利用CHRIS/PROBA數據定量反演草地LAI方法研究

李新輝，宋小寧，冷 佩

利用CHRIS/PROBA數據定量反演草地LAI方法研究

李新輝，宋小寧，冷 佩

(中國科學院研究生院資源與環境學院，北京 100049)

以內蒙古錫林河流域典型草地為研究樣區，基于新一代微衛星CHRIS/PROBA高光譜遙感數據，利用雙層冠層反射率模型(A two－layer Canopy Reflectance Model，ACRM)定量反演葉面積指數(LAI)。首先對高光譜數據進行預處理和統計分析，并結合反演結果對角度信息的敏感性進行分析，確定適于該區的最優波段組合和參數，實現了區域尺度的草地葉面積指數定量反演;然后利用該區多年實測數據的統計結果對ACRM模型進行檢驗，并將反演結果與MODIS的LAI數據進行相互校驗分析。結果表明，CHRIS/PROBA數據用于反演稀疏草地的LAI是可行的，且利用多角度信息可以改善稀疏植被覆蓋情況下LAI低估問題。本研究可為草地生態系統研究提供更精確的參數，具有一定的實際意義。

CHRIS/PROBA;稀疏草地;葉面積指數(LAI);雙層冠層反射率模型(ACRM)

0 引言

葉面積指數(Leaf Area Index，LAI)是植被生態系統的重要參數，也是生態系統研究中最重要的群落結構參數之一，還是估算多種生態過程和功能(包括蒸騰蒸發、能量交換、光合作用、葉凋落、土壤固氮和氣體發散等)的重要變量［1］。隨著全球變化研究的深入及全球范圍和大區域尺度碳循環模型的建立，LAI常常作為重要的輸入因子而成為碳循環模型中不可或缺的組成部分［2］。因此，快速有效地獲取LAI對不同尺度生態系統的研究具有重要意義。

近些年來，國內外學者對LAI估算做了大量研究，對不同尺度空間范圍采用的估算方法也不盡相同。小尺度的LAI估算方法主要是地面測量法，區域乃至全球尺度的LAI估算方法主要通過遙感來估算。目前用遙感定量反演LAI、植被生產力、生物量等生物物理參數已成為植被生態遙感的重要內容之一，但多數是基于多光譜遙感數據進行研究的。高光譜遙感具有光譜分辨率高、波段多且連續性強、信息量豐富(能利用很窄的電磁波波段從感興趣的物體獲取有關數據)、譜像合一等優點［3］，在LAI估算中具有較明顯的優勢。然而，利用高光譜遙感反演LAI的研究起步較晚，并且對植被生化參數遙感估測機理和方法的研究也相對較少，多數研究側重于建立光譜特征值與生化參數間簡單的統計模型關系，簡單、便于運用;但由于存在生化參數間、生化參數與其他植被參數及環境條件間的相互干擾，使得對其中某一生化參數的分析變得非常復雜;而且僅僅用統計方法得出的模型，其機理不明確，應用范圍較窄，且反演精度有限。

因此，本文選擇具有多角度信息的新一代微衛星CHRIS/PROBA高光譜數據，基于機理模型——雙層冠層反射率模型(A two－layer Canopy Reflectance Model，ACRM)，反演了內蒙古錫林河地區典型草原樣地的LAI。

1 研究區及數據源

1.1 研究區概況

研究區為內蒙古錫林河流域中的一個稀疏草地樣區，位于內蒙古自治區的中部，屬我國溫帶草原的典型區域。區內主要覆蓋類型有沙地、水體及不同退化程度的草地。本次研究中的樣區大小約為13 km×13 km，地理位置為 43.97°～44.11°N，115.89°～116.11°E。

1.2 數據源

所用數據包括遙感數據和野外觀測數據。遙感數據主要獲取了歐空局的CHRIS/PROBA高光譜圖像1景，其空間分辨率為17 m，獲取時間為2010年6月29日，成像模式為陸地成像模式3，成像角度分別為0°、±36°和 ±55°;另外，還獲取了NASA 的MODIS LAI數據產品。野外觀測數據主要采用了在內蒙古錫林河流域多年觀測的地面生物量及LAI等數據，部分植被和土壤參數參考了文獻中的相關資料［4，5］。

