高级检索

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于PROSPECT和4-scale模型的光化学植被指数尺度转换

于颖 刘敏 范文义 卫甜甜 程腾辉 蒋博 张月

于颖, 刘敏, 范文义, 卫甜甜, 程腾辉, 蒋博, 张月. 基于PROSPECT和4-scale模型的光化学植被指数尺度转换[J]. 北京林业大学学报. doi: 10.12171/j.1000-1522.20190190
引用本文: 于颖, 刘敏, 范文义, 卫甜甜, 程腾辉, 蒋博, 张月. 基于PROSPECT和4-scale模型的光化学植被指数尺度转换[J]. 北京林业大学学报. doi: 10.12171/j.1000-1522.20190190
Yu Ying, Liu Min, Fan Wenyi, Wei Tiantian, Cheng Tenghui, Jiang Bo, Zhang Yue. The scale conversion of photochemical reflectance index based on PROSPECT and 4-scale models[J]. Journal of Beijing Forestry University. doi: 10.12171/j.1000-1522.20190190
Citation: Yu Ying, Liu Min, Fan Wenyi, Wei Tiantian, Cheng Tenghui, Jiang Bo, Zhang Yue. The scale conversion of photochemical reflectance index based on PROSPECT and 4-scale models[J]. Journal of Beijing Forestry University. doi: 10.12171/j.1000-1522.20190190

基于PROSPECT和4-scale模型的光化学植被指数尺度转换

doi: 10.12171/j.1000-1522.20190190
基金项目: 国家自然科学基金项目(31870621、31971580、31500518)
详细信息
    作者简介:

    于颖,博士,副教授。主要研究方向:林业遥感与地理信息系统。Email:yuying4458@163.com 地址:150040黑龙江省哈尔滨市和兴路26号东北林业大学林学院

    通讯作者:

    范文义,教授,博士生导师。主要研究方向:定量遥感与地理信息系统。Email:fanwy@163.com 地址:同上

  • 中图分类号: S771.8

The scale conversion of photochemical reflectance index based on PROSPECT and 4-scale models

  • 摘要:   目的  光化学植被指数(PRI)对于准确估计植被光能利用率(LUE)有着重要的作用。但在不同的尺度(叶片、冠层、景观尺度)上,PRI与LUE二者之间的关系及其影响因素不同。传感器获得的光谱为像元及冠层光谱,叶片尺度的PRI-LUE关系模型无法直接用于冠层尺度的数据,因此需要对冠层尺度的PRI指数进行尺度转换。  方法  首先通过叶片尺度的PROSPECT模型,模拟不同生化参数下叶片的反射率与透射率,进而计算叶片尺度PRI指数与简单比值PRI指数(记为SR-PRI)。其次,将获得的叶片尺度反射率、透射率作为参数输入到4-scale模型中,获取不同叶面积指数(Leaf area index, LAI)下冠层尺度的反射率,计算得出冠层尺度的PRI、SR-PRI。建立不同LAI下PRI、SR-PRI的冠层—叶片尺度转换函数,并对不同尺度上影响PRI、SR-PRI的影响因子进行敏感性分析。  结果  PRI、SR-PRI在进行冠层与叶片尺度转化过程中,都表现出很明显的线性关系,并且拟合效果(R2)呈现出随LAI的增大而增大的趋势。对比相同LAI水平下的PRI、SR-PRI的拟合结果发现,SR-PRI的拟合效果普遍要优于PRI。  结论  4-scale模型用来进行PRI与SR-PRI在冠层、叶片间的尺度转换是可行的,通过建立不同LAI下的尺度转换函数,可以实现将冠层尺度的PRI、SR-PRI转化到叶片尺度。
  • 图  1  研究区域及叶面积指数分布

    注:LAI为叶面积指数。下同。Note: LAI, leaf area index.the same below.

    Figure  1.  Study area and its leaf area index distributions

    图  2  技术路线图

    Figure  2.  Technology roadmap

    图  3  叶片尺度PRI随N的变化曲线

    Figure  3.  The changed curves of leaf level PRI with N

    图  4  叶片尺度SR-PRI随N的变化曲线

    Figure  4.  The changed curves of leaf level SR-PRI with N

    图  5  叶片尺度PRI随Cab的变化曲线

    Figure  5.  The changed curves of leaf level PRI with chlorophyll concentration

    图  6  叶片尺度SR-PRI随Cab的变化曲线

    Figure  6.  The changed curves of leaf level SR-PRI with chlorophyll concentration

    图  7  叶片尺度PRI随Cm的变化曲线

    Figure  7.  The changed curves of leaf level PRI with dry matter content

    图  8  叶片尺度SR-PRI随Cm的变化曲线

    Figure  8.  The changed curves of leaf level SR-PRI with dry matter content

    图  9  冠层尺度PRI随LAI的变化曲线

    Figure  9.  The changed curve of canopy level PRI with LAI

    图  10  冠层尺度SR-PRI随LAI的变化曲线

    Figure  10.  The changed curve of canopy level SR-PRI with LAI

    图  11  不同LAI叶片与冠层尺度PRI、SR-PRI拟合系数R2

    Figure  11.  The coefficient R2 of relationship between leaf level PRI and canopy level PRI and SR-PRI under different LAI

    图  13  不同LAI下叶片-冠层尺度SR-PRI的相关性分析

    Figure  13.  Correlation analysis of leaf level SR-PRI and canopy level SR-PRI under different LAI

