黃　彥, 田慶久, 耿　君, 王　磊, 欒海軍

1 南京大學(xué)國(guó)際地球系統(tǒng)科學(xué)研究所, 南京　210023

2 江蘇省地理信息技術(shù)重點(diǎn)實(shí)驗(yàn)室, 南京　210023

3 江蘇省地理信息資源開(kāi)發(fā)與利用協(xié)同創(chuàng)新中心, 南京　210023

?

遙感反演植被理化參數(shù)的光譜和空間尺度效應(yīng)

黃彥1,2,3, 田慶久1,2,3,*, 耿君1,2,3, 王磊1,2,3, 欒海軍1,2,3

1 南京大學(xué)國(guó)際地球系統(tǒng)科學(xué)研究所, 南京210023

2 江蘇省地理信息技術(shù)重點(diǎn)實(shí)驗(yàn)室, 南京210023

3 江蘇省地理信息資源開(kāi)發(fā)與利用協(xié)同創(chuàng)新中心, 南京210023

摘要:植被理化參數(shù)是生態(tài)系統(tǒng)中碳和養(yǎng)分等物質(zhì)循環(huán)與能量交換的重要指標(biāo)，利用遙感技術(shù)反演是獲取區(qū)域及全球植被理化參數(shù)的重要手段，但光譜和空間尺度效應(yīng)的存在，限制了源自不同遙感傳感器植被理化參數(shù)產(chǎn)品的統(tǒng)一應(yīng)用。闡述了遙感反演植被理化參數(shù)光譜尺度效應(yīng)的概念及其產(chǎn)生原因，主要從光譜波段位置和波段寬度兩方面對(duì)國(guó)內(nèi)外相關(guān)研究進(jìn)行了介紹和評(píng)述。同時(shí)，從遙感反演植被理化參數(shù)的空間尺度效應(yīng)產(chǎn)生原因、空間異質(zhì)性描述方法和空間尺度轉(zhuǎn)換方法等方面對(duì)其國(guó)內(nèi)外研究現(xiàn)狀進(jìn)行了歸納和評(píng)述。最后，總結(jié)了遙感反演植被理化參數(shù)光譜和空間尺度效應(yīng)研究的不足之處和發(fā)展趨勢(shì)，并指出光譜和空間耦合效應(yīng)的研究將是一大趨勢(shì)，而在生態(tài)學(xué)等領(lǐng)域形成的尺度效應(yīng)研究的理論和方法也值得借鑒參考。

關(guān)鍵詞：尺度效應(yīng); 光譜; 空間; 植被理化參數(shù)

植被理化參數(shù)是生態(tài)系統(tǒng)研究的重要指標(biāo)，例如葉面積指數(shù)是定量陸地生態(tài)系統(tǒng)中光合作用、呼吸作用、蒸騰、碳和養(yǎng)分循環(huán)以及降水截獲等過(guò)程的物質(zhì)與能量交換的最重要結(jié)構(gòu)參數(shù)之一[1]，也是計(jì)算生態(tài)系統(tǒng)凈初級(jí)生產(chǎn)力乃至生態(tài)系統(tǒng)碳平衡的基礎(chǔ)[2]。而葉綠素是光合作用過(guò)程必不可少的色素，是地球上最為重要的有機(jī)分子，葉綠素含量是監(jiān)測(cè)植被生長(zhǎng)發(fā)育和營(yíng)養(yǎng)脅迫的重要指標(biāo)，與凈初級(jí)生產(chǎn)力直接相關(guān)[3]；氮素含量是表征植被營(yíng)養(yǎng)狀況的最重要指標(biāo)，與植被的各種生態(tài)和生化過(guò)程關(guān)系密切[4]。同時(shí)，植被理化參數(shù)也是陸地生態(tài)系統(tǒng)碳循環(huán)模型、作物生長(zhǎng)模型等生態(tài)系統(tǒng)模擬模型的重要參數(shù)[5- 7]。而利用遙感手段反演植被理化參數(shù)是獲取這些生態(tài)指標(biāo)的重要途徑，遙感技術(shù)的高時(shí)效性、宏觀性使之相對(duì)于以稀疏離散點(diǎn)為基礎(chǔ)的地面采樣觀測(cè)，在獲取區(qū)域以及全球植被理化參數(shù)時(shí)具有明顯的優(yōu)勢(shì)[8- 9]。然而，源自不同遙感數(shù)據(jù)的植被理化參數(shù)產(chǎn)品存在著多方面的不一致性[10- 12]，限制了它們的統(tǒng)一應(yīng)用，也影響著以之作為輸入?yún)?shù)的生態(tài)模型的模擬精度。

產(chǎn)生遙感反演植被理化參數(shù)產(chǎn)品不一致性的一個(gè)重要原因是遙感反演的“尺度效應(yīng)”，這一問(wèn)題多年來(lái)一直受到國(guó)內(nèi)外遙感界的高度關(guān)注，是定量遙感的一個(gè)關(guān)鍵問(wèn)題[13- 16]，也是遙感產(chǎn)品真實(shí)性檢驗(yàn)的重要環(huán)節(jié)[17]。尺度效應(yīng)問(wèn)題，是指在某一尺度上觀測(cè)到的性質(zhì)、總結(jié)出的原理或規(guī)律，在另一尺度上可能仍然有效，也可能相似或者需要修正[18]。這一概念通常針對(duì)空間尺度效應(yīng)，即不同空間分辨率的遙感數(shù)據(jù)所得到的信息不同，一般來(lái)說(shuō)粗分辨率數(shù)據(jù)所反演得到的植被理化參數(shù)值小于較高分辨率的數(shù)據(jù)所得到的參數(shù)值，而通常認(rèn)為這與反演方法的非線(xiàn)性及待反演的植被理化參數(shù)的空間異質(zhì)性有關(guān)[10,19- 21]。尺度效應(yīng)的概念廣義上也可推及光譜方面[15,22]，即由不同光譜分辨率的遙感數(shù)據(jù)所得到的植被信息也存在差異，同時(shí)由于各種植被結(jié)構(gòu)和成分在不同波段位置上存在不同的響應(yīng)特征，光譜波段位置的差異也會(huì)造成所提取的植被信息的不同[23- 27]。而隨著近年來(lái)各種航天、航空及地基遙感傳感器的不斷開(kāi)發(fā)和投入應(yīng)用，以及越來(lái)越多的植被理化參數(shù)得以通過(guò)遙感方法進(jìn)行反演，研究其遙感反演的多方面尺度效應(yīng)的迫切性越來(lái)越顯著。

1光譜尺度效應(yīng)研究進(jìn)展

相對(duì)于“空間尺度”而言，“光譜尺度”的提法較少；但基于不同波段分辨率(即不同波段寬度)的遙感數(shù)據(jù)得到的反演量不同的現(xiàn)象也實(shí)際存在[24- 27]，廣義上符合“尺度效應(yīng)”的概念[16,22]，也有研究將相關(guān)問(wèn)題稱(chēng)之為“光譜效應(yīng)”[23]或“波寬效應(yīng)”[28]，而光譜尺度的問(wèn)題與波段位置也密不可分[24,26]。隨著多種遙感傳感器的研發(fā)和投入應(yīng)用，特別是隨著高光譜遙感的不斷發(fā)展，國(guó)內(nèi)外遙感界也開(kāi)展了一定的相關(guān)研究。光譜尺度效應(yīng)產(chǎn)生的原因，一方面，光譜的不同區(qū)域?qū)G色植被內(nèi)部結(jié)構(gòu)及化學(xué)組成響應(yīng)不同，表現(xiàn)為植被光譜獨(dú)特的峰谷特征[29]；另一方面，不同傳感器的波段對(duì)地物的響應(yīng)強(qiáng)度和帶寬也不同，表現(xiàn)為不同的光譜響應(yīng)值和半高寬(FWHM, Full Width at Half Maximum)[17]。因此，不同的波段位置與波段寬度在植被冠層的信息反映上就存在著差異。

