全 文 ：帽儿山地区森林冠层叶面积指数的
地面观测与遥感反演*
朱高龙1,2 摇 居为民1**摇 Jing M. Chen3 摇 范文义4 摇 周艳莲5 摇 李显风1 摇 李明泽4
( 1 南京大学国际地球系统科学研究所, 南京 210093; 2 闽江学院地理科学系,福州 350108; 3Department of Geography, Univer鄄
sity of Toronto, Ontario M5S 3G3, Canada; 4 东北林业大学林学院, 哈尔滨 150040; 5 南京大学地理与海洋科学学院, 南京
210093)
摘摇 要摇 叶面积指数 ( leaf area index, LAI) 是陆地生态系统最重要的结构参数之一,遥感和
基于冠层孔隙率模型的光学仪器观测是快速获取 LAI的有效方法,但由于植被叶片的聚集效
应,这些方法通常只能获取有效叶面积指数 (effective LAI, LAIe) .本文以东北林业大学帽儿
山实验林场为研究区,利用 LAI2000 观测森林冠层 LAIe,并结合 TRAC 观测的叶片聚集度系
数估算了森林冠层 LAI,并通过分析基于 Landsat5鄄TM 数据计算的不同植被指数与 LAIe 之间
的关系,建立了该区森林 LAI 遥感估算模型. 结果表明:研究区阔叶林的 LAI 和 LAIe 基本相
当,而针叶林的 LAI 比 LAIe 大 27% ;减化比值植被指数 ( reduced simple ratio,RSR) 与该区
LAIe 的相关性最好(R2 =0郾 763,n=23),最适合该区 LAI的遥感提取.当海拔<400 m时,LAI随海
拔高度的上升而快速增大;当海拔在 400 ~ 750 m时,LAI 随海拔高度的上升缓慢增大;当海拔
>750 m时,LAI呈下降趋势.研究区森林冠层 LAI与森林地上生物量存在显著的正相关关系.
关键词摇 叶面积指数摇 叶片聚集度系数摇 LAI2000摇 TRAC
*国家高技术研究发展计划项目(2009AA12Z134)资助.
**通讯作者. E鄄mail: juweimin@ nju. edu. cn
2009鄄12鄄30 收稿,2010鄄06鄄21 接受.
文章编号摇 1001-9332(2010)08-2117-08摇 中图分类号摇 Q948; TP79摇 文献标识码摇 A
Forest canopy leaf area index in Maoershan Mountain: Ground measurement and remote
sensing retrieval. ZHU Gao鄄long1,2, JU Wei鄄min1, Chen JM3, FAN Wen鄄yi4, ZHOU Yan鄄lian5, LI
Xian鄄feng1, LI Ming鄄ze4 (1International Institute for Earth System Science, Nanjing University, Nan鄄
jing 210093, China; 2Department of Geography, Minjiang University, Fuzhou 350108, China;
3Department of Geography, University of Toronto, Ontario M5S 3G3, Canada; 4College of Forestry,
Northeast Forestry University, Harbin 150040, China; 5School of Geographic and Oceanographic Sci鄄
ences, Nanjing University, Nanjing 210093, China) . 鄄Chin. J. Appl. Ecol. ,2010,21(8): 2117-2124.
Abstract: Leaf area index (LAI) is one of the most important structural parameters of terrestrial
ecosystem, while the remote sensing retrieval and the ground optical instrument measurement and
based on canopy gap model are the effective approaches to rapidly obtain LAI. However, these two
approaches can only acquire effective LAI (LAIe), due to the clumping of vegetation canopy. Tak鄄
ing the experimental forest farm of Northeast Forestry University at Maoershan Mountain in Hei鄄
longjiang Province of Northeast China as study site, this paper measured the forest canopy LAIe by
LAI2000, and estimated the LAI by the combination of TRAC (tracing radiation and architecture of
canopies) measurement of foliage clumping index. A LAI remote sensing retrieval model was con鄄
structed through the analysis of the relationships between different vegetation indices calculated from
Landsat5鄄TM and measured LAIe . The results showed that at the study site, the LAI of broad leaved
forests was close to the LAIe, but the LAI of needle leaved forests was 27% larger than the LAIe .
Reduced simple ratio index (RSR) had the highest relationship with measured LAIe(R2 =0郾 763, n
=23), which could be used as the best predictor of LAI. The LAI at study site increased rapidly
with increasing elevation when the elevation was below 400 m, but had a slow increase when the el鄄
应 用 生 态 学 报摇 2010 年 8 月摇 第 21 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
Chinese Journal of Applied Ecology, Aug. 2010,21(8): 2117-2124
evation was from 400 m to 750 m. When the elevation was above 750 m, the LAI decreased. There
was a significant correlation between the forest canopy LAI and aboveground biomass.
Key words: leaf area index; foliage clumping index; LAI2000; TRAC.
