利用“修改型”植被蓋度反演模型提取遼西北沙化土地信息

張亞男，王 旭，甄 瑩

(遼寧工程技術大學測繪與地理科學學院，遼寧 阜新 123000)

沙化土地泛指不受氣候條件制約、地理位置限定的地區，因自然環境和人為活動因素導致土地呈現以沙(礫)狀態物為主要標志的退化土地[1]。其引發的生物量減少、可利用環境資源漸進枯竭與人類生存環境惡化已引起世界各國的關注。遼西北地區沙化土地按成因及所處地理位置主要分布于科爾沁南緣，并且有逐漸向外擴展的趨勢。及時了解遼西北沙化土地現狀及變化趨勢，快速獲取沙化土地信息對于制定防沙治沙戰略具有重要意義。

遙感領域的發展為土地沙化信息獲取提供了新的技術手段，其以觀測范圍廣、獲取速度快、信息量大等優勢，使得大面積沙化土地評價與分類成為可能[2]。目前沙化土地信息提取方法有常規提取法、綜合評價模型法、神經網絡法、決策樹法、光譜混合分析法、NDVI閾值法等[3]。這些方法均是基于單個像元的光譜特征，忽略了像元間的相關性，無法避免“同物異譜”“異物同譜”的解譯問題。

為此，本文引入面向對象多尺度分割技術，將具有多種關系特征、語義特征和幾何特征的鄰域像素集合作為基本處理單元，即對象；并且通過計算對象的多維指數構建二值邏輯運算判斷規則，依據地物分類體系，分層次提取出沙化土地信息；在此基礎上，對沙化土地分等定級，并提出一種新的植被蓋度反演模型，充分利用二階抽樣調查與遙感影像譜間結構，高精度地自動提取出沙化土地分等定級信息。

1 研究區概況與數據

1.1 研究區概況及影像數據

遼西北地區位于科爾沁沙地南緣，受自然和人為因素影響，該地區土地沙化較為嚴重，風沙危害較大，干旱、水土流失嚴重，生態環境十分脆弱。遼西北地區氣候日趨干熱化，當地表溫度快速回升時地表土壤易發生凍融變異，造成土質黏度降低，成為導致當地土地沙化的一個重要因素[4]。

圖1 研究區地理位置示意圖

1.2 野外數據獲取

為驗證本文方法，于2017年6月下旬對研究區進行了樣地調查和實地考察，野外數據獲取時間與影像獲取時間基本同步。由于遼西北面積較大，采取二階抽樣[5]，即將研究區最大外接矩形按面積等分成20組，抽取5組作為第一性抽元，再將每組第一性抽元等分9份，抽取4份作為第二性調查單元，布設面積為150 m×150 m。調查內容包括樣地位置、氣候類型、沙化土地類型、植被蓋度等信息。植被蓋度采用樣線法測定，獲得20個野外調查樣地數據。結合影像譜間結構和野外實測樣地中心控制點坐標獲得沙化土地目視解譯庫。如圖2所示。

圖2 樣本調查方式示意圖

2 研究方法

2.1 沙化程度等級

依據《第四次全國荒漠化和沙化規程》，將研究區按照植被蓋度fc將沙化程度分等定級分為4個類型：輕度沙化(fc>40%)、中度沙化(25%

2.2 沙化土地目視解譯庫

依據野外調查數據及影像譜間結構信息，按照沙化等級形成沙化土地目視解譯庫。圖3為選取的沙化樣本圖斑實例，其中(a)、(b)、(c)分別為耕地、草地、林地樣本，即為輕度沙化，(d)為中度沙化樣本，(e)為重度沙化樣本，(f)為極重度沙化樣本。

圖3 沙化土地目視解譯庫

2.3 基于面向對象方法的地物分類

面向對象多尺度分割技術通過對遙感影像分割，獲得同質性區域即分割對象[6-7]。基于水體指數(NDWI)[8]、居民地指數(RRI)[9]、植被指數(NDVI)[10]、形狀指數(Shape index)[11]多維指數相結合的二值邏輯運算方法將地物對象進行分類。

