基于環(huán)境衛(wèi)星數據的森林葉面積指數遙感反演與驗證——以大興安嶺加格達奇林區(qū)為例.doc

基于環(huán)境衛(wèi)星數據的森林葉面積指數遙感反演與驗證以大興安嶺加格達奇林區(qū)為例 doi：10.13360/j.issn.1000-8101.xx.04.031：TP79 劉振波1，張麗麗1，葛云健1，顧祝軍2 （1.南京信息工程大學氣象災害省部共建教育部重點實驗室，南京信息工程大學地理與遙感學院， 南京210044；2.南京曉莊學院生物化工與環(huán)境工程學院） 摘要：以中國東北大興安嶺加格達奇林區(qū)為研究區(qū)，基于環(huán)境（HJ）衛(wèi)星遙感數據提取森林植被指數，結合實測樣點葉面積指數（leafareaindex，LAI）數據構建研究區(qū)LAI遙感反演模型，獲取研究區(qū)森林LAI。在此基礎上，利用研究區(qū)LAI影像對LAI遙感產品GLOBCARBONLAI和MODISLAI數據進行精度驗證。研究結果表明：研究區(qū)LAI遙感反演模型中，基于比值植被指數（SR）的線性回歸模型精度最高，模型R2為0.606（RMSE=0.2516），相對誤差19.89%；在研究區(qū)，GLOBCARBONLAI數據均值高于反演值，而MODISLAI均值則相對較低，兩者相對誤差分別為12.2%和11.8%；通過對不同LAI值域的對比分析發(fā)現，研究區(qū)兩種遙感LAI產品的最大誤差均在LAI的低值區(qū)。 關鍵詞：葉面積指數；遙感反演；森林；hj衛(wèi)星；驗證 RetrievalandvalidationofforestleafareaindexbasedonHJsatellitedata：takingJiagadaqiDistrictasacasestudy LIUZhenbo，ZHANGLili，GEYunjian，GUZhujun Abstract：Inthisstudy，forestleafareaindex（LAI）wasmappedusingLAIretrievedmodelbasedonremotesensingforestvegetationindexesfromHJsatellitedataandsituLAImeasurementsdatainJiagedaqiDistract，northeasternChina.GLOBCARBONLAIandMODISLAIproductsdatawerethenvalidatedusingtheretrievedLAIfromHJsatellite.ResultsshowedthattheauracyofLAIretrievedmodelbasedSimpleRatio（SR）wasthehighestwithanR?squareof0.606andRMSEof0.2516.TherelativeerrorofretrievedLAIwas19.89%paredwithmeasurementLAIdata.Instudyarea，theaveragevalueofGLOBCARBONLAIproductwasoverestimatedby12.2%andtheaveragevalueofMODISLAIproductwasunde?restimatedby11.8%.Furthermore，theerrorsinlowvaluesunder1.5ofthetwoLAIproductswerethelargestaordingtoparisonanalysisofdifferentvaluerangesofLAI. Keywords：leafareaindex（LAI）；retrieval；forest；HJsatellite；validation Firstauthorsaddress：KeyLaboratoryofMeteorologicalDisasterofMinistryofEducation，NanjingUniversityofInformationScienceandTechnology，Nanjing210044，China ：xx-01-15 修回日期：xx-04-15 基金項目：江蘇省基礎研究計劃（自然科學基金）項目（BKxx0992，BKxx1078）；江蘇高校優(yōu)勢學科建設工程資助項目（PAPD）。 作者簡介：劉振波（1978-），男，副教授，主要研究方向為資源環(huán)境遙感。E?mail：ZBLiunuist. 葉面積指數（leafareaindex，LAI）定義為單位地表面積上綠葉總面積的一半1，作為表征植被結構的重要因子，LAI已成為陸面過程、水文和生態(tài)等模型的重要輸入參數之一2。近年來，通過衛(wèi)星觀測數據生產全球及區(qū)域LAI產品已成為LAI主要獲取手段，如基于AVHRR、VEGETATION、MODIS、MISR等傳感器數據的全球LAI產品已廣泛應用于全球變化研究中3-4。 