杉木人工林葉面積指數(shù)估測(cè)及影響因子分析

嚴(yán)恩萍，林 輝，洪奕豐，張 雨，陳 利

（1.中南林業(yè)科技大學(xué) 林業(yè)遙感信息工程研究中心，長(zhǎng)沙410004；2.國(guó)家林業(yè)局 華東森林資源監(jiān)測(cè)中心，杭州310019）

葉面積指數(shù)（LAI）是定量分析地球生態(tài)系統(tǒng)能量交換特性的重要因子，對(duì)生態(tài)系統(tǒng)碳循環(huán)和全球變化研究具有重要意義［1］。作為植被冠層結(jié)構(gòu)研究的重要參數(shù)，LAI控制著植被的生物物理過(guò)程，同時(shí)也為植冠表面能量交換提供定量信息。傳統(tǒng)的葉面積指數(shù)測(cè)量方法受儀器、人力和物力等因素的影響，只能在局部范圍進(jìn)行測(cè)量，隨著信息技術(shù)的迅速發(fā)展，遙感因其宏觀、短周期和低成本等特點(diǎn)，為林業(yè)中實(shí)時(shí)大范圍LAI監(jiān)測(cè)提供了有效途徑。

國(guó)內(nèi)外學(xué)者利用高光譜遙感數(shù)據(jù)結(jié)合地面調(diào)查數(shù)據(jù)開(kāi)展LAI的定量估測(cè)研究已有很多探索［2－4］；也有學(xué)者利用中低分辨率遙感數(shù)據(jù)（NOAA-AV HRR、MODIS、T M、ASTER），開(kāi)展了不同尺度的LAI反演研究，Gitelson等提出了新的植被指數(shù)GRVI，用綠波段代替紅波段，開(kāi)展LAI估測(cè)研究；劉占宇等構(gòu)建了針對(duì)玉米、棉花和水稻等不同作物的植被指數(shù)模型［5－9］。由多波段數(shù)據(jù)經(jīng)線性／非線性組合形成的葉面積指數(shù)，在綠色植被探測(cè)方面比單波段數(shù)據(jù)更靈敏，作為植被生長(zhǎng)狀態(tài)及空間分布密度的指示因子，被廣泛應(yīng)用于作物識(shí)別預(yù)報(bào)、植被覆蓋密度評(píng)價(jià)、土地利用覆蓋探測(cè)等領(lǐng)域［10－11］。

杉木（Cunningha mia l anceol ata）是我國(guó)南方林區(qū)主要的速生用材樹(shù)種，有近千年的栽培歷史，面積約占我國(guó)人工林總面積的24%，在南方集體林區(qū)生產(chǎn)建設(shè)中占有重要地位［12］。目前LAI監(jiān)測(cè)運(yùn)用較多的是高光譜和中低分辨率遙感技術(shù)，但采用高分辨率遙感進(jìn)行杉木葉面積指數(shù)估測(cè)及影響因子（尤其是坡向、齡組）分析的研究不多。鑒于此，本研究以湖南攸縣黃豐橋林場(chǎng)的SPOT影像為數(shù)據(jù)源，結(jié)合地面實(shí)測(cè)數(shù)據(jù)，分析從遙感影像得到的植被指數(shù)與實(shí)測(cè)LAI的相關(guān)關(guān)系，構(gòu)建適合杉木人工林LAI的最佳指數(shù)及估測(cè)模型，分析齡組、坡向等因子對(duì)LAI的影響，旨在為大區(qū)域杉木LAI信息的遙感估算提供科學(xué)依據(jù)和參考。

1 研究區(qū)概況、數(shù)據(jù)與方法

1.1 研究區(qū)概況

研究區(qū)攸縣黃豐橋國(guó)有林場(chǎng)地處湖南省株洲市攸縣東部，位于東經(jīng)113°04′—113°43′，北緯27°06′—27°24′，屬亞熱帶季風(fēng)濕潤(rùn)氣候區(qū)，年平均氣溫17.8℃、降水量1 410.8 mm、平均日照時(shí)間67 d、無(wú)霜期292 d左右。境內(nèi)以中低山地貌為主，最高海拔1 270 m，最低海拔115 m，坡度在20°～35°之間。土壤以板頁(yè)巖發(fā)育而成的山地黃壤為主。林場(chǎng)屬以保護(hù)為主的生態(tài)公益型林場(chǎng)，境內(nèi)森林茂盛，有木本植物430余種，森林覆蓋率達(dá)90.07%。

