大興安嶺地區森林葉片反射率的反演

孟瑩，范文義，于穎

(東北林業大學 林學院，哈爾濱 150040)

大興安嶺地區森林葉片反射率的反演

孟瑩，范文義*，于穎

(東北林業大學 林學院，哈爾濱 150040)

葉片反射率作為一個重要的植被參數對森林的研究有著重要的意義，而遙感影像所獲得是像元信息也就是植被冠層反射率。為了的得到葉片反射率，本文利用地表反射率8天合成產品(MOD09A1)、葉面積指數產品(MOD15A2)和地表覆蓋類型產品(MCD12Q1)，結合四尺度模型與PROSPECT模型模擬冠層反射率所建立的冠層反射率和葉片反射率之間的查找表，反演了2015年8月份大興安嶺地區的葉片反射率，實現從冠層反射率到葉片反射率的尺度轉換，并使用SVC-1024i實地采集的葉片反射率信息做精度檢驗。研究結果表明實地測量數據與查找表反演葉片反射率在紅色和近紅外波段具有良好的相關性(R2為0.789和0.796)，表明了利用四尺度模型建立查找表反演葉片反射率具有可行性。

四尺度模型；葉片反射率；尺度轉換

0 引言

經過幾十年的發展，遙感技術已經由可見光發展到近紅外、微波及主動遙感，理論上已經從定性遙感發展到定量遙感，應用上也覆蓋了社會、經濟資源環境等諸多領域，而在林業中的發展也越發的成熟。森林資源具有分布面積廣、地形復雜、數量多及變化大等特點，導致對森林的調查難度增加。隨著遙感技術的發展，遙感影像結合地面實際調查，綜合運用遙感數據的各種分析處理方法，對森林狀況和動態變化監測提供了很大的方便，尤其定量化遙感更是提高了森林調查的精度?，F在的遙感傳感器(Landsat TM，Modis，MISR，Hyperion等)可以提供豐富的多空間、多光譜、多角度和多時相植被反射信息[1]，傳感器是以像元為單位獲取信息，不同的傳感器的像元大小不同，而像元作為一定空間上地物所有物體的綜合，獲得的是混合光譜信息，對于植被而言也就是冠層信息。

對于植被，除了植被反射率信息，還有葉面積指數(leaf area index，LAI)、葉綠素、聚集度指數(Ω)等重要植被信息。葉面積指數是一個重要的植被指數，一般定義為單位面積柱體內葉子表面積的一半[2]。葉片聚集度系數(Ω)量化了樹葉在不同植被結構(例如樹組、樹冠、輪生體和樹枝)的空間分布[3-4]，在生態學、水文學、地表模型以及在利用遙感數據反演其他植被結構的參數過程中是一個至關重要的參數[5-6]。葉綠素(chlorophyll)是一類與光合作用(photosynthesis)有關的最重要的色素[7]。遙感技術為定量估算葉片生物物理參數和生物化學參數提供了一種有效的手段，如葉綠素含量可以利用PROSPECT模型和LEAFMODEL模型來反演得到，并且這種方法已被廣泛應用[8-9]，以上這些模型都應用于葉片尺度。

隨著遙感理論和技術的不斷發展革新，多角度定量遙感變得越發重要，定量遙感大致分位物理模型、經驗統計模型和半經驗模型。經驗統計模型理論相對簡單，而且適用性比較強，適合物理機理不清楚的情況。半經驗模型綜合了物理模型與經驗統計模型的優點，雖然模型參數都是經驗所得，但參數具有了一定的物理意義。物理模型研究的最為深入，而且理論基礎完善，代表著二向反射分布函數(Bidirectional reflectance distribution function，BRDF)的發展方向。 BRDF模型用來定義給定入射方向上的輻射照度如何影響給定出射方向上的輻射率。更籠統地說，它描述了入射光線經過某個表面反射后如何在各個出射方向上分布，這可以是從理想鏡面反射到漫反射、各向同性或者各向異性的各種反射[4，10- 6]。模型參數都具有明確的物理意義，并且對光線和地表物體的相互作用有詳細的數學和物理描述，主要有幾何光學模型、輻射傳輸模型、計算機模擬模型和混合模型這四類[17-18]。在眾多BRDF模型中，四尺度模型是最完善的一種模型，四尺度模型是一種混合模型。模型的目的是通過輸入參數模擬得到植被的冠層信息，模型著重在于不同尺度下植被冠層的結構特征的幾何光學-輻射傳輸模型[19]。葉片反射率和透射率作為四尺度模型的輸入參數，運行四尺度模型可以分別模擬針葉純林和闊葉純林的紅色波段和近紅外波段的冠層反射率。

