多角度遥感数据的林下植被NDVI时间变化特征研究

陈平平 沈橙橙 吴卓琳 郑梦翔

摘 要 林下植被是森林生态系统的一个重要组成部分，传统上的单角度遥感数据包含了森林冠层和林下背景两部分的信息，难以定量评价林下植被。本研究利用MODIS反射率数据、角度数据和双向反射分布函数（BRDF），采用RTLSR核驱动模型、4尺度几何光学模型反演森林背景反射率，分析NDVI的时间变化特征，为定量分析浙江省临安市森林林下植被生长状况提供依据。结果表明：1）森林植被NDVI具有明显的时间变化特征，林下植被NDVI和垂直观测角度植被NDVI都具有相似的季节性，生长季的NDVI相对其他时间段较高，秋冬季节降低，并在2月基本达到最低。2）山核桃林下植被NDVI在第一年的8月到第二年的3月比其他林地的低，在2月的差距最大。垂直观测角度NDVI，山核桃林的数据全年低于其他林地。

关键词 NDVI；背景反射率；MODIS；山核桃林

中图分类号：S718.55 文献标志码：A DOI：10.19415/j.cnki.1673-890x.2018.19.004

森林是陆地生态系统的主体，在调节全球碳平衡、减缓温室气体浓度上升等方面发挥着不可替代的作用。而林下植被作为森林生态系统的一个重要组成部分，发挥着维护森林的多样性、生态功能稳定性和持续立地生产力方面的作用。由于对林下植被的研究在森林群落分类、立地指示及长期生产力维护等方面发挥着重要作用，因此日益受到国内外科研人员的关注。多角度遥感观测包含有大量的植被结构信息，为植被结构参数制图提供了非常有效的手段，同时也可应用于背景反射率的反演，现有的MODIS传感器每天对同一地表目标从不同的角度进行观测，形成了“多角度”观测数据，为森林背景反射率反演提供了一个可能的途径。

本文以浙江省临安市作为研究区域，利用MODIS 500反射率数据反演不同林种的背景反射率，分析林下植被覆盖指数的时间变化特征，为定量分析浙江省临安市森林林下植被生长状况提供依据。

1 研究进展和研究目标

1.1 研究进展

传统的单角度数据无法提取植被结构参数，而通过对地面物体进行多个方向观测的多角度遥感数据能够反映植被结构信息和地物多维空间结构特征，为定量反演地表参数提供了新途径。2007年，Canisius and Chen利用多角度成像光谱辐射计（MISR）的多角度数据估算了加拿大曼尼托巴地区和萨斯彻温省的森林背景反射率，并分析了其季节变化。2009年，Pisek and Chen利用MISR星下点和前向45°的反射率数据进行了北美地区背景反射率的提取[1]；之后，Pisek又利用CASI数据对加拿大安大略省的一片针叶林区域提取了森林背景反射率，并使用研究区临近区域相似森林类型的实测数据对反演结果进行验证[2]。但MISR数据的质量不高，难以满足区域尺度上对背景反射率较高时间分辨率的需求。为了提高背景反射率提取结果的时间分辨率和空间分辨率，2011年，Pisek等以芬兰赫尔辛基地区为研究区，基于MODIS BRDF参数模拟星下点和45°观测天顶角方向的反射率，提取了500 m分辨率的背景反射率，并使用背景反射率实测数据对结果进行了直接验证[3]，证明MODIS数据在林地背景反射率反演研究中具有很大的潜力。

目前，利用MODIS BRDF模型参数产品数据进行背景反射率反演取得了一定的成果，但应用于森林林下植被生长状况的评估并不多。

1.2 研究目标

本文以浙江省临安市作为研究区域，拟利用MODIS反射率数据、角度数据和双向反射分布函数（BRDF），采用RTLSR核驱动模型、4尺度几何光学模型（4-scale）反演该区域森林背景反射率，分析NDVI（归一化差分植被指数）的时间变化特征，为定量分析该区域森林林下植被生长状况提供依据。

2 数据和方法

2.1 研究区概况

临安市位于东经118°51′～119°52′，北纬29°56′～30°23′，地处浙江省西北部天目山区，中亚热带季风气候区南缘，该地植物资源丰富，森林覆盖率达到71.3%，包括了大面积不同种类的针叶林、阔叶林、竹林等。作为临安市主要经济林之一，山核桃林具有较高的生长要求，其林下植被受人为干扰明显，对其背景反射率影响较大。

2.2 数据采用

研究所用遥感数据包括了MODIS反射率数据（红光、近红外光）和角度数据（太阳天顶角、观测天顶角和相对方位角，MOD09A1），BRDF产品数据（MCD43A1），叶面积指数数据（MCD15A2H），垂直反射率数据（MCD43A4）和土地覆盖类型数据（MCD12Q1），空间分辨率为463.3 m，时间分辨率为8天1景。

