佃袁勇，方圣輝

(1.華中農(nóng)業(yè)大學(xué)園藝林學(xué)學(xué)院，武漢 430079;2.武漢大學(xué)遙感信息工程學(xué)院，武漢 430070)

0 引言

植被是陸地生態(tài)系統(tǒng)中非常重要的組成部分，對維持生物圈的穩(wěn)定以及在地球碳循環(huán)中具有重要作用。植被的光合作用影響了氣候、水、碳等各種物質(zhì)的循環(huán)，是全球變化的重要組成部分［1-2］。航空或衛(wèi)星光學(xué)遙感圖像可以獲得植被冠層信息，因此被廣泛應(yīng)用于植被監(jiān)測中［3-6］。以植被為研究對象的林業(yè)遙感、生態(tài)遙感需要定量化獲取植被的生態(tài)、生理參數(shù)，以高光譜遙感數(shù)據(jù)反演植被葉面積指數(shù)(leaf area index，LAI)和植物葉綠素、含水量等生化參數(shù)的研究已成為國內(nèi)外研究的熱點(diǎn)。為分析遙感器所接收的輻射信號(hào)與植被參數(shù)的關(guān)系，國內(nèi)外很多學(xué)者已提出了多種植被的光譜反射模型，如在葉片尺度上的植物光譜輻射傳輸模型有針對闊葉植物葉片的PROSPECT 模型［7-8］和針對針葉植物葉片的生化組合與反射和透射光譜混合(leaf incorporating biochemistry exhibiting reflectance and transmittance yields，LIBERTY)模型［9］。這些模型描述了植物葉片在400～2 500 nm 譜段的反射和透射光譜與植被的各種生化組分(如葉綠素、胡蘿卜素、干重、含水量和葉肉結(jié)構(gòu)等參數(shù))的關(guān)系;在冠層尺度上的植被光譜模型中，根據(jù)所采用的理論和假設(shè)，模型可分為渾濁介質(zhì)輻射傳輸模型、幾何光學(xué)模型、輻射傳輸模型與幾何光學(xué)模型相結(jié)合的混合模型及計(jì)算機(jī)模擬模型等。這些模型建立了植被冠層與其結(jié)構(gòu)參數(shù)、地表特征和植被生化組分的關(guān)系。具體的模型有任意傾斜葉片散射(scattering by arbitrarily inclined leaves，SAIL)系列模型、4 尺度光學(xué)模型和幾何光學(xué)模型等［10-14］。將葉片尺度和冠層尺度的植物模型進(jìn)行耦合，可以分析植被的各種生化參數(shù)與反射率的關(guān)系，對研究植被的遙感成像機(jī)理具有重要作用［15］。但是，這種模型的耦合沒有考慮到大氣的影響，而衛(wèi)星遙感數(shù)據(jù)是從大氣層頂部對地表進(jìn)行觀測，植被冠層的光譜反射信號(hào)經(jīng)過大氣層被衛(wèi)星傳感器接收，大氣對光譜反射信號(hào)會(huì)發(fā)生吸收、散射、擾動(dòng)、折射和偏振等多種物理過程，顯著地影響傳感器接收的信號(hào)。為分析植被光譜與星上反射率的關(guān)系，必須考慮大氣輻射的影響。各種大氣輻射傳輸模型，如 MODTRAN (moderate resolution transmission)和6S(second simulation of the satellite signal in the solar spectrum)等，可以描述在大氣傳輸過程中各種氣體分子、氣溶膠和水汽等大氣參數(shù)對輻射信號(hào)的影響［16］。將葉片、冠層和大氣的模型進(jìn)行耦合，形成葉片-冠層-大氣綜合的遙感信號(hào)模型，可以很好地分析在衛(wèi)星圖像獲取過程中各種因素對衛(wèi)星獲取信號(hào)的影響，進(jìn)而指導(dǎo)衛(wèi)星遙感數(shù)據(jù)的應(yīng)用。為此，本文將植物葉片光譜模型PROSPECT、植被冠層光譜模型SAIL 與大氣輻射傳輸模型6S 進(jìn)行耦合，模擬在不同參數(shù)條件下植被星上光譜信號(hào)的變化，并分析各種參數(shù)在葉片尺度、冠層尺度和星上尺度上對光譜信號(hào)的敏感性。

