魏丹丹 趙世湖 肖晨超 崔航 劉書含

(自然資源部國土衛(wèi)星遙感應(yīng)用中心，北京 100048)

葉面積指數(shù)(Leaf Area Index，LAI)指單位面積上單面綠葉面積的總和[1]。葉面積指數(shù)反應(yīng)了生態(tài)系統(tǒng)中的葉子數(shù)量，由于葉面積指數(shù)可以表征植被冠層中的物質(zhì)和能量交換，它也被認(rèn)為是植被狀況、生產(chǎn)力和光合能力的重要指標(biāo)[2]。葉面積指數(shù)測量方法有直接法和間接法，直接法采用地面測量方式，這種方法在植被監(jiān)測中起著重要作用，不僅可以保證測量的精度，還可作為真實(shí)值用于間接方法的驗(yàn)證。當(dāng)樣本足夠具有代表性時(shí)，直接方法被認(rèn)為比間接方法更準(zhǔn)確，因此通常用于驗(yàn)證間接方法。然而，直接方法通常耗時(shí)、勞動(dòng)強(qiáng)度大，并且通常對(duì)植被具有破壞性，這限制了它們的應(yīng)用，并且使得它們不適用于高時(shí)間和空間頻率測量[3]。如何迅速、準(zhǔn)確且無損地獲取局部及區(qū)域尺度植被生化參數(shù)含量及其分布狀況地信息尤為重要?？臻g遙感技術(shù)作為快速大面積獲取對(duì)地觀測的技術(shù)，在LAI定量反演方面得到了廣泛應(yīng)用。資源一號(hào)02D衛(wèi)星(又稱為5米光學(xué)業(yè)務(wù)衛(wèi)星)于2019年9月12日成功發(fā)射，由自然資源部主持建造，是資源一號(hào)02C星的接續(xù)星，屬于中等分辨率遙感業(yè)務(wù)衛(wèi)星。該星主推光譜分辨率，定位于中等分辨率、大幅寬觀測和定量化遙感任務(wù)，可提供豐富的地物光譜信息。

本文以資源一號(hào)02D衛(wèi)星的高光譜數(shù)據(jù)為數(shù)據(jù)源，采用輻射傳輸模型與機(jī)器學(xué)習(xí)相結(jié)合的方法開展植被葉面積指數(shù)的估算。首先應(yīng)用輻射傳輸模型生成不同條件下的植被反射光譜，并通過特征選擇減少數(shù)據(jù)冗余，篩選與葉面積指數(shù)相關(guān)的吸收反射信息，應(yīng)用機(jī)器學(xué)習(xí)方法構(gòu)建葉面積指數(shù)的反演模型，并應(yīng)用于高光譜數(shù)據(jù)進(jìn)行葉面積指數(shù)估算。

1 研究區(qū)概述

本文以影像所覆蓋的懷來縣部分區(qū)域?yàn)檠芯繀^(qū)，懷來縣位于河北省西北部，地處燕山山脈北側(cè)，永定河上游，地理坐標(biāo)為東經(jīng)115°、北緯40°。東南部與北京市延慶、昌平及門頭溝區(qū)接壤，西北部與宣化、下花園區(qū)相連，西南部與涿鹿縣毗鄰，北部與赤城縣交界。懷來縣地貌形態(tài)主要有河川平原、丘陵和山地等類型，地處中溫帶半干旱區(qū)，屬溫帶大陸性季風(fēng)氣候，具有四季分明，光照充足，雨熱同季，晝夜溫差大等氣候特點(diǎn)(見圖1)。

圖1 研究區(qū)位置Fig.1 Location of the study area

2 數(shù)據(jù)準(zhǔn)備

本研究選取資源一號(hào)02D衛(wèi)星于2020年8月13日成像的高光譜數(shù)據(jù)(AHSI傳感器)，成像參數(shù)見表1。通過ENVI5.3軟件的FLAASH大氣校正功能，對(duì)高光譜數(shù)據(jù)進(jìn)行大氣校正，得到地表反射率數(shù)據(jù)。

表1 資源一號(hào)02D衛(wèi)星成像參數(shù)Table 1 Imaging parameters of ZY-1-02D satellite

3 研究方法

3.1 輻射傳輸模型生成模擬數(shù)據(jù)

冠層輻射傳輸模型定量描述了植被覆蓋度與冠層光譜反射率之間的物理依賴關(guān)系。PROSAIL模型[4]因其高精度和計(jì)算效率[5-6]而被廣泛用于生物物理參數(shù)估計(jì)。在PROSAIL模型中，PROSPECT模型用于模擬400～2500 nm之間的葉片反射率和透射率。然后，葉片的光譜信息作為SAIL模型的輸入?yún)⒘縖5]。由于參數(shù)設(shè)置會(huì)影響計(jì)算速度和輸出的冗余度，已有研究結(jié)果表明：PROSAIL輻射傳輸模型的輸入?yún)?shù)在一定的合理誤差范圍內(nèi)是允許的，并且不會(huì)明顯降低參數(shù)反演的精度。因此根據(jù)之前的研究[7-9]，設(shè)置PROSAIL耦合輻射傳輸模型的輸入?yún)?shù)(見表2)。

在模擬400～2500 nm冠層反射率之后，根據(jù)資源一號(hào)02D衛(wèi)星AHSI高光譜數(shù)據(jù)的光譜響應(yīng)函數(shù)，經(jīng)光譜重采樣獲得與傳感器波段及帶寬相一致的模擬數(shù)據(jù)，訓(xùn)練數(shù)據(jù)集和驗(yàn)證數(shù)據(jù)集分別生成。

