基于機(jī)載MASTER數(shù)據(jù)的果園葉面積指數(shù)遙感反演

陳 健，王文君，盛世杰，張雪紅

(南京信息工程大學(xué)地理與遙感學(xué)院，南京 210044)

0 引言

葉面積指數(shù)(leaf area index，LAI)表征植被葉片的疏密程度和冠層結(jié)構(gòu)特征，對植被的生物物理過程(如光合作用、呼吸、蒸騰、碳循環(huán)和降水截獲等)有著重要影響［1］。LAI的遙感反演一直以來是植被遙感領(lǐng)域的重要內(nèi)容。已有研究大多數(shù)圍繞NOAA－AVHRR，MODIS，TM/ETM+和 SPOT/VEGETATION等數(shù)據(jù)，針對森林、作物、草地及蘆葦?shù)鹊匚镞M(jìn)行LAI反演［2－7］，這些研究多是基于衛(wèi)星遙感數(shù)據(jù)，空間分辨率往往較低，利用機(jī)載光學(xué)遙感數(shù)據(jù)反演高空間分辨率LAI的研究比較有限。

已有利用航空遙感數(shù)據(jù)反演LAI的研究多是利用機(jī)載數(shù)據(jù)提供的多角度信息，如周宇宇等［8］利用機(jī)載多角度多光譜成像儀系統(tǒng)(airbornemulti－angle TIR/VNIR imaging system，AMTIS)數(shù)據(jù)對北京市順義地區(qū)的小麥進(jìn)行LAI反演，研究表明，與傳統(tǒng)的航空遙感數(shù)據(jù)相比，多角度數(shù)據(jù)可以提供更加豐富的信息。Simic等［9］利用多角度輕便機(jī)載光譜成像儀(compact airborne spectrographic imager，CASI)數(shù)據(jù)，反演了加拿大安大略北部森林樣地的集聚指數(shù)和LAI。Manninen等［10］利用機(jī)載寬視場光學(xué)圖像進(jìn)行了芬蘭北方針葉林 LAI的反演。Asmat等［11］利用多條航線的遙感數(shù)據(jù)進(jìn)行了英國阿道夫東南地區(qū)樣地LAI的反演。以上研究均表明，航空遙感數(shù)據(jù)一般具有較高的空間分辨率，可以更加有效地與地面實(shí)測數(shù)據(jù)進(jìn)行比較，減少因尺度問題帶來的影響;但同時航空遙感數(shù)據(jù)提供的多角度或?qū)捯晥鰯?shù)據(jù)受到地面二向反射的影響，獲取的圖像具有非常明顯的亮度梯度現(xiàn)象［12－13］，這一方面提供了豐富的多角度信息，另一方面也對LAI的反演模型精度造成了一定影響。

美國加利福尼亞州是重要的果樹基地，準(zhǔn)確獲取果樹的LAI對監(jiān)測果樹長勢，進(jìn)行果樹估產(chǎn)有著重要作用。為了研究亮度梯度對LAI反演的影響，提高果樹LAI反演精度，美國空間技術(shù)和遙感研究中心(Center for Spatial Technologies and Remote Sensing，CSTARS)開展了一次航空遙感實(shí)驗(yàn)，分別沿太陽主平面和垂直太陽主平面獲取了2景機(jī)載多光譜數(shù)據(jù)。本文首先研究了這2景圖像的亮度梯度現(xiàn)象，在此基礎(chǔ)上選取幾乎不受亮度梯度影響的沿太陽主平面方向飛行獲取的數(shù)據(jù)，通過建立歸一化差值植被指數(shù)(normalized difference vegetation index，NDVI)、歸一化差值紅外指數(shù)(normalized difference infrared index，NDII)和歸一化差值水體指數(shù)(normalized difference water index，NDWI)3 種指數(shù)與實(shí)測LAI的回歸模型，進(jìn)行了LAI的反演研究，結(jié)果表明NDWI比NDVI和NDII具有更高的擬合度和更小的均方根誤差，更加適合研究區(qū)LAI的遙感反演。該研究的結(jié)果可以豐富LAI反演理論，為地面實(shí)測和衛(wèi)星遙感提供中尺度的LAI，也可為LAI的尺度問題研究提供理論和數(shù)據(jù)支持。

