聞宏睿，國巧真，魏書精，曾宇懷，吳澤鵬，孫震輝

（1.天津城建大學(xué) 地質(zhì)與測繪學(xué)院，天津 300384；2.廣東省森林培育與保護利用重點實驗室，廣東省林業(yè)科學(xué)研究院，廣州 510520；3.廣東省科學(xué)院廣州地理研究所，廣東省遙感與地理信息系統(tǒng)重點實驗室，廣州 510070）

植被冠層可燃物含水率（Fuel Moisture Content, FMC）為葉片等水分厚度（Equivalent Water Thickness, EWT）與干物質(zhì)重量（Dry Matter Content, DMC）的比值，是評估野火風(fēng)險的重要指標，與植被可燃物著火的概率及火災(zāi)發(fā)生后的傳播速率直接相關(guān)，因此對FMC 進行動態(tài)時空監(jiān)測尤為重要（Bilgili et al., 2019; Chuvieco et al., 2020）。傳統(tǒng)技術(shù)通過探針法或重量法測定FMC，雖然精度較高，但需耗費大量人力物力進行采樣，工作量大且效率較低，不能滿足大范圍的FMC動態(tài)監(jiān)測需求。而遙感技術(shù)具有監(jiān)測范圍廣袤、獲取信息迅速、受地面影響小的特點，在動態(tài)監(jiān)測FMC 方面具有較大潛力（Cao et al., 2017）。

光學(xué)遙感影像以高空間分辨率、高光譜分辨率成像的特點，成為目前植被冠層FMC 反演最常用的數(shù)據(jù)來源。目前根據(jù)光學(xué)遙感估算FMC 的方法有兩類，即傳統(tǒng)的經(jīng)驗統(tǒng)計方法與基于物理模型的方法。傳統(tǒng)的經(jīng)驗統(tǒng)計方法利用紅光波段、近紅外波段和短波紅外波段的反射率構(gòu)建植被水分指數(shù)，建立植被水分指數(shù)與植被FMC 之間的經(jīng)驗關(guān)系，可以實現(xiàn)對大范圍植被冠層FMC 的估算，但估算效果精度相對較低且通用性較差。物理模型也可以實現(xiàn)FMC 的反演，相較于傳統(tǒng)的經(jīng)驗?zāi)Ｐ停锢砟Ｐ途哂忻鞔_的物理意義且反演精度較高，不局限于特定區(qū)域或站點。常見的物理模型有水云模型（Han et al., 2020）、GeoSail模型（Yebra et al., 2018；全興文 等，2019）、PROSAIL模型（Li et al., 2018）等。其中，水云模型常用于低矮植被的含水量、生物量、土壤水分等參數(shù)的反演，其假定各植被層為各項均值散射體，只考慮作物冠層和衰減后的覆蓋地表的影響，使水云模型在地表植被覆蓋度高的地方精度較高，但該模型忽略植被層與地表之間的相互多次散射，在植被覆蓋度低或復(fù)雜區(qū)域則應(yīng)用受限（蔡慶空 等，2018）。GeoSAIL 模型是幾何模型和混合介質(zhì)模型的結(jié)合，物理意義明確，在森林植被參數(shù)反演領(lǐng)域被廣泛應(yīng)用，但僅限于幾何結(jié)構(gòu)明顯的森林植被，無法用于均質(zhì)植被（楊維 等，2018）。PROSAIL 模型在植被冠層含水率的應(yīng)用最為廣泛，其描述了各土壤生化參數(shù)對植被冠層反射率的影響以及兩者之間明確的物理關(guān)系，具有較好的通用性（艾璐 等，2021）。相較于經(jīng)驗統(tǒng)計方法，PROSAIL模型具有明確的物理意義，通用性較強，能適用不同的區(qū)域。相較于其他物理模型，PROSAIL模型同時考慮了土壤的光學(xué)特性和植被的幾何結(jié)構(gòu)特征，能較好地模擬植被冠層反射率。全興文等（2019）利用基于生態(tài)規(guī)則的多耦合物理模型（PROSAIL、PROGeoSAIL）并根據(jù)光譜反射率匹配來查找最接近的模擬光譜反射率及對應(yīng)組合，從而反演得到FMC，有效解決了DMC 弱敏感性問題及模型未知參數(shù)個數(shù)大于觀測光譜反射率個數(shù)引起的病態(tài)反演問題。Quan等（2021a）基于MODIS數(shù)據(jù)和輻射傳輸模型反演技術(shù)生成全球范圍內(nèi)500 m分辨率的日FMC 產(chǎn)品，也是目前唯一公開的FMC全球產(chǎn)品。輻射傳輸模型反演模式計算非常復(fù)雜，查找表、人工神經(jīng)網(wǎng)絡(luò)、基因遺傳算法、偏最小二乘法等算法被相繼引入以提高計算機的運算能力，但當模擬數(shù)據(jù)量較大時，這些方法的計算效率仍不能滿足實際需求（Yebra et al., 2013; Wang et al.,2019; Quan et al., 2021b）。且在大量的模擬數(shù)據(jù)中可能存在不同的參數(shù)組合常出現(xiàn)相似的光譜反射率，導(dǎo)致病態(tài)反演，這通常需要引入先驗知識，通過限定自由參數(shù)范圍，從而達到緩解病態(tài)反演的目的（Li et al., 2011; Quan et al., 2017; Konings et al.,2019）。

