基于多角度遙感的植被指數(shù)與葉面積指數(shù)的線性關(guān)系研究

白蘭東，茍葉培，邵文文，郭云開，伍 文

（1．成都市國(guó)土規(guī)劃地籍事務(wù)中心，四川成都610072；2．北京建達(dá)道橋咨詢有限公司，北京100015；；3．長(zhǎng)沙理工大學(xué)，湖南長(zhǎng)沙410076）

?

基于多角度遙感的植被指數(shù)與葉面積指數(shù)的線性關(guān)系研究

白蘭東1，茍葉培1，邵文文2，郭云開3，伍 文1

（1．成都市國(guó)土規(guī)劃地籍事務(wù)中心，四川成都610072；2．北京建達(dá)道橋咨詢有限公司，北京100015；；3．長(zhǎng)沙理工大學(xué)，湖南長(zhǎng)沙410076）

摘 要：以輻射傳輸方程PROSAIL為基礎(chǔ)，模擬不同觀測(cè)天頂角和不同葉面積指數(shù)（LAI）下的植被冠層光譜。利用模擬的冠層光譜構(gòu)建3種常用的植被指數(shù)，并分析不同觀測(cè)天頂角下葉面積指數(shù)變化對(duì)3種植被指數(shù)的影響。結(jié)果表明，MSR能較好解決由于LAI變化而引起的飽和現(xiàn)象。觀測(cè)天頂角為－30°時(shí)，3種植被指數(shù)與葉面積指數(shù)的線性關(guān)系較30°和0°時(shí)好。

關(guān)鍵詞：葉面積指數(shù)；PROSAIL模型；植被指數(shù)；多角度

遙感經(jīng)過多年的發(fā)展，已被廣泛應(yīng)用到國(guó)民經(jīng)濟(jì)的各個(gè)領(lǐng)域，成為對(duì)地觀測(cè)強(qiáng)有力的工具。由于遙感數(shù)據(jù)具有覆蓋范圍廣、時(shí)間與空間分辨率高等優(yōu)點(diǎn)，為研究陸地植被的分布、季節(jié)變化及年際間的變化提供了強(qiáng)有力的手段［1－2］。遙感作為一種現(xiàn)代化的技術(shù)在林業(yè)資源調(diào)查中發(fā)揮了極其重要的作用，并展示了其他技術(shù)難以取代的優(yōu)勢(shì)。隨著科學(xué)科技的不斷進(jìn)展，新型多角度、高光譜遙感衛(wèi)星（如chris，國(guó)產(chǎn)資源三號(hào)等）的研究成功為植被信息的精確反演提供了新方法。由于多角度、高光譜遙感影像能夠提供植被輻射方向性和植被立體結(jié)構(gòu)特征等信息，因而能夠有效地提高森林植被信息的反演精度［3－5］。從而為森林資源的調(diào)查、保護(hù)提供了有效的手段。

葉面積指數(shù)（LAI）是陸地生態(tài)系統(tǒng)的一個(gè)十分重要的結(jié)構(gòu)參數(shù)，它和植物的蒸騰作用、太陽(yáng)光的截取、光合作用以及地表凈初級(jí)生產(chǎn)力等密切相關(guān)［6－7］。葉面積指數(shù)作為許多氣候、生態(tài)和循環(huán)模型中的重要輸入因子，對(duì)其反演的研究在遙感發(fā)展的早期就受到了重視。研究人員采用不同的方法構(gòu)建了很多關(guān)于植被的指數(shù)并將它們成功地應(yīng)用于估算葉面積指數(shù)監(jiān)測(cè)中［8］。在一系列的植被指數(shù)中，應(yīng)用最為廣泛的是歸一化植被指數(shù)（NDVI）。研究表明，歸一化植被指數(shù)能較高精度地反演葉面積指數(shù)。但是隨著LAI的增加，NDVI會(huì)出現(xiàn)一個(gè)明顯的飽和區(qū)域，這一區(qū)域的存在說明NDVI自身的一個(gè)重要缺點(diǎn)是對(duì)于高植被區(qū)域敏感性低，因而不適合用來估算高植被覆蓋區(qū)域的LAI［9］。本文基于此點(diǎn)，選取了常用的幾種植被指數(shù)，利用輻射傳輸模型PROSAIL在不同觀測(cè)角度和葉面積指數(shù)下對(duì)植被冠層反射光譜進(jìn)行了模擬，并結(jié)合模擬值構(gòu)建了不同觀測(cè)角度下的幾種植被指數(shù)。最后，分析了不同觀測(cè)角度下的植被指數(shù)與葉面積指數(shù)的線性關(guān)系，并選擇不同觀測(cè)角度的模擬值以改善植被指數(shù)與葉面積指數(shù)的線性關(guān)系，減少了飽和區(qū)域，提高了葉面積指數(shù)的遙感反演精度。這種比較分析將為今后利用多角度遙感探測(cè)植被的特定信息提供必要的參考。