    图  12  不同LAI下叶片-冠层尺度PRI的相关性分析

    Figure  12.  Correlation analysis of leaf level PRI and canopy level PRI under different LAI

    图  14  PROSAIL模型不同LAI叶片与冠层尺度PRI、SR-PRI拟合系数R2

    Figure  14.  The coefficient R2 of relationship between leaf level PRI and canopy level PRI and SR-PRI under different LAI based on PROSAIL model

    表  1  PROSPECT模型输入参数的范围、步长及基值

    Table  1.   Range, step and basic value of input parameters in the PROSPECT model

    参数
    Parameter
    范围
    Range
    步长
    Step
    基值
    Basic value
    叶片结构参数(N
    Leaf structure parameters
    (1.2,2.0)0.21.6
    叶绿素含量(Cab
    Chlorophyll concentration
    (5,100)540
    水含量(Cw
    Water content
    0.025
    干物质含量(Cm
    Dry matter content
    (0.002,0.02)0.0020.01
    下载: 导出CSV

    表  2  4-Scale模型输入参数

    Table  2.   Input parameters of the 4-Scale model

    模型输入参数
    Input parameters of model
    针叶
    Conifers
    阔叶
    Deciduous
    样地范围 Sample plot/m210 00010 000
    树冠密度/株数
    Canopy density/tree
    1 1001 100
    树冠形状
    Crown profile
    圆锥与圆柱结合体
    Cone and cylinder combination
    椭球体
    Ellipsoid
    树冠高度
    Canopy height/m
    57
    树干高度
    Trunk height/m
    64
    树冠半径
    Canopy radius/m
    11.5
    集聚指数
    Aggregation index
    0.80.8
    叶面积指数
    LAI
    1 ~ 10(步长为1)1 ~ 10(步长为1)
    太阳天顶角
    Solar zenith angle/(°)
    4040
    观测天顶角
    Observing zenith angle/(°)
    00
    相对方位角
    Relative azimuth angle/(°)
    120120
    下载: 导出CSV
  • [1] 杨曦光, 范文义, 于颖. 基于PROSPECT + SAIL模型的森林冠层叶绿素含量反演[J]. 光谱学与光谱分析, 2010, 30(11):3022−3026.

    Yang X G, Fan W Y, Yu Y. Estimation of forest canopy chlorophyll content based on PROSPECT and SAIL models[J]. Spectroscopy and Spectral Analysis, 2010, 30(11): 3022−3026.
    [2] 杨曦光, 于颖, 黄海军, 等. 森林冠层氮含量遥感估算[J]. 红外与毫米波学报, 2012, 31(6):536−543.

    Yang X G, Yu Y, Huang H J, et al. Estimation of forest canopy nitrogen content based on remote sensing[J]. Journal of Infrared and Millimeter Waves, 2012, 31(6): 536−543.
    [3] Gamon J A, Penuelas J, Field C B. A narrow-waveband spectral index that tracks diurnal changes in photosynthetic efficiency[J]. Remote Sensing of Environment, 1992, 41(1): 35−44. doi:  10.1016/0034-4257(92)90059-S
    [4] 陈晋, 唐艳鸿, 陈学泓, 等. 利用光化学反射植被指数估算光能利用率研究的进展[J]. 遥感学报, 2008, 12(2):23−28.

    Chen J, Tang Y H, Chen X H, et al. The review of estimating light use efficiency through photochemical reflectance index (PRI)[J]. Journal of Remote Sensing, 2008, 12(2): 23−28.
    [5] 吴朝阳, 牛铮. 植物光化学植被指数对叶片生化组分参数的敏感性[J]. 中国科学院研究生院学报, 2008, 25(3):346−354.

    Wu C Y, Niu Z. Sensitivity study of photochemical reflectance index to leaf biochemical components[J]. Journal of the Graduate School of the Chinese Academy of Sciences, 2008, 25(3): 346−354.
    [6] PENUELAS J, FILELLA I, GAMON J A. Assessment of photosynthetic radiation-use efficiency with spectral reflectance[J]. New Phytologist, 1995, 131(3): 291−296. doi:  10.1111/j.1469-8137.1995.tb03064.x
    [7] 宁艳玲, 张学文, 韩启金, 等. 基于改进的PRI方法对植被冠层叶绿素含量的反演[J]. 航天返回与遥感, 2014, 35(3):90−97.

    Ning Y L, Zhang X W, Han Q J, et al. Estimation of chlorophyll contents of canopy with advanced PRI method[J]. Spacecraft Recovery & Remote Sensing, 2014, 35(3): 90−97.
    [8] 吴朝阳, 牛铮, 汤泉. 叶片光化学植被指数(PRI)的修正及其敏感性分析[J]. 光谱学与光谱分析, 2008, 28(9):2014−2018.

    Wu C Y, Niu Z, Tang Q. Sensitivity study of a revised leaf photochemical reflectance index (PRI)[J]. Spectroscopy and Spectral Analysis, 2008, 28(9): 2014−2018.
    [9] 李师宇, 于颖, 范文义. 阳生叶光能利用率与光化学反射植被指数关系[J]. 林业科学, 2018, 54(5):177−184.