2 CHRIS/PROBA數據預處理

CHRIS傳感器是一種推掃式CCD成像光譜儀，由于傳感器CCD各單元光學性質的差異、構建傳感器時單元排列的方式以及PROBA衛星平臺的在軌運動，光學元件的排列受到熱擾動的影響而引起微小差異，使得CHRIS圖像上往往有水平與垂直兩種條帶噪聲。另外，CHRIS數據的獲取有5個角度，每個角度包括18個波段，但各波段之間存在著高相關性和高冗余度，一般需進行波段篩選，以壓縮數據量、提高圖像信息提取的效率和質量。

鑒于此，本研究中遙感數據的預處理除輻射定標、大氣校正和幾何糾正等常規處理外，還重點進行了去條帶處理和最佳波段選擇。

2.1 去條帶處理

很多研究者曾先后采用多種方法對CHRIS圖像進行條帶處理，如矩匹配法、校正因子法、比值法、迭代擬合法等［6－8］，處理后的圖像灰度值接近原始值，去噪效果比較明顯。然而大多都是基于熟悉噪聲形成機理并通過編寫程序實現的，這無疑降低了其使用和處理的簡便性。

本文采用歐空局提供的HDFclean程序對CHRIS/PROBA圖像進行去條帶處理。這種方法操作簡單，容易理解，且能夠滿足實際應用要求［9］。圖1是去條帶前后的對比圖像，從處理結果看，圖像灰度變化不大，對圖像中無規律可循的垂直條帶的去條帶效果明顯。

圖1 HDFclean去條帶前(左)、后(右)圖像對比Fig.1 Comparison of images before(left)and after(right)dis－striped by using HDFclean

2.2 大氣校正及幾何糾正

2.2.1 大氣校正

在遙感數據獲取過程中，由傳感器本身產生的內部誤差和由環境影響產生的外部誤差，會通過不同途徑混雜到遙感數據中來。輻射定標的目的就是消除傳感器本身產生的輻射誤差，進行DN值與輻射亮度L之間的轉換。對于CHRIS/PROBA數據來說，其獲取的是大氣層頂太陽輻亮度，所以只需要進行由大氣層頂輻亮度到反射率的轉換即可。

大氣頂部反射率計算公式為

式中，L(x，y，λ)為圖像上(x，y)處的大氣層頂太陽輻射亮度;θ(x，y)為太陽天頂角;式中第二項為波段i瞬時大氣外太陽輻射的倒數，它是經過時間(計算日地距離)和波段校正的(具體參考Thuillier等［10］的方法);Si(λ)為 CHRIS/PROBA 數據在各波段的波譜響應函數，其計算公式為

式中，波段寬度Δλi和中心波長λi均可從元數據中查看。

目前已有的大氣校正方法中，物理意義最明確、精度最高的是輻射傳輸模型法，即利用基于大氣輻射傳輸原理建立的模型對遙感圖像進行大氣校正，常用的有6S、LOWTRAN、MORTRAN和AC－TOR2/3模型等。

結合遙感圖像的實際情況及現有氣象條件，本次研究選用6S模型校正CHRIS圖像，其輸入參數主要包括太陽天頂角、太陽方位角、衛星天頂角、衛星方位角、過頂時間和衛星高度等，以及對大氣模型、氣溶膠模型和參數的選擇。其中，大氣參數可從當地氣象部門獲得，考慮到研究區的地表覆蓋相對均勻，CHRIS圖像的圖幅較小，本文假設在圖幅覆蓋范圍內氣溶膠是均勻不變的。

以典型植被為例，對大氣校正結果進行分析。圖2是對CHRIS圖像進行大氣校正前后的對比。從圖2中可以看出，在大部分譜段，校正后圖像的反射率相對于校正前的反射率略有降低。但總體來看，校正前后圖像反射率變化不明顯，這與當時成像條件有關，說明此圖像的質量較好。

圖2 大氣校正前后典型植被反射波譜Fig.2 Reflection spectrum of the typical vegetation before and after atmospheric correction

2.2.2 幾何糾正

本文首先根據遙感圖像的元屬性數據以及Google Earth提供的顯著地物點，通過人機交互方式選擇地面控制點，采用多項式法對CHRIS圖像進行幾何糾正。糾正后經隨機抽點檢驗，誤差控制在0.5個像元之內，其精度能夠滿足本次研究需要。考慮到CHRIS/PROBA是多角度數據，每幅圖像覆蓋的范圍不完全一樣，因此在幾何糾正的基礎上，還需要進行公共區域截取，以作為本次的研究區(其子區如圖3所示)。

