大兴安岭地区森林叶片反射率的反演

孟莹，范文义，于颖

(东北林业大学 林学院，哈尔滨 150040)

大兴安岭地区森林叶片反射率的反演

孟莹，范文义*，于颖

(东北林业大学 林学院，哈尔滨 150040)

叶片反射率作为一个重要的植被参数对森林的研究有着重要的意义，而遥感影像所获得是像元信息也就是植被冠层反射率。为了的得到叶片反射率，本文利用地表反射率8天合成产品(MOD09A1)、叶面积指数产品(MOD15A2)和地表覆盖类型产品(MCD12Q1)，结合四尺度模型与PROSPECT模型模拟冠层反射率所建立的冠层反射率和叶片反射率之间的查找表，反演了2015年8月份大兴安岭地区的叶片反射率，实现从冠层反射率到叶片反射率的尺度转换，并使用SVC-1024i实地采集的叶片反射率信息做精度检验。研究结果表明实地测量数据与查找表反演叶片反射率在红色和近红外波段具有良好的相关性(R2为0.789和0.796)，表明了利用四尺度模型建立查找表反演叶片反射率具有可行性。

四尺度模型；叶片反射率；尺度转换

0 引言

经过几十年的发展，遥感技术已经由可见光发展到近红外、微波及主动遥感，理论上已经从定性遥感发展到定量遥感，应用上也覆盖了社会、经济资源环境等诸多领域，而在林业中的发展也越发的成熟。森林资源具有分布面积广、地形复杂、数量多及变化大等特点，导致对森林的调查难度增加。随着遥感技术的发展，遥感影像结合地面实际调查，综合运用遥感数据的各种分析处理方法，对森林状况和动态变化监测提供了很大的方便，尤其定量化遥感更是提高了森林调查的精度。现在的遥感传感器(Landsat TM，Modis，MISR，Hyperion等)可以提供丰富的多空间、多光谱、多角度和多时相植被反射信息[1]，传感器是以像元为单位获取信息，不同的传感器的像元大小不同，而像元作为一定空间上地物所有物体的综合，获得的是混合光谱信息，对于植被而言也就是冠层信息。

对于植被，除了植被反射率信息，还有叶面积指数(leaf area index，LAI)、叶绿素、聚集度指数(Ω)等重要植被信息。叶面积指数是一个重要的植被指数，一般定义为单位面积柱体内叶子表面积的一半[2]。叶片聚集度系数(Ω)量化了树叶在不同植被结构(例如树组、树冠、轮生体和树枝)的空间分布[3-4]，在生态学、水文学、地表模型以及在利用遥感数据反演其他植被结构的参数过程中是一个至关重要的参数[5-6]。叶绿素(chlorophyll)是一类与光合作用(photosynthesis)有关的最重要的色素[7]。遥感技术为定量估算叶片生物物理参数和生物化学参数提供了一种有效的手段，如叶绿素含量可以利用PROSPECT模型和LEAFMODEL模型来反演得到，并且这种方法已被广泛应用[8-9]，以上这些模型都应用于叶片尺度。

随着遥感理论和技术的不断发展革新，多角度定量遥感变得越发重要，定量遥感大致分位物理模型、经验统计模型和半经验模型。经验统计模型理论相对简单，而且适用性比较强，适合物理机理不清楚的情况。半经验模型综合了物理模型与经验统计模型的优点，虽然模型参数都是经验所得，但参数具有了一定的物理意义。物理模型研究的最为深入，而且理论基础完善，代表着二向反射分布函数(Bidirectional reflectance distribution function，BRDF)的发展方向。 BRDF模型用来定义给定入射方向上的辐射照度如何影响给定出射方向上的辐射率。更笼统地说，它描述了入射光线经过某个表面反射后如何在各个出射方向上分布，这可以是从理想镜面反射到漫反射、各向同性或者各向异性的各种反射[4，10- 6]。模型参数都具有明确的物理意义，并且对光线和地表物体的相互作用有详细的数学和物理描述，主要有几何光学模型、辐射传输模型、计算机模拟模型和混合模型这四类[17-18]。在众多BRDF模型中，四尺度模型是最完善的一种模型，四尺度模型是一种混合模型。模型的目的是通过输入参数模拟得到植被的冠层信息，模型着重在于不同尺度下植被冠层的结构特征的几何光学-辐射传输模型[19]。叶片反射率和透射率作为四尺度模型的输入参数，运行四尺度模型可以分别模拟针叶纯林和阔叶纯林的红色波段和近红外波段的冠层反射率。

