基于MODIS的鄭州市夏玉米LAI反演研究

武玉國 郭恒亮 赫曉慧 鄭紫瑞 吳豪杰 曹青

摘要 根據實測玉米高光譜數據和遙感影像數據，以鄭州市為研究區域，分別利用原始光譜反射率、光譜反射率一階導數以及植被指數（NDVI）建立了LAI回歸模型，比較擬合效果以確定精度最高的模型，充分挖掘高光譜的優勢，提高夏玉米LAI遙感估算精度。結果表明，夏玉米LAI的最佳回歸模型為利用波長439.31nm處的光譜反射率一階導數數據進行回歸分析建立的三次多項式回歸模型，其決定系數R²為0.761。

關鍵詞 葉面積指數;遙感; 植被指數;回歸模型

中圖分類號 S127 ?文獻標識碼

A ?文章編號 0517-6611（2015）03-361-03

基金項目

河南省高等學校青年骨干教師資助計劃項目;河南省基礎研究計劃項目（142300410064）;河南省科技攻關計劃項目（142102310308）。

作者簡介 武玉國（1973- ），男，黑龍江訥河人，博士，副教授，從事地理信息系統與地理環境仿真研究。*通訊作者，副教授，碩士生導師，從事地理信息與遙感研究。

收稿日期 20141208

LAI（葉面積指數）被定義為單位土地面積上所有葉片表面積的總和，或單位面積植物葉片的垂直投影面積的總和^[1]，在植被冠層中起著控制其生理過程的作用，是描述植物長勢最常用的的指標，也是用于作物產量評估的重要農學指標^[2]。傳統地面測量法獲取大范圍農作物葉面積指數需要花費大量的人力物力，效率低，成本高，遙感技術的快速發展可以實現大區域LAI的快速、高效監測，并能夠提供各參數的時間和空間分布狀況。

1 數據來源與研究方法

1.1 研究區概況與數據來源

鄭州市是河南省省會，位于河南省中部偏北地區，地理坐標為112°42′～114°13′E、34°16′～34°58′N，東西寬166 km，南北長75 km，北臨黃河，西依嵩山，東南為廣闊的黃淮平原，全年平均氣溫為14.0～14.3°，常年降雨量為599.6～707.0 mm，日照時數為2 400 h。雨量適中，日照時間長，適宜農作物的生長。2012年鄭州市農作物種植面積為50.748萬hm²，其中玉米種植面積15.832萬hm²，在鄭州市糧食生產中占有很大的比重^[3]。

該研究以河南省鄭州市為研究區域，以鄭州市耕地圖斑為基礎，以夏玉米作物農田環境為主要研究對象，結合葉面積指數地面實測數據及野外光譜觀測數據，以MODIS影像為主要數據源，進行夏玉米LAI的反演研究。

1.2 研究方法

1.2.1 LAI測定。

測定LAI選用的是LAI2200葉面積指數測量儀。測量時，在選定的夏玉米樣區，首先將光學傳感器在陽光下進行一次對光，然后沿株型對角線進行4次LAI測定，之后再進行一次對光，再進行3次測定，選擇7次LAI測定結果的平均值作為該采樣點的LAI。

1.2.2 基于實測光譜數據的LAI反演。

測定光譜選用的是SVC GER1500野外便攜式光譜儀，光譜分辨率為3.2 nm，測量范圍為350～1 050 nm。首先進行一次白板反射率校正，然后對選定的夏玉米樣區進行10次光譜測量，以平均值作為該樣區的光譜反射率。對采集到的光譜反射率數據進行篩選，剔除質量較差的一組數據，共獲取13組反射率數據。

所謂光譜反射率一階導數的計算是采用光譜微分技術，可用于去除部分線性或接近線性的背景、噪聲光譜對目標光譜的影響，其近似計算方法如下^[4]：

ρ（λi）=[p（λi+1）-ρ（λi-1）]/2Δλ

式中，λi表示波段i的波長值;ρ（λi）表示波長為λi的波段的反射率;Δλ是波長λi到λi-1的差值。

1.2.3 基于植被指數的LAI反演。

該研究所用的遙感數據主要是MODIS數據，時相為2013年8月6日。將MODIS數據進行幾何校正，然后利用鄭州市邊界矢量圖對影像進行剪裁。植被指數是遙感監測地面植物生長和分布情況的一種有效方法，可以有效消除地物光譜產生的影響^[5]。該研究選取遙感中應用最廣泛的6種植被指數，分別為歸一化植被指數（NDVI）、比值植被指數（RVI）、差值植被指數（DVI），垂直植被指數（PVI）、復歸一化植被指數（RDVI）、土壤調整植被指數（SAVI），計算公式如表1^[6]。

表1 植被指數公式

序號植被指數計算公式

1歸一化植被指數（NDVI）NDVI=（RNIR-RRED）/（RNIR+RRED）

2比值植被指數（RVI）RVI=RNIR/RRED

3差值植被指數（DVI）DVI=RNIR-RRED

4垂直植被指數（PVI）PVI=（RNIR-a RRED-b）/1+a²

5復歸一化植被指數（RDVI）RDVI=NDVI×DVI

6土壤調整植被指數（SAVI）SAVI=（1+0.5）（ RNIR-RRED） /（ RNIR+RRED+0.5）

式中，RRED、RNIR分別為紅色和近紅外波段的光譜值。借助SPSS統計分析工具，可得到6種植被指數與LAI的回歸模型和回歸曲線。

相比有了較大的提高，其中三次回歸模型擬合度最高，回歸方程為：y=4.011-39 426.954x+247 200 000x²-665 100 000x³。利用植被指數建立的LAI回歸模型擬合度都不高，與原始光譜回歸分析的效果相比，模型的決定系數普遍較低，且P值較高。因此，在對LAI進行反演時，為獲得更高的預測精度，在條件允許的情況下，應選擇波長為43931 nm處的光譜反射率的一階導數進行建模。

參考文獻

[1]

趙麗芳，譚炳香，楊華，等.高光譜遙感森林葉面積指數估測研究現狀[J].世界林業研究，2007，20（2）： 50-54.

[2] 楊邦杰，裴志遠，農作物長勢的定義與遙感監測[J].農業工程學報，1999，15（3）：214-218.

[3] DORAISWAMY P C，HATFIELD J L，JACKSON T J，et al. Crop condition and yield simulations using Landsat and MODIS[J]. Remote Sensing of Environment， 2004，92（4）：548-559.

[4] CHEN J M，SYLVAIN G，LEBLANC.A Four-Scale Bidirectional Reflectance Model Based on Canopy Architecture[J].IEEE Transactions on Geo science and Remote Sensing，1997，35（5）：1316-1337.

[5] 王偉，彭彥昆，馬偉，等.冬小麥葉綠素含量高光譜檢測技術[J].農業機械學報，2010，41（5）：172-177.

[6] 邢著榮，馮幼貴，李萬明，等.高光譜遙感葉面積指數（LAI）反演研究現狀[J].測繪科學，2010，35（S1）：162-164.

[7] 程武學，潘開志，楊存建.葉面積指數（LAI）測定方法研究進展[J].四川林業科技，2010，31（3）：51-54.

[8] 方秀琴，張萬昌.葉面積指數（LAI）的遙感定量方法綜述[J].國土資源遙感， 2003，57（3）： 58-62.