植被含水量的遥感反演方式

植被含水量反演植被含水量反演 介绍 近年来随着成像光谱技术的兴起,如何利用遥感数据监测植被化学特性,已成为全球变化研究中重要的议题。水分是控制植物光合作用、呼吸作用和生物量的主要因素之一,水分亏缺会直接影响植物的生理生化过程和形态结构,从而影响植物生长和产量与品质,因此植物的水分在农林业的应用中是一个重要的参数,研究植物水分状况具有重要的意义。利用成像光谱遥感估测植物水含量有很大的潜力,它可以实时快速准确地监测或诊断出植物水分状况,从而可有效及时指导精确植物灌溉,有效评价自然干旱情况,及时预测森林火灾。植被含水量的定义 常用含水量表示方法有三种:叶片含水量FMC(Fuel Moisture Content)相 对 含 水 量RWC(Relative Water Content)等效水深EWT(Equivalent Water Thickness)FMC=(FW-DW)/(FW or DW)100%RWC=(FW-DW)/(TW DW)100%EWT=(FW-DW)/A g/cm2 植物鲜重用FW表示;植物干重用DW表示;植物饱和鲜重用TW表示;单位都是g 叶面积用A表示 单位是cm2 把植物鲜重在80下烘干24小时以上直到恒重,就得到植物的干重 把新鲜植物水合至饱和就得到了植物饱和鲜重 研究表明,FMC、RWC和EWT是表征含水量的三个不相关量,是定量提取含水量的不同方法。研究发现在用遥感数据反演含水量时,短波红外波段与EWT相关性较好,而与FMC相关性较差,并且表明用EWT来表征含水量要优于用FMC表示,因为FMC要受叶子中的干物质影响。在研究EWT和FMC的关系时发现,对于桉树叶,其近红外波段反射光谱与FMC有很好的相关性,而短波红外波段的反射光谱与EWT高度相关。植被含水量光谱反演原理及水分的敏感光谱波段 1 1 植被含水量光谱反演原理 2 2 水分的敏感光谱波段1:植被含水量光谱反演原理 每一种物质对不同波长的电磁波的吸收和反射都不同,物质的这种对不同波段光谱的响应特性叫光谱特性。植被光谱诊断便是基于植被的光谱特性来进行的。植被反射波谱中某些波长的光谱反射和吸收差异是由植被中化学组分分子结构的化学键在一定辐射水平的照射下发生振动引起的,从而产生了不同的光谱反射率,且该波长处光谱反射率的变化对该化学组分的含量多少非常敏感(故称敏感光谱)。植被含水量光谱诊断的实现便是以植被水分敏感光谱的反射率与水含量的相关关系为基础的。2:水分的敏感光谱波段 大量的研究表明植被水分对热红外波段(6.015.0m)、近红外(7001300nm)和短波红外(13003000nm)波段比较敏感。自1963年提出以冠层温度指示植被水分亏缺以来,冠层温度法成为诊断作物水分状况的一个重要手段。30多年来,有关科学家相继提出了参考温度法、胁迫积温法、作物缺水指标法以及水分亏指数法等,并在田间以及区域尺度上展开了大量的应用研究。2:水分的敏感光谱波段 但利用热红外波段反演植被水分仍受到环境状况的强烈影响,还不足以说明作物水分状况在时间和空间上随环境的巨大变化而变化,并且热红外波段更适合于指示植被的蒸腾作用所以对植被含水量的反演更多的焦点聚集于近红外-短波红外波段。2:水分的敏感光谱波段 为了明确水分的敏感光谱波段,早在1951年,Curcio就指出820nm、970nm、1200nm、1450nm和1940nm处是水分的强吸收波段,可以用来诊断植物的含水量。在1971年,Thomas就用完全饱和的叶片在室温下逐渐干燥的方法来获取不同含水量下的反射光谱,并研究了叶片含水量与光谱反射率之间的关系,结果表明叶片的光谱反射率随叶片含水量的下降而增加,1450nm和1930nm波段的反射率与叶片的相对含水量显著相关。