搜索
第３６卷第８期２０１６年４月生态学报ＡＣＴＡＥＣＯＬＯＧＩＣＡＳＩＮＩＣＡＶｏｌ．３６，Ｎｏ．８Ａｐｒ．，２０１６ｈｔｔｐ：／／ｗｗｗ．ｅｃｏｌｏｇｉｃａ．ｃｎ基金项目：国家重大科技专项（３０⁃Ｙ２０Ａ０１⁃９００３⁃１２／１３）；全球变化研究国家重大科学研究计划项目课题（２０１０ＣＢ９５１５０３）收稿日期：２０１４⁃１０⁃２１； 网络出版日期：２０１５⁃ ⁃ ∗通讯作者Ｃｏｒｒｅｓｐｏｎｄｉｎｇａｕｔｈｏｒ．Ｅ⁃ｍａｉｌ：ｔｉａｎｑｊ＠ｎｊｕ．ｅｄｕ．ｃｎＤＯＩ：１０．５８４６／ｓｔｘｂ２０１４１０２１２０６４王龑，田庆久，王琦，王磊．杨树林全生长期ＬＡＩ遥感估算模型适用性．生态学报，２０１６，３６（８）： ⁃ ．ＷａｎｇＹ，ＴｉａｎＱＪ，ＷａｎｇＱ，ＷａｎｇＬ．Ｓｔｕｄｙｏｎｔｈｅａｐｐｌｉｃａｂｉｌｉｔｙｏｆｌｅａｆａｒｅａｉｎｄｅｘｅｓｔｉｍａｔｉｏｎｍｏｄｅｌｉｎａｎａｓｐｅｎｆｏｒｅｓｔｏｖｅｒａｇｒｏｗｔｈｐｅｒｉｏｄ．ＡｃｔａＥｃｏｌｏｇｉｃａＳｉｎｉｃａ，２０１６，３６（８）： ⁃ ．杨树林全生长期ＬＡＩ遥感估算模型适用性王 龑１，２，田庆久２，∗，王 琦３，王 磊２１浙江省水利水电勘测设计院，杭州 ３１０００２２南京大学国际地球系统科学研究所，南京 ２１００２３３中机十院国际工程有限公司，洛阳 ４７１００３摘要：基于时间序列的植被叶面积指数（ＬｅａｆＡｒｅａＩｎｄｅｘ，ＬＡＩ）估算方法一直是遥感领域研究的热点，对植被全生长期ＬＡＩ进行估算以跟踪其生长情况具有重要的实用意义。本文以此为出发点，以滁州地区杨树林为研究对象，获取多时相环境卫星ＣＣＤ（简称ＨＪ⁃ＣＤＤ）遥感影像，并利用ＬＡＩ⁃２０００同步测量杨树林叶面积指数（ＬＡＩ）。继之，使用归一化植被指数（ＮＤＶＩ）分别建立展叶期、花果期、叶面积稳定期和落叶始期的ＬＡＩ估算模型，通过对比分析得到了全生长期ＬＡＩ估算模型，并利用实测ＬＡＩ对估算ＬＡＩ进行了验证。最后进一步对该模型的适用性进行了验证，结果表明，此模型对于各个时期ＬＡＩ的估算具有一定的适用性和有效性，可用于全生育期的遥感ＬＡＩ生成，从而为ＬＡＩ的动态变化监测提供了一种有效的研究思路和方法途径。关键词：杨树林；遥感；ＨＪ⁃ＣＣＤ；ＬＡＩ；ＮＤＶＩＳｔｕｄｙｏｎｔｈｅａｐｐｌｉｃａｂｉｌｉｔｙｏｆｌｅａｆａｒｅａｉｎｄｅｘｅｓｔｉｍａｔｉｏｎｍｏｄｅｌｉｎａｎａｓｐｅｎｆｏｒｅｓｔｏｖｅｒａｇｒｏｗｔｈｐｅｒｉｏｄＷＡＮＧＹａｎ１，２，ＴＩＡＮＱｉｎｇｊｉｕ２，∗，ＷＡＮＧＱｉ３，ＷＡＮＧＬｅｉ２１ＺｈｅｊｉａｎｇＤｅｓｉｇｎＩｎｓｔｉｔｕｔｅｏｆＷａｔｅｒＣｏｎｓｅｒｖａｎｃｙａｎｄＨｙｄｒｏｅｌｅｃｔｒｉｃＰｏｗｅｒ，Ｈａｎｇｚｈｏｕ３１０００２，Ｃｈｉｎａ２ＩｎｔｅｒｎａｔｉｏｎａｌＩｎｓｔｉｔｕｔｅｆｏｒＥａｒｔｈＳｙｓｔｅｍＳｃｉｅｎｃｅ，ＮａｎｊｉｎｇＵｎｉｖｅｒｓｉｔｙ，Ｎａｎｊｉｎｇ２１００２３，Ｃｈｉｎａ３ＣｈｉｎａＭａｃｈｉｎｅｒｙＴＤＩＩｎｔｅｒｎａｔｉｏｎａｌＥｎｇｎｅｅｒｉｎｇＣｏｍｐａｎｙＬｉｍｉｔｅｄ，Ｌｕｏｙａｎｇ４７１００３，ＣｈｉｎａＡｂｓｔｒａｃｔ：Ｅｓｔｉｍａｔｉｏｎｏｆｌｅａｆａｒｅａｉｎｄｅｘ（ＬＡＩ）ｔｉｍｅｓｅｒｉｅｓｉｓａｈｏｔｓｐｏｔｉｎｒｅｍｏｔｅｓｅｎｓｉｎｇ，ｂｅｃａｕｓｅｉｔａｌｌｏｗｓｔｒａｃｋｉｎｇｏｆｖｅｇｅｔａｔｉｏｎｂｉｏｍａｓｓｃｈａｎｇｅｓｏｖｅｒａｇｒｏｗｔｈｐｅｒｉｏｄ．Ｉｎｔｈｉｓｓｔｕｄｙ，ｗｅａｃｑｕｉｒｅｄｍｕｌｔｉ⁃ｔｅｍｐｏｒａｌＨＪ⁃ＣＤＤｒｅｍｏｔｅｓｅｎｓｉｎｇｉｍａｇｅｓｏｆａｎａｓｐｅｎｆｏｒｅｓｔｉｎＣｈｕｚｈｏｕａｒｅａａｎｄｓｙｎｃｈｒｏｎｏｕｓｌｙｍｅａｓｕｒｅｄＬＡＩｕｓｉｎｇＬＡＩ⁃２０００．ＬＡＩｅｓｔｉｍａｔｉｏｎｍｏｄｅｌｓｏｆｄｉｆｆｅｒｅｎｔｇｒｏｗｔｈｓｔａｇｅｓ（ｌｅａｆｐｒｏｄｕｃｔｉｏｎ，ｆｌｏｗｅｒｉｎｇ，ｆｒｕｉｔｂｅａｒｉｎｇ，ｌｅａｆｃｏｎｓｔａｎｔｐｅｒｉｏｄ，ａｎｄｌｅａｆａｂｓｃｉｓｓｉｏｎｐｅｒｉｏｄ）ｗｅｒｅｃｏｎｓｔｒｕｃｔｅｄｕｓｉｎｇｎｏｒｍａｌｉｚｅｄｄｉｆｆｅｒｅｎｃｅｖｅｇｅｔａｔｉｏｎｉｎｄｅｘ（ＮＤＶＩ）．ＣｏｎｔｒａｓｔｉｖｅａｎａｌｙｓｉｓｗａｓｕｓｅｄｔｏｏｂｔａｉｎＬＡＩｅｓｔｉｍａｔｉｏｎｍｏｄｅｌｏｆｔｈｅａｓｐｅｎｆｏｒｅｓｔｏｖｅｒａｇｒｏｗｔｈｐｅｒｉｏｄａｎｄｅｓｔｉｍａｔｅｄＬＡＩｗａｓｖｅｒｉｆｉｅｄ．ＴｈｅｒｅｓｕｌｔｓｓｈｏｗｅｄｔｈａｔｔｈｅｍｏｄｅｌｃｏｕｌｄｂｅａｐｐｌｉｅｄｔｏｅｓｔｉｍａｔｅＬＡＩｏｖｅｒａｇｒｏｗｔｈｐｅｒｉｏｄａｎｄｐｒｏｖｉｄｅｕｓｅｆｕｌｉｎｆｏｒｍａｔｉｏｎｏｎｔｈｅｄｙｎａｍｉｃｍｏｎｉｔｏｒｉｎｇｃｈａｎｇｅｏｆＬＡＩ．ＫｅｙＷｏｒｄｓ：ａｓｐｅｎｆｏｒｅｓｔ；ｒｅｍｏｔｅｓｅｎｓｉｎｇ；ＨＪ⁃ＣＣＤ；ＬＡＩ；ＮＤＶＩ植被ＬＡＩ是研究植被冠层结构的一个重要参数，它表征着植被的许多生物物理过程，同时也为植冠表面最初能量交换提供结构化定量信息。传统ＬＡＩ测量方法仅能获得地面有限点的ＬＡＩ值，不能满足植被生态和作物长势监测的需求。随着遥感技术的飞速发展，遥感估算成为行之有效地获取区域ＬＡＩ的方法［１］。国内2015-08-2113:57:59ｈｔｔｐ：／／ｗｗｗ．ｅｃｏｌｏｇｉｃａ．ｃｎ外已利用多光谱与高光谱遥感数据开展了大量研究［２⁃９］利用多时相、多波段的遥感影像估算的ＬＡＩ信息，可以进一步分析ＬＡＩ随时间和空间变化特征，对陆地植被的分布及季节变化研究提供强有力的手段。目前常用的ＬＡＩ遥感估算方法主要是经验估算法，经验估算法主要通过建立植被指数与叶面积指数的统计关系来估算叶面积指数，归一化差值植被指数（ＮＤＶＩ）为最普遍使用的一种植被指数。