綜上可知，PROSAIL 模型能較好地模擬植被冠層反射率，且將野外實測數(shù)據(jù)輸入模型能較大程度地保證符合生態(tài)規(guī)則，若能根據(jù)反射率光譜通過經(jīng)驗統(tǒng)計方法估算EWT、DMC，則可以兼顧物理模型的通用性與經(jīng)驗統(tǒng)計方法的簡單高效，構(gòu)建出一種運算速度快、通用性較好的植被冠層可燃物含水率估算方法。鑒于此，本文面向植被冠層，基于野外實測葉片等水分厚度、干物質(zhì)重量、葉面積指數(shù)數(shù)據(jù)和PROSAIL 模型得到模擬光譜曲線圖，分別構(gòu)建NDII與EWT、NDMI與DMC的經(jīng)驗回歸模型，并基于Landsat 8 數(shù)據(jù)計算NDII 和NDMI，結(jié)合構(gòu)建的經(jīng)驗回歸模型得到EWT 和DMC 的估算值，進而得到FMC 的估算值。旨在為廣州市過渡帶森林植被FMC 反演提供參考，為森林防火工作提供支撐。

1 研究區(qū)概況與數(shù)據(jù)預(yù)處理

1.1 研究區(qū)概況

從化區(qū)位于廣州市東北部（圖1），總面積為1 974.5 km2，地處低緯度地帶，地勢由東北向西南方向逐步降低，東北部以山地和丘陵為主，中部和南部以丘陵和山谷為主，西部地勢較為平坦，以丘陵和臺地為主，其所在的粵港澳大灣區(qū)是世界第二大灣區(qū)，僅次于東京灣區(qū)，是全球?qū)Φ赜^測衛(wèi)星的重要觀測區(qū)域之一，影像數(shù)據(jù)豐富。廣州市從化區(qū)屬亞熱帶季風(fēng)氣候，氣候溫和、日照充足、雨量充沛，年均降雨量達到1 800～2 200 mm，且擁有豐富的森林植被資源，是廣州市森林面積最大的區(qū)，也是近年來野火發(fā)生頻率較高的地區(qū)之一，分布著眾多熱帶季雨林、亞熱帶常綠闊葉林的植被類型，屬于兩者之間的過渡植被帶，在生態(tài)系統(tǒng)中起過渡連接作用，因而具有重要研究意義。

1.2 野外數(shù)據(jù)采集

2021-05-25-29、06-05-06、06-12-13，對研究區(qū)的森林植被冠層參數(shù)進行采樣，根據(jù)森林中不同樹木類型的分布數(shù)量，將野外采集樣本分為桉樹、荷木、荔枝、馬尾松、杉木、闊葉樹、草地7種類型，采樣點分布見圖1 所示。采樣分別選取7種類型植被空間分布較均勻的區(qū)域隨機布點，使采樣點均勻分布在研究區(qū)內(nèi)，每個采樣點選取30 m×30 m的樣方，每個樣方5次采樣，采集樣方內(nèi)優(yōu)勢樹種的冠層活葉以及樹下的落葉，采樣點均勻分布在樣方中，每個采樣點隨機選3個0.5 m×0.5 m的子樣點，采用手持式GPS設(shè)備記錄樣點的經(jīng)緯度，同時采集植被樣本，裝入密封塑料袋帶入室內(nèi)，在105℃下烘干24 h 后進行測重。葉面積指數(shù)LAI 采用植被冠層分析儀LAI-2000 進行10 次不同子樣點非重復(fù)性測量。