綜上無論是植被的冠層信息還是在葉片尺度上的各種植被參數對于研究都有重要的意義，所以如何將冠層尺度的信息轉換到葉片尺度上是一個重要的問題。本文采用PROSPECT模型模擬葉片反射率[20]，PROSPECT模型是一個基于“平板模型”的輻射傳輸模型[21]，它可以通過模擬葉片在400～250 nm范圍內的上行和下行的輻射通量來得到葉片的反射率和透射率[22]，建立葉片反射率和冠層反射率的查找表，實現冠層反射率到葉片反射率在紅色和近紅外波段的尺度的轉換。

1 研究區域與研究方法

1.1 研究區域概況

本論文研究區域選擇大興安嶺地區，大興安嶺地區位于中國蒙古自治區東北部和黑龍江省自治區東北部的大興安嶺林區(121°11′02″～127°01′07″E，50 °05 ′01 ″～53 °33 ′25 ″ N)。大興安嶺是我國最北、并且面積最大的現代化國有林區，總面積為8.46萬 km2，是我國重要的林業基地之一。

1.2 研究方法

1.2.1 遙感數據及預處理

本文使用的是MODIS數據，包括500 m地表反射率8天合成三級產品(MOD09A1)、1 km葉面積指數(LAI)/光合輻射有效分量(FPAR)8天合成L4級產品(MOD15A2)、三級數據地表覆蓋類型產品(MCD12Q1)，都是從NASS網上獲取的數據。500 m地表反射率8天合成產品(MOD09A1)、1 km葉面積指數(LAI)/光合輻射有效分量(FPAR)8天合成L4級產品(MOD15A2)都是Terra衛星獲取得8天合成數據，分辨率分別為500 m和1 km。三級數據地表覆蓋類型產品(MCD12Q1)數據是對Terra 和 Aqua 衛星經過一年觀測所獲得數據進行處理后得到描述土地覆蓋類型的MODIS三級數據土地覆蓋類型產品(Land Cover data)，空間分辨率為463.3 m。本研究選取的是2015年8月份大興安嶺地區的數據，其中MOD09A1和MCD12Q1分別是三級產品和四級產品，自帶地理坐標系只需要將坐標系轉為WGS-84坐標系，按大興安嶺矢量圖像裁剪后提取紅色和近紅外波段即可使用。對葉面積指數產品(MOD09A1)進行重采樣使其分辨率與MOD09A1、MCD12Q1圖像500 m分辨率一致。

1.2.2 地面實測數據

本研究于2014年8月6日-15日在大興安嶺地區選擇了不同林地類型中森林樹木與植被分布相對均一區域，標定30 m×20 m的樣地進行森林參數觀測，共獲取研究區10個樣地采樣點的測量數據，其采樣點地形相對平坦、植被覆蓋類型相對均勻，測量數據包括樹的結構參數(干高、冠高、胸徑和枝厚度等)、葉面積指數信息、聚集度指數和樹冠反射率、葉片反射率、背景反射率等信息。葉片聚集度系數利用冠層分析儀TRAC測量，樹干高度和樹木胸徑分別利用激光測距儀和皮尺進行量測，葉面積指數用LAI2200植被冠層分析儀在陰天時測量，植被的反射率信息使用SVC-1024儀器分別收集冠層和葉片的反射率信息。

1.3 四尺度模型參數敏感性分析

敏感性表示為一個無量綱的指數，反映了模型輸出結果隨模型參數的微小改變而變化的影響程度或敏感性程度，具體的數學公式如下：

O=f(F1,F2,…Fn)。

(1)

公式中O是模型的輸出結果，Fi是影響模型的因子。對公式做線性擴展：

因為輸入參數的單位各不相同，為了使不同單位的參數之間可以進行敏感性比較，常使用相對敏感性值，即對參數敏感性進行歸一化處理：

(3)

