基于SPOT5遥感影像的城市森林叶面积指数反演

叶面积指数

第33卷第2期

2008

年3月

测绘科学

ScienceofSurveyingandMapping

Vol133No12

Mar1

基于SPOT5遥感影像的城市森林叶面积指数反演

林文鹏,赵　敏,张翼飞,柳云龙,刘冬燕,高　峻

(上海师范大学城市生态与环境修复重点实验室,上海　200234)

【摘　要】本文以上海城市森林为研究对象,采用地面实验与遥感技术相结合方法,开展SPOT5遥感影像在估测

城市森林LAI中的应用研究。结果表明,地面实测LAI与三种植被指数均具有很好的线性回归关系,相关系数(r)均大于016,其中MSAVI的相关系数最高(r=0166),其次为MCARI(r=0164)和NDVI(r=0162)。说明ND2VI仍受到背景等因素不同程度的影响,而植被指数MSAVI和MCARI,由于能进一步消除土壤背景和叶绿素的影响,对叶面积指数比较敏感,能更好地与叶面积指数建立关系,能更好地用于城市森林叶面积指数的遥感反演。本研究可为快速定量评估城市森林的结构和功能提供依据。【关键词】城市森林;叶面积指数;表观反射率;植被指数;SPOT5【中图分类号】TP79;P95　　　　【文献标识码】A　　　　【文章编号】100922307(2008)0220057204DOI:1013771/j1issn1100922307120081021020

1　引言

叶面积指数(LAI)是陆面过程一个十分重要的结构参数,它控制着植被许多生物、物理过程,如光合、呼吸、蒸腾、碳循环和降水截获等[1]。因此,LAI已经成为研究陆地生态系统及其过程的关键参数能获得点状或线状的LAI数据,I异性,为实时获取大范围[226]LAI的[7]:法LAI建立统计分析模型,这种方法形式简洁,对输入参数要求不高,计算也很简单易行,在很长一段时间内都是LAI遥感定量估算的主要方法。

城市森林作为城市中重要的生命支持系统,又是城市可持续发展的基础和保障,对于维持城市生态系统平衡起着核心的作用[8]。所以有效管理城市森林并定量评估其结构和功能,有十分重要的理论和现实意义。另外,城市森林景观斑块的多样性和片段性为城市森林研究带来了难度。因SPOT卫星传感器的波段数和波长范围有限,以往用户对于SPOT数据的应用主要针对其高空间分辨率的特性,利用SPOT数据进行定量遥感分析的应用研究较少。然而,利用SPOT数据进行定量遥感分析也有其高空间分辨率的优势:可以更精细地分辨各类地物的细节,从而降低混合像元对于定标分析的影响,提高定量遥感分析的准确度[9]。鉴于此,本研究以

上海城市森林为研究对象,结合的方法,探讨利用SPOLAI上海市位于30°40′～31°53′N,120°51′～122°12′E,地处长江三角洲的东南缘,是我国第一大河长江的入海口。上海属亚热带季风气候。全年温和湿润,四季分明,光照充分,热量丰富,降水充沛,气候资源丰富,对植物的生长发育极为有利。上海全市面积634015218km2,其中有林地面积有218218km2,以亚热带常绿阔叶林和水杉林、竹林、经济林为主。212　地面叶面积指数的采集

2006年628月进行野外植被调查,涉及到公共林地(免费向群众开放的绿地,以纪念馆、小型体育场等为代表)、风景林(各大公园、自然保护区等)、生产用森林(苗圃、果园等)、企事业单位林地、居民区林地、道路林等几大类。结合上海城市森林的分布现状,选择频率大于20的树种,主要包括:以香樟、广玉兰为优势种的植物群落(常绿林)、以桂花、紫荆为优势种植物群落(灌木林)和以三角槭、五角槭、樟叶槭等为优势种的植物群落(落叶林)。利用LAI22000,共采集41个样地的164个地面测量数据(图1)。在采集的过程中,采集点尽量考虑植被种类的不同及研究区域内测点布设的均匀性。在每个样区内选择有代表性的测点4个,每个测点进行4次叶面积指数测量,并以4次测量的平均值作为该测点的叶面积指数值,同时用全球定位系统(GPS)测量并记录该测点的经纬度,最后取每个样区所有测点的均值作为该样区的叶面积指数数据。最终通过测量,共获取36样区的数据(表1)。213　SPOT5数据

