楊閆君，田慶久，黃彥，王磊，耿君，楊冉冉

(1.南京大學(xué)國(guó)際地球系統(tǒng)科學(xué)研究所，南京 210023；2.南京大學(xué)江蘇省地理信息技術(shù)重點(diǎn)實(shí)驗(yàn)室，南京 210023)

高分一號(hào)影像水稻葉面積指數(shù)反演真實(shí)性檢驗(yàn)

楊閆君1，2，田慶久1，2，黃彥1，2，王磊1，2，耿君1，2，楊冉冉1，2

(1.南京大學(xué)國(guó)際地球系統(tǒng)科學(xué)研究所，南京 210023；2.南京大學(xué)江蘇省地理信息技術(shù)重點(diǎn)實(shí)驗(yàn)室，南京 210023)

為了解決常規(guī)衛(wèi)星遙感葉面積指數(shù)真實(shí)性檢驗(yàn)方法存在的破壞樣地植被、操作復(fù)雜、耗時(shí)費(fèi)力，且難以用于對(duì)應(yīng)大范圍的植被采樣等問(wèn)題，該文以安徽省來(lái)安縣為研究區(qū)，利用實(shí)測(cè)水稻冠層光譜結(jié)合GF1-WFV傳感器進(jìn)行光譜重采樣并計(jì)算水稻NDVI，基于此進(jìn)行LAI反演建模，通過(guò)光譜計(jì)算的LAI反演結(jié)果對(duì)GF-1星多光譜遙感水稻LAI的反演結(jié)果進(jìn)行真實(shí)性檢驗(yàn)，并結(jié)合野外LAI觀測(cè)數(shù)據(jù)證明了該方法的有效性和可行性。研究表明，該方法操作簡(jiǎn)單，準(zhǔn)確度高，大大減少了野外試驗(yàn)的工作量，為快速、準(zhǔn)確獲取大量真實(shí)性檢驗(yàn)數(shù)據(jù)及定量化應(yīng)用提供了有效的途徑。

GF-1星；水稻冠層光譜；NDVI；LAI反演；真實(shí)性檢驗(yàn)

0 引 言

葉面積指數(shù)(leaf area index，LAI)，即為單位水平地面上所有葉片表面積的一半或總?cè)~片投影面積的一半[1]，作為陸地生態(tài)系統(tǒng)的一個(gè)十分重要的植被特征參量，能夠?qū)χ脖还趯咏Y(jié)構(gòu)給出直接的量化指標(biāo)[2]。LAI也是植被定量遙感的重要參數(shù)，在反演方法上主要是通過(guò)植被指數(shù)建立與其相關(guān)的模型實(shí)現(xiàn)[3]。20世紀(jì)70年代初，通過(guò)對(duì)植被光譜反射特性的研究，Wiegand等首次在植被LAI與實(shí)測(cè)光譜數(shù)據(jù)特征之間建立相關(guān)關(guān)系，為遙感反演植被LAI提供了可能[4]。隨后，利用特定的光譜波段進(jìn)行組合建立不同植被指數(shù)的研究相繼出現(xiàn)，而且利用不同植被指數(shù)與LAI的相關(guān)關(guān)系進(jìn)行LAI反演的研究也越來(lái)越多。1974年，Rouse在提出歸一化植被指數(shù)NDVI后[5]，基于NDVI與LAI關(guān)系進(jìn)行植被葉面積指數(shù)反演的研究更加廣泛。Shibayama等通過(guò)試驗(yàn)說(shuō)明冠層光譜歸一化植被指數(shù)NDVI可以用于反演水稻葉面積指數(shù)等生物量[6]。宋開(kāi)山等通過(guò)實(shí)測(cè)光譜，分析不同波段的作物光譜反射率，研究了NDVI等植被指數(shù)與LAI的相關(guān)關(guān)系，結(jié)果表明利用高光譜反射率構(gòu)建的NDVI等指數(shù)與作物的LAI有著密切的相關(guān)性，對(duì)預(yù)測(cè)LAI的精度較高[7]。以上研究表明，利用植被實(shí)測(cè)冠層光譜進(jìn)行LAI反演具有可行性。