1　研究方法

本研究基于輻射傳輸模型PROSAIL模擬不同觀測(cè)天頂角和葉面積指數(shù)下的植被冠層光譜，結(jié)合3種常用的植被指數(shù)（歸一化植被指數(shù)（NDVI）、比值植被指數(shù)（MSR）、葉綠素吸收指數(shù)（CARI）），分別構(gòu)建“多角度植被指數(shù)”（即PROSAIL模型模擬不同觀測(cè)天頂角下的高光譜數(shù)據(jù)而構(gòu)建的植被指數(shù)），并分析3種植被指數(shù)與葉面積指數(shù)的線性關(guān)系。

1．1 植被指數(shù)

1．1．1 歸一化植被指數(shù)（NDVI）

歸一化植被指數(shù)是紅光波段的反射值與近紅外波段的反射值之差比上兩者之和。歸一化植被指數(shù)能較好地反應(yīng)植被生長(zhǎng)狀況，因而開展對(duì)其的研究具有重要意義。歸一化植被指數(shù)的具體計(jì)算公式如下：其中：NIR為近紅外波段的反射值，R為紅光波段的反射值。

1．1．2 比值植被指數(shù)（MSR）

比值植被指數(shù)是近紅外和紅光波段處的反射率之比。該植被指數(shù)的特點(diǎn)在于其考慮了土壤和背景等因素的影響。因此，在利用該植被指數(shù)探測(cè)植被生化組分含量時(shí)能較好地克服大氣、土壤和背景等因素的影響，具有較高的精度。具體計(jì)算公式如下：

其中：NIR為近紅外波段的反射值，R為紅光波段的反射值。

1．1．3 葉綠素吸收指數(shù)（MCARI）

MCARI通過測(cè)量位于550、670、750處的反射值計(jì)算獲取。

其中：Rref1，Rref2為參考波段位置的葉片反射率，Rindex為核心波段的葉片反射率。

通過以上分析，本文選取了3種植被指數(shù)，3種植被指數(shù)所選波段和計(jì)算公式如表1所示。

表1　本研究中所使用的植被指數(shù)

1．2 模 型

1．2．1 PROSAIL模型

PROSAIL模型是在PROSPECT和SAIL模型基礎(chǔ)上建立包含化學(xué)組分含量的耦合模型。PROSPECT模型是在Allen平板模型上進(jìn)行改進(jìn)的一個(gè)輻射傳輸模型。Allen平板模型是將植被葉片看作一層表面平行且透明的平板，并假設(shè)入射光線是各向同性的。模型模擬葉片在400～2 500nm波長(zhǎng)范圍內(nèi)的反射和透射光譜特性。簡(jiǎn)化公式如下：

其中：a為最大入射角，tav（a，n）為所有入射和折射方向的平均輻射在平板表面的透射率，n為葉肉界面折射指數(shù)，N為葉片葉肉結(jié)構(gòu)參數(shù)。

SAIL模型是一個(gè)冠層二向反射率模型。給定冠層結(jié)構(gòu)參數(shù)和環(huán)境參數(shù)，可以計(jì)算任何太陽(yáng)高度和觀測(cè)方向的冠層反射率。它假設(shè)植物冠層是由方位隨機(jī)分布的水平、均一及無限擴(kuò)展的各向同性葉片組成的混合體，進(jìn)而實(shí)現(xiàn)植被冠層反射率的模擬。模型將葉片模型耦合到冠層模型中反演整個(gè)冠層的生化組分含量［10］。簡(jiǎn)化公式如下：

其中：k為直射輻射的消弱系數(shù)；Es為由上而下傳輸?shù)闹鄙漭椛渫棵芏?；a為消光系數(shù)；σ為背向散射系數(shù)；S為同向直射輻射的散射系數(shù)；S′為背向直射輻射的散射系數(shù)；Eo為觀測(cè)方向上的通量密度；ω，v，u為由E＋，E－，Es向觀測(cè)方向上傳輸?shù)妮椛淞炼鹊霓D(zhuǎn)化系數(shù)。模型通過解輻射傳輸方程（8）～（11），進(jìn)而獲得植被冠層反射率。

1．2．2 PR模型參數(shù)設(shè)置

本研究主要關(guān)注在不同觀測(cè)角度下，葉面積指數(shù)對(duì)植被指數(shù)的影響。因此，在模擬中其他參數(shù)不變，LAI和觀測(cè)角度發(fā)生變化。具體參數(shù)設(shè)置如表2所示。