综上无论是植被的冠层信息还是在叶片尺度上的各种植被参数对于研究都有重要的意义，所以如何将冠层尺度的信息转换到叶片尺度上是一个重要的问题。本文采用PROSPECT模型模拟叶片反射率[20]，PROSPECT模型是一个基于“平板模型”的辐射传输模型[21]，它可以通过模拟叶片在400～250 nm范围内的上行和下行的辐射通量来得到叶片的反射率和透射率[22]，建立叶片反射率和冠层反射率的查找表，实现冠层反射率到叶片反射率在红色和近红外波段的尺度的转换。

1 研究区域与研究方法

1.1 研究区域概况

本论文研究区域选择大兴安岭地区，大兴安岭地区位于中国蒙古自治区东北部和黑龙江省自治区东北部的大兴安岭林区(121°11′02″～127°01′07″E，50 °05 ′01 ″～53 °33 ′25 ″ N)。大兴安岭是我国最北、并且面积最大的现代化国有林区，总面积为8.46万 km2，是我国重要的林业基地之一。

1.2 研究方法

1.2.1 遥感数据及预处理

本文使用的是MODIS数据，包括500 m地表反射率8天合成三级产品(MOD09A1)、1 km叶面积指数(LAI)/光合辐射有效分量(FPAR)8天合成L4级产品(MOD15A2)、三级数据地表覆盖类型产品(MCD12Q1)，都是从NASS网上获取的数据。500 m地表反射率8天合成产品(MOD09A1)、1 km叶面积指数(LAI)/光合辐射有效分量(FPAR)8天合成L4级产品(MOD15A2)都是Terra卫星获取得8天合成数据，分辨率分别为500 m和1 km。三级数据地表覆盖类型产品(MCD12Q1)数据是对Terra 和 Aqua 卫星经过一年观测所获得数据进行处理后得到描述土地覆盖类型的MODIS三级数据土地覆盖类型产品(Land Cover data)，空间分辨率为463.3 m。本研究选取的是2015年8月份大兴安岭地区的数据，其中MOD09A1和MCD12Q1分别是三级产品和四级产品，自带地理坐标系只需要将坐标系转为WGS-84坐标系，按大兴安岭矢量图像裁剪后提取红色和近红外波段即可使用。对叶面积指数产品(MOD09A1)进行重采样使其分辨率与MOD09A1、MCD12Q1图像500 m分辨率一致。

1.2.2 地面实测数据

本研究于2014年8月6日-15日在大兴安岭地区选择了不同林地类型中森林树木与植被分布相对均一区域，标定30 m×20 m的样地进行森林参数观测，共获取研究区10个样地采样点的测量数据，其采样点地形相对平坦、植被覆盖类型相对均匀，测量数据包括树的结构参数(干高、冠高、胸径和枝厚度等)、叶面积指数信息、聚集度指数和树冠反射率、叶片反射率、背景反射率等信息。叶片聚集度系数利用冠层分析仪TRAC测量，树干高度和树木胸径分别利用激光测距仪和皮尺进行量测，叶面积指数用LAI2200植被冠层分析仪在阴天时测量，植被的反射率信息使用SVC-1024仪器分别收集冠层和叶片的反射率信息。

1.3 四尺度模型参数敏感性分析

敏感性表示为一个无量纲的指数，反映了模型输出结果随模型参数的微小改变而变化的影响程度或敏感性程度，具体的数学公式如下：

O=f(F1,F2,…Fn)。

(1)

公式中O是模型的输出结果，Fi是影响模型的因子。对公式做线性扩展：

因为输入参数的单位各不相同，为了使不同单位的参数之间可以进行敏感性比较，常使用相对敏感性值，即对参数敏感性进行归一化处理：

(3)

