植被指数第三弹—叶、色素与光
目录- 植被指数第三弹—叶、色素与光
- 叶片色素
- 光谱特征
- 色素指数
秋天叶子变黄变红,是因为叶绿素合成变少;而叶黄素、花青素等辅助色素显现出来。
叶片色素
叶片色素和叶片生理机能有着诸多联系:
叶绿素吸收光能,输送能量至光合结构;
类胡罗卜素也可为光合作用提供能量;
而花青素则保护叶片,不受部分辐射(如紫外线)伤害[1]。
叶片色素可以指示叶片生理机能状况以及健康状态:
当叶片衰老时,叶绿素减少的速度大于叶黄素。
新叶中花青素含量较高,因此新叶中光合速率偏低。
同时,若叶片生长受到低温胁迫,或者部分叶片衰老过程中,花青素含量通常也是偏高的。
叶片结构差异通常有:叶片厚度、叶片密度、空气-水界面数、叶表层厚度、短柔毛、叶毛、表面蜡。
光谱特征
光利用率指数是用来度量植被在光合作用中对入射光的利用效率。
光的利用效率直接与碳吸收效率、植被生长速度和光合有效辐射(fAPAR)有很大的关系。
叶片中的叶绿素在红光和蓝光波段存在吸收峰,而类胡罗卜素在蓝波段也存在吸收峰;故常采用红波段(红光波段吸收峰区间在660nm-680nm)来指示叶片中的叶绿素浓度。
叶绿素(\(Chlorophyll a\), \(Chlorophyll b\), \(Chlorophyll a/b\))
① 叶绿素a(\(Chlorophyll a\))主要吸收红光,叶绿素b(\(Chlorophyll b\))主要吸收蓝紫光。
② 叶绿素a呈蓝绿色,叶绿素b呈黄绿色。
③ 大多数植物体中叶绿素a的含量比叶绿素b的含量多2~3倍。
叶绿素a/b与红边的关系—叶绿素a吸收峰对应的波长比叶绿素b长20nm左右,所以一植物,叶绿素a多的话,红边会往长波方向移。
叶绿素荧光与红边的关系—叶绿素荧光在690nm处达到最大值。
叶绿体的自发荧光是因为,叶绿体中的叶绿素分子吸收光子的能量没有完全被利用。
叶绿素吸收的光能,用作:① 光合作用 (photosynthesis)② 叶绿素的自发荧光 (Chlorophyll fluorescence)③热能 (Non photochemical quenching)
光合作用利用的能量,只是叶绿素吸收光能的一部分。光合作用的能量是被顺利转化到受体的能量,而未被顺利转化的部分,就成为自发荧光和热能。
由于叶绿素b对蓝紫光的吸收力大于叶绿素a,所以阴生植物能很好地利用荫蔽条件下占优势的漫射光(蓝紫光),阳生植物则相反。因此,阳生植物的叶绿素a/b值(\(Chlorophyll a/b\))较高,而阴生植物叶绿素a/b值较低。
色素指数
☝️这个说法不严谨,是个人之言...
1 PRI(Photochemical Reflection Index)
光合午休(midday "photosynthetic depressions"):在一定范围内,光合作用随着光照强度的增强而增强。但在夏季光照最强的中午,由于气孔的关闭,使植物体内获得的CO2减少,影响了暗反应过程中CO2的固定,光合作用减弱。
因NDVI对动态生理过程(如光午休)不敏感,1992年,Gamon, Peñuelas和Field,为度量叶黄素循环(xanthophyll cycle)的相对水平(光合利用率Light Use Efficiency),从向日葵的反射曲线中提取光化学植被指数\(PRI\)[2]。
\[PRI=\frac{\rho_{531}-\rho_{570}}{\rho_{531}+\rho_{570}} \]数值范围从-1到1,绿色植被该范围通常为-0.2到0.2。
该指数可用于,监测单一发育良好植被的日光合调节情况。当植物冠层结构发生昼夜变化时,该指数不能很好地反映光合利用情况。
类胡萝卜素色素可以指示,光合作用过程中,光的利用效率(Light Use Efficiency),即树叶每单位吸收能量吸收二氧化碳的速率。因此,它可应用于植被生产力的研究。
2 PSRI(Plant Senescence Reflectance index)
植物衰老反射率指数\(PSRI\),由Merzlyak在1999年提出[3],该指数对类胡罗卜素的聚集比较敏感,可用于确定叶片衰老状态和果实成熟程度。
\[PSRI=\frac{\rho_{680}-\rho_{500}}{\rho_{750}} \]3 SIPI(Structure Insensitive Pigment Index)
结构不敏感色素指数\(SIPI\),由Peñuelas等人1995年提出[4],其度量可尽量减少冠层结构变量(如LAI)的影响,可以很好地表征叶肉结构,指示类胡萝卜素和叶绿素比率的变化。SIPI增加,可表明类胡萝卜素色素增加。该指数可应用于:植被健康监测、植物生理胁迫检测、作物生产和产量分析。
\[SIPI=\frac{\rho_{800}-\rho_{445}}{\rho_{800}-\rho_{red}} \]SIPI取值范围0到2,健康植被的取值范围为0.8到1.8。
# SIPI (Structure Insensitive Pigment Index)
def getSIPI(image):
