英语原文共 14 页，剩余内容已隐藏，支付完成后下载完整资料
利用毫米至厘米级的反射图像来估算甜菜冠层的叶绿素含量
Sylvain Jaya,b,*, Nathalie Gorrettaa, Julien Morela, Fabienne Maupasc, Ryad Bendoulaa, Gilles Rabatela, Dan Dutartrec, Alexis Comarc, Freacute;deacute;ric Barete
a Irstea，UMR ITAP，361 r.F. Breton，34196法国蒙彼利埃
b Aix马赛大学，法国国家科学研究中心，马赛中心，菲涅尔研究所，F-13013马赛，法国
c技术研究所德拉Betterave，45街的那不勒斯，75008巴黎，法国
d法国阿维尼翁84000，Charrue街22号，HIPHEN SAS
e INRA UMR 114 EMMAH，UMT CAPTE，Domaine Saint-Paul，Site Agroparc，F-84914法国阿维尼翁
文章信息
文章历史：
2017年1月16日收到
2017年4月18日以修订形式收到
2017年6月7日接受
2017年6月15日在线提供
关键词
叶绿素含量
毫米到厘米的空间分辨率
反射图像
植被指数
摘要
准确估算叶片叶绿素含量（Cab）是利用遥感监测植被生理状况或估算初级生产力的重要指标。目前已经开发了许多植被指数（VIs）来从冠层水平上从米级到十米级反射率观测获取Cab。然而，大部分的这些VI也许会受到冠层结构可能混杂的影响。这项研究的目的是开发一种利用毫米到厘米空间分辨率反射率图像获取在现场级别估计Cab的方法。
同时获得对Cab、绿色部分（GF）、绿色面积指数（GAI）的地面测量结果，需要在400-1000nm范围内的地面平台上从甜菜冠层获取高光谱图像。原始图像的空间分辨率从1毫米逐步降低到35厘米，产生了11套高光谱图像。区分植被和土壤像元，并且对于每种空间分辨率，测量的Cab值与从图像提取的四组反射光谱（土壤和植被像素，仅植被像素，50％最黑和最亮的植被像素）相关。所选择的植被指数包括文献中的一些经典植被指数、简单比例（SR）、修正的归一化差异（mND）和结构不敏感的色素指数（SIPI）的最佳谱带组合。在mND和SIPI的例子中，还研究了使用蓝色参考波段而不是经典的近红外波段的情况。对于十一个空间分辨率，四个像素选择和五个VI格式，在优化VI性能时获得相似的频带组合：感兴趣区的主要频带一般位于蓝色、红色、红色边缘和近红外区域。总的来说，定义为（R440 - R728）/（R440 R850）的mNDblue [728,850]在最亮的绿色像素上计算得到与Cab最好的相关性，空间分辨率优于8.8cm，预测的均方根误差更是超过2.6微克/平方厘米。相反，mNDblue [728,850]与GF和GAI的变化关系不大，从而降低了与Cab之间的非因果关系的风险，这实际上是由于Cab和这些冠层结构变量之间的协方差造成的。由于mNDblue [728,850]可以从当前的大多数多光谱传感器计算出来，因此它是从毫米到厘米级的反射图像中获取Cab的有前景的植被指数。
1.介绍
光合作用是最重要的生物过程之一，它通过生产氧气和有机物质使生命在地球上生存（Ustin等,2009）。叶绿素是有助于吸收光合有效辐射的主要植物色素之一。
因此，量化叶绿素时间动态对监测植被生理状况或估算初级生产力是非常重要的（Blackburn,2007,1998）。为此，由于Cab驱动可见区域中的大部分叶片反射率和透射率可变性，基于光学测量的叶片叶绿素含量（以下称为Cab）的非破坏性估计已被证明是有效的。在控制的实验条件下通常可以在叶子尺度上得到很高的Cab获取准确度，例如使用测量几个波长的透射率的专用叶片夹（Cerovic等人,2012），或者使用半球反射和/或透射率测量来反演物理模型，如PROSPECT（Jacquemoud和Baret,1990）或应用光谱指数（Gitelson等,2003;Feacute;ret等,2011; le Maire等,2004）。