基于HJ－1B影像的內(nèi)蒙古草地葉面積指數(shù)反演

楊燦燦，吳 見，王 春，鄧岳川

（滁州學(xué)院 地理信息與旅游學(xué)院，安徽 滁州239000）

葉面積指數(shù)（LAI）是生態(tài)系統(tǒng)，全球碳循環(huán)和氣候變化等研究的關(guān)鍵參數(shù)，而且作為描述植被冠層幾何結(jié)構(gòu)的植被特征參數(shù)可用于反映植被冠層結(jié)構(gòu)變化和植被生長過程，確定水氧交換率等［1］。莊東英等利用歸一化植被指數(shù)進(jìn)行反演LAI并且作為模型參數(shù)用于預(yù)測(cè)小麥生物量［2］。劉照言等基于多光譜遙感利用SAIL模型進(jìn)行葉面積指數(shù)的反演［3］。包剛等對(duì)草地LAI進(jìn)行高光譜數(shù)據(jù)的反演研究，取得較好的效果［4］，江淼，吳國訓(xùn)等分別對(duì)植被覆蓋及植被LAI進(jìn)行了反演并進(jìn)行尺度變化和時(shí)空特征分析［5－6］。王強(qiáng)等人利用IDL處理CHRIS多角度數(shù)據(jù)并實(shí)現(xiàn)森林葉面積指數(shù)的反演［7－8］。韓桂華等人根據(jù)不同遙感數(shù)據(jù)選擇不同的合適的模型并建立相應(yīng)的查找表反演LAI，其結(jié)果表明多角度數(shù)據(jù)反演準(zhǔn)確率有一定的提高［9］。楊飛等利用環(huán)境星影像和T M影像進(jìn)行LAI的反演并對(duì)結(jié)果進(jìn)行對(duì)比分析［10］。另外，研究表明，熱點(diǎn)區(qū)域包含豐富的冠層結(jié)構(gòu)信息，暗點(diǎn)包含有葉片的聚集信息，利用熱點(diǎn)效應(yīng)可以進(jìn)行準(zhǔn)確推斷，獲取葉片的大小形狀及LAI等參數(shù)［11］。趙娟等人采用歸一化熱暗點(diǎn)指數(shù)反演不同株型小麥的LAI，并證明多角度遙感數(shù)據(jù)在作物結(jié)果參數(shù)提取方面更具優(yōu)勢(shì)［12］。內(nèi)蒙古位于我國北部邊疆，是我國最大的草場(chǎng)和天然牧場(chǎng)。估測(cè)草地LAI對(duì)于掌握其區(qū)域草地的生長狀態(tài)，了解其空間分布格局，對(duì)合理利用草場(chǎng)，保持其特色發(fā)展其經(jīng)濟(jì)具有重要意義。本文基于HJ－1B衛(wèi)星影像，應(yīng)用植被指數(shù)模型、PROSAIL模型以及在此基礎(chǔ)上引用熱暗點(diǎn)指數(shù)與植被指數(shù)構(gòu)建模型的思想對(duì)內(nèi)蒙古草原的LAI進(jìn)行反演研究，并對(duì)反演結(jié)果進(jìn)行驗(yàn)證和分析。

1 數(shù)據(jù)和研究區(qū)介紹

實(shí)驗(yàn)區(qū)位于內(nèi)蒙古自治區(qū)貢格爾大草原，屬于蒙古東部大興安嶺西麓波狀高平原地帶經(jīng)度約為E116°48′，緯度為 N43°24′。該區(qū)草地類型以禾草、羊草、雜草群落為主，受地理環(huán)境和氣候特征的限制，生態(tài)具有脆弱性和易損性，在氣候、植被和土壤等方面是中國溫帶半干旱草原典型區(qū)域，在內(nèi)蒙古地區(qū)具有較為廣泛的代表性，實(shí)驗(yàn)區(qū)影像見圖1。

圖1 實(shí)驗(yàn)區(qū)影像

本實(shí)驗(yàn)采用的野外數(shù)據(jù)通過LAI－2000儀器實(shí)地測(cè)量獲得；量測(cè)時(shí)選取了30個(gè)樣地，每個(gè)樣地的大小為30 m×30 m，每個(gè)樣地又選3個(gè)小區(qū)域，大小為10 m×10 m，每個(gè)小區(qū)域測(cè)量的A（冠層上方測(cè)量數(shù)據(jù)），B（冠層下方測(cè)量數(shù)據(jù)）數(shù)據(jù)利用CV2000進(jìn)行處理，得到可用的LAI數(shù)據(jù)。本文將實(shí)測(cè)點(diǎn)以7∶3的比率分成兩組，70%的實(shí)測(cè)點(diǎn)進(jìn)行模型的建立與模擬，30%的實(shí)測(cè)點(diǎn)用來檢測(cè)葉面積指數(shù)反演的精度，參與模型統(tǒng)計(jì)的樣點(diǎn)數(shù)為20個(gè)。測(cè)量時(shí)間在2012年7月29日～2012年8月6日。因云霧影響，本次試驗(yàn)選取2012年8月9日HJ1BCCD衛(wèi)星影像，并對(duì)此影像進(jìn)行幾何糾正，輻射定標(biāo)和大氣校正等。

