搜索
第二章植被遥感叶面积指数估算模型本章主要内容叶面积指数估算模型叶面积指数（LAI）是指单位地表面积上方植物叶单面面积的总和，它是叶覆盖的无量纲度量。叶面积指数作为进行植物群体和群落生长分析的重要参数和评价指标，在农业、林业及生态学等领域得到了广泛的应用。依靠传统的地面样方实测的方法来估算叶面积指数又是一项花费巨大人力、财力且精度不高的工作。因此，探讨利用遥感影像估算植被的叶面积指数的方法已成为当前建立全球及区域气候、生态模型的基础工作之一。通常检验遥感反演叶面积指数的精度常常通过地面实地测量的方式。地面测量叶面积指数的方法有很多种，大致分为两类—直接测量法和间接测量法。直接测量法包括系数法和比叶重法等。在叶子的采集和叶面积的测量过程中，具有一定的破坏性。间接测量法包括基于数字图像处理技术的照相法，基于光学仪器进行LAI测量的仪器测量法，利用光谱或植被指数与LAI的统计回归关系的模型法等。每种方法都有其自身特点所决定的测量误差，有其所适宜采用的天气、植被生育期等条件。不同的测量方法，得到的LAI有所差异，在对LAI精度敏感的研究中，需要对地面测量方法的误差进行分析。比叶重法比叶重法是利用单位叶面积与叶子干重的比值来获取叶面积指数的一种方法。选定有代表性的地块，取一定面积(A)的植物样品于取样袋中，测定前记录取样面积上的总株数m；从所取样品中选5株，摘下所有展开绿色叶片，选取叶片中宽窄较为一致的地方，剪2或3cm长度的小段，计算面积(S)，然后烘干称质量w1，然后对剩余绿叶全部烘干后称质量w2，其计算式如下比叶重法原理简单、较为精确，常被用作林业上森林树种或农业上作物的比较测定。但其过程复杂，制作标叶、烘干、称质量操作步骤多，耗时较长，结果又受到叶片厚度不均匀的影响，且采样具有破坏性，不能重复测量。照相法照相法是基于数字图像处理技术，计算数字相片上绿叶与已知实际面积(S)的参考物的像素之比(P)来求绿叶部分所占的面积；再根据植株的生长密度，进而求得叶面积指数。A为取样面积；S为参考物的实际面积；P为相片上绿叶与参考物的像素之比；m为取样面积上的总株数；n为照片中所拍摄到的植株数。基于图像处理技术的小麦叶面积指数的提取针对不同的小麦品种设置了不同密度的栽培条件，通过数码相机获取不同发育期内自然生长的小麦群体冠层数字图像。利用计算机图像处理技术对图像进行分析计算从而得到叶面积指数。然后利用实测数据与图像分析得到的数据建立数学模型。这种方法克服了以往选用单一品种、单一种植条件样本的局限性，确保了建立的小麦叶面指数估测模型全面、准确。数字图像获取试验在东北农业大学小麦试验田内进行，选择龙辐麦16号、06-4074、06-4059、06-4075、06-41085个小麦品种，种植密度为每公顷600万株、700万株、800万株、900万株、1000万株5个级别。选择在小麦的主叶、分蘖、拔节、孕穗等关键生长期，于晴天光照强度适中的上午6:00－8:00间采集图像。拍摄前人工去除杂草。选择群体长势均匀的地点，采用5cm×5cm的白色纸板作为参照标准置于小麦冠层同一平面，采用SONYDSC-F707数码相机（设置为640像素×480像素）垂直于小麦群体冠层进行拍摄。实际数据获取首先用长直尺测量进入相机镜头边界的土地区域面积D；然后数清区域内的株数N；在拍摄区域内随机抽取5株小麦样本，分别测量单株叶数m及每片叶的长L、宽W，则有单叶叶面积（校正系数K为0.83）。实际叶面积指数直方图信息图像分割最大类间方差法算法简单、处理速度快，但是小的目标区域被滤掉，噪声干扰明显；最小误差法受目标大小影响小但阈值选择困难，噪声干扰较大，提取目标精度低；最小偏态法处理速度快但产生过量噪声干扰，分割精度低；改进动态阈值法精度高、噪声干扰小、处理速度快，虽然存在较小的噪声点但不会使叶面积的计算产生较大的误差。利用计算机图像处理技术分别统计出图像总像素数Msoil、参照物像素数Mrefer和绿色叶片像素数Mleaf，从而可知它们的像素数比，也即面积比。参照物的面积已知为25cm2，既可求出叶片面积和土壤面积，两者的比值即为图像叶面积指数LAIimage，导出计算公式为建立叶面积指数模型卫星遥感法卫星遥感方法为大范围研究LAI提供了有效的途径，目前主要有两种遥感方法可用来估算叶面积指数：统计模型法，主要是将遥感图像数据如归一化植被指数NDVI、比植被指数RVI和垂直植被指数PVI与实测LAI建立模型。