不同大氣校正方法對森林葉面積指數(shù)遙感估算影響的比較

1、不同大氣校正方法對森林葉面積指數(shù)遙感估算影響的比較3陳新芳1陳鏡明2安樹青133劉玉虹1方秀琴3王書明4(1南京大學(xué)生命科學(xué)學(xué)院,南京210093;2多倫多大學(xué)地理系,安大略M5S 3G 3;3河海大學(xué)水資源環(huán)境學(xué)院,南京210098;4南京大學(xué)地學(xué)院,南京210093摘要利用TM 原始圖像以及經(jīng)過6S 模型和基于影像自身的G ilabert 模型大氣校正后的地面絕對反射率圖像,分別計算了褒河流域闊葉林和針闊混交林2種林型的5類光譜植被指數(shù)(SR 、NDV I 、MNDV I 、ARV I 和RSR ,并建立各林型森林葉面積指數(shù)與同時相的各個植被指數(shù)的相關(guān)關(guān)系。結(jié)果表明,2種大氣校正模型均顯著

2、提高了各植被指數(shù)與森林葉面積指數(shù)的相關(guān)關(guān)系,除了對森林葉面積指數(shù)與植被指數(shù)SR 和NDV I 的相關(guān)關(guān)系影響不顯著外,對森林葉面積指數(shù)與植被指數(shù)MNDV I 、ARV I 和RSR 相關(guān)關(guān)系的影響均非常顯著。說明不同大氣校正模型對葉面積指數(shù)的遙感估算結(jié)果有較大影響。因此,在利用遙感數(shù)據(jù)進(jìn)行定量分析、信息提取和生態(tài)遙感應(yīng)用時,不僅要進(jìn)行大氣校正,而且還要慎重選擇大氣校正模型和植被指數(shù)。關(guān)鍵詞大氣校正,6S 輻射傳輸模型,G ilabert 模型,葉面積指數(shù)中圖分類號S71815文獻(xiàn)標(biāo)識碼A 文章編號1000-4890(200607-0769-05Comparison of different a

3、tmospheric correction models in their effects on Landsat TM estimation of forest leaf area index.CHEN Xinfang 1,CHEN Jingming 2,AN Shuqing 1,L IU Yuhong 1,FAN G Xiuqin 3,WAN G Shuming 4(1School of L if e Science ,N anjing U niversity ,N anjing 210093,China ;2Depart ment of Geog 2raphy and Program in

4、 Planning ,U niversity of Toronto ,Ontario M5S 3G 3,Canada ;3College of W ater Resources and Environment ,Hohai U niversity ,N anjing 210098,China ;4School of Earth Sciences ,N an 2jing U niversity ,N anjing 210093,China .Chinese Journal of Ecology ,2006,25(7:769773.To compare the effects of two atm

5、os pheric correction models on the relationshi ps between vegetation indices (V Is and forest leaf area index (LAI ,the atmospheric correction reflectance images on the basis of DN im 2age were obtained by using 6S and G ilabert models.The sim ple ratio (SR ,normalizes difference vegetation index (N

6、DV I ,modified normalizes difference vegetation index (MNDV I ,atmospheric resistant vegetation index (ARV I and reduced simple ratio (RSR of the broad 2leaved forests and mixed broad 2leaved and conif 2erous forests in Baohe basin were estimated ,and the relationshi p s between the V Is and the gro

7、und 2based mea 2surements of LAI were calculated.The results showed that com pared with DN image ,the two models signifi 2cantly increased the correlation coefficients between LAI and V Is exce pt SR and NDV I.Different atmos pheric correction models had significant effects on the estimation of fore

8、st leaf area.It was su ggested that more at 2tention should be paid to choose appropriate atmospheric correction models and V Is when remote sensing data were applied to quantitative analyzing and information collecting in field.K ey w ords atmospheric correction ,6S model ,G ilabert model ,leaf are

