服务热线:
86-0755-23229824
您当前所在位置: 首页>>应用案例
长白山阔叶红松林不同演替阶段冠层光谱特征及其与气温的关系

一、 

长白山地区的原始阔叶红松林是我国温带地带性顶极群落。该区保存有大面积的原始林,还有经采伐或火烧、风倒等干扰后形成的次生杨桦林,是恢复到阔叶红松林前的过渡阶段。红松是阔叶红松林的主要建群种,但在阔叶红松原始林中红松天然更新差,难以成为幼树,相比之下,红松在杨桦林下更新良好。原始阔叶红松林与杨桦林在树种组成、林木生长状况、林下更新状况等方面有着明显的区别,在季相貌变化上也因生活型组成的不同而各有特点,这种差异不仅反映植被自身的光谱特性,也与林下植物特别是更新层的发展有密切联系。

植被冠层光谱特征季节变化规律研究,可为植被生理参数反演、植被类型识别和动态监测提供理论基础。植物叶片的色素含量、结构特征、含水量等决定了所表现的光谱特征。叶片在510~710nm区光谱反射率与叶绿素含量之间呈负相关,710~920nm呈正相关,出现“红谷”、“绿峰”和“蓝谷”现象,即在红蓝光区吸收率高,而在绿光区反射率高,这是因为植物光合作用主要利用的是红蓝光。植物的近红外波段光谱特性则主要受叶片内部构造以及叶面积指数(LAI)等综合因素的影响。在植物光谱曲线680~740nm之间变化最快的点,即“红边”位置变化与叶绿素浓度有关,常被用来监测植被健康水平。冠层光谱特征可以使用光谱仪等仪器进行实地测量,而且往往集中于叶片尺度或农田、草原等低矮植被冠层的观测。森林冠层光谱的观测受到树冠高度、观测角度、观测时间、观测平台设备等因素的限制,数据获取较为困难,理论上可以通过测定若干特定时间的植被冠层光谱特征分析植被变化,特别是季节变化,但很少也很难在地面上进行长期连续观测。

本研究通过遥感影像提取长白山阔叶红松林(原始林)与杨桦林(次生林)多年冠层光谱信息,分析冠层光谱季节变化特征,以期通过不同波段数据以及植被指数变化,阐明长白山原

二、研究区概况与研究方法

本文研究区域为长白山国家级自然保护区,位于我国吉林省。该区年平均气温2~4℃,无霜期为101~141d,整个树木生长季的降雨量占全年降雨量的80%以上。阔叶红松林是该区的地带性顶极植被类型,林龄超过200年,分布于海拔500~1100m的玄武岩台地上。区内的杨桦林主要是受风倒干扰形成的,是阔叶红松林演替系列中持续时间较长的阶段。

本研究利用多源卫星影像提取光谱信息并反演反映植被绿度的常用参数,常用的绿度参数为:归一化植被指数(NDVI)和增强植被指数(EVI)。研究原始林与次生林冠层光谱特征及绿度变化,在此基础上分析植被绿度变化与气象因子的关系。数据处理的过程大致包括:影像预处理、冠层光谱反射率提取、绿度参数计算、绿度与气象因子之间的相关分析等。

2.1 遥感影像预处理

本研究所用遥感数据以谷歌地球引擎(GEE)为分析平台。这是由谷歌、卡内基梅隆大学和美国地质调查局联合开发的基于云计算的地理信息处理系统。此平台提供了大量影像数据,通过依靠Google的高性能集群服务器对影像进行在线可视化处理,信息提取十分快捷。本研究所用的卫星数据源为陆地卫星地表反射率数据(LSR)系列数据和哨兵二号多光谱2a级数据集。

LSR系列数据包含陆地卫星专题制图仪(TM)、陆地卫星增强型专题制图仪(ETM+)、陆地卫星陆地成像仪(OLI)影像,时间分辨率为16d,空间分辨率为30m,均包含3个可见光波段及一个近红外波段。LSR数据产品是通过陆地卫星生态系统扰动自适应处理系统(LEDAPS)处理,利用大气表观反射率(TOA)和亮温(BT)数据,对太阳光谱辐射传输模型(6S)中的卫星信号进行二次模拟,生成地表反射率(SR)数据。SR数据已经过辐射定标、大气校正等处理,最大限度地消除了大气散射、吸收、反射引起的误差。Sentinel-2MSIlevel-2a数据集为经过处理后的大气底层反射影像,时间分辨率5d,共7个波段,其中4个可见光及1个近红外波段的空间分辨率为10m,短波红外和1个红边波段的空间分辨率为20m

