基于高分一號(hào)數(shù)據(jù)的PROSAIL模型葉面積指數(shù)反演

葉　舒，范文義*，孟慶巖

(1.東北林業(yè)大學(xué) 林學(xué)院，哈爾濱150040；2.中國(guó)科學(xué)院 遙感與數(shù)字地球研究所，北京100101)

?

基于高分一號(hào)數(shù)據(jù)的PROSAIL模型葉面積指數(shù)反演

葉舒1，范文義1*，孟慶巖2

(1.東北林業(yè)大學(xué) 林學(xué)院，哈爾濱150040；2.中國(guó)科學(xué)院 遙感與數(shù)字地球研究所，北京100101)

摘要：使用PROSPECT-5與4SAIL相結(jié)合的PROSAIL模型，以高分一號(hào)衛(wèi)星數(shù)據(jù)為基礎(chǔ)數(shù)據(jù)，進(jìn)行葉面積指數(shù)反演。由于實(shí)驗(yàn)區(qū)受冰雹災(zāi)害影響，玉米長(zhǎng)勢(shì)不一，因此通過對(duì)健康葉片和枯黃葉片的實(shí)測(cè)光譜進(jìn)行線性混合，模擬不同長(zhǎng)勢(shì)玉米葉片的實(shí)際光譜。將混合系數(shù)和LAI劃分成若干等級(jí)，使用PROSAIL模型建立葉片生理參數(shù)、葉面積指數(shù)和高分一號(hào)4個(gè)波段反射率值的查找表。研究結(jié)果表明，葉面積指數(shù)反演的平均精度為60.59%，并且反演葉面積指數(shù)與實(shí)測(cè)葉面積指數(shù)具有線性回歸關(guān)系。

關(guān)鍵詞：高分一號(hào)衛(wèi)星；PROSAIL模型；葉面積指數(shù)；混合光譜

0引言

葉面積指數(shù)(Leaf Area Index，LAI)是控制植被冠層生理過程的一個(gè)重要參數(shù)[1]。葉面積指數(shù)定義為單位地表面積上的單面總?cè)~面積[2]，葉片投影面積[3]或單位地表面積上總截留面積的一半[1]。PROSAIL模型由葉片層面的PROSPECT模型和冠層層面的SAIL模型耦合而成，PROSPECT模型描述了葉片的光學(xué)特性，而SAIL模型將這種光學(xué)特性與冠層的方向反射率聯(lián)系起來，使之能夠用于遙感反演。PROSPECT模型是模擬葉片反射率和透射率方面的先驅(qū)，而SAIL模型作為最早的冠層反射模型之一，在遙感領(lǐng)域獲得了廣泛應(yīng)用[5]。PROSAIL模型不僅在理論上被證明具有可反演性[6]，還在包括玉米[7]在內(nèi)的多種植被[8-10]上得到了應(yīng)用和驗(yàn)證[11-12]。

遙感以其大面積、快速、動(dòng)態(tài)的優(yōu)勢(shì)在宏觀生態(tài)研究中得到了廣泛應(yīng)用[13]，而隨著我國(guó)自主高分系列衛(wèi)星的發(fā)射，如何對(duì)小尺度上的高空間分辨率數(shù)據(jù)進(jìn)行定量分析必然將會(huì)獲得更多關(guān)注。由于多光譜遙感數(shù)據(jù)的波段有限，限制了同時(shí)對(duì)多個(gè)變量的反演，而PROSAIL模型中的參數(shù)又較多，因此在以往的反演中一般將反演值以外的其他值固定[14]。但在實(shí)際研究中，不可能所有的葉片都具有相同的光學(xué)特性，本研究致力于探索PROSAIL模型反演葉面積的這一問題。由于本研究使用SAIL模型，因此采用SAIL模型中對(duì)葉面積指數(shù)的定義，即單位冠層面積上的單面總?cè)~面積[4]。

1研究方法

1.1實(shí)驗(yàn)區(qū)概況

實(shí)驗(yàn)區(qū)(40°19′N，115°46′E)位于河北省張家口市懷來縣東花園鎮(zhèn)，臨近官?gòu)d湖，主要種植作物為玉米，間種少量果蔬和向日葵。東花園鎮(zhèn)距北京市區(qū)70 km，地形為半山川、半丘陵，氣候?yàn)闇貛Т箨懶约撅L(fēng)氣候，土壤肥沃，水、電資源充足，交通便利。

1.2數(shù)據(jù)

1.2.1遙感數(shù)據(jù)

遙感數(shù)據(jù)來自GF-1衛(wèi)星的PMS1傳感器，軌道號(hào)12601，景號(hào)1 538 703，獲取時(shí)間為2015年8月28日11：44：15，空間分辨率為8 m，云量為3%。采用ENVI中的FLAASH模型對(duì)圖像進(jìn)行了輻射校正和大氣校正。

