贾智乐，豆喜朋，贾 路

（1.河南省水利勘测有限公司,河南 郑州 450003）

目前利用卫星进行植被叶面积指数反演的技术比较成熟，随着无人机技术的快速发展，无人机遥感方便、快捷、实时性强的特点，使得利用航空遥感进行叶面指数反演得到了迅猛发展，如Berni[1-2]利用航拍数据联合叶子水平辐射传输模型（PROSPECT），灌顶盖水平森林FLIGHT交互模型（FLIGHT）和SAIL模型获取了橄榄树的叶绿素浓度。Raymond[3-4]将种植区分为不同的条带，在不同的条带、时间和不同地域以不同的组合选择是否施氮肥，并对生物量和LAI进行了测试研究。虽然无人机遥感的应用已成为研究的热点之一，但因其成像特点，大量数据的快速处理成为航拍影像应用的阻碍，所以在国内，无人机遥感中主要研究领域是无人机影像的拼接镶嵌融合等图像处理技术以及应急灾害处理，对植被生化量的定量信息提取对象停留在卫星影像并向无人机影像发展。原因之一可能是目前卫星遥感是主要技术手段，而无人机遥感则是处在军用向民用方面普及的转型状态，另外则是因为目前国内的无人机影像大都是相机获取的高分辨率普通彩色相片，而具有多光谱或者高光谱的影像设备有所欠缺，获取的影像质量也有待考究。鉴于此，本文利用无人机获取的多光谱影像，以玉米为研究对象，利用顾及敏感性分析的prosail模型和统计模型进行玉米叶面积指数反演的研究,为无人机作为植被评估和抽样调查的技术手段提供支撑和依据。

1 数据获取平台及实验区介绍

数据获取平台使用飞马D200四旋翼无人机，它具有操作简单，飞行速度稳定，转弯半径小，飞行高度稳定，飞机姿态稳定等独特优势。此次飞行搭载带有两轴增稳云台的D-MSPC100五波段（蓝、绿、红、红边、近红外）多光谱相机（如图1所示），通过可更换的滤光窗口，得到多波段的光谱数据，从而可在水文、环保、大气监测、农业等领域得到广泛应用，无人机数据获取平台与卫星遥感或有人飞机遥感相比，在获取分辨率更高的多光谱影像方面，具有机动、灵活、及时、方便的优点。

图1 D-MSPC100相机

实验区位于青岛平度市。平度市位于山东省东部，胶莱河东岸。选择平度市王庄村附近的玉米地为研究对象（王庄村位于平度市区东部的城关街道，耕地面积624亩，居民132户，共397人。主要经济来源是林地和农作物）。影像获取时间为2019-09-10，玉米处在乳熟期到完熟期之间。

因影像获取时已经将载荷在实验室内定标，所以本次实验区航空影像的处理包括几何纠正和影像的叠加与裁剪。几何纠正采用ENVI与实测地面点进行纠正，纠正精度RMS为2.1，满足本次定量反演的要求。将4个已经纠正后的单波段影像进行叠加和融合，处理结果如图2所示。图像的边缘位置，因为原始的4个波段的影像大小不一，所以会在边界产生错位的现象，从而导致颜色偏差。为了消除影像边界不一的影响，将影像进行裁剪去除边界保留植被区域。

图2 实验区近红外波段无人机影像

2 无人机多光谱数据玉米LAI反演

玉米的生长发育期可以分为出苗，拔节，抽雄，乳熟和成熟5个节点，很多学者证明不同发育时期的玉米的叶绿素和LAI均有所变化，叶面积指数从出苗到乳熟期逐渐升高，随着玉米的成熟、叶绿素的减少，叶面积指数也随之减小。玉米不同时期的反射率变化图是不同的，在不同的生长期内，玉米冠层光谱反射率在总体趋势上保持一致，局部波段区域有差异，同时也具有绿色植物特有的“绿峰，红光低谷，近红外高原区”的现象。

2.1 顾及敏感性的PROSAIL模型模拟

PROSAIL模型是PROSPECT模型和SAIL模型在叶片尺度上的耦合模型，它是在SAIL模型的基础上，建立包含化学组分含量的叶片散射和吸收模型，从而将叶片模型耦合到冠层模型中反演整个冠层的生化组分含量。

标准波谱库中植被的波谱曲线在0.35～0.49 um范围内的反射波谱响应在开头比较平缓、数值较低；在0.55 um波长处是叶绿素的绿色强反射区（是植被吸收率的谷值），而透射率则为一个波峰；在0.60～0.70 um波长处植被的反射光谱曲线具有波谷的形态；0.70～0.750 um之间植被的反射率急剧上升；反射率在0.75～1.30 um波段期间具有波状起伏的形式和高反射率的数值，这种现象可以看成是植物为防止过度增热的一种适应手段。由于水和CO2的强吸收导致了1.47 um，1.83～2.08 um之间波段呈波谷状。通过对比PROSAIL模型模拟的光谱曲线与植被的特性曲线，二者的曲线形态几乎对应，说明此模型完全可以正确模拟草地的反射率。

