趙威成， 馬福義， 呂利娜， 葉 欣

(1.黑龍江科技大學 礦業(yè)工程學院， 哈爾濱 150022； 2.東北林業(yè)大學 林學院， 哈爾濱 150040)

0 引 言

隨著遙感技術的出現和發(fā)展，遙感估算法已成為植被覆蓋度(Fractional vegetation cover, FVC)估算的主要方法。目前，最常用的模型是線性光譜混合模型，若其像元組分通常只考慮植被和土壤兩種，則該模型被稱為像元二分模型，模型中植被指數參數多采用歸一化植被指數，即NDVI[1]。

研究者們對NDVI的過飽和現象進行了大量的探討，有學者提出當FVC達到80%～90%時，NDVI接近飽和，甚至有學者實驗表示當覆蓋度達到60%時，NDVI就已經接近飽和了?？紤]到NDVI的過飽和性對植被覆蓋度帶來的影響，筆者利用DVI嘗試改進了像元二分模型，比較并分析兩種模型的反演表現。以具有代表性的MODIS數據為對象進行研究，采用Landsat8 OLI傳感器的多光譜影像并利用ProSAIL 模型[2]計算30 m的FVC，升尺度到240 m作為基準數據驗證兩種像元二分模型反演結果。

1 理論模型

1.1 差值植被指數

差值植被指數(Difference vegetation index DVI)對土壤背景的變化極為敏感，式中用V表示。

V=N-R,

(1)

式中:N——在landsat8中是第5波段(0.775～0.900 μm)，在MODIS中是第2波段(0.841～0.890 μm)；

R——在landsat8中是第4波段(0.630～0.690 μm)，在MODIS中是第1波段(0.620～0.672 μm)。

1.2 DVI的像元二分模型

設不同波段的像元亮度值都是由該像元內植被的反射亮度和非植被的反射亮度共同貢獻的結果，那么紅波段(近紅外波段)像元亮度值R(N)可由植被覆蓋部分亮度值RV(NV)和無植被覆蓋部分的亮度值RS(NS)按面積加權線性組合得到，若像元內植被覆蓋度為f，非植被覆蓋度為1-f，則像元亮度值可表達為：

R=f×RV+(1-f)RS

,

(2)

N=f×NV+(1-f)NS

,

(3)

式中：NV——像元二分模型中NDVI的植被覆蓋亮度值；

NS——像元二分模型中NDVI的無植被覆蓋亮度值。

式(3)減去式(2)，整理得到：

V=f×VV+(1-f)VS

,

(4)

(5)

與像元二分模型中NV、NS計算過程[3-4]相似，最終得到VV、VS值，代入表達式(5)中，表達式可改寫為：

(6)

2 實 驗

2.1 研究區(qū)選取

本次研究區(qū)位于內蒙古通遼市，地理范圍介于東經120°49′10″～121°44′20″，北緯44°23′38″～44°48′44″之間。選取矩形區(qū)域，便于地表覆蓋度的尺度轉化。研究區(qū)內大部分區(qū)域較為平坦，海拔均值約300 m，地處森林和草原的過渡地帶，原始景觀為榆樹疏林草原，以草原植被為主，森林植被居其次，植被類型主要由干旱草原類型及旱生草本植物構成，符合植被覆蓋度多級變化的研究需求，便于不同的覆蓋程度下的對比研究；研究區(qū)左上角有部分山區(qū)，便于不同地形下的對比研究。該研究區(qū)下墊面呈現典型的植被覆蓋度特征，進而為本次研究提供了重要的條件。

選用研究區(qū)2017-08-29 Landsat8 OLI影像，條帶號為121，行編號為29，同時相MODIS L3產品MOD09Q1，行列號為H26、V04。

2.2 研究區(qū)影像預處理

本次實驗使用了兩種影像，Landsat8 OLI和MOD09Q1影像。

對Landsat8 OLI影像進行了輻射定標，進而進行了大氣校正，在影像上裁剪了矩形研究區(qū)域，所得影像如圖1a所示。MOD09Q1影像投影和Landsat8不一致，為方便比較，對其進行重投影，像素大小設置為240 m，重采樣方式為最近鄰法[5]。經比較，重投影后幾何位置較Landsat升尺度影像差值在0.5個像素內，進一步參考Landsat影像范圍對MOD09Q1進行裁剪，所得影像如圖1b所示，可滿足后續(xù)應用需要。

圖1 預處理所得影像數據Fig. 1 Preprocessed image data

3 研究區(qū)FVC反演

3.1 研究區(qū)FVC相對真值反演

ProSAIL 輻射傳輸模型耦合了 PROSPECT 葉片光學特性模型和 SAILH 冠層結構反射率模型。已有研究表明，在藍、綠光范圍的光譜特征對 LAI 的變化敏感度較低，在紅光和近紅外范圍的光譜特征對 LAI (公式中用LAI表示)的變化敏感度較高。

