基于光譜指數的喀斯特植物葉片葉綠素含量定量估算

何 文， 余 玲， 姚月鋒

( 1. 廣西喀斯特植物保育與恢復生態學重點實驗室， 廣西壯族自治區中國科學院 廣西植物研究所， 廣西 桂林 541006；2. 桂林理工大學 環境科學與工程學院， 廣西 桂林 541006； 3. 西南大學 地理科學學院， 重慶 400715 )

植物葉片葉綠素作為主要的光能吸收物質，能直接把吸收的光能進行轉化與傳遞(Gitelson et al., 2003)，是生物圈與大氣圈之間碳、水和能量交換與循環的重要環節(Croft et al., 2020)。健康植物體內的葉綠素含量通常被認為高于不健康植物(Wu et al., 2008)。因此，植物葉片葉綠素含量的高低可作為典型區域如喀斯特地區植被生長健康狀況及其對周圍環境脅迫適應的重要指示指標(Palta, 1990)。傳統的植物葉片葉綠素測定方法主要是通過測量葉片葉綠素提取液的吸光度實現，這種方法不但要破壞植株，耗時費力，而且不能實時地進行大尺度監測(Madeira et al., 2000；蘇偉等，2019)。隨著遙感技術特別是高光譜遙感技術的發展，由于其具有波段多且能夠捕獲不同植物葉片對微弱光譜的差異，為植被生化參數特別是植物葉綠素含量的定量估算提供了快速、有效、非破壞性的數據采集與分析方法(Gitelson et al., 2003；Zhang et al., 2008；Bioucas-Dias et al., 2013)。

目前，對植物葉片葉綠素含量進行高光譜定量估算的主要方法大致可以歸納為兩種：一種是通過建立各種輻射傳輸機理模型進行估算，如經典的PROSPECT模型(Jacquemoud et al., 2009)；另一種則是通過尋找適宜的光譜指數模型進行估算(Croft et al., 2020)。輻射傳輸機理模型適用性廣，但一般機理模型都是基于一定條件的假設，不確定性因素較多，且在不同區域或不同植物類型的應用上往往具有病態性特征(Darvishzadeh et al., 2008)。同時，輻射傳輸機理模型所需的驅動參數較多，有些參數不易獲取。相反，經驗光譜指數模型雖然強烈依賴擬合的數據庫，但其對驅動參數要求簡單且在植物葉片葉綠素含量估算上精度較高(Fang et al., 2017)。由于數據源和研究方法的局限性，構建適用于所有區域植物葉片葉綠素含量定量估算的光譜指數(Rei & Quan, 2017)以及探討適合于典型喀斯特區域植物葉片葉綠素含量定量估算的光譜指數研究還相對缺乏。

我國西南喀斯特地區屬于全球三大喀斯特集中分布區中面積最大(約54萬km)、發育最強烈的連片裸露碳酸鹽巖地區(王世杰等，2017；王克林等，2019)。該地區作為珠江及西南諸河的源頭，是長江流域及東南亞一些國際河流的重要補給區，也是我國重要的生態屏障區，對維系珠江、長江流域下游乃至東南亞的生態與社會安全具有重要的作用(陳洪松等，2018)。但該地區也屬于老、少、邊、窮地區，貧困區與石漠化高度重疊，形成了典型的生態脆弱區?？λ固氐貐^地表植被對于維持脆弱生態系統具有決定性作用(Zhao et al., 2020)。通過對喀斯特植物葉片葉綠素含量等生化參數的遙感定量估算研究，不僅可以及時掌握喀斯特脆弱生態系統的動態變化，為喀斯特脆弱生態系統功能評價提供重要參數，還可為喀斯特脆弱生態系統應對氣候變化與人類活動的研究提供科學依據。

在總結以往植物葉片生化參數估算所常用光譜指數研究的基礎上，我們通過差值、比值、歸一化以及倒數差值的光譜指數構建方式對所采集的4種典型喀斯特植物——黃荊()、鹽麩木()、樸樹()和紅背山麻桿()葉片原始光譜波段(400～2 500 nm)的反射率及其一階導數值與同步測定的植物葉片葉綠素含量進行遍歷分析，以期找到最優光譜指數模型并將其應用于喀斯特植物葉片葉綠素含量的定量估算研究，為喀斯特植物葉片葉綠素含量及其他植物生化參數的遙感定量估算提供科學依據與技術支撐。

