本研究主要利用高光譜訊號技術分析樟樹葉片含水率與其反射率的相關性，以控制試驗的方法測量葉子於不同含水率狀態下的光譜反射率，並建立兩者間的迴歸模式。研究結果顯示，反射光譜與含水率呈負相關，當含水率愈低時光譜反射強度則愈高；由綠光(515~560 nm)與紅光(600~740 nm)二個可見光區所建立的葉子含水率迴歸模式決定係數介於0.65~0.80，短波紅外光區(1320~1650 nm，1840~2240 nm)的光譜訊號與含水率的負相關更強烈，含水率推估模式之 R2均達0.90以上。經皮爾森相關性分析得知在波長900 nm之後與含水率的相關係數為-0.7以上，在短波紅外光區甚至高達-0.9。以逐步迴歸分析篩選出多個特徵波段，對於模式估測含水率的準確度R2 達0.95以上。過去許多研究證明可見光的吸收現象主要由葉子色素所控制，但本研究發現可見光也可以反應出含水率的變化趨勢，其解釋變量能力最高可達81.8%。

This study analyzes the relationship between the water content and spectral reflectance of the Cinnamonum camphora leaves by using hyperspectral technique and measure the water contents of the tree’s leaves and the corresponding spectral reflectance to establish the regression models with the correlated material. Results indicated that reflectance was negatively related to relative water content (RWC), while regression model showed that R2 value ranges from 0.65~0.80 for green and red bands with the spectral range of 515~560 nm and 600~740 nm, respectively. The results also showed that there exists a high correlation between RWC and reflectance of tree’s leaves (R2>0.95) in two SWIR regions (1320~1650 and 1840~2240 nm). Pearson’s correlation showed the RWC was negatively correlated with the reflectance of wavelength longer than 900nm and the correlation coefficient can reach -0.7, and the value can be even higher -0.9 in SWIR region. By multiple linear regressions for choose spectral signatures, the accuracy of proposed model for estimating water status of tree leaves can reach 95%. Studies had proved the absorption of visible band was controlled by the plant pigment, however, the variation of RWC can be also represented by the visible band with the ability of 81.8% in this study.

目錄
圖次
表次
中文摘要
英文摘要
壹、前言 1
貳、前人研究 3
一、光譜概述 3
二、高光譜遙測概述 5
(一) 植被 5
(二) 地質礦物 6
(三) 大氣科學 8
三、植生生化濃度高光譜遙測的應用 9
四、植生含水率與高光譜的相關研究 11
(一) 光譜水分指標 11
(二) 特徵光譜吸收 12
(三) 光譜反射率與相對含水率的相關性 13
五、相關性及迴歸分析 14
(一) 相關 14
(二) 迴歸 16
參、材料與方法 18
一、植生材料 20
二、相對含水率計算 21
三、光譜試驗 21
四、特徵波段選取 23
(一) 歸一化光譜 23
(二) 一階微分光譜 25
(三) 吸收深度 26
(四) 吸收面積 27
(五) 多元迴歸分析 28
(六) 高光譜訊號模式建立與驗證 28
五、皮爾森相關性分析 29
六、逐步迴歸分析 30
肆、結果與討論 31
一、樟樹葉片於不同含水率之變化趨勢 31
二、光譜儀器空白試驗 32
三、反應水分壓力之特徵光譜 33
(一) 光譜值歸一化處理後的特徵波段選取 34
(二) 光譜值一階微分處理後的特徵波段選取 37
(三) 光譜吸收深度與含水率的迴歸分析 41
(四) 光譜吸收面積與含水率的迴歸分析 44
(五) 多元迴歸方程式建立 46
(六) 模式準確度評估 48
四、樟樹與相對含水率的相關性 58
五、植生含水率之推估模式 59
伍、結論 62
陸、參考文獻 68






