全 文 ：基于 PROSAIL辐射传输模型的毛竹林
叶面积指数遥感反演*
谷成燕1,2 摇 杜华强1,2**摇 周国模1,2 摇 韩摇 凝1,2 摇 徐小军1,2 摇 赵摇 晓1,2 摇 孙晓艳1,2
( 1浙江省森林生态系统碳循环与固碳减排重点实验室, 浙江临安 311300; 2浙江农林大学环境与资源学院, 浙江临安
311300)
摘摇 要摇 采用 PROSAIL辐射传输模型建立毛竹林叶面积指数(LAI) 鄄冠层反射率查找表,并
结合 Landsat TM卫星遥感数据,实现了毛竹林 LAI 的定量反演.结果表明: PROSAIL 模型各
输入参数的敏感性由高到低依次为 LAI>叶绿素含量(Cab)>叶片结构参数(N) >平均叶倾角
(ALA)>等效水厚度(Cw)>干物质含量(Cm),并以 LAI、Cab两个主要敏感因子用于构建毛竹
林 LAI鄄冠层反射率查找表;基于 PROSAIL模型的毛竹林 LAI 遥感反演结果与实测 LAI 具有
很好的一致性,二者相关系数为 0. 90,均方根误差和相关的均方根误差也较小,分别为 0. 58
和 13. 0% ,但也存在反演 LAI平均值高于实际值的问题.
关键词摇 PROSAIL模型摇 毛竹林摇 叶面积指数摇 遥感摇 查找表
文章编号摇 1001-9332(2013)08-2248-09摇 中图分类号摇 Q948; TP751摇 文献标识码摇 A
Retrieval of leaf area index of Moso bamboo forest with Landsat Thematic Mapper image
based on PROSAIL canopy radiative transfer model. GU Cheng鄄yan1,2, DU Hua鄄qiang1,2,
ZHOU Guo鄄mo1,2, HAN Ning1,2, XU Xiao鄄jun1,2, ZHAO Xiao1,2, SUN Xiao鄄yan1,2 ( 1 Zhejiang
Provincial Key Laboratory of Carbon Cycling in Forest Ecosystems and Carbon Sequestration, Lin爷an
311300, Zhejiang, China; 2School of Environmental and Resources Science, Zhejiang A&F Universi鄄
ty, Lin爷an 311300, Zhejiang, China) . 鄄Chin. J. Appl. Ecol. ,2013,24(8): 2248-2256.
Abstract: The PROSAIL canopy radiative transfer model was used to establish leaf area index
(LAI) and canopy reflectance lookup鄄table for Moso bamboo forest. The combination of Landsat
Thematic Mapper (TM) image and this model was then used to retrieve LAI. The results demon鄄
strated that the sensitivity of the input parameters in the PROSAIL model decreased in order of LAI
>chlorophyll content (Cab) > leaf structure parameters (N) > mean leaf angle (ALA) > equivalent
water thickness (Cw) > dry matter content (Cm). The most sensitive factors LAI and Cab were then
used to construct the LAI鄄canopy reflectance lookup鄄table. The LAI estimates from the PROSAIL
model had good agreement with the reference data, with the coefficient of determination ( R2 )
reached 0. 90. The root mean square error (RMSE) and relative RMSE were 0. 58 and 13郾 0% ,
respectively. However, the mean LAI estimate was higher than the observed value.
Key words: PROSAIL model; Moso bamboo; leaf area index; remote sensing; lookup鄄table.
*浙江省自然科学基金项目(Y3100427)、国家自然科学基金项目
(31070564)、国家重点基础研究发展计划项目(2011CB302705)和浙
江省林业碳汇与计量创新团队项目(2012R10030鄄01)资助.
**通讯作者. E鄄mail: dhqrs@ 126. com
2012鄄12鄄13 收稿,2013鄄06鄄24 接受.
摇 摇 叶面积指数( leaf area index,LAI)指地表植被
柱体内叶子总表面积的一半与柱体底面积之比,是
描述植被冠层几何结构的最基本参数,也是气候模
型、地鄄气相互作用过程等模型的重要输入参数,而
且随着全球变化研究的深入、全球范围和大区域尺
度森林碳循环等模型的建立,LAI 常被作为重要的
输入因子而成为模型中不可缺少的组成部分,而通
过遥感手段获得准确的叶面积指数值一直是遥感应
用的基本任务[1-3] . 利用遥感数据定量反演 LAI 大
致可分为 3 种方法,即统计模型、物理模型、以及统
计模型与物理模型相结合的混合方法,其中,物理模
型主要指双向反射分布函数 ( bidirectional reflec鄄
tance distribution function,BRDF)模型,包括辐射传
输模型、几何光学模型等[4-7] .
应 用 生 态 学 报摇 2013 年 8 月摇 第 24 卷摇 第 8 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇
Chinese Journal of Applied Ecology, Aug. 2013,24(8): 2248-2256
统计模型大多基于植被指数等进行参数遥感反
演,模型比较简单,但模型结构多样,且易受植被类
型、光照条件、观察位置、冠层结构影响,对土壤背景
等非植被因素比较敏感,因而,模型的普遍适用性较
差[8] . Turner等[9]建立了 LAI 植被指数与 3 个植被
指数之间的关系模型,并分析了地形等因素对模型
的影响;Hu 等[10]采用冬季 CASI 成像光谱数据,利
用混合像元分解的方法建立了冠层 LAI与混合像元
分解各分量之间的统计模型,但在夏季,模型会受地
面反射率变异的影响.另外,植被饱和也是统计模型
的一大障碍[11] .
