李鵬飛　李夢(mèng)

摘要 基于2013年國(guó)產(chǎn)資源遙感衛(wèi)星數(shù)據(jù)和Google Earth高分?jǐn)?shù)據(jù)，利用ArcGIS9.3及Eardas9.2軟件，對(duì)研究區(qū)域的遙感影像進(jìn)行克里金插值分析，在此基礎(chǔ)上得出研究區(qū)域遙感影像的植被指數(shù)NDVI，最后反演出該區(qū)域的植被覆蓋度結(jié)果。通過(guò)與該區(qū)域的真實(shí)植被覆蓋度進(jìn)行比較分析，得出了基于克里金插值法的植被覆蓋度分析方法，該方法對(duì)植被覆蓋度分析有一定的實(shí)際性的參考意義。此次實(shí)驗(yàn)研究了黃河源頭姊妹湖扎陵湖、鄂陵湖區(qū)域的植被覆蓋度，同時(shí)也是三江源地理國(guó)情監(jiān)測(cè)的一部分。

關(guān)鍵詞：植被覆蓋度；克里金插值；植被指數(shù)；三江源

中圖分類(lèi)號(hào)：S126 文獻(xiàn)標(biāo)識(shí)碼 A 文章編號(hào) 0517-6611（2015）08-321-04

三江源植被覆蓋度普查目前是地理國(guó)情監(jiān)測(cè)的重要工作，普查的手段除了利用人工實(shí)地調(diào)研外，由于三江源區(qū)域位于青藏高原地區(qū)，地形復(fù)雜，氣候多變，沼澤較多，人類(lèi)及交通工具無(wú)法實(shí)地調(diào)研。遙感覆蓋范圍廣、獲得信息量大、效率高、周期短、受地理環(huán)境因素小等優(yōu)點(diǎn)，特別適用于地理國(guó)情監(jiān)測(cè)，因而，其作為一種進(jìn)行植被覆蓋度估算的手段被廣泛應(yīng)用。

植被覆蓋度是指單位面積內(nèi)植被垂直投影面積所占百分比，它是衡量一個(gè)地區(qū)的植被覆蓋程度的一個(gè)重要綜合指標(biāo)，也是評(píng)價(jià)一個(gè)地區(qū)的生態(tài)環(huán)境狀況的重要指標(biāo)[1-2]。研究發(fā)現(xiàn)，植物葉子葉面反射光波普曲線主要由綠色植物中所含的葉綠素、水及其他生物元素決定的。在荒漠或植被稀疏的地方，植物的光譜特征反差最為不明顯；而在植被覆蓋中等的地區(qū)，植物光譜特征反差主要是來(lái)自紅外波段和近紅外波段變化的結(jié)果；在植被覆蓋較為稠密的地區(qū)，植物的光譜特征的反差只來(lái)自近紅外波段的貢獻(xiàn)，紅外波段對(duì)其幾乎沒(méi)有影響，接近趨于飽和的階段，因此，根據(jù)紅外波段及近紅外波段對(duì)植被反射光譜的對(duì)不同密度的植被區(qū)域的影響的差異性，可以利用遙感影像中紅外波段與近紅外波段進(jìn)行處理，可以得到研究區(qū)域的植被覆蓋度[3]。

國(guó)內(nèi)外學(xué)者對(duì)植被覆蓋度的估算研究主要是利用植被指數(shù)NDVI，通過(guò)提取影像中反映植物植被指數(shù)的NDVI來(lái)分析得出植被覆蓋度。筆者另辟蹊徑，通過(guò)人工利用Google Earth高分?jǐn)?shù)據(jù)與國(guó)產(chǎn)資源遙感影像進(jìn)行插值分析，通過(guò)克里金插值方法，獲得特征點(diǎn)的植被指數(shù)，通過(guò)插值比較，得出最終的植被覆蓋度。

1 研究區(qū)域概況

研究區(qū)域位于黃河源頭姊妹湖扎陵湖和鄂陵湖周邊，其也屬于三江源自然保護(hù)區(qū)內(nèi)，該區(qū)域位于青海省巴顏喀拉山北麓的果洛藏族自治州瑪多縣境內(nèi)，是黃河源頭最大的2個(gè)高原淡水湖，淡水資源較為豐富，植被情況相對(duì)于其他同等區(qū)域種類(lèi)多而全。該區(qū)域?qū)儆诟吆０蔚貐^(qū)，平均海拔超過(guò)4 300 m，因此區(qū)域內(nèi)主要是高海拔植物。該地年降水量200～400 mm，屬于偏干旱地區(qū)，研究區(qū)域海拔高，植物生長(zhǎng)期比較短，植被覆蓋不是很密集。該區(qū)域位于三江源保護(hù)區(qū)內(nèi)，該濕地被聯(lián)合國(guó)《濕地公約》秘書(shū)處正式批準(zhǔn)為國(guó)際重要濕地，這標(biāo)志著我國(guó)面積最大、海拔最高，也是世界高海拔地區(qū)生物多樣性最集中的三江源自然保護(hù)區(qū)成為全球最具影響力的高原濕地之一。