处理后敏感性指数I不受O和Fi的单位尺度的影响，使模型参数之间的敏感性具有可比性，I值越大则说明该参数对模型的影响越大[23]。

四尺度模型的输入参数包括：样地面积、样地面积内总株数、纽曼分布参数、树的结构参数(干高、冠高、冠半径等)、考虑枝叶时的参数(枝倾角、叶倾角、枝厚度、叶厚度与宽度之比、枝子指数TAI)、太阳高度角、叶面积指数、聚集度指数、红色波段和近红外波段叶片的反射率、透射率以及同波段背景的反射率和透射率。模型模拟了在多个观测角度下的红色和近红外波段的反射率及其他信息。对四尺度模型做敏感性分析时，其中将要分析的参数以一定步长改变，其他参数则保持固定不变，模拟冠层反射率，得到不同参数组合下观测角度为0的红色波段和近红外波段的冠层反射率。本论文分别对叶面积指数、聚集度指数、叶子大小、枝倾角、叶倾角、锥顶角的一半、叶厚度与宽度之比做敏感性分析。研究区域参数和树的结构参数不作敏感性分析。敏感性分析输入参数及结果见表1。

通过表1可以看叶面积指数和聚集度指数对四尺度模型模拟冠层反射率的影响比较大，这与四尺度模型的肌理符合。四尺度模型认为对于离散的冠层反射率Pgap(θ)计算公式为：

Pgap(θ)=e-G(θs)L0·ΩE/re。

(4)

(5)

表1 四尺度模型输入参数的步长、变化范围和敏感性值Tab.1 Four -scale model input parameters step size，change range and sensitivity value

做参数敏感性分析的主要目的是减少变量从而达到缩减查找表大小的目的，所以选择对四处度模型影响最大的叶面积指数参数作为冠层反射率反演叶片反射率的唯一控制变量。

1.4 查找表的建立

查找表反演参数的方法实际上就是用四尺度模型计算出在不同参数值下的的输入、输出组合，运行四尺度模型建立叶面积指数、叶片反射率与冠层反射率之间的对应数值组合。通过PROSPECT模型模拟出叶子结构、叶绿素含量等参数在一定范围内变化时所得的叶片红色和近红外波段的反射率和投射率作为四尺度模型的叶片反射率和透射率参数，并将其他输入参数设置见表2。

表2 四尺度模型的主要输入参数Tab.2 Main input parameters of Four-scale model

表2中各参数的设定是通过整理近几年的外业数据得到的平均值。其他参数如枝倾角、叶倾角、针簇比等参数设为15、75、1.43等。改变的参数是叶面积指数和叶片在红色波段和近红外波段的反射率和透射率以及同波段的背景反射率。其中叶面积指数范围是0.5～10，步长为0.1。分别模拟阔叶纯林和落叶纯林在不同输入参数组合下的冠层反射率，建立查找表。实现读取叶面积指数图像、地表分类图像、地表反射率图像后，以叶面积指数作为控制变量，输出与冠层反射率对应的叶片反射率图像。

2 结果与分析

2.1 叶片反射率反演结果

本论文利用四尺度模型模拟的冠层反射率反演叶片反射率，通过查找表分别反演了大兴安岭地区红色波段和近红外波段的叶片反射率，反演后图像为500 m分辨率保存为tif格式，与读取图像像元值大小一致，反演结果如图1和图2所示。

图1 红色波段叶片反射率Fig.1 Foliage reflectance of red band

图2 近红外波段叶片反射率Fig.2 Foliage reflectance of near-infrared band

图3 外业实地测量的冠层反射率与模型模拟的反射率比较Fig.3 Comparison between actual measurement and model simulation of canopy reflectance

图4 外业实地测量的叶片反射率与反演的叶片反射率比较Fig.4 Comparison between actual measurement and inversion of foliage reflectance

2.2 精度检验

本论文所用精度检验数据是2015年大兴安岭外业实地测量数据，检验反演精度前，将外业调查数据包括研究区域参数、树的结构参数、叶面积指数、聚集度指数、叶片反射率等参数模拟冠层反射率，与外业实测的冠层反射率作比较。因为四尺度模型只能模拟纯林的冠层反射率，在使用四尺度模型模拟针阔混交林冠层反射率时，分别按照外业数据模拟阔叶纯林和针叶纯林的冠层反射率后，按照树种组成权重计算混交林的冠层反射率。

