路域植被叶绿素多光谱遥感定量反演研究

2014-07-02郭云开张进会

测绘通报 2014年12期

关键词：路域冠层反射率

郭云开，张进会

(长沙理工大学交通运输工程学院，湖南长沙 410004)

路域植被叶绿素多光谱遥感定量反演研究

郭云开，张进会

(长沙理工大学交通运输工程学院，湖南长沙 410004)

叶绿素是植被光合作用的主要物质，准确估算叶绿素含量对植被生长健康状况和生态环境研究具有重要意义。本文利用辐射传输机制的PRO4SAIL模型模拟植被冠层光谱，以TM影像为数据源，分析了物理模型模拟反射率和遥感影像反射率与叶绿素含量之间的相关性，研究了利用多光谱信息定量反演路域植被叶绿素含量。结果表明，植被光谱与叶绿素含量之间有较强的相关性；利用PRO4SAIL模型模拟的冠层反射率反演叶绿素含量具有一定可行性，该研究成果可以为大面积路域植被冠层叶绿素含量遥感监测提供理论依据与参考。

路域植被；叶绿素；PRO4SAIL模型；TM影像；定量遥感

一、引言

叶绿素作为植被光合作用的主要参与者，直接影响到植被的生理作用过程，是生态系统活力与健康的具体体现。叶绿素含量是植被生长状况及其与外界能量物质交换能力的体现，因此是监测植被生长和健康的一个重要指标[1]。叶绿素含量对于区域植被生态环境变化和健康研究具有重要意义。由于遥感技术可以提供不同时空尺度上的植被光谱信息，而这些光谱信息与植被生化组分和含量又存在一定的联系，因此如何利用遥感光谱信息分析植被生化信息，越来越受到专家学者们的关注[2]。

很多学者通过分析植被叶片生化参数与辐射能量的关系，建立数学模型，从而定量地估算植被生化参数。文献[3]用PROSPECT和SAIL模型和微粒群算法分析反演了叶片含水量、叶绿素含量和叶面积指数3个植被生化参数对，并取得了良好效果。文献[1]用PROSPECT＋SAIL模型模拟植被光谱建立了叶绿素查找表，利用Hyperion影像反演了研究区域森林冠层叶绿素含量。文献[4]分析了水稻叶片在不同时空条件下的光谱数据及各种修正之后的光谱变换与叶绿素含量之间的关系。文献[2]利用PROSPECT模型模拟水稻叶片光谱特性，并用多元回归分析法建立了不同观测方向冠层反射率及其变化形式与叶片叶绿素含量的关系。机理模型物理意义严密，不受植被类型、背景环境等因素的影响，便于进行大区域的路域植被环境评价。学者们运用物理机理模型和高光谱遥感模型对植被叶绿素进行了一定研究，并取得了较好的结果[5]。但是PRO4SAIL模型及多光谱遥感技术在这方面的研究还比较少。

路域植被环境具有独特的社会经济特点，近年来，随着国家对环境保护的重视，公路环境的评价、保护和治理已成为不可忽视的部分。本研究利用PRO4SAIL模型模拟植被冠层光谱反射率，通过植被冠层反射率与叶绿素含量之间的相关性实现路域植被叶绿素含量多光谱遥感定量反演和对比分析。通过分析路域植被叶绿素的空间分布情况，可评价高等级公路路域植被的生态环境健康状况，指导高等级公路环境的保护与治理。

二、模型原理与方法

PRO4SAIL模型由PROSPECT模型和4SAIL模型耦合而成，PROSPECT模型模拟结果为叶片的透射率和反射率，而SAIL模型则模拟得到植被冠层反射率。Verhofe通过对上行、下行、散射、直射四通量的拟合办法，对改进的SAIL模型、PROSPECT、土壤二向性反射模型Hapke和大气辐射传输模型ModT-ran进行耦合，得到4SAIL模型[6]。PRO4SAIL模型较PROSAIL增加了类胡萝卜素含量变量和棕色物质成分含量，可以很好地应用于森林地区，提高光谱模拟精度。PROSPECT叶片反射率模型模拟了新鲜植被叶片从可见光到中红外波段的光学特性，其模型包含叶片叶绿素含量、干物质含量，以及内部结构参数等参数。其模型如下

式中，N为结构参数；Chl为叶绿素含量；Cw为水分含量；Cm为干物质含量；Car为胡萝卜素含量；Cbrown为棕色物质含量。而冠层SAIL模型主要适用于水平均匀植被介质，它的主要输入参数有模拟叶片的透射率、反射率、热点参数、太阳方位参数和传感器观测几何参数、叶面积指数、土壤反射率等[7]。其模型如下

式中，ρ为冠层反射率；LAD为平均叶倾角；LAI为叶面积指数；τleaf、ρleaf为PROSPECT模型模拟的叶片透射率和反射率；hot为热点参数；Diff为漫反射系数；a、z为观测方位角和天顶角；aaun、zaun为太阳方位角和天顶角；ρs土壤反射率。SAIL模型是一个冠层二向反射率模型，已经在叶绿素、LAI、含水量等生化参数反演及光谱模拟等方面得到了具体应用[8]。本文PRO4SAIL模型参数选取主要依据前人研究成果、试验区现场实测数据和LOPEX’93数据库，在MATLAB环境下PRO4SAIL模型的参数设置见表1[3-5，7-9]。

