武玉國 郭恒亮 赫曉慧 鄭紫瑞 吳豪杰 曹青

摘要 根據(jù)實(shí)測玉米高光譜數(shù)據(jù)和遙感影像數(shù)據(jù)，以鄭州市為研究區(qū)域，分別利用原始光譜反射率、光譜反射率一階導(dǎo)數(shù)以及植被指數(shù)（NDVI）建立了LAI回歸模型，比較擬合效果以確定精度最高的模型，充分挖掘高光譜的優(yōu)勢，提高夏玉米LAI遙感估算精度。結(jié)果表明，夏玉米LAI的最佳回歸模型為利用波長439.31nm處的光譜反射率一階導(dǎo)數(shù)數(shù)據(jù)進(jìn)行回歸分析建立的三次多項(xiàng)式回歸模型，其決定系數(shù)R²為0.761。

關(guān)鍵詞 葉面積指數(shù);遙感; 植被指數(shù);回歸模型

中圖分類號 S127 ?文獻(xiàn)標(biāo)識碼

A ?文章編號 0517-6611（2015）03-361-03

基金項(xiàng)目

河南省高等學(xué)校青年骨干教師資助計(jì)劃項(xiàng)目;河南省基礎(chǔ)研究計(jì)劃項(xiàng)目（142300410064）;河南省科技攻關(guān)計(jì)劃項(xiàng)目（142102310308）。

作者簡介 武玉國（1973- ），男，黑龍江訥河人，博士，副教授，從事地理信息系統(tǒng)與地理環(huán)境仿真研究。*通訊作者，副教授，碩士生導(dǎo)師，從事地理信息與遙感研究。

收稿日期 20141208

LAI（葉面積指數(shù)）被定義為單位土地面積上所有葉片表面積的總和，或單位面積植物葉片的垂直投影面積的總和^[1]，在植被冠層中起著控制其生理過程的作用，是描述植物長勢最常用的的指標(biāo)，也是用于作物產(chǎn)量評估的重要農(nóng)學(xué)指標(biāo)^[2]。傳統(tǒng)地面測量法獲取大范圍農(nóng)作物葉面積指數(shù)需要花費(fèi)大量的人力物力，效率低，成本高，遙感技術(shù)的快速發(fā)展可以實(shí)現(xiàn)大區(qū)域LAI的快速、高效監(jiān)測，并能夠提供各參數(shù)的時(shí)間和空間分布狀況。

1 數(shù)據(jù)來源與研究方法

1.1 研究區(qū)概況與數(shù)據(jù)來源

鄭州市是河南省省會(huì)，位于河南省中部偏北地區(qū)，地理坐標(biāo)為112°42′～114°13′E、34°16′～34°58′N，東西寬166 km，南北長75 km，北臨黃河，西依嵩山，東南為廣闊的黃淮平原，全年平均氣溫為14.0～14.3°，常年降雨量為599.6～707.0 mm，日照時(shí)數(shù)為2 400 h。雨量適中，日照時(shí)間長，適宜農(nóng)作物的生長。2012年鄭州市農(nóng)作物種植面積為50.748萬hm²，其中玉米種植面積15.832萬hm²，在鄭州市糧食生產(chǎn)中占有很大的比重^[3]。

該研究以河南省鄭州市為研究區(qū)域，以鄭州市耕地圖斑為基礎(chǔ)，以夏玉米作物農(nóng)田環(huán)境為主要研究對象，結(jié)合葉面積指數(shù)地面實(shí)測數(shù)據(jù)及野外光譜觀測數(shù)據(jù)，以MODIS影像為主要數(shù)據(jù)源，進(jìn)行夏玉米LAI的反演研究。

1.2 研究方法

1.2.1 LAI測定。

測定LAI選用的是LAI2200葉面積指數(shù)測量儀。測量時(shí)，在選定的夏玉米樣區(qū)，首先將光學(xué)傳感器在陽光下進(jìn)行一次對光，然后沿株型對角線進(jìn)行4次LAI測定，之后再進(jìn)行一次對光，再進(jìn)行3次測定，選擇7次LAI測定結(jié)果的平均值作為該采樣點(diǎn)的LAI。

1.2.2 基于實(shí)測光譜數(shù)據(jù)的LAI反演。

測定光譜選用的是SVC GER1500野外便攜式光譜儀，光譜分辨率為3.2 nm，測量范圍為350～1 050 nm。首先進(jìn)行一次白板反射率校正，然后對選定的夏玉米樣區(qū)進(jìn)行10次光譜測量，以平均值作為該樣區(qū)的光譜反射率。對采集到的光譜反射率數(shù)據(jù)進(jìn)行篩選，剔除質(zhì)量較差的一組數(shù)據(jù)，共獲取13組反射率數(shù)據(jù)。

