基于Landsat 8 OLI影像的塔里木河下游河岸林叶面积指数反演

干旱区地理 ›› 2014, Vol. 37 ›› Issue (6): 1248-1256.

基于Landsat 8 OLI影像的塔里木河下游河岸林叶面积指数反演

朱绪超^1，2，袁国富¹，易小波³，杜涛^1，2

1 中国科学院地理科学与资源研究所生态系统网络观测与模拟重点实验室，北京 100101；
2 中国科学院大学，北京 100049； 3 西北农林科技大学资源与环境学院，陕西杨陵 712100

收稿日期:2014-01-18 修回日期:2014-03-04 出版日期:2014-11-25
通讯作者: 袁国富，男，博士，副研究员. Email：yuangf@igsnrr.ac.cn
作者简介:朱绪超（1988-），男，硕士研究生，研究方向为生态水文学. Email：zhuxuchao1988@126.com
基金资助:
国家重大研究计划项目（2010CB951002）；国家自然科学基金项目（41271050）

Leaf area index inversion of riparian forest in the lower basin of Tarim River based on Landsat 8 OLI images

ZHU Xu-chao^1，2， YUAN Guo-fu¹， YI Xiao-bo³， DU Tao^1，2

1 Institute of Geographic Science and Natural Resources Research，Chinese Academy of Sciences, Beijing 100101，China； 2 University of Chinese Academy of Sciences，Beijing 100049，China；3 College of Resources and Environment，Northwest A & F University，Yangling 712100，Shaanxi，China

Received:2014-01-18 Revised:2014-03-04 Online:2014-11-25

摘要/Abstract

摘要： 叶面积指数（Leaf Area Index，LAI）是描述植物冠层结构特征的重要参数，也是研究植物冠层表面物质和能量交换必不可少的参数。根据在塔里木河下游河岸林地利用[LAI-]2250实测的LAI]数据，比较Landsat 8 OLI遥感数据提取的几种常规植被指数估算LAI的能力，建立[LAI]估算模型，并利用实测数据对模拟结果进行精度验证，生成塔里木河下游LAI分布图。结果表明：（1）各植被指数（Vegetation Indexes，VIs）与LAI均具有一定的相关性，对于不同的植被指数，二次多项式回归模型相关性均最高；（2）在不区分植被类型的样本分析中，大气阻抗植被指数（Atmospherically Resistant Vegetation Index，ARVI）与实测LAI具有最高的相关性；（3）分别针对柽柳林和胡杨林样本分析，判定系数[R2]和反演精度均具有不同程度的提高，对应的最适植被指数分别为归一化植被指数（Normalized Differential Vegetation Index，NDVI）和ARVI；（4）塔里木河下游河岸植被[LAI]有3个高值区：大西海子水库附近、下游中部和尾闾湖台特玛湖附近。全区LAI值主要分布在0～1.5之间，均值为0.361。该研究结果为遥感提取塔里木河下游河岸林带高空间分辨率的叶面积指数数据提供了数据支持和方法支撑。