1.2.2樣地?cái)?shù)據(jù)

在實(shí)驗(yàn)區(qū)內(nèi)取樣方大小為2 m×2 m的樣點(diǎn)10個(gè)，分別測(cè)量這10個(gè)樣點(diǎn)的地理坐標(biāo)、株高，采集玉米樣本并對(duì)樣地進(jìn)行拍照。使用SVC HR-1024光譜儀測(cè)量玉米葉片和土壤光譜，測(cè)量每個(gè)樣點(diǎn)前使用參考板對(duì)光譜儀進(jìn)行校正。在早晨和黃昏使用LAI-2000進(jìn)行葉面積指數(shù)測(cè)量。

1.3葉面積指數(shù)的反演模型

1.3.1葉片生理參數(shù)反演方法

Vohland等使用迭代數(shù)值優(yōu)化、人工神經(jīng)網(wǎng)絡(luò)和查找表三種反演方法對(duì)PROSAIL模型進(jìn)行反演，結(jié)果表明迭代數(shù)值優(yōu)化的反演精度最高，查找表其次，人工神經(jīng)網(wǎng)絡(luò)最低[15]，因此本研究選擇使用迭代數(shù)值優(yōu)化方法對(duì)葉片生理參數(shù)進(jìn)行反演。

1.3.2PROSAIL模型

PROSPECT-5對(duì)PROSPECT模型的改進(jìn)為[16]：①引入了葉片表面粗糙度σ，對(duì)于大部分葉片，其對(duì)應(yīng)的最大入射角α在0～40°之間；②使用反射率最大(λ1)、透射率最大(λ2)和吸收率最小(λ3)3處波長(zhǎng)的反射率和透射率對(duì)葉肉結(jié)構(gòu)參數(shù)N進(jìn)行校正；③使用鮮葉計(jì)算折射指數(shù)n；④直接計(jì)算吸收系數(shù)，避免了數(shù)值不穩(wěn)定性；⑤使用LOPEX、CALMIT、ANGERS和HAWAII 4個(gè)數(shù)據(jù)庫(kù)對(duì)模型進(jìn)行校正和驗(yàn)證，這些數(shù)據(jù)庫(kù)中包含了不同生態(tài)系統(tǒng)類型中采集的不同種類、不同生長(zhǎng)階段植物的上百葉片；⑥將總?cè)~綠素和總類胡蘿卜素分開，改善了對(duì)色素含量低的葉片的葉綠素反演。

4SAIL對(duì)SAIL模型的主要改進(jìn)有[17]：①增加了熱點(diǎn)參數(shù)(繼承自SAILH)；②避免了奇異點(diǎn)；③雙精度；④速度優(yōu)化。

本研究中對(duì)PROSAIL模型各參數(shù)的設(shè)置見表1，其中葉片組分含量范圍的設(shè)置主要參考LOPEX、CALMIT、ANGERS和HAWAII 4個(gè)數(shù)據(jù)庫(kù)的實(shí)測(cè)值，平均葉傾角由觀測(cè)獲得，熱點(diǎn)參數(shù)由冠層平均高度和葉片平均長(zhǎng)度計(jì)算，土壤系數(shù)使用實(shí)測(cè)土壤光譜計(jì)算，太陽天頂角、觀測(cè)天頂角和方位角由圖像獲得，天空散射光比例依據(jù)當(dāng)天的天氣設(shè)置。

表1　PROSAIL模型參數(shù)設(shè)置Tab.1 Parameter settings of PROSAIL

1.3.3玉米光譜的模擬

由于實(shí)驗(yàn)區(qū)受冰雹災(zāi)害影響，加之部分土地缺乏管理，玉米長(zhǎng)勢(shì)不均，因此測(cè)得的光譜不具有代表性。為了解決這一問題，本研究選取了長(zhǎng)勢(shì)較好和長(zhǎng)勢(shì)較差的2條實(shí)測(cè)玉米光譜進(jìn)行混合，其中R1和R2為實(shí)測(cè)光譜，R為模擬光譜。將k分為0～1的11個(gè)等級(jí)，步長(zhǎng)為0.1，得到包括2條實(shí)測(cè)光譜和9條模擬光譜在內(nèi)的11條光譜曲線。使用PROSPECT模型計(jì)算這11條反射率曲線對(duì)應(yīng)的吸收率和透射率，將反射率和透射率作為SAIL模型的輸入?yún)?shù)。