1 研究方法

1.1 不同尺度植物輻射傳輸模型

1.1.1 葉片尺度PROSPECT 模型

PROSPECT 模型由Jacquemoud 等［7］首先提出。該模型模擬闊葉植被葉片在400～2 500 nm 譜段、光譜間隔為1 nm 的反射率和透射率，認(rèn)為葉片的反射率和透射率是葉片結(jié)構(gòu)參數(shù)和生物化學(xué)參數(shù)的函數(shù)。PROSPECT 模型現(xiàn)有PROSPECT3，PROSPECT4和PROSPECT5 共3 種［11］，本文選擇的是PROSPECT4。當(dāng)模擬植物葉片光譜時(shí)，需要葉肉結(jié)構(gòu)參數(shù)N、葉綠素含量Chlab、含水量Cw和葉片干重Dm等4個(gè)參數(shù)。

1.1.2 冠層尺度SAIL 模型

SAIL 模型是Verhoef 等［15］在Kubelka -Munk理論基礎(chǔ)上發(fā)展而來的。該模型考慮了冠層的垂直分層結(jié)構(gòu)、葉傾角分布和冠層多次散射對植被冠層反射率的影響，被認(rèn)為是目前模擬冠層反射光譜的最佳工具。經(jīng)過幾十年的研發(fā)，現(xiàn)階段發(fā)展了許多新的SAIL 模 型［5，15］，諸 如SAILH，GeoSAIL，SAIL++，4SAIL 和4SAIL2 等。本文選擇4SAIL2 模型［15］，該模型在最初的SAIL 基礎(chǔ)上，考慮到了地表土壤的非朗伯體效應(yīng)和冠層熱點(diǎn)效應(yīng)等方面的影響，需要輸入傳感器觀測天頂角和方位角、太陽天頂角和方位角、葉面透射率、葉面反射率、土壤反射率、天空散射輻射比、葉面積指數(shù)(LAI)、葉片平均傾角(mean leaf angle distribution，MLAD)和熱點(diǎn)大小等參數(shù)。

1.1.3 6S 輻射傳輸模型

6S 模型是一種被廣泛應(yīng)用的大氣輻射傳輸模型［15］。該模型考慮了大氣點(diǎn)擴(kuò)散函數(shù)效應(yīng)和地表方向性反射率，描述了地表信號(hào)在傳輸過程中受到的大氣影響。需要輸入的主要參數(shù)有:①觀測幾何參數(shù)，包括太陽和衛(wèi)星的高度角、方位角和時(shí)間等;②大氣模式，描述大氣模型，主要是確定大氣中各種物質(zhì)的含量(包括水汽和灰塵顆粒度等參數(shù));③氣溶膠模式，即氣溶膠組分參數(shù)，包括水分含量以及煙塵、灰塵等在空氣中的百分比等;④氣溶膠光學(xué)厚度(aerosol optical thickness，AOT);⑤觀測目標(biāo)的海拔高度;⑥傳感器的高度;⑦地面目標(biāo)光譜信息，包括光譜譜段范圍和地表反射率。

1.2 PROSPECT+SAIL+6S 星上光譜數(shù)據(jù)模擬

將PROSPECT 模型、SAIL 模型和6S 模型相結(jié)合，就可以將植被在葉片尺度和冠層尺度上的理化參數(shù)與衛(wèi)星遙感數(shù)據(jù)聯(lián)系起來，并從地表植被的理化、幾何參數(shù)和光譜特性等方面分析這些因素對植被反射率的影響。本文在利用PROSPECT+SAIL+6S 模型分析不同尺度上的植物光譜特性時(shí)，假設(shè)覆蓋類型均為植被與土壤，并且傳感器是垂直觀測。表1 列出了模型的輸入?yún)?shù)及其范圍，其中，觀測幾何參數(shù)值的范圍依據(jù)衛(wèi)星的觀測幾何條件，植物的物理參數(shù)和化學(xué)參數(shù)的范圍依據(jù)真實(shí)測量值，大氣參數(shù)范圍值依據(jù)6S 模型中的參數(shù)值定義。