关键词: 叶面积指数, 植被指数, 塔里木河下游, 遥感反演, Landsat 8 OLI影像

Abstract: Leaf area index（LAI） is an important parameter for describing structural characteristics of plant canopy and also an essential parameter for researching the exchange information of mass and energy associated with canopy surface. In this study，we use the VIs（Vegetation Indexes）-LAI method to inverse LAI value of the riparian forests of the lower reaches of the Tarim River. The modeling data is comprised of LAI and VIs，which were acquired by field measurements by LAI-2250 and indoor processing work of Landsat 8 OLI remote sensing image respectively. Three optimal models were built separately for the whole samples，the Tamarix forests samples and the Populus euphratica Oliv forests samples，and made precision tests by comparing with the measured LAI values which were not used in building the models previously. Then the LAI distribution map was acquired by using the whole samples VIs-LAI inversion model. The results showed as follows：（1）In the three different samples analyses，all vegetation indexes have good relevance with LAI，and among different vegetation indexes，quadratic polynomial regression model has the highest goodness of fit．（2）In the whole samples analysis which does not distinguish vegetation types，ARVI（atmospherically resistant vegetation index）has the best correlation with measured LAI，y=10.714x²+2.324x+0.157，R²=0.632. In the Tamarix forests samples analysis，NDVI（normalized difference vegetation index）has the best correlation with measured LAI，y=-0.216x²+5.744x-0.356，R²=0.689，and in the Populus euphratica Oliv forests samples analysis，ARVI has the best correlation with measured LAI，y=8.119x²+2.036x+0.095，R²=0.816. （3） All the three models have relatively high overall precision which could meet the demand of LAI inversion in this arid region. And the fitting precision of Tamarix forests samples and the Populus euphratica Oliv forests samples have improved by 4.7% and 0.2% respectively compared with the whole samples fitting precision. （4） There are three relatively high value areas in the distribution map of LAI，the Daxihaizi reservoir area，the middle part of the reach and the Taitema Lake area，due to relative high water content for vegetation. And the LAI values were mainly in a range of 0-1.5 with a mean value of 0.361. In this study，we estimated the LAI distribution of the riparian vegetation of the lower Tarim River. The results provided data support for studying riparian plant and desert ecology of the Tarim River，and also provided method support for acquiring the high spatial resolution [LAI] data in the riparian forests in the lower Tarim River.

Key words: leaf area index, vegetation index, the lower Tarim River, remote sensing inversion, Landsat 8 OLI image

中图分类号:

P237

朱绪超，袁国富，易小波，杜涛. 基于Landsat 8 OLI影像的塔里木河下游河岸林叶面积指数反演[J]. 干旱区地理, 2014, 37(6): 1248-1256.

ZHU Xu-chao，YUAN Guo-fu，YI Xiao-bo，DU Tao. Leaf area index inversion of riparian forest in the lower basin of Tarim River based on Landsat 8 OLI images[J]. , 2014, 37(6): 1248-1256.

参考文献

［1］ WATSON D J. Comparative physiological studies on the growth of field crops：I. Variation in net assimilation rate and leaf area between species and varieties，and within and between years［J］. Annals of Botany，1947，11（41）：41-76.

［2］李开丽，蒋建军，茅荣正，等. 植被叶面积指数遥感监测模型［J］. 生态学报，2005，25（6）：1491-1496.

［3］ CHEN J M，CIHLAR J. Retrieving leaf area index of boreal conifer forests using Landsat TM images［J］. Remote Sensing of Environment，1996，55：153-162.

［4］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（5）：537-541.

［5］谭一波，赵仲辉. 叶面积指数的主要测定方法［J］. 林业调查规划，2008，33（3）：45-48.

［6］骆社周，程峰，王方建，等. 基于TM遥感数据的西藏林芝地区叶面积指数反演［J］. 遥感技术与应用，2012，27（5）：740-745.

［7］徐全芝，张万昌，刘三超，等. 黑河流域叶面积指数的遥感反演［J］. 干旱区研究，2003，20（4）：281-285.

［8］ SUPANNIKA P，SHIN N，KENLO N N，et al. Two separate periods of the [LAI-VIs] relationships using in situ measurements in a deciduous broadleaf forest［J］. Agricultural and Forest Meteorology，2013，169：148-155.

［9］ KUUSK A. A fast invertible canopy reflectance model［J］. Remote Sensing of Environment，1995，51：342-350.

［10］刘华，陈亚宁，杨晓明. 塔里木河下游生态响应遥感监测研究［J］. 干旱区地理，2007，30（2）：203-208.

［11］ NAGLER P L，GLENN E P，THOMPSON T L，et al. Leaf area index and normalized difference vegetation index as predictors of canopy characteristics and light interception by riparian species on the Lower Colorado River［J］. Agricultural and Forest Meteorology，2004，125：1-17.

［12］柳艺博，居为民，朱高龙，等. 内蒙古不同类型草地叶面积指数遥感估算［J］. 生态学报，2011，31（18）：5159-5170.

［13］ TEILLET P M，FEDOSEJEVS G. On the dark target approach to atmospheric correction of remotely sensed data［J］. Canadian Journal of Remote Sensing，1995，21（4）：374-387.

