法國(guó)佛山和毛白楊葉片高光譜反射率與綠度研究

植物的主要吸收能量包括綠葉植物（葉色a、葉色b）和類(lèi)黃酮（胡蘿卜和葉黃素）。在植物吸收光能的過(guò)程中，葉色是主要吸收光能的材料，它直接影響植物的光能的使用。植物色素含量與光能的發(fā)育水平和發(fā)育水平密切相關(guān)，是評(píng)價(jià)植物生長(zhǎng)的有效手段。植物反射光譜主要受葉片表面光的影響（葉片和類(lèi)胡同），而近紅外區(qū)域主要受葉片內(nèi)部結(jié)構(gòu)、生物量、蛋白質(zhì)、纖維等的影響。因此，植物冠層及其反射光譜可以用來(lái)估計(jì)植物的生物參數(shù)，尤其是色素含量。已經(jīng)使用了高光譜遙感技術(shù)來(lái)評(píng)估植物葉片含量的變化。一般來(lái)說(shuō)，高光譜分辨率遙感數(shù)據(jù)表明，植物生化參數(shù)主要有三種方法。其中之一是豐富的統(tǒng)計(jì)分析方法，包括高光譜反射率、導(dǎo)數(shù)光譜、植物指數(shù)、環(huán)邦指數(shù)等。第二種是基于特征光譜位置變量的分析技術(shù)，包括紅邊位置、綠峰位置等。第三，光學(xué)傳輸模型的方法屬于經(jīng)驗(yàn)統(tǒng)計(jì)方法的范疇，因此統(tǒng)計(jì)模型是靈活的，但不同的數(shù)據(jù)源需要調(diào)整參數(shù)，不斷調(diào)整模型。第三種方法是近30年發(fā)展起來(lái)的，現(xiàn)在已經(jīng)進(jìn)行了不斷的研究和改進(jìn)。到目前為止，高光譜遙感在植物、尤其是果實(shí)葉片含量的研究取得了很大進(jìn)展。許多對(duì)葉子綠度值的高光譜數(shù)據(jù)被用來(lái)估計(jì)。該模型還通過(guò)測(cè)量和計(jì)算高光譜數(shù)據(jù)來(lái)估計(jì)植物的生物物理和化學(xué)指標(biāo)。然而，我國(guó)對(duì)一些落葉闊葉樹(shù)種的研究較少，然而，高光譜評(píng)價(jià)模型的應(yīng)用也相對(duì)較早。本文分析了法國(guó)梧桐樹(shù)和白楊樹(shù)葉片的光譜和導(dǎo)數(shù)光譜數(shù)據(jù)之間的相關(guān)性。根據(jù)該紅邊的位置，可以計(jì)算葉片的綠色含量。根據(jù)這項(xiàng)工作，我們研究了基于法國(guó)梧桐樹(shù)或相關(guān)植物的譜和指導(dǎo)，并建立了基于主導(dǎo)光譜數(shù)據(jù)數(shù)據(jù)給定敏感段的黃綠色橫截面模型。最終，將這兩種模型應(yīng)用于評(píng)估葉片含量、比較bp模型和rbf模型的預(yù)測(cè)精度。1葉綠素含量的測(cè)定—材料與方法實(shí)驗(yàn)于2007年9月至11月在魯東大學(xué)校園內(nèi)進(jìn)行.地理位置為37°14′N(xiāo),121°27′E,海拔63m.年均氣溫11.8℃,年均風(fēng)速4—6m/s,多年平均降雨量651.9mm,年均相對(duì)濕度為68%,年均日照時(shí)數(shù)為2698.4h,無(wú)霜期210d,屬暖溫帶大陸性季風(fēng)氣候.采用美國(guó)ASD便攜式野外光譜儀(ASDFieldSpecHandHeld)對(duì)法國(guó)梧桐和毛白楊進(jìn)行光譜測(cè)定,光譜儀波段為325—1075nm,光譜分辨率為3.5nm,光譜采樣間隔1.6nm,視場(chǎng)角25°.選擇天氣晴好、風(fēng)力較小的日子,于北京時(shí)間11:00—13:00進(jìn)行光譜測(cè)定.每次測(cè)定前都要利用漫反射參考板對(duì)儀器進(jìn)行優(yōu)化,測(cè)定時(shí),將待測(cè)葉片平放在反射率近似零的黑色布上,傳感器探頭垂直置于葉片10cm之上,保證葉片充滿(mǎn)整個(gè)視場(chǎng)角,每個(gè)樣品光譜值重復(fù)采集10次,10組數(shù)據(jù)的平均值作為該樣品最終光譜反射率.