叶片尺度的叶绿素含量能够反映植物的光合生理状态,而冠层及区域尺度的叶绿素分布则为理解植被生态功能和碳循环提供重要信息。利用叶片和冠层尺度的高光谱遥感数据,准确估算叶绿素含量,是连接植物生理过程与宏观生态功能的重要基础。然而,不同尺度的光谱观测受到信号退化(光谱分辨率、信噪比和空间分辨率)、冠层结构(叶面积指数等)及土壤背景等因素的影响,增加了叶绿素含量估算的不确定性。提取与叶绿素吸收相关、且对非生化因素干扰相对稳健的光谱特征,是实现叶片至冠层尺度叶绿素含量准确估算的关键。
本研究提出了一种基于光谱形状的指数——交叉相关图偏度指数(CCSI,图1)。该指数通过连续平移叶绿素吸收参考光谱,计算其与实测光谱的相关系数,并利用交叉相关图的偏度表征叶绿素吸收相关的光谱形状特征。CCSI对反射光谱的线性变化具有稳健性,有助于减弱非生化因素对叶绿素估算的干扰。基于地面实测的叶片与冠层数据,以及涵盖多种植被类型的机载高光谱数据(图2),验证了CCSI在不同尺度下的叶绿素含量估算能力。结果表明,CCSI在叶片尺度取得较高的估算精度(RMSE = 6.73 μg/cm²,图3),在冠层尺度取得所有对比指数中的最高精度(RMSE = 10.13 μg/cm²,图4),并在不同植被类型中表现出较好的估算能力。此外,利用辐射传输模型构建的模拟数据集,进一步验证了CCSI在不同信号退化、冠层结构及土壤背景条件下的稳健性。本研究揭示了光谱形状特征在叶片至冠层尺度叶绿素含量估算中的应用潜力,为实现植被叶绿素含量的跨尺度遥感监测提供了新的方法参考。
以上研究成果以“Cross-correlogram skewness index: A shape index for estimating leaf chlorophyll content from leaf to canopy scale using hyperspectral data”为题发表于Remote Sensing of Environment期刊。我院博士后李潇为第一作者,孙仲秋教授和卢珊教授为通讯作者,东京大学名誉教授Kenji Omasa为主要合作者。该研究得到了国家自然科学基金、吉林省博后择优资助项目,中国博士后科学基金,以及中央高校基础研究基金等项目的支持。
原文链接:https://www.sciencedirect.com/science/article/pii/S0034425726005468?dgcid=coauthor#s0105

图1. 基于交叉相关图偏度指数(CCSI)的叶片叶绿素含量估算原理及计算流程示意图。

图2. 用于评估CCSI的机载高光谱数据集的空间分布及样本统计,包括采样点分布、不同植被类型的样本数量、年份分布和叶片叶绿素含量(LCC)分布。

图3. 在叶片尺度上, CCSI与15种现有光谱指数的叶绿素含量估算精度对比。数据集包括近距离成像数据集(CHI)和非成像光谱数据集(ANGERS 和 IFGGleaf)。

图4. 不同植被类型的冠层上,CCSI与15种现有光谱指数的叶绿素含量估算精度对比。数据集包括地面非成像光谱数据集和机载高光谱数据集。