评估不同物种叶片含水量：基于高光谱反射率数据的研究 ——学术报告
第一作者： Yasir QM，所属机构为中国长春东北师范大学地理科学学院、长白山地理过程与生态安全教育部重点实验室。 通讯作者： Zhang W，所属机构为中国北京中国科学院空天信息创新研究院、数字地球科学重点实验室。
本研究为一项原创性研究论文，发表于 Annals of Agricultural & Crop Sciences 期刊，2022年第7卷第2期，文章编号为1111。
一、 研究背景与目的
叶片及植被冠层的含水量是许多生理生态过程中的一个关键变量，对植物的光合作用、蒸散发和总初级生产力等活动有着重大影响。具体而言，叶片水分状况直接影响光合作用效率，因此，监测叶片含水量可用于预测植物在不同生长阶段所面临的水分胁迫。植物早期胁迫的一个重要标志就是叶片含水量的快速下降或不足。因此，准确掌握叶片含水量信息，对于评估植物健康状况、进行干旱评估、预测野火灾害风险以及开展广泛的农林业应用至关重要。
传统的高质量叶片含水量数据获取方法存在显著缺陷，如效率低下、具有破坏性，且在小范围研究区获得的结果往往无法准确反映不同区域的空间变异。光学方法，特别是遥感技术，已成为监测不同尺度水分状况的关键工具。其中，基于光谱指数的方法相较于模型反演法更为优越，它通过组合窄波段或宽波段的光谱数据，更易于与叶片水分状况建立联系。
然而，现有的高光谱指数多针对特定物种或特定测量条件开发，且大多数研究在测量叶片反射率时仅采用单一方向（如天底方向），完全忽视了多角度反射对估算叶片含水量的影响。先前研究表明，植被的非各向同性反射特性会导致观测角度影响光谱指数的数值。因此，探究不同观测角度下的高光谱反射率，对于提升高光谱与高空间分辨率数据在生态、农业和林业应用中的利用率至关重要。
基于此，本研究旨在：（1）阐明已发表光谱指数与本研究采集的六种植物叶片实际水分状况之间的关系；（2）基于叶片反射光谱数据，评估并开发新的、敏感的光谱指数，以准确评估广泛植物物种的叶片含水量。
二、 研究的详细工作流程
本研究的工作流程主要包括叶片样本采集与脱水实验、光谱与生理数据测量、数据分析与指数构建、以及模型验证四个核心环节。
1. 实验样本与脱水处理 研究团队在中国长春东北师范大学的植物园中，采集了六种不同植物物种的叶片，包括：Prunus padus L.、Swida alba Opiz、*Epipremnum aureum*、Acer saccharum Marsh、Schefflera microphylla Merr. 和 *Pachira aquatica*。为模拟植物在污染、高温、干旱及病害胁迫下的状态，研究者特意随机选取了从植物冠层顶部到底部的幼叶、老叶和完全成熟的叶片。所采叶片均健康、颜色均匀且无明显损伤。
在2020年生长季（4月至10月），叶片被采集并带回实验室进行自然风干脱水处理，以模拟不同的水分梯度。这一过程至关重要，因为它创造了一个包含广泛叶片水分状况的数据集，为后续寻找稳健的指数提供了基础。总共获取了120个叶片样本用于分析。
2. 多角度光谱反射率与生理参数测量 研究使用了东北师范大学实验室角度光谱仪系统（Northeast Normal University Laboratory Gonio Spectrometer System, NENULGS）进行光谱测量。NENULGS是一个集成人工光源、ASD光谱辐射仪（FieldSpec 4）和角度仪的专用系统，能够精确测量叶片在350至2500纳米（nm）范围内的多角度反射光谱。本研究采用了400至2500纳米波段的数据。通过将叶片样本放置在覆盖黑色胶带的载物台上，测量了其双向反射因子（Bidirectional Reflectance Factor, BRF）。
在获取反射率数据后，立即测量叶片的鲜重。之后，将样品自然风干一段时间，最后放入80摄氏度的烘箱中干燥36小时，测定干重。叶片面积也被测量。基于这些测量值，研究计算了三种描述叶片水分状况的参数： * 等效水厚度（Equivalent Water Thickness, EWT）：单位叶面积的含水量，与水分对能量的吸收直接相关。 * 植物水分浓度（Plant Water Concentration, PWC）：水分与干重的比值。 * 重力含水量（Gravimetric Water Content, GWC）：该参数有两种计算方式，基于鲜重（GWCf）和基于干重（GWCd）。
