?

0引言

在陸地生態(tài)系統(tǒng)中，森林、草地和作物生態(tài)系統(tǒng)占了很大的比重，通過對森林、草地和作物等不同生態(tài)系統(tǒng)下的植物生物量進(jìn)行長期的監(jiān)測與研究，可以從區(qū)域至全球尺度上了解和掌握氣候變化與碳循環(huán)的發(fā)展變化過程及土地質(zhì)量情況。傳統(tǒng)方法估測植被生物量需要以大量實地調(diào)查數(shù)據(jù)為基礎(chǔ)，需要耗費大量的人力和物力，且所能達(dá)到的時效性和空間尺度有限：同時應(yīng)用收獲法對植被生物量進(jìn)行測定，對當(dāng)?shù)氐闹脖痪哂幸欢ǖ钠茐男浴?/p>

在過去的30多年間，高光譜技術(shù)已經(jīng)廣泛地應(yīng)用在植被葉面積指數(shù)（LAI）、生物量、葉綠素含量等生物物理化學(xué)屬性的精確定量化研究，出現(xiàn)了諸多能夠準(zhǔn)確估測植物屬性的新方法。我國在高光譜遙感研究方面起步晚，隨著環(huán)境與減災(zāi)小衛(wèi)星、天宮一號目標(biāo)飛行器、系列高分衛(wèi)星的發(fā)射，其搭載的我國自主研發(fā)的成像光譜儀獲取的數(shù)據(jù)已經(jīng)應(yīng)用于科學(xué)研究生產(chǎn)活動，因此了解國內(nèi)外關(guān)于植被生物量的反演現(xiàn)狀和發(fā)展，對我國應(yīng)用高光譜遙感在植被生物量方面的研究有重要意義。本文從高光譜反演生物量的數(shù)據(jù)源、反演模型方法及高光譜遙感技術(shù)估測植被生物量應(yīng)用中的不足3個方面，對其進(jìn)行總結(jié)并展望。

高光譜技術(shù)在植被生物量估測中的應(yīng)用

1.1高光譜遙感數(shù)據(jù)源

高光譜數(shù)據(jù)源包括非成像高光譜數(shù)據(jù)與成像光譜數(shù)據(jù)。非成像的高光譜數(shù)據(jù)通常采用地物光譜儀獲取。地物光譜儀多為肩背型或手持型，其具有以下優(yōu)點：

1）操作方法簡單。采集光譜數(shù)據(jù)過程中，將探頭對準(zhǔn)植物葉片或冠層數(shù)秒鐘就可獲取植被光譜數(shù)據(jù)，無線和藍(lán)牙傳輸技術(shù)的應(yīng)用實現(xiàn)了光譜儀與配套的數(shù)據(jù)采集電腦間數(shù)據(jù)實時無線傳輸，給野外數(shù)據(jù)采集工作帶來了極大的方便。

2）光譜分辨率高。所獲取的植物葉片或冠層的非成像高光譜數(shù)據(jù)是研究中主要的數(shù)據(jù)源。地面光譜數(shù)據(jù)結(jié)合實測的葉綠素含量、植被葉面積指數(shù)和生物量等植被生物物理與生物化學(xué)參數(shù)，可以研究這些植被屬性與光譜變量之間的關(guān)系，構(gòu)建相應(yīng)的反演模型：同時地物光譜儀可以為相關(guān)成像光譜數(shù)據(jù)的應(yīng)用提供先驗性的理論支持。成像光譜儀除了可以獲取地物的空間信息，其每個像元都包含相應(yīng)地物的連續(xù)光譜信息，因此在研究地物空間關(guān)系的同時，還可以對地物在光譜上所反映的信息進(jìn)行提取。成像光譜儀系統(tǒng)按搭載平臺可以分為航空平臺與航天平臺。

1.2參數(shù)回歸模型

應(yīng)用光學(xué)遙感技術(shù)進(jìn)行生物量的反演研究中，參數(shù)回歸模型是最為常用的方法。通過分析植被指數(shù)、光譜特征參數(shù)與植被地上生物量間的數(shù)學(xué)關(guān)系，構(gòu)建植被指數(shù)、光譜特征參數(shù)與生物量的擬合方程。反演方程的形式分為線性方程或非線性方程，如指數(shù)函數(shù)、冪函數(shù)及多項式方程：通過比較模型的擬合系數(shù)R2、均方根誤差（RMSE）以及相對誤差（RE）的大小評價模型的反演能力。