1 研究區(qū)概況與采樣方案

以美國加利福尼亞州西基恩郡果園為研究區(qū)，該區(qū)中心地理坐標(biāo)為 W119°40'2．6″，N35°29'45″，面積約10 km2，包括2個開心果樹的地塊和6個杏樹的地塊，這些地塊代表了不同的果樹年齡、種類和覆蓋度等特點(diǎn)的果園。

使用魚眼鏡頭進(jìn)行LAI實(shí)測，每個樣點(diǎn)代表地面范圍約300 m2，對每個樣點(diǎn)分別在不同位置拍攝12張魚眼照片。在室內(nèi)利用植被冠層半球圖像分析系統(tǒng)(hemispheric image analysis system，Hemi-View)軟件對魚眼照片進(jìn)行處理，得到12個點(diǎn)的LAI，取其平均得到該樣點(diǎn)的LAI。為了降低圖像糾正和配準(zhǔn)帶來的誤差，每一個樣點(diǎn)均位于空間均勻的區(qū)域。共實(shí)測得到40個樣點(diǎn)，采樣布置見圖1，果園地塊信息見表 1［14］。

圖1 研究區(qū)位置和實(shí)測數(shù)據(jù)(BE．001 和 BE．008 為開心果樹地塊編號，BE．002—BE．007 為杏樹地塊編號;底圖是由機(jī)載MASTER數(shù)據(jù)R(9)，G(5)，B(2)合成的標(biāo)準(zhǔn)假彩色圖像)Fig．1 Study area and sample points

表1 果園地塊特性［14］Tab．1 Block characteristics of orchards［14］

2 遙感數(shù)據(jù)源及其預(yù)處理

本文采用機(jī)載MODIS/ASTER模擬傳感器(MODIS/ASTER airborne simulator，MASTER)數(shù)據(jù)。MASTER傳感器搭載在NASA DC－8飛機(jī)上，飛行高度約4 000 m，飛行日期為2011年6月30日，分別沿太陽主平面及垂直太陽主平面2個不同飛行方向進(jìn)行成像(圖2)，數(shù)據(jù)獲取時天氣晴好。

圖2 2景不同航向圖像成像示意圖Fig．2 Schematic diagram of imaging with different heading direction of two images

MASTER為模擬MODIS和ASTER的傳感器，共有50個波段，包括25個反射率波段(波譜范圍為0．4～2．5μm)和25個熱紅外波段。表2列出本文中用到的4個MASTER波段的信息［15］。

表2 MASTER數(shù)據(jù)可見光和短波紅外波段特性［15］Tab．2 Spectral characteristics of the visible and shortwave infrared bands of MASTER data［15］

利用頭文件提供的定標(biāo)系數(shù)進(jìn)行定標(biāo)后，使用FLAASH(fast line－of－sight atmospheric analysis of hypercubes)軟件對MASTER圖像進(jìn)行大氣校正。FLAASH模塊中，大氣模式為中緯度夏天，氣溶膠模式為鄉(xiāng)村氣溶膠模式，經(jīng)大氣校正得到地表反射率數(shù)據(jù)。利用數(shù)據(jù)獲取時提供的坐標(biāo)信息對MASTER圖像進(jìn)行幾何糾正，并將空間分辨率重采樣成6 m，2景圖像的配準(zhǔn)精度控制在0．5個像元以內(nèi)。

