周靖靖，刘金良，郭睿妍，罗 杰，周 欢，梁 杰，赵 忠*

(1.华中农业大学 园艺林学学院/湖北省林业信息工程技术研究中心， 湖北 武汉 430070；2.西北农林科技大学 林学院/陕西省林业综合重点实验室，陕西 杨陵 712100；3.湖北省太子山林场管理局，湖北 荆门 431800)

叶面积指数(leaf area index，LAI)是森林生态系统中的主要结构参数之一，也是研究各种尺度生态系统模型的主要输入因子[1-2]，对估测林分尺度及大尺度碳、水分和能量的交换具有重要作用[3]。纹理是指色调基元在空间的分布特征，包含着遥感影像的基本空间结构信息[4]。二阶纹理是最常见的纹理特征，它通过描述像元之间的相互依赖关系来表征像元值的空间分布特征[5]，最常用的方法是灰度共生矩阵(GLCM)[4，6]。由于森林树冠、枝条以及叶片间相互的遮蔽现象，高分辨率影像的光谱信息不足以反映森林冠层及内部的结构信息，无法准确的区分树种和提取林分结构特征；且当森林覆盖度较大(例如LAI>3)，光谱信息的饱和现象称为限制森林结构参数反演精度提高的主要因子[7-8]。而高分辨率的纹理信息能有效反映林分内部的阴影信息和森林结构信息，在提高森林参数的反演精度上具有很大的潜力[6-7,9-13]。

方向、窗口和步长是影响灰度共生矩阵纹理指数值大小的主要因素[14]。步长越大，则影像的相似度就越低，GLCM中靠近对角线区域的概率值则越小[5]。不同纹理变量对应的最佳步长不同，步长1的ENT和步长为9的COR组合，能显著提高地表分类精度[5,15]。针对3个纹理变量(CON、VAR和COR)与森林结构参数的相关关系进行敏感性分析，结果表明步长与窗口是最为敏感的2个输入参数[14]。然而，目前针对步长对森林参数反演精度(不同尺度下的真值定义不同，精度就不同)的影响的相关研究较少，少有研究详细针对步长对LAI估算精度的影响。

渭北黄土高原地处黄土高原南部，区域内土壤结构疏松，生态环境较脆弱，生态重要性较高，刺槐(Robiniapseudoacacia)是黄土高原的主要造林树种之一，相对其他树种，面积和蓄积量最大[16-17]。本研究以渭北黄土高原人工刺槐林为研究对象，通过野外实地测定样地LAI并计算高分辨率Quickbird影像不同步长的纹理参数，建立刺槐林野外实测LAI与Quickbird影像参数的线性回归方程，在前人的研究基础上，详细比较不同步长在不同的方向和角度下的纹理参数对LAI估算精度的影响，分别在不同方向和角度下遴选出最适合高分辨率Quickbird影像纹理特征估算森林LAI的最佳步长，不仅为将影像纹理信息更有效地应用于林业领域提供参考，也为渭北黄土高原地区人工林健康评价和经营管理提供依据。

1 材料与方法

1.1 研究区概况

研究区域位于陕西省咸阳市永寿县，地理坐标为107°8′22.70″E，34°2′34.37″N。平均海拔为1 127 m，年平均降水量576.9 mm，年平均气温13.0℃，无霜期218 d左右，土壤以褐土和黑垆土为主，含有少量红土、潮土等。植被属暖温带半湿润落叶阔叶林，植被覆盖率在38%左右，主要以人工种植刺槐林为主，不同林龄刺槐林均有分布，其他树木也有分布，针叶树种以松科、杉科为主，例如冷杉、云杉、油松、马尾松等，阔叶树种主要以壳斗科、桦木科、杨柳科、木兰科、豆科等为主[18]。

1.2 样地布设及叶面积指数测定

样地布设及叶面积指数测定参照Zhou[11]等的方法，布设76块大小为20 m×20 m林相整齐的刺槐林样地，用LAI-2200测定LAI值，测定时间为2012年6月16日-7月15日。

1.3 数据来源及纹理特征提取

采用2012年6月22日获取的Quickbird全色数据，空间分辨率为0.68 m。利用55个地面控制点和1∶10 000数字高程模型(DEM)数据对全色影像进行正射校正，误差为0.68个像素。