# Compute the SIPI using an expression.
SIPI = image.expression ('((NIR - BLUE) / (NIR - RED))',{
'NIR': image.select ('B8'),
'BLUE': image.select ('B2'),
'RED': image.select ('B4')
}).rename("SIPI")
image = image.addBands(SIPI)
return(image)
类胡萝卜素反射指数(\(CRI1\),\(CRI2\)), 花青素反射指数(\(ARI1\), \(ARI2\))
\[CRI1=\frac{1}{\rho_{510}}-\frac{1}{\rho_{550}}\\ CRI2=\frac{1}{\rho_{510}}-\frac{1}{\rho_{700}}\\ ARI1=\frac{1}{\rho_{550}}-\frac{1}{\rho_{700}}\\ ARI2=\rho_{800}(\frac{1}{\rho_{550}}-\frac{1}{\rho_{700}}) \]4 RGRI(Red Green Ratio Index)
\(RGRI\),由J. A. GAMON和J. S. SURFUS在1999年提出[5],体现的是花青素与叶绿素的比率,可用于估计树冠中树叶发育情况,也可能表征某些树冠开花。计算公式是:红色范围内所有波段的平均值,除以绿色范围内所有波段的平均值。
\[RGRI=\frac{\sum_{i=600}^{699}R_i}{\sum_{j=500}^{599}R_j} \]数值范围从0.1到大于8,绿色植被的取值范围通常为0.7到3。可应用于:植物生长周期(物候学)研究、冠层胁迫检测、作物产量预测。
5 CARI(the Chlorophyll Absorption Ratio Index)
叶绿素吸收比率指数\(CARI\)于1994年由Kim等人提出[6],可以有效减少冠层非光合作用物质引起的光合有效辐射变化的影响,但易受到背景土壤反射率影响。公式如下:
\[CARI= CAR*(\frac{\rho_{700}}{\rho_{670}})\\ CAR = \frac{\vert(a*670+\rho_{670}+b)\vert}{(a^2+1)^{0.5}}\\ a = \frac{\rho_{700}-\rho_{500}}{150}\\ b = \rho_{550}-(a*550) \]MCARI(Modified CARI)
\(修正型CARI\)表征的是,670 nm处的反射率(叶绿素吸收波段),相对于550 nm和700 nm处的反射率。Daughtry [7]研究发现背景反射率对于(\(\rho_{700}-\rho_{550}\))的影响大于对于(\(\rho_{700}-\rho_{670}\))的影响,使用比值\(\frac{\rho_{700}}{\rho_{670}}\)抵消背景对(\(\rho_{700}-\rho_{550}\))的影响,得出公式如下:
\[MCARI=[(\rho_{700}-\rho_{670})-0.2(\rho_{700}-\rho_{550})\frac{\rho_{700}}{\rho_{670}}] \]TCARI(Transformed CARI)
\(转换型CARI\)由Haboudane等人提出[8]
\[TCARI=3[(\rho_{700}-\rho_{670})-0.2(\rho_{700}-\rho_{550})\frac{\rho_{700}}{\rho_{670}}] \]整个CARI体系的核心在于在550, 700和670nm的波段吸收深度[9]。kim等认为670nm波段是叶绿素a的强吸收波段,而550和700nm是叶绿素a的强反射波段。
但是,叶绿素a强吸收波段,应当为红谷位置,而非简单的670nm,且550及700nm处,也不是叶绿素的最强反射波段,实际上还要受到其他很多因素的影响。
6 GCI(Green Chlorophyll Index/CIgreen)
绿色叶绿素指数\(GCI\)可以反映植物的叶绿素含量,公式:
\[GCI=\frac{NIR}{GRN}-1 \]该指数可被用来估计各种植物的叶绿素含量。叶绿素含量可反映植被的生理状态,可作为植物健康的衡量标准。
# GCI (Green Chlorophyll Index)
def getGCI(image):
# Compute the GCI using an expression.
GCI = image.expression ('(((NIR) / (GREEN)) - 1)', {
'NIR': image.select ('B8'),
'GREEN': image.select ('B3')
}).rename("GCI")
image = image.addBands(GCI)
return(image)
Red-Edge Chlorophyll Index (CIred-Edge Or RCI)
\[CI_{red-edge}= \frac{\rho_{NIR}}{\rho_{red-edge}}-1 =\frac{\rho_{850}}{\rho_{730}}– 1 \]参考资料:
[1]Relationships between leaf pigment content and spectral reflectance across a wide range of species, leaf structures and developmental stages
[2]A narrow-waveband spectral index that tracks diurnal changes in photosynthetic efficiency
[3]Non-destructive optical detection of pigment changes during leaf senescence and fruit ripening
[4]Semi-Empirical Indices to Assess Carotenoids/Chlorophyll-a Ratio from Leaf Spectral Reflectance.
[5]Assessing leaf pigment content and activity with a reflectometer
[6]The use of high spectral resolution bands for estimating absorbed photosynthetically active radiation (a Par)
[7]Estimating Corn Leaf Chlorophyll Concentration from Leaf and Canopy Reflectance
[8]Integrated narrow-band vegetation indices for prediction of crop chlorophyll content for application to precision agriculture
[9]基于高光谱遥感监测植被叶绿素含量的一种植被指数MTCARI
标签:Chlorophyll,frac,image,700,第三,叶绿素,rho,色素,植被指数 From: https://www.cnblogs.com/BoreJ/p/16827070.html