1.1波段位置

波段位置的研究首要的是最佳波段位置的選擇問(wèn)題，這一問(wèn)題是植被指數(shù)構(gòu)造、植被理化參數(shù)經(jīng)驗(yàn)?zāi)Ｐ徒⒁约皞鞲衅鞑ǘ卧O(shè)置的基礎(chǔ)。事實(shí)上已有研究表明現(xiàn)有的在軌衛(wèi)星傳感器波段的中心位置并不一定是植被指數(shù)構(gòu)建的最佳波段位置[30]，因此該問(wèn)題的研究尚有很大必要。許多數(shù)學(xué)和統(tǒng)計(jì)方法被應(yīng)用于最佳波段位置的確定研究上。如Kokaly和Clark[31]利用NIRSystems1 Model 6250光譜儀數(shù)據(jù)，在1730, 2100 nm和2300 nm為中心的與白松等葉片氮、木質(zhì)素和纖維素含量相關(guān)性最高的光譜特征區(qū)域，利用逐步多元回歸方法確定最優(yōu)波段位置并對(duì)以上葉片生化組分成功估算；Cho和Skidmore[32]提出線(xiàn)性外推法來(lái)確定紅邊位置，從而對(duì)黑麥、玉米和草地的植株氮含量進(jìn)行了成功估算；Darvishzadeh等[33]利用GER3700光譜儀數(shù)據(jù)400 nm和2400 nm之間的584個(gè)波段構(gòu)造所有可能的植被指數(shù)NDVI和SAVI2 (Soil-Adjusted Vegetation Index 2)，建立其與草地LAI、葉片葉綠素含量和冠層葉綠素含量之間的相關(guān)關(guān)系，根據(jù)決定系數(shù)最終確定適于估算以上草地生理生化參數(shù)的植被指數(shù)最佳波段。Yao等[34]利用FieldSpec Pro FR2500光譜儀數(shù)據(jù)，在350—2500 nm光譜范圍內(nèi)每10 nm逐步進(jìn)行所有波段兩兩組合比值、歸一化等植被指數(shù)和小麥葉片氮積累量的相關(guān)性分析，通過(guò)決定系數(shù)值選擇相關(guān)關(guān)系最佳的波段范圍，在此范圍內(nèi)再逐1 nm構(gòu)造兩兩波段比值、歸一化等植被指數(shù)與氮積累量相關(guān)關(guān)系，最終確定適于氮積累量估測(cè)的最佳特征波段及其構(gòu)造的植被指數(shù)。這些研究往往采用統(tǒng)計(jì)方法對(duì)不連續(xù)的有限個(gè)波段進(jìn)行分析，對(duì)波段位置的研究上系統(tǒng)性較弱，且對(duì)光譜本身的物理特征反映不足，在相關(guān)的研究中或可引入分形和小波分析等更能體現(xiàn)連續(xù)光譜特征的方法[35- 36]。

也有學(xué)者針對(duì)波段位置變化對(duì)植被指數(shù)構(gòu)造和植被理化參數(shù)估算的影響進(jìn)行研究。如Galv?o等[24]對(duì)熱帶草原的研究表明，當(dāng)紅光波段向690 nm延伸時(shí)對(duì)NDVI的影響比較明顯；而如果要增大綠色植被、衰老植被和土壤之間NDVI的對(duì)比度，波段位置應(yīng)該包括一個(gè)以葉綠素吸收波段(660—680 nm)為中心的紅光波段和一個(gè)近紅外波段(750—1100 nm)[37]。此外，波段的選擇與紅光波段隨植被覆蓋度增加而飽和的問(wèn)題有關(guān)，許多研究在植被指數(shù)構(gòu)造和相關(guān)植被理化參數(shù)估測(cè)中試圖通過(guò)波段位置的選擇和采用不同的波段組合方式來(lái)解決這一問(wèn)題[38- 40]。事實(shí)上，“紅邊位置”[41]等表征植被光譜特征波段位置的“三邊”參數(shù)已被廣泛用于植被理化參數(shù)的估算中，而基于三邊位置移動(dòng)(如“紅移”)監(jiān)測(cè)的植被受脅迫診斷方法在植被病蟲(chóng)害和重金屬污染等研究中發(fā)揮了很大作用[42- 43]。

1.2波段寬度

波段寬度對(duì)植被理化參數(shù)估算影響的研究首先著眼于多光譜與高光譜波段數(shù)據(jù)孰優(yōu)孰劣上。而對(duì)于寬波段還是窄波段更適于植被理化參數(shù)估算的問(wèn)題，國(guó)內(nèi)外學(xué)界尚未達(dá)成共識(shí)。例如一些研究表明，在利用遙感數(shù)據(jù)估算LAI時(shí)，窄波段植被指數(shù)比寬波段效果更好[30,44- 45]，但也有研究得出相反的結(jié)論[46- 48]。窄波段被認(rèn)為可比寬波段提供更多的信息，且對(duì)植被特征敏感性更高[44,49- 51]，同時(shí)可降低植被覆蓋度低時(shí)土壤背景的影響[44]及覆蓋度高時(shí)紅光波段的飽和現(xiàn)象[39]。但寬波段也被認(rèn)為可提高信噪比，降低背景噪聲的影響[47- 48,52]。

其次，相關(guān)研究解決的重要問(wèn)題是最佳波段寬度的選擇問(wèn)題，如Thenkabail等[53]利用黑麥、小麥等6種典型作物的地面光譜和LAI、生物量、氮含量等生長(zhǎng)參數(shù)和生理指標(biāo)，通過(guò)兩波段植被指數(shù)與植被參數(shù)的相關(guān)性等值線(xiàn)圖上相關(guān)性最高的波段范圍，確定了12個(gè)核心波段所對(duì)應(yīng)的植被指數(shù)最佳波段寬度，如660 nm波段處的最佳波段寬度為20 nm，845 nm處為120 nm。王福民等[54]利用水稻冠層光譜通過(guò)在Landsat TM (Thematic Mapper)紅光波段和近紅外波段范圍內(nèi)不斷擴(kuò)展波段寬度，計(jì)算了各個(gè)波段寬度對(duì)應(yīng)的NDVI及其與LAI的最大相關(guān)系數(shù)，并根據(jù)兩者擬合方程決定系數(shù)值確定最佳的波段寬度為15 nm。而孫小芳的研究表明當(dāng)光譜分辨率小于64 nm時(shí)，才能較好地反映與葉綠素含量等相關(guān)的水稻光譜曲線(xiàn)峰谷細(xì)節(jié)特征[36]。總的來(lái)說(shuō)這方面的研究較少，但由于寬波段和窄波段用于植被理化參數(shù)估算的優(yōu)劣并沒(méi)有定論，而高光譜遙感影像也更易獲取，對(duì)植被理化參數(shù)估算最佳波段寬度的研究還有待深入。

