanalyzedinor-
dertoestimatefPARandestablishthebestestimationmodel.Resultsshowedthatthemaximumcorrela-
tioncoefficientsbetweenreflectionvaluesandfPARoccurredat405nmand470nmwavelength,respec-
tively.CorrelationbetweenthefirstderivativeandfPARwasbetterat855nmand965nm,respectively.
StepwiseregressionequationbetweenfPARandreflectivityvalues(in405nm,470nm wavelength)as
welasfirst-orderderivativein965nmwavelengthwasestablished.Theseresultsshowedthatstepwisere-
gressionofmultiband,whichR2 was0.939,obtainedmoreoptimalestimationeffectthanthatofsingle
bandandNDVI.Highspectralresolutiondatacoulddistinguishsensitivebandsforvegetationspectrum,
whichwasessentialtoselectappropriatebandandfirst-orderderivativeforcalculatingfPAR.Inaddition,
thespectralbandofstrongwaterabsorptionwasapotentialtoimproveestimationaccuracyoffPAR.
Keywords:Grassland;Canopy;fPAR;Hyperspectraldata
　　高光谱 (hyperspectralremotesensing)的出现
与应用已有20多年的历史。它是在成像光谱学
(imagingspectroscopy)的基础上发展起来的。高
光谱数据光谱范围覆盖了从可见光到近红外(400~
2500nm)区域,每一个波段宽度大约10nm左右,
因此高光谱的分辨率足以能够区分出那些具有诊断
收稿日期:2012-06-24;修回日期:2012-10-19
基金项目:农业行业科研专项(200903060);林业行业科研专项(201204202);农业科技成果转化资金项目(2011A4010001)资助
作者简介:刘爱军(1965-),女,内蒙古赤峰人,研究员,研究方向为草原生态、遥感技术与应用,E-mail:liuaj_81@163.com;∗通信作者 Au-
thorforcorrespondence,E-mail:luxinshi304@126.com
第6期 刘爱军等:基于反射率及导数的草原植被冠层光合有效吸收分量高光谱反演
性光谱特征的地表物质。与传统的遥感数据相比,
高光谱为每一个成像象元提供很窄的(一般小于10
nm)成像波段,并且在某个光谱区间是连续分布的。
因此高光谱传感器所获得的地物的光谱曲线是连续
的光谱信号。这不只是简单的数据量的增加,而是
有关地物光谱空间信息量的增加[1],这无疑为遥感
技术在环境调查中的应用提供了更为完整的理论基
础和更加有力的方法,同时也引起数据处理与信息
分析技术的根本性变化。
高光谱数据拥有更多的波段和更高的波谱分辨
率,包含了丰富的目标信息,因而在地质、农业、植被
生态领域、环境、水文、大气等方面具有巨大的应用
前景[1-6],尤其在植被研究中所涉及的领域非常广
泛,其中一个重要的改变就是高光谱数据可以对生
态、物理、化学参数的提取[7-8]、生物量的估计[9]、叶
绿素、叶片反射光谱与SPAD等成分的估计[10-12]、
叶面积指数分析[13-16]、环境灾害的研究[17-18]等方面
提供新的技术手段。
植物吸收光合有效辐射分量(fractionofab-
