多角度遙感數據的林下植被NDVI時間變化特征研究

陳平平 沈橙橙 吳卓琳 鄭夢翔

摘 要 林下植被是森林生態系統的一個重要組成部分，傳統上的單角度遙感數據包含了森林冠層和林下背景兩部分的信息，難以定量評價林下植被。本研究利用MODIS反射率數據、角度數據和雙向反射分布函數（BRDF），采用RTLSR核驅動模型、4尺度幾何光學模型反演森林背景反射率，分析NDVI的時間變化特征，為定量分析浙江省臨安市森林林下植被生長狀況提供依據。結果表明：1）森林植被NDVI具有明顯的時間變化特征，林下植被NDVI和垂直觀測角度植被NDVI都具有相似的季節性，生長季的NDVI相對其他時間段較高，秋冬季節降低，并在2月基本達到最低。2）山核桃林下植被NDVI在第一年的8月到第二年的3月比其他林地的低，在2月的差距最大。垂直觀測角度NDVI，山核桃林的數據全年低于其他林地。

關鍵詞 NDVI；背景反射率；MODIS；山核桃林

中圖分類號：S718.55 文獻標志碼：A DOI：10.19415/j.cnki.1673-890x.2018.19.004

森林是陸地生態系統的主體，在調節全球碳平衡、減緩溫室氣體濃度上升等方面發揮著不可替代的作用。而林下植被作為森林生態系統的一個重要組成部分，發揮著維護森林的多樣性、生態功能穩定性和持續立地生產力方面的作用。由于對林下植被的研究在森林群落分類、立地指示及長期生產力維護等方面發揮著重要作用，因此日益受到國內外科研人員的關注。多角度遙感觀測包含有大量的植被結構信息，為植被結構參數制圖提供了非常有效的手段，同時也可應用于背景反射率的反演，現有的MODIS傳感器每天對同一地表目標從不同的角度進行觀測，形成了“多角度”觀測數據，為森林背景反射率反演提供了一個可能的途徑。

本文以浙江省臨安市作為研究區域，利用MODIS 500反射率數據反演不同林種的背景反射率，分析林下植被覆蓋指數的時間變化特征，為定量分析浙江省臨安市森林林下植被生長狀況提供依據。

1 研究進展和研究目標

1.1 研究進展

傳統的單角度數據無法提取植被結構參數，而通過對地面物體進行多個方向觀測的多角度遙感數據能夠反映植被結構信息和地物多維空間結構特征，為定量反演地表參數提供了新途徑。2007年，Canisius and Chen利用多角度成像光譜輻射計（MISR）的多角度數據估算了加拿大曼尼托巴地區和薩斯徹溫省的森林背景反射率，并分析了其季節變化。2009年，Pisek and Chen利用MISR星下點和前向45°的反射率數據進行了北美地區背景反射率的提取[1]；之后，Pisek又利用CASI數據對加拿大安大略省的一片針葉林區域提取了森林背景反射率，并使用研究區臨近區域相似森林類型的實測數據對反演結果進行驗證[2]。但MISR數據的質量不高，難以滿足區域尺度上對背景反射率較高時間分辨率的需求。為了提高背景反射率提取結果的時間分辨率和空間分辨率，2011年，Pisek等以芬蘭赫爾辛基地區為研究區，基于MODIS BRDF參數模擬星下點和45°觀測天頂角方向的反射率，提取了500 m分辨率的背景反射率，并使用背景反射率實測數據對結果進行了直接驗證[3]，證明MODIS數據在林地背景反射率反演研究中具有很大的潛力。

目前，利用MODIS BRDF模型參數產品數據進行背景反射率反演取得了一定的成果，但應用于森林林下植被生長狀況的評估并不多。

1.2 研究目標

本文以浙江省臨安市作為研究區域，擬利用MODIS反射率數據、角度數據和雙向反射分布函數（BRDF），采用RTLSR核驅動模型、4尺度幾何光學模型（4-scale）反演該區域森林背景反射率，分析NDVI（歸一化差分植被指數）的時間變化特征，為定量分析該區域森林林下植被生長狀況提供依據。

2 數據和方法

2.1 研究區概況

臨安市位于東經118°51′～119°52′，北緯29°56′～30°23′，地處浙江省西北部天目山區，中亞熱帶季風氣候區南緣，該地植物資源豐富，森林覆蓋率達到71.3%，包括了大面積不同種類的針葉林、闊葉林、竹林等。作為臨安市主要經濟林之一，山核桃林具有較高的生長要求，其林下植被受人為干擾明顯，對其背景反射率影響較大。

2.2 數據采用

研究所用遙感數據包括了MODIS反射率數據（紅光、近紅外光）和角度數據（太陽天頂角、觀測天頂角和相對方位角，MOD09A1），BRDF產品數據（MCD43A1），葉面積指數數據（MCD15A2H），垂直反射率數據（MCD43A4）和土地覆蓋類型數據（MCD12Q1），空間分辨率為463.3 m，時間分辨率為8天1景。