圖次
圖1、經三稜鏡散射後的光譜示意圖 4
圖2、植物光譜反射特徵曲線 6
圖3、不同的礦物光譜反射曲線 7
圖4、不同光譜解析度對水鋁礦反射光譜的影響 8
圖5、大氣吸收光譜特徵 9
圖6、燕麥光譜特徵曲線 11
圖7、橡樹光譜反射特徵曲線 13
圖8、銀杏不同時間的光譜反射曲線及與相對含水率的相關性曲線 14
圖9、連續統去除法研究流程 18
圖10、相關性及逐步迴歸分析研究流程 19
圖11、國立嘉義大學蘭潭校區內的樟樹 20
圖12、樟樹實驗樣本 20
圖13、ASD攜帶式野外光譜輻射儀 22
圖14、像元大小計算示意圖 22
圖15、光譜試驗示意圖 23
圖16、ASD光譜儀測得人工光源及太陽光源之白板光譜曲線 23
圖17、由連續統去除法調整的樟樹光譜 24
圖18、局部光譜區域的吸收光譜的深度與面積示意圖 24
圖19、一階微分前後的樟樹光譜 26
圖20、吸收深度計算示意圖 27
圖21、各波段光譜吸收長方形面積 28
圖22、相對含水率及原始光譜值轉換後的影像格式 29
圖23、樟樹光譜曲線利用逐步迴歸分析法所選擇的區域 30
圖24、樟樹在不同斷水時間的相對含水率 32
圖25、光譜儀器空白試驗誤差率 33
圖26、樟樹不同斷水時間的原始光譜值 34
圖27、樟樹不同斷水時間的歸一化光譜值 36
圖28、樟樹歸一化光譜與相對含水率之迴歸分析 37
圖29、樟樹不同斷水時間的一階微分光譜值 38
圖30、樟樹一階微分光譜與相對含水率之迴歸分析 40
圖31、樟樹歸一化光譜吸收深度與相對含水率之迴歸分析 42
圖32、樟樹一階微分光譜吸收深度與相對含水率之迴歸分析 43
圖33、四個區域的光譜吸收面積 44
圖34、樟樹光譜吸收面積與相對含水率之迴歸分析 45
圖35、樟樹多元迴歸分析與相對含水率之模式建立 47
圖36、樟樹多元迴歸分析與相對含水率之模式驗證 48
圖37、樟樹歸一化光譜的相對含水率模式驗證 52
圖38、樟樹一階微分光譜的相對含水率模式驗證 54
圖39、樟樹歸一化光譜吸收深度的相對含水率模式驗證 55
圖40、樟樹一階微分光譜吸收深度的相對含水率模式驗證 56
圖41、樟樹吸收面積的相對含水率模式驗證 57
圖42、樟樹葉片反射率與相對含水率之相關性 59
圖43、樟樹特徵吸收原始光譜與相對含水率之迴歸模式建立 61
圖44、樟樹特徵吸收原始光譜與相對含水率之迴歸模式驗證 61




表次
表1、大氣中主要吸收太陽輻射氣體之吸收帶 9
表2、植生生化成分的光譜吸收特徵 10
表3、光譜指標方程式 12
表4、相關係收的強度大小與意義 16
表5、建模資料組樟樹葉片斷水後不同斷水時間的含水率 31
表6、驗證資料組樟樹葉片斷水後不同斷水時間的含水率 49
表7、特徵波段與相對含水率之試驗及驗證模式R2值 50
表8、光譜吸收特徵區之反射率與樟樹含水率逐步迴歸係數統計表 60