所謂光譜反射率一階導(dǎo)數(shù)的計(jì)算是采用光譜微分技術(shù)，可用于去除部分線性或接近線性的背景、噪聲光譜對目標(biāo)光譜的影響，其近似計(jì)算方法如下^[4]：

ρ（λi）=[p（λi+1）-ρ（λi-1）]/2Δλ

式中，λi表示波段i的波長值;ρ（λi）表示波長為λi的波段的反射率;Δλ是波長λi到λi-1的差值。

1.2.3 基于植被指數(shù)的LAI反演。

該研究所用的遙感數(shù)據(jù)主要是MODIS數(shù)據(jù)，時(shí)相為2013年8月6日。將MODIS數(shù)據(jù)進(jìn)行幾何校正，然后利用鄭州市邊界矢量圖對影像進(jìn)行剪裁。植被指數(shù)是遙感監(jiān)測地面植物生長和分布情況的一種有效方法，可以有效消除地物光譜產(chǎn)生的影響^[5]。該研究選取遙感中應(yīng)用最廣泛的6種植被指數(shù)，分別為歸一化植被指數(shù)（NDVI）、比值植被指數(shù)（RVI）、差值植被指數(shù)（DVI），垂直植被指數(shù)（PVI）、復(fù)歸一化植被指數(shù)（RDVI）、土壤調(diào)整植被指數(shù)（SAVI），計(jì)算公式如表1^[6]。

表1 植被指數(shù)公式

序號植被指數(shù)計(jì)算公式

1歸一化植被指數(shù)（NDVI）NDVI=（RNIR-RRED）/（RNIR+RRED）

2比值植被指數(shù)（RVI）RVI=RNIR/RRED

3差值植被指數(shù)（DVI）DVI=RNIR-RRED

4垂直植被指數(shù)（PVI）PVI=（RNIR-a RRED-b）/1+a²

5復(fù)歸一化植被指數(shù)（RDVI）RDVI=NDVI×DVI

6土壤調(diào)整植被指數(shù)（SAVI）SAVI=（1+0.5）（ RNIR-RRED） /（ RNIR+RRED+0.5）

式中，RRED、RNIR分別為紅色和近紅外波段的光譜值。借助SPSS統(tǒng)計(jì)分析工具，可得到6種植被指數(shù)與LAI的回歸模型和回歸曲線。

相比有了較大的提高，其中三次回歸模型擬合度最高，回歸方程為：y=4.011-39 426.954x+247 200 000x²-665 100 000x³。利用植被指數(shù)建立的LAI回歸模型擬合度都不高，與原始光譜回歸分析的效果相比，模型的決定系數(shù)普遍較低，且P值較高。因此，在對LAI進(jìn)行反演時(shí)，為獲得更高的預(yù)測精度，在條件允許的情況下，應(yīng)選擇波長為43931 nm處的光譜反射率的一階導(dǎo)數(shù)進(jìn)行建模。

參考文獻(xiàn)

[1]

趙麗芳，譚炳香，楊華，等.高光譜遙感森林葉面積指數(shù)估測研究現(xiàn)狀[J].世界林業(yè)研究，2007，20（2）： 50-54.

[2] 楊邦杰，裴志遠(yuǎn)，農(nóng)作物長勢的定義與遙感監(jiān)測[J].農(nóng)業(yè)工程學(xué)報(bào)，1999，15（3）：214-218.

[3] DORAISWAMY P C，HATFIELD J L，JACKSON T J，et al. Crop condition and yield simulations using Landsat and MODIS[J]. Remote Sensing of Environment， 2004，92（4）：548-559.

[4] CHEN J M，SYLVAIN G，LEBLANC.A Four-Scale Bidirectional Reflectance Model Based on Canopy Architecture[J].IEEE Transactions on Geo science and Remote Sensing，1997，35（5）：1316-1337.

[5] 王偉，彭彥昆，馬偉，等.冬小麥葉綠素含量高光譜檢測技術(shù)[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2010，41（5）：172-177.

[6] 邢著榮，馮幼貴，李萬明，等.高光譜遙感葉面積指數(shù)（LAI）反演研究現(xiàn)狀[J].測繪科學(xué)，2010，35（S1）：162-164.

[7] 程武學(xué)，潘開志，楊存建.葉面積指數(shù)（LAI）測定方法研究進(jìn)展[J].四川林業(yè)科技，2010，31（3）：51-54.

[8] 方秀琴，張萬昌.葉面積指數(shù)（LAI）的遙感定量方法綜述[J].國土資源遙感， 2003，57（3）： 58-62.