本文采用便攜式葉綠素計(jì)SPAD-502的測(cè)定值代替葉綠素含量,測(cè)量時(shí),在每個(gè)葉片上均勻的測(cè)取10個(gè)SPAD值,求取平均值作為此葉片葉綠素含量值.傳統(tǒng)測(cè)定葉綠素含量的方法為分光光度法,但是大量研究表明,闊葉樹(shù)種葉片綠色度(SPAD)值與葉綠素含量具有顯著的相關(guān)性,SPAD值能較好地反映樹(shù)木葉綠素含量的變化,因此使用葉綠素計(jì)測(cè)定樹(shù)木的葉綠素含量是完全可行的,在一定條件下可代替葉綠素含量的直接測(cè)定.2結(jié)果與分析2.1葉片葉綠素含量與光譜的相關(guān)性分析將法國(guó)梧桐、毛白楊葉片反射率光譜數(shù)據(jù)及其導(dǎo)數(shù)光譜數(shù)據(jù)分別與葉綠素含量進(jìn)行單相關(guān)分析(法國(guó)梧桐和毛白楊(各50個(gè)樣品)95%置信度顯著相關(guān)的擬合度(R2)臨界值為0.288,99%置信度顯著相關(guān)的擬合度(R2)臨界值為0.372).每個(gè)光譜通道上的原始光譜反射率與葉綠素含量測(cè)定值、一階導(dǎo)數(shù)光譜與葉綠素含量測(cè)定值之間的擬合度(相關(guān)系數(shù)的平方)見(jiàn)圖1,2.由圖1,2可以看出,法國(guó)梧桐和毛白楊的葉片原始光譜與葉綠素含量的相關(guān)性曲線(xiàn)具有相似的特征,在波長(zhǎng)580—705nm相關(guān)性最好,達(dá)到顯著水平,而這段波長(zhǎng)正好為葉綠素的強(qiáng)吸收波段.在波長(zhǎng)710nm處開(kāi)始下降,到730nm處相關(guān)性幾乎為零,即原始光譜在730nm后幾乎不反映葉綠素含量信息.法國(guó)梧桐導(dǎo)數(shù)光譜與葉綠素含量的相關(guān)性在549—630,676—690及700—743nm處較好,達(dá)到顯著水平.毛白楊導(dǎo)數(shù)光譜與葉綠素含量的相關(guān)性在549—601,676—688及700—746nm處較好,達(dá)到顯著水平.2.2法國(guó)惡意指數(shù)與毛白楊葉綠素含量的線(xiàn)性關(guān)系從圖1,2可以看出,法國(guó)梧桐和毛白楊的導(dǎo)數(shù)光譜與葉綠素含量的相關(guān)性比原始光譜與葉綠素含量的相關(guān)性要好,所以本文利用導(dǎo)數(shù)光譜數(shù)據(jù)對(duì)葉綠素含量進(jìn)行估計(jì).對(duì)于法國(guó)梧桐,選取相關(guān)系數(shù)最高的波段562nm處的導(dǎo)數(shù)光譜數(shù)據(jù)與葉綠素含量建立線(xiàn)性相關(guān)關(guān)系,回歸模型的確定性系數(shù)R2為0.7791(圖3).對(duì)于毛白楊,選取相關(guān)系數(shù)最高的波段734nm處的導(dǎo)數(shù)光譜數(shù)據(jù)與葉綠素含量建立線(xiàn)性相關(guān)關(guān)系,回歸模型的確定性系數(shù)R2為0.6858(圖4).從圖3和圖4的對(duì)比來(lái)看,法國(guó)梧桐線(xiàn)性回歸模型略?xún)?yōu)于毛白楊線(xiàn)性回歸模型.2.3rov定理及網(wǎng)絡(luò)參數(shù)設(shè)置人工神經(jīng)網(wǎng)絡(luò)是20世紀(jì)80年代中后期迅速發(fā)展起來(lái)的一個(gè)前沿領(lǐng)域,因其良好的預(yù)測(cè)性和實(shí)用性被廣泛應(yīng)用于各個(gè)領(lǐng)域,尤其在遙感影像自動(dòng)分類(lèi)與定量分析方面得到了廣泛應(yīng)用.BP神經(jīng)網(wǎng)絡(luò)具有并行處理、非線(xiàn)性、容錯(cuò)性、自適應(yīng)性和自學(xué)習(xí)的特點(diǎn),在數(shù)據(jù)擬合與模擬中有著無(wú)比的優(yōu)越性.