基于无人机高光谱影像的NDVI估算植被盖度精度分析

图1 试验区概况

Fig.1 Overview of the test area

1.2 NDVI计算的波段参数确定

NDVI指数计算的表达式如下:

(1)NDVI=

\frac{(ρ_{nir} - ρ_{red})}{(ρ_{nir} + ρ_{red})}

式中, ρ_nir和ρ_red分别表示近红外波段反射率和红光波段反射率。

考虑到试验区获取的高光谱数据在900 nm后信噪比较低,结合在轨卫星多光谱影像红光波段和近红外波段的光谱范围,最终确定NDVI计算的红光波段和近红外波段光谱区间分别为580~700 nm和725~900 nm。

植物叶绿素的强烈吸收在红光波段形成明显的吸收谷,叶片细胞组织的强烈反射则形成了近红外高反射平台。王福民等^[10]的研究显示不同生育期水稻冠层光谱红谷极值位置相对比较固定,平均位置约为674 nm处; 近红外第一峰极值位置的变化则反映了水稻的生长状态,平均位于860 nm处。研究中采用ENVI软件的ROI工具在Resonon影像上均匀选取20个植被像元,提取其光谱反射率曲线并取均值。图2显示试验区人工草地植物的红谷范围为600~700 nm,极值位于约670 nm处,近红外第一峰值范围为760~900 nm,极值位于约880 nm处, 红边范围为680~750 nm。人工草地植物与水稻冠层结构具有一定的相似性,因而采用红谷极值和近红外第一峰值作为红光波段和近红外波段的中心位置。

图2

图2 试验区植被光谱反射率曲线

Fig.2 Spectral reflectance curve of grassland in the test area

本文采用控制变量法分析波段位置和宽度变化对NDVI及其估算植被盖度的影响。首先固定波段中心位置,分别扩展红光和近红外波段宽度计算NDVI; 其次分别在红光及近红外波段滑动波段中心位置,同时扩展波段宽度计算NDVI,分析其变化规律。试验区的Resonon影像原始波段宽度为2.67 nm,计算平均反射率进行波段宽度扩展运算^[10]。

1.3 NDVI对植被盖度的敏感度分析

定量评估不同波段位置和宽度下NDVI对植被盖度变化的敏感程度及其植被盖度估算精度,是NDVI应用于植被生物物理参量遥感反演的前提^[12]。敏感度函数或敏感度系数可用来量化描述植被指数与生物物理参数之间的关系^[17,18]。本研究首先采用敏感度系数来分析不同波段位置和宽度计算的NDVI对植被盖度变化的敏感程度,计算公式如下^[11]:

(2)Var_C=

\frac{(NDV I_{\max} - NDV I_{\min})}{NDV I_{\max}}

×100%,

式中,NDVI_max和NDVI_min分别为不同波段位置和宽度下NDVI随实测样方植被盖度变化的最大值与最小值。敏感度系数值越高,表明当前参数设置下NDVI对植被盖度的变化越敏感。

其次,以不同波段位置和宽度下的NDVI为自变量,对应样方的植被盖度为因变量进行线性回归拟合,采用决定系数(coefficient of determination,R²)作为指标,评估植被盖度估算精度随NDVI波段位置和宽度的变化情况。