也有學(xué)者針對(duì)波段寬度變化對(duì)植被信息提取、植被指數(shù)構(gòu)造和植被理化參數(shù)估算的影響規(guī)律進(jìn)行了研究。如Dalponte等[27]將AISA Eagle傳感器影像的光譜從4.6 nm重采樣到9.2、13.8、18.4、23、27.6、32.2 nm和36.8 nm這幾個(gè)光譜分辨率，發(fā)現(xiàn)隨著光譜分辨率的降低，利用此數(shù)據(jù)進(jìn)行森林分類(lèi)的精度也隨之降低。但這種相對(duì)系統(tǒng)的研究非常少，所涉及的植被理化參數(shù)也較為有限。而各植被理化參數(shù)的光譜響應(yīng)方式不同，如LAI與近紅外波段低頻的光譜信息相關(guān)性更高，且涉及的波段范圍較廣；而葉綠素含量與可見(jiàn)光波段、水分含量與紅外波段的高頻的光譜特征更為相關(guān)，且涉及波段范圍較窄[55- 56]。因此不同植被特征對(duì)于波段寬度的敏感性不同，對(duì)其的研究也有待深入。

1.3波段位置與波段寬度相結(jié)合的研究

植被的不同物理化學(xué)特性在各個(gè)波段位置上的響應(yīng)程度不同，波段位置和波段寬度對(duì)其參數(shù)估算的影響相輔相成，因此也有學(xué)者將兩者綜合考慮進(jìn)行研究。如Teillet等[23]利用AVIRIS (Airborne Visible/Infrared Imaging Spectrometer)高光譜數(shù)據(jù)研究了森林冠層NDVI受波段位置和寬度的影響，表明紅光波段對(duì)NDVI影響較大，而在波段寬度小于50 nm時(shí)，近紅外波段基本不受波段位置影響。王福民等[54]的研究表明在紅光波段寬度小于60 nm范圍內(nèi)，窄波段NDVI比寬波段NDVI對(duì)LAI估算效果好，而超過(guò)60 nm后受近紅外波段寬度影響而略有波動(dòng)。Yao等[40]以最佳波段位置交互不同波段寬度進(jìn)行研究，表明NDVI(807 nm, 736 nm)的核心波段807 nm和736 nm在分別選擇帶寬71 nm和18 nm時(shí)，對(duì)小麥植株吸氮量進(jìn)行估算的精度最高。但總得來(lái)說(shuō)，此方面的研究也非常的少，同時(shí)也存在前文所提及的波段位置和波段寬度分別研究中所存在的問(wèn)題，還需展開(kāi)深入研究。

2空間尺度效應(yīng)研究進(jìn)展

空間尺度問(wèn)題一直是地理學(xué)的重要研究?jī)?nèi)容，也滲透于其研究方法之中，地理學(xué)所提倡的“自上而下的演繹方法和自下而上歸納方法”[57]即是空間尺度思想的體現(xiàn)；對(duì)于生態(tài)學(xué)，特別是景觀生態(tài)學(xué)而言，空間尺度的概念是一切研究的基礎(chǔ)，尺度效應(yīng)分析、多尺度空間格局分析和尺度推繹均是其重要的研究議題[58- 59]。隨著遙感傳感器空間分辨率的不斷提升和遙感應(yīng)用領(lǐng)域的拓展與深化，遙感的空間尺度問(wèn)題也日益凸顯，空間尺度效應(yīng)的存在制約了遙感定量的精度，限制了遙感技術(shù)從定性向定量化發(fā)展，因此也是定量遙感領(lǐng)域亟待解決的熱點(diǎn)問(wèn)題[15- 16]?！懊绹?guó)地理遙感之父”Simonett教授在1970年代末期，就指出“尺度問(wèn)題是遙感科學(xué)的核心問(wèn)題”[16]，1993年在法國(guó)召開(kāi)的熱紅外遙感尺度問(wèn)題國(guó)際會(huì)議，認(rèn)為尺度問(wèn)題是對(duì)從天空觀測(cè)地球的首要挑戰(zhàn)[60]，而所謂的尺度，均主要指的是空間尺度。但時(shí)至今日，空間尺度問(wèn)題的理論和實(shí)踐挑戰(zhàn)依然艱巨，尺度效應(yīng)和尺度轉(zhuǎn)換的機(jī)理、異質(zhì)像元的真實(shí)性檢驗(yàn)、多尺度數(shù)據(jù)的聯(lián)合應(yīng)用等方面的研究仍較薄弱[16]。

2.1空間尺度效應(yīng)

空間尺度效應(yīng)的研究通常是從兩個(gè)方面進(jìn)行[61]：一方面是在特定尺度下研究遙感物理定律、定理、模型以及概念的修正。如李小文等[62]對(duì)非同溫黑體表面上Planck定律的尺度效應(yīng)進(jìn)行研究，給出了適合于該類(lèi)對(duì)象的有尺度修正的Planck定律及二階Taylor近似。另一方面，也是大部分研究的著眼點(diǎn)，則是針對(duì)不同觀測(cè)尺度或空間分辨率下所獲取的參數(shù)之間的差異及變化規(guī)律進(jìn)行分析。如Liang[63]研究了從30 m到1 km的BRDF (Bidirectional Reflectance Distribution Function)、反照率和LAI的變化規(guī)律，發(fā)現(xiàn)BRDF、反照率基本隨空間尺度的變化呈線(xiàn)性變化，而LAI則表現(xiàn)出非線(xiàn)性的規(guī)律；Tian等[64]比較了地表實(shí)測(cè)LAI與分別由30 m Landsat ETM+ (Enhanced Thematic Mapper Plus)數(shù)據(jù)及以之模擬的250 m、500 m和1000 m MODIS (Moderate Resolution Imaging Spectroradiometer)數(shù)據(jù)反演的植被LAI，結(jié)果表明ETM+反演的LAI值與實(shí)測(cè)值很好吻合，而MODIS的LAI反演結(jié)果存在5 %的低估；萬(wàn)華偉等[61]研究了不同測(cè)量尺度下冬小麥波譜，發(fā)現(xiàn)不同測(cè)量尺度光譜差別非常大，所表現(xiàn)出的反映植被生長(zhǎng)的特征也存在很大差異。