2.2 冠层光谱反射率提取

研究数据集包括1984-2012Landsat5-SR2012Landsat7-SR2013-2019Landsat8-SR以及2019Sentinel2-level2a数据。首先通过Google Earth对研究区的原始林与次生林进行目视解译,从对象区选取典型植被类型,即阔叶红松林(原始林)以及次生杨桦林(次生林)。样点A为次生杨桦林,主要乔木树种有:白桦、色木槭、紫椴、大青杨、山杨、红松、假色槭、拧筋槭、蒙古栎、青楷槭、春榆、槺椴、水曲柳和怀槐共计14种。样点B为阔叶红松林,主要树种有红松、紫椴、水曲柳、白桦、色木槭、蒙古栎等。

选点时以冠层特征明显、区域代表性强、样点分布均匀为原则,选取多个矢量区域作为研究样本区域(图1)。原始林样区面积合计为1.2186km2,次生林样区为0.2312km2。通过GEE平台对研究区进行CFmask云掩膜后分别提取1984-2019年两种森林类型的平均冠层光谱反射率。

image.png 

 1    植被遥感光谱信息提取位点

2.3 植被指数

1)归一化植被指数(NDVI)。归一化植被指数广泛用于植被物候检测与植被覆盖度提取。该指数利用红光和近红外光反射率计算。公式如下:

image.png 

2)增强植被指数(EVI)。增强植被指数可表征森林冠层光合组分的光合有效辐射吸收比例,反映森林吸收太阳辐射进行光合作用的能力,避免了NDVI指数饱和问题,计算该指数所用的原始波段为红光、近红外光以及蓝光。公式如下:

image.png 

3)哨兵二号红边位置(S2REP)。红边位置可用来检测植被健康状态。当植被叶绿素含量增加,光谱红边位置向长波方向移动。公式如下:

image.png 

2.4 气象数据

数据来自中国气象数据网。距离研究区域最近的气象站为长白气象站、东岗气象站、二道气象站。所用气象要素为气温,时间跨度为1984-2018年,提取日平均气温、日最高气温和日最低气温,计算生长季年平均气候指标和多年平均气候指标。研究区的季节划分为春季(3-5月)、夏季(6-8月)、秋季(9-11月)、冬季(12月至翌年2月),生长季(4-10月)。

2.5 影像数据处理

由于在数据提取中进行了去云处理,通过对数据进行线性内插,S-G滤波平滑和重构该时间序列数据,可有效弥补因受云和大气影响而产生的数据不足,提高时间序列数据的质量。本研究所使用遥感时间序列数据主要包括:1984-2019Landsat15d遥感时间序列数据以及2019Sentinel-25d遥感时间序列数据。数据的时间分辨率会物候观测研究结果造成影响,有研究发现采用8d10d的时间序列数据合成可以满足大多数生态学研究。本研究通过对Landsat-8OLI8d合成遥感数据以及1Sentinel-2遥感数据进行冠层光谱值提取,综合分析长白山原始林与次生林冠层光谱季节变化特征。提取2019Sentinel-2遥感影像多种植被指数分析原始林与次生林植被生长差异。采用双逻辑斯蒂曲线对植被冠层多年NDVI进行拟合,分析研究区植被季节变化特征。通过线性变化趋势拟合原始林与次生林植被指数年际变化,进而分析二者EVI对气温变化的响应。

1)冠层光谱反射率时间序列平滑。对冠层光谱反射率时间序列采用Savitzky-Golay卷积平滑法进行处理,利用最小二乘拟合系数作为数字滤波响应函数对原光谱进行处理,以去除高频随机噪声。

2)植被指数月合成数据。采用最大值合成法(MVP)将月不同日期的NDVI数据叠加起来取最大值,消除云与气溶胶的影响,以反映植被绿度的真实状况。

3)植被指数均值计算。根据多年卫星影像数据计算的NDVI,计算相同月份或相同年份的平均值,以表征植被绿度的月均值或年均值。

4)植被指数NDVI的双逻辑斯蒂曲线拟合。基于全年数据进行拟合,根据物候进程特征,即植被绿度春季上升、秋季下降,同时用增长曲线和下降曲线结合进行拟合,得到双逻辑斯蒂曲线。

5)相关分析。计算原始林与次生林植被1985-2019各年月均EVI与同期月平均气温、月最高气温、月最低气温之间的皮尔逊(Pearson)相关系数,进而分析二者EVI对气温变化的响应。

三、结果与分析

3.1 原始林与次生林冠层光谱反射率 

1Landsat-8 OLI影像冠层光谱反射率季节变化

Landsat-8 OLI影像可见光波段所反映的冠层反射率呈明显的季节变化特征:非生长季明显高于生长季,而近红外的变化则与可见光相反。可见光波段主要受植物叶绿素吸收作用的影响,原始林与次生林的蓝光和红光波段冠层反射率变化基本同步(图2),绿光波段在生长季时期微弱下降,从一定程度上反映了植物叶片的氮水平。年初原始林可见光波段冠层反射率为6.0%、次生林在11.0%左右。生长季初期,随着展叶的进行,植被叶绿素不断增加,叶绿素吸收光量子进行光合作用,所以可见光波段冠层反射率逐渐下降(主要影响红蓝光),在第130天(510日)之后,可见光冠层反射率稳定在较低水平。第260天左右(917日),可见光波段冠层反射率开始上升,最终各个波段又恢复到年初水平。

image.png 

 2  长白山两种森林植被冠层光谱8d合成的反射率季节进程

(2013−2019  Landsat 8 数据)

