岷江上游典型流域葉面積指數的遙感模型及反演*

何 磊,唐姝婭,苗 放,李玉霞

(1.成都理工大學地球科學學院,成都610059;2.四川省地震局減災救助研究所,成都610041;3.電子科技大學地表空間信息技術研究所,成都610054)

葉面積指數(LAI)是指每單位地表面積的葉面面積比例[1]。它是陸地生態系統的一個十分重要的結構參數,是表征植被冠層結構最基本的參量之一,它控制著植被的許多生物、物理過程,如光合、呼吸、蒸騰、碳循環和降水截獲等。LAI作為計算植物蒸散和干物質累積最重要的參數,且最能反映遙感數據與植物生長狀態密切相關關系,因此,研究LAI指數動態變化模式具有重要理論和應用價值,而植物群落LAI的大小和變化,取決于生態環境、群落結構和利用狀況。傳統的LAI地面測量獲得信息有限,而且不能呈面狀分布,所以,大區域研究LAI僅僅靠地面觀測是行不通的,衛星遙感為大區域研究LAI提供了唯一的途徑[2]。本文通過利用多時相多傳感器遙感數據和地面實測數據,對岷江上游典型流域毛兒蓋地區的葉面積指數進行了遙感模型建立和反演,評價結果表明反演結果能較好地反映研究區植被生長狀況。

1 研究區概況

選擇岷江上游的毛兒蓋地區,其范圍是：東經103°00′-103°30′,北緯 30°20′-32°40′,研究區面積約為1 760 km2,跨松潘縣和黑水縣的部分區域。區域內水系發育較好,較大的水系有貫穿整個研究區的毛兒蓋河、熱務溝等,該區域植被與土壤的形成與發育復雜多樣,沿高程有明顯的垂直地帶性。其植被分區上屬于泛北極植物區中國喜馬拉雅植物亞區橫斷山脈地區的一部分,植被垂直帶分布明顯,表現出明顯的溫性森林、干旱河谷灌叢、亞高山森林、亞高山草甸、灌叢等生態類型。本研究區包含了岷江上游區域典型的植被、土壤、地貌等特征,故該區域研究成果在岷江上游地區具有一般通用性。

2 遙感數據源

采用的遙感數據源包括2003年7月10日的Landsat/ETM數據和2003年11月2日的EOS/ASTER數據(以下簡稱 ETM數據和 ASTER數據)。

對比分析ASTER和ETM相關參數特征可以看出：(1)ETM影像在可見光近紅外通道的波段數比ASTER多一個藍光波段,其余三個波段的覆蓋范圍大致相同,也可以很好地反映植被狀況。(2)ASTER傳感器在SWIR通道包含的波段數明顯比ETM要多,這樣可以很好地反映表層土壤、植被和巖石等地物的特征。(3)ASTER傳感器在熱紅外通道有5個波段,而ETM只有一個波段。ETM在熱紅外通道的空間分辨率僅達到120 m;ASTER熱紅外通道的空間分辨率可達90 m。ASTER在熱紅外通道的高光譜分辨率使得它可以反演出較為準確的溫度和輻射率。(4)ASTER的在可見光和近紅外通道空間分辨率(15 m)較ETM(30 m)高。

圖1分別為岷江上游毛兒蓋研究區ETM(4,3,2合成)和ASTER(3N,2,1合成)假彩色合成圖像。

圖1 研究區ETM(左圖)與ASTER遙感圖像(右圖)

3 葉面積指數遙感模型建立與反演

葉面積指數可以從兩個途徑獲取：一是統計模型,用植被指數NDVI及其平均葉角等參數進行推算;二是理論模型,用二向反射率分布函數進行反演。前者計算簡單,需要平均葉角或葉角分布數據;后者需要利用多角度遙感數據獲取較多的參數,計算復雜[3]。本文根據研究區的資料和遙感數據特點,利用統計模型求取研究區的葉面積指數。

葉面積指數往往是難以直接從遙感數據獲得,但是根據它與遙感參數——植被指數間的密切關系,可以通過大量的理論與實驗研究,建立相關的理論和經驗統計模型。

Jordan提出的比值植被指數(RVI)是最早的植被指數：RVI=RNir/RRed。其中 RNir和RRed分別為近紅外波段反射率和紅光波段反射率。RVI對大氣影響敏感,而且當植被覆蓋不夠密度時(小于50%),它的分辨率也很弱,只有在植被覆蓋濃密的情況下效果最好。對于濃密植物,反射的紅光輻射很小,RVI將無限增長。Deering提出歸一化差分植被指數(NDVI,Normalized Difference Vegetation Index)將比值限定在[-1,1]的范圍內：

式中：DN NIR——衛星接收的近紅外波段亮度值;DN R——衛星接收的紅光波段亮度值;RNir——衛星接收的近紅外波段反射率;RRed——衛星接收的紅光波段反射率。