摇 摇 叶面积指数(leaf area index,LAI)指单位地表面
积上总绿叶面积的一半[1],是陆地表层生态系统最
重要的结构参数之一,也是水文、生态、生物地球化
学和气候等模型所需的关键参数[2-5],但准确快速
获取大面积的 LAI却相当困难.目前,获取 LAI 的方
法大致可分为直接和间接获取法两大类. 直接获取
法主要包括异速生长回归法、探针法、落叶收集法
等,这些方法大多需要破坏性采样,且费时费力,只
能用于获取小范围的 LAI. 间接获取法主要包括光
学仪器测定法和遥感反演法,其中,光学仪器(如 Li鄄
Cor LAI2000、TRAC、CID Digital Plant Canopy Ima鄄
ger、Decagon Sunfleck Ceptometer、Demon、Hemispher鄄
ical Photography等)可通过测定透过冠层的太阳直
射光或散射光的辐射量获取冠层孔隙率,进而估算
LAI.相对于直接观测方法而言,光学仪器测定法具
有快捷方便的优势,但仍然难以获取大面积的 LAI.
随着遥感技术的发展,遥感反演成为行之有效地获
取区域 LAI 的方法[6] . 遥感反演 LAI 的方法可分为
统计模型和遥感物理反演模型两大类:遥感物理模
型反演 LAI的物理意义明确,但存在模型参数多且
不易确定、计算量大、耗时长等不足;统计模型是传
统的 LAI遥感反演方法,在多光谱和高光谱领域都
得到了广泛的研究与应用[7] . 统计模型虽然存在模
型参数随时间和地点而变化的缺陷,但具有参数少、
计算效率高、容易实现等优点,常被应用于利用高分
辨率遥感数据获取小区域的 LAI,以验证中分辨率
遥感数据反演生成的 LAI产品精度.
大量试验表明,植被指数与 LAI 存在密切的关
系[8],这是统计模型反演 LAI的理论基础.但由于植
被叶片的聚集效应,基于孔隙率模型的光学仪器测
量或遥感反演方法通常只能获取有效叶面积指数
(effective LAI,LAIe,含非绿叶部分的贡献). 为了更
精确地研究地表生态系统与大气间的相互作用,需
要获取真实的 LAI,而不是 LAIe . 为此,本文利用
TRAC与 LAI2000 两种仪器组合观测了东北林业大
学帽儿山实验林场森林冠层 LAI,并根据 Landsat5鄄
TM数据利用统计模型反演了研究区森林冠层 LAIe
与 LAI,评估了叶片聚集效应对不同植被类型 LAI遥
感估算的影响,旨在为验证或评价 MODIS 等光谱数
据反演 LAI的可靠性提供参考.
1摇 研究地区与研究方法
1郾 1摇 研究区概况
研究区为位于黑龙江省尚志市境内的东北林业
大学帽儿山实验林场(45毅15忆—45毅29忆 N,127毅28忆—
127毅43忆 E),南北长 26 km,东西宽 20 km,总面积约
26620 hm2 .该区属长白山系支脉张广才岭西北部小
岭余脉,境内平均海拔 428 m,最高海拔 817 m,平均
坡度 14郾 2毅,属低山丘陵缓坡地形.该地属温带季风
气候,冬季寒冷干燥,夏季温暖多雨,年降水量
723郾 8 mm;地带性土壤为典型暗棕壤[9];植被属长
白植物区系,原始地带性植被为阔叶红松林,现为东
北东部山区较典型的天然次生林区,次生林类型多
样且具有代表性,群落类型有硬阔叶林、软阔叶林、
针叶林、针阔混交林,平均林龄 50 年.研究区主要阔
叶树种有水曲柳 (Fraxinus mandshurica)、胡桃楸
(Juglans mandshurica)、椴树(Tilia amurenisis)、榆树
(Ulmus pumila)、色木 ( Acer mono)、柞树 ( Querus
mongolica)、白桦(Betula phatyphylla)、杨树(Populus
davidiana)、枫桦(Betula costata) 等,主要针叶树种
有落叶松 ( Larix gmelinii)、樟子松 (Pinus sylvestris
var. mongolica)、红松(Pinus koraiensis)、赤松(Pinus
densiflora)等.
1郾 2摇 叶面积指数的地面观测
1郾 2郾 1 观测原理摇 LAI2000 在半球角度观测透过冠
层的天空散射光,巧妙地解决了不同叶倾角分布对
LAI观测的影响,它假定叶片的空间分布是随机的,
但大多情况下,叶片在树群、树冠、树枝、叶簇等不同
层次上都呈现不同程度的聚集现象,因此,LAI2000
测量往往低估了 LAI[10] . LAI2000 测定的是 LAIe [11],
其中还包含非绿叶部分 (树干、树枝、枯枝等) 的贡
献. LAI可用下式[12]估算:
LAI = (1 - 琢)LAIe / 赘 (1)
式中:琢为树干和树枝等非绿叶要素对 LAIe 的贡献
率,与植被类型和林龄有关;赘 为叶片聚集度系数
(foliage clumping index),与植被类型密切相关,由
叶片空间分布特征确定,如果叶片空间分布是随机
的,则 赘 = 1,如果叶片是聚集分布,则 赘 < 1.