1.2.1植被指數(shù)模型

植被指數(shù)能夠在一定程度上減少受土壤反射、太陽角度和大氣等因素造成的干擾，增強光譜特征與植被生物量之間的敏感性，因此植被指數(shù)為構(gòu)建生物量反演模型的主要參數(shù)之一。目前研究中應(yīng)用的植被指數(shù)有比值植被指數(shù)（SR）、歸一化植被指數(shù)（NDVI）、土壤調(diào)整指數(shù)（SAVI）、三角形植被指數(shù)（TVI）、葉綠素吸收率指數(shù)（MCARI）、光化學(xué)植被指數(shù)（PRI）等數(shù)10種。然而傳統(tǒng)的寬波段遙感植被指數(shù)在植被覆蓋度較高的條件下存在飽和問題，文獻(xiàn)的研究表明利用高光譜遙感數(shù)據(jù)構(gòu)建的植被指數(shù)可以在植被密度較高的條件下對草地生物量進(jìn)行精確的反演，在一定程度上解決植被指數(shù)飽和問題。利用高光譜遙感數(shù)據(jù)波段數(shù)多的優(yōu)勢可以探尋對生物量敏感的最優(yōu)波段組合，一些研究將所有波段的反射率值代入植被指數(shù)公式構(gòu)成高光譜植被指數(shù)，并逐一與生物量進(jìn)行相關(guān)分析，繪制出決定系數(shù)與波段組合之間的矩陣圖，通過矩陣圖可以清晰表達(dá)與生物量相關(guān)性最大處的波段。

衛(wèi)星數(shù)據(jù)反演中國EVI

“紅邊”為植被反射曲線的重要特征之一，選取“紅邊”范圍內(nèi)的波段反射率值構(gòu)建植被指數(shù)，以此為參數(shù)構(gòu)建生物量的反演模型，可以對生物量進(jìn)行較為精確的預(yù)測。文獻(xiàn)發(fā)現(xiàn)位于紅邊內(nèi)的波長763nm和670nm是對生物量敏感的兩個波段，組成高光譜NDVI和比值指數(shù)（RVI），基于波段深度參數(shù)建立棉花地上鮮生物量5種單變量線性和非線性函數(shù)模型，其中RVI的指數(shù)函數(shù)模型可以較精確地反演棉花地上鮮生物量。文獻(xiàn)也表明“紅邊”波長范圍內(nèi)的反射率構(gòu)建的RVI模型可以對大豆的生物量進(jìn)行準(zhǔn)確反演。文獻(xiàn)利用環(huán)境減災(zāi)衛(wèi)星HJ-1A的高光譜數(shù)據(jù)，研究了高寒牧區(qū)草地生物量的高光譜遙感預(yù)測模型，依據(jù)生物量與9種植被指數(shù)間的一元線性回歸分析的結(jié)果，認(rèn)為通過NDVI與SR構(gòu)建的生物量反演模型適合研究區(qū)草地植被生物量的動態(tài)監(jiān)測。在有關(guān)植被生物量的研究中，敏感波段多在可見光波段以及近紅外波段范圍內(nèi)。而文獻(xiàn)對研究區(qū)的高光譜遙感數(shù)據(jù)進(jìn)行分析后，組成了一個新的高光譜植被指數(shù)GnyLi：

式中：R900、R1050分別為近紅外和短波紅外波段范圍內(nèi)的反射率最大處的波長：R955、R1220分別為近紅外和短波紅外波段范圍內(nèi)的反射率最小處的波長。

利用GnyLi植被指數(shù)構(gòu)建的冬小麥生物量的回歸模型，在對比常規(guī)的植被指數(shù)NRI、REP、OSAVI、TCI和NDVI的生物量反演模型后發(fā)現(xiàn)：基于GnyLi指數(shù)的生物量反演模型可以更好地對點尺度或區(qū)域尺度的冬小麥的生物量進(jìn)行估測。

1.2.2光譜特征變量模型

盡管大部分研究中，植被指數(shù)為反演方程的主要參數(shù)，但是植被指數(shù)只是離散的光譜波段組合，并沒有發(fā)揮高光譜遙感數(shù)據(jù)在波段上連續(xù)的特性，因此如何應(yīng)用高光譜遙感數(shù)據(jù)連續(xù)的特性，提取光譜特征參數(shù)構(gòu)建植被生物量反演模型為研究的另一個方向。

