韓婷婷，習(xí)曉環(huán)，王成，王方建，3，萬怡平，3

（1.中國科學(xué)院遙感與數(shù)字地球研究所，北京 100094；2.內(nèi)蒙古師范大學(xué) 地理科學(xué)學(xué)院，呼和浩特 010020；3.中國科學(xué)院大學(xué)，北京 100049）

1 引 言

葉面積指數(shù)（Leaf Area Index，LAI）是森林生態(tài)系統(tǒng)的一個(gè)重要參數(shù)，也是表征植被冠層結(jié)構(gòu)的最基本參數(shù)之一。雖然很多學(xué)者從不同的角度提出了多種LAI的定義，但普遍認(rèn)可的定義為單位地表面積上所有葉片表面積的一半［1］，當(dāng)前的很多研究即基于該定義。

傳統(tǒng)的直接測量LAI方法雖然精度高，但對(duì)森林具有很大的破壞性，而且耗時(shí)耗力或者人們無法到達(dá)，難以擴(kuò)展到大區(qū)域。遙感技術(shù)為大面積森林LAI反演提供了可靠的數(shù)據(jù)源，已經(jīng)成為估算區(qū)域尺度上LAI最為有效的手段［2］。

遙感反演LAI通?？煞譃楣鈱W(xué)模型法和統(tǒng)計(jì)模型法。前者以一定的物理模型為基礎(chǔ)，具有一定的普適性，但反演耗時(shí)、運(yùn)算復(fù)雜、需要的參數(shù)多且存在一定的不確定性，有時(shí)甚至?xí)a(chǎn)生錯(cuò)誤的反演結(jié)果［2-3］。統(tǒng)計(jì)模型法又稱經(jīng)驗(yàn)關(guān)系法，即通過建立植被指數(shù)（Vegetation Index，VI）和實(shí)測值之間的線性或者非線性模型，實(shí)現(xiàn)估算LAI的目的，但在不同的地區(qū)得到的VI與LAI的關(guān)系模型差異較大。徐全芝等［4］利用Landsat TM數(shù)據(jù)提取了歸一化差值植被指數(shù)（Normalized Difference Vegetation Index，NDVI）、簡單比值植被指數(shù) （Simple Ratio Vegetation Index，SRVI）、土壤調(diào)節(jié)植被指數(shù)（Soiladjusted Vegetation Index，SAVI）、縮減比值植被指 數(shù) （Reduced Simple Ratio Vegetation Index，RSRVI）等，分別建立這些指數(shù)與實(shí)測LAI間的關(guān)系式來反演黑河流域的LAI；結(jié)果表明，各植被指數(shù)與LAI均具有較高的相關(guān)性，其中SAVI與LAI相關(guān)性最大，模型的反演精度最高。武紅敢等［5］利用TM數(shù)據(jù)，通過建立簡單比值指數(shù)（如TM5／TM4，TM4／TM3，TM7／TM4等）與林分 LAI間的相關(guān)關(guān)系，監(jiān)測浙江江山馬尾松幼林單層林分LAI的動(dòng)態(tài)變化，研究發(fā)現(xiàn)TM5／TM4、TM7／TM4適用于低LAI區(qū)的植被監(jiān)測，而TM4／TM3對(duì)高LAI區(qū)較為靈敏，但林分的LAI大于6.0時(shí)，監(jiān)測的靈敏度大大降低。夏學(xué)齊［6］以貴州省黎平森林為研究區(qū)，分別用地形校正前后的ETM＋影像建立NDVI與實(shí)測LAI間的相關(guān)關(guān)系，認(rèn)為地形因素會(huì)對(duì)山地／丘陵區(qū)LAI反演結(jié)果產(chǎn)生重要影響。駱知萌等［7］以江西省興國縣為例，使用不同時(shí)期的ETM＋地面反射率圖像，提取了 NDVI，SRVI，RSRVI，分別建立其與實(shí)測LAI的統(tǒng)計(jì)回歸模型；研究表明，對(duì)于單一樹種，RSRVI與LAI的關(guān)系優(yōu)于另兩種植被指數(shù)。

