基于新型植被指數的冬小麥覆蓋度遙感估算

陳召霞，徐新剛，徐良驥，楊貴軍，邢會敏，賀 鵬

(1.安徽理工大學測繪學院，安徽淮南 232001; 2.北京農業信息技術研究中心遙感技術部，北京 100097;3.國家農業信息化工程技術研究中心遙感技術部，北京 100097)

?

基于新型植被指數的冬小麥覆蓋度遙感估算

陳召霞1,2,3，徐新剛2,3，徐良驥1，楊貴軍2,3，邢會敏2,3，賀 鵬2,3

(1.安徽理工大學測繪學院，安徽淮南 232001; 2.北京農業信息技術研究中心遙感技術部，北京 100097;3.國家農業信息化工程技術研究中心遙感技術部，北京 100097)

為提高冬小麥覆蓋度估測精度，從增強近紅外與紅光差別的數學變換原理出發，構建了一種新型植被指數(NDVIn)，再基于2013、2014年冬小麥冠層高光譜和模擬的資源三號衛星寬波段多光譜數據，分別構建基于常規植被指數(NDVI)與NDVIn的冬小麥覆蓋度估算模型，然后利用留一交叉驗證法對模型精度進行評價。結果表明，當n=6時，新生成的植被指數NDVI6對冬小麥農田覆蓋度具有最好的估算性能，利用其基于小麥冠層高光譜及衛星多光譜數據建立的冬小麥覆蓋度估算模型的決定系數r2分別為0.84、0.85,RMSE分別為0.092、0.091，模型精度均好于常規指數NDVI的估算結果。說明NDVI6用于估測冬小麥覆蓋度具有可行性。

覆蓋度；光譜響應函數；NDVI；NDVI6；留一交叉驗證法

植被覆蓋度是指植被(包括枝、莖、葉)在單位面積垂直投影面積所占百分比[1-3]，是定量描述植被冠層和土壤的相對參數[4]，是描述陸地植被生長狀況的直觀量化指標[5]。高精度估算區域或全球尺度植被覆蓋度信息，對水文、生態、全球變化等研究領域具有重要意義[6]。隨著人們對全球變化研究的深入，以遙感手段推算區域尺度乃至全球尺度的植被參數日益成為人們關注的問題。NDVI(Normalized difference vegetation index)是最常用植被指數，它對植被生長勢和生長量非常敏感，被廣泛地應用于植被變化研究[7]，特別是用于植被覆蓋度估算。Wittich等[8]建立了NDVI和植被覆蓋度回歸模型，并對所選研究區植被覆蓋度進行了估算。賈寶全等[7]利用TM衛星影像數據計算出西安市同期NDVI，對植被狀況進行了量化分析。劉玉安等[9]采用NDVI像元二分法植被覆蓋度估算模型，對淮河上游流域植被進行估算，獲得了可信研究結果。盡管應用NDVI監測植被覆蓋度取得了一些成效，但NDVI存在著易受土壤背景噪聲影響和飽和性問題[10]。

當前，植被指數構建多是基于植被在紅光(Red)和近紅外(NIR)波段間存在較大反射差異的光譜特征，通過不同波段反射率做一定的數學變換，增強植被信息，同時盡可能弱化非植被特征。基于NIR和Red的二維光譜坐標能夠很好地表達土壤、水分和植被光譜空間變化特征，一些用于表征植被或水分的典型植被指數被提出，如垂直植被指數PVI[11]和垂直干旱指數PDI[12]，而用PDI來研究植被水分具有局限性，因此通過PDI和PVI比值變換生成的新植被指數PWI被提出[13]。這幾個指數都利用了植被覆蓋度在NIR-Red光譜空間中的變化特征，且指數構成都在一定程度上體現了通過相對增強近紅外與紅光間差別來提高指數敏感性的特點。因此，本研究在借鑒此思路基礎上，通過對常規植被指數NDVI作適當變換，嘗試構建一種新植被指數NDVIn，用于改進和提高冬小麥覆蓋度估測精度。

資源衛星ZY-3號是我國近年發射的新一代陸地資源監測衛星，因重訪周期短(3～5 d)，常用的多光譜波段數據空間分辨率較高(達到5.8 m)，已成為當前我國對地資源觀測最為重要的遙感數據源之一。本研究應用模擬的ZY-3多光譜數據開展植被覆蓋度分析，以期為促進ZY-3數據在農情遙感監測中的進一步推廣和應用提供一種可能的新思路和新方法。

