葉面積指數(shù)產(chǎn)品真實性檢驗系統(tǒng)設計與實現(xiàn)

陳勇，李靜，孫林，馬培培，柳欽火，董亞冬

(1.山東科技大學 測繪科學與工程學院，山東 青島 266590；2.中國科學院空天信息創(chuàng)新研究院 遙感科學國家重點實驗室，北京 100101；3.中國科學院大學，北京 100049；4.中國科學院地理科學與資源研究所，北京 100101)

0 引言

遙感影像在獲取過程中會受到傳感器自身狀況和工作狀態(tài)、大氣輻射特性、光照強度等因素的影響，此外在反演時也存在著算法誤差和系統(tǒng)誤差等。因此，要確定目前所使用的遙感反演產(chǎn)品能否正確、真實地刻畫實際地表情況，其精度能否滿足要求，需對其開展真實性檢驗。與參數(shù)反演算法的研究相比，真實性檢驗的研究相對滯后，無論在地面驗證數(shù)據(jù)庫的構(gòu)建以及統(tǒng)一的科學理論與驗證方法等方面，都處于不完善的階段，這在一定程度上制約了遙感產(chǎn)品的發(fā)展和應用[1]。

遙感真實性檢驗是指采用合理的手段對遙感反演產(chǎn)品的精度展開評估[2]。只有在這個基礎上確定精度在合理范圍內(nèi)，才能保證可以將產(chǎn)品投入實際應用中[3]。2000年，法國國家空間研究中心組建了歐洲陸地遙感真實性檢驗項目，逐步開始對各種陸表參數(shù)產(chǎn)品進行全球的真實性檢驗[4]。2014年，在陸地產(chǎn)品真實性檢驗項目組的支持下，Baret等[5]設計了一套在線真實性驗證平臺OLIVE(on line interactive validation exercise)。該平臺致力于全球生物物理產(chǎn)品的驗證，目的是滿足陸地真實性檢驗小組的要求，達到驗證的第4階段。近年來，我國也開始重視并開展一系列真實性檢驗的研究。1988年，中國生態(tài)系統(tǒng)研究網(wǎng)絡正式成立，通過地面網(wǎng)絡式觀測的方式，運用遙感、數(shù)學模型的手段對我國各主要植被類型地物進行全面監(jiān)測和真實性檢驗[6]。2004年，中國科學院在河北懷來成立遙感綜合試驗場，主要功能是作為新型遙感對地觀測理論和觀測系統(tǒng)試驗、定量遙感模型研發(fā)和數(shù)據(jù)驗證試驗場。2007年，為了發(fā)展流域尺度的陸面數(shù)據(jù)融合系統(tǒng)，黑河流域遙感-地面觀測同步試驗應運而生[7]。雖然在全球廣泛開展了LAI地面觀測，促進了LAI的標準化觀測[8]，但仍未構(gòu)建出標準化的包括直接驗證和間接驗證的評估流程。

真實性檢驗技術在國內(nèi)外得到了廣大關注，學者們在這方面投入了很大精力，但目前仍有一些問題亟待解決。首先，國際通量觀測網(wǎng)絡、歐洲陸地遙感真實性檢驗項目、BigFoot等多個項目在全球范圍內(nèi)提供了豐富的地面連續(xù)觀測數(shù)據(jù)，但這些數(shù)據(jù)還未集成在一起，未能構(gòu)建完備的數(shù)據(jù)庫更好地為真實性檢驗服務。其次，隨著國內(nèi)航空航天技術的飛速發(fā)展，諸多國產(chǎn)衛(wèi)星發(fā)射升空，如高分系列衛(wèi)星、風云系列衛(wèi)星、環(huán)境星等。這些衛(wèi)星生產(chǎn)了種類多樣的遙感產(chǎn)品，但是針對國產(chǎn)遙感衛(wèi)星產(chǎn)品的驗證還未形成系統(tǒng)性的處理流程，阻礙了目前我國遙感衛(wèi)星產(chǎn)品的持續(xù)發(fā)展。最后，國際上針對真實性檢驗技術已經(jīng)提出了眾多的理論和方法，但還未將理論方法歸總以實現(xiàn)業(yè)務化運行，這極大地阻礙了真實性檢驗技術的進一步發(fā)展[9]。