1 材料與方法

1.1 研究區

本研究樣地位于廣西桂林市大埠鄉喀斯特山地(110°19′49″ E、25°03′16″ N)，境內喀斯特發育強烈，屬典型的喀斯特峰林平原或峰叢平原地貌。該地區屬于中亞熱帶季風氣候區，年均氣溫約19 ℃，年平均降雨量約1 900 mm，且雨熱同期于每年3—9月。土壤類型為喀斯特典型的紅色石灰壤。該區域自然植被以灌叢為主，優勢植物種為龍須藤()、金櫻子()、黃荊、樸樹以及紅背山麻桿等。

此外，為比較同一植物在喀斯特和非喀斯特生境下葉片葉綠素含量和反射光譜差異，在距離大埠鄉喀斯特樣地約15 km的中國科學院桂林植物園內(非喀斯特區域)進行同種植物的葉片葉綠素含量及其光譜波段同步測量進行對照試驗。兩個樣地距離較近，氣溫、降雨、濕度等氣候條件基本一致，但在地質條件等因素上差異顯著：大埠鄉樣地為典型喀斯特山地，巖體主要由石灰巖構成，土層薄，植被群落為典型的喀斯特灌叢；而中國科學院桂林植物園樣地內巖體為砂頁巖，土層深厚，植被群落為典型亞熱帶常綠闊葉林，以喬木為主。為消除因植物種類不同和個體差異因素對實驗造成的影響，選擇喀斯特區常見優勢樹種，且非喀斯特區共有的黃荊、鹽麩木、樸樹和紅背山麻桿4個樹種為研究對象，并選擇樹齡、胸徑、冠幅等相對一致的植株進行測量(表1)。

表 1 4種植物基本形態特征Table 1 Basic morphological characteristics of four species

1.2 植物葉片反射光譜和葉綠素含量測量

本實驗葉片樣品采集及葉片光譜測量時間選擇植物的生長季(2017年夏季7—9月)，并選擇晴朗無云的正午進行測量。在試驗樣地內選取4種喀斯特區域常見植物——黃荊、鹽麩木、樸樹和紅背山麻桿；每種植物隨機選擇6～8株，每株選取3片健康完整葉片，同步測量葉片反射光譜(原位測量)和葉片葉綠素含量。其中，葉片反射光譜數據采用美國ASD Field Spec 4便攜式地物光譜儀(波段范圍為350～2 500 nm)加載的手持葉夾式葉片光譜探測器測量。因便攜式地物光譜儀350～400 nm的波段對葉片光譜反射率的信號噪聲較大，在實際的光譜反射率選擇中選擇400～2 500 nm波段反射率與同步測定的植物葉片葉綠素含量建立關系。每個葉片重復測量3條光譜，將同一植株上3片葉子的所測光譜取平均值作為葉片光譜反射率?？偣膊杉?2株植物，96個葉片的光譜反射率。

葉片葉綠素含量參照李合生(2000)的試驗方法，采用紫外分光光度計(SPECORD 50 PLUS)測量。葉片葉綠素含量測定時將同一植株上測過反射光譜的3片葉子混合后取樣測量。

1.3 分析方法

1.3.1 光譜指數及其轉換 植被光譜指數種類繁多且功能各不相同 (Xue & Su, 2017)。通過文獻收集和整理，從130多種常用植被光譜指數中篩選出15種與植被色素有關的常用光譜指數(表2)，并探討這些光譜指數在喀斯特植物葉片葉綠素含量定量估算中的表現。

表2中各光譜指數主要為差值植被指數(difference vegetation index, DVI)、比值植被指數(simple ratio vegetation index, SRVI)、歸一化植被指數(normalized difference vegetation index, NDVI)以及倒數差值植被指數(inverse difference vegetation index, IDVI)。因此，利用差值、比值、歸一化以及倒數差值方式對所采集的喀斯特植物葉片原始光譜反射率及其一階導數值與同步測定的植物葉片葉綠素含量進行遍歷分析，直至找到最優光譜波段組合的指數模型，進一步探討這些光譜指數與喀斯特植物葉片葉綠素含量之間的關系，以期為喀斯特植物葉片葉綠素含量快速定量估算提供更可靠的光譜指數。差值、比值、歸一化以及倒數差值光譜指數表達式如式(1)(2)(3)和(4)所示：

