作物学报 ACTA AGRONOMICA SINICA 2008, 34(11): 1964−1969/zwxb/ISSN 0496-3490; CODEN TSHPA9E-mail: xbzw@基金项目: 国家重点基础研究发展计划(973计划)项目(2007CB407203); 国家自然科学基金项目(40771150); 国家基础科学人才培养基金(NFFTBS-J0630532)作者简介: 瞿瑛(1985–), 男, 在读硕士研究生。
E-mail: quying@*通讯作者(Corresponding author): 谢云。
E-mail: xieyun@Received(收稿日期): 2008-02-26; Accepted(接受日期): 2008-06-08.DOI: 10.3724/SP.J.1006.2008.01964植被覆盖度计算机模拟模型与参数敏感性分析瞿 瑛1,2 刘素红1,2,3 谢 云1,2,*(1 北京师范大学地理学与遥感科学学院, 北京100875; 2 北京师范大学遥感国家重点实验室, 北京100875; 3 北京师范大学环境遥感与数字城市北京市重点实验室, 北京100875)摘 要: 植被覆盖度是重要的生态学参数, 对水文、生态、全球变化等研究具有重大意义。
目前使用的目测估算法和数码照相法都具有一定的主观性, 另外通过自然界中相似样方的大量测量获得稳定的统计规律具有很大的难度, 因此建立叶面积指数和植被覆盖度之间的统计模型是估算植被覆盖度的有效方法。
本文以大豆为例,利用椭圆来模拟大豆的叶片, 选取大豆植株结构的关键参数, 通过随机分布函数来模拟植株叶片位置、倾角和大小的分布, 获得不同植被结构参数下单位面积上的植被覆盖度, 建立植被覆盖度计算机模拟模型。
通过实测数据和理论研究结论来验证模拟结果。
对模型的参数敏感性进行分析结果表明, 叶半短轴是比叶半长轴更为敏感的植被结构参数。
该模型为植被覆盖度的研究提供了一种新的思路和方法。
关键词: 植被覆盖度; 计算机模拟模型; 参数敏感性; 大豆Computer Simulation Model of Fractional Vegetation Cover and Its Pa-rameters SensitivityQU Ying 1,2, LIU Su-Hong 1,2,3, and XIE Yun 1,2,*(1 School of Geography, Beijing Normal University, Beijing 100875; 2 State Key Laboratory of Remote Sensing Science, Beijing Normal University, Beijing 100875; 3 Beijing Key Laboratory for Remote Sensing of Environment and Digital Cities, Beijing 100875, China)Abstract : Fractional Vegetation Cover (FVC) is an important ecology parameter, which is essential in the studies of hydrology,ecology, and global variation. Currently, the estimation methods used for FVC, including eyeballing method and digital camera imagery interpretation method, are obviously subjective and uncertain. Furthermore, it is rather difficult for the statistical rela-tionship between FVC and leaf area index (LAI) to establish by measurement of millions of samples that have similar vegetation structure parameters. Thus, it is an effective way for the estimation of FVC to develop a statistical model between FVC and LAI . In the paper, we simulated the soybean leaves using ellipses, and determined the position, orientation and size with random distri-bution function by choosing the key parameters in the soybean structure to obtain the FVC per area under different vegetation structure parameters. The model was validated with data