但是这种方法估算林地ＬＡＩ的缺陷是：１）叶面积稳定期ＬＡＩ达到一定值，使ＮＤＶＩ出现饱和，造成ＬＡＩ⁃ＮＤＶＩ估算模型几乎表现不出ＬＡＩ随ＮＤＶＩ变化的趋势。２）落叶期由于落叶及林窗，造成林下灌草混合的影响变大，使ＮＤＶＩ不能真实反映单一研究对象的信息，从而导致ＬＡＩ⁃ＮＤＶＩ模型不能准确估算ＬＡＩ。这两大问题一直是遥感ＬＡＩ估算领域研究的热点和难点，目前国内外研究甚少［１０⁃１３］，并且这些研究仅做了分析，而没有提出明确的解决方法。鉴于此问题，以杨树林为研究对象，获取多时相ＨＪ⁃ＣＣＤ数据和实测ＬＡＩ数据，构建了各个生长期和整个时期的ＬＡＩ估算模型并对模型进行了对比分析，得到了可用于叶面积稳定期和落叶始期ＬＡＩ估算的模型———全生长期ＬＡＩ估算模型，并进行了精度验证。最后通过对该模型的适用性进行验证，进一步说明了此模型可用于时间序列的ＬＡＩ估算，进而进行ＬＡＩ季节变化特征分析。１ 研究区概况研究区位于安徽省滁州市境内，滁州市位于安徽省东部，长江三角洲西部边缘。地貌大致可分为丘陵区、岗地区和平原区三大类型，全市森林总面积达４１０万亩，森林覆盖率达到２０．５％，人工林占９５％以上，群落类型有阔叶林，针叶林，针阔混交林。杨树已成为滁州市的主要造林树种之一，其中黑杨类占的比例达８０％以上，在树种结构中占有绝对优势。２ 数据获取与处理２．１ 地面数据获取２０１２年５月至２０１３年６月，在安徽滁州地区共开展了４次野外杨树林测量实验，样地和控制点分布如图１。使用ＬＡＩ⁃２０００测量杨树ＬＡＩ。测量中采取Ａ值（天空光）、Ｂ值（冠层下方）分开测量，即在空旷地方测量Ａ值，进入林分后测量Ｂ值。研究一共选定了７０个固定杨树样地，２１０个样点，每次都在相同样地的相同测点进行相同观测方式重复观测。为了减小地形及地表不均质对观测结果的影响，样区设置在地势相对平坦、优势树种较单一、杨树林空间分布面积大于９０ｍ×９０ｍ的位置。为了提高观测精度，探头佩带９０°张角的镜头盖，每个样区布置３—５个样地，每个样地大约３０ｍ×３０ｍ，每个样地内沿对角线随机选取３个样点，每个样点测３次Ｂ值，取测量时间最接近的Ａ、Ｂ值估算各样点ＬＡＩ，求３个样点的平均值作为该样地的ＬＡＩ。考虑到天顶角最大的Ａ值第５圈数据可能存在地物遮挡影响，以及相对严重的蓝光多次散射影响，本研究仅用ＬＡＩ２０００的１—４圈数据计算ＬＡＩ［１４］，结果如表１。用手持ＧＰＳ（ＭｏｂｉｌｅＭａｐｐｅｒ６）记录各个样地的中心经纬度，同时详细记录各个对应样点的杨树长势状况及周围植被覆盖情况，并用数码相机拍照作为辅助信息。表１ 各观测时期杨树林ＬＡＩ实测值的统计Ｔａｂｌｅ１ ＴｈｅａｓｐｅｎｆｏｒｅｓｔＬＡＩｖａｌｕｅｓｉｎｄｉｆｆｅｒｅｎｔｍｅａｓｕｒｅｍｅｎｔｔｉｍｅ观测时间Ｍｅａｓｕｒｅｍｅｎｔｔｉｍｅ样本量Ｓｉｍｐｌｅ叶面积指数（ＬｅａｆＡｒｅａＩｎｄｅｘ，ＬＡＩ）最小值Ｍａｘ最大值Ｍｉｎ均值Ｍｅａｎ方差Ｖａｒｉａｎｃｅ２０１１２⁃５⁃４２１１．９８４．