PROSAIL冠层光谱模型遥感反演区域叶面积指数.doc

第29卷,第10期　　　　　　　　　　　　光谱学与光谱分析2009年10月　　　　　　　　　　　　SpectroscopyandSpectralAnalysisVol129,No110,pp272522729 October,2009　 PROSAIL冠层光谱模型遥感反演区域叶面积指数 李淑敏1,李　红13,孙丹峰2,周连第1 11北京市农林科学院农业综合发展研究所,北京国农业大学资源与环境学院,北京　100193 摘　要　大面积区域作物叶面积指数遥感反演,对指导作物管理具有非常重要的意义,验证和发展基于物 理叶面积指数遥感反演可避免基于经验模型的缺点。以北京地区青云店、魏善庄和高丽营为研究区,采用MODIS和ASTER两类不同空间分辨率遥感数据,探讨PROSAIL物理模型反演冬小麦叶面积指数的可行性,尤其在不同空间分辨率遥感数据上的稳定性,并与经验模型进行了对比分析。与经验模型相比,物理模型模拟LAI值更具真实性;用线性组分加权的方法,对小尺度物理模型反演LAI进行尺度扩展并与基于大尺度遥感数据的LAI物理反演结果相对比,相差不大,说明LAI。关键词　叶面积指数;遥感反演;MODIS;ASTER;;中图分类号:TP72214,S127　　::j(2009)1022725205 被(如农作物)。随着遥感技术的发展和各类参数库的建立, 基于物理模型的反演方法越来越具有吸引力。 MODIS遥感数据时间分辨率高,时效性强,具有高的动态性,能够反映作物生长发育的动态特征,但空间分辨率较低,而ASTER遥感数据空间分辨率高,15m的空间尺度与地面实测尺度更易比较和结合,但时间分辨率低。因此,本文以北京地区青云店、魏善庄和高丽营为研究区,在县域尺度作物类型、种植模式分类基础上,采用MODIS和ASTER两类不同空间分辨率遥感数据,探讨PROSAIL物理模型反演冬小麦叶面积指数的可行性,尤其在不同空间分辨率遥感数据上的稳定性,并与经验模型进行了对比分析。 引　言 　　植被叶面积指数(leafareaindex,LAI),作为陆地生态系统的一个十分重要的植被特征参量,能够对植被冠层结构给出直接的量化指标。叶面积指数控制着植被的许多生物、物理过程,与许多生态过程直接相关[124]。自1947年提出以来,叶面积指数已成为一个重要的植物学参数和评价指标,并在农业、果树业、林业以及生物学、生态学等领域得到广泛应用[3]。 传统LAI测量方法为地面实测,该方法有一定破坏性,费时费力,而且大区域研究LAI仅靠地面实测是行不通的,卫星遥感的应用为大区域研究LAI提供了唯一途径[5]。由于遥感数据具有覆盖范围广、时间与空间分辨率高等优点,所以通过遥感反演结合地面实测提取一些重要的生物物理参数有十分重要的意义[1,6]。遥感反演叶面积指数的方法大致分为两类,即经验模型方法和物理模型方法。经验模型方法简单灵活、应用广泛,但是由于函数关系是经验型的,随地域、植被类型、生长季等的变化而变化等因素使得将其用于遥感像元尺度反演时会带来很大误差[2,7,8],尤其当遥感数据分辨率过粗,无法简单与地面样点相匹配。物理模型方法则具有相当强的物理基础,不过分依赖于植被的具体类型或背景环境的变化,因而更具普适性,这种模型更适用于均匀的植　收稿日期:2008210216,修订日期:2009201220 1　研究方法 111　研究区 北京市冬小麦的种植情况从分布区县来看,仍主要集中 在传统粮食主产区,即通州、大兴、顺义、房山,这四个区的冬小麦播种面积占到全市冬小麦播种面积的80%以上。从冬小麦品质来看,硬粒小麦播种面积占冬小麦播种面积的比例最大,种植区主要分布在:通州、大兴、顺义和房山。其次,参考两景ASTER遥感影像数据覆盖的区域范围。最终,研究区选在大兴区青云店镇、魏善庄镇,顺义区高丽营镇。112　遥感影像及其处理 　基金项目:国家“十五”科技攻关计划项目(2004BA617B04)和国家”十一五”科技支撑项目(2006BAD10A06203,2006BAB15B05)资助　作者简介:李淑敏,1983年生,北京市农林科学院农业综合发展研究所研究实习员　　e2mail:edelweiss2bloom@1631com 3通讯联系人　　e2mail:lihsdf@sina1com ? 1994-2009 China Academic Journal Electronic Publishing House. All rights reserved. 2726光谱学与光谱分析　　　　　　　　　　　　　　　　　　　第29卷 2000使用320～490nm的感应波段。每样点处重复测量光谱 采用的遥感数据包括2006年4月23日的MODIS09数 据(地表比