【文献分享】利用光合有效辐射吸收指数评估植被光合特性

论文信息

原名：Evaluating plant photosynthetic traits via absorption coefficient in the photosynthetically active radiation region

译名：利用光合有效辐射吸收指数评估植被光合特性

期刊：Remote Sensing of Environment

发表时间： 1 June 2021

论文链接：https://doi.org/10.1016/j.rse.2021.112401

论文亮点

• 利用光合有效辐射波段相近范围的反射率和Landsat影像反演得到光合有效辐射的吸收指数α_par；

• α_par与 fAPAR_green、叶片叶绿素和冠层叶绿素密切相关；

• α_par对植被性状的高敏感性，适用于监测不同物种的光合作用速率；

• 可应用Landsat数据评估陆地生态系统的光合状态，为全球尺度监测提供可能性。

论文内容

1. 引言

近期，Gitelson 等(2019)提出一个用α_λ​=(ρ_NIR/ρ_λ​)-1从冠层反射光谱得到植被冠层的吸收指数的半解析模型框架，其中ρ_NIR是近红外(NIR)区间的反射率，ρ_λ是在可见光和红边波段内波长λ处的反射率。我们假设PAR波段的吸收指数不只与植被冠层光合成分的PAR吸收比例和冠层叶绿素紧密相关，同时也受结构（即叶片结构、冠层结构）和生化（即光合途径）等植被特征影响。因此，利用反射光谱得到的吸收指数是一个适合的表征植被结构和功能特征的遥感参数。本研究评估了基于反射率的PAR吸收指数(α_par)与fAPAR_green、叶片叶绿素含量[Chl]、冠层[Chl]之间的关系。为了评估不同的植物性状对α_par的影响，本研究对比了三种叶片结构、冠层结构和光合途径的不同作物物种（玉米 – Zea mays L.；大豆 – Glycine max (L.) Merr.；水稻 – Oryza sativa L.）。本研究利用高光谱传感器近地测量的反射率数据和地球观测卫星（即Landsat系列）多光谱传感器测量的反射率数据，在树冠和田块尺度上评估了这些关系。利用Landsat卫星数据计算光合有效辐射吸收指数，有助于在全球范围内研究，也有助于评估时间动态。

2. 材料与方法

2.1 研究区

玉米和大豆数据来自位于美国布拉斯加州米德附近的三个AmeriFlux站点（US-Ne1、US-Ne2和US-Ne3）， 采集时间为2001-2008年的生长季（五月至九月）。站点1一直种玉米，站点2为玉米大豆轮作（奇数年为玉米，偶数年为大豆），这两个站点均采用中心枢纽灌溉系统；站点3也是玉米大豆轮作，但完全依赖降雨。水稻数据于2009年生长季在日本筑波的十个试验地采集，试验地应用了四种不同的氮水平（2, 6, 14, and 16 g m⁻²）。

2.2 冠层尺度的反射率（即近端）

冠层反射率测量方式如下表所示。

冠层反射率百分比计算 为上行辐射与Spectralon Labsphere参考辐射的比值。PAR吸收指数的计算如下：

α_λ​=(ρ_NIR/ρ_λ​)-1

其中ρ_NIR是近红外区间（750-900 nm）的平均反射率，ρ_par是PAR波段（400-700 nm）的平均反射率。

2.3 绿色叶片面积（LAI）

玉米和大豆冠层的绿色LAI是在每个采样点内的6个20 m×20 m小样方中采集样本破坏性测定的。在实验室中，每株植物绿叶样本的叶面积通过Li-3100, Li-Cor面积仪测得。将样本测定值乘以估计的植株数量可以获得六个地块各自的绿色LAI，平均后得到站点的绿色LAI。稻田中，在每个地块中随机抽取5个小样方进行破坏性测量和实验室分析。在移除所有衰老叶片部分后，用Li-3100C, Li-Cor面积仪测得绿色LAI。