sorbedphotosyntheticalyactiveradiation,fPAR)
是一个与植物群体生理相关的重要参数,是生态系
统功能模型、作物生长模型、净初级生产力模型、大
气模型、生物地理化学模型、生态模型等的重要参
量[19,22-25]。目前国内外关于fPAR的相关研究多集
中在fPAR 与植被指数之间的关系方面[26-28]。
Huemmrich等[26]从SAIL模型出发研究得出,在太
阳天顶角小于60°和叶面积指数(LAI)为0.05~
2.00时,fPAR与归一化植被指数(NDVI)之间呈现
较好的直线相关关系。Friedl等[27]和 Myneni等[28]
研究表明,NDVI和fPAR 呈近线性函数关系。
Roujean等[29]的研究有一个非常重要的发现,当植
被覆盖较少时,差值植被指数DVI与fPAR具有近
线性相关关系,而在全覆盖植被情况下,NDVI能够
更好地估计fPAR,而重归一化植被指数(RDVI)在
任何植被覆盖情况下,都与fPAR具有近线性关系。
目前,国际上已有成熟的 MODIS-fPAR遥感产品出
现,它的2个主要算法是辐射传输模型和植被指数
经验模型。当辐射传输模型不能较好的反演fPAR
时,人们通过与植被指数关系的经验模型来计算
fPAR[25],因此,提高获取fPAR估算精度和算法改
进是当前国际研究的热点和方向[30-31]。
综上所述,前人大多围绕fPAR与 NDVI等植
被指数或与叶面积指数的关系进行研究,关于
fPAR与高光谱反射率或其导数关系方面的研究较
少有文献报道。草原作为陆地生态系统的重要植被
类型,具有独特的冠层结构,常规的遥感数据由于光
谱分辨率较低,存在严重的同谱异物或者同物异谱
的问题,对于定量估算fPAR及其相关的生态参数
显示出一定的局限性,需要引入高光谱数据进行更
深入的认识和分析,为进一步的生态参数信息提取
与反演提供理论依据,fPAR的准确估算对于正确
评价生态系统功能和草地承载力具有重要意义,这
就是本研究立题的背景。本试验通过对典型草原
fPAR与高光谱反射率及其一阶导数之间的关系进
行分析探讨,在此基础上分析fPAR的高光谱估算
可能性,比较分析反射率、一阶导数法与植被指数法
估算fPAR的效果,为提高fPAR估算及遥感产品
验证精度和各种生态模型模拟精度提供科学支持。
1　材料与方法
1.1　试验地选择
植被光谱测量的试验地主要选择在锡林浩特市
和西乌珠穆沁旗。测量的主要草原类型包括贝加尔
针茅(Stipabaicalensis)建群的贝加尔针茅+线叶
菊(Filifoliumsibiricum)草地型、以线叶菊建群的
线叶菊+日阴菅(Carexpediformis)草地型、以羊
草(Leymuschinensis)建群的羊草草甸、以大针茅
(Stipagrandis)建群的大针茅+冰草(Agropyron
cristatum)草地型、以无芒隐子草(Cleistogenesson-
gorica)建 群 的 无 芒 隐 子 草 + 多 根 葱 (Allium
polyrhizum)草地型、寸草苔(Carexduriuscula)建
群的寸草苔+一年生杂类草草地型。每个类型的实
测光谱数据进行多点测量,测量重复数为27个。在
测定前不破坏待测目标的自然状态。植被光谱数据
在2011年7月20日-8月10日完成采集 (光谱数
据采集最佳时间段为10:00-14:0)。为保障测定
数据间的统一可比性,测定时选择晴朗、无云、风力
较小或无风天气,太阳光强度充足且稳定。
植被光合有效辐射测量的试验地选择在锡林浩
特市毛登牧场周围,植被类型为以大针茅建群的大
针茅+冰草+羊草草地型。观测重复次数为10次。
光合有效辐射测量时间内,光谱测量同步进行,每天
测量一次,测量时间8:00(日出)-20:00(日落)。
1.2　草地植被光谱数据的采集
植被高光谱数据采集采用便携式野外光谱仪
(ASDFieldSpec),均在原地(insitu)实测。由于地
物波谱测量是进行高光谱遥感探测可行性的重要依
据,也是高光谱遥感图像处理及分析和应用的基础,
5001
草　地　学　报 第20卷
因此,在实测时应尽量保证测量数据的可靠性。除