一些學(xué)者致力于對(duì)植被理化參數(shù)反演的空間尺度效應(yīng)產(chǎn)生原因進(jìn)行研究，主要的結(jié)論是植被理化參數(shù)反演的空間尺度效應(yīng)與反演方法的非線(xiàn)性及待反演參數(shù)的空間異質(zhì)性有關(guān)。如Chen等[19]的研究表明在進(jìn)行森林LAI估算時(shí)，非線(xiàn)性的反演方法被用在多種土地覆被類(lèi)型混合的像元，是造成尺度效應(yīng)的主要原因。陳健等[65]對(duì)蘆葦LAI反演誤差分析的結(jié)果顯示，NDVI算法的非線(xiàn)性對(duì)LAI影響很小，而LAI的空間異質(zhì)性則是引起LAI尺度效應(yīng)的根本原因。姚延娟等[20]研究了兩種情況下混合像元對(duì)LAI反演所帶來(lái)的不確定性問(wèn)題，結(jié)果表明由不同長(zhǎng)勢(shì)的作物所構(gòu)成的混合像元對(duì)LAI反演影響不大，而不同組分形成的混合像元對(duì)LAI反演結(jié)果影響很大。Wu和Li[15]指出遙感反演的尺度效應(yīng)大小與反演函數(shù)的非線(xiàn)性程度有關(guān)，且不能武斷地認(rèn)為線(xiàn)性的遙感反演方法不產(chǎn)生尺度效應(yīng)，而非線(xiàn)性反演方法一定會(huì)產(chǎn)生尺度效應(yīng)。徐希孺等[66]在作物冠層反射率模型基礎(chǔ)上進(jìn)行理論分析，得出連續(xù)植被LAI尺度效應(yīng)是LAI空間不均一性和反演公式的非線(xiàn)性性質(zhì)造成的結(jié)論，其中異質(zhì)性是產(chǎn)生尺度效應(yīng)的主要因素。朱小華等[21]通過(guò)LAI均值化及反射率數(shù)據(jù)線(xiàn)性累加模擬了不同尺度的LAI反演，從模型的非線(xiàn)性和地表景觀結(jié)構(gòu)的空間異質(zhì)性?xún)煞矫娣治隽嗽斐煞囱菡`差的原因，結(jié)果表明地表景觀結(jié)構(gòu)的空間異質(zhì)性是造成多尺度LAI反演誤差的關(guān)鍵因素。范聞捷等[67]則認(rèn)為遙感反演LAI尺度效應(yīng)的共因是LAI的空間分布不均與反演函數(shù)的非線(xiàn)性，但同時(shí)也應(yīng)充分認(rèn)識(shí)到植被類(lèi)型對(duì)尺度效應(yīng)機(jī)制的影響，離散植被的空間尺度效應(yīng)產(chǎn)生機(jī)理與連續(xù)植被存在不同。而對(duì)于不同植被理化參數(shù)，其在空間上的異質(zhì)程度差異，或其遙感反演所采用模型的非線(xiàn)性程度的不同，都會(huì)造成其空間尺度效應(yīng)表現(xiàn)的不同。但現(xiàn)有較多的相關(guān)研究是針對(duì)LAI進(jìn)行，而對(duì)葉綠素含量等其它植被理化參數(shù)則較少。相信隨著多種植被理化參數(shù)遙感反演方法的不斷成熟及其遙感產(chǎn)品的投入生產(chǎn)和應(yīng)用，對(duì)其空間尺度效應(yīng)的研究也會(huì)陸續(xù)展開(kāi)。同時(shí)，現(xiàn)有的植被理化參數(shù)空間尺度效應(yīng)研究大多針對(duì)基于NDVI等植被指數(shù)的較為簡(jiǎn)單的估算模型，其非線(xiàn)性程度較低，而隨著更多基于復(fù)雜的物理模型的反演方法的應(yīng)用，對(duì)其空間尺度效應(yīng)的研究也將深入。

對(duì)于空間尺度效應(yīng)的定量化描述，目前比較常用的方法主要可分為方差法、分形法、變異函數(shù)法和小波變換法四類(lèi)[68]，如Woodcock[13]提出的局部方差法，通過(guò)計(jì)算不同尺度下移動(dòng)窗口標(biāo)準(zhǔn)差的均值來(lái)反映數(shù)據(jù)的空間異質(zhì)性，以局部方差達(dá)到最大值的空間分辨率作為目標(biāo)觀測(cè)的最佳尺度；Zhang等[69]提出了信息分形維算法對(duì)不同尺度LAI和地表溫度產(chǎn)品的差異進(jìn)行定量描述；Garrigues等[70]利用變異函數(shù)的線(xiàn)性組合形式，提出用積分變程描述空間結(jié)構(gòu)的平均長(zhǎng)度尺度，以離散方差反映亞像元內(nèi)的空間異質(zhì)性；陳健等[65]利用半變異函數(shù)對(duì)像元空間異質(zhì)性進(jìn)行了定量描述；Ma等[71]以小波方差來(lái)計(jì)算各空間分辨率下的空間長(zhǎng)度尺度；吳驊[68]采用變異函數(shù)的離散方差和小波變換的小波方差實(shí)現(xiàn)了區(qū)域總異質(zhì)性、塊內(nèi)異質(zhì)性以及塊間異質(zhì)性的遙感定量估算。此外，Chen等[19]利用紋理和結(jié)構(gòu)參數(shù)對(duì)尺度效應(yīng)進(jìn)行描述。以上研究均在一定程度上對(duì)空間尺度效應(yīng)進(jìn)行了定量描述，而闡述空間尺度效應(yīng)的物理內(nèi)涵，并更系統(tǒng)地定量模擬分析其特征規(guī)律是今后研究的一個(gè)發(fā)展方向。

2.2空間尺度轉(zhuǎn)換

李小文等[62]認(rèn)為不同尺度之間存在3種層次的關(guān)系，(1)“尺不變”的關(guān)系，即較大空間尺度上的參數(shù)等于其所包含的較小尺度相應(yīng)元素的空間均值，兩者之間存在的是線(xiàn)性函數(shù)關(guān)系，但這樣的情況很少見(jiàn)；當(dāng)要表達(dá)符合能量加權(quán)法則的電磁波能量的遙感數(shù)據(jù)時(shí)，可以認(rèn)為其為尺不變[72]。(2)“相似性”或“自相似性”的關(guān)系，即不同尺度之間由于像元大小和地表復(fù)雜程度不同，可以表達(dá)為分形的關(guān)系；LAI、植被指數(shù)和比輻射率等不符合能量加權(quán)法則的遙感產(chǎn)品均為此種情況。(3)只存在“淵源關(guān)系”，即較大尺度只能表達(dá)為較小尺度內(nèi)的面積積分，而參數(shù)關(guān)系不能以簡(jiǎn)單的函數(shù)表示。植被理化參數(shù)空間尺度轉(zhuǎn)換的研究即是針對(duì)第二種情況，建立植被理化參數(shù)從一種尺度到另一種尺度上的轉(zhuǎn)換關(guān)系，包括“升尺度”和“降尺度”兩個(gè)方面[17]，現(xiàn)有的關(guān)于植被理化參數(shù)空間尺度轉(zhuǎn)換的研究更多針對(duì)是升尺度。張仁華等[72- 73]給出了表示不同尺度間差異的通用公式：

(1)

式中，F(xiàn)2和F1分別為在同一模型、同一地物、相同面積下大尺度像元的直接反演值和小尺度像元反演值的平均值。這一表達(dá)式揭示了遙感產(chǎn)品的均方差及其反演模型的正冪部分和負(fù)冪部分的離散度對(duì)兩種尺度的轉(zhuǎn)換差異的影響。對(duì)于基于非線(xiàn)性模型的遙感反演產(chǎn)品，構(gòu)成其尺度差異的基本影響因子有兩尺度的面積倍數(shù)n，模型的正冪φ和負(fù)冪φ，以及它們的方差V。Chen等[19]和Liang[63]的研究也指出了不同空間尺度的差異與函數(shù)的方差有關(guān)。