measured in situ and the theoretical conclusion. The analysis of parame-ter sensitivity of the simulation model showed that the length of stem is not a sensitive parameter when it was longer than foliage interval; wheresa the angle of stem is not a sensitive parameter until it reache a threshold. The leaf tilt angle and foliage interval were in inverse portion to the fractional vegetation cover, while the semimajor and semiminor axis of leaf were in direct portion to the fractional vegetation cover. The semiminor axis of leaf was a much more sensitive parameter than semimajor axis of leaf. It suggested that it was a novel and feasible way for FVC.Keywords: Fractional vegetation cover; Computer simulation model; Parameters sensitivity; Soybean植物是沟通有机界和无机界, 完成自然界水循环、碳循环、生物圈物质和能量交换过程的重要一环。
植被覆盖度是指植被(包括叶、茎、枝)在单位面积内的垂直投影面积所占百分比[1-2], 是衡量陆地植被覆盖和生长状况的重要生态学参数和量化指标, 同时也是水文、气象、生态等区域或全球问题的定第11期瞿瑛等: 植被覆盖度计算机模拟模型与参数敏感性分析1965量研究模型的重要参数[3]。
因此其测算的准确性在很大程度上影响相关研究结论的科学性。
植被覆盖度的测算方法大体可归纳为目测估算法、统计测量法、数码照相法和遥感模型法4类。
目测估算法是通过肉眼观测直接估计样方内植被覆盖度, 误差较大且主观性较强[4]; 统计测量法是利用不同的采样策略获取样方的植被覆盖度, 如点测法、尺测法、样带测量法和正方形视点框架法等, 测量的主观性降低, 精度有所提高[3]; 数码照相法是通过数码照相机获得植株冠层垂直投影图像, 从而计算样方内的植被覆盖度, 方便快捷且准确性较高[5]。
Decagon公司生产了First Growth植被覆盖度分析仪[6], 为野外覆盖度快捷测量提供了方便。
Zhou 等[7]通过光谱纹理分类器, 提高了照相法计算影像植被覆盖度的精度。
前3种方法都是通过样方测量来获取点数据, 在实际应用中, 都需要通过数值内插方法来获取面数据。
遥感模型法直接获取植被覆盖度的面数据, 可以分为经验模型法、植被指数转换法和亚像元分解法3类[8]。
经验模型法通过建立地表实测数据与植被指数的经验模型, 再将模型推广到大区域来计算植被覆盖度, Graetz等[9]、Dymond等[10]和Wittich 等[11]分别建立了植被覆盖度与植被指数的线性和非线性经验模型, 但他们的结论都受限于特定区域而难以推广到更大范围。
植被指数转化法是通过对像元中植被类型及分布特征的分析, 建立植被指数与植被覆盖度之间的转换关系来直接估算植被覆盖度。
亚像元分解法是分析亚像元结构分布特征, 针对不同的亚像元结构, 建立不同的植被覆盖度模型[12-13]。
在实践中研究人员发现了现有方法存在的一些问题：(1) 目前遥感模型需要以地面实测为基础, 模型的建立和有效性验证需要大量的测量数据; (2) 地面上的参数获取需要多次重复观测, 费时费力; (3) 采集地面数据的样方不一定表现参数的所有变化范围, 造成测量参数的缺失。
这些问题制约了地理学过程的定量分析模型和遥感参数反演模型的发展。
因此, 植被覆盖度遥感监测与地面测量的技术手段和理论问题有待深入研究, 鉴于植被真实结构计算机模拟模型在植被反射率波谱[14]、热点效应模拟中取得的巨大成功, 根据植被真实结构参数, 利用计算机模拟植被覆盖度可能成为植被覆盖度研究中的一种有效的方法, 填补测量数据的完备性, 补充地面观测数量上的不足, 是具有挑战性和应用价值的。
1材料与方法1.1计算机模拟模型的思路以大豆为例, 采用计算机图形学方法, 模拟叶片垂直投影在水平面上的叠掩现象。
首先将真实大豆植株进行简化和抽象, 提取影响植被覆盖度的关键植株结构参数, 对大豆植株信息进行数字化表达和存储。
描述大豆形态结构的参数模型是大豆的概念化表现形式, 即该类型对象的类(Class)。
实际的大豆植株(大豆类的对象)的结构参数具有差异性, 而大量植株的植被结构参数则服从一定的统计规律。
1.2计算机模拟模型的基本参数大豆植株(图1)的主茎一般分出多条枝, 每枝的顶端长出3片椭圆形复叶(图2), 常采取行播耕种方式。