表1 PROSPECT+SAIL+6S 模型的輸入?yún)?shù)Tab.1 Input parameters of PROSPECT+SAIL+6S models

1.3 敏感性分析

為比較各不同參數(shù)對光譜信號(hào)的敏感性，將變動(dòng)某一參數(shù)后計(jì)算的光譜反射率與固定的參考光譜反射率進(jìn)行比較，計(jì)算公式［13］為

式中:ε 為敏感度;ρi，m為第i 波段的固定參考反射率;ρi，s為第i 波段的變動(dòng)參數(shù)后模擬出的光譜反射率;n 為波段數(shù)。吳朝陽等［13］曾利用該方法比較、分析了在冠層尺度上各種指標(biāo)光譜指數(shù)對Chlab和LAI 的敏感性問題。

2 實(shí)驗(yàn)結(jié)果

本次實(shí)驗(yàn)分別在葉片尺度、冠層尺度和星上尺度上分析了各種參數(shù)對植被在400～900 nm 譜段的光譜反射率的影響。

2.1 葉片尺度敏感性分析

2.1.1 葉片葉肉結(jié)構(gòu)參數(shù)的敏感性

葉片葉肉結(jié)構(gòu)參數(shù)描述了假設(shè)的葉片同性層的數(shù)量。圖1 顯示出葉肉結(jié)構(gòu)參數(shù)N 對可見光范圍內(nèi)反射率的顯著影響。

圖1 葉肉結(jié)構(gòu)參數(shù)變化引起的葉片反射率變化Fig.1 Changes of leaf reflectance caused by change of leaf mesophyll structure parameter

本文選擇N 的變化范圍為1.3～2.5，步長為0.01，Chlab=30 μg/cm2，Cw=0.012 cm，Dm=0.008 4 g/cm2。以N=1.89 時(shí)的數(shù)據(jù)為標(biāo)準(zhǔn)數(shù)據(jù)，分析當(dāng)N 值在不同變化率的情況下葉片在400～900 nm 譜段的反射率總體誤差情況。從圖1(a)可以看到，隨著N 的增大，葉片在400～900 nm 所有譜段的反射率都在增大，特別是在540～680 nm 和760～900 nm 譜段范圍內(nèi)增大得更明顯。從圖1(b)可以發(fā)現(xiàn)，隨著N 的變化率的增大或者減小，其在400～900 nm 譜段的反射率總誤差都在增大，且兩者基本符合線性關(guān)系;而且N 變化率大于0 一側(cè)的反射率總誤差的斜率要小于N 變化率小于0 的一側(cè)，這說明當(dāng)N 值被高估時(shí)，其產(chǎn)生的誤差要小于被低估時(shí)產(chǎn)生的誤差;還發(fā)現(xiàn)估算的反射率總誤差也與葉片本身的葉綠素含量有關(guān)，當(dāng)葉綠素含量高時(shí)，N 的變化引起的反射率總誤差要小于葉綠素含量低時(shí)的誤差。

2.1.2 葉片含水量的敏感性

以Chlab=30 μg/cm2，Cw=0.012 cm，Dm=0.008 4 g/cm2，N=1.89 為標(biāo)準(zhǔn)數(shù)據(jù)，分析葉片含水量Cw在0.004～0.040 cm 范圍內(nèi)變化時(shí)的葉片反射率總誤差(圖2)。

圖2 含水量變化引起的葉片反射率變化Fig.2 Changes of leaf reflectance caused by change of water content

從圖2(a)可以看到，Cw從0.004 cm 變化到0.04 cm 時(shí)，葉片光譜反射率幾乎沒有任何變化;從圖2(b)中可以看到Cw的變化率和光譜反射率總誤差也是基本符合線性規(guī)律的。但從總體上來講，在Cw變化范圍最大(即Cw變化為80%)時(shí)引起的葉片反射率總誤差也只有0.09%的變化，說明在可見光部分(400～900 nm)Cw的變化對葉片光譜反射率的變化不是很敏感。