SPOT5卫星在空间分辨率大幅提高的同时保持了60km的幅宽:多光谱波段空间分辨率为10m(短波红外空间分辨率为20m),全色波段空间分辨率达到5m。10m分辨率的彩色影像可以直接用于1∶50000和1∶25000的土地利用、林业资源现状调查及动态监测,其短波红外(SWIR)对土壤湿度、植被覆盖和树叶含水量很敏感,能更有效地区分林地或作物的排列方式,对植被类型的反映更准确[9]。本研究所用的SPOT5影像数据的获取时间为2005年6月2日,其中心坐标为N30°56′56″/E121°30′11″。

作者简介:林文鹏(19732),男,福建

漳浦,博士,讲师,主要从事生态环境遥感、城市生态学研究。E2mail:wenpenglin@yahoo1com1cn

收稿日期:2007211202

基金项目:上海市青年科技启明星资助项目(05QMX1443);上海高校选拔培养优秀青年教师科研专项基金(RE629);

上海师范大学理科科研项目(DKL728)共同资助共同资助;上海市教委重点学科建设项目《地理学与城市环境》(J50402)

通讯作者:赵敏

叶面积指数

58

3　数据处理与分析

测绘科学　　　　　　　　　　　　　　　　　　　　第33卷

调节植被指数;ρNIR表示近红外波段的表观反射率;ρRED表示

红波段的表观反射率;ρGREEN

表示绿波段的表观反射率。

311　几何校正

考虑到研究区比较平坦,加上缺少相应的DEM及参考源,因此在本研究中,采用了基于1∶50000地形图DRG的控制点几何纠正法,并对纠正后的全色影像和多光谱影像进行融合处理形成兼具色彩与纹理特征的融合影像,形成研究区的遥感正射影像图。312　辐射定标及表观反射率的计算

在完成对SPOT5数据几何纠正基础上,对SPOT5数据进行地物辐射亮度和地物反射率可以根据以下公式计算[9]:

πLλd2(1)Lλ=+B;ρTOA=

AESUNλcos(θs)

式中,参数A是辐射校正后图像产品绝对定标增益(W/2

μm),参数B是图像产品的定标偏置(W/m2μm);m Sr Sr ρλ是各波段的辐照TOA是地物表观反射率,π是常量3114,L

2

μm),d是日地天文距离,ESUNλ是波长λ处度(W/m Sr

4　结果与分析

411　城市植被信息的遥感提取

城市植被覆盖类型通常分为乔木、灌木、草地、疏林地和其他绿地等五类,其中最主要的是乔木、灌木和草地三种类型。在本研究中,根据研究区植被和SOPT5的影像特点,从多光谱影像上提取对植被覆盖和树叶含水量很敏感的短波红外(SWIR),并利用归一化植被指数(NDVI),以及从全色光谱影像提取的纹理信息,将这三个参数作为特征参数,根据野外调查选取的样本训练区,建立训练样本,采用最大似然监督分类方法,提取研究区植被覆盖信息(图2)。

μm),θ大气外层平均太阳辐照度(W/m2 S是太阳天顶角。

参数A、B、ESUNλ和θOT5Dimap文件中得到。S均可从SP313　植被指数的计算

由于植被指数是由多光谱数据经线性和非线性组合而构成的对植被有一定指示意义的数值,它定量地表明了植被活力,是遥感监测地面植物生长和分布的一种方法。国内外学者建立了一批植被指数与LAI[10,11本研究利用SPOT5表观反射率计算了NDVI、MSAVI和MCARI,I,I。

1)归一化植被指数(I)之一,其计算公式[12]:

(ρ-ρ)

(2)NDVI=

(ρNIR+ρRED)

式中,NDVI表示基于表面反射率计算的归一化植被指数;ρNIR表示近红外波段的表观反射率;ρRED表示红波段的表观反射率。

2)修正的土壤调节植被指数

NDVI的局限性表现在,用非线性拉伸的方式增强了

[12]

NIR和RED的反射率的对比度。NDVI能反映出植物冠层的背景影响。因此,为了消除土壤的影响,Qi,J1等构建了修正的土壤调节植被指数(MSAVI),其计算公式[12]:

MSAVI=

(2ρ+1)-2

(2ρ-8(ρ+1)-ρ))