空間尺度轉(zhuǎn)換的方法，早期主要是利用統(tǒng)計(jì)分析方法進(jìn)行，如Hu和Islam[74]提出的“分布式”和“集總式”尺度轉(zhuǎn)換模型，前者將小尺度的反演模型輸入?yún)?shù)進(jìn)行算術(shù)平均到大尺度后進(jìn)行反演，后者將小尺度的反演結(jié)果直接進(jìn)行算術(shù)平均；張萬(wàn)昌等[75]利用這一方法實(shí)現(xiàn)了30 m ETM+影像反演LAI向900m的尺度轉(zhuǎn)換，并對(duì)MODIS的LAI產(chǎn)品進(jìn)行了校正?；诤?jiǎn)單加權(quán)平均的尺度轉(zhuǎn)換對(duì)數(shù)據(jù)特征及反演的物理機(jī)制均考慮不足，因此一些學(xué)者致力于對(duì)其他方法進(jìn)行探索。Chen等[19]將尺度效應(yīng)表示為地表覆蓋類(lèi)型組分比的函數(shù)，以主導(dǎo)覆蓋類(lèi)型的百分比對(duì)不同尺度植被理化參數(shù)的反演進(jìn)行修正；田慶久等[76]利用此法進(jìn)行了針葉林、混交林和空曠地3種地表類(lèi)型上的LAI的升尺度轉(zhuǎn)換。近年來(lái)國(guó)內(nèi)外學(xué)者采用多種數(shù)學(xué)方法，建立具有一定數(shù)學(xué)物理基礎(chǔ)的尺度轉(zhuǎn)換模型[68]，包括泰勒級(jí)數(shù)展開(kāi)法、計(jì)算幾何法、分形方法等。如Garrigues等[10]以泰勒展開(kāi)式對(duì)LAI估算的尺度誤差進(jìn)行了計(jì)算；朱小華等[21]通過(guò)泰勒展開(kāi)式實(shí)現(xiàn)了大尺度LAI反演結(jié)果的誤差糾正。而吳驊等[77]對(duì)泰勒級(jí)數(shù)展開(kāi)模型和計(jì)算幾何模型對(duì)LAI尺度轉(zhuǎn)換的普適性進(jìn)行了分析，表明針對(duì)小尺度數(shù)據(jù)，泰勒級(jí)數(shù)模型可以更好地刻畫(huà)尺度效應(yīng)。張仁華等[69,72]引入分形幾何學(xué)思想，建立了尺度轉(zhuǎn)換的信息分形維算法；欒海軍等[78]利用分形方法實(shí)現(xiàn)了NDVI的連續(xù)升尺度轉(zhuǎn)換模型。此外，徐希孺等[66]從混合像元的真實(shí)LAI表達(dá)公式出發(fā)，通過(guò)數(shù)值模擬方法確定了純含有植被的零級(jí)像元占n級(jí)像元面積比例隨像元級(jí)別的變化規(guī)律，在此基礎(chǔ)上建立了LAI向n級(jí)像元進(jìn)行轉(zhuǎn)換的公式。總的來(lái)說(shuō)，建立更具有物理內(nèi)涵和普適性更強(qiáng)的空間尺度轉(zhuǎn)換模型是當(dāng)前研究的發(fā)展方向。同時(shí)，也存在已取得的方法和結(jié)果距離實(shí)際應(yīng)用有較大差距的問(wèn)題亟待解決[16]。

3總結(jié)與展望

綜上可見(jiàn)，植被理化參數(shù)遙感反演的光譜尺度效應(yīng)研究方興未艾，而空間尺度效應(yīng)近年來(lái)雖已進(jìn)行了大量研究，但其理論和實(shí)踐挑戰(zhàn)依然艱巨，在尺度效應(yīng)和尺度轉(zhuǎn)換的機(jī)理等諸多方面的研究仍有待深入[16]。

(1)“光譜尺度效應(yīng)”這一提法較少，相關(guān)的研究更是缺乏系統(tǒng)性，現(xiàn)有研究往往是以建立植被指數(shù)的最佳波段選擇和最佳波段寬度確定為目的[32- 34,53- 54]，或針對(duì)在軌衛(wèi)星傳感器的波段位置和寬度差異進(jìn)行分析[24]，且并無(wú)定論。而對(duì)光譜尺度效應(yīng)機(jī)理與表現(xiàn)研究不足，且相關(guān)研究往往采用非連續(xù)的統(tǒng)計(jì)方法，對(duì)光譜本身的物理特征反映不足。因此，針對(duì)植被理化參數(shù)的光譜特征和反演的尺度效應(yīng)的研究還亟待深入。

(2)空間尺度效應(yīng)方面，現(xiàn)有的植被理化參數(shù)空間尺度效應(yīng)研究更多是針對(duì)LAI進(jìn)行，且大多基于經(jīng)驗(yàn)性的估算模型因而非線(xiàn)性程度較低。隨著針對(duì)多種植被理化參數(shù)、并采用更復(fù)雜物理模型的遙感反演方法的成熟，及其遙感產(chǎn)品的投入生產(chǎn)與應(yīng)用，空間尺度效應(yīng)的研究將更加深入。同時(shí)，對(duì)空間尺度效應(yīng)的物理內(nèi)涵進(jìn)行充分闡釋?zhuān)捎酶到y(tǒng)的描述指標(biāo)定量模擬分析空間尺度效應(yīng)的特征規(guī)律，建立更具有普適性的空間尺度轉(zhuǎn)換模型，并實(shí)際應(yīng)用于植被理化參數(shù)的產(chǎn)品生產(chǎn)中，是今后研究的重點(diǎn)發(fā)展方向。

(3)光譜分辨率和空間分辨率是遙感數(shù)據(jù)的兩大基本特征，而隨著更多高分遙感傳感器的投入應(yīng)用，勢(shì)必面臨光譜和空間效應(yīng)耦合作用的情況，但實(shí)際上這方面的研究卻剛剛開(kāi)始[79- 80]，需要從形成機(jī)理和建立模型入手，深入開(kāi)展研究。

(4)遙感反演植被理化參數(shù)的空間尺度效應(yīng)雖有別于生態(tài)學(xué)等領(lǐng)域中的尺度效應(yīng)，但與之密切相關(guān)，后者研究所形成的較為系統(tǒng)的理論、方法等[81]均值得借鑒參考。

參考文獻(xiàn)(References):

[1]Pu R, Gong P. Hyperspectral remote sensing of vegetation bioparameters // Weng Q H, ed. Advances in Environmental Remote Sensing:Sensors, Algorithms, and Applications. Boca Raton:CRC Press Taylor and Francis Group, LLC, 2011.

[2]宮鵬. 拓展與深化中國(guó)全境的環(huán)境變化遙感應(yīng)用. 科學(xué)通報(bào), 2012, 57(16):1379- 1387.

[3]Blackburn G A, Ferwerda J G. Retrieval of chlorophyll concentration from leaf reflectance spectra using wavelet analysis. Remote Sensing of Environment, 2008, 112(4):1614- 1632.

[4]Martin M E, Plourde L C, Ollinger S V, Smith M L, McNeil B E. A generalizable method for remote sensing of canopy nitrogen across a wide range of forest ecosystems. Remote Sensing of Environment, 2008, 112(9):3511- 3519.