表2 PROSAIL模型參數(shù)設(shè)置Table 2 Parameter settings of the PROSAIL model

土壤反射率作為PROSAIL模型的重要輸入?yún)⒘?，本文選取中心構(gòu)建的波譜庫中的地面實(shí)測的18種類型土壤光譜數(shù)據(jù)作為輸入，用來代表不同類型土壤的反射率(見圖2)。

圖2 不同土壤類型的反射光譜Fig.2 Reflectance spectra of different soil types

3.2 隨機(jī)森林算法

隨機(jī)森林(Random Forest, RF)算法具有諸多優(yōu)勢，如計(jì)算速度快、經(jīng)驗(yàn)關(guān)系好，對(duì)噪聲不敏感以及不會(huì)產(chǎn)生過擬合等，被廣泛用于處理變量選擇、分類和回歸問題。在遙感技術(shù)中，隨機(jī)森林算法常用來處理高維數(shù)據(jù)，如高光譜數(shù)據(jù)，隨機(jī)森林算法也經(jīng)常被用于遙感影像分類和遙感參數(shù)反演等研究，因此，在生態(tài)重點(diǎn)區(qū)域的監(jiān)測中具有巨大的應(yīng)用潛力。

隨機(jī)森林回歸(RFR)是眾多回歸樹的集合，這些回歸樹通常是二叉決策樹[10]，每棵樹的預(yù)測值的平均值作為隨機(jī)森林的預(yù)測結(jié)果。隨機(jī)森林回歸的主要優(yōu)勢是隨著森林中樹的數(shù)量增加，它不會(huì)過擬合，而且生成一個(gè)泛化誤差的極限值，同時(shí)，隨機(jī)森林對(duì)噪聲數(shù)據(jù)有很強(qiáng)的魯棒性[10]。對(duì)于數(shù)據(jù)維度和樣本量大致相等或大于樣本量的情況，隨機(jī)森林回歸仍然能取得很好的表現(xiàn)。隨機(jī)森林使用一些衡量變量重要性的指標(biāo)來對(duì)變量進(jìn)行排序，然后進(jìn)行變量選擇以降低數(shù)據(jù)維度。資源一號(hào)02D衛(wèi)星AHSI高光譜數(shù)據(jù)，由于波段之間的相關(guān)性較大，需要進(jìn)行降維處理，隨機(jī)森林算法根據(jù)計(jì)算得到的輸入變量的重要性，篩選出波段15、19、23、28、35、39、42、49和53，用于模型的構(gòu)建。

4 結(jié)果與分析

通過隨機(jī)森林方法構(gòu)建預(yù)測模型用于資源一號(hào)02D衛(wèi)星高光譜數(shù)據(jù)葉面積指數(shù)的估算?；谀M數(shù)據(jù)的模型驗(yàn)證精度見圖3，相關(guān)系數(shù)R2為0.77。高光譜數(shù)據(jù)真彩色合成圖和葉面積指數(shù)反演結(jié)果見圖4(a)和(b)。

圖3 基于模擬數(shù)據(jù)的精度驗(yàn)證Fig.3 Validation based on simulated data

圖4 資源一號(hào)02D衛(wèi)星AHSI數(shù)據(jù)及LAI估算結(jié)果Fig.4 AHSI data and LAI estimations of ZY-1-02D satellite

通過對(duì)比圖4(a)、(b)可知，從空間上來看，高光譜影像LAI估算值的高低與真彩色合成的影像圖(見圖4(a))可見的植被低覆蓋區(qū)、裸土地、居民用地等地區(qū)分布范圍基本吻合，而且對(duì)應(yīng)不同地表覆蓋類型估算結(jié)果表現(xiàn)出較為明顯的空間差異。圖4(b)高光譜數(shù)據(jù)葉面積指數(shù)估算結(jié)果，因?yàn)槭艿皆萍捌潢幱暗挠绊懀a(chǎn)生異常。其中，云有較高的反射率和異于植被的吸收反射特征，在算法中首先通過植被指數(shù)的閾值判別，進(jìn)行植被與非植被區(qū)的區(qū)分，將完全沒有植被特征的云覆蓋區(qū)域LAI賦值為0。通過對(duì)陰影區(qū)像元光譜進(jìn)行分析，陰影區(qū)地物光譜的吸收反射特征由于所接收到太陽輻射減少，雖譜形特征變化較小，但反射率整體降低。隨機(jī)森林算法所篩選出的特征波段，主要集中在綠光、紅光、紅邊及近紅外波段，在此波譜范圍內(nèi)，陰影區(qū)像元與臨近正常光照區(qū)域像元光譜特征相比較存在差異，這可能導(dǎo)致陰影區(qū)估算結(jié)果的異常。

5 結(jié)束語

本文以資源一號(hào)02D衛(wèi)星的高光譜數(shù)據(jù)為數(shù)據(jù)源，采用輻射傳輸模型與機(jī)器學(xué)習(xí)相結(jié)合的方法開展植被葉面積指數(shù)的估算。通過對(duì)結(jié)果分析可以得到：資源一號(hào)02D衛(wèi)星的高光譜數(shù)據(jù)可以通過輻射傳輸模型與機(jī)器學(xué)習(xí)的方法實(shí)現(xiàn)對(duì)植被葉面積指數(shù)的估算，并且得到較為理想的估算結(jié)果。高光譜數(shù)據(jù)166個(gè)譜段，為植被生物物理參量的估算提供了更多的波段選擇和精細(xì)化的波譜信息，可提高估算結(jié)果的準(zhǔn)確性，豐富刻畫地表、地物之間差異性。