2.3 研究过程

第一步，利用MODIS产品数据预处理软件MRT将3种MODIS产品数据的格式转换为TIF格式图像，然后，采用IDL进行投影转换，提取覆盖研究区的数据。

第二步，根据Pisek的研究，将总反射率分为光照冠层、光照背景、阴影冠层和阴影背景4部分[4]，構成线性关系：

R=RTKT+RGKG+RZTKZT+RZGKZG （1）

（1）式中，R为反射率，K为组成百分比，T为树冠，G为背景，Z为阴影，ZT为阴影树冠、ZG为阴影背景。

随着太阳和观测角度的变化，传感器所能观测到的各组分的比例发生变化，这种比例的变化会带来观测的目标反射率的差异。对于同一象元来说，天顶方向和另一个观测方向的反射率可以表示为：

Rn=RTKTn+RGKGn+RZTKZTn+RZGKZGn （2）

Ra=RTKTa+RGKGa+RZTKZTa+RZGKZGa （3）

（2）（3）式中，n为天顶方向，a为前向45°方向；阴影树冠、阴影背景的反射率RZT、RZG可以表示为相对应的光照组分与多次散射因子的函数，RZT=M×RT，RZG=M×RG，M为多次散射因子，由4尺度几何光学模型反演确定，这里取相同值M=0.2。

假设背景为朗伯体，联立公式（2）和（3），可计算背景反射率：

（4）式中，RG为背景反射率，Rn和Ra为利用BRDF数据通过RTSLR核驱动模型计算得到的天顶方向和前向45°方向的二向反射率[5]；四组分比例（KT、KG、KZT、KZG）通过4尺度几何光学模型建立的查找表获取，以提高效率。模型主要输入参数包括LAI、森林类型、观测角度、太阳角度和相对方位角等，树的形状采用4尺度模型对树形的假设；在建立查找表时，LAI变化范围为0.1～10.0，太阳天顶角SZA和观测天顶角VZA的变化范围为0°～70°，相对方位角（PHI）的变化范围为100°～170°，以0.1°为间隔；树木密度设为500， 1 000， 2 000， 3 000和4 000 五个等级；森林类型分为针叶林、阔叶林和混交林三种。

第三步，通过IDL程序在查找表中找到与角度数据、LAI及土地覆盖分类数据对应的光照树冠、阴影树冠、光照背景和阴影背景的比例，将其代入方程（4）得到不同植株密度对应的背景反射率。

3 结果

课题研究区域的对象为临安山核桃林的背景反射率，为了便于观察山核桃林背景反射率时间变化特征，我们提取了研究区域不同林种的林下NDVI （见图1）和垂直观察角度下的NDVI （见图2）。在变化趋势曲线对比中，每个林种的NDVI变化趋势大致相似。但山核桃林从8月份开始，林下植被的NDVI数值下降趋势明显大于其他林种，在来年的2月份明显下降，并达到最低值，然后开始上升与其他林种数值拉近，5月至7月底都基本达到峰值。在垂直观测角度下，山核桃林的NDVI总体数值低于其他林种，在秋季和春季，所有林种的NDVI都有一定幅度的波动，并在2月份出现最低值，山核桃林与其他林地的差距最大。造成这些差异的主要原因是：山核桃林在8月份进入采收季，林农会对林下植被进行部分拔除，或者林下张网，以及雨季增加土壤的含水量，这些都会导致背景反射率降低；此外，山核桃林属于落叶林、经济林，在植被密度上相对于野生林低，植株间有较大间隙，间距大多在4～6 m。因此，在垂直观测角度下，山核桃林的NDVI全年较低，特别是在秋冬季节，山核桃树叶的凋谢使其反射率在较短的时间里快速降低。

4 结语

本文利用MODIS数据，采用RTLSR核驱动模型、4尺度几何光学模型，提取了临安市2010—2015年林下植被背景反射率，分析其NDVI的时间变化特征，得到以下主要结论。1）森林植被NDVI具有明显的时间变化特征，林下植被NDVI和垂直观测角度植被NDVI都具有相似的季节性，生长季的NDVI相对其他时间段较高，秋冬季节降低，并在2月基本达到最低。2）山核桃林下植被NDVI在第一年的8月到第二年的3月比其他林地的低，在2月的差距最大。垂直观测角度NDVI，山核桃林的数据全年低于其他林地。

参考文献：

[1] Pisek J， Chen J M. Mapping forest background reflectivity over North America with Multi-angle Imaging SpectroRadiometer （MISR） data[J]. Remote Sensing of Environment， 2009， 113（11）： 2412-2423.

[2] Pisek J， Chen J M， Miller J R， et al. Mapping forest background reflectance in a boreal region using multiangle compact airborne spectrographic imager data[J]. IEEE Transactions On Geoscience and Remote Sensing， 2010， 48（1）： 499-510.

[3] Pisek J， Rautiainen M， Heiskanen J， et al. Retrieval of seasonal dynamics of forest understory reflectance in a Northern European boreal forest from MODIS BRDF data[J]. Remote Sensing of Environment， 2012， 117： 464-468.

[4] Li X W， Strahler A H. Geometric-optical modeling of a conifer forest canopy[J]. IEEE Transactions On Geoscience and Remote Sensing， 1985， 23（5）： 705-721.

[5] Chen J M， Leblanc S G. A four-scale bidirectional reflectance model based on canopy architecture[J]. IEEE Transactions On Geoscience and Remote Sensing， 1997， 35（5）： 1316-1337.

（責任编辑：丁志祥）