侯學(xué)會(huì)，王 猛，劉思含,高 帥，隋學(xué)艷，梁守真,萬華偉

(1.山東省農(nóng)業(yè)可持續(xù)發(fā)展研究所，山東濟(jì)南 250100;2.農(nóng)業(yè)部華東都市農(nóng)業(yè)重點(diǎn)實(shí)驗(yàn)室，山東濟(jì)南 250100;3.環(huán)境保護(hù)部衛(wèi)星環(huán)境應(yīng)用中心，北京 100094；4.中國科學(xué)院遙感與數(shù)學(xué)地球研究所遙感科學(xué)國家重點(diǎn)實(shí)驗(yàn)室，北京 100101)

植被含水量是農(nóng)業(yè)、生態(tài)和水文研究中的重要關(guān)注參數(shù)之一，在全球水循環(huán)系統(tǒng)扮演著重要角色。目前基于遙感數(shù)據(jù)進(jìn)行植被含水量反演的方法主要包括物理模型和統(tǒng)計(jì)模型兩種。物理模型由于綜合考慮了葉片、冠層、土壤、觀測情況等因素，更能反映復(fù)雜的地表環(huán)境，反演精度相對較高，被廣泛應(yīng)用于冠層生化參數(shù)反演。目前應(yīng)用最廣泛的物理模型為Prosail模型[1]。如宋小寧等[2]基于Hyperion數(shù)據(jù)實(shí)現(xiàn)了玉米冠層含水量的區(qū)域反演；Cheng等[3]基于利用機(jī)載高光譜數(shù)據(jù)實(shí)現(xiàn)了不同植被覆蓋下的冠層含水量反演；而Clevers等[4-5]基于地面實(shí)測ASD光譜數(shù)據(jù)，探討了植被冠層含水量反演方法。統(tǒng)計(jì)模型主要是建立光譜指數(shù)或光譜指數(shù)變型與地面實(shí)測植被含水量的線性、指數(shù)、多項(xiàng)式等統(tǒng)計(jì)模型，進(jìn)行含水量反演，統(tǒng)計(jì)法簡單易懂，是估算植被含水量的常用方法[6]。如程曉娟等[7]對比發(fā)現(xiàn)，綜合EVI和NDWI構(gòu)建的新指數(shù)對估算冬小麥冠層含水量具有更好的優(yōu)勢；而王 強(qiáng)等[8]通過對地面實(shí)測棉花冠層高光譜數(shù)據(jù)進(jìn)行所有可能的兩兩組合，構(gòu)建了反演精度更好的新型比值指數(shù)和歸一化指數(shù)；Gao等[9-11]研究發(fā)現(xiàn)，歸一化水分指數(shù)NDWI對植被冠層水分信息比NDVI更為敏感。

綜合前人研究發(fā)現(xiàn)，利用遙感技術(shù)進(jìn)行植被冠層含水量反演一般都是基于Praosail模型或者遙感衛(wèi)星數(shù)據(jù)建立經(jīng)驗(yàn)?zāi)Ｐ停鴮@兩種方法在反演含水量中的精度進(jìn)行比較的研究鮮有少見。因此，本研究將Prosail模型與衛(wèi)星影像數(shù)據(jù)相結(jié)合，借助Landsat 8光譜響應(yīng)函數(shù)，通過模擬得到的高光譜窄波段反射率模擬得到 TM8寬波段反射率數(shù)據(jù)，然后利用模擬得到的反射率數(shù)據(jù)和實(shí)際衛(wèi)星影像反射率分別構(gòu)建植被指數(shù)，開展冬小麥冠層水分含量的遙感建模反演，并對兩類方法進(jìn)行精度驗(yàn)證與評價(jià)，以期為在地面觀測數(shù)據(jù)較少的情況下，開展區(qū)域作物水分遙感監(jiān)測提供技術(shù)參考。

1 數(shù)據(jù)與預(yù)處理

1.1 數(shù)據(jù)來源

1.1.1 地面實(shí)測數(shù)據(jù)