Cab的估算在冠层尺度上更具挑战性：土壤反射率和冠层架构与叶片散射特性相互作用以产生冠层反射。因此，叶片组成的作用可能与冠层结构性质的作用混淆，使得冠层反射模型的版本模型成为不适当的问题（Baret和Buis,2008; Combal等人,2003）：几种组合的绿色面积指数（GAI）和Cab值可能确实对应于类似的可见区冠层反射光谱，这增加了Cab检索的不确定性（Baret和Buis,2008）。此外，在Knyazikhin等人的研究报告中指出当结构和生化变量相关时，可观察到冠层反射与目标变量之间的非因果关系。（2013年)因此，当将遥感观测结果与叶面生物化学联系起来时，冠层结构和叶片组成的影响应该非常注意（Knyazikhin et al.,2013;Latorre-Carmona et al.,2014;Ustin,2013）。
已经提出了第一种方法，即通过使对叶面生物化学的光谱灵敏度最大化，同时使土壤和植物结构的影响最小化，来提高冠层级的Cab估计性能。它包括使用比率植被指数（VI），其中分子是对Cab敏感的VI，例如修正的叶绿素吸收反射指数（MCARI）（Daughtry等,2000），分母是对冠层结构敏感的VI 如优化的土壤调整植被指数（OSAVI）（Rondeaux等,1996）。MCARI/OSAVI（Daughtry等,2000），TCARI / OSAVI（Haboudane等,2002）和这两个VI的衍生版本（Wu et al.,2008）都是将这些指标组合起来的例子，这些已经被证明可以在冠层级提供准确的Cab估算结果（Kooistra和Clevers,2016）。
或者，第二种方法是在于通过优化太阳传感器几何形状来提高对叶面生物化学的敏感性：非最低点测量通常比最低点测量对叶片性质更敏感（Baret等,2010;Comar等,2012;Dorigo,2012;Jacquemoud等,2009;Jay等,2017）。 这不仅是由于传感器可以观测到较高的植被比例，而且还因为在到达传感器之前与叶子相互作用的大部分光子（Jacquemoud等人,2009）。此外，相对观测方位角影响冠层反射率灵敏度：在阴影被最小化的反向方向上获取的测量结果通常对叶生物化学过程表现出更高的敏感度（Dorigo,2012; Jacquemoud等,2009;Jay 等),2017）。
最后，第三种方法是在空间分辨率足够的情况下，重点关注被照亮的植被像素，这限制了土壤和冠层结构的不利影响，从而增强了对Cab的敏感性（Moorthy等,2008;Zarco-Tejada 等人,2004,2001）。从地面或低空平台操作的多光谱和高光谱相机提供了非常高的空间分辨率，范围从几毫米到几十分米。然而，目前大多数的获取Cab的方法并没有充分利用这种高空间分辨率图像以提供的新的可能性，从而刺激了对新算法的需求（Elarab,2015; Houborg等,2015）在这个尺度观察到的叶子取向和光照条件的大的变化引起叶子辐射的强烈变化。 例如，Jay等人（2016）已经提出在将周围元素的影响忽略不计的情况下，将Cab的映射到单个叶子上的PROSPECT COSINE（ClOserange Spectral ImagiNg of lEaves）模型。但是，如果将单个叶片提交给冠层中的辐射传输条件时，问题还没有得到解决。目前大多数的植被指数都是针对叶子和冠层设计的，因此可能不是最理想的处理上述叶反射的变化的方法（Baring;nkestadand Wik,2016）。
本研究的重点是利用毫米至厘米分辨率的反射图像对甜菜冠层进行Cab估算。从地面平台获取高光谱图像，同时完成对GAI和Cab的测量。这些数据被用来设计专用于Cab估算的植被指数，这些植被指数利用了这种高空间分辨率的图像。将从文献中的获得的那些在空间分辨率范围内调查得到的植被指数进行了比较。
2.材料和方法
2.1. 现场实验