在近红外波段,原始林在年初冠层反射率13.0%,较为稳定,而次生林则由15.0%上升为23.0%后逐渐下降,这可能受群落LAI以及植物叶片内部构造的影响。生长季随着植被叶片数量增加以及大小变化,由于冠层叶片的多次反射和透射,次生林在近红外波段产生更高的反射率,二者在第180天(630日)左右达到最高峰,次生林最高可达39.0%,原始林则为35.0%。原始林在第277天(105日)下降到稳定状态,次生林则在第284天(1012日)趋于平稳。近红外波段与可见光波段冠层季节变化趋势相反,即生长季可见光反射率降低,近红光则升高,反映了植物的生理活动状况。在季节变化进程中,近红外波段冠层反射率高于可见光,在4-10月期间差异更为明显。比较两种植被类型,原始林与次生林冠层光谱值变化趋势相似,但冠层光谱反射率不同。除植被生长旺盛时期,原始林冠层反射率一般低于次生林,且各波段季节变幅小于次生林,这是由于原始林中有大量的常绿针叶树,植物叶片形态与冠层结构状态都会对冠层的近红外反射率产生影响。次生林春季初的冠层近红外反射率出现峰值,这可能是由于次生林阔叶树种冠层盖度较小,易受到雪及土壤背景的影响。在生长季期间原始林与次生林近红外差异显著,可能与阔叶林冠层结构有关,阔叶树种使得光谱入射更趋向于二向性反射,增加了冠层表面近红外反射。在可见光波段,生长季尤其是当植被因展叶而盖度较高时相差很小;非生长季次生林反射率高于原始林,这和构成次生林的优势种白桦的白色树皮有关。更重要的是,在树木展叶开始前,林地积雪(春季积雪可持续到4月下旬,秋季从11月份开始有积雪)对反射率的贡献很大,而原始林有大量的常绿针叶树,而且树体庞大,枝干的盖度较高,对地面的辐射反射的阻挡作用更明显。

2Sentinel-2影像光谱反射率季节变化

2019Sentinel-2影像显示的结果与Landsat-8OLI相似。植物叶片主要是吸收可见光部分(特别是红蓝光),其吸收幅度通常这与叶绿素含量有关。生长季期间植被可见光反射率出现明显的红谷绿峰蓝谷现象(图3),且原始林与次生林冠层可见光反射率基本一致。在非生长季原始林与次生林均未出现两谷一峰现象,在整个季节变化中出现与消失时间相近,均在5月中旬和10月下旬(图3)。二者哨兵二号影像红边波段季节变化明显,且原始林与次生林红边变化差异较大。非生长季,原始林冠层光谱反射率较为稳定。由于林内有大量的常绿针叶树红松,在此阶段存在微弱红边效应。随着叶片大小和数量以及与此相伴随的植被叶绿素含量的增加,原始林与次生林都出现了明显的红边即近红光反射率提高,这还和生长季节叶片有较高的含水率有关。生长季期间,次生林冠层近红外波段反射率明显大于原始林。

image.png      3  高分辨率影像提取的林冠层光谱反射率季节变化 (2019)

推荐  

便携式地物光谱仪iSpecField-NIR/WNIR

专门用于野外遥感测量、土壤环境、矿物地质勘探等领域的最新明星产品,由于其操作灵活、便携方便、光谱测试速度快、光谱数据准确是一款真正意义上便携式地物光谱仪。
image.png

无人机机载高光谱成像系统 iSpecHyper-VM100

一款基于小型多旋翼无人机机载高光谱成像系统,该系统由高光谱成像相机、稳定云台、机载控制与数据采集模块、机载供电模块等部分组成。无人机机载高光谱成像系统采用了独有内置扫描系统和增稳系统,成功克服了小型无人机系统搭载推扫式高光谱相机时,由于无人机系统的震动造成的成像质量差的问题,同时具有高光谱分辨率和优异的成像性能。

image.png 

便携式高光谱成像系统 iSpecHyper-VS1000

专门用于公安刑侦、物证鉴定、医学医疗、精准农业、矿物地质勘探等领域的最新产品,主要优势具有体积小、帧率高、高光谱分辨率高、高像质等性价比特点采用了透射光栅内推扫原理高光谱成像,系统集成高性能数据采集与分析处理系统,高速USB3.0接口传输,全靶面高成像质量光学设计,物镜接口为标准C-Mount,可根据用户需求更换物镜。

image.png 


Copyright © 2020 All Rights Reserved 莱森光学(深圳) 有限公司·版权所有 备案号:粤ICP备18141551号-1