全場(chǎng)國(guó)有林經(jīng)營(yíng)面積228.7萬(wàn)h m2，有林地面積151.8萬(wàn)h m2，劃定生態(tài)公益林132.3萬(wàn)h m2（均為國(guó)家級(jí)）。擁有森林蓄積量891 262 m3，其中商品林蓄積434 991 m3，生態(tài)公益林蓄積456 271 m3。林分類(lèi)型以杉木人工林為主，在不同的坡向、坡度和海拔上，廣泛分布著杉木幼齡、中齡以及成熟林。試驗(yàn)區(qū)主要位于攸縣的黃豐橋鎮(zhèn)和柏市鎮(zhèn)，其中以黃豐橋國(guó)有林場(chǎng)柏市分場(chǎng)和廣黃分場(chǎng)為核心研究區(qū)域，總面積351.16 k m2。

1.2 數(shù)據(jù)來(lái)源與處理

1.2.1 遙感數(shù)據(jù) 本研究采用2009年11月28日3：06獲取的SPOT5遙感數(shù)據(jù)，影像中心坐標(biāo)為27°17′33″N，113°49′27″E。數(shù)據(jù)包括 XS1（540.0 n m）、XS2（650.0 n m）、XS3（835.0 n m）、SWIR （1 630.0 n m）4個(gè)多光譜波段，空間分辨率為10 m，全色波段空間分辨率達(dá)2.5 m。太陽(yáng)高度角和方位角分別為45.11°和158.74°，視場(chǎng)范圍為60 k m×60 k m。

1.2.2 地面調(diào)查數(shù)據(jù) 運(yùn)用角規(guī)抽樣方法對(duì)林分進(jìn)行調(diào)查獲取地面數(shù)據(jù)，結(jié)合攸縣土地利用類(lèi)型圖以及2008年森林資源調(diào)查數(shù)據(jù)，分析杉木人工林的整體分布情況，設(shè)置60 m×60 m的樣地107塊，調(diào)查時(shí)間為2009年11月15日至2009年12月5日。所有樣地均為人工純林，其中杉木林78塊，主要為中齡林和近熟林；其他樣地29塊，包括馬尾松林、闊葉樹(shù)林和竹林。

共采集107塊樣地的地面實(shí)測(cè)LAI數(shù)據(jù)（圖1），在每個(gè)樣地的四角和中心分別設(shè)置一個(gè)測(cè)點(diǎn)，每個(gè)測(cè)點(diǎn)分別進(jìn)行4次葉面積指數(shù)測(cè)量，取4次測(cè)量的平均值作為該點(diǎn)的實(shí)測(cè)葉面積指數(shù)，同時(shí)用GPS記錄每一測(cè)點(diǎn)的經(jīng)緯度，最后取每塊樣地所有測(cè)點(diǎn)的平均值作為該樣地的葉面積指數(shù)。

圖1 地面實(shí)測(cè)LAI樣點(diǎn)分布

1.3 研究方法

1.3.1 地物反射率的計(jì)算

（1）幾何校正 使用經(jīng)過(guò)輻射校正的SPOT 5多光譜波段數(shù)據(jù)，在1∶100 00地形圖上選擇明顯特征點(diǎn)30個(gè)，對(duì)原始影像進(jìn)行幾何校正，誤差控制在1個(gè)

式中：A——輻射校正后圖像產(chǎn)品的絕對(duì)定標(biāo)增益；B——圖像產(chǎn)品的絕對(duì)定標(biāo)偏置；在DI M參數(shù)文件中分別以 Physical-Gain和 Physical-Bias的形式給出，單位為 W／（m2·sr·μm）；X——幾何校正后的圖像像元值；L——經(jīng)像元值X計(jì)算得到的輻射亮度，單位是 W／（m2·sr·μm）。

（3）地物反射率的計(jì)算 從地物能量轉(zhuǎn)換的角度看，地物輻射亮度是一個(gè)關(guān)于太陽(yáng)等效輻射亮度L、太陽(yáng)天頂角θ和等效地物反射E0的函數(shù)，考慮到太陽(yáng)公轉(zhuǎn)時(shí)日地距離因子d的變化，則地物大氣頂部等效反射率的計(jì)算公式為：像元以?xún)?nèi)。數(shù)據(jù)采用DI MAP格式分發(fā)，各個(gè)參數(shù)存放在輔助數(shù)據(jù)文件中文件名為METADATA.DI M，采用XML格式記錄。