飛機(jī)飛行高度約4 000 m，成像時最大觀測天頂角約42．5°。受太陽照射角度的影響，遙感數(shù)據(jù)往往存在明顯的亮度梯度現(xiàn)象，并且這種現(xiàn)象隨著太陽照射角度與飛行方向的相對角度的變化而不同。圖3為沿太陽主平面方向(along solar plane，ASP)和垂直太陽主平面方向(perpendicularly to solar plane，PSP)飛行獲取的2景MASTER數(shù)據(jù)的對比。針對這2景不同航向數(shù)據(jù)，任選一水平剖面，得到近紅外波段(NIR)、紅波段(RED)和短波紅外(SWIR)波段反射率的剖面。

圖3 2景不同航向MASTER數(shù)據(jù)反射率水平剖面比較Fig．3 Comparison between reflectance horizontal profiles from two MASTER images acquired in different heading direction

由圖3可以看出，沿PSP方向飛行獲取的圖像，單個波段均有著明顯的變化規(guī)律，在熱點(diǎn)附近(橫坐標(biāo)左邊起第10個像元位置)近紅外波段具有最高的反射率(在飛機(jī)造成的陰影處反射率稍微低一點(diǎn));距離熱點(diǎn)方向越遠(yuǎn)，反射率越低，在天底方向開始趨于穩(wěn)定;紅波段和短波紅外波段也存在熱點(diǎn)現(xiàn)象，但是沒有近紅外波段明顯。沿ASP方向飛行獲取的數(shù)據(jù)，植被反射率變化不大，說明幾乎沒有受到亮度梯度的影響。紅波段、短波紅外波段均比近紅外波段保留了更多的地塊信息，但紅波段比短波紅外波段的值要小很多，這主要是因?yàn)榧t波段對植被的強(qiáng)烈吸收引起的，這種現(xiàn)象在高覆蓋植被區(qū)域易造成NDVI偏大、易達(dá)到飽和的現(xiàn)象。

根據(jù)幾何光學(xué)模型的原理，由于熱點(diǎn)方向具有最高的反射率，而暗點(diǎn)方向具有最低的反射率，因此沿PSP方向飛行獲取的數(shù)據(jù)具有最大的亮度梯度。相反，沿ASP方向飛行獲取的數(shù)據(jù)，平行飛行方向上的像元均具有相同的太陽光照條件和觀測角度，因此不具有亮度梯度現(xiàn)象。而垂直于飛行方向同一剖面上的像元，盡管觀測角度不一樣，但是光照部分和陰影部分比例應(yīng)保持不變，因此也不存在亮度梯度現(xiàn)象。綜上所述，沿太陽主平面飛行方向獲取的MASTER數(shù)據(jù)不存在亮度梯度現(xiàn)象，故選取該數(shù)據(jù)用于本次LAI的反演。

3 研究方法

植被指數(shù)法是遙感反演LAI的常用方法［16－17］。根據(jù)對植被光譜特征的分析，本文選擇 NDVI，NDII［18］和 NDWI［19］等 3 個指數(shù)用于估算 LAI。3 個指數(shù)的計(jì)算方法分別為

式中:B5，B9，B13和B21分別為MASTER數(shù)據(jù)的第5，9，13和21波段的反射率;反射率R的下標(biāo)RED，NIR和SWIR分別為紅波段、近紅外波段和短波紅外波段。Gao等［19］在計(jì)算NDWI時，短波紅外波段使用的是1．24μm的波段;由于MASTER數(shù)據(jù)沒有這個波段，因此本文計(jì)算NDWI時使用的短波紅外波段是2．16μm的水分吸收波段。

由于MASTER圖像的空間分辨率為6 m，為了正確匹配實(shí)測數(shù)據(jù)和遙感數(shù)據(jù)，對遙感數(shù)據(jù)進(jìn)行重采樣和3像元×3像元的均值濾波，即像元的有效代表范圍為324 m2，而實(shí)測樣點(diǎn)代表的范圍約為300 m2，因此濾波后二者代表的范圍基本匹配。本次研究共有39個有效實(shí)測點(diǎn)數(shù)據(jù)(有1個點(diǎn)接近地塊間的道路，圖像配準(zhǔn)和濾波時混入了道路的反射特征，因此將該點(diǎn)剔除)。將39個實(shí)測點(diǎn)分為2組，從8個地塊中分別隨機(jī)挑選出一個樣點(diǎn)作為驗(yàn)證數(shù)據(jù)，剩下的31個實(shí)測點(diǎn)用于建立模型。模型的精度驗(yàn)證通過計(jì)算均方根誤差(root mean squared error，RMSE)來完成。

