胡 貝

(中南勘察設(shè)計院集團有限公司, 湖北 武漢 430074)

0 引言

當某地區(qū)的地物類型發(fā)生變化時,該地區(qū)不同時相的遙感影像存在一定的光譜特征差異,通過對該差異進行對比分析,獲取其變化信息,達到監(jiān)測該地區(qū)土地覆蓋/利用變化的目的。變化監(jiān)測技術(shù)是區(qū)域土地覆蓋/利用變化的重要技術(shù)手段,對不同時相遙感影像的光譜特征差異的分析結(jié)果直接影響土地覆蓋/利用變化信息獲取的準確性[1]。隨著遙感技術(shù)以及計算機圖像處理技術(shù)的快速發(fā)展,使得變化監(jiān)測的技術(shù)手段更為豐富,相較于傳統(tǒng)的人工解譯,大大減少了工作量,提高了工作效率,監(jiān)測結(jié)果精度更高,可靠性更高[2]。

1 變化監(jiān)測

在土地動態(tài)變化監(jiān)測研究過程中,常用的研究方法為變化矢量分析法,該方法可以對不同時相中的多光譜數(shù)據(jù)變化信息進行綜合分析監(jiān)測,不受傳感器類型限制[3]。首先要對同地區(qū)兩個不同時間的遙感圖像進行光譜量測,圖像中的每個像元均可以生成具有兩個特征的變化向量,分別表示變化方向和變化強度。其中,變化強度特征向量的計算方法即為求得位于n維空間中兩個數(shù)據(jù)點之間的距離,其計算公式為:

(1)

式中，CMpixel為變化強度；BVijk(date1)和BVijk(date2)分別為像元(i,j)對于不同日期在波段k的光譜值,k=1,2,…，n,n為選用的波段數(shù)。方向變化特征向量是反映某個數(shù)據(jù)點在每個波段的變化,根據(jù)變化向量的角度和方向判斷其正/負向變化及其變化模式[4],在所選擇的各個波段分別計算出BV變化值及其變化模式。

對變化向量進行綜合分析,其輸出結(jié)果為變化強度圖像和變化方向碼圖像,通過兩幅圖像進行提取區(qū)域變化信息。在某區(qū)域的研究應(yīng)用中,可以根據(jù)該研究區(qū)域的實際情況設(shè)定強度變化閾值[5],若某片區(qū)域的像元變化強度沒有超出設(shè)定閾值,則默認該點的土地利用類型未發(fā)生變化;同理,當像元變化強度超過所設(shè)定的閾值[6],則判定發(fā)生改變,如圖1所示。綜合分析變化向量信息,并參考其他的圖像特征,可對研究區(qū)域內(nèi)的土地利用/覆蓋變化進行進一步探究。

圖1 變化類型圖

2 變化矢量

2.1 垂直植被指數(shù)

垂直植被指數(shù)(PVI)即是在R、NIR二維數(shù)據(jù)中對綠度指數(shù)(GVI)的模擬,在R、NIR二維坐標系內(nèi),地表土壤的光譜響應(yīng)曲線為一條斜線,又稱為土壤亮度線[7]。在R、NIR波段,地表土壤具有非常高的光譜響應(yīng),當?shù)乇硗寥赖淖陨韺傩园l(fā)生變化時,其亮度值會以土壤亮度線為參考,上下移動。相較于地表土壤,地表植被在紅波段的光譜響應(yīng)普遍偏低,但在近紅外波段,其光譜響應(yīng)相對較高[8]。由于土壤和植被各自的光譜響應(yīng)特性,導致在二維坐標系內(nèi)地表植被的光譜曲線多位于土壤線的左上方。同時因為不同種類的植被與土壤亮度線的距離不同,植物像元到土壤亮度線的垂直距離即為垂直植被指數(shù),垂直植被指數(shù)的計算公式為:

(2)

式中，S為土壤反射率;V為植被反射率;R為紅波段;NIR為近紅外波段。PVI表示在土壤上的植被生物量,當之間距離越遠,則植被生物量越大,同時也可以將PVI定量表達為:

PVI=(DNNIR-b)cosθ-DNR·sinθ

(3)

式中，DNNIR、DNR分別為NIR、R兩波段的反射輻射亮度值;b為土壤基線與NIR反射率縱軸的截距;θ為土壤基線與R光反射率橫軸之間的夾角。

PVI的自身特點極為顯著,可以充分對土壤背景的影響進行有效過濾,且PVI對大氣效應(yīng)的敏感程度也相對較小,遠遠低于其他植被指數(shù)[9]。正因為PVI自身的特殊屬性,可以較好消除其他外界因素的干擾,所以其應(yīng)用較為廣泛,尤其是大面積作物估產(chǎn)領(lǐng)域的應(yīng)用。