    Li S Y, Yu Y, Fan W Y. Relationship between the photochemical reflectance vegetation index and photosynthetic light use efficiency for sunlit leaves[J]. SCIENTIA SILVAE SINICAE, 2018, 54(5): 177−184.
    [10] Jacquemoud S, Baret F. PROSPECT: a model of leaf optical properties spectra[J]. Remote Sensing of Environment, 1990, 34(2): 75−91. doi:  10.1016/0034-4257(90)90100-Z
    [11] 薛云, 陈水森, 夏丽华, 等. 几个典型的叶片/冠层模型[J]. 西部林业科学, 2005, 34(1):70−73.

    Xue Y, Chen S S, Xia L H, et al. A brief introduction to several typical leaf /canopy models[J]. Journal of West China Forestry Science, 2005, 34(1): 70−73.
    [12] 杨曦光, 范文义, 于颖. 基于PROSPECT + SAIL模型的森林冠层叶绿素含量反演[J]. 光谱学与光谱分析, 2010, 30(11):3022−3026.

    Yang X G, Yu Y. Estimation of forest canopy chlorophyll content based on PROSPECT and SAIL models[J]. Spectroscopy and Spectral Analysis, 2010, 30(11): 3022−3026.
    [13] Chen J M, Leblanc S G. A four-scale bidirectional reflectance model based on canopy architecture[J]. IEEE Transactions on Geoscience & Remote Sensing, 1997, 35(5): 1316−133.
    [14] 于颖, 范文义, 杨曦光. 三种植被冠层二向反射分布函数模型的比较[J]. 植物生态学报, 2012, 36(1):55−62. doi:  10.3724/SP.J.1258.2012.00055

    Yu Y, Fan W Y, Yang X G. Comparisons of three models for vegetation canopy bi-directional reflectance distribution function[J]. Chinese Journal of Plant Ecology, 2012, 36(1): 55−62. doi:  10.3724/SP.J.1258.2012.00055
    [15] 刘洋, 刘荣高, 刘斯亮, 等. 基于物理模型训练神经网络的作物叶面积指数遥感反演研究[J]. 地球信息科学学报, 2010, 12(3):426−435. doi:  10.3724/SP.J.1047.2010.00426

    Liu Y, Liu R G, Liu S L, et al. Estimation of crop LAI based on the neural network trained from physical model[J]. Journal of Geo-Information Science, 2010, 12(3): 426−435. doi:  10.3724/SP.J.1047.2010.00426
  • [1] 葛会硕, 宋跃朋, 苏雪辉, 张德强, 张晓宇.  基于Logistic和Gompertz模型的小叶杨幼苗生长组合优化模型 . 北京林业大学学报, doi: 10.12171/j.1000-1522.20190296
    [2] 陈国栋, 杜研, 丁佩燕, 郭珂歆, 尹忠东.  基于混合效应模型的新疆天山云杉单木胸径预测模型构建 . 北京林业大学学报, doi: 10.12171/j.1000-1522.20190236
    [3] 燕云飞, 王君杰, 姜立春.  基于混合效应模型的人工红松枝下高模型研建 . 北京林业大学学报, doi: 10.12171/j.1000-1522.20190366
    [4] 李杨, 亢新刚.  长白山云冷杉针阔混交林林木空间利用率混合模型 . 北京林业大学学报, doi: 10.12171/j.1000-1522.20190112
    [5] 李成, 马景永, 张财, 王奔, 查天山, 贾昕.  油蒿灌木荒漠光能利用效率季节动态研究 . 北京林业大学学报, doi: 10.13332/j.1000-1522.20180217
    [6] 温永斌, 韩海荣, 程小琴, 李祖政.  基于Biome-BGC模型的千烟洲森林水分利用效率研究 . 北京林业大学学报, doi: 10.13332/j.1000-1522.20190001
    [7] 王烁, 董利虎, 李凤日.  人工长白落叶松枝条存活模型 . 北京林业大学学报, doi: 10.13332/j.1000-1522.20170203
    [8] 罗恒春, 张超, 魏安超, 陆双飞.  云南松林分平均高生长模型及模型参数环境解释 . 北京林业大学学报, doi: 10.13332/j.1000-1522.20170347
    [9] 邢磊, 薛海霞, 李清河, 高婷婷.  白刺幼苗生物量与氮含量在叶与全株间的尺度转换 . 北京林业大学学报, doi: 10.13332/j.1000-1522.20170338
    [10] 张春华, 和菊, 孙永玉, 李昆.  基于MaxEnt模型的紫椿适生区预测 . 北京林业大学学报, doi: 10.13332/j.1000-1522.20170002
    [11] 程越, 林旻, 杨刚, 黄心渊.  基于个体植物生长模型的森林动态演替模拟 . 北京林业大学学报, doi: 10.13332/j.1000-1522.20170016
    [12] 温一博, 常颖, 范文义.  基于MISR数据大兴安岭地区叶面积指数反演及尺度转换验证研究 . 北京林业大学学报, doi: 10.13332/j.1000-1522.20150204
    [13] 郭艳荣, 吴保国, 郑小贤, 郑德祥, 刘洋, 董晨, 张慕博.  杉木不同龄组树冠形态模拟模型研究 . 北京林业大学学报, doi: 10.13332/j.cnki.jbfu.2015.02.007
    [14] 王妍, 杨华, 李艳丽, 邱实.  基于结构方程模型的林木竞争指标研究 . 北京林业大学学报, doi: DOI:10.13332/j.1000-1522.20140075
    [15] 蒋冬月, 钱永强, 刘俊祥, 王正超, 费英杰, 孙振元.  基于光合-光响应特性的柳树优良无性系光能利用效率的评价 . 北京林业大学学报, doi: 10.13332/j.1000-1522.20140187
    [16] 姜立春, 蒋雨航.  利用混合模型模拟树冠特征对兴安落叶松树干干形的影响 . 北京林业大学学报,
    [17] 王萍花, 陈丽华, 冀晓东, 宋恒川, 盖小刚, 蒋坤云, 吕春娟.  华北地区4种常见乔木根系抗拉强度的力学综合模型 . 北京林业大学学报,
    [18] 李春明.  利用非线性混合模型进行杉木林分断面积生长模拟研究 . 北京林业大学学报,
    [19] 张建军, 董煌标, 纳磊, 王鹏.  晋西黄土区不同尺度小流域降雨径流过程的对比分析 . 北京林业大学学报,
    [20] 焦雯珺, 宋先亮, 金则新, 李俊, 周睿, 郑景明, 孙志蓉, 索安宁, 马玲, 高克昌, 吴家兵, 张志山, 奚如春, 武林, 周艳萍, 张春晓, 刘足根, 李黎, 于海霞, 张建军, 吕文华, 许景伟, 陆平, 雷妮娅, 郎璞玫, 邵杰, 于文吉, 赵文喆, 李传荣, 余养伦, 戴伟, 翟明普, 赵广杰, 朱教君, 关德新, 于志明, 盖颖, 张小由, 纳磊, 饶兴权, 马履一, 李钧敏, 郑红娟, 葛剑平, 习宝田, 陈勇, 陈少良, 蔡锡安, 朱清科, Kwei-NamLaw, 毕华兴, 韦方强, 赵秀海, 谭会娟, 王文全, 李增鸿, 张春雨, 袁小兰, 王天明, 杨永福, 赵平, 张弥, 马履一, 于波, ClaudeDaneault, 朱艳燕, 李俊清, 夏良放, 方家强, 张宇清, 李笑吟, 曾小平, 江泽慧, 贾桂霞, 崔鹏, 樊敏, 王瑞刚, 王卫东, 郭孟霞, 唐晓军, 李庆卫, 贺润平, 李丽萍, 邓宗付, 殷宁, 刘丽娟, 韩士杰, 王贺新, 张欣荣, 何明珠, 吴秀芹, 袁飞, 陈雪梅, 于贵瑞, 江杰, 吴记贵, 王月海, 毛志宏, 刘鑫, 熊颖, 王旭琴, 郑敬刚, 蒋湘宁, 孔俊杰, 王娜, 李新荣, 聂立水, 林靓靓, 王瑞辉, 葛剑平, 孙晓敏, 王贵霞, 郭超颖, 董治良, .  热平衡技术与气孔计法测定沙生植物蒸腾 . 北京林业大学学报,
  • 加载中
图(14) / 表 (2)
计量
  • 文章访问数:  30
  • HTML全文浏览量:  13
  • PDF下载量:  2
  • 被引次数: 0
出版历程
  • 收稿日期:  2019-06-28
  • 修回日期:  2019-12-28

