近日，杭州師范大學副研究員方美紅（第一作者）與南京大學居為民教授（通訊作者）發表了題為“A Normalized Spectral Angle Index for Estimating the Probability of Viewing Sunlit Leaves from Satellite Data”的論文，值得一提的是，該論文中用到的高分辨率成像數據是由本公司所售光譜相機GaiaField-F-V10測量得到。
在利用遙感數據和技術獲取植被冠層結構和葉片生化參數特征的研究中，利用光學遙感數據，不可避免會遇到的一個問題就是BRDF效應。BRDF效應產生的根本原因是，不同觀測幾何條件下看見的地物分量比例變化了，針對植被像元而言，主要是4個分量：光照的冠層（陽葉），陰影里的冠層（陰葉），光照的地面背景和陰影里的地面背景。光照與陰影植被冠層和背景分離是植被參數定量遙感反演的需要。陽葉可視概率（PT）是影響觀測到的冠層光譜的一個重要變量。準確確定像元PT值是遙感定量反演和估算植被參數的必要條件。因此本研究為解決這一問題，發展了一種新的基于光譜指數的像元PT估算方法，可以直接應用于衛星遙感影像。我們根據葉片和土壤背景的光譜形狀，提出了一個新的指數：以近紅外（NIR）波長和反射率為頂點的歸一化光譜角度指數（NSAI）。然后，利用一個近地面高分辨率成像數據集、兩個衛星模擬數據集和一個星-地同步觀測數據集評估NSAI在估計PT方面的性能。
高分辨率成像數據是我們利用光譜相機GaiaField-F-V10測量的可見光(VIS)到近紅外(NIR)光譜區域的冠層光譜數據（如圖1所示），在全光譜分辨率下，最大半高寬(FWHM)和光譜采樣間隔(SSI)分別約為2.8 nm和0.42 nm，信噪比為200:1。獲得的全分辨率圖像，掃描面積約為2 × 1.6 m2。獲取目標地物的像元空間分辨率大約為1.5 mm。為了確保相似的圖像大小，在觀測實驗過程中，圖像是在恒定的高度上獲取的。為了避免光照條件突變，每張圖像在2分鐘內觀測完成，所有測量都是在無云的晴空下進行的。
圖1近地面高分辨率成像數據集的觀測系統的現場照片和植被成像光譜數據實例。(a)光譜相機GaiaField-F-V10安裝在固定的軌道臂上，并提升到距離冠層頂部約2米的高度。(b)不同光照條件下的真彩色合成影像示例，按低(第一行)、中(第二行)和高(第三行)覆蓋度進行分類。
為了驗證和評估歸一化光譜角度指數（NSAI）在估算PT方面的性能，我們選取了增強型植被指數(Enhanced Vegetation Index, EVI)、歸一化差分光譜指數(Normalized Difference spectral Index, NDSI)、歸一化差分植被指數(Normalized Difference Vegetation Index, NDVI)、簡單比值指數(Simple Ratio Index, SR)和光化學反射指數（Photochemical Reflectance Index, PRI）等5個常用的光譜指數進行對比研究。以高分辨率影像數據的監督分類結果為基礎，分析陽葉(SuL)、陰葉(ShL)、光照背景(SuB)和陰影背景(ShB)的6個光譜指數的箱形圖（圖2），結果表明NDVI、SR和NDSI這三個指數在光照和陰影分量上值域重疊。而NSAI、EVI和PRI這三個指數可以有效區分以上4個分量。因此，選擇NSAI、EVI和PRI這三個指數作為構建PT估算模型的候選指數，進一步驗證和評估。
圖2陽葉(SuL)、陰葉(ShL)、光照背景(SuB)和陰影背景(ShB)的6個光譜指數的箱形圖：不同光譜指數都歸一化到0~1的范圍。紅色點表示指數均值，紅色線表示中位數，藍色框表示[25%，75%]百分位數，黑色須分別表示5%和95%百分位數。以上統計特征值根據高分辨率影像數據的監督分類結果計算獲得。
對比監督和非監督分類結果（圖3），發現基于NSAI指數的非監督分類結果的總體kappa系數高于EVI，而PRI的kappa系數低。但NSAI、EVI和PRI這三個指數都能夠有效區分4個分量，都具備獲取PT信息的潛在能力。
圖3陽葉(SuL)、陰葉(ShL)、光照背景(SuB)和陰影背景(ShB)的高分辨率影像分類結果圖，(a)高分辨率成像數據的真彩色合成圖(TCC)，(b-d) NSAI、EVI和PRI指數圖像，(e)高分辨率圖像的監督分類結果，(f-h)分別基于NSAI、EVI和PRI指數圖像的非監督分類結果，(i-l)非監督分類結果和參考值（即監督分類結果，假設監督分類結果代表真實值）的kappa系數。
圖4顯示在Hyperion和MODIS模擬數據集上，均可發現NSAI與PT呈顯著線性相關，EVI和PRI也與PT有很強的相關性，但是，在給定的PT值下，它們的SDn值大于NSAI，這表明NSAI估計PT的能力對葉片光譜變化最不敏感。此外，在兩個模擬數據集上，基于PRI的散點圖分布比NSAI和EVI更為緊湊和聚集，表明PRI估計PT的能力對土壤背景的敏感性較低。然而，在已知土壤背景類型的情況下，NSAI估計PT值的表現*好。說明基于NSAI構建的PT估算經驗模型具有較好的穩定性，對葉片光譜和地面背景光譜的變化相對不敏感。