表1 灰度共生矩阵计算纹理指数

灰度共生矩阵通过对影像灰度级之间的联合条件概率密度P(i,j/d,θ)的计算来表示纹理。P(i,j/d,θ)表示在一定的空间距离d和方向θ时，以灰度i为起始点，出现灰度级为j的概率(也称频数)。P(i,j/d,θ)常用矩阵表示，即灰度共生矩阵。影像中相距(Δx,Δy)的2个灰度像素对同时出现的联合频率分布可以用一个灰度共生矩阵来表示。灰度共生矩阵反映了影像关于方向、步长以及灰度等级的综合信息，据此可以进一步提取出有关描述图像纹理的一系列特征。

在ENVI 5.0软件中根据窗口(3×3、5×5、7×7、9×9、11×11、13×13、15×15)、角度(0°、45°、90°、135°)和步长(3、5、7、9、11、13、15)提取ASM、CON、COR、DIS、ENT、HOM和VAR，并得到相应的纹理指数分布图。利用ArcGIS软件中的分区统计工具，由样地矢量文件提取所对应的纹理平均值。利用SAS8.0中建立纹理参数与野外LAI实测数据的线性回归方程，比较不同计算组合下步长对纹理参数估算刺槐林 LAI精度的影响，并选出估算刺槐林LAI的最佳纹理步长。

2 结果与分析

2.1 步长对角二阶矩阵和熵估算叶面积指数精度的影响

ASM和ENT对LAI估算精度的影响，随着步长的增加精度变化不大(图1、图2)。当方向为90°、步长为9、窗口为3×3时，ASM和ENT对LAI估算精度均达到最高(r2=0.74)。

注：a、b、c、d分别代表0°、45°、90°和135°。图2～图7同。

2.2 步长对对比度和非相似度估算叶面积指数精度的影响

图3和图4表明，对于CON和DIS，LAI估算精度随着步长的增加明显下降，除少数步长外，对不同方向下各个窗口作用于步长对纹理估算LAI精度的影响情况基本上一致。方向为90°、步长为3、窗口为3×3时，CON对LAI估算精度最高，r2为0.51。方向为90°，步长为3、窗口为15×15时，DIS对LAI的估算精度最高，r2为0.56。

2.3 步长对相关性估算叶面积指数精度的影响

在方向为0°的时候，除9×9窗口外，其余窗口下步长对纹理估算LAI精度随步长的增大而减小；在方向为135°时，除3×3窗口外，其余窗口均有着LAI估算精度随着步长的增大而减小的趋势。在方向45°和90°时，COR对LAI的估算精度较低，且不同步长对COR估算的LAI精度无明显影响规律。

2.4 步长对同质性估算叶面积指数精度的影响

HOM估算LAI的精度随着步长的增加而减小，在步长为3时，r2达到最大值，且这种变化规律与窗口和方向无关。综合窗口、步长和方向因素，在方向为90°，步长为3、窗口为15×15时，纹理指数HOM估算叶面积指数精度最高(r2=0.59)。

2.5 步长对变化量估算LAI精度的影响

步长对VAR影响LAI估算精度较小，在方向为0°、90°、135°时，步长对VAR估算LAI精度几乎没有影响。在方向为45°时，除15×15窗口外，其余窗口LAI估算精度随着步长的增大出现先减小后增长的趋势(图7)。

图2 步长对ENT估算LAI精度的影响

图3 步长对CON估算LAI精度的影响

图4 步长对DIS估算LAI精度的影响

图5 步长对COR估算LAI精度的影响

图6 步长对HOM估算LAI精度的影响

图7 步长对VAR估算LAI精度的影响

3 结论与讨论

本研究以快鸟数据全色数据为数据源，利用GLCM方法提取不同纹理步长的纹理参数，并建立纹理参数与刺槐林野外实测LAI的线性方程，比较不同纹理步长下，刺槐林LAI的估算精度，结论如下：当角二阶矩阵(ASM)、熵(ENT)和变化量(VAR)用于估算LAI时，步长的响应不大；对于对比度(CON)、非相似度(DIS)和同质性(HOM)，LAI估算精度随着步长的增大而明显降低；对于相关性(COR)，步长对LAI估算精度的影响规律受角度的影响，在0°和135°角度下，LAI估算精度随着步长的增加而降低；在45°和90°角度下，步长对LAI估算精度无明显影响。

不同纹理参数估算LAI的精度对步长的影响不同，可能与纹理指数的维度有关[10]。第1个维度是描述纹理的基元特征，第2个维度是描述纹理基元信息的空间相关和联系。F.Kayitakire[14]等的结果表明，CON随着步长的增大而增大并趋于稳定，VAR随步长的增加而降低，COR随着步长的增加而降低，当步长=5时，其值趋于稳定。当步长为3时，相比较的像素不是落在同一个对象上，步长为1时，相比较的像素更有可能属于相同的对象。

参考文献:

[1] CHEN J M,BLACK T A.Defining leaf area index for non-flat leaves[J].Plant Cell & Environment，1992，15(4)：421-429.