表1 PRO4SAIL模型参数设置

本文通过PRO4SAIL模型模拟研究区域森林植被的冠层反射率，结合TM遥感影像经辐射校正、几何精校正、裁剪等预处理之后得到的研究区植被冠层反射率，建立其与叶绿素含量之间的关系，完成模型模拟过程，分析各波段反射率及其各指数与叶绿素之间的相关性，实现高等级公路路域植被叶绿素遥感多光谱反演。

三、研究区简介与数据处理

1.研究区概况

本研究选取浏醴高速公路(浏阳—醴陵)洞阳镇—普迹镇段作为研究区，该高速公路于2009年5月27日开工建设，2012年12月23日建成通车。本研究选取道路两侧1000 m为研究对象，研究区域植被覆盖较好，植被类型主要为阔叶林，部分混交林，主要树种有樟树、松树、杉树、柏树、桐油树等；研究区路域范围内主要由植被、良田和住房构成，城镇建设较少，因此其公路环境主要受公路建设和运营的影响，人类活动对该区域植被生长状况影响不大。

2.数据采集与处理

在研究区域路域两边每隔1 km均匀选取一个典型样点，共采集20个10 m×10 m样地。用GPS确定样地中心点坐标，统计样方内植被类型；利用SPAD-502叶绿素仪器现场选取样区内主要植被测量叶绿素含量 10～20次并取平均值；使用荷兰Avantes公司AvaField-3便携式高光谱地物波谱仪测量主要植被的光谱，光谱范围为300～2500 nm。300～1000 nm光谱分辨率为1.4 nm；1000～2500 nm光谱分辨率为15 nm。AvaField-3具有性价比高、测量快速、准确、操作简单、携带方便等特点，不但可以直接进行反射率测量，还可以进行辐射度学等测量。

本文采用 Landsat TM数据(30 m×30 m)，在ENVI5.1中通过基于实测控制点的遥感影像几何校正模型将TM影像几何精校正，并裁剪出相关研究区域[10]；大气校正模型中最为关键的参数就是气溶胶厚度，气溶胶对可见光波段的辐射具有较强的干扰，气溶胶的估算一直是大气校正中最关键的因素之一[11]。本文采用较成熟的FLAASH大气校正模型对试验区TM遥感影像进行大气校正处理，可以很好地消除大气气溶胶对反射率的影响。将经过FLAASH模型校正后的TM影像光谱与实测冠层光谱进行对比，发现校正后的光谱接近实测光谱。

图1为FLAASH大气校正前后的光谱对比，图2为实测光谱、PRO4SAIL模型模拟光谱与TM影像经FLAASH大气校正之后的光谱对比。从图2中可以看出，这3种光谱反射率变化趋势一致，经过FLAASH大气校正后的影像光谱反射率接近实测值，PRO4SAIL模型模拟光谱与实测值较接近。

四、结果分析

1.模型敏感性分析

在Matlab环境及PRO4SAIL程序支持下输入相关参数进行叶绿素敏感性分析；在本研究中，主要分析叶绿素的敏感性，本次试验采样点叶绿素值在30～50 μg/cm2之间，因此确定叶绿素的步长为2。将“星地同步”野外试验采集的相关数据、LOPEX93数据库生化参数数据和其他参数输入PRO4SAIL模型中，在Matlab环境中模拟不同叶绿素含量下冠层的光谱反射率，试验模拟结果如图3所示。从图中可以看出，叶绿素含量对植被反射率的影响主要在500～800 nm之间，而在550～680 nm之间影响比较明显，800 nm以后对植被的反射率几乎没有影响。

图1 FLAASH大气校正

图2 反射率值对比图

2.叶绿素反演

分析叶绿素与实测光谱、PRO4SAIL模型模拟光谱和影像光谱之间的相关性，建立叶绿素含量与GNDVI、NDVI、TM影像第二、三波段之间的回归模型，发现叶绿素与TM影像二、三波段呈负相关关系，与GNDVI、NDVI指数呈正相关关系，并且560 nm波段、GNDVI与叶绿素含量的相关性更高，模型的估算结果更为精确，R2均大于0.6。本研究中以叶绿素与560 nm波段的相关性进行反演研究，通过TM影像反射率和PRO4SAIL模型模拟反射率与叶绿素含量之间的相关性反演研究区域2013年6月叶绿素含量的结果如图4所示。从图4中看出两种方法叶绿素含量预测值与实测值一致性较好，决定系数R2分别为0.732 9和0.801 9。

图3 叶绿素含量敏感性分析

图4 叶绿素实测值与预测值比较

图5为两种方法叶绿素含量在TM影像上的反演结果，将叶绿素划分为 5个等级，分别是 0～25 μg/cm2、25～30 μg/cm2、30～35 μg/cm2，35～40 μg/cm2和40 μg/cm2以上。从图5中可以看出，两种模型的反演趋势一致，TM影像反演结果中叶绿素含量大于40 μg/cm2区域略大于PRO4SAIL模型反演结果，0～25 μg/cm2区域略小于PRO4SAIL模型反演结果。