1 材料與方法

1.1 研究區概況與數據采集

研究區位于北京市昌平區小湯山國家精準農業示范基地。試驗分別于2013年5月8日、5月21日、5月31日和2014年4月21日、5月7日、5月23日進行。由于冬小麥試驗田采取了不同施肥處理，不同小區冬小麥長勢差異明顯，麥田覆蓋度由低到高的差異性分布顯著，因而所獲取覆蓋度樣本數據具有較好代表性。

冬小麥冠層光譜反射率采用美國ASD公司的Fieldspec-FR Pro2500地物光譜儀測定，測定時天氣基本晴朗無云、無風，傳感器探頭垂直向下，測定時段為北京時間10:00-14:00，其視場角為25°，距離冠層頂端約為1 m，波段范圍為350～2 500 nm，重采樣間隔為1 nm。每次測量光譜前后立即進行白板校正，每個樣點采集10條光譜曲線，取其均值作為該樣點的光譜反射率值,共采集240個樣本。同時，利用數碼照相法直接提取樣地小麥覆蓋度[14-15]。

1.2 方 法

1.2.1 光譜響應函數模擬

已有研究表明，基于高光譜窄波段反射率的植被指數可以顯著提高植被參量估測精度[16-17]。然而，高光譜數據因波段間隔較窄而具有很大的相似性，為了消除這種相似性帶來的偶然誤差，同時也為了研究利用ZY-3遙感數據提取作物覆蓋度，利用其所對應的波段響應函數(圖1)，將實測的高光譜窄波段反射率模擬ZY-3相應的寬波段反射率，以探討ZY-3遙感數據估算覆蓋度的潛力。

1.2.2 新植被指數的構建

由于植被對紅光的吸收易于飽和，只有近紅外反射的增加才能反映植被增加，任何增強近紅外和紅光差別的數學變換都可以作為植被指數用于描述植被狀況[10,12]。事實上，植被覆蓋越高，紅光反射越小，而近紅外反射越大(圖2)。在近紅外與紅光構成的二維光譜特征空間，植被覆蓋度變化可很好反映這一特點。程曉娟等[13]基于NIR-Red光譜特征空間構建了比值變換的作物水分指數PWI：

PWI=PDI/PVI=(M×RNIR-RRed)/(RNIR-M×RRed-l)

(1)

式中，RNIR、RRed分別為土壤近紅外、紅光波段反射率；M為土壤線的斜率；l為土壤線的截距。

圖1 ZY-3的光譜響應函數

PWI盡管是以作物水分含量估算為目標，但其構建原理則在某種程度上借鑒了植被覆蓋度在NIR-Red光譜空間中的分布變化特征[12-13]。當前，基于像元二分原理利用典型的植被指數NDVI估算植被覆蓋度得到了廣泛的應用[18-20]，但依然存在著當覆蓋度高時NDVI易飽和、覆蓋度低時NDVI易受土壤背景影響的問題?；诖?，本研究考慮植被指數PWI與NDVI[見公式(2)]公式結構均是NIR與Red反射率的線性關系，同時也為了簡化指數構建的復雜性，忽略l值，借鑒植被指數PWI的結構形式，將NDVI做適當變換，通過將NDVI公式分子中的RNIR和分母中的RRed都擴大n倍的方式構建估測覆蓋度的新植被指數NDVIn[見公式(3)]。新指數NDVIn的設計既借鑒了指數PWI所體現的覆蓋度在NIR-Red光譜空間中的變化分布特征，又結合了植被紅光吸收易飽和、近紅外反射變化大的特點，通過增強近紅外和紅光差別的形式來設計植被指數用于描述植被狀況的原理[10,12]，因而用于估算覆蓋度時可能具有一定的可行性。

NDVI=(RNIR-RRed)/(RNIR+RRed)

(2)

NDVIn=(n×RNIR-RRed)/(RNIR+n×RRed)

(3)

1.2.3 模型建立與驗證

本研究隨機挑取160個數據作為建模樣本集，利用野外實測光譜數據和模擬的ZY-3衛星數據計算出植被指數，再與野外實測的覆蓋度進行回歸分析。通過以下兩種方法對模型進行驗證，第一種方法將剩余的80個數據作為驗證樣本集，得到的RMSE作為評價模型好壞的指標。第二種方法為留一交叉驗證法[21]，可以消除隨機劃分建模樣本集和驗證樣本集帶來的偶然誤差[22]。即假設有N個樣本，將每個樣本單獨作為測試集，其余N-1個樣本作為訓練集，這樣得到了N個分類器或模型，用這N個結果的平均值來衡量模型的性能。

