海南岛橡胶林叶面积指数遥感估算模型比较研究 戴声佩 罗红霞 郑倩 胡盈盈 李海亮 李茂芬 禹萱 陈帮乾Summary：叶面积指数（LAI）是描述植被生长状况和冠层结构的一个重要参数，快速获取大面积植被与作物LAI对于生态系统科学研究、农林业生产指导具有十分重要的理论和实践意义本研究选取海南岛典型热带作物——橡胶树为研究对象，构建基于卫星遥感植被指数的橡胶林LAI估算模型并分析其变化规律结果表明，相较于归一化植被指数（NDVI）、绿色归一化植被指数（GNDVI）、比值植被指数（RVI）和宽动态范围植被指数（WDRVI）四个指数，增强植被指数（EVI）、土壤调节植被指数（SAVI）、差值植被指数（DVI）和改良土壤调节植被指数（MSAVI）四个指数同LAI之间的相关性较高构建的基于不同植被指数的橡胶林LAI估算模型（一元线性、指数和对数模型）中，基于EVI指数的橡胶林LAI一元线性估算模型效果最佳，其决定系数R为0.69经验证，该模型估算的橡胶林LAI精度较高，观测和模拟的橡胶林LAI线性拟合R为0.67，均方根误差RMSE为0.16，平均相对误差RE为-0.25%，但在橡胶林LAI中值区存在低估现象，同时在LAI高值区和低值区存在一定的高估现象。
从空间分布来看，海南岛橡胶林LAI高值区（4.40～6.23）主要分布在海南岛西部檐州、白沙等市县，LAI中值区（3.80～4.40）主要分布在海南岛中部澄迈、屯昌、琼中等市县，LAI低值区（2.69～3.80）主要分布在海南岛东部和南部的定安、琼海、万宁、乐东、三亚等市县总之，构建的基于EVI指数的橡胶林LAI一元线性估算模型精度较高，克服了NDVI、GNDVI、RVI等植被指数容易出现指数饱和问题，具有较好的科学性和良好的推广应用价值Key：叶面积指数;橡胶林;遥感;估算模型;海南岛：S127文献标志码：A：202106-SA003引用格式：戴声佩，罗红霞，郑倩，胡盈盈，李海亮，李茂芬，禹萱，陈帮乾.海南岛橡胶林叶面积指数遥感估算模型比较研究[J].智慧农业（中英文），2021， 3（2）： 45-54.DAI Shengpei， LUO Hongxia， ZHENG Qian， HU Yingying， LI Hailiang， LI Maofen， YU Xuan， CHEN Bangqian. Comparison of remote sensing estimation models for leaf area index of rubber plantation in Hainan Island[J]. Smart Agriculture， 2021， 3（2）： 45-54. （in Chinese with English abstract）1引言叶面积指数（Leaf Area Index， LAI）是描述植被生长状况和冠层结构的一个重要参数[1]，它与植被的许多生物、物理过程（如光合作用、蒸腾作用等）有关，也是陆地表面过程模型（如作物生长模型、碳循环模型等）常用的输入参量之一[2]，影响着陆地生态系统的物质和能量循环过程。
快速准确地获取区域乃至全球尺度植被LAI对于生态系统研究具有重要的科学意义LAI也是农作物、林木和果树等生理生态、良种选育、作物长势、作物产量评估和病害评价研究的一个重要参数[3，4]LAI通常用于定量表征作物叶片的疏密程度和冠层结构特征，作物生育过程中的LAI序列能反映作物长势动态变化，可用于作物生长诊断和提高作物估产精度[5]LAI还是林木和林分群体结构合理性的重要标志之一，合理的LAI是充分利用光能、保证林分高产优质的主要条件[6]林分LAI研究可以为合理栽培和丰产林培育提供理论依据，并成为衡量林分质量的重要指标[7]测定叶面积的准确与否，直接影响到对林木和林分合理受光群体结构的研究和光能利用率及净同化率的计算等[8]快速获得大面积作物LAI对于指导农林业生产具有十分重要的实践意义目前，LAI测量与估算方法大致可分为直接测量法和间接测量法两类直接测量法包括格点法、长宽校正法、描形称重法、鲜重打孔法、标准枝法、面积收获法、落叶收集法和面积仪测定法等[9]间接测量法包括点接触法、消光系数法、经验公式法、光学仪器法和遥感方法[10]，其中遥感方法包含光学模型反演法[11]和统计模型法[12]等。
传统的LAI地面直接测量通常存在对作物和植被具有破坏性、耗时耗力、并且获得信息有限、难以扩展到大区域，不能呈面状分布等局限[13]与传统直接测量方法和光学仪器方法比较，卫星遥感数据具有覆盖面积大、更新周期短、花费相对少等特点和无损、快速、大面积应用等优点，故卫星遥感方法成为无损、快速、大面积估算植被LAI切实可行的实用方法[14，15]当前，国内外关于LAI遥感估算研究主要集中在天然森林[12]和草地[11]，以及水稻[5]、小麦[4]、玉米[16]等大宗农作物的研究，极少关注热带作物，如橡胶林、油棕林、木薯、熱带果树等LAI的遥感研究[17-20]虽然胡耀华等[17]研究了海南不同品系胶园的LAI及其变异，并对实生树胶园的最适LAI作了分析;Rusli和Majid[18]开展了小流域橡胶林和油棕林的LAI制图和监测工作;Chen等[19]利用卫星数据估算了海南檐州试验农场橡胶林LAI，但是这些研究范围均只涉及较小空间尺度，尚未扩展到大面积橡胶林LAI 遥感估算橡胶树（Hevea brasiliensis）是天然橡胶生产的主要来源，其广泛种植于热带地区橡胶种植业不仅是海南农业的支柱产业，也是农民经济收入的重要来源。
