摘" 要： 歸一化植被指數(shù)（NDVI）在指示植被光合作用、評估植被覆蓋的水土保持功能、模擬植被生產(chǎn)力，特別是在計算USLE模型中的C因子等方面得到廣泛應用。應用NDVI的前提假設是NDVI對相關(guān)變量的變化高度敏感。由于植被具有垂直結(jié)構(gòu)，而用于計算NDVI的光譜波段為紅光和近紅外光，難以穿透冠層，出現(xiàn)飽和現(xiàn)象，因此NDVI對冠層結(jié)構(gòu)特別是冠層厚度的敏感性存在冠層厚度閾值?；跓o人機搭載的多光譜相機航拍數(shù)據(jù)，以紅壤丘陵區(qū)蜜橘果樹單株為觀測單元，提出NDVI敏感的冠層厚度閾值的計算方法，量化NDVI對植株冠層厚度的敏感性。結(jié)果表明，對研究區(qū)內(nèi)的蜜橘植株，NDVI敏感的冠層厚度閾值為1.39～4.95 m，且其值隨植株而異，當冠層厚度超過其敏感性閾值時NDVI的有效性顯著降低。因此，對基于NDVI構(gòu)建的植被生態(tài)功能評估模型，需要考慮NDVI對冠層厚度的敏感性閾值評估結(jié)果的可靠性。

關(guān)鍵詞： NDVI；冠層厚度；敏感性；無人機；多光譜遙感；蜜橘；紅壤丘陵區(qū)

中圖分類號： S157" 文獻標識碼：A ""DOI：10.3969/j.issn.1000-0941.2025.02.016

引用格式： 程永澤，周紅藝，湯崇軍，等.紅壤丘陵區(qū)蜜橘NDVI對冠層厚度的敏感性［J］.中國水土保持，2025（2）：53-57.

收稿日期：2023-10-27

基金項目：江西省水利廳重大科技項目（202124ZDKT24）；國家重點研發(fā)計劃項目（2022YFB3903304）

第一作者：程永澤（1997—），女，河北張家口人，碩士研究生，研究方向為農(nóng)業(yè)景觀生態(tài)。

通信作者：劉宇（1981—），男，貴州盤州人，副研究員，博士，主要從事景觀格局與生態(tài)過程、生態(tài)系統(tǒng)監(jiān)測與評估等研究。

E-mail： liuyu@igsnrr.ac.cn

歸一化植被指數(shù)（NDVI）是目前應用最廣泛的植被指數(shù)之一，常作為反映農(nóng)作物長勢、營養(yǎng)信息和地表植被覆蓋狀況的重要參數(shù)而廣泛應用于生態(tài)、環(huán)境和農(nóng)業(yè)領域［1-3］。NDVI是利用葉綠素吸收紅光波段而散射近紅外光的特點，采用紅光和近紅外波段的反射率進行計算的［3］。由于NDVI計算所采用的光譜波段與植被光合作用、冠層結(jié)構(gòu)等密切關(guān)聯(lián)，因此NDVI被廣泛用于農(nóng)作物冠層覆蓋度估算［4］、植被光能利用效率模擬［5］、植被水土保持功能評估［6］、土地覆被分類［7］和作物估產(chǎn)［8］等研究和應用中，建立了NDVI與植被生產(chǎn)力［3，9］、植被覆蓋度［10］等植被相關(guān)參數(shù)之間的關(guān)系模型。在USLE（通用土壤流失方程）模型中計算植被覆蓋因子（C因子）時，常假定NDVI或植被覆蓋度與土壤侵蝕之間成負指數(shù)關(guān)系［11］甚至線性關(guān)系［6，12］，構(gòu)建了多種以NDVI為參數(shù)的C因子計算方法［6，11-13］。植被冠層反射率、冠層結(jié)構(gòu)、冠層構(gòu)成要素的光譜特性、觀測角和太陽入射角等與NDVI大小密切相關(guān)［14］，因此NDVI大小和植被冠層結(jié)構(gòu)有關(guān)［15］。由于所采用的光譜波段不具備穿透冠層葉片的能力，因此NDVI在植被覆蓋度較高的區(qū)域會出現(xiàn)飽和現(xiàn)象［16］，即超過一定的覆蓋度或者郁閉度后NDVI不再隨植株高度、冠層厚度、葉面積等結(jié)構(gòu)參數(shù)而變化。冠層厚度、郁閉度等是影響NDVI飽和的重要冠層結(jié)構(gòu)特征［16］，識別NDVI達到飽和的冠層結(jié)構(gòu)特征閾值有助于評估基于NDVI的植被功能觀測和評估結(jié)果的可靠性。然而，在眾多的NDVI應用中，特別是在USLE模型C因子的計算中［2，6，11，13］，并未將NDVI存在飽和現(xiàn)象考慮在內(nèi)，導致評估結(jié)果具有很大的不確定性。隨著無人機近地遙感技術(shù)的發(fā)展，獲取植株高度和提取冠層厚度成為可能［17-19］，探討NDVI對冠層厚度的敏感性閾值有助于認知和量化基于NDVI的各類生態(tài)功能參數(shù)，特別是土壤保持參數(shù)的不確定性和有效性范圍。為此，本研究以南方紅壤丘陵區(qū)蜜橘植株為研究對象，利用多光譜無人機航拍影像提取蜜橘的冠層厚度光譜反射率計算NDVI，分析NDVI對蜜橘冠層厚度的敏感性閾值。

