我国空气质量日益恶化，雾霾天气逐渐增多。2013年11月4日，韩国媒体称我国雾霾为“人类历史上最严重污染”，雾霾造成的污染已从国内问题提升为国际话题。雾霾主要是由漂浮密集在空气中的大气颗粒物所形成的，除了影响呼吸、对人们的健康造成危害外，对交通出行、植物生长等也造成直接障碍(孙亮，2012)。大气颗粒物经过干沉降或湿沉降到达植物叶表面，形成叶面滞尘(赵秀娟等，2013)，叶面滞尘与空气颗粒物互为源汇，在一定程度上可以表征一定时间、一定区域的空气颗粒物的污染情况(戴斯迪等，2013)。

大叶黄杨(Euonymus japonicus)是典型的城市绿化树种之一(孟聪睿等，2011)，枝叶茂密，极耐修剪，四季常青，叶色亮绿，是良好的观赏、绿篱材料。大叶黄杨对二氧化硫抗性较强，由于空气降尘中含有这种化学元素，因此，就不同叶面滞尘量对大叶黄杨反射光谱的影响进行研究是林业与城市绿化领域相结合的一个桥梁。

目前，许多学者对植物的生理状态变化引起的光谱特征差异进行监测，获得了很高的监测精度(付彦博等，2013；朱西存等，2011)；通过分析植物不同生长阶段的农作物特征波段来区分和辨别不同植物时，也都得到了很高的精度(Asrar et al.，1984；Daughtry et al.，2000)。但这些研究都是基于植物体本身的反射光谱，没有考虑其上滞尘的影响，而随着城市化的加快，滞尘对城市以及周边植物的反射光谱影响越来越大。因此，本文以中国林业科学研究院内大叶黄杨为研究对象，利用高光谱分析方法获得大叶黄杨叶片的反射光谱属性，结合实地调查取样和室内试验，分别对叶片在除尘前后的反射光谱、光谱一阶导数的差异进行分析比较，并建立大叶黄杨叶片各种反射光谱特征波段与叶面滞尘量之间的相关关系，探讨叶面滞尘对大叶黄杨叶片反射光谱的影响，旨在为今后研究叶面滞尘量对树木生长的影响以及正确遥感反演提供技术资料。

2013年11月在中国林业科学研究院内选取能代表教学生活区平均污染程度的大叶黄杨作为采集树木，取样时间在试验当日及7天前无大风、无降水天气，每处采样点选取长势大小相似、生长时间相同、均向阳生长的大叶黄杨作为采样对象，在高度基本一致的情况下，选取健康大叶黄杨120个叶片样本，保持叶片状态剪取后平稳地放入承物盘内，迅速回室内进行叶面滞尘量与光谱测量。

试验数据获取遵从称重→测光谱→洗净→再称重→再测光谱次序。称重使用0.000 1 g高精度电子分析天平。光谱测量采用美国ASD(Analytical Spectral Device)公司生产的FieldSpec3便携式近红外光谱仪，该仪器可通过无线网络由笔记本电脑操作控制，其探测器可以探测从近紫外到近红外中的300～850 nm波段，仪器分辨率为3～700 nm，采样间隔为1.4 nm(350～850 nm区间)，镜头可选择为30°视场角。光谱仪每次扫描时间为0.1 s，由10条原始扫描光谱自动平均得到输出曲线。

光谱采集步骤如下：1)设定积分时间，进行暗扫描；2)保存白板扫描；3)查看透射模式；4)将传感器置于叶片之上，保持传感器到叶片的距离与到白板的距离一致(见图 1)，稳定后保存读数。

	图 1 叶片反射率测量步骤 Fig. 1 The measurement steps of leaf reflectance

将叶片置于折射率近似为零的白色观测台上，固定光谱仪探头使其垂直向下，探头视场角30°，距离叶片表面3 cm。采用相同亮度的人工光源，首先对样本叶片进行称重和光谱测量。由于光谱仪是将复色光分离成光谱的科学仪器，因此测量的叶片反射光谱与林木叶片结构、组成成分、叶面上覆盖物等有关，同时其测量精度还与输入信号的强弱有关；此外，由于光量子的不停运动，测量的每条光谱曲线数据都会随着时间的变化而产生误差，因此会造成测量的不稳定性。大量研究表明，每次连续测量的10条光谱的平均值为代表真实值的最适值(刘雪华等，2012；田亦陈等，2010；于祥等，2013)，因此，本试验每次测量10条光谱，以其平均值作为观测叶片的光谱反射值，每次测量前都对系统配置进行优化和白板校正；之后，将叶片洗净称重后再次进行光谱测量，测量方法同处理前。称重及洗净方法是：用邮票镊子将每片叶片夹到精度为0.000 1 g的天平载物盘上称除尘前的叶片质量(M₁)，然后用化妆棉将叶片在装有去离子水的盆内轻轻地快速洗净(由于北京天气长期处于干旱状态，为避免叶片长时间的浸泡于水中产生吸水引起数据差异，洗尘时间控制在10 s以内)。用吸水纸将叶片表面的去离子水吸干，再用天平称除尘后的叶片质量(M₂)，其质量差ΔM=M₁-M₂即为叶面滞尘量。

