干曉宇　唐江川　魯巖　劉琳　劉偉　侯眾　張緒校　李林　秦盼

摘要? 構(gòu)建以遙感參數(shù)為主的天然草地及其草地類的解譯指標(biāo)體系，能夠高效快速地提取天然草地資源的現(xiàn)狀特征。以四川省天然草地為研究對(duì)象，利用多源遙感技術(shù)，提取四川省3州（甘孜、阿壩、涼山）及四川盆地周邊地區(qū)天然草地解譯標(biāo)志。結(jié)果表明，利用近紅外波段、紅光波段及綠光波段指標(biāo)，配合溫度、濕度、降水等非遙感指標(biāo)構(gòu)建的解譯指標(biāo)體系，能夠很好地提取四川省的5類主要天然草地類的分布特征，其解譯精度為89.7%。此研究為接下來的四川省天然草地資源清查工作提供了技術(shù)支持。

關(guān)鍵詞? 天然草地;遙感;解譯指標(biāo);草地類

中圖分類號(hào)? S812??? 文獻(xiàn)標(biāo)識(shí)碼? A

文章編號(hào)? 0517-6611（2019）24-0082-06

doi：10.3969/j.issn.0517-6611.2019.24.026

Constructing Interpretation Index System of Natural Grassland and Grassland Classes in Sichuan Province Based on Remote Sensing

GAN Xiao-yu1， TANG Jiang-chuan2， LU Yan2 et al

（1.Sichuan University， Chengdu， Sichuan 610065;2.Sichuan General Grassland Station， Chengdu， Sichuan 610041）

Abstract? Constructing the interpretation index system of natural grassland and classes of grassland based on remote sensing parameters can effectively and rapidly extract the current characteristics of natural grassland resources. In this paper， the natural grassland in Sichuan Province was taken as the research object， and multi-source remote sensing technology was used to extract the interpretation signs of natural grassland in the three prefectures and the surrounding areas of Sichuan Province. The results showed that the interpretation index system based on near infrared band， red band and green band， combined with non-remote sensing indicators such as temperature， humidity and precipitation， could extract the distribution characteristics of five main natural grassland types in Sichuan Province. The overall accuracy was 89.7%. The results provided technical support for the following natural grassland resources inventory work in Sichuan Province.

Key words? Natural grass;Remote sensing;Interpretation index;Classes of grassland

基金項(xiàng)目? 成都市哲學(xué)社會(huì)科學(xué)規(guī)劃項(xiàng)目（2015R03）。

作者簡(jiǎn)介? 干曉宇（1981—），男，四川雅安人，講師，博士，從事地理信息系統(tǒng)應(yīng)用、遙感解譯工作。

收稿日期? 2019-05-23

為了解掌握全省草地資源狀況、生態(tài)狀況和利用狀況等方面的本底資料，提高草原精細(xì)化管理水平，為落實(shí)強(qiáng)牧惠牧政策、嚴(yán)格依法治草和全面深化草原生態(tài)文明體制改革提供數(shù)據(jù)支撐，四川省于2017年3月—2018年12月進(jìn)行了全省草地資源清查工作。此次清查的一個(gè)主要任務(wù)是查清全省天然草原面積及其分布，以及各類天然草地在四川省的分布現(xiàn)狀。在此基礎(chǔ)上，了解自20世紀(jì)80年代第一次草地資源調(diào)查后四川省草原動(dòng)態(tài)變化情況。根據(jù)草地資源調(diào)查的要求，需要能快速獲取區(qū)內(nèi)的草原資源分布、草原分類以及生產(chǎn)量信息。傳統(tǒng)的方法費(fèi)時(shí)、費(fèi)力、耗人力，在規(guī)定的時(shí)間內(nèi)不能很好地完成全部工作。借助衛(wèi)星遙感手段以其時(shí)效性、覆蓋面廣、分辨率高等優(yōu)勢(shì)使得快速大面積監(jiān)測(cè)提取草地資源信息，草地生長(zhǎng)狀況信息等成為可能[1-2]。