2.1.3 葉片葉綠素含量的敏感性

以Chlab=46.3 μg/cm2，Cw=0.012 cm，Dm=0.008 4 g/cm2，N=1.89 為標(biāo)準(zhǔn)數(shù)據(jù)，分析葉片葉綠素含量Chlab在0.59～93.0 μg/cm2范圍內(nèi)變化時(shí)的葉片反射率總誤差(圖3)。

圖3 葉綠素含量變化引起的葉片反射率變化Fig.3 Changes of leaf reflectance caused by change of leaf chlorophyll content

從圖3(a)可以看到，Chlab含量從0.59 μg/cm2變化到93 μg/cm2時(shí)，葉片光譜反射率在400～740 nm譜段內(nèi)的變化特別大(特別是在綠波段和紅波段范圍內(nèi))，這是由于葉綠素的強(qiáng)吸收作用引起的。圖3(b)和(c)描述了在N 值不同的情況下，Chlab含量變化引起的葉片反射率總誤差的情況(其中圖3(c)是圖3(b)中Chlab變化率大于0 的部分):當(dāng)Chlab被低估時(shí)產(chǎn)生的誤差遠(yuǎn)大于被高估時(shí)產(chǎn)生的誤差，當(dāng)被低估1 倍時(shí)，最大可達(dá)到400% 的誤差;當(dāng)Chlab被高估時(shí)，其變化率和葉片反射率總誤差呈冪函數(shù)分布，N 值越高，產(chǎn)生的誤差越大(當(dāng)被高估一倍時(shí)，其引起的反射率總誤差最大可達(dá)20%)。

2.1.4 葉片干重的敏感性

以Chlab=50.0 μg/cm2，Cw=0.012 cm，Dm=0.008 4 g/cm2，N=1.89 為標(biāo)準(zhǔn)數(shù)據(jù)，分析葉片干重Dm在0.001 9～0.016 5 g/cm2范圍內(nèi)變化時(shí)的葉片反射率總誤差(圖4)。

圖4 葉片干重變化引起的葉片反射率變化Fig.4 Changes of leaf reflectance caused by change of leaf dry matter weight

從圖4(a)可以看到，Dm在0.001 9～0.016 5 g/cm2范圍內(nèi)變化時(shí)，葉片光譜反射率的變化集中在760～900 nm 譜段，且Dm越大，葉片反射率越低，而在其他譜段范圍幾乎沒有任何變化。從圖4(b)可以看到，Dm的變化率和葉片光譜反射率總誤差也基本符合線性規(guī)律，Dm被高估或低估時(shí)，對總的反射率影響一致;當(dāng)Dm的變化增加1 倍時(shí)，其引起的反射率總誤差約為3%。

2.2 冠層尺度敏感性分析

影響冠層的參數(shù)眾多，在對葉片分析的基礎(chǔ)上，重點(diǎn)分析了太陽天頂角、葉片傾角和葉面積指數(shù)3個(gè)因素在冠層尺度上對冠層光譜的敏感性。為減少不確定因素，模擬中將植物葉片的生化參數(shù)固定為Chlab=46.3 μg/cm2，Cw=0.012，Dm=0.008 4 g/cm2，N=1.89，天空散射光總體比例固定為70%，觀測方位為垂直觀測。

2.2.1 太陽天頂角的影響

在模擬太陽高度角的變化時(shí)，以時(shí)間來代替角度，模擬1 d 中9:00～15:00 太陽高度角的變化;在計(jì)算太陽高度角時(shí)，選擇3月21 日武漢地區(qū)太陽高度角在1 d 中的變化，模擬當(dāng)葉片平均傾角MLAD=50°，LAI=1，5，10 時(shí)冠層光譜反射率和反射率總誤差的變化情況(圖5)。

圖5 觀測時(shí)間變化引起的冠層反射率變化Fig.5 Changes of canopy reflectance caused by change of observation time

從圖5(a)可以看出，當(dāng)觀測時(shí)間不同時(shí)，冠層反射率主要變化發(fā)生在近紅外(760～900 nm)部分。圖5(b)顯示了以中午12:00 觀測的冠層反射率作為標(biāo)準(zhǔn)值時(shí)在不同時(shí)刻觀測的冠層反射率總誤差情況。從圖(b)中可看出，在不同的觀測時(shí)刻，隨著LAI 的增大，冠層反射率總誤差并沒有明顯的變化;上午觀測的誤差要大于下午觀測的誤差，因觀測時(shí)間不同引起的冠層光譜最大誤差約為2%。