利用View Spectral Pro和MATLAB7.3软件对原始光谱数据进行分析(田亦陈等，2010；王海华等，2013)。由于光谱仪所测的光谱曲线总存在一些噪声，因此需要对光谱曲线进行平滑处理(Anatoly et al.，1996；Barbara et al.，1995)。本研究采用移动平均方法进行去噪处理，在干扰波段去除和平滑处理后作为大叶黄杨叶片光谱反射率特征曲线。为了研究绿光区和近红外光区光谱曲线的变化，将2个局部曲线间段(520～560 nm和760～850 nm)进行放大分析。表 1列出了本次数据的统计信息。

表 1 叶片样本的基本情况 Tab.1 The basic situation of the whole leaf samples

表 1 叶片样本的基本情况 Tab.1 The basic situation of the whole leaf samples 名称Name 平均值Average 最大值Maximum 最小值Minimum 方差Variance 滞尘量Dust content /mg 11.426 45.2 1.7 0.069 5 光谱反射率Spectral reflectance 0.102 0.472 0.000 0.021 6

大叶黄杨叶片反射光谱的规律大体分3部分：可见光波段(400～500，500～600，700～760 nm)有3个不同大小的反射峰，位置分别在435，545，745 nm处；在这3个反射峰的两侧分别在400，500，和670 nm位置处显示了3个明显的吸收带(图 2)。这一特征性的表现主要是因为叶绿素的吸收作用比较强烈，造成了对蓝光和红光的反射作用相对较弱；但是对于绿光而言，吸收作用弱则反射作用强。在近红外波段(700～850 nm)处有2个强烈的反射波峰和1个反射波谷，大约在745 nm处为第1个波峰值、波谷值在760 nm处、第2个波峰值在780 nm处，可能因受到植被叶细胞自身结构或叶片表面污染物的影响，叶片对光谱的吸收或透射，从而产生了1个急剧下降的反射率和2个被低反射率间隔开的高反射率。

	图 2 叶片反射光谱曲线 Fig. 2 Leaf reflectance spectral curves

图 3A是除尘前后的叶片图像。图 3B给出了300～850 nm区间有尘叶片和无尘土叶片的反射率曲线，由图可见，有无滞尘叶片的反射率在不同波段表现出不同的规律。从图 3B中截取出可见光与近红外2部分，得到图 3C和图 3D。由图 3C和图 3D可知，叶片在520～560 nm和760～850 nm这2个波段范围内的反射光谱规律分别为：光谱反射率范围分别在0.020～0.150和0.140～0.470；反射率大小分别为有尘叶片>无尘叶片、有尘叶片<无尘叶片。2条反射光谱曲线在725 nm附近的一次相交，使得叶面滞尘对叶片在可见光(350～760 nm)、近红外(760～850 nm)2个区域的反射率产生了不同的增减规律。

	图 3 有无滞尘叶片的反射光谱曲线 Fig. 3 Leaf reflectance spectral curves with clean and dust leaf A.除尘前后的叶片图像 Image of leaf before and after clean dust； B.有无尘土叶片反射率曲线 Leaf reflectance spectral curves with clean and dust leaf； C.可见光波段叶片反射率曲线 Leaf reflectance spectral curves of visible light wave band； D.近红外波段叶片反射率曲线 Leaf reflectance spectral curves of near infrared wave band.

在可见光各波段的反射率大小因受到叶片各种色素的影响而存在差异：有尘叶片比无尘叶片平均增加了29.58%，其中在680 nm处有最大增幅40.56%。680 nm是绿光和红光的交界处，可能是由于无尘叶片对绿光和红光的大量吸收导致其光谱反射率大大减小。在近红外(760～850 nm)区域，有尘叶片的光谱反射率比无尘叶片平均减少了16.72%。

可能是由于叶片表面灰尘对叶片细胞壁和细胞间隙的吸光度的大小产生不同程度影响的原因，在绿光区域的520～560 nm波段内有尘叶片的反射光谱均大于无尘叶片。这种特征对树木叶片表面的滞尘量以及树木所处环境的受污染程度有敏感的指示。

叶面滞尘对叶片的反射光谱有影响，但其滞尘量的多少对叶片反射率的影响程度还是未知。图 4中由高到低的光谱曲线分别为蓝色、红色、绿色、紫色曲线，其对应的叶片滞尘量分别为12.2，11.2，6.2，3.6 mg。由该图可知：

