logo资料库

基于高光谱遥感的湿地植被LAI信息反演研究——以洪河湿地自然保护区为例.pdf

发布时间：2022-05-29 发布人：admin 分类：说明书 资料大小：0.58M 资料格式：pdf 举报 版权申诉
第1页 / 共7页
第2页 / 共7页
第3页 / 共7页
第4页 / 共7页
第5页 / 共7页
第6页 / 共7页
第7页 / 共7页
资料共7页，全文预览结束
    中国科技论文在线 http://www.paper.edu.cn 基于高光谱遥感的湿地植被 LAI 信息反演 研究——以洪河湿地自然保护区为例# 孙永华，张冬冬，黄锦，李明超* 5 （首都师范大学城市环境过程与数字模拟国家重点实验室培育基地，水资源安全北京实验 室，资源环境与旅游学院，北京 100048） 10 摘要：本文选取洪河湿地自然保护区为研究区，以野外实测湿地植被叶面积指数（LAI）数 据和光谱数据作为数据源，分析了高光谱遥感提取的各因子（光谱反射率、“三边参数”和植 被指数等）与实测 LAI 之间的相关关系，建立了相关系数大的各遥感因子与研究区内植被 LAI 间的线性和非线性回归模型，并运用交叉验证法进行了精度验证。 关键词：LAI；高光谱遥感；光谱参量；植被指数；估算模型 中图分类号：P237 15 Wetland Vegetation LAI Estimation based on Hyperspectral Remote Sensing in Honghe Natural Reserve SunYonghua, ZhangDongdong, HuangJin, LiMingchao (Beijing Laboratory of Water Resource Security, State Key Laboratory Incubation Base of Urban Environmental Processes and Digital Simulation, College of Resource Environment and Tourism, Capital Normal University, Beijing 100048, China) Abstract: Taking the Honghe Natural Reserve as study area, using ground spectral data and obtained LAI through field measuring, this paper analyzed the correlation between the hyperspectral remote sensing factors and measured LAI. The linear and curve models are established with the remote factors and measured LAI based on the analysis. Finally, the regression equations were tested by cross validation method. Key words: leaf area index(LAI); hyperspectral remote sensing;spectral variables; vegetation index; estimation model 20 25 0 引言 30 湿地植被的 LAI 是研究湿地生态系统结构和功能的最重要参数之一，它控制着植被的 许多生物、物理过程，如光合、呼吸、蒸腾、碳循环和降水截获等，可为植被冠层的表面最 初能量交换的描述提供结构化定量信息[1],[2]。常规遥感方法估计 LAI 的研究主要局限于一些 相对较宽的波段的多光谱数据，大部分研究致力于找出 LAI 与从遥感数据中提取的各种植 被指数的一些统计关系来估计 LAI，精度不高。随着高光谱技术的发展，建立从高光谱数据 35 中提取生物物理参数、生物化学参数的分析技术在植物生态系统研究中是十分重要的内容。 研究者利用高光谱提供的丰富的信息来获得 LAI 信息的方法已经获得了很大的进展。 Shibayama[3]；Kenneth[4]； Martin[5]；唐延林[6]；冯伟[7]等利用统计模型法对 LAI 的研究表 明结果表明：高光谱遥感数据可以获取比多光谱数据更多与估测森林 LAI 相关的冠层信息。 Peddle [8] ；邹蒲 [9] ；李霞等[10]等利用混合像元分解法反演 LAI 取得了较好的结果。Chen 等[11] 陈健等[12]基于半物理模型的方法大大提高了 LAI 的反演精度。Gong 等用神经元网络 技术对 Liang 等的辐射传输模型进行反演，得到了较好的 LAI 反演估计结果[13],[14]。宋开山 基金项目：国家自然科学基金项目（41201075）；高等学校博士学科点专项科研基金（20121108120007） 作者简介：孙永华（1982-），男，讲师，主要研究高光谱遥感在生态环境中的应用. E-mail: syhua1982@163.com 40 - 1 -