田間試驗(yàn)在中國科學(xué)院禹城綜合試驗(yàn)站(116.57°E，36.83°N)進(jìn)行。數(shù)據(jù)采集時(shí)間為2016年3月29日、4月18日、5月6日和5月11日。為保證TM8上有純凈像元，每次在試驗(yàn)區(qū)內(nèi)隨機(jī)選取若干個(gè)60 m×60 m且小麥長勢比較均一的小區(qū)，在每個(gè)小區(qū)內(nèi)隨機(jī)選兩個(gè)30 cm×30 cm的樣方，利用比重法獲取每個(gè)樣方的LAI，小麥葉片和冠層含水量數(shù)據(jù)以烘干法獲得，并同步獲取樣方的地面光譜、葉綠素等輔助信息，兩個(gè)樣方的平均值作為小區(qū)的實(shí)測值，四次試驗(yàn)共獲取47個(gè)地面數(shù)據(jù)。

1.1.2 遙感數(shù)據(jù)與處理

從遙感數(shù)據(jù)共享網(wǎng)站(http://ids.ceode.ac.cn/)獲取覆蓋研究區(qū)的四景Landsat 8 OLI影像，成像時(shí)間分別為2016年3月26日、4月18日、5月4日和5月13日。衛(wèi)星數(shù)據(jù)獲取時(shí)間與地面數(shù)據(jù)采集時(shí)間最大相差3 d，考慮到小麥3 d之內(nèi)地面實(shí)測光譜變化很小，且研究區(qū)未發(fā)生灌溉和降水，故認(rèn)為地面實(shí)測數(shù)據(jù)與相近時(shí)間的衛(wèi)星影像數(shù)據(jù)一致。

對Landsat 8 OLI影像的預(yù)處理基于ENVI 5.1進(jìn)行，首先利用Landsat 8的定標(biāo)系數(shù)，將DN值轉(zhuǎn)換成輻亮度值，然后通過Flaash大氣校正，將輻亮度值轉(zhuǎn)換成反射率，并基于地面數(shù)據(jù)的GPS信息提取對應(yīng)地面點(diǎn)的反射率。

1.2 研究思路與方法

1.2.1 植被含水量指標(biāo)選取

常用的植被含水量指標(biāo)有可燃物水分含量FMC(fuel moisture content)、相對葉片含水量RWC(relative water content)和等效水厚度EWT(equivalent water thickness)。為與Prosail模型輸入?yún)?shù)一致，本研究利用EWT作為表征小麥冠層的水分含量。

EWTL=FW-DW/A

(1)

ECTC=EWTL×LAI

(2)

式中EWTL和EWTC分別為葉片和冠層水平的等效水厚度(kg·m-2)； FW、DW分別為樣品的鮮重和干重(kg)；A為樣品植株的葉面積(m2)；LAI為葉面積指數(shù)。

1.2.2 研究思路

本研究的主要思路如圖1所示。

圖1 主要研究思路

1.3 Prosail模型

Prosail模型是葉片輻射傳輸模型PROSPECT和冠層輻射傳輸模型SAIL的耦合模型。PROSPECT模型主要描述植物葉片在400～2 500 nm光譜范圍內(nèi)的光學(xué)特征，通過輸入葉片等效水厚度EWTL、葉綠素濃度Cab、葉片結(jié)構(gòu)參數(shù)Ns、干物質(zhì)量Cm等參數(shù)，可以得到400～2 500 nm光譜范圍內(nèi)的葉片透射率和反射率。SAIL模型是在水平均勻的假設(shè)下主要考察冠層的垂直分層結(jié)構(gòu)和葉傾角分布，主要輸入?yún)?shù)為葉片透過率和反射率、LAI、LAD(leaf inclination angle distribution )、土壤反射率、太陽天頂角和觀測天頂角等。Cm、Cab為地面實(shí)測數(shù)據(jù)均值，EWTL、LAI輸入最大值和最小值根據(jù)地面實(shí)測數(shù)據(jù)的范圍確定，其他主要參數(shù)依據(jù)參考文獻(xiàn)和模型建議值(表1)。