一些學(xué)者還對(duì)中高分辨率衛(wèi)星數(shù)據(jù)和低分辨率衛(wèi)星數(shù)據(jù)反演的LAI精度差異進(jìn)行了比較分析，如對(duì)TM反演的LAI與MODIS的LAI產(chǎn)品進(jìn)行比較，發(fā)現(xiàn)MODIS LAI會(huì)出現(xiàn)明顯的低估現(xiàn)象。胡少英等［8］使用黑河及漢江流域的TM數(shù)據(jù)提取LAI，并對(duì)該區(qū)域的MODIS LAI數(shù)據(jù)進(jìn)行質(zhì)量評(píng)價(jià)；從統(tǒng)計(jì)特征分析，認(rèn)為MODIS LAI值低于TM數(shù)據(jù)反演的LAI值，在兩區(qū)域均出現(xiàn)低估的現(xiàn)象；從空間特征而言，MODIS LAI產(chǎn)品無法很好地體現(xiàn)植被空間分布信息，在黑河區(qū)存在大量低植被覆蓋像元被歸為非植被覆蓋像元的情況。賈開心［9］在一年內(nèi)逐月測量西雙版納地區(qū)低、中、高3個(gè)海拔梯度的5個(gè)樣地的三葉橡膠林的LAI，在1月份～3月份各海拔LAI值波動(dòng)較大，4月份后低、中、高海拔的LAI分別維持在3.5，3.0，2.5，表明隨著海拔的升高LAI值降低，且海拔間差異顯著（p＜0.05）。

前人的研究表明，中高分辨率TM數(shù)據(jù)適于林分尺度上LAI的反演，但針對(duì)不同的研究區(qū)會(huì)得到不同統(tǒng)計(jì)關(guān)系模型。西雙版納位于我國西南部，是具有國際意義的生物多樣性的關(guān)鍵地區(qū)和全球25個(gè)優(yōu)先重點(diǎn)保護(hù)的生物多樣性熱點(diǎn)地區(qū)之一［10］。該區(qū)森林覆蓋率高、植被類型多樣、保存完整，目前雖有學(xué)者對(duì)該地區(qū)的森林LAI進(jìn)行了研究，但只局限于樣地尺度［9］。本文通過TM數(shù)據(jù)反演11種植被指數(shù)，分別建立這些指數(shù)與實(shí)測LAI的統(tǒng)計(jì)回歸模型，比較分析各模型的優(yōu)劣進(jìn)而選取最優(yōu)模型，實(shí)現(xiàn)西雙版納森林LAI的高精度反演。

2 研究區(qū)與數(shù)據(jù)

2.1 研究區(qū)概況

西雙版納傣族自治州位于云南省南部，地理坐標(biāo) N21°08′～N22°36′，E99°56′～E101°51′，面積近2×104km2。主要森林植被類型有雨林、季雨林、亞熱帶常綠闊葉林、落葉闊葉林、暖性針葉林、竹林、灌叢、草叢等，其中橡膠林是西雙版納增加最快、最多的一種林地類型，從1976年到2007的30多年間，其面積增加了2.05×105hm2，占有林地面積的27.06%［12-13］。本研究區(qū)的樹種主要是橡膠林，分布于海拔400m～1000m之間，以800m左右最為集中。

2.2 數(shù)據(jù)

2.2.1 TM 數(shù)據(jù)

本文所用TM數(shù)據(jù)由中國科學(xué)院遙感與數(shù)字地球研究所提供，空間分辨率為30m，已進(jìn)行了正射校正處理，數(shù)據(jù)情況詳見表1。

表1 西雙版納地區(qū)TM數(shù)據(jù)情況

2.2.2 實(shí)測數(shù)據(jù)

實(shí)測數(shù)據(jù)包括LAI和地面控制點(diǎn)數(shù)據(jù)，其中LAI的測量使用美國LI－COR公司生產(chǎn)的LAI－2200植被冠層分析儀，于2010年12月29日到2011年1月15日之間獲取，2013年4月補(bǔ)測了部分?jǐn)?shù)據(jù)。測量時(shí)選擇有代表性的森林樣地和光照均勻條件下，主要記錄所測樣方的LAI和中心點(diǎn)的經(jīng)緯度信息。樣方直徑為30m（與TM影像30m的空間分辨率相對(duì)應(yīng)），對(duì)30m×30m的范圍內(nèi)，圍繞中心點(diǎn)按45°間隔共8個(gè)不同方向測量的多個(gè)LAI值進(jìn)行平均，作為該樣方的LAI值；中心點(diǎn)經(jīng)緯度測量利用天寶的GPS－RTK儀器。本研究共獲取了68個(gè)樣區(qū)的實(shí)測值，較均勻分布在勐臘、勐海和景洪周邊的森林區(qū)。