不同遙感數據源及反演算法的差異導致各遙感LAI產品精度不同，因此在應用遙感LAI產品時，對LAI產品的精度評價顯得尤為重要。針對遙感LAI產品精度評價，國內外學者在不同區(qū)域已有較多研究，結論不盡相同5-6。Pisek等7針對北美地區(qū)MODISLAI產品進行了驗證研究，結果表明MODIS/LAI產品相對絕對誤差中值變化范圍為34%88%，且當LAI處于高值區(qū)時，產品值的波動較大。Cohen等8驗證了北美4種不同植被覆蓋區(qū)域（農田、草原、針葉林、混交林）的MODISLAI舊版算法（Collection3）與新版算法（Collection4），發(fā)現新版算法在農田和草原植被區(qū)域精度有較大改善，但在森林區(qū)域仍存在高估現象8。Abuelgasim等9驗證了MODISLAI、SPOT4/VGTLAI與POLDER-1LAI3種產品在加拿大森林區(qū)域精度，結果顯示VGTLAI產品與實測結果更為接近，另兩種LAI產品精度較低。Fang等10-11對MODISLAI（C4、C5）與CYCLOPESV3.1LAI產品精度進行了綜合分析，研究結果顯示LAI的精度為1.0，不能滿足全球氣候觀測系統(tǒng)GCOS的應用需求（0.5以內）。孫晨曦等12、王圓圓等13基于實測LAI數據分別對錫林浩特草原地區(qū)GLASSLAI、MODISLAI進行了精度驗證，結果顯示兩種LAI產品均存在一定程度的高估，GLASSLAI數據在研究區(qū)的精度與一致性要優(yōu)于MODISLAI。 綜合已有研究可以發(fā)現，由于遙感數據源及反演算法的差異以及不同研究區(qū)地表植被覆蓋類型的不同，現有遙感LAI數據產品在不同區(qū)域的反演精度存在較大差異。本研究針對中國森林覆蓋區(qū)域，選取中國東北大興安嶺加格達奇林區(qū)為研究區(qū)，在地表森林LAI實地測量的基礎上，根據實測數據首先實現較高空間分辨率環(huán)境（HJ）衛(wèi)星的LAI制圖，進而利用HJ衛(wèi)星反演的LAI通過尺度轉換分別對MODISLAI產品與GLOBCARBONLAI產品進行精度分析。 1數據及處理 1.1研究區(qū)概況 本研究選取中國東北大興安嶺加格達奇地區(qū)為研究區(qū)（圖1）。研究區(qū)位于內蒙古自治區(qū)境內，大興安嶺山脈的東南坡，面積1587km2，氣候屬寒溫帶大陸性氣候，區(qū)內森林廣袤，為中國北方典型的寒溫帶林區(qū)，主要分布有興安落葉林、白樺、樟子松、山楊、黑樺、云杉等樹種。 1.2研究數據 1.2.1環(huán)境衛(wèi)星影像及預處理 本研究首先采用環(huán)境衛(wèi)星（HJ-1）數據作為較高分辨率遙感數據反演研究區(qū)LAI，數據由中國衛(wèi)星資源中心（：.secmep.）下載，影像獲取時間為xx年8月30日，數據均為L2數據，經過系統(tǒng)輻射糾正和幾何校正，需要進一步進行大氣校正與幾何精校正。 本研究數據大氣校正采用6S模型進行影像的大氣校正，根據研究區(qū)地理位置輸入6S模型相關參數，模擬獲得大氣校正參數。幾何精校正通過地面控制點進行，控制點選取在研究區(qū)內路口、橋梁、標志地物等影像上易于識別的點，利用GPS實測其經緯度完成對影像的精校正，糾正誤差控制在0.5個像元以內。 1.2.2遙感LAI產品數據 本研究分別對研究區(qū)MODISLAI產品數據與GLOBCARBONLAI產品數據進行精度驗證，數據時相分別為xx年8月815日時段的MODISLAI數據與xx年8月的GLOBCARBONLAI產品數據，其中MODISLAI數據為MODIS標準產品MOD15A2數據。該LAI產品數據為NASA基于TERRA-AQUA/MODIS數據生成的全球2000年以來的葉面積指數產品，每8天合成1景，空間分辨率為1km。MOD15數據主算法將全球植被劃分為8種生態(tài)群系類型，針對不同的生物群系類型，分別采用三維輻射傳輸模型生成查找表，以MOD091-7陸地波段的方向地表反射率為輸入反演獲取像元LAI；當光譜數據在預期范圍之外時，采用基于植被類型的NDVI-LAI備用算法，產品為真實葉面積指數。 GLOBCARBONLAI數據為基于SPOT/VEGETATION數據生成的全球1999年后的LAI產品，該產品為30d合成數據，空間分辨率1km。GLOBCARBONLAI利用VEGEETATION地表反射率計算植被指數SR（SimpleRatio）和RSR（ReducedSimpleRitio），在地表森林與非森林區(qū)域分別建立RSR-LAI與SR-LAI關系生成葉面積指數，算法考慮植被的集聚效應，將生成的有效葉面積指數轉換為真實葉面積指數。 1.2.3地面實測數據 本研究野外觀測數據獲取時間為xx年8月1216日。觀測時選取森林密度相對均一區(qū)域標定30m30m的樣區(qū)進行測量，樣點LAI測量采用配備雙光學感應傳感器的植物冠層分析儀LAI-2200（LI-COR，USA），于測量樣區(qū)對角線上大致均勻選取5個測量點測量其森林冠層LAI。