2 反演模型的建立

2．1 統(tǒng)計(jì)模型

統(tǒng)計(jì)模型是將可表達(dá)光譜特征的量（如植被指數(shù)、波段等）和植物的生物量參數(shù)（如葉面積指數(shù)、葉綠素含量等）通過實(shí)驗(yàn)數(shù)據(jù)聯(lián)系起來，建立某種相關(guān)性關(guān)系，進(jìn)而利用這種相關(guān)關(guān)系進(jìn)行葉面積指數(shù)的反演。本文選擇抗大氣阻抗植被指數(shù)（ARVI）建立反演模型，ARVI的表達(dá)式為

式中：ρR，ρB，ρNIR分別為紅色、藍(lán)色和近紅外波段的反射率；γ為阻尼系數(shù)，當(dāng)氣溶膠含量變化時(shí)，用于保持指數(shù)的穩(wěn)定性?？勾髿庵脖恢笖?shù)與LAI之間的關(guān)系如表1所示。

表1 ARVI與LAI之間的關(guān)系

從線性、二次多項(xiàng)式、冪函數(shù)、指數(shù)函數(shù)四種回歸模型中可以看出，ARVI與LAI有較強(qiáng)的關(guān)系。但在四種關(guān)系統(tǒng)計(jì)模型中，相關(guān)性最高的二次多項(xiàng)式模型R2＝0．717 5，最低的線性模型R2＝0．69，而RSME的值則以指數(shù)模型最低，線性模型最高，但相差不大，所以選擇二次多項(xiàng)式模型作為本文的植被指數(shù)反演模型。

2．2 PROSIAL反演模型

PROSAIL是在SAIL模型的基礎(chǔ)上，建立包含化學(xué)組份含量的葉片散射和吸收模型，從而將葉片模型耦合到冠層模型中反演整個(gè)冠層的生化組份含量。本研究中，PROSAIL模型中生化參數(shù)及土壤背景為試驗(yàn)同步取樣后分析結(jié)果，并設(shè)置時(shí)參考LOPEX′93（Leaf Optical Pr operties Experi ment）數(shù)據(jù)庫以及我國典型地物波譜知識(shí)庫。模型部分參數(shù)值設(shè)定如表2所示，葉傾角分布選擇為球形分布。

表2 PROSAIL的部分輸入?yún)?shù)

2．3 熱暗點(diǎn)植被指數(shù)模型

所謂“熱點(diǎn)”，即指觀測(cè)方向與太陽入射方向同側(cè)即后向散射區(qū)域存在的反射率最強(qiáng)點(diǎn)，而“暗點(diǎn)”則正好相反，是指觀測(cè)方向與入射方向異側(cè)即前向散射區(qū)域存在的反射率最弱點(diǎn)。以往的研究表明，反射率在主平面上的變化與日照情況和葉片陰影有很大的關(guān)系［10－11］。在同等光照條件下，葉片越聚集，光照葉片的數(shù)量越少，這就導(dǎo)致了在不同情況下反射率的差異。這種影響在熱暗點(diǎn)指數(shù)（HDS）有一定的表現(xiàn)?！盁岚迭c(diǎn)指數(shù)”可以被描述為“熱暗點(diǎn)差值”與“暗點(diǎn)”的比值，計(jì)算時(shí)表示為

式中：rHS，rDS分別為熱點(diǎn)和暗點(diǎn)對(duì)應(yīng)的反射率。顯而易見，HDS越高表明“熱點(diǎn)”與“暗點(diǎn)”之間的反差越大，這種強(qiáng)烈的反差來自于冠層的粗糙程度，這表明HDS與冠層結(jié)構(gòu)（如葉片空間分布等）有很大的關(guān)系，所以在進(jìn)行植被指數(shù)反演時(shí)，將熱暗點(diǎn)指數(shù)和現(xiàn)有的植被指數(shù)模型相結(jié)合構(gòu)建了具有二向反射特性的熱暗點(diǎn)植被指數(shù)模型，其數(shù)學(xué)表達(dá)式為擇－35°所在位置對(duì)應(yīng)點(diǎn)，即為暗點(diǎn)，繼而可以計(jì)算出熱暗點(diǎn)指數(shù)。