圖1 廣州市從化區(qū)地理位置及采樣點分布Fig.1 Geographical location and distribution of samples of Conghua District of Guangzhou City

1.3 遙感數(shù)據(jù)預(yù)處理

采用Landsat 8 OLI/TIRS 遙感數(shù)據(jù)，軌道號122/044，成像時間為2021-02-20、05-27、07-14 的3幅影像。由于廣州市從化區(qū)5-6月降水充沛、云量豐富，對光學(xué)遙感影像成像質(zhì)量的影響較大，為保證遙感數(shù)據(jù)與野外實測數(shù)據(jù)盡可能相對應(yīng)以及采樣點無云遮蓋，選取2021-05-27 作為主數(shù)據(jù)源，2021-02-20 與07-14 的影像作為數(shù)據(jù)補充。Landsat 8 OLI的1～7波段分辨率為30 m，TIRS的分辨率為100 m。為盡可能消除傳感器及大氣對數(shù)據(jù)的影響，對獲取的Landsat 8 OLI/TIRS 遙感影像數(shù)據(jù)進行輻射定標和大氣校正等預(yù)處理。

2 森林冠層可燃物含水率反演方法構(gòu)建

首先，基于實測數(shù)據(jù)和相關(guān)參考文獻確定PROSAIL模型輸入?yún)?shù)的基礎(chǔ)值，進行參數(shù)敏感性分析確定目標參數(shù)對PROSAIL 模型輸出光譜的影響范圍和強度；其次，基于實測數(shù)據(jù)生成植被冠層可燃物反射率模擬數(shù)據(jù)，并計算各指數(shù)；最后，構(gòu)建LAI、EWT、DMC 與各指數(shù)的函數(shù)關(guān)系，從而得到植被冠層FMC的估算模型。

2.1 PROSAIL模型

PROSAIL 模型是由PROSPECT 葉片光譜模型和SAIL 模型耦合得到，輸入?yún)?shù)包括：太陽天頂角、觀測天頂角、相對方位角、葉面積指數(shù)（Leaf Area Index, LAI）、熱點效應(yīng)因子（hspot）、土壤因子、葉傾角分布、葉片結(jié)構(gòu)參數(shù)、葉綠素含量、葉片等水分厚度、干物質(zhì)質(zhì)量、棕色素組分、類胡蘿卜素含量（江海英 等，2021）。對PROSAIL模型輸入?yún)?shù)的參數(shù)化結(jié)果如表1所示。

表1 PROSAIL模型參數(shù)化及敏感性分析基礎(chǔ)值Table 1 Parameterization of PROSAIL model and basic values of sensitivity analysis

2.2 參數(shù)敏感性分析

假設(shè)PROSAIL模型的各個參數(shù)之間互相獨立，固定其他參數(shù)值并限定在一定范圍內(nèi)，分析PROSAIL 模型各參數(shù)的敏感性，即各參數(shù)值的變化對PROSAIL 模型輸出結(jié)果的影響（Nossent et al.,2011；鄧孺孺 等，2012；He et al., 2017），據(jù)此可以得到各參數(shù)在哪些波段范圍內(nèi)影響輸出反射率的結(jié)果。參數(shù)敏感性基礎(chǔ)值見表1所示。