基于PROSPECT和4-scale模型的光化学植被指数尺度转换

doi: 10.12171/j.1000-1522.20190190
    基金项目:  国家自然科学基金项目(31870621、31971580、31500518)
    作者简介:

    于颖,博士,副教授。主要研究方向:林业遥感与地理信息系统。Email:yuying4458@163.com 地址:150040黑龙江省哈尔滨市和兴路26号东北林业大学林学院

    通讯作者: 范文义,教授,博士生导师。主要研究方向:定量遥感与地理信息系统。Email:fanwy@163.com 地址:同上
  • 中图分类号: S771.8

摘要:   目的  光化学植被指数(PRI)对于准确估计植被光能利用率(LUE)有着重要的作用。但在不同的尺度(叶片、冠层、景观尺度)上,PRI与LUE二者之间的关系及其影响因素不同。传感器获得的光谱为像元及冠层光谱,叶片尺度的PRI-LUE关系模型无法直接用于冠层尺度的数据,因此需要对冠层尺度的PRI指数进行尺度转换。  方法  首先通过叶片尺度的PROSPECT模型,模拟不同生化参数下叶片的反射率与透射率,进而计算叶片尺度PRI指数与简单比值PRI指数(记为SR-PRI)。其次,将获得的叶片尺度反射率、透射率作为参数输入到4-scale模型中,获取不同叶面积指数(Leaf area index, LAI)下冠层尺度的反射率,计算得出冠层尺度的PRI、SR-PRI。建立不同LAI下PRI、SR-PRI的冠层—叶片尺度转换函数,并对不同尺度上影响PRI、SR-PRI的影响因子进行敏感性分析。  结果  PRI、SR-PRI在进行冠层与叶片尺度转化过程中,都表现出很明显的线性关系,并且拟合效果(R2)呈现出随LAI的增大而增大的趋势。对比相同LAI水平下的PRI、SR-PRI的拟合结果发现,SR-PRI的拟合效果普遍要优于PRI。  结论  4-scale模型用来进行PRI与SR-PRI在冠层、叶片间的尺度转换是可行的,通过建立不同LAI下的尺度转换函数,可以实现将冠层尺度的PRI、SR-PRI转化到叶片尺度。

