基于TM數據的西雙版納地區森林葉面積指數反演

韓婷婷，習曉環，王成，王方建，3，萬怡平，3

（1.中國科學院遙感與數字地球研究所，北京 100094；2.內蒙古師范大學 地理科學學院，呼和浩特 010020；3.中國科學院大學，北京 100049）

1 引 言

葉面積指數（Leaf Area Index，LAI）是森林生態系統的一個重要參數，也是表征植被冠層結構的最基本參數之一。雖然很多學者從不同的角度提出了多種LAI的定義，但普遍認可的定義為單位地表面積上所有葉片表面積的一半［1］，當前的很多研究即基于該定義。

傳統的直接測量LAI方法雖然精度高，但對森林具有很大的破壞性，而且耗時耗力或者人們無法到達，難以擴展到大區域。遙感技術為大面積森林LAI反演提供了可靠的數據源，已經成為估算區域尺度上LAI最為有效的手段［2］。

遙感反演LAI通常可分為光學模型法和統計模型法。前者以一定的物理模型為基礎，具有一定的普適性，但反演耗時、運算復雜、需要的參數多且存在一定的不確定性，有時甚至會產生錯誤的反演結果［2-3］。統計模型法又稱經驗關系法，即通過建立植被指數（Vegetation Index，VI）和實測值之間的線性或者非線性模型，實現估算LAI的目的，但在不同的地區得到的VI與LAI的關系模型差異較大。徐全芝等［4］利用Landsat TM數據提取了歸一化差值植被指數（Normalized Difference Vegetation Index，NDVI）、簡單比值植被指數 （Simple Ratio Vegetation Index，SRVI）、土壤調節植被指數（Soiladjusted Vegetation Index，SAVI）、縮減比值植被指 數 （Reduced Simple Ratio Vegetation Index，RSRVI）等，分別建立這些指數與實測LAI間的關系式來反演黑河流域的LAI；結果表明，各植被指數與LAI均具有較高的相關性，其中SAVI與LAI相關性最大，模型的反演精度最高。武紅敢等［5］利用TM數據，通過建立簡單比值指數（如TM5／TM4，TM4／TM3，TM7／TM4等）與林分 LAI間的相關關系，監測浙江江山馬尾松幼林單層林分LAI的動態變化，研究發現TM5／TM4、TM7／TM4適用于低LAI區的植被監測，而TM4／TM3對高LAI區較為靈敏，但林分的LAI大于6.0時，監測的靈敏度大大降低。夏學齊［6］以貴州省黎平森林為研究區，分別用地形校正前后的ETM＋影像建立NDVI與實測LAI間的相關關系，認為地形因素會對山地／丘陵區LAI反演結果產生重要影響。駱知萌等［7］以江西省興國縣為例，使用不同時期的ETM＋地面反射率圖像，提取了 NDVI，SRVI，RSRVI，分別建立其與實測LAI的統計回歸模型；研究表明，對于單一樹種，RSRVI與LAI的關系優于另兩種植被指數。

一些學者還對中高分辨率衛星數據和低分辨率衛星數據反演的LAI精度差異進行了比較分析，如對TM反演的LAI與MODIS的LAI產品進行比較，發現MODIS LAI會出現明顯的低估現象。胡少英等［8］使用黑河及漢江流域的TM數據提取LAI，并對該區域的MODIS LAI數據進行質量評價；從統計特征分析，認為MODIS LAI值低于TM數據反演的LAI值，在兩區域均出現低估的現象；從空間特征而言，MODIS LAI產品無法很好地體現植被空間分布信息，在黑河區存在大量低植被覆蓋像元被歸為非植被覆蓋像元的情況。賈開心［9］在一年內逐月測量西雙版納地區低、中、高3個海拔梯度的5個樣地的三葉橡膠林的LAI，在1月份～3月份各海拔LAI值波動較大，4月份后低、中、高海拔的LAI分別維持在3.5，3.0，2.5，表明隨著海拔的升高LAI值降低，且海拔間差異顯著（p＜0.05）。

前人的研究表明，中高分辨率TM數據適于林分尺度上LAI的反演，但針對不同的研究區會得到不同統計關系模型。西雙版納位于我國西南部，是具有國際意義的生物多樣性的關鍵地區和全球25個優先重點保護的生物多樣性熱點地區之一［10］。該區森林覆蓋率高、植被類型多樣、保存完整，目前雖有學者對該地區的森林LAI進行了研究，但只局限于樣地尺度［9］。本文通過TM數據反演11種植被指數，分別建立這些指數與實測LAI的統計回歸模型，比較分析各模型的優劣進而選取最優模型，實現西雙版納森林LAI的高精度反演。

2 研究區與數據

2.1 研究區概況

西雙版納傣族自治州位于云南省南部，地理坐標 N21°08′～N22°36′，E99°56′～E101°51′，面積近2×104km2。主要森林植被類型有雨林、季雨林、亞熱帶常綠闊葉林、落葉闊葉林、暖性針葉林、竹林、灌叢、草叢等，其中橡膠林是西雙版納增加最快、最多的一種林地類型，從1976年到2007的30多年間，其面積增加了2.05×105hm2，占有林地面積的27.06%［12-13］。本研究區的樹種主要是橡膠林，分布于海拔400m～1000m之間，以800m左右最為集中。