2 結果與分析

2.1 小麥光譜反射特征及其與覆蓋度的相關性

從圖2可見，隨著小麥覆蓋度的增大，紅光波段反射率明顯減小，而近紅外波段反射率逐漸增大，且其變化幅度大于紅光波段。裸土光譜反射率在紅光波段內明顯高于有植被覆蓋時的反射率，近紅外波段則明顯低于有植被覆蓋時的反射率。由圖3可以看出，紅光譜段(600～700 nm)覆蓋度與光譜反射率呈較好的負相關，近紅外譜段(750～1 000 nm)覆蓋度與光譜反射率呈較好正相關，因此，在這些波段范圍內考慮建立小麥覆蓋度的估算模型。

圖2 不同覆蓋度水平下植被反射光譜曲線

圖3 不同波段光譜反射率與小麥覆蓋度的相關系數

2.2 敏感波段的選擇

因計算NDVI只用到紅光和近紅外波段，且植被光譜反射率隨植被覆蓋度變化的規律在1 000 nm后表現不明顯，因此選取600～1 000 nm波段內所有波段并兩兩組合[14]，求算其NDVI，然后計算NDVI與小麥覆蓋度的決定系數r2(圖4)。結果顯示，紅光波段600～726 nm和近紅外波段751～1 000 nm內任意兩條波段組合計算出的NDVI與小麥覆蓋度的相關系數均在0.8以上，且均達極顯著水平。決定系數最高的波段組合為692 nm/858 nm。

圖4 不同波段組合NDVI與小麥覆蓋度決定系數的等值線圖

2.3 新植被指數的確定

為了確定n值，利用野外實測光譜數據根據公式(3)計算出NDVIn，然后與野外實測的覆蓋度進行相關性分析，得到相關系數r(圖5)。圖5中橫軸步長取0.1，隨著n值的增加，新植被指數同實測覆蓋度間的相關系數r先增加后減小，在n=6處取得最大值NDVI6。

2.4 模型分析與驗證結果

利用野外實測光譜數據和模擬ZY-3衛星數據根據公式(2)分別計算NDVI和NDVI6，再分別與野外實測覆蓋度建立模型，擬合方程、r2和第一種驗證結果見表1。從表1可知，基于冠層高光譜和模擬ZY-3衛星寬波段多光譜數據生成的新指數NDVI6估算的冬小麥覆蓋度模型r2分別為0.84、0.85,建模RMSE分別為0.092、0.091，而基于冠層高光譜和模擬ZY-3衛星寬波段多光譜數據生成的NDVI估算冬小麥覆蓋度模型r2都為0.80，建模RMSE都為0.103?？梢?，新指數NDVI6得到的模型精度均優于常規指數NDVI的估算結果。此外，利用模擬ZY-3多光譜數據生成的植被指數來估算小麥覆蓋度優于利用冠層高光譜數據。

利用留一交叉驗證法計算得到的建模RMSE為0.105，驗證RMSE為0.108，小麥覆蓋度的預測值和實測值之間的決定系數為0.80(圖6)，兩者間的相關性比較高，說明本次試驗的數據比較可靠，模型精度較高。

圖5 新植被指數NDVIn與小麥覆蓋度的相關系數

表1 各模型估算覆蓋度誤差對照表

**:P<0.01.

圖6 FVC真實值與交叉驗證獲得的預測值之間的相關關系圖

3 討 論

從植被指數構建原理入手，結合PWI的結構模式，將常規植被指數NDVI轉換成新植被指數NDVIn，通過與實測小麥覆蓋度的相關性分析得出n=6。利用冠層高光譜數據和模擬ZY-3衛星多光譜數據分別構建基于NDVI與NDVI6的冬小麥覆蓋度估算模型，然后利用留一交叉驗證法對模型精度進行評價。結果顯示，基于ZY-3衛星多光譜模擬數據生成的NDVI6與小麥覆蓋度建立的模型精度最高，得到的r2、建模RMSE和驗證RMSE分別為0.85、0.091和0.110。表明提出的新植被指數NDVI6用于估測冬小麥覆蓋度具有可行性，也說明基于ZY-3衛星遙感數據能夠得到較高的作物覆蓋度反演結果，為衛星遙感對作物覆蓋度的監測和推廣應用具有重要意義。

本研究新構建的植被指數雖然對小麥覆蓋度的估算精度有一定的提高，但提高的幅度并不大，且該方法能否廣泛推廣到其他作物，有待進一步驗證。其次，基于NIR-Red光譜特征空間的作物水分指數PWI可很好地用于小麥植株含水量估算，理論上也可以用于小麥覆蓋度的估算，今后將對其開展深入的研究。此外，人們對全球變化的研究越來越重視，以遙感手段推算區域尺度乃至全球尺度的植被覆蓋度日益成為人們關注的問題。衛星遙感技術在災害監測與評估方面具有獨特的優勢，如何將地面高光譜數據與衛星遙感數據更好的結合將成為今后研究農情遙感監測的重中之重。

[1]GITELSON A A,KAUFMAN Y J,STARK R,etal.Novel algorithms for remote estimation of vegetation fraction [J].RemoteSensingofEnvironment,2002,80(1):76-87.