TRAC 通过观测的孔隙大小分布特征推算
赘[13] .但对于针叶林而言,由于太阳直射光的半影
8112 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 21 卷
效应,TRAC无法观测到尺度小于针簇的针叶聚集
效应,仅能测定尺度大于针簇 (如树群、树冠、树枝
等) 的聚集度系数(赘E),赘E 与 赘的关系为[14]:
赘 = 赘E / 酌E (2)
式中:酌E 为簇内所有针叶的总表面积与整簇总表面
积的比值(needle鄄to鄄shoot area ratio),阔叶林 酌E =
1,针叶林 酌E > 1,该参数与树种有关.
由于 TRAC仅利用单一天顶角的太阳直射透射
光估算 LAIe,而 LAI2000 利用半球空间的天空散射
透射光估算 LAIe,因此 LAI2000 获取的 LAIe 比
TRAC 获取的 LAIe 更可靠. 本研究尝试利用
LAI2000 获取森林冠层 LAIe,利用 TRAC 获取 赘,再
通过式(1)计算森林冠层 LAI.
1郾 2郾 2 野外测量与数据处理 摇 2009 年 7 月 12—20
日,在研究区进行实地考察和观测.结合研究区 1 颐
5 万地形图及林相图,选择 23 个不同类型且有代表
性的森林样区,包括 12 个针叶林样区、10 个阔叶林
样区和 1 个针阔混交林样区. 考虑到地形及地表均
质性对观测结果的影响,样区设置在地势相对平坦、
优势树种比较单一、树木空间分布相对均匀、面积大
于 100 m伊100 m处,这些样区在研究区内尽量均匀
分布,基本涵盖了研究区的全部林分类型和主要树
种.在每个样区内,沿垂直于太阳直射光方向布设 2
条相互间隔 25 m、长 50 m的测线,用 TRAC 进行观
测采样,在每条 TRAC 测线上每隔 10 m 用 LAI2000
观测采样(图 1).用 GPS 手持接收机获取样区中心
的经纬度及海拔高度,同时采集样区群落优势种、树
高、树冠高、胸径、叶片大小、郁闭度、每公顷株数以
及坡向、坡度等基础数据.
为了排除草本层对森林冠层 LAI 观测的影响,
LAI2000 和 TRAC测量位置距地表的高度为 1郾 2 m.
LAI2000 测量时间为阴天或日落时,TRAC测量时间
为晴天的 9:30—15:30.为了提高观测精度,使用两
台型号相同且经过相互定标的 LAI2000 进行同步测
图 1摇 LAI观测样地示意图
Fig. 1摇 Sketch map of plot for LAI measurement.
量,两台 LAI2000 均使用 90毅视角盖,一台置于林外
开阔的空地上每隔 30 s 测量一个值(A),另一台在
样区测量冠层下的值(B),将测量时间最接近的 A
值插入到对应的 B 值后计算 LAIe .考虑到天顶角最
大的 A值第 5 圈数据可能存在地物遮挡影响以及
相对严重的蓝光多次散射影响,本研究仅用
LAI2000 的 1 ~ 4 圈数据计算 LAIe . 每个样区内 12
个测点的 LAIe 平均值作为该样区的 LAIe 值.
用 TRAC沿样线匀速测量(0郾 3 m·s-1),每 10
m作为一个采样单元. 由于天气原因,23 个样区中
有一个落叶松样区没有获取到 TRAC 测量数据.
TRAC测量数据采用 TRAC WIN 软件处理,输入样
区经纬度、叶片特征宽度、琢 和 酌E 等参数 (经纬度
和叶片特征宽度由野外实测,琢和 酌E 根据野外实地
目测数据并参考文献[15-16]确定),得到每个采样
单元的 赘、LAIe 和 LAI,以 10 个采样单元的平均值作
为该样区的观测结果.
1郾 3摇 遥感数据的预处理
本研究使用的遥感数据为 2009 年 6 月 24 日的
一景 Landsat5鄄TM 数据,获取时太阳高度角为
61郾 3毅,太阳方位角为 134郾 7毅.利用精确的地面控制
点和高精度的 DEM 数据对 TM 数据分别进行几何
和地形校正,几何校正的总体误差控制在 1 个像元
以内.对经过订正的 TM 影像用研究区边界矢量图
裁剪,并进行辐射定标. 利用 ENVI4郾 5鄄FLAASH 模
块中的气溶胶模型,输入 TM3 与 TM7 波段数据,获
取研究区大气能见度参数,再与其他参数输入 6S模
型进行大气校正,最后生成研究区地表反射率图像,
投影方式为 UTM / WGS84,空间分辨率为 30 m.