1" 研究區(qū)概況

研究區(qū)位于江西省南豐縣境內(nèi)的江西省南豐農(nóng)村生態(tài)水利科研示范基地，地理位置為北緯26°51′～27°21′，東經(jīng)116°09′～116°45′。該基地位于江西省第二大河流撫河的上游，屬亞熱帶季風濕潤氣候區(qū)，雨量充沛，四季分明；地貌為丘陵山地；土壤類型為紅壤，適宜生長蜜橘、柑橘等亞熱帶果樹?；赝恋乜偯娣e35.8 hm2，蜜橘果園面積最大，其中南豐蜜橘的種植面積約27.7 hm2，共種植南豐蜜橘約11 900株。

2" 研究材料與方法

2.1" 數(shù)據(jù)獲取和處理

通過無人機航拍獲取多光譜遙感數(shù)據(jù)。采用大疆精靈4多光譜無人機航拍，航拍時間為2022年7月9日上午11時—13時，飛行高度設置為150 m。采用GS Pro軟件根據(jù)太陽方位自動確定最優(yōu)航線，航拍時太陽高度角不低于30°。航拍當天天氣晴朗，云量低于10%。所獲取的原始影像包括5個波段的影像和RGB三波段合成影像。各波段光譜范圍見表1。

程永澤等：紅壤丘陵區(qū)蜜橘NDVI對冠層厚度的敏感性利用Pix4D軟件對獲得的多波段影像進行處理，生成數(shù)字地形模型（DTM）和數(shù)字表面模型（DSM）。經(jīng)逐像元輻射校正和拼接，生成研究區(qū)的各波段反射率的數(shù)字正射影像（DOM）。然后利用紅光和近紅外波段反射率，根據(jù)式（1）［20］計算NDVI值。NDVI反映植被密集程度和植物的葉綠素含量，范圍為－1～1，其值的大小與植株的冠層厚度緊密相關(guān)，數(shù)值越大表明植被越密集或葉綠素含量越高，0和負值為無植被覆蓋區(qū)。

NDVI=NIR-RNIR+R（1）

式中：NIR為近紅外波段的反射率；R為紅光波段的反射率。

利用生成的DSM和DTM計算冠層厚度。數(shù)字表面模型DSM為包括植被、建筑物等在內(nèi)的地表表面的高程；數(shù)字地形模型DTM則為去除植被和建筑物后的地形。由于果園植株間距較大，因此DTM能很好地反映真實的地形信息。對果樹而言，利用DSM與DTM的差值即可得到植株冠層任意一點的距地高度（見圖1）。由圖1可知，無人機自頂部垂直向下觀測到的冠層底部位置與地面觀測到的真實冠層底部位置有所差別，這種差別的大小與植株灌叢的形態(tài)有關(guān)：球形植株差別較大，而半球形、塔形植株差別最小。在求取DSM與DTM的差值后，利用植株邊緣線的平均差值作為植株冠層的底部高度，進而求算出冠層厚度。