綜合以上因素，同時考慮到遙感產(chǎn)品參數(shù)的差異性和真實性驗證方法的多樣性，本文基于真實性檢驗數(shù)據(jù)庫，以葉面積指數(shù)作為研究參數(shù)[10]，通過設計遙感產(chǎn)品真實性檢驗系統(tǒng)，確定客觀合理的真實性檢驗流程，并對遙感產(chǎn)品進行驗證。

1 葉面積指數(shù)真實性檢驗數(shù)據(jù)庫

1.1 直接驗證數(shù)據(jù)集

在對遙感產(chǎn)品進行真實性檢驗時，連續(xù)的地面觀測數(shù)據(jù)因其較高的可靠性常拿來作為算法及產(chǎn)品驗證的真值結(jié)果[11]。通過對國內(nèi)外各個觀測項目多尺度實驗數(shù)據(jù)的收集[12]，構(gòu)建了LAI真實性檢驗數(shù)據(jù)庫。目前真實性檢驗數(shù)據(jù)庫中的地面站點實測數(shù)據(jù)共有1.2萬條，覆蓋全球，時間跨度從1990—2017年，站點主要項目如表1所示。

表1 項目數(shù)據(jù)集匯總

在直接驗證數(shù)據(jù)庫中，國際上大型的地面觀測項目主要包括歐洲陸地遙感真實性檢驗項目、BigFoot和ImagineS等。2000年，歐洲陸地遙感真實性檢驗項目正式啟動，主要是負責對眾多陸地遙感數(shù)據(jù)產(chǎn)品(LAI、FAPAR、FCOVER)進行全球真實性檢驗[13]。2015年，由美國國家航空航天局Terrestrial Ecology Program開展的BigFoot 項目開始實施，主要收集了2000—2003年間從阿拉斯加到巴西的9個EOS土地驗證站點的葉面積指數(shù)數(shù)據(jù)，同樣采用了類似于歐洲陸地遙感真實性檢驗項目中的二級采樣策略[14]。ImagineS是為了支持哥白尼全球土地服務(Copernicus global land service，CGLS)的運作而進行研究和開發(fā)的項目[15-16]。目前ImagineS已形成合格的生產(chǎn)線，主要通過處理多元傳感器數(shù)據(jù)生產(chǎn)300 m分辨率的全球生物物理產(chǎn)品。

在國內(nèi)，中國生態(tài)系統(tǒng)研究網(wǎng)絡在1988年正式成立。目前該研究網(wǎng)絡由36個網(wǎng)絡實驗站點和6個數(shù)據(jù)中心組成。這些站點基本覆蓋了中國區(qū)域內(nèi)所有的植被類型，同時會定期返回有效的地面觀測值。真實性檢驗像元尺度的差異會產(chǎn)生較大誤差，通常地面站點觀測數(shù)據(jù)的尺度遠遠小于遙感衛(wèi)星產(chǎn)品的空間分辨率，同時存在地表異質(zhì)性問題，因此需要在預處理時對站點觀測值進行升尺度來消除尺度偏差的影響[17-18]。

數(shù)據(jù)庫中收集的數(shù)據(jù)一部分是均勻地表測量的點觀測，點能夠代表面；還有一部分是非均質(zhì)地表上，通過ESU(基本采樣單元)的地面觀測構(gòu)建LAI高分參考圖(基于SPOT等高分辨率影像反演得到)，再重采樣獲取1 km的LAI真值，這樣的地面觀測能夠考慮地面非均質(zhì)性，比如括歐洲陸地遙感真實性檢驗項目獲取的地面真值。

1.2 間接驗證數(shù)據(jù)集

間接驗證數(shù)據(jù)集由2部分構(gòu)成：LAI產(chǎn)品數(shù)據(jù)集和BELMANIP站點數(shù)據(jù)集。本文選取MODIS/LAI產(chǎn)品作為驗證產(chǎn)品，GLASS/LAI產(chǎn)品作為參考產(chǎn)品進行間接驗證示例。BELMANIP站點數(shù)據(jù)集在選擇樣本區(qū)時考慮了植被類型和地理位置的代表性，3 km ×3 km范圍內(nèi)土地覆蓋類型單一，所以常用于點上的間接驗證研究[19]。

