基于SPOT5影像的森林LAI遥感反演和分析.pdfVIP

基于SPOT5 影像的森林LAI 遥感反演与分析 1,2 1* 1 1 1 1 1,2 陈伟 , 曹春香 , 张颢 , 贾慧聪 , 姬伟 , 徐敏 , 高孟绪 , 1,2 1,2 1,2 倪希亮 , 赵坚 , 郑盛 1.中国科学院遥感应用研究所 遥感科学国家重点实验室, 北京 100101; 2. 中国科学院研究生院，北京 100049 摘 要: 叶面积指数(Leaf Area Index, LAI)是森林监测中的关键参数，是表征植被冠层结构特征 和生物物理过程的最基本参量之一，反演LAI 对于研究陆地生态系统及其过程具有重要意义。本 研究选择甘肃省黑河流域大野口地区作为实验区，基于2008 年8 月的SPOT5 影像反演研究区森 林LAI 。针对地形起伏较大的山地研究区，本研究在对SPOT5 多光谱影像预处理时，在正射校正、 辐射定标、大气校正的基础上，对比了地形辐射校正前后提取的地表反射率并计算多种植被指数 信息。对地面采样的同步LAI 数据与植被指数进行相关性分析，建立两者之间的多种回归统计模 型，通过对比模型的判定系数确定研究区 LAI 反演的最佳模型。该反演模型在另一组实测 LAI 数据验证通过的基础上，生成研究区的森林 LAI 分布图。本研究通过对比分析 SPOT5 影像地形 辐射校正前后建立的回归模型的精度，表明经过地形辐射校正可以得到精度更高的森林 LAI 反演 结果，从而说明了地形辐射校正对于基于统计模型方法进行山区森林LAI 反演的必要性。 关键词: SPOT5 影像；森林LAI ；植被指数；遥感反演；地形辐射校正 1 引 言 叶面积指数(Leaf Area Index, LAI)是一个十分重要的植被结构参数，是表征植被冠层结构 特征和生物物理过程的最基本参量之一，已经成为研究陆地生态系统及其过程的关键参数 (Fang and Zhang, 2003 ; Xiao et al., 2008; Li et al., 2010) 。LAI 既可以定义为单位地面面积上所 有叶子表面积的总和，也可以定义为单位面积上所有叶子向下投影的面积总和。Chen et al. (2002)将 LAI 定义为单位地面面积上总叶面积的一半，目前这一定义被广泛认可和应用，在 本文中也采用这一定义。 国内外关于利用遥感数据来反演植被LAI 信息的研究己经相当深入，使用的数据源日益 丰富，方法也多种多样(Chen, 1996; Fang and Zhang, 2003; Zhang et al., 2002; Yao et al., 2006; Xu et al., 2009; Chen et al., 2010) ，其中统计模型法是最为常见的方法之一。统计模型法主要 通过建立光谱数据或植被指数与LAI 的统计关系来反演LAI 。统计模型法所依据的物理模型 形式简洁，对输入数据要求不高，计算也简单易行，因而在很长一段时间内都是被LAI 遥感 定量估算广泛应用的方法 (Chen et al., 1996, 2002; Chen, 1996; Shibayama and Akiyama, 1989；White et al., 1997; Fang et al.,2004; Li et al., 2005; Ling et al., 2008; Xiao, 2007; Liu, 2008 ; Kovacs et al., 2009) ，但这些研究的实验区大都选择在地势平缓的平原或海岸地区(Chen et al., 1996, 2002; Li et al., 2005; Ling et al., 2008; Kovacs et al., 2009) ，即使选择了山地作为研究区， 也没有考虑地形的影响或者只是直接研究经过地形辐射校正后的研究区LAI 分布，并没有定 量对比地形辐射校正前后的建模精度