412　叶面积指数的定量遥感反演

根据SPOT5多光谱影像各波谱段的表观反射率,计算了各像元的3种植被指数。同时考虑到遥感影像几何精校正误差、GPS实测误差,为保证所提取的像元与LAI测量样区的有效对应,采用3×3像元滑动窗口计算每个样区NDVI值、MSAVI值和MCARI值(表1)。

表1　研究区各植被指数与实测LAI

样地实测样地实测NDVIMASVIMCARINDVIMASVIMCARI编号LAI编号LAI

123456789101112131415161718

01243011310114021900121701112011202168012180111301119117001217011150112021690120201105011092115012290112201127210201336011930122131920120301109011142195012190111401120219701238011270112921900124001127011352139012120110801116215201215011130111711650121201109011141192012750115001159310201212011080111621410

1237011190112711900121501111011171197

192021222324252627282930313233343536

012170111501118210001252011330114121560122801114011232127012440112801134118601230011220113021190123201120011422117012230111701122218601215011100111721460120201104011072104012670114301155216901203011060111011050122001116011212125012960116401179312201208011060111011550121201109011171139012060110601113217201228011220113121210120201105011092128

2

(3)

式中,MSAVI表示基于表面反射率计算的修正的土壤

调节植被指数;ρNIR表示近红外波段的表观反射率;ρRED表示红波段的表观反射率。

3)修正的叶绿素调节植被指数

研究表明,在LAI与植被指数间不存在一个惟一的相关关系式,每一个都是叶绿素含量或其他冠层特征的函数,特别是叶绿素和LAI间的耦合关系。为了解决这些问题,不少研究致力于改进现有的植被指数以改善它们对LAI的线性关系,同时提高它们对LAI的敏感度[13]。Daughtry等将对LAI敏感的光谱指数与对土壤背景不敏感的光谱指数结合起来发展了光谱指数-修正后的叶绿素调节植被指数(MCARI)。其计算公式[13]:

ρ115[215(ρNIR-ρRED)-113(NIR-ρGREEN)]

MCARI=

2

(2ρρ-(6NIR+1)NIR-5RED)-015

(4)

式中,MCARI表示基于表面反射率计算的修正的叶绿素

结合表1各样区实测LAI与对应SPOT5影像上各植被

叶面积指数

指数值,以各植被指数值作为回归分析的自变量,进行了回归分析,建立回归方程(图3)

:

59

应用更高分辨率的遥感图像,可以更好地解决以往存在的样点和遥感图像位置匹配问题,从而提高定量遥感分析的准确度。因此,基于利用SPOT5提取的遥感信息参数,如MSAVI和MCARI植被指数,可应用于现代城市森林定量研究,这可为快速定量评估城市森林的结构和功能提供依据。

叶面积指数的反演研究一直是遥感反演领域的热点和难点。反演的误差除了受到多种因素的影响,如叶面积指数观测误差(仪器、选点)、大气校正算法模拟算法带来的误差等。还有,由于决定森林叶面积的环境因子和生物因子多种多样,遥感信息参数可能表现为在叶面积指数相对较低时就达到饱和,这样遥感信息将不能准确地反映叶面积指数的变化。虽然通过构建各种植被指数能提高运用遥感估测的精度,但如何有效的解决还需进一步深入研究。今后,随着遥感的快速发展,如何建立LAI的物理模型将是定量遥感反演的研究方向。

注:引自赵敏等1上海城市森林缓解人类活动释放CO2功能评估。

参考文献

[1]李开丽,蒋建军1[J6):1491214961

[2]J1leafareaindexofboreal

LandsatTmimagines[J].Re2ofEnvironment,1996,55:15321621

[ST,KucharikCJ,andNormanJM1Directand

IndirectEstimationofLeafAreaIndex,fAPARandNetPrimaryProductionofTerrestrialEcosystems[J].Re2moteSensingofEnvironment,1999,70:292511

[4]HallRJ,DavidsonDP,andPeddleDR1Groundandre2

moteestimationofleafareaindexinRockyMountainforeststands,Kananaskis,Alberta[J].CanadianJournalofRemoteSensing,2003,29(3):41124271

[5]DavidPT,WarrenBC,RobertEK1Relationshipsbe2

tweenLeafAreaIndexandLandsatTMSpectralVegeta2tionIndicesacrossThreeTemperateZoneSites[J].Re2moteSensingofEnvironment,1999,70:52 681

[6]MiinaR1Retrievalofleafareaindexforaconiferousforest

byinvertingaforestreflectancemode1[J].RemoteSensingofEnvironment,2005,99:29523031