[2]PUREVDOR J T S,TATEISHI R,ISHIYAMA T,etal.Relationships between percent vegetation cover and vegetation indices [J].InternationalJournalofRemoteSensing,1998,19(18):3519-3535.

[3]瞿 瑛,劉素紅,夏江周.照相法測量冬小麥覆蓋度的圖像處理方法研究[J].干旱區地理,2010,33(6):998-1003.

QU Y,LIU S H,XIA J Z.Image processing methods to determine the fraction cover of winter wheat using digital camera [J].AridLandGeography,2010,33(6):998-1003.

[4]朱 蕾,徐俊鋒,黃敬峰,等.作物植被覆蓋度的高光譜遙感估算模型[J].光譜學與光譜分析,2008,28(8):1827-1831.

ZHU L,XU J F,HUANG J F,etal.Study on hyperspectral estimation model of crop vegetation cover percentage [J].SpectroscopyandSpectralAnalysis,2008,28(8):1827-1831.

[5]秦 偉,朱清科,張學霞,等.植被覆蓋度及其測算方法研究進展[J].西北農林科技大學學報(自然科學版),2006,34(9):163-170.

QIN W,ZHU Q K,ZHANG X X,etal.Review of vegetation covering and its measuring and calculating method [J].JournalofNorthwestA&FUniversity(NaturalScienceEdition),2006,34(9):163-170.

[6]包 剛,包玉海,覃志豪,等.高光譜植被覆蓋度遙感估算研究[J].自然資源學報,2013,28(7):1243-1254.

BAO G,BAO Y H,TAN Z H,etal.Hyper-spectral remote sensing estimation for the vegetation cover [J].JournalofNaturalResources,2013,28(7):1243-1254.

[7]賈寶全,邱爾發,張紅旗.基于歸一化植被指數的西安市域植被變化[J].林業科學,2012,48(10):6-12.

JIA B Q,QIU E F,ZHANG H Q.Xi’an vegetation dynamics based on NDVI [J].ForestResearch,2012,48(10):6-12.

[8]WITTICH K-P,HANSING O.Area-averaged vegetative cover fraction estimated from satellite data [J].InternationalJournalofBiometerology,1995,38(4):209-215.

[9]劉玉安,黃 波,程 濤,等.基于像元二分模型的淮河上游植被覆蓋度遙感研究[J].水土保持通報,2012,32(1):93-97.

LIU Y A,HUAGN B,CHENG T,etal.Vegetation coverage in upper Huaihe river basin based on binary pixel model of remote sensing [J].BulletinofSoilandWaterConservation,2012,32(1):93-97.

[10]王正興,劉 闖,Huete Alfredo.植被指數研究進展:從AVHRR-NDVI到MODIS-EVI [J].生態學報,2003,23(5):979-987.

WANG Z X,LIU C,HUETE A.From AVHRR-NDVI to MODIS-EVI:Advances in vegetation index research [J].ActaEcologicaSinica,2003,23(5):979-987.

[11]RICHARDSON A J,WIEGAND C L.Distinguish in vegetation from soil background information [J].PhotogrammetricEngineeringandRemoteSensing,1977,43(12):1541-1552.

[12]詹志明,秦其明,阿布都瓦斯提·吾拉木,等.基于NIR-Red光譜特征空間的土壤水分監測新方法[J].中國科學(D·地球科學),2006,36(11):1020-1026.

ZHAN Z M,QIN Q M,ABDUWASIT GHULAM,etal.The new method monitoring soil water content based on NIR-Red spectrum feature space [J].ScienceinChina(SeriesD·EarthScience),2006,36(11):1020-1026.

[13]程曉娟,徐新剛,陳天恩,等.基于NIR-Red光譜特征空間的作物水分指數[J].光譜學與光譜分析,2014,34(6):1542-1547.

CHENG X J,XU X G,CHEN T E,etal.The new method monitoring crop water content based on NIR-Red spectrum feature space [J].SpectroscopyandSpectralAnalysis,2014,34(6):1542-1547.

[14]徐 爽,沈潤平,楊曉月.利用不同植被指數估算植被覆蓋度的比較研究[J].國土資源遙感,2012,95(4):95-100.