MODIS是美國國家航空航天局于1999年發(fā)射成功的對地觀測衛(wèi)星TERRA上運載的地表觀測傳感器之一[20]，其生產(chǎn)了一系列標準產(chǎn)品，包括FVC、NDVI、NPP、FAPAR及LAI等[21-23]。GLASS LAI反演算法采用回歸神經(jīng)網(wǎng)絡的方法構(gòu)造GRNN訓練數(shù)據(jù)集反演LAI[24-25]。

在對產(chǎn)品進行時間序列的驗證時，通常會選擇地表均質(zhì)性較好的區(qū)域進行測量。直接驗證只能對站點的觀測值進行驗證，不能用于大范圍空間區(qū)域的驗證。為了區(qū)別于地面實驗測量，國際衛(wèi)星觀測委員會于2009年利用從MERIS影像獲取的全球植被覆蓋圖，建立了BELMANIP 2網(wǎng)絡。它是BELMANIP 1的更新版本，除了包含現(xiàn)有大型觀測項目的站點外，又從GLC2000土地覆蓋圖中選擇了一部分站點[26]。目前BELMANIP 2.1數(shù)據(jù)集在已有的 BELMANIP 2網(wǎng)絡站點外，又增加了25個與裸露的土壤區(qū)域(沙漠)和熱帶森林相對應的站點，站點的空間分布如圖1所示。

注：該圖基于自然資源部標準地圖服務下載的審圖號為GS(2016)1665號的標準地圖制作，底圖無修改。圖1 BELMANIP 2.1全球站點空間分布圖

2 葉面積指數(shù)定量遙感產(chǎn)品真實性檢驗系統(tǒng)

葉面積指數(shù)定量遙感產(chǎn)品真實性檢驗系統(tǒng)利用地面測量點、網(wǎng)、站、場獲取同時相數(shù)據(jù)[27]，通過調(diào)用GDAL庫和Matlab引擎，基于MFC框架將獲取的數(shù)據(jù)與定量遙感產(chǎn)品進行數(shù)據(jù)篩選和匹配等操作，并采用不同的真實性檢驗方法來對遙感產(chǎn)品進行驗證[9]。

2.1 檢驗系統(tǒng)流程框架

檢驗系統(tǒng)流程圖如圖2所示。

圖2 系統(tǒng)流程圖

2.2 檢驗系統(tǒng)功能性分析與總體架構(gòu)

葉面積指數(shù)定量遙感產(chǎn)品真實性檢驗系統(tǒng)具備以下功能。

1)能夠基于數(shù)據(jù)庫完成多種定量遙感產(chǎn)品的真實性檢驗，主要針對LAI產(chǎn)品的真實性檢驗。

2)完成不同分辨率產(chǎn)品的尺度轉(zhuǎn)換，包括不同空間分辨率的尺度轉(zhuǎn)換和不同時間分辨率的聚合。

3)通過讀取用戶輸入?yún)?shù)，自動生成一份經(jīng)后臺處理反饋給用戶的真實性檢驗報告。

4)具備較高的可延展性。定量遙感產(chǎn)品種類繁多且參數(shù)不一，因此，不同參數(shù)的真實性檢驗方法不同，不同產(chǎn)品的操作流程可能也有差別。根據(jù)不同產(chǎn)品和不同參數(shù)，定量遙感產(chǎn)品真實性檢驗系統(tǒng)具有很好的維護性、伸縮性，使開發(fā)人員和用戶之間具備一定的獨立性。