物理模型最大的优势是模型建立在电磁波辐射
传输模型理论和植被生态学理论之上,不受植被类
型等因素的影响,但模型比较复杂,存在模型解的非
唯一性等问题[12] . 陈艳华等[13]采用 PROSAIL 辐射
传输模型并引入土壤反射率指数 SRI 反演 TM叶面
积指数,提出了一种基于不同植被状况的 LAI 反演
策略,结果表明,辐射传输模型反演 LAI有一定的使
用范围,在此范围内反演精度才可靠;Houborg 和
Boegh[14]采用马尔可夫冠层反射率模型 (Markov
chain canopy reflectance model,ACRM)和统计方法
实现了 LAI 和叶绿素的自动反演,并指出 LAI鄄
NDVI、LAI鄄籽nir之间的关系为农作物冠层特征定量反
演描述提供了可靠的方法,但反演过程相对比较复
杂;梁守真等[15]基于 SAILH 模型讨论了植被冠层
NDVI的二向性特征,分析了 SAILH模型输入参数对
NDVI的影响,结果表明,冠层 NDVI 的二向分布随
外界参数的改变发生变化,通常后向散射方向受各
参数的影响小于前向散射方向.
根据统计方法、物理模型的优点,将二者结合起
来定量反演植被冠层参数受到国内外学者的青睐.
Qi等[16]将 LAI鄄植被指数之间的统计模型与 SAIL
模型相结合进行 LAI 反演,并应用于 Landsat TM 数
据和 AVHRR 数据,取得了满意结果;唐世浩等[17]
也探索性地提出了一种基于方向反射率反演 LAI的
新方法,该方法既借鉴了植被指数方法定量反演冠
层参数简单实用的优点,又利用地物的方向反射特
性,取得了较高的反演精度,为基于不同传感器大面
积反演 LAI提供了一种新的思路和构架.
毛竹(Phyllostachys heterocycla var. pubescens)林
是我国亚热带地区(如浙江、安徽、江西、福建等省)
的一种特殊森林类型.近年研究表明,竹林资源特别
是毛竹林具有高效固碳能力,其具有的巨大碳储量
对全球碳平衡的贡献开始受到广泛关注,并逐渐得
到认可,其生物量 /碳储量遥感定量估算、地表参数
定量反演等方面的研究也取得系列成果[18] .但相关
模型主要以统计方法为主,在一定程度上忽视了毛
竹对太阳辐射的吸收、二向反射、透射及其辐射在毛
竹林冠层的传递等物理机制,使模型机理不明确.本
研究以浙江省安吉县山川乡毛竹林为对象,利用辐
射传输模型 PROSAIL 建立毛竹林 LAI鄄冠层反射率
查找表,用 PROSPECT模拟毛竹林叶片反射率和透
射率,将它们与 LAI、Cab等生物物理化学参数输入
到 SAIL模型,得到各种情况下的冠层反射率,并建
立 LAI鄄冠层反射率查找表,然后,对绝对大气校正
后的 Landsat TM 影像的每个像元通过查找表查找
对应反射率下的 LAI,实现毛竹林冠层 LAI 的定量
反演,最后用实测 LAI对反演结果进行验证,以期为
构建具有生物物理意义的、普适性的毛竹林碳储量
遥感定量估算模型奠定基础.
1摇 研究地区与研究方法
1郾 1摇 研究区概况
山川乡位于浙江省安吉县南端,东接余杭、南邻
临安,西北与天荒坪镇接壤(图 1).山川乡境内山青
水秀,环境宜人,年均气温 14. 7 益,水源充沛,年降
水量 1700 mm;竹类资源十分丰富,被喻为“竹乡冶
中的竹乡.
1郾 2摇 样地冠层 LAI测量
2011 年 8 月中旬,选择 11 个坡度较平缓的 30
m伊30 m样地进行调查,在每个样地四角及中心设
置 5 个采样点,并用 WinSCANOPY2009a 冠层分析
仪测量 5 个采样点处的 LAI,最后,取平均值作为
该样地的实测 LAI. 为保证 LAI 分析精度,用
WinSCANOPY2009a测量冠层影像时严格遵循相应
图 1摇 研究区地理位置及毛竹林分布
Fig. 1摇 Location of the study area and distribution of Moso bam鄄
boo forest.
94228 期摇 摇 摇 摇 摇 摇 摇 摇 摇 谷成燕等: 基于 PROSAIL辐射传输模型的毛竹林叶面积指数遥感反演摇 摇 摇 摇 摇 摇
图 2摇 毛竹林冠层影像图(a)和冠层参数分析(b)
Fig. 2摇 Image of Moso bamboo forest (a) and analysis of corre鄄
sponding canopy parameters (b).
使用规范,包括天气晴朗、微风、天空无积云、大气能
见度好、避免太阳直射等.测量时间为 8:00—10:30
或 14:00—17:50. 毛竹林冠层影像及 LAI 分析见
图 2.
