基于SPOT5遥感影像的城市森林叶面积指数反演(2)

叶面积指数

58

3　数据处理与分析

测绘科学　　　　　　　　　　　　　　　　　　　　第33卷

调节植被指数;ρNIR表示近红外波段的表观反射率;ρRED表示

红波段的表观反射率;ρGREEN

表示绿波段的表观反射率。

311　几何校正

考虑到研究区比较平坦,加上缺少相应的DEM及参考源,因此在本研究中,采用了基于1∶50000地形图DRG的控制点几何纠正法,并对纠正后的全色影像和多光谱影像进行融合处理形成兼具色彩与纹理特征的融合影像,形成研究区的遥感正射影像图。312　辐射定标及表观反射率的计算

在完成对SPOT5数据几何纠正基础上,对SPOT5数据进行地物辐射亮度和地物反射率可以根据以下公式计算[9]:

πLλd2(1)Lλ=+B;ρTOA=

AESUNλcos(θs)

　　式中,参数A是辐射校正后图像产品绝对定标增益(W/2

μm),参数B是图像产品的定标偏置(W/m2μm);m Sr Sr ρλ是各波段的辐照TOA是地物表观反射率,π是常量3114,L

2

μm),d是日地天文距离,ESUNλ是波长λ处度(W/m Sr

4　结果与分析

411　城市植被信息的遥感提取

城市植被覆盖类型通常分为乔木、灌木、草地、疏林地和其他绿地等五类,其中最主要的是乔木、灌木和草地三种类型。在本研究中,根据研究区植被和SOPT5的影像特点,从多光谱影像上提取对植被覆盖和树叶含水量很敏感的短波红外(SWIR),并利用归一化植被指数(NDVI),以及从全色光谱影像提取的纹理信息,将这三个参数作为特征参数,根据野外调查选取的样本训练区,建立训练样本,采用最大似然监督分类方法,提取研究区植被覆盖信息(图2)。

μm),θ大气外层平均太阳辐照度(W/m2 S是太阳天顶角。

参数A、B、ESUNλ和θOT5Dimap文件中得到。S均可从SP313　植被指数的计算

由于植被指数是由多光谱数据经线性和非线性组合而构成的对植被有一定指示意义的数值,它定量地表明了植被活力,是遥感监测地面植物生长和分布的一种方法。国内外学者建立了一批植被指数与LAI[10,11本研究利用SPOT5表观反射率计算了NDVI、MSAVI和MCARI,I,I。

1)归一化植被指数(I)之一,其计算公式[12]:

(ρ-ρ)

(2)NDVI=

(ρNIR+ρRED)

　　式中,NDVI表示基于表面反射率计算的归一化植被指数;ρNIR表示近红外波段的表观反射率;ρRED表示红波段的表观反射率。

2)修正的土壤调节植被指数

NDVI的局限性表现在,用非线性拉伸的方式增强了

[12]

NIR和RED的反射率的对比度。NDVI能反映出植物冠层的背景影响。因此,为了消除土壤的影响,Qi,J1等构建了修正的土壤调节植被指数(MSAVI),其计算公式[12]:

MSAVI=

(2ρ+1)-2

(2ρ-8(ρ+1)-ρ))

412　叶面积指数的定量遥感反演

根据SPOT5多光谱影像各波谱段的表观反射率,计算了各像元的3种植被指数。同时考虑到遥感影像几何精校正误差、GPS实测误差,为保证所提取的像元与LAI测量样区的有效对应,采用3×3像元滑动窗口计算每个样区NDVI值、MSAVI值和MCARI值(表1)。

表1　研究区各植被指数与实测LAI

样地实测样地实测NDVIMASVIMCARINDVIMASVIMCARI编号LAI编号LAI

123456789101112131415161718

01243011310114021900121701112011202168012180111301119117001217011150112021690120201105011092115012290112201127210201336011930122131920120301109011142195012190111401120219701238011270112921900124001127011352139012120110801116215201215011130111711650121201109011141192012750115001159310201212011080111621410

1237011190112711900121501111011171197

192021222324252627282930313233343536

012170111501118210001252011330114121560122801114011232127012440112801134118601230011220113021190123201120011422117012230111701122218601215011100111721460120201104011072104012670114301155216901203011060111011050122001116011212125012960116401179312201208011060111011550121201109011171139012060110601113217201228011220113121210120201105011092128

2

(3)

　　式中,MSAVI表示基于表面反射率计算的修正的土壤

调节植被指数;ρNIR表示近红外波段的表观反射率;ρRED表示红波段的表观反射率。

3)修正的叶绿素调节植被指数

研究表明,在LAI与植被指数间不存在一个惟一的相关关系式,每一个都是叶绿素含量或其他冠层特征的函数,特别是叶绿素和LAI间的耦合关系。为了解决这些问题,不少研究致力于改进现有的植被指数以改善它们对LAI的线性关系,同时提高它们对LAI的敏感度[13]。Daughtry等将对LAI敏感的光谱指数与对土壤背景不敏感的光谱指数结合起来发展了光谱指数-修正后的叶绿素调节植被指数(MCARI)。其计算公式[13]:

ρ115[215(ρNIR-ρRED)-113(NIR-ρGREEN)]

MCARI=

2

(2ρρ-(6NIR+1)NIR-5RED)-015

(4)

　　式中,MCARI表示基于表面反射率计算的修正的叶绿素

结合表1各样区实测LAI与对应SPOT5影像上各植被