4 結(jié)果與分析

4．1 研究結(jié)果

以LAI為自變量，NDVI，NDII和NDWI分別為因變量進(jìn)行對數(shù)回歸分析，結(jié)果如圖4所示。

圖4 3種LAI反演模型比較Fig．4 Comparison among three LAI retrieval models

由圖4可以看出，NDVI，NDII和NDWI與LAI均有較好的擬合效果，擬合度分別為0．888 9，0．815 8和0．897 8。其中，LAI與NDVI和NDWI的擬合度均明顯高于與NDII的擬合度，與NDWI的擬合度略高于與NDVI的擬合度。LAI與NDVI的擬合度雖然較高，但在LAI的高值區(qū)出現(xiàn)比較明顯的飽和現(xiàn)象，即當(dāng)LAI增加到一定程度時，NDVI植被指數(shù)的變化不再敏感;NDWI水體指數(shù)仍呈現(xiàn)出隨LAI增加而增加的趨勢，這可能是因?yàn)槎滩t外為水分吸收谷，植被生長越茂密，吸收越強(qiáng)烈，但是不會很快達(dá)到飽和。因此，本文認(rèn)為NDWI比NDVI更適合于研究區(qū)LAI的反演。

4．2 LAI反演精度驗(yàn)證

為了進(jìn)一步比較3個LAI反演模型，本文利用剩余的8個實(shí)測點(diǎn)數(shù)據(jù)(作為驗(yàn)證數(shù)據(jù))計(jì)算了均方根誤差RMSE(圖5)。

圖5 實(shí)測LAI與模擬LAI的關(guān)系Fig．5 Relationship between measured LAI and simulated LAI

圖5中各點(diǎn)均分布在y=x直線周圍，用NDVI，NDII和NDWI反演LAI的3種模型的RMSE分別為0．126，0．100 和 0．096，其中基于NDWI指數(shù)的反演模型得到的模擬值與實(shí)測值具有最好的對應(yīng)關(guān)系。因此，本文最終選取NDWI進(jìn)行LAI的反演和制圖。

4．3 LAI制圖與分析

LAI反演時受到的影響因素眾多，包括太陽的照射角度、大氣、傳感器、地形、植被類型及背景土壤等。研究區(qū)范圍較小，因此太陽的照射天頂角(27．33°～27．43°)和方位角(108．96°～109．03°)變化很小，其影響可忽略不計(jì);航攝的高度約為4 km，因此4 km以上大氣的影響不予考慮，并且利用FLAASH模塊對MASTER數(shù)據(jù)進(jìn)行大氣校正，最大程度地減少了大氣的影響;研究區(qū)地勢平坦，地形對反演結(jié)果的影響也可忽略不計(jì)。本文基于NDWI與LAI的回歸模型進(jìn)行了果園LAI反演和制圖(圖6)。

圖6 研究區(qū)LAI反演圖Fig．6 Rretrieval map of LAI in study area

由圖6可以看出，LAI反演結(jié)果具有明顯的地塊分布特征。BE．001與BE．008都是開心果樹，2個地塊LAI的差異主要來自于果樹年齡的差異。BE．002和BE．006同為2000年種植的杏樹，在圖1中這2個地塊的差異極大，主要是因?yàn)锽E．002的土壤水分偏高導(dǎo)致呈現(xiàn)出暗紅色的色調(diào);經(jīng)過反演之后得到這2個地塊的LAI非常接近，也說明LAI反演的結(jié)果在一定程度上可以去除土壤背景的影響。綜上所述，研究區(qū)LAI的分布與植被類型、果樹年齡具有較好的一致性，而且LAI反演結(jié)果具有較高的精度，可以用于進(jìn)一步的研究。