2 基于克里金插值法的植被覆蓋度的研究

2.1 植被覆蓋度估算 所采用的數(shù)據(jù)主要基于兩部分：一是采用2013年國(guó)產(chǎn)環(huán)境衛(wèi)星8月份青海省遙感數(shù)據(jù)，遙感數(shù)據(jù)影像分辨率為30 m，共有4個(gè)波段；二是基于Google Earth高分?jǐn)?shù)據(jù)，在此基礎(chǔ)上，獲取了13個(gè)高覆蓋植被特征點(diǎn)，18個(gè)低植被覆蓋的裸土特征點(diǎn)，這些特征點(diǎn)的目的是為了在基于國(guó)產(chǎn)衛(wèi)星遙感數(shù)據(jù)得到的NDVI影像中獲得該特征點(diǎn)的NDVI，以便插值計(jì)算。

因?yàn)樾l(wèi)星存在嚴(yán)重的形變數(shù)據(jù)，引起幾何形變的原因是多種的，主要原因是地球的形狀不均勻、地球的運(yùn)動(dòng)軌跡變化、衛(wèi)星的姿態(tài)軌道運(yùn)行變化、遙感設(shè)備自身因素、掃描鏡的不規(guī)則運(yùn)動(dòng)、配準(zhǔn)失調(diào)等內(nèi)部因素，所以國(guó)產(chǎn)環(huán)境資源衛(wèi)星遙感影像首先要進(jìn)行幾何糾正。

幾何糾正后，遙感影像的幾何變形得到了一定程度的糾正，但是，由于遙感所利用的所有輻射能都會(huì)受到大氣層的影響，大氣會(huì)對(duì)輻射能量進(jìn)行吸收、散射等，會(huì)使能量衰減，大氣糾正的目的就是要盡量減少大氣層對(duì)影像的干擾，該研究運(yùn)用6S模型進(jìn)行了大氣輻射糾正。6S模型中共有6個(gè)參數(shù)，分別是太陽(yáng)天頂角、太陽(yáng)方位角、衛(wèi)星天頂角、衛(wèi)星方位角、平均高程、大氣氣溶膠厚度。6S模型通過(guò)利用輻射定標(biāo)參數(shù)遙感原始影像的DN值、增益、偏益來(lái)獲得大氣表觀反射率。其中定標(biāo)公式為：

L=DN/g+L0

式中，DN是原始影像的值；g是增益；L0是偏益；L為大氣表觀反射率。不同波長(zhǎng)范圍的g、L0輻射定標(biāo)參數(shù)見(jiàn)表1。6S模型參數(shù)見(jiàn)表2。

經(jīng)過(guò)幾何糾正后，得到如圖1的幾何糾正影像，糾正后的數(shù)據(jù)影像采用CGCS2000大地坐標(biāo)系，高斯克呂格投影，中央經(jīng)線東經(jīng)99°，東偏500 000 m。再次經(jīng)過(guò)6S定標(biāo)模型進(jìn)行輻射糾正后，得到如圖2的輻射糾正影像，影像也從原來(lái)的8位的byte形變?yōu)?2位的float形。通過(guò)大氣糾正，輻射糾正的目的是糾正因輻射誤差而引起的影像畸變。經(jīng)過(guò)輻射糾正后，不同植被所表現(xiàn)出的差值更為明顯，植被指數(shù)提取更為精確。目的是使影像地物分辨更為明顯，植被分布更易分析。

此次樣點(diǎn)數(shù)據(jù)主要是采用Google Earth的高分?jǐn)?shù)據(jù)，樣點(diǎn)的選取是基于2種植被覆蓋類(lèi)型。一種是基于極高植被覆蓋度的樣點(diǎn)，此處Google Earth影像顯示該點(diǎn)覆蓋幾乎是100%；一種是基于極低植被覆蓋度樣點(diǎn)，此處Google Earth影像顯示改點(diǎn)覆蓋幾乎為0；樣點(diǎn)數(shù)據(jù)的采集基于盡量均勻分布于整個(gè)實(shí)驗(yàn)區(qū)域，但由于實(shí)驗(yàn)需求及樣點(diǎn)采集有限，實(shí)驗(yàn)中2種樣點(diǎn)的采集原始高值被覆蓋植被樣點(diǎn)是多于實(shí)驗(yàn)樣點(diǎn)的，實(shí)驗(yàn)過(guò)程中要?jiǎng)h去部分DN值過(guò)小的樣點(diǎn)或區(qū)域過(guò)于密集的樣點(diǎn)，此次實(shí)驗(yàn)所采用的樣點(diǎn)數(shù)為高覆蓋植被樣點(diǎn)13個(gè)，如圖3分布所示；對(duì)于低植被覆蓋樣點(diǎn)，分布原則同高植被覆蓋樣點(diǎn)等同，亦要采用均勻分布原則，但是也要去除DN值較高的樣點(diǎn)及密度較大區(qū)域的樣點(diǎn)，最后保留的低植被覆蓋樣點(diǎn)為18個(gè)，如圖4分布所示。