XU S,SHEN R P,YANG X Y.A comparative study of different vegetation indices for estimating vegetation coverage based on the dimidiate pixel model [J].RemoteSensingforLand&Resources,2012,95(4):95-100.

[15]李存軍,王紀華,劉良云,等.基于數字照片特征的小麥覆蓋度自動提取研究[J].浙江大學學報(農業與生命科學版),2004,30(6):650-656.

LI C J,WANG J H,LIU L Y,etal.Automated digital image analyses for estimating percent ground cover of winter wheat based on object features [J].JournalofZhejiangUniversity(Agriculture&LifeSciences),2004,30(6):650-656.

[16]PENG GONG,RUILIANG PU,BIGING,G S,etal.Estimation of forest leaf area index using vegetation indices derives from hyperion hyperspectral data [J].IEEETransactionsonGeoscienceandRemoteSensing,2003,41(6):1355-1362.

[17]KYU-SUNG LEE,WARREN B COHEN,ROBERT E KENNEDY,etal.Hyperspectral versus multispectral data for estimating leaf area index in four different biomes [J].RemoteSensingofEnvironment,2004,91(3-4):508-520.

[18]ZHANG XIANFENG,LIAO CHUNHUA,JONATHAN LI,etal.Fractional vegetation cover estimation in arid and semi-arid environments using HJ-1satellite hyperspectral data [J].InternationalJournalofAppliedEarthObservationandGeoinformation,2013,21:506-512.

[19]GULI JIAPAER,CHEN X,BAO A M.A comparison of methods for estimating fractional vegetation cover in arid regions [J].AgriculturalandForestMeteorology,2011,151(12):1698-1710.

[20]廖春華,張顯峰,孫 權,等.基于HJ-1高光譜數據的植被覆蓋度估測方法研究[J].遙感信息,2011(5):65-70.

LIAO C H,ZHANG X F,SUN Q,etal.Fractional vegetation cover estimation using HJ-1 spaceborne hyperspectral data [J].RemoteSensingApplication,2011(5):65-70.

[21]馮琦勝,高新華.Excel在留一法交叉驗證實驗教學中的作用[J].實驗科學與技術,2015,13(2):49-65.

FENG Q S,GAO X H.Application of excel in the experiment teaching of leave-one-out cross validation [J].ExperimentScience&Technology,2015,13(2):49-65.

[22]付元元,楊貴軍,馮海寬,等.基于高光譜維數約簡與植被指數估算冬小麥葉面積指數的比較[J].農業工程學報,2012,28(23):107-113.

FU Y Y,YANG G J,FENG H K,etal.Comparison of winter wheat LAI estimation methods based on hyperspectral dimensionality reduction and vegetation index [J].TransactionsoftheChineseSocietyofAgriculturalEngineering,2012,28(23):107-113.

Estimating Vegetation Coverage of Winter Wheat Based on New Vegetation Index

CHEN Zhaoxia1,2,3,XU Xingang2,3,XU Liangji1,YANG Guijun2,3,XING Huimin2,3,HE Peng2,3

(1.Anhui University of Science & Technology Institute of Surveying and Mapping,Huainan,Anhui 232001,China;2.Beijing Research Center for Information Technology in Agriculture Remote Sensing Mintech,Beijing 100097,China;3.National Engineering Research Center for Information Technology in Agriculture Remote Sensing Mintech,Beijing 100097,China)

In order to improve the precision of fractional canopy cover estimations of winter wheat,a new index,NDVIn,was derived by enhancing the difference between red and near-infrared reflectance. By using of canopy hyperspectral data and simulated wide band multi-spectral data of ZY-3 in 2013 and 2014,estimation models were built based on typical NDVI and the new NDVIn. Then,leave one-out cross validation evaluated model.The results showed that NDVInachieved the best performance with annvalue of 6.The model precision of estimating winter wheat coverage based on the new index NDVI6was better than typical NDVI built by using of canopy hyperspectral data and simulated ZY-3 wide band multi-spectral data withr2being 0.84,0.85,RMSE being 0.092,0.091. Likewise,NDVIncan feasibly be used to estimate fractional cover of winter wheat.

Fractional coverage; Spectral response function; NDVI; NDVI6; Leave one-out cross validation

時間：2016-07-07

2016-01-04

2016-02-15

國家自然科學基金項目(41571416)；北京市農林科學院創新能力建設專項(KJCX20150409)；北京市自然科學基金項目(4152019)

E-mail：1553199389@qq.com

徐新剛(E-mail:xxgpaper@126.com)

S512.1；S314

A

1009-1041(2016)07-0939-06

網絡出版地址：http://www.cnki.net/kcms/detail/61.1359.S.20160707.1531.032.html