表2　PROSAIL模型中使用的參數(shù)

2　結(jié)果與分析

本研究考察了不同觀測(cè)角度下各種植被指數(shù)對(duì)葉面積指數(shù)變化的飽和區(qū)域的影響，進(jìn)而提高植被指數(shù)與葉面積指數(shù)之間的線性關(guān)系。為了能更清晰地分析和比較各種植被指數(shù)與葉面積指數(shù)的關(guān)系，對(duì)各種植被指數(shù)進(jìn)行歸一化處理，使所有植被指數(shù)的數(shù)值介于0～1之間。

2．1 植被指數(shù)對(duì)葉面積指數(shù)的敏感性分析

由圖1可以看出，在不同的觀測(cè)角度下，這3種植被指數(shù)對(duì)于高植被覆蓋度區(qū)域的敏感性很弱。NDVI受影響最為嚴(yán)重，在葉面積指數(shù)高于3．7就達(dá)到了飽和狀態(tài)。其次是MCARI，在葉面積指數(shù)高于4．4達(dá)到飽和。相比于前面兩種植被指數(shù)，MSR的飽和性有所改善，葉面積指數(shù)達(dá)到7以上才出現(xiàn)飽和現(xiàn)象。因此，利用MSR能較好解決由于LAI變化出現(xiàn)的飽和現(xiàn)象。

圖1　葉面積指數(shù)與植被指數(shù)的線性關(guān)系

2．2 植被觀測(cè)角度對(duì)葉面積指數(shù)的敏感性分析

不同的觀測(cè)角度對(duì)各種植被指數(shù)的飽和性有較大影響。如圖2所示，NDVI、MSR、MCARI在觀測(cè)天頂角為30°時(shí)受影響最大。葉面積指數(shù)分別高于3，5．5，4時(shí)就基本達(dá)到了飽和。而觀測(cè)天頂角為－30°時(shí)NDVI、MSR、MCARI的飽和性有所改善，葉面積指數(shù)分別高于6，7，6才出現(xiàn)飽和區(qū)域。并且在觀測(cè)天頂角為－30°時(shí)，歸一化植被指數(shù)與葉面積指數(shù)的線性關(guān)系較觀測(cè)天頂角為30°和0°時(shí)好。

圖2　不同觀測(cè)天頂角下葉面積指數(shù)與植被指數(shù)的線性關(guān)系

總的來說，選擇不同的觀測(cè)角度下的植被指數(shù)與LAI線性相關(guān)程度有所改善，但改善程度不明顯，這主要是模型自身的不足和植被冠層結(jié)構(gòu)的復(fù)雜等原因?qū)е?。葉片存在非朗伯體特性（即葉片散射存在方向性），而PROSAIL耦合模型中的葉片模型PROSPECT模型沒有考慮葉片的非朗伯特性，進(jìn)而影響了模型模擬植被冠層光譜的精度，最終影響了植被指數(shù)與葉面積指數(shù)的線性關(guān)系。

3　結(jié) 論

多角度遙感提供植被的方向信息，包含了大量的物理信息。因而使多角度遙感能更加精確地反演植被信息。部分植被指數(shù)往往只能對(duì)某一特定的參數(shù)反應(yīng)較敏感，但并不能全面地描述植被的全部狀況。因而，特定的植被指數(shù)對(duì)于特定參數(shù)的敏感性分析就變得十分重要。因此，本文選擇了反映植被生長(zhǎng)狀況的參數(shù)——葉面積指數(shù)，著重研究不同觀測(cè)天頂角的選擇對(duì)提高植被指數(shù)和葉面積指數(shù)之間線性相關(guān)程度的影響。利用PROSAIL模型模擬了一系列參數(shù)變化對(duì)3種植被指數(shù)線性關(guān)系的影響，得出以下結(jié)論。

1）針對(duì)同一類型的植被指數(shù)，選擇合適觀測(cè)角度的光譜數(shù)據(jù)對(duì)改善植被指數(shù)與葉面積指數(shù)的線性相關(guān)程度較重要。因此，在利用不同植被指數(shù)進(jìn)行葉面積指數(shù)反演時(shí)，應(yīng)分析不同觀測(cè)角度下植被指數(shù)與葉面積指數(shù)的線性相關(guān)性，選出線性相關(guān)性較高的觀測(cè)角度下的植被指數(shù)，進(jìn)而反演出較高精度的葉面積指數(shù)。