衛(wèi)星影像地物參數(shù)反演結(jié)果在應(yīng)用之前需要對(duì)其進(jìn)行真實(shí)性檢驗(yàn)，衛(wèi)星傳感器數(shù)據(jù)的真實(shí)性檢驗(yàn)是遙感領(lǐng)域的一個(gè)重要發(fā)展方向[8]。由于衛(wèi)星傳感器接收地物反射或者輻射的電磁波信息時(shí)會(huì)受到大氣條件等因素的影響，使得其接受到的信息與地表狀況不一致。因此，當(dāng)直接利用衛(wèi)星影像進(jìn)行LAI反演時(shí)需要對(duì)反演結(jié)果進(jìn)行真實(shí)性檢驗(yàn)。地面觀測(cè)實(shí)驗(yàn)是衛(wèi)星傳感器數(shù)據(jù)真實(shí)性檢驗(yàn)的基礎(chǔ)，它既要在地面獲取地面?zhèn)鞲衅饕晥?chǎng)內(nèi)定量遙感反演產(chǎn)品的真值，又要運(yùn)用地面?zhèn)鞲衅鳙@取模擬的遙感信號(hào)，建立模型或檢驗(yàn)?zāi)Ｐ蚚9]。植物L(fēng)AI的實(shí)地測(cè)量方法主要有直接測(cè)量法和間接測(cè)量法[10]。直接測(cè)量方法主要靠人工采集植被葉片進(jìn)行測(cè)量計(jì)算，不僅操作復(fù)雜、費(fèi)時(shí)耗力，采集樣本的代表性也較差，而且直接測(cè)量對(duì)植被與環(huán)境的破壞較大。間接測(cè)量法是用光學(xué)儀器測(cè)得LAI，減少了對(duì)植被的破壞，測(cè)量相對(duì)快捷，但儀器對(duì)光環(huán)境等條件要求較高，也限制了驗(yàn)證數(shù)據(jù)的大量獲取。

一般來(lái)說(shuō)，高分辨率遙感數(shù)據(jù)能更好地反映地表信息，但高分辨率影像有時(shí)又過(guò)高地反映了地表真實(shí)情況使得研究對(duì)象太復(fù)雜而失去了宏觀特征，反而不利于陸面參數(shù)的反演[11]。使得在實(shí)際應(yīng)用中，中分辨率多光譜影像成為應(yīng)用能力最強(qiáng)的作物長(zhǎng)勢(shì)監(jiān)測(cè)遙感數(shù)據(jù)源。我國(guó)GF-1星于2013年4月26日成功發(fā)射，其4天重訪周期和16m空間分辨率優(yōu)勢(shì)為獲取時(shí)間序列數(shù)據(jù)、準(zhǔn)確及時(shí)地對(duì)作物生長(zhǎng)狀況進(jìn)行監(jiān)測(cè)提供了有利條件。但目前尚未有研究對(duì)GF-1衛(wèi)星多光譜數(shù)據(jù)LAI反演的結(jié)果進(jìn)行真實(shí)性檢驗(yàn)評(píng)價(jià)分析，明確其在該領(lǐng)域的適用性。

1 地面觀測(cè)實(shí)驗(yàn)

1.1 研究區(qū)概況

研究區(qū)位于安徽省東部的來(lái)安縣境內(nèi)(圖1)，地理坐標(biāo)為30°12′N(xiāo)～32°45′N(xiāo)，118°20′E～118°40′E。來(lái)安縣地勢(shì)平坦，河流眾多，水系發(fā)達(dá)，為大面積的水稻種植提供了豐富的水源，該地屬于北亞熱帶季風(fēng)氣候區(qū)，光照充足，雨熱同季，對(duì)作物生長(zhǎng)十分有利。此外，來(lái)安縣自古以來(lái)農(nóng)業(yè)生產(chǎn)為主，水稻是來(lái)安縣種植面積最多的作物，全縣耕地總面積4.8×104ha，其中水田占4.3×104ha。該區(qū)域作物熟制是一年兩熟、稻麥輪作，水稻在5月中旬播種，6月中旬移栽。野外觀測(cè)實(shí)驗(yàn)的時(shí)間為2013年7月10日、11日，與GF-1衛(wèi)星影像獲取時(shí)間基本同步，在來(lái)安縣的水口鎮(zhèn)和汊河鎮(zhèn)汪波蕩農(nóng)場(chǎng)選取樣地進(jìn)行地面水稻冠層光譜及LAI的觀測(cè)，選取觀測(cè)樣地共29塊，其中光譜與LAI同步觀測(cè)樣地21塊用于建模分析，另外8塊LAI觀測(cè)樣地用于LAI反演驗(yàn)證。

圖1 研究區(qū)樣地分布

1.2 實(shí)驗(yàn)設(shè)計(jì)方案

(1)水稻冠層光譜觀測(cè)