3 研究方法

3.1 植被指數(shù)及計(jì)算方法

植被指數(shù)是兩個(gè)或多個(gè)波長范圍內(nèi)的地物反射率通過線性或非線性運(yùn)算、產(chǎn)生某些對(duì)植被長勢和生物量等有一定指示意義的專題數(shù)值［14］。本文用到的植被指數(shù)有11個(gè)，其定義和計(jì)算方法如表2。

表2 植被指數(shù)定義及計(jì)算方法

3.2 植被指數(shù)與LAI的統(tǒng)計(jì)回歸分析

以ENVI4.8遙感圖像處理軟件為平臺(tái)，分別計(jì)算上述11種植被指數(shù)。利用實(shí)測的68個(gè)有效LAI數(shù)據(jù)，隨機(jī)選取其中的50個(gè)與植被指數(shù)建立線性回歸關(guān)系，其余18個(gè)用于回歸模型的驗(yàn)證。

4 結(jié)果與分析

4.1 植被指數(shù)與LAI實(shí)測值回歸結(jié)果

各種植被指數(shù)與實(shí)測LAI的散點(diǎn)圖和統(tǒng)計(jì)關(guān)系模型如圖1（a）～圖1（k）所示，圖中橫軸為TM影像提取的VI，縱軸為實(shí)測LAI。

4.2 模型驗(yàn)證與分析

從圖1各圖可以看出，NDVI，SAVI，MSAVI和MCARI的相關(guān)性較好，R2均在0.6以上，最高為0.6445；其他7個(gè)指數(shù)與LAI的R2均低于0.6，最低為0.5192。利用18個(gè)驗(yàn)證數(shù)據(jù)驗(yàn)證并計(jì)算均值誤差RMS和均方根誤差RMSE（表3）。可以看出各植被指數(shù)與LAI線性回歸模型的RSE和RMSE都較小，其中MSAVI－LAI的 RMS 和RMSE最小。分析其原因可能在于，西雙版納地區(qū)闊葉林占較大比例，其中又以人工橡膠林為主，橡膠林生態(tài)系統(tǒng)的土壤自然肥力較高，而MSAVI是對(duì)SAVI的改進(jìn)，綜合考慮了土壤和環(huán)境背景等因素，因此對(duì)葉面積指數(shù)變化更為敏感，可以根據(jù)植被的茂密程度進(jìn)行自動(dòng)調(diào)節(jié)［20，22］。因此，MSAVI表現(xiàn)出與LAI較高的相關(guān)性。

圖1 各植被指數(shù)與LAI之間的統(tǒng)計(jì)回歸關(guān)系

表3 各指數(shù)與LAI統(tǒng)計(jì)模型的精度驗(yàn)證結(jié)果

利用18個(gè)樣本驗(yàn)證 MSAVI－LAI線性回歸模型，結(jié)果如圖2所示，R2＝0.6258，計(jì)算其均值誤差RMS為1.3172，均方根誤差 RMSE為1.3688。

4.3 研究區(qū)LAI反演

利用MSAVI－LAI線性回歸模型反演西雙版納地區(qū)LAI，結(jié)果如圖3所示，LAI值主要集中在1～5之間。

圖2 MSAVI－LAI模型反演的LAI和實(shí)測值關(guān)系

圖3 西雙版納森林區(qū)LAI分布圖

本文使用部分實(shí)測點(diǎn)進(jìn)行了整個(gè)研究區(qū)的驗(yàn)證，精度較好，但是可以看出預(yù)測值整體偏低，需要進(jìn)一步研究。

5 結(jié)束語

本文利用Landsat TM數(shù)據(jù)提取多種植被指數(shù)，通過統(tǒng)計(jì)回歸分析以及模型驗(yàn)證，建立了反演LAI的統(tǒng)計(jì)回歸模型，實(shí)現(xiàn)西雙版納森林區(qū)LAI的反演。在研究中發(fā)現(xiàn)，LAI主要集中在1～5之間，隨著VI的增加，LAI隨之增加，但是VI增加到一定程度，LAI則不再增加，出現(xiàn)飽和現(xiàn)象，這正是植被指數(shù)反演LAI的一大難點(diǎn)。本文的葉面積指數(shù)反演是基于西雙版納地區(qū)的VIs－LAI統(tǒng)計(jì)回歸模型分析得到，正如引言部分所述，不同地區(qū)、不同季節(jié)的VIs－LAI回歸模型不盡相同，因此與普適性強(qiáng)的光學(xué)模型相結(jié)合，可能是遙感估算LAI的一個(gè)突破點(diǎn)，也是本文進(jìn)一步深入研究的問題。

［1]CHEN J M，BLACK T A，ADAMS R S.Evaluation of hemispherical photography for determining plant area index and geometry of a forest stand［J］.Agricultural and Forest Meteorology，1991，56（1－2）：129－143.