在基于遙感技術(shù)的草地資源清查過程中，最為重要的步驟是建立基于遙感參數(shù)的解譯指標(biāo)體系[3]。一旦建立起遙感解譯標(biāo)志，即可選擇訓(xùn)練區(qū)，利用深度學(xué)習(xí)中的機(jī)器學(xué)習(xí)等分類方法，快速區(qū)別草地和非草地，并進(jìn)一步確定草地的類。該研究將遙感技術(shù)結(jié)合地形、濕度和降水等變量，建立適合于四川省的草地資源遙感解譯標(biāo)志庫(kù)，為接下來的草地資源清查工作提供技術(shù)支撐。

1? 材料與方法

根據(jù)草原分類圖制定需求，該研究需要生成遙感解譯精度為1∶10萬比例尺的草原分類圖[4]。為達(dá)到更高的精度，選用了更優(yōu)質(zhì)量的影像。其中，非平原和丘陵地區(qū)的山地區(qū)域以15 m分辨率的陸地衛(wèi)星Landsat 8 OLI（Operational Land Imager 陸地成像儀）和高分一號(hào)、二號(hào)衛(wèi)星影像數(shù)據(jù)為標(biāo)準(zhǔn)解譯影像;平原和丘陵地區(qū)以高分系列衛(wèi)星影像和資源三號(hào)衛(wèi)星影像為主，空間分辨率為4～8 m。遙感影像收集年份主要為2016—2018年，同時(shí)結(jié)合了亞米級(jí)的GEOEYE、WORLDVIEW系列衛(wèi)星影像數(shù)據(jù)進(jìn)行草地邊界提取，采用深度學(xué)習(xí)中的機(jī)器學(xué)習(xí)方法進(jìn)行草地資源信息的預(yù)提取和初處理，再結(jié)合人工目視解譯判讀和后處理，從而可以確保獲取符合精度要求的草原分類圖[3，5]。在建立草地遙感解譯標(biāo)志庫(kù)的工作中，首先要對(duì)天然草地進(jìn)行認(rèn)定;然后建立遙感標(biāo)志以區(qū)別天然草地和其他用地類型（如農(nóng)田、林地和其他非草地類型）;最后，對(duì)解譯出來的天然草地圖斑進(jìn)行進(jìn)一步分析，以確定各天然草地類的遙感解譯標(biāo)志。

天然草地類的提取工作分為兩步，首先提取天然草地邊界，然后對(duì)提取出的天然草地斑塊進(jìn)行草地類的劃分。根據(jù)農(nóng)業(yè)部草地分類的標(biāo)準(zhǔn)，天然草地是指天然草地優(yōu)勢(shì)種為自然生長(zhǎng)行程，且自然生長(zhǎng)植物生物量和覆蓋度大于等于50%的草地。天然草地按照相同氣候帶和植被型組的不同，進(jìn)一步劃分為不同的類[6]。四川省天然草地類主要分為：高寒草甸類、暖性灌草叢類、熱性灌草叢類、山地草甸類、低地草甸類5類[7]。

在建立天然草地和各天然草地類的遙感解譯標(biāo)志過程中，需要“天地”結(jié)合，以確立訓(xùn)練樣本[8]。該研究選擇了高分影像數(shù)據(jù)約960景，覆蓋四川省所有區(qū)域。同時(shí)，進(jìn)行地面調(diào)查，獲取監(jiān)測(cè)區(qū)樣地的草原類型、植被蓋度、高度、生物量等信息。確定了1 647個(gè)地面樣點(diǎn)，其中1 545個(gè)為有效點(diǎn)樣點(diǎn)。有效地面樣點(diǎn)數(shù)據(jù)經(jīng)計(jì)算機(jī)匯總和整理，轉(zhuǎn)換成地理信息軟件識(shí)別的空間數(shù)據(jù)格式，作為遙感監(jiān)測(cè)的訓(xùn)練樣本。當(dāng)所有地面訓(xùn)練樣本和遙感影像所對(duì)應(yīng)的像元均確定過后，利用機(jī)器深度學(xué)習(xí)的softmax分類器和SVM分類器運(yùn)行分類算法并得到分類結(jié)果。將分類結(jié)果進(jìn)行人工目視解譯，判斷分類的大體精度，并分析容易出錯(cuò)的類別。根據(jù)易錯(cuò)的分類特征，重新采集分類的樣本以及設(shè)定分類的參數(shù)，或者對(duì)分類的結(jié)果進(jìn)行匯總或者再分割，直到達(dá)到滿意的結(jié)果為止。此時(shí)的分類參數(shù)即為所需的草地遙感解譯標(biāo)志。

