劉亞偉 吳 俊

(西藏大學(xué)工學(xué)院,拉薩 西藏850011)

植被覆蓋度指植物的垂直投影面積與區(qū)域總面積之比。[1]其對于生態(tài)環(huán)境的評價、氣候條件、水土保持等方面的運用較為廣泛。對于植被覆蓋度測量的方法可分為地面遙感估算和實際測量兩種,植被覆蓋率較低區(qū)域以及小尺度的測量等方面常用地面實際測量法。遙感估算則廣泛應(yīng)用于大范圍大尺度的測量方面。[2]現(xiàn)在對于應(yīng)用遙感估算植被覆蓋度的技術(shù)已經(jīng)取得較大的發(fā)展,而目前地面遙感測量中最為常用的方法是目測估計法,也比較實用,但是其最嚴(yán)重的缺點是主觀性太強。而另一方法——地面實際測量,與目測估計相比雖然客觀精確,但這一方法成本較高,并且大范圍測量也很難快速得到植被覆蓋度。[3]伴隨遙感技術(shù)的發(fā)展,不同尺度、不同時相的遙感數(shù)據(jù)也為大范圍、大區(qū)域乃至全球尺度監(jiān)測植被覆蓋度提供了可能。當(dāng)前估算植被覆蓋度的方法很多,使用最廣泛的是創(chuàng)建植被覆蓋度與植被指數(shù)(NDVI)間的關(guān)系進而近似估算植被覆蓋度。[4]

1 研究區(qū)的概述及數(shù)據(jù)來源

研究區(qū)位于西藏自治區(qū)那曲市班戈縣,海拔高度由4530m至5800m不等。該區(qū)屬高原亞寒帶季風(fēng)半干旱氣候區(qū)。研究區(qū)土壤類型以高山高原土、高寒草甸土及高山荒漠土為主。[5]由于數(shù)據(jù)提供范圍有限,本文選擇其部分區(qū)域作為研究區(qū)。本文所用數(shù)據(jù)為珠海一號的2018年12月31日的一景高光譜遙感影像數(shù)據(jù)(影像范圍30o36′39″N～31o4′21″N,89o50′34″E～90o14′43″E)、中國西藏自治區(qū)縣界矢量文件、研究區(qū)土地利用類型圖及有關(guān)資料。使用ArcGIS10.1 和ENVI5.3 軟件對遙感影像進行處理。

2 植被覆蓋度反演方法

2.1 影像的預(yù)處理

輻射校正:主要包括輻射定標(biāo)和大氣校正兩個環(huán)節(jié)。將衛(wèi)星傳感器記錄的DN值轉(zhuǎn)化成輻射亮度值即是輻射定標(biāo)；大氣校正是將定標(biāo)后的亮度值轉(zhuǎn)為地表真實反射率。[6]在圖像處理過程中,本文采用ArcGIS10.1 在全國矢量縣界圖中找到西藏自治區(qū)縣界圖的.shp文件,而后從中提取出了班戈縣的文件,而后進行了圖像裁剪,得到了研究區(qū)的影像,最后計算研究區(qū)的NDVI。

2.2 遙感數(shù)據(jù)分類

2.2.1 非監(jiān)督分類。稱作聚類分析亦或點群分類。其不必對影像地物獲取經(jīng)驗知識,而是憑借影像上非同類的地物紋理信息或光譜信息的特征提取,然后統(tǒng)計其特征的差異進行分類,最終把已分出的各個類別實際的屬性進行確認(rèn)。[7]當(dāng)下ISODATA、K-Mean和鏈狀方法是非監(jiān)督分類器經(jīng)常使用的方法。本文在參考了研究區(qū)的土地利用類型圖后,將研究區(qū)地物分為:水體、草地、居民地、裸地、其它共5類,選擇的是ISODATA重復(fù)自組織數(shù)據(jù)分析技術(shù)(Iterative Self-Orgnizing Data Analysize Technique),多次迭代,對像元進行再分類,最后得到分類的結(jié)果,如圖1。

圖1 分類結(jié)果圖示

2.2.2 決策樹分類?；诙嘣磾?shù)據(jù),利用數(shù)字統(tǒng)計來得取分類規(guī)則,且執(zhí)行遙感分類過程。CART算法、ID3算法、C4.5 算法是當(dāng)前通過統(tǒng)計從樣本之中獲到規(guī)則的方法。本文采用基于CART算法的決策樹自動提取,先創(chuàng)建多元數(shù)據(jù)集,以及NDVI、ISODATA非監(jiān)督分類結(jié)果構(gòu)成。得到的結(jié)果如圖2。

圖2

3 計算植被覆蓋度

當(dāng)前最為常見的光合植被遙感估算模型是像元二分模型,該模型假設(shè)植被區(qū)的混合像元僅由植被和土壤兩個部分組成,遙感信息僅由植被和土壤的光譜信號以其所占像元面積比例為權(quán)重系數(shù)的線性組合。[8]本篇利用通過改進過的像元二分模型來計算所研究區(qū)域植被的覆蓋度。與土地利用分類圖比較,植被覆蓋度基本接近,與實際情況存在差異的原因有系統(tǒng)誤差和隨機誤差兩種,本研究誤差主要是因為在做圖像裁剪時可能出現(xiàn)了裁剪過多的情況,所以存在誤差。

4 實地驗證及總結(jié)

關(guān)于植被覆蓋度反演的驗證,本文采用了實地驗證的方式,對研究區(qū)選擇了共12個特征點進行了野外考察和數(shù)據(jù)驗證工作,并進行了記錄。現(xiàn)選取其中代表性的記錄表進行展示,見表1。

表1 班戈縣遙感監(jiān)測解譯與野外檢查記錄表

經(jīng)驗證,非監(jiān)督分類的結(jié)果符合實際情況,植被覆蓋度的反演精確度也較高。在遙感影像分類中,基于CART算法精度較高,但是在決策樹分類時,為了節(jié)省時間,應(yīng)當(dāng)先裁剪一部分區(qū)域來獲取規(guī)則,而后再應(yīng)用到整個研究區(qū)區(qū)域。通過分析本文的植被覆蓋度反演結(jié)果可知,研究區(qū)植被覆蓋度較高,與實際情況也比較相近,說明本文所采用的NDVI以及改進后的像元二分模型對研究區(qū)的植被覆蓋度的反演效果較好。