2 结果与分析

2.1 波段位置和宽度变化对NDVI的影响

首先,分别固定近红外和红光波段的中心为880 nm和670 nm,波段宽度为10 nm; 以670 nm和880 nm作为红光和近红外波段中心,采用5 nm间隔扩展波段宽度至右边界处,红光和近红外波段最大扩展宽度分别达到60 nm和40 nm,计算不同波宽下的NDVI值。其次,采用同样设置分别固定近红外和红光波段中心和宽度,用10 nm,20 nm,30 nm,40 nm和50 nm宽度的窗口在红光和近红外波段向长波方向滑动计算NDVI值,滑动间隔为10 nm。结果显示,波段位置固定时NDVI随红光波段宽度增加逐渐减小,而在近红外波段宽度扩展的过程中NDVI基本不变,表明NDVI几乎不受近红外波段宽度变化的影响(图3(a))。红光波段中心向长波方向移动时NDVI增大且在660~680 nm范围内达到最大值,随后迅速减小,在700 nm处达到最小值。宽度对NDVI的影响主要在红边区域680~700 nm内,波段越宽NDVI越小(图3(b))。随着近红外波段中心在725~750 nm内滑动NDVI迅速增大,而在750~900 nm内随波段中心的移动NDVI几乎无变化。在整个近红外波段内波段宽度扩展对NDVI影响不明显(图3(c))。综上所述,当红光和近红外波段位于红边区域时对NDVI的计算有明显影响,其中红光波段位置变动的影响最强烈。

图3

图3 波段位置和宽度变化对NDVI的影响

(a) 波段位置固定,宽度扩展 (b) 位置在红光波段滑动,宽度扩展 (c) 位置在近红光波段滑动,宽度扩展

Fig.3 The influence of band position and width variation on NDVI

2.2 波段位置和宽度变化下NDVI对植被盖度的敏感性

依据公式(2)计算的敏感度系数Var_C见图4,红光和近红外位置和宽度设置与图3相同。波段位置固定时,随着红光和近红外波段变宽敏感度系数呈现缓慢增加的趋势,相同宽度下近红外波段对植被盖度的敏感程度均高于红光波段(图4(a))。红光波段中心在580~670 nm内移动时敏感度系数变化和缓,但在670~700 nm区间明显增大。随着近红外波段中心的移动灵敏度系数呈现不断减小趋势,波段位置对NDVI灵敏度系数的影响在近红外波段明显高于红光波段(图4(b)和(c))。总体来看,红光和近红外波段宽度变化对敏感系数的影响没有明显规律,窄波段NDVI的灵敏度系数在不同位置的波动性明显增强,表明窄波段NDVI对植被盖度的敏感性受波段位置的影响较大。

图4

图4 不同波段位置和宽度下NDVI对植被盖度的灵敏度系数

(a) 波段位置固定,宽度扩展 (b) 位置在红光波段滑动,宽度扩展 (c) 位置在近红外波段滑动,宽度扩展

Fig.4 Sensitivity coefficient of NDVI about vegetation coverage at different band positions and widths

2.3 波段位置和宽度变化对NDVI估算植被盖度的影响

不同波段位置和宽度计算的NDVI与样方植被盖度线性拟合的R²变化情况见图5,拟合方程均在0.01水平上呈显著相关。波段位置固定时,红光与近红外波段不同宽度下NDVI反演植被盖度的精度都比较高,R²大于0.78。随着宽度增加R²缓慢降低,表明窄波段NDVI反演植被盖度的精度优于宽波段(图5(a))。随着红光波段中心移动R²先增加后降低,NDVI与植被盖度的拟合R²在670 nm处达到最大值,随后快速下降,在700 nm达到最小值。随着近红外波段中心移动R²基本在0.8附近上下波动,NDVI估算植被盖度的精度呈现微弱波动趋势(图5(b)和(c))。宽度扩展对R²的影响没有明显规律,窄波段NDVI与植被盖度的拟合R²波动剧烈,说明窄波段NDVI估算植被盖度的位置稳定性较差。红外和红光波段中心分别为670 nm和770 nm、波段宽度为10 nm时,NDVI拟合植被盖度的R²达到最大值0.83,盖度估算精度达到最高。

图5

图5 不同波段位置和宽度下NDVI与植被盖度的线性拟合R²

(a) 波段位置固定,宽度扩展 (b) 位置在红光波段滑动,宽度扩展 (c) 位置在近红光波段滑动,宽度扩展

Fig.5 R² between NDVI and vegetation coverage at different band positions and bandwidths