處理后敏感性指數I不受O和Fi的單位尺度的影響，使模型參數之間的敏感性具有可比性，I值越大則說明該參數對模型的影響越大[23]。

四尺度模型的輸入參數包括：樣地面積、樣地面積內總株數、紐曼分布參數、樹的結構參數(干高、冠高、冠半徑等)、考慮枝葉時的參數(枝傾角、葉傾角、枝厚度、葉厚度與寬度之比、枝子指數TAI)、太陽高度角、葉面積指數、聚集度指數、紅色波段和近紅外波段葉片的反射率、透射率以及同波段背景的反射率和透射率。模型模擬了在多個觀測角度下的紅色和近紅外波段的反射率及其他信息。對四尺度模型做敏感性分析時，其中將要分析的參數以一定步長改變，其他參數則保持固定不變，模擬冠層反射率，得到不同參數組合下觀測角度為0的紅色波段和近紅外波段的冠層反射率。本論文分別對葉面積指數、聚集度指數、葉子大小、枝傾角、葉傾角、錐頂角的一半、葉厚度與寬度之比做敏感性分析。研究區域參數和樹的結構參數不作敏感性分析。敏感性分析輸入參數及結果見表1。

通過表1可以看葉面積指數和聚集度指數對四尺度模型模擬冠層反射率的影響比較大，這與四尺度模型的肌理符合。四尺度模型認為對于離散的冠層反射率Pgap(θ)計算公式為：

Pgap(θ)=e-G(θs)L0·ΩE/re。

(4)

(5)

表1 四尺度模型輸入參數的步長、變化范圍和敏感性值Tab.1 Four -scale model input parameters step size，change range and sensitivity value

做參數敏感性分析的主要目的是減少變量從而達到縮減查找表大小的目的，所以選擇對四處度模型影響最大的葉面積指數參數作為冠層反射率反演葉片反射率的唯一控制變量。

1.4 查找表的建立

查找表反演參數的方法實際上就是用四尺度模型計算出在不同參數值下的的輸入、輸出組合，運行四尺度模型建立葉面積指數、葉片反射率與冠層反射率之間的對應數值組合。通過PROSPECT模型模擬出葉子結構、葉綠素含量等參數在一定范圍內變化時所得的葉片紅色和近紅外波段的反射率和投射率作為四尺度模型的葉片反射率和透射率參數，并將其他輸入參數設置見表2。

表2 四尺度模型的主要輸入參數Tab.2 Main input parameters of Four-scale model

表2中各參數的設定是通過整理近幾年的外業數據得到的平均值。其他參數如枝傾角、葉傾角、針簇比等參數設為15、75、1.43等。改變的參數是葉面積指數和葉片在紅色波段和近紅外波段的反射率和透射率以及同波段的背景反射率。其中葉面積指數范圍是0.5～10，步長為0.1。分別模擬闊葉純林和落葉純林在不同輸入參數組合下的冠層反射率，建立查找表。實現讀取葉面積指數圖像、地表分類圖像、地表反射率圖像后，以葉面積指數作為控制變量，輸出與冠層反射率對應的葉片反射率圖像。

2 結果與分析

2.1 葉片反射率反演結果

本論文利用四尺度模型模擬的冠層反射率反演葉片反射率，通過查找表分別反演了大興安嶺地區紅色波段和近紅外波段的葉片反射率，反演后圖像為500 m分辨率保存為tif格式，與讀取圖像像元值大小一致，反演結果如圖1和圖2所示。

圖1 紅色波段葉片反射率Fig.1 Foliage reflectance of red band

圖2 近紅外波段葉片反射率Fig.2 Foliage reflectance of near-infrared band

圖3 外業實地測量的冠層反射率與模型模擬的反射率比較Fig.3 Comparison between actual measurement and model simulation of canopy reflectance

圖4 外業實地測量的葉片反射率與反演的葉片反射率比較Fig.4 Comparison between actual measurement and inversion of foliage reflectance

2.2 精度檢驗

本論文所用精度檢驗數據是2015年大興安嶺外業實地測量數據，檢驗反演精度前，將外業調查數據包括研究區域參數、樹的結構參數、葉面積指數、聚集度指數、葉片反射率等參數模擬冠層反射率，與外業實測的冠層反射率作比較。因為四尺度模型只能模擬純林的冠層反射率，在使用四尺度模型模擬針闊混交林冠層反射率時，分別按照外業數據模擬闊葉純林和針葉純林的冠層反射率后，按照樹種組成權重計算混交林的冠層反射率。

