基于無人機高光譜影像的NDVI估算植被蓋度精度分析

劉詠梅，范鴻建，蓋星華，劉建紅，王 雷

(1.西北大學城市與環境學院，西安 710127；2.陜西省地表系統與環境承載力重點實驗室，西安 710127)

0 引言

植被指數(vegetation index,VI)是指在軌衛星可見光和近紅外波段光譜反射率的不同組合方式，其定量測量能夠有效表征綠色植物的長勢與活力[1]。歸一化差值植被指數(normalized vegetation index,NDVI)[2]是目前應用最廣泛的植被指數，與葉面積指數(leaf area index,LAI)、植被覆蓋度、葉綠素含量、綠色生物量及吸收光合有效輻射(absorbed photosynthetic active radiation,APAR)等植被生物物理參量密切相關，是植被生長狀況及植被變化監測的關鍵參數[1,3]。大氣影響、土壤背景、傳感器定標及觀測角度等是NDVI的主要決定因素[4-5]，同時傳感器波段設置的差異亦對NDVI產生不可忽視的影響。遙感技術的快速發展使多光譜/高光譜數據源日漸豐富，為NDVI計算提供了更多的波段組合方式，研究波段參數差異對NDVI及其植被參數反演精度的影響，對于深化植被指數在地表過程/覆蓋變化研究中的應用具有重要意義。

國外學者利用傳統的機載AVIRIS(Airborne Visible/Infrared Imaging Spectrometer)高光譜影像探討了紅光和近紅外波段位置和寬度對NDVI的影響，研究表明NDVI對紅光波段的變化更敏感，紅光波段寬度對NDVI的影響較大，波段寬度小于50 nm時近紅外波段位置對NDVI的影響不明顯[6]。當紅光和近紅外波段進入紅邊(690～750 nm)時，波段寬度和位置對NDVI的影響明顯增大[7-8]。我國學者對水稻和濕地植被實測光譜數據的研究驗證了上述結果[9-10]?，F有研究側重于利用實測光譜和PROSAIL模型模擬光譜分析波段寬度變化對植被指數估算水稻及小麥LAI的精度影響[10-12]。機載/星載傳感器紅光和近紅外波段的位置和寬度均有明顯差異，進一步探討兩者共同作用對NDVI及其植被參數反演精度的影響，具有重要的實際借鑒意義。植被蓋度是指植被(包括葉、莖、枝)在地面的垂直投影面積占統計區總面積的百分比，是最重要的植被生態物理參數之一，也是生態系統變化的基本指示性指標[13]。研究波段位置和寬度變化對NDVI估算植被蓋度的影響，是NDVI應用精度評價中亟待解決的基本問題之一。

無人機低空遙感為植被蓋度的實地監測提供了有效工具[14]，與傳統航空機載成像/地面光譜測量相比，無人機載高光譜成像技術提供了更精細的地表紋理和光譜信息[15]，在冬小麥LAI及水稻產量估測中取得了較高精度[16]，為植被生物物理參量反演提供了最優數據源。本研究基于無人機載Resonon Pika XC2高光譜儀獲取的人工草地高光譜影像，分析紅光和近紅外波段位置與寬度變化對NDVI的影響，評估兩者共同作用下NDVI對植被蓋度的敏感性及植被蓋度估算精度，探討不同衛星影像寬波段NDVI的差異及植被蓋度反演的適用性，為地表/植被覆蓋及變化高效準確監測提供參考依據。

1 數據獲取與研究方法

1.1 實測數據獲取與處理

2018年10月12—14日，在西北大學長安校區人工草地(108°51′57″E ，34°8′43″N)開展了無人機載高光譜成像飛行試驗。無人機采用白米X820八軸旋翼無人機，飛行時進行自動航線規劃，航向重疊率80%，旁向重疊率60%，飛行高度150 m，視場角30.2°。搭載傳感器為Resonon Pika XC2高光譜成像儀，影像波長范圍400～1 000 nm，光譜采樣間隔2.6 nm，波段數223個，獲取影像的空間分辨率為0.2 m，同時采用大疆悟1無人機獲取實驗區RGB影像。成像飛行在上午10:00—12:00進行，天氣晴朗。采用SpectrononPro軟件對高光譜影像進行輻射校正，利用Pix4D Mapper進行影像拼接，隨后在ArcGIS軟件中利用RGB影像對高光譜影像進行幾何校正，獲得覆蓋試驗區的高光譜影像(圖1)。同期在試驗區內均勻布設22個大小為1 m×1 m的樣方，垂直向下拍照獲取植被蓋度照片，對樣方蓋度照片進行幾何校正及裁剪，并采用圖像處理軟件解譯植被蓋度。試驗區植被覆蓋相對比較均勻且蓋度較高，最大、最小及平均蓋度分別為：99.51%，64.25%和92.03%。

