基于地面成像光谱系统的阴影对植被指数影响研究
吴太夏，孙雪剑，张立福。
中国科学院遥感与数字地球研究所，北京，100101
摘要：植被与植被阴影是遥感影像中的一组形影不离的组成部分。特别近年来，高空间分辨率遥感以及多角度遥感得到迅速发展，遥感影像中植被阴影对植被信息提取影响的问题显得尤为突出。植被阴影在遥感影像数据上表现为亮度偏低，信息量有所损失或受到干扰，阻碍了植被信息的识别与提取工作开展。植被指数广泛应用于植被参量反演与应用中，但于植被阴影的存在，使得植被参量反演的精度变得具有不确定性。本文利用可见一近红外波段的地面成像光谱测量系统，获取植被在地面的高空间分辨率、高光谱分辨率的高光谱影像，分析阴影对各个高光谱植被指数的影响。结果表明：植被阴影对各个植被指数都会产生不同的影响，其中对NDVI等指数的影响
较小，而对TVI等指数的影响较大，TVI适用于植被阴影的提取。关键词：地面成像光谱仪，遥感，植被指数，阴影，高光谱
1概述
植被阴影主要是由于植被本身或其他地物遮挡太阳直射光而形成的，主要出现在可见光、近红外波段[1]。
在遥感成像过程中，由于太阳高度角、卫星观测角、地物自身及地形起伏的综合影响，同一地物类型在阴影区和非阴影区的光谱响应存在差异，一般来说，影像中阴影区域的地物因缺乏光照而呈现暗色，具有亮度低、色调高等基本特征，因此遥感影像上普遍存在明亮及阴影两个层次，阴影不可避免地成为遥感影像中一个重要的组成部分[2]，特别是植被的阴影。由于植被阴影的存在，使植被阴影区目标地物表现在遥感影像上的信息量减少，极大地干扰了植被信息的识别、信息提取及定量应用等工作的开展【3，41。
高光谱植被指数通过高光谱遥感数据波段的线性或非线性组合来表征地表植被状况的一种光谱特征度量指标，能较好地反映植被覆盖度和生长状况的差异，高光谱植被指数已被广泛应用于植被参量反演的各种应用中【5】。经过多年的研究与发展，目前的高光谱植被指数多达数十种。由于阴影区植被与光照区植被的光谱在不同波段存在着差异，不同波段组合的高光谱植被指数在阴影区与光照区的计算结果就可能会存在很大差异。目前国内外高光谱卫星遥感影像的空间分辨率都在10米以上【6]，绝大多数的植被像元是植被阴影区与植被光照区混合像元，也正因为植被阴影在粗分辨率影像中不突出，其影响往往被容易忽略。如果不考虑植被阴影影响，利用高光谱植被指数去进行卫星影像中植被参量反演，其反演精度就会具有较大的不确定性。目前还没有见到评估植被阴影对不同高光谱植被指数影响研究的报道，分析其中一个主要原因是测量手段的限制，高空问分辨率遥感影像往往不具备高光谱分辨率，反之亦然，即缺乏同时具备高空间分辨率与高光谱分辨率的设备来同时获取地物及阴影影像。
地面成像光谱测量系统的出现为这个问题的解决带来了转机。地面成像光谱测量系统可以获取地物的高空间分辨率、高光谱分辨率的影像，地面分辨率达到0．2mm，光谱分辨率优于5nm，获取的影像上每个像元的光谱曲线近乎为纯像元【7】，这是以
往卫星及航空高光谱遥感影像所无法达到的。本文利用可见一近红外波段的地面成像
光谱测量系统，获取植被光照区与阴影区的“纯像元”，并计算光照区与阴影区的多
种高光谱植被指数，来评估不同高光谱植被受阴影影响的程度。为利用植被参数反演
植被参量的精度提升提供依据。
2数据获取
地面成像光谱测量系统(field i m ag in g spectro meter system，F ISS)具有“图谱合
一”特性，其光谱分辨率优于5nm，光谱范围约为400．1000nm，波段数344个，
地面分辨率为1m rad。
本次实验设计将绿色植被叶片铺在标准灰板上，在向阳侧利用其它叶片进行部分
遮挡，使灰板上的植被叶片出现阴影部分。然后利用FISS系统进行成像光谱数据
的
图1地面成像高光谱立方体
采集，采集得到的高光谱数据如图l所示。
3数据处理
对成像光谱数据的处理主要包括异常波段剔除、基于标准参考板的地物反射率计
算、典型植被指数计算、植被指数归一化和光照及阴影植被样本的提取。
社区治安管理
首先对原始数据的低信噪比和冗余波段进行了剔除，保留了402nm一902nm之
间的共276个波段。然后利用标准参考板定标数据和平场域方法进行了地物反射率
素雪的计
表1典型植被指数及其计算方法
植被指数计算公式
No rm a li ze d Diffe rence Ve get atio n In dex
NDVI2(Rsoo·R670)／(Rsoo+R670)
fNDVI)
Si mp le Ratio Index(SR)SR=R s oo／1％70
Modified Sim ple Ra ti o(M SR)MS R=(Rs o o／R670-1)／(R800／R670)o5+1
Renormalized Dif feren ce Ve get ati on I ndex
RDVI=(R800．R670)／4R磊+R670
(RDVI)
Gre en ne ss Index(G)G=Rs54／氏77
Triangular Veg．I nde x(T VI)TVI=0．5+[1 20+(R750-Rsso)-200+(R670-Rsso)】
删‘=i弘搴jI∞。t上一V、五章玎辫t1，‘一d皋。烈猫一。Im p ro ve d S AV l w ith lf-adjustment
fa c to r L(MSAVI)
太阳头像
Opt im iz ed Soil—A dju sted Vegetation In dex
OSA Vl=(1+0．16)+(R800-R670)／(R800+R670+0．16)
(OS A V l)
富有哲理的诗Zarc o and Mi ller(Z M)ZM=R750／R710
Vogelmann Indices(VOG)VOGI=R740／R720
VO G2=(R734-R747)／(R715+R726)
VOG3=(R734-R747)／(R7j5+R720)