從圖3中看出紅色波段和近紅外波段冠層模擬反射率和實測反射率有呈現顯著的線性相關，相關系數為0.813和0.862，則可以認為四尺度程序可以較好的模擬外業調查時的冠層反射率信息，同時也認為外業調查時測量的葉片反射率數據可以對反演后的葉片反射率圖像做精度檢驗。精度檢驗選擇與實地經緯度相一致的點，讀取該點的像元值后做相關分析，

加入外業測量時是針闊混交林則選取闊葉的葉片反射率，相關分析如圖4所示。

圖4中可以看出紅色波段和近紅外波段反演的葉片反射率和實測的葉片反射率呈良好的線性關系，相關系數分別為0.789和0.796，表明了本論文所采用的查找表方法反演葉片反射率的方法是可行的，而且有著較好的精度。

3 結論

本文利用PROSPECT模型和四尺度模型模擬冠層反射率，結合葉面積指數LAI反演森林葉片反射率，得到了較好的反演結果。PROSPECT模型和四尺度模型能夠用很好地模擬冠層反射率曲線，葉面積指數作為森林機構參數發揮了重要作用，在利用查找表反演葉片反射率時，葉面積指數作為控制變量，提高了反演精度、加快運算速度，是實現冠層反射率到葉片反射率尺度轉換的重要參數。

但是本論文在反演葉片反射率時，只將森林類型分為落葉純林和闊葉純林，沒有考慮針闊混交林的情況，影響反演精度。

[1]王緒鵬.冠層反射率BRDF模型分析及改進研究[D].哈爾濱：東北林業大學，2014.

[2]Chen J M，Pavlic G，Brown L，et al.Derivation and Validation of Canada-wide Coarse-resolution Leaf Area Index Maps Using High-resolution Satellite Imagery and Ground Measurements[J].Remote Sensing of Environment，2002，80(1)：165-184.

[3]Nilson T.A Theoretical Analysis of the Frequency of Gaps in Plant Stands[J].Agricultural Meteorology，1971，71(8)：25-38.

[4]Chen J M.Optically-based Methods for Measuring Seasonal Variation of Leaf Area Index in Boreal Conifer Stands[J].Agricultural & Forest Meteorology，1996，80(2-4)：135-163.

[5]Baldocchi D D，Wilson K B.Modeling CO2，and Water Vapor Exchange of a Temperate Broadleaved Forest Across Hourly to Decadal Time Scales[J].Ecological Modeling，2001，142(142)：155-184.

[6]Chen J M，Liu J，Leblanc S G，et al.Multi-angular Optical Remote Sensing for Assessing Vegetation Structure and Carbon Absorption[J].Remote Sensing of Environment，2003，84(4)：516-525.

[7]Galston A W，Sawhney R K.Polyamines in Plant Physiology[J].Plant Physiology，1990，94(2)：406-410.

[8]Guerschman J P，Hill M J，Renzullo L J，et al.Estimating Fractional Cover of Photosynthetic Vegetation，Non-photosynthetic Vegetation and Bare Soil in the Australian Tropical Savanna Region Upscaling the EO-1 Hyperion and MODIS Sensors[J].Remote Sensing of Environment，2009，113(5)：928-945.

[9]Zarcotejada P J，Miller J R，Noland T L，et al.Scaling-up and Model Inversion Methods with Narrowband Optical Indices for Chlorophyll Content Estimation in Closed Forest Canopies with Hyperspectral Data[J].IEEE Transactions on Geoscience & Remote Sensing，2001，39(7)：1491-1507.

[10]Roujean J L，Lacaze R.Global Mapping of Vegetation Parameters from POLDER Multiangular Measurements for Studies of Surface-atmosphere Interactions：A Pragmatic Method and Its Validation[J].Journal of Geophysical Research Atmospheres，2002，17(12)：D12.

[11]Pinty B，Widlowski J L，Gobron N，et al.Uniqueness of Multiangular Measurements.I.An Indicator of Subpixel Surface Heterogeneity from MISR[J].IEEE Transactions on Geoscience & Remote Sensing，2002，40(7)：1560-1573.