2.4 不同卫星影像宽波段NDVI估算植被盖度的适用性

利用试验区Resonon高光谱影像模拟MODIS,Landsat OLI,Sentinel-2 MSI,IKONOS这4种主流卫星影像的红光波段和近红外波段并计算NDVI,以植被盖度估算精度最高的Resonon 10 nm NDVI_670/770为参考,基于实测样方分析不同卫星影像宽波段NDVI的差异及其与植被盖度的线性拟合R²,见图6和表1。结果显示4种卫星影像计算的NDVI与 NDVI_670/770均有较好的相关性,MODIS,Landsat OLI,Sentinel-2 MSI的NDVI散点大部分紧密分布在1:1线之上,其NDVI值略微高于NDVI_670/770,而IKONOS NDVI值则明显偏低,分布在1:1线以下。4种影像宽波段NDVI拟合植被盖度的R²值相近,在0.79~0.81之间,但都低于Resonon 10 nm NDVI_670/770的拟合精度。

图6

图6 卫星影像宽波段NDVI与Resonon 10 nm NDVI_670/770的对比

Fig.6 Broadband NDVI values compared to Resonon 10 nm NDVI_670/770 values

表1 卫星影像宽波段NDVI与植被盖度的线性拟合R²

Tab.1 R² between broadband NDVI and vegetation coverage

传感器	红光波段/nm	近红外波段/nm	R²
MODIS	620~670	841~876	0.79
Landsat 8 OLI	640~670	850~880	0.81
Sentinel-2 MSI	650~680	785~900	0.80
IKONOS	640~720	770~880	0.79

新窗口打开| 下载CSV

3 讨论

本文基于机载Resonon Pika XC2高光谱影像的研究发现,近红外波段宽度增加几乎对NDVI无影响,但随着红光波段宽度增加NDVI逐渐减小,NDVI受红光波段宽度变化的影响更大。红光波段位置滑动和宽度变化的共同作用对NDVI的影响亦明显大于近红外波段,这一影响在红边区域(680~750 nm)更加突出,红边区域之外NDVI对近红外波段位置和宽度的变化均不敏感。这些结果与Teillet等^[6]、Galvao等^[7,8]、王福民等^[4]、林贤彪等^[9]的结果相一致。本文的研究进一步发现,与地面实测光谱数据相比,低空无人机高光谱影像红光波段位置的变化对NDVI影响更剧烈,进入红边区域(680~700 nm)后随着波段位置向长波滑动,NDVI的衰减速度且明显高于实测光谱数据^[9,10],从而更准确地刻画了影像波段位置变化对NDVI的影响。

现有研究主要基于实测光谱数据分析波段宽度扩展时植被指数对LAI敏感度的变化趋势,结果表明,随着波段变宽,各种植被指数对LAI的敏感性有明显或微弱程度的降低,LAI反演模型拟合R²的变化规律则各有不同^[11,12]。本文对于植被盖度反演的研究显示,当红光和近红外波段宽度扩展时NDVI对植被盖度的敏感性变化不大,但宽波段NDVI反演植被覆盖度的精度有所降低。从波段位置滑动和宽度扩展的综合作用来看,位置滑动对NDVI敏感性的影响明显大于宽度扩展,在红边区域内NDVI的灵敏度达到最高,对植被盖度变化及差异的描述达到最优。总体来看,试验区人工草地反射率在红光波段的位置变化幅度大于近红外波段,使NDVI随红光波段位置的变化更剧烈。而近红外波段位置滑动下NDVI对植被盖度的灵敏度系数普遍高于红光波段,则反映出在NDVI计算的2个参量: 红光和近红外波段反射率中,植被盖度对近红外波段位置的变化更敏感。本文的研究进一步发现,随着对植被盖度敏感性的增强,NDVI抗扰动能力减弱使植被盖度估算精度有所降低,在670~700 nm内随着灵敏度系数增高,NDVI估算植被盖度的R²明显衰减。位置滑动时宽度扩展对NDVI灵敏度及植被盖度估算精度的影响没有明显规律,但波段越窄NDVI的灵敏度和R²波动越剧烈,窄波段NDVI估算植被盖度精度的稳定性有所下降。综合来看,红光波段在620~690 nm内NDVI拟合植被盖度的R²达到0.78以上、近红外波段在740~900 nm内拟合R²可达到0.8以上,估算精度较高。10 nm NDVI在不同波段位置处拟合植被盖度的R²值虽然波动剧烈,但分别在670 nm,680 nm,770 nm,800 nm及880 nm处取得了较好的反演效果。