了保证仪器和参考板性能稳定和数据记录的规范
外,还要保证测量对象的代表性和所选对象的广布
性,在测定视场角下应具有均匀性,并根据天气条件
及时进行标准白板优化校正,每15min进行一次优
化,优化时标准白板水平放置在没有任何阴影光线
直射的地方,优化后白板的反射率为1。
1.3　植物截获的光合有效辐射值的测量
光合有效辐射(PAR)采用美国LI-COR公司生
产的LI-191SA 线性光量子传感器进行测量,测量
结果自动直接记录,输出单位为辐射通量密度
(W·m-2)。本研究根据不同的日照和太阳高度
角,设定8:00-12:00,12:00-16:00,16:00-20:00
时间段进行观测,观测频率为每隔2h测量并自动
记录一次数据,每次测量并记录的4个参数包括冠
层接收的光合有效辐射(PAR)、冠层反射ρPAR、透
射PARtrans和土壤(地表)反射PARsoil。观测日期为
2011年7月21-23日、26-27日、29日、8月3-4
日、7-8日。重复观测点间距大于500m。
测量PAR和ρPAR时,将光量子仪的传感器放置
距离冠层顶部0.5~1cm处,测量PARsoil和PARtrans时
将传感器分别放置在距离地面0~0.5cm处。
1.4　数据处理
本研究选择370~1100nm可见光和近红外波
段的反射率数据进行分析。光合有效辐射在传输过
程中衰减包括被植被冠层吸收部分、被直接反射和
穿过冠层后被冠层反射回大气部分和被土壤吸收部
分。因此,Eduardo等 [24]给出了植被光合作用吸收
的光合有效辐射部分的计算公式为:
APAR=PAR-ρPAR-(PARtrans-PARsoil)(1)
式中:APAR(absorbedphotosyntheticactiveradi-
ation)是植物所能吸收的光合有效辐射;PAR(photo-
syntheticalyactiveradiation)是指太阳辐射中能被绿
色植物利用进行光合作用的能量,到达植被冠层的光
合有效辐射;ρPAR是植被冠层反射的光合有效辐
射;PARtrans是穿透植被冠层到达地表的光合有效辐
射;PARsoil 是 土 壤 表 面 反 射 的 光 合 有 效 辐 射;
(PARtrans-PARsoil)是土壤吸收的光合有效辐射。
1.5　光合有效辐射APAR 及光合有效吸收分量
fPAR 的计算
光合有效辐射(APAR)采用公式(1)计算,光合
有效吸收分量(fPAR)=APAR/PAR,采用公式(7)
计算。需要说明的是,利用光量子仪测量得到的是瞬
时PAR分量,因此,需要采用积分求算光合有效辐射
的时段PAR(p)和日值PAR(d)、植被吸收的光合有
效辐射时段值APAR(p)和日值APAR(d),进而计算
获得光合有效吸收分量日值fPAR(d)。
光合有效辐射日值计算公式如下:
PAR(d)=ʃt12t8 {PAR(p1)}dt+ʃ
t16t12
{PAR(p2)}dt
+ʃt20t16{PAR(p3)}dt (2)
式中,ʃt12t8 {PAR(p1)}dt,ʃ
t16t12
{PAR(p2)}dt和
ʃt20t16{PAR(p3)}dt分别是8:00-12:00,12:00-16:00
和16:00-20:00时段的光合有效辐射时段值。
植被吸收的光合有效辐射时段值计算公式如下:
APAR(p1)=ʃt12t8 {[PAR(t)-ρPAR(t)]-
[PARtrans(t)-PARsoil(t)]}dt (3)
APAR(p2)=ʃt16t12 {[PAR(t)-ρPAR(t)]-
[PARtrans(t)-PARsoil(t)]}dt (4)
APAR(p3)=ʃt20t16 {[PAR(t)-ρPAR(t)]-
[PARtrans(t)-PARsoil(t)]}dt (5)
植被吸收的光合有效辐射日值计算公式如下:
APAR(d)=APAR(p1)+APAR(p2)+
APAR(p3) (6)
光合有效吸收分量日值fPAR(d)的计算公式:
fPAR(d)=APAR
(d)
PAR(d)
(7)
1.6　草地植被光谱数据整理分析及预处理
利用ASD地物光谱仪携带的光谱处理软件处