水稻冠層光譜的測(cè)量采用美國(guó)ASD公司生產(chǎn)的Field Spec Hand Held 2型手持式光譜儀(儀器波長(zhǎng)范圍：325nm～1075nm，采樣間隔：1nm，光譜分辨率：3.0nm，視場(chǎng)角：25°)，光譜采集選擇在風(fēng)力小于3級(jí)，光照穩(wěn)定，無(wú)卷云與濃積云的晴朗天氣下進(jìn)行，測(cè)量時(shí)間為10∶00～14∶00，以保證太陽(yáng)天頂角大于50°。

根據(jù)GF1-WFV影像的空間分辨率和實(shí)地考察情況，在研究區(qū)內(nèi)盡量選擇水稻長(zhǎng)勢(shì)具有分布梯度的稻田作為觀測(cè)樣地進(jìn)行水稻冠層光譜測(cè)量。布設(shè)32m×32m大小的樣地共21塊，在每塊樣地沿著樣地東西方向的中心線(xiàn)上設(shè)置3個(gè)觀測(cè)樣點(diǎn)，樣點(diǎn)間隔為8m，這樣布設(shè)樣點(diǎn)可以保證至少有兩個(gè)樣點(diǎn)位于16m分辨率的高分影像同一個(gè)像元之內(nèi)。每個(gè)樣點(diǎn)光譜重復(fù)觀測(cè)5次取平均作為該點(diǎn)的實(shí)測(cè)光譜數(shù)據(jù)，當(dāng)同一個(gè)像元內(nèi)包含3個(gè)樣點(diǎn)時(shí)，將每個(gè)樣點(diǎn)的光譜數(shù)據(jù)取平均后，再求3個(gè)樣點(diǎn)的均值作為該像元的實(shí)測(cè)光譜數(shù)據(jù)；當(dāng)同一個(gè)像元內(nèi)包含兩個(gè)樣點(diǎn)時(shí)，將每個(gè)樣點(diǎn)的光譜數(shù)據(jù)取平均后，再求兩個(gè)樣點(diǎn)的均值作為該像元的實(shí)測(cè)光譜數(shù)據(jù)；當(dāng)像元內(nèi)只有一個(gè)觀測(cè)樣點(diǎn)時(shí)，將該點(diǎn)觀測(cè)的5次光譜數(shù)據(jù)取平均作為該像元的實(shí)測(cè)光譜數(shù)據(jù)。根據(jù)樣地布設(shè)可以知道地面觀測(cè)數(shù)據(jù)對(duì)應(yīng)高分影像的像元個(gè)數(shù)至少有21個(gè)，最多有42個(gè)，可以滿(mǎn)足用于LAI反演建模及反演結(jié)果的精度驗(yàn)證。借助差分為1m的Mobile Mapper GPS記錄樣點(diǎn)的坐標(biāo)，每塊樣地布設(shè)如圖2所示。在測(cè)量過(guò)程中，光譜儀保持水平，傳感器探頭垂直向下，高度保持在冠層上方1.2m附近，每個(gè)樣點(diǎn)重復(fù)記錄5條光譜曲線(xiàn)，且每半小時(shí)用參考板對(duì)儀器進(jìn)行一次校正以消除環(huán)境變化所帶來(lái)的影響。

圖2 觀測(cè)樣地布設(shè)

(2)水稻LAI觀測(cè)

LAI采用美國(guó)LI-COR公司生產(chǎn)的植物樹(shù)冠分析儀(LAI-2000)測(cè)定，LAI-2000是通過(guò)“魚(yú)眼”光學(xué)感應(yīng)傳感器從5個(gè)不同角度的天頂角方向測(cè)定冠層上下光強(qiáng)的變化，并通過(guò)輻射傳播模型進(jìn)行計(jì)算。LAI觀測(cè)與光譜測(cè)量同步進(jìn)行，選在光譜觀測(cè)當(dāng)天日出日落時(shí)進(jìn)行，盡可能避免直射陽(yáng)光，采用180°視角的遮蓋帽有效地避免了觀測(cè)者自身的影響。LAI的觀測(cè)樣地與冠層光譜測(cè)量樣地一致，每塊樣地觀測(cè)3個(gè)樣點(diǎn)，并記錄樣點(diǎn)的GPS坐標(biāo)，樣地布設(shè)方法同上，用于LAI反演建模。觀測(cè)中要保證傳感器鏡頭未被植被遮擋，保持儀器探頭水平，在每個(gè)樣點(diǎn)重復(fù)測(cè)量2次，求平均值作為該點(diǎn)的實(shí)測(cè)LAI。注意測(cè)定A值的時(shí)間和地點(diǎn)應(yīng)該盡可能接近B值的測(cè)定條件。