圖2 不同波段的二向反射光譜

由于“熱點(diǎn)”效應(yīng)在紅光波段和近紅外波段比較顯著，本文測(cè)試了紅色、近紅外波段熱暗點(diǎn)指數(shù)（HDS＿R、HDS＿NIR）與LAI之間的相關(guān)性度量R2。測(cè)試后得到HDS＿R與LAI之間的R2＝0．98，略高與HDS＿NIR。因此，本文用 HDS＿R和NDVI、ARVI分別構(gòu)建復(fù)合植被指數(shù)模型，具體形式及與LAI的關(guān)系如表3所示。

表3 熱暗點(diǎn)植被指數(shù)模型關(guān)系表

從表3可以看出，加入熱暗點(diǎn)指數(shù)的模型進(jìn)行模擬時(shí)的相關(guān)度與傳統(tǒng)的統(tǒng)計(jì)模型的相關(guān)度要提高很多，從0．7提升到0．89。其中 NDVI－HDS與LAI之間的關(guān)系比ARVI－HDS與LAI的關(guān)系微強(qiáng)，特別是二次多項(xiàng)式的R2最高，所以本文最終用NDVI＿HDS構(gòu)建二次多項(xiàng)式熱暗點(diǎn)植被指數(shù)模型，并應(yīng)用于實(shí)驗(yàn)區(qū)LAI的反演。

3 反演結(jié)果及分析

3．1 反演結(jié)果

統(tǒng)計(jì)模型反演LAI結(jié)果如圖3（a）所示，可以看出整個(gè)區(qū)域中植被LAI的值集中在1～1．6之間。為驗(yàn)證反演結(jié)果，在此區(qū)域隨機(jī)選擇了30個(gè)實(shí)地測(cè)量的樣本值，其最小值為0．73，最大值為2．1，平均值為1．207 6，這與反演得到的結(jié)果在整體上是一致的。從圖3（b）中可以看出，利用PROSAIL模型的反演結(jié)果碎塊比較多，植被LAI的最小值約為0．65，最大值為2，少部分值偏低或者偏高。從LAI集中范圍來看，PROSAIL模型的反演結(jié)果值的范圍與經(jīng)驗(yàn)統(tǒng)計(jì)模型范圍大致相同；從最大最小值的角度，PROSAIL模型得到最小值比植被統(tǒng)計(jì)模型的最小值大0．05，最大值相差0．2，兩種模型的反演結(jié)果大體一致。熱暗點(diǎn)植被指數(shù)模型的反演結(jié)果如圖3（c）所示?？梢钥闯觯琇AI的范圍在0～2之間，但是植被的葉面積指數(shù)在1～1．5范圍內(nèi)占有大量份額，最小值約為0．8，最大值為1．8，與經(jīng)驗(yàn)統(tǒng)計(jì)模型和輻射傳輸模型的反演結(jié)果有差異，但在整體趨勢(shì)上是一致的。結(jié)果圖比較整齊，沒有太多的碎塊，這是因?yàn)榧尤霟岚迭c(diǎn)指數(shù)后弱化了零散的地塊。

3．2 驗(yàn)證與分析

本文利用30%的實(shí)測(cè)點(diǎn)檢測(cè)葉面積指數(shù)反演的精度，各指標(biāo)如表4所示。

表4 LAI驗(yàn)證結(jié)果表

從表4可以看出，實(shí)測(cè)檢測(cè)點(diǎn)的平均值為1．207 6，傳統(tǒng)二次多項(xiàng)式統(tǒng)計(jì)模型反演得到的LAI平均值為1．216 8，比實(shí)測(cè)值高0．099 2；PROSAIL模型反演的平均值為1．267比實(shí)測(cè)值高出0．069 4熱暗點(diǎn)植被指數(shù)模型得到的LAI平均值為1．188，比實(shí)測(cè)值低0．019 6，與實(shí)測(cè)值最為接近。在與LAI的相關(guān)度方面，傳統(tǒng)二次多項(xiàng)式統(tǒng)計(jì)模型的R2＝0．612 3，PROSAIL模型為0．670 8，復(fù)合型植被指數(shù)模型為0．700 1；后者與PROSAIL模型比較接近，但略高于PROSAIL模型。在反演的理論精度方面，傳統(tǒng)二次多項(xiàng)式統(tǒng)計(jì)模型的均方根誤差RMSE為0．112 9，PROSAIL 模 型 的 RMSE 為0．076 8，熱暗 點(diǎn)植被 指數(shù)模 型為 0．089 8，僅比PROSAIL模型低0．013。