王鑫 (1977) 遙測學。大中國圖書公司印行，pp. 430。
林金樹 (2004) 森林植群高光譜行為模式之研究。行政院國家科學委員會補助專題研究計畫，計畫編號：NSC92-2313-B-415-001。
林金樹 (2005) 紅檜、柳杉、台灣杉高光譜訊號特徵之調查與資料庫建立。行政院農業委員會林務局補助研究計畫，計畫編號：94農科-11.4.1-務-e3。
林金樹、溫慧霖、黃淑清 (2006) 植物葉綠素濃度及含水率高光譜的估測與行為模式之建立。彰雲嘉大學校院聯盟2006年學術研討會論文集pp.737-751。
林金樹、溫慧霖、黃淑清、陳怡君、鄭憲志 (2007) 都市行道樹葉子含水率與光譜訊號之關係。第八屆海峽兩岸青年科學家學術研討會論文集—城市森林與居民健康 pp.34-40。
林惠玲、陳正倉 (2000) 應用統計學。雙葉書廊有限公司 pp.743。
邱皓政 (2000) 量化研究與統計分析。五南圖書出版有限公司 pp.604。
徐百輝 (2003) 小波轉換應用於高光譜影像光譜特徵萃取之研究。國立成功大學測量工程學系博士論文 pp. 158。
浦瑞良、宮鵬 (2002) 高光譜遙測及其應用。五南圖書出版股份有限公司 pp. 332。
陳俊豪。www.kmsh.tnc.edu.tw/~chem/t0105.htm
陳建璋 (2007) 遙測技術應用於植物葉綠素含量與反射光譜之研究。國立屏東科技大學熱帶農業暨國際合作研究所博士論文pp.104。
陳景堂 (1997) 統計分析：SPSS for Windows入門與應用，二版。儒林圖書公司。
楊純明、蘇慕容 (1997) 水稻族群植冠反射光譜之分析。中華農業氣象，4(2)：87-95。
劉業經、呂福原、歐辰雄 (1994) 臺灣樹木誌。國立中興大學農學院叢書，p.108。
劉賢祥 (1999) 植物生理學。徐氏文教基金會出版，pp.79~123。
潘國樑 (2006) 遙測學大綱。科技圖書股份有限公司 pp. 292。
Analytical Spectral Devices, Inc. (ASD) Technical Guide 3rd Ed.
Ceccato P., S. Flasse, S. Tarantola, S. Jacquemoud, J. M. Gregoire (2001) Detecting vegetation leaf water content using reflectance in the optical domain. Remote Sensing of Environment 77: 22-33.
Clark R. N., T. L. Roush (1984) Reflectance spectroscopy: quantitative analysis techniques for remote sensing application. Journal of Geophysical Research 89: 6329-6340.
Cloutis E. A. (1996) Hyperspectral geological remote sensing: evaluation of analytical techniques. International Journal of Remote Sensing 17: 2215-2242.
Curran, P. J. (1989) Remote sensing of foliar chemistry. Remote Sensing of Environment 30: 271-278.
Curran, P. J., J. L. Dungan, D. L. Peterson (2001) Estimating the Foliar Biochemical Concentration of Leaves with Reflectance Spectrometry Testing the Kokaly and Clark Methodologies. Remote Sensing of Environment 76: 349-359.
Elvidge C. D. (1990) Visible and near infrared reflectance characteristics of dry plant materials. International Journal of Remote Sensing 11: 1775-1795.
Elvidge C. D., Z. Chen (1995) Comparison of Broad-Band and Narrow-Band Red and Near-Infrared Vegetation Indices. Remote Sensing of Environment 54: 38-48.
Filella I., J. Penuelas (1994) The red edge position and shape as indicators of plant chlorlphyll content, biomass and hydric satus. International Journal Remote Sensing 15: 1459-1470.
Goodin D. G. (1993) Analysis of suspended solids in water using remotely sensed high resolution derivative spectra. PE&R. S. 59:505-510.
Jensen, J. R. (2004) Introductory Digital Image Processing, third edition. pp. 526
Jones, C. L., P. R. Weckler, N. O. Maness, M. L. Stone, R. Jayasekara (2004) Estimating water stress in plants using hyperspectral sensing. An ASAE/CSAE Meeting Presentation, Paper Number: 043065.
Kakly, R. F. (2001) Investigating a Physical Basis for Spectroscopic Estimates of Leaf Nitrogen Concentration. Remote Sensing of Environment 75: 153-161.
Kokaly, R. F., R. N. Clark (1999) Spectroscopic Determination of Leaf Biochemistry Using Band-Depth Analysis of Absorption Features and Stepwise Multiple Linear Regression. Remote Sensing of Environment 67: 267-287.
Li Y. (1993) Use of second derivatives of canopy reflectance for monitoring prairie vegetation over different soil backgrounds. Remote Sensing of Environment 44: 81-87.
Lillesand T. M., R. W. Kiefer (1994) Remote Sensing and Image Interpretation, third edition. pp. 750.
Min M., W. S. Lee, I. Bogrekci (2004) The effect of water and variety on nitrogen sensing of citrus leaf. An ASAE/CSAE Meeting Presentation, Paper Number: 041080.
Mutanga, O., A. K. Skidmore (2003) Continuum-removed absorption features estimate tropical sayanna grass quality in situ. 3rd EARSEL Workshop on Imaging Spectroscopy, Herrsching, 13-16.
Peñuelas J., I. Filella, C. Biel, L. Sweeano, R. Save (1993) The reflectance at the 950-970 nm region as an indicator of plant water status. International Journal of Remote Sensing, 14: 1887-1905.
Peñuelas J., I. Filella, L. Sweeano (1996) Cell wall elastivity and water index (R970/R900 nm) in wheat under different nitrogen availabilities. International Journal of Remote Sensing, 17: 373-382.
Philpot W. D. (1991) The derivative ratio algorithm: avoiding atmospheric effects in remote sensing. IEEE Transaction on Geoscience and Remote Sensing 29: 350-357.
Pu, R., S. Ge, N. M. Kelly, P. Gong (2003) Spectral Absorption Features as Indicators of Water Status in Coast Live Oak (Quercus agrifolia) leaves. International Journal of Remote Sensing 24: 1799-1810.
Sims D. A., J. A. Gamon (2003) Estimation of vegetation water content and photosynthetic tissue area from spectral reflectance: a comparison of indices based on liquid water and chlorophyll absorption features. Remote Sensing of Environment 84: 526-537.
Takahiro E., Y. Yoshifumi, M. Tamura (2001) Spatial estimation of biochemical parameters of leaves with hyperspectral imager. 22nd Asian Conference on Remote Sensing, 5-9 November, Singapore.
Tian Q., Q. Tong, R. Pu, X. Guo, C. Zhao (2001) Spectroscopic determination of wheat water status using 1650-1850 nm spectral absorption features. International Journal of Remote Sensing, 22: 2329-2338.
Weidong, L., F. Baret, G. Xingfa, T. Qingxi, Z. Lanfen, A. Bing (2002) Relating Soil Surface Moisture to Reflectance. Remote Sensing of Environment 81: 238-246.