[5]彭少麟, 張桂蓮, 柳新偉. 生態(tài)系統(tǒng)模擬模型的研究進(jìn)展. 熱帶亞熱帶植物學(xué)報(bào), 2005, 13(1):85- 94.

[6]毛留喜, 孫艷玲, 延曉冬. 陸地生態(tài)系統(tǒng)碳循環(huán)模型研究概述. 應(yīng)用生態(tài)學(xué)報(bào), 2006, 17(11):2189- 2195.

[7]曹宏鑫, 趙鎖勞, 葛道闊, 劉永霞, 劉巖, 孫金英, 岳延濱, 張智優(yōu), 陳煜利. 作物模型發(fā)展探討. 中國(guó)農(nóng)業(yè)科學(xué), 2011, 44(17):3520- 3528.

[8]曾也魯, 李靜, 柳欽火. 全球LAI地面驗(yàn)證方法及驗(yàn)證數(shù)據(jù)綜述. 地球科學(xué)進(jìn)展, 2012, 27(2):165- 174.

[9]劉洋, 劉榮高, 陳鏡明, 程曉, 鄭光. 葉面積指數(shù)遙感反演研究進(jìn)展與展望. 地球信息科學(xué)學(xué)報(bào), 2013, 15(5):734- 743.

[10]Garrigues S, Allard D, Baret F, Weiss M. Influence of landscape spatial heterogeneity on the non-linear estimation of leaf area index from moderate spatial resolution remote sensing data. Remote Sensing of Environment, 2006, 105(4):286- 298.

[11]Ganguly S, Schull M A, Samanta A, Shabanov N V, Milesi C, Nemani R R, Knyazikhin Y, Myneni R B. Generating vegetation leaf area index earth system data record from multiple sensors. Part 1:Theory. Remote Sensing of Environment, 2008, 112(12):4333- 4343.

[12]Ganguly S, Samanta A, Schull M A, Shabanov N V, Milesi C, Nemani R R, Knyazikhin Y, Myneni R B. Generating vegetation leaf area index Earth system data record from multiple sensors. Part 2:Implementation, analysis and validation. Remote Sensing of Environment, 2008, 112(12):4318- 4332.

[13]Woodcock C E, Strahler A H. The factor of scale in remote sensing. Remote Sensing of Environment, 1987, 21(3):311- 332.

[14]Goodchild M F, Quattrochi D A. Introduction:Scale, Multiscaling, Remote Sensing, and GIS// Quattrochi D A, Goodchild M F, eds. Scale in Remote Sensing and GIS. Boca Raton, Fla.:Lewis Publishers, 1997.

[15]Wu H, Li Z L. Scale issues in remote sensing:a review on analysis, processing and modeling. Sensors, 2009, 9(3):1768- 1793.

[16]李小文, 王祎婷. 定量遙感尺度效應(yīng)芻議. 地理學(xué)報(bào), 2013, 68(9):1163- 1169.

[17]梁順林. 定量遙感//范聞捷, 譯. 北京:科學(xué)出版社, 2009.

[18]李小文, 王錦地, Strahler A H. 尺度效應(yīng)及幾何光學(xué)模型用于尺度糾正. 中國(guó)科學(xué)(E輯):技術(shù)科學(xué), 2000, 30(s1):12- 17.

[19]Chen J M. Spatial scaling of a remotely sensed surface parameter by contexture. Remote Sensing of Environment, 1999, 69(1):30- 42.

[20]姚延娟, 劉強(qiáng), 柳欽火, 李小文. 異質(zhì)性地表的葉面積指數(shù)反演的不確定性分析. 遙感學(xué)報(bào), 2007, 11(6):763- 770.

[21]朱小華, 馮曉明, 趙英時(shí), 宋小寧. 作物L(fēng)AI的遙感尺度效應(yīng)與誤差分析. 遙感學(xué)報(bào), 2010, 14(3):586- 592.

[23]Teillet P M, Staenz K, William D J. Effects of spectral, spatial, and radiometric characteristics on remote sensing vegetation indices of forested regions. Remote Sensing of Environment, 1997, 61(1):139- 149.

[24]Galv?o L S, Vitorello, Filho R A. Effects of band positioning and bandwidth on NDVI measurements of tropical savannas. Remote Sensing of Environment, 1999, 67(2):181- 193.

[25]van Leeuwen W J D, Orr B J, Marsh S E, Herrmann S M. Multi-sensor NDVI data continuity:Uncertainties and implications for vegetation monitoring applications. Remote Sensing of Environment, 2006, 100(1):67- 81.

[26]王福民, 黃敬峰, 王秀珍, 陳拉, 唐延林. 波段位置和寬度對(duì)不同生育期水稻NDVI影響研究. 遙感學(xué)報(bào), 2008, 12(4):626- 632.

[27]Dalponte M, Bruzzone L, Vescovo L, Gianelle D. The role of spectral resolution and classifier complexity in the analysis of hyperspectral images of forest areas. Remote Sensing of Environment, 2009, 113(11):2345- 2355.

[28]Zhao D H, Li J L, Qi J G. Identification of red and NIR spectral regions and vegetative indices for discrimination of cotton nitrogen stress and growth stage. Computers and Electronics in Agriculture, 2005, 48(2):155- 169.

[29]浦瑞良, 宮鵬. 高光譜遙感及其應(yīng)用. 北京:高等教育出版社, 2000.

[30]Zhao D H, Huang L M, Li J L, Qi J G. A comparative analysis of broadband and narrowband derived vegetation indices in predicting LAI and CCD of a cotton canopy. ISPRS Journal of Photogrammetry and Remote Sensing, 2007, 62(1):25- 33.

[31]Kokaly R F, Clark R N. Spectroscopic determination of leaf biochemistry using band-depth analysis of absorption features and stepwise multiple linear regression. Remote Sensing of Environment, 1999, 67(3):267- 287.

[32]Cho M A, Skidmore A K. A new technique for extracting the red edge position from hyperspectral data:The linear extrapolation method. Remote Sensing of Environment, 2006, 101(2):181- 193.

[33]Darvishzadeh R, Skidmore A, Schlerf M, Atzberger C, Corsi F, Cho M. LAI and chlorophyll estimation for a heterogeneous grassland using hyperspectral measurements. ISPRS Journal of Photogrammetry and Remote Sensing, 2008, 63(4):409- 426.

[34]Yao X, Zhu Y, Tian Y C, Feng W, Cao W X. Exploring hyperspectral bands and estimation indices for leaf nitrogen accumulation in wheat. International Journal of Applied Earth Observation and Geoinformation, 2010, 12(2):89- 100.

[35]劉小剛, 趙慧潔, 李娜. 基于多重分形譜的高光譜數(shù)據(jù)特征提取. 光學(xué)學(xué)報(bào), 2009, 29(3):844- 848.

[36]孫小芳. 利用小波分形維數(shù)確定水稻光譜分辨率特征尺度. 遙感學(xué)報(bào), 2013, 17(6):1420- 1426.

[37]Galv?o L S, Vitorello I, Pizarro M A. An adequate band positioning to enhance NDVI contrasts among green vegetation, senescent biomass, and tropical soils. International Journal of Remote Sensing, 2000, 21(9):1953- 1960.