Sims等经过研究指出950970nm,11501260nm和15201540nm波段和冠层水分相关性很好,尤其在960nm和1180nm处没有大气的干涉,是监测冠层含水量的较佳选择。2:水分的敏感光谱波段 对于MODIS数据而言,12301250nm比较适合用于预测含水量。Penuelas等指出近红外858nm波段是反演水含量的一个好的选择,因为相对于更长的近红外和短波红外波段,此波段对水含量的变化不敏感,故很适合用它来进行归一化处理。Chen等在用Landsat数据反演含水量时发现短波红外位于15501750nm波段较佳,并且发现1640nm、2130nm波段处对水分的吸收很敏感。植被含水量反演方法 在明确了水分于近红外-短波红外波段比较敏感后,许多学者对用光谱反射率诊断植株水分状况 进行了可行性分析。国内外研究植被水分含量与光谱特征之间的关系,主要集中在两个方面:一是利用统计模型,即对观测到的数据作经验性的统计描述,或进行相关分析,由叶片和冠层光谱特征估算含水量,不解答为什么有这样的相关或统计结果这类问题;二是建立物理模型,即建立含水量的叶片散射和吸收模型,将叶片模型耦合到冠层模型中反演整个冠层的含水量。统计分析方法 叶片生化组分对应特定光谱的吸收特征,利用多元回归可以确定化学组分和光谱数据相关程度高的波段和波段组合,从而反演出化学组分含量。在进行回归分析的过程中,采用逐步回归的方法,通过F检验,使对因变量贡献大的因子随时可以进入方程,贡献小的因子又可以随时剔除,从而建立最优回归方程。其中C为生化组分含量,N为入选的波段数,0、i分别为回归常数和第i个回归系数,D(i)为入选的波段光谱值。统计分析方法 确定了植被水分的敏感光谱后,在统计分析的基础上,前人提出了很多不同的指数和方法来诊断植物的含水量。这些统计模型可以大致分为以下三类:1:建立光谱指数 2:基于光谱导数变量建立模型 3包络线消除法建立光谱指数 建立的光谱指数一般是两个波段或多个波段的组合,如简单的加减组合、比值或者是归一化比值,这是根据植被波谱的物理特性和半经验方法提出的。例如Penuelas等发现用水分指数WI(WI=R970/R900)能清楚地指示水分状况的变化.Penuelas和Inoue在随后的研究中还表明WI(WI=R900/R970)与NDVI(NDVI=(R900-R680)/(R900+R680)的比值WI/NDVI不仅可以用来预测叶片的水分含量,还可以用来预测植株或冠层的含水量,且显著提高了预测的精度.Ceccato等研究提出参数GVMI,GVMI=(NIR+0.1)(SWIR+0.02)/(NIR+0.1)+(SWIR+0.02)使得水含量的反演由局部开始 发展到整体.Davidson等在研究灌丛植物的含水量时表明波段组合,尤其是NIR和SWIR波段的组合,能很好的反演植物的绝对含水量和相对含水量,并且在0.5m与30m两种采样间隔情况之下,那些光谱指数与含水量的相关性都较高,差别很小,所以Landsat数据可以用波段组合的方式来监测植物含水量。基于光谱导数变量建立模型 基于光谱导数提取含水量信息就是对反射率光谱求导数,从光谱位置或者建立模型来指示水分状况,有研究表明基于导数光谱分析能有效剔除土壤背景影响.Danson-FM等发现水分吸收波段处13601470nm和18302080nm的叶片反射率一阶导数与叶片含水量高度相关,而且不受叶片结构的影响。