光譜導(dǎo)數(shù)（微分）技術(shù)是提取與植被生物量相關(guān)光譜變量的主要方法，“紅邊”與“紅邊位置”是與植被生物物理和生物化學(xué)屬性密切相關(guān)的典型位置變量。因此基于“紅邊”波段范圍內(nèi)反射率及其變換形式和“紅邊位置”為參數(shù)構(gòu)建生物量的反演模型是研究中常用的方法。目前的研究中提取“紅邊位置”的方法有：①“紅邊”反射率曲線一階導(dǎo)數(shù)最大處對應(yīng)的波段位置：②線性四點內(nèi)插法：③反高斯曲線逼近：④線性外推法：⑤多項式擬合法。通過不同的方法得到的“紅邊位置”與植被屬性相關(guān)性存在差異。文獻(xiàn)確定780nm處的光譜反射率（F780）的對數(shù)形式和719nm處的光譜反射率一階微分值（D719）的乘冪形式是預(yù)測隴中黃土高原地區(qū)春小麥地上鮮生物量的最佳模型變量。文獻(xiàn)通過對甘南地區(qū)4種主要類型的草地生物量與光譜參數(shù)數(shù)據(jù)分析后，發(fā)現(xiàn)“紅邊”范圍內(nèi)的波長723nm光譜反射率一階微分值構(gòu)建的對數(shù)回歸模型估算精度較高。已有研究表明以“紅邊位置”構(gòu)建的生物量反演模型優(yōu)于植被指數(shù)模型。文獻(xiàn)對意大利馬耶拉國家公園內(nèi)地中海高山草地的高光譜遙感數(shù)據(jù)與生物量之間的相關(guān)性進(jìn)行分析后發(fā)現(xiàn)，NDVI、MSAVI、NDWI、SARVI等植被指數(shù)不能準(zhǔn)確地對年際生物量進(jìn)行估測，而基于“紅邊位置”的線性外推模型可以很好地預(yù)測草地生物量。

利用光譜導(dǎo)數(shù)技術(shù)提取的“藍(lán)邊”“紅邊”和“黃邊”的光譜位置、光譜面積變量以及光譜微分組成的植被指數(shù)，也可以對植被生物量進(jìn)行有效的反演。文獻(xiàn)對水稻地上鮮生物量的高光譜數(shù)據(jù)研究后，發(fā)現(xiàn)“藍(lán)邊”內(nèi)一階微分的總和（490~530nm）與“紅邊”內(nèi)一階微分的總和（680~780nm）構(gòu)成的比值植被指數(shù)為變量的模型，作為高光譜估算地上鮮生物量的最佳模型。在對內(nèi)蒙古干旱半干旱草地生物量的研究中，文獻(xiàn)發(fā)現(xiàn)“紅邊”反射率曲線的面積參數(shù)反演模型優(yōu)于植被指數(shù)生物量反演模型，更適用于干旱半干旱草地生物量的反演。在高光譜遙感對濕地植被生物量的反演研究中，文獻(xiàn)發(fā)現(xiàn)微分光譜植被指數(shù)可以較精確地估測烏拉苔草水上鮮生物量和干生物量。植被反射率曲線經(jīng)過應(yīng)用連續(xù)統(tǒng)去除法轉(zhuǎn)換后，可以增強光譜吸收特征與植被屬性相關(guān)程度。文獻(xiàn)利用經(jīng)過連續(xù)統(tǒng)去除法后的反射率值分別構(gòu)建波段深度（BD）、波段深度比（BDR）、歸一化波段深度指數(shù)（NDBI）和歸一化面積波段深度（BDA），并建立與生物量之間的回歸模型，基于波段深度的生物量反演模型可以獲得較好的預(yù)測精度。

1.3非參數(shù)回歸模型

植被指數(shù)和光譜特征變量為參數(shù)的生物量反演模型，可以對生物量進(jìn)行有效地反演，但該方法并沒有直接應(yīng)用反射率參與建模，而是借助了植被指數(shù)和“紅邊位置”等光譜特征參數(shù)構(gòu)建生物量的反演模型。因此如何不用篩選特殊波段來構(gòu)建參數(shù)反演模型，而是直接利用反射率值構(gòu)建生物量的反演模型，多元數(shù)學(xué)模型方法的應(yīng)用為生物量的準(zhǔn)確反演提供了理論支持。