9、a index.3加拿大國際發(fā)展署項目(CIDA 和國家自然科學(xué)基金資助項目(40128001。33通訊作者收稿日期:2005-09-17接受日期:2006-04-111引言葉面積指數(shù)(leaf area index ,LA I 指單位地表面積上總?cè)~片面積(雙面或多面的一半10。它是植被系統(tǒng)的重要參數(shù),用遙感影像反演LA I 、生產(chǎn)力、生物量等生態(tài)系統(tǒng)生物物理參數(shù)是植被生態(tài)遙感的重要內(nèi)容之一1,11。尤其隨著全球變化研究的深入、全球范圍和大區(qū)域尺度的森林碳循環(huán)和森林水文分布式模型的建立,LA I 常常作為重要的輸入因子而成為模型中不可缺少的組成部分5,6,9,13,16。目前存在很多使用遙感技

10、術(shù)提取LA I 的方法2,15,其中,通過建立植被指數(shù)(V I 與LA I 的相關(guān)關(guān)系來反演LA I 的方法目前最實用3,7,10,12。但在這一方法中,有很多干擾因素制約了反演的精度,其中大氣影響是一個最重要的因子1,17,18,20。遙感技術(shù)是空間傳感器獲取地面地物信息的一生態(tài)學(xué)雜志Chinese Journal of Ecology 2006,25(7:769773個非常復(fù)雜的過程。傳感器接收到的地面輻射,既包括了地面反射光譜信息,也記錄了大氣輻射傳輸效應(yīng)引起的地面反射輻照度的變化信息。影像上灰度值的大小與地形、太陽光入射角、天空光散射、傳感器觀測角等有關(guān)。由于遙感數(shù)據(jù)獲取時受到大氣的影

11、響,直接通過影像DN值獲取的植被指數(shù)帶有大量的噪音,如果影像不經(jīng)過大氣校正,就不能夠剔除這些干擾因素,也就影響了LA I的提取精度,所以有必要對遙感影像進(jìn)行大氣校正。在對地光學(xué)遙感中,大氣影響是妨礙遙感定量化和應(yīng)用的關(guān)鍵因素之一。目前大氣校正模型大體可分為3類:基于影像特征的統(tǒng)計模型、基于地面定標(biāo)的經(jīng)驗回歸模型和基于大氣傳輸理論的輻射傳輸模型?；谟跋裉卣鞯哪Ｐ蛢?yōu)點(diǎn)是不需要地面光譜及大氣環(huán)境參數(shù)的測量。輻射傳輸模型考慮光子與大氣相互作用機(jī)理,物理意義明確。經(jīng)驗?zāi)Ｐ鸵笥械孛鎸崪y光譜數(shù)據(jù),對大范圍和地形復(fù)雜區(qū)域幾乎是難以實現(xiàn),故本研究未考慮此種方法。本研究利用6S(Second Simulati

12、on of the Satellite Signal in the Solar Spectrum大氣輻射傳輸模型19和基于TM影像自身的G ilabert等14和Zhang等21大氣校正模型分別對該影像進(jìn)行了大氣校正,得到地面反射率的反演,所產(chǎn)生的地面反射率圖像消除了傳感器和大氣的影響。比較了基于TM原始影像的植被指數(shù)和葉面積指數(shù)的相關(guān)性和經(jīng)過這2種大氣校正模型校正后的植被指數(shù)和葉面積指數(shù)的相關(guān)性,以及這2種大氣校正模型對葉面積指數(shù)和植被指數(shù)相關(guān)性的影響。2研究地區(qū)與研究方法211研究區(qū)概況褒河發(fā)源于秦嶺太白山靈湫,在留壩縣桑園流入漢中境內(nèi),經(jīng)褒河水庫流入漢中盆地,在勉縣和漢臺區(qū)交界處的孤山注

13、入漢江,全長17515km,流域面積3908km2。褒河流域地處亞熱帶與暖溫帶過渡區(qū)域,秦嶺西南坡;海拔高度7343767m,地勢起伏很大;數(shù)百里褒水依山而行,從海拔3000m多的太白山飛流而下至石門峽谷,有2000m多落差。氣候具有暖溫帶與亞熱帶過渡性山地氣候特點(diǎn),年平均降水量782mm,年平均氣溫716。植被地帶屬北亞熱帶常綠落葉闊葉混交林地帶和暖溫帶落葉闊葉林地帶,主要的森林植被類型有落葉闊葉林,如櫟樹類(Q uercus spp.和油桐(A leurites f ordii等,針闊混交林,如華山松(Pi nus arm andi、油松(P. tabulaef orm is、櫟樹類(Q