理所有采集的光谱数据。将每个植被类型的27个
光谱测量数据进行求平均值处理,并去除明显有误
的采样光谱,最后得到6个类型的反射光谱曲线。
1.7　导数光谱
导数光谱思想起源于Demetriades-Shah。导数方
法在植被分析中应用广泛,例如 Demetriades-Shah
等[32]利用导数光谱研究了作物水分和病害胁迫,认
为该方法能够平抑土壤背景的信息,突显冠层光谱信
息。对光谱曲线作一阶导数变换,可以对重叠混合光
谱进行分解以便识别,扩大样品之间的光谱特征差
异;逐渐地由导数衍生出高阶导数、对数导数光谱分
析等方法。光谱反射率经导数的对数变换后,不仅趋
向于增强可见光区的光谱差异,而且趋向于减少因光
照条件变化引起的乘性因素影响。导数光谱的基本
定义:
6001
第6期 刘爱军等:基于反射率及导数的草原植被冠层光合有效吸收分量高光谱反演
Ra+1(λ)=dR
a(λ)
dλ
(8)
其中:R代表光谱反射强度;上标a为阶数,对
于一阶导数,a=0;λ为波长。
2　结果与分析
2.1　草原植被的光谱特征
所测6种草地植物群落类型的光谱数据中,以
大针茅、贝加尔针茅、羊草、线叶菊、寸草苔、无芒隐
子草等建群的植被光谱具有明显的共性:蓝紫波段
(405~475nm)吸收谷,反射率低于5%;绿波段560
nm附近有明显的反射峰,沿波长方向移动,依次经
历了一个红波段(673nm)吸收谷,反射率值低于绿
波段,以及反射率逐渐增加的红边(690~760nm),
这是由于植物光合作用吸收蓝光和红光的缘故;在
近红外(波长大于780nm)有一个较高的反射平台,
在965nm附近出现了一个水分吸收谷,这是由于
植物叶片中含有80%水分,而水对于可见光具有很
强的吸收性。
由图1所示的植被光谱特征表明,大多数植被光
谱特征基本一致,不同植被类型和同一植被类型不同
时期都具有这样的特征。所不同的是,植被光谱的变
化主要体现于在吸收谷、反射峰、红边和反射平台的
强度上的差别,反射率光谱强度随类型的变化比较明
显,但是位置变化不明显,这些差别引起了曲线形状
的变化。另外,在红光波段(670nm附近)反射率最
弱的植被是以线叶菊为优势种的类型,反射率最强的
植被是以寸草苔为优势种的类型,反射率介于二者之
间由弱到强依次是以羊草、大针茅、无芒隐子草和贝
加尔针茅为优势种的类型,表明上述这些植被类型的
光合有效吸收分量由强到弱的变化趋势。
图1　试验测定的部分草原植被类型的反射率光谱
Fig.1　Reflectancevaluesofvegetation
2.2　典型草原fPAR与各波段反射率及其导数的
相关性及物理意义
本研究所测光谱数据包括以大针茅建群的10
个观测日的测量值,与光合有效辐射测量数据是同
步进行的。因此,本文将所测10个光谱值求均值,
得到典型草原光谱曲线。在一阶导数求算过程中,
光谱反射率的一阶导数曲线锯齿较多,数据处理过
程中,将反射率数据重采样为5nm间隔,然后计算
导数。关于fPAR的计算,也同样采用10个观测日
值求均值方法作为典型草原的fPAR观测值。在上
述数据处理基础上绘制图2。总体上,fPAR与可见
光波段相关性较近红外波段好,前者相关系数绝对
值可达0.86,而后者仅为0.40左右。由图2可知,
典型草原fPAR与可见光各波段反射率均成负相
关,而在近红外波段成正相关。在可见光波段的相
关性随波长增大而缓慢降低,但相关系数绝对值基
本都大于0.60,从750nm开始相关系数迅速降低,
在750nm处开始变为正相关且相关性增加,在790
nm处相关性为0,随后,随着波长增加到近红外波
段处,相关性开始稳定在0.40左右。在945nm之
后开始下降,直到995~1000nm达到最低点后又
有所回升。
7001
草　地　学　报 第20卷
图2　典型草原反射率及一阶导数与fPAR的相关关系分析
Fig.2　CorrelationbetweenfPARandreflectanceorfirstderivativeofmeadowsteppe
　　另外,由图2也可以看出,fPAR与520~530
nm及965~980nm处的一阶导数负相关性都达到
