郭云開，張進會

(長沙理工大學交通運輸工程學院，湖南 長沙 410004)

路域植被葉綠素多光譜遙感定量反演研究

郭云開，張進會

(長沙理工大學交通運輸工程學院，湖南 長沙 410004)

葉綠素是植被光合作用的主要物質，準確估算葉綠素含量對植被生長健康狀況和生態(tài)環(huán)境研究具有重要意義。本文利用輻射傳輸機制的PRO4SAIL模型模擬植被冠層光譜，以TM影像為數(shù)據(jù)源，分析了物理模型模擬反射率和遙感影像反射率與葉綠素含量之間的相關性，研究了利用多光譜信息定量反演路域植被葉綠素含量。結果表明，植被光譜與葉綠素含量之間有較強的相關性；利用PRO4SAIL模型模擬的冠層反射率反演葉綠素含量具有一定可行性，該研究成果可以為大面積路域植被冠層葉綠素含量遙感監(jiān)測提供理論依據(jù)與參考。

路域植被；葉綠素；PRO4SAIL模型；TM影像；定量遙感

一、引 言

葉綠素作為植被光合作用的主要參與者，直接影響到植被的生理作用過程，是生態(tài)系統(tǒng)活力與健康的具體體現(xiàn)。葉綠素含量是植被生長狀況及其與外界能量物質交換能力的體現(xiàn)，因此是監(jiān)測植被生長和健康的一個重要指標[1]。葉綠素含量對于區(qū)域植被生態(tài)環(huán)境變化和健康研究具有重要意義。由于遙感技術可以提供不同時空尺度上的植被光譜信息，而這些光譜信息與植被生化組分和含量又存在一定的聯(lián)系，因此如何利用遙感光譜信息分析植被生化信息，越來越受到專家學者們的關注[2]。

很多學者通過分析植被葉片生化參數(shù)與輻射能量的關系，建立數(shù)學模型，從而定量地估算植被生化參數(shù)。文獻[3]用PROSPECT和SAIL模型和微粒群算法分析反演了葉片含水量、葉綠素含量和葉面積指數(shù)3個植被生化參數(shù)對，并取得了良好效果。文獻[1]用PROSPECT＋SAIL模型模擬植被光譜建立了葉綠素查找表，利用Hyperion影像反演了研究區(qū)域森林冠層葉綠素含量。文獻[4]分析了水稻葉片在不同時空條件下的光譜數(shù)據(jù)及各種修正之后的光譜變換與葉綠素含量之間的關系。文獻[2]利用PROSPECT模型模擬水稻葉片光譜特性，并用多元回歸分析法建立了不同觀測方向冠層反射率及其變化形式與葉片葉綠素含量的關系。機理模型物理意義嚴密，不受植被類型、背景環(huán)境等因素的影響，便于進行大區(qū)域的路域植被環(huán)境評價。學者們運用物理機理模型和高光譜遙感模型對植被葉綠素進行了一定研究，并取得了較好的結果[5]。但是PRO4SAIL模型及多光譜遙感技術在這方面的研究還比較少。

路域植被環(huán)境具有獨特的社會經(jīng)濟特點，近年來，隨著國家對環(huán)境保護的重視，公路環(huán)境的評價、保護和治理已成為不可忽視的部分。本研究利用PRO4SAIL模型模擬植被冠層光譜反射率，通過植被冠層反射率與葉綠素含量之間的相關性實現(xiàn)路域植被葉綠素含量多光譜遙感定量反演和對比分析。通過分析路域植被葉綠素的空間分布情況，可評價高等級公路路域植被的生態(tài)環(huán)境健康狀況，指導高等級公路環(huán)境的保護與治理。

二、模型原理與方法

PRO4SAIL模型由PROSPECT模型和4SAIL模型耦合而成，PROSPECT模型模擬結果為葉片的透射率和反射率，而SAIL模型則模擬得到植被冠層反射率。Verhofe通過對上行、下行、散射、直射四通量的擬合辦法，對改進的SAIL模型、PROSPECT、土壤二向性反射模型Hapke和大氣輻射傳輸模型ModT-ran進行耦合，得到4SAIL模型[6]。PRO4SAIL模型較PROSAIL增加了類胡蘿卜素含量變量和棕色物質成分含量，可以很好地應用于森林地區(qū)，提高光譜模擬精度。PROSPECT葉片反射率模型模擬了新鮮植被葉片從可見光到中紅外波段的光學特性，其模型包含葉片葉綠素含量、干物質含量，以及內(nèi)部結構參數(shù)等參數(shù)。其模型如下