2.2" NDVI對冠層厚度的敏感性閾值識別

以單株蜜橘為計算單元，獲取每個像元的NDVI值和植株冠層厚度，建立二者之間的非線性回歸方程

來反映NDVI對冠層厚度的敏感性（見圖2）。隨著冠層厚度增加，其郁閉度逐漸趨近于100%（見圖1）。由于紅光和近紅外波段不具備穿透植被冠層的能力，因此理論上NDVI值隨著冠層厚度增加而趨于飽和，即當冠層厚度大于一定的閾值時，NDVI值不再增大。為避免地形起伏和林下植被的影響，選擇研究區(qū)內(nèi)地形平坦且地表雜草被清除的樣地內(nèi)的植株進行觀測和分析，共選取18株蜜橘。通過建立每株蜜橘的NDVI與冠層厚度的擬合方程［見圖2（a）］，尋找NDVI值達到飽和時的冠層厚度閾值，以閾值的大小作為敏感性的表征。如圖2（b）所示，NDVI值達到飽和的冠層厚度閾值為NDVI與冠層厚度擬合曲線的導數(shù)趨于0的點對應的冠層厚度。

3" 結(jié)果分析

3.1" 植株冠層厚度和NDVI

由圖3可知，植被在藍光波段的反射率最低，最高反射率不足10%，范圍為0.7%～8.6%；而在紅邊波段和近紅外波段的反射率較高，近紅外波段的反射率最高，最高反射率接近100%，范圍為16.9%～100%。反射率在植株間差異明顯，反映出植株葉綠素含量和植被冠層郁閉度的顯著差異。由圖4（b）可知，所選植株NDVI值為0.04～0.89。植株斑塊任意一點的冠層厚度為冠層上表面高度與冠層底部高度之差，樣地蜜橘植株冠層厚度為1.9～5.3 m［見圖4（d）］。

3.2" NDVI與冠層厚度的關(guān)系

隨冠層厚度的增加，NDVI逐漸上升并趨近于最大值。NDVI與冠層厚度之間的關(guān)系式為

y=a1+exp（b-xc）（2）

式中：y為NDVI值；x為冠層厚度；a、b、c均為待定參數(shù)，通過NDVI和冠層厚度數(shù)據(jù)擬合求算，由于冠層結(jié)構(gòu)不同，因而每株樹的參數(shù)也不同（見表2）。

NDVI對冠層厚度有一定的敏感性。冠層厚度增加的前期，NDVI有一定的變化，當冠層厚度達到一定閾值時，NDVI達到最大值后不再隨冠層厚度的增加而增大，即出現(xiàn)飽和現(xiàn)象。由于植株間在冠層結(jié)構(gòu)等屬性方面存在較大差異，因此各植株的NDVI與冠層厚度的回歸方程參數(shù)差異較大。利用式（2），以單個植株為單元對NDVI與冠層厚度的回歸方程參數(shù)進行求解，得到了95%置信水平下的各植株的回歸方程參數(shù)，見表2。表2中的參數(shù)a反映了各植株理論上可能達到的最大NDVI值。對于本研究中的蜜橘植株，a為0.770～0.872，回歸方程的確定系數(shù)R2最小為0.104、最大為0.554。

3.3" NDVI敏感的冠層厚度閾值

根據(jù)圖2所示的方法求解得到的各植株NDVI對冠層厚度的敏感性閾值見表3，可以看出NDVI敏感的冠層厚度閾值為1.39～4.95 m，在植株間變異較大。

對于研究區(qū)的蜜橘來說，冠層厚度低于4.95 m時，NDVI值會隨著冠層厚度的增加而增大，超過這個閾值時則不敏感，即NDVI不再隨著冠層厚度的增加而增大。對應于冠層厚度閾值，各植株的NDVI飽和值為0.707～0.843。

