基于多角度遥感的植被指数与叶面积指数的线性关系研究

白兰东，苟叶培，邵文文，郭云开，伍 文

（1．成都市国土规划地籍事务中心，四川成都610072；2．北京建达道桥咨询有限公司，北京100015；；3．长沙理工大学，湖南长沙410076）



基于多角度遥感的植被指数与叶面积指数的线性关系研究

白兰东1，苟叶培1，邵文文2，郭云开3，伍 文1

（1．成都市国土规划地籍事务中心，四川成都610072；2．北京建达道桥咨询有限公司，北京100015；；3．长沙理工大学，湖南长沙410076）

摘 要：以辐射传输方程PROSAIL为基础，模拟不同观测天顶角和不同叶面积指数（LAI）下的植被冠层光谱。利用模拟的冠层光谱构建3种常用的植被指数，并分析不同观测天顶角下叶面积指数变化对3种植被指数的影响。结果表明，MSR能较好解决由于LAI变化而引起的饱和现象。观测天顶角为－30°时，3种植被指数与叶面积指数的线性关系较30°和0°时好。

关键词：叶面积指数；PROSAIL模型；植被指数；多角度

遥感经过多年的发展，已被广泛应用到国民经济的各个领域，成为对地观测强有力的工具。由于遥感数据具有覆盖范围广、时间与空间分辨率高等优点，为研究陆地植被的分布、季节变化及年际间的变化提供了强有力的手段［1－2］。遥感作为一种现代化的技术在林业资源调查中发挥了极其重要的作用，并展示了其他技术难以取代的优势。随着科学科技的不断进展，新型多角度、高光谱遥感卫星（如chris，国产资源三号等）的研究成功为植被信息的精确反演提供了新方法。由于多角度、高光谱遥感影像能够提供植被辐射方向性和植被立体结构特征等信息，因而能够有效地提高森林植被信息的反演精度［3－5］。从而为森林资源的调查、保护提供了有效的手段。

叶面积指数（LAI）是陆地生态系统的一个十分重要的结构参数，它和植物的蒸腾作用、太阳光的截取、光合作用以及地表净初级生产力等密切相关［6－7］。叶面积指数作为许多气候、生态和循环模型中的重要输入因子，对其反演的研究在遥感发展的早期就受到了重视。研究人员采用不同的方法构建了很多关于植被的指数并将它们成功地应用于估算叶面积指数监测中［8］。在一系列的植被指数中，应用最为广泛的是归一化植被指数（NDVI）。研究表明，归一化植被指数能较高精度地反演叶面积指数。但是随着LAI的增加，NDVI会出现一个明显的饱和区域，这一区域的存在说明NDVI自身的一个重要缺点是对于高植被区域敏感性低，因而不适合用来估算高植被覆盖区域的LAI［9］。本文基于此点，选取了常用的几种植被指数，利用辐射传输模型PROSAIL在不同观测角度和叶面积指数下对植被冠层反射光谱进行了模拟，并结合模拟值构建了不同观测角度下的几种植被指数。最后，分析了不同观测角度下的植被指数与叶面积指数的线性关系，并选择不同观测角度的模拟值以改善植被指数与叶面积指数的线性关系，减少了饱和区域，提高了叶面积指数的遥感反演精度。这种比较分析将为今后利用多角度遥感探测植被的特定信息提供必要的参考。

1　研究方法

本研究基于辐射传输模型PROSAIL模拟不同观测天顶角和叶面积指数下的植被冠层光谱，结合3种常用的植被指数（归一化植被指数（NDVI）、比值植被指数（MSR）、叶绿素吸收指数（CARI）），分别构建“多角度植被指数”（即PROSAIL模型模拟不同观测天顶角下的高光谱数据而构建的植被指数），并分析3种植被指数与叶面积指数的线性关系。