了0.8以上,说明fPAR与他们之间的相关性很好。
520~530nm处于可见光绿光部分,该谱段的反射
率与fPAR相关性很小,但一阶导数与fPAR有着
较高相关性。因此,估算fPAR时,综合考虑波段和
导数方法,对于正确把握估算精度具有警示意义。
同时图2也显示,在940~1000nm 附近是一个吸
收谷。很多研究证实,在近红外和短波红外区域,
水和其他分子中的O-H键的伸缩和弯曲振动是引
起植物吸收电磁辐射的决定性因素,吸收的中心波
长位于970,1145,1400和1940nm处。基于此,这
一区域的光谱信息已被广泛用来分析研究植物的水
分状况[21-23]。本研究在965nm 处的一阶导数与
fPAR呈现出极强的负相关,相关系数达到近0.88,
说明叶片中水分含量是影响植被光合作用的重要因
素,水分亏缺会使光合速率下降。因此,940~1000
nm波段的一阶导数对于fPAR估算有明显的物理
意义,将有助于改善估算精度。
2.3　fPAR与反射率及一阶导数的单波段回归分析
用fPAR分别与405,470,530nm处的反射率,
以及与580,670,750,855,965,1015nm处的一阶
导数分别进行回归分析。由表1可知,fPAR与405
和470nm处反射率的回归系数R2 分别为0.823
和0.849;fPAR与965和855nm处一阶导数回归
关系的确定性系数R2 达0.882和0.806,说明用
470nm处反射率、855nm及965nm一阶导数估算
fPAR的结果较佳。由上述分析可以看出,利用高
光谱数据进行fPAR估算时,需要综合考虑可见光
和近红外波段信息,同时也要充分考虑反射率与反
射率导数的方法。
表1　典型草原植被fPAR与反射率及一阶导数的回归分析
Table1　RegressionanalysisoffPARandreflectanceorfirst-orderderivative
处理
Items
波长
Wavelength/nm
回归方程
Regressionfunction
样本数
Samples
R2 F Sig.
反射率
Reflectance
405 y=-41.678x+1.852 10 0.823 88.230 0.000
470 y=-21.636x+1.291 10 0.849 98.200 0.000
530 y=-14.98x+1.537 10 0.766 64.070 0.000
一阶导数
Firstderivative
580 y=-1325.0x+0.366 10 0.681 52.160 0.000
670 y=-1661.0x+1.134 10 0.629 49.980 0.000
750 y=-4887.0x+12.98 10 0.180 6.885 0.000
855 y=2055.0x+0.136 10 0.806 69.96 0.000
965 y=-3100.4x+1.191 10 0.882 142.250 0.000
1015 y=-895.4x+1.088 10 0.619 88.214 0.000
8001
第6期 刘爱军等:基于反射率及导数的草原植被冠层光合有效吸收分量高光谱反演
2.4　估算fPAR的多波段回归分析
本研究利用可见光波段处反射率及近红外波段
区处一阶导数分别与fPAR建立了逐步回归方程,
同时,将各波段反射率与各波段导数光谱建立逐步
回归方程。由表2可以看出:fPAR与405和470
nm处的反射率及965nm处一阶导数的逐步回归
方程y=-19.6x405+21.71x470+2031x965拟合效果
优于前2个回归模型,R2 值达0.939。本文也建立
了fPAR与 MODIS可见光及近红外波段反射率回
归方程,R2 值为0.891。与表1和表2所列单波段
和多波段回归模型相比,基于 MODIS-NDVI的模
型优于单波段模型,但略逊于多波段回归模型。
表2　反射率和一阶导数与fPAR的相关关系
Table2　RegressionoffPARandreflectance
处理
Item
拟合方程
Regressionfunction
样本
Samples
R2 F Sig.