在2015年和2016年的时候在法国进行了田间试验。在图1中，三个研究点具有不同的土壤属性。在“Vaucogne”（48°31N,4°21 E,标记为地点2）和“Viapres”（48°35N,4°2E,表示地点3）地点是白垩土，而在“La Selve”地点（49°35N,4°01E 场地1）的特点是壤质土。表1总结了这些田间试验的细节，表现出不同植物结构的七个甜菜品种受到不同程度的氮肥施用。行间隔45厘米，植物种群密度为每平方米10至12株。为进一步提高数据集的代表性和异质性，在2015年和2016年的生长季节，即2015年6月2日至3日，6月23日至24日，2016年7月26日至27日。特别的是，2016年的实验中考虑的作物是经过精心挑选的，从而消除了Cab和冠层结构特性的关系。总体而言，总体数据包括55个样本，并且包括由于品种、氮肥、发育阶段、土壤和气候条件的差异而导致大的变异性。
2.2. 反射的测量
如图2所示，对于每个地区，使用在地面平台上建立的HySpex VNIR-1600高光谱相机（Norsk Elektro Optikk,挪威）对与连续五个连续植物相对应的区域成像。推扫相机从1.15米的距离垂直向下指向裸露的土壤。它测量了从415到994nm的160个光谱带的反射辐射，具有3.7nm的光谱采样间隔和4.5nm的半高全宽，并且沿行连续扫描了1600个像素。跨轨道视场（FOV）在地平面上每次扫描约35厘米，提供0.02厘米的跨轨道采样距离。使用40％的漫反射参考面板（Spectralonreg;,Labsphere）来确定传入的太阳辐照度，同时限制传感器可能的饱和度。将参考面板水平放置在冠层上方以减少可能的附近效应的影响。最终计算HDRF（半球面反射系数），方法是将目标板上每个像素和每个像素的测量信号除以参考面板上测得的信号，再乘以Labsphere提供的参考面板的反射率（假设面板是朗伯体）。完成对5个植物的扫描需要几秒钟的时间，在此期间入射辐射应该是稳定的。在太阳正午附近收集的测量结果，太阳天顶角始终低于36°。实验的照明条件是不同的，包括从晴朗的蓝天到完全阴暗的天空（表1）。
2.3. Cab和冠层结构测量
在相同的五个植物的图像采集之后，估计每个地块的叶片叶绿素含量。每株植物使用Dualex scientific TM（法国Orsay的Force-A）进行六次测量。这个叶片夹片测量了几个波段中的叶片透射率，利用Cerovic等人提出的关系估算Cab。（2012）双子叶植物，准确度达到约4mu;g/cm-2。测量是在不同的叶片水平上进行的，以便更好地考虑不同年岁数的叶片之间可能的垂直梯度或不同的冠层位置。 将这三十个Cab值平均从而提供每个植物的单个Cab值。在测量Cab之后，收集五种植物，并且使用基于照相技术的技术测量各个叶子的面积。 最终通过将每株植物的平均叶面积乘以植物种群密度获得GAI。此外，使用第2.4.2节中详述的判别方法，从高光谱图像中估计绿色部分（GF，传感器在其视图方向上看到的绿色部分）。
对Cab和GAI之间以及Cab和GF之间的共同分布的检查显示，两种情况下的相关性都很差（图3）。顺便说一句，请注意2016年数据的重要性，正是2016年的数据使这些情况下的相关性显著降低。Cab和GAI（或GF）分布之间的独立性防止了获得VI和CA之间虚假的经验关系，而VI和GAI（或GF）之间可能有更多的因果关系。
2.4. 辐射测量数据的处理
2.4.1. 图像空间子采样
Cab估计的表现是在一系列空间分辨率下评估的。通过对Ntimes;N像素单元进行平均，0.02cm的原始空间分辨率被降级到0.1，0.2，0.4，0.9，1.8，3.5，4.4，7，8.8，17.5和35cm。 这导致了如图4所示的11组高光谱图像。
<stro
剩余内容已隐藏，支付完成后下载完整资料</stro
资料编号：[24771]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