葉面積指數與植被覆蓋度的轉換關系為：

f=1-e-bGΩLAI

，

(7)

式中：b——葉片反照率的函數，一般為0.945；

G——葉片投影因子，取值為 0.5；

Ω——聚集指數，取值為 1。

30 mFVC結果如圖2a所示。

圖2 研究區(qū)FVCFig. 2 FVC image of study area

然后，按照遙感尺度效應原理升尺度聚合到240 m計算出該區(qū)域FVC的相對真值，240 mFVC相對真值結果[6-8]如圖2b所示。覆蓋度類型劃分如表1所示。

表1 植被覆蓋度類型劃分

3.2 MOD09Q1影像反演FVC

根據基于NDVI的像元二分模型式和改進后的基于DVI的像元二分模型式6可知，兩種模型的基本形式是一致的，主要區(qū)別是在反演中所使用的植被指數。按照上述理論模型分析，只要從影像上計算出NDVI(DVI)，求取NDVI(DVI)的最小值NDVImin(DVImin)和最大值NDVImax(DVImax)，就可以利用反演公式，反演出研究區(qū)域的FVC。

具體操作時，NDVImin(DVImin)指的是非植被覆蓋區(qū)域的植被指數值，NDVImax(DVImax)指的是完全植被覆蓋區(qū)域的植被指數值。將Landsat8真彩色影像升尺度到240 m，在該影像上進行目視解譯，按照非植被覆蓋區(qū)域和完全植被覆蓋區(qū)域人工圈定ROI作為采樣樣本，樣本盡量均勻分布于整個研究區(qū)，為了避免噪聲的影響，兩類樣本分別按值升序排列并統(tǒng)計累積概率密度，按[5%,95%]置信區(qū)間取值。獲取數據如表2所示，反演結果如圖2c、2d所示。

表2 MOD09Q1影像反演FVC參數

4 反演FVC結果

分別基于NDVI和DVI的像元二分模型反演出的FVC結果和研究區(qū)相對真值目視效果如圖2，相對真值240 mFVC和基于NDVI反演FVC(FVCNDVI)及基于DVI反演FVC(FVCDVI)都有所差異，其中相對來說，基于DVI的反演結果更接近于相對真值。計算反演結果最大值、最小值、均值、標準差等統(tǒng)計信息，統(tǒng)計了不同植被覆蓋度類型占比，如表3所示。

表3 不同反演結果統(tǒng)計信息對比

由表3統(tǒng)計信息對比可知，Landsat8 OLI 反演結果30 mFVC和升尺度后的240 mFVC有較相似的統(tǒng)計信息，且與MODIS反演結果FVCNDVI、FVCDVI統(tǒng)計信息相差較大，這一點與尺度效應理論是一致的。由升尺度轉換原理可知，先反演后聚合升尺度過程中符合物質守恒定律，即240 mFVC可作為MODIS反演結果的相對真值。

FVCNDVI、FVCDVI總體對比，最大值、最小值較為相似，與240 mFVC結果接近；均值統(tǒng)計顯示差異較大，FVCNDVI為0.762，FVCDVI為0.709，其中FVCDVI均值與240 mFVC均值0.663較為接近，表明FVCDVI、FVCNDVI總體都有高估現象， FVCNDVI高估較為嚴重，這一點與圖2目視解譯結果一致。由表3覆蓋度類型占比統(tǒng)計可知，在覆蓋度前3個等級中，FVCNDVI、FVCDVI略有差異，與240 mFVC相比總體趨勢相同，各類占比略有不同，可能是由于尺度效應的結果；第Ⅳ級中，FVCNDVI表現優(yōu)于FVCDVI，FVCDVI與相對真值比較高估了11%；第Ⅴ級中，FVCNDVI嚴重高估，達到了26.44%，究其原因可能主要是由NDVI過飽和現象引起的。

3 結 論

FVCNDVI、FVCDVI在估算無植被覆蓋、低植被覆蓋、中植被覆蓋地表時表現較為一致，中高植被覆蓋時，FVCNDVI表現略優(yōu)于FVCDVI，高植被覆蓋時FVCNDVI有嚴重高估現象。由精度分析結果看，FVCNDVI、FVCDVI估算無植被覆蓋度和低植被覆蓋時有較高的精度和可靠性。在中植被覆蓋區(qū)域，FVCDVI結果相對更加可靠。FVCDVI總體表現優(yōu)于FVCNDVI。

另外，本研究選取先反演后聚合的方法對MODIS反演結果做真實性檢驗，結果表明，由于尺度效應的作用，誤差較大。下一步的研究中，將對如何進行尺度轉換獲得可靠的相對真值對地表覆蓋度進行真實性檢驗展開研究。