fPAR与 MODIS可见光、近红外波段反射率相关性
CorrelationbetweenfPARandNDVI-MODIS y
=0.688x+0.266(x代表NDVI) 15 0.891 0.000
fPAR与可见光各波段反射率相关性
CorrelationbetweenfPARandvisiblespectralreflectance
y=-32.8x405-49.1x470+60.87x530 10 0.894 14.653 0.001
fPAR与近红外波段处一阶导数相关性
CorrelationbetweenfPARandfirst-orderderivative y
=2060x855-1021x965+659x1015 10 0.843 11.979 0.001
fPAR与405和470nm处的反射率及965nm处一阶导数相关性
CorrelationbetweenfPARand405,470nmreflectance,
first-orderderivativein965nm
y=-19.6x405+21.71x470+2031x965 10 0.939 18.979 0.001
3　讨论
fPAR与可见光波段相关性较近红外波段好,
前者相关系数绝对值可达0.88,而后者仅为0.40
左右。不难理解,植被光合作用利用的太阳辐射主
要是可见光,特别是蓝紫波段和红波段为光合作用
的主要吸收波段,光合有效辐射分量与可见光波段
有较为直接和紧密的关系。正如综述中曾提到,
fPAR与可见光及近红外反射率或者植被指数的相
关关系得到很多研究证实[25-30],特别是NASA网站
还提供了fPAR与NDVI的查找表,方便用户建立
fPAR估算模型。但是由于 MODIS数据光谱分辨
率较低,低光谱分辨率遥感中不容易实现波段的自
由选择与组合,在反演fPAR过程中仍然存在一定
局限性,高光谱数据更容易将可见光部分细微区分
出来,使得不同植被类型光谱混淆的现象可以得到
极大的控制,对有针对性地选择相关的谱段来估算
fPAR无疑提供了最为可靠的保证[19]。高光谱数据
的出现,有助于更好地挖掘植被反射特征的细节信
息,这在本研究中也得到证明。高光谱数据的问世,
对于改善和提高fPAR的估算精度具有非常重要的
意义。但是在高光谱遥感数据还难以普及的今天,
MODIS仍不失是估算fPAR最好的数据来源之一。
高光谱反射率及其一阶导数用于估算草地
fPAR可以取得理想的效果,但是相对于植被指数
方法,高光谱单波段估算fPAR效果仍然稍差一些,
反射率和一阶导数的多波段逐步线性回归方法估算
效果较好。由本文分析可知,红光波段、紫光波段以
及950nm 附近水分强吸收带的线性组合是估算
fPAR非常理想的谱段,但需要充分考虑反射率与
反射率导数的方法。需要指出的是,本研究中高光
谱数据来自于地面光谱仪的测量,因此研究结果也
仅限于对非成像高光谱数据的解释和应用,对于成
像高光谱数据而言,必须谨慎参考。由于高光谱成
像数据获取困难,本研究没能将研究方法移植于更
大的空间范围,进而实现对fPAR的制图。对这一
问题今后将进一步深入探讨。
高光谱导数(微分)技术虽然已经被广泛的应用
于叶面积等其他生理参数方面的研究[1],但对于生
态参数fPAR的估算研究尚不多见。由于在测量光
谱过程中,误差在所难免,误差信号对于真信号而言
又是独立的。尽管误差信号相对于真信号是一个很
小的量,但它的导数却不一定是小量。因此,在导数
光谱中误差是不能被忽视的。因为误差导数很可能
大于信号导数,也就是说导数光谱很可能主要体现
了误差的特征而不是信号本身的特征。当信号本身
变化率小时,相对误差会变大,反之亦然。例如本研
究中求算导数光谱时,发现在相对平缓的近红外平
台区导数光谱表现出很强的噪声。对于成像高光谱
数据,滤波分析能够平抑噪声。因此,在应用导数光
谱方法前,首先应用滤波方法对数据进行预处理是
有效的。但是,预处理过程的同时也会消减或者损
失信号,使得目标光谱发生改变,这对于定量遥感来
9001
草　地　学　报 第20卷
说是一个值得深入探索的问题。
4　结论