圖3 研究子區圖像Fig.3 Sub －image of study area

2.3 最佳波段選擇

圖4 ±55°成像的CHRIS/PROBA假彩色合成圖像Fig.4 CHRIS/PROBA false color composite images observed in ±55°

CHRIS/PROBA具有5個成像角度，分別為0°、±36°和 ±55°。從原始圖像可以看出 ±55°的圖像畸變很明顯(圖4)，所以本文只采用0°和±36°3個成像角度的圖像進行方法研究。在高光譜遙感數據中，各波段間存在著高相關性和高冗余度，且其信息的冗余度要比多光譜數據大得多，這使得最佳波段選擇成為高光譜遙感數據預處理的一個重要環節。

本次研究中，針對CHRIS/PROBA圖像的特點進行了波段選擇。CHRIS/PROBA數據本身帶有標志其質量的掩模數據，通過對掩模數據中異常像元的統計分析(圖5)，剔除質量較差的波段。

圖5 異常像元統計Fig.5 Statistical results of the abnormal pixels

從圖5中很容易發現，±55°圖像數據出現異常像元的波段數和像元數比其他3個角度的高很多。同時從圖5中也可看出各角度數據所需剔除的波段數。

另外還對各波段信息量及其相關性進行了統計分析(其中相關系數如圖6所示)。從圖6可以看出，相鄰波段間的相關系數較大，相隔較遠的波段間的相關系數較低。

圖6 波段1～18相關系數圖Fig.6 Correlation coefficient figure of band 1 ～18

綜合上述分析結果，并且考慮各波段與LAI的相關性問題，分析了可見光紅光部分和近紅外部分的波段，最終實現了對數據的降維，完成了最佳波段的選擇(表1)。

表1 波段選擇統計表Tab.1 Statistical table of band selection

3 LAI的定量反演

目前利用遙感定量估算區域尺度LAI的方法主要包括統計模型法、基于冠層反射物理特性的冠層反射模型法等。通過對LAI反演方法的對比研究，并充分考慮研究區的實際情況，本文選擇雙層冠層反射率模型(ACRM)，利用高光譜數據進行LAI的定量反演。

ACRM模型是多光譜冠層反射率模型(Multispectral Canopy Reflectance Model，MSRM)和馬爾科夫鏈反射率模型(Markov chain Canopy Reflectance Model，MCRM)的延伸［11］。該模型假設植被冠層包含一個主要的均勻的植被層和一個地面植被層，這2個植被層具有一系列相似的參數(LAI、葉角分布參數、葉片大小和控制葉片光學特性的生化參數)，即

式中，ρ1為二向反射率中的單次散射成分;ρD為半球方向反射率中共有的漫射通量;S'λ和Qλ分別為冠層上方某一水平面上的太陽直接輻射和總輻射。

其中，單次散射成分由低層和高層植被冠層單次散射及土壤單次散射組成。高層植被冠層的單次散射計算方式與單層模型相同［11］，而單層內的漫反射通量的計算與SAIL模型［12］相似。模型的反演策略類似于 Goel 等［13］或者 Kuusk［14］的方法，即建立一個價值函數，當反射率的測量值與計算值最吻合時，其值達到最小。

ACRM模型的主要結構參數有 LAI、葉子大小、Markov參數、葉傾角(LAD)和葉片蠟質層折射指數;生物化學參數主要有葉綠素濃度，葉子的水分含量、蛋白質含量、木質素和纖維素含量等，在進行LAI計算時，這些參數也都是輸入參數，主要通過實測獲得;部分參數采用經驗值(如干物質含量)，而對于一些難以確定的參數(如土壤參數、橢圓分布參數等)，需要通過實測值進行調整。考慮到本研究采用CHRIS/PROBA數據的多角度信息，還著重對該反演結果的方向敏感性進行了研究，分別進行了單一角度的LAI反演和多角度共同反演。

4 結果與分析

4.1 多角度反演結果

首先利用CHRIS/PROBA的 0°和±36°三個角度的數據分別進行LAI反演，然后利用多角度數據共同進行LAI反演。本文截取了一個稀疏草地子區(圖7)對反演結果進行對比分析。從圖像來看，各角度反演結果總體趨勢表現一致，但有一定的差別。多角度反演結果整體上比單一角度反演結果的差別要大。同時還可以看出±36°圖像上存在少量異常點(－36°圖像上的異常點更為明顯)。