    中国科技论文在线 http://www.paper.edu.cn 等利用人工神经网络方法对大豆叶面积进行高光谱遥感反演研究。结果表明，与基于植被指 数建立的回归模型相比，神经网络模型可以有效避免因 LAI 过高而出现的过饱和现象，大 大提高了 LAI 的反演精度[15]。在实际估测森林叶面积指数时，可根据不同的情况采用不同 的方法，为了提高 LAI 的遥感估测精度，也可以几种方法相结合进行估测。 45 本文以洪河湿地自然保护区为研究区，以地物光谱数据和实测植被 LAI 为数据源，通 过光谱特征提取，基于统计方法建立了不同高光谱特征参量的湿地植被 LAI 指数反演模型。 1 数据获取 洪河国家级湿地自然保护区位于三江平原腹地，地理坐标为 47°42′18″~47°52′07″N， 50 133°34′38″~133°46′29″E，保护区面积 250.9km2，横跨黑龙江省同江市和抚远县。东以浓一 干与前锋农场为界，西以浓七干为界与洪河农场相隔，北以浓江防洪堤为界与鸭绿河农场相 接，南以新增二十四干为界，分别和洪河农场、前锋农场相连。 55 图 1 研究区位置图[16] Fig.1 The relative positions of study area 研究区内共设样方 43 个，样方分布于洪河自然保护区公路两侧 100 米至 2000 米范围内 的区域（如图 2-2），样方之间的距离大于 200 米，在每个样方内均匀分布 5 个采样点，样 点之间的距离大于 30 米，小于 50 米。每个样方均远离岛状林和河流，样方内的 5 个样点植 被类型单一且相同。 60 选择无风少云的天气，使用 HR-1024 光谱仪采集样点的光谱数据，光谱测量时间一般 为 10 点到 14 点之间（太阳高度角大于 45º），测量时光谱仪使用前置光学 25º 光纤。 实测 LAI 数据用 AccuPAR LP-80 植物冠层分析仪获得。测量时，为提高精度，在每个 样点处随机测 3 次，然后从仪器读出 LAI 平均值作为最终结果。 2 研究方法 65 由于叶面积指数往往难以直接从遥感数据获得，但它与遥感参数、植被指数间有密切的 关系，它是联系植被指数与植物光合作用的一个主要的植冠形态参数，可以通过大量的理论 和实验研究，建立各种相关的理论和经验统计模型，并采用交叉验证的方法对所提出的 LAI 估算模型进行测试和验证。本研究所使用的高光谱变量主要有:原始光谱反射率、“三边”参 数、“绿峰”参数、“红谷”参数、常规高光谱植被指数。 - 2 -
    中国科技论文在线 http://www.paper.edu.cn 70 植被光谱的“三边”是指它的“蓝边”、“黄边”和“红边”，描述“三边”特征的参数主要有“三 边”位置、“三边”幅值和“三边”面积。 表 1“三边”参数定义与描述 Tab.1 "Trilateral" parameter definition and description 光谱变量 λr Dr Sr λy Dy Sy λb Db Sb Rg λg Sg Rr λo So 名称 红边位置 红边幅值 红边面积 黄边位置 黄边幅值 黄边面积 蓝边位置 蓝边幅值 蓝边面积 绿峰反射率 绿峰位置 绿峰面积 红谷反射率 红谷位置 红谷面积 Rg / Rr (Rg - Rr)/ (Rg + Rr) Sr / Sb (Sr–Sb)/ (Sr +Sb) Sr / Sy (Sr -Sy)/ (Sr +Sy) 定义和描述 680~760nm 范围内一阶导数光谱最大值所对应的波长 红光范围内一阶导数光谱的最大值 红光范围内一阶导数光谱线所包围的面积 560~640nm 范围内一阶导数光谱最大值所对应的波长 黄光范围内一阶导数光谱的最大值 黄光范围内一阶导数光谱线所包围的面积 490~530nm 范围内一阶导数光谱最大值所对应的波长 蓝光范围内一阶导数光谱的最大值 蓝光范围内一阶导数光谱线所包围的面积 510~560nm 范围内最大的波段反射率 绿峰反射率对应的波长 绿光范围内原始光谱曲线所包围的面积 650~690nm 范围内最小的波段反射率 红谷反射率对应的波长 吸收谷基准线与光谱曲线所包围的面积 绿峰反射率与红谷反射率比值 绿峰反射率与红谷反射率归一化值 红边面积与蓝边面积比值 红边面积与蓝边面积归一化值 红边面积与黄边面积比值 红边面积与黄边面积归一化值 植被指数是由光谱数据经线性或非线性组合而构成的对植被有一定指示意义的各种数 75 值，它定量地表明了植被活力。在植被指数中，通常利用植物光谱中的近红外与可见光红波 段两个最典型的波段值。本研究选择了 11 个常用来反演 LAI 的高光谱植被指数归纳于下表： 表 2 常用高光谱植被指数的相关信息 Tab.2 Common hyperspectral vegetation index infos 类别 归一化色素差值指数 修正叶绿素吸收比率 1 修正叶绿素吸收比率 2 修正三角植被指数 1 修正三角植被指数 2 再归一化植被指数 修正简单比率 名称 PSND MCARI1 MCARI2 MTVI1 MTVI2 RDVI MSR 表达 (R800-R470)/(R800+R470) 1.2[2.5(R800-R670)-1.3(R800-R550)] {1.5[2.5(R800-R670)-1.3(R800-R550)]}/ {(2R800+1)2-[6R800-5(R670)1/2]-0.5}1/2 1.2[1.2(R800-R550)-2.5(R670-R550)] {1.5[1.2(R800-R550)-2.5(R670-R550)]}/ {(2R800+1)2-[6R800-5(R670)1/2]-0.5}1/2 (R800-R670)/(R800+R670)1/2 (R800/R670-1)/(R800/R670+1)1/2 出处 Blackbum[17]，1998 Haboudane,2004 Haboudane，2004 Haboudane，2004 Haboudane，2004 Haboudane[18]，2004 Chen[19]，1996 高光谱转换型土壤调节植被 ATSAVI a(R800-aR670-b)/[(aR800+R670-ab+X(1+a2)] Baret & Guyot[20]，1991 指数 where X=0.08, a=1.22, and b=0.03 高光谱垂直植被指数 PVIhyp LAI 决定指数 归一化 LAIDI LAIDI sLAIDI (R1148-aR807-b)/(1+a2)1/2, where, a=1.17, b=3.37 R1250/R1050 S(R1050-R1250)/(R1050+R1250), where S=5 Schlerf[21],2005 Delalieux，2008 Delalieux[22]，2008 - 3 -