2.2.2 葉片傾角的敏感性

圖6 葉片平均傾角變化引起的冠層反射率變化Fig.6 Changes of canopy reflectance caused by change of leaf angle distribution

選擇葉片平均傾角MLAD 分別為10°，50°和75°，其冠層MLAD 的概率分布如圖6(a)所示，3 條曲線分別代表了水平型、均一型和豎直型3 種類型。圖6(b)描述了在3 種MLAD 情況下、當(dāng)LAI=3 時(shí)冠層的光譜反射率，可以看到，當(dāng)MLAD 發(fā)生變化時(shí)，冠層反射率主要的變化發(fā)生在近紅外(760～900 nm)部分。圖6(c)描述了以MLAD=50°的冠層光譜作為標(biāo)準(zhǔn)光譜時(shí)，在不同LAI 情況下，隨著MLAD 的變化產(chǎn)生的冠層反射率總誤差的變化情況。總的來看，隨著MLAD 的變化率增大或者減小，冠層在400～900 nm 譜段的反射率總誤差都在增大;且當(dāng)LAI 值越大時(shí)，冠層反射率總誤差增大得越多;但當(dāng)LAI 增大到一定程度時(shí)，冠層反射率總誤差會(huì)達(dá)到飽和狀態(tài)，如圖6(c)所顯示的，當(dāng)LAI從5 增大到10 時(shí)，反射率總誤差沒有多大的變化。

2.2.3 葉面積指數(shù)的敏感性

以LAI=3，MLAD=50°，中午12:00 觀測的太陽天頂角的冠層光譜數(shù)據(jù)為標(biāo)準(zhǔn)數(shù)據(jù)，分析LAI 在0.5～10范圍內(nèi)變化時(shí)的冠層反射率總誤差(圖7)。

圖7 LAI 變化引起的冠層反射率變化Fig.7 Changes of canopy reflectance caused by change of LAI

從圖7(a)可以看到，LAI 分別為1，5，10 時(shí)，冠層光譜反射率在400～900 nm 整個(gè)范圍內(nèi)的都有變化，特別是在綠波段(550 nm 附近)和近紅外波段(760～900 nm)變化更大。從圖7(b)和(c)(圖7(c)是(b)中LAI 變化率大于0 的部分)可以看到，當(dāng)LAI 被低估時(shí)冠層反射率產(chǎn)生的誤差遠(yuǎn)大于被高估時(shí)產(chǎn)生的誤差，當(dāng)LAI 含量被低估1 倍時(shí)，最大可達(dá)到400%的誤差;當(dāng)LAI 含量被高估時(shí)，隨著LAI變化率的增大，冠層反射率總誤差在增大，且葉片葉綠素含量越高反射率總誤差越大;LAI 變化率和冠層反射率總誤差基本呈冪函數(shù)分布，當(dāng)LAI 被高估2 倍時(shí)，最大可產(chǎn)生6%的誤差。

2.3 星上尺度敏感性分析

2.3.1 均質(zhì)植被區(qū)域不同氣溶膠光學(xué)厚度下光譜差異

由于6S 模型的光譜分辨率為10 cm-1，可計(jì)算出在400～900 nm 之間的光譜有效間隔寬度最大為10 nm;因此，需要將PROSPECT+SAIL 模型的中光譜數(shù)據(jù)重采樣為譜段寬度為10 nm 的地物光譜數(shù)據(jù)，然后與6S 模型進(jìn)行耦合，計(jì)算在不同大氣條件下的星上反射率。在基于PROSAIL +6S 模型分析衛(wèi)星表觀反射率時(shí)，模型參數(shù)眾多，故在葉片和冠層尺度分析的基礎(chǔ)上，重點(diǎn)分析LAI，Chlab和AOT 等3個(gè)因素對星上表觀反射率的影響。為減少不確定因素，在模擬中將植物葉片的生化參數(shù)固定為Cw=0.012 cm，Dm=0.008 4 g/cm2，N=1.89，天空散射光總體比例固定為70%，觀測方位為垂直觀測，氣溶膠模式選擇城鎮(zhèn)型，大氣模式選擇中緯度冬天，假設(shè)地物為均質(zhì)植被區(qū)域。圖9 顯示了不同AOT 下星上反射率TOA 和地表反射率的對比情況。