圖7 不同角度反演的LAIFig.7 LAIs extracted with different angles

圖8 LAI頻率分布Fig.8 Frequency distribution of LAI

圖9 子區均值/方差統計圖Fig.9 Mean and variance lines of the sub －areas

從圖8可以看出，從0°到±36°單一角度反演的LAI直方圖頻率曲線的波峰出現微小的右移，而多角度反演結果的直方圖頻率曲線波峰相對于3個單一角度的反演結果右移現象明顯，LAI有明顯的增大現象。從出現波峰處的頻率看，0°和多角度方向的頻率較低且平滑，而±36°方向的頻率較高且起伏不平，從圖7可看出這是由于±36°圖像存在少量異常點造成的。

由圖9可知，單一角度反演結果及多角度反演結果總體趨勢一致;單一角度反演結果在各子區的均值相差不大，而多角度反演結果在各子區的均值均略高于單一角度反演結果，這正應了“草色遠看近卻無”的說法。對于稀疏草地，其垂直觀測的反射率信息受到的土壤背景的影響相對于其他角度要大，植被指數也受到了土壤背景信息的影響。相對于垂直觀測，多角度數據能從不同角度觀測地表，為推斷一個像元的波譜和空間結構提供更多的信息，在一定程度上可以改善植被覆蓋稀疏造成的LAI低估現象。因此，同時獲取多個不同角度的高光譜數據，為地表覆蓋類型的高精度識別與分類提供了新的可能。

4.2 校驗分析

本次研究中，還獲取了研究區多年同期實測站點的LAI數據。統計分析結果顯示，該區6月底～7月初的實際LAI約為0.585 7，與CHRIS/PROBA數據反演結果對比(表2)，表明多角度反演結果與實測數據吻合得更好，能夠準確反映研究區的實際情況。所以，利用CHRIS/PROBA的多角度數據反演該區LAI是可行的。

表2 反演結果與實測值對比Tab.2 Comparation between the inversion results and measured data

同時，鑒于本次研究是基于區域尺度的，而且考慮到實測數據的數量有限，本文還下載了同時相MODIS的LAI產品，對LAI的反演結果進行了初步校驗和分析(圖10)。

圖10 MODIS LAI對反演LAI的校驗Fig.10 Validation between MODIS LAI and inversed LAI

從圖10可以看出，利用CHRIS/PROBA單一角度數據反演的LAI的變化趨勢一致，且利用3個角度反演的結果與MODIS的LAI值吻合得較好(均值幾乎相同);多角度反演的LAI值雖與MODIS的LAI值在趨勢上更為相似，但其值總是高于MODIS LAI產品和單一角度反演的結果。迄今，多位學者對MODIS LAI產品進行過驗證，表明MODIS LAI在一定程度上存在低估現象，尤其是對于植被覆蓋稀疏的地區［15，16］。因此可以說，利用 CHRIS/PROBA的多角度信息可以改善植被覆蓋稀疏造成的LAI低估的問題。

5 結論

(1)基于雙層冠層反射率模型ACRM，充分利用CHRIS/PROBA數據的高光譜和多角度信息，對內蒙古錫林河流域稀疏草地樣區進行了LAI的反演，并利用實測LAI數據和MODIS的LAI產品對反演結果進行了檢驗，證明反演結果可靠。

(2)結合CHRIS/PROBA數據本身的多角度信息對LAI的反演結果進行方向敏感性分析的結果表明，對于稀疏草地，綜合運用多角度信息可以改善植被覆蓋稀疏造成的LAI低估的問題，從而提高LAI的估算精度。

(3)由于實驗條件的限制，同步實驗數據尚顯不足，下一步將繼續地開展實驗工作，以便進行更充分的驗證。

致謝:本研究得到王寬誠教育基金會的資助;中科院研究生院王艷芬教授和項目組為本次研究提供了內蒙古錫林河流域LAI觀測數據;郝彥賓老師對數據進行了收集和整理;歐空局ESA提供了CHRIS/PROBA數據;在此一并表示感謝!

［1］ Cramer W，Kicklighter D W，Bondeau A.Comparing Global Models of Terrestrial Net Primary Productivity(NPP):Overview and Key Results［J］.Global Change Biology，1999，5(S1)，1 －15.

［2］ Seller P J，Randall D A，Collata G J，et al.A Revised Land Surface Parameterization(SiB2)for Atmospheric GCMs.Part I:Model Formulation［J］.Journal of Climate，1996，9(4):676 －705.

［3］ 宮 鵬，黎 夏，徐 冰.高分辨率影像解譯理論與應用方法中的一些研究問題［J］.遙感學報，2006，10(1):1 －5.