[38]Liu H Q, Huete A. A feedback based modification of the NDVI to minimize canopy background and atmospheric noise. IEEE Transactions on Geoscience and Remote Sensing, 1995, 33(2):457- 465.

[39]Mutanga O, Skidmore A K. Narrow band vegetation indices overcome the saturation problem in biomass estimation. International Journal of Remote Sensing, 2004, 25(19):3999- 4014.

[40]Yao X F, Yao X, Tian Y C, Ni J, Liu X J, Cao W X, Zhu Y. A new method to determine central wavelength and optimal bandwidth for predicting plant nitrogen uptake in winter wheat. Journal of Integrative Agriculture, 2013, 12(5):788- 802.

[41]Horler D N H, Dockray M, Barber J. The red edge of plant leaf reflectance. International Journal of Remote Sensing, 1983, 4(2):273- 288.

[42]蔣金豹, 陳云浩, 黃文江. 利用高光譜紅邊與黃邊位置距離識(shí)別小麥條銹病. 光譜學(xué)與光譜分析, 2010, 30(6):1614- 1618.

[43]朱葉青, 屈永華, 劉素紅, 陳圣波. 重金屬銅污染植被光譜響應(yīng)特征研究. 遙感學(xué)報(bào), 2014, 18(2), 344- 353.

[44]Thenkabail P S, Smith R B, De Pauw E. Hyperspectral vegetation indices and their relationships with agricultural crop characteristics. Remote Sensing of Environment, 2000, 71(2):158- 182.

[45]Lee K S, Cohen W B, Kennedy R E, Maiersperger T K, Gower S T. Hyperspectralversusmultispectral data for estimating leaf area index in four different biomes. Remote Sensing of Environment, 2004, 91(3/4):508- 520.

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

[47]Broge N H, Leblanc E. Comparing prediction power and stability of broadband and hyperspectral vegetation indices for estimation of green leaf area index and canopy chlorophyll density. Remote Sensing of Environment, 2001, 76(2):156- 172.

[48]Broge N H, Mortensen J V. Deriving green crop area index and canopy chlorophyll density of winter wheat from spectral reflectance data. Remote Sensing of Environment, 2002, 81(1):45- 57.

[49]Elvidge C D, Chen Z K. Comparison of broad-band and narrow-band red and near-infrared vegetation indices. Remote Sensing of Environment, 1995, 54(1):38- 48.

[50]Fava F, Colombo R, Bocchi S, Meroni M, Sitzia M, Fois N, Zucca C. Identification of hyperspectral vegetation indices for Mediterranean pasture characterization. International Journal of Applied Earth Observation and Geoinformation, 2009, 11(4):233- 243.

[51]Mariotto I, Thenkabail P S, Huete A, Slonecker E T, Platonov A. Hyperspectralversusmultispectral crop-productivity modeling and type discrimination for the HyspIRI mission. Remote Sensing of Environment, 2013, 139:291- 305.

[52]Knox N M, Skidmore A K, Schlerf M, de Boer W F, van Wieren S E, van der Waal C, Prins H H T, Slotow R. Nitrogen prediction in grasses:effect of bandwidth and plant material state on absorption feature selection. International Journal of Remote Sensing, 2010, 31(3):691- 704.

[53]Thenkabail P S, Smith R B, De Pauw E. Evaluation of narrowband and broadband vegetation indices for determining optimal hyperspectral wavebands for agricultural crop characterization. Photogrammetric Engineering and Remote Sensing, 2002, 68(6):607- 622.

[54]王福民, 黃敬峰, 唐延林, 王秀珍. 采用不同光譜波段寬度的歸一化植被指數(shù)估算水稻葉面積指數(shù). 應(yīng)用生態(tài)學(xué)報(bào), 2007, 18(11):2444- 2450.

[55]Cheng T, Rivard B, Sánchez-Azofeifa G A, Feng J, Calvo-Polanco M. Continuous wavelet analysis for the detection of green attack damage due to mountain pine beetle infestation. Remote Sensing of Environment, 2010, 114(4):899- 910.

[56]Cheng T, Rivard B, Sánchez-Azofeifa G A. Spectroscopic determination of leaf water content using continuous wavelet analysis. Remote Sensing of Environment, 2011, 115(2):659- 670.

[57]蔡運(yùn)龍. 當(dāng)代自然地理學(xué)態(tài)勢(shì).地理研究, 2010, 29(1):1- 12.

[58]張娜. 生態(tài)學(xué)中的尺度問(wèn)題:內(nèi)涵與分析方法. 生態(tài)學(xué)報(bào), 2005, 26(7):2340- 2355.

[59]鄔建國(guó). 景觀生態(tài)學(xué)——格局、過(guò)程、尺度與等級(jí). 北京:高等教育出版社, 2006.

[60]Raffy M. Change of scale theory:a capital challenge for space observation of earth. International Journal of Remote Sensing, 1994, 15(12):2353- 2357.

[61]萬(wàn)華偉, 王錦地, 屈永華, 焦子銻, 張顥. 植被波譜空間尺度效應(yīng)及尺度轉(zhuǎn)換方法初步研究. 遙感學(xué)報(bào), 2008, 12(4):538- 545.

[62]李小文, 王錦地, Strahler A H. 非同溫黑體表面上Planck定律的尺度效應(yīng). 中國(guó)科學(xué)(E輯):技術(shù)科學(xué), 1999, 29(5):422- 426.

[63]Liang S L. Numerical experiments on the spatial scaling of land surface albedo and leaf area index. Remote Sensing Reviews, 2000, 19(1/4):225- 242.

[64]Tian Y H, Woodcock C E, Wang Y J, Privette J L, Shabanov N V, Zhou L M, Zhang Y, Buermann W, Dong J R, Veikkanen B, H?me T, Andersson K, Ozdogan M, Knyazikhin Y, Myneni R B. Multiscale analysis and validation of the MODIS LAI product:Ⅰ. Uncertainty assessment. Remote Sensing of Environment, 2002, 83(3):414- 430.

[65]陳健, 倪紹祥, 李靜靜, 吳彤.植被葉面積指數(shù)遙感反演的尺度效應(yīng)及空間變異性. 生態(tài)學(xué)報(bào), 2006, 26(5):1502- 1508.

[66]徐希孺, 范聞捷, 陶欣. 遙感反演連續(xù)植被葉面積指數(shù)的空間尺度效應(yīng). 中國(guó)科學(xué)(D輯):地球科學(xué), 2009, 39(1):79- 87.

[67]范聞捷, 蓋穎穎, 徐希孺, 閆彬彥. 遙感反演離散植被有效葉面積指數(shù)的空間尺度效應(yīng). 中國(guó)科學(xué)(D輯):地球科學(xué), 2013, 43(2):280- 286.

[68]吳驊. 地表關(guān)鍵特征參數(shù)的尺度效應(yīng)與尺度轉(zhuǎn)換方法研究——以葉面積指數(shù)和地表溫度為例[D]. 北京:中國(guó)科學(xué)院研究生院, 2010.

[69]Zhang R H, Tian J, Li Z L, Sun X M, Jiang X G. Spatial scaling and information fractal dimension of surface parameters used in quantitative remote sensing. International Journal of Remote Sensing, 2008, 29(17/18):5145- 5159.