English Abstract

于颖, 刘敏, 范文义, 卫甜甜, 程腾辉, 蒋博, 张月. 基于PROSPECT和4-scale模型的光化学植被指数尺度转换[J]. 北京林业大学学报. doi: 10.12171/j.1000-1522.20190190
引用本文: 于颖, 刘敏, 范文义, 卫甜甜, 程腾辉, 蒋博, 张月. 基于PROSPECT和4-scale模型的光化学植被指数尺度转换[J]. 北京林业大学学报. doi: 10.12171/j.1000-1522.20190190
Yu Ying, Liu Min, Fan Wenyi, Wei Tiantian, Cheng Tenghui, Jiang Bo, Zhang Yue. The scale conversion of photochemical reflectance index based on PROSPECT and 4-scale models[J]. Journal of Beijing Forestry University. doi: 10.12171/j.1000-1522.20190190
Citation: Yu Ying, Liu Min, Fan Wenyi, Wei Tiantian, Cheng Tenghui, Jiang Bo, Zhang Yue. The scale conversion of photochemical reflectance index based on PROSPECT and 4-scale models[J]. Journal of Beijing Forestry University. doi: 10.12171/j.1000-1522.20190190
  • 冠层尺度和叶片尺度光谱数据和模型的转换是林业定量遥感技术应用研究的一个关键问题。传感器观测到的数据是真实地物在一定空间尺度上的综合,以像元为单位,是一个混合地物的光谱信息,在林区我们可以近似看成是冠层光谱信息。而实际地面观测的植被生物物理和生物化学参数(如叶绿素含量、氮含量、光能利用率等)及建立的模型都是在叶片尺度上。将叶片尺度上的模型直接应用到遥感影像上,会导致估算存在较大的误差。因此,冠层光谱与叶片光谱如何进行尺度转换,叶片尺度的模型如何应用到冠层水平的光谱数据上是近几年研究者关注的重要问题。

    在叶片尺度与冠层尺度植被光谱的转换研究中,有不少学者提供了较好的方法。杨曦光等[1]在反演冠层叶绿素含量时,利用了PROSPECT模型和SAIL模型,通过建立查找表来反演叶片水平的叶绿素含量。杨曦光等[2]在对森林冠层氮含量进行估算的过程中,根据冠层尺度4-scale模型的机理,推导出了冠层尺度到叶片尺度的尺度转换函数,以此实现冠层光谱到叶片光谱的尺度转换。不过尺度转换函数的建立需要用4-scale模型对大量的数据进行拟合,并且函数内部之间还嵌套着一定的函数关系,因此建立的模型较为复杂。而且该尺度转换函数只能对单一特定的光谱波段进行尺度转换,并不能实现植被指数的直接转换,目前对植被指数的尺度转换研究还缺乏。

    植被指数的尺度转换研究可以大大提高遥感影像估算叶片水平生化参数的效率,避免了单个波段进行尺度转换的计算复杂与数据量大的问题。如光化学植被指数(PRI)尺度转换的研究,光化学植被指数最先由Gamon等[3]发现并提出,被定义为531和570 nm波段处的归一化植被指数。该指数对叶黄素循环色素间的相互转换敏感,而LUE的变化与叶黄素循环具有密切关系,因此光化学植被指数被广泛用来估算LUE[4]。在不同的观测尺度上,影响光化学植被指数与光能利用率关系的因素是不同的。在叶片尺度,光化学植被指数主要受到叶片自身生化参数的影响,如叶绿素含量、叶片结构、等效水厚度等。在冠层尺度,主要影响因素则是冠层自身的性质,如叶面积指数(Leaf Area Index, LAI)、叶倾角分布(LAD)、太阳高度角等[5]。因此,在光化学植被指数与光能利用率关系的建立时必须要考虑遥感数据源的尺度性。此外在叶片尺度上建立的LUE与PRI之间的关系不能直接应用到冠层尺度数据。

    本研究旨在探究光化学植被指数在叶片尺度与冠层尺度的相关关系,通过尺度转换,将冠层尺度获得的PRI指数转换到叶片尺度,以便于将叶片尺度建立的LUE与PRI的关系模型快速有效地应用到冠层尺度,实现遥感影像高效估算叶片生化参数的目的。研究首先利用叶片尺度PROSPECT模型,模拟出不同生化组分下叶片的反射率与透射率,并将其作为参数输入到4-scale模型中,获取不同LAI下的冠层反射率。此外为了比较不同形式的植被指数对尺度转换的影像,研究采取修正后的光化学植被指数(PRI)与简单比值光化学植被指数(Simple Ratio PRI, SR-PRI)分别进行尺度转换,通过计算叶片尺度、冠层尺度下的PRI、SR-PRI,建立回归关系,从而得到不同LAI下的PRI、SR-PRI尺度转换函数,以此实现PRI、SR-PRI在冠层尺度和叶片尺度的直接转换。

    • 研究区域选取黑龙江省大兴安岭加格达奇区域(图1),位于大兴安岭南部余脉,属于低山丘陵地带。平均海拔为472 m,西北偏高,东南偏低。年均降水量495 mm,属寒温带大陆性季风气候。面积为1 587 km2,区域内森林茂盛,主要树种有兴安落叶松(Larix gmelinii)、樟子松(Pinussylvestris var. mongolica)、白桦(Betula platyphylla)、山杨(Populus davidiana)、柞树(Quercus mongolica)、黑桦(Betula davurica)、杨树(Populus davidiana)、云杉(Picea koraiensis)等。

