南農提出通過反射光譜自動估算稻麥葉片生化參數的新方法

南京農業大學國家信息農業工程技術中心團隊在頂級遙感期刊Remote Sensing of Environment發表了關於通過反射光譜自動估算稻麥葉片生化參數的研究成果。基於他們提出的新方法（PROCWT），僅利用單葉反射光譜，可以準確反演出葉綠素含量（μg/cm2）、類胡蘿蔔素含量（μg/cm2）、含水量（g/m2）和干物質含量（g/m2）等參數，植物表型資訊介紹如下。

溫馨提醒:「第二屆亞太植物表型國際會議」將於2018年03月23-25日舉行。

利用葉片光學模型PROSPECT直接從反射光譜反演生化參數的物理方法，由於不受作物品種、生態點、生育期等因素的影響，一直是學術界關注的熱點。這種方法通常應用於通過積分球測量的方向半球反射率（DHRF）光譜和通過葉片夾測量的二向反射率（BRF）光譜，人們發現前者的反演效果更好。在實際應用中，積分球測量流程比較繁瑣，通常需要配置外接光源，在暗室環境下測量，儀器不便於攜帶；內嵌光源的葉片夾測量效率更高，不僅適用於室內測量，也便於在田間操作。但是，利用BRF光譜進行反演會造成顯著的參數低估現象，反演結果並不理想，人們對BRF光譜性能較差的原因並不清楚，因此限制了模型反演方法的應用範圍。與DHRF光譜相比，BRF光譜有更大的組分來源於葉片表面反射，而表面反射光由於沒有進入葉片內部，無法攜帶生化參數信息，如何剔除BRF光譜中表面反射的貢獻是提高反演精度的關鍵。

根據團隊在基於連續小波光譜分析的作物生長監測研究的多年積累，本文提出了基於連續小波變換的物理模型反演方法（PROCWT）。由於連續小波變換具有線性可加性，對於近似常數項的表面反射有很好的消除效果。該方法不僅可以消除表面反射的影響，還可以增強生化參數的吸收特徵。與傳統的物理模型反演方法相比，每個參數的低估現象都得到明顯改善，尤其是最難反演的干物質含量。研究還發現，小麥的葉片表面反射比水稻強，該方法對大部分小麥生化參數的反演精度提升更明顯。PROCWT屬於物理模型反演方法，具有很好的機理性，在反演生化參數時不需要建模，完全可以自動化運行。此外，PROCWT同時適用於DHRF和BRF光譜數據，擴大了物理模型反演方法的應用範圍，今後能夠進一步應用於成像高光譜數據，在植物表型監測領域具有重大潛力。

葉片夾測量示意圖和單葉二向反射光譜

干物質（Cm）和含水量（Cw）實測值與反演值的散點圖（前三列為傳統方法，最後一列為PROCWT方法）

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！