[7]赵丽芳,谭炳香,杨华1高光谱遥感森林叶面积指数估

测研究现状[J].世界林业研究,2007,20(2):502541[8]Ethan,HD,ScottE1Energyandmaterialflowthrough

theurbanecosystem[J].AnnualReviewEnergyEnvi2ronment,2000,25:68527401

[9]刘宇光,金明,冯钟葵,等1SPOT数据反演地物辐

射亮度和反射率的基础研究[J].地球信息科学,2005,7(2):11121151

[10]孙鹏森,刘世荣,刘京涛,等1利用不同分辨率卫星

影像的NDVI数据估算叶面积指数[J].生态学报,2006,26(11):3826238341

[11]Rouse,JW,Haas,RH,Schell,JA,etal1Monitoring

thevernaladvancementsandretrogradationofnaturalveg2etation[C]//NASA/GSFC,FinalReport,Greenbelt,MD,USA,1974:121371

[12]廖克,等1高分辩率卫星遥感影像在土地利用变化动

态监测中的应用[J].测绘科学,2006,31(6)1[13]Daughtry,CST,Walthall,CL,Kim,MS,etal1Esti2

matingcornleafchlorophyllconcentrationfromleafandcanopyreflectance[J].RemoteSensingofEnvironment,

(下转第63页)2000,74:22922391

图3　植被指数与叶面积指数之间的回归关系,

abc分别代表NDVI、MCARI、MSAVI从图3可以看出,基于SPOT52

VI、MSAVI和MCARI三种植被指数与关系,,016以上,其中MS0166,其次为MCARI,I相关系数较低,其相关系数为0162。,NDVI仍受到背景因素不同程度的影响,而MSAVI和MCARI,由于能进一步消除土壤背景和叶绿素的影响,对叶面积指数比较敏感,能更好地与叶面积指数建立关系,从而能更好地用于城市森林叶面积指数的遥感反演。为了验证利用SPOT5数据在估测城市森林LAI的可靠性,利用与LAI相关性最好的MSAVI指数,对研究区森林LAI进行估测(图4)。在此基础上,利用赵敏等基于森林清查与野外调查数据建立的上海城市森林净初级生产力NPP与LAI图4　研究区植被LAI

[注]3

的关系模型,对该模空间分布图型进行尺度转换,从而估

5

算了研究区森林NPP,其估算值为1185×10t/ha/yr。考虑到本研究区域约是上海整个土地面积的57%(6340km2),假设剩余区域的森林的覆盖率与研究区域类似,种类没有差异,那么利用此方法估算整个上海市森林的年净生产力

5

约为3124×10t/yr,这与赵敏等年基于中国林业科学数据中心对上海市森林资源公布的数据所评估的上海市森林年

5[注]

累计碳量很接近(2192×10t/yr),精度达到90%。这表明了SPOT5数据在估测城市森林LAI是可行性的。

5　结束语

本研究利用SPOT5数据提取的NDVI、MSAVI和MCARI,与实测的叶面积指数建立回归统计模型。研究表明,虽然SPOT5数据的波段数和波长范围有限,但由于SPOT5数据具有更高的空间分辨率,可以更精细地分辨各类地物的细节,能有效降低混合像元对定标分析的影响。

叶面积指数

63

为了进一步对比分析,求取了考虑动态水位前后涉水距离

与深度变化的差值及变化率,结果如表2所示。

表2　考虑动态水位前后差值与变化率比对表

路线涉水情形涉水距离涉水深度涉水距离

路线2

涉水深度路线1

时刻1差值变化率16117519%01151114%1151322310%0107418%

时刻2差值变化率-910-4214%-0115-1114%-2515-4913%-0122-1510%

单位:m时刻3差值变化率-1310-6113%-0124-1812%-3813-7411%-0139-2615%

图3　海底坡度的动态计算

213　基于动态水位的涉水深度计算

由于潮滩模型基本是都是用不规则三角网(TIN)表达,根据TIN模型,计算线段P1P2与各三角形边的交点,并求解其在垂直方向上的内插值。然后分别计算各交点与P1的距离,并由近到远进行排序,删除相当靠近或重合的点。并根据P1的位置,找到此点所位在的三角形,根据三角形顶点值内插出的P1垂直高度,与前面的交点一块组成点集。从上述点集中,求得最小值zmin,则Ht-zmin为最大的涉水深度。在此基础上,还可以进一步对上述点集进行断面曲线拟合。

