2. 中山市生态环境局,广东 中山 528403;
3. 广东华远国土工程有限公司,广东 中山 528403;
4. 华南师范大学环境研究院,广东 广州 510006
2. Zhongshan Ecology and Environment Agency, Zhongshan, Guangdong 528403, China;
3. Guangdong Huayuan Land Engineering Co.Ltd., Zhongshan, Guangdong 528403, China;
4. Environmental Research Institute, South China Normal University, Guangzhou, Guangdong 510006, China
叶面积指数(Leaf Area Index,LAI)可综合反映植物冠层中的能量及物质循环状况,是农业、林业管理领域的一项主要植物学参数和监测指标[1-2]。大空间尺度下的区域叶面积指数主要基于卫星遥感影像技术获得,但在应用上存在的问题是:可免费获得的遥感影像及其叶面积指数产品往往空间分辨率不足,应用局限性较大;而商业数据则存在价格高昂、定制周期长、数据的使用和后续处理难度大等问题,对基层林业和环保管理部门而言存在较高的技术和成本门槛,难以推广使用。
2015年6月,欧洲航天局(ESA)成功发射了首颗“哨兵-2”(Sentinel-2)卫星,并向全球免费公开卫星数据[3]。Sentinel-2数据在“红边”区域具有3个波段,可进行更为精细的叶绿素反射峰强度计算及提高大气校正精度等,是准确高效开展植被监测的理想数据源,为低成本、流程化、常态化监控特定地理区域内中、高空间分辨率叶面积指数提供了条件[4-5]。
现以广东省中山市为例,基于SNAP软件对Sentinel-2数据进行叶面积指数反演及统计分析,将反演结果与中山市生态空间格局、植被保护状况和部分区域的现场实测结果进行比较,评价该方法的准确性和适用性,为城镇尺度植被叶面积指数的研究提供技术参考。
1 研究区概况及数据来源 1.1 研究区概况中山市地处珠江三角洲中南部,珠江出海口西岸,北连广州,毗邻港澳,陆域总面积约1 783 km2。全市地貌大致可以分成北部平原区、西南部平原区、南部平原区和中部五桂山—白水林低山丘陵台地区等4个区,植被代表类型为热带季雨林型的常绿季雨林。中山市经济发达,产业集群密集,多年以来资源环境承载压力处于较高的水平。随着城市快速发展和建设用地不断扩张,也使得挤占耕地、林地的现象较为严重,对中山市生态环境造成较大影响。研究区地理位置见图 1。
1.2 数据来源
以2018年10月覆盖中山市全域且云量较少、成像质量好的2幅影像作为研究数据,见表 1。通过ESA的数据共享网站下载(https://scihub.copernicus.eu/dhus/#/home),数据级别为L1C,该级别数据经过了几何重采样、地理配准、辐射定标和大气表观反射率转换处理。
序号 | 影像文件名 | 卫星过境时间 |
1 | S2B_MSIL1C_20181002T025539_N0206_R032_T49QGE_20181002T063512 | 2018-10-02 |
2 | S2B_MSIL1C_20181002T025539_N0206_R032_T49QGF_20181002T063512 | 2018-10-02 |
2 反演机理及操作流程 2.1 LAI反演机理
LAI计算通过SNAP软件中的生物物理量计算模块(Biophysical Processor)进行。该模块结合PROSPECT+SAIL耦合辐射传输模型和人工神经网络实现LAI结果反演。
模块的基本原理是:采用PROSPECT模型通过模拟叶片的上行和下行辐射通量,获得植被叶片反射率和透射率;在此基础上连同土壤反射率、太阳高度角等环境参数作为SAIL模型的输入数据,进一步得到植被冠层反射率数据,实现了通过地表植被理化、几何参数和光谱特性获得植被冠层反射率的过程[6]。得到的Sentinel-2各波段植被冠层反射率数据连同和天顶角余弦值等11个参数作为输入层,并通过反向传播人工神经网络反演得到叶面积指数。
该神经网络则由一个包括5个神经元的隐藏层、一个带有线性传递函数的输出层所构成,可从宏观区域上最大程度精细计算出各像素植被特征与冠层表观反射率之间的关系,通过模型自验证功能保证最优的遥感反演模拟精度,其精度较以往遥感数据有较大提升[7]。
2.2 数据预处理及反演操作流程ESA数据共享网站上直接下载的Sentinel-2 L1C级别数据为大气表观反射率产品,通过ESA官方提供的大气校正插件Sen2cor对其进行大气校正操作并转换为地表反射率产品。同时,由于Sentinel-2各波段数据具有10,20和60 m多种空间分辨率,在进行LAI计算之前,须通过SNAP软件进行重采样,将各波段数据空间分辨率统一到10 m。
重采样后的数据可作为生物物理量计算模块的输入变量,计算得到LAI反演结果及反映异常值分布情况的质控数据。
现使用ArcGIS 10.2软件对输出结果进行空间分析、数据统计、异常值处理和图像绘制等操作。具体操作流程见图 2。
3 结果与分析 3.1 反演结果质量评价
根据SNAP软件生物物理量计算模块对LAI的反演机理及软件设定,输出结果中每个像元通过人工神经网络反演得到的叶面积指数有效范围为0~8,数据分辨率为0.01。
考虑到人工神经网络数据输入和算法校准相关参数的不确定性,SNAP软件生物物理量计算模块对于超出设定范围的结果设置了0.2的容差,即>最高值(8)或 < 最低值(2)0.2范围内的反演结果值被认为是有效的,但输出值被设定为最大值(8)或最小值(0)。
