張學(xué)藝，李劍萍，官景得，秦其明，馬力文，曹 寧

兩種葉面積指數(shù)動(dòng)態(tài)模擬方法的對(duì)比研究

張學(xué)藝1，2，李劍萍1，官景得1，秦其明3，馬力文1，曹 寧1

(1.寧夏氣象防災(zāi)減災(zāi)重點(diǎn)實(shí)驗(yàn)室，銀川 750002;2.南京信息工程大學(xué)，南京 210044;3.北京大學(xué)遙感與地理信息系統(tǒng)研究所，北京 100871)

為了獲得寧夏灌區(qū)春小麥葉面積指數(shù)(Leaf Area Index，LAI)動(dòng)態(tài)模擬的最佳方法，根據(jù)寧夏灌區(qū)典型農(nóng)業(yè)試驗(yàn)觀測(cè)站春小麥LAI的大田觀測(cè)數(shù)據(jù)，分別運(yùn)用農(nóng)業(yè)氣象學(xué)和遙感反演等方法模擬春小麥LAI的動(dòng)態(tài)變化，并對(duì)兩種方法的模擬精度進(jìn)行綜合對(duì)比分析。結(jié)果表明，運(yùn)用分段函數(shù)(三葉至抽穗期運(yùn)用遙感反演法，抽穗至乳熟期運(yùn)用農(nóng)業(yè)氣象學(xué)法)能最優(yōu)模擬春小麥全生育期LAI的動(dòng)態(tài)變化。

MODIS;LAI;動(dòng)態(tài)模擬;對(duì)比

0 引言

葉面積指數(shù)(Leaf Area Index，LAI)是陸面生態(tài)系統(tǒng)中最為重要的特征參數(shù)之一［1］，也是作物生長(zhǎng)模型中重要的生理參數(shù)［2］。LAI的動(dòng)態(tài)模擬法按學(xué)科可劃分為農(nóng)業(yè)氣象學(xué)法和遙感反演法兩種。前者是基于Logistic生長(zhǎng)曲線或其修正形式的半經(jīng)驗(yàn)公式法，該方法不但具備一定的生物學(xué)意義，而且還由于算法引入的氣象因子少(常為生理日數(shù)、積溫、日照、降水等農(nóng)業(yè)氣象因子)、模擬效果好和宜于業(yè)務(wù)推廣而常被用作農(nóng)業(yè)氣象學(xué)的LAI動(dòng)態(tài)模擬［3－5］，但其不足之處在于獲取大范圍LAI信息的能力不足;遙感技術(shù)被認(rèn)為是獲取區(qū)域尺度LAI信息最為有效的方式，且能夠動(dòng)態(tài)修正生態(tài)系統(tǒng)模型模擬過程中的LAI參數(shù)，提高模型模擬精度［6］，是當(dāng)前遙感發(fā)展的大趨勢(shì)［7］。遙感反演法可分為植被指數(shù)法和模型法［8］兩種，植被指數(shù)法由于具有方法簡(jiǎn)單、輸入?yún)?shù)少、運(yùn)算時(shí)間短及模擬效果好等特點(diǎn)，常被用作LAI反演?；贚ogistic生長(zhǎng)曲線或其修正形式的LAI動(dòng)態(tài)模擬方法和基于植被指數(shù)的遙感反演LAI動(dòng)態(tài)模擬方法分別是農(nóng)業(yè)氣象學(xué)和遙感學(xué)中常用的且效果都已得到普遍認(rèn)可的方法。前者的研究時(shí)間早且較深入，已形成了比較成熟的理論體系;后者出現(xiàn)較前者晚，雖然理論體系形成較早，但其應(yīng)用發(fā)展遠(yuǎn)遠(yuǎn)跟不上日新月異的遙感觀測(cè)技術(shù)的發(fā)展。另外，隨著農(nóng)業(yè)信息化的飛速發(fā)展，學(xué)科間的交叉研究越來越受到關(guān)注，耦合方法的研究、數(shù)據(jù)同化的研究等逐漸成為今后發(fā)展的主流。就當(dāng)前的研究現(xiàn)狀而言，往往是對(duì)某一學(xué)科領(lǐng)域的某一方面研究比較多，學(xué)科間的對(duì)比研究相對(duì)較少。