利用Prosail模型得到的植被冠層反射率，然后基于Landsat 8的波段響應(yīng)函數(shù)，將Prosail模型得到的高光譜反射率數(shù)據(jù)模擬等效的TM藍(lán)波段(436～528 nm)、紅波段(625～691 nm)、近紅外波段(829～900 nm)和兩個(gè)短波紅外(1 550～1 750 nm、2 090～2 350 nm)的反射率數(shù)據(jù)以構(gòu)建植被指數(shù)。轉(zhuǎn)換模型為：

表1Prosail模型輸入?yún)?shù)設(shè)置

Table1NominalvaluesandrangeofparametersusedforthecanopysimulationswiththeProsailmodel

輸入?yún)?shù)Parameter輸入值ValuesandrangeEWTL0．01～0．09g·cm-2(步長0．01)0．01～0．09g·cm-2(0．01steplength)LAI0．5～8(步長0．1)0．5～8(0．1steplength)Cm0．005g·cm-2Cab42．7mg·cm-2Ns1．3

(3)

式中,Reg為模擬的等效TM8反射率；RASD(λ)為Prosail模擬高光譜反射率；fTM(λ)為TM8傳感器目標(biāo)波段的光譜響應(yīng)函數(shù)。

1.4 植被指數(shù)構(gòu)建

基于模擬可見光、近紅外和兩個(gè)短波紅外波段以及對應(yīng)Landsat 8四個(gè)波段反射率分別構(gòu)建四種常用的植被指數(shù)(表2)。

表2植被指數(shù)計(jì)算公式

Table2Formulasofvegetationindices

植被指數(shù)Vegetationindex計(jì)算公式FormulaNDVI(Rnir-Rred)/(Rnir+Rred)EVI2．5?(Rnir-Rred)/(Rnir+6?Rred-7．5?Rblue+1)NDWI5(Rnir-Rswir5)/(Rnir+Rswir5)NDWI7(Rnir-Rswir7)/(Rnir+Rswir7)

Rblue、Rred、Rnir、Rswir5、Rswir7分別代表Landsat 8數(shù)據(jù)的第2波段(436～528 nm)、第4波段(625～691 nm)、第5波段(829～900 nm)、第6波段(1 550～1 750 nm)和第7波段(2 090～2 350 nm)反射率。

Rblue,Rred,Rnir,Rswir5andRswir7represent the reflectivity of the second wave land(436-528 nm),fourth wave land(625-691 nm),fifth wave land(829-900 nm),sixth wave land(1 550-1 750 nm)and seventh wave land(2 090-2 350 nm) from Landsat 8 data,respectively.

2 結(jié)果與分析

2.1 植被指數(shù)與小麥冠層含水量的相關(guān)性

經(jīng)相關(guān)分析，植被指數(shù)NDVI、EVI、NDWI5和NDWI7與植被冠層含水量的相關(guān)性均達(dá)到極顯著水平(表3)。其中，基于短波紅外構(gòu)建的NDWI與植被冠層含水量的相關(guān)性優(yōu)于常用的NDVI和EVI，且利用第5波段構(gòu)建的指數(shù)NDWI5與植被含水量相關(guān)性比利用第7波段構(gòu)建的指數(shù)NDWI7更好?；赥M8數(shù)據(jù)構(gòu)建的植被指數(shù)與植被觀測含水量的相關(guān)系數(shù)高于Prosail模型模擬的植被指數(shù)。

2.2 小麥冠層含水量反演模型的建立

根據(jù)相關(guān)性分析結(jié)果，分別選取基于Prosail模型模擬的植被指數(shù)NDWI5和冠層含水量數(shù)據(jù)，以及37個(gè)地面實(shí)測小麥冠層含水量數(shù)據(jù)和對應(yīng)點(diǎn)的Landsat 8的NDWI5指數(shù)，建立線性、指數(shù)、多項(xiàng)式和冪函數(shù)模型(表4)。在四種模型中，兩種NDWI與冠層含水量的統(tǒng)計(jì)關(guān)系中都以指數(shù)函數(shù)模型的決定系數(shù)(r2)最大，且除線性模型外，且基于Prosail模型的NDWI5所構(gòu)建的反演模型的r2均優(yōu)于基于TM8的NDWI5所構(gòu)建的反演模型。因此，將NDWI5與植被冠層含水量的指數(shù)模型作為最佳反演模型。

表3寬波段植被指數(shù)與植被冠層含水量的的相關(guān)性

Table3CorrelationbetweenEWTcandvegetationindex

植被參數(shù)VegetationindexrProrTM8NDVI0．419??0．831??EVI0．488??0．841??NDWI50．808??0．862??NDWI70．711??0．850??