      图  1  研究区域及叶面积指数分布

      Figure 1.  Study area and its leaf area index distributions

      在研究区域选取了100 m*100 m落叶松纯林大样地2块,林下地表植被覆盖类型为杜鹃(Rhododendron simsii),50 m*50 m白桦纯林大样地1块,林下地表植被覆盖类型为杜香(Ledum palustre)。测量样地内树木株树、叶面积指数、郁闭度及落叶松和白桦标准木测树因子,包括树高、胸径、冠幅、冠高、枝倾角、叶倾角分布和叶子大小等,为模型的输入参数提供依据。

    • 研究以PROSPECT模型与4-scale模型为基础,根据叶片生物物理化学参数,采用PROSPECT模型模拟叶片水平反射率和透射率,由此计算叶片尺度的传统光化学植被指数(PRI)与比值光化学植被指数(SR-PRI),并分析叶片生化参数对叶片尺度两种植被指数的敏感性。然后将PROSPECT模型模拟的叶片反射率、透射率数据作为参数,并结合样地尺度测量的树干高、冠高和LAI等参数,采用4-scale模型模拟冠层水平反射率,进而计算冠层水平PRI和SR-PRI,分析冠层尺度LAI对两种植被指数的敏感性。最后分析不同LAI下两种尺度上PRI与SR-PRI的相关性,建立光化学植被指数的尺度转换函数,为基于不同尺度PRI估算LUE提供参考数据,最后比较两种植被指数尺度转换的优劣。

      图  2  技术路线图

      Figure 2.  Technology roadmap

    • PRI指数是由Gamon等[3]在1992年研究向日葵的生化组分时提出的植被指数,与叶片的光能利用率有很好的线性关系,对估算植被的初级生产力(GPP)和陆地生态系统碳循环有重要的意义。PRI = (R531R570)/(R531 + R570)。R531表示531 nm处的叶片反射率,R570表示570 nm处的叶片反射率。随着PRI指数研究的深入,有不少学者对PRI指数进行了一定程度的修正。包括指数参考波段[6-7]的修正和指数公式形式的修正[8-9]

      研究采用的PRI指数依据李师宇(2018)提出的修正后的PRI指数,选取518和570 nm两个对LUE变化最为敏感的波段[9],PRI = (R518R570)/(R518 + R570),R518R570分别表示518和570 nm处的叶片反射率。同时构建相同波段下的简单比值光化学植被指数(SR-PRI)以更好地解决光学影像信号饱和的问题,SR-PRI = R518/ R570

    • PROSPECT模型是在Allen[10]归纳的平板模型的基础上发展起来的辐射传输模型。该模型适用于新鲜的植物叶片,可模拟出不同生化组分下叶片在400 ~ 2 500 nm的反射率和透射率,间隔为5 nm。考虑到实际的叶片是多层的并且有空隙,因此模型假设每片叶子都是由若干同性层堆叠而成,中间由气体隔开。在该模型中,叶片的散射可以用折射指数(n)和叶片结构参数(N)来描述,叶片结构参数N不一定是整数。而吸收则可以用叶绿素浓度、水含量等来表达[11]。该模型的输入参数只有4个,分别是:叶片结构参数(N),叶绿素含量(Cab), 水含量(Cw)和干物质含量(Cm)。由于该模型输入参数少且拟合效果好,因此被广泛用于模拟不同生化组分下叶片反射率、透射率。

      根据生化参数对518、570 nm处反射率的敏感性分析,设置PROSPECT模型输入参数(表1),模拟叶片反射率。对PROSPECT模型输入参数的敏感性分析可知[12],在900 nm之前水含量对叶片反射率敏感度几乎为0,因此水含量设置值固定不变。

      表 1  PROSPECT模型输入参数的范围、步长及基值

      Table 1.  Range, step and basic value of input parameters in the PROSPECT model

      参数
      Parameter
      范围
      Range
      步长
      Step
      基值
      Basic value
      叶片结构参数(N
      Leaf structure parameters
      (1.2,2.0)0.21.6
      叶绿素含量(Cab
      Chlorophyll concentration
      (5,100)540
      水含量(Cw
      Water content
      0.025
      干物质含量(Cm
      Dry matter content
      (0.002,0.02)0.0020.01
    • 4-scale模型是由Chen等[13]于1997年提出的一个几何光学辐射传输模型。该模型基于北方森林建立,主要用于计算从传感器视角获得的植被表面的反射率。模型在模拟冠层反射率时主要考虑了4个尺度,分别为群落尺度、树冠尺度、树枝尺度和树梢尺度。和同样是模拟冠层BRDF(二项反射分布函数,Bidirectional reflectance distribution function)值的MGEOSAIL和DART模型比较,对模拟不同分布下的植被BRDF特性更加精确[14]

      4-scale模型把冠层反射率分解为树冠光照面反射率,树冠阴影面反射率、背景光照面反射率,背景阴影面反射率四分量。模型输入参数主要有样地参数、树结构参数、叶片和背景的光谱特征参数等三类[15]。样地参数有样地面积、LAI、株树。树结构参数有冠层半径和高度、针簇比例、典型叶片或树枝尺寸、集聚指数等。叶片的反射率与透射率由PROSPECT模型模拟得出。根据测量样地的实际平均水平,4-scale模型的参数设置如表2.

