利用MISR遙感數(shù)據(jù)反演小興安嶺地區(qū)森林葉面積指數(shù)

趙 妍，范文義*，王鶴霖，楊曉琴，楊國(guó)舜

(1.東北林業(yè)大學(xué)林學(xué)院，哈爾濱 150040;2.內(nèi)蒙古赤峰市翁牛特旗橋頭國(guó)營(yíng)林場(chǎng);內(nèi)蒙古赤峰 024500;3.內(nèi)蒙古赤峰市翁牛特旗高家梁林場(chǎng);內(nèi)蒙古赤峰 024500)

葉面積指數(shù)定義為單位地面面積上總?cè)~面積的 一半［1］，它是模擬陸地生態(tài)系統(tǒng)和它們與氣候之間交互作用的重要結(jié)構(gòu)參數(shù)，同時(shí)它對(duì)于植被的諸多生物、物理過(guò)程，例如光合作用、蒸騰作用、呼吸作用以及碳、水循環(huán)、降水截獲等起著至關(guān)重要的控制作用［2－6］。隨著遙感技術(shù)的發(fā)展，特別是多角度遙感技術(shù)應(yīng)用研究的不斷深入，人們?cè)桨l(fā)關(guān)注用多角度遙感數(shù)據(jù)進(jìn)行森林參數(shù)提取。多角度遙感數(shù)據(jù)是對(duì)地面物體進(jìn)行多個(gè)方向的觀測(cè)，數(shù)據(jù)就具有豐富的地物觀測(cè)信息，具備較強(qiáng)的反演植被結(jié)構(gòu)參數(shù)的能力［7－10］，同時(shí)能夠減小 “異物同譜”、“同物異譜”等現(xiàn)象對(duì)于反演結(jié)果精度的影響。與垂直觀測(cè)的遙感數(shù)據(jù)反演森林植被LAI的方法相比，多角度多波段遙感數(shù)據(jù)能夠反映植被結(jié)構(gòu)信息及地物多維空間結(jié)構(gòu)特征。因此，合理利用多角度遙感數(shù)據(jù)對(duì)于有效反演地表植被結(jié)構(gòu)參數(shù)具有重要的理論意義和廣泛應(yīng)用價(jià)值。

遙感反演LAI的方法有很多，大體分為統(tǒng)計(jì)模型方法、物理模型法及混合反演方法等［11］。本研究以MODIS土地覆蓋類型數(shù)據(jù)和多角度傳感器MISR數(shù)據(jù)為數(shù)據(jù)源，采用5－Scale幾何光學(xué)模型［12］與統(tǒng)計(jì)模型相結(jié)合的方法反演黑龍江省小興安嶺地區(qū)植被LAI，并對(duì)LAI反演結(jié)果進(jìn)行精度評(píng)價(jià)。

1 研究區(qū)概況與研究方法

1.1 研究區(qū)概況

研究區(qū)為黑龍江省小興安嶺地區(qū)(46°28'～49°21'N，127°42'～130°14'E)，位于中國(guó)黑龍江省中北部。其北部以黑龍江中心航線為界，與俄羅斯隔江相望，邊境線長(zhǎng)249.5 km，是中國(guó)東北邊疆的重要門戶。林業(yè)施業(yè)區(qū)面積386萬(wàn)hm2。屬低山丘陵，北部多臺(tái)地、寬谷;中部低山丘陵，山勢(shì)和緩;南部屬低山，山勢(shì)較陡。最高峰為平頂山，海拔1 429 m。西部鐵力市位于松嫩平原，地勢(shì)呈波狀。該地區(qū)屬北溫帶大陸季風(fēng)氣候區(qū)。四季分明，冬季嚴(yán)寒、干燥而漫長(zhǎng);春季回暖快;夏季溫?zé)釢駶?rùn);秋季暫短、降溫迅速。年平均氣溫－1～1℃，最冷為1月份，－20～－25℃，最熱為7月份，氣溫20～21℃，極端最高氣溫為35℃。全年大于10℃活動(dòng)積溫1 800～2 400℃，無(wú)霜期90～120 d。年平均日照數(shù)2 355～2 400 h。年降雨量550～670 mm，降雨集中在夏季。林區(qū)森林茂密，樹(shù)種較多。有林地面積280萬(wàn) hm2，森林覆被率為72.6%，活立木總蓄積2.4億m3。森林類型是以紅松為主的針闊葉混交林。主要樹(shù)種有紅松、云杉、冷杉、興安落葉松、樟子松、水曲柳、黃菠蘿、胡桃楸、楊、椴、樺和榆等。小興安嶺得天獨(dú)厚的自然生態(tài)條件，繁衍生長(zhǎng)著紅松等許多珍貴樹(shù)木，是中國(guó)主要林業(yè)基地。