2 數(shù)據(jù)預(yù)處理

2.1 GF-1星遙感影像預(yù)處理

GF-1星多光譜影像獲取時(shí)間為2013年7月12日(水稻分蘗期)，8月30日(水稻抽穗期)，影像是從中國(guó)衛(wèi)星資源中心得到，在晴天獲取，研究區(qū)沒(méi)有云覆蓋，是經(jīng)過(guò)相對(duì)輻射校正和系統(tǒng)幾何校正處理后的2級(jí)數(shù)據(jù)產(chǎn)品，星下點(diǎn)分辨率16m，4臺(tái)WFV組合幅寬800km，影像文件為DN值產(chǎn)品，具有4個(gè)波段(藍(lán)光：0.45μm～0.52μm，綠光：0.52μm～0.59μm，紅光：0.63μm～0.69μm，近紅外：0.77μm～0.89μm)，數(shù)據(jù)格式為GeoTiff。對(duì)獲取的兩幅GF1-WFV影像使用ENVI 4.8軟件進(jìn)行輻射定標(biāo)、大氣校正、幾何精校正、NDVI和NDWI(歸一化水體指數(shù))計(jì)算等處理。

首先，根據(jù)定標(biāo)公式和定標(biāo)系數(shù)進(jìn)行輻射定標(biāo)，利用絕對(duì)定標(biāo)系數(shù)將DN值圖像轉(zhuǎn)換為輻亮度圖像的公式為：

L=DN/g+L0

(1)

其中，L為輻亮度，g為絕對(duì)定標(biāo)系數(shù)增益，L0為偏移量，轉(zhuǎn)換后輻亮度單位為W/(m2*μm*sr)。

使用FLAASH模塊進(jìn)行大氣校正，由于輻射定標(biāo)后數(shù)據(jù)單位是W/(m2*μm*sr)與FLAASH要求的單位(μW)/(cm2*nm*sr)相差10倍，因此在大氣校正前需要設(shè)置縮放系數(shù)為10。大氣模型(Atmospheric Model)需要根據(jù)研究區(qū)的經(jīng)緯度和影像獲取時(shí)間進(jìn)行選擇，本文所用數(shù)據(jù)屬于中緯度夏季，所以選擇MLS(Mid-Latitude Summer)模型。波譜響應(yīng)文件選擇時(shí)，使用波譜曲線(xiàn)來(lái)描述波譜響應(yīng)函數(shù)，x軸為波長(zhǎng)(單位：nm)，y軸為波譜響應(yīng)值，如圖3所示。

圖3 GF1-WFV2波譜響應(yīng)函數(shù)曲線(xiàn)

根據(jù)實(shí)地調(diào)查記錄的地面控制點(diǎn)坐標(biāo)，在Map Registration模塊使用二次多項(xiàng)式法進(jìn)行幾何精校正，舍棄誤差較大的點(diǎn)，保證用于幾何校正的控制點(diǎn)至少為25個(gè)，誤差控制在1個(gè)像元之內(nèi)。

利用來(lái)安縣的矢量邊界對(duì)幾何校正之后的影像進(jìn)行裁剪，得到只包含來(lái)安縣范圍的兩幅反射率影像。

最后，對(duì)所得來(lái)安縣范圍的GF-1反射率影像計(jì)算NDVI和NDWI，計(jì)算公式如下：

NDVI=(NIR-R)/(NIR+R)

(2)

其中，NIR代表近紅外波段的反射值，R代表紅光波段的反射值。

NDWI=(B-NIR)/(B+NIR)

(3)

其中，B代表綠光波段的反射值，NIR代表近紅外波段的反射值。

2.2 光譜數(shù)據(jù)重采樣

利用光譜儀后處理軟件View Spec Pro對(duì)采集的光譜數(shù)據(jù)進(jìn)行預(yù)處理，根據(jù)顯示每個(gè)樣點(diǎn)記錄的5條光譜曲線(xiàn)，剔除其中明顯異常的數(shù)據(jù)，對(duì)每個(gè)樣點(diǎn)剩余的光譜數(shù)據(jù)求平均，計(jì)算所有樣點(diǎn)的平均光譜曲線(xiàn)，最后將結(jié)果輸出為文本文件以便后續(xù)計(jì)算。