      表 2  4-Scale模型输入参数

      Table 2.  Input parameters of the 4-Scale model

      模型输入参数
      Input parameters of model
      针叶
      Conifers
      阔叶
      Deciduous
      样地范围 Sample plot/m210 00010 000
      树冠密度/株数
      Canopy density/tree
      1 1001 100
      树冠形状
      Crown profile
      圆锥与圆柱结合体
      Cone and cylinder combination
      椭球体
      Ellipsoid
      树冠高度
      Canopy height/m
      57
      树干高度
      Trunk height/m
      64
      树冠半径
      Canopy radius/m
      11.5
      集聚指数
      Aggregation index
      0.80.8
      叶面积指数
      LAI
      1 ~ 10(步长为1)1 ~ 10(步长为1)
      太阳天顶角
      Solar zenith angle/(°)
      4040
      观测天顶角
      Observing zenith angle/(°)
      00
      相对方位角
      Relative azimuth angle/(°)
      120120
    • 在叶片尺度,PRI、SR-PRI主要受到叶片自身生化参数的影响。当叶片自身的生化参数发生改变时,会导致518和570 nm处反射率也发生改变,从而改变PRI、SR-PRI的值,并对PRI、SR-PRI与LUE的关系产生影响。在进行叶片尺度PRI、SR-PRI的敏感性分析时,本研究选用了3个生化参数,分别是:叶片结构参数(N),叶绿素含量(Cab)和干物质含量(Cm)。

    • 一般情况下,单子叶植物N的范围为1 ~ 1.5,双子叶植物N的范围为1.5 ~ 2.5[7]。本研究N的取值范围为1.2 ~ 2.0,步长为0.2。在其他生化参数取基值情况下,模拟不同叶绿素含量下,叶片PRI和SR-PRI随N的变化。结果显示,N对PRI、SR-PRI的敏感性和叶绿素含量有关(图34)。当叶绿素含量较低(Cab < 35 μg/cm2)时,PRI、SR-PRI对N不敏感。而当叶绿素含量较高(Cab > 35 μg/cm2)时,PRI、SR-PRI表现出与N负相关性,随着N的增大而减小,此时PRI、SR-PRI对N敏感。原因是随着N的增加,叶片内部的多次散射增强,叶片的反射率增加。当Cab < 35 μg/cm2时,随着N的增加,518和570 nm处的反射率升高,但是二者之间增加的幅度趋于一致,因此此处的PRI、SR-PRI并不对N表现出敏感性。而当Cab > 35 μg/cm2时,518 nm处于强吸收波段,N对该处的反射率影响低。570 nm处于强反射波段,N对该处的反射率影响高,因此570 nm处反射率的增长幅度总要高于518 nm处反射率的增长幅度。此时PRI、SR-PRI随N的增加而减小,表现出对N的敏感性。

      图  3  叶片尺度PRI随N的变化曲线

      Figure 3.  The changed curves of leaf level PRI with N

      图  4  叶片尺度SR-PRI随N的变化曲线

      Figure 4.  The changed curves of leaf level SR-PRI with N

    • 本研究叶绿素Cab的取值范围为5 ~ 100 μg/cm2,步长为5 μg/cm2,随着叶绿素含量的增加,PRI与SR-PRI呈现出先下降、后上升的趋势(图34)。在其他生化参数取基值情况下,进一步模拟不同干物质含量下,叶片PRI和SR-PRI随Cab的变化(图56)。结果显示,当叶绿素含量为5 ~ 40 μg/cm2时,随着叶绿素含量的增加,PRI与SR-PRI的值都呈现下降的趋势,下降趋势逐渐减缓。而当叶绿素含量为45 ~ 100 μg/cm2时,随着Cab的增加,PRI与SR-PRI的值都呈现上升趋势,上升幅度基本趋于一致。可见,叶绿素含量对PRI与SR-PRI高度敏感。

      图  5  叶片尺度PRI随Cab的变化曲线

      Figure 5.  The changed curves of leaf level PRI with chlorophyll concentration

      图  6  叶片尺度SR-PRI随Cab的变化曲线

      Figure 6.  The changed curves of leaf level SR-PRI with chlorophyll concentration

    • 干物质含量(Cm)主要包括叶片的纤维素、木质素等。在其他生化参数取基值情况下,模拟不同叶绿素含量下,叶片PRI和SR-PRI随Cm的变化(图78)。结果显示,随着Cm的增加,518和570 nm处的反射率均呈现减小的趋势,并且570 nm处的减小幅度略高于518 nm处的减小幅度。但二者的减小幅度都偏小,而且趋势一致,因此曲线的斜率几乎无变化,即PRI、SR-PRI对Cm的变化不敏感。

      图  7  叶片尺度PRI随Cm的变化曲线

      Figure 7.  The changed curves of leaf level PRI with dry matter content

      图  8  叶片尺度SR-PRI随Cm的变化曲线

      Figure 8.  The changed curves of leaf level SR-PRI with dry matter content

    • 叶面积指数(LAI)反应了树冠层叶子的数量,是4-scale模型中的一个重要的输入参数。本研究LAI的取值范围为1 ~ 10,步长为1。LAI影响着冠层水平的反射率,研究模拟不同叶片反射率透射率,不同LAI情况下,冠层PRI和SR-PRI的变化(图910)。结果显示,随着LAI的增加,冠层PRI、SR-PRI与LAI有着显著的正相关关系。当LAI < 3时,冠层PRI、SR-PRI增加十分迅速,这是因为,当LAI较小时,树冠层叶子十分稀疏,此时冠层的反射率还要受到树冠下垫面背景反射率的影响,随着LAI增加,树冠层叶子愈发浓密,对背景具有遮挡作用,因此下垫面的影响逐渐减小,此时更多的表现出树冠层叶子本身的反射性质。当LAI > 3时,冠层PRI、SR-PRI的增长幅度变缓,因为此时树冠层顶部叶片已趋于饱和,冠层反射率增加不大,而LAI的增加会加大树冠中叶子间的多次散射作用,进而增大冠层的PRI、SR-PRI。因此,LAI对冠层尺度的PRI、SR-PRI具有高度的敏感性。