1郾 3摇 叶片反射率、背景反射率及叶绿素含量获取
每个样地选取不同年龄毛竹叶 6 ~ 9 片,采用便
携式 ASD (analyzed spectral devices)野外光谱测量
仪获取其反射率. 该仪器的光谱范围:350 ~ 2500
nm;光谱分辨率:3 nm (350 ~ 1000 nm),10 nm
(1000 ~ 2500 nm);扫描时间:100 ms;采样间隔:1. 4
nm (350 ~ 1050 nm),2 nm (1000 ~ 2500 nm);波长
精度:依1 nm;标准参考板:聚四氟乙烯标准白板.每
组叶片测量在 1 min 内完成(参考板和目标). 每次
测量前进行参考板测量和自动优化,测量时仪器自
动获取同一目标 10 组光谱数据,并取平均值作为本
次测量结果.样地土壤背景反射率以多次测量取均
值作为样地土壤背景反射率的观测结果. 叶片叶绿
素含量采用 UV鄄2102C / PC / PCS 型分光光度计进行
测量[19] .
1郾 4摇 TM影像数据及处理
本文中的遥感数据为 2011 年 7 月 30 日 Land鄄
sat TM影像(不包括第 6 波段热红外波段). 采用
1 颐 5万地形图对遥感数据进行几何精校正,并用最
近邻法将像元重采样到 30 m伊30 m,校正总精度
(RMSE)为 0郾 43.基于 FLAASH 模型对影像进行大
气校正,将 DN值转换成绝对反射率,减少或消除大
气的影响[20];结合研究区 1 颐 5 万的数字高程图,选
用 Teillet方法对影像进行地形校正[21],以减少坡
度、坡向等地形因素对分类结果的影响. 最后,采用
最大似然法对影像进行分类,提取山川乡毛竹林分
布信息(图 1).
1郾 5摇 PROSAIL辐射传输模型简介
PROSAIL辐射传输模型耦合了叶片光学特性
模型 PROSPECT和冠层反射率模型 SAIL,并考虑土
壤的非朗伯特性、叶片的镜面反射、植被冠层的热点
效应及叶倾角分布情况,因此能很好地描述均匀植
被冠层的反射特性,从而使模型具有良好的模拟结
果[22] .
PROSPECT模型是 Jacquemoud 和 Baret[23]提出
的基于 ALLEN平板模型改进的辐射传输模型,该模
型通过模拟叶片 400 ~ 2500 nm间隔 5 nm的上行和
下行辐射通量得到叶片反射率(籽l)和透射率(子l).
PROSPECT模型假设每片叶片是由 N层同性层堆叠
而成(N 不一定是整数),由 N鄄1 层气体空间隔开,
它通过一个折射指数 浊 和一个表征叶片叶肉结构
的量来描述散射过程,吸收则通过吸收系数描述,并
可以表示为叶组分含量和相应的特定吸收系数的线
性组合[24] .叶肉界面物质的 浊 接近 1. 4,从 400 到
2400 nm 呈规则递减[25] . 该模型还引入了立体角
赘,由相对于叶平面法线的最大入射角 琢来确定,并
假定光线都是从这个立体角单穿过叶片. 琢 值取
决于反射面的几何结构,但常取其最适值 琢 =
59毅[25-26] .可见,PROSPECT 模型需要 4 个参数,即
琢、浊、酌和结构参数 N. 其中,酌 是 K(组分吸收系数
的线性组合)的函数,如果假设叶的吸收是由水、叶
绿素、蛋白质及木质素加纤维素引起的,则 酌可以由
叶片的生化参数决定[27] . 如果 琢 和 浊 一定,PROS鄄
PECT最终只需要确定 N 和生化组分含量 2 个参
数,模型公式如下:
(籽l,子l)= PROSPECT(N,Cab,Cw,Cm) (1)
式中: 籽l 为叶片反射率;子l 为叶片透射率;N 为叶片
内部结构参数,描述叶子内部细胞结构,与植物的种
类和生长状态(衰老与否)有关,一般情况下单子叶
植物的 N为 1 ~ 1. 5,双子叶植物的 N为 1. 5 ~ 2. 5,
老化 叶 N > 2. 5[28]; Cab 为 叶 片 叶 绿 素 含 量
(滋g·cm-2);Cw 为水含量(g·cm-2);Cm 为叶片干
物质量(g·cm-2).
SAIL模型是在 SUITS模型基础上由 Verhoef[29]
扩充而得,是对 SUITS 模型的改进,模型能够描述水
平均匀植被冠层中直射和上行下行散射光通量的辐
射传输过程.在连续、水平均匀冠层下,以波长、叶片
反射率、叶片透射率等作为模型的输入参数,可以模
拟任意太阳高度和观测方向的冠层反射率[29] . 但
SAIL模型忽略了植被遥感中常见的“热点冶和叶片
的“镜面反射冶问题. Nilson 和 Kuusk[22]对此进一步
改进,使模型模拟值与实际值很好地吻合. SAIL 模
型公式如下:
籽c =SAIL(LAI,LAD,籽l,子l,HOT,Diff,兹v,兹s,渍) (2)
0522 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 24 卷
式中:籽c 为冠层反射率;LAI 为叶面积指数;LAD 为
平均叶倾角;籽l 为叶片反射率;子l 为叶片透射率;
HOT 为热点参数 (叶子的平均大小与冠高之
比) [30];Diff为漫反射系数;兹v 和 兹s 分别为观测天顶
角和太阳天顶角;渍为太阳与观测相对方位角.
将 PROSPECT模型得到的叶片反射率(籽l)和透
射率(子l)以及观测数据、叶面积指数(LAI)、叶倾角
(LAD)等参数输入到 SAIL 模型中,得到植被的冠
层反射率,即完成了从地表植被理化、几何参数和光
谱特性获得植被冠层反射率的过程[31] .