**：P<0.01。rPro、rTM8分別代表基于Prosail模型和TM8得到的植被指數(shù)與冠層含水量的相關(guān)系數(shù)。

**:P<0.01.rProandrTM8represent correlation coefficients of the vegetation indices based on Prosail model and Landsat 8 data with EWTc,respectively.

表4基于寬波段NDWI5與冠層含水量的統(tǒng)計(jì)模型

Table4StatisticsmodelsbetweenNDWI5andEWTc

NDWI5來源NDWI5source反演模型Inversionmodelr2Prosaily=0．8102x-0．1850．659y=0．0412e4．7306x0．854y=1．7843x2-0．8736x+0．14180．762y=0．6012x1．73960．806TM8y=0．8587x-0．01990．718y=0．0477e4．515x0．806y=-0．4210x2+1．1049x-0．04640．720y=0．6468x0．87630．675

2.3 小麥冠層含水量反演模型的驗(yàn)證

為進(jìn)一步對比分析Prosail模擬反射率和衛(wèi)星TM8數(shù)據(jù)反射率在反演植被冠層含水量中的效果，利用剩余的10個(gè)地面實(shí)測值和對應(yīng)點(diǎn)的Landsat 8 NDWI5數(shù)據(jù)對上述兩個(gè)最佳模型分別進(jìn)行驗(yàn)證。從圖2可以看出，兩個(gè)模型模擬的冠層含水量值與實(shí)測值相關(guān)性和平均相對誤差都比較一致，決定系數(shù)r2分別為0.790 0和0.794 8，RMSE分別為0.151 2和0.152 8 kg·m-2。該精度能夠滿足農(nóng)業(yè)、生態(tài)對區(qū)域植被冠層含水量信息的需求。

3 討 論

經(jīng)驗(yàn)統(tǒng)計(jì)模型和輻射傳輸模型是作物長勢參數(shù)遙感模擬最常用的兩種方法。本研究依托地面實(shí)測數(shù)據(jù)和衛(wèi)星遙感數(shù)據(jù)的光譜響應(yīng)函數(shù)，分別基于Prasail模型和Landsat 8 OLI衛(wèi)星數(shù)據(jù)進(jìn)行小麥冠層含水量反演，結(jié)果表明，在有地面數(shù)據(jù)數(shù)據(jù)支持的情況下，基于Prosail模型模擬得到的NDWI5和基于Landsat 8構(gòu)建的NDWI5在植被冠層含水量反演中的精度均優(yōu)于NDVI、EVI和NDWI7，與程曉娟等基于近地高光譜與TM遙感影像的冬小麥冠層含水量反演的結(jié)果比較一致[12]。Chuvieco等[13]基于TM開展植株含水量FMC研究也發(fā)現(xiàn)，與TM第7被段相比，TM第5波段與FMC的相關(guān)性更強(qiáng)。本研究進(jìn)一步開展兩種方法結(jié)果精度的對比分析，結(jié)果發(fā)現(xiàn)，在有地面數(shù)據(jù)支持的情況下，兩種方法在小麥冠層含水量反演中的精度較為一致。

圖2 小麥反演植被冠層含水量與地面實(shí)測值的比較

本研究結(jié)果對于植被冠層含水量遙感反演有重要意義，尤其是為地面實(shí)測數(shù)據(jù)過少時(shí)擬開展植被含水量反演研究提供了一種新的思路，但本研究是基于有限的試驗(yàn)樣本進(jìn)行相關(guān)探討的，且供試品種單一，所建立的小麥冠層含水量反演模型仍然存在一定的不確定性，因而還需要更多的試驗(yàn)加以驗(yàn)證補(bǔ)充。

參考文獻(xiàn)：

[1] JACKSON T J,CHEN D Y,COSH M,etal.Vegetation water content mapping using Landsat data water index for corn and soybeans [J].RemoteSensingofEnvironment,2004,92:475.