    中国科技论文在线 3 结果与分析 80 3.1 基于原始光谱的植被 LAI 估测模型 http://www.paper.edu.cn 原始反射率 ρ 与 LAI 的最大正相关性波段在 929nm，最大负相关波段在 515nm， 748nm—984nm 波段为原始反射率 ρ 与 LAI 达 1%极显著正相关的高平台区（见图 2）。 图2 研究区植被光谱反射率ρ与LAI相关性分析 85 Fig.2 The spectral reflectance of vegetation and LAI correlation analysis 根据相关性分析中找出的相关性最大的波段（929nm），利用湿地植被冠层反射光谱及 其变换形式建立 LAI 估测模型。方程为 y = 3.5533x2 - 6.6519x + 3.4089，R2=0.8105 ，经交 叉检验后 RMSE=0.328。原始光谱与 LAI 密度关系如下图所示： 90 图 3 湿地植被冠层反射光谱及其变换形式的单变量最佳 LAI 估测模型 Fig.3 The optimal LAI single variable model of wetland vegetation canopy reflectance spectra and converted 3.2 基于“三边”参数的植被 LAI 估测模型 分析表 3 可以看出，与 LAI 相关性达到极显著水平的变量有红边幅值、红边面积、黄 95 边位置、绿峰位置、红谷反射率、红谷面积及三个比值和三个归一化值。而蓝边参数与 LAI - 4 -
    中国科技论文在线 http://www.paper.edu.cn 值基本无相关性，黄边参数与 LAI 的关系也很弱。其中，与 LAI 关系最为密切的两个变量 是红边面积与蓝边面积的比值和归一化值。由此可见，三边参数中，红边参数与 LAI 的相 关性好于蓝边、黄边和绿峰、红谷参数，这也证实了在高光谱分析中可以通过“红边”来减弱 或消除混合背景(岩石、土壤、水和凋落物)的影响，将“红边”作为绿色植物的可诊断性特征。 100 此外，三边参数经过组合后的比值和归一化值与 LAI 的相关性明显优于单变量，说明将参 数经过线性或非线性组合可以有效提高估测效果，达到更高精度。 表 3 “三边”参数与 LAI 的相关性分析 Tab.3 Correlation analysis of "Trilateral" parameter and LAI 光谱变量 λr Dr Sr λy Dy Sy λb Db Sb Rg λg 相关系数 0.417** 0.643** 0.591** -0.533** -0.211 0.220 0.264 -0.015 -0.131 -0.130 -0.624** Sig 0.005 0.000 0.000 0.000 0.174 0.156 0.087 0.924 0.402 0.405 0.000 光谱变量 Rr λo So Rg / Rr (Rg- Rr)/ (Rg+Rr) Sr / Sb (Sr–Sb)/(Sr+Sb) Sr / Sy (Sr–Sy)/(Sr+Sy) Sg 相关系数 -0.420** -0.345* -0.443** 0.640** 0.559** 0.765** 0.748** 0.640** 0.552** -0.130 Sig 0.005 0.024 0.003 0.000 0.000 0.000 0.000 0.000 0.000 0.406 注：*. 在 0.05 水平（双侧）上显著相关；**. 在0.01 水平（双侧）上极显著相关。 105 在相关分析的基础上本文选择相关系数最大的 (Sr–Sb)/(Sr+Sb)作为自变量，LAI 作为因 变量建立 LAI 的估算模型。模型方程为：y = 48.85x2 - 73.095x + 28.692，R2=0.597，经交叉 检验后 RMSE=0.459。 (Sr–Sb)/(Sr+Sb)和 LAI 密度关系图 4： 图 4 研究区植被光谱“三边”参数的单变量最佳 LAI 估测模型 110 Fig.4 The optimal LAI estimation model of the "Trilateral" parameters of the Vegetation Spectrum in the study 3.3 基于高光谱植被指数的植被 LAI 估测模型 area 表 5 是和 LAI 值相关的植被指数与其对应 LAI 实测资料的相关性分析结果。可以看出， - 5 -