MODIS,Landsat OLI和Sentinel-2 MSI影像计算的宽波段NDVI与Resonon 10 nm窄波段NDVI_670/770值接近但略有高估,这与Huemmrich等^[19]的研究结果有一致性。而IKONOS影像的红光波段640~720 nm与红边区域680~750 nm有重合,是造成IKONOS NDVI明显低估的主要原因。4种卫星影像计算的NDVI与植被盖度的拟合R²均比较高,表明这4种影像应用于高植被覆盖区盖度反演具有良好的适用性。与Resonon 10 nm NDVI_670/770相比,受传感器类型及波段位置和宽度设置不同的影响,卫星影像宽波段计算的NDVI有或高或低的偏差,其估算植被覆盖度的精度有一定程度的降低。

4 结论

本文基于无人机载高光谱影像,深入探讨了波段位置移动和宽度扩展的共同作用对NDVI估算植被盖度精度的影响。研究结果揭示,红光波段位置移动对NDVI估算植被盖度的精度产生显著影响,而波段宽度扩展的影响则没有明显规律,窄波段NDVI对植被盖度的估算精度高,但波动剧烈位置稳定较差。4种卫星影像的宽波段NDVI对于高植被覆盖区盖度估算具有良好的适用性,但与窄波段10 nm NDVI相比其盖度反演精度仍有一定程度的衰减。本文的研究主要以人工草地为试验区,植被类型相对单一,植被覆盖以中高覆盖度为主。在低植被覆盖区土壤背景对NDVI有明显影响,后续研究正在进一步开展波段参数对低植被覆盖区盖度估算的影响分析,以期为不同植被覆盖条件下NDVI精确反演植被参数提供科学基础。

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]

田庆久, 闵祥军.

植被指数研究进展

[J]. 地球科学进展, 1998, 13(4):327-333.

Tian Q

, Min X

Advances in study on vegetation indices

[J]. Advance in Earth Sciences, 1998, 13(4):327-333.

[2]

Rouse J

, Haas R

, Schell J

, et al.

Monitoring vegetation systems in the Great Plains with ERTS

Proceedings,3rd Earth Resource Technology Satellite (ERTS) Symposium, 1974(1):48-62.

[3]

李喆, 胡蝶, 赵登忠, 等.

宽波段遥感植被指数研究进展综述

[J]. 长江科学院院报, 2015, 32(1):125-130.

, Hu

, Zhao D

, et al.

Research advance of broadband vegetation index using remotely sensed images

[J]. Journal of Yangtze River Scientific Research Institute, 2015, 32(1):125-130.

[4]

王福民, 黄敬峰, 王秀珍, 等.

波段位置和宽度对不同生育期水稻NDVI影响研究

[J]. 遥感学报, 2008, 12(4):626-632.

Wang F

, Huang J

, Wang X

, et al.

Effects of band position and bandwidth on NDVI measurements of rice at different growth stages

[J]. Journal of Remote Sensing, 2008, 12(4):626-632.

[5]

王正兴, 刘闯, Huete

Alfredo

植被指数研究进展:从AVHRR-NDVI到MODIS-EVI

[J]. 生态学报, 2003, 23(5):979-987.

Wang Z

, Liu

, Huete

Alfredo

From AVHRR-NDVI to MODIS-EVI:Advances in vegetation index research

[J]. Acta Ecologica Sinica, 2003, 23(5):979-987.