      图  9  冠层尺度PRI随LAI的变化曲线

      Figure 9.  The changed curve of canopy level PRI with LAI

      图  10  冠层尺度SR-PRI随LAI的变化曲线

      Figure 10.  The changed curve of canopy level SR-PRI with LAI

    • 对叶片-冠层尺度PRI进行一元回归分析,可以明显看出二者之间存在显著相关性,并且与LAI正相关,即随着LAI的增加,叶片-冠层尺度PRI的拟合系数R2增大(图11)。因为当LAI较小时,冠层的光谱受背景地物的光谱影响较多,因此影响了PRI在叶片与冠层尺度间的相关性,而随着LAI的增加,冠层光谱主要来自冠层叶片的光谱,外界影响因素降低,所以相关性得到增强。

      图  11  不同LAI叶片与冠层尺度PRI、SR-PRI拟合系数R2

      Figure 11.  The coefficient R2 of relationship between leaf level PRI and canopy level PRI and SR-PRI under different LAI

    • 不同LAI下,建立的叶片-冠层尺度SR-PRI的相关关系都稍优于PRI(图11 ~ 13)。这说明相对于PRI而言,SR-PRI对叶片生化参数敏感性更低,在进行尺度转换的时候,转换效果更好,获取的数值精度要更高。

      图  13  不同LAI下叶片-冠层尺度SR-PRI的相关性分析

      Figure 13.  Correlation analysis of leaf level SR-PRI and canopy level SR-PRI under different LAI

      图  12  不同LAI下叶片-冠层尺度PRI的相关性分析

      Figure 12.  Correlation analysis of leaf level PRI and canopy level PRI under different LAI

    • 本文基于PROSPECT模型与4-scale模型,分别建立不同LAI下PRI、SR-PRI的冠层—叶片尺度转换函数,并对不同尺度上影响PRI、SR-PRI的影响因子进行敏感性分析。结果表明,在叶片尺度,PRI、SR-PRI主要受到叶片自身的生化参数的影响,影响因素为叶绿素含量与叶片结构参数。在冠层尺度,主要影响因素为LAI。PRI、SR-PRI在进行冠层—叶片尺度的转化过程中,都表现出很明显的线性关系,并且两种指数的转换函数的整体拟合度(R2)随着LAI的增大而增大。因此本方法对LAI数值较高(LAI > 3)的区域更适用,4-scale模型用来进行PRI与SR-PRI在冠层、叶片间的尺度转换是可行的。当LAI处于同一水平时,SR-PRI的拟合结果明显要优于PRI。在以后的研究中,可以采用SR-PRI来代替PRI进行尺度转换和LUE的估算。

      为了对比PROSPECT和4-scale模型与其他模型模拟叶片尺度与冠层尺度PRI和SR-PRI的关系,研究采用PROSAIL模型模拟叶片尺度与冠层尺度PRI和SR-PRI(图14)。PROSAIL模型整合了叶片光学特性模型PROSPECT和冠层反射率模型SAIL,考虑了土壤非朗伯特性、叶片镜面反射、植被冠层的热点效应及叶倾角的分布情况,使用了两层冠层结构,同时又考虑了冠层水平和垂直方向上的异质性,能够很好地描述均匀植被冠层的反射特性,使模型具有良好的模拟结果。在植被冠层均匀分布的区域,PROSAIL模型拟合的冠层PRI、SR-PRI与叶片PRI、SR-PRI有更好的线性关系,拟合决定系数R2取值范围为0.68 ~ 0.90,明显优于PROSPECT和4-scale模型模拟的两者关系。但是实际中,很多植被的空间分布是不连续的,非均匀的植被,尤其在山区,此时SAIL模型无法准确模拟冠层反射率。因此,即使PROSAIL模型拟合的冠层尺度与叶片尺度PRI的关系更好,也不能随意采用。4-scale模型在模拟冠层反射率时考虑了植被的空间不连续分布和树的结构参数,拟合的冠层尺度与叶片尺度PRI的转换关系更符合实际情况。

      图  14  PROSAIL模型不同LAI叶片与冠层尺度PRI、SR-PRI拟合系数R2

      Figure 14.  The coefficient R2 of relationship between leaf level PRI and canopy level PRI and SR-PRI under different LAI based on PROSAIL model

      本研究存在以下两点不足:(1)所有数据都是通过模型拟合得出,因此对于模型参数的选取尤为重要。PROSPECT模型的输入参数有4个,由于水含量对518、570 nm处的反射率几乎无影响,因此取固定值0.025 μg/cm2。其他3个参数(叶片结构参数、叶绿素含量、干物质含量)对518、570 nm处的反射率影响较大,因此这3个参数的取值范围与步长的选择比较重要。4-scale模型的输入参数较多,在不同的林分类型中,各项参数的取值差异较大,因此输入模型的参数需要在所研究的林分类型中具有一定的代表性。(2)LAI的步长取值太粗犷,对于非整数LAI下的转换误差较大。以后的研究中,应该增加分析LAI非整数情况下,叶片尺度和冠层尺度PRI和SR-PRI的转换关系,以提高尺度转换的精度。

参考文献 (15)

目录

    /

    返回文章
    返回