Shibayama等研究表明,用11901320nm和1600nm波段反射率的一阶导数可以预测双季稻冠层水分是否缺乏.Penuelas等也发现用近红外波段的一阶导数的最小值或其所在的波长能清楚地指示RWC状况的变化。沈艳等讨论了利用基于导数 光谱变量分析方法建立叶片含水量模型的可行性,并同时发现,针对不同的表征方法,用FMC反演单子叶叶片含水量精度大于EWT,而用EWT反演双子叶叶片含水量精度大于FMC。包络线消除法 Kokaly and Clark于1999年提出了一种更为精确的方法来诊断植被水含量,他们把包络线消除法应用到水分强吸收特征峰处然后提出一些参量例如吸收深度等来表征含水量状况。具体处理就是根据反射率值的大小和整个谱线的斜率,找出光谱曲线的各极大值点,用包络线(也称作外壳系数)将他们依次连接起来。计算每个光谱通道上实际反射率与相应波长处的包络线反射率的比值,求得比值反射率R,吸收深度D就定义为D=1-R.并且他们还提出了对吸收深度进行归一化处理,即除以特征吸收峰极小值点的深度Dc或者除以吸收面积.总结 统计模型相对比较简单,适用性强,在地面实况不清或遥感信号产生机理过于复杂的情况下,是一种很好的工具来暂时回避困难,留待以后继续研究。但是随着地面知识的积累和遥感观测波段的增加,统计模型的这一优势逐渐减弱。并且当这些方法从实验室状态推广到室外冠层遥感数据的时候,就出现了大量的干扰因素,包括不同的照明强度和角度、观测状态、冠层结构、下覆地表和大气状态等。到目前为止,发展新的光谱指数仍然是一个活跃的研究领域,但是不论是经验或半经验统计方法都缺乏鲁棒性和可移植性。可能在某些地点和时间,某种方法或指数能够取得很好的效果,但事异时移,它们很可能就不适用了,因此人们逐渐考虑利用物理模型反演得到植物的组分含量。物理模型方法：叶片光学模型基于生物物理机制,通过描述光子在叶片内的散射和吸收,模拟叶片的光谱特性,其前向过程通常都包含生化组分含量,这些参数通常无法获得解析表达式,但是可以通过反向反演得到。进一步可以将叶片模型耦合到冠层模型中,就可以利用冠层光谱数据反演得到组分含量。由于物理模型解释了光与叶片物质的作用机制,原理清楚,加之在模型的初始假设范围内,不受限于时间地点等因素,因此成为植被生化组分参数提取研究的又一个方向。目前应用于反演植被含水量的物理模型主要考虑基于辐射传输方程的叶片光学模型PROSPECT 和冠层模型SAIL 及其耦合模型。叶片光学特性模型PROSPECT 叶片光学模型PROSPECT 是一个基于“平板模型”的辐射传输模型。它通过模拟叶片从400nm到2500nm 的上行和下行辐射通量得到叶片反射率和透射率。它通过一个折射指数n 和一个表征叶片叶肉结构的量n 来描述散射过程,吸收是通过吸收系数K()描述。而吸收系数K()可表达为组分含量Ci 和相应的特定吸收系数Ki()的线性组合。如下式:在使用PROSPECT 模型时考虑了三种生化组分:叶绿素,水分,干物质。其中干物质代表纤维素、半纤维素、木质素、蛋白质、淀粉等,这些物质或者因其在叶片内的含量极其微量,或者由于它们的吸收作用非常微弱,很难将他们的作用单独表示出来,因此采用了总的干物质来表达这些物质的综合作用。PROSPECT 模型是目前公认的叶片尺度最好的辐射传输模型之一,其输入参数只有4 个,为反演带来了很大的方便。在这4个输入参数中,只有叶肉结构参数n 的确定无法通过测量获得。冠层模型SAIL 要反演植被的生化组分含量,包含有生化参量的叶片模型是必需的,而要最终从机载或星载遥感数据反演生化组分,冠层模型更是必需的。冠层辐射传输模型SAIL 假设冠层均匀分布,描述了在这个均匀冠层中上行和下行的四个通量。