4" 討論

本研究揭示了蜜橘NDVI對冠層厚度的敏感性存在冠層厚度閾值的現(xiàn)象，即冠層厚度超過閾值時，NDVI值不再隨著冠層厚度的增加而增大，出現(xiàn)飽和現(xiàn)象［16］。從遙感的機理上看，計算NDVI使用的是光學波段的信息，只能觀測到冠層表層的葉片，當冠層厚度達到一定數(shù)值時，其郁閉度接近100%，出現(xiàn)NDVI飽和現(xiàn)象，而冠層厚度并未達到最大，葉片數(shù)量還在隨著冠層厚度增加而增加。因此，在植被冠層郁閉度難以達到100%的植株中，NDVI有效性更高；而在郁閉度普遍接近100%的區(qū)域，NDVI指示植被狀況特別是生產(chǎn)力的有效性就會大幅度降低。

通過改變對植株的觀測方式可改善NDVI的有效性。當觀測方向與光入射方向重合時，傳感器所接收到的能量全部為光照面反射，沒有陰影信息，植被反射率觀測較為準確。葉傾角分布是植被冠層最重要的結(jié)構(gòu)參數(shù)之一，直接決定冠層對太陽輻射的截獲量，進而影響植被冠層在不同波段的反射率［14］。隨著三維建模技術(shù)的發(fā)展，可采用傾斜攝影技術(shù)對整個植株的NDVI進行立體觀測［21］，從而提高NDVI對植被生產(chǎn)力的反映能力。

因NDVI本質(zhì)上是光學波段觀測的植被指數(shù)，故隨著冠層厚度等結(jié)構(gòu)參數(shù)的增大而出現(xiàn)飽和現(xiàn)象［15-16］是難免的。只有當NDVI對應的植被結(jié)構(gòu)參數(shù)處于對冠層結(jié)構(gòu)敏感的閾值范圍內(nèi)時，評估結(jié)果才有較高的可靠性。鑒于此，在利用NDVI構(gòu)建植被生產(chǎn)力等植被狀態(tài)評估模型時，應當根據(jù)NDVI敏感性給出評估結(jié)果的可靠性。

5" 結(jié)論

1）NDVI隨著冠層厚度的增加會出現(xiàn)飽和現(xiàn)象，即冠層厚度在一定范圍內(nèi)時NDVI對冠層厚度的變化敏感。NDVI敏感的冠層厚度閾值隨植株而異，對研究區(qū)內(nèi)的蜜橘植株，冠層厚度閾值為1.39～4.95 m。

2）由于計算NDVI采用的波段是光學波段，因此當冠層厚度超過其敏感性閾值時NDVI的有效性顯著降低。對基于NDVI構(gòu)建的植被生態(tài)功能評估模型，需要考慮NDVI對冠層厚度的敏感性閾值評估結(jié)果的可靠性。采用傾斜攝影技術(shù)對整個植株冠幅的NDVI進行立體觀測可提高NDVI反映植被狀況的可靠性。

參考文獻：

［1］ PIAO S L，MOHAMMAT A，F(xiàn)ANG J Y，et al.NDVI-based increase in growth of temperate grasslands and its responses to climate changes in China［J］.Global Environmental Change，2006，16（4）：340-348.

［2］ GERARD F F，GEORGE C T，HAYMAN G，et al.Leaf phenology amplitude derived from MODIS NDVI and EVI：Maps of leaf phenology synchrony for Meso-and South America［J］.Geoscience Data Journal，2020，7（1）：13-26.

［3］ PETTORELLI N，VIK J O，MYSTERUD A，et al.Using the satellite-derived NDVI to assess ecological responses to environmental change［J］.Trends in Ecology amp; Evolution，2005，20（9）：503-510.

［4］ TENREIRO T R，GARCA-VILA M，GMEZ J A，et al.Using NDVI for the assessment of canopy cover in agricultural crops within modelling research［J］.Computers and Electronics in Agriculture，2021，182：106038.