(,)=1-2

(1)

(,)=12

(2)

(,)=()1-2)(1+2)

(3)

(,)=11-12

(4)

式中：為光譜波段；為對應波段反射率。

對植物葉片原始光譜反射率進行轉換通常能夠提高基于光譜指數方法對植物生化參數估算的精度(Dawson et al., 1998)。因此，本研究采用導數轉換將葉片原始光譜反射率轉換為一階導數值，并將基于一階導數值構建的光譜指數分別命名為dDVI、dSRVI、dNDVI和dIDVI。一階導數轉換后的光譜指數數學表達式與原始光譜指數一致，僅將葉片原始光譜反射率替換為原始光譜反射率一階導數值。

1.3.2 基于光譜指數的植物葉片葉綠素含量定量估算驗證 為了驗證基于各光譜指數估算的植物葉片葉綠素含量精度，我們以實驗室測定的葉片葉綠素含量為真值，采用決定系數()及均方根誤差(root mean squared error，RMSE)評價基于光譜指數的喀斯特與非喀斯特植物葉片葉綠素含量的估算能力。決定系數和均方根誤差的數學表達式如式(5)和式(6)所示(Zhao et al., 2017)：

(5)

(6)

2 結果與分析

2.1 喀斯特和非喀斯特植物葉片葉綠素含量及其光譜特征

喀斯特生境生長的樸樹、黃荊和鹽麩木葉片葉綠素含量均顯著高于非喀斯特區域(<0.01)，均值分別相差1.08、1.12、1.05 mg·g(圖1)。而紅背山麻桿葉片葉綠素含量在不同生境中差異不顯著(>0.05)。經方差分析與多重比較表明，不同植物葉片光譜反射率差異顯著(<0.01)，尤其是樸樹與其他3種植物葉片光譜反射率之間皆存在顯著性差異(<0.05)。不同植物之間葉片光譜反射率差異主要發生在可見光波段中530～590 nm、近紅外波段中750～1 300 nm、1 600 nm及2 200 nm附近(圖2)。此外，同一植物葉片光譜反射率在喀斯特與非喀斯特生境中存在差異，其中紅背山麻桿和黃荊差異較小，而鹽麩木和樸樹的光譜反射率差異明顯。

表 2 本研究使用的光譜指數Table 2 Spectral indexes used in this study

喀斯特為大埠鄉喀斯特區植物樣本，非喀斯特為中國科學院桂林植物園非喀斯特區植物樣本，下同；ab表示區域間樣本在0.01水平差異極顯著；a表示區域間樣本在0.05水平差異不顯著。數據均為平均值±標準誤(樣本量為32)。Karst represents the samples from karst areas in Dabu Township, and Non-karst represents the samples from Guilin Botanical Garden, the same below; a and b indicate extremely significant differences at the level of 0.01, and a indicate no significant differences at the level of 0.05 between different areas. Each point of data represents (number of sample sizes is 32).圖 1 不同區域不同植被葉片葉綠素含量變化Fig. 1 Leaf chlorophyll content changes of different vegetations in different areas

圖 2 植物在喀斯特與非喀斯特區葉片光譜反射率差異Fig. 2 Differences in leaf spectral reflectance of plants in karst and non-karst areas

2.2 喀斯特植物葉片葉綠素含量與光譜各波段的相關性

喀斯特植物葉片葉綠素含量與光譜反射率之間的相關性隨波段不同差異較大(圖3)。葉片原始光譜反射率與植物葉片葉綠素含量的相關系數()在1 661 nm波段處最大，為0.53。葉片原始光譜經過一階導數轉換后與植物葉片葉綠素含量的相關性在部分波段明顯增強，相關系數絕對值大于0.53的波段達到270個，絕對值最大值出現在2 384 nm波段處，為0.78。

圖 3 植物葉片葉綠素含量與葉片原始光譜反射率及其一階導數值相關性Fig. 3 Correlations between leaf chlorophyll content and spectral reflectance (raw reflectance spectra and the first-order derivative spectra)