式中，N為結構參數(shù)；Chl為葉綠素含量；Cw為水分含量；Cm為干物質含量；Car為胡蘿卜素含量；Cbrown為棕色物質含量。而冠層SAIL模型主要適用于水平均勻植被介質，它的主要輸入?yún)?shù)有模擬葉片的透射率、反射率、熱點參數(shù)、太陽方位參數(shù)和傳感器觀測幾何參數(shù)、葉面積指數(shù)、土壤反射率等[7]。其模型如下

式中，ρ為冠層反射率；LAD為平均葉傾角；LAI為葉面積指數(shù)；τleaf、ρleaf為PROSPECT模型模擬的葉片透射率和反射率；hot為熱點參數(shù)；Diff為漫反射系數(shù)；a、z為觀測方位角和天頂角；aaun、zaun為太陽方位角和天頂角；ρs土壤反射率。SAIL模型是一個冠層二向反射率模型，已經(jīng)在葉綠素、LAI、含水量等生化參數(shù)反演及光譜模擬等方面得到了具體應用[8]。本文PRO4SAIL模型參數(shù)選取主要依據(jù)前人研究成果、試驗區(qū)現(xiàn)場實測數(shù)據(jù)和LOPEX’93數(shù)據(jù)庫，在MATLAB環(huán)境下PRO4SAIL模型的參數(shù)設置見表1[3-5，7-9]。

表1 PRO4SAIL模型參數(shù)設置

本文通過PRO4SAIL模型模擬研究區(qū)域森林植被的冠層反射率，結合TM遙感影像經(jīng)輻射校正、幾何精校正、裁剪等預處理之后得到的研究區(qū)植被冠層反射率，建立其與葉綠素含量之間的關系，完成模型模擬過程，分析各波段反射率及其各指數(shù)與葉綠素之間的相關性，實現(xiàn)高等級公路路域植被葉綠素遙感多光譜反演。

三、研究區(qū)簡介與數(shù)據(jù)處理

1.研究區(qū)概況

本研究選取瀏醴高速公路(瀏陽—醴陵)洞陽鎮(zhèn)—普跡鎮(zhèn)段作為研究區(qū)，該高速公路于2009年5月27日開工建設，2012年12月23日建成通車。本研究選取道路兩側1000 m為研究對象，研究區(qū)域植被覆蓋較好，植被類型主要為闊葉林，部分混交林，主要樹種有樟樹、松樹、杉樹、柏樹、桐油樹等；研究區(qū)路域范圍內(nèi)主要由植被、良田和住房構成，城鎮(zhèn)建設較少，因此其公路環(huán)境主要受公路建設和運營的影響，人類活動對該區(qū)域植被生長狀況影響不大。

2.數(shù)據(jù)采集與處理

在研究區(qū)域路域兩邊每隔1 km均勻選取一個典型樣點，共采集20個10 m×10 m樣地。用GPS確定樣地中心點坐標，統(tǒng)計樣方內(nèi)植被類型；利用SPAD-502葉綠素儀器現(xiàn)場選取樣區(qū)內(nèi)主要植被測量葉綠素含量 10～20次并取平均值；使用荷蘭Avantes公司AvaField-3便攜式高光譜地物波譜儀測量主要植被的光譜，光譜范圍為300～2500 nm。300～1000 nm光譜分辨率為1.4 nm；1000～2500 nm光譜分辨率為15 nm。AvaField-3具有性價比高、測量快速、準確、操作簡單、攜帶方便等特點，不但可以直接進行反射率測量，還可以進行輻射度學等測量。

本文采用 Landsat TM數(shù)據(jù)(30 m×30 m)，在ENVI5.1中通過基于實測控制點的遙感影像幾何校正模型將TM影像幾何精校正，并裁剪出相關研究區(qū)域[10]；大氣校正模型中最為關鍵的參數(shù)就是氣溶膠厚度，氣溶膠對可見光波段的輻射具有較強的干擾，氣溶膠的估算一直是大氣校正中最關鍵的因素之一[11]。本文采用較成熟的FLAASH大氣校正模型對試驗區(qū)TM遙感影像進行大氣校正處理，可以很好地消除大氣氣溶膠對反射率的影響。將經(jīng)過FLAASH模型校正后的TM影像光譜與實測冠層光譜進行對比，發(fā)現(xiàn)校正后的光譜接近實測光譜。