	图 4 不同滞尘量的叶片反射光谱曲线 Fig. 4 Leaf reflectance spectral curves of different dust content

1)不同滞尘量的大叶黄杨叶片光谱在可见光(350～760 nm)、近红外(760～850 nm)2个区域的吸收程度不同，这可能是由于大叶黄杨叶片表面滞尘对叶片部分光的吸收造成的。

2)在540～650 nm波段，是植物光谱响应最为敏感的波段，也是叶片对各种色素的主要吸收带，因受到叶面滞尘的影响，该波段的光谱发射率发生了变化。

3)在680～750 nm之间叶片光谱曲线都是急剧上升，其波长所对应的是树木叶片反射光谱曲线斜率的最大值。

4)大叶黄杨叶片光谱反射率在可见光波段随着叶面滞尘量的增加逐渐增大，而近红外波段区域随着叶面滞尘量的增加逐渐减小。

导数光谱技术是分析高光谱遥感信息较为常用的一种有效方法(Ciro et al.，2013；Qu et al.，2014)。一阶导数光谱被认为可以消除部分线性和二次型背景噪声(瞿瑛等，2013；于祥等，2013)，可以减少大气对光的散射及吸收对高光谱遥感测定的影响(Daniel et al.，2002；Solomon et al.，2014；Marie et al.，2013)，且有利于减少因光照条件变换所产生的乘性因素的影响。三边参数就是通过计算反射光谱的一阶导数取得的光谱参量(王涛等，2012)。在红边参数中，其红边斜率为取680～750 nm范围内一阶导数光谱的最大值，其所对应的波长为红边位置，该范围内一阶导数的和为红边指数(Horler et al.，1983)，蓝边(490～530 nm)参数和黄边(550～580 nm)参数的意义与红边参数类似。三边参数可以更好地对大叶黄杨叶片反射光谱特征进行分析与研究。大叶黄杨叶片除尘前后的一阶导数光谱分布情况见图 5。

图 5 有无滞尘叶片的一阶导数光谱曲线 Fig. 5 The first derivative spectral curves of clean and dust leaf A.除尘前后的叶片一阶导数光谱曲线 The first derivative spectral curves of leaf before and after clean dust；B.除尘前后的叶片在490～530 nm 处的一阶导数光谱曲线 The first derivative spectral curves of leaf before and after clean dust in 490-530 nm；C.除尘前后的叶片在550～580 nm处的一阶导数光谱曲线 The first derivative spectral curves of leaf before and after clean dust in 550-580 nm；D.除尘前后的叶片在520～560 nm处的一阶导数光谱曲线 The first derivative spectral curves of leaf before and after clean dust in 520-560 nm；E.除尘前后的叶片在760～850 nm处的一阶导数光谱曲线 The first derivative spectral curves of leaf before and after clean dust in 760-850 nm.

由图 5A可知，在除尘前后，叶片的一阶导数光谱曲线的大体变化趋势没有明显改变，只是其数值大小存在差异；由图 5B可知，蓝边的斜率和面积对叶面尘的干扰均不敏感，在除尘前后均无明显变化，蓝边位置在除尘后有所减小；由图 5C可知，黄边位置在除尘前后无明显变化，黄边斜率及其面积均较无尘叶片减小，其减幅分别为0～0.003，0.005～0.040；由图 5D可知，红边位置在除尘前后无明显变化，而红边斜率和面积均较无尘叶片减小，其减幅分别为0～0.004，0.004～0.042；由图 5E可知，在近红外区域，有尘叶片一阶导数光谱的波动幅度稍小于无尘叶片，其斜率无尘叶片大于有尘叶片，其位置和面积均无明显变化。红边上蕴涵的丰富光谱信息一直是相关研究的热点，相对于红边斜率和红边指数，红边位置表现出对叶面滞尘的较强抗干扰能力。

图 6是“红边”区间(680～750 nm)的原始光谱曲线和一阶导数曲线。可见，大叶黄杨叶片反射光谱“红边”区间的原始光谱(图 6A)在除尘前后呈现不同的规律，光谱反射存在较大差异，在680～725 nm范围内光谱反射率大小为：有尘叶片>无尘叶片，在725～750 nm范围内光谱反射率大小为：有尘叶片<无尘叶片。图 6B是光谱“红边”的一阶导数曲线，显示了有无叶面滞尘叶片的红边斜率、红边位置等信息，可见有无滞尘叶片的红边位置未发生明显变化，有尘叶片的红边斜率和红边指数都有所减小。2.6叶面滞尘量预测模型的建立大量研究表明，绿峰、红边指数、归一化指数、简单比值指数、光合反射指数5个光谱参数对叶片光谱反射率有很好的指示作用，这5个光谱参数的定义见表 2。