1郾 4摇 有效叶面积指数遥感模型的构建
常用于估算有效叶面积指数(LAIe)的植被指数
包括比值植被指数(SR) [17]、归一化差值植被指数
(NDVI) [18]、垂直植被指数(PVI) [19]、土壤调节植被
指数(SAVI) [20]、修正的比值植被指数(MSR) [21]、
大气阻抗植被指数(ARVI) [22]、修正的归一化差值
植被 指 数 ( MNDVI ) [23]、 减 化 比 值 植 被 指 数
(RSR) [24]等. 本研究选用常用于估算 LAI、且可从
TM数据中生成的 SR、NDVI、SAVI、ARVI、RSR 和
MNDVI 6 种植被指数(表 1)进行建模.将 GPS 测定
的各样区坐标经过投影变换后与 TM 影像叠加. 由
于样区大小为 50 m伊50 m,所以以样区 GPS 定位坐
标为中心,在 TM影像上提取 2伊2 邻域像元的地表
反射率平均值,分别计算以上 6 种植被指数,通过比
较植被指数与 LAI2000 测定的 LAIe 之间的关系,建
立 LAIe 的遥感估算模型.
91128 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 朱高龙等: 帽儿山地区森林冠层叶面积指数的地面观测与遥感反演摇 摇 摇 摇 摇 摇
表 1摇 植被指数的计算公式
Tab. 1摇 Formulations of vegetation indices
植被指数
Vegetation index
计算公式
Formulation
比值植被指数 SR NIR / R
归一化植被指数 NDVI (NIR-R) / (NIR+R)
土壤调节植被指数 SAVI (NIR-R) / (NIR+R+L)伊(1+L)
大气阻抗植被指数 ARVI (NIR-RB) / (NIR+RB),RB = R-酌
(B-R)
减化比值植被指数 RSR SR 伊 [ 1 - ( SWIR - SWIRmin ) /
(SWIRmax 鄄SWIRmin)]
修正的归一化差值植被
指数 MNDVI
NDVI 伊 [ 1 - ( SWIR鄄SWIRmin ) /
(SWIRmax-SWIRmin)]
B、R、NIR、SWIR分别是 TM1、TM3、TM4、TM5 波段的地表反射率 B,
R, NIR and SWIR were the surface reflectance in TM1, TM3, TM4 and
TM5 bands, respectively郾 L为土壤调整参数,取为 0郾 5 L was the soil鄄
adjusted parameter, and it equals 0郾 5 here郾 酌是与气溶胶类型和性质
有关的参数,取值为 1郾 0 酌 was an atmospheric self鄄correcting factor
which depended on aerosol types, and it equaled 1郾 0 here郾 SWIRmax、
SWIRmin分别为完全郁闭冠层和开放冠层的 TM5 波段反射率,分别
取 TM5 反射率直方图两端 1%处的反射率值 SWIRmax and SWIRmin
were the maximum and minimum surface reflectance in TM5 band, re鄄
spectively. SWIRmax and SWIRmin were defined as the 1% maximum and
minimum cutoff points in the histograms of TM5 band reflectance.
1郾 5摇 森林冠层有效叶面积指数图和叶面积指数图
的生成
以研究区林相图和实际采样数据为参考,利用
ERDAS 9郾 2 对 TM影像进行监督分类,获取云和云
影覆盖区,再与栅格化的 30 m 分辨率的林相图叠
加,剔除农地、居民地等非森林区域以及云和云影覆
盖区,生成研究区的森林类型 (针叶、阔叶和混交
林)分布图,根据计算的 RSR得到研究区 30 m分辨
率的 LAIe 图(LAIe = 0郾 4939RSR+0郾 5185).在此基础
上,逐像元对针叶林、阔叶林、针阔混交林分别赋予
表 2 中相应的 琢 与 赘值,按式 (1) 进行图像运算,
生成 30 m分辨率的森林冠层 LAI图.
2摇 结果与分析
2郾 1摇 帽儿山地区森林冠层叶面积指数地面观测数
据分析
TRAC观测的研究区阔叶林中大于针簇的聚集
度系数(赘E)的平均值比针叶林小 0郾 11,针叶林中所
有尺度的聚集度系数(赘)在 0郾 55 ~ 0郾 68,平均值为
0郾 63,标准差为 0郾 04,这与 Chen等[16]在加拿大北部
针叶林的观测结果较接近;阔叶林样区的 赘在 0郾 75
~ 0郾 89,平均值为 0郾 83,标准差为 0郾 05;针阔混交林
的 赘为 0郾 75. LAI2000 与 TRAC 观测的 LAIe 具有较
高的相关性(R2 = 0郾 812,图 2). 但 LAI2000 观测的
所有样区 LAIe 平均值较 TRAC 的观测结果低 0郾 46
(偏低幅度达 12郾 5% ),其中,11 个针叶林样区 LAIe
的平均值低 0郾 19,10 个阔叶林样区 LAIe 的平均值
低 0郾 71 (表 2). 当 LAIe 较大时,LAI2000 观测结果
较 TRAC观测结果的偏低尤为明显(图 2).