开展典型热带作物——橡胶树LAI遥感估算对海南岛橡胶种植空间优化、长势监测、产量估算也有重要意义因此，本研究选取海南岛橡胶林为研究对象，构建基于卫星遥感数据提取的各类植被指数数据和野外观测的橡胶林LAI数据的各类经验估算模型，并评估各类模型的表现，选出最优估算模型，对海南岛橡胶林LAI进行遥感估算，以期为橡胶林长势遥感监测、产量遥感评估提供科学参考2数据与方法2.1研究区概况选择海南岛为研究区，橡胶林分布及LAI观测点如图1所示海南岛地处18°10′N～20°10′N和108°37′E～111°03′E之间，岛屿轮廓形似一个椭圆形“大雪梨”，长轴呈东北至西南向长约290km，西北至东南宽约180km，海岸线总长1944km，总面积为33，900km，是中国仅次于台湾岛的第二大岛海南岛地势为中部高、四周低，气候属热带季风海洋性气候，全年暖热，年平均气温高，气温年差较小，雨量充沛，干湿季节明显，光、热、水资源丰富，风、旱、寒等气候灾害频繁海南岛地表覆盖为热带雨林/季雨林，热带动植物资源十分丰富海南是中国重要的天然橡胶树种植地区，天然橡胶是海南第一大经济作物根据2020年海南省统计年鉴数据，截止到2019年底，海南天然橡胶种植面积526，900ha，占全国种植总面积的46.00%;开割面积381，300 ha，占全国开割总面积的48.56%;干胶产量330，800 t，占全国干胶总产量的40.85%;干胶产值33.77亿元，占全国干胶产值的41.22%[21]。
2.2野外实测数据本研究在海南岛主要植胶地区选择有代表性的典型橡胶树林分样地LAI观测点77个（图1），采用对角线数据采集法，以及手持GPS、LAI- 2200实地观测随机样方LAI（图2），从而获得橡胶林观测林分样地LAI及其相关数据为了与陆地卫星遥感数据空间分辨率保持一致，随机样方的大小设置为30m×30m;同时为了分析橡胶林生长最佳时期（8—9月份）的LAI，本研究选择橡胶林LAI观测日期为2017年8月15日—9月15日此外观测时间选择在每天上午9—12时之间，以便与卫星过境时间相匹配统计77个橡胶林LAI观测点数据，2017年8—9月LAI平均值为4.33±0.27，最大值为5.12，最小值为3.68将地面观测LAI样本数据数量随机分成7：3，分别用于LAI估算模型的构建样本（54个）和验证样本（23个）2.3海南岛橡胶林空间分布数据本研究使用的海南岛橡胶林空间分布数据来源于中国热带农业科学院橡胶研究所（http：//2.4遥感数据来源及预处理本研究选取覆盖研究区范围的2017年8—9月的Landsat 8 OLI时间序列卫星遥感影像23景（表1），并对卫星遥感数据进行几何校正、辐射校正、大气校正等预处理。
选用Landsat-8卫星的2、3、4、5、6和7等6个波段参与植被指数计算，影像空间分辨率为30 m由于海南岛属热带季风海洋性气候，很难获得完全无云或低云的影像为解决多云覆盖对研究的影响，利用像元级云量提取算法（具体原理Reference[23]）计算研究时段内每一景影像的云量，结合研究区域特征和季节特征综合评定每一景影像的得分，生成研究区内逐像元云量最小影像（图3），合成用于LAI估算的遥感影像数据，以此克服研究区多云多雨气候特征对LAI估算结果的影响，提高LAI估算的可靠性2.5遥感植被指数计算基于以往LAI遥感估算研究中常用的植被指数，本研究中选取了8种卫星遥感植被指数（表2），包括增强植被指数（Enhanced Vegetation Index，EVI）[24]、归一化植被指数（Normalized Difference Vegetation Index，NDVI）[25]、绿色归一化植被指数（Green NDVI，GNDVI）[26]、比值植被指数（Ratio Vegetation Index，RVI）[27]、土壤调节植被指数（Soil Adjusted Vegetation Index，SAVI）[28]、宽动态范围植被指数（Wide Dynamic Range Vegetation Index，WDRVI）[29]、差值植被指数（Difference Vegetation Index，DVI）[30]和改良土壤调节植被指数（Modified Soil Adjusted Vegetation Index，MSAVI）[31]。
为减小空间尺度效应，计算植被指数时利用样区中心点及其周围3×3邻域像元的地表反射率的平均值本研究中对Landsat 8 OLI卫星遥感数据进行收集、预处理、最小云量合成和植被指数计算均是利用谷歌地球引擎（Google Earth Engine，https：//2.6LAI估算模型构建与验证在分析观测LAI数据与8种遥感植被指数之间的相关性的基础上，利用54个样地观测LAI 数据与8种遥感植被指数，基于经验统计方法，构建基于不同植被指数的橡胶林LAI估算模型（一元线性、指数和对数模型），并对模型表现进行评估，并选出最优估算模型不同模型的表现采用决定系数（Coefficient of Determination，R）进行评估和优选利用选出的最优估算模型估算海南岛橡胶林LAI，获得大面积橡胶林LAI的空间分布，并利用剩余23个观测LAI数据对估算结果进行精度评价和验证以估算值与观测值之间线性拟合的决定系数R、均方根误差（Root Mean Square Error。