1．1 植被指数

1．1．1 归一化植被指数（NDVI）

归一化植被指数是红光波段的反射值与近红外波段的反射值之差比上两者之和。归一化植被指数能较好地反应植被生长状况，因而开展对其的研究具有重要意义。归一化植被指数的具体计算公式如下：其中：NIR为近红外波段的反射值，R为红光波段的反射值。

1．1．2 比值植被指数（MSR）

比值植被指数是近红外和红光波段处的反射率之比。该植被指数的特点在于其考虑了土壤和背景等因素的影响。因此，在利用该植被指数探测植被生化组分含量时能较好地克服大气、土壤和背景等因素的影响，具有较高的精度。具体计算公式如下：

其中：NIR为近红外波段的反射值，R为红光波段的反射值。

1．1．3 叶绿素吸收指数（MCARI）

MCARI通过测量位于550、670、750处的反射值计算获取。

其中：Rref1，Rref2为参考波段位置的叶片反射率，Rindex为核心波段的叶片反射率。

通过以上分析，本文选取了3种植被指数，3种植被指数所选波段和计算公式如表1所示。

表1　本研究中所使用的植被指数

1．2 模 型

1．2．1 PROSAIL模型

PROSAIL模型是在PROSPECT和SAIL模型基础上建立包含化学组分含量的耦合模型。PROSPECT模型是在Allen平板模型上进行改进的一个辐射传输模型。Allen平板模型是将植被叶片看作一层表面平行且透明的平板，并假设入射光线是各向同性的。模型模拟叶片在400～2 500nm波长范围内的反射和透射光谱特性。简化公式如下：

其中：a为最大入射角，tav（a，n）为所有入射和折射方向的平均辐射在平板表面的透射率，n为叶肉界面折射指数，N为叶片叶肉结构参数。

SAIL模型是一个冠层二向反射率模型。给定冠层结构参数和环境参数，可以计算任何太阳高度和观测方向的冠层反射率。它假设植物冠层是由方位随机分布的水平、均一及无限扩展的各向同性叶片组成的混合体，进而实现植被冠层反射率的模拟。模型将叶片模型耦合到冠层模型中反演整个冠层的生化组分含量［10］。简化公式如下：

其中：k为直射辐射的消弱系数；Es为由上而下传输的直射辐射通量密度；a为消光系数；σ为背向散射系数；S为同向直射辐射的散射系数；S′为背向直射辐射的散射系数；Eo为观测方向上的通量密度；ω，v，u为由E＋，E－，Es向观测方向上传输的辐射亮度的转化系数。模型通过解辐射传输方程（8）～（11），进而获得植被冠层反射率。

1．2．2 PR模型参数设置

本研究主要关注在不同观测角度下，叶面积指数对植被指数的影响。因此，在模拟中其他参数不变，LAI和观测角度发生变化。具体参数设置如表2所示。

表2　PROSAIL模型中使用的参数

2　结果与分析

本研究考察了不同观测角度下各种植被指数对叶面积指数变化的饱和区域的影响，进而提高植被指数与叶面积指数之间的线性关系。为了能更清晰地分析和比较各种植被指数与叶面积指数的关系，对各种植被指数进行归一化处理，使所有植被指数的数值介于0～1之间。

2．1 植被指数对叶面积指数的敏感性分析

由图1可以看出，在不同的观测角度下，这3种植被指数对于高植被覆盖度区域的敏感性很弱。NDVI受影响最为严重，在叶面积指数高于3．7就达到了饱和状态。其次是MCARI，在叶面积指数高于4．4达到饱和。相比于前面两种植被指数，MSR的饱和性有所改善，叶面积指数达到7以上才出现饱和现象。因此，利用MSR能较好解决由于LAI变化出现的饱和现象。

图1　叶面积指数与植被指数的线性关系

2．2 植被观测角度对叶面积指数的敏感性分析

不同的观测角度对各种植被指数的饱和性有较大影响。如图2所示，NDVI、MSR、MCARI在观测天顶角为30°时受影响最大。叶面积指数分别高于3，5．5，4时就基本达到了饱和。而观测天顶角为－30°时NDVI、MSR、MCARI的饱和性有所改善，叶面积指数分别高于6，7，6才出现饱和区域。并且在观测天顶角为－30°时，归一化植被指数与叶面积指数的线性关系较观测天顶角为30°和0°时好。