由于利用了植被冠層對電磁波譜中紅色和近紅外兩個波譜段反射能量的光譜對比特性,NDVI提高了對土壤背景的鑒別能力;同時削弱了大部分與儀器定標、太陽角、地形、云/陰影和大氣衰減等的影響,增強了對植被的響應能力。張仁華等根據高塔遙感實驗場的大量觀測資料研究表明,植被指數NDVI或RVI與葉面積指數呈現非線性函數關系。它們之間的關系可表示為

或表示為

式中：A、B、C——經驗系數,A、B 通常接近于1。其中,A是由植物本身的光譜反射確定,B與葉傾角、觀測角有關,C取決于葉子對輻射的衰減,這種衰減呈非線性的指數函數變化。

根據式(1),綜合考慮了研究區數據資料及其特征,結合相關研究資料,本研究由以下關系式獲得LAI：

由式(3)可以推導出LAI的函數關系式：

對LANDSAT ETM而言,歸一化差分植被指數NDVI式(1)中 和分別是ETM波段3(630-690 nm)和波段4(760～900 nm)的反射率。對Aster傳感器而言,標準化差值植被指數NDVI式(1)中Rnir和Rred分別是Aster波段2(630～690 nm)和波段3N(760～860 nm)的反射率。

圖2為該研究區ETM圖像的葉面積指數反演結果圖,可以看到研究區的LAI值基本分布在2～4之間。經ARCGIS軟件統計分析,岷江上游毛兒蓋地區的LAI值在0～2之間的占10.13%,在2～4.5之間的占 78.86%,大于 4.5或者 0的占11.01%,其中 LAI最大值為 4.814,平均值為2.941。結合研究區植被分類圖,經統計分析表明：亞高山草甸的LAI平均為2.617,灌叢的LAI平均為3.032,針闊混交林的LAI平均為3.783[4]。

圖2為該研究區ASTER圖像的葉面積指數反演結果圖。可以看到研究區的LAI值基本分布在0.48～1.37。經ARCGIS軟件統計分析,岷江上游毛兒蓋地區的LAI值在0～0.5之間的占21.51%,在0.5～2.5之間的占73.41%,大于2.5或者小于0占5.08%,其中LAI最大值為4.231,平均值為0.926。結合研究區植被分類圖,經統計分析表明：亞高山草甸的LAI平均為0.525,灌叢的LAI平均為0.683,針闊混交林的LAI平均為2.316。

對比圖2和圖3可以看出,由ASTER數據反演的葉面積指數整體上比ETM數據反演的葉面積指數統計分析值要小;這與遙感圖像的時相有關[5],ETM數據采集時間為7月中旬,該時間是植被生長旺盛階段,植被葉片生長旺盛故而葉面積指數相應較大;ASTER數據獲取時間為11月,該時間已是冬初,研究區已有部分的雪覆蓋,落葉林植被的葉片已經凋落,草甸也已枯萎,植被進入了冬歇階段,故葉面積指數明顯較小。岷江上游毛兒蓋地區植被葉面積指數隨海拔梯度的增加LAI減小,這與植被垂直分布性有關[6]。由兩個圖像反演的葉面積指數,較好地反映了植被類型及其空間分布變化的趨勢。

圖2 ETM圖像葉面積指數反演結果與分布曲線圖

圖3 ASTER圖像葉面積指數反演結果與分布曲線圖

4 結論

根據對岷江上游研究區的實地踏勘和定位觀測研究,綜合利用Aster和ETM 遙感數據、地面實測數據和常規觀測數據等,分析了葉面積指數的遙感反演方法及其影響因子,并提出了用遙感方法反演葉面積指數的最佳模型和最佳植被指數。通過模型反演可以得出,基于2003年7月的ETM數據反演出葉面積指數,其值在2～4.5之間的占78.86%;按照植被分類統計,亞高山草甸的LAI平均為2.617,灌叢的LAI平均為3.032,針闊混交林的LAI平均為3.783。2003年11月的ASTER數據反演結果在0.5～2.5之間的占73.41%;按照植被分類統計,亞高山草甸的LAI平均為0.525,灌叢的LAI平均為0.683,針闊混交林的 LAI平均為2.316。反演結果表明,葉面積指數受時相和植被空間分布影響較大,但是,不同植被類型影響程度不同,針葉林受影響相對較小,灌木林受影響較大,葉面積指數與植被類型的空間垂直分布性有關。通過對研究區進行實測葉面積指數作為模型驗證數據,將能更好地提高模型精度。

[1] 惠鳳鳴,田慶久,金震宇,等.植被指數與葉面積指數關系研究及定量化分析[J].遙感信息,2003,45(2)：10-13.

[2] 李開麗,蔣建軍,茅榮正,等.植被葉面積指數遙感監測模型[J].生態學報,2005,25(6)：1491-1496.

[3] 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.

[4] 李玉霞.岷江上游毛兒蓋地區生態水信息指標參數遙感量化研究[D].成都：成都理工大學,2007.

[5] 顧祝軍,曾志遠.遙感植被蓋度研究[J].水土保持研究,2005,12(4)：18-21.

[6] Qi J,Kerr Y H,Moran M S,et al.Leaf Area Index Estimates Using Remotely Sensed Data and BRDF Models in a Semiarid Region[J].Remote Sensing of Environment,2000,73：18-30.