2? 結(jié)果與分析

2.1? 天然草地遙感解譯標(biāo)志

在該研究中，積雪、水體、建設(shè)用地等其他用地與草地的遙感解譯參數(shù)差別較大，耕地則可參考多時(shí)相遙感影像的NDVI（歸一化差值植被指數(shù)）的變化情況很好地與草地區(qū)別[9]。難度最大的是將草地與灌木和林地進(jìn)行區(qū)別。其中，郁閉度低于10%的林草圖斑，以及郁閉度低于40%的灌草圖斑均為草地，而郁閉度高于5%的草地裸地混合圖斑也歸為草地。因此，典型草地訓(xùn)練樣本的場(chǎng)景選擇十分重要（表1）。

根據(jù)對(duì)訓(xùn)練圖斑相應(yīng)參數(shù)值的提取，得到了分類精度最高的參數(shù)組合。該組合可用于天然草地圖斑的解譯標(biāo)志。

2.2? 天然草地類的遙感解譯標(biāo)志

經(jīng)過上一步處理，可以從遙感影像中提取出天然草地圖斑。在進(jìn)行下一步區(qū)分天然草地類之前，需要對(duì)這些圖斑中的小碎圖斑進(jìn)行處理。將小圖斑劃分到周邊大的地類當(dāng)中，并通過人工目視解譯糾正錯(cuò)分類別，最后通過構(gòu)建矢量拓?fù)潢P(guān)系消除不合規(guī)定的圖斑。

下一步的工作是對(duì)天然草地圖斑進(jìn)行進(jìn)一步分析，以確定各圖斑的草地類。經(jīng)過第一步的處理，得到天然草地圖斑158 881個(gè)，涵蓋了四川省5個(gè)天然草地類。選取了1 545個(gè)有效地面樣點(diǎn)作為訓(xùn)練樣本，提取樣點(diǎn)位置所在的天然草地斑塊，依據(jù)樣點(diǎn)地面調(diào)查信息確定該斑塊的草地類。最后找到各斑塊所對(duì)應(yīng)的遙感影像，提取遙感參數(shù)以獲得各草地類的解譯標(biāo)志。

由于四川省地形地貌復(fù)雜多樣，加之衛(wèi)星遙感影像“異物同譜，同物異譜”現(xiàn)象影響，導(dǎo)致僅僅利用遙感影像參數(shù)作為解譯標(biāo)志對(duì)草地類進(jìn)行區(qū)分的精度難以達(dá)到要求。因此，在該研究中，天然草地類的遙感解譯標(biāo)志除了利用遙感影像參數(shù)外，還需要考慮地形、降水、溫度等非遙感指標(biāo)，形成解譯標(biāo)志指標(biāo)體系[10-12]。

2.2.1? 各天然草地類的遙感影像參數(shù)。

將1 545個(gè)天然草地地面樣點(diǎn)劃分為高寒草甸類、暖性灌草叢類、熱性灌草叢類、山地草甸類、低地草甸類5類，并將其范圍制作成矢量面文件覆蓋到遙感影像上，最后提取該區(qū)域遙感影像各重要波段的參數(shù)統(tǒng)計(jì)值，作為該類草地遙感解譯標(biāo)志。該研究選取的遙感影像，四川省3州地區(qū)為高分一號(hào)、二號(hào)衛(wèi)星，盆周地區(qū)為資源三號(hào)衛(wèi)星;成像時(shí)間均為5—8月。一般來說，在進(jìn)行遙感解譯時(shí)所選用的波段需要滿足自身信息量充足，并和其它波段所提供的信息相互獨(dú)立[13]。因此，該研究選取了遙感解譯時(shí)最常用的近紅外、紅光和綠光波段作為指標(biāo)提取波段。由于3州地區(qū)和盆周地區(qū)地理特征差異較大，因此將2個(gè)區(qū)域分開討論。提取結(jié)果如表2所示。

由于參與統(tǒng)計(jì)的像元數(shù)量較多，像元值分布大致呈正態(tài)分布。因此，約有95%屬于某一特定類的天然草地的像元，其像元值都將落在平均值的2個(gè)標(biāo)準(zhǔn)差范圍內(nèi)。以盆周山地草甸為例。屬于該草地類的像元，其近紅外波段圖層像元值的取值約有95%都在328.16±14.08的范圍之內(nèi)，與其他類天然草地像元值有明顯差別，可以作為遙感參數(shù)的解譯指標(biāo)。從表2數(shù)據(jù)不難發(fā)現(xiàn)，一些不同類的天然草地在反射光譜上非常接近，同時(shí)，有一些草地類在某一個(gè)波段的像元值取值范圍非常廣，最后體現(xiàn)在3個(gè)波段像元值相似的結(jié)果，造成異物同譜的現(xiàn)象。因此，僅僅依靠遙感參數(shù)作為解譯指標(biāo)并不能完全區(qū)分各天然草地類，還需要綜合考慮地形、溫度、降水等因素的影響[14]。

2.2.2? 各天然草地類的解譯標(biāo)志指標(biāo)體系構(gòu)建。

基于以上論述，結(jié)合全國(guó)草地分類標(biāo)準(zhǔn)[6]，該研究構(gòu)建了結(jié)合遙感影像解譯指標(biāo)（包括近紅外波段像元值、紅光波段像元值、綠光波段像元值）、濕度、地形、降水量等指標(biāo)結(jié)合的指標(biāo)體系，旨在為四川草地資源清查工作提供技術(shù)支持（表3），其中部分?jǐn)?shù)據(jù)基于中華人民共和國(guó)草地分類標(biāo)準(zhǔn)[6]。

在利用指標(biāo)體系進(jìn)行實(shí)際草地類遙感監(jiān)測(cè)分類工作中，首先利用中高分辨率遙感影像提出非天然草地的用地類型。然后，對(duì)天然草地斑塊進(jìn)行進(jìn)一步分類。首先利用指標(biāo)體系中的遙感影像解譯指標(biāo)，即近紅外、紅光和綠光波段像元值的參考范圍，對(duì)草地斑塊中的每一個(gè)像元進(jìn)行判斷，落入某類草地指標(biāo)參考范圍的，則該類草地作為此像元的備選類。然后進(jìn)一步判斷濕度、降水、地形等指標(biāo)，判斷該像元最終屬于哪一類草地。若仍無法用該指標(biāo)體系判斷，則需要對(duì)該像元進(jìn)行實(shí)地考察或參考其他相關(guān)資料判斷其草地類（圖1）。

2.2.3? 解譯精度驗(yàn)證。

由于遙感解譯總是存在一定誤差，特別是利用指標(biāo)體系判斷草地類的工作中，誤差無法避免[15-17]。因此另外利用GIS軟件，隨機(jī)選取了253個(gè)野外核查樣圖斑，樣點(diǎn)包含所有5個(gè)草地類。對(duì)這253個(gè)核查圖斑進(jìn)行實(shí)地驗(yàn)證，判斷其分類結(jié)果是否正確。在進(jìn)行實(shí)地樣點(diǎn)與圖斑疊加分析時(shí)，考慮到野外采樣的GPS位置坐標(biāo)可能存在一定的不精確性，因此將草地圖斑的邊界外延90 m，即3個(gè)Landsat 8標(biāo)準(zhǔn)多光譜像元過后，再進(jìn)行判斷分析。最后得到的分析結(jié)果如下，253個(gè)野外采樣核查點(diǎn)鐘，有227個(gè)核查點(diǎn)是正確的，總體精度為89.7%。該結(jié)果表明，利用遙感參數(shù)結(jié)合其他非遙感指標(biāo)對(duì)天然草地類進(jìn)行識(shí)別具有可行性和適用性。

3? 結(jié)論

該研究采用多源遙感數(shù)據(jù)，對(duì)四川省3州地區(qū)和盆周地區(qū)的草地資源進(jìn)行了提取和分類分析。在此過程中，利用多波段遙感影像像元值進(jìn)行分析，選取了適合四川省草地資源遙感解譯的合理指標(biāo)，并確定了所選遙感指標(biāo)的取值參考范圍。通過對(duì)分析結(jié)果進(jìn)行實(shí)地檢驗(yàn)點(diǎn)的驗(yàn)證，發(fā)現(xiàn)所采用的方法具有一定的適用性，其總體精度為897%。分析造成分類誤差的主要原因，仍然是衛(wèi)星遙感影像的“異物同譜，同物異譜”現(xiàn)象;不同時(shí)相、不同空間分辨率和不同衛(wèi)星傳感器的影像源的差異;以及四川省復(fù)雜多樣的地形地貌和平原丘陵區(qū)細(xì)碎的地表地物分布特征。因此，利用遙感解譯指標(biāo)區(qū)分天然草地及其所屬草地類的工作，具有較好的適用性，但仍然離不開后期處理和人工目視解譯判讀工作。