圖8 不同AOT 下的星上反射率和地表反射率對比Fig.8 Comparison between TOA and ground surface reflectance changed with different AOT

從圖8 可以看出，大氣對400～900 nm 整個(gè)譜段范圍的地表反射率都有影響，其中在可見光部分(400～680 nm)由于大氣分子的瑞利散射、氣溶膠的散射等因素的影響，TOA 明顯增大;在近紅外部分由于O3，O2，CO2和H2O 等氣體的吸收，TOA 有明顯的吸收谷出現(xiàn)。另外，隨著AOT 的增大，在400～680 nm 范圍的散射特征越明顯，而在近紅外部分的吸收越弱。

圖9 顯示了在不同AOT 下的星上和地表反射率在400～900 nm 范圍內(nèi)的光譜總誤差。可以看出，AOT 值越大，反射率總誤差也越大;當(dāng)AOT 值一定時(shí)，隨著葉綠素含量或LAI值的增大，星上和地表反射率的總誤差也在增大。但LAI 值增大到3 左右時(shí)，反射率總誤差會(huì)達(dá)到飽和(圖9(b));而葉綠素含量對光譜總誤差的這種“飽和”現(xiàn)象不明顯。

2.3.2 大氣鄰近效應(yīng)影響

為減少不確定性因素的影響，假設(shè)目標(biāo)區(qū)域內(nèi)為均質(zhì)植被，其冠層反射率利用PROSAIL 模型計(jì)算，背景區(qū)域?yàn)橥寥溃治瞿繕?biāo)區(qū)域半徑在10 m～5 km 間變化，得到大氣鄰近效應(yīng)對TOA 的影響(圖10)。

圖10 大氣鄰近效應(yīng)對不同大小目標(biāo)區(qū)域星上反射率的影響Fig.10 Influence of atmospheric adjacency effect to TOA reflectance of targets with different size

圖10(a)顯示出在AOT=0.6、目標(biāo)為植被、背景為土壤、目標(biāo)區(qū)域半徑有變化時(shí)，大氣鄰近效應(yīng)對TOA 的影響情況。在可見光部分(400～700 nm)，目標(biāo)區(qū)域半徑越大，TOA 越低;在近紅外部分(760～900 nm)，目標(biāo)區(qū)域半徑越大，TOA 越高，這是因?yàn)殡S著半徑的增大，均質(zhì)區(qū)域增大，異質(zhì)性降低，大氣鄰近效應(yīng)的影響就會(huì)降低，星上數(shù)據(jù)會(huì)越接近地表目標(biāo)的特征。圖10(b)顯示出當(dāng)目標(biāo)區(qū)域半徑為500 m 時(shí)，在不同的AOT 下的TOA 的變化情況。隨著氣溶膠光學(xué)厚度的增大，大氣的鄰近效應(yīng)越明顯。

圖11 顯示了在不同的地物目標(biāo)區(qū)域半徑情況下，TOA 和地物目標(biāo)反射率在400～900 nm 的總誤差。隨著目標(biāo)區(qū)域半徑的增大，TOA 總誤差在降低;當(dāng)目標(biāo)區(qū)域半徑超過2 km 后，大氣的鄰近效應(yīng)會(huì)達(dá)到飽和。

圖11 目標(biāo)區(qū)大小變化引起的星上反射率誤差Fig.11 TOA reflectance errors caused by target size

2.3.3 混合像元影響

假設(shè)目標(biāo)區(qū)域由植被和土壤組合而成，則區(qū)域內(nèi)的混合光譜由這2 種地物類型的光譜線性組合而成。通過計(jì)算在不同混合比例的星上光譜的變化，可反映混合像元比例變化時(shí)星上反射率的變化情況(圖12)。