本文以永寧國(guó)家一級(jí)農(nóng)業(yè)試驗(yàn)站2005～2009年期間同一品種(永良4號(hào))的大田觀測(cè)資料以及對(duì)應(yīng)的農(nóng)業(yè)氣象因子、MODIS衛(wèi)星遙感資料為依據(jù)，對(duì)比分析了農(nóng)業(yè)氣象學(xué)和遙感學(xué)兩學(xué)科中兩種常用的LAI動(dòng)態(tài)模擬方法在寧夏河套灌區(qū)春小麥中的監(jiān)測(cè)及預(yù)測(cè)應(yīng)用效果，為今后開展基于LAI這一關(guān)鍵參數(shù)的科研及業(yè)務(wù)應(yīng)用進(jìn)行探索。

1 觀測(cè)區(qū)概況及數(shù)據(jù)處理

1.1 觀測(cè)區(qū)概況

測(cè)區(qū)位于寧夏引黃灌區(qū)的中部，海拔1 116.7 m，面積20～100 hm2;測(cè)區(qū)晝夜溫差大、日照時(shí)間長(zhǎng);小麥品種為永良4號(hào)，屬中晚熟種，是近10 a來寧夏主要的春小麥品種;種植方式為套作條播，播量375 kg/hm2，播種時(shí)條播機(jī)施磷酸二銨150 kg/hm2、復(fù)合肥料300 kg/hm2，其他時(shí)段人工撒施尿素300 kg/hm2，黃河水自流灌溉，灌溉量 0.06 m3/m2。測(cè)區(qū)中心位置如圖1所示。

圖1 觀測(cè)點(diǎn)位置Fig.1 The place of observation point

1.2 農(nóng)業(yè)氣象數(shù)據(jù)處理

農(nóng)業(yè)氣象數(shù)據(jù)選擇的是2005～2009年間觀測(cè)點(diǎn)春小麥發(fā)育期的相關(guān)數(shù)據(jù)及LAI的大田觀測(cè)數(shù)據(jù)，其中LAI定義為

式中，Lij、Bij分別為葉片的長(zhǎng)度和最大寬度;n為第j個(gè)莖蘗春小麥總?cè)~片數(shù);m為測(cè)定的總莖蘗數(shù);k為葉面積訂正系數(shù)，寧夏地區(qū)取0.83［9］;ρ為群體密度。

根據(jù)王信里的研究［3］，生理日數(shù)(Physical Days，PD)是模擬葉面積指數(shù)動(dòng)態(tài)變化的一個(gè)較好因子，定義為從出苗至觀測(cè)時(shí)的天數(shù);根據(jù)潘學(xué)標(biāo)［10］的研究，溫帶氣候條件下積溫(Accumulated Temperature，AT)是影響小麥發(fā)育的主要因子;根據(jù)李福生等的研究［11］，寧夏地區(qū)春小麥日照時(shí)數(shù)(Sunshine Hours，SH)與LAI呈明顯正相關(guān)，而寧夏引黃灌區(qū)春小麥發(fā)育期間水分條件充足，故不考慮降水影響。因此，本文整理了2005～2009年春小麥觀測(cè)時(shí)段寧夏永寧縣氣象局觀測(cè)的逐日平均氣溫和日照時(shí)數(shù)，并對(duì)相關(guān)數(shù)據(jù)進(jìn)行歸一化處理。歸一化生理日數(shù)(Normalized Physical Days，NPD)、歸一化有效積溫(Normalized Effective Accumulated Temperature，NEAT)及歸一化日照時(shí)數(shù)(Normalized Sunshine Hours，NSH)分別定義為

式中t1、t2分別為出苗日期和測(cè)定日期;T、S分別為日平均氣溫和日照時(shí)數(shù);PDmax、EATmax及SHmax分別為觀測(cè)當(dāng)年出苗至成熟期最長(zhǎng)生理日數(shù)、最大有效積溫和最大累積日照時(shí)數(shù)。

1.3 遙感數(shù)據(jù)處理

遙感數(shù)據(jù)為2005～2009年間春小麥LAI測(cè)定時(shí)段過寧夏境的MODIS/Terra資料。首先，用國(guó)家氣象局星地通公司開發(fā)的軟件對(duì)資料進(jìn)行定標(biāo)、反射率/亮溫轉(zhuǎn)換及去條紋等處理，生成250 m分辨率、2 000像元×1 600像元的寧夏區(qū)域局地文件;然后，利用ENVI 4.2的Band Math模塊計(jì)算各種植被指數(shù)，制作通過GPS調(diào)查獲得的LAI測(cè)定區(qū)域*.ROI文件，從而得到與測(cè)點(diǎn)LAI空間尺度相匹配的植被指數(shù)平均值。植被指數(shù)選取常用的差值植被指數(shù)(DVI)、比值植被指數(shù)(RVI)、垂直植被指數(shù)(PVI)、歸一化植被指數(shù)(NDVI)、土壤調(diào)節(jié)植被指數(shù)(SAVI)、轉(zhuǎn)換型土壤調(diào)節(jié)植被指數(shù)(TSAVI)、增強(qiáng)型植被指數(shù)(EVI)、大氣調(diào)節(jié)植被指數(shù)(IAVI)和近年研制出的歸一化差異光譜指數(shù)(NDSI)、再次歸一化光譜指數(shù)(RDSI)［12］。各種植被指數(shù)的表達(dá)式分別為