1郾 6摇 基于 PROSAIL模型的毛竹林 LAI反演方法
1郾 6郾 1 参数敏感性分析摇 参数敏感性分析一直被认
为是用来确定模型关键参数,也是控制模型效率非
常有效的过滤工具,也可以帮助理解模型结构,乃至
发现模型缺陷,从而改善模型结构.冠层的生物物理
变量是非独立的,如叶绿素含量的改变可能会导致
叶片含水量、叶片内部结构和叶倾角的变化,因此,
反演前需量化反射率对哪些参数具有高敏感度. 参
数敏感性分析包括定性分析和定量分析,定性分析
通过改变待分析参数的取值(其他参数固定),得到
一系列冠层反射率,通过反射率曲线的变化来反映
该参数敏感性强度[32],而定量分析是考察在某个参
考值 X0 附近一定范围内模型输出冠层反射率的变
化情况.定量分析和定性分析的实质是一样的. 以
X0 为参考点,定量分析的敏感度( s)定义如下[33]:
s =移
n
j = 1
(籽( j)X0 - 籽
( j)
X0+驻X)
2 / 籽(1)X0 (3)
式中:X0 为模型参数;驻X 为参数的步长;籽( j)X0 为模型
某个参数下的原始冠层反射率;籽( j)X0+驻X为模型参数 X0
增加步长 驻X后模拟的冠层反射率值;n为模型参数
增加步长的次数.
1郾 6郾 2 冠层反射率模拟 摇 利用 PROSAIL 模型进行
冠层参数反演的过程中,先通过 PROSPECT 模型模
拟出毛竹叶片反射率,再通过 SAIL模型模拟出毛竹
林冠层反射率. PROSPECT 模型进行毛竹叶片反射
率模拟时,需要先给定研究区实测叶片反射率数据,
不断地调试模型找到一系列最适模型参数,以便由
模型反演的反射率与实测的反射率有较好的匹配,
匹配情况通过误差函数公式验证[34]:
着2 =移
n
j = 1
(P j - P*j ) (4)
式中:P j 为实测反射率;P*j 为模拟反射率.
由PROSPECT模型模拟的毛竹叶片反射率与
实测叶片反射率相关性可以看出,模拟值与实测值
之间线性方程的 R2 = 0. 97,均方根误差(RMSE)为
2. 7% (图 3),说明反演的毛竹叶片反射率精度高,
能够用来进一步模拟毛竹林冠层反射率.
1郾 6郾 3 建立查找表摇 查找表反演 LAI 的方法实际上
是反演前用模型计算出不同的输入鄄输出组合,建立
冠层叶面积指数与冠层反射率之间的对应关系. 本
研究根据 PROSAIL 模型参数敏感性分析结果和检
验数据确定模型输入参数的变动范围及步长,模拟
不同参数组合下的冠层反射率,在模型反演过程中,
本研究的 SAIL 模型 LAI 变化范围在 0. 6 ~ 7;将反
演的冠层反射率建立光谱库,并将反射光谱重采样
到 Landsat TM中心波长处,建立毛竹林 LAI鄄冠层反
射率查找表.
1郾 6郾 4 LAI反演与精度评价 摇 TM 影像经过几何校
正、大气校正、地形校正后,得到各个像元 DN 对应
的冠层反射率. 根据 TM 毛竹林遥感信息图,提取
TM影像 6 个波段像元反射率,并选择 LAI对冠层反
射率变化最敏感的波段参与反演.最后,寻找参与反
演的波段与毛竹林 LAI鄄冠层反射率查找表中对应
波段相关性最大的记录(式 5),则该记录所对应的
LAI作为该像元 LAI的反演结果.
图 3摇 PROSPECT模型模拟的叶片反射率与实测叶片反射率
关系(a)以及 11 个样地的冠层反射率曲线(b)
Fig. 3 摇 Relationships between simulated leaf reflectance using
the PROSPECT model and the measured leaf reflectance ( a),
and canopy reflectance curves of 11 sites (b).
15228 期摇 摇 摇 摇 摇 摇 摇 摇 摇 谷成燕等: 基于 PROSAIL辐射传输模型的毛竹林叶面积指数遥感反演摇 摇 摇 摇 摇 摇
摇 摇 maxR(籽TMi,籽LUTj) =
max[
Cov(籽TMi,籽LUTj)
Cov(籽TMi,籽TMi)Cov(籽LUTj,籽LUTj)
] (5)
式中:R为相关系数;Cov 为协方差;籽TMi为 TM 影像
第 i个像元的反射率;籽LUTj为查找表第 j 个 LAI 对应
的反射率.
利用 11 个样地实测 LAI对反演结果进行评价.
评价参数包括相关系数 ( R2 )、均方根误差 ( root
mean square error, RMSE )、 相 对 均 方 根 误 差
(RMSEr)、偏差(BIAS) [18] . 一般,反演 LAI 与实测
LAI具有较高的 R2和较低的 RMSE意味着反演结果
比较理想,而 BIAS反映平均值的预测情况.
RMSE = 移
n
i = 1
( y^i - yi) 2 / n (6)
RMSEr = RMSE /軃yc 伊 100% (7)
BIAS = 1n移
n
i = 1
( y^i - yi) (8)
式中:y^i 为模型反演值;yi 为实测值;軃yc 为实测平均
值.
