基于TM数据的西双版纳地区森林叶面积指数反演

韩婷婷，习晓环，王成，王方建，3，万怡平，3

（1.中国科学院遥感与数字地球研究所，北京 100094；2.内蒙古师范大学 地理科学学院，呼和浩特 010020；3.中国科学院大学，北京 100049）

1 引 言

叶面积指数（Leaf Area Index，LAI）是森林生态系统的一个重要参数，也是表征植被冠层结构的最基本参数之一。虽然很多学者从不同的角度提出了多种LAI的定义，但普遍认可的定义为单位地表面积上所有叶片表面积的一半［1］，当前的很多研究即基于该定义。

传统的直接测量LAI方法虽然精度高，但对森林具有很大的破坏性，而且耗时耗力或者人们无法到达，难以扩展到大区域。遥感技术为大面积森林LAI反演提供了可靠的数据源，已经成为估算区域尺度上LAI最为有效的手段［2］。

遥感反演LAI通常可分为光学模型法和统计模型法。前者以一定的物理模型为基础，具有一定的普适性，但反演耗时、运算复杂、需要的参数多且存在一定的不确定性，有时甚至会产生错误的反演结果［2-3］。统计模型法又称经验关系法，即通过建立植被指数（Vegetation Index，VI）和实测值之间的线性或者非线性模型，实现估算LAI的目的，但在不同的地区得到的VI与LAI的关系模型差异较大。徐全芝等［4］利用Landsat TM数据提取了归一化差值植被指数（Normalized Difference Vegetation Index，NDVI）、简单比值植被指数 （Simple Ratio Vegetation Index，SRVI）、土壤调节植被指数（Soiladjusted Vegetation Index，SAVI）、缩减比值植被指 数 （Reduced Simple Ratio Vegetation Index，RSRVI）等，分别建立这些指数与实测LAI间的关系式来反演黑河流域的LAI；结果表明，各植被指数与LAI均具有较高的相关性，其中SAVI与LAI相关性最大，模型的反演精度最高。武红敢等［5］利用TM数据，通过建立简单比值指数（如TM5／TM4，TM4／TM3，TM7／TM4等）与林分 LAI间的相关关系，监测浙江江山马尾松幼林单层林分LAI的动态变化，研究发现TM5／TM4、TM7／TM4适用于低LAI区的植被监测，而TM4／TM3对高LAI区较为灵敏，但林分的LAI大于6.0时，监测的灵敏度大大降低。夏学齐［6］以贵州省黎平森林为研究区，分别用地形校正前后的ETM＋影像建立NDVI与实测LAI间的相关关系，认为地形因素会对山地／丘陵区LAI反演结果产生重要影响。骆知萌等［7］以江西省兴国县为例，使用不同时期的ETM＋地面反射率图像，提取了 NDVI，SRVI，RSRVI，分别建立其与实测LAI的统计回归模型；研究表明，对于单一树种，RSRVI与LAI的关系优于另两种植被指数。

一些学者还对中高分辨率卫星数据和低分辨率卫星数据反演的LAI精度差异进行了比较分析，如对TM反演的LAI与MODIS的LAI产品进行比较，发现MODIS LAI会出现明显的低估现象。胡少英等［8］使用黑河及汉江流域的TM数据提取LAI，并对该区域的MODIS LAI数据进行质量评价；从统计特征分析，认为MODIS LAI值低于TM数据反演的LAI值，在两区域均出现低估的现象；从空间特征而言，MODIS LAI产品无法很好地体现植被空间分布信息，在黑河区存在大量低植被覆盖像元被归为非植被覆盖像元的情况。贾开心［9］在一年内逐月测量西双版纳地区低、中、高3个海拔梯度的5个样地的三叶橡胶林的LAI，在1月份～3月份各海拔LAI值波动较大，4月份后低、中、高海拔的LAI分别维持在3.5，3.0，2.5，表明随着海拔的升高LAI值降低，且海拔间差异显著（p＜0.05）。

前人的研究表明，中高分辨率TM数据适于林分尺度上LAI的反演，但针对不同的研究区会得到不同统计关系模型。西双版纳位于我国西南部，是具有国际意义的生物多样性的关键地区和全球25个优先重点保护的生物多样性热点地区之一［10］。该区森林覆盖率高、植被类型多样、保存完整，目前虽有学者对该地区的森林LAI进行了研究，但只局限于样地尺度［9］。本文通过TM数据反演11种植被指数，分别建立这些指数与实测LAI的统计回归模型，比较分析各模型的优劣进而选取最优模型，实现西双版纳森林LAI的高精度反演。