基于不同輸入?yún)?shù)值下的PROSAIL 模型模擬的光譜曲線如圖2所示。圖2-a顯示LAI對反射率的影響主要集中在700～1 100 nm范圍，反射率隨LAI的增大而增大；在400～700 nm范圍內(nèi)LAI對反射率基本沒有影響；在1 450～2 500 nm 范圍內(nèi)，LAI對反射率影響效果較弱，反射率隨LAI 的增大而減小。特別的，在700～1 100 nm、1 450 nm 附近、1 650 nm 附近，LAI對冠層反射率的影響最為顯著。圖2-b顯示EWT在800～2 500 nm波段范圍對反射率有影響，反射率隨著EWT 的增大而減小，EWT 在5 個水分吸收谷（970、1 250、1 450、1 650 和2 130 nm）影響作用最為顯著，其中對1 650 nm 附近的反射率影響作用最大。圖3-c顯示葉片干物質(zhì)含量DMC在近紅外波段和短波紅外波段對反射率都有影響，反射率隨DMC的增大而減小，其中在750～1 300 nm波段范圍的影響作用最為明顯，在1 650、1 720和2 270 nm波段對DMC反應(yīng)相對敏感。

圖2 不同參數(shù)值下的模擬光譜曲線Fig.2 Simulated spectral curve under different parameter values

2.3 FMC估算模型

考慮到植被光譜在860和1 650 nm對EWT反應(yīng)敏感，故選擇歸一化紅外指數(shù)（Normalized Difference Infrared Index, NDII）分 析NDII 與EWT 之 間的關(guān)系。植被光譜在1 650、1 720 和2 270 nm波段對DMC 反應(yīng)敏感，但由于Landsat 8 影像并沒有1 720 nm 波段，故選擇1 650 和2 270 nm 波段，計算歸一化干物質(zhì)指數(shù)（Normalized Dry Matter Index，NDMI）分析NDMI 和DMC 之間的關(guān)系。NDII 和NDMI表達式分別為：

式中：ρ860表示波長為860 nm 時的反射率；ρ1650表示波長為1 650 nm 時的反射率，ρ2270表示波長為2 270 nm時的反射率。

通過分析基于PROSAIL 模擬數(shù)據(jù)的NDII 和NDMI指數(shù)，與實測輸入的EWT 和DMC 的關(guān)系后發(fā)現(xiàn)，NDII與EWT、NDMI與DMC 決定系數(shù)分別達到0.886 和0.859 （圖3），說明NDII 與EWT、NDMI 與DMC 具有良好的線性關(guān)系，使用NDII 估算EWT、NDMI估算DMC具有可行性。從圖3-a可以看出，當EWT的值在0～0.07 g/cm2時，與NDII的相關(guān)性更好、誤差更小，而當EWT 的值＞0.07 g/cm2，相關(guān)性開始減弱，誤差開始增大。從圖3-b可以看出，當DMC 的值在0～0.04 g/cm2時，與NDMI的相關(guān)性更好、誤差更小，而當DMC的值＞0.04 g/cm2時，相關(guān)性開始減弱，誤差開始增大。

圖3 基于PROSAIL模型的歸一化指數(shù)與對應(yīng)參數(shù)的關(guān)系Fig.3 Relationship between normalized index based on PROSAIL model and corresponding parameter

根據(jù)NDII 與EWT、NDMI 與DMC 的線性關(guān)系，可以得到估算的EWT與DMC，進而得到估算的FMC，如圖4 所示。植被冠層FMC 的值多數(shù)分布在100%～250%，此區(qū)間FMC 估算效果較好，而當FMC的值＜100%或＞250%時，估算效果相對較差。FMC 估算值與實測值相比，決定系數(shù)達到0.819，RMSE 為22.6%，說明基于PROSAIL 模型的FMC估算值具有較高精度。

圖4 基于PROSAIL模型的FMC的估算值與實測值的關(guān)系Fig.4 Relationship between estimation FMC based on PROSAIL model and measured FMC

3 結(jié)果與分析

基于實測的LAI、EWT、DMC 數(shù)據(jù)和PROSAIL模型，獲取采樣點的模擬光譜數(shù)據(jù)，通過模擬光譜數(shù)據(jù)計算NDII、NDMI，與實測EWT、DMC的值進行分析，得到經(jīng)驗?zāi)Ｐ?，將?jīng)驗?zāi)Ｐ屯茝V到Landsat 8獲取的NDIILandsat8和NDMILandsat8，以此大面積監(jiān)測評估野火風(fēng)險的重要因子FMC。