2.2 亮度指數(shù)

亮度指數(shù)BI,采用均方根法獲得,即:

(4)

2.3 土地用地類型的光譜特征

不同地物具有不同的光譜特征,研究區(qū)域內(nèi)主要的地物特征包含地表建筑物、水體、植被等[10]。一般情況下,我們在遙感影像上只能看到建筑物頂部,建筑物側(cè)面內(nèi)容相對較少,所以需要對建筑物頂部不同建造材質(zhì)的光譜特征進行研究分析。經(jīng)過對現(xiàn)有資料查詢并咨詢相關(guān)專業(yè)人員,得出灰白色石棉瓦材質(zhì)的屋頂反射率最高,瀝青粘砂屋頂因其表面鋪著砂石,砂石具有較高的反射率,所以瀝青粘砂材質(zhì)的屋頂反射率相對于灰色水泥屋頂要高出許多,鐵皮材質(zhì)的屋頂反射率低并且曲線起伏程度較小,相對較為平坦。

水體反射率在整個波段內(nèi)明顯較低,尤其是在近紅外部分,相較于其他地物水體反射率低的特性更為明顯。對于水質(zhì)較清透光性較好的水體來說,一般在可見光部分反射率為4%～5%,在0.6 nm左右處反射率下降至2%～3%,而在0.75納米之后的近紅外波段,水成了全吸收體[11]。由于水體中會含有一定的葉綠素,同時還會存有一些浮游植物,兩者對于水體的反射波譜也會造成明顯影響,水體中藻類等水生物在近紅外波段出現(xiàn)反射峰值,可以據(jù)此對水體的富營養(yǎng)化程度進行科學評判。

由于一般植物會進行光合作用,所以各類植被的反射波譜特征相似度相對較高。大部分植物的反射波譜特征是:在可見光綠波段附近有一個反射率在10%～20%范圍內(nèi)的峰值,在近紅外波段有一個反射率位于50%～60%范圍內(nèi)的較寬的反射坪[12]。

3 土地利用變化監(jiān)測應(yīng)用實例

3.1 研究區(qū)概況

河北省南皮縣位于河北省東南部地區(qū)。該地區(qū)地勢較為平緩,整體呈現(xiàn)西南高、東北低的特點,氣候條件主要為暖溫帶半濕潤大陸季風氣候。研究區(qū)土地利用變化主要有兩種,一是利用類型的變化,如耕地轉(zhuǎn)換為工礦、城鎮(zhèn)用地。二是種植類型的變化,如麥田轉(zhuǎn)換為棉花、高粱等春播地或果樹等或者是棉花等春播地轉(zhuǎn)換為小麥、果樹等。

3.2 變化監(jiān)測實例

3.2.1遙感數(shù)據(jù)的選擇和預(yù)處理

為了取得好的效果,選用了5月下旬的圖像數(shù)據(jù)。此時正值冬小麥處于抽穗期,生長旺盛、蓋度高;而春播地處于幼苗期,作物蓋度較低,兩者在圖像上,其植被指數(shù)、亮度指數(shù)均差異明顯、變幅較大。為了排除作物本身因季節(jié)變化的影響以及因地物亮度在不同組合波段中的差異,選用了不同年份同一季節(jié)、相應(yīng)波段的圖像數(shù)據(jù),2010年5月28日TM第2、3、4波段與2018年5月28日TM第2、3、4波段,進行該區(qū)土地變化遙感監(jiān)測。

為了消除原始數(shù)據(jù)系統(tǒng)誤差而造成的偽變化信息,對原始數(shù)據(jù)進行了校正,直方圖調(diào)整,并運用對照變換法,對2010年與2018年的TM影像相應(yīng)波段數(shù)據(jù)進行概率分布匹配,使之具有相同的概率分布,其均值、標準差也接近,同時對這兩幅不同時相的圖像數(shù)據(jù)進行圖像間的空間匹配。

為了減少計算機處理不必要的工作量,提高效率,僅將研究區(qū)域矢量圖生成AOI,利用生成的AOI在整幅圖像上分別裁剪出研究區(qū)域遙感影像。

3.2.2計算亮度指數(shù)和垂直植被指數(shù)

亮度指數(shù)BI,采用均方根法,通過ENVI軟件進行獲得,即:

(5)

式(5)中：b1為TM影像第2波段亮度值；b2為TM影像第3波段亮度值；b3為TM影像第4波段亮度值。

垂直植被指數(shù)PVI,用可見光波段與近紅外波段的二維數(shù)據(jù),先在兩圖像上對無植被類型區(qū)(如水體、建筑物等)進行采樣。分別在兩不同時相圖像的TM3-TM4平面上用直線擬合法找出無植被直線L1和L2(相當于土壤亮度軸,即背景亮度軸);分別計算出某點P,在二維平面內(nèi),到亮度軸的垂直距離d1、d2。他們分別可以作為兩不同時相TM圖像上,P像元的垂直植被指數(shù)PVI1、PVI2。

3.2.3求算變化量

采用“BI-PVI”構(gòu)成“植被投影面”計算平面上2個不同時相圖像的變化向量k反映BI、PVI的增減變化。根據(jù)變化向量(k)的大小和方向(v),來提取要檢測的變化。其中k的大小反映變化程度,v表示變化方向。

3.2.4變化分類及輸出分類圖

根據(jù)實地情況,確定變化向量大小上取205為閾值,在變化分類圖中,變化向量值小于205視為無變化,而大于205視為所要監(jiān)測的變化。

以已知樣地為依據(jù),再將變化向量的方向360°分為7個區(qū)間,得到7個變化類別,不同類別給予不同的顏色,便得到土地利用變化監(jiān)測圖,即變化分類圖(圖2)。

圖2 變化監(jiān)測成果圖

3.3 結(jié)果分析

對變化監(jiān)測結(jié)果進行分析可知,研究區(qū)土地利用結(jié)構(gòu)8年間未發(fā)生變化面積所占比例最高,占研究區(qū)總面積的28.12%。其次是棉花用地轉(zhuǎn)換為小麥用地,占比23.06%,主要是由于該地區(qū)近年棉花等經(jīng)濟作物價格下調(diào),導致大多數(shù)種植者不再種植棉花。該地區(qū)綠化面積明顯增加,所占比例為18.24%,由于該地區(qū)出臺多項政策要求大力發(fā)展城市綠化,河流、道路兩側(cè)的綠化面積大幅上升。研究區(qū)近年來的經(jīng)濟發(fā)展并沒有占用太多原有耕地,主要是對原有建筑的翻新和重建工作,所以耕地轉(zhuǎn)化為建筑用地面積相對較低。將監(jiān)測結(jié)果與該地區(qū)實際土地利用變化進行對比,對此次監(jiān)測成果進行精度分析,其結(jié)果如表1所示。

表1 土地利用變化分析

監(jiān)測結(jié)果經(jīng)與實地資料驗證除個別坐標區(qū)域的棉花、小麥種植區(qū)存在略微偏大誤差外,其他的效果都很好,各土地利用變化監(jiān)測結(jié)果精度較高,滿足監(jiān)測要求。通過該實例證實了基于亮度指數(shù)BI及垂直植被指數(shù)PVI的變化向量矢量分析進行土地利用變化監(jiān)測,監(jiān)測結(jié)果較好,具有現(xiàn)實應(yīng)用的可行性。

4 結(jié)束語

本文主要是選取南皮縣作為研究區(qū)域,進行了土地利用變化監(jiān)測的綜合試驗。對原數(shù)據(jù)進行了直方圖調(diào)整,運用對照變換法,對2010年與2018年的TM影像相應(yīng)波段數(shù)據(jù)進行概率分布匹配,同時對這兩幅不同時相的圖像數(shù)據(jù)進行圖像間的空間匹,計算提取了亮度指數(shù)BI和垂直植被指數(shù)PVI,并且通過二者組成的二維變化向量再加上利用閾值法直接實現(xiàn)土地利用類型的分類與變化監(jiān)測,將監(jiān)測結(jié)果與該地區(qū)土地利用類型實際變化進行對比分析,精度較高,監(jiān)測結(jié)果與實際變化結(jié)果貼近程度較高,監(jiān)測結(jié)果較為理想。但該方法在變化向量大小閾值及角度界限的選擇確立方面存在一定的主觀性,對監(jiān)測結(jié)果會造成一定程度上的影響,同時在大面積推廣應(yīng)用時,需注意偽變化信息的消除。但總體而言,以亮度指數(shù)和垂直植被指數(shù)為基礎(chǔ),研究地區(qū)土地利用動態(tài)變化,具有較高的適用性。