(4)

其中，ρi是待擬和波段的光譜反射率，fi(λ)是待擬和波段的光譜響應(yīng)函數(shù)，ρ(λ)是實(shí)測(cè)光譜各波長(zhǎng)處的反射率，λmax和λmin分別是光譜波段取值范圍的上下界。

根據(jù)公式(4)將實(shí)測(cè)水稻冠層光譜進(jìn)行重采樣，計(jì)算得到水稻冠層紅光和近紅外兩個(gè)波段的真實(shí)反射率，由此計(jì)算出所有實(shí)測(cè)樣點(diǎn)的NDVI。

2.3 水稻LAI數(shù)據(jù)處理

利用FV2200軟件對(duì)實(shí)測(cè)的LAI進(jìn)行處理，儀器光圈角度共有5個(gè)：7°、22°、38°、52°、68°，光圈環(huán)在68°時(shí)有可能探測(cè)不到葉子，為了保證計(jì)算精度將其舍掉。在計(jì)算LAI時(shí)，F(xiàn)V2200軟件默認(rèn)的是以最接近B值的A值進(jìn)行計(jì)算，天空光穩(wěn)定時(shí)，一組A值可以用于計(jì)算若干B值，最后存儲(chǔ)成文本格式輸出，再將每個(gè)樣點(diǎn)兩次觀測(cè)值取平均作為該點(diǎn)的LAI值。

2.4 來(lái)安縣水稻覆蓋區(qū)域提取

由于影像中不僅有水稻，還包含了其他地物，為避免其他地物對(duì)反演結(jié)果造成干擾，在建立模型之前先進(jìn)行水稻作物覆蓋區(qū)域的提取。利用兩個(gè)時(shí)期的NDVI和NDWI特征對(duì)影像中水稻信息進(jìn)行提取，所有地物被分為水稻和非水稻兩種，然后利用ENVI 4.8的掩膜技術(shù)對(duì)非水稻進(jìn)行0值處理，提取出水稻分布如圖4所示。

圖4 來(lái)安縣水稻信息分布

3 GF-1影像水稻LAI反演

遙感反演模型通常建立在實(shí)測(cè)數(shù)據(jù)之上，由于實(shí)測(cè)數(shù)據(jù)的觀測(cè)范圍大約是1m×1m，而GF-1星影像空間分辨率為16m，推測(cè)觀測(cè)尺度的差異可能對(duì)模型建立產(chǎn)生一定的誤差。但已有研究表明，連續(xù)植被區(qū)域的尺度效應(yīng)是很小的，稀疏植被區(qū)域的尺度效應(yīng)相對(duì)較大[15]。當(dāng)反演函數(shù)為線(xiàn)性或者地表數(shù)據(jù)測(cè)量值均一時(shí)，地表參數(shù)的反演不存在尺度效應(yīng)[16]。由于水稻作物長(zhǎng)勢(shì)相對(duì)均一，且LAI反演模型為線(xiàn)性關(guān)系，所以尺度效應(yīng)可以忽略不計(jì)。

水稻LAI反演選擇在分蘗期，由于該時(shí)期水稻長(zhǎng)勢(shì)分布有一定程度差異，利于提高模型構(gòu)建的精度。根據(jù)影像預(yù)處理得到的來(lái)安縣水稻NDVI圖像，結(jié)合實(shí)測(cè)點(diǎn)坐標(biāo)提取觀測(cè)樣點(diǎn)的水稻NDVI值，利用有實(shí)測(cè)光譜及實(shí)測(cè)LAI數(shù)據(jù)的21塊水稻樣地進(jìn)行LAI的分析反演建模，21塊觀測(cè)樣地在高分WFV影像上對(duì)應(yīng)了33個(gè)像元，去除異常值后選取其中28組數(shù)據(jù)分析樣點(diǎn)NDVI與實(shí)測(cè)LAI關(guān)系，如圖5所示。

圖5 GF1-NDVI與實(shí)測(cè)LAI關(guān)系

從上圖可以看出，由GF-1影像計(jì)算的水稻NDVI值與實(shí)測(cè)水稻LAI有較高的相關(guān)性，R2達(dá)到了0.67。由此，基于GF-1影像提取的NDVI建立水稻作物的LAI反演模型為：

LAI=4.84*NDVI-1.26

(5)