（2）地物輻射亮度的計(jì)算 經(jīng)幾何校正后的SPOT 5數(shù)據(jù)，再經(jīng)過(guò)輻射定標(biāo)處理，即可得到地物的輻射亮度值，定標(biāo)公式為［13］：

式中：d以天文單位表示，取值在0.983～1.017之間，本文d值取1；E0的單位為 W／（m2·sr·μm）。E0在參數(shù)文件中以SOLAR＿IRRADIANCE＿VALUE為標(biāo)簽給出，太陽(yáng)高度角以SUN＿ELEVATION為標(biāo)簽給出，計(jì)算其余角即得到θ。

1.3.2 植被指數(shù)的計(jì)算

（1）歸一化植被指數(shù) 歸一化植被指數(shù)（Nor malized Difference Vegetation Index）是目前信息提取最常用的參數(shù)，因?yàn)樗c植被覆蓋度、植被綠度、植被生產(chǎn)力等均具有很好的線性關(guān)系［14－16］，是反映不同土地覆蓋類(lèi)型生物特性差異的重要指標(biāo)［17］，如生物量、植被長(zhǎng)勢(shì)、植被覆蓋度等［18］，計(jì)算公式為：

（2）土壤調(diào)節(jié)植被指數(shù) 研究表明，不同土壤背景反射率與土結(jié)構(gòu)、顏色、濕度有關(guān)，直接影響著植被發(fā)射波譜特征。為修正NDVI對(duì)土壤背景噪聲的敏感性，Huete提出了土壤調(diào)節(jié)植被指數(shù)SAVI［19］，公式如下：

其中，L為常量，介于0～1之間，L＝1時(shí)，土壤背景影響為0；L＝0時(shí)，土壤背景影響非常大，即植被覆蓋度為0［20－21］。為較好地消除土壤背景影響，L通常取值0.5。

（3）修正的土壤調(diào)節(jié)植被指數(shù)NDVI能反映出植物冠層的背景影響，為進(jìn)一步削弱土壤背景的影響，Qi等［22］在SAVI的基礎(chǔ)上提出了修正的土壤調(diào)節(jié)植被指數(shù)（MSAVI），土壤調(diào)節(jié)因子由植被指數(shù)自身調(diào)整，表達(dá)式如下：

（4）修正的葉綠素調(diào)節(jié)植被指數(shù) 為提高植被指數(shù)對(duì)LAI的敏感度，Daughtr y等［23］在葉綠素吸收指數(shù)（CARI）的基礎(chǔ)上提出了修正的葉綠素調(diào)節(jié)指數(shù)（MCARI），計(jì)算公式如下：

式中：ρNIR——近紅外波段表觀反射率；ρRED——紅波段表觀反射率；ρGREEN——綠波段表現(xiàn)反射率。

2 結(jié)果與分析

2.1 杉木信息的遙感提取

SPOT 5影像上杉木人工林的光譜特征明顯區(qū)別于其他林地，這為準(zhǔn)確提取杉木人工林提供了依據(jù)。從多光譜影像上提取對(duì)植被信息敏感的近紅外波段，利用歸一化植被指數(shù)（NDVI）和全色波段提取的紋理信息，輔助2008年黃豐橋林場(chǎng)森林資源分布圖和野外調(diào)查數(shù)據(jù)，建立訓(xùn)練樣本，采用最大似然監(jiān)督分類(lèi)，提取研究區(qū)的杉木人工林覆蓋信息。經(jīng)檢驗(yàn)，分類(lèi)精度達(dá)89.94%，Kappa系數(shù)為0.87，可以滿(mǎn)足后續(xù)研究要求。

2.2 葉面積指數(shù)遙感反演

2.2.1 相關(guān)特征統(tǒng)計(jì) 為探求實(shí)測(cè)LAI數(shù)據(jù)與各植被指數(shù)之間的關(guān)系，在SPSS 16中進(jìn)行統(tǒng)計(jì)（包括最小值、最大值、平均值和標(biāo)準(zhǔn)差），結(jié)果見(jiàn)表1。