1.3.4反射率查找表建立

將葉面積指數(shù)LAI分為0.1～5的50個(gè)等級(jí)，步長(zhǎng)為0.1，使用SAIL模型對(duì)代表11種不同長(zhǎng)勢(shì)的玉米光譜計(jì)算冠層的方向反射率，并通過光譜響應(yīng)函數(shù)轉(zhuǎn)換成GF-1 4個(gè)波段的反射率值。每一個(gè)k對(duì)應(yīng)的反射率曲線都可以通過PROSPECT模型反演出一組葉片生理參數(shù)，每一種k和LAI的組合又可以計(jì)算出一組圖像反射率值，通過k即可建立葉片生理參數(shù)、葉面積指數(shù)和圖像反射率的查找表。

2結(jié)果與分析

2.1混合光譜驗(yàn)證

假設(shè)實(shí)際葉片的光譜可以通過線性模型公式(1)來表示。

R=k×R1+(1-k)×R2。

(1)

式中：R1為健康葉片的光譜；R2為枯黃葉片的光譜；k為混合系數(shù)，k=0～1。

公式(1)經(jīng)變換后可得公式(2)，使用實(shí)測(cè)光譜對(duì)線性模型進(jìn)行檢驗(yàn)，檢驗(yàn)結(jié)果如圖1所示。由圖1可知，實(shí)際葉片的光譜曲線與健康葉片和枯黃葉片的光譜存在顯著的線性混合關(guān)系，R2=0.979 5，實(shí)際葉片的光譜可以通過該線性模型表示。

R-R2=k(R1-R2)。

(2)

圖1　線性模型回歸檢驗(yàn)Fig.1 Linear model regression

由圖2可知，不同健康程度的葉片光譜均可以通過健康葉片的光譜R1和枯黃葉片的光譜R2來表示，并且R2均達(dá)到了0.9以上，因此這種線性關(guān)系是普遍存在的。

圖2　不同實(shí)測(cè)光譜的混合系數(shù)Fig.2 Mixing coefficient of different measured spectra

2.2葉面積指數(shù)反演結(jié)果及驗(yàn)證

使用GF-1數(shù)據(jù)對(duì)混合系數(shù)k和葉面積指數(shù)進(jìn)行反演，結(jié)果如圖3～4所示。使用實(shí)測(cè)葉面積指數(shù)對(duì)反演的葉面積指數(shù)進(jìn)行驗(yàn)證，結(jié)果表明，兩者具有一定的回歸關(guān)系，回歸系數(shù)為0.742 5，R2=0.797 2。葉面積指數(shù)的反演精度見表2，方差約為0.31，平均精度約為60.59%。

圖3　混合系數(shù)k反演結(jié)果Fig.3 Inversion result of mixing coefficient k

圖4　葉面積指數(shù)反演結(jié)果Fig.4 Inversion result of leaf area index 表2　反演葉面積指數(shù)精度檢驗(yàn) Tab.2 Precision test of inversed LAI

實(shí)測(cè)值反演值差1.360.9-0.462.261.9-0.362.131.6-0.531.921.8-0.121.251.30.051.921.6-0.321.291.30.010.840.7-0.141.210.9-0.311.091.20.11

3結(jié)論

通過對(duì)健康葉片和枯黃葉片進(jìn)行光譜混合，并對(duì)混合系數(shù)分級(jí)，模擬了不同生長(zhǎng)狀況的玉米葉片光譜。與將葉片生理參數(shù)設(shè)為固定值相比，這種方法更具有事實(shí)依據(jù)，也更符合實(shí)際情況。在反演過程中，使用了迭代數(shù)值優(yōu)化和查找表兩種反演方法，這兩種方法的反演精度均高于神經(jīng)網(wǎng)絡(luò)，迭代數(shù)值優(yōu)化方法在同時(shí)反演多個(gè)變量方面具有優(yōu)勢(shì)。最終，使用PROSPECT-5與4SAIL相結(jié)合的PROSAIL模型，應(yīng)用GF-1數(shù)據(jù)有限的4個(gè)波段進(jìn)行了葉面積指數(shù)反演，獲得了較好的結(jié)果。

【參考文獻(xiàn)】

[1]Chen J M，Black T A.Defining leaf area index for non-flat leaves[J].Plant，Cell and Environment，1992，15(4)：421-429.

[2]Monteith J L，Unsworth M H.Principles of environmental physics[M].London：Edward Arnold，1973.

[3]Ross J.The radiation regime and architecture of plant stands[M].Dordrecht:Dr W.Junk Publishers，1981.

[4]Verhoef W.Light scattering by leaf layers with application to canopy reflectance modeling：The SAIL model[J].Remote Sensing of Environment，1984，16(84)：125-141.

[5]Jacquemoud S，Verhoef W，Baret F，et al.PROSPECT+SAIL models：A review of use for vegetation characterization[J].Remote Sensing of Environment，2009，113：S56-S66.