2摇 结果与分析
2郾 1摇 冠层模拟结果及模型敏感性分析
通过 PROSAIL模型各输入参数在不同步长下
模拟的冠层反射率可以看出,在可见光波段(蓝、
绿、红,下同),冠层反射率的变化很小,在 800 nm
后,在叶片结构参数(N)不断增加的过程中,反射率
随之增大,但反射率没有明显变化规律;在可见光波
段,随着叶绿素含量(Cab)的增加,冠层反射率显著
下降,在 800 nm后,随着波长的增加,反射率趋于一
致直至重合;在红外波段,冠层反射率随着等效水厚
度(Cw)的增大而显著减小;在 400 ~ 2500 nm 波段,
冠层反射率变化很小,只有在近红外波段处,冠层反
射率随着干物质含量(Cm)的增加而微微减小;在可
见光波段,LAI变化敏感度较低,冠层反射率变化很
小,在红外波段,冠层反射率随着 LAI的增大而显著
增大;800 nm 后,在 ALA 不断增加的过程中,反射
率随之减小,但变化不显著(图 4).
图 4摇 PROSAIL模型各输入参数对冠层反射率的影响
Fig. 4摇 Impacts of the input parameters in the PROSAIL model on canopy reflectance.
N:叶子结构 Leaf structure; Cab:叶绿素含量 Chlorophyll content (滋g·cm-2); Cw:水分含量 Water content (g·cm-2); Cm:干物质含量 Dry mat鄄
ter content (g·cm-2); LAI:叶面积指数 Leaf area index; ALA:平均叶倾角 Average leaf angle. 下同 The same below.
2522 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 24 卷
表 1摇 PROSAIL模型的参数设置*
Table 1摇 Parameters in the PROSAIL models
参数
Parameter
范围
Range
步长
Step
参数
Parameter
范围
Range
步长
Step
叶子结构
Leaf structure (N)
1. 04 - 热点参数
Hot parameter (HOT)
0. 0003 -
叶绿素含量
Chlorophyll content (Cab, 滋g·cm-2)
[35,80] 5 漫反射系数
Diffuse reflection coefficient (Diff)
0. 15 -
水含量
Water content (Cw, g·cm-2)
0. 0035 - 观测天顶角
View angle (兹v)
0毅 -
干物质含量
Dry matter content (Cm, g·cm-2)
0. 003 - 太阳天顶角
Sun zenith angle (兹s)
27毅 -
叶面积指数
Leaf area index (LAI)
[0. 6,7] 0. 05 太阳与观测相对方位角
Relative azimuth of sun and view (渍)
0毅 -
平均叶倾角
Average leaf angle (ALA)
20. 2毅 -
*本研究中因 TM影像边界像元观测方位角偏离星下<7. 5毅,差异较小,为简化模型算法,兹v 和 渍均取 0毅 In this study, the observed azimuth devi鄄
ation for boundary pixels in the TM imagery was less than 7. 5毅 under the stars,the small difference could be ignored, so 兹v and 渍 could be simplified as
0. -:没有步长 No step.
摇 摇 通过以上分析可以发现,在可见光波段范围
(400 ~ 700 nm)内,N、Cw、Cm、LAI、ALA 对毛竹冠层
反射率影响较小,敏感度较低;Cab对毛竹林冠层反
射率的变化影响较显著,主要是因为叶绿素含量的
吸收峰在可见光范围(叶绿素 a 为 430 和 660 nm;
叶绿素 b为 460 和 640 nm),随着叶绿素含量的增
加,吸收也在增加,在 750 nm后,冠层反射率基本一
致;在蓝、绿光波段,LAI 变化敏感度较低,在红光、
近红外、短波红外波段的敏感度较高,随着 LAI的不
断增大,反射率明显下降.各参数敏感性由高到低依
次为:LAI>Cab>N>ALA>Cw>Cm .
由图 5 可以看出,各参数敏感性由高到低依次
为:LAI>Cab>N>ALA>Cw>Cm .这一结果与定性分析
结果(图 3)一致.
2郾 2摇 模型参数的设置与查找表建立结果
由于红、近红外和短波红外 3 个波段对 LAI 敏
感度较高,因此选择 TM 影像中对应的 3、4、5 波段
参与反演.模型敏感性分析表明,LAI和Cab在红、近
图 5摇 PROSAIL模型输入参数敏感性分析
Fig. 5摇 Sensitivity analysis of the input parameters in the PRO鄄
SAIL model.
红外、短波红外(对应 TM 影像的 3、4、5 波段)的敏
感性高,因此,给予这两个参数一定范围和步长(表
1);对于在红、近红外、短波红外波段敏感性较低的
参数,结合山川乡样地实地测量数据及查找文献取
值,即 N、Cw、Cm 取模型模拟最优值,ALA、漫反射系
数(Diff)等取实测的均值.
摇 摇 通过以上设置,PROSAIL 模型共反演 1548 种组
合,由此构建毛竹林 LAI鄄冠层反射率查找表(表 2).
2郾 3摇 毛竹林 LAI反演结果
在处理后的 TM 影像上提取毛竹林 TM3、TM4、
TM5反射率,并根据毛竹林 LAI鄄冠层反射率查找表
(表2),反演得到安吉县山川LAI空间分布图(图6) .
图 6摇 基于 PROSAIL 模型的毛竹林 LAI 反演结果(a)及其
精度评价(b)
Fig. 6 摇 LAI estimates for Moso bamboo forest based on the
PROSAIL model (a) and the accuracy assessment (b).