由于 LAI2000 获取的 LAIe 比 TRAC 更可靠,因
此将 LAI2000 观测的 LAIe 和 TRAC 观测的 赘 代入
式(1)计算森林的真实 LAI(下文简称组合法),比用
TRAC或鱼眼半球摄影方法直接获取的 LAI 更准
确[16] . LAI2000 与 TRAC组合法观测的 LAI与 TRAC
观测的 LAI 的变化趋势基本一致 (R2 = 0郾 882,图
3),但在大部分样区,使用组合法得到的 LAI 比用
TRAC直接获取的 LAI偏低(表 2),这种现象在阔叶
林样区更明显,仅在 1 个幼龄白杨树样区中,组合法
得到的 LAI 高于 TRAC 的观测结果. 使用组合法得
到的 22 个样区 LAI 的平均值比 TRAC 观测数据偏
低 11郾 6% ,这种偏低主要是由于 LAI2000 观测的
LAIe 偏低所致. 这与 Chen 等[16]在加拿大通量网络
观测站的研究结果基本一致.
2郾 2摇 帽儿山地区森林冠层有效叶面积指数遥感统
计模型
由 图 4可以看出 , SAVI与 LAIe 的相关性最
图 2摇 TRAC与 LAI2000 观测的 LAIe
Fig. 2摇 LAIe measured using TRAC and LAI2000.
图 3摇 TRAC观测的 LAI与 TRAC和 LAI2000 组合计算的 LAI
Fig. 3 摇 LAI measured using TRAC and LAI calculated from
LAI2000 and TRAC.
0212 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 21 卷
表 2摇 TRAC与 LAI2000 观测结果的比较
Tab. 2摇 Comparison of measured results by LAI2000 and TRAC
林型
Forest type
林分类型
Stand type
琢 酌E 赘E 赘 LAIe
(TRAC)
LAI
(TRAC)
LAIe
(LAI2000)
LAI
(TRAC+
LAI2000)
针叶林 Lg,Ps 0郾 2 1郾 5 0郾 83 0郾 55 4郾 61 6郾 64 4郾 24 6郾 13
Needleleaved Lg 0郾 2 1郾 5 0郾 93 0郾 62 4郾 01 5郾 18 4郾 06 5郾 24
forest Lg 0郾 2 1郾 5 0郾 94 0郾 63 3郾 75 4郾 81 4郾 13 5郾 27
Lg 0郾 2 1郾 5 0郾 97 0郾 65 4郾 59 5郾 69 3郾 75 4郾 64
Lg 0郾 2 1郾 5 0郾 93 0郾 62 4郾 28 5郾 52 3郾 71 4郾 79
Lg 0郾 2 1郾 5 0郾 97 0郾 65 3郾 13 3郾 88 3郾 35 4郾 14
Lg - - - - - - 3郾 80 -
Ps 0郾 2 1郾 45 0郾 97 0郾 67 2郾 68 3郾 2 2郾 71 3郾 24
Ps 0郾 2 1郾 45 0郾 99 0郾 68 4郾 6 5郾 38 4郾 29 5郾 03
Ps 0郾 2 1郾 45 0郾 87 0郾 60 5郾 44 7郾 24 4郾 55 6郾 07
Ps,Pk 0郾 2 1郾 5 0郾 97 0郾 65 3郾 16 3郾 89 3郾 43 4郾 25
Pk 0郾 2 1郾 55 0郾 95 0郾 61 3郾 58 4郾 67 3郾 44 4郾 49
平均值 Average - - 0郾 94 0郾 63 3郾 98 5郾 10 3郾 79 4郾 84
阔叶林 Jm 0郾 15 1郾 0 0郾 81 0郾 81 3郾 87 4郾 07 2郾 52 2郾 65
Broadleaved Jm 0郾 15 1郾 0 0郾 76 0郾 76 2郾 3 2郾 58 1郾 65 1郾 84
forest Qm,Pd 0郾 15 1郾 0 0郾 87 0郾 87 6郾 19 6郾 06 5郾 24 5郾 12
Om,Pd 0郾 15 1郾 0 0郾 81 0郾 81 5郾 54 5郾 81 4郾 39 4郾 60
Bp,Fm 0郾 15 1郾 0 0郾 75 0郾 75 3郾 17 3郾 61 3郾 06 3郾 47
Pd 0郾 15 1郾 0 0郾 81 0郾 81 1郾 09 1郾 14 1郾 62 1郾 70
Pd 0郾 15 1郾 0 0郾 86 0郾 86 1郾 63 1郾 62 1郾 32 1郾 30
Ta,Bp 0郾 15 1郾 0 0郾 86 0郾 86 6郾 05 5郾 99 5郾 36 5郾 30
Ta,Qm 0郾 15 1郾 0 0郾 89 0郾 89 6郾 12 5郾 84 5郾 63 5郾 38
Ta,Am,Up 0郾 15 1郾 0 0郾 89 0郾 89 6郾 32 6郾 04 4郾 39 4郾 19
平均值 Average - - 0郾 83 0郾 83 4郾 23 4郾 28 3郾 52 3郾 55
针阔混交林
Mixed broadleaved and
needleleaved forest
0郾 15 1郾 3 0郾 97 0郾 75 4郾 66 5郾 3 3郾 84 4郾 37
平均值 Average - - 0郾 89 0郾 73 4郾 13 4郾 73 3郾 67 4郾 24