圖4模擬的Hyperion(a-d)和MODIS(e-h)場景下，NSAI、EVI、PRI和RSL（紅波段上冠層反射率與葉片反射率的比值）指數與PT的相關性，點的顏色表示不同土壤類型：正常土壤(N，橙色點)、干土壤(D，綠色點)、濕土壤(W，藍色點)。Hyperion樣本數量為13,950,144個，其中模擬場景數量為10,764；MODIS樣本數量為3,732,480個，模擬場景數為2,880個；每個點代表432個具有不同葉片光譜和相同PT的樣本的平均值，點的半徑為具有相同PT的432個樣本中對應指數的歸一化標準差SDn值。
將利用模擬數據校準的基于NSAI的PT估算模型應用于高光譜-高空間分辨率的Hyperion數據時，估計的PT的歸一化均方根誤差(nRMSE)和調整R2分別為14.9%和0.744。應用于中分辨率的MODIS影像時，PT的估計精度也非常令人滿意，nRMSE為18.71%，調整R2為0.67（圖5）。表明NSAI有巨大希望應用于衛星影像直接估算PT，提高植被參數的反演精度。
圖5星-地同步觀測數據集中33個Hyperion像元(a-d)和12個MODIS像元(e-h)上基于NSAI、EVI、PRI和RSL指數的模型估算的PT值與利用4-Scale模型反演的參考值的比較。紅色直線為1:1線。
小結
光照與陰影植被冠層和背景分離是植被參數定量遙感反演的需要。陽葉可視概率（PT）是影響觀測到的冠層光譜的一個重要變量。準確確定像元PT值是遙感定量反演和估算植被參數的必要條件。本研究發展了一種新的基于光譜指數的像元PT估算方法，可以直接應用于衛星遙感影像。我們根據葉片和土壤背景的光譜形狀，提出了一個新的指數：以近紅外(NIR)波長和反射率為頂點的歸一化光譜角度指數(NSAI)。然后，利用一個近地面高分辨率成像數據集、兩個衛星模擬數據集和一個星-地同步觀測數據集評估NSAI在估計PT方面的性能。結果表明，NSAI比增強型植被指數(Enhanced Vegetation Index, EVI)、歸一化差分光譜指數(Normalized Difference spectral Index, NDSI)、歸一化差分植被指數(Normalized Difference Vegetation Index, NDVI)、簡單比值指數(Simple Ratio Index, SR)和光化學反射指數（Photochemical Reflectance Index, PRI）等5種常用的光譜指數更適合直接估算衛星遙感影像像元的PT值。NSAI不僅可以有效地區分光照和陰影的冠層與背景，而且NSAI與像元PT呈顯著的線性相關。基于NSAI構建的PT估算經驗模型具有較好的穩定性，對葉片光譜和地面背景光譜的變化相對不敏感。更為重要的是，模型具有很好的可移植性，利用模擬數據校準的基于NSAI的PT估算模型可以直接應用于遙感觀測數據。應用于高光譜-高空間分辨率的Hyperion數據時，估計的PT的歸一化均方根誤差(nRMSE)和調整R2分別為14.9%和0.744。應用于中分辨率的MODIS影像時，PT的估計精度也非常令人滿意，nRMSE為18.71%，調整R2為0.67。結果表明NSAI有巨大希望應用于衛星影像直接估算PT，提高植被參數的反演精度。
作者簡介
第一作者 方美紅，博士，杭州師范大學信息科學與技術學院副研究員，碩士生導師。目前為杭州師范大學遙感與地球科學研究院、浙江省城市濕地與區域變化研究重點實驗室研究人員，主要從事植被生化參數遙感定量反演研究。作為負責人主持的項目有**自然科學基金青年基金項目、中國博士后面上基金、江蘇省博士后科研資助和日常資助項目等。曾在《Remote Sensing of Environment》、《IEEE Transactions on Geoscience and Remote Sensing》、《Terrestrial Atmospheric & Oceanic Sciences》、《光譜學與光譜分析》、《生態學報》等國內外學術期刊上發表論文10余篇。先后獲得杭州師范大學“**班主任”、“**綜合指導教師”等榮譽稱號。
通訊作者 居為民，南京大學二級教授、博士生導師。主要研究方向包括：植被參數遙感反演、生態模型開發及應用、陸地生態系統碳通量優化計算同化等。近年來，主持承擔“全球變化與應對”**重點研發計劃項目、全球變化重大科學計劃項目課題和**自然科學基金面上項目等科研項目10余項。在《Science》、 《Nature子刊》、《Remote Sensing of Environment》、《Global Biogeochemical Cycles》、《Agricultural and Forest Meteorology》和《Journal of Geophysical Research》等刊物發表SCI論文180多篇；兩次入選江蘇省“333”人才工程，6次獲得省部級科技獎勵；現任《Journal of Geophysical Research-Biogeosciences》期刊Associate Editor。
© 2019 版權所有：江蘇雙利合譜科技有限公司 備案號：蘇ICP備2021046114號-3 技術支持：化工儀器網 GoogleSitemap 管理登陸
在線客服