［4］ 馮曉明.多角度MISR數據用于區域生態環境定量遙感研究［D］.北京:中國科學院研究生院遙感應用研究所，2006:33－42.

［5］ 宋小寧.基于植被蒸散法的區域缺水遙感監測方法研究［D］.北京:中國科學院研究生院遙感應用研究所，2004:40－42.

［6］ Mannheim S，Segl K，Heim B，et al.Monitoring of Lake Water Quality Using Hyperspectral CHRIS－PROBA Data［C］∥Proc of the 2nd CHRIS/Proba Workshop，ESA/ESRIN Frascati，2004:ESA SP－578.

［7］ Barducci A，Guzzi D，Marcoionnip P.CHRIS － PROBA Performance Evaluation:Sigal－to－Noise Ratio，Instrument Efficiency and Data Quality form Acquisitions Over San Rossore Italy Test Site［C］.Proc of the 3rd ESA CHRIS/PROBA Workshop Frascati，2005:21－23.

［8］ 董廣香，張繼賢，劉正軍.CHRIS/PROBA數據條帶噪聲去除方法比較［J］.遙感信息，2006(6):36－39.

［9］ Miltion T.The Contribution of CHRIS/PROBA to NCAVEO，A Knowledge Transfer Network for the Calibration and Validation of EO Data［C］∥Proc of the 4th ESA CHRIS/PROBA Workshop Frascati，2006:19 － 21.

［10］ Thuillier G，Hersé M，Labs D，et al.The Solar Spectral Irradiance from 200 to 2400 nm as Measured by the SOLSPEC Spectrometer from the ATLAS and EURECA Missions［J］.Solar Physics，2003，214(1):1－22.

［11］ Kuusk A.Two－ Layer Canopy Reflectance Model ACRM User Guide Version［R］.Tartu Observatory，2009:1 －21.

［12］ Verhoef W.Light Scattering by Leaf Layers with Application to Canopy reflectance Modeling:the SAIL Model［J］.Remote Sensing of Environment，1984，16(2):125 －141.

［13］ Goel N S，Strebel D E.Inversion of Vegetation Canopy Reflectance Models for Estimating Agronomic Variables.I.Problem Definition and Initial Results Using the Suits Model［J］.Remote Sensing Environment，1983，13(6):487 －507.

［14］ Kuusk A.The Hot Spot Effect in Plant Canopy Reflectance［C］//Myneni R B，Ross J，Editors.Photon － vegetation Interactions，Applications in Optical Remote Sensing and Plant Ecology.Berlin:Springer，1991:139 －159.

［15］胡少英，張萬昌.黑河及漢江流域MODIS葉面積指數產品質量評價［J］.遙感信息，2005(4):22－27.

［16］楊 飛，孫九林，張 柏.基于PROSAIL模型及TM與實測數據的MODISLAI精度評價［J］.農業工程學報，2010，26(4):192－197.

A Quantitative Method for Grassland LAI Inversion Based on CHRIS/PROBA Data

LI Xin－hui，SONG Xiao－ning，LENG Pei
(College of Resources and Environment，Graduate School of Chinese Academy of Sciences，Beijing 100049，China)

Based on the CHRIS/PROBA hyperspectral remote sensing data，the authors retrieved the leaf area index(LAI)by A two－layer Canopy Reflectance Model(ACRM).The process consists of three main steps:Firstly，the high－ spectral data was preprocessed and statistically analyzed.Secondly，sensitivity of the model to observing directions was analyzed.And finally，the best combinations of bands and parameters for the study area were chosen.The process was used to study the LAI of typical grass plots of Xilin River basin in Inner Mongolia.The results show that the application of CHRIS/PROBA data to the inversion of sparse grassland LAI is practical，and the multi－angle information of CHRIS/PROBA data has the potential advantages in decreasing the extent of LAI underestimation.

CHRIS/PROBA;Sparse grassland;Leaf Area Index(LAI);A two－layer Canopy Reflectance Model(ACRM)

TP 701

A

1001－070X(2011)03－0061－06

2010－12－06;

2011－01－04

中國科學院知識創新工程重要方向項目“基于遙感的流域尺度土壤水分反演”(編號:XMXX280722)和中國科學院研究生院院長基金共同資助。

李新輝(1986－)，女，地圖學與地理信息系統碩士研究生，現主要從事定量遙感及生態系統應用研究。

宋小寧，E －mail:songxn@gucas.ac.cn。

(責任編輯:劉心季)