圖1為FLAASH大氣校正前后的光譜對比，圖2為實測光譜、PRO4SAIL模型模擬光譜與TM影像經(jīng)FLAASH大氣校正之后的光譜對比。從圖2中可以看出，這3種光譜反射率變化趨勢一致，經(jīng)過FLAASH大氣校正后的影像光譜反射率接近實測值，PRO4SAIL模型模擬光譜與實測值較接近。

四、結果分析

1.模型敏感性分析

在Matlab環(huán)境及PRO4SAIL程序支持下輸入相關參數(shù)進行葉綠素敏感性分析；在本研究中，主要分析葉綠素的敏感性，本次試驗采樣點葉綠素值在30～50 μg/cm2之間，因此確定葉綠素的步長為2。將“星地同步”野外試驗采集的相關數(shù)據(jù)、LOPEX93數(shù)據(jù)庫生化參數(shù)數(shù)據(jù)和其他參數(shù)輸入PRO4SAIL模型中，在Matlab環(huán)境中模擬不同葉綠素含量下冠層的光譜反射率，試驗模擬結果如圖3所示。從圖中可以看出，葉綠素含量對植被反射率的影響主要在500～800 nm之間，而在550～680 nm之間影響比較明顯，800 nm以后對植被的反射率幾乎沒有影響。

圖1 FLAASH大氣校正

圖2 反射率值對比圖

2.葉綠素反演

分析葉綠素與實測光譜、PRO4SAIL模型模擬光譜和影像光譜之間的相關性，建立葉綠素含量與GNDVI、NDVI、TM影像第二、三波段之間的回歸模型，發(fā)現(xiàn)葉綠素與TM影像二、三波段呈負相關關系，與GNDVI、NDVI指數(shù)呈正相關關系，并且560 nm波段、GNDVI與葉綠素含量的相關性更高，模型的估算結果更為精確，R2均大于0.6。本研究中以葉綠素與560 nm波段的相關性進行反演研究，通過TM影像反射率和PRO4SAIL模型模擬反射率與葉綠素含量之間的相關性反演研究區(qū)域2013年6月葉綠素含量的結果如圖4所示。從圖4中看出兩種方法葉綠素含量預測值與實測值一致性較好，決定系數(shù)R2分別為0.732 9和0.801 9。

圖3 葉綠素含量敏感性分析

圖4 葉綠素實測值與預測值比較

圖5為兩種方法葉綠素含量在TM影像上的反演結果，將葉綠素劃分為 5個等級，分別是 0～25 μg/cm2、25～30 μg/cm2、30～35 μg/cm2，35～40 μg/cm2和40 μg/cm2以上。從圖5中可以看出，兩種模型的反演趨勢一致，TM影像反演結果中葉綠素含量大于40 μg/cm2區(qū)域略大于PRO4SAIL模型反演結果，0～25 μg/cm2區(qū)域略小于PRO4SAIL模型反演結果。

圖5 葉綠素含量多光譜反演結果

從表2統(tǒng)計結果中可以看出，利用TM遙感影像反演葉綠素中，0～25 μg/cm2占總面積的12.246 8%，25～30 μg/cm2占總面積的16.586 8%，30～35 μg/cm2占總面積的30.106%，35～40 μg/cm2占總面積的30.932 2%，大 于 40 μg/cm2占 10.128 2%。而PRO4SAIL模型模擬的冠層反射率反演葉綠素中，0～25 μg/cm2占總面積的13.340 6%，25～30 μg/cm2占總面積的17.202 2%，30～35 μg/cm2占總面積的30.406 2%，35～40 μg/cm2占總面積的30.327 3%，大于40 μg/cm2占8.723 7%。通過對比發(fā)現(xiàn)，這兩種方法的反演趨勢基本一致，主要在0～25 μg/cm2和大于40 μg/cm2含量的葉綠素反演結果較其他區(qū)間略大。從圖5和表2統(tǒng)計結果看出，本研究區(qū)域整體葉綠素含量較高，30 μg/cm2以上占70%左右，由此可知研究區(qū)植被健康程度及生態(tài)環(huán)境較好，反演結果與實際調(diào)研情況一致。本文利用多光譜TM影像反演葉綠素含量取得了一定研究成果，為葉綠素的進一步研究提供了參考。

表2 不同葉綠素所占區(qū)域像元數(shù)