圖1 試驗區概況Fig.1 Overview of the test area

1.2 NDVI計算的波段參數確定

NDVI指數計算的表達式如下：

(1)

式中,ρnir和ρred分別表示近紅外波段反射率和紅光波段反射率。

考慮到試驗區獲取的高光譜數據在900 nm后信噪比較低，結合在軌衛星多光譜影像紅光波段和近紅外波段的光譜范圍，最終確定NDVI計算的紅光波段和近紅外波段光譜區間分別為580～700 nm和725～900 nm。

植物葉綠素的強烈吸收在紅光波段形成明顯的吸收谷，葉片細胞組織的強烈反射則形成了近紅外高反射平臺。王福民等[10]的研究顯示不同生育期水稻冠層光譜紅谷極值位置相對比較固定，平均位置約為674 nm處；近紅外第一峰極值位置的變化則反映了水稻的生長狀態，平均位于860 nm處。研究中采用ENVI軟件的ROI工具在Resonon影像上均勻選取20個植被像元，提取其光譜反射率曲線并取均值。圖2顯示試驗區人工草地植物的紅谷范圍為600～700 nm，極值位于約670 nm處，近紅外第一峰值范圍為760～900 nm，極值位于約880 nm處,紅邊范圍為680～750 nm。人工草地植物與水稻冠層結構具有一定的相似性，因而采用紅谷極值和近紅外第一峰值作為紅光波段和近紅外波段的中心位置。

圖2 試驗區植被光譜反射率曲線Fig.2 Spectral reflectance curve of grassland in the test area

本文采用控制變量法分析波段位置和寬度變化對NDVI及其估算植被蓋度的影響。首先固定波段中心位置，分別擴展紅光和近紅外波段寬度計算NDVI；其次分別在紅光及近紅外波段滑動波段中心位置，同時擴展波段寬度計算NDVI，分析其變化規律。試驗區的Resonon影像原始波段寬度為2.67 nm，計算平均反射率進行波段寬度擴展運算[10]。

1.3 NDVI對植被蓋度的敏感度分析

定量評估不同波段位置和寬度下NDVI對植被蓋度變化的敏感程度及其植被蓋度估算精度，是NDVI應用于植被生物物理參量遙感反演的前提[12]。敏感度函數或敏感度系數可用來量化描述植被指數與生物物理參數之間的關系[17-18]。本研究首先采用敏感度系數來分析不同波段位置和寬度計算的NDVI對植被蓋度變化的敏感程度，計算公式如下[11]：

(2)

式中，NDVImax和NDVImin分別為不同波段位置和寬度下NDVI隨實測樣方植被蓋度變化的最大值與最小值。敏感度系數值越高，表明當前參數設置下NDVI對植被蓋度的變化越敏感。

其次，以不同波段位置和寬度下的NDVI為自變量，對應樣方的植被蓋度為因變量進行線性回歸擬合，采用決定系數(coefficient of determination，R2)作為指標，評估植被蓋度估算精度隨NDVI波段位置和寬度的變化情況。

2 結果與分析

2.1 波段位置和寬度變化對NDVI的影響

首先，分別固定近紅外和紅光波段的中心為880 nm和670 nm，波段寬度為10 nm；以670 nm和880 nm作為紅光和近紅外波段中心，采用5 nm間隔擴展波段寬度至右邊界處，紅光和近紅外波段最大擴展寬度分別達到60 nm和40 nm，計算不同波寬下的NDVI值。其次，采用同樣設置分別固定近紅外和紅光波段中心和寬度，用10 nm，20 nm，30 nm，40 nm和50 nm寬度的窗口在紅光和近紅外波段向長波方向滑動計算NDVI值，滑動間隔為10 nm。結果顯示，波段位置固定時NDVI隨紅光波段寬度增加逐漸減小，而在近紅外波段寬度擴展的過程中NDVI基本不變，表明NDVI幾乎不受近紅外波段寬度變化的影響(圖3(a))。紅光波段中心向長波方向移動時NDVI增大且在660～680 nm范圍內達到最大值，隨后迅速減小，在700 nm處達到最小值。寬度對NDVI的影響主要在紅邊區域680～700 nm內，波段越寬NDVI越小(圖3(b))。隨著近紅外波段中心在725～750 nm內滑動NDVI迅速增大，而在750～900 nm內隨波段中心的移動NDVI幾乎無變化。在整個近紅外波段內波段寬度擴展對NDVI影響不明顯(圖3(c))。綜上所述，當紅光和近紅外波段位于紅邊區域時對NDVI的計算有明顯影響，其中紅光波段位置變動的影響最強烈。