首先，通過Landsat 8 數(shù)據(jù)計算NDIILandsat8和NDMILandsat8，將其與基于實測數(shù)據(jù)和PROSAIL模型得到的NDII 與NDMI 進行對比分析，如圖5-a 和b所示，可以看出，對于NDII，基于Landsat 8 的觀測值與基于PROSAIL 模型模擬結(jié)果R2達到0.709，RMSE達到0.091，對于NDMI，基于Landsat 8的觀測值與基于PROSAIL 模型模擬結(jié)果R2達到0.628，RMSE 達到0.027，說明使用Landsat 8 擬合植被冠層EWT、DMC是可行的。

其次，將基于PROSAIL 模型得到的經(jīng)驗?zāi)Ｐ屯茝V到Landsat 8 數(shù)據(jù)，得到EWT、DMC 的估算值，結(jié)合EWT、DMC 的實測值做精度驗證，如圖5-c 和d 所示，估算EWT 與實測EWT 的R2達到0.652，RMSE 達到0.011 g/cm2，估算DMC 與實測DMC 的R2達到0.611，RMSE 達到0.014 g/cm2，說明使用Landsat 8擬合植被冠層EWT、DMC具有較好的精度。

圖5 基于Landsat 8的估算值的驗證Fig.5 Validation of estimated value based on Landsat 8

最后，基于EWT、DMC 的估算值即可計算FMC估算值，結(jié)合FMC實測值做精度驗證（圖6），R2達到0.743，RMSE達到34.2%，估算結(jié)果與實測結(jié)果較為一致。對比圖4與6可以發(fā)現(xiàn)，基于Landsat 8的FMC估算值相比基于PROSAIL模型的FMC估算值向左發(fā)生明顯偏移，即基于Landsat 8 的FMC估算值明顯低于基于PROSAIL模型的FMC估算值。一方面，由于廣州市過渡帶森林植被中包含多種植被類型，但野外數(shù)據(jù)采集受自然因素影響較嚴重，受限于樣本數(shù)量，本文沒有按植被類型進行分類討論，而是作為一類來分析，但不同植被類型的含水率波動范圍不同，受外界因素影響程度也不同，故導(dǎo)致估算值偏小。另一方面，模擬波段和Landsat 8波段之間存在差異，植被光譜在1 650、1 720、2 270 nm 波段對DMC 反應(yīng)敏感，其中2 270 nm 波段的敏感程度相對較低，而1 650和1 720 nm波段附近的敏感程度相對較高（圖2），但由于Landsat 8 影像沒有1 650 和1 720 nm 波段，故選擇2 270 nm 波段參與NDMI 的計算，使得估算DMC的值偏大，從而導(dǎo)致估算FMC 的值偏小，發(fā)生明顯左移，同時，1 650 nm 和2 270 nm 并不處于Landsat 8 兩個波段的中心波長，也是導(dǎo)致估算DMC、估算FMC 發(fā)生偏移的原因之一。另外，與野外數(shù)據(jù)采樣時間同步的Landsat 8影像受云的影響較大，而植被冠層可燃物含水率受外界因素影響嚴重、動態(tài)變化大，所以影像也是導(dǎo)致FMC 估算值偏小的因素之一。

圖6 基于Landsat 8的FMC的估算值與實測值的關(guān)系Fig.6 Relationship between estimation FMC based on Landsat 8 and measured FMC

從化區(qū)擁有豐富的森林植被資源，屬于熱帶季雨林、亞熱帶常綠闊葉林之間的過渡植被帶，分布著眾多森林植被類型，野外數(shù)據(jù)采集過程中將樣本分為桉樹、荷木、荔枝、馬尾松、杉木、闊葉樹、草地7種類型，涵蓋廣州市過渡帶森林植被的主要類型，且野外數(shù)據(jù)采樣點覆蓋從化區(qū)的大部分區(qū)域，能有效代表整體情況。由于植被冠層可燃物含水率動態(tài)變化大、受外界因素影響嚴重，目前已有反演被冠層可燃物含水率研究中，全興文等（2019）基于遙感數(shù)據(jù)和輻射傳輸模型對草原、森林冠層FMC 進行定量反演，得出總體植被冠層可燃物含水率的RMSE 為44.86%。Quan 等（2021a）基于MODIS 數(shù)據(jù)和輻射傳輸模型反演技術(shù)生成的全球500 m分辨率日FMC產(chǎn)品，過濾低質(zhì)量實測結(jié)果后，RMSE 達到34.57%。Cao 等（2017）基于導(dǎo)數(shù)光譜的歸一化指數(shù)反演可燃物含水率的RMSE為32%。本文提出的FMC估算模型經(jīng)實測數(shù)據(jù)驗證R2達到0.743，RMSE達到34.2%，說明使用Landsat 8擬合植被冠層FMC 具有較好的精度，本模型可為通過廣州市過渡帶森林植被冠層可燃物含水率監(jiān)測提供新參考。

