提高叶面积指数遥感反演精度的方法对比

评价该地区的生态环境质量有着重要的意义。因此，文章重点对比了不同植被指数与不同统计模型在叶面积指数反演精度上的差异，并筛选出最优的反演模型，有助于为进一步的研究工作提供参考。

【关键词】叶面积指数；植被指数；统计模型

一、叶面积指数概念简述

叶面积指数（leaf area index，LAI）是指陆地生态系统中的一个重要参数，该参数可以直观地反映出植被的冠层结构信息、生长状况、以及光合作用能力等，因此在气候、林业、农业、水文等领域的研究中有着重要的意义，同时也是表征一个地区生态环境质量的重要指标。因此，有效提高地区叶面积指数的反演精度具有重要的意义。

二、反演方法简述

目前，叶面积指数的遥感反演方法可大致分为两种：经验模型法和物理模型法。物理模型法物理意义明确，基于辐射传输与几何光学理论，对大气、植被冠层以及地表对电磁波的作用进行详细阐释与模拟，通过输入植被的生化参数、大气参数、土壤背景等一系列参数，从而实现对叶面积指数的反演工作。因此，物理模型法的实现过程能够较好的依据事物的客观本质，但由于输入参数较多，且部分参数难以获取，因此目前对于面积较小地区的叶面积指数反演，较为常用的方法依然是以经验模型法为主。经验模型法是目前对小地区叶面积指数反演的主要方法，该方法的实现主要依靠建立叶面积指数与植被指数（vegetation index）之间的统计模型，将野外实测的叶面积指数以及遥感影像不同波段之间运算得到的植被指数分别带入统计模型中，最后计算得到回归方程的各项系数，从而实现地区叶面积指数的反演。

三、实验方法与结果

经验模型法虽然输入参数较少、易于实现、可操作性强，但反演精度易受时间、空间、回归方程类型、以及模型输入因子等因素改变的影响，因此文章将不同植被指数引入不同回归方程中计算得到回归方程以及决定系数，通过对比不同的结果并以此来讨论如何提高模型的反演精度。

选取较为常见的归一化植被指数（NDVI）、比值植被指数（RVI）、修正土壤调节植被指数（MSAVI）三种植被指数作为模型因子，三种植被指数的计算公式如表一所示。

式中，和分别代表影像的红色和近红外波段的反射率。再选取线性、二次多项式、指数、对数这四种常见的回归方程分别建立叶面积指数与三种植被指数之间的统计模型，并比较其精度，计算结果如表二所示。

四、结论与分析

文章选取了三种植被指数与四种回归方程建立叶面积指数与植被指数之间的统计模型，从实验结果表二中可以很直观地看出，在不同植被指数之间的比较方面，归一化植被指数（NDVI）在使用同一种回归方程建模的条件下，其模型的反演精度要高于其他两种植被指数，原因在于计算归一化植被指数时不同波段之间的非线性运算能够很好地描述植被的反射光谱在红光波段到近红外波段之间的显著变化趋势；在不同回归方程的比较方面，非线性回归模型对方程的拟合精度在整体上要高于线性回归模型，原因在于叶面积指数与植被指数之间的关系并非简单的线性关系，虽然整体上有一定的相同变化趋势，但还受如大气条件、土壤背景等多方面因素的影像，因此在拟合度最优的原则上，非线性模型更具优势，其中以二项式回归方程的拟合精度最高，其次是指数回归方程，然后是对数回归方程，线性回归方程的整体拟合精度相比于其他方法最低。在文章尝试的所有方法中，反演精度最高的是以归一化植被指数为输入参数的二项式回归模型，决定系数R2=0.634，相比于其他方法能夠有效的提高研究区叶面积指数反演的精度，对评价当地的农业、林业等生态环境相关情况具有一定的参考意义。

参考文献

[1] 包刚，覃志豪，周义等.基于高光谱数据和RBF神经网络方法的草地叶面积指数反演[J].国土资源遥感，2012（02）：7-11.

[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，2005，24（05）：537-541.

[3] 王修信，孙涛，朱启疆等.林地叶面积指数遥感估算方法适用分析[J].生态学报，2014，34（16）：4612-4619.

[4] 朱高龙，居为民，Jing M.Chen等.帽儿山地区森林冠层叶面积指数的地面观测与遥感反演[J].应用生态学报，2010，21（08）：2117-2124.

作者简介：王毅（1989.11- ），男，四川达州人，成都理工大学地球科学学院硕士研究生。