14、uercus spp.和樺樹類(Bet ula spp.等,高山針葉林有冷杉(A bies f abric等。212研究方法21211遙感數(shù)據(jù)遙感數(shù)據(jù)為2003年6月5日的美國陸地資源衛(wèi)星TM數(shù)據(jù),其軌道號是128/36和128/37,太陽高度角64°。21212測定方法森林葉面積指數(shù)的野外調(diào)查是利用加拿大國家遙感中心陳鏡明博士研制的跟蹤輻射與冠層結(jié)構(gòu)測量儀(Tracing Radiation and Archi2 tecture of Canopies,TRAC測得8。野外觀測于2003年7月期間進(jìn)行。用手持式Magellan GPS Field Pro V進(jìn)行樣地定位,根據(jù)GPS

15、的定位坐標(biāo)(W GS84坐標(biāo)在TM影像中選擇距樣地坐標(biāo)最近的像元代表該樣地,以該像元為中心,提取該像元相鄰3×3像元的反射光譜信息,求其平均值,代表該樣地的反射光譜信息。結(jié)合地形圖、森林分布圖和實地考察將林型分成闊葉林區(qū)和針闊混交林區(qū),考慮到地形影響,在每一個闊葉林樣區(qū)和針闊混交林樣區(qū)選擇地勢較為平坦、樹木分布均勻的地區(qū)測量。野外LA I觀測場布設(shè)嚴(yán)格按照TRAC儀器野外操作規(guī)范的要求進(jìn)行,即觀測場一般以相隔約15m的3根長50m左右的測線布設(shè),取這3條線的平均LA I為該測點(diǎn)的實際LA I。測點(diǎn)的選擇盡量考慮到植被種類的不同及研究區(qū)內(nèi)測點(diǎn)分布的均勻性。野外實際有效觀測樣線168條,

16、觀測場56個,基本上涵蓋了研究區(qū)主要的植被類型;遙感圖像預(yù)處理按以下順序進(jìn)行:1輻射量根據(jù)公式L0=A×DN+B,式中,L0為光譜亮度值,A為增益系數(shù),B為校正偏差系數(shù);A、B從TM影像的頭文件中獲取,通過ENV I410圖像處理系統(tǒng)定標(biāo)模塊,將該影像DN值轉(zhuǎn)變?yōu)樾l(wèi)星傳感器高度的反射率值,從而消除傳感器增益和暗電流的影響。2在大氣校正方面,6S模型運(yùn)行時大氣模式選擇中緯度夏季模式;G ilabert模型是根據(jù)影像1、3波段暗像元的DN值推導(dǎo)出相關(guān)的大氣參數(shù),以此來計算其它4個波段的大氣輻射能量,得到影像中1、2、3、4、5和7波段的地表反射率和DN值的對應(yīng)關(guān)系。3幾何校正根據(jù)1500

17、00地形圖選地面控制點(diǎn)(GCP30個,平均標(biāo)準(zhǔn)誤差(RMS為0134 (±0115個像元,即地面幾何誤差平均為1012m。兩景影像分波段幾何校正后利用Erdas816軟件拼077生態(tài)學(xué)雜志第25卷第7期接,按研究區(qū)經(jīng)緯度范圍切割。植被指數(shù)已經(jīng)發(fā)展有50余種4。本文采用較常用的2波段植被指數(shù)SR(比值植被指數(shù)、NDV I (歸一化差值植被指數(shù)和三波段的植被指數(shù)MND2 V I(修正歸一化差值植被指數(shù)、ARV I(大氣阻抗植被指數(shù)和RSR(縮小的比值植被指數(shù)與野外實測LA I數(shù)據(jù),分別在2種大氣校正方式下作相關(guān)性分析,以期找出較適合于研究區(qū)的LA I統(tǒng)計模型和大氣校正方法。利用精校正TM