1.2 遙感數(shù)據(jù)的預(yù)處理

本研究使用的遙感數(shù)據(jù)為2010年7月21日的MISR1B數(shù)據(jù)和同期的MODIS土地覆蓋類型數(shù)據(jù)。

多角度MISR影像有藍(lán)、綠、紅及近紅外4個(gè)波段，并從9個(gè)方向?qū)Φ孛孢M(jìn)行觀測(cè)，見(jiàn)表1，其中心波長(zhǎng)分別為446、558、672和867 nm?？臻g分辨率為1.1 km。

表1 MISR影像9個(gè)觀測(cè)角度值對(duì)應(yīng)表Tab.1 Value of MISR data by 9 observation angles

對(duì)于多角度MISR數(shù)據(jù)，選擇空間斜墨卡托(Space Oblique Mercator，SOM)作為幾何糾正后的數(shù)據(jù)投影。因此應(yīng)首先定義一個(gè)SOM影像的像元，計(jì)算出該像元所對(duì)應(yīng)地面點(diǎn)在MSIR影像上的相應(yīng)位置，再對(duì)該位置鄰近的MSIR像元進(jìn)行重采樣，得到SOM影像像元的值。用校正后的影像作為參考基底，對(duì)其他觀測(cè)角度下的MSIR影像逐一進(jìn)行校正，最后以每一觀測(cè)角度下的MSIR影像為參考，對(duì)同一觀測(cè)角度下的其他波段影像進(jìn)行校正。這樣就得到了SOM投影下的4個(gè)波段9個(gè)角度的MISR影像。

在對(duì)MISR影像進(jìn)行大氣校正時(shí)，根據(jù)網(wǎng)站提供的濾波函數(shù)計(jì)算得到MISR各個(gè)波段權(quán)值——成函數(shù)。然后用ENVI中的FLASSH和Spectral工具作出大氣校正時(shí)需要的格式文件來(lái)對(duì)其進(jìn)行大氣校正。以觀測(cè)天頂角26.1°、45.6°和60°的MISR影像為例的大氣糾正后的影像，如圖1所示。

對(duì)于MODIS土地覆蓋類型數(shù)據(jù)，其分辨率是1 km，而本研究采用的多角度MISR數(shù)據(jù)的分辨率為1.1 km，故將MODIS影像進(jìn)行重采樣后聯(lián)合MISR影像進(jìn)行分類。

1.3 5－Scale模型實(shí)現(xiàn)與統(tǒng)計(jì)模型相結(jié)合LAI反演

1.3.1 5－Scale模型模擬冠層反射率

本研究采用5－Scale幾何光學(xué)模型模擬研究區(qū)域森林冠層反射率，根據(jù)設(shè)定的參數(shù)，運(yùn)行5－Scale模型能夠模擬研究區(qū)域針葉、闊葉森林在不同角度下的LAI與比值植被指數(shù)(SR)的對(duì)應(yīng)值。由于實(shí)地觀測(cè)不同角度的冠層反射率難度大，用物理模型模擬出各種角度下的反射率，進(jìn)而計(jì)算出SR值，用統(tǒng)計(jì)模型擬合LAI與SR的關(guān)系，實(shí)現(xiàn)LAI的反演。為了驗(yàn)證5－Scale模型模擬冠層光譜的精度，本文通過(guò)12個(gè)樣地的實(shí)測(cè)數(shù)據(jù)和經(jīng)過(guò)大氣校正的同一地區(qū)Hyperion高光譜數(shù)據(jù)與模擬結(jié)果進(jìn)行比較，發(fā)現(xiàn)5－Scale模型模擬結(jié)果可靠性較高，如圖2所示。

圖1 觀測(cè)角26.1°、45.6°和60°MISR三景MISR影像的大氣糾正后的影像和譜線分布圖Fig.1 Images and spectral line profile at observation angle 26.1°，45.6°，and 60°after atmospheric correction

圖2 12個(gè)樣地5－Scale模擬的冠層反射率、Hyperion影像像元反射率和地面實(shí)測(cè)冠層反射率的對(duì)比Fig.2 Comparison of 12 sample plots by 5-scale model on canopy reflectance，hyperion data pixel reflectance，and ground measured canopy reflectance.