4 討論

基于PROSAIL 模型的植被冠層FMC 反演需同時獲取EWT、DMC兩個參數(shù)，但DMC的光譜信息被EWT的光譜信息覆蓋，從而導(dǎo)致DMC表現(xiàn)出弱敏感性，較難反演。反演過程中的模式計算非常復(fù)雜，運算時間較長，各自由參數(shù)組合的過程中，易出現(xiàn)不符合實際情況的錯誤，若能引入先驗知識，則可有效避免此類錯誤發(fā)生（全興文 等，2019；Wang et al., 2013）。江海英等（2021）基于PROSAIL 模型，將模型參數(shù)設(shè)置為高斯分布，生成1 000 條植被反射率數(shù)據(jù)進行低矮植被含水量估算研究，雖然高斯分布相較于均勻分布更符合生態(tài)標準，但無法避免錯誤組合。而本文使用PROSAIL模型輸出模擬光譜圖，輸入?yún)?shù)均為實地采集的葉片等水分厚度、干物質(zhì)重量、葉面積指數(shù)野外數(shù)據(jù)，相比于通過概率模型模擬獲得數(shù)據(jù)的可靠性更高，能有效避免病態(tài)反演問題，不容易出現(xiàn)錯誤組合的情況，從而提高模擬光譜數(shù)據(jù)的準確度。并且基于野外實測數(shù)據(jù)和PROSAIL 模型輸出的模擬光譜曲線更貼近真實反射率，為后續(xù)計算歸一化紅外指數(shù)、歸一化干物質(zhì)指數(shù)，構(gòu)建植被冠層可燃物含水率的估算模型奠定良好的數(shù)據(jù)基礎(chǔ)。

本文僅設(shè)置葉片等水分厚度、干物質(zhì)重量、葉面積指數(shù)3個變量，其余參數(shù)均設(shè)為定量，一方面是由于模型參數(shù)信息難以完全通過實地測量獲得，另一方面是為了減小模型運算量，但實際上在不同的季節(jié)和植被不同的物候期，各參數(shù)取值與各參數(shù)間相關(guān)性存在差異，未來需進一步探討模型各參數(shù)間的相關(guān)性與各參數(shù)取值對于模擬結(jié)果的影響方式及程度。

本文使用的Landsat 8數(shù)據(jù)為光學(xué)遙感影像，易受云雨天氣影響而無法有效成像，同時，其時間分辨率為16 d，無法獲得時空連續(xù)的對地觀測影像，也無法對植被冠層FMC 進行近實時監(jiān)測，未來需進一步探索多源遙感數(shù)據(jù)在FMC 監(jiān)測中的應(yīng)用，以提供近實時的FMC 監(jiān)測產(chǎn)品，為森林火災(zāi)預(yù)警提供科學(xué)參考。

5 結(jié)論

本文面向植被冠層，基于PROSAIL 模型，結(jié)合野外實測數(shù)據(jù)提出了一種運算速度快、通用性較好的植被冠層可燃物含水率估算方法。經(jīng)驗證，估算結(jié)果與實測結(jié)果較為一致，可實現(xiàn)大面積、較高精度廣州市過渡帶森林植被冠層可燃物含水率監(jiān)測，為預(yù)防森林火災(zāi)提供參考。基于Landsat 8數(shù)據(jù)估算的植被冠層可燃物含水率相比于基于PROSAIL模型估算植被冠層可燃物含水率明顯向左偏移，主要是野外實測數(shù)據(jù)樣本點不足無法按植被類型分類進行分析，導(dǎo)致模擬光譜曲線出現(xiàn)偏差，敏感波段1 650 和2 270 nm 并不處于Landsat 8 兩個波段的中心波長，因此導(dǎo)致估算FMC發(fā)生偏移。