［2]向洪波，郭志華，趙占輕，等.不同空間尺度森林葉面積指數(shù)的估算方法［J］.林業(yè)科學(xué)，2009，45（6）：139－144.

［3]杜春雨.基于TM影像的葉面積指數(shù)反演［D］.哈爾濱：東北林業(yè)大學(xué)，2010.

［4]徐全芝，張萬昌，劉三超，等.黑河流域葉面積指數(shù)的反演［J］.干旱區(qū)研究，2003，20（4）：281－285.

［5]武紅敢，喬彥友，陳林洪，等.馬尾松林葉面積指數(shù)動(dòng)態(tài)變化的遙感監(jiān)測研究［J］.植物生態(tài)學(xué)報(bào)，1997，21（5）：485－488.

［6]夏學(xué)齊，田慶久，杜鳳蘭.遙感提取葉面積指數(shù)的地形影響分析［J］.遙感信息，2004（2）：16－19.

［7]駱知萌，田慶久，惠鳳鳴.用遙感技術(shù)計(jì)算森林葉面積指－以江西省興國縣為例［J］.南京大學(xué)學(xué)報(bào)，2005，41（3）：253－258.

［8]胡少英，張萬昌.黑河及漢江流域 MODIS葉面積指數(shù)產(chǎn)品質(zhì)量評(píng)價(jià)［J］.遙感信息，2005（4）：22－27.

［9]賈開心.西雙版納三葉橡膠林生長隨海拔高度變化研究［D］.云南：中國科學(xué)院西雙版納熱帶植物園，2006.

［10]周會(huì)平，巖香甩，張海東，等.西雙版納橡膠林下植被多樣性調(diào)查研究［J］.熱帶作物學(xué)報(bào)，2012，33（8）：1444－1449.

［11]ZHANG J H，CAO M.Tropical forest vegetation of Xishuangbanna，SW China and its secondary changes，with special reference to some problems in local nature conservation［J］.Biological Conservation，1995，73（3）：229－238.

［12]李增加.西雙版納土地利用／覆蓋變化及其氣候效應(yīng)研究［D］.云南：中國科學(xué)院西雙版納熱帶植物，2008.

［13]李增加，馬友鑫，李紅梅，等.西雙版納土地利用／覆蓋變化及其地形的關(guān)系［J］.植物學(xué)通報(bào)，2008，32（5）：1091－1103.

［14]駱社周，程峰，王方建，等.基于 TM 遙感數(shù)據(jù)的西藏林芝地區(qū)葉面積指數(shù)反演［J］.遙感技術(shù)與應(yīng)用，2012，27（5）：740－745.

［15]RICHARDSON A J，WIEGAND C L.Distinguishing vegetation from soil background information［J］.Photogrammetric Engineering and Remote Sensing，1977（43）：1541－1552.

［16]HUETE A R.A soil adjusted vegetation index（SAVI）［J］.Remote Sensing of Environment，1988，25（3）：295－309.

［17]KAUFMAN Y J，TanréD.Atmospherically resisitant vegetation Index（AVRI）for EOS－MODIS［J］.IEEE Transactions on Geoscience and Remote Sensing，1992，30（2）：261－270.

［18]LIU H Q，HUETE A R.A feedback based modification of the NDVI to minimize canopy background and atmospheric noise［J］.IEEE Transactions on Geoscience and Remote Sensing，1995（33）：457－465.

［19]BROGE N H，LEBLANC E.Comparing prediction power and stability of broadband and hyperspectral vegetation indices for estimation of green leaf area index and canopy chlorophyll density［J］.Remote Sensing of Environment，2000（76）：156－172.

［20]QI J，CHEHBOUNI A，HUETE A R，et al.A modified soil adjusted vegetation index［J］.Remote Sensing of Environment，1994（48）：119－126.

［21]DAUGHTRY C S，WALTHALL C L，KIM M S，et al.Estimating corn leaf chlorophll concentration from leaf and canopy reflectance［J］.Remote Sensing of Environment，2000（74）：229－239.

［22]任唯敏.植被指數(shù)計(jì)算區(qū)域植被覆蓋度的適用性研究［D］.西安：西北大學(xué)，2012.