表1 實(shí)測(cè)LAI數(shù)據(jù)及其不同植被指數(shù)的相關(guān)統(tǒng)計(jì)特征

標(biāo)準(zhǔn)差反映了個(gè)體偏離均值的程度，是衡量樣本數(shù)據(jù)質(zhì)量的重要指標(biāo)。標(biāo)準(zhǔn)差越大，則樣本中所有個(gè)體出現(xiàn)的概率趨于相等，個(gè)體數(shù)據(jù)分布越分散；反之，則樣本中所有數(shù)據(jù)集中在某個(gè)中心值附近。由表1可知：實(shí)測(cè)LAI數(shù)據(jù)介于1.48～5.22之間，標(biāo)準(zhǔn)差為0.80，LAI數(shù)據(jù)整體質(zhì)量理想，可以滿(mǎn)足后續(xù)LAI模型估測(cè)的要求；四種植被指數(shù)的標(biāo)準(zhǔn)差順序依次為：NDVI＞MCARI＞MSAVI≥SAVI。由此可見(jiàn)，NDVI、MCARI分布比較分散，在模型估測(cè)參數(shù)選擇時(shí)可重點(diǎn)考慮。

2.2.2 相關(guān)性分析 從78組樣本數(shù)據(jù)中剔除兩組異常數(shù)據(jù)，根據(jù)年齡、郁閉度、坡度、坡向和海拔，抽取各齡組2／3的數(shù)據(jù)用來(lái)構(gòu)建葉面積指數(shù)估測(cè)模型，其中包括每個(gè)齡組樣地?cái)?shù)據(jù)中LAI值最大和最小的兩組數(shù)據(jù)，共有50組數(shù)據(jù)作為樣本用于估測(cè)模型擬建，剩余26組數(shù)據(jù)作為檢驗(yàn)樣本評(píng)價(jià)模型精度。計(jì)算各變量與實(shí)測(cè)杉木葉面積指數(shù)之間的相關(guān)性（Pearson簡(jiǎn)單相關(guān)系數(shù)），結(jié)果見(jiàn)表2。

表2 植被指數(shù)與LAI相關(guān)性

由表2可知，四種植被指數(shù)均與杉木葉面積指數(shù)呈顯著相關(guān)關(guān)系，具有較高的相關(guān)性，依次為MCARI、SAVI、MSAVI、NDVI，其中相關(guān)性最高的為修正的葉綠素調(diào)節(jié)植被指數(shù)（MCARI），達(dá)0.836。2.2.3 模型構(gòu)建 為了實(shí)現(xiàn)杉木LAI的有效估算，本研究采用葉面積指數(shù)與四種植被指數(shù)分別建立一元線性模型、二次曲線模型、對(duì)數(shù)模型、指數(shù)模型。

表3 杉木LAI與植被指數(shù)擬合模型

分析表3可知，采用二次曲線模型、指數(shù)模型和一元線性模型擬合杉木LAI，MCARI擬合效果最好，R2分別為0.713，0.662，0.675；其次是土壤調(diào)節(jié)植被指數(shù) SAVI，決定系數(shù) R2為0.646，0.636，0.630；MSAVI、NDVI擬合效果較前兩者略差。

綜上，基于SPOT 5表觀反射率計(jì)算的四種植被指數(shù)與杉木LAI均有較高的擬合程度，用它們建立的回歸方程的顯著性都在95%以上，擬合效果最佳的是 MCARI，其次是SAVI、MSAVI，最差的是NDVI。表明NDVI因受不同背景因素的影響，回歸效果不是很理想；而 MCARI、SAVI、MSAVI因能進(jìn)一步抑制葉綠素和土壤背景因素的干擾，對(duì)植被信息和葉面積指數(shù)比較敏感，因而可以更好地用于杉木葉面積指數(shù)的遙感定量反演研究。

2.2.4 精度驗(yàn)證 為進(jìn)一步驗(yàn)證模型的擬合精度，采用余下的26組數(shù)據(jù)分別代入擬合精度最高的四組模型中，求得估測(cè)值。將LAI實(shí)測(cè)值與估測(cè)值進(jìn)行一元線性回歸模型擬合，檢驗(yàn)?zāi)Ｐ偷墓罍y(cè)精度。檢驗(yàn)公式如下：

式中：n——檢驗(yàn)樣本容量；yi——第i個(gè)檢驗(yàn)樣本值；＾yi——對(duì)應(yīng)第i個(gè)樣點(diǎn)估計(jì)值；RMSE——總均方根誤差，其值越小，表明精度越高；RE——相對(duì)誤差，以其絕對(duì)值的平均值作為模型精度檢驗(yàn)指標(biāo)，值越小表明精度越高。