4.1　草原植被光合有效辐射分量与可见光反射率
相关性好于近红外波段反射率,其中在405和470
nm波段相关性最好;fPAR与一阶导数相关关系在
855和965nm波段处较强。利用高光谱数据进行
fPAR估算时,需要综合考虑可见光和近红外波段
信息,同时也要充分考虑反射率与反射率导数的方
法。
4.2　fPAR与405和470nm反射率以及965nm
一阶导数的多波段逐步回归分析结果取得了较单波
段和NDVI最优的估算效果,R2 达0.939,水分强
吸收的光谱波段具有提高fPAR估算精度的潜力。
参考文献
[1]　浦瑞良,宫鹏.高光谱遥感及其应用[M].北京:高等教育出版
社,2000:98-132
[2]　万余庆,谭克龙,周日平.高光谱遥感应用研究[M].北京:科
学出版社,2006:3-10
[3]　童庆禧,郑兰芬,王晋年,等 湿地植被成像光谱遥感研究[J].
遥感学报,1997,1(1):50-57
[4]　王晋年,郑兰芬,童庆禧.成像光谱图像吸收鉴别模型与矿物
填图研究所[J].环境遥感,1996,11(1):20-30
[5]　PengGong,RuilangPu,BinYu.Coniferspeciesrecognition:
Anexploratoryanalysisofinsituhyperspectraldata[J].Re-
moteSensingofEnvironment,1997,62(2):189-200
[6]　FreekvanderMeer,WimBakker.Crosscorrelogramspectral
matching:Applicationtosurfacemineralogicalmappingbyu-
singAVIRISdatafromcuprite,Nevada[J].RemoteSensing
ofEnvironment,1997,18(5):1197-1201
[7]　田永超,曹卫星,姜东,等.不同水氮条件下水稻冠层反射光谱
与叶片水势关系的研究[J].水土保持学报,2003,17(3):178-
180
[8]　高占国,张利权.上海盐沼植被的多季相地面光谱测量与分析
[J].生态学报,2006,26(3):795-799
[9]　ShibayamaM,AkiyamaT.Estimatinggrainyieldofmaturing
ricecanopiesusinghighspectralresolutionreflectancemeas-
urements[J].RemoteSensingofEnvironment,1991,36(1):
45-53
[10]吴长山,项月琴,郑兰芬.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):228-232
[11]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
[12]华开,张学霞,樊登星,等.基于高光谱数据的高羊茅SPAD快
速估测研究[J].草地学报,2012,20(4):699-704
[13]PengGong,PuRuiliang,MilerJR.Coniferousforestleafar-
eaindexestimationalongtheOregontransectusingcompact
airbornespectrographicimagerdata[J].PhotogrammetricEn-
gineering& RemoteSensing,1995,61(9):1107-1117
[14]MaryEMartin,JohnDAber.Highspectralresolutionremote
sensingofforestcanopylignin,nitrogen,and ecosystem
processes[J].EcologicalApplicatians,1997,7(2):431-443
[15]ShibayamaM,AkiyamaT.Aspectroradiometerforfielduse.