依據(jù)功能需求，定量遙感產(chǎn)品真實性檢驗系統(tǒng)包含設計完備的數(shù)據(jù)庫[28-29]、功能齊全的精度分析模塊和數(shù)據(jù)的輸入輸出接口。如圖3所示，該系統(tǒng)分為驗證數(shù)據(jù)庫、精度分析和系統(tǒng)內(nèi)外部接口3部分[30]。驗證數(shù)據(jù)庫主要包括產(chǎn)品數(shù)據(jù)庫、直接驗證數(shù)據(jù)庫和間接驗證數(shù)據(jù)庫。精度分析模塊主要功能包括數(shù)據(jù)獲取、數(shù)據(jù)預處理、數(shù)據(jù)匹配、數(shù)據(jù)驗證處理、精度指標計算和結(jié)果報告生成。系統(tǒng)與驗證數(shù)據(jù)庫之間的數(shù)據(jù)信息交換和精度分析部分的信息傳遞等任務則是由系統(tǒng)內(nèi)外部接口完成。

圖3 系統(tǒng)總體架構(gòu)設計

2.3 功能模塊架構(gòu)和詳細設計

如圖4所示，該系統(tǒng)主要由6大模塊組成。數(shù)據(jù)獲取模塊是通過用戶輸入?yún)?shù)，從數(shù)據(jù)庫或本地文件中獲取遙感數(shù)據(jù)；數(shù)據(jù)預處理模塊完成重投影、空間尺度轉(zhuǎn)換和時間聚合等工作；數(shù)據(jù)匹配模塊的工作主要分為2個部分，產(chǎn)品數(shù)據(jù)與數(shù)據(jù)集的匹配和時空分辨率的匹配；精度指標計算模塊則是通過精度指標對產(chǎn)品進行定量的評估，衡量指標主要包括RMSE(均方根誤差)、R2(相關系數(shù))、擬合方程等；結(jié)果生成模塊主要實現(xiàn)產(chǎn)品各項檢驗指標結(jié)果的成圖和文檔生成；數(shù)據(jù)處理驗證模塊是本系統(tǒng)主要的算法模塊，下文將對本模塊進行詳細介紹。

圖4 系統(tǒng)功能模塊架構(gòu)

數(shù)據(jù)處理驗證模塊主要有直接驗證和間接驗證2種驗證方式。

直接驗證是指以單點地面實測數(shù)據(jù)為真值，將待驗證產(chǎn)品與直接驗證數(shù)據(jù)集進行匹配驗證，從而對遙感產(chǎn)品進行精度分析。由于地面采樣點通常選擇均質(zhì)性較好的區(qū)域進行數(shù)據(jù)采集，樣方測量數(shù)據(jù)可以代表像素大小，因此空間尺度差異和混合像元對結(jié)果帶來的影響可以忽略。同時，為了減少點擴散函數(shù)和幾何精度的影響，采用3×3像元范圍內(nèi)有效像元的平均值作為該直接驗證數(shù)據(jù)的匹配像元值。

間接驗證是指在沒有地面觀測數(shù)據(jù)的情況下，通過產(chǎn)品與產(chǎn)品的比較來評估產(chǎn)品的相對精度[31]，主要從空間、時間及產(chǎn)品間差異分析3個方面進行驗證?？臻g尺度又細分為空間連續(xù)性和空間一致性2個角度，而時間尺度則是基于BELMANIP 2.1站點在時間連續(xù)性和時間一致性2個方面進行驗證，下面逐一進行介紹。

1)時空連續(xù)性。由于受到大氣狀況的影響，產(chǎn)品在時空分辨率下通常會存在無效值或缺失值[19]，本文通過逐月計算待驗證產(chǎn)品和參考產(chǎn)品的缺失像元比例來表征空間連續(xù)性；通過計算BELMANIP站點缺失值時間長度的頻率分布來表征時間連續(xù)性。

2)空間一致性。不同產(chǎn)品采用的反演算法不盡相同，空間一致性就是用來衡量不同產(chǎn)品反演結(jié)果是否一致并分析產(chǎn)品參數(shù)的變化范圍。通過計算待驗證參數(shù)的有效像元值頻率來表征空間一致性，將所得到的有效像元值(計算空間連續(xù)性時所得)按照一定間隔計算像元頻率分布。