LAI既是單植被指標(biāo)，又與其他植被指數(shù)具有良好的相關(guān)性。由表4可知，以MCARI為自變量的二次多項(xiàng)式模型得到的LAI估測(cè)值，其擬合方程可靠性最高，R2達(dá)0.713，居6個(gè)模型最低，但均方根誤差、平均相對(duì)誤差較以MCARI為自變量的指數(shù)模型略低，分別為0.427 8，12.85%；以 MCARI為自變量的指數(shù)回歸模型得到的LAI估測(cè)值，R2為0.662，RMSE、平均相對(duì)誤差最低，分別為0.417 8，12.31%；以SAVI（L＝0.5）為自變量的二次曲線回歸模型，其擬合方程的可靠性最低，R2僅0.646，RMSE最高達(dá)0.474 0，估測(cè)精度最低，僅為85.87%。

本研究建立的4種一元回歸模型中擬合程度最高的4個(gè)模型的估測(cè)精度均超過(guò)了85.87%，可對(duì)葉面積指數(shù)進(jìn)行較高精度的定量估測(cè)，其中以MCARI為自變量的指數(shù)回歸模型估測(cè)精度最高，達(dá)87.69%。

表4 模型精度檢驗(yàn)結(jié)果比較

2.2.5 反演制圖 為了驗(yàn)證SPOT 5數(shù)據(jù)估測(cè)杉木人工林LAI的可靠性，采用GIS的裁剪功能獲得研究區(qū)杉木人工林的MCARI分布圖層，將以MCARI為自變量的指數(shù)回歸模型代入Arc GIS 10.0的柵格計(jì)算器，獲得研究區(qū)杉木人工林的葉面積指數(shù)分布（圖2）。為進(jìn)一步分析杉木人工林葉面積指數(shù)的變化規(guī)律，結(jié)合研究區(qū)2008年森林資源分布圖，利用Arc GIS 10.0的Spatial Analysis功能得到研究區(qū)LAI隨不同調(diào)查因子的變化情況，結(jié)果見(jiàn)表5、圖3。

2.3 葉面積指數(shù)影響因子分析

2.3.1 葉面積指數(shù)空間分布特征 圖2給出了研究區(qū)葉面積指數(shù)的分布，從SPOT 5遙感反演的結(jié)果來(lái)看，效果理想，葉面積指數(shù)整體呈現(xiàn)南北高東西低的趨勢(shì)。從區(qū)域分布來(lái)看，研究區(qū)北部—柏市分場(chǎng)一帶，水熱條件好，人為干擾活動(dòng)少，植被以常綠針葉林為主，葉面積指數(shù)居整體區(qū)域最高，遙感反演的數(shù)值多在3～5之間，部分區(qū)域＞5；東南部因有幾條比較大的山脈，天然林較多，LAI多在2～4之間；西部葉面積指數(shù)偏低，集中在1～2之間，城鎮(zhèn)、石漠化地區(qū)葉面積指數(shù)＜1，人為干擾程度較大。通過(guò)比較發(fā)現(xiàn)，研究區(qū)最大葉面積指數(shù)主要出現(xiàn)在西北部的高山少人區(qū)，受水分濕度、人為因素限制明顯。

2.3.2 齡組對(duì)杉木葉面積指數(shù)的影響 齡組是影響杉木光輻射量及其冠層結(jié)構(gòu)的重要因子，因?yàn)椴煌g組樹(shù)體樹(shù)干、冠層大小等明顯不同，相應(yīng)葉片的光合能力也不同。對(duì)比幼齡林、中齡林、近熟林和成熟林的杉木人工林LAI，結(jié)果顯示，杉木LAI隨齡組的增大呈上升趨勢(shì)（表5），至成熟林LAI達(dá)到最大，平均葉面積指數(shù)為3.20，比幼齡林LAI的2.90高出0.30；其增長(zhǎng)速率逐步遞減，從幼齡林到成熟林依次遞增0.18，0.09，0.03，可能是隨著林齡的增長(zhǎng)，杉木光合作用能力減弱，但總體上LAI處于逐步上升狀態(tài)。均值比較結(jié)果顯示，同一地區(qū)不同齡組杉木LAI兩兩之間有差異，說(shuō)明不同齡組杉木的樹(shù)冠和葉片生長(zhǎng)狀況差異較大，在實(shí)施經(jīng)營(yíng)措施時(shí)應(yīng)該區(qū)別對(duì)待。