１２２．５３０．４１２０１２⁃９⁃２２２２１．７５３．９９３．０２０．４０２０１３⁃４⁃１９２５１．３４２．８７２．１２０．２０２０１３⁃６⁃８２４２．１７４．２９３．２０．２４２．２ ＨＪ⁃ＣＣＤ遥感数据获取及处理获取与地面观测时间相近的４景滁州地区ＨＪ⁃ＣＣＤ影像数据，分别为２０１２年５月４日、２０１２年９月１６２ 生 态 学 报 ３６卷 ｈｔｔｐ：／／ｗｗｗ．ｅｃｏｌｏｇｉｃａ．ｃｎ图１ 研究区控制点和主要植被样地分布示意Ｆｉｇ．１ ＴｈｅｄｉｓｔｒｉｂｕｔｉｏｎｄｉａｇｒａｍｏｆＧＰＳｃｏｎｔｒｏｌｐｏｉｎｔｓａｎｄｍａｉｎｖｅｇｅｔａｔｉｏｎｓａｍｐｌｅｐｌｏｔｓｆｏｒｓｔｕｄｙａｒｅａ日、２０１３年４月１４日和２０１３年６月３日。首先对这４景影像进行辐射定标、大气校正，得到反射率图像，然后利用实地测量的控制点分别对其进行几何精校正，误差控制在０．５个象元以内。３ 杨树林ＬＡＩ估算模型构建３．１ 各时期ＬＡＩ估算模型构建ＮＤＶＩ在植被遥感中应用最为广泛，是植被生长状态及植被覆盖的最佳指示因子，并且经过比值可部分消除与太阳角、地形、云／阴影和大气条件有关的辐照度条件的变化［１５］。因此，研究选择了归一化植被指数（ＮＤＶＩ）开展研究。在模型的形式上，考察了ＮＤＶＩ的线性、指数、对数３种形式。首先用４个时相ＨＪ⁃ＣＣＤ影像计算出ＮＤＶＩ，使用ＧＰＳ点提取对应样点ＮＤＶＩ值，分别建立各时期地面ＬＡＩ和ＮＤＶＩ的模型，如图２所示，Ａ、Ｂ、Ｃ、Ｄ分别为４月份、５月份、６月份和９月份三种形式的估算模型，相关系（Ｒ２）如表１所示。３．２ 杨树林全生长期ＬＡＩ估算模型构建使用以上所有时期共１１２个样本的实测ＬＡＩ与对应影像象元的ＮＤＶＩ建立线性、指数、对数三种形式的模型，如图３所示。由表２可以看出，单个时期的ＬＡＩ估算模型相关性在４月份和５月份比较高，而在６月份和９月份比较低。整个观测时期的ＬＡＩ⁃ＮＤＶＩ模型相关性虽然比４月份和５月份低，但是相比于６月份和９月份，模型有了很大改善。其中ＬＡＩ与ＮＤＶＩ的指数模型（１）的相关性最高（图３）。由于对于一般的林地，密度和林窗等大小不均匀，且较小ＬＡＩ的林地易受林下背景植被的影响，因此模型的复相关系数（Ｒ２）很难达到较高值。为了验证模型的可靠性，使用未参加建模的５５个样点的地面ＬＡＩ测量数据对（１）式的ＬＡＩ估算模型进行了验证（如图４）。经验证，实测值与估算值的相关系数Ｒ２＝０．５３１，均方根误差ＲＭＳＥ＝０．３８，可见该模型精度较高。因此，（１）式能够可靠的反映统计关系。ＬＡＩ＝０．４８１ｅ２．８８９∗ＮＤＶＩ（Ｒ２＝０．５０７３）（１）定义此模型为全生长期ＬＡＩ估算模型。３ ８期 王龑 等：杨树林全生长期ＬＡＩ遥感估算模型适用性 ｈｔｔｐ：／／ｗｗｗ．ｅｃｏｌｏｇｉｃａ．ｃｎ图２ 各时期ＬＡＩ⁃ＮＤＶＩ估算模型Ｆｉｇ．２ ＴｈｅｅｓｔｉｍａｔｉｏｎｍｏｄｅｌｏｆＬＡＩ（ＬｅａｆＡｒ