5 結(jié)論

1)由于平行飛行方向剖面的像元均具有相同的太陽光照條件和觀測角度，因此沿太陽主平面方向飛行成像的數(shù)據(jù)不具有亮度梯度現(xiàn)象;垂直飛行方向的剖面像元，盡管觀測角度不一樣，但是光照部分和陰影部分比例應(yīng)保持不變。

2)NDVI，NDII和 NDWI與 LAI均有較好的擬合效果，擬合度分別為0．888 9，0．815 8 和0．897 8，反演 LAI的 RMSE 分別為 0．126，0．100 和 0．096。LAI與NDVI和NDWI的擬合度均高于與NDII的擬合度，與NDWI的擬合度略高于與NDVI的擬合度。盡管LAI與NDVI的擬合度也較高，但在LAI高值區(qū)出現(xiàn)較明顯的飽和現(xiàn)象，因此，NDWI比NDVI更適合于研究區(qū)LAI的反演。

3)本文使用沿太陽主平面方向飛行成像的航空數(shù)據(jù)進(jìn)行LAI反演，可以有效避免亮度梯度的影響，該研究結(jié)果為航空遙感的實(shí)驗(yàn)設(shè)計(jì)提供了一種新思路。若能進(jìn)一步結(jié)合中、低空間分辨率衛(wèi)星數(shù)據(jù)(如TM和MODIS)進(jìn)行研究，則可為不同數(shù)據(jù)源的LAI尺度對比提供數(shù)據(jù)基礎(chǔ)。若能結(jié)合垂直太陽主平面方向飛行的數(shù)據(jù)同時反演，則可充分利用多角度信息進(jìn)行LAI的提取，有助于LAI反演精度的提高。

志謝:感謝美國空間技術(shù)和遙感研究中心提供MASTER數(shù)據(jù)和實(shí)測LAI數(shù)據(jù)，感謝加州大學(xué)戴維斯分校Susan Ustin教授和南京農(nóng)業(yè)大學(xué)程濤教授提供的幫助。

［1］ 劉 洋，劉榮高，陳鏡明，等．葉面積指數(shù)遙感反演研究進(jìn)展與展望［J］．地球信息科學(xué)學(xué)報(bào)，2013，15(3):734－743．Liu Y，Liu R G，Chen JM，etal．Current status and perspectives of leaf area index retrieval from optical remote sensing data［J］．Journal of Geo－Information Science，2013，15(3):734－743．

［2］ Liu Y，Liu R G，Chen JM．Retrospective retrieval of long－term consistent global leaf area index(1981—2011)from combined AVHRR and MODIS data［J］．Journal of Geophysical Research:Biogeo sciences(2005－2012)，2012:117(G4)．doi:10．1029/2012JG002084．

［3］ Myneni R B，Hoffman S，Knyazikhin Y，et al．Global products of vegetation leaf area and fraction absorbed PAR from year one of MODIS data［J］．Remote Sensing of Environment，2002，83(1/2):214－231．

［4］ Chen JM，Cihlar J．Retrieving leaf area index of boreal conifer forests using Landsat TM images［J］．Remote Sensing of Environment，1996，55(2):153－162．

［5］ Baret F，Hagolle O，Geiger B，et al．LAI，F(xiàn)APAR and cover CYCLOPES global products derived from VEGETATION．Part1:Principles of the algorithm［J］．Remote Sensing of Environment，2007，110(3):275－286．

［6］ Weiss M，Baret F，Garrigues S，et al．LAI and FAPAR CYCLOPES global products derived from VEGETATION．Part2:Validation and comparison with MODIS collection 4 products［J］．Remote Sensing of Environment，2007，110(3):317－331．