赘由式 (2) 计算得到 赘 was calculated using Eq郾 (2); LAI(TRAC+LAI2000) 由式 (1) 计算得到,式(1)中 LAIe 来自 LAI2000 测量值,赘E 来自
TRAC测量值,琢和 酌E 通过野外实地目估并参考经验值确定[15-16] LAI(TRAC+LAI 2000) was calculated using Eq郾 (1), where LAIe was from
measuremends by LAI2000, 赘E was from measured TRAC, and 琢 and 酌E were determinated by field survey and empirical values[15-16] . Lg:落叶松 Larix
gmelinii; Ps:樟子松 Pinus sylvestris var. mongolica; Pk:红松 Pinus koraiensi; Jm:胡桃楸 Juglans mandshurica; Qm:柞树 Querus mongolica; Pd:杨树
Populus davidiana; Bp:白桦 Betula phatyphylla; Fm:水曲柳 Fraxinus mandshurica; Ta:椴树 Tilia amurenisis; Am:色木 Acer mono; Up:榆树 Ulmus
pumila.
差(R2 =0郾 316);SR、NDVI、MNDVI与 LAIe 的相关性
稍好,R2 在 0郾 467 ~ 0郾 486,但 NDVI、MNDVI 在 LAIe
高值区的饱和现象较明显,这与很多研究结果一致;
ARVI与 LAIe 的相关性较好(R2 = 0郾 543),这是由于
ARVI引进了蓝波通道,减小了由大气汽溶胶引起
的大气散射对红波段的影响;RSR与 LAIe 的相关性
最好(R2 =0郾 763),离散度最小,证明了在引进短波
红外通道后,RSR 能有效抑制背景的影响,并降低
了对覆盖类型变化的敏感性,这与 Brown 等[24]的研
究结果一致.当 LAIe<3 时,除 RSR 以外的其他 5 个
植被指数与 LAIe 间的相关性较差,对于 SR 和 SAVI
而言,该现象尤为明显,这是由于当森林较稀疏时
(LAIe<3),遥感得到的反射包含了大量背景信息,
根据遥感资料计算的植被指数与观测的冠层 LAIe
之间的相关性较低.而 RSR利用短波红外反射信息
对 SR进行订正,既保持了 SR对 LAIe 变化敏感的优
点,也有效地消除了背景反射干扰,提高了森林稀疏
(LAIe<3)时 LAIe 估算的精度.
2郾 3摇 帽儿山地区森林冠层有效叶面积指数与叶面
积指数的比较
研究区阔叶林 LAI 与 LAIe 的平均值差别不大,
这是由于阔叶林树干、树枝等非绿叶部分对叶面积
指数的贡献与阔叶林的叶片聚集效应基本相当;针
叶林 LAI平均值比 LAIe 平均值高 27% ,这主要是由
于簇内针叶聚集效应所致;混交林 LAI 平均值比
LAIe 平均值高 13% (表 3). 因此,估算针叶林和混
交林真实叶面积指数时必须考虑叶片的聚集效应.
LAIe 和 LAI的高值区主要出现在研究区中部和东部
12128 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 朱高龙等: 帽儿山地区森林冠层叶面积指数的地面观测与遥感反演摇 摇 摇 摇 摇 摇
图 4摇 基于 Landsat5鄄TM数据计算的不同植被指数与 LAI2000 观测的 LAIe 之间的关系
Fig. 4摇 Relationships between LAIe measured using LAI2000 and vegetation indices derived from Landsat5鄄TM data.
地区,南部、西部和北部地区的 LAIe 和 LAI 相对较
低 (图 5).
2郾 4摇 帽儿山地区森林冠层叶面积指数随海拔高度
的变化
用研究区 30 m分辨率的 DEM提取每一海拔高
度所对应的 LAI、坡度平均值和林龄平均值 (林龄数
据来自东北林业大学的帽儿山森林资源调查数据
库).研究区 LAI随海拔的变化可分为 3 段 (图 6):
1)海拔在 250 ~ 400 m 时,LAI 从 3郾 2 较快增加到
4郾 5,平均林龄也
图 5摇 研究区森林冠层 30 m分辨率 LAIe(a)与 LAI (b)
Fig. 5摇 Forest canopy LAIe(a) and LAI (b) at 30 m resolution in the study area.
图中黑色区域为农田、居住地等非森林区或云覆盖区 The black color represented non鄄forest (croplands, resident areas) or cloudy areas.
2212 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 21 卷
图 6摇 研究区 LAI、林龄、坡度与海拔高度的关系
Fig. 6摇 Correlations of altitude with LAI, forest age and slope in the study area.