3)時間一致性。產(chǎn)品的時間一致性是指對待驗證參數(shù)進行長時間序列的統(tǒng)計分析。

季節(jié)性變化用來評價產(chǎn)品在長時間序列上是否存在季節(jié)性特征。為了減少產(chǎn)品之間的配準誤差和不一致性，采用3×3像元區(qū)域并選擇大于5/9的有效像元平均值作為該時相的像元值。平滑度是評價產(chǎn)品在相鄰時相是否存在異常值，平滑度越小，說明產(chǎn)品在長時間序列上越穩(wěn)定，異常值越少。

4)產(chǎn)品間差異分析。單方面從空間尺度還是時間尺度上對產(chǎn)品的驗證都不能全面評估產(chǎn)品的精度，因此，綜合考慮時空尺度變得至關重要?；诖罅康慕y(tǒng)計分析來比較產(chǎn)品間的一致性是最常用的方法。通常，將所得到的像元值(計算季節(jié)性所得)通過散點圖的形式來直觀地比較產(chǎn)品間差異，并通過精度指標給出定量評價。

2.4 系統(tǒng)詳細界面劃分

圖5 系統(tǒng)詳細界面

真實性檢驗系統(tǒng)的界面如圖5所示。用戶通過界面輸入所需產(chǎn)品和參數(shù)，選擇相應的空間分辨率和驗證方式，系統(tǒng)后臺獲取數(shù)據(jù)后進行計算，并給出真實性檢驗報告。需要注意的是，數(shù)據(jù)所需時間范圍的間隔要超過一年，才能在驗證時體現(xiàn)季節(jié)性的變化；空間范圍參考右側(cè)的注釋格式填寫，否則會提示輸入錯誤。

2.5 真實性檢驗報告單

如圖6所示，系統(tǒng)生成的真實性檢驗報告單是根據(jù)輸入?yún)?shù)而給出待驗證產(chǎn)品的描述信息，包括產(chǎn)品名稱、驗證參數(shù)、時空范圍、空間分辨率以及驗證方式等。

圖6 真實性檢驗報告單

3 葉面積指數(shù)產(chǎn)品驗證實例

本文選擇2010—2011年中國區(qū)域(3°51′N～53°33′N，73°33′E～135°5′E)MCD15A2 LAI產(chǎn)品作為葉面積指數(shù)遙感產(chǎn)品真實性檢驗系統(tǒng)的運行實例[32]，并給出真實性檢驗結(jié)果。

3.1 驗證產(chǎn)品數(shù)據(jù)概況

MCD15A2 LAI是MODIS第5版本的LAI產(chǎn)品。產(chǎn)品的空間分辨率為1 km，時間分辨率為8 d，投影是SIN投影。本文在驗證實例中，從數(shù)據(jù)庫中收集到包括11個CERN站點共65個產(chǎn)品像元尺度的LAI地面實測值，用于產(chǎn)品的直接驗證。

3.2 直接驗證結(jié)果與分析

第二部分給出的是直接驗證結(jié)果，如圖7所示?？梢钥闯?，與GLASS LAI產(chǎn)品相比，MODIS LAI與地面實測值的相關性(R2=0.46)和均方根誤差(RMSE=1.09)都比GLASS LAI(R2=0.49，RMSE=0.84)要差一些，主要是因為在反演過程中GLASS產(chǎn)品會對數(shù)據(jù)進行平滑，反演結(jié)果的差異會減小。在離散程度上，MODIS LAI的結(jié)果(S=1.090 5)也要比GLASS LAI(S=0.834 7)的要差一些，MODIS在個別森林站點出現(xiàn)了高估現(xiàn)象，可能是因為混合像元造成的地表誤分類[19]。在與地面數(shù)據(jù)擬合程度方面，MODIS LAI(斜率為0.88)的效果要比GLASS LAI(斜率為0.65)的好一些。