2.3 基于葉片原始光譜反射率及其一階導數值的最優光譜指數查找

上述研究表明，很難找到一種通用的光譜指數適合于喀斯特與非喀斯特地區植物葉片葉綠素含量定量估算。因此，探討適合于特定區域植物葉片葉綠素含量定量估算的光譜指數仍需進一步研究，尤其是在生境較為特殊的喀斯特區域。通過差值、比值、歸一化以及倒數差值光譜指數與各波段組合方式探討發現，在500～800 nm處、1 500～1 700 nm處以及1 900～2 100 nm處4種光譜指數與其他波段組合的相關性較為顯著(圖4)，說明這些范圍波段的光譜對植物葉片葉綠素含量相對較為敏感。葉片原始光譜反射率經過一階導數變換后，其與葉片葉綠素含量相關性較高的光譜指數高值區域更加集中(圖5)。其中，500～800 nm波段是基于原始光譜反射率一階導數值的差值、比值、歸一化以及倒數差值光譜指數最敏感的區域。

圖 4 基于葉片原始光譜反射率的差值植被指數(a)，比值植被指數(b)，歸一化植被指數(c)和倒數差值植被指數(d)相關系數分布圖Fig. 4 Correlation coefficient distributions of difference vegetation index (a), simple ratio vegetation index (b), normalized difference vegetation index (c), and inverse difference vegetation index (d) based on the raw reflectance spectra of leaves

圖 5 基于葉片原始光譜反射率一階導數值的差值植被指數(a)，比值植被指數(b)，歸一化植被指數(c)和倒數差值植被指數(d)相關性系數分布圖Fig. 5 Correlation coefficient distributions of difference vegetation index (a), simple ratio vegetation index (b), normalized difference vegetation index (c), and inverse difference vegetation index (d) based on the first-order derivative spectra of leaves

基于葉片原始光譜反射率的各類型光譜指數大致在1 642 nm和1 665 nm附近的波段組合效果最好(表3)，決定系數最大且均方根誤差較小。各類光譜指數的喀斯特植物葉片葉綠素含量定量估算精度基本一致，決定系數都超過0.6。但葉片原始光譜反射率經過一階導數變換后，4種類型光譜指數對喀斯特植物葉片葉綠素含量的定量估算精度均有所提高，其中以葉片原始光譜反射率一階導數值的差值光譜指數 [(760，769)]估算精度最好，決定系數高達0.71， 均方根誤差僅為0.19 mg·g。

表 3 基于葉片原始光譜反射率及其一階導數值的不同類型光譜指數最優波段組合Table 3 Optimal combination of spectral indexes based on raw reflectance spectra and first-order derivative spectra of leaves

2.4 基于各光譜指數的喀斯特植物葉片葉綠素含量估算精度驗證

本研究所采用的15種常用光譜指數不一定適合于喀斯特植物葉片葉綠素含量的定量估算(表4)。常用光譜指數對喀斯特植物葉片葉綠素含量的定量估算能力普遍較弱，決定系數()為0～0.45，表現相對較好的是改良紅邊歸一化植被指數(mND705)和葉綠素吸收面積光譜指數(CAAI)，其決定系數分別為0.45和0.43，均方根誤差均為0.26 mg·g。采用相同方法對非喀斯特植物葉片葉綠素含量進行定量估算及其精度驗證發現，基于歸一化植被指數、色素簡單比值指數(PSNDa和PSNDb)以及生理反射指數(PRI)對非喀斯特植物葉片葉綠素進行定量估算均取得較好的效果，均在0.4以上，說明這些常用光譜指數在非喀斯特植物葉片葉綠素含量定量估算中更為適用，但其在喀斯特植物葉片葉綠素含量定量估算中并不能通用。雖然熒光比值指數(FRI1)和葉綠素吸收面積光譜指數在定量估算喀斯特與非喀斯特植物葉片葉綠素含量時精度相當，但從決定系數來看，其估算能力還是相對較低。

表 4 常用光譜指數的植物葉片葉綠素含量定量估算精度驗證Table 4 Accuracy performance of different spectral indexes in estimation of plant leaf chlorophyll content

2.5 喀斯特植物葉片葉綠素含量定量估算的光譜指數選擇

差值光譜指數在400～2 500 nm間任意兩個波段的組合運算相比其他3種類型光譜指數所表現出來的喀斯特植物葉片葉綠素含量定量估算精度要更好(圖6)。差值光譜指數與喀斯特植物葉片葉綠素含量相關系數大于0.70的光譜指數個數在葉片原始光譜反射率中達36 734個，而在葉片原始光譜反射率一階導數值中達到61 876個，遠遠優于其他3種光譜指數表現形式。且從表3中可以看出，無論是基于葉片原始光譜反射率還是其一階導數值，其最優的光譜指數都是差值光譜指數，說明4種光譜指數中，差值光譜指數更適合于喀斯特植物葉片葉綠素含量的定量估算。