图 7摇 研究区森林冠层 LAI与地上生物量的关系
Fig. 7摇 Relationships between LAI of forest canopy and aboveground biomass in the study area.
a) 阔叶林 Broadleaved forest; b) 针叶林 Needleleaved forest.
表 3摇 研究区不同类型森林 LAIe 与 LAI的统计结果*
Tab. 3摇 Statistics results of LAIe and LAI of different for鄄
ests in the study area
森林类型
Forest type
最小值
Minimum
最大值
Maximum
平均值
Average
标准差
SD
针叶林 LAIe 1郾 21 6郾 53 3郾 79 0郾 72
Needleleaved forest LAI 1郾 53 8郾 30 4郾 82 0郾 92
阔叶林 LAIe 1郾 12 8郾 79 4郾 25 0郾 63
Broadleaved forest LAI 1郾 15 9郾 01 4郾 36 0郾 65
针阔混交林 LAIe 1郾 23 6郾 91 4郾 13 0郾 68
Mixed forest LAI 1郾 40 7郾 83 4郾 68 0郾 78
*针叶林、阔叶林和针阔混交林的统计像元总数分别为 25946、
192807 和 11985 The pixel counts of the needleleaved forest, the broad鄄
leaved forest, and the mixed broadleaved and needleleaved forest were
25946, 192807, and 11985, respectively.
从 27 年较快增加到 48 年;2) 海拔在 400 ~ 750 m
时,LAI从 4郾 5 缓慢增加到 5郾 0,这是由于该段平均
林龄在 60 年上下变化,为成熟林,使 LAI 的变化相
对较小;3) 海拔>750 m时,LAI总体呈下降趋势,这
是因为海拔大于 750 m地表 (如帽儿山主峰等) 的
坡度较大,不利于森林生长.
2郾 5摇 帽儿山地区森林冠层叶面积指数与生物量的
关系
从帽儿山森林资源调查数据库提取林龄大于
10 年的生物量数据,生成与 LAI 图像空间匹配的 30
m分辨率的生物量格网数据,分别统计针叶林与阔
叶林的 LAI值间隔为 0郾 1 的生物量平均值,并生成
LAI与生物量的关系图(图 7). 从中可见,当研究区
阔叶林 LAI<3郾 6 时,生物量随 LAI 的增加而降低;当
LAI>3郾 6 时,生物量与 LAI 之间的相关性很好,随
LAI的增加而线性增加.针叶林的 LAI随生物量增加
呈线性增加(R2 =0郾 937),说明在研究区可以利用遥
感资料推算 LAI,进而估算针叶林的生物量.
3摇 结摇 摇 论
本研究结果表明,用 LAI2000 和 TRAC 观测的
阔叶林 LAI与 LAIe(包含非绿叶部分贡献) 值比较
接近,这是由于非绿叶部分对 LAI 的贡献和叶片聚
集效应对 LAI观测结果的影响基本相当. 针叶林的
簇内针叶存在明显的聚集效应,11 个针叶林样区的
赘平均值为 0郾 63,LAI 比 LAIe 大 27% .因此,在进行
针叶林的 LAI观测时必须充分考虑叶片的聚集度系
数.
本研究用 TRAC获取其他仪器难以测量的叶片
聚集度系数,用 LAI2000 获取相对可靠的 LAIe,然后
32128 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 朱高龙等: 帽儿山地区森林冠层叶面积指数的地面观测与遥感反演摇 摇 摇 摇 摇 摇
估算了森林冠层 LAI.参数 酌E 和 琢 对 LAI 的观测结
果具有显著影响,由于条件限制,本研究采用目测方
法并参照以往的研究成果对其进行确定,可能存在
误差,有待今后改进. 本文中 TRAC 观测的 LAI 比
LAI2000 和 TRAC 组合方法观测的 LAI 高 11郾 6% ,
该结论的可靠性还有待于利用直接方法观测的 LAI
数据进行进一步验证.
不同植被指数与研究区森林冠层 LAI 的相关性
相差很大,其中,RSR 与 LAIe 的相关性最好 (R2 =
0郾 763),适于该区 LAI的遥感估算,但所建模型还有
待于进行进一步验证.随着海拔高度的增加,LAI 呈
上升趋势,主要是因为随着海拔高度的增加,林龄有
所增大.遥感获取的 LAI 可用于研究区森林生物量
的估算.
参考文献
[1]摇 Chen JM, Black TA. Defining leaf area index for non鄄
flat leaves. Plant, Cell and Environment, 1992, 15:
421-429
[2]摇 Sellers PJ, Mintz Y, Sud YC, et al. A simple biosphere
model (SiB) for use within general circulation models.
Journal of the Atmospheric Sciences, 1986, 43: 505-531
[3] 摇 Running SW, Nemani RR, Peterson DL, et al. Map鄄
ping regional forest evapotranspiration and photosynthesis
by coupling satellite data with ecosystem simulation.
