基于SPOT5遥感影像的城市森林叶面积指数反演(3)

叶面积指数

指数值,以各植被指数值作为回归分析的自变量,进行了回归分析,建立回归方程(图3)

:

59

应用更高分辨率的遥感图像,可以更好地解决以往存在的样点和遥感图像位置匹配问题,从而提高定量遥感分析的准确度。因此,基于利用SPOT5提取的遥感信息参数,如MSAVI和MCARI植被指数,可应用于现代城市森林定量研究,这可为快速定量评估城市森林的结构和功能提供依据。

叶面积指数的反演研究一直是遥感反演领域的热点和难点。反演的误差除了受到多种因素的影响,如叶面积指数观测误差(仪器、选点)、大气校正算法模拟算法带来的误差等。还有,由于决定森林叶面积的环境因子和生物因子多种多样,遥感信息参数可能表现为在叶面积指数相对较低时就达到饱和,这样遥感信息将不能准确地反映叶面积指数的变化。虽然通过构建各种植被指数能提高运用遥感估测的精度,但如何有效的解决还需进一步深入研究。今后,随着遥感的快速发展,如何建立LAI的物理模型将是定量遥感反演的研究方向。

注:引自赵敏等1上海城市森林缓解人类活动释放CO2功能评估。

参考文献

[1]李开丽,蒋建军1[J6):1491214961

[2]J1leafareaindexofboreal

LandsatTmimagines[J].Re2ofEnvironment,1996,55:15321621

[ST,KucharikCJ,andNormanJM1Directand

IndirectEstimationofLeafAreaIndex,fAPARandNetPrimaryProductionofTerrestrialEcosystems[J].Re2moteSensingofEnvironment,1999,70:292511

[4]HallRJ,DavidsonDP,andPeddleDR1Groundandre2

moteestimationofleafareaindexinRockyMountainforeststands,Kananaskis,Alberta[J].CanadianJournalofRemoteSensing,2003,29(3):41124271

[5]DavidPT,WarrenBC,RobertEK1Relationshipsbe2

tweenLeafAreaIndexandLandsatTMSpectralVegeta2tionIndicesacrossThreeTemperateZoneSites[J].Re2moteSensingofEnvironment,1999,70:52 681

[6]MiinaR1Retrievalofleafareaindexforaconiferousforest

byinvertingaforestreflectancemode1[J].RemoteSensingofEnvironment,2005,99:29523031

[7]赵丽芳,谭炳香,杨华1高光谱遥感森林叶面积指数估

测研究现状[J].世界林业研究,2007,20(2):502541[8]Ethan,HD,ScottE1Energyandmaterialflowthrough

theurbanecosystem[J].AnnualReviewEnergyEnvi2ronment,2000,25:68527401

[9]刘宇光,金明,冯钟葵,等1SPOT数据反演地物辐

射亮度和反射率的基础研究[J].地球信息科学,2005,7(2):11121151

[10]孙鹏森,刘世荣,刘京涛,等1利用不同分辨率卫星

影像的NDVI数据估算叶面积指数[J].生态学报,2006,26(11):3826238341

[11]Rouse,JW,Haas,RH,Schell,JA,etal1Monitoring

thevernaladvancementsandretrogradationofnaturalveg2etation[C]//NASA/GSFC,FinalReport,Greenbelt,MD,USA,1974:121371

[12]廖克,等1高分辩率卫星遥感影像在土地利用变化动

态监测中的应用[J].测绘科学,2006,31(6)1[13]Daughtry,CST,Walthall,CL,Kim,MS,etal1Esti2

matingcornleafchlorophyllconcentrationfromleafandcanopyreflectance[J].RemoteSensingofEnvironment,

(下转第63页)2000,74:22922391

图3　植被指数与叶面积指数之间的回归关系,

abc分别代表NDVI、MCARI、MSAVI从图3可以看出,基于SPOT52

VI、MSAVI和MCARI三种植被指数与关系,,016以上,其中MS0166,其次为MCARI,I相关系数较低,其相关系数为0162。,NDVI仍受到背景因素不同程度的影响,而MSAVI和MCARI,由于能进一步消除土壤背景和叶绿素的影响,对叶面积指数比较敏感,能更好地与叶面积指数建立关系,从而能更好地用于城市森林叶面积指数的遥感反演。为了验证利用SPOT5数据在估测城市森林LAI的可靠性,利用与LAI相关性最好的MSAVI指数,对研究区森林LAI进行估测(图4)。在此基础上,利用赵敏等基于森林清查与野外调查数据建立的上海城市森林净初级生产力NPP与LAI图4　研究区植被LAI

[注]3

的关系模型,对该模空间分布图型进行尺度转换,从而估

5

算了研究区森林NPP,其估算值为1185×10t/ha/yr。考虑到本研究区域约是上海整个土地面积的57%(6340km2),假设剩余区域的森林的覆盖率与研究区域类似,种类没有差异,那么利用此方法估算整个上海市森林的年净生产力

5

约为3124×10t/yr,这与赵敏等年基于中国林业科学数据中心对上海市森林资源公布的数据所评估的上海市森林年

5[注]

累计碳量很接近(2192×10t/yr),精度达到90%。这表明了SPOT5数据在估测城市森林LAI是可行性的。

5　结束语

本研究利用SPOT5数据提取的NDVI、MSAVI和MCARI,与实测的叶面积指数建立回归统计模型。研究表明,虽然SPOT5数据的波段数和波长范围有限,但由于SPOT5数据具有更高的空间分辨率,可以更精细地分辨各类地物的细节,能有效降低混合像元对定标分析的影响。