Gitelson and Mer z ly a k(G M)GM I2R750／R550
算，参考板的采样范围为光照部分。为研究阴影植被对不同植被指数的影响情况，选择了14种典型的植被指数进行
对比分析【8】，具体计算公式如表l所列。考虑到不『副直被指数数值的范围有所不同，为便于比较不同植被指数受植被阴影影响的相对程度，我们对所有的植被指数都各自进行了归一化处理，使指数值都分布在o~1的范围之内。
研究阴影的影响需要分别对植被的光照面和阴影面进行样本提取，为了确保提取的样本全部落在光照或阴影区域内，因此根据真彩色影像手动选择了光照和阴影植被区域感兴趣区，然后在感兴趣区内分别随机选择了10000个光照面和阴影面的样本点，用于植被指数的对比分析。样本点的分布情况如图2所示。
图2光照和阴影植被样本点的分布 (红色
为光照植被样本点，蓝色为阴影植被样本点)
4结果与讨论
4．1光照和阴影植被光谱曲线比较
图3(a)给出了高光谱反射率图像中光照叶片和阴影叶片光谱曲线的对比，可以看出，受到光照强度的影响，反演出的阴影下植被叶片的反射率值明显降低，与光照植被相比，阴影叶片光谱无论在波形上还是强度上都有着很大的变化，这必然会对植被指数的计算造成很大的影响。
图3光照和阴影植被光谱曲线
4．2光照和阴影对植被指数影响
图4给出了14中不同植被指数的计算结果图，从图中可以看出，植被阴影对各个植被指数都有着一定的影响，除了NDVI和G光照叶片和阴影叶片的指数差别不大之外，其他指数都有着明显的差异。其中NDV I、S R、MS R、Z M、VOGl、GMl 和GM2的阴影叶片指数值要高于光照叶片值，其他指数与之相反。
为了进一步对比光照和阴影叶片植被指数的差异，对光照和阴影部分各10000个采样点植被指数(归一化)的数值分布情况进行了直方图统计，统计结果如图5所示。
157
由图5看以看出，光照和阴影叶片NDVI和G指数值得分布基本一致，而
市委全称RDV!、TVI、M SAV I和OS AVI的分布差别则十分明显。其中TV I的差异最大，
光照和阴影
一q；!】霾。缰眦耀刚臣。
、
飞、努。涉争
一，，羹
耀耀耀霆鋈氍爆：疆GM；霉鄹
木耳汤
植被的TVI指数值处于完全分离的区间，阴影部分归一化数值大部分小于0．2，而
光照部分则大部分高于0．8，因此该指数可以用于分离提取植被阴影。
保姆雇佣合同范本5结论
本研究利用地面成像光谱系统对阴影对植被指数的影响情况进行了分析研究，实
验结果表明，高空间分辨率、高光谱分辨率的地面成像光谱系统可以直观有效地反映
植被叶片的光照区域与阴影区域。各个植被指数的阴影区域与光照区域的数值是不同
的，即植被阴影对各个植被指数都会产生不同的影响，其中对NDVI等指数的影响
较小，而对TVI等指数的影响较大，因此可以判定NDVI用于植被与非植被区域的
分离的精度较高，而TVI适用于植被阴影的提取。
j1．,．1lltttll,,，卜丑二U i，舭，以。|：皿习网舭谪蕊卜匾']n睡illl,J11哺拥图Sunlit
——■Shaded
图5各个植被指数(归一化)数值分布统计直方图
158
参考文献
【l】虢建宏，ffl庆久，吴昀昭，遥感影像阴影多波段检测与去除理论模型研究．遥感学报，2006(02)：15l-159．
【2】高贤君，万幼JII，郑顺义，李健，航空遥感影像阴影的自动检测与补偿．武汉大学学报(信息科学版)，2012(11)：1299．1302．
【3】Asner，GI，Canopy shado w in IKO NOS satellite obrvations of tropical f orests and sava
nnas．R emote Sensing ofEnvi ronmen t，2003．87(4)：52卜533．
【4】Fitzgerald，G．J．，EJ．Pinter,D．J，HunsakeL T．R．Cl ar ke，Mu lt ip le sh ado w fractions in special mixture analysis of a cotton canopy．Remote Sensing of En vir onm en t，2005．
97(4)：526-539．
【5】Baig，M．H．A．，L-Zhang，T_Shuai，Q．Tong，Derivation of a taslled cap transformation bad on Land sat8at—satellite reflectance．Re mote Sensing L e ne rs，2014．5(5)：
423—431．
【6】Tong，Q．，Y．Xue，L．Zhang，Pro笋ess in hyperspectral remote s en sin g s ci enc e and
家常蘸料汁的做法technology in China over the past three dec ades．2014．
[7】Zhang，L．，C．Huang，T．Wu，F．Zhang，Q．Tong，Laboratory calibration of a field imaging spe ctr ome te r system．Sensors，2011．11(3)：2408-2425．
【8】Zarco—Tejada，P．J．，A．Beq6n，R．L6pez-Lozano，J．Miller,R Martin，v．C ach orr o，M．Go nzAlez，A．De Frutos，Asssing vineyar d condition with hyperspectral indices：
Leaf and canopy reflectance simulation in a r ow-st ru ct ure d dis con tin uou s canopy．Remote Sensing ofEnvir onm ent，2005．99(3)：271·287．
159