3. 数据分析与新型光谱指数构建 在数据分析阶段，研究者首先评估了9个已发表的叶片水分光谱指数（如简单比值指数SR、归一化差异水指数NDWI等）在本研究数据集上的表现。随后，为了寻找更优的指数，研究采用了穷举法，对所有可能的波段组合进行了迭代回归分析，波段间隔设为5纳米。研究应用了三种基本的指数类型进行迭代计算： * 简单比值（Simple Ratio, SR）：Rλ1 / Rλ2 * 归一化差值（Normalized Difference, ND）：(Rλ1 - Rλ2) / (Rλ1 + Rλ2) * 双差值（Double Difference, DDN）：(Rλ1 - Rλ2) - (Rλ1 - Rλ3) 或其变体形式。
研究以最低均方根误差（Root Mean Square Error, RMSE）和最高决定系数（Coefficient of Determination, R²）为标准，筛选出与EWT、PWC、GWC相关性最佳的波段组合，从而确定最优的新型光谱指数。研究还使用了线性和非线性回归模型来建立水分参数与光谱指数之间的关系。
4. 模型验证 为了验证新提出指数的可靠性和普适性，研究者使用了两个独立的公开数据库进行外部验证： * LOPEX数据库：包含来自45个植物物种的330个叶片样本的光学特性数据。 * ANGERS数据库：包含2003年在法国采集的43个物种的275个叶片样本数据。
研究将新开发的指数应用于这两个数据库，计算其与EWT、GWC和PWC的R²和RMSE，以评估其表现。
三、 主要研究结果
1. 已发表指数的表现 研究发现，大多数被选入的已发表光谱指数与EWT具有高度显著的相关性，表现为较高的R²和较低的RMSE。然而，有两个指数(R860-R1240)/(R860+R1240)和R860/R1240的表现较差。当针对所有物种进行综合评估时，也呈现了类似的趋势。值得注意的是，已发表指数对PWC、GWCf和GWCd的相关性普遍较低。
2. 新型指数筛选结果 通过穷举波段组合分析，研究成功识别出四个与EWT具有极强相关性且误差最小的新型高光谱指数。结果如下： * 最佳指数1 (DDN类型): (R905 - R1795) / (R1905 - R1935)， R² = 0.939， RMSE = 0.003 g/cm²。 * 最佳指数2 (SR类型): R1350 / R1390， R² = 0.914， RMSE = 0.003 g/cm²。 * 最佳指数3 (ND类型): (R840 - R1565) / (R840 + R1565)， R² = 0.914， RMSE = 0.003 g/cm²。 * 最佳指数4 (ND类型): (R925 - R1625) / (R925 + R1625)， R² = 0.895， RMSE = 0.004 g/cm²。
相比之下，这些新指数与PWC、GWCf和GWCd的相关性较差。研究还发现，非线性回归模型在所有研究的波长范围内，其拟合效果普遍优于线性回归模型。
3. 外部验证结果 在LOPEX数据库的验证中，除了第四个指数(R925-R1625)/(R925+R1625)外，其他三个新提出的指数均表现出对EWT良好的预测能力和较低误差。在ANGERS数据库的验证中，所有四个新指数对EWT的预测结果都很稳健，获得了最高的R²和最低的RMSE值。这两个数据库的验证结果有力地证明了，新提出的指数在估算EWT方面具有优越的普适性。
4. 关于叶片水分参数的敏感性 系统分析表明，EWT是追踪叶片水分状况最敏感和可靠的参数。这是因为EWT直接与单位叶面积的水分吸收相关。而PWC和GWC未考虑叶面积指数（Leaf Area Index, LAI）的作用，其在可见光和近红外区域的反射率变化更多地与叶片内部结构、色素等因素相关，因此对水分含量变化的响应不如EWT专一和稳定。
四、 研究结论与价值
本研究利用高分辨率数据，系统探究了利用高光谱指数估算不同物种叶片含水量的潜力。研究的核心结论是：基于水分吸收理论，大多数光谱指数在反演植物物种的等效水厚度（EWT）方面表现出色，其中新发现的四个光谱指数对EWT最为敏感和稳健。
科学价值与应用价值： 1. 方法论贡献：本研究摒弃了传统单一方向的光谱测量方法，强调了多角度反射信息在叶片水分估算中的重要性。所提出的新指数构建方法（穷举波段组合）为开发更优植被生理生化参数反演模型提供了有效范式。 2. 指数创新与优越性：新开发的四个高光谱指数（尤其是(R905-R1795)/(R1905-R1935)），在预测EWT方面，其精度和稳定性不仅超越了本研究评估的其他已发表指数，还在两个独立数据库上得到了成功验证。这表明它们受物种、测量条件等因素影响较小，具有更强的普适性。 3. 应用潜力：这些指数可应用于简单的实验室测量，对于农业环境科学和生态学相关研究大有裨益。更重要的是，它们为利用遥感技术进行大范围的植物水分监测、精准灌溉决策、干旱评估和森林火灾风险评估提供了更可靠、更具潜力的工具。随着高光谱遥感技术的快速发展，这些基于窄波段的指数有望在更大尺度得到推广应用。
五、 研究亮点