圖2 研究區(qū)LAI分布圖

2.3.3 坡向?qū)ι寄救~面積指數(shù)的影響 坡向是影響LAI的主要地形因子，因?yàn)樗潜碚鞯乇砻婢植拷邮荜?yáng)光和重新分配太陽(yáng)輻射量的指標(biāo)，能直接造成局部地區(qū)氣候特征的差異，導(dǎo)致不同坡向上植被類(lèi)型及其生長(zhǎng)狀況明顯不同［24］。對(duì)比陽(yáng)坡、半陽(yáng)坡、陰坡杉木（坡度介于20°～30°之間）LAI，結(jié)果顯示，不同坡向的LAI在整個(gè)杉木生長(zhǎng)期間隨齡組的增大均呈不斷上升趨勢(shì)（圖3）。同一齡組內(nèi)，半陽(yáng)坡LAI最大，陰坡其次，陽(yáng)坡最小。其中成熟林半陽(yáng)坡LAI最大（達(dá)4.33），約為陰坡的1.44倍，整體高出1.33。這是由于杉木為較喜光樹(shù)種，半陽(yáng)坡濕度、光照合適，適宜杉木生長(zhǎng)；陰坡次之，而陽(yáng)坡因溫差大、日照長(zhǎng)、濕度小，杉木生長(zhǎng)差。坡向分析結(jié)果表明，對(duì)杉木生長(zhǎng)和分布起限制作用的首要因素是水濕條件，其次是溫度條件。

表5 各影響因子與杉木LAI的相關(guān)性統(tǒng)計(jì)

2.3.4 其他因子對(duì)葉面積指數(shù)的影響 作為表征植被冠層結(jié)構(gòu)的基本參數(shù)之一，葉面積指數(shù)被廣泛用于植物生長(zhǎng)、能量和冠層反射的模型研究［25］。影響葉面積指數(shù)的因子很多，包括土壤濕度、作物種類(lèi)、種植密度、海拔、坡度等。分析表5可知，海拔、胸徑、樹(shù)高、郁閉度對(duì)杉木葉面積指數(shù)均有一定的影響，而且隨著這些因子值的升高，LAI逐漸增大，特別是在高海拔、高郁閉度地區(qū)，葉面積指數(shù)均高于平均值，可能因?yàn)檫@些地區(qū)土壤濕度大，光照氣溫適宜，比較適合于杉木的生長(zhǎng)。與其他地形因子相比，坡度對(duì)LAI的影響并不顯著。

圖3 不同坡向杉木人工林LAI分布

3 結(jié)論

LAI作為計(jì)算干物質(zhì)累積和植物蒸散的重要參數(shù)，最能反映植被生長(zhǎng)狀態(tài)與遙感數(shù)據(jù)的密切關(guān)系［26］。本研究利用SPOT 5數(shù)據(jù)提取植被指數(shù)，與實(shí)測(cè)杉木LAI建立回歸模型，利用Arc GIS 10.0得到研究區(qū)LAI的空間分布，分析齡組、坡向等因子對(duì)杉木LAI的影響。相關(guān)性分析表明，4種植被指數(shù)均與杉木葉面積指數(shù)具有較高的相關(guān)性，依次為MCARI、SAVI、MSAVI、NDVI，以 MCARI為自變量的指數(shù)回歸模型y＝1.031exp（3.379x）估測(cè)精度最高，達(dá)87.69%；模型精度檢驗(yàn)說(shuō)明利用遙感因子對(duì)LAI進(jìn)行快速、高精度、大范圍的定量估測(cè)是可行的。杉木LAI隨齡組的增大呈上升趨勢(shì)，最大值出現(xiàn)在成熟林；不同坡向杉木LAI之間差異顯著，半陽(yáng)坡LAI明顯大于其他坡向。研究表明，齡組和坡向是影響杉木LAI的重要因子，限制其生長(zhǎng)和分布的首要因素是水濕條件，其次是溫度。