[2] 赵安玖，杨长青，廖成云.基于影像纹理特征的川西南山地常绿阔叶林有效叶面积指数的空间分析[J].应用生态学报，2014，25(11)：3237-3246.

ZHAO A J，YANG C Q，LIAO C Y.Spatial analysis of LAIe of montane evergreen broad-leaved forest in Southwest Sichuan,Northwest China,based on image texture[J].Chinese Journal of Applied Ecology，2014，25(11)：3237-3246.(in Chinese)

[3] 吴晓成，张秋良，臧润国，等.额尔齐斯河天然杨树林叶面积指数及比叶面积的研究[J].西北林学院学报，2009，24(4)：10-15.

WU X C,ZHANG Q L,ZANG R G,etal.Leaf area index and specific leaf area of Natural Poplars in Ergis Basin[J].Journal of Northwest Forestry University，2009，24(4)：10-15.(in Chinese)

[4] HARALICK R M.Statistical and structural approaches to texture[J].Proceedings of the IEEE，2005，67(5)：786-804.

[5] 陈玲，郝文乾，高德亮.光学影像纹理信息在林业领域的最新应用进展[J].北京林业大学学报，2015，37(3)：1-12.

CHEN L，HAO W Q，GAO D L.The latest applications of optical image texture in forestry[J].Journal of Beijing Forestry University，2015，37(3)：1-12.(in Chinese)

[6] COLOMBO R，BELLINGERI D，FASOLINI D，etal.Retrieval of leaf area index in different vegetation types using high resolution satellite data[J].Remote Sensing of Environment，2003，86(1)：120-131.

[7] GRAY J，SONG C.Mapping leaf area index using spatial,spectral,and temporal information from multiple sensors[J].Remote Sensing of Environment，2012，119(8)：173-183.

[9] KRAUS T，SCHMIDT M，DECH S W，etal.The potential of optical high resolution data for the assessment of leaf area index in East African rainforest ecosystems[J].International Journal of Remote Sensing，30(19)：1-5.

[10] WULDER M A，LEDREW E F，FRANKLIN S E，etal.Aerial image texture information in the estimation of northern deciduous and mixed wood forest leaf area index (LAI) [J].Remote Sensing of Environment，1998，64(1)：64-76.

[11] ZHOU J J，ZHAO Z，ZHAO J，etal.A comparison of three methods for estimating the LAI of black locust (RobiniapseudoacaciaL.) plantations on the Loess Plateau,China[J].International Journal of Remote Sensing，2014，35(1)：171-188.

[12] WULDER M A，FRANKLIN S E，LAVIGNE M B.High spatial resolution optical image texture for improved estimation of forest stand leaf area index[J].Canadian Journal of Remote Sensing，1996，22(22)：441-449.

[13] 刘俊，毕华兴，朱沛林，等.基于ALOS遥感数据纹理及纹理指数的柞树蓄积量估测[J].农业机械学报，2014，45(7)：245-254.

[14] KAYITAKIRE F，HAMEL C，DEFOURNY P.Retrieving forest structure variables based on image texture analysis and IKONOS-2 imagery[J].Remote Sensing of Environment，2006，102(3-4)：390-401.

[15] RAO PVN，SAI MVRS，SREENIVAS K，etal.Textural analysis of IRS-1D panchromatic data for land cover classification[J].International Journal of Remote Sensing，2002，23(17)：3327-3345.

[16] 刘冰燕，陈云明，曹扬.渭北黄土区刺槐人工林氮、磷生态化学计量特征[J].西北林学院学报，2016，31(1)：1-6.

LIU B Y,CHEN Y M,CAO Y.Nitrogen and phoshporus stoichometry characteristic ofRobiniaPseudoacaciaplantation in Weibei Loess Plateau region[J].Journal of Northwest Forestry University，2016，31(1)：1-6.(in Chinese)

[17] 王迪海，赵忠，张彦.黄土高原刺槐细根与土壤水分特征[J].西北林学院学报， 2012， 27(1)：1-5.

WANG D H,ZHAO Z,ZHANG Y.The fine root ofRobiniapseudoacaciaand soil moisture in the Loess Plateau[J].Journal of Northwest Forestry University，2012， 27(1)：1-5.(in Chinese)

[18] 郑元.刺槐光合生理特征与固碳能力研究[D].杨陵:西北农林科技大学,2010.