[6]

Teillet P

, Staenz

, William D

Effects of spectral,spatial,and radiometric characteristics on remote sensing vegetation indices of forested regions

[J]. Remote Sensing of Environment, 1997, 61(1):139-149.

DOI:10.1016/S0034-4257(96)00248-9 URL [本文引用: 2]

[7]

Galvao L

, Vitorello

, Filho R

Effect of band positioning and bandwidth on NDVI measurements of Tropical Savannas

[J]. Remote Sensing of Environment, 1999, 67:181-193.

DOI:10.1016/S0034-4257(98)00085-6 URL [本文引用: 2]

[8]

Galvao L

, Vitorello

, Pizarro M

An adequate band positioning to enhance NDVI contrasts among green vegetation,senescent biomass,and tropical soils

[J]. International Journal of Remote Sensing, 2000, 21(9):1953-1960.

DOI:10.1080/014311600209878 URL [本文引用: 2]

[9]

林贤彪, 何诗, 林啸, 等.

波段位置和宽度对河口湿地4种植被NDVI的影响

[J]. 遥感技术与应用, 2013, 28(4):714-720.

Lin X

, He

, Lin

, et al.

Effects of band position and bandwidth on NDVI measurements of four kinds of estuary wetland vegetation

[J]. Remote Sensing Technology and Application, 2013, 8(4):714-720.

[10]

王福民, 黄敬峰, 唐延林, 等.

采用不同光谱波段宽度的归一化植被指数估算水稻叶面积指数

[J]. 应用生态学报, 2007, 18(11):2444-2450.

[本文引用: 5]

Wang F

, Huang J

, Tang Y

, et al.

Estimation of rice LAI by using NDVI at different spectral bandwidths

[J]. Chinese Journal of Applied Ecology, 2007, 18(11):2444-2450.

[本文引用: 5]

[11]

Du H

, Jiang H

, Zhang L

, et al.

Evaluation of spectral scale effects in estimation of vegetation leaf area index using spectral indices methods

[J]. Chinese Geographical Science, 2016, 26(6):731-744.

DOI:10.1007/s11769-016-0833-y URL [本文引用: 3]

[12]

黄婷, 梁亮, 耿笛, 等.

波段宽度对利用植被指数估算小麦LAI的影响

[J]. 农业工程学报, 2020, 36(4):168-177.

Huang

, Liang

, Geng

, et al.

Effects of band width on estimation of wheat LAI using vegetation index

[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2020, 36(4):168-177.

[13]

贾坤, 姚云军, 魏香琴, 等.

植被覆盖度遥感估算研究进展

[J]. 地球科学进展, 2013, 28(7):774-782.

Jia

, Yao Y

, Wei X

, et al. 2013.

A review on fractional vegetation cover estimation using remote sensing

[J]. Advance in Earth Sciences, 2013, 28(7):774-782.

[14]

Liu

, Wang X

, Wang C

Measuring vegetation phenology with near-surface remote sensing in a temperate deciduous forest:Effects of sensor type and deployment remote sensing

[J]. Remote Sensing, 2019(11):1063.

[15]

王飞龙, 王福民, 胡景辉, 等.

基于相对光谱变量的无人机遥感水稻估产及产量制图

[J]. 遥感技术与应用, 2020, 35(2):458-468.

Wang F

, Wang F

, Hu J

, et al.

Estimating and mapping rice yield using UAV-hyperspectral imager based relative spectral variates

[J]. Remote Sensing Technology and Application, 2020, 35(2):458-468.

[16]

陶惠林, 冯海宽, 杨贵军, 等.

基于无人机数码影像和高光谱数据的冬小麦产量估算对比

[J]. 农业工程学报, 2019, 35(23):111-118.

Tao H

, Feng H

, Yang G

, et al.

Comparison of winter wheat yields estimated with UAV digital image and hyperspectral data

[J]. Transactions of the Chinese Society of Agricultural Engineering, 2019, 35(23):111-118.