	图 6 原始光谱曲线(A)和一阶导数光谱(B)的红边曲线 Fig. 6 Original spectral curves (A) and their first derivative curves (B) in the red edge positions

表 2 光谱参数 Tab.2 Spectral parameters

表 2 光谱参数 Tab.2 Spectral parameters 参数Parameters 符号Symbol 定义Definition 绿峰Green peak R545 545 nm处反射率Reflectance in 545 nm 红边指数Red edge SDr 680～750 nm反射率一阶导数之和 680～750 nm the sum of the first derivative of reflectance 归一化指数Normalized difference index ND705 (R750-R705)/(R750+R705+2R445) 简单比值指数Simple ratio index SR R706/R809 光合反射指数Photosynthetic reflectance index PRI (R570-R531)/(R570+R531)

在520～560 nm范围内，由于树木叶片色素对蓝光和黄光的强烈吸收而形成绿峰(朱锋等，2013；刘雪华等，2012)，其中545 nm处为大叶黄杨叶片的绿峰，叶片表面滞尘量与叶片绿峰存在较好的关系；大叶黄杨叶片中叶绿素、类胡萝卜素的含量直接影响红边指数(SD_r)的参数值(Raymond et al.，2013；Belén et al.，2013)；此外，叶片叶绿素含量还能影响归一化指数(ND)的值，且ND₇₀₅能够减小叶片的表面反射影响(肖伸亮等，2007)；大叶黄杨叶片表面滞尘量与简单比值指数(SR)R₇₀₆/R₈₀₉具有线性关系(Sanches et al.，2013)；树木叶片光合效率与光合反射指数(PRI)有较强的相关性，进而反映叶面滞尘对叶片光合作用的影响水平。

本文用随机抽取的80个叶片样本进行叶面滞尘量的预测模型建立，剩余的40个叶片样本用于预测模型的检验。用决定系数(R²)和均方误(RMSE)检验模型的稳定性及预测精度，结果见表 3。

表 3 叶面滞尘量的光谱模型 Tab.3 The parameter of spectral models for leaf dust content

表 3 叶面滞尘量的光谱模型 Tab.3 The parameter of spectral models for leaf dust content 参数Parameters 叶面滞尘线性模型Foliar dust linear model R2 RMSE 绿峰Green peak y=0.156 3 R545 + 0.002 5 0.660 0.182 1 红边指数Red edge y=0.253 1 SDr + 0.071 0 0.716 0.171 5 归一化指数Normalized difference index y=-0.017 0 ND705 + 0.018 8 0.510 0.206 4 简单比值指数Simple ratio index y=0.008 0 SR + 0.003 7 0.653 0.115 4 光合反射指数Photosynthetic reflectance index y=-0.006 4 PRI + 0.010 2 0.630 0.196 7

由表 3可知，各光谱参量的叶片反射光谱预测模型R²值虽然都不是很高，但也都达到了显著水平，其中，红边指数参数所建模型的R²值最大为0.716，归一化指数所建模型的R²值最小为0.510，绿峰、简单比值指数和光合反射指数居中，R²值各为0.660，0.630。RMSE值都很小，说明叶面滞尘与大叶黄杨叶片反射光谱存在较稳定的相关关系。

1)从除尘前后反射率增减变化上比较，叶面滞尘使大叶黄杨叶片在近红外区的反射率减小，在可见光区的反射率增加；而可见光区和近红外区都是植物光谱学研究中最为常用的波段，相关研究有必要考虑叶面尘的影响。

2)在近红外区域，随着叶面滞尘量的增加，大叶黄杨叶片光谱反射率逐渐减小，这可能是因为叶面滞尘所含金属元素对可见光的吸收程度小于近红外，或者与叶片自身内部结构有一定的相关性，叶片内部特有的结构组成方式对近红外区域的光的吸收、折射大于可见光，从而导致有尘叶片在近红外区域的光谱反射率较无尘叶片减小。而简单比值指数中波长为706 nm处的叶片光谱反射率随着叶面滞尘量的增加而增大，波长为809 nm处的叶片光谱反射率随着叶面滞尘量的增加而减小，因此，简单比值指数与叶面滞尘量呈正相关。

3)研究建立不同叶面滞尘量的叶片反射光谱模型在350～850 nm波段范围内，选取不同光谱因子作为自变量，利用红边指数(SD_r)作为参数可以在一定精度范围内预测大叶黄杨叶面滞尘量。数据分析表明，高光谱能够快速对大叶黄杨叶面滞尘量进行实时预测，并根据其反射光谱建立了预测大叶黄杨叶面滞尘量的模型，但是由于数据采集范围较小，对滞尘量不同情况的代表性不够完善，因此，该模型具有一定局限性，对于整个城市或者更大范围内的实用性还有待进一步探索。