2 研究区与数据

2.1 研究区概况

西双版纳傣族自治州位于云南省南部，地理坐标 N21°08′～N22°36′，E99°56′～E101°51′，面积近2×104km2。主要森林植被类型有雨林、季雨林、亚热带常绿阔叶林、落叶阔叶林、暖性针叶林、竹林、灌丛、草丛等，其中橡胶林是西双版纳增加最快、最多的一种林地类型，从1976年到2007的30多年间，其面积增加了2.05×105hm2，占有林地面积的27.06%［12-13］。本研究区的树种主要是橡胶林，分布于海拔400m～1000m之间，以800m左右最为集中。

2.2 数据

2.2.1 TM 数据

本文所用TM数据由中国科学院遥感与数字地球研究所提供，空间分辨率为30m，已进行了正射校正处理，数据情况详见表1。

表1 西双版纳地区TM数据情况

2.2.2 实测数据

实测数据包括LAI和地面控制点数据，其中LAI的测量使用美国LI－COR公司生产的LAI－2200植被冠层分析仪，于2010年12月29日到2011年1月15日之间获取，2013年4月补测了部分数据。测量时选择有代表性的森林样地和光照均匀条件下，主要记录所测样方的LAI和中心点的经纬度信息。样方直径为30m（与TM影像30m的空间分辨率相对应），对30m×30m的范围内，围绕中心点按45°间隔共8个不同方向测量的多个LAI值进行平均，作为该样方的LAI值；中心点经纬度测量利用天宝的GPS－RTK仪器。本研究共获取了68个样区的实测值，较均匀分布在勐腊、勐海和景洪周边的森林区。

3 研究方法

3.1 植被指数及计算方法

植被指数是两个或多个波长范围内的地物反射率通过线性或非线性运算、产生某些对植被长势和生物量等有一定指示意义的专题数值［14］。本文用到的植被指数有11个，其定义和计算方法如表2。

表2 植被指数定义及计算方法

3.2 植被指数与LAI的统计回归分析

以ENVI4.8遥感图像处理软件为平台，分别计算上述11种植被指数。利用实测的68个有效LAI数据，随机选取其中的50个与植被指数建立线性回归关系，其余18个用于回归模型的验证。

4 结果与分析

4.1 植被指数与LAI实测值回归结果

各种植被指数与实测LAI的散点图和统计关系模型如图1（a）～图1（k）所示，图中横轴为TM影像提取的VI，纵轴为实测LAI。

4.2 模型验证与分析

从图1各图可以看出，NDVI，SAVI，MSAVI和MCARI的相关性较好，R2均在0.6以上，最高为0.6445；其他7个指数与LAI的R2均低于0.6，最低为0.5192。利用18个验证数据验证并计算均值误差RMS和均方根误差RMSE（表3）。可以看出各植被指数与LAI线性回归模型的RSE和RMSE都较小，其中MSAVI－LAI的 RMS 和RMSE最小。分析其原因可能在于，西双版纳地区阔叶林占较大比例，其中又以人工橡胶林为主，橡胶林生态系统的土壤自然肥力较高，而MSAVI是对SAVI的改进，综合考虑了土壤和环境背景等因素，因此对叶面积指数变化更为敏感，可以根据植被的茂密程度进行自动调节［20，22］。因此，MSAVI表现出与LAI较高的相关性。

图1 各植被指数与LAI之间的统计回归关系

表3 各指数与LAI统计模型的精度验证结果

利用18个样本验证 MSAVI－LAI线性回归模型，结果如图2所示，R2＝0.6258，计算其均值误差RMS为1.3172，均方根误差 RMSE为1.3688。

4.3 研究区LAI反演

利用MSAVI－LAI线性回归模型反演西双版纳地区LAI，结果如图3所示，LAI值主要集中在1～5之间。

图2 MSAVI－LAI模型反演的LAI和实测值关系

图3 西双版纳森林区LAI分布图

本文使用部分实测点进行了整个研究区的验证，精度较好，但是可以看出预测值整体偏低，需要进一步研究。

5 结束语

本文利用Landsat TM数据提取多种植被指数，通过统计回归分析以及模型验证，建立了反演LAI的统计回归模型，实现西双版纳森林区LAI的反演。在研究中发现，LAI主要集中在1～5之间，随着VI的增加，LAI随之增加，但是VI增加到一定程度，LAI则不再增加，出现饱和现象，这正是植被指数反演LAI的一大难点。本文的叶面积指数反演是基于西双版纳地区的VIs－LAI统计回归模型分析得到，正如引言部分所述，不同地区、不同季节的VIs－LAI回归模型不尽相同，因此与普适性强的光学模型相结合，可能是遥感估算LAI的一个突破点，也是本文进一步深入研究的问题。