[6]Jacquemoud S，Baret F，Andrieu B，et al.Extraction of vegetation biophysical parameters by inversion of the PROSPECT + SAIL models on sugar beet canopy reflectance data.Application to TM and AVIRIS sensors[J].Remote Sensing of Environment，1995，52(3)：163-172.

[7]Koetz B，Baret F，Poilve H，et al.Use of coupled canopy structure dynamic and radiative transfer models to estimate biophysical canopy characteristics[J].Remote Sensing of Environment，2005，95(1)：115-124.

[8]Si Y，Schlerf M，Zurita-Milla R，et al.Mapping spatio-temporal variation of grassland quantity and quality using MERIS data and the PROSAIL model[J].Remote Sensing of Environment，2012，121(138)：415-425.

[9]Mridha N，Sahoo R N，Kumar D N，et al.Genetic algorithm based inversion modelling of PROSAIL for retrieval of wheat biophysical parameters from bidirectional reflectance data[J].Journal of Agricultural Physics，2014，14(1)：87-95.

[10]Duan S B，Li Z L，Wu H，et al.Inversion of the PROSAIL model to estimate leaf area index of maize，potato，and sunflower fields from unmanned aerial vehicle hyperspectral data[J].International Journal of Applied Earth Observation and Geoinformation，2014，26(2)：12-20.

[11]Botha E J，Leblon B，Zebarth B，et al.Non-destructive estimation of potato leaf chlorophyll from canopy hyperspectral reflectance using the inverted PROSAIL model[J].International Journal of Applied Earth Observation and Geoinformation，2007，9(4)：360-374.

[12]郭云開，王楊.經(jīng)驗(yàn)?zāi)Ｐ团cPROSPECT+4SAIL模型反演路域LAI比較研究[J].測(cè)繪與空間地理信息，2013，36(11)：1-5.

[13]陳新芳，安樹青，陳鏡明，等.森林生態(tài)系統(tǒng)生物物理參數(shù)遙感反演研究進(jìn)展[J].生態(tài)學(xué)雜志，2005，24(9)：1074-1079.

[14]蔡博峰，紹霞.基于PROSPECT+SAIL模型的遙感葉面積指數(shù)反演[J].國(guó)土資源遙感，2007(2)：39-43.

[15]Vohland M，Mader S，Dorigo W.Applying different inversion techniques to retrieve stand variables of summer barley with PROSPECT + SAIL[J].International Journal of Applied Earth Observation and Geoinformation，2010，12(2)：71-80.

[16]Feret J B，F(xiàn)ran?ois C，Asner G P，et al.PROSPECT-4 and 5：Advances in the leaf optical properties model separating photosynthetic pigments[J].Remote Sensing of Environment，2008，112(6)：3030-3043.

[17]Verhoef W，Bach H.Coupled soil-leaf-canopy and atmosphere radiative transfer modeling tosimulate hyperspectral multi-angular surfacereflectance and TOA radiance data[J].Remote Sensing of Environment，2007，109(2)：166-182.

收稿日期：2016-03-20

基金項(xiàng)目：浙江省重中之重林學(xué)一級(jí)學(xué)科開放基金項(xiàng)目(KF201332)；國(guó)家自然科學(xué)基金項(xiàng)目(31300533)

第一作者簡(jiǎn)介：葉舒，碩士研究生。研究方向：葉面積指數(shù)反演。E-mail：2818536595@qq.com

*通信作者：范文義，博士，教授。研究方向：遙感與地理信息系統(tǒng)。

中圖分類號(hào)：S 513；TP 79

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1001-005X(2016)04-0018-04

Leaf Area Index Retrieval of GF-1 Using PROSAIL

Ye Shu1，F(xiàn)an Wenyi1*，Meng Qingyan2

(1.School of Forestry，Northeast Forestry University，Harbin 150040；2.Institute of Remote Sensing and Digital Earth，Chinese Academy of Sciences，Beijing 100101)

Abstract：This study used a version of PROSAIL in which PROSPECT-5 was coupled with 4SAIL to retrieve leaf area index of GF-1 data.Due to the impact of hail，the corn growth in the experiment area was not uniform.This study found out that the reflectance of leaves in different growing conditions could be expressed by a linear model of reflectance measured from a healthy leaf and a yellow leaf.The mixing coefficient and LAI were divided into several grades respectively and a look-up table consisting of leaf biochemical parameters，leaf area index and 4-band reflectance of GF-1 was generated with the use of PROSAIL.The leaf area index of GF-1 was then retrieved.Validation showed that the average precision of the inversion is 60.59% and there was a linear relationship between inversed and measured leaf area index.

Keywords：GF-1 Satellite；PROSAIL model；leaf area index；mixed spectra

引文格式：葉舒，范文義，孟慶巖.基于高分一號(hào)數(shù)據(jù)的PROSAIL模型葉面積指數(shù)反演[J].森林工程，2016，32(4)：18-21.