[70]Garrigues S, Allard D, Baret F, Weiss M. Quantifying spatial heterogeneity at the landscape scale using variogram models. Remote Sensing of Environment, 2006, 103(1):81- 96.

[71]Ma L L, Tang L L, Li Z L. Spatial variability analysis to remote sensing image on different scales with wavelet variance// International Symposium on Multispectral Image Processing and Pattern Recognition. International Society for Optics and Photonics. Bellingham:Spie-Int Soc Optical Engineering, 2007.

[72]張仁華, 田靜, 李召良, 蘇紅波, 陳少輝. 定量遙感產(chǎn)品真實(shí)性檢驗(yàn)的基礎(chǔ)與方法. 中國(guó)科學(xué)(D輯):地球科學(xué), 2010, 40(2):211- 222.

[73]Zhang R H, Li Z L, Tang X Z, Sun X M, Su H B, Zhu C, Zhu Z L. Study of emissivity scaling and relativity of homogeneity of surface temperature. International Journal of Remote Sensing, 2004, 25(1):245- 259.

[74]Hu Z L, Islam S. A framework for analyzing and designing scale invariant remote sensing algorithms. IEEE Transactions on Geoscience and Remote Sensing, 1997, 35(3):747- 755.

[75]張萬(wàn)昌, 鐘山, 胡少英. 黑河流域葉面積指數(shù)(LAI)空間尺度轉(zhuǎn)換. 生態(tài)學(xué)報(bào), 2008, 28(6):2495- 2503.

[76]田慶久, 金震宇. 森林葉面積指數(shù)遙感反演與空間尺度轉(zhuǎn)換研究. 遙感信息, 2006, 4, 5- 11.

[77]吳驊, 姜小光, 習(xí)曉環(huán), 李傳榮, 李召良. 兩種普適性尺度轉(zhuǎn)換方法比較與分析研究. 遙感學(xué)報(bào), 2009, 13(2):183- 189.

[78]欒海軍, 田慶久, 顧行發(fā), 余濤, 胡新禮. 基于分形理論與GEOEYE-1影像的NDVI連續(xù)空間尺度轉(zhuǎn)換模型構(gòu)建及應(yīng)用. 紅外與毫米波學(xué)報(bào), 2013, 32(6):538- 549.

[79]Lausch A, Pause M, Doktor D, Preidl S, Schulz K. Monitoring and assessing of landscape heterogeneity at different scales. Environmental Monitoring and Assessment, 2013, 185(11):9419- 9434.

[80]Thorp K R, French A N, Rango A. Effect of image spatial and spectral characteristics on mapping semi-arid rangeland vegetation using multiple endmember spectral mixture analysis (MESMA). Remote Sensing of Environment, 2013, 132:120- 130.

[81]呂一河, 傅伯杰. 生態(tài)學(xué)中的尺度及尺度轉(zhuǎn)換方法. 生態(tài)學(xué)報(bào), 2001, 21(12):2096- 2105.

Review of spectral and spatial scale effects of remotely sensed biophysical and biochemical vegetation parameters

HUANG Yan1,2,3, TIAN Qingjiu1,2,3,*, GENG Jun1,2,3, WANG Lei1,2,3, LUAN Haijun1,2,3

1InternationalInstituteforEarthSystemScience,NanjingUniversity,Nanjing210023,China2JiangsuProvincialKeyLaboratoryofGeographicInformationScienceandTechnology,NanjingUniversity,Nanjing210023,China3JiangsuCenterforCollaborativeInnovationinGeographicalInformationResourceDevelopmentandApplication,NanjingUniversity,Nanjing210023,China

Abstract:Biophysical and biochemical vegetation parameters are significant indicators of carbon and nutrient cycling and energy exchange in ecosystems. Remote-sensing inversion is an important method of obtaining regional and global biophysical and biochemical vegetation parameters. However, spectral and spatial scale effects result in differences among remotely sensed bio-parameters from different sources. This limits their use in unified applications and affects the precision of ecological models that utilize them as input parameters. This review examines the concept of the spectral-scale effect of remotely sensed bio-parameters and its causes. The spectral-scale effect is the phenomenon in which differences exist in the remotely sensed bio-parameters obtained using different band resolutions and band positions. The spectral-scale effect has two main aspects:the response of different regions of the spectrum to different internal structures, and the response to the chemical composition of green vegetation. Moreover, the response intensities and bandwidths of different sensors are different. This paper reviews relevant research on the spectral-scale from the perspectives of spectral-band position and bandwidth. Studies on band position usually analyze finite and discontinuous bands through statistical methods, but the physical characteristics of spectrum itself are not accounted for. Studies have not reached a consensus on whether a wide band or narrow band is more suitable for vegetation physicochemical parameter estimation. The manner in which spectral bandwidth influences extraction of vegetation information, construction of vegetation indices, and bio-parameter estimation is not yet clear. Research on the influence of the spatial effect on remotely sensed bio-parameters was summarized and analyzed from the perspectives of understanding the causes of the spatial effect, spatial heterogeneity description methods, and spatial scaling methods. The main conclusion of existing research is that the spatial-scale effect of remotely sensed bio-parameter inversion is related to use of nonlinear inversion methods and spatial heterogeneity of the parameters. However, most studies focused on leaf area index (LAI) and are aimed at relatively simple estimation models based on vegetation indices such as the normalized differential vegetation index (NDVI). Commonly used spatial-scale effect description methods are the variance method, the fractal method, the variation-function method, and the wavelet-transform method. Future research should seek to explain the physical meaning of the spatial-scale effect and to systematically and quantitatively simulate and analyze its characteristics. Although the spatial-scaling method has been adapted for use in spatial-scaling modeling from mathematical, statistical and physical methods, a great gap still exists between the theory of spatial-scaling models and their practical application. This review elucidates the need for more studies on spectral-scale effects in biophysical and biochemical vegetation parameters. In-depth spatial-scale effect studies aimed at the various vegetation parameters and inversion methods, using more complex physical models, are required. Studies on coupled spectral and spatial effects are a possible future direction, and theories and methods from ecology and other fields may provide valuable guidance.

Key Words:scale effect; spectral; spatial; bioparameters

DOI:10.5846/stxb201405150996

*通訊作者

Corresponding author.E-mail:tianqj@nju.edu.cn

收稿日期:2014- 05- 15; 網(wǎng)絡(luò)出版日期:2015- 06- 11

基金項(xiàng)目:國(guó)家科技重大專(zhuān)項(xiàng)(Y20A-C04, Y20A-D52); 國(guó)家重點(diǎn)基礎(chǔ)研究發(fā)展計(jì)劃項(xiàng)目(2010CB951503);南京大學(xué)優(yōu)秀博士研究生科研能力提升計(jì)劃B(201301B012)

黃彥, 田慶久, 耿君, 王磊, 欒海軍.遙感反演植被理化參數(shù)的光譜和空間尺度效應(yīng).生態(tài)學(xué)報(bào),2016,36(3):883- 891.

Huang Y, Tian Q J, Geng J, Wang L, Luan H J.Review of spectral and spatial scale effects of remotely sensed biophysical and biochemical vegetation parameters.Acta Ecologica Sinica,2016,36(3):883- 891.