圖12 植被和土壤不同混合比例的星上反射率Fig.12 TOA reflectance of vegetation and soil with different mixed ratio

圖12(a)顯示了在AOT=0.6，目標(biāo)為植被、背景為土壤時(shí)，植被和土壤不同混合比例情況下的TOA的變化情況?？梢钥闯觯S著植被所占比例的減少，TOA 越來越接近土壤的特征。圖12(b)顯示了植被占60%時(shí)，AOT 取不同值的TOA 變化情況。

圖13 顯示了不同植被混合比例下，TOA 和冠層植被反射率在400～900 nm 譜段的總誤差。

圖13 不同植被混合比例的星上反射率誤差Fig.13 TOA reference error changed with different mixed ratio of vegetation and soil

從圖13 可以看出，隨著植被所占比例的增大，TOA 總誤差逐漸減小;當(dāng)植物所占比例一定時(shí)，隨著氣溶膠的增大，總誤差迅速上升。

3 結(jié)果與分析

本文將PROSPECT，SAIL 和6S 模型進(jìn)行耦合，分別從葉片尺度、冠層尺度和星上尺度分析了遙感數(shù)據(jù)中植物葉片的葉肉結(jié)構(gòu)參數(shù)、葉綠素含量、干重、含水量，植物冠層的葉面積指數(shù)，太陽天頂角，氣溶膠光學(xué)厚度，地表鄰近效應(yīng)和混合像元等參數(shù)對植物光譜的影響，總結(jié)歸納了所有參數(shù)的變化引起的植物在400～900 nm 譜段的光譜誤差(表2)。

表2 不同尺度下影響植物光譜反射率的因素Tab.2 Influence factors for vegetation reflectance at different scales

從表2 可以看出，由大氣引起的誤差要遠(yuǎn)大于由植物本身的各種生化參數(shù)引起的誤差;在葉片尺度上，引起反射率發(fā)生變化的主要因素是葉片的葉綠素含量(Chlab)和葉肉結(jié)構(gòu)參數(shù)(N)，而葉片含水量(Cw)的影響非常小(只有0.09%的誤差，可以忽略)，同時(shí)也發(fā)現(xiàn)葉片的葉綠素與葉肉結(jié)構(gòu)參數(shù)高估時(shí)所產(chǎn)生的誤差要小于低估時(shí)產(chǎn)生的誤差;在冠層尺度上，引起植被光譜發(fā)生變化的因素主要有葉面積指數(shù)(LAI)和葉片平均傾角(MLAP)，葉面積指數(shù)高估時(shí)產(chǎn)生誤差要小于低估時(shí)產(chǎn)生的誤差;同時(shí)也發(fā)現(xiàn)下午觀測的誤差要小于上午觀測的誤差。

4 結(jié)論

1)在缺少大量實(shí)測數(shù)據(jù)情況下，研究星上遙感信號(hào)與地表植被參數(shù)間的關(guān)系存在很大的困難。而葉片-冠層-大氣輻射傳輸模型的耦合可以模擬各種條件下地表特征與星上信號(hào)間的關(guān)系，為衛(wèi)星遙感數(shù)據(jù)的應(yīng)用奠定基礎(chǔ)。

2)基于PROSPECT +SAIL +6S 的模擬結(jié)果表明，在不同尺度上，400～900 nm 植物光譜的影響因素明顯不同;在星載遙感信號(hào)中，大氣的影響要遠(yuǎn)大于植物本身各種生化參數(shù)的影響;在冠層尺度上主要受葉面積指數(shù)(LAI)和葉片平均傾角(MLAD)的影響;而在葉片尺度上主要受葉片的葉綠素含量(Chlab)與葉肉結(jié)構(gòu)參數(shù)(N)的影響。

［1］楊曦光，范文義，于 穎.基于PROSPECT+SAIL 模型的森林冠層葉綠素含量反演［J］.光譜學(xué)與光譜分析，2010，30(11):3022 -3026.Yang X G，F(xiàn)an W Y，Yu Y.Estimation of forest canopy chlorophyll content based on PROSPECT and SAIL models［J］.Spectroscopy and Spectral Analysis，2010，30(11):3022 -3026.