2.1.1 敏感性分析

模型参数的敏感性分析对模型反演时选择合适的自由参数有重要的意义，选择一些对模型反演比较敏感的参数才有可能最大程度地提高模型反演的精度。PROSAIL模型的输入参数有：叶绿素含量（Cab）、类胡萝卜素含量（Car）、叶片结构参数（N）、叶片水含量（Cw）、干物质量（Cm）、叶面积指数（LAI）、叶倾角（LAD）以及太阳天顶角、观测天顶角(Oza)和方位角(Azi)等。本文通过选择一个参数设其为可变，固定其他参数不变的情况下进行敏感性分析，当叶绿素含量变化时，模拟的冠层反射率在可见光的绿色和红色波段有些变化，其他波段几乎没有影响；当类胡萝卜素Car和叶片结构参数N变化时反射率曲线几乎不变；水含量，干物质量变化时对红外影响较大，但是对本文的可见光和近红外波段几乎没有影响，所以本文中的这些参数取固定值；叶面积指数LAI和观测角Oza的变化对光谱曲线的影响很大,从而可以利用此模型进行LAI的定量反演。

2.1.2 模型反演

玉米属于水平型比较均一的植被，所以本文采用PROSAIL模型进行叶面积指数的反演。简单来说，本文研究中，PROSAIL模型中设置的生化参数及土壤背景为实验同步的实验室分析结果，并在参数设置时参考了LOPEX93数据库以及我国典型地物波谱知识库。结构参数N是模型的一个假设参数，参考以往的经验，将N设为1.5。除此之外，叶倾角分布（LAD）是PROSAIL模型中的一个重要参数,也是相对较难测量获得的输入参数。根据以往研究者的经验并结合实验，将叶倾角分布选择为球形分布（spherical）。模型部分参数设置如表1所示。

表1 PROSAIL的部分输入参数

2.2 绿色归一化植被指数GNDVI

影像的DN值会被太阳光照辐射和相机设定的曝光所影响，同一个像素在不同的影像上也许会有不同的DN值，特别是对于自动曝光的相机获取影像。植被指数在一定的程度上可以消除或者减弱辐射和曝光的影响，并且可以增强植被与土壤之间的关系（Rouse et al.1974；Gitelson et al.,1996），依据归一化植被指数并在Gitelson等研究者的基础上定义了绿色归一化植被指数

式中，ρNIR、ρG分别为近红外和绿色波段的反射率或者DN值；式(1)利用绿色波段代替原来的红色波段，希望能够在凸显植被特征的同时，减少辐射和光谱定标的影响，绿色植被指数的值范围为[-1，1]。本文利用了GNDVI进行植被指数模型的反演，反演结果如图4所示。

图4 PROSIL模型反演LAI结果图

为了避免非植被（房屋，水体和道路）对反演结果的影响，本次实验将非植被的叶面积指数设置为0，但是非植被（房子）的阴影没有去除，由反演结果图可知，两次反演的结果都有房屋边界的阴影或者较暗区域被当成植被并计算了叶面积指数。从植被区域来看，玉米的叶面积指数主要集中在2.2～3.5之间，趋向完熟期的玉米在图3、4中分别表现为淡青色和青黄色，由于玉米的长势不完全统一，叶绿素含量较多、相对健壮的玉米在两图中的表现分别为深黄色加红色斑点和橙红色。此结果与刘照言在7月和8月份乳熟期及之前获得的平均叶面积指数4.5相比较小[5]，李秀凤[6-8]均对玉米做过研究，证实了随玉米生长过程的不同，叶面积指数将会有所变化，而在乳熟期到完熟期，也就是本文所研究的生长期限之间，叶面积指数较低，在2～3.5左右。

图3 无人机影像PROSIL模型反演LAI结果

3 精度验证与讨论

本次实验选用10个检验点将模拟得到的叶面积指数进行回归，并进行精度验证，PROSAIL模型模拟的叶面积指数与实测结果的相关度R2=0.79，RMSE=0.30，而利用GNDVI进行的经验统计模型进行反演的结果也较佳，R2=0.821，RMSE=0.276。利用GNDVI进行反演的结果比模型反演的结果稍好，这与Raymond的研究结果在一定的程度上一致[3]，GNDVI能够有效的减弱相机曝光的问题。从精度验证图5a和5b可以看出，检验结果与模拟结果相比要高，这也与相关研究在玉米生长成熟后期利用PROSAIL估测叶面积指数的结果要低于实测值的结论是一致的，从反演结果来看，2种反演方法的精度完全满足反演要求。

4 结 语

研究叶面积指数对于监测作物长势，对评估农作物的产量等方面具有重要的意义。本文以无人机获取的实验区高分辨多光谱数据为数据源，以玉米为研究对象，选择PROSAIL物理模型和植被指数模型对叶面积指数反演进行研究与探讨，并给出了反演的技术流程。验证了利用此类影像反演LAI的可行性，为进行植被评估的抽样调查提供了新的技术手段。但是，由于无人机影像的数据和研究区内实测数据点不足，研究区空间分布的代表性不全，也使得本文的研究结果有一定的局限性。