除此之外,超出范围的反演结果值则被定义为异常值。根据SNAP软件提供的基于每个像元的反演结果质量评价数据,研究区域中的绝大多数(96.72%)像元的LAI反演结果是有效的,表明该方法具有良好的反演效果。
对反演结果质量评价数据进一步分析表明,具有异常值的像元主要位于近岸海域,这可能是由于此类区域冠层反射率较特殊所导致的。在后续数据处理中,使用ENVI软件中的Bandmath工具将异常值予以剔除,不参与统计。
利用ArcGIS 10.2中的区域统计(Zone Status)功能,选取中山市全域、中山市建成区公共绿地、长江水库自然保护区陆域、中山国家森林公园(不含水域)、典型花木生产基地5种不同类型区域,进一步统计各类区域内植被叶面积指数特征,见表 2。
统计区域类型 | 区域植被特征 | 统计面积/km2 | 均值 | 标准差 |
中山市全域 | 1 784.35 | 0.766 | 0.64 | |
中山市建成区公共绿地 | 城市建成区内绿地空间,植被主要为灌草结合绿化带、行道树等 | 6.94 | 1.10 | 0.61 |
长江水库自然保护区陆域 | 市级水源林自然保护区,植被多为亚热带常绿阔叶林 | 7.11 | 1.80 | 0.38 |
中山国家森林公园(不含水域) | 具备生态观光、苗木培育和乡土树种保存等功能的森林公园,多为南亚热带植被 | 10.39 | 1.72 | 0.42 |
典型花木生产基地 | 连片花木种植场,主要种植绿化苗木及花卉 | 5.90 | 0.76 | 0.32 |
研究期间各统计区域中植被叶面积指数均值排序依次为长江水库自然保护区陆域>中山市国家森林公园(不含水域)>中山市建成区公共绿地>中山市全域≈典型花木生产基地。其中,对长江水库自然保护区陆域植被叶面积指数的反演结果均值为(1.72±0.42),与蒋谦才等[8]采用半球面摄影技术,在相同区域对14个样地进行叶面积指数现场测量获得的结果(1.881±0.419)高度一致,显示本方法应用于水库库区林地的叶面积指数测定具有较好的准确度。
3.2 中山市叶面积指数空间分析结合中山市土地利用现状有关图件,对中山市Sentinel-2数据的叶面积指数反演结果的空间分布进行分析,见图 3(a)(b)[参照《生态环境状况评价技术规范》 (HJ 192—2015)的地物分类方法,根据Landsat 8 OIL影像采用目视解译制作]。
由图 3可见,中山市植被叶面积指数高值区主要分布在中南部的五桂山生态保护区和西南部的铁炉山生态控制区,该部分区域是全市重要的水源涵养地、森林资源集中分布地,区域发展方向以培育生态功能、维持自然生境、提供生态产品为主,该反演结果显示该区域在恢复植被,提高森林覆盖率及蓄积量,构建地区生态屏障方面取得良好的工作成效。
植被叶面积指数低值区主要分布在西北部的城镇密集区,该部分区域为中山市城市副中心和装备制造业集聚区,镇区土地开发建设用地密度高,国土开发强度大,城镇发展过程中挤占了大量自然绿地,整体植被覆盖率偏低。而部分叶面积指数中,高值斑块零星分布于中山市东北部农田集中区,该区域集中了全市大多数的农用地、基本农田保护区,是全市主要农业生产空间。整体上,叶面积指数反演结果与中山市生态空间格局和植被保护状况相一致。
4 结语对中山市反演结果的判读和对特定区域叶面积指数的统计分析表明,该反演结果与中山市生态空间格局和植被保护状况相一致,且对水库库区林地的叶面积指数反演结果与其他研究报道中采用现场实测方法获得的数据高度一致,显示该方法反演城镇植被LAI具有良好的适用性和准确性。
文章仅以LAI作为反演指标开展研究,而SNAP软件的生物物理量计算模块在提供叶面积指数反演结果的同时,也可以反演光合有效辐射吸收率、植被冠层叶绿素含量、植被冠层含水量和植被覆盖度4项指标,其操作与采用的LAI反演技术流程一致。
[1] |
WARING R H, RUNNING S W. Forest Ecosystems (Third Edition)[M]. San Diego: Academic Press, 2007: 19-57.
|
[2] |
王希群, 马履一, 贾忠奎, 等. 叶面积指数的研究和应用进展[J]. 生态学杂志, 2005(5): 537-541. DOI:10.3321/j.issn:1000-4890.2005.05.015 |
[3] |
ESA. Introducing Sentinel-2[EB/OL].[2018-12-01]. https://www.esa.int/Our_Activities/Observing_the_Earth/Copernicus/Sentinel-2/Introducing_Sentinel-2.
|
[4] |
李旭文, 侍昊, 张悦, 等. 基于欧洲航天局"哨兵-2A"卫星的太湖蓝藻遥感监测[J]. 中国环境监测, 2018, 34(4): 169-176. |
[5] |
苏伟, 张明政, 蒋坤萍, 等. Sentinel-2卫星影像的大气校正方法[J]. 光学学报, 2018(1): 322-331. |
[6] |
蔡博峰, 绍霞. 基于PROSPECT+SAIL模型的遥感叶面积指数反演[J]. 国土资源遥感, 2007(2): 39-43. DOI:10.3969/j.issn.1001-070X.2007.02.010 |
[7] |
杨斌, 李丹, 王磊, 等. 基于Sentinel-2A岷江上游地表生物量反演与植被特征分析[J]. 科技导报, 2017, 35(21): 74-80. |
[8] |
蒋谦才, 黄润霞, 张毅, 等. 中山长江库区自然保护区植物群落叶面积指数与绿量——基于摄影测量法的评价[J]. 科技资讯, 2016, 14(20): 66-68. |