18、影像的3(紅波、4 (近紅外、5(短波紅外波段提取各種植被指數(shù)(V I如下:1比值植被指數(shù)S R=R n/R r2歸一化植被指數(shù)N DV I=(R n-R r/(R n+R r3修正歸一化差值植被指數(shù)M NDV I=NDV I(1-(R swir-R swirmin/(R swirmax-R swirmin4大氣阻抗植被指數(shù)A RV I=(R n-R rb/(R n+R rb式中,R rb=R r-(R b-R r。5縮小的比值植被指數(shù)RS R=S R1-(R swir-R swirmin/(R swi rmax-R swi rmin式中,R n、R r和R sw ir分別是TM4、3、5通道

19、的反射率;是與氣溶膠類型和性質(zhì)有關(guān)的參數(shù);R sw irmin 和R sw i rm ax分別是5通道反射率的最小值和最大值,分別取5波段反射率直方圖兩端1%處的反射率值;R b是藍(lán)光反射率。由于闊葉樹和針葉樹反射光譜特征上的差異,因此不能用相同的模型來估算不同類型森林的葉面積指數(shù),而應(yīng)先將研究區(qū)進(jìn)行分類研究。TRACWin 軟件處理后有效森林樣地葉面積指數(shù)數(shù)據(jù)57個,從中隨機(jī)選取30個數(shù)據(jù)(15個闊葉林?jǐn)?shù)據(jù)和15個針闊混交林?jǐn)?shù)據(jù)作為建模數(shù)據(jù),剩余27個數(shù)據(jù)(12個闊葉林?jǐn)?shù)據(jù)和15個針闊混交林?jǐn)?shù)據(jù)作為對模型的驗證。對TM原始影像和經(jīng)過預(yù)處理后的TM 影像依據(jù)30個野外實測值經(jīng)緯度坐標(biāo)提取其相應(yīng)

20、點(diǎn)的植被指數(shù),分別探究實測LA I與經(jīng)過不同大氣校正模型校正后的Landsat TM同時相影像各植被指數(shù)(SR、NDV I、ARV I、RSR、MNDV I的相關(guān)關(guān)系。對應(yīng)的各種植被指數(shù)SR、NDV I、MNDV I、ARV I和RSR值,均采用地面對應(yīng)點(diǎn)相鄰3×3像元均值。運(yùn)用Origin軟件對葉面積指數(shù)與植被指數(shù)進(jìn)行線性、對數(shù)、乘冪、指數(shù)回歸擬合分析,選出最佳擬合回歸方程。3結(jié)果與分析表1列出選擇出的2種大氣校正方法的最佳擬合回歸方程和相關(guān)性(R2。由表1可知,經(jīng)過6S 模型和G ilabert模型大氣校正后,去除了大氣輻射的影響,與原始影像相比較,計算出的各個植被指數(shù)與實測的L

21、A I之間的相關(guān)性都有了顯著提高。說明隨著大氣影響的去除,計算出的各個植被指數(shù)更能真實地體現(xiàn)地面植被的覆蓋情況。表12種大氣校正方法的最佳的擬合回歸方程及相關(guān)性(R2比較T ab.1Comp arison of the correlation coeff icients of forest leaf area index estim ates and vegetation indices using different atmospheric correction models植被指數(shù)未經(jīng)大氣校正(DN值闊葉林針闊混交林6S模型闊葉林針闊混交林G ilabert模型闊葉林針闊混交林SR y=2

22、1165SR+011946R2=012473LAI=2317253SR+011174R2=012169LA I=011938SR+1174R2=015389LA I=117153ln(SR+016427R2=014502LA I=01371SR+116011R2=01504LA I=117233ln(SR+114705R2=014465NDVI LA I=19191NDV I+012923R2=013136LAI=20174NDV I+011683R2=012638LA I=519709NDV I-018423R2=014782LA I=516974NDV I-011986R2=013971L

23、A I=411475NDV I+110068R2=014703LA I=417946NDV I+019969R2=014589MNDVI y=16163MNDV I+316173R2=012754負(fù)相關(guān)LA I=711931MNDV I+013472R2=014969LA I=112218MNDV I014743R2=014024LA I=61919MNDV I+411279R2=0145674LA I=317268e016999MNDV IR2=014173ARVI LA I=917746A RV I+011853 R2=013582負(fù)相關(guān)LA I=51055A RV I017829R2=0