測量時一個傳感器分別在地表灌叢以下隨機測量4個B值，另一傳感器則放置于林地外開闊地上同步測量A值，最后取5個測量點的LAI均值作為該樣區(qū)森林冠層有效LAI。集聚指數測量利用冠層分析儀TRAC（TracingRadiationandArchitectureofCanopies），在樣區(qū)內隨機取4條直線線路，4條線路均與太陽入射光方向垂直，分別得到4組樣區(qū)冠層集聚指數，取均值作為該樣區(qū)森林冠層集聚指數。最后，根據樣點有效LAI結合同步測量的集聚指數計算得到樣點森林真實葉面積指數（LAI=LAIe/），共獲取33個采樣點的測量數據。 1.3研究方法 本研究首先基于研究區(qū)較高空間分辨率HJ-1影像提取研究區(qū)測量樣點植被指數，并結合同步測量樣點LAI數據，建立研究區(qū)HJ-1影像森林LAI反演模型。其中植被指數選取NDVI14、SR15、SAVI16、EVI17、DVI185種常用的植被指數。在此基礎上，以HJ-1LAI作為真值，對HJ-1LAI像元重采樣到與MODISLAI和GLOBCARBONLAI一致的空間分辨率，對該兩種LAI產品進行精度驗證。 2結果與分析 2.1研究區(qū)HJ-1影像LAI反演 根據預處理后的HJ-1影像，分別提取研究區(qū)各測量樣點5種植被指數。根據已有研究15，19，回歸模型分別選用線性、指數與對數3種回歸模型。結合同步測量的樣點LAI數據建立各植被指數與LAI回歸模型（表1），其中隨機選取22個LAI測量值用于建模，其余11個樣點用于模型驗證。由表1可見，各回歸模型均具有較高的相關性，均通過了0.05的置信檢驗。各植被指數的3種回歸模型精度基本相差不大，線性回歸模型相對精度較高，5種植被指數回歸模型的平均復相關系數R2為0.4856，其次為指數模型與對數模型，R2分別為0.462和0.4618。綜合5種植被的模型回歸精度，最低的為垂直植被指數（DVI）平均復相關系數R2僅為0.3653，比值植被指數（SR）模型反演精度最高，3種回歸模型的平均復相關系數R2達到0.586。 綜合所有模型，基于SR的線性回歸模型精度最高，R2達到0.606（RMSE=0.2516），模型反演LAI相對誤差19.89%。本研究根據此回歸模型反演得到研究區(qū)LAI圖（HJ-30mLAI）（圖2a）。由圖2可見，研究區(qū)LAI東南部整體LAI值較高，部分區(qū)域其值高于5.0，均值為2.27，整體上沿山脈走勢呈東南高西北低的趨勢。 2.2研究區(qū)不同LAI統(tǒng)計分析 根據CEOS（CommitteeEarthObservingSatellites）全球中等分辨率LAI產品驗證框架20，本研究將HJ衛(wèi)星反演的30m空間分辨率LAI數據重采樣為1km分辨率數據（HJ-1kmLAI）（圖2b），以便與MODISLAI和GLOBCARBONLAI數據進行空間匹配并驗證（圖2c和2d）。由圖2可見，研究區(qū)重采樣后的HJ-1kmLAI影像細節(jié)表現仍高于MODISLAI與GLOBCABONLAI數據。此外，研究區(qū)3種影像LAI空間分布格局基本一致，但GLOBCARBONLAI產品數據LAI值整體上高于其他兩種數據。 進一步對研究區(qū)3種LAI影像數據進行統(tǒng)計分析（表2）發(fā)現：研究區(qū)3種LAI數據在植被區(qū)域LAI值域范圍最大的為GLOBCARBONLAI數據，其值在0.934.91；HJ-1kmLAI數據與MODISLAI數據值域基本相同；GLOBCARBONLAI均值最高，其值比HJ-1kmLAI高0.29，相對誤差為12.2%；而MODISLAI數據均值比HJ-1kmLAI均值則低0.28，相對誤差為11.8%。兩種遙感LAI數據產品在研究區(qū)LAI均值誤差均在12%左右，但GLOBCARBONLAI存在高估現象，而MODISLAI數據則明顯低估。 2.3研究區(qū)不同區(qū)間LAI值驗證 利用研究區(qū)HJ-1kmLAI影像分別與MODISLAI影像、GLOBCARBONLAI影像相同像素點上LAI作散點圖（圖3），可以發(fā)現3種LAI數據均具有較高的相關性，復相關系數R2分別達到0.68和0.72。進一步按低值、中值、高值區(qū)3個LAI區(qū)間分別進行統(tǒng)計（表3），可見研究區(qū)森林LAI在不同值域范圍內精度不同，整體上GLOBCARBONLAI與MODISLAI兩種數據產品均隨著LAI值的升高其精度也隨著提高，在LAI低于1.5的低值區(qū)兩種LAI遙感產品精度均表現最差，其與HJ-1kmLAI的相對誤差分別為+33.7%、-37.0%，而在1.5，3.0值域區(qū)間內相對誤差與整個值域內的LAI相對誤差相似。 3結論 本研究基于野外樣點實測LAI數據，首先建立研究區(qū)較高空間分辨率環(huán)境（HJ）衛(wèi)星反演LAI模型，在此基礎上通過像元空間聚合對遙感LAI產品數據MODISLAI和GLOBCARBONLAI進行精度檢驗。