1.3.2 LAI反演方法與流程

大量研究表明，植被指數(shù)與LAI存在密切的關(guān)系［13］。常用的用于反演LAI的植被指數(shù)主要包括比值植被指數(shù)(SR)［14］、歸一化差值植被指數(shù)(NDVI)［15］、垂直植被指數(shù)(PVI)［16］、修正的比值植被指數(shù)(MSR)［17］、修正的歸一化差值植被指數(shù)(MNDVI)［18］、減化比值植被指數(shù)(RSR)［19］等。本研究通過(guò)對(duì)5－Scale模型參數(shù)敏感性分析試驗(yàn)表明，比值植被指數(shù)SR與該區(qū)域LAI的相關(guān)性最好，最適合該區(qū)域LAI的遙感提取。

在經(jīng)過(guò)大氣校正和幾何精校正的MISR數(shù)據(jù)基礎(chǔ)上，計(jì)算比值植被指數(shù)SR，再與MODIS土地覆蓋類型數(shù)據(jù)相結(jié)合分別得出9個(gè)角度下針葉林和闊葉林的SR結(jié)果作為下一步建立反演模型的輸入數(shù)據(jù)。

依據(jù)研究區(qū)域?qū)崪y(cè)樣地?cái)?shù)據(jù)向5－Scale模型輸入建模參數(shù)，即LAI等，具體參數(shù)如圖3所示，得到研究區(qū)與MISR觀測(cè)角度一致的比值植被指數(shù)(SR)值的輸出結(jié)果，以指數(shù)模型分別模擬LAI與9個(gè)角度的SR的關(guān)系，作為反演模型。然后用MISR影像計(jì)算得出的9個(gè)角度下針葉林和闊葉林的SR，代入建立的反演模型最終得出研究區(qū)LAI反演結(jié)果。反演流程如圖4所示。

圖3 5－Scale模型模擬研究區(qū)域針葉、闊葉森林參數(shù)設(shè)置Fig.4 Parameters of coniferous forest and broad-leaved forest simulated by 5-scale model

圖4 基于5－Scale模型的MISR影像LAI反演流程圖Fig.3 Flowchart of LAI inversion based on 5-scale model

2 結(jié)果分析

2.1 5－Scale模型模擬結(jié)果

5－Scale模型輸入?yún)?shù)包括:環(huán)境參數(shù)和植被參數(shù)等。依據(jù)研究區(qū)域樣地?cái)?shù)據(jù)分別在MISR影像9個(gè)角度下設(shè)置模型輸入?yún)?shù)。具體參數(shù)設(shè)置如圖3所示。

葉面積指數(shù)設(shè)定范圍為0.5～10，設(shè)置步長(zhǎng)為0.1。對(duì)于MISR數(shù)據(jù)根據(jù)9個(gè)觀測(cè)角度(0°，±26.1°，±45.6°，±60.0°，±70.5)依次設(shè)定最大觀測(cè)天頂角及步長(zhǎng)進(jìn)行模擬。得到模型模擬結(jié)果，見(jiàn)表2和表3，為建立反演模型進(jìn)行數(shù)據(jù)準(zhǔn)備。

2.2 指數(shù)模型模擬結(jié)果

采用指數(shù)模型分別建立LAI與SR在MISR數(shù)據(jù)9個(gè)角度下的統(tǒng)計(jì)關(guān)系。以觀測(cè)角度70.5度為例，針葉林、闊葉林在此角度下LAI與SR的統(tǒng)計(jì)關(guān)系的模擬結(jié)果如圖5和圖6所示。

表2 5－Scale模型模擬研究區(qū)闊葉林結(jié)果Tab.2 Broad-leaved forest results in the study site simulated by 5-scale model

圖5 70.5°針葉LAI與SR的指數(shù)關(guān)系Fig.5 Relationship between coniferous LAI index and SR index at 70.5°

表3 5－Scale模型模擬研究區(qū)針葉林結(jié)果Tab.3 Coniferous forest results in the study site simulated by 5-scale model