圖7 真實性檢驗報告直接驗證結(jié)果圖

3.3 間接驗證結(jié)果與分析

第三部分是間接驗證空間連續(xù)性的結(jié)果，表2給出了2010—2011年的月合成像元值反演比例。從表中可以看出，GLASS LAI的反演比例高于MODIS LAI的，主要是由于MODIS LAI在反演時有主算法和備用算法之分[22-23]，其中備用算法計算的LAI質(zhì)量較差，且受殘云和大氣校正差的影響。本系統(tǒng)只采用主算法反演的像元值作為有效像元值，另外GLASS LAI產(chǎn)品的缺失值填充和平滑處理也是影響精度的重要因素。MODIS LAI產(chǎn)品在1月份出現(xiàn)了較高的缺失比例，主要是由于北半球冬季積雪覆蓋且大氣條件差[33]，因此在冬季時，MODIS產(chǎn)品反演LAI時更多的是采用備用算法。由于北半球的植被夏季活動強烈，生長旺盛，MODIS和GLASS LAI產(chǎn)品在7月份的反演比例都要高于1月份。從給出的每個月反演比例來看，2010年和2011年這2年間，MODIS和GLASS LAI產(chǎn)品年際變化都很小，沒有明顯的異常值出現(xiàn)。

利用MODIS和GLASS LAI產(chǎn)品1月和7月的LAI值頻率分布來分析他們的LAI變化范圍和取值分布，如圖8所示。1月份時，LAI值大部分都不超過1；而到了7月份，LAI值會有顯著的提高，這與北半球植被夏季生長的現(xiàn)象一致。1月份時，2種產(chǎn)品都表現(xiàn)出很強的空間一致性，分布很平穩(wěn)；而在7月份，二者差異較大，MODIS在LAI低值區(qū)的比例高于GLASS LAI，高值區(qū)比例低于GLASS LAI。MODIS LAI低值的頻率比其他產(chǎn)品要小，尤其是在1月份，這在一定程度上是由于MODIS對稀疏植被的高估，以及在休眠期對落葉闊葉林的高估[19]。在7月份，由于GLASS LAI產(chǎn)品對低值植被有明顯的高估現(xiàn)象，導致在LAI=2.4處存在一個極大值，同時由于受到云雪等因素的影響，MODIS LAI值有明顯的低估。從LAI的變化范圍上來看，7月份MODIS LAI的最大值可以達到7。在1月份，MODIS和GLASS LAI產(chǎn)品最大值都沒有超過3，這是由于北半球冬季植被活動力減弱。

表2 間接驗證空間連續(xù)性結(jié)果 %

圖8 真實性檢驗報告直接驗證結(jié)果圖

圖9描繪的是2010年和2011年MODIS 和GLASS LAI在1月份和7月份的差值頻率分布，具體差值是用MODIS LAI像元值減去GLASS LAI像元值得到的。整體上， MODIS 和GLASS LAI在這2年中顯示出相似的頻率分布和年際變化，像元差值大部分都分布在-1～1，30%的像元值基本相同。從圖中可以看出，在LAI為0～0.3左右時，部分像元的MODIS LAI值比GLASS LAI的大，這可能是因為MODIS對闊葉林像元有些高估。一部分像元的MODIS LAI值比GLASS的小，這些像元主要分布在-1～0，這是由于GLASS產(chǎn)品在反演過程中作了平滑處理。在1月份時，2種產(chǎn)品的差值明顯比7月份的要小得多，這和北半球植被的生長季節(jié)有關，冬季時植被活動少，LAI值變化較小，而在夏季，植被處于生長季，活動旺盛，LAI值變化較大。

圖9 間接驗證空間一致性差值分布結(jié)果圖

MODIS和GLASS LAI產(chǎn)品在2010—2011年缺失天數(shù)頻率分布如圖10所示。從圖上可以看出， 在2010—2011年MODIS LAI的缺失天數(shù)要比GLASS LAI多，這主要歸根于MODIS在一定條件下通過備用算法來反演LAI[22-23]，這些反演值缺乏可靠性，不能作為有效值來計算。由于GLASS LAI產(chǎn)品對結(jié)果作了缺失值填充的處理，其觀測值為有效值的頻率達到40%以上，更有利于時間序列曲線的重建。