24、17066LA I=213754A RV I013152R2=013938LA I=413339A RV I+019703R2=01494LA I=314349A RV I+210084R2=014306RSR LA I=1012845RSR+012106R2=013347LAI=17167RSR+013821R2=012569LA I=012648RSR+211053R2=014772LA I=013507RSR+212447R2=014499LA I=014361RSR+214102R2=013633LA I=015161RSR+318281R2=013887177陳新芳等:不同大氣校正方

25、法對森林葉面積指數(shù)遙感估算影響的比較未經(jīng)過大氣校正的MNDV I 和ARV I 與針闊混交林LA I 的相關(guān)性是負(fù)相關(guān),這可能是由于稀疏林地內(nèi)針葉林比例較大、林內(nèi)陰影多造成的。經(jīng)過6S 模型和G ilabert 模型大氣校正后,其相關(guān)關(guān)系為正相關(guān),相關(guān)性也得到很大提高。從植被類型來看,闊葉林LA I 與各個植被指數(shù)的相關(guān)性普遍高于針闊混交林LA I 與各個植被指數(shù)的相關(guān)性;從大氣校正模型來看,6S 模型大氣校正后各個植被指數(shù)與LA I 的相關(guān)性要高于G ilabert 模型。對于2波段植被指數(shù)SR 和NDV I 來說,2種大氣校正方法下其與LA I 的相關(guān)關(guān)系比較一致 ;植被指數(shù)MNDV I

26、、ARV I 和RSR 雖然都引進(jìn)了3個波段,但不同的校正方法對其與LA I 的相關(guān)性的改善并不一致,對闊葉林的大氣校正,6S 模型較優(yōu),而圖16S 模型和G ilabert 模型估算的闊葉林和針闊混交林LAI 值和實測LAI 值相關(guān)性比較Fig.1Comp arison of the relationships bet w een measured LAI and es 2tim ated LAI of broad 2leaved forest ,conifer and broad 2leaved mixedforest using 6S model and G ilabert model對

27、于針闊混交林,則G ilabert 模型較優(yōu);RSR 和各林型的LA I 都是線性相關(guān);MNDV I 和各林型的LA I 的相關(guān)關(guān)系變化較大。對于闊葉林,ARV I 與LA I 的相關(guān)性在任一模型大氣校正的情況下都高于NDV I 與LA I 的相關(guān)性,原因在于ARV I 引入了藍(lán)光波段與同氣溶膠類型和性質(zhì)有關(guān)的參數(shù)來進(jìn)一步消除大氣校正后殘余的大氣影響。在所有的估算模型中,6S 模型大氣校正后的ARV I 與闊葉林LA I 相關(guān)性最高,但與針闊混交林LA I 相關(guān)性卻不高。對本研究較理想的植被指數(shù)是經(jīng)過6S 模型大氣校正后的SR 和經(jīng)過G ilabert 模型校正后的SR ,與闊葉林LA I 的

28、最佳相關(guān)關(guān)系均是線性關(guān)系,與針闊混交林LA I 的最佳相關(guān)關(guān)系均是對數(shù)關(guān)系(表1。因此,選用這4種較優(yōu)的估算模型來進(jìn)行驗證。研究表明,6S 模型大氣校正后闊葉林實測LA I 值與估算值的相關(guān)性較高(R 2=016839;而G i 2labert 模型大氣校正后針闊混交林實測LA I 值與估算值的相關(guān)性則很低(R 2=01237;故對本研究區(qū)應(yīng)選用6S 模型大氣校正后SR 來估算闊葉林LA I 。對于針闊混交林,6S 模型大氣校正和G ilabert 模型大氣校正后實測LA I 值與估算值的相關(guān)性都很高(圖1,可選用任一大氣校正方法校正后SR 來估算針闊混交林LA I 。4結(jié)論未經(jīng)大氣校正的各個