2.2 插值分析 在許多預(yù)測(cè)性試驗(yàn)中，大多數(shù)時(shí)候需要通過(guò)已知數(shù)據(jù)來(lái)估計(jì)未知數(shù)據(jù)，而未知數(shù)據(jù)的估計(jì)是一個(gè)統(tǒng)計(jì)的過(guò)程[4]。

此次實(shí)驗(yàn)基于克里金插值法對(duì)影像進(jìn)行插值計(jì)算，在地質(zhì)探測(cè)或地表環(huán)境研究中，常常會(huì)用到克里金插值的方法，該方法是一種用于對(duì)局部估計(jì)的方法，能根據(jù)已知量估計(jì)未知量，克里金插值能提供某個(gè)區(qū)域的最佳平均值估計(jì)值[5-6]?？死锝鸩逯凳且环N對(duì)非均勻取樣的內(nèi)插方法，具備誤差的估計(jì)能力[7-8]?？死锝鸩逯档倪@些特性，也可以用于植被覆蓋度估計(jì)中。

該研究運(yùn)用傳統(tǒng)的克里金插值法，利用Eardas imagine 9.2軟件獲得樣點(diǎn)的坐標(biāo)值，根據(jù)坐標(biāo)值獲得植被覆蓋度指數(shù)NDVI，最后利用ArcGIS軟件對(duì)兩種樣點(diǎn)數(shù)據(jù)進(jìn)行克里金插值，插值得出高植被覆蓋點(diǎn)插值結(jié)果，如圖5；低植被覆蓋點(diǎn)插值結(jié)果，如圖6。

2.3 植被指數(shù)的計(jì)算 此次實(shí)驗(yàn)采用歸一化植被指數(shù)（NDVI），其是最早被提出來(lái)的植被指數(shù)，在許多研究中得到了應(yīng)用。NDVI反映了綠色生物量、葉綠素含量和冠層水勢(shì)變化[9]。在遙感科學(xué)中，歸一化植被指數(shù)（NDVI）在植被監(jiān)測(cè)中應(yīng)用最為廣泛，它能很好地反映植被覆蓋、生物量及生態(tài)系統(tǒng)參數(shù)覆蓋[10]。歸一化植被指數(shù)（NDVI）常常用于土地利用、植被覆蓋度、植被覆蓋動(dòng)態(tài)變化、環(huán)境監(jiān)測(cè)等[11]。

假如植被冠層不是過(guò)于濃密或過(guò)于稀疏，該植被指數(shù)可以有效地預(yù)測(cè)實(shí)驗(yàn)區(qū)域地表的植被覆蓋情況。但是，如果地表植被很稀疏，土壤或水體等非植物信號(hào)可能會(huì)嚴(yán)重改變NDVI的值；但是，如果植被很茂盛，NDVI值將達(dá)到其極值，無(wú)法正確地反應(yīng)植被的疏密度。因此，為了避免NDVI的這個(gè)不足，有人提出了這樣的原理：

Fg=NDVIi-NDVIminNDVImax-NDVImin

根據(jù)二分模型原理[12-13]，假設(shè)一個(gè)像元的地表是由有植被覆蓋部分地表與無(wú)植被覆蓋部分地表組成，而遙感傳感器觀測(cè)的光譜信息也由這2個(gè)組分因子合成，各因子的權(quán)重是各自的面積在像元中所占的比率，即可以把植被覆蓋度作為植被的權(quán)重。

植被覆蓋度是指植被所覆蓋區(qū)域的比例，如果衛(wèi)星遙感影像所得到的遙感信息為Y，由植被覆蓋的信息為Yz，由土壤得到的信息為Yt，則可以綜合為一個(gè)線性關(guān)系，可以簡(jiǎn)單地得到如下公式：