將基于GF-1多光譜影像的LAI反演模型應(yīng)用到水稻NDVI圖像中進(jìn)行空間量化表達(dá)，反演來(lái)安縣的水稻LAI，并利用ARCGIS軟件對(duì)其進(jìn)行制圖，如圖6所示。

4 反演結(jié)果真實(shí)性檢驗(yàn)

4.1 實(shí)測(cè)光譜反演LAI

由于衛(wèi)星傳感器接收地表信息時(shí)會(huì)受到大氣影響，雖然影像是經(jīng)過(guò)大氣校正，但校正采用的大氣標(biāo)準(zhǔn)模型大氣實(shí)際情況并不能完全相符，而實(shí)測(cè)光譜數(shù)據(jù)采集時(shí)不經(jīng)過(guò)大氣，相對(duì)于GF-1影像計(jì)算的NDVI會(huì)更加準(zhǔn)確，因此采用實(shí)測(cè)光譜數(shù)據(jù)重采樣計(jì)算的NDVI建模反演水稻LAI，據(jù)此對(duì)GF-1影像LAI反演結(jié)果進(jìn)行真實(shí)性檢驗(yàn)。實(shí)測(cè)光譜模擬WFV重采樣得到紅光、近紅外波段反射率后，根據(jù)NDVI計(jì)算公式得到觀測(cè)點(diǎn)的NDVI值，選用與公式(5)所示模型相同的21塊觀測(cè)樣地，結(jié)合實(shí)測(cè)LAI選取其中17組數(shù)據(jù)建立基于實(shí)測(cè)光譜數(shù)據(jù)的NDVI-LAI關(guān)系，如圖7所示。

圖7 光譜計(jì)算的NDVI與實(shí)測(cè)LAI關(guān)系

從以上關(guān)系圖可以看出，實(shí)測(cè)水稻冠層光譜重采樣計(jì)算得到的NDVI與實(shí)測(cè)LAI之間有著更高的線(xiàn)性相關(guān)關(guān)系，其R2達(dá)到了0.75，因此，利用基于實(shí)測(cè)冠層光譜構(gòu)建水稻LAI反演模型：

LAI = 2.73 *NDVI-0.25

(6)

將基于實(shí)測(cè)光譜建立的LAI反演模型應(yīng)用到水稻NDVI圖像中進(jìn)行空間量化表達(dá)，進(jìn)行水稻LAI反演。

4.2 結(jié)果真實(shí)性檢驗(yàn)

在進(jìn)行GF-1多光譜遙感LAI反演結(jié)果真實(shí)性檢驗(yàn)時(shí)采用均方根誤差RMSE對(duì)其分析，其定義為：

(7)

先將基于實(shí)測(cè)光譜反演的LAI結(jié)果結(jié)合野外實(shí)測(cè)LAI對(duì)反演精度進(jìn)行驗(yàn)證，根據(jù)8塊驗(yàn)證樣地，選取11組數(shù)據(jù)對(duì)基于實(shí)測(cè)光譜反演的LAI進(jìn)行驗(yàn)證(圖8)，其中RMSE為0.31，R2達(dá)到0.75，說(shuō)明光譜反演的精度比較高，可以用于GF-1反演結(jié)果的驗(yàn)證。然后結(jié)合野外考察記錄的坐標(biāo)點(diǎn)，將實(shí)測(cè)光譜反演得到的LAI與GF-1影像反演的相同坐標(biāo)點(diǎn)LAI值進(jìn)行數(shù)據(jù)擬合分析，利用實(shí)測(cè)光譜反演的結(jié)果對(duì)GF-1影像反演的LAI結(jié)果進(jìn)行真實(shí)性檢驗(yàn)(圖9)，因?yàn)榉囱萁Y(jié)果LAI圖像的分辨率都是16m，所以在兩者比較時(shí)不存在尺度差異。從兩者比較來(lái)看，均方根誤差為0.21，相關(guān)系數(shù)達(dá)到0.9，擬合效果很好，真實(shí)性檢驗(yàn)結(jié)果精度比較高，說(shuō)明經(jīng)過(guò)大氣校正后GF-1多光譜影像反演LAI的效果比較好，大氣效應(yīng)對(duì)其影響并不明顯。

圖8 實(shí)測(cè)光譜反演LAI的精度驗(yàn)證

圖9 真實(shí)性檢驗(yàn)的相關(guān)關(guān)系

5 結(jié)束語(yǔ)