29、植被指數(shù)與LA I 的相關(guān)性都不顯著;經(jīng)過任一模型大氣校正后,各個植被指數(shù)與LA I 之間的相關(guān)性都很顯著,說明經(jīng)過大氣校正后的植被指數(shù)更能真實體現(xiàn)地面植被的覆蓋狀況,所以很有必要對遙感影像進(jìn)行大氣校正。2種大氣校正方法對植被指數(shù)SR 和NDV I 與LA I 相關(guān)關(guān)系的影響不大,這也是對SR 和NDV I 自發(fā)展以來一直在植被、生態(tài)遙感應(yīng)用研究中被應(yīng)用最多的一個有力證明。對于不同的植被類型,LA I 與植被指數(shù)的關(guān)系和回歸方程也表現(xiàn)出一定差異,因此將植被進(jìn)行分類對LA I 的遙感估算是必要的。對于相同的植被類型,不同的大氣校正方法下的植被指數(shù)與LA I 的關(guān)系和相關(guān)性也表現(xiàn)出一定的差異,所以

30、,利用遙感數(shù)據(jù)進(jìn)此行定量分析、信息提取、遙感應(yīng)用時,一定要重視遙感影像的預(yù)處理大氣校正,將遙感影像原始DN 值數(shù)據(jù)轉(zhuǎn)換為277生態(tài)學(xué)雜志第25卷第7期反射率,剔除干擾因素,對于正確利用遙感數(shù)據(jù)進(jìn)行定量分析和信息提取、參數(shù)估算、遙感應(yīng)用十分關(guān)鍵。參考文獻(xiàn)1王軍邦,牛錚,胡秉民,等.2004.定量遙感在生態(tài)學(xué)研究中的基礎(chǔ)應(yīng)用J.生態(tài)學(xué)雜志,23(2:152157.2方秀琴,張萬昌.2003.葉面積指數(shù)(LAI的遙感定量方法綜述J.國土資源遙感,57(3:5862.3方秀琴,張萬昌,劉三超.2004.黑河流域葉面積指數(shù)的遙感估算J.國土資源遙感,59(1:2730.4田慶久,閔祥軍.1998.植被指

31、數(shù)研究進(jìn)展J.地球科學(xué)進(jìn)展,13(4:327333.5張志強(qiáng),王禮先,余新曉,等.2001.森林植被影響徑流形成機(jī)制研究進(jìn)展J.自然資源學(xué)報,16(1:7178.6張娜,于貴瑞.2003.基于遙感和地面數(shù)據(jù)的景觀尺度生態(tài)系統(tǒng)生產(chǎn)力的模擬J.應(yīng)用生態(tài)學(xué)報,14(5:643652. 7惠鳳鳴,田慶久,金震宇,等.2003.植被指數(shù)與葉面積指數(shù)關(guān)系研究及定量化分析J.遙感信息,2:1012.8Chen J M.1996.Optically2based methods for measuring seasonalvariation in leaf area index of boreal conife

32、r forestsJ.A gric.For.Meteorol.,80:135163.9Chen J M,Chen XY,J u WM,et al.2005.Distributed hydro2logical model for mapping evapotranspiration using remote sens2ing inputsJ.J.Hydrol.,305:1539.10Chen J M,Cihlar J.1996.Retrieving leaf area index of borealconifer forest using Landsat TM imagesJ.Remote Se

33、ns.En2vi ron.,55:153162.11Chen J M,Pavlic G,Brown L,et al.2001.Derivation and vali2dation of Canada2wide coarse2resolution leaf area index maps us2ing high2resolution satellite imagery and ground measurementsJ.Remote Sens.Envi ron.,80:165184.12Eklundh L,Harrie L,Kuusk A.2001.Investigating relation2s

34、hip between Landsat ETM+sensor data and leaf area index in aboreal conifer forestJ.Remote Sens.Envi ron.,78:239251.13Field CB,Behrenfeld MJ,Randerson J T,et al.1998.Primaryproduction of the biosphere:Integrating terrestrial and oceaniccomponentsJ.Science,281:237240.14G ilabert MA,Conese C,Maselli F.

35、1994.An atmospheric cor2rection method for the automatic retrieval of surface reflectancefrom TM imagesJ.Int.J.Remote Sens.,15:20652086.15G ower ST,Kucharik J K,Norman J M.1999.Direct and indi2rect estimation of leaf area index,fAPAR and net primary pro2duction of terrestrial ecosystemsJ.Remote Sens.Envi ron.,70:2951.16Liu J,Chen J M,Ci