熊 靜

(遼寧省林業(yè)調(diào)查規(guī)劃監(jiān)測院,遼寧 沈陽 110122)

植被既是陸地生態(tài)系統(tǒng)的主體，也是人類重要的環(huán)境資源和物質(zhì)資源。遙感技術(shù)逐漸成為植被監(jiān)測的主要手段。用遙感技術(shù)來分析植被需要了解植被結(jié)構(gòu)特征與植被波譜特征的關(guān)系。植被跟太陽輻射的相互關(guān)系有別于其他物質(zhì)(如土壤、水體等)，如植被的“紅邊”現(xiàn)象，即在小于700 nm附近(紅光)強吸收，在大于700 nm(近紅外)高反射。很多因素影響植被對太陽輻射的吸收和反射，包括波長、含水量、色素、養(yǎng)分、碳等。因此，可以結(jié)合不同波長范圍的反射率來增強植被特征，如植被指數(shù)的計算。植被指數(shù)是兩個或多個波長范圍內(nèi)的地物反射率的組合運算，以增強植被某一特性或者細節(jié)。目前，在科學文獻中發(fā)布了超過150種植被指數(shù)模型，這些植被指數(shù)中只有極少數(shù)經(jīng)過系統(tǒng)的實踐檢驗。因此本文采用眾所周知的歸一化植被指數(shù)來提取森林植被。

1 歸一化植被指數(shù)

歸一化植被指數(shù)是可見光紅波段反射強度值和近紅外波段反射強度值之差與兩者之和的比值，用來增強在近紅外波段范圍綠葉的散射與紅色波段范圍葉綠素吸收的差異，這樣可以較好地區(qū)分植被區(qū)域與其他地物區(qū)域。其計算公式表示如下：

植被指數(shù)NDVI=Bnir-Br∕Bnir+ Br

式中：Bnir為近紅外波段，Br為紅色波段。NDVI的取值范圍在[-1,1]。負值表示地面覆蓋為云、水、雪等，對可見光反射高；0表示有巖石或者土壤，NIR和R近似相等；正值表示有植被覆蓋，值越大，地表植被覆蓋越大。一般綠色植被的取值范圍在0.2～0.8。

2 面向?qū)ο蟮幕谝?guī)則的植被提取

選取一部分區(qū)域作為實驗區(qū)，獲取訓練樣本，構(gòu)建分類規(guī)則，包括對象分割和合并閾值、對象提取規(guī)則，然后將實驗區(qū)的分類規(guī)則應(yīng)用到整個圖像中。

2.1 面向?qū)ο笮畔⑻幚砑夹g(shù)

面向?qū)ο笮畔⑻幚碇?，處理單元不再是基于像元，而是以多邊形實體作為最小單元，通過原始影像的分割來創(chuàng)建最小單元。影像分割的主要思路就是利用區(qū)域合并算法分割影像，即以某個像元為起點，計算該像元與其相鄰像元合并后的異質(zhì)性指數(shù)，若異質(zhì)性指數(shù)小于設(shè)置的閾值，將其合并，否則不合并。影像分割完畢后，初始影像由眾多大小不一的多邊形區(qū)域構(gòu)成，各多邊形實體都有相應(yīng)的屬性特征。多邊形實體中不僅有像素的光譜信息，還擁有形狀信息、空間信息和紋理信息。后續(xù)影像的分析、處理、提取都針對多邊形實體進行。

2.2 閾值的確定

閾值又叫臨界值，是指一個效應(yīng)能夠產(chǎn)生的最低值或最高值。這里指植被指數(shù)的最小值，即植被指數(shù)大于這個最小值的區(qū)域為植被覆蓋區(qū)，否則為非植被覆蓋區(qū)。通過樣本統(tǒng)計的方法來確定。

(1)根據(jù)林地一張圖結(jié)果和目視解譯判讀，在試驗區(qū)分別選取植被覆蓋區(qū)與非植被覆蓋區(qū)的若干個樣本，計算各類樣本之間的樣本分離性，用Jeffries-Matusita,Transformed Divergence 參數(shù)表示。這兩個參數(shù)值在0～2，大于1.9說明樣本之間可分離性好，屬于合格樣本；小于1.8，需要重新選擇樣本，小于1考慮將兩類樣本合成一類樣本。

(2)對選取的樣本進行統(tǒng)計處理，得到的統(tǒng)計結(jié)果結(jié)合樣本光譜曲線，最終確定閾值。

2.3 規(guī) 則

提取森林植被的關(guān)鍵是確定規(guī)則。規(guī)則由屬性和閾值組成，用到的對象屬性是NDVI，閾值根據(jù)2.2的方法進行確定。植被指數(shù)大于閾值的為森林植被，否則為非森林植被。

3 實例應(yīng)用

3.1 植被提取

應(yīng)用本文提到的方法進行反復(fù)試驗，將該區(qū)域的分割閾值設(shè)為35，合并閾值設(shè)定為80，NDVI閾值設(shè)定為0.4。提取結(jié)果如圖1所示。

圖1 植被提取結(jié)果

3.2 疊加分析

將提取結(jié)果與林地一張圖的林地范圍(不包括無林地)進行疊加分析，結(jié)果如圖2所示，其中黑色表示植被提取結(jié)果，灰色表示林地一張圖中的林地(不包括無林地)。

圖2 植被提取結(jié)果與林地一張圖疊加結(jié)果

3.3 精度評定

將林地一張圖的林地范圍(不包括無林地)篩選出來作為驗證樣本，利用混淆矩陣對分類結(jié)果進行評價，混淆矩陣結(jié)果如圖3所示，精度為89.77%，提取結(jié)果是可行的。

圖3 混淆矩陣

4 小 結(jié)

按照本文提出的方法提取出來的森林植被與林地一張圖的林地范圍(不包括無林地)進行比較，其正確率是可行的，但也存在一些差異。產(chǎn)生這些差異的原因主要有以下幾方面：

(1)影像獲取時間在農(nóng)作物生長期時，僅僅依靠光譜特征是無法區(qū)別林地和農(nóng)田的，因此需要進一步研究，如利用紋理特征和空間特征來區(qū)分林地和農(nóng)田。

(2)城市建筑內(nèi)的綠化園林地也被提取出來，這部分相當于森林資源中的非林地造林。

(3)存在明顯的區(qū)劃錯誤，同時經(jīng)過外業(yè)實地調(diào)查，某些地區(qū)確實存在區(qū)劃錯誤，因此提取結(jié)果可以糾正和輔助判斷林地區(qū)劃結(jié)果的正確性。

(4)部分無林地如采伐跡地和宜林沙荒沙地被提取為有林地，是因為地表有矮木灌草植被覆蓋，且密度很大。因此如何區(qū)分這一步也是下一步研究內(nèi)容之一。