(a)波段位置固定，寬度擴展 (b)位置在紅光波段滑動，寬度擴展 (c)位置在近紅光波段滑動，寬度擴展圖3 波段位置和寬度變化對NDVI的影響Fig.3 The influence of band position and width variation on NDVI

2.2 波段位置和寬度變化下NDVI對植被蓋度的敏感性

依據公式(2)計算的敏感度系數VarC見圖4，紅光和近紅外位置和寬度設置與圖3相同。波段位置固定時，隨著紅光和近紅外波段變寬敏感度系數呈現緩慢增加的趨勢，相同寬度下近紅外波段對植被蓋度的敏感程度均高于紅光波段(圖4(a))。紅光波段中心在580～670 nm內移動時敏感度系數變化和緩，但在670～700 nm區間明顯增大。隨著近紅外波段中心的移動靈敏度系數呈現不斷減小趨勢，波段位置對NDVI靈敏度系數的影響在近紅外波段明顯高于紅光波段(圖4(b)和(c))?？傮w來看，紅光和近紅外波段寬度變化對敏感系數的影響沒有明顯規律，窄波段NDVI的靈敏度系數在不同位置的波動性明顯增強，表明窄波段NDVI對植被蓋度的敏感性受波段位置的影響較大。

(a)波段位置固定，寬度擴展 (b)位置在紅光波段滑動，寬度擴展 (c)位置在近紅外波段滑動，寬度擴展圖4 不同波段位置和寬度下NDVI對植被蓋度的靈敏度系數Fig.4 Sensitivity coefficient of NDVI about vegetation coverage at different band positions and widths

2.3 波段位置和寬度變化對NDVI估算植被蓋度的影響

不同波段位置和寬度計算的NDVI與樣方植被蓋度線性擬合的R2變化情況見圖5，擬合方程均在0.01水平上呈顯著相關。波段位置固定時，紅光與近紅外波段不同寬度下NDVI反演植被蓋度的精度都比較高，R2大于0.78。隨著寬度增加R2緩慢降低，表明窄波段NDVI反演植被蓋度的精度優于寬波段(圖5(a))。隨著紅光波段中心移動R2先增加后降低，NDVI與植被蓋度的擬合R2在670 nm處達到最大值，隨后快速下降，在700 nm達到最小值。隨著近紅外波段中心移動R2基本在0.8附近上下波動，NDVI估算植被蓋度的精度呈現微弱波動趨勢(圖5(b)和(c))。寬度擴展對R2的影響沒有明顯規律，窄波段NDVI與植被蓋度的擬合R2波動劇烈，說明窄波段NDVI估算植被蓋度的位置穩定性較差。紅外和紅光波段中心分別為670 nm和770 nm、波段寬度為10 nm時，NDVI擬合植被蓋度的R2達到最大值0.83，蓋度估算精度達到最高。

(a)波段位置固定，寬度擴展 (b)位置在紅光波段滑動，寬度擴展 (c)位置在近紅光波段滑動，寬度擴展圖5 不同波段位置和寬度下NDVI與植被蓋度的線性擬合R2Fig.5 R2 between NDVI and vegetation coverage at different band positions and bandwidths

2.4 不同衛星影像寬波段NDVI估算植被蓋度的適用性

利用試驗區Resonon高光譜影像模擬MODIS，Landsat OLI，Sentinel-2 MSI，IKONOS這4種主流衛星影像的紅光波段和近紅外波段并計算NDVI，以植被蓋度估算精度最高的Resonon 10 nm NDVI670/770為參考，基于實測樣方分析不同衛星影像寬波段NDVI的差異及其與植被蓋度的線性擬合R2，見圖6和表1。結果顯示4種衛星影像計算的NDVI與NDVI670/770均有較好的相關性，MODIS，Landsat OLI，Sentinel-2 MSI的NDVI散點大部分緊密分布在1∶1線之上，其NDVI值略微高于NDVI670/770，而IKONOS NDVI值則明顯偏低，分布在1∶1線以下。4種影像寬波段NDVI擬合植被蓋度的R2值相近，在0.79～0.81之間，但都低于Resonon 10 nmNDVI670/770的擬合精度。

圖6 衛星影像寬波段NDVI與Resonon 10 nm NDVI670/770的對比Fig.6 Broadband NDVI values compared to Resonon 10 nm NDVI670/770 values

表1 衛星影像寬波段NDVI與植被蓋度的線性擬合R2Tab.1 R2 between broadband NDVI and vegetation coverage