从表2可以看出,最大涉水距离差值达11513m,变化率为22310%。最大涉水深度差值为-0139m,变化率为-2615%。实际中的水位是动态变化的,考虑了这种影响的涉水距离和深度计算才是更准确的。不考虑动态水位时,在某些情形下计算的涉水距离和深度误差较大。

4　结束语

,从而引起实际登陆点海底坡度的变化,。,,考虑。

参考文献

]1水文气象对联合登陆作战的影响[J].海军

大连舰艇学院学报,2005,28(3):172201

[2]吴迪1登陆地域选择中海岸带地理信息保障要求

[J].海军大连舰艇学院学报,2004,27(2):182211[3]殷晓冬,张立华1军事海道测量学[M].大连:海军

大连舰艇学院出版社,20061

[4]张尚悦1登陆航海保障中登陆时间和地点的评估与仿

真[D].海军大连舰艇学院,19961

[5]张立华1一种基于数字伴潮海岸线的潮滩淹没区仿真

算法[C].中国海洋测绘学术年会,20061

[6]蔡艳辉,等1DGPS水下立体定位系统的解析求解算

法[J].测绘科学,2006,31(1)1

[7]赵明才1海军机动测量手册[Z].中国人民解放军

海军怀念部海航保证部,19961

3　实验与分析

本文利用图3所示的两条路线,进行了涉水距离与深度的动态分析。时刻1、时刻2、时刻3分别为最高潮、潮位为0和最低潮时刻,为平均海面上218m和-218m,舰船吃水11A示未考虑动态水位的情形,B情形(如表1)。

表1　单位:m

路线路线1

涉水情形

时刻1

A2112113251171147

B39131147167101154

时刻2

A2112113251171147

B1212111726121125

时刻3

A2112113251171147

B812110813141108

涉水距离涉水深度涉水距离

路线2

涉水深度

从表1可以看出,随着水位的变化,不考虑动态水位而计算的涉水距离与深度始终保持不变,考虑动态水位的涉水距离与深度也在不断变化。

Amethodforcomputingwadingdistanceanddepthbasedoninstantaneouswaterlevel

Abstract:Thecomputationofdistanceanddepthplaysanimportantroleinlandingdecision1Aimingatthedrawbacksoftraditionalmethods,thispaperpresentsamethodforcomputingwadingdistanceanddepthbasedoninstantaneouswaterlevels1Theslopebetweenin2stantaneouswaterlineandlandingpointiscomputedconsideringchangingwaterlevel,andwadingdistanceanddepthareobtaineddynamically1Experimentalresultshowsthattheproposedmethodismoreaccuratethanthetraditionaloneincomputationsofwadingdistanceanddepth1

Keywords:instantaneouswaterlevel;wadingdistance;wadingdepth;slope

①②②①

(①DepartmentofH rographyandCartography,DalianNavalAcademy,ZHANGLi2hua,ZHUQing,LIUYan2chun

667,JiefangRoad,Dalian116018,China;②StateKeyLaboratoryofInformationEngineeringinSurveying,MappingandRemoteSensingWuhanUniversity,Wuhan430079,China)(上接第59页)

StudyonestimationofurbanforestLAImodelsbasedonSPOT5

Abstract:Inthispaper,basedonfieldexperimentandremotesensingtechnology,estimationofurbanforestLAIwasstudiedbasedonSPOT5imageinShanghai1ThecorrelationcoefficientbetweenLAIandMASVI,MCARI,andNDVIwere0166,0164,and0162,respectively1ThestudyshowedthatMASVIandMCARIwerebetterthanNDVIinanalyzingurbanforestLAI1UsingSPOT5highspatialresolutiondatacouldefficientlydistinguishthegroundobjectsandcouldimprovetheaccuracyofradiometriccalibrationandquantificationofremotesensing1ThisstudyshowsthattheSPOTdatacanbeusedforinversingurbanforestLAI1Itprovidesagoodmethodandtheoreticalbasisforevaluating

urbanforeststructureandfunction1

Keywords:urbanforest;LAI;apparentreflectance;vegetationindex;SPOT5

LINWen2peng,ZHAOMin,ZHANGYi2fei,LIUYun2long,LIUDong2yan,GAOJun(KeyLabofUrbanEcologyandEnviron2mentRestore,ShanghaiNormalUniversity,Shanghai200234,China)

本文来源：https://www.bwwdw.com/article/3861.html