五、結束語

葉綠素含量與植被的生長和健康程度密切相關，因此，如何快速準確獲取葉綠素含量及其分布對于評價植被健康及生態(tài)環(huán)境可持續(xù)發(fā)展研究具有重要的意義。

本文運用PRO4SAIL模型模擬路域植被不同葉綠素含量下冠層光譜反射率，并分析PRO4SAIL模型模擬光譜、TM光譜與葉綠素含量之間的相關性，在此基礎上通過建立線性回歸模型，完成了高等級公路兩側植被葉綠素含量的多光譜遙感定量反演。結果表明：PRO4SAIL模型可以較好地模擬植被冠層光譜；基于PRO4SAIL模型和TM光譜的路域葉綠素含量遙感反演結果與實測葉綠素含量都具有很好的一致性，R2分別為0.801 9和0.732 9；PRO4SAIL模型模擬精度略高于TM光譜，主要是由于PRO4SAIL機理模型物理意義嚴密，不受植被類型、背景環(huán)境等因素影響，模擬光譜更接近實測光譜，而遙感影像光譜受眾多外界因素及其影像處理算法的影響。本研究成果為進一步研究多光譜反演葉綠素含量奠定了基礎，為利用遙感技術監(jiān)測大面積植被葉綠素含量空間分布提供了技術途徑。但是，本文只研究了葉綠素含量對PRO4SAIL模型的敏感性，其他參數(shù)均來自前人研究，今后需要進一步研究其他參數(shù)對模型光譜反射率精度的影響。

[1] 楊曦光，范文義，于穎.基于PROSPECT＋SAIL模型的森林冠層葉綠素含量反演[J].光譜學與光譜分析，2010，30(11)：3022-3026.

[2] 李云梅，倪紹祥，王秀珍.線性回歸模型估算水稻葉片葉綠素含量的適宜性分析[J].遙感學報，2003，7 (5)：364-370.

[3] 吳伶，劉湘南，周博天，等.利用PROSPECT＋SAIL模型反演植物生化參數(shù)的植被指數(shù)優(yōu)化模擬[J].應用生態(tài)學報，2012，23(12)：3250-3256.

[4] 楊杰，田永超，姚霞，等.水稻上部葉片葉綠素含量的高光譜估算模型[J].生態(tài)學報，2009，29(12)：6561-6570.

[5] 郭洋洋，張連蓬，王德高，等.小波分析在植物葉綠素高光譜遙感反演中的應用[J].測繪通報，2010(8)：31-33.

[6] JACQUEMOUD S，VERHOEF W.PROSPECT＋SAIL Models：A Review of Use for Vegetation Characterization[J]. Remote Sensing of Environment，2009(113)：S56-S66.

[7] JACQUEMOUD S，BARET F.PROSPECT：A Model of Leaf Optical Properties Spectra[J].Remote Sensing of Environment，1990(34)：75-91.

[8] 谷成燕，杜華強，周國模，等.基于PROSAIL輻射傳輸模型的毛竹林葉面積指數(shù)遙感反演[J].應用生態(tài)學報，2013，24(8)：2248-2256.

[9] LI J，YAN G J，MU X H.A Paramrized SAILH Model for LAI Retrieval[J].Journal of Remote Sensing，2010 (14)：1182-1195.

[10] 趙筱榕，劉津.基于控制點影像數(shù)據(jù)庫的國產(chǎn)衛(wèi)星影像幾何糾正[J].測繪通報，2013(8)：61-64.

[11] 程偉，王黎明，田慶久.一種基于陰影像元的光學遙感大氣校正方法[J].測繪學報，2008，37(4)：469-475.

[12] 郭云開，茍葉培.路域植被葉面積指數(shù)變化遙感監(jiān)測[J].遙感信息，2013，28(6)：92-95.

Quantitative Inversion Research of Road Vegetation Chlorophyll by Using Multispectral Remote Sensing

GUO Yunkai，ZHANG Jinhui

P237

B

0494-0911(2014)12-0005-04

郭云開，張進會.路域植被葉綠素多光譜遙感定量反演研究[J].測繪通報，2014(12)：5-8.

10.13474/j.cnki.11-2246.2014.0384

2014-07-23

國家自然科學基金(41171397)；貴州省交通科技計劃項目(2014-121-039)

郭云開(1958—)，男，湖南常德人，博士，教授，主要研究方向為環(huán)境遙感、遙感與GIS集成及應用。