光学模型法，基于植被的双向反射率分布函数，是一种建立在辐射传输模型基础上的模型，它把LAI作为输入变量，采用迭代的方法来推算LAI。统计模型法输入参数单一，不需要复杂的计算，因此成为遥感估算LAI的常用方法。但不同植被类型的LAI与植被指数的函数关系会有所差异，在使用时需要重新调整、拟合。光学模型法的优点是有物理模型基础，不受植被类型的影响，然而由于模型过于复杂，反演非常耗时，且反演估算LAI过程中有些函数并不总是收敛的。三江平原湿地植被叶面积指数遥感估算模型利用中巴资源卫星CBERS-02影像提取的归一化植被指数（NDVI）和同期野外实测的叶面积指数（LAI）数据；分析三江平原洪河自然保护区草甸、沼泽植被、灌丛和岛状林4种湿地植被及样本总体的NDVI与LAI之间的相关关系；建立了NDVI与不同湿地植被类型叶面积指数间的线性和非线性回归模型，并制作完成洪河自然保护区LAI空间分布图。整个研究区样本总体的LAI估算效果不太理想，其NDVI与LAI的相关性仅为0.532%；将研究区分为草甸、沼泽、灌丛和岛状林4种湿地植被类型，NDVI与各植被型LAI的相关性和估算效果均有很大程度的提高，所建立的LAI遥感反演模型以三次曲线回归方程拟合精度最高，R2分别达到0.723%、0.588%、0.837%、0.72%。以上结果表明，结合地面实测数据并基于遥感植被分类的基础上，CBERS-02遥感影像可用于较大区域内湿地植被生理参数的反演研究。研究区为位于我国东北地区三江平原东北部的洪河国家级自然保护区为了有效地进行保护管理和可持续发展，根据区内自然资源的分布现状，将保护区划分为核心区、缓冲区和实验区CBERS-02的多光谱数据包括蓝、绿、红3个可见光波段，1个近红外波段和1个全色波段，5个波段星下点空间分辨率均为19.5m。洪河保护区影像数据由中国资源卫星应用中心提供，轨道号为359/46，时相为2007年8月29日；数据级别为二级，做过辐射校正和几何粗校正处理，未做几何精校正，所以要对卫星影像进行消除噪声、几何精校正、多波段影像合成及裁剪等处理。考虑到湿地地区的地面控制点较难确定，利用了已纠正过的一景TM影像数据（2004）和1976年调绘的1：100000的地形图，结合GPS野外采样的部分数据，采用二次多项式法对中巴影像进行几何精纠正，纠正误差控制在2/3个像元。由于缺乏卫星过境时详细的大气剖面资料（如气溶胶和水汽含量等），因此6S模型等大气校正模型的应用将会受到限制。利用暗目标法对遥感影像进行大气校正，以获得地面反射率数据。地面叶面积指数测量方法考察路线与采样点的选取应遵循如下原则：一是植物分布的代表性、均匀性；二是遥感图像可读性；三是交通可行性。实测数据用LAI-2000冠层分析仪获得，鉴于保护区内各植被型的立地条件和生长环境都有所不同，涉及的LAI测量对象包括沼泽、草甸、灌丛和岛状林等4种植被型，相关性分析进行LAI与湿地植被NDVI间的相关性分析，主要目的是检验二者之间关系的密切程度，以及是否可根据所测样点资料来推断总体情况，而相关系数则是反映这种紧密程度的指标。回归分析一元线性曲线回归模型利用先前已经做好的研究区遥感影像分类图作为底图，把研究区分为草甸、沼泽、灌丛和岛状林等4种湿地植被区；然后利用各自的LAI估算模型来估算湿地植被LAI的大小，最后得到整个研究区的湿地植被LAI空间分布图。将植被LAI遥感反演结果划分为6个等级：0-1、1-2、2-3、3-4、4-5和5-6保护区内除了湿地植被类型外，还有一个特殊的人工植被类型—耕地，对耕地以及无植被覆盖的水面进行掩膜处理。参考文献叶面积指数的研究和应用进展.生态学杂志，2005，24（5）：537-541基于图像处理技术的小麦叶面积指数的提取.农业工程学报，2010，26（1）：205-209冬小麦叶面积指数地面测量方法的比较.农业工程学报，2011，27（3）：220-224三江平原湿地植被叶面积指数遥感估算模型.生态学杂志，2008，28（7）：803-808