从图3中看出红色波段和近红外波段冠层模拟反射率和实测反射率有呈现显著的线性相关，相关系数为0.813和0.862，则可以认为四尺度程序可以较好的模拟外业调查时的冠层反射率信息，同时也认为外业调查时测量的叶片反射率数据可以对反演后的叶片反射率图像做精度检验。精度检验选择与实地经纬度相一致的点，读取该点的像元值后做相关分析，

加入外业测量时是针阔混交林则选取阔叶的叶片反射率，相关分析如图4所示。

图4中可以看出红色波段和近红外波段反演的叶片反射率和实测的叶片反射率呈良好的线性关系，相关系数分别为0.789和0.796，表明了本论文所采用的查找表方法反演叶片反射率的方法是可行的，而且有着较好的精度。

3 结论

本文利用PROSPECT模型和四尺度模型模拟冠层反射率，结合叶面积指数LAI反演森林叶片反射率，得到了较好的反演结果。PROSPECT模型和四尺度模型能够用很好地模拟冠层反射率曲线，叶面积指数作为森林机构参数发挥了重要作用，在利用查找表反演叶片反射率时，叶面积指数作为控制变量，提高了反演精度、加快运算速度，是实现冠层反射率到叶片反射率尺度转换的重要参数。

但是本论文在反演叶片反射率时，只将森林类型分为落叶纯林和阔叶纯林，没有考虑针阔混交林的情况，影响反演精度。

[1]王绪鹏.冠层反射率BRDF模型分析及改进研究[D].哈尔滨：东北林业大学，2014.

[2]Chen J M，Pavlic G，Brown L，et al.Derivation and Validation of Canada-wide Coarse-resolution Leaf Area Index Maps Using High-resolution Satellite Imagery and Ground Measurements[J].Remote Sensing of Environment，2002，80(1)：165-184.

[3]Nilson T.A Theoretical Analysis of the Frequency of Gaps in Plant Stands[J].Agricultural Meteorology，1971，71(8)：25-38.

[4]Chen J M.Optically-based Methods for Measuring Seasonal Variation of Leaf Area Index in Boreal Conifer Stands[J].Agricultural & Forest Meteorology，1996，80(2-4)：135-163.

[5]Baldocchi D D，Wilson K B.Modeling CO2，and Water Vapor Exchange of a Temperate Broadleaved Forest Across Hourly to Decadal Time Scales[J].Ecological Modeling，2001，142(142)：155-184.

[6]Chen J M，Liu J，Leblanc S G，et al.Multi-angular Optical Remote Sensing for Assessing Vegetation Structure and Carbon Absorption[J].Remote Sensing of Environment，2003，84(4)：516-525.

[7]Galston A W，Sawhney R K.Polyamines in Plant Physiology[J].Plant Physiology，1990，94(2)：406-410.

[8]Guerschman J P，Hill M J，Renzullo L J，et al.Estimating Fractional Cover of Photosynthetic Vegetation，Non-photosynthetic Vegetation and Bare Soil in the Australian Tropical Savanna Region Upscaling the EO-1 Hyperion and MODIS Sensors[J].Remote Sensing of Environment，2009，113(5)：928-945.

[9]Zarcotejada P J，Miller J R，Noland T L，et al.Scaling-up and Model Inversion Methods with Narrowband Optical Indices for Chlorophyll Content Estimation in Closed Forest Canopies with Hyperspectral Data[J].IEEE Transactions on Geoscience & Remote Sensing，2001，39(7)：1491-1507.

[10]Roujean J L，Lacaze R.Global Mapping of Vegetation Parameters from POLDER Multiangular Measurements for Studies of Surface-atmosphere Interactions：A Pragmatic Method and Its Validation[J].Journal of Geophysical Research Atmospheres，2002，17(12)：D12.

[11]Pinty B，Widlowski J L，Gobron N，et al.Uniqueness of Multiangular Measurements.I.An Indicator of Subpixel Surface Heterogeneity from MISR[J].IEEE Transactions on Geoscience & Remote Sensing，2002，40(7)：1560-1573.