圖10 間接驗證空間一致性差值分布結(jié)果圖

圖11為部分站點的時間序列曲線。整體上看，MODIS和GLASS LAI產(chǎn)品都很好地捕捉到了LAI的季節(jié)性，年際變化較小，LAI值都表現(xiàn)出了夏季高、冬季低的特點，這與北半球植被的生長季節(jié)一致。由于GLASS LAI產(chǎn)品對結(jié)果中出現(xiàn)的缺失值做了填充和平滑，所以GLASS LAI的曲線變得連續(xù)。在a站點，MODIS LAI產(chǎn)品在2011年7月存在低谷現(xiàn)象，可能是系統(tǒng)誤差造成的；在c和d站點，MODIS LAI在冬季出現(xiàn)了缺失的情況，這是由于北半球冬季大氣差且有積雪覆蓋。圖12為2010—2011年MODIS和GLASS LAI產(chǎn)品平滑度的頻率分布圖，由于GLASS LAI產(chǎn)品做了平滑處理，其產(chǎn)品相鄰時相的像元值差異變小，因此，MODIS LAI的平滑度要比GLASS LAI稍差一些，這與圖12所表達的一致。

圖11 間接驗證季節(jié)性結(jié)果圖

圖12 間接驗證平滑度頻率分布結(jié)果圖

圖13、表3描述的是MODIS和GLASS LAI產(chǎn)品2010—2011年像元值散點圖和精度指標。2種產(chǎn)品在2010年和2011年具有很好的一致性，反演的LAI值大部分差異較小，2年的精度(RMSE)分別為0.66和0.74，相關性(R2分別為0.82和0.75)也都較高。低值區(qū)的相關性比高值區(qū)的強，當LAI>3時，MODIS LAI比GLASS LAI的值高，這可能是因為MODIS 在個別森林站點出現(xiàn)了高估現(xiàn)象。從LAI值的變化范圍上來看， MODIS LAI的最大值可以接近7，而GLASS LAI的最大值不超過5，這說明與GLASS LAI相比，MODIS LAI可以在更大的動態(tài)范圍內(nèi)來表征LAI的變化幅度，這與圖8所呈現(xiàn)的結(jié)果一致。

圖13 差異分析結(jié)果統(tǒng)計圖

表3 差異分析結(jié)果精度統(tǒng)計表

4 結(jié)束語

受制于遙感傳感器的自身工作狀態(tài)、空間配準精度、大氣特性影響以及遙感反演的誤差等因素，反演的產(chǎn)品或多或少存在一定的誤差，遙感產(chǎn)品精度的準確評價決定產(chǎn)品投入生產(chǎn)應用的深度。本文在綜合真實性檢驗技術和方法的基礎上，開發(fā)并設計了葉面積指數(shù)遙感產(chǎn)品真實性檢驗系統(tǒng)。用戶在界面中輸入必要的參數(shù)，系統(tǒng)可自動根據(jù)數(shù)據(jù)庫中的數(shù)據(jù)情況完成驗證分析，反饋驗證結(jié)果報告。該報告涵蓋了產(chǎn)品的信息描述、驗證結(jié)果圖和統(tǒng)計分析表，用戶可以非常直觀地判讀所要驗證的產(chǎn)品精度如何。基于該系統(tǒng)，本文選擇2010—2011年中國區(qū)域MCD15A2 LAI產(chǎn)品為例，完成了自動化真實性檢驗。從給出的結(jié)果來看，本系統(tǒng)的驗證分析與已有參考文獻的結(jié)果基本相符。

葉面積指數(shù)定量遙感產(chǎn)品真實性檢驗系統(tǒng)的設計與實現(xiàn)有助于流程化和自動化地評價產(chǎn)品精度，促進遙感反演產(chǎn)品快速標準化的質(zhì)量和精度評估，便于用戶快速地根據(jù)精度要求確定產(chǎn)品是否可以投入到實際生產(chǎn)應用中。但是首先鑒于地面驗證數(shù)據(jù)集的數(shù)量、代表性的差異，該系統(tǒng)的驗證結(jié)果和分析具有局限性，需要在后期搜集更多的驗證數(shù)據(jù)集存放到數(shù)據(jù)庫中；其次在預處理過程中，采用的算術平均法來進行尺度轉(zhuǎn)換會對結(jié)果造成偏差，需要針對不同的產(chǎn)品采用不同的尺度轉(zhuǎn)換方法；另外在真實性檢驗報告中未能分植被類型顯示驗證結(jié)果，后期還需完善。