常規(guī)的LAI真實(shí)性檢驗(yàn)方法樣本采集困難，野外操作復(fù)雜，需要耗費(fèi)大量的人力物力，而且難以獲取大量的觀測(cè)數(shù)據(jù)，因此本文采用實(shí)測(cè)冠層光譜重采樣建模反演的LAI進(jìn)行驗(yàn)證，可以快速準(zhǔn)確地獲取更多的LAI數(shù)據(jù)，為GF-1的LAI反演結(jié)果進(jìn)行真實(shí)性檢驗(yàn)提供有效支持。

衛(wèi)星傳感器在接收地面數(shù)據(jù)時(shí)需要穿過(guò)大氣層，受大氣條件影響使得接收到的信息與地表真實(shí)情況出現(xiàn)差異，雖然影像經(jīng)過(guò)大氣校正處理，但校正所用的標(biāo)準(zhǔn)大氣與實(shí)際情況可能并不完全相符，相比地面實(shí)測(cè)數(shù)據(jù)會(huì)有一定程度差異，而實(shí)測(cè)冠層光譜數(shù)據(jù)不需要經(jīng)過(guò)大氣作用直接得到真實(shí)地表反射率，避免了大氣的影響。利用實(shí)測(cè)冠層光譜模擬GF1-WFV重采樣得到可以地表真實(shí)反射率數(shù)據(jù)，基于此計(jì)算NDVI建模反演獲得LAI的可靠性更強(qiáng)，因此文中利用實(shí)測(cè)冠層光譜模擬GF1-WFV重采樣計(jì)算NDVI與GF-1多光譜影像計(jì)算NDVI分別進(jìn)行LAI反演建模，控制兩者其他反演條件相同，只有建模所用NDVI不同，一是來(lái)自實(shí)測(cè)光譜重采樣，二是來(lái)自GF-1影像，利用實(shí)測(cè)光譜反演結(jié)果對(duì)基于GF-1多光譜影像建模的反演結(jié)果進(jìn)行真實(shí)性檢驗(yàn)，可以評(píng)價(jià)GF-1多光譜影像進(jìn)行LAI反演的準(zhǔn)確性。

由于作物長(zhǎng)勢(shì)分布相對(duì)均一，稻田地勢(shì)也比較平坦，野外觀測(cè)都是選在成片稻田區(qū)域，所以尺度差異的影響在水稻作物L(fēng)AI反演中并不是很大。但是，本文的研究對(duì)象是水稻，如果換作其他植被，尺度問(wèn)題可能會(huì)成為影響反演精度的重要因素，而且不同的植被類(lèi)型、相同植被的不同生長(zhǎng)期尺度問(wèn)題的影響效應(yīng)也可能會(huì)不同，這需要進(jìn)一步研究。

GF-1衛(wèi)星影像4天重訪周期的高時(shí)間分辨率和16m的空間分辨率為植被LAI反演提供了可靠的數(shù)據(jù)支持，與傳統(tǒng)方法比較大大地減少野外試驗(yàn)的工作量，體現(xiàn)了GF-1衛(wèi)星多光譜數(shù)據(jù)在農(nóng)作物L(fēng)AI反演中的應(yīng)用價(jià)值及優(yōu)勢(shì)。

[1] CHENJM，BLACKTA.Defining leaf area index for non-flat leaves[J].Plant Celland Environment，1992，15：421-429.

[2] 李淑敏，李紅.PROSAIL冠層光譜模型遙感反演區(qū)域葉面積指數(shù)[J].光譜學(xué)與光譜分析，2009(10)：2725-2729.

[3] LI K L，JIANG J J，MAO R Z，et al.The modeling of vegetation through leaf area index by means of remote sensing[J].Acta Ecologica Sinica，2005，6：1491-1495.

[4] WIEGAND C L，GAUSMAN H W，CUELLAR J A，et al.Vegetation density as deduced from ERST-1MSS response[A].Third ETRS Symposium，1974：93-116.

[5] ROUSE J W，HAAS R H，SCHELL J A etal.Monitoring the vernal advancement and retrogradation of natural vegetation[R].NASA/GSFC，Type，F(xiàn)inal ⅢReport，Greenbelt，MD，USA，1974：1-371.

[6] SHIBAYAMA M，AKIYAMA T.Seasonal visible，near-infrared and mid-infrared spectra of rice canopies in relation to LAI and above-ground dry phytomass.[J] Remote Sensing of Environment，1989，27：119-127.

[7] 宋開(kāi)山，張柏，王宗明，等.基于人工神經(jīng)網(wǎng)絡(luò)的大豆葉面積高光譜反演研究[J].中國(guó)農(nóng)業(yè)科學(xué)，2006，39(6)：1138-1145.