[12]Sandmeier S，Müller C，Hosgood B，et al.Physical Mechanisms in Hyperspectral BRDF Data of Grass and Watercress[J].Remote Sensing of Environment，1998，66(2)：222-233.

[13]Sandmeier S，Deering D W.Structure Analysis and Classification of Boreal Forests Using Airborne Hyperspectral BRDF Data from ASAS[J].Remote Sensing of Environment，1999，69(3)：281-295.

[14]Pisek J，Chen J M，Miller J R，et al.Mapping Forest Background Reflectance in a Boreal Region Using Multiangle Compact Airborne Spectrographic Imager Data[J].IEEE Transactions on Geoscience & Remote Sensing，2010，48(1)：499-510.

[15]Running S W，Nemani R R.Relating Seasonal Patterns of the AVHRR Vegetation Index to Simulated Photosynthesis and Transpiration of Forests in Different Climates[J].Remote Sensing of Environment，1988，24(2)：347-367.

[16]Yang G，Zhao C，Liu Q，et al.Inversion of a Radiative Transfer Model for Estimating Forest LAI From Multisource and Multiangular Optical Remote Sensing Data[J].IEEE Transactions on Geoscience & Remote Sensing，2011，49(3)：988-1000.

[17]刘佳.BRDF模型对遥感定量反演的影响研究[D].哈尔滨：东北林业大学，2008.

[18]刘佳，范文义.BRDF模型及其反演研究的现状及展望[J].遥感技术与应用，2008，23(1)：104-110.

[19]Chen J M，Leblanc S G.A Four-scale Bidirectional Reflectance Model Based on Canopy Architecture[J].IEEE Transactions on Geoscience & Remote Sensing，1997，35(5)：1316-1337.

[20]Jacquemoud S，Bacour C，Poilvé H，et al.Comparison of Four Radiative Transfer Models to Simulate Plant Canopies Reflectance：Direct and Inverse Mode[J].Remote Sensing of Environment，2000，74(3)：471-481.

[21]Jacquemoud S，Baret F.Prospect：A Model of Leaf Optical Properties Spectra[J].Remote Sensing of Environment，1990，34(2)：75-91.

[22]Allen W A，Gausman H W，Richardson A J，et al.Interaction of Isotropic Light with a Compact Plant Leaf[J].Journal of the Optical Society of America，1969，59(10)：1376-1379.

[23]黄清华，张万昌.SWAT模型参数敏感性分析及应用[J].干旱区地理(汉文版)，2010，33(1)：8-15.

Inversion of Forest Foliage Reflectance in Daxing’anling Region

Meng Ying，Fan Wenyi*，Yu Ying

(School of Forestry，Northeast Forestry University，Harbin 150040)

As one of the most important vegetation parameters，foliage reflectance plays a significant role in forest research.The pixel information extracted from remote sensing images is the canopy reflectance.In order to obtain the foliage reflectance，a lookup table between canopy reflectance and foliage reflectance，which is built from simulating canopy reflectance by MODIS Surface Reflectance products(MOD09A1)，Leaf Area Index products(MOD15A2)，land cover types(MCD12Q1)combined with four-scale model and PROSOECT model，is used to invert the foliage reflectance in Daxing’anling region in August，2015.A scale conversion from canopy reflectance to foliage reflectance is accomplished.The foliage reflectance data acquired by SVC-1024i device in the forest is used to do accuracy test.Results show that the field data and foliage reflectance inverted by look-up table have good correlation in Red and Near-infrared bands(R2is 0.789 and 0.796)，which means using look-up table based on four-scale model to invert foliage reflectance is feasible.

Four-scale model；foliage reflectance；scale conversion

2016-12-12

国家自然科学基金项目资助(31500518, 31500519)

孟莹，硕士研究生。研究方向：遥感与地理信息系统。

*通信作者：范文义，博士，教授。研究方向：遥感与地理信息系统。E-mail：fanwy@163.com

孟莹，范文义，于颖.大兴安岭地区森林叶片反射率的反演[J].森林工程，2017，33(3)：07-11.

S 771

A

1001-005X(2017)03-0007-05