35228 期摇 摇 摇 摇 摇 摇 摇 摇 摇 谷成燕等: 基于 PROSAIL辐射传输模型的毛竹林叶面积指数遥感反演摇 摇 摇 摇 摇 摇
表 2摇 毛竹林 LAI鄄冠层反射率查找表
Table 2摇 LAI鄄canopy reflectance lookup鄄table for Moso bamboo forest
叶绿素含量
Chlorophyll content
(滋g·cm-2)
叶面积指数
LAI
TM3 TM4 TM5 叶绿素含量
Chlorophyll content
(滋g·cm-2)
叶面积指数
LAI
TM3 TM4 TM5
35 0. 6 0. 056 0. 257 0. 236 65 0. 6 0. 052 0. 257 0. 236
35 0. 65 0. 053 0. 265 0. 240 65 0. 65 0. 049 0. 265 0. 240
35 0. 7 0. 051 0. 272 0. 244 65 0. 7 0. 047 0. 273 0. 245
… … … …
35 6. 9 0. 025 0. 601 0. 382 65 6. 9 0. 021 0. 605 0. 385
35 6. 95 0. 025 0. 602 0. 382 65 6. 95 0. 021 0. 606 0. 385
35 7 0. 025 0. 603 0. 382 65 7 0. 021 0. 606 0. 386
… … … …
50 0. 6 0. 053 0. 257 0. 236 85 0. 6 0. 051 0. 257 0. 236
50 0. 65 0. 050 0. 265 0. 240 85 0. 65 0. 049 0. 265 0. 241
50 0. 7 0. 048 0. 272 0. 244 85 0. 7 0. 046 0. 272 0. 245
… … … …
50 6. 9 0. 022 0. 602 0. 382 85 6. 9 0. 020 0. 605 0. 385
50 6. 95 0. 021 0. 601 0. 382 85 6. 95 0. 020 0. 606 0. 385
50 7 0. 022 0. 603 0. 382 85 7 0. 020 0. 606 0. 386
… …
利用实测 11 个样地 LAI 对模型反演的 LAI 进行精
度评价,结果表明,PROSAIL 反演 LAI 与实测 LAI
具有很好的相关性,R2 = 0. 90,RMSE 和 RMSEr也较
小,分别为 0. 58 和 13. 0% ,说明 PROSAIL模型反演
LAI的估计误差较小;所选样本的 BIAS > 0,说明
PROSAIL模型反演 LAI的平均值有所高估.
由图 7 可以看出,实测叶片反射率与 PROS鄄
PECT模拟的叶片反射率比较接近,但由 SAIL 模型
将叶片反射率转换为冠层反射率后,其值在可见光
波段略低于像元反射率,而在近红外波段却明显高
于像元反射率.说明冠层模拟反射率尤其本研究所
图 7摇 毛竹林反射率光谱曲线
Fig. 7摇 Spectral reflectance curves for Moso bamboo forest.
Observed_11MR:实测叶片平均反射率 Observed average leaf reflec鄄
tance; PROSPECT_11MR:模拟的叶片反射率 Simulated leaf reflec鄄
tance by the PROSPECT model; TM_11MR:TM 数据像元平均反射率
Average pixel reflectance of TM imagery; SAIL_11MR:SAIL 模型模拟
的冠层反射率 Simulated canopy reflectance by the SAIL model.
选择的 TM 3、4、5 波段中的 TM 4、5 波段反射率高
估,可能造成 LAI高估.
3摇 结摇 摇 论
本研究采用 PROSAIL 辐射传输模型建立毛竹
林 LAI鄄冠层反射率查找表,并结合 Landsat TM 卫星
遥感数据,实现了毛竹林 LAI 的定量反演. 结果表
明:1)PROSAIL模型各输入参数的敏感性由高到低
依次为 LAI>Cab>N>ALA>Cw>Cm,并以 LAI、Cab用于
毛竹林 LAI鄄冠层反射率查找表构建.对应于 Landsat
TM影像,其 3、4、5 波段对 LAI 比较敏感,因此选择
这 3 个波段参与 LAI 反演,表明红光和近红外波段
对解释毛竹林参数具有重要作用. 2)基于 PROSAIL
的毛竹林 LAI遥感反演结果与实测 LAI具有很好的
一致性,R2为 0. 90,RMSE 和 RMSEr分别为 0. 58 和
13. 0% .但 PROSAIL模型反演的 LAI 平均值有所高
估,可能原因在于:第一,WinSACANOPY 获取冠层
影像时,易受坡度等地形因子的影响,地形复杂、坡
度较大时,可能导致 WinSACANOPY 在视场范围内
出现冠层叠加现象,从而导致 LAI测量结果减小;另
外,WinSACANOPY冠层分析仪是采用比尔定律计
算 LAI,仪器的设置、天空光等都会造成 LAI 估算出
现误差,使 WinSCANOPY间接测量的 LAI 值可能低
于直接调查的 LAI 值[35-36] . 第二,PROSAIL 模型反
演过程中受到自身参数不确定性及敏感性可能带来
误差的影响,如本研究仅设置了 LAI、Cab为最敏感
4522 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 24 卷
参数,忽视了其他参数,从而影响毛竹林 LAI鄄冠层
反射率查找表的精度,这可以从获取更多的实测参
数和检验样本等方面入手解决.
PROSAIL辐射传输模型耦合了叶片光学特性
模型 PROSPECT与冠层反射率模型 SAIL,考虑了土
壤背景、植被冠层的热点效应及叶倾角分布反射特
征,将叶片尺度反射率转换为冠层尺度反射率,很好
地描述太阳辐射的吸收、二向反射、透射及其辐射在
毛竹林冠层的传递等物理机制,加上模型输入包括
叶绿素等生化组分,使得模型机理较明确.但模型反
演叶面积指数的过程中,因模型参数的获取以及参
数敏感度的多次迭代分析,使得计算量较大.对于大
范围区域,如果逐像元循环查找表来反演 LAI,会降
低计算机的运行速度[33],这有待进一步研究和提
高;鉴于混合模型能够结合统计方法简单、物理模型
过程明确的优点,今后将进一步研究基于混合模型
的毛竹林 LAI反演方法.