［5］ 錢釗暉，王紹強，周國逸，等.冠層結(jié)構(gòu)對亞熱帶常綠林光能利用效率估算的影響［J］.自然資源學報，2019，34（3）：613-623.

［6］ KARABURUN A.Estimation of C factor for soil erosion modeling using NDVI in Buyukcekmece watershed［J］.Ozean Journal of Applied Sciences，2010，3（1）：77-85.

［7］ AMANO H，IWASAKI Y.Land cover classification by integrating NDVI time series and GIS data to evaluate water circulation in Aso Caldera，Japan［J］.International Journal of Environmental Research and Public Health，2020，17（18）：17186605.

［8］ GROTEN S M E.NDVI—crop monitoring and early yield assessment of Burkina Faso［J］.International Journal of Remote Sensing，1993，14（8）：1495-1515.

［9］ WANG J，RICH P M，PRICE K P，et al.Relations between NDVI and tree productivity in the central Great Plains［J］.International Journal of Remote Sensing，2004，25（16）：3127-3138.

［10］ CARLSON T N，RIPLEY D A.On the relation between NDVI，fractional vegetation cover，and leaf area index［J］.Remote Sensing of Environment，1997，62（3）：241-252.

［11］ AYALEW D A，DEUMLICH D，ARAPATKA B，et al.Quantifying the sensitivity of NDVI-based C factor estimation and potential soil erosion prediction using Spaceborne Earth Observation Data［J］.Remote Sensing，2020，12（7）：12071136.

［12］ DE ASIS A M，OMASA K.Estimation of vegetation parameter for modeling soil erosion using linear Spectral Mixture Analysis of Landsat ETM data［J］.ISPRS Journal of Photogrammetry and Remote Sensing，2007，62（4）：309-324.

［13］ MACEDO P M S，OLIVEIRA P T S，ANTUNES M A H，et al.New approach for obtaining the C-factor of RUSLE considering the seasonal effect of rainfalls on vegetation cover［J］.International Soil and Water Conservation Research，2021，9（2）：207-216.

［14］ 張亞，耿君，王少騰.葉傾角分布對離散冠層反射率的影響［J］.遙感信息，2021，36（4）：92-99.

［15］ GAMON J A，F(xiàn)IELD C B，GOULDEN M L，et al.Relationships between NDVI，canopy structure，and photosynthesis in three Californian vegetation types［J］.Ecological Applications，1995，5（1）：28-41.

［16］ GU Y X，WYLIE B K，HOWARD D M，et al.NDVI saturation adjustment：A new approach for improving cropland performance estimates in the Greater Platte River Basin，USA［J］.Ecological Indicators，2013，30：1-6.

［17］ JOHANSEN K，RAHARJO T，MCCABE M F.Using multi-spectral UAV imagery to extract tree crop structural properties and assess pruning effects［J］.Remote Sensing，2018，10（6）：10060854.

［18］ NI W J，SUN G Q，PANG Y，et al.Mapping three-dimensional structures of forest canopy using UAV stereo imagery：Evaluating impacts of forward overlaps and image resolutions with LiDAR data as reference［J］.IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing，2018，11（10）：3578-3589.

［19］ ZOHDI T I.Multiple UAVs formapping：A review of basic modeling，simulation，and applications［J］.Annual Review of Environment and Resources，2018，43（1）：523-543.

［20］ ROUSE J W，HAAS R H，SCHELL J A，et al.Monitoring vegetation systems in the Great Plains with ERTS［C］//FREDEN S C，MERCANTI E P，BECKER M A.Third Earth Resources Technology Satellite-1 Symposium Vol 1，Sect A.Washington D C：NASA Goddard Space Flight Center，1974：309-317.

［21］ CERRETA J，HANSON A，MARTORELLA J，et al.Using 3 dimension health vegetation index point clouds to determine HLB infected citrus trees［J］.The Journal of Aviation/Aerospace Education amp; Research，2018，28（1）：25-42.

（責任編輯" 徐素霞）