圖 6 與植物葉片葉綠素含量相關系數大于等于0.70的光譜指數個數Fig. 6 Number of spectral indexes that correlation coefficients values are larger than and equal to 0.7 with plants leaf chlorophyll content

通過喀斯特與非喀斯特植物葉片光譜的“三邊”參數研究發現(表5)，喀斯特植物葉片光譜紅邊位置紅移現象明顯，樣本平均紅邊面積明顯增大。同時，相比于非喀斯特區域，喀斯特植物葉片光譜除紅邊位置紅移外，藍邊位置及黃邊位置也有一定的變化。而許多常用光譜指數都與這三邊參數有或多或少的關系，這可能是常用指數在喀斯特植物葉片葉綠素含量定量估算效果不理想的原因之一。對比喀斯特與非喀斯特同一植物的葉片比葉面積發現，喀斯特植物葉片比葉面積均值為(150.1±12.03)cm·g，非喀斯特植物葉片比葉面積均值為(118.81±4.46)cm·g，兩者有明顯差異在一定程度上說明同一種植物的葉片結構在喀斯特與非喀斯特地區有所差異。植物葉片結構的差異也導致了葉片對光譜敏感度的不同。

表 5 喀斯特與非喀斯特植物葉片光譜“三邊”參數對比Table 5 Comparison of trilateral parameters of leaf spectral reflectance of plants in karst and non-karst areas

對基于葉片原始光譜反射率及其一階導數值的4種類型光譜指數在400～2 500 nm波段遍歷研究發現(表6)，相比于喀斯特區，非喀斯特區4種光譜指數的最優光譜指數波段向藍光和綠光方向移動，而波段向近紅外長波方向移動，表明適用于非喀斯特植物葉片葉綠素含量定量估算的光譜指數不一定適合于喀斯特地區。

表 6 非喀斯特植物葉片原始光譜反射率及其一階導數值的不同類型光譜指數最優波段組合Table 6 Optimal combination of different types of spectral indexes based on raw reflectance spectra and first-order derivative reflectance of plant leaf in non-karst areas

3 討論與結論

目前，通過光譜指數定量估算植物葉片葉綠素含量已經可獲得較高精度(Main et al., 2011; Croft et al., 2014)，但這些常用光譜指數主要基于非喀斯特植物葉片光譜反射率與葉片葉綠素含量間關系建立起來，對于基于光譜指數的喀斯特植物葉片葉綠素含量遙感定量估算及其光譜指數適應性研究還相對缺乏。我國西南喀斯特地區面積約54萬km，是全球喀斯特集中分布區面積最大，巖溶發育最強烈，生物多樣性豐富，人地矛盾最尖銳的典型生態脆弱區(王克林等，2019)?？λ固氐貐^土層淺薄，土壤富鈣而偏堿性，且具有高度的土被空間異質性(朱守謙，1997)。特殊的喀斯特生境脅迫尤其是干旱脅迫成為我國西南喀斯特地區植物生長演替與分布的主要限制因子(Liu et al., 2011)。受特殊喀斯特生境影響，生長于喀斯特地區的植物與非喀斯特地區的植物相比，往往表現出不同的功能性狀特征(Geekiyanage et al., 2017)，如喀斯特植物往往具有較高的光合作用能力和水分利用效率(Fu et al., 2019)。植物葉片葉綠素含量可作為典型區域植物生長及其對環境脅迫響應的指示指標(Zhang et al., 2008)。因此，本研究在總結以往基于光譜指數的植物生化參數定量估算研究基礎上，通過差值、比值、歸一化以及倒數差值光譜指數構建方式對所采集的4種典型喀斯特植物——黃荊、鹽麩木、樸樹和紅背山麻桿葉片原始光譜波段(400～2 500 nm)反射率及其一階導數值與同步測定的葉片葉綠素含量進行遍歷分析，直至獲得最優光譜波段組合的指數模型，并將其應用于喀斯特植物葉片葉綠素含量定量估算。