[2] 宋小寧,馬建威,李小濤,等.基于Hyperion高光譜數(shù)據(jù)的植被冠層含水量反演[J].光譜學(xué)與光譜分析,2013(10):2833.

SONG X N,MA J W,LI X T,etal.Estimation of vegetation canopy water content using hyperion hyperspectral data [J].SpectroscopyandSpectralAnalysis,2013(10):2833.

[3] CHENG Y B,ZARCO T P J,RIANO D,etal.Estimating vegetation water content with hyperspectral data for different canopy scenarios:Relationships between AVIRIS and MODIS indexes [J].RemotesensingofEnvironment,2006,105:354.

[4] CLEVERS J G P W,KOOISTRA L,SCHAEPMAN M E.Using spectral information from the NIR water absorption features for the retrieval of canopy water content [J].InternationalJournalofAppliedEarthObservationandGeoinformation,2008,10(3):388.

[5] CLEVERS J G P W,KOOISTRA L,SCHAEPMAN M E.Estimating canopy water content using hyperspectral remote sensing data [J].InternationalJournalofAppliedEarthObservationandGeoinformation,2010,12(2):119.

[6] GHULAM A,LI Z L,QIN Q M,etal.Estimating crop water stress with ETM+NIR and SWIR data [J].AgriculturalandForestMeteorology,2008,148:1679.

[7] 程曉娟,楊貴軍,徐新剛,等.新植被水分指數(shù)的冬小麥冠層水分遙感估算[J].光譜學(xué)與光譜分析,2014(12):3391.

CHENG X J,YANG G J,XU X G,etal.Estimating canopy water content in wheat based on new vegetation water index [J].SpectroscopyandSpectralAnalysis,2014(12):3391.

[8] 王 強(qiáng),易秋香,包安明,等.棉花冠層水分含量估算的高光譜指數(shù)研究[J].光譜學(xué)與光譜分析,2013(2):507.

WANG Q,YI Q X,BAO A M,etal.Discussion on hyperspectral index for the estimation of cotton canopy water content [J].SpectroscopyandSpectralAnalysis,2013(2):507.

[9] GAO B C.NDWI-a normalized difference water index for remote sensing of vegetation liquid water from space [J].RemoteSensingofEnvironment,1996,58:257.

[10] 劉小磊,覃志豪.NDWI與NDVI指數(shù)在區(qū)域干旱監(jiān)測中的比較分析-以2003年江西夏季干旱為例[J].遙感技術(shù)與應(yīng)用,2007(5):608.

LIU X L,QIN Z H.Comparative Analysis between NDWI and NDVI indices in regional drought monitoring [J].RemoteSensingTechnologyandApplication,2007(5):608.

[11] 田永超,朱 艷,曹衛(wèi)星,等.小麥冠層反射光譜與植株水分狀況的關(guān)系[J].應(yīng)用生態(tài)學(xué)報(bào),2004,15(11):2072.

TIAN Y C,ZHU Y,CAO W X,etal.Relationship between canopy reflectance and plant water status of wheat [J].ChineseJournalofAppliedEcology,2004,15(11):2072.

[12] 程曉娟,楊貴軍,徐新剛,等.基于近地高光譜與TM遙感影像的冬小麥冠層含水量反演[J].麥類作物學(xué)報(bào),2014,34(2):227.

CHENG X J,YANG G J,XU X G,etal.Inferred water content of winter wheat based on ground hyperspectral and remote sensing data of TM5 [J].JournalofTriticeaeCrops,2014,34(2):227.

[13] CHUUVIECO E,RIANO D,AGUADO I,etal.Estimation of fuel moisture content from multitemporal analysis of Landsat Thematic Mapper reflectance data:Applications in fire danger assessment [J].InternationalJournalofRemoteSensing,2002,23(11):2145.