逐步回歸模型每一步回歸遞推都會去除與因變量相關(guān)性最小的自變量，最后的輸出結(jié)果可以最優(yōu)化地表示反射率與植被屬性的關(guān)系。文獻(xiàn)通過對冠層尺度的草地高光譜遙感數(shù)據(jù)運用數(shù)學(xué)回歸的方法研究后發(fā)現(xiàn)，以840、1132、1579、1769和2012nm這5個原始高光譜波段反射率為變量構(gòu)建的生物量逐步回歸估算方程，估算精度為91.6%。文獻(xiàn)研究表明以518、1205、1235和1710nm這4個原始高光譜波段反射率為變量構(gòu)建的生物量逐步回歸估算方程，其估算精度優(yōu)于基于高光譜植被指數(shù)為參數(shù)生物量反演模型。在應(yīng)用多元回歸模型進(jìn)行生物量反演的研究中，需注意到高光譜數(shù)據(jù)的共線性問題，如文獻(xiàn)發(fā)現(xiàn)基于原始反射率二階導(dǎo)數(shù)構(gòu)建的六波段多元優(yōu)化窄波段反射率模型在水稻拔節(jié)期的預(yù)測精度最高。除了多元回歸模型在生物量研究中的應(yīng)用外，偏最小二乘回歸方法不僅可以解決高光譜數(shù)據(jù)之間共線性的問題，還可以對植被生物量進(jìn)行精確的反演。文獻(xiàn)采用稀疏矩陣的偏最小二乘回歸模型以及植被反射曲線的一階微分?jǐn)?shù)據(jù)，對瑞典甜菜的鮮生物量進(jìn)行準(zhǔn)確反演。相比較基于植被指數(shù)的生物量反演模型，文獻(xiàn)研究表明偏最小二乘回歸模型可以取得更好的預(yù)測效果。

安徽省2009年8月安徽省植被指數(shù)

2、高光譜遙感反演植被生物量存在的問題

以上研究表明，應(yīng)用高光譜遙感數(shù)據(jù)對植被生物量進(jìn)行反演估算，通過對原始光譜反射率進(jìn)行微分、對數(shù)等數(shù)學(xué)變換后，可以減弱非植被因素的影響，增強光譜數(shù)據(jù)與植被生物量之間的相關(guān)性：高光譜植被指數(shù)、光譜特征參數(shù)構(gòu)建的植被地上生物量反演模型，可以較好地對研究區(qū)內(nèi)的生物量進(jìn)行估測，且建模方法簡單，不需要研究者對數(shù)學(xué)模型方法具有較高的知識水平，數(shù)據(jù)處理與計算過程快。而應(yīng)用非參數(shù)回歸方法反演植被生物量利用了高光譜遙感數(shù)據(jù)光譜波段連續(xù)和波段數(shù)多的優(yōu)勢，且多元數(shù)學(xué)模型優(yōu)于傳統(tǒng)的一元回歸模型，因此構(gòu)建的模型精度高于單變量的參數(shù)反演模型。

盡管高光譜遙感技術(shù)在植被生物量的反演研究中具有較好的應(yīng)用效果，但依然存在以下問題：

1）高光譜遙感數(shù)據(jù)由于波段連續(xù)且波段數(shù)多，特別是成像光譜數(shù)據(jù)，每個像元都包含地物的空間信息和光譜信息，因此數(shù)據(jù)結(jié)構(gòu)復(fù)雜、產(chǎn)生的數(shù)據(jù)量大，需要更高級的存儲格式：且相鄰波段之間存在相關(guān)性，數(shù)據(jù)結(jié)構(gòu)冗余，在反演研究中會出現(xiàn)共線性的問題。高光譜遙感傳感器造價昂貴、使用成本高，應(yīng)用成像光譜儀獲取地面高光譜遙感數(shù)據(jù)受限制因素較多，與多光譜遙感數(shù)據(jù)相比影像的覆蓋范圍有限。