它以一种比较简单的方式来表达冠层的结构,如它需要的参数包括:叶片反射率()、投射率()、叶面积指数(L A I)、平均叶倾角l、土壤反射率s()以及水平能见度V(用于计算太阳辐射的散射分量)。方向光谱是通过改变测量条件来模拟的:太阳天顶角以s和太阳方位角s,观测天顶角v 和观测方位角v。颜春燕等分别在叶片和冠层水平即应用上述两个模型探讨了反演生化成分的方法。他们利用PROSPECT 模型较为准确地提取了水分和叶绿素含量,在应用SAIL 模型模拟冠层水平时,基于多阶段反演思想,采用了分布反演策略,也较为准确地反演了水含量。他们还指出在冠层水平的模拟中,通过对直接反演和分布反演两个策略的比较中发现,将一个复杂的反演问题分解为两个相对简单的问题,提高了反演精度和效率,他们的研究为用机载或星载遥感数据反演生化组分提供了理论依据。总结 物理模型涉及叶片和冠层的结构、辐射传输等复杂问题,将辐射传输的机理和化学特性结合起来研究,可以从机理上准确分析植物生化组分对光谱特征的影响,但同样存在着若干缺陷,如模型结构较为复杂,变量过多且难以测量,可能会影响实际应用效果等。考虑到统计模型反演简单、物理模型鲁棒性强的优点,可有三种以物理模型为主体的结合方式:一是在物理模型的输入参数中引入统计模型;二是在物理模型的输出参数中引入统计模型;三是第一和第二种情况的综合,即在物理模型的输入和输出参数中同时引入统计模型。通过比较统计模型、物理模型以及两者的联合模型来反演鲜叶片生化组分含量的效果,结果表明,对于叶绿素和水分含量,物理模型的反演效果较好,对于干物质含量,统计模型的反演效果相对较好,由物理模型改造得到的三种联合模型,能在一定程度上提高物理模型反演干物质含量的精度,但和利用统计模型反演的结果比较,改进作用并不明显。水分反演中出现的问题及研究前景水分反演中出现的问题及研究前景有研究指出鲜叶片中水分、细胞和亚细胞组织、叶表面蜡层等的存在,掩盖了由化学键振动引起的反射特性的微弱变化。因此,对鲜叶片进行含水量的反演对比干叶进行反演的难度大得多。水分变化引起的细胞、组织和植株及冠层形态的变化以及叶龄、物种的不同等都会对植株光谱反射特征产生影响,这些因子对植物水分胁迫时反射光谱的影响研究报道较少,还有待于进一步研究。并且反演不同样本组叶片生化组分含量,不同模型反演效果均存在一定差异,统计模型存在的差异相对较大,这也是我们今后在使用统计模型时需要注意的问题。此外,由于冠层结构如叶倾角和叶片密度、土壤背景、风速、短时间内水气压的变化、太阳高度角等对反射光谱的影响,使得冠层水平的反演也有困难。因此,如何消除这些因素对光谱反射的影响,是建立通用植物光谱诊断模型的关键所在。水分反演中出现的问题及研究前景水分反演中出现的问题及研究前景利用遥感估测叶片或植株冠层的水分无论是对农林业的指导还是生态环境的评价都有着重要的意义。综观以往研究成果,光谱反演技术将在以下几个方面得到进一步的深入研究和应用:(1)加强遥感模型的研究和理论研究的实际应用。尽管文中介绍了多种遥感模型,但是所有的模型都有这样那样的缺点,有的精度不高,有的太复杂,所以这些反演模型需要要进一步完善。此外,虽然已经对理论模型进行了大量的研究,但并没有展开大量的应用。把理论推广到实际应用中是下一步该重视的,例如可以把冠层模型应用到机载或星载遥感数据中,可以适时的快速的进行大面积的反演。(2)加强遥感反演技术产品的开发研究。产品的开发研究涉及到光学传感器、遥感和农林业环境科学等不同学科的结合。能消除或减弱土壤及大气噪声并适用于监测植被的传感器有待于开发。产品开发最好集传感器、遥感反演模型及管理专家系统于一体。