式(3)～ (12)中，ρnir、ρred、ρblue及 ρwater分別對(duì)應(yīng)MODIS第2、1、3及19通道的近紅外、紅光、藍(lán)光及水汽通道反射率值;L為土壤調(diào)節(jié)參數(shù)(這里取1);C1=6.0，C2=7.5;a、b 為常數(shù)，分別取 10.489 和6.6047;γ為光路輻射訂正系數(shù)，變化范圍介于0.65 ～1.21 之間(本文取1.0)。

1.4 數(shù)據(jù)分析

采用EXCEL進(jìn)行基礎(chǔ)數(shù)據(jù)的輸入、輸出及轉(zhuǎn)換，用SPSS 13.0、Origin 8.0 對(duì)數(shù)據(jù)進(jìn)行相關(guān)性分析及函數(shù)模擬。

1.5 模型檢驗(yàn)

采用決定系數(shù)(R2)、均方根誤差(RMSE)［13］和準(zhǔn)確度等概念［14］對(duì)春小麥LAI的模擬值和實(shí)測(cè)值之間的符合度進(jìn)行檢驗(yàn)。其中，均方根誤差定義為

式中，yi、y'i分別為觀測(cè)值與模擬值;N為樣本數(shù)。

2 結(jié)果分析

2.1 基于農(nóng)業(yè)氣象數(shù)據(jù)的LAI動(dòng)態(tài)模擬

分別以NPD、NEAT、NSH為指標(biāo)，用不同函數(shù)的線性及非線性統(tǒng)計(jì)分析方法對(duì)LAI進(jìn)行模擬，結(jié)果表明:三葉至乳熟期以三次曲線模擬效果最好;三葉至抽穗期以冪函數(shù)模擬效果最好，且效果明顯提高;抽穗至乳熟期以指數(shù)模擬效果最好，但相比前兩個(gè)發(fā)育期，模擬效果明顯下降(表1)。

表1 用農(nóng)業(yè)氣象學(xué)方法模擬春小麥LAI的結(jié)果①Tab.1 The simulated results of spring wheat LAI by the agricultural meteorology methods

2.2 基于遙感植被指數(shù)法的LAI動(dòng)態(tài)模擬

將基于MODIS數(shù)據(jù)得到的各種植被指數(shù)與LAI進(jìn)行相關(guān)統(tǒng)計(jì)分析，結(jié)果表明:除RDSI和NDSI兩指數(shù)與LAI不相關(guān)外，其他植被指數(shù)與LAI均呈顯著相關(guān)。其中，DVI、EVI與LAI呈冪相關(guān);IAVI與LAI呈指數(shù)相關(guān)，NDVI、SAVI與LAI呈S型曲線相關(guān)，PVI、RVI、TSAVI與 LAI呈三次曲線相關(guān)。

此外，對(duì)不同發(fā)育階段各植被指數(shù)與LAI進(jìn)行統(tǒng)計(jì)分析，結(jié)果表明:各發(fā)育階段NDSI、RDSI及抽穗至乳熟期各植被指數(shù)與LAI均不相關(guān);三葉至抽穗期均顯著相關(guān)，模擬效果從好至壞依次為NDVI、EVI、IAVI和 DVI，其中，DVI、EVI與 LAI呈冪相關(guān)，IAVI、PVI、TSAVI與LAI呈三次曲線相關(guān)，NDVI、SAVI與 LAI呈S型曲線相關(guān)，RVI與LAI呈逆曲線相關(guān)(表2)。

表2 用遙感植被指數(shù)法模擬春小麥LAI的結(jié)果Tab.2 The simulated results of spring wheat LAI by the remote sensing VI methods

2.3 兩種方法對(duì)LAI動(dòng)態(tài)模擬效果的對(duì)比

一個(gè)最優(yōu)的模型不僅應(yīng)具有較高的R2，還應(yīng)具有較小的 RMSE 和較高的精確度［15］。根據(jù)2.1、2.2的研究結(jié)果，可分別得到兩種模擬方法的最優(yōu)模擬模型。