    中国科技论文在线 http://www.paper.edu.cn 这 11 个常见的植被指数与 LAI 的相关性全部达到 0.05 的显著性检验水平，与 LAI 之间大 115 都呈正相关关系，只有 PVIhyp 和 LAIDI 与 LAI 呈负相关；其中 LAI 与 MSR 和 ATSAVI 之间的相关性最强, 相关系数达到 0.8 以上。 表 5 窄波段植被指数与 LAI 的相关性分析 Tab.5 Correlation analysis of narrow band vegetation index and LAI 植被指数 PSND MCARI1 MCARI2 MTVI1 MTVI2 PVIhyp 相关系数 0.772** 0.575** 0.382* 0.575** 0.382* -0.658** Sig 0.000 0.000 0.011 0.000 0.011 0.000 植被指数 LAIDI sLAIDI MSR RDVI ATSAVI 相关系数 -0.774** 0.788** 0.917** 0.685** 0.828** Sig 0.000 0.000 0.000 0.000 0.000 注：*. 在 0.05 水平（双侧）上显著相关；**. 在0.01 水平（双侧）上极显著相关。 120 选择相关系数最大大的植被指数 MSR 作为自变量，LAI 作为因变量建立 LAI 的估算模 型。模型方程为：y = 0.0156x2 + 0.4942x - 0.0352，R2=0.842，经交叉检验后 RMSE=0.294。 MSR 和 LAI 密度关系如图 5： 125 Fig.5 Single variable optimal LAI estimation model for Hyperspectral Vegetation Index 图5 高光谱植被指数的单变量最佳LAI估测模型 4 结论 本文以地面实测光谱数据数据源，提取光谱特征参量（反射光谱、微分光谱、三边参数 和植被指数），分析各高光谱遥感因子与 LAI 之间的相关关系，利用相关系数较大的因子 作为拟合 LAI 模型的自变量，对研究区 LAI 进行拟合，建立了一元线性和曲线模型型，比 130 较分析得到最优模型，实现了研究区 LAI 的高光谱遥感定量反演。对于反射光谱而言，LAI 的最佳估算模型是以原始光谱为自变量建立的曲线模型；对于“三边”参数而言，以 (Sr-Sb)/(Sr+Sb)为自变量建立的抛物线回归模型可用来监测植被的 LAI；对于常规窄波段植 被指数而言，以 MSR 为自变量建立的抛物线回归模型是反演植被 LAI 的最优模型。 由于受研究区环境的限制，各遥感因子与 LAI 之间的分析研究主要是基于一些有限的 135 采样点，如果采样点很多且布满整个研究区的各植被类型覆盖区，结果会更有说服力。另外， - 6 -
    中国科技论文在线 http://www.paper.edu.cn 本文按照星地同步试验的要求和规范设计了野外采样方案，但是未能订购到同时期的高光谱 遥感数据，由于缺少空间的高光谱影像，而无法进行“地空”的结合研究。因此，要将地面的 光谱数据和空间遥感数据相结合，还有很多的工作要做。 [参考文献] (References) 140 145 150 155 160 165 170 175 180 [1] Bonan GB. Land-atmosphere interactions for climate system models: Coupling biophysical, biogeochemical and ecosystem dynamical processes[J]. Remote Sensing of Environment,1995,51:57-73. [2] Chen JM, Cihlar J. Retrieving leaf area index of boreal conifer forests using Landsat TM images[J]. Remote Sensing of Environment,1996,55:153-162. [3] Shibayama M, Akiyama T. Seasonal visible,near-infrared and mid-infrared spectra of rice canopies in relation to LAI and above-ground dry phytomass.Remote Sensing of Environment,1989,27,119-127. [4] Kenneth McCwire.Hyperspectral Mixture Modeling for Quantifying Sparse Vegetation Covering Arid Environments[J].Remote Sensing of Environment,2000, 72(6):360-374. [5] Martin Schlerf, Clement Atzberger, Miehael bhland. Derivation of forest leaf area index from multispectral and hyperspectral remote sensing data[J]. EARSel eProseeding,2004,3(3):405-413. [6] 唐延林,王秀珍,王人潮.棉花高光谱及其红边特征分析[J].山地农业生物学报,2003,22(3):189-194. [7] 冯伟,朱艳,姚霞等.基于高光谱遥感的小麦叶干重和叶面积指数监测[J].植物生态学报,2009,33(1):34-44. [8] Peddle D R, Hall F G, et al. Spectral mixture analysis and geometric-optical reflectance modeling of boreal forest biophysical structure[J]. Remote Sensing of Environment,1999,67(3):288-297. [9] 邹蒲,王云鹏,王志石等.