圖3 各反演模型的LAI反演結(jié)果

引入HDS因子的植被指數(shù)模型反演后的R2相對(duì)于PROSAIL模型沒有明顯優(yōu)勢(shì)，但是其可以避免過多參數(shù)的獲取。熱暗點(diǎn)植被指數(shù)模型與傳統(tǒng)的植被指數(shù)模型相比，其均值比傳統(tǒng)植被指數(shù)模型反演結(jié)果的均值更接近實(shí)測(cè)值，且相關(guān)性R2較高，誤差RMSE更小。由此說明引入HDS的統(tǒng)計(jì)模型比傳統(tǒng)統(tǒng)計(jì)模型更適合用來反演內(nèi)蒙古草地的LAI。

4 結(jié) 論

本文分別利用植被指數(shù)模型，PROSAIL模型和熱暗點(diǎn)植被指數(shù)模型對(duì)內(nèi)蒙古自治區(qū)貢格爾大草原的LAI進(jìn)行了定量反演研究。反演結(jié)果證明熱暗點(diǎn)植被指數(shù)統(tǒng)計(jì)模型的R2＝0．7，PROSAIL模型R2＝0．67，而傳統(tǒng)的植被指數(shù)模型R2＝0．61；對(duì)于內(nèi)蒙古草地而言引入熱暗點(diǎn)指數(shù)的模型反演LAI效果較好，該模型不但與LAI的相關(guān)度高，而且對(duì)于范圍在1～2之間的草地葉面積指數(shù)反演也有一定的適應(yīng)性。但是這三種模型反演的精度普遍不高，可能的原因是：建立的模型和驗(yàn)證的實(shí)測(cè)數(shù)據(jù)比較少，從而使模型建立時(shí)的統(tǒng)計(jì)性不足；影像數(shù)據(jù)處理產(chǎn)生的殘差也是定量反演精度不高的原因之一，有待進(jìn)一步改善。

［1］ POCOCK M J O，EVANS D M，MEMMOTT J．The i mpact of far m management on species－specific leaf area index far m－scale data and predictive models［J］．Agriculture Ecosystems ＆ Environ ment，2010，135（4）：279－287．

［2］ 莊東英，李衛(wèi)國，武立權(quán)．冬小麥生物量衛(wèi)星遙感估測(cè)研究［J］．干旱區(qū)資源與環(huán)境，2013，27（10）：158－162．

［3］ 劉照言，馬靈玲，唐伶俐，等．基于SAIL模型的多角度多光譜遙感葉面積指數(shù)反演［J］．干旱區(qū)地理，2010，33（1）：93－98．

［4］ 包剛，覃志豪，周義，等．基于高光譜數(shù)據(jù)和RBF神經(jīng)網(wǎng)絡(luò)方法的草地葉面積指數(shù)反演［J］．國土資源遙感，2012（2）：7－11．

［5］ 江淼，張顯峰，孫權(quán)，等．不同分辨率影像反演植被覆蓋度的參數(shù)確定與尺度效應(yīng)分析［J］．武漢大學(xué)學(xué)報(bào)：信息科學(xué)版，2011，36（3）：312－315．

［6］ 吳國訓(xùn)，阮宏華，李顯風(fēng)，等．基于MODIS反演的2000－2011年江西省植被葉面積指數(shù)時(shí)空變化特征［J］．南京林業(yè)大學(xué)學(xué)報(bào)：自然科學(xué)版，2013，37（1）：11－17．

［7］ 王強(qiáng)，白帆，唐彥，等．利用IDL與VC＋＋聯(lián)合構(gòu)建森林葉面積指數(shù)反演系統(tǒng)［J］．測(cè)繪工程，2012，21（3）：1－4．

［8］ 付海強(qiáng)，汪長城，朱建軍，等．一種改進(jìn)的POLINSAR PCT方法反演植被垂直結(jié)構(gòu)［J］．測(cè)繪工程，2014，23（11）：56－61．

［9］ 韓桂華，王強(qiáng)，劉丹丹．基于多角度遙感物理模型的葉面積指數(shù)反演［J］．測(cè)繪科學(xué)，2010，35（3）：77－79．

［10］YANG F，WANG J，CHEN P，et al．Comparison of HJ－1 A CCD and T M data and for esti mating grass LAI and fresh biomass［J］．Journal of Remote Sensing．2012，16（5）：1000－1023．

［11］陳瀚閱，牛錚，黃文江，等．基于熱點(diǎn)植被指數(shù)的冬小麥葉面積指數(shù)估算［J］．農(nóng)業(yè)工程學(xué)報(bào)，2012，28（1）：167－172．

［12］趙娟，張耀鴻，黃文江，等．基于熱點(diǎn)效應(yīng)的不同株型小麥LAI反演［J］．光譜學(xué)與光譜分析，2014，34（1）：207－211．