4 討論

葉面積指數(shù)作為植被長(zhǎng)勢(shì)遙感監(jiān)測(cè)中最常用的綜合參數(shù)之一，國(guó)內(nèi)外已有眾多研究，并提出了不同敏感區(qū)域和和波段組合的植被指數(shù)［27－28］，利用植被指數(shù)估算LAI雖能取得較好效果，但其穩(wěn)定性和預(yù)測(cè)能力難以保證［29］。（1）LAI的空間分布特征主要受降水量、平均溫度和光照的影響。相關(guān)研究認(rèn)為，杉木LAI在0～5時(shí)，其與生物量呈顯著的相關(guān)關(guān)系，即隨著LAI的增大，生物量明顯增加［30］。水濕條件是影響坡地杉木LAI的主要因素。（2）齡組是影響杉木冠層結(jié)構(gòu)及生長(zhǎng)狀況差異的重要因子。不同齡組杉木葉片光合能力各異，針對(duì)不同齡組杉木的經(jīng)營(yíng)措施也應(yīng)有所側(cè)重：生長(zhǎng)期則主要以控制樹(shù)形，修枝剪枝為主；而成熟期主要以穩(wěn)定材積，增強(qiáng)樹(shù)勢(shì)為目的。受試驗(yàn)條件的限制，關(guān)于同一齡組不同地形條件杉木的LAI是否存在明顯差異，未進(jìn)行研究。（3）地形因子中坡向?qū)AI的影響比較顯著［31］，半陽(yáng)坡降水量、相對(duì)濕度比陽(yáng)坡大，前者太陽(yáng)輻射、溫度比陰坡大，加之杉木為較喜光樹(shù)種，因此研究區(qū)半陽(yáng)坡的杉木比陽(yáng)坡長(zhǎng)勢(shì)好，陰坡次之，且成熟林LAI為陽(yáng)坡的1.44倍。結(jié)果顯示，對(duì)杉木生長(zhǎng)和分布起限制作用的首要因素是水濕條件，其次是溫度。其他因子對(duì)杉木LAI也有影響，至于是否顯著有待今后進(jìn)一步研究。

葉面積指數(shù)估測(cè)一直是遙感反演領(lǐng)域的熱點(diǎn)，雖然通過(guò)構(gòu)建各種植被指數(shù)能提高葉面積指數(shù)遙感估測(cè)的精度，但有效構(gòu)建LAI的物理模型還需加強(qiáng)。同時(shí)，本研究構(gòu)建的LAI估算模型成果能否在更大范圍內(nèi)適用也需要進(jìn)一步驗(yàn)證。杉木LAI除受儀器、算法等的影響外，還取決于植被周?chē)沫h(huán)境因素，如植株密度、葉冠、土壤背景、大氣等，其影響否顯著有待進(jìn)一步驗(yàn)證。

［1］ Haboudane D，Miller J R，Pattery E，et al.Hyperspectral vegetation indices and novel algorith ms for predicting green LAI of crop canopies：modeling and validation in the context of precision agriculture［J］.Remote sens-

ing of Envir on ment，2004，90（3）：337-352.

［2］ 柏軍華，李少昆，王克如，等.棉花葉面積指數(shù)冠層反射率光譜響應(yīng)及其反演［J］.中國(guó)農(nóng)業(yè)科學(xué)，2007，40（1）：63-69.

［3］ 張正楊，馬新明，賈方方，等.煙草葉面積指數(shù)的高光譜估算模型［J］.生態(tài)學(xué)報(bào)，2012，32（1）：168-175.

［4］ 靳華安，劉殿偉，王宗明，等.三江平原濕地植被葉面積指數(shù)遙感估算模型［J］.生態(tài)學(xué)雜志，2008，27（5）：803-808.

［5］ 何磊，唐姝婭，苗放，等.岷江上游典型流域葉面積指數(shù)的遙感模型及反演［J］.水土保持研究，2010，17（1）：218-221.

［6］ Ahl D E，Gower S T，Burr ows S N，et al.Monitoring spring canopy phenology of a deciduous broadleaf f orest using MODIS［J］.Remote Sensing of Environ ment，2006，104（1）：88-95.

［7］ 徐涵秋，張鐵軍.ASTER與Landsat ET M＋植被指數(shù)的交互比較［J］.光譜學(xué)與光譜分析，2011，31（7）：1902-1907.

［8］ 林超文，陳一兵，黃晶晶.中國(guó)四川間作地區(qū)作物高度、覆蓋度和葉面積指數(shù)的時(shí)間變化［J］.水土保持研究，2007，14（2）：72-75.

［9］ 劉占宇，黃敬峰，王福民，等.估算水稻葉面積指數(shù)的調(diào)節(jié)型歸一化植被指數(shù)［J］.中國(guó)農(nóng)業(yè)科學(xué)，2008，41（10）：3350-3356.

［10］ 田慶久，閔祥軍.植被指數(shù)研究進(jìn)展［J］.地球科學(xué)進(jìn)展，1998，13（4）：327-333.

［11］ 陸廣勇，楊勤科，王海江.基于 MODIS-NDVI時(shí)序數(shù)據(jù)的黃土丘陵區(qū)土地覆蓋分類(lèi)研究［J］.水土保持研究，2012，18（2）：112-120.

［12］ 鄧寶珍.生態(tài)型林地清理對(duì)杉木生長(zhǎng)及物種多樣性的影響［J］.林業(yè)科技開(kāi)發(fā)，2007，21（5）：32-34.