2）從不同類型的植被指數(shù)和觀測(cè)天頂角來看，歸一化植被指數(shù)隨LAI變化呈現(xiàn)的飽和程度最為嚴(yán)重。而MSR與葉面積指數(shù)的線性關(guān)系較NDVI 和MCARI好，主要是該指數(shù)降低了背景的影響，并且考慮了冠層中土壤反射率的影響等。

本文雖然得到以上兩個(gè)結(jié)論，但還存在不足之處。①本文只從3個(gè)不同的觀測(cè)天頂角對(duì)植被指數(shù)與葉面積指數(shù)的關(guān)系進(jìn)行了分析，不能很好地反映植被指數(shù)與葉面積指數(shù)在其他觀測(cè)天頂角下的關(guān)系。②本文沒有考慮模型其它參數(shù)的變化對(duì)植被指數(shù)的影響，進(jìn)而對(duì)植被指數(shù)與葉面積指數(shù)的飽和性關(guān)系分析造成了一定的影響。針對(duì)以上不足之處，將在以后的研究中加以改進(jìn)。

參考文獻(xiàn)：

［1］ Zhou Q，Robson M，Pilesjo P．On the Ground Estimation of Vegetation Cover in Australian Range－lands ［J］．International Journal of Remote Sensing，1998（9）：1815－1820．

［2］ 劉冰，林怡．基于決策樹方法的ETM＋影像濕地信息提取［J］．測(cè)繪工程，2013，22（1）：63－67．

［3］ 楊貴軍，黃文江，王紀(jì)華，等．多源多角度遙感數(shù)據(jù)反演森林葉面積指數(shù)方法［J］．植物學(xué)報(bào)，2010，45（5）：566－578．

［4］ 吳曉萍，楊武年，李國(guó)明．羌塘國(guó)家自然保護(hù)區(qū)近十年歸一化植被指數(shù)的研究［J］．測(cè)繪科學(xué)，2014，39（2）：55－58．

［5］ 馮曉明，趙英時(shí)．多角度衛(wèi)星遙感多階段目標(biāo)決策反演研究［J］．中國(guó)科學(xué)D輯（地球科學(xué)），2006（36）：672－ 679．

［6］ 姚延娟，陳良富，柳欽火，等．基于波譜知識(shí)庫(kù)的MODIS葉面積指數(shù)反演及驗(yàn)證［J］．遙感學(xué)報(bào)，2006，10 （6）：869－878．

［7］ 吳彤，倪紹祥，李云梅．基于植被信息遙感反演的東亞飛蝗監(jiān)測(cè)研究［J］．地理與地理信息科學(xué)，2006，22（2）：25－29．

［8］ CARTER G A，CIBULA W G，MILLER R L．Narrow band reflectance imagery compared with thermal imagery for early detection of plant stress［J］．J Plant Physiol，2005，（148）：515－522．

［9］ 朝陽(yáng)，牛錚．基于輻射傳輸模型的高光譜植被指數(shù)與葉綠素濃度及葉面積指數(shù)的線性關(guān)系改進(jìn)［J］．植物學(xué)通報(bào)，2008，25（6）：714－721．

［10］ZHANG Y Q，CHEN J M，MILLER J R，et al．Leaf Chlorophyll Content Retrieval from Airborne Hyperspectral Remote Sensing Imagery［J］．Remote Sensing of Environment，2008，112（7）：3234．

［責(zé)任編輯：劉文霞］

On the linear relationship between vegetation indices and leaf area index based on multi－angle remote sensing

BAI Landong1，GOU Yepei1，SHAO Wenwen2，GUO Yunkai3，WU Wen1

（1．Chengdu City Land Planning Cadastral Affairs Center，Chengdu 610072，China；2．Beijing Jianda Bridge Consulting Co．Ltd，Beijing 100015，China；3．Changsha University of Science ＆Technology，Changsha 410076，China）

Abstract：Based on the PROSAIL model，the vegetation canopy spectra under different viewing zenith angle and leaf area index（LAI）are simulated．Building three kinds of used vegetation index by vegetation canopy spectra，and analysing the effect of leaf area index change on three vegetation index under different view zenith angle．The results show：MSR can solve the saturation phenomenon caused by the variation of LAI．When viewing zenith angle is 30degree，The linear relationship between the three vegetation index and leaf area index is the best than 30degree and 0degree．

Key words：leaf area index；PROSAIL model；vegetation indices；multi－angle

作者簡(jiǎn)介：白蘭東（1971－），男，高級(jí)工程師．

基金項(xiàng)目：國(guó)家自然科學(xué)基金資助項(xiàng)目（41171397；41471421）

收稿日期：2014－10－13

中圖分類號(hào)：TP79

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1006－7949（2016）01－0001－04