［2］Laurent V C E，Verhoef W，Clevers J G P W，et al.Estimating forest variables from top-of-atmosphere radiance satellite measurements using coupled radiative transfer models［J］.Remote Sensing of Environment，2011，115(4):1043 -1052.

［3］Wang Q，Li P H.Hyperspectral indices for estimating leaf biochemical properties intemperate deciduous forests:Comparison of simulated and measured reflectance data sets［J］.Ecological Indicators，2011，14(1):56 -65.

［4］楊貴軍，趙春江，邢著榮，等.基于PROBA/CHRIS 遙感數(shù)據(jù)和PROSAIL 模型的春小麥LAI 反演［J］.農(nóng)業(yè)工程學(xué)報(bào)，2011，27(10):88 -94.Yang G J，Zhao C J，Xing Z R，et al.LAI inversion of spring wheat based on PROBA/CHRIS hyperspectral multi -angular data and PROSAIL model［J］.Transactions of the Chinese Society of Agricultural Engineering，2011，27(10):88 -94.

［5］Huemmrich K F.The GeoSail model:A simple addition to the SAIL model to describe discontinuous canopy reflectance［J］.Remote Sensing of Environment，2001，75(3):423 -431.

［6］Bacour C，Jacquemoud S，Tourbier Y，et al.Design and analysis of numerical experiments to compare four canopy reflectance models［J］.Remote Sensing of Environment，2002，79(1):72 -83.

［7］Jacquemoud S，Baret F.PROSPECT:A model of leaf optical properties spectra［J］.Remote Sensing of Environment，1990，34(2):75 -91.

［8］Feret J B，F(xiàn)ran?ois C，Asner G P，et al.PROSPECT-4 and 5:Advances in the leaf optical properties model separating photosynthetic pigments［J］.Remote Sensing of Environment，2008，112(6):3030 -3043.

［9］Dawson T P，Curran P J，Plummer S E.LIBERTY -modeling the effects of leaf biochemical concentration on reflectance spectra［J］.Remote Sensing of Environment，1998，65(1):50 -60.

［10］Jacquemoud S，Baret F，Andrieu B，et al.Extraction of vegetation biophysical parameters by inversion of the PROSPECT+SAIL models on sugar beet canopy reflectance data:Application to TM and AVIRIS sensors［J］.Remote Sensing of Environment，1995，52(3):163 -172.

［11］Jacquemoud S，Verhoef W，Baret F，et al.PROSPECT+SAIL models:A review of use for vegetation characterization［J］.Remote Sensing of Environment，2009，113(s1):S56 -S66.

［12］Verhoef W，Bach H.Simulation of hyperspectral and directional radiance images using coupled biophysical and atmospheric radiative transfer models［J］.Remote Sensing of Environment，2003，87(1):23 -41.

［13］吳朝陽，牛 錚.基于輻射傳輸模型的高光譜植被指數(shù)與葉綠素濃度及葉面積指數(shù)的線性關(guān)系改進(jìn)［J］.植物學(xué)通報(bào)，2008，25(6):714 -721.Wu C Y，Niu Z.Improvement in linearity between hyperspectral vegetation indices and chlorophyll content，leaf area index based on radiative transfer models［J］.Chinese Bulletin of Botany，2008，25(6):714 -721.

［14］施潤和，莊大方，牛 錚，等.基于輻射傳輸模型的葉綠素含量定量反演［J］.生態(tài)學(xué)雜志，2006，25(5):591 -595.Shi R H，Zhuang D F，Niu Z，et al.Quantitative inverseion of chlorophyll content based on radiative transfer model［J］.Chinese Journal of Ecology，2006，25(5):591 -595.

［15］Verhoef W，Bach H.Coupled soil -leaf -canopy and atmosphere radiative transfer modeling to simulate hyperspectral multi -angular surface reflectance and TOA radiance data［J］.Remote Sensing of Environment，2007，109(2):166 -182.

［16］Vermote E F，Tanre D，Deuze J L，et al.Second simulation of the satellite signal in the solar spectrum，6S:An overview［J］.IEEE Transaction Geoscience and Remote Sensing，1997，35(3):675 -686.