致谢摇 感谢安吉县林业局以及安吉县山川乡政府在毛竹林
外业调查方面提供的帮助.
参考文献
[1]摇 Zhang N (张 摇 娜), Yu G鄄R (于贵瑞), Zhao S鄄D
(赵士洞), et al. Ecosystem productivity process model
for landscape based on remote sensing and surface data.
Chinese Journal of Applied Ecology (应用生态学报),
2003, 14(5): 643-652 (in Chinese)
[2]摇 Xu X鄄R (徐希孺), Fan W鄄J (范闻捷), Tao X (陶
欣). Remote sensing inverse spatial scale effect of the
continuous vegetation leaf area index. Science in China
Series D: Earth Sciences (中国科学 D辑:地球科学),
2009, 39(1): 79-87 (in Chinese)
[3]摇 Chen JM, Black TA. Defining leaf area index for non鄄
flat leaves. Plant, Cell & Environment, 1992, 15:
421-429
[4]摇 Liu J (刘 摇 佳), Fan W鄄Y (范文义). Review on
BRDF model and the inversion strategy. Remote Sensing
Technology and Application (遥感技术与应用), 2008,
23(1): 104-109 (in Chinese)
[5]摇 Blackburn GA, Ferwerda JG. Retrieval of chlorophyll
concentration from leaf reflectance spectra using wavelet
analysis. Remote Sensing of Environment, 2008, 112:
1614-1632
[6]摇 Li J, Yan GJ, Mu XH. A parameterized SAILH model
for LAI retrieval. Journal of Remote Sensing, 2010, 14:
1182-1195
[7]摇 Hasegawa K, Matsuyama H, Tsuzuki H, et al. Impro鄄
ving the estimation of leaf area index by using remotely
sensed NDVI with BRDF signatures. Remote Sensing of
Environment, 2010, 114: 514-519
[8]摇 Chen X鄄F (陈新芳), An S鄄Q (安树青), Chen J鄄M
(陈镜明), et al. A review on forest ecosystem biophys鄄
ical parameter retrieval from remotely sensed data. Chi鄄
nese Journal of Ecology (生态学杂志), 2005, 24(9):
1074-1079 (in Chinese)
[9]摇 Turner DP, Cohen WB, Kennedy RE, et al. Relation鄄
ships between leaf area index and Landsat TM spectral
vegetation indices across three temperate zone sites. Re鄄
mote Sensing of Environment, 1999, 70: 52-68
[10]摇 Hu BX, Miller JR, Chen JM, et al. Retrieval of the
canopy leaf area index in the BOREAS flux tower sites
using linear spectral mixture analysis. Remote Sensing of
Environment, 2004, 89: 176-188
[11]摇 Du HQ, Cui RR, Zhou GM, et al. The responses of
Moso bamboo (Phyllostachys heterocycla var. pubescens)
forest aboveground biomass to Landsat TM spectral re鄄
flectance and NDVI. Acta Ecologica Sinica, 2010, 30:
257-263
[12]摇 Jacquemoud S. Inversion of the PROSPECT+SAIL cano鄄
py reflectance model from AVIRIS equivalent spectra:
Theoretical study. Remote Sensing of Environment,
1993, 44: 281-292
[13]摇 Chen Y鄄H (陈艳华), Zhang W鄄C (张万昌), Yong B
(雍摇 斌). A feasibility study of leaf area index inver鄄
sion using radiative transfer model based on TM data.
Remote Sensing for Land & Resources (国土资源遥
感), 2007, 72(2): 44-49 (in Chinese)
[14]摇 Houborg R, Boegh E. Mapping leaf chlorophyll and leaf
area index using inverse and forward canopy reflectance
modeling and SPOT reflectance data. Remote Sensing of
Environment, 2008, 112: 186-202
[15]摇 Liang S鄄Z (梁守真), Shi P (施 摇 平), Zhou D (周
迪). Analysis of NDVI bidirectionality based on SAILH
model. Remote Sensing Information (遥感信息), 2011
(1): 22-27 (in Chinese)
[16]摇 Qi J, Kerr YH, Moran MS, et al. Leaf area index esti鄄
mates using remotely sensed data and BRDF models in a
semiarid region. Remote Sensing of Environment, 2000,
73: 18-30
[17]摇 Tang S鄄H (唐世浩), Zhu Q鄄J (朱启疆), Sun R (孙
睿). Large鄄scale leaf area index based on the direction
of the reflectivity inversion algorithm and its verification.
Progress in Natural Science (自然科学进展), 2006,
16(3): 331-337 (in Chinese)
[18]摇 Du H鄄Q (杜华强), Zhou G鄄M (周国模), Xu X鄄J (徐
小军). Estimation on Satellite鄄based Biomass and Car鄄
bon Stock of Bamboo Forest. Beijing: Science Press,
2012 (in Chinese)
[19]摇 Lu G鄄F (陆国富), Du H鄄Q (杜华强), Zhou G鄄M (周
国模), et al. Dynamic change of Moso bamboo forest
canopy parameters and its relationship with photosynthet鄄
ic active radiation in the bamboo shooting growth phase.