圖6 70.5°闊葉LAI與SR的指數(shù)關(guān)系Fig.6 Relationship between broad-leaved LAI index and SR index at 70.5°

其他各角度(即 0°，± 26.1°，± 45.6°，±60.0°，－70.5)均呈現(xiàn)以上類似統(tǒng)計(jì)關(guān)系。用10個(gè)樣地的實(shí)測(cè)LAI對(duì)各個(gè)角度的模型的模擬值進(jìn)行驗(yàn)證，結(jié)果如圖7和圖8所示。

圖7 70.5°針葉LAI真實(shí)值與指數(shù)模擬值Fig.7 LAI real value and simulated value for coniferous forest at 70.5°

圖8 70.5°闊葉LAI真實(shí)值與指數(shù)模擬值Fig.8 LAI real value and simulated value for broad-leaved forest at 70.5°

2.3 LAI反演結(jié)果與分析

將經(jīng)計(jì)算得到的MISR數(shù)據(jù)9個(gè)角度下的SR結(jié)果依次輸入對(duì)應(yīng)指數(shù)模型得到各自9個(gè)角度針葉林、闊葉林LAI反演結(jié)果。由于森林中植被生長(zhǎng)方向繁雜，而且受到來(lái)自外界各種光照等條件的影響，因此其生長(zhǎng)方向具有一定的隨機(jī)性，故取其9個(gè)角度平均值作為研究區(qū)LAI的最終反演結(jié)果與實(shí)際情況較為符合，如圖9所示。研究區(qū)域植被LAI隨著緯度的增加呈現(xiàn)遞減趨勢(shì)，且反演值集中在1.1～3.1之間;反演統(tǒng)計(jì)結(jié)果表明:LAI均值為1.21，最大值為9.28，最小值為0.83。這與該地區(qū)實(shí)地調(diào)查數(shù)據(jù)較為一致，表明本研究LAI反演結(jié)果的可靠性。

圖9 小興安嶺地區(qū)LAI反演結(jié)果圖Fig.9 LAI inversion results of Xiaoxing'an Mountain forest

2.4 反演結(jié)果驗(yàn)證

選取研究區(qū)域內(nèi)20個(gè)具有代表性即能基本涵蓋研究區(qū)域內(nèi)所有優(yōu)勢(shì)樹(shù)種的樣地，其中包括11個(gè)闊葉林樣地和9個(gè)針葉林樣地進(jìn)行外業(yè)實(shí)測(cè)。為減小地形等因素對(duì)于外業(yè)實(shí)測(cè)結(jié)果的影響，將樣地盡量設(shè)置在地勢(shì)比較平坦、優(yōu)勢(shì)樹(shù)種較為單一、植被空間分布相對(duì)均勻的地點(diǎn)。在每個(gè)樣地內(nèi)用TRAC進(jìn)行實(shí)地測(cè)量。將外業(yè)實(shí)測(cè)LAI數(shù)據(jù)與反演結(jié)果進(jìn)行比較，如圖10所示，算得反演精度為95.7%，均方差為0.34，反演值在合理誤差范圍內(nèi)，反演結(jié)果較好。

式中:i和n分別表示驗(yàn)證樣本的序號(hào)和總數(shù)。

圖10 LAI反演結(jié)果與外業(yè)實(shí)測(cè)數(shù)據(jù)比較圖Fig.10 Comparison of LAI between inversion results and field measured data

3 結(jié)論與討論

本文采用5－Scale幾何光學(xué)模型模擬小興安嶺地區(qū)森林冠層SR值，然后用指數(shù)統(tǒng)計(jì)模型模擬LAI和SR關(guān)系，以多角度MISR為數(shù)據(jù)源數(shù)據(jù)對(duì)LAI進(jìn)行反演。對(duì)反演結(jié)果進(jìn)行精度檢驗(yàn)，結(jié)果表明:反演精度達(dá)到95.7%，均方差為0.34，實(shí)現(xiàn)了多角度多光譜遙感數(shù)據(jù)反演LAI，反演精度效高。多角度數(shù)據(jù)遙感反演的大區(qū)域LAI對(duì)于森林植被生物量的反演及森林生態(tài)系統(tǒng)碳、水循環(huán)等方面的進(jìn)一步研究具有重要意義。

研究中LAI反演結(jié)果與樣地實(shí)測(cè)數(shù)據(jù)存在一定偏差，有以下可能原因:

(1)多角度MISR影像質(zhì)量不夠高，可能會(huì)影響大氣校正的精度及指數(shù)模型的模擬。

(2)對(duì)MISR影像進(jìn)行的幾何校正和大氣校正不夠精確，進(jìn)而導(dǎo)致森林植被冠層反射率存在偏差。經(jīng)過(guò)校正后的植被冠層光譜反射率雖然與波譜庫(kù)中光譜特征相近，但由于并未應(yīng)用地面實(shí)測(cè)數(shù)據(jù)驗(yàn)證，因而無(wú)法精確獲得這一過(guò)程中引進(jìn)的誤差。

】

［1］Chen J M，Pavlic G，Brown L，et al.Derivation and validation of Canada-wide coarse-resolution leaf area index maps using high resolution satellite imagery and ground measurements［J］.Remote Sensing of Environment，2002，80:165-184.

［2］Chen J M，Cihlar J.Retrieving leaf area index of boreal conifer forests using Landsat TM images［J］.Remote Sensing of Environment，1996，55:153-162.

［3］Sellers P J，Mintz Y，Sud Y C，et al.A simple biosphere model(SiB)for use within general circulation models［J］.Journal of the Atmospheric Sciences，1986，43:505-531.

［4］Running S W，Nemani R R，Peterson D L，et al.Mapping regional forest evapotranspiration and photosynthesis by coupling satellite data with ecosystem simulation［J］.Ecology，1989，70:1090-1101.

［5］Bonan G B.Importance of leaf area index and forest type when estimating photosynthesis in boreal forests［J］.Remote Sensing of Environment，1993，43:303-314.

［6］Turner DP，Cohen WB，Kennedy RE，et al.Relationships between leaf area index，fPAR，and net primary production of terrestrial ecosystems［J］.Remote Sensing of Environment，1999，70:52-68

［7］Li X.Bidirectional reflectance and angular signature of objects［J］.Remote Sensing of Environment，1989，4(1):67-72.

［8］Yao Y，Yan G，Wang J.The approach on leaf area index inversion using multi-angular and multi-spectral data sets［J］.Journal of Remote Sensing，2005，9(2):117-122.

［9］Feng X.Quantitative remote sensing studies on eco-environment in InnerMongolia with multi-angle MISR data［D］.Dissertation，Chinese Academy of Sciences，2006.

［10］Goel N S，Grier T.Estimation of canopy parameters of row planted vegetation canopies using reflectance data for only four view directions［J］.Remote Sensing of Environment，1987，21:37-51.

［11］Fang H，Liang S.A hybrid inversion method for mapping leaf area index from MODIS data:experiments and application to broadleaf and needleleaf canopies［J］.Remote Sens.Environment，2005，94:405-424.

［12］White P，Miller J R，Chen J.Four-scale linear model for anisotropic reflectance(FLAIR)for plant canopies-Part I:model description and partial validation［J］.IEEE Transactions on Geoscience and Remote Sensing，2001，39(5):1072-1083.

［13］Zhang R.Experimental Remote Sensing Model and Groundwork［M］.Beijing:Science Press，1996.

［14］Jordan C F.Derivation of leaf area index from quality of light on the forest floor［J］.Ecology，1969，50:663-666.

［15］Rouse J W，Haas R H，Schell J A，et al.Monitoring vegetation systems in the great plains with ERTS［A］.In Proceedings of Third ERTS Symposium［C］，1974:309-317.

［16］Richardson A J，Wiegand C L.Distinguishing vegetation from soil background information［J］.Photogrammetric Engineering and Remote Sensing，1977，43:1541-1552.

［17］Chen J M.Evaluation of vegetation indices and a modified simple ratio for boreal applications［J］.Canadian Journal of Remote Sensing，1996，22:229-242.

［18］Neman I R，Pierce L，Running S，et al.Forest ecosystem processes at the watershed scale:Sensitivity to remotely sensed leaf area index estimates［J］.International Journal of Remote Sensing，1993，14:2519-2534.

［19］Brown L，Chen J M，Leblance S G，et al.A shortwave infrared modification to the simple ratio for LAI retrieval in boreal forests:An image and model analysis［J］.Remote Sensing of Environment，2000，71:16-25.

［20］楊曦光，范文義，于 穎.森林葉綠素含量的高光譜遙感估算模型的建立［J］.森林工程，2010，26(2):8－11.