图5 叶绿素含量多光谱反演结果

从表2统计结果中可以看出，利用TM遥感影像反演叶绿素中，0～25 μg/cm2占总面积的12.246 8%，25～30 μg/cm2占总面积的16.586 8%，30～35 μg/cm2占总面积的30.106%，35～40 μg/cm2占总面积的30.932 2%，大于 40 μg/cm2占 10.128 2%。而PRO4SAIL模型模拟的冠层反射率反演叶绿素中，0～25 μg/cm2占总面积的13.340 6%，25～30 μg/cm2占总面积的17.202 2%，30～35 μg/cm2占总面积的30.406 2%，35～40 μg/cm2占总面积的30.327 3%，大于40 μg/cm2占8.723 7%。通过对比发现，这两种方法的反演趋势基本一致，主要在0～25 μg/cm2和大于40 μg/cm2含量的叶绿素反演结果较其他区间略大。从图5和表2统计结果看出，本研究区域整体叶绿素含量较高，30 μg/cm2以上占70%左右，由此可知研究区植被健康程度及生态环境较好，反演结果与实际调研情况一致。本文利用多光谱TM影像反演叶绿素含量取得了一定研究成果，为叶绿素的进一步研究提供了参考。

表2 不同叶绿素所占区域像元数

五、结束语

叶绿素含量与植被的生长和健康程度密切相关，因此，如何快速准确获取叶绿素含量及其分布对于评价植被健康及生态环境可持续发展研究具有重要的意义。

本文运用PRO4SAIL模型模拟路域植被不同叶绿素含量下冠层光谱反射率，并分析PRO4SAIL模型模拟光谱、TM光谱与叶绿素含量之间的相关性，在此基础上通过建立线性回归模型，完成了高等级公路两侧植被叶绿素含量的多光谱遥感定量反演。结果表明：PRO4SAIL模型可以较好地模拟植被冠层光谱；基于PRO4SAIL模型和TM光谱的路域叶绿素含量遥感反演结果与实测叶绿素含量都具有很好的一致性，R2分别为0.801 9和0.732 9；PRO4SAIL模型模拟精度略高于TM光谱，主要是由于PRO4SAIL机理模型物理意义严密，不受植被类型、背景环境等因素影响，模拟光谱更接近实测光谱，而遥感影像光谱受众多外界因素及其影像处理算法的影响。本研究成果为进一步研究多光谱反演叶绿素含量奠定了基础，为利用遥感技术监测大面积植被叶绿素含量空间分布提供了技术途径。但是，本文只研究了叶绿素含量对PRO4SAIL模型的敏感性，其他参数均来自前人研究，今后需要进一步研究其他参数对模型光谱反射率精度的影响。

[1] 杨曦光，范文义，于颖.基于PROSPECT＋SAIL模型的森林冠层叶绿素含量反演[J].光谱学与光谱分析，2010，30(11)：3022-3026.

[2] 李云梅，倪绍祥，王秀珍.线性回归模型估算水稻叶片叶绿素含量的适宜性分析[J].遥感学报，2003，7 (5)：364-370.

[3] 吴伶，刘湘南，周博天，等.利用PROSPECT＋SAIL模型反演植物生化参数的植被指数优化模拟[J].应用生态学报，2012，23(12)：3250-3256.

[4] 杨杰，田永超，姚霞，等.水稻上部叶片叶绿素含量的高光谱估算模型[J].生态学报，2009，29(12)：6561-6570.

[5] 郭洋洋，张连蓬，王德高，等.小波分析在植物叶绿素高光谱遥感反演中的应用[J].测绘通报，2010(8)：31-33.

[6] JACQUEMOUD S，VERHOEF W.PROSPECT＋SAIL Models：A Review of Use for Vegetation Characterization[J]. Remote Sensing of Environment，2009(113)：S56-S66.

[7] JACQUEMOUD S，BARET F.PROSPECT：A Model of Leaf Optical Properties Spectra[J].Remote Sensing of Environment，1990(34)：75-91.

[8] 谷成燕，杜华强，周国模，等.基于PROSAIL辐射传输模型的毛竹林叶面积指数遥感反演[J].应用生态学报，2013，24(8)：2248-2256.

[9] LI J，YAN G J，MU X H.A Paramrized SAILH Model for LAI Retrieval[J].Journal of Remote Sensing，2010 (14)：1182-1195.

[10] 赵筱榕，刘津.基于控制点影像数据库的国产卫星影像几何纠正[J].测绘通报，2013(8)：61-64.

[11] 程伟，王黎明，田庆久.一种基于阴影像元的光学遥感大气校正方法[J].测绘学报，2008，37(4)：469-475.

[12] 郭云开，苟叶培.路域植被叶面积指数变化遥感监测[J].遥感信息，2013，28(6)：92-95.