上文中利用導(dǎo)數(shù)光譜對(duì)葉綠素含量進(jìn)行估計(jì)只能囊括一個(gè)波段,有一定的局限性,精度不高,而B(niǎo)P神經(jīng)網(wǎng)絡(luò)可以實(shí)現(xiàn)光譜波段之間優(yōu)勢(shì)互補(bǔ),因此本文利用BP神經(jīng)網(wǎng)絡(luò)把多個(gè)波段的反射率作為輸入矢量來(lái)預(yù)測(cè)法國(guó)梧桐、毛白楊葉綠素含量.本研究采用的BP神經(jīng)網(wǎng)絡(luò)是由Matlab的NeuralNet-workToolbox提供,網(wǎng)絡(luò)共有3層,依次為輸入層、中間層和輸出層.輸入層為不同診斷波段的光譜反射率,這里選擇760,680,550,430nm處的反射率作為輸入因子;中間層的神經(jīng)元個(gè)數(shù)直接影響著網(wǎng)絡(luò)的非線(xiàn)性預(yù)測(cè)性能,這里根據(jù)Kolmogorov定理,設(shè)定網(wǎng)絡(luò)的中間層神經(jīng)元個(gè)數(shù)為9;輸出層為葉片葉綠素含量1個(gè)神經(jīng)元.中間隱含層的激活函數(shù)為tansig,輸出層為purelin函數(shù),使得輸出結(jié)果不局限在0—1.網(wǎng)絡(luò)的訓(xùn)練函數(shù)為trainlm,它采用Levenberg-Marquardt算法進(jìn)行網(wǎng)絡(luò)學(xué)習(xí),網(wǎng)絡(luò)的學(xué)習(xí)函數(shù)為learngdm,該函數(shù)為梯度下降動(dòng)量學(xué)習(xí)函數(shù),它利用神經(jīng)元的輸入和誤差、權(quán)值或閾值的學(xué)習(xí)速率和動(dòng)量常數(shù)來(lái)計(jì)算權(quán)值或閾值的變化率.網(wǎng)絡(luò)的性能函數(shù)采用均方誤差性能函數(shù)mse.在法國(guó)梧桐50個(gè)葉綠素?cái)?shù)據(jù)中隨機(jī)抽取35個(gè)作為訓(xùn)練樣本的學(xué)習(xí)目標(biāo)T,因?yàn)槠渌芯空咭话愣际菍?60,680,550,430nm處的反射率作為輸入矢量P,所以本文同樣將這4個(gè)波長(zhǎng)處的反射率作為輸入矢量P,設(shè)置網(wǎng)絡(luò)學(xué)習(xí)的迭代次數(shù)為500.當(dāng)神經(jīng)網(wǎng)絡(luò)訓(xùn)練完畢后,把剩余15個(gè)葉綠素?cái)?shù)據(jù)作為測(cè)試樣本代入網(wǎng)絡(luò)進(jìn)行預(yù)測(cè),對(duì)毛白楊做相同的處理.為檢驗(yàn)預(yù)測(cè)效果,計(jì)算出預(yù)測(cè)值的相對(duì)誤差(圖5,6),法國(guó)梧桐BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)值相對(duì)誤差為-0.432%—17.836%,毛白楊BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)值相對(duì)誤差為0.004%—13.256%.由此看見(jiàn),BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)精度是比較高的.BP網(wǎng)絡(luò)預(yù)測(cè)精度比較高,但在對(duì)模型進(jìn)行訓(xùn)練時(shí)訓(xùn)練誤差收斂比較慢,同時(shí)存在局部極小值等問(wèn)題,實(shí)際運(yùn)用過(guò)程中比較耗時(shí),而且需要多次訓(xùn)練.