參考文獻(xiàn)

[1]修曉敏，周淑芳，陳黔，等.基于Google Earth Engine與機(jī)器學(xué)習(xí)的省級(jí)尺度零散分布草地生物量估算[J].測(cè)繪通報(bào)，2019（3）：46-52，75.

[2]張洪江，韓燕.3S技術(shù)在草地遙感綜合調(diào)查中的應(yīng)用[J].新疆畜牧業(yè)，2004（6）：56-58.

[3]查勇JAY GAO，倪紹祥.國(guó)際草地資源遙感研究新進(jìn)展[J].地理科學(xué)進(jìn)展，2003，22（6）：607-617.

[4]贠旭江，董永平，尹曉飛，等.草地資源調(diào)查技術(shù)規(guī)程：NY/T 2998—2016[S].北京：中國(guó)農(nóng)業(yè)出版社，2017：2-15.

[5]李百紅.基于遙感數(shù)據(jù)的草地信息提取及動(dòng)態(tài)監(jiān)測(cè)研究：以新疆哈巴河縣為例[D].泰安：山東農(nóng)業(yè)大學(xué)，2011.

[6]贠旭江，董永平，李維薇，等.草地分類：NY/T 2997—2016[S].北京：中國(guó)農(nóng)業(yè)出版社，2017：2-10.

[7]周壽榮，杜逸，倪炳熾，等.四川草地資源[M].成都：四川民族出版社，1989.

[8]黃敬峰，王人潮，胡新博.新疆北部天然草地產(chǎn)草量遙感監(jiān)測(cè)預(yù)測(cè)模型研究[J].浙江農(nóng)業(yè)大學(xué)學(xué)報(bào)（農(nóng)業(yè)與生命科學(xué)版），1999，25（2）：125-129.

[9]陳進(jìn)發(fā)，劉暢，徐劍波.基于TM-NDVI的草地生產(chǎn)力遙感監(jiān)測(cè)研究[J].安徽農(nóng)業(yè)科學(xué)，2011，39（12）：7365-7366，7407.

[10]趙連春，劉榮堂，楊予海，等.基于地形因子的草地遙感分類方法的研究[J].草業(yè)科學(xué)，2006，23（12）：26-30.

[11]殷青軍，汪青春，楊英蓮，等.青?，敹嗫h草地資源遙感動(dòng)態(tài)監(jiān)測(cè)及分析[J].青海氣象，2001（3）：9-14.

[12]李亞楠，張麗，廖靜娟，等.藏北中部地區(qū)草地退化遙感監(jiān)測(cè)[J].遙感技術(shù)與應(yīng)用，2013，28（6）：1069-1075.

[13]李輝霞，劉淑珍.高原草地退化遙感監(jiān)測(cè)對(duì)象的地學(xué)屬性分析：以西藏自治區(qū)那曲縣為例[J].山地學(xué)報(bào)，2003，21（Z1）：72-76.

[14]李傳新.基于遙感的錫林河流域草地退化及影響因素分析[D].北京：中國(guó)地質(zhì)大學(xué)（北京），2016.

[15]李培先，鄭江華，倪亦非，等.阿爾金山草地鼠害發(fā)生區(qū)及鼠荒地面積遙感估算[J].新疆農(nóng)業(yè)科學(xué)，2016，53（7）：1346-1355.

[16]劉睿.基于遙感反演的樣帶草地生產(chǎn)力模擬：以呼倫貝爾-烏里雅蘇臺(tái)樣帶為例[D].北京：中國(guó)科學(xué)院研究生院，2011.

[17]PITKANEN T P，KAYHKO N.Reducing classification error of grassland overgrowth by combing low-density lidar acquisitions and optical remote sensing data[J].ISPRS Journal of Photogrammetry and Remote Sensing，2017，130：150-161.