[8] JUSTICE C，BELWARD A，MORISETTE J，et al.Developments in the ‘validation’ of satellite sensor products for the study of the land surface[J].International Journal of Remote Sensing，2000，21(17)：3383-3390.

[9] 張仁華，田靜，李召良，等.定量遙感產(chǎn)品真實(shí)性檢驗(yàn)的基礎(chǔ)與方法[J].中國(guó)科學(xué)地球科學(xué)，2010，40(2)：211-222.

[10] WU W B，HONG T S，WANG X P，et al.Advancing round based LAI measurement methods[J].Journal of Hua Zhong Agricultural University(Natural Science Edition)，2007，26(2)：270-275.

[11] 李小文.地球表面時(shí)空多變要素的定量遙感項(xiàng)目綜述[J].地球科學(xué)進(jìn)展，2006，21(8)：771-780.

[12] ZHANG T，DING J L，WANG F.Simulation of image mult-spectrum using field measured endmember spectrum[J].Spectroscopy and Spectral Analysis，2010，30(11)：2889-2893.

[13] YE Z T，GU X F.Simulation of remote sensing images based on MIVIS data[J].Acta Geodaetica et Cartographica Sinica，2000，29(3)：235-239.

[14] 劉綏華，晏磊.光譜參數(shù)對(duì)基于光譜重構(gòu)的高光譜數(shù)據(jù)模擬的影響[J].光譜學(xué)與光譜分析，2013，(2)：513-516.

[15] 劉艷，王錦地，周紅敏，等.黑河中游試驗(yàn)區(qū)不同分辨率LAI數(shù)據(jù)處理，分析和尺度轉(zhuǎn)換[J].遙感技術(shù)與應(yīng)用，2010，25(6)：805-813.

[16] 張萬(wàn)昌，鐘山，胡少英.黑河流域葉面積指數(shù)(LAI)空間尺度轉(zhuǎn)換[J].生態(tài)學(xué)報(bào)，2008，28(6)：2495-2503.

Validation of Rice Leaf Area Index Inversion on GF-1 Satellite Remote Sensing Imagery

YANG Yan-jun1，2，TIAN Qing-jiu1，2，HUANG Yan1，2，WANG Lei1，2，GENG Jun1，2，YANG Ran-ran1，2

(1.InternationalInstituteforEarthSystemScience，NanjingUniversity，Nanjing210023；2.JiangsuProvincialKeyLaboratoryofGeographicInformationScienceandTechnology，NanjingUniversity，Nanjing210023)

Validation of satellite remote sensing leaf area index (LAI) products is the important technical link of quantitative applications of vegetation LAI inversion on satellite remote sensing.Conventional validation methods are mostly based on vegetation leaf collection from field，or through direct measurement by instruments.It not only causes damage to vegetation samples，and operation is complex，time-consuming.It is also difficult to use for the sample corresponding to a wide range of vegetation.To solve the above problems，this paper takes Lai'an in Anhui Province as the research area.Combined GF1-WFV sensor to resample the mea measured spectra of rice canopy for NDVI computing，based on this to conduct LAI inversion model.Then using the results of LAI inversion from spectra computing to validate the results of rice LAI inversion on GF-1 satellite multispectral remote sensing，and combined with field LAI data to demonstrate the effectiveness and feasibility of this method.Study shows that this method is simple，accurate，and it can greatly reduce the workload of the field experiments.It also provides an effective way for quickly and accurately getting a lot of validation data and quantitative applications.

GF-1 satellite；rice canopy spectra；NDVI；LAI inversion；validation

2014-09-01

2014-11-25

國(guó)家科技重大專(zhuān)項(xiàng)(30-Y20A01-9003-12/13)；國(guó)家重點(diǎn)基礎(chǔ)研究發(fā)展計(jì)劃項(xiàng)目(2010CB951503)。

楊閆君(1992—)，女，博士研究生，研究方向?yàn)楦吖庾V遙感與遙感信息定量化、遙感信息產(chǎn)品的真實(shí)性檢驗(yàn)。

E-mail：yangyanjun0726@163.com

田慶久(1964—)，男，教授，研究方向?yàn)楦吖庾V遙感與遙感信息定量化研究。

E-mail：tianqj@nju.edu.cn

10.3969/j.issn.1000-3177.2015.05.010

TP79

A

1000-3177(2015)141-0062-07