2）從應(yīng)用高光譜遙感技術(shù)研究植被生物量的對象來看，大多數(shù)研究集中在對結(jié)構(gòu)、組成相對簡單的作物和草地生態(tài)系統(tǒng)植被生物量的反演。由于森林生態(tài)系統(tǒng)植物種類繁多、結(jié)構(gòu)復(fù)雜，且由于受到樹木葉片的吸收與反射作用，以及高光譜遙感技術(shù)具有光學(xué)遙感穿通能力有限的不足，目前采用高光譜數(shù)據(jù)對森林生物量進(jìn)行反演遇到的問題還比較多，如對林下生物量不能進(jìn)行很好地預(yù)測，反演存在一定的技術(shù)難題。

3）目前有關(guān)植被生物量的高光譜研究，多以構(gòu)建生物量的地面高光譜反演模型為目的，研究尺度較?。和瑫r由于實際應(yīng)用中受到大氣、水分、地面數(shù)據(jù)采樣時間與遙感影像獲取時間不同步等因素，以及由于非成像光譜儀與航空、航天成像光譜儀在獲取的地物光譜數(shù)據(jù)的光譜分辨率上的差異，航空、航天成像光譜儀獲取的研究區(qū)高光譜遙感影像數(shù)據(jù)存在混合像元的問題，因此利用地面高光譜數(shù)據(jù)建立的反演模型通常不能直接應(yīng)用到航空、航天尺度的高光譜數(shù)據(jù)。另外由于研究區(qū)的植被組成、結(jié)構(gòu)、自然條件的不同，造成了模型不具有通用性。受建模數(shù)據(jù)的影響，一些參數(shù)模型的估算精度低，應(yīng)用較復(fù)雜的數(shù)學(xué)模型對生物量估算需要較強的數(shù)學(xué)基礎(chǔ)，建模難度大。

3、結(jié)語

結(jié)合本文對高光譜遙感技術(shù)在生物量研究中的應(yīng)用現(xiàn)狀分析和不足，對今后應(yīng)用高光譜遙感技術(shù)反演生物量研究進(jìn)行展望：

1）構(gòu)建植被指數(shù)、光譜特征變量的參數(shù)模型方法依然是今后應(yīng)用高光譜遙感數(shù)據(jù)研究植被生物量的主要方法。研究的出發(fā)點在于對現(xiàn)有植被指數(shù)進(jìn)行改進(jìn)，構(gòu)建新的植被指數(shù)，以及對反演模型、研究對象、研究區(qū)的橫向比較，特別是高光譜遙感技術(shù)與多光譜遙感反演模型間反演能力的比較。

2）將高光譜遙感數(shù)據(jù)在光譜維的優(yōu)勢與合成孔徑雷達(dá)（SAR）、激光雷達(dá)（LiDAR）等主動式遙感穿透力強、受天氣影響因素小的特點相結(jié)合，融合與植被生物量相關(guān)的不同類型遙感變量對森林生態(tài)系統(tǒng)及其他類型生態(tài)系統(tǒng)的植被生物量進(jìn)行精確反演。

3）利用高光譜遙感技術(shù)準(zhǔn)確對地物進(jìn)行分類的優(yōu)勢，結(jié)合地面實測生物量數(shù)據(jù)構(gòu)建不同植被的生物量反演模型，并將建立的模型應(yīng)用到分類后的植被生物量填圖中，從而達(dá)到對研究區(qū)植被生物量的定性與定量研究的目的。

4）近地光譜數(shù)據(jù)生物量反演模型與成像光譜數(shù)據(jù)生物量反演模型的尺度轉(zhuǎn)換問題研究，將地物光譜儀的高光譜數(shù)據(jù)重采樣相應(yīng)的成像光譜數(shù)據(jù)，利用重采樣后的光譜數(shù)據(jù)建立生物量反演模型，并嘗試應(yīng)用到成像光譜數(shù)據(jù)中，繪制植被生物量分布圖。將整體研究區(qū)進(jìn)行細(xì)化，構(gòu)建不同研究面積的反演模型，并將反演模型由小的研究區(qū)逐級應(yīng)用到大的研究區(qū)，并不斷對反演模型進(jìn)行改進(jìn)，最終得到研究區(qū)的整體生物量反演模型。

歡迎關(guān)注公眾號：萊森光學(xué)，了解更多光譜知識。

萊森光學(xué)（深圳）有限公司是一家提供光機(jī)電一體化集成解決方案的高科技公司，我們專注于光譜傳感和光電應(yīng)用系統(tǒng)的研發(fā)、生產(chǎn)和銷售。