本研究所選擇的15種與植被色素有關的常用光譜指數中，改良紅邊歸一化光譜指數(mND705)對喀斯特植物葉片葉綠素含量定量估算精度較高。這可能是因為改良紅邊歸一化光譜指數受植物種類以及葉片結構影響的敏感性較低，能夠更好地應用于不同植被類型的葉片葉綠素含量定量估算(Main et al., 2011)；而其他常用光譜指數在喀斯特植物葉片葉綠素含量的定量估算中相比非喀斯特地區估算精度較差。如本研究中，基于歸一化植被指數、結構不敏感色素指數以及三角形光譜指數在定量估算喀斯特植物葉片葉綠素含量時，模型的決定系數()均為0。受植物葉片結構差異對光譜敏感性影響，采用經典的歸一化植被指數在定量估算植物葉片葉綠素含量時精度低于其他光譜指數如葉綠素植被指數(chlorophyll vegetation index, CVI)(Frazzi, 2011)?；诠庾V指數的植物生化參數定量估算中，歸一化植被指數并非一直有效(Khadka et al., 2021)。相關研究也表明，基于三角形光譜指數的植物葉片葉綠素估算精度較低，且低于真實值(姜海玲等，2016)。因此，在選擇光譜指數進行植物生化參數定量估算時需要考慮光譜指數的普適性?？λ固刂参锶~片結構、營養元素等均與非喀斯特區具有明顯差別，這可能是導致喀斯特與非喀斯特植物葉片對光譜反射率敏感性不一的原因。因此，基于非喀斯特地區植物葉片光譜反射率與葉片葉綠素含量之間關系建立的光譜指數模型不一定適合于喀斯特地區植物葉片葉綠素含量的定量估算。

光譜指數的波段組合方式及其表現形式多種多樣(劉暢等，2016)，光譜波段的有效選取是建立光譜指數模型的關鍵。本研究通過差值、比值、歸一化以及倒數差值的光譜構建方式對喀斯特植物葉片原始光譜反射率及其一階導數值與同步測定的植物葉片葉綠素含量進行遍歷研究發現，基于植物葉片原始光譜反射率一階導數值的差值光譜指數 [(760，769)]能夠很好地估算喀斯特植物葉片葉綠素含量，其精度優于其他常用光譜指數。(760，769)所選擇的波段接近短波近紅外區，這一區域對植物葉片色素具有一定的相關性，同時對植物葉片結構等較為敏感(Jacquemoud & Baret, 1990；宮兆寧等，2014)?？λ固嘏c非喀斯特區相比，水分條件是關鍵影響因素。在相同的氣候條件下，喀斯特地區植被更容易受到水分脅迫(郭柯等，2011；Liu et al., 2011)。干旱脅迫下植物葉片大小、厚度、氣孔導度、柵欄組織等都會發生變化(曹林青等，2018)，并引起植物葉片光譜反射率顯著差異(Chaturvedi et al., 2019)。本研究對比喀斯特和非喀斯特地區的同一植物葉片光譜特征時也發現類似結果，在喀斯特與非喀斯特不同生境條件下，同一植物葉片光譜反射率差異顯著，尤其是對光譜的近紅外波段尤其敏感。因此，針對特殊生境的喀斯特區域，單獨提出喀斯特植物葉片葉綠素含量定量估算的光譜指數是必要的。此外，受樣本量以及區域限制的影響，本研究所提出的基于植物葉片原始光譜反射率一階導數值的差值光譜指數 [(760，769)]，需要在不同喀斯特生境以及不同植物大量樣本的葉片葉綠素含量定量估算中進一步研究驗證，以提高其估算精度及適用性。

喀斯特植物葉片葉綠素含量及其他生化參數定量估算精度的提高，是快速、準確評價喀斯特地區植物生長狀況及其對環境脅迫響應研究的關鍵。本研究通過對4種典型喀斯特植物實測的葉片高光譜反射率數據與同步測定的葉片葉綠素含量之間關系進行研究，提出了基于植物葉片原始光譜反射率一階導數值的差值光譜指數 [(760，769)]，并成功應用于喀斯特植物葉片葉綠素含量的定量估算?；谥参锶~片原始光譜反射率一階導數值的差值光譜指數 [(760，769)]在喀斯特植物葉片葉綠素含量定量估算的精度遠優于其他常用光譜指數，豐富了喀斯特植物葉片葉綠素含量遙感定量估算的研究，為大范圍無損監測喀斯特植物葉片葉綠素含量及其他生化參數提供科學依據與技術支持。