图2　不同观测天顶角下叶面积指数与植被指数的线性关系

总的来说，选择不同的观测角度下的植被指数与LAI线性相关程度有所改善，但改善程度不明显，这主要是模型自身的不足和植被冠层结构的复杂等原因导致。叶片存在非朗伯体特性（即叶片散射存在方向性），而PROSAIL耦合模型中的叶片模型PROSPECT模型没有考虑叶片的非朗伯特性，进而影响了模型模拟植被冠层光谱的精度，最终影响了植被指数与叶面积指数的线性关系。

3　结 论

多角度遥感提供植被的方向信息，包含了大量的物理信息。因而使多角度遥感能更加精确地反演植被信息。部分植被指数往往只能对某一特定的参数反应较敏感，但并不能全面地描述植被的全部状况。因而，特定的植被指数对于特定参数的敏感性分析就变得十分重要。因此，本文选择了反映植被生长状况的参数——叶面积指数，着重研究不同观测天顶角的选择对提高植被指数和叶面积指数之间线性相关程度的影响。利用PROSAIL模型模拟了一系列参数变化对3种植被指数线性关系的影响，得出以下结论。

1）针对同一类型的植被指数，选择合适观测角度的光谱数据对改善植被指数与叶面积指数的线性相关程度较重要。因此，在利用不同植被指数进行叶面积指数反演时，应分析不同观测角度下植被指数与叶面积指数的线性相关性，选出线性相关性较高的观测角度下的植被指数，进而反演出较高精度的叶面积指数。

2）从不同类型的植被指数和观测天顶角来看，归一化植被指数随LAI变化呈现的饱和程度最为严重。而MSR与叶面积指数的线性关系较NDVI 和MCARI好，主要是该指数降低了背景的影响，并且考虑了冠层中土壤反射率的影响等。

本文虽然得到以上两个结论，但还存在不足之处。①本文只从3个不同的观测天顶角对植被指数与叶面积指数的关系进行了分析，不能很好地反映植被指数与叶面积指数在其他观测天顶角下的关系。②本文没有考虑模型其它参数的变化对植被指数的影响，进而对植被指数与叶面积指数的饱和性关系分析造成了一定的影响。针对以上不足之处，将在以后的研究中加以改进。

参考文献：

［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］ 刘冰，林怡．基于决策树方法的ETM＋影像湿地信息提取［J］．测绘工程，2013，22（1）：63－67．

［3］ 杨贵军，黄文江，王纪华，等．多源多角度遥感数据反演森林叶面积指数方法［J］．植物学报，2010，45（5）：566－578．

［4］ 吴晓萍，杨武年，李国明．羌塘国家自然保护区近十年归一化植被指数的研究［J］．测绘科学，2014，39（2）：55－58．

［5］ 冯晓明，赵英时．多角度卫星遥感多阶段目标决策反演研究［J］．中国科学D辑（地球科学），2006（36）：672－ 679．

［6］ 姚延娟，陈良富，柳钦火，等．基于波谱知识库的MODIS叶面积指数反演及验证［J］．遥感学报，2006，10 （6）：869－878．

［7］ 吴彤，倪绍祥，李云梅．基于植被信息遥感反演的东亚飞蝗监测研究［J］．地理与地理信息科学，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］ 朝阳，牛铮．基于辐射传输模型的高光谱植被指数与叶绿素浓度及叶面积指数的线性关系改进［J］．植物学通报，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．

［责任编辑：刘文霞］

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

作者简介：白兰东（1971－），男，高级工程师．

基金项目：国家自然科学基金资助项目（41171397；41471421）

收稿日期：2014－10－13

中图分类号：TP79

文献标识码：A

文章编号：1006－7949（2016）01－0001－04