植被叶片的滞尘量可以表征空气污染的程度, 分析城市植被滞尘的空间特征对于制定更为有效的空气污染控制政策具有重要的现实意义。 基于北京市主城区采集的大叶黄杨、 国槐、 毛白杨和山桃等四种典型绿化植被叶片的滞尘量、 光谱反射率和叶面积等数据, 比较四种植被叶片滞尘前后的光谱曲线, 进行窄波段与卫星波段滞尘前后叶片光谱反射率比值与滞尘量的相关分析。 然后, 分别建立相关性最大的卫星波段反射率和NDVI与滞尘量之间的回归模型, 选取拟合较好的模型反演北京城区植被的滞尘量分布, 进而插值得到整个北京城区的尘埃分布。 最后, 根据高滞尘区域周围的土地覆盖和土地利用以及滞尘期间PM10浓度的空间分布对反演的的合理性进行检验。 结果表明: 在780~1 300 nm波段, 大叶黄杨、 国槐、 毛白杨和山桃四种植被的滞尘叶片反射率均明显低于干净叶片; 窄波段反射率与滞尘量在520~650 nm波段和1 390~1 600 nm波段具有较高的相关性, 相关系数的绝对值最高达到0.626; 利用Landsat8的green波段和NDVI构建的滞尘反演模型, 决定系数(R2)分别为0.446和0.465。 NDVI模型反演的北京城区植被的滞尘量分布结果表明, 北京城区滞尘含量呈现出北高南低, 东高西低, 中心城区高于郊区的空间分布格局。 该研究通过高光谱和遥感影像数据反演滞尘量, 可以为快速全面监测城市地区尘埃分布提供参考。

植被指数是表征植被覆盖, 生长状况简单有效的度量参数。 本文以城市绿化主要植被大叶黄杨为例, 研究叶片滞尘对植被指数的影响, 并构建植被指数修正模型对植被指数进行修正优化, 提高植被指数的测量精度。 研究选取北京城区为研究区, 采集20个采样点的200个叶片样本, 利用电子分析天平、 ASD高光谱辐射仪及Win FOLIA叶面积仪, 分别获取叶片尘埃量、 光谱信息、 叶面积等数据。 通过对比分析样本叶片除尘前、 后光谱特征及NDVI、 NDWI、 NDNI、 NDII、 CAI、 PRI植被指数分布特征差异, 结合单位滞尘量与光谱数据, 构建植被指数修正模型, 并对修正模型进行精度检验。 结果表明: 大叶黄杨叶片在除尘前与除尘后的光谱曲线均表现出典型的植被光谱特征, 且蓝边、 红边均出现在520和705 nm处, 然而在350～700, 750～1 350, 1 500～1 850, 1 900～2 100 nm波段范围内, 滞尘对叶片光谱反射率影响显著, 同时对植被指数也有较大影响; 通过对滞尘量定量的研究分析发现, 当尘埃质量增加时, NDVI和PRI植被指数与尘埃量的线性关系变弱, 而NDWI, NDII, CAI植被指数与尘埃量依然保持明显的线性关系。 修正模型NDVI, NDII, CAI, PRI精度验证决定系数(R2)分别为0.547, 0.430, 0.653, 0.960, RMSE分别为0.035, 0.020, 0.112, 0.009。 研究结果表明对以后利用植被指数进行大面积植被反演、 评估时, 根据滞尘量影响进行修正优化, 提高反演精度有一定参考意义。

为建立以高光谱数据为基础的叶片滞尘质量反演模型, 沿北京市区采集了30个大叶黄杨叶片样本。 利用电子分析天平和光谱仪(analytical spectral devices ASD FieldSpec Pro)测定“除尘前”与“除尘后”叶片质量及光谱反射率曲线, 以获取叶片尘埃量、 光谱信息等数据。 随后以传统意义和偏最小二乘(PLS)回归模型为基础, 以探究空气尘埃量与光谱曲线之间可能存在的关系, 阐述了叶片尺度上尘埃量对植物光谱特征的影响。 结果为: 除尘前后叶片光谱曲线在350～700, 780～1 300, 1 900～2 500 nm波段区间内有较大差异, 同时尘埃量与叶片单波段光谱反射率比值呈负相关, 相关度最大值点为737波段, 属于近红外波段, 相关系数可达-0.8左右。 在尘埃量与叶片光谱多波段组合关系研究中得到, 948和945波段构成的NDVI指数与尘埃量的相关度最大, 相关系数可达0.76。 在叶片滞尘量反演研究中, 对比传统意义滞尘量回归模型, 引进的偏最小二乘算法(PLS)可使叶片滞尘量反演精度略有提高, 最后由回归模型精度评定可得偏最小二乘法反演效果较传统回归好。