基于 ETM+图像的混合像元线性分解方法在澳门植被信息提取中的应用及效果 评价[J].华南师范大学学报（自然科学版）,2007,2(22):232-237. [10] 李 霞 , 王 飞 , 徐 德 斌 等 . 基 于 混 合 像 元 分 解 提 取 大 豆 种 植 面 积 的 应 用 探 讨 [J]. 农 业 工 程 学 报,2008,24(1):213-216. [11] Chen J,Lin H,Liu A,et al.A semi-empirical backscattering model for estimation of leaf area index of rice in southern China[J]. International Journal of Remote Sensing,2006,27(24):5417-5425. [12] 陈健,倪绍祥,李云梅等.芦苇地叶面积指数的遥感反演[J].国土资源遥感,2005,2:20-23. [13] Gong P,et al.Inverting a canopy reflectance model using a neural network[J]. International Journal of Remote Sensing.1999,20(1):111-122. [14] Liang S,Strahler A H.An analytic BRDF model of canopy radiative transfer and its inversion[J].IEEE Transactions on Geoscience and Remote Sensing.1993, 31(5):1081-1092. [15] 宋 开 山 , 张 柏 等 . 基 于 人 工 神 经 网 络 的 大 豆 叶 面 积 高 光 谱 反 演 研 究 [J]. 中 国 农 业 科 学 , 2006,39(6):1138-1145. [16] 周德民, 宫辉力. 洪河保护区湿地水文生态模型研究[M].北京: 中国环境科学出版社, 2007, 58-62. [17] Blackbum, G. A., Quantifying chlorophylls and caroteniods at leaf and canopy scales: An evaluation of some hyperspectral approaches [J], Remote Sens. Environ., 1998,66:273-285. [18] Haboudane, D., Miller, J.R., Pattery, E., Zarco-Tejad, P.J., and Strachan, I.B., Hyperspectral vegetation indices and novel algorithms for predicting green LAI of crop canopies: modeling and validation in the context of precision agriculture [J]. Remote Sensing of Environment, 2004, 90:337-352. [19] Chen, J. M,Evaluation of vegetation indices and a modified simple ratio for boreal applications [J], Canadian Journal of Remote Sensing, 1996, 22: 229-242. [20] Baret, F., and Guyot, G., Potentials and limits of vegetation indices for LAI and APAR assessment [J]. Remote Sensing of Environment, 1991, 35, 161-173. [21] ]Schlerf, M., Atzberger, C. and Hill, J., Remote sensing of forest biophysical variables using HyMap imaging spectrometer data [J]. Remote Sensing of Environment, 2005, 95: 177-194. [22] Delalieux, S., B. Somers, S. Hereijgers, W.W. Verstraeten, W. Keulemans, P. Coppin, A near-infrared narrow-waveband ratio to determine Leaf Area Index in orchards [J]. Remote Sensing of Environment, 2008, 112:3762-3772. - 7 -
    分享到：
    赞 收藏

    相关推荐

    资料库

    开发技术

    共收录19306份资料，累计14个分类，关注成员有19位，主要包括：Actionscript,Javascript,PHP,VB,Perl,Delphi,Python,C#,C,Java,C++,Web开发,硬件开发,其它

    热门标签

    Actionscript Javascript PHP VB Perl Delphi Python C# C Java C++ Web开发 硬件开发 其它

    最新资料