Ⅶ:Radiometricestimationofnitrogenlevelsinfieldricecano-
pies[J].JapaneseJournalofCropScience,1986,55(4):439-
445
[16]PenuelasJ,FilelaI,GamonJA.Assessmentofphotosyn-
theticradiation-useefficiencywithspectralreflectanceatthe
leafandcanopylevels[J].PhotosynthesisandRemoteSens-
ing,1995,131(3):291-296
[17]陈鹏程,张建华,雷勇辉,等.高光谱遥感监测农作物病虫害研
究进展[J].农业信息科学,2006,22(2):388-391
[18]郭仕德,马廷,林旭东.高光谱遥感及其影像空间结构特征分
析[J].测绘科学,2005,30(3):35-38
[19]赵永超.高光谱遥感中典型地物目标的光谱特征分析和信息提
取模型[D].北京:中国科学院遥感应用研究所,2000:3-20
[20]LiuJ,ChenJM,CihlarJ,etal.Aprocess-basedborealeco-
systemproductivitysimulatorusingremotesensinginputs[J].
RemoteSensingofEnvironment,1997,62(2):158-175
[21]ReichPB,TurnerDP,BolstadP.Anapproachtospatialy
distributedmodelingofnetprimaryproduction(NPP)atthe
landscapescaleanditsapplicationinvalidationofEOSNPP
products[J].RemoteSensingofEnvironment,1999,70(1):69-
80
[22]任建强,陈仲新,唐华俊,等.基于植物净初级生产力模型的区
域冬小麦估产研究[J].农业工程学报,2006,22(5):111-117
[23]MyneniRB,HoffmanS,KnyazikhinY,etal.Globalprod-
uctsofvegetationleafareaandfractionabsorbedPARfrom
yearoneofMODISdata[J].RemoteSensingofEnvironment,
2002,83(1/2):214-231
[24]EduardoR,CondeJR,Mínguez MI.EstimatingfAPAR
fromninevegetationindicesforirrigatedandnonirrigatedfaba
beanandsemileaflesspeacanopies[J].RemoteSensingofEn-
vironment,1998,66(1):87-100
[25]FensholtR,SandholtI,RasmussenMS.EvaluationofMO-
DIS-LAI,fAPARandtherelationbetweenfAPARandNDVI
inasemi-aridenvironmentusinginsitumeasurements[J].Re-
moteSensingofEnvironment,2004,91(3/4):490-507
[26]HuemmrichKF,GowardSN.VegetationcanopyPARab-
sorptanceandNADI:Anassessmentfortentreespecieswith
theSAILmodel[J].RemoteSensingofEnvironment,1992,39
(2):119-140
[27]FriedlM A,DavisFW,MichaelsenJ,etal.Scalingandun-
certaintyintherelationshipbetweentheNDVIandlandsur-
facebiophysicalvariables:ananalysisusingascenesimulation
modelanddatafrom FIEE[J].RemoteSensingofEnviron-
ment,1995,54(3):233-246
[28]MyneniRB,RamakrishnaRN,RunningSW.Estimationof
globalleafareaindexandabsorbedparusingradiativetransfer
models[J].IEEE Transactionson Geoscienceand Remote
Sensing,1997,35(6):1380-1393
[29]RoujeanJL,BreonFM.EstimatingPARabsorbedbyvege-
tationfrombidirectionalreflectancemeasurements[J].Remote
SensingofEnvironment,1995,51(3):375-384
[30]HuemmrichKF,PrivetteJL,MukelabaiM,etal.Time-se-
riesvalidationofMODISlandbiophysicalproductsinaKala-
hariwoodland,Africa[J].InternationalJournalofRemote
Sensing,2005,26(19):4381-4398
[31]SteinbergDC,GoetzSJ,HyerEJ.ValidationofMODIS
FPARproductsinborealforestsofAlaska[J].IEEETransac-
tionsonGeoscienceandRemoteSensing,2006,44(7):1818-
1827
[32]Demetriades-ShahT,StevenM D,ClarkJA.Highresolu-
tionderivativespectrainremotesensing[J].RemoteSensing
ofEnvironment,1990,33(1):55-64
(责任编辑　李美娟)
0101