Ecology, 1989, 70: 1090-1101
[4]摇 Bonan GB. Importance of leaf area index and forest type
when estimating photosynthesis in boreal forests. Remote
Sensing of Environment, 1993, 43: 303-314
[5]摇 Turner DP, Cohen WB, Kennedy RE, et al. Relation鄄
ships between leaf area index, fPAR, and net primary
production of terrestrial ecosystems. Remote Sensing of
Environment, 1999, 70: 52-68
[6]摇 Weiss M, Baret F. Evaluation of canopy biophysical
variable retrieval performance from the accumulation of
large swath satellite data. Remote Sensing of Environ鄄
ment, 1999, 70: 293-306
[7]摇 Fang X鄄Q (方秀琴), Zhang W鄄C (张万昌). The ap鄄
plication of remotely sensed data to the estimation of the
leaf area index. Remote Sensing for Land & Resources
(国土资源遥感), 2003, 14(3): 58-62 (in Chinese)
[8] 摇 Zhang R鄄H (张仁华). Experimental Remote Sensing
Model and Groundwork. Beijing: Science Press, 1996
(in Chinese)
[9]摇 Ning B (宁 摇 波), Gong W鄄F (龚文峰), Fan W鄄Y
(范文义). Evaluation of land use suitability of Maoers鄄
han Forest Farm based on RS and GIS. Journal of
Northeast Forestry University (东北林业大学学报),
2009, 37(2): 56-58 (in Chinese)
[10]摇 Leblanc SG, Chen JM, Kwong M. Tracing Radiation
and Architecture of Canopies TRAC MANUAL Version
2. 1. Ottawa, Canada: Canada Center for Remote Sens鄄
ing, 2002
[11]摇 Chen JM, Black TA. Measuring leaf area index of plant
canopies with branch architecture. Agricultural and For鄄
est Meteorology, 1991, 57: 1-12
[12]摇 Chen JM. Optically鄄based methods for measuring sea鄄
sonal variation in leaf area index of boreal conifer for鄄
ests. Agricultural and Forest Meteorology, 1996, 80:
135-163
[13]摇 Chen JM, Cihlar J. Plant canopy gap鄄size analysis theo鄄
ry for improving optical measurements of leaf area index.
Applied Optics, 1995, 27: 6211-6222
[14]摇 Chen JM, Cihlar J. Quantifying the effect of canopy ar鄄
chitecture on optical measurements of leaf area index
using two gap size analysis methods. IEEE Transactions
on Geoscience and Remote Sensing, 1995, 33: 777-787
[15]摇 Gower ST, Kucharik JK, Norman JM. Direct and indi鄄
rect estimation of leaf area index, fAPAR, and net primary
production of terrestrial ecosystems. Remote Sensing of
Environment, 1999, 70: 29-51
[16]摇 Chen JM, Govind A, Sonnentag O, et al. Leaf area in鄄
dex measurements at Fluxnet鄄Canada forest sites. Agri鄄
cultural and Forest Meteorology, 2006, 140: 257-268
[17]摇 Jordan CF. Derivation of leaf area index from quality of
light on the forest floor. Ecology, 1969, 50: 663-666
[18]摇 Rouse JW, Haas RH, Schell JA, et al. Monitoring veg鄄
etation systems in the great plains with ERTS. Proceed鄄
ings of Third Earth Resources Technology Satellite鄄1
Symposium, Greenbelt, 1974: 48-62
[19] 摇 Richardson AJ, Wiegand CL. Distinguishing vegetation
from soil background information. Photogrammetric En鄄
gineering and Remote Sensing, 1977, 43: 1541-1552
[20] 摇 Huete AR. A soil adjusted vegetation index ( SAVI).
Remote Sensing of Environment, 1988, 25: 295-309
[21]摇 Chen JM. Evaluation of vegetation indices and a modi鄄
fied simple ratio for boreal applications. Canadian Jour鄄
nal of Remote Sensing, 1996, 22: 229-242
[22]摇 Kaufman YJ, Tanre D. Atmospherically resistant vegeta鄄
tion index (ARVI) for EOS鄄MODIS. IEEE Transactions
on Geoscience and Remote Sensing, 1992, 30: 261-270
[23]摇 Nemani R, Pierce L, Running S, et al. Forest ecosys鄄
tem processes at the watershed scale: Sensitivity to re鄄
motely sensed leaf area index estimates. International
Journal of Remote Sensing, 1993, 14: 2519-2534
[24]摇 Brown L, Chen JM, Leblance SG, et al. A shortwave
infrared modification to the simple ratio for LAI retrieval
in boreal forests: An image and model analysis. Remote
Sensing of Environment, 2000, 71: 16-25
作者简介摇 朱高龙,男,1974 年生,博士研究生.主要从事植
被多角度遥感研究,发表论文 8 篇. E鄄mail: Zhugaolong@
163. com
责任编辑摇 杨摇 弘
4212 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 21 卷