［7］ 陳 健，倪紹祥，李云梅，等．蘆葦?shù)厝~面積指數(shù)的遙感反演［J］．國土資源遙感，2005，17(2):20－23．doi:10．6046/gtzyyg．2005．02．05．Chen J，Ni SX，Li YM，etal．Remote sensing LAI retrieval of reed marsh［J］．Remote Sensing for Land and Resources，2005，17(2):20－23．doi:10．6046/gtzyyg.2005．02．05．

［8］ 周宇宇，唐世浩，朱啟疆，等．基于新型機(jī)載多角度傳感器AMTIS的LAI反演［J］．國土資源遙感，2003，15(4):9－12．doi:10．6046/gtzyyg．2003．04．03．Zhou Y Y，Tang SH，Zhu Q J，etal．LAI retrieval based on the new airbornemulti－angle sensor AMTIS［J］．Remote Sensing for Land and Resources，2003，15(4):9－12．doi:10．6046/gtzyyg．2003．04．03．

［9］ Simic A，Chen JM，F(xiàn)ree mantle JR，et al．Improving clumping and LAI algorithms based on multiangle airborne imagery and ground measurements［J］．IEEE Transactions on Geoscience and Remote Sensing，2009，48(4):1742－1759．

［10］ Manninen T，Korhonen L，Voipio P，et al．Leaf area index(LAI)estimation of boreal forest using wide optics airborne winter photos［J］．Remote Sensing，2009，1(4):1380－1394．

［11］ Asmat A，Milton E J，Atkinson PM．Empirical correction of multiple flight line hyper spectral aerial image mosaics［J］．Remote Sensing of Environment，2011，115(10):2664－2673．

［12］ Kennedy R E，Cohen W B，Takao G．Empirical methods to compensate for a view－angle－dependent brightness gradient in AVIRIS imagery［J］．Remote Sensing of Environment，1997，62(3):277－291．

［13］ Schiefer S，Hostert P，Damm A．Correcting brightness gradients in hyper spectral data from urban areas［J］．Remote Sensing of Environment，2006，101(1):25－37．

［14］ Cheng T，Riano D，Koltunov A，et al．Detection of diurnal variation in orchard canopy water content using MODIS/ASTER airborne simulator(MASTER)data［J］．Remote Sensing of Environment，2013，132:1－12．

［15］ Hook S J，Myers J，Thome K J，et al．The MODIS/ASTER airborne simulator(MASTER):A new instrument for earth science studies［J］．Remote Sensing of Environment，2001，76(1):93－102．

［16］ 侯學(xué)會，牛 錚，黃 妮，等．小麥生物量和真實(shí)葉面積指數(shù)的高光譜遙感估算模型［J］．國土資源遙感，2012，24(4):30－35．doi:10．6046/gtzyyg．2012．04．06．Hou X H，Niu Z，Huang N，et al．The hyper spectral remote sensing estimation models of total biomass and true LAIof wheat［J］．Remote Sensing for Land and Resources，2012，24(4):30－35．doi:10．6046/gtzyyg．2012．04．06．

［17］ 傅銀貞，汪小欽，江 洪．馬尾松LAI與植被指數(shù)的相關(guān)性研究［J］．國土資源遙感，2010，22(3):41－46．doi:10．6046/gtzyyg．2010．03．09．Fu Y Z，Wang X Q，Jiang H．The correlation between LAIand vegetation index of masson pine［J］．Remote Sensing for Land and Resources，2010，22(3):41－46．doi:10．6046/gtzyyg．2010．03．09．

［18］ Hardisky M A，Klemas V，Smart R M．The influence of soil salinity，growth form and leaf moisture on the spectral radiance of spartina alterniflora canopies［J］．Photogrammetric Engineering and Remote Sensing，1983，49:77－84．

［19］ Gao B C．NDWI:A normalized difference water index for remote sensing of vegetation liquid water from space［J］．Remote Sensing of Environment，1996，58(3):257－266．