[12]Sandmeier S，Müller C，Hosgood B，et al.Physical Mechanisms in Hyperspectral BRDF Data of Grass and Watercress[J].Remote Sensing of Environment，1998，66(2)：222-233.

[13]Sandmeier S，Deering D W.Structure Analysis and Classification of Boreal Forests Using Airborne Hyperspectral BRDF Data from ASAS[J].Remote Sensing of Environment，1999，69(3)：281-295.

[14]Pisek J，Chen J M，Miller J R，et al.Mapping Forest Background Reflectance in a Boreal Region Using Multiangle Compact Airborne Spectrographic Imager Data[J].IEEE Transactions on Geoscience & Remote Sensing，2010，48(1)：499-510.

[15]Running S W，Nemani R R.Relating Seasonal Patterns of the AVHRR Vegetation Index to Simulated Photosynthesis and Transpiration of Forests in Different Climates[J].Remote Sensing of Environment，1988，24(2)：347-367.

[16]Yang G，Zhao C，Liu Q，et al.Inversion of a Radiative Transfer Model for Estimating Forest LAI From Multisource and Multiangular Optical Remote Sensing Data[J].IEEE Transactions on Geoscience & Remote Sensing，2011，49(3)：988-1000.

[17]劉佳.BRDF模型對遙感定量反演的影響研究[D].哈爾濱：東北林業大學，2008.

[18]劉佳，范文義.BRDF模型及其反演研究的現狀及展望[J].遙感技術與應用，2008，23(1)：104-110.

[19]Chen J M，Leblanc S G.A Four-scale Bidirectional Reflectance Model Based on Canopy Architecture[J].IEEE Transactions on Geoscience & Remote Sensing，1997，35(5)：1316-1337.

[20]Jacquemoud S，Bacour C，Poilvé H，et al.Comparison of Four Radiative Transfer Models to Simulate Plant Canopies Reflectance：Direct and Inverse Mode[J].Remote Sensing of Environment，2000，74(3)：471-481.

[21]Jacquemoud S，Baret F.Prospect：A Model of Leaf Optical Properties Spectra[J].Remote Sensing of Environment，1990，34(2)：75-91.

[22]Allen W A，Gausman H W，Richardson A J，et al.Interaction of Isotropic Light with a Compact Plant Leaf[J].Journal of the Optical Society of America，1969，59(10)：1376-1379.

[23]黃清華，張萬昌.SWAT模型參數敏感性分析及應用[J].干旱區地理(漢文版)，2010，33(1)：8-15.

Inversion of Forest Foliage Reflectance in Daxing’anling Region

Meng Ying，Fan Wenyi*，Yu Ying

(School of Forestry，Northeast Forestry University，Harbin 150040)

As one of the most important vegetation parameters，foliage reflectance plays a significant role in forest research.The pixel information extracted from remote sensing images is the canopy reflectance.In order to obtain the foliage reflectance，a lookup table between canopy reflectance and foliage reflectance，which is built from simulating canopy reflectance by MODIS Surface Reflectance products(MOD09A1)，Leaf Area Index products(MOD15A2)，land cover types(MCD12Q1)combined with four-scale model and PROSOECT model，is used to invert the foliage reflectance in Daxing’anling region in August，2015.A scale conversion from canopy reflectance to foliage reflectance is accomplished.The foliage reflectance data acquired by SVC-1024i device in the forest is used to do accuracy test.Results show that the field data and foliage reflectance inverted by look-up table have good correlation in Red and Near-infrared bands(R2is 0.789 and 0.796)，which means using look-up table based on four-scale model to invert foliage reflectance is feasible.

Four-scale model；foliage reflectance；scale conversion

2016-12-12

國家自然科學基金項目資助(31500518, 31500519)

孟瑩，碩士研究生。研究方向：遙感與地理信息系統。

*通信作者：范文義，博士，教授。研究方向：遙感與地理信息系統。E-mail：fanwy@163.com

孟瑩，范文義，于穎.大興安嶺地區森林葉片反射率的反演[J].森林工程，2017，33(3)：07-11.

S 771

A

1001-005X(2017)03-0007-05