3 討論

本文基于機載Resonon Pika XC2高光譜影像的研究發現，近紅外波段寬度增加幾乎對NDVI無影響，但隨著紅光波段寬度增加NDVI逐漸減小，NDVI受紅光波段寬度變化的影響更大。紅光波段位置滑動和寬度變化的共同作用對NDVI的影響亦明顯大于近紅外波段，這一影響在紅邊區域(680～750 nm)更加突出，紅邊區域之外NDVI對近紅外波段位置和寬度的變化均不敏感。這些結果與Teillet等[6]、Galvao等[7-8]、王福民等[4]、林賢彪等[9]的結果相一致。本文的研究進一步發現，與地面實測光譜數據相比，低空無人機高光譜影像紅光波段位置的變化對NDVI影響更劇烈，進入紅邊區域(680～700 nm)后隨著波段位置向長波滑動，NDVI的衰減速度且明顯高于實測光譜數據[9-10]，從而更準確地刻畫了影像波段位置變化對NDVI的影響。

現有研究主要基于實測光譜數據分析波段寬度擴展時植被指數對LAI敏感度的變化趨勢，結果表明，隨著波段變寬，各種植被指數對LAI的敏感性有明顯或微弱程度的降低，LAI反演模型擬合R2的變化規律則各有不同[11-12]。本文對于植被蓋度反演的研究顯示，當紅光和近紅外波段寬度擴展時NDVI對植被蓋度的敏感性變化不大，但寬波段NDVI反演植被覆蓋度的精度有所降低。從波段位置滑動和寬度擴展的綜合作用來看，位置滑動對NDVI敏感性的影響明顯大于寬度擴展，在紅邊區域內NDVI的靈敏度達到最高，對植被蓋度變化及差異的描述達到最優?？傮w來看，試驗區人工草地反射率在紅光波段的位置變化幅度大于近紅外波段，使NDVI隨紅光波段位置的變化更劇烈。而近紅外波段位置滑動下NDVI對植被蓋度的靈敏度系數普遍高于紅光波段，則反映出在NDVI計算的2個參量：紅光和近紅外波段反射率中，植被蓋度對近紅外波段位置的變化更敏感。本文的研究進一步發現，隨著對植被蓋度敏感性的增強，NDVI抗擾動能力減弱使植被蓋度估算精度有所降低，在670～700 nm內隨著靈敏度系數增高，NDVI估算植被蓋度的R2明顯衰減。位置滑動時寬度擴展對NDVI靈敏度及植被蓋度估算精度的影響沒有明顯規律，但波段越窄NDVI的靈敏度和R2波動越劇烈，窄波段NDVI估算植被蓋度精度的穩定性有所下降。綜合來看，紅光波段在620～690 nm內NDVI擬合植被蓋度的R2達到0.78以上、近紅外波段在740～900 nm內擬合R2可達到0.8以上，估算精度較高。10 nm NDVI在不同波段位置處擬合植被蓋度的R2值雖然波動劇烈，但分別在670 nm，680 nm，770 nm，800 nm及880 nm處取得了較好的反演效果。

MODIS，Landsat OLI和Sentinel-2 MSI影像計算的寬波段NDVI與Resonon 10 nm窄波段NDVI670/770值接近但略有高估，這與Huemmrich等[19]的研究結果有一致性。而IKONOS影像的紅光波段640～720 nm與紅邊區域680～750 nm有重合，是造成IKONOS NDVI明顯低估的主要原因。4種衛星影像計算的NDVI與植被蓋度的擬合R2均比較高，表明這4種影像應用于高植被覆蓋區蓋度反演具有良好的適用性。與Resonon 10 nm NDVI670/770相比，受傳感器類型及波段位置和寬度設置不同的影響，衛星影像寬波段計算的NDVI有或高或低的偏差，其估算植被覆蓋度的精度有一定程度的降低。

4 結論

本文基于無人機載高光譜影像，深入探討了波段位置移動和寬度擴展的共同作用對NDVI估算植被蓋度精度的影響。研究結果揭示，紅光波段位置移動對NDVI估算植被蓋度的精度產生顯著影響，而波段寬度擴展的影響則沒有明顯規律，窄波段NDVI對植被蓋度的估算精度高，但波動劇烈位置穩定較差。4種衛星影像的寬波段NDVI對于高植被覆蓋區蓋度估算具有良好的適用性，但與窄波段10 nm NDVI相比其蓋度反演精度仍有一定程度的衰減。本文的研究主要以人工草地為試驗區，植被類型相對單一，植被覆蓋以中高覆蓋度為主。在低植被覆蓋區土壤背景對NDVI有明顯影響，后續研究正在進一步開展波段參數對低植被覆蓋區蓋度估算的影響分析，以期為不同植被覆蓋條件下NDVI精確反演植被參數提供科學基礎。