［14］田庆久，闵祥军. 植被指数研究进展［J］. 地球科学进展，1998，13（4）：10-16.

［15］池宏康. 黄土高原地区提取植被信息方法的研究［J］. 植物学报，1996，38，（1）：40-44.

［16］姚远，丁建丽，倪绍忠，等. 基于垂直植被指数的干旱区荒漠环境人工杨树林生物量模型［J］. 生态学杂志，2012，31（1）：222-226.

［17］ HUETE A R. A soil-adjusted vegetation index [（SAVI）]［J］. Remote Sensing of Environment，1988，25：295-309.

［18］ IRMAK S，KABENGE I，RUDNICK D，et al. Evapotranspiration crop coefficients for mixed riparian plant community and transpiration crop coefficients for common reed，cottonwood and peach- leaf willow in the Platte River Basin，Nebraska-USA［J］. Journal of Hydrology，2013，481：177-190.

[1]	唐太斌, 周保, 金晓媚, 魏赛拉加, 马涛, 张永艳. 黄河源区夏季地表温度变化研究[J]. 干旱区地理, 2023, 46(8): 1250-1259.
[2]	贺军奇,魏燕,高万德,陈云飞,马延东,刘秀花. 毛乌素沙地东南缘植被NDVI时空变化及其对气候因子的响应[J]. 干旱区地理, 2022, 45(5): 1523-1533.
[3]	刘旭辉,白云岗,柴仲平,张江辉,丁邦新,江柱. 基于多光谱遥感的典型绿洲棉田春季土壤盐分反演及验证[J]. 干旱区地理, 2022, 45(4): 1165-1175.
[4]	罗新兰,孙悦,刘利民,王立为,杨丽桃,高西宁. 华北一作区马铃薯生长发育及产量对干旱胁迫响应的模拟研究——以武川县为例[J]. 干旱区地理, 2022, 45(3): 867-878.
[5]	程丹妮,王颖琪,程勇翔,黄敬峰. 新疆典型沙漠和绿洲植被-水汽-地表温度相关性分析[J]. 干旱区地理, 2022, 45(2): 456-466.
[6]	任立清. 艾比湖流域植被时空变化及驱动力分析[J]. 干旱区地理, 2022, 45(2): 467-477.
[7]	尹瀚民,古丽·加帕尔,于涛,Jeanine UMUHOZA,李旭. 哈萨克斯坦北部小麦遥感估产方法研究[J]. 干旱区地理, 2022, 45(2): 488-498.
[8]	朱淑珍,黄法融,李兰海. 巴基斯坦干旱特征及其风险评估[J]. 干旱区地理, 2021, 44(4): 1058-1069.
[9]	王世明,范敬龙,赵英,张涛涛,李生宇. 咸水灌溉条件下塔里木河下游沙漠土壤水盐运移数值模拟[J]. 干旱区地理, 2021, 44(4): 1104-1113.
[10]	陈亚鹏,周洪华,朱成刚. 塔里木河下游胡杨水分传输过程研究综述[J]. 干旱区地理, 2021, 44(3): 612-619.
[11]	付爱红,程勇,李卫红,朱成刚,陈亚鹏. 塔里木河下游生态输水对荒漠河岸林生态恢复力的影响[J]. 干旱区地理, 2021, 44(3): 620-628.
[12]	狄振华,谢正辉,陈亚宁. 塔里木河下游长期输水条件下河流剖面地下水埋深估算[J]. 干旱区地理, 2021, 44(3): 659-669.
[13]	王万瑞,艾克热木·阿布拉,陈亚宁,朱成刚,陈亚鹏. 塔里木河下游生态输水对地下水补给量研究[J]. 干旱区地理, 2021, 44(3): 670-680.
[14]	李玉朋,陈亚宁,叶朝霞,王非,孙帆,秦景秀. 塔里木河下游输水20 a的生态响应[J]. 干旱区地理, 2021, 44(3): 700-707.
[15]	王川,刘永昌,李稚. 塔里木河下游生态输水对植被碳源/汇空间格局的影响[J]. 干旱区地理, 2021, 44(3): 729-738.