研究結果表明： 1）研究區(qū)HJ衛(wèi)星LAI反演模型中，基于比值植被指數（SR）的線性回歸模型反演模型精度最高，模型反演的相對誤差為19.89%； 2）對遙感LAI產品數據的檢驗結果表明，研究區(qū)MODISLAI均值整體偏低，而GLOBCARBONLAI均值則整體偏高，兩者與反演值的相對誤差都在12%左右； 3）進一步通過不同區(qū)間值LAI的對比可見，研究區(qū)該兩種遙感LAI產品在小于1.5的低值區(qū)部分誤差最大，均值相對誤差達到+33.7%和-37%，在高值區(qū)則精度均最高。 全球遙感LAI產品數據已在全球變化與碳循環(huán)研究以及植被定量監(jiān)測等領域得到了廣泛應用，其產品精度直接關系到研究結果的可信度。通過本研究對最常用的兩種LAI遙感產品的精度驗證及與已有研究可以發(fā)現，不同遙感LAI產品及不同下墊面狀況下精度均表現各異，在應用各遙感LAI產品時應預先估計由此可能帶來的不確定性。 參考文獻 1ChenJM，BlackTA.Definingleaf?areaindexfornon?flatleavesJ.PlantCellandEnvironment，1992，15（4）：421-429. 2WicksTE，CurranPJ.Flippingforests：estimatingfuturecarbonsequestrationoftheborealforestusingremotelysenseddataJ.InternationalJournalofRemoteSensing，xx，24（4）：835-842. 3叢日亮，張金池，林杰，等.蘇南丘陵區(qū)主要林型葉面積指數季節(jié)動態(tài)J.林業(yè)科技開發(fā)，xx，25（3）：63-66. 4劉洋，劉榮高，陳鏡明，等.葉面積指數遙感反演研究進展與展望J.地球信息科學學報，xx，15（5）：734-743. 5曾也魯，李靜，柳欽火.全球LAI地面驗證方法及驗證數據綜述J.地球科學進展，xx，27（2）：165-174. 6肖志強，王錦地，王鍺森.中國區(qū)域MODISLA產品及其改進J.遙感學報，xx，12（6）：993-1000. 7PisekJ，ChenJM.ComparisonandvalidationofMODISandVEGETATIONglobalLAIproductsoverfourbigfootsitesinNorthAmericaJ.RemoteSensingofEnvironment，xx，109（1）：81-94. 8CohenWB，MaierspergerTK，YangZ，etal.ComparisonoflandcoverandLAIestimatesderivedfromETM+andMODISFORfoursitesinNorthAmerica：AQualityAssessmentof2000/xxProvisionalMODISProductsJ.RemoteSensingofEnvironment，xx，88（3）：233-255. 9AbuelgasimAA，FernandesRA，LeblancSG.EvaluationofnationalandglobalLAIproductsderivedfromopticalremotesensinginstrumentsoverCanadaJ.IEEETransactionsonGeoscienceandRemoteSensing，xx，44（7）：1872-1884. 10FangHL，WeiSS，JiangCY，etal.TheoreticaluncertaintyanalysisofglobalMODIS，CYCLOPES，andGLOBCARBONLAIproductsusingatriplecollocationmethodJ.RemoteSensingofEnvironment.xxa，124：610-621. 11FangHL，WeiSS，LiangSL.ValidationofMODISandCYCLOPESLAIproductsusingglobalfieldmeasurementdataJ.RemoteSen?singofEnvironment，xxb，119：43-54. 12孫晨曦，劉良云，關琳琳.內蒙古錫林浩特草原GLASSLAI產品的真實性檢驗J.遙感技術與應用，xx，28（6）：949-954. 13王圓圓，王猛，李貴才，等.基于野外觀測和TM數據的錫林浩特典型草原MODIS/LAI產品驗證J.草業(yè)學報，xx，20（4）：252-260. 14WangFM，HuangJF，TangYL，etal.NewvegetationindexanditsapplicationinestimatingleafareaindexofriceJ.RiceScience，xx，14（3）：195-203. 15ChenJM.Evaluationofvegetationindicesandamodifiedsim