2.3 研究過程

第一步，利用MODIS產品數據預處理軟件MRT將3種MODIS產品數據的格式轉換為TIF格式圖像，然后，采用IDL進行投影轉換，提取覆蓋研究區的數據。

第二步，根據Pisek的研究，將總反射率分為光照冠層、光照背景、陰影冠層和陰影背景4部分[4]，構成線性關系：

R=RTKT+RGKG+RZTKZT+RZGKZG （1）

（1）式中，R為反射率，K為組成百分比，T為樹冠，G為背景，Z為陰影，ZT為陰影樹冠、ZG為陰影背景。

隨著太陽和觀測角度的變化，傳感器所能觀測到的各組分的比例發生變化，這種比例的變化會帶來觀測的目標反射率的差異。對于同一象元來說，天頂方向和另一個觀測方向的反射率可以表示為：

Rn=RTKTn+RGKGn+RZTKZTn+RZGKZGn （2）

Ra=RTKTa+RGKGa+RZTKZTa+RZGKZGa （3）

（2）（3）式中，n為天頂方向，a為前向45°方向；陰影樹冠、陰影背景的反射率RZT、RZG可以表示為相對應的光照組分與多次散射因子的函數，RZT=M×RT，RZG=M×RG，M為多次散射因子，由4尺度幾何光學模型反演確定，這里取相同值M=0.2。

假設背景為朗伯體，聯立公式（2）和（3），可計算背景反射率：

（4）式中，RG為背景反射率，Rn和Ra為利用BRDF數據通過RTSLR核驅動模型計算得到的天頂方向和前向45°方向的二向反射率[5]；四組分比例（KT、KG、KZT、KZG）通過4尺度幾何光學模型建立的查找表獲取，以提高效率。模型主要輸入參數包括LAI、森林類型、觀測角度、太陽角度和相對方位角等，樹的形狀采用4尺度模型對樹形的假設；在建立查找表時，LAI變化范圍為0.1～10.0，太陽天頂角SZA和觀測天頂角VZA的變化范圍為0°～70°，相對方位角（PHI）的變化范圍為100°～170°，以0.1°為間隔；樹木密度設為500， 1 000， 2 000， 3 000和4 000 五個等級；森林類型分為針葉林、闊葉林和混交林三種。

第三步，通過IDL程序在查找表中找到與角度數據、LAI及土地覆蓋分類數據對應的光照樹冠、陰影樹冠、光照背景和陰影背景的比例，將其代入方程（4）得到不同植株密度對應的背景反射率。

3 結果

課題研究區域的對象為臨安山核桃林的背景反射率，為了便于觀察山核桃林背景反射率時間變化特征，我們提取了研究區域不同林種的林下NDVI （見圖1）和垂直觀察角度下的NDVI （見圖2）。在變化趨勢曲線對比中，每個林種的NDVI變化趨勢大致相似。但山核桃林從8月份開始，林下植被的NDVI數值下降趨勢明顯大于其他林種，在來年的2月份明顯下降，并達到最低值，然后開始上升與其他林種數值拉近，5月至7月底都基本達到峰值。在垂直觀測角度下，山核桃林的NDVI總體數值低于其他林種，在秋季和春季，所有林種的NDVI都有一定幅度的波動，并在2月份出現最低值，山核桃林與其他林地的差距最大。造成這些差異的主要原因是：山核桃林在8月份進入采收季，林農會對林下植被進行部分拔除，或者林下張網，以及雨季增加土壤的含水量，這些都會導致背景反射率降低；此外，山核桃林屬于落葉林、經濟林，在植被密度上相對于野生林低，植株間有較大間隙，間距大多在4～6 m。因此，在垂直觀測角度下，山核桃林的NDVI全年較低，特別是在秋冬季節，山核桃樹葉的凋謝使其反射率在較短的時間里快速降低。

4 結語

本文利用MODIS數據，采用RTLSR核驅動模型、4尺度幾何光學模型，提取了臨安市2010—2015年林下植被背景反射率，分析其NDVI的時間變化特征，得到以下主要結論。1）森林植被NDVI具有明顯的時間變化特征，林下植被NDVI和垂直觀測角度植被NDVI都具有相似的季節性，生長季的NDVI相對其他時間段較高，秋冬季節降低，并在2月基本達到最低。2）山核桃林下植被NDVI在第一年的8月到第二年的3月比其他林地的低，在2月的差距最大。垂直觀測角度NDVI，山核桃林的數據全年低于其他林地。

參考文獻：

[1] Pisek J， Chen J M. Mapping forest background reflectivity over North America with Multi-angle Imaging SpectroRadiometer （MISR） data[J]. Remote Sensing of Environment， 2009， 113（11）： 2412-2423.

[2] 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 and Remote Sensing， 2010， 48（1）： 499-510.

[3] Pisek J， Rautiainen M， Heiskanen J， et al. Retrieval of seasonal dynamics of forest understory reflectance in a Northern European boreal forest from MODIS BRDF data[J]. Remote Sensing of Environment， 2012， 117： 464-468.

[4] Li X W， Strahler A H. Geometric-optical modeling of a conifer forest canopy[J]. IEEE Transactions On Geoscience and Remote Sensing， 1985， 23（5）： 705-721.

[5] Chen J M， Leblanc S G. A four-scale bidirectional reflectance model based on canopy architecture[J]. IEEE Transactions On Geoscience and Remote Sensing， 1997， 35（5）： 1316-1337.

（責任編輯：丁志祥）