2.4 叶绿素含量

玉米和大豆田（玉米植株的穗叶和大豆植株最顶部完全展开的叶）取样叶片的叶绿素含量（[Chl]）在实验室破坏性测量得到，同时使用带叶片夹的Ocean Optics辐射计测量叶片的光谱反射率。叶面反射率测量用于计算红边叶绿素指数[CI_{red edge}=(ρ_NIR/ρ_{720-730 nm})-1]，其中ρ_NIR是近红外范围780-800 nm的反射率，ρ_{720-730 nm}是720-730 nm范围内的反射率。CI_{red edge}用于反演叶片[Chl]。在水稻中，每个地块随机抽取5座小山丘，通过实验室化学分析获得叶片[Chl]的测量值，叶片[Chl]乘以单位地面面积的绿叶生物量得到冠层[Chl]。

2.5 作物冠层的吸收光合有效辐射比例（fAPAR）

作物冠层APAR计算采用APAR=PAR_inc–PAR_out–PAR_transm+PAR_soil，作物冠层吸收的fAPAR计算公式为fAPAR=APAR/PAR_inc。在玉米和大豆田中，入射光合有效辐射PAR_inc是用Li-Cor在地面上方6米处指向天空测得，向下测量获得树冠和土壤背景反射的光合有效辐射PAR_out；通过冠层的光合有效辐射PAR_transm是用5个 Li-Cor穿过作物行在距离地面约2厘米处向上测量获得，在距离地面约12厘米处向下测量获得土壤反射的光合有效辐射PAR_soil。

2.6 田块尺度的反射率（即Landsat影像）

研究使用了Landsat-5 TM和Landsat-7 ETM+的30米空间分辨率影像。PAR吸收指数的计算如下：

α_par={ρ₄/[(ρ₁+ρ₂+ρ₃)/3]}-1

其中ρ_λ分别是Landsat TM/ETM+光谱波段4（NIR：760-900 nm）、波段1（blue：450-520 nm）、波段2 （green：520-600 nm）和波段3（red：630-690 nm）的地表反射率。

2.7 作物反射率光谱模拟

三种作物的叶倾角分布（leaf angle distribution, LAD）具有较大差异，水稻为喜直型，大豆和玉米分别为喜平型和倾斜型。为了评估不同LAI对冠层反射率的影响，使用PROSAIL对不同植被条件下的玉米、水稻和大豆反射率光谱进行建模。模拟了两种场景，案例A中，从最小值到最大值对输入参数进行采样，没有任何限制；而在案例B中，LAI和叶片叶绿素含量根据本研究中各物种LAI和冠层叶绿素含量之间关系进行设置。

3. 结果与讨论

3.1 实验分析

fAPAR_green是决定光利用效率的关键因素，它与玉米和大豆的冠层[Chl]都表现出很好的非线性关系（图2A）。此外，对于相同大小的冠层[Chl]，大豆的fAPAR_green显著高于玉米。玉米和大豆的fAPAR_green与α_par的关系非常相似，尽管它们在叶结构（即单子叶与双子叶）、冠层结构（即斜纹叶与嗜平叶的叶角分布）和光合途径（即C4与C3）方面存在差异。从生长季初期到后期，α_par对fAPAR_green的增加保持敏感，因此它可以用作fAPAR_green的指示指标（图2B）。

图2  玉米和大豆冠层的光合活性（即绿色波段）部分吸收的PAR比例（fAPARgreen）与冠层[Chl]的关系（A），fAPARgreen与PAR波段400-700 nm（αPAR）吸收指数的关系（B）。

α_par和冠层[Chl]的关系在地面获取的冠层尺度（图3A）和从Landsat TM和ETM+影像获取的田块尺度（图3B）上都是线性的。叶绿素含量从生长季节开始到最大冠层密度，再到衰老都会随着时间而变化，这意味着，α_par对叶绿素含量的敏感性在很大范围内几乎保持不变。这与叶片水平的α_par和叶绿素含量之间的关系形成对比，后者本质上是非线性的，因为在中到高的叶片叶绿素含量下，叶绿素主要吸收波段（蓝色和红色波段）的反射率饱和。α_par对冠层叶绿素含量的线性响应是由于冠层叶绿素和绿色叶面积指数密切相关。后者随着冠层密度的增加而增加，从而弥补了红色和蓝色波段反射率对叶绿素含量敏感性的降低。