所以本文嘗試?yán)肦BF神經(jīng)網(wǎng)絡(luò)模型對(duì)法國(guó)梧桐、毛白楊葉綠素含量進(jìn)行估計(jì).RBF神經(jīng)網(wǎng)絡(luò)也是由輸入層、隱含層和輸出層構(gòu)成.本文中,輸入層為不同診斷波段的光譜反射率,選擇760,680,550,430nm處的反射率作為輸入因子.由于本文的RBF神經(jīng)網(wǎng)絡(luò)是利用函數(shù)newrbe創(chuàng)建的,隱含層的數(shù)目會(huì)被自動(dòng)選擇,使得誤差為0.輸出層為葉片葉綠素含量1個(gè)神經(jīng)元.正如在BP神經(jīng)網(wǎng)絡(luò)中,中間層的神經(jīng)元個(gè)數(shù)直接影響著網(wǎng)絡(luò)的非線(xiàn)性預(yù)測(cè)性能,在RBF神經(jīng)網(wǎng)絡(luò)中,徑向基函數(shù)的分布密度SPREAD值的大小影響網(wǎng)絡(luò)的預(yù)測(cè)精度.本文經(jīng)過(guò)多次實(shí)驗(yàn),法國(guó)梧桐的SPREAD值設(shè)定為3,毛白楊的SPREAD值設(shè)定為2.為了與BP網(wǎng)絡(luò)進(jìn)行比較,RBF神經(jīng)網(wǎng)絡(luò)中所用的學(xué)習(xí)樣本和測(cè)試樣本均與BP網(wǎng)絡(luò)中的一樣,同時(shí)計(jì)算法國(guó)梧桐、毛白楊RBF神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)值相對(duì)誤差(圖5,6)分別為0.360%—11.160%,0.215%—12.930%.根據(jù)圖5,6預(yù)測(cè)值相對(duì)誤差的分布可知,法國(guó)梧桐的BP和RBF神經(jīng)網(wǎng)絡(luò)模型對(duì)其葉片葉綠素含量預(yù)測(cè)值相對(duì)誤差絕對(duì)值大于5%的分別占33.33%和20.00%,最大相對(duì)誤差絕對(duì)值分別為17.836%和11.160%;毛白楊的BP和RBF神經(jīng)網(wǎng)絡(luò)模型對(duì)其葉片葉綠素含量預(yù)測(cè)值相對(duì)誤差絕對(duì)值大于5%的分別占13.33%和6.67%,最大相對(duì)誤差絕對(duì)值分別為13.256%和12.930%.由此可見(jiàn),BP網(wǎng)絡(luò)不如RBF網(wǎng)絡(luò)的預(yù)測(cè)精度高.3葉綠素含量估算模型的建立本文研究了法國(guó)梧桐和毛白楊的葉片高光譜數(shù)據(jù),并測(cè)量了葉綠素?cái)?shù)據(jù);分別對(duì)獲取的數(shù)據(jù)進(jìn)行了單波段相關(guān)分析、導(dǎo)數(shù)光譜數(shù)據(jù)敏感波段回歸分析、神經(jīng)網(wǎng)絡(luò)預(yù)測(cè),通過(guò)分析得到以下結(jié)論.1)法國(guó)梧桐和毛白楊的葉片反射光譜數(shù)據(jù)、一階導(dǎo)數(shù)光譜與葉綠素含量的相關(guān)性在可見(jiàn)光區(qū)域顯著,與前人的研究基本一致,同時(shí)證明了利用SPAD-502測(cè)量的綠度值在一定程度上可以代替葉綠素含量的測(cè)定.2)法國(guó)梧桐、毛白楊的導(dǎo)數(shù)光譜與葉綠素含量的相關(guān)性在某些波段比原始光譜與葉綠素含量的相關(guān)性要好,采用導(dǎo)數(shù)光譜數(shù)據(jù)敏感波段建立了葉綠素含量估算模型,法國(guó)梧桐、毛白楊葉綠素含量估算模型的確定性系數(shù)分別為0.7791和0.