農(nóng)業(yè)氣象學(xué)方法的模擬模型為

式中，x1為三葉至抽穗期NSH值;x2為抽穗至乳熟期NSH值。

遙感反演法的模擬模型為

式中，x1為三葉至抽穗期對(duì)應(yīng)NDVI值;x2為抽穗至乳熟期NDVI值。

綜合采用R2、RMSE及準(zhǔn)確度3個(gè)統(tǒng)計(jì)量對(duì)兩模擬方法進(jìn)行效果評(píng)價(jià)后認(rèn)為:三葉至乳熟期農(nóng)業(yè)氣象學(xué)法綜合模擬精度高于遙感反演法;三葉至抽穗期遙感反演法略好于農(nóng)業(yè)氣象學(xué)法;抽穗至乳熟期農(nóng)業(yè)氣象學(xué)法好于遙感法，遙感學(xué)法模擬LAI效果不理想。具體結(jié)果見表3。

表3 不同方法模擬春小麥LAI的結(jié)果Tab.3 The simulated results of spring wheat LAI by different methods

2.4 寧夏春小麥LAI最優(yōu)模擬模型

根據(jù)2.3的研究結(jié)論，寧夏灌區(qū)春小麥三葉至抽穗期用遙感植被指數(shù)反演法、抽穗至乳熟期用農(nóng)業(yè)氣象學(xué)法的分段模擬LAI效果最好，模型為

式中，x1為三葉至抽穗期NDVI值;x2為抽穗至乳熟期NSH值。

2.5 實(shí)例檢驗(yàn)

對(duì)沒有參與建模的2007年觀測(cè)數(shù)據(jù)進(jìn)行檢驗(yàn)，用2.4節(jié)中的最優(yōu)模型模擬LAI，并進(jìn)行綜合精度評(píng)價(jià)，得 R2=0.967，RMSE=0.415，準(zhǔn)確度為1.128 9，說明模型能夠較好地模擬LAI的動(dòng)態(tài)變化(圖2)。

圖2 模型預(yù)測(cè)的實(shí)例檢驗(yàn)(2007)Fig.2 A test based on the truth example(2007)

3 結(jié)論

本文在前人研究基礎(chǔ)上，以2005～2009年寧夏永寧國(guó)家一級(jí)農(nóng)業(yè)試驗(yàn)站春小麥大田觀測(cè)數(shù)據(jù)為依據(jù)，對(duì)比分析評(píng)價(jià)了農(nóng)業(yè)氣象學(xué)和遙感學(xué)兩學(xué)科中兩種常用的LAI動(dòng)態(tài)模擬方法，得出以下主要結(jié)論:

(1)應(yīng)用農(nóng)業(yè)氣象學(xué)方法模擬LAI時(shí)，用日照時(shí)數(shù)為變量的三次曲線模擬效果最好;用遙感植被指數(shù)法模擬LAI時(shí)，用NDVI為變量的S型曲線模擬效果最好;

(2)兩種LAI動(dòng)態(tài)模擬方法各有優(yōu)缺點(diǎn)，遙感植被指數(shù)法能夠較好地模擬抽穗期以前的LAI動(dòng)態(tài)變化，農(nóng)業(yè)氣象學(xué)法能夠比較好地模擬抽穗期以后的LAI動(dòng)態(tài)變化，如果將兩者結(jié)合起來就能最優(yōu)地模擬春小麥全生育期的LAI動(dòng)態(tài)變化。

(3)兩種模型最大的區(qū)別是，農(nóng)業(yè)氣象學(xué)法模擬空間分辨率低，而且獲得的是點(diǎn)資料信息，而且僅是對(duì)LAI的可能性預(yù)估;遙感植被指數(shù)反演法具有客觀真實(shí)的特點(diǎn)，是“看得見”的真實(shí)存在的狀態(tài)，獲得的是區(qū)域面域格點(diǎn)信息。如何提高兩者的耦合研究是當(dāng)前乃至今后一段時(shí)間發(fā)展的大趨勢(shì)。

［1］ Jiang B，Liang S L，Wang J D，et al.Modeling MODIS LAI Time Series Using Three Statistical Methods［J］.Remote Sensing of Environment，2010，114(7):1432 －1444.

［2］ 陳雪洋，蒙繼華，杜 鑫，等.基于環(huán)境星CCD數(shù)據(jù)的冬小麥葉面積指數(shù)遙感監(jiān)測(cè)模型研究［J］.國(guó)土資源遙感，2010(2):55－58，62.

［3］ 王信理.在作物干物質(zhì)積累的動(dòng)態(tài)模擬中如何合理運(yùn)用Logistic方程［J］.中國(guó)農(nóng)業(yè)氣象，1986，7(1):1419.