需要强调的是，大豆和水稻的线性关系的斜率非常相似，而玉米的斜率在冠层和田间尺度上几乎都比前两者小一倍（图3）。这意味着对于同样的冠层[Chl]，大豆和水稻中的α_par约为玉米的两倍。因此，这些C3作物似乎比玉米（一种C4作物）每单位[Chl]吸收的辐射量大得多，如fAPAR_green所示（图2A）。

图3  玉米、大豆和水稻在冠层尺度的αPAR与冠层[Chl]之间的关系（A），玉米和大豆在田块尺度的αPAR与冠层[Chl]之间的关系（B）。

在营养生长期，作物的冠层[Chl]主要由叶片[Chl]控制。在生殖和衰老阶段，叶片[Chl]和冠层[Chl]之间的关系几乎呈线性，这些作物之间无法区分（图5A）。图5B显示了玉米和大豆叶片[Chl]与α_par的密切线性关系，斜率相差很大。它为利用冠层反射率得出的α_par评估叶片[Chl]含量奠定了坚实的基础。

图5  玉米和大豆生殖和衰老阶段冠层[Chl]与叶片[Chl]的关系（A），叶片[Chl]与冠层αpar的关系（B）。

3.2 模拟分析

为了评估不同LAD对冠层反射率的影响，我们使用了PROSAIL模型模拟。在案例A中，水稻、大豆和玉米的α_par与冠层[Chl]线性拟合关系的斜率分别为12.9、10.3和9.7（图9A），水稻和大豆α_par对冠层[Chl]的敏感性与实验观测得到的关系相差甚远（图3A）。在案例B中，由于考虑了物种特定的绿色LAI与冠层[Chl]的关系，获得了更可靠的α_par与冠层[Chl]线性关系斜率，解释了实验观测得到的结果（图3）。

图9  在不同输入参数方差下，使用PROSAIL模型模拟水稻、大豆和玉米的α_par和冠层[Chl]之间的关系。案例A：允许输入参数完全共变。案例B：输入参数的共变受到限制，以符合生长季绿色LAI与冠层叶绿素之间的关系。

4. 结论

• 玉米和水稻观察到的α_par与冠层[Chl]关系的差异可能主要是由于LAD的差异，部分是由于叶片PAR吸收的差异，水稻的吸收比玉米更有效。水稻和大豆中的α_par与冠层[Chl]关系的相似性，是由于这两种作物之间LAD（水稻的光捕获效率更高）和叶片[Chl]（大豆的光捕获率更高）的显著差异。大豆和玉米之间α_par与冠层[Chl]关系的差异，是由于这两种作物之间叶片α_par的显著差异。对于相同的冠层[Chl]，大豆叶面积指数较大，因此大豆冠层PAR吸收更高效。

• α_par对不同冠层特征的高度敏感，特别适合监测不同结构和生化的植物物种对PAR的吸收。此外，当冠层叶绿素含量与叶片叶绿素含量密切相关时，由于α_par可用于准确反演冠层叶绿素，它也反映了叶片叶绿素含量。这为遥感评估植被的光合状态提供了极好的机会，因为叶片[Chl]与rubisco活性的最大速率有关。

• 冠层反射率模型很有必要考虑叶片内部解剖结构、绿色叶面积指数和叶片叶绿素含量等信息。这对应用反射率光谱在多个空间尺度和大时间跨度下评估不同特征的植物物种（例如C3、C4、单子叶植物、双子叶植物、嗜热植物、嗜平植物等）的光合状态至关重要。

作者简介

Anatoly Abraham Gitelson，内布拉斯加州林肯大学自然资源科学学院地球科学系教授。Gitelson教授在植被遥感和水环境遥感领域做出了突出的贡献，在国际顶级遥感杂志上发表论文150余篇，被公认为环境遥感领域的顶级专家。

个人介绍页：https://snr.unl.edu/aboutus/who/people/faculty-member.aspx?pid=39

引用格式

Gitelson, A., Arkebauer, T., Vina, A., Skakun, S., Inoue, Y., 2021. Evaluating plant photosynthetic traits via absorption coefficient in the photosynthetically active radiation region. Remote Sens. Environ. 258, 112701.