Journal of Zhejiang A&F University (浙江农林大学学
报), 2012, 29(6): 844-850 (in Chinese)
[20]摇 Fan W鄄L (范渭亮), Du H鄄Q (杜华强), Zhou G鄄M
(周国模). Effects of atmospheric calibration on remote
sensing estimation of Moso bamboo forest biomass. Chi鄄
nese Journal of Applied Ecology (应用生态学报),
55228 期摇 摇 摇 摇 摇 摇 摇 摇 摇 谷成燕等: 基于 PROSAIL辐射传输模型的毛竹林叶面积指数遥感反演摇 摇 摇 摇 摇 摇
2010, 21(1): 1-8 (in Chinese)
[21]摇 Dong D鄄J (董德进), Zhou G鄄M (周国模), Du H鄄Q
(杜华强), et al. Effects of topographic correction with
6 correction models on Phyllostachys praecox forest
aboveground biomass estimation. Scientia Silvae Sinicae
(林业科学), 2011, 47(12): 1-8 (in Chinese)
[22]摇 Nilson T, Kuusk A. A reflectance model for the homo鄄
geneous plant canopy and its inversion. Remote Sensing
of Environment, 1989, 27: 157-167
[23]摇 Jacquemoud S, Baret F. PROSPECT: A model of leaf
optical properties spectra. Remote Sensing of Environ鄄
ment, 1990, 34: 75-91
[24]摇 Jacquemoud S, Usti SL, Verdebout J, et al. Estimating
leaf biochemistry using the PROSPECT leaf optical prop鄄
erties model. Remote Sensing of Environment, 1996,
56: 194-202
[25]摇 Niu Z (牛摇 铮), Wang C鄄Y (王长耀). Remote Sens鄄
ing Application for Carbon Cycle. Beijing: Science
Press, 2008 (in Chinese)
[26]摇 Liu Z鄄Y (刘照言), Ma L鄄L (马灵玲), Tang L鄄L (唐
伶俐). Inversion of LAI based on SAIL model with
multi鄄angle and multi鄄spectral remote sensing data. Arid
Land Geography (干旱区地理), 2010, 33(1): 93-98
(in Chinese)
[27]摇 Yan C鄄Y (颜春燕). Study on Methods and Models for
Vegetation Biochemical Information Retrieval by Remote
Sensing. PhD Thesis. Beijing: Institute of Remote
Sensing Applications, Chinese Academy of Sciences,
2003 (in Chinese)
[28]摇 Darvishzadeh R, Skidmore A, Schlerf M, et al. Inver鄄
sion of a radiative transfer model for estimating vegeta鄄
tion LAI and chlorophyll in a heterogeneous grassland.
Remote Sensing of Environment, 2008, 112: 2592-2604
[29]摇 Verhoef W. Light scattering by leaf layers with applica鄄
tions to canopy reflectance modeling the SAIL model.
Remote Sensing of Environment, 1984, 16: 125-141
[30]摇 Wu J鄄L (武佳丽), Gu X鄄F (顾行发), Yu T (余
涛), et al. The algorithm research of LAI inversion of
HJ鄄1 CCD camera data base on SAIL model. Microcom鄄
puter Information (微计算机信息化), 2010, 26(10):
204-206 (in Chinese)
[31]摇 Sun Y (孙 摇 源), Gu X鄄F (顾行发), Yu T (余
涛), et al. Research on the inversion of leaf area index
based on radiative transfer model of HJ鄄IACCD data.
Journal of Anhui Agricultural Sciences (安徽农业科
学), 2011, 39(8): 5012-5015 (in Chinese)
[32]摇 Li S鄄M (李淑敏), Li H (李摇 红), Sun D鄄F (孙丹
峰), et al. Estimation of regional leaf area index by re鄄
mote sensing inversion of PROSAIL canopy spectral
model. Spectroscopy and Spectral Analysis (光谱学与光
谱分析), 2009, 29(10): 2725-2729 (in Chinese)
[33]摇 Li H鄄Y (李海洋), Fan W鄄Y (范文义), Yu Y (于
颖), et al. Leaf area index retrieval based on prospect,
liberty and Geosail models. Scientia Sivae Sinicae (林业
科学), 2011, 47(9): 76-81 (in Chinese)
[34]摇 Privette JL, Emery WJ, Schimel DS. Inversion of a veg鄄
etation reflectance model with NOAA AVHRR data. Re鄄
mote Sensing of Environment, 1996, 58: 187-200
[35]摇 Gao D鄄T (高登涛), Han M鄄Y (韩明玉), Li B鄄Z (李
丙智), et al. The characteristic of light distribution in
apple tree canopy using WinsCanopy2004a. Acta Agri鄄
culturae Boreali鄄occidentalis Sinica (西北农业学报),
2006, 15(3): 166-170 (in Chinese)
[36]摇 Yan T鄄F (阎腾飞), Wang H鄄T (王华田), Geng B
(耿摇 兵), et al. Solar radiation distribution pattern in
canopy interspaces and its seasonal fluctuation in a 25鄄
year鄄old ‘Fuji爷 apple orchard. Chinese Agricultural Sci鄄
ence Bulletin (中国农学通报), 2011, 27(16): 200-
205 (in Chinese)
作者简介摇 谷成燕,女,1988 年生,硕士研究生.主要从事森
林资源遥感监测与信息技术研究. E鄄mail: 409796048@ qq.
com
责任编辑摇 杨摇 弘
6522 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 24 卷