［4］ 涂修亮，胡秉民，程功煌，等.小麥葉面積指數(shù)變化的模擬［J］.作物研究，1999(1):13－14.

［5］ 張 賓，趙 明，董志強(qiáng)，等.作物高產(chǎn)群體LAI動(dòng)態(tài)模擬模型的建立與檢驗(yàn)［J］.作物學(xué)報(bào)，2007，33(4):612 －619.

［6］ Propastin P，Erasmi E.A Physically Based Approach to Model LAI from MODIS 250 m Data in a Tropical Region［J］.International Journal of Applied Earth Observation and Geoinformation，2010，12(1):47－59.

［7］ 方秀琴，張萬昌.葉面積指數(shù)(LAI)的遙感定量方法綜述［J］.國(guó)土資源遙感，2003(3):58－62.

［8］ 李 靜.新疆棉花長(zhǎng)勢(shì)和旱情定量遙感監(jiān)測(cè)模型與方法研究［D］.北京:中國(guó)科學(xué)院遙感研究所，2007.

［9］ 國(guó)家氣象局.農(nóng)業(yè)氣象觀測(cè)規(guī)范(上卷)［M］.北京:氣象出版社，1993:28－30.

［10］潘學(xué)標(biāo).作物模型原理［M］.北京:氣象出版社，2003:1216.

［11］李福生，官景得，呂巡均.寧夏灌區(qū)春小麥葉面積變化的氣象條件分析［J］.現(xiàn)代農(nóng)業(yè)科技，2009(21):238 －240.

［12］張 霞，張 兵，衛(wèi) 征，等.MODIS光譜指數(shù)監(jiān)測(cè)小麥長(zhǎng)勢(shì)變化研究［J］.中國(guó)圖象圖形學(xué)報(bào)，2005，10(4):420 －424.

［13］ Felix Morsdorf，Benjamin K?tz，Erich Meier，et al.Estimation of LAI and Fractional Cover from Small Footprint Airborne Laser Scanning Data Based on Gap Fraction［J］.Remote Sensing of Environment，2006，104(1):50 － 61.

［14］ Hunt L A，Pararajasingham S.CROPSIM － WHEAT:Model Describing the Growth and Development of Wheat［J］.Canadian Journal of Plant Science，1995，75(3):619 －632.

［15］譚昌偉，黃義德，黃文江，等.夏玉米葉面積指數(shù)的高光譜遙感植被指數(shù)法研究［J］.安徽農(nóng)業(yè)大學(xué)學(xué)報(bào)，2004，31(4):392－397.

A Comparative Study of Two Dynamic Simulated Methods for Spring Wheat Leaf Area Index in Ningxia Irrigation Area

ZHANG Xue － yi1，2，LI Jian － ping1，GUAN Jing － de1，QIN Qi－ ming3，Ma Li－ wen1，CAO Ning1
(1.Ningxia Key Laboratory for Meteorological Disaster Prevention and Reduction，Yinchuan 750002，China;2.Nanjing Information Engineering University，Nanjing 210044，China;3.Institute of Remote Sensing and GIS，Peking University，Beijing 100871，China)

In order to obtain the best dynamic simulation method for the Leaf Area Index(LAI)of the spring wheat in Ningxia irrigation area，the authors，based on the spring wheat LAI data observed over the land from the typical agrometeorological experiment station in Ningxia irrigating area，used the agrometeorological method and the remote sensing inverting method to simulate the dynamic changes of the LAI and then to compare the simulation accuracies of the two kinds of methods.The best simulated model for the spring wheat LAI in the whole growth period was eventually obtained.It is revealed that，when LAI is less than 4.5 and PD is less than 40，the remote sensing inverting method should be adopted for simulation，and when PD is more than 40，the agrometeorological method should be employed，and only by combination of the two methods can the best result be achieved.

MODIS;LAI;Dynamic simulation;Contrast

TP 79

A

1001－070X(2011)03－0043－05

2010－11－24;

2011－05－20

中國(guó)氣象局氣象行業(yè)科研專項(xiàng)(編號(hào):GYHY200806022)、科技部農(nóng)業(yè)科技成果轉(zhuǎn)化資金項(xiàng)目(編號(hào):2006GB24160429)及寧夏自治區(qū)科技攻關(guān)項(xiàng)目(編號(hào):KGZ－16－10－09)共同資助。

張學(xué)藝(1978－)，男，研究生在讀，現(xiàn)主要從事農(nóng)業(yè)氣象與生態(tài)遙感方面的應(yīng)用與研究。

(責(zé)任編輯:刁淑娟)