［13］ 劉宇光，金明，馮鐘葵，等.SPOT數(shù)據(jù)反演地物輻射亮度和反射率的基礎(chǔ)研究［J］.地球信息科學(xué)，2005，7（2）：111-115.

［14］ Tomoaki M，Alfredo H，Hiroki Y.An empirical investigation of ross-sensor relationships of NDVI and red／near-infrared eflectance using EO-1 Hyperion data［J］.Remote Sensing of Environment，2006，100（2）：223-236.

［15］ Asrar G，F(xiàn)uchs M，Kanemasu E T.Estimating abor bed photosynthetically active radiation and leaf area index fro m spectral reflectance in wheat［J］.Agr ono my Jour nal，1984，76（2）：300-306.

［16］ Boegh E，Soegaard H，Hanan N.A remote sensing

study of the NDVI-Ts relationship and the transpiration fro m sparse vegetation in the Sahel based on high-resolution satellite data［J］.Remote Sensing of Environ-ment，1999，69（3）：224-240.

［17］ 裴歡，魏勇，房世峰，等.基于SPOT高分辨率遙感數(shù)據(jù)的綠洲荒漠化土地分類(lèi)方法：以吐魯番綠洲為例［J］.2011，33（6）：1204-1210.

［18］ 龐吉林，張克斌，喬娜，等.基于RS的鹽池縣近10年植被覆蓋度動(dòng)態(tài)變化研究［J］.水土保持研究，2012，19（4）：112-121.

［19］ Huete A R.A soil-adjusted vegetation index （SAVI）［J］.Remote Sensing of Environ ment，1988，25（3）：295-309.

［20］ Kauf man Y J，Tanre D.At mospherically resistant vegetation index （ARVI）f or EOS-MODIS［J］.IEEE Trans Geosci Remote Sensing，1992，30（2）：261-270.

［21］ Richardson A J，Wiegand C L.Distinguishing vegetation from soil background infor mation［J］.Photogram Metric Engineering and Remote Sensing，1977，43（12）：1541-1552.

［22］ Qi J，Huete A R.Inter pretation of vegetation indices derived fro m multi-temporal SPOT i mages［J］.Remote Sensing of Environ ment，1993，44（1）：89-101.

［23］ Daughtr y C S T，Walthall C L，Ki m M S，et al.Estimating cor n leaf chlorophyll concentration fro m leaf and canopy reflectance［J］.Remote Sensing of Environment，2000，74（2）：229-239.

［24］ 何婷婷，汪有科，張陸軍，等.黃土高坡地棗樹(shù)林齡和對(duì)葉面積指數(shù)的影響［J］.果樹(shù)學(xué)報(bào)，2010，27（2）：293-298.

［25］ Daniel A C.Spectral short-circuiting and wake pr oduction within the canpoy tr unk space of an alpine hardwood f orest［J］.Boundary Layer Meteorol，2008，126（2）：415-431.

［26］ 王希群，馬履一，賈忠奎，等.葉面積指數(shù)的研究和應(yīng)用進(jìn)展［J］.生態(tài)學(xué)雜志，2005，24（5）：537-541.

［27］ 程乾，黃敬峰，王人潮，等.MODIS植被指數(shù)與水稻葉面積指數(shù)及葉片葉綠素含量相關(guān)性研究［J］.應(yīng)用生態(tài)學(xué)報(bào)，2004，15（8）：1363-1367.

［28］ 宋開(kāi)山，張柏，王宗明，等.基于人工神經(jīng)網(wǎng)絡(luò)的大豆葉面積高光譜反演研究［J］.中國(guó)農(nóng)業(yè)科學(xué)，2006，39（6）：1138-1145.

［29］ 張柏，宋開(kāi)山，張淵智，等.大豆面積的高光譜模型［J］.沈陽(yáng)農(nóng)業(yè)大學(xué)學(xué)報(bào)，2005，36（4）：396-400.

［30］ 林偉，鄭博福，胡里樂(lè)，等.井岡山森林碳儲(chǔ)量與LAI和材積的相關(guān)性［J］.生態(tài)環(huán)境學(xué)報(bào)，2011，20（12）：1831-1835.

［31］ 呂瑜良，劉世榮，孫鵬森，等.川西亞高山暗針葉林葉面積指數(shù)的季節(jié)動(dòng)態(tài)與空間變異特征［J］.林業(yè)科學(xué)，2007，43（8）：1-7.