［1]CHEN J M，BLACK T A，ADAMS R S.Evaluation of hemispherical photography for determining plant area index and geometry of a forest stand［J］.Agricultural and Forest Meteorology，1991，56（1－2）：129－143.

［2]向洪波，郭志华，赵占轻，等.不同空间尺度森林叶面积指数的估算方法［J］.林业科学，2009，45（6）：139－144.

［3]杜春雨.基于TM影像的叶面积指数反演［D］.哈尔滨：东北林业大学，2010.

［4]徐全芝，张万昌，刘三超，等.黑河流域叶面积指数的反演［J］.干旱区研究，2003，20（4）：281－285.

［5]武红敢，乔彦友，陈林洪，等.马尾松林叶面积指数动态变化的遥感监测研究［J］.植物生态学报，1997，21（5）：485－488.

［6]夏学齐，田庆久，杜凤兰.遥感提取叶面积指数的地形影响分析［J］.遥感信息，2004（2）：16－19.

［7]骆知萌，田庆久，惠凤鸣.用遥感技术计算森林叶面积指－以江西省兴国县为例［J］.南京大学学报，2005，41（3）：253－258.

［8]胡少英，张万昌.黑河及汉江流域 MODIS叶面积指数产品质量评价［J］.遥感信息，2005（4）：22－27.

［9]贾开心.西双版纳三叶橡胶林生长随海拔高度变化研究［D］.云南：中国科学院西双版纳热带植物园，2006.

［10]周会平，岩香甩，张海东，等.西双版纳橡胶林下植被多样性调查研究［J］.热带作物学报，2012，33（8）：1444－1449.

［11]ZHANG J H，CAO M.Tropical forest vegetation of Xishuangbanna，SW China and its secondary changes，with special reference to some problems in local nature conservation［J］.Biological Conservation，1995，73（3）：229－238.

［12]李增加.西双版纳土地利用／覆盖变化及其气候效应研究［D］.云南：中国科学院西双版纳热带植物，2008.

［13]李增加，马友鑫，李红梅，等.西双版纳土地利用／覆盖变化及其地形的关系［J］.植物学通报，2008，32（5）：1091－1103.

［14]骆社周，程峰，王方建，等.基于 TM 遥感数据的西藏林芝地区叶面积指数反演［J］.遥感技术与应用，2012，27（5）：740－745.

［15]RICHARDSON A J，WIEGAND C L.Distinguishing vegetation from soil background information［J］.Photogrammetric Engineering and Remote Sensing，1977（43）：1541－1552.

［16]HUETE A R.A soil adjusted vegetation index（SAVI）［J］.Remote Sensing of Environment，1988，25（3）：295－309.

［17]KAUFMAN Y J，TanréD.Atmospherically resisitant vegetation Index（AVRI）for EOS－MODIS［J］.IEEE Transactions on Geoscience and Remote Sensing，1992，30（2）：261－270.

［18]LIU H Q，HUETE A R.A feedback based modification of the NDVI to minimize canopy background and atmospheric noise［J］.IEEE Transactions on Geoscience and Remote Sensing，1995（33）：457－465.

［19]BROGE N H，LEBLANC E.Comparing prediction power and stability of broadband and hyperspectral vegetation indices for estimation of green leaf area index and canopy chlorophyll density［J］.Remote Sensing of Environment，2000（76）：156－172.

［20]QI J，CHEHBOUNI A，HUETE A R，et al.A modified soil adjusted vegetation index［J］.Remote Sensing of Environment，1994（48）：119－126.

［21]DAUGHTRY C S，WALTHALL C L，KIM M S，et al.Estimating corn leaf chlorophll concentration from leaf and canopy reflectance［J］.Remote Sensing of Environment，2000（74）：229－239.

［22]任唯敏.植被指数计算区域植被覆盖度的适用性研究［D］.西安：西北大学，2012.