2.2 數據

2.2.1 TM 數據

本文所用TM數據由中國科學院遙感與數字地球研究所提供，空間分辨率為30m，已進行了正射校正處理，數據情況詳見表1。

表1 西雙版納地區TM數據情況

2.2.2 實測數據

實測數據包括LAI和地面控制點數據，其中LAI的測量使用美國LI－COR公司生產的LAI－2200植被冠層分析儀，于2010年12月29日到2011年1月15日之間獲取，2013年4月補測了部分數據。測量時選擇有代表性的森林樣地和光照均勻條件下，主要記錄所測樣方的LAI和中心點的經緯度信息。樣方直徑為30m（與TM影像30m的空間分辨率相對應），對30m×30m的范圍內，圍繞中心點按45°間隔共8個不同方向測量的多個LAI值進行平均，作為該樣方的LAI值；中心點經緯度測量利用天寶的GPS－RTK儀器。本研究共獲取了68個樣區的實測值，較均勻分布在勐臘、勐海和景洪周邊的森林區。

3 研究方法

3.1 植被指數及計算方法

植被指數是兩個或多個波長范圍內的地物反射率通過線性或非線性運算、產生某些對植被長勢和生物量等有一定指示意義的專題數值［14］。本文用到的植被指數有11個，其定義和計算方法如表2。

表2 植被指數定義及計算方法

3.2 植被指數與LAI的統計回歸分析

以ENVI4.8遙感圖像處理軟件為平臺，分別計算上述11種植被指數。利用實測的68個有效LAI數據，隨機選取其中的50個與植被指數建立線性回歸關系，其余18個用于回歸模型的驗證。

4 結果與分析

4.1 植被指數與LAI實測值回歸結果

各種植被指數與實測LAI的散點圖和統計關系模型如圖1（a）～圖1（k）所示，圖中橫軸為TM影像提取的VI，縱軸為實測LAI。

4.2 模型驗證與分析

從圖1各圖可以看出，NDVI，SAVI，MSAVI和MCARI的相關性較好，R2均在0.6以上，最高為0.6445；其他7個指數與LAI的R2均低于0.6，最低為0.5192。利用18個驗證數據驗證并計算均值誤差RMS和均方根誤差RMSE（表3）。可以看出各植被指數與LAI線性回歸模型的RSE和RMSE都較小，其中MSAVI－LAI的 RMS 和RMSE最小。分析其原因可能在于，西雙版納地區闊葉林占較大比例，其中又以人工橡膠林為主，橡膠林生態系統的土壤自然肥力較高，而MSAVI是對SAVI的改進，綜合考慮了土壤和環境背景等因素，因此對葉面積指數變化更為敏感，可以根據植被的茂密程度進行自動調節［20，22］。因此，MSAVI表現出與LAI較高的相關性。

圖1 各植被指數與LAI之間的統計回歸關系

表3 各指數與LAI統計模型的精度驗證結果

利用18個樣本驗證 MSAVI－LAI線性回歸模型，結果如圖2所示，R2＝0.6258，計算其均值誤差RMS為1.3172，均方根誤差 RMSE為1.3688。

4.3 研究區LAI反演

利用MSAVI－LAI線性回歸模型反演西雙版納地區LAI，結果如圖3所示，LAI值主要集中在1～5之間。

圖2 MSAVI－LAI模型反演的LAI和實測值關系

圖3 西雙版納森林區LAI分布圖

本文使用部分實測點進行了整個研究區的驗證，精度較好，但是可以看出預測值整體偏低，需要進一步研究。

5 結束語

本文利用Landsat TM數據提取多種植被指數，通過統計回歸分析以及模型驗證，建立了反演LAI的統計回歸模型，實現西雙版納森林區LAI的反演。在研究中發現，LAI主要集中在1～5之間，隨著VI的增加，LAI隨之增加，但是VI增加到一定程度，LAI則不再增加，出現飽和現象，這正是植被指數反演LAI的一大難點。本文的葉面積指數反演是基于西雙版納地區的VIs－LAI統計回歸模型分析得到，正如引言部分所述，不同地區、不同季節的VIs－LAI回歸模型不盡相同，因此與普適性強的光學模型相結合，可能是遙感估算LAI的一個突破點，也是本文進一步深入研究的問題。

［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，郭志華，趙占輕，等.不同空間尺度森林葉面積指數的估算方法［J］.林業科學，2009，45（6）：139－144.

［3]杜春雨.基于TM影像的葉面積指數反演［D］.哈爾濱：東北林業大學，2010.

［4]徐全芝，張萬昌，劉三超，等.黑河流域葉面積指數的反演［J］.干旱區研究，2003，20（4）：281－285.

［5]武紅敢，喬彥友，陳林洪，等.馬尾松林葉面積指數動態變化的遙感監測研究［J］.植物生態學報，1997，21（5）：485－488.

［6]夏學齊，田慶久，杜鳳蘭.遙感提取葉面積指數的地形影響分析［J］.遙感信息，2004（2）：16－19.

［7]駱知萌，田慶久，惠鳳鳴.用遙感技術計算森林葉面積指－以江西省興國縣為例［J］.南京大學學報，2005，41（3）：253－258.

［8]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.

［9]賈開心.西雙版納三葉橡膠林生長隨海拔高度變化研究［D］.云南：中國科學院西雙版納熱帶植物園，2006.

［10]周會平，巖香甩，張海東，等.西雙版納橡膠林下植被多樣性調查研究［J］.熱帶作物學報，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.西雙版納土地利用／覆蓋變化及其氣候效應研究［D］.云南：中國科學院西雙版納熱帶植物，2008.

［13]李增加，馬友鑫，李紅梅，等.西雙版納土地利用／覆蓋變化及其地形的關系［J］.植物學通報，2008，32（5）：1091－1103.

［14]駱社周，程峰，王方建，等.基于 TM 遙感數據的西藏林芝地區葉面積指數反演［J］.遙感技術與應用，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.植被指數計算區域植被覆蓋度的適用性研究［D］.西安：西北大學，2012.