岑海燕研究员课题组在国际顶级遥感期刊《Remote Sensing of Environment》发表成果

发布者:系统管理员发布时间:2021-11-04浏览次数:1740

 

20211027日,国际顶级遥感期刊Remote Sensing of Environment刊发了我院岑海燕研究员课题组题为PROSDM: Applicability of PROSPECT model coupled with spectral derivatives and similarity metrics to retrieve leaf biochemical traits from bidirectional reflectance的研究论文。文章探讨了不同植物叶片双向反射率Bidirectional reflectance factor, BRF光谱方向半球反射率Directional hemispherical reflectance factor, DHRF光谱的差异及其PROSPECT机理模型反演的影响,提出了用于消除叶片双向反射和方向半球反射光谱差异的方法构建了基于双向反射辐射传输机理模型的叶片生化参数反演框架这一普适于多物种叶片生化参数反演的方法不仅为植物生长精准监测提供了重要技术手段,也为从叶片到冠层的植被遥感数据解译提供了基础模型。

叶片生化参数(如叶绿素含量、类胡萝卜素含量、水分含量及干物质含量)是表征植物光合作用、生长状况、养分循环和初级生产力的重要指标。如何基于植物反射光谱准确反演叶片生化参数一直是植被定量遥感和植物近地感知的重要研究方向之一。虽然各种经验、半经验和机理模型方法已被用于叶片生化参数的评估,但仍存在诸多挑战。植物叶片结构复杂,且受物种、生育期和生长环境的影响,导致光谱指数、多元统计分析、机器学习等经验和半经验方法数据依懒性强、普适性差,通用的叶片生化参数评估方法缺乏。辐射传输理论为基础发展起来的PROSPECT机理模型及其扩展版本能够表征叶片光学特性和叶片生化参数之间的机理关系,对不同数据集的叶片生化参数反演具有更好的通用性,但要求以积分球测量的叶片方向半球反射作为模型的输入量,难以满足大田环境下作物精准监测的实际需求。相比于方向半球反射光谱,双向反射光谱的测量效率更高,是目前开展多尺度植物信息获取最主要的手段。但由于测量方式的不同和叶片本身的各向异性,导致方向半球反射和双向反射存在一定的差异。因此,如何消除两类光谱的差异,从而提升机理模型反演叶片生化参数的可应用性至关重要。

1 不同植物物种的叶片双向反射和方向半球反射光谱差异及其对双向反射光谱的贡献

本研究揭示了叶片方向半球反射与双向反射的差异随波长和物种变化,两类光谱的差异在可见光波段较小,但不能忽视;在短波近红外波段尤其显著,且随波长变化。提出了基于PROSPECT模型、光谱导数和光谱相似性矩阵耦合的叶片生化参数反演框架(PROSDM发现光谱导数能够消除叶片方向半球反射和双向反射光谱之间不随波长变化的差异,而曼哈顿距离凭借对不同波段累计误差分析的优势进一步消除了随波长变化的差异。10个数据集涵盖近90个植物物种进行验证,结果表明本研究提出的PROSDM可以用于双向反射光谱的叶片生化参数反演,模型性能优于PROSPECTPROCOSINEPROCWT。相比于PROSPECT反演,基于PROSDM的叶片叶绿素含量、类胡萝卜素含量、水含量和干物质含量的反演误差分别降低了20.33%29.34%25.45%44.19%本研究进一步探讨了基于机理模型反演叶片生化参数的不确定性,发现PROSDM对光谱饱和、模型参数选择、光谱区间以及生化参数的相互耦合等因素有更好的适应性。

 

2 基于不同反演方法的叶片生化参数评估流程图

3 基于不同反演方法的叶片生化参数评估结果:(a-d)PROSPECT,(e-h)PROCOSINE,(i-l)PROCWT,(m-p)PROSDM

作者介绍:论文第一作者为浙江大学生物系统工程与食品科学学院博士研究生万亮,论文通讯作者为岑海燕研究员。合作团队包括美国农业部农业研究服务局作物生产系统研究所黄岩波研究员、浙江大学农业与生物技术学院周伟军教授和蒋立希教授团队。研究工作得到国家自然科学基金项目、国家重点研发计划项目和浙江省重点研发计划项目资助。

原文来源:Wan, L.; Zhang, J.; Xu, Y.; Huang, Y.; Zhou, W.; Jiang, L.; He, Y.; Cen, H. PROSDM: Applicability of prospect model coupled with spectral derivatives and similarity metrics to retrieve leaf biochemical traits from bidirectional reflectance. Remote Sensing of Environment 2021, 267, 112761.

原文链接:https://doi.org/10.1016/j.rse.2021.112761

 

生物系统工程与食品科学学院

2021114