Y=Yz+Yt

NDVImax影像見(jiàn)圖7。NDVImin影像見(jiàn)圖8。最終得出植被覆蓋度示意圖（圖9）。

植被覆蓋度統(tǒng)計(jì)結(jié)果見(jiàn)圖10。通過(guò)數(shù)據(jù)分析，植被覆蓋最大值為1.0，最小值為0.000 1，平均值為0.330 840，方差為0.255 76；從圖10可看出，有相當(dāng)一部分點(diǎn)值位于0.15～0.45之間，可以得出該地區(qū)植被覆蓋度相對(duì)較低，大多數(shù)地區(qū)處于荒漠化狀態(tài)，方差值低，也充分說(shuō)明該地區(qū)植被覆蓋區(qū)分度比較低。根據(jù)三江源區(qū)植被覆蓋度分級(jí)（表3），可以得出插值法反演后得出的植被覆蓋度比例與實(shí)際比例的差值對(duì)比，從而評(píng)價(jià)插值法分析植被覆蓋度的精度。從表4可以看出，通過(guò)克里金插值法獲得的植被覆蓋度分級(jí)比例與實(shí)際植被覆蓋度分級(jí)比例一致性；分級(jí)比例差值最大的是極低覆蓋區(qū)，這可能受到湖泊、冰川、霧氣的影響；最小的是高覆蓋區(qū)，克里金插值法對(duì)植被覆蓋度估計(jì)有一定的參考意義。

3 結(jié)論

該研究通過(guò)利用國(guó)產(chǎn)遙感衛(wèi)星數(shù)據(jù)及Google Earth高分?jǐn)?shù)據(jù)，基于克里金插值法，通過(guò)利用植被指數(shù)NDIV對(duì)青海鄂陵湖、扎陵湖區(qū)域的植被數(shù)據(jù)進(jìn)行了反演實(shí)驗(yàn)，得出了青海鄂陵湖、扎陵湖區(qū)域植被覆蓋度，并給出了滿意的結(jié)果：

（1）該研究結(jié)合最新地理國(guó)情監(jiān)測(cè)最新植被覆蓋分類(lèi)方法確定了鄂陵湖、扎陵湖區(qū)域周邊植被覆蓋度，并給出了相對(duì)準(zhǔn)確的分類(lèi)結(jié)果。這表明在植被覆蓋度的統(tǒng)計(jì)中，可以利用該方法作為一種檢核植被覆蓋度的檢核方法。

（2）基于Google Earth高分?jǐn)?shù)據(jù)，獲得的高植被覆蓋分布點(diǎn)和高植被覆蓋分布點(diǎn)，對(duì)其進(jìn)行克里金插值分析后，進(jìn)行一些列植被覆蓋度試驗(yàn)，獲得相對(duì)準(zhǔn)確的植被覆蓋度，達(dá)到滿意的結(jié)果。

參考文獻(xiàn)

[1] 溫小樂(lè).基于影像的長(zhǎng)樂(lè)市植被覆蓋度變化研究[J].遙感信息，2013，28（6）：56-61.

[2] GITELSON A A，KAUFMAN Y J，STARK R，et al.Novel algorithms for remote estimation of vegetation fraction[J].Remote Sensing of Environment，2002，80（1）：76-87.

[3] 羅亞.基于遙感影像的植被指數(shù)研究方法述評(píng)[J].生態(tài)科學(xué)，2005，24（1）：75-79.

[4] DAVIS J C.Statisticsanddataanalysisingeology[M].3rd edition.New York：John Wileyand Sons，2002：57-61.

[5] 劉世翔.專(zhuān)家克里金插值法在空間插值中的應(yīng)用[J].地質(zhì)與資源，2011，20（4）：292-294.

[6] 郭鵬，董蘭芳，夏澤舉.地質(zhì)數(shù)據(jù)的等值線繪制方法研究[J].計(jì)算機(jī)仿真，2009（9）：168-171.

[7] 孫洪泉.地質(zhì)統(tǒng)計(jì)學(xué)及其應(yīng)用[M].北京：中國(guó)礦業(yè)大學(xué)出版社，1990：38-39.

[8] 弓小平，楊毅恒.普通Kriging法在空間插值中的運(yùn)用[J].西北大學(xué)學(xué)報(bào)：自然科學(xué)版，2008（12）：878-882.

[9] 趙娟.冬小麥不同生育時(shí)期葉面積指數(shù)繁衍方法[J].光譜學(xué)與光譜分析，2013，33（9）：2546-2551.

[10] TUCHKER C J.African land-cover classificationusing satellite data（J）.Science，1985，227（4685）：369-375.

[11] 李惠敏，劉洪斌，武偉.近10年重慶市歸一化植被指數(shù)變化分析[J].地理科學(xué)，2010，30（1）：119-123.

[12] 趙英時(shí).遙感應(yīng)用分析原理與方法[M].北京：科學(xué)出版社，2003.

[13] 顧祝軍，曾志遠(yuǎn).遙感植被蓋度研究[J].水土保持研究，2005，12（2）：18-21.