二值運算符即判斷命題只有真、假二值，不會出現其他情況[12]。通過分析不同地物在各指數上的分布特點，將地物進行分類。提取出的水體、植被、居民地及交通用地二值圖分別設為A、B、C、D。真命題取值為1，假命題取值為0，依據二值邏輯運算符得到裸地信息二值圖為E，如圖4所示。

圖4 地物分類流程

基于面向對象方法，對影像進行了分類，并且依據植被蓋度可將裸地定級為極嚴重沙化土地，而植被覆蓋地區的沙化等級需依照植被蓋度進行劃分，水體、居民地、交通用地被歸為非沙化土地。

2.4 沙化土地分等定級信息提取

依據沙化程度分等定級表，植被蓋度是描述沙化程度的重要指標[13]。目前，基于植被指數反演植被蓋度的方法主要有經驗模型法[14]、植被指數轉換法[15]和混合像元分解法[16]。本文結合野外調查數據與沙化土地目視解譯庫，依據二分法原理，提出一種新的植被蓋度反演模型，即修改型植被蓋度反演模型。

2.4.1 像元二分法模型

像元二分法模型是最簡單的遙感估算模型，它表示一個像元的地表與影像上的光譜信息對應，由植被覆蓋區域和非植被覆蓋區域線性加權組合而成，植被蓋度即植被在整個研究區域的權重[17]。像元光譜信息為H，若純像元中全由植被覆蓋的信息為Hveg，裸地信息為Hsoil，則植被蓋度fc的計算公式為

(1)

二分法模型充分表達了遙感信息與植被蓋度的關系，其中參數Hsoil與Hveg也具有實際意義，即純像元中土壤與植被反映的遙感信息，最大限度地削弱土壤、大氣等對估算模型的影響。

2.4.2 修改型植被蓋度反演模型

修正型土壤調節植被指數(MSAVI)也是由遙感信息推算而獲得的反映地表植被分布的定量值，同步減弱大氣、土壤背景的影響。因此，本文將MSAVI作為參數引入到植被蓋度反演模型中，提出一種修改型植被蓋度反演模型為

(2)

綜合考慮試驗區范圍廣、植被類型多、植被覆蓋狀態復雜及GPS定位的可行性，采取二階抽樣的方法進行驗證，對于選定區域內兩個像元a1與a2，對應的植被蓋度分別為fc1、fc2，代入式(2)中，得到方程組為

(3)

(4)

由已知的a1、a2及fc1、fc2，對上述方程組求解可得

(5)

(6)

其中，可取定像元a1為等于二階抽樣單元的MSAVI均值的像元，像元a2為等于二階抽樣單元均值相反數的像元。此時，對MSAVIsoil與MSAVIveg的確定即轉化成對E(fc)、E′(fc)、E(MSAVI)、E′(MSAVI) 4個參數的確定。通過計算研究范圍內確定植被蓋度期望fc1=0.98和植被蓋度相反數為fc2=0.02，在經過變換后的MSAVI影像中定位到對應的像元，其對應的修改型土壤調整植被指數均值為E(MSAVI)=0.427，其相反數為E(MSAVI)′=0.573，由此計算出MSAVIveg=0.431和MSAVIsoil=0.227。

2.4.3 提取與精度檢驗

由于研究區內植被蓋度置信區間為[0.02,0.98]，按照4級沙化等級對影像進行沙化信息提取，提取結果如圖5所示。

為驗證提取結果的準確性，與所獲影像同一時期對樣地的植被蓋度進行詳細調查。實際測設中，與地面垂直的角度用數碼相機拍攝樣點獲得的照片如圖6(a)所示，采用面向對象方法提取的植被結果如圖6(b)所示，以此計算植被蓋度。為了準確定位，選取樣方圖像大小為5×5，即實地樣方為150 m×150 m，在樣方中連續均勻拍攝多張照片。以照片計算的平均值作為該樣方的植被蓋度，取其中心點坐標對應的樣方反演植被蓋度進行精度驗證。

圖6 樣地照片及分類結果

受拍攝條件限制，僅對低植被地區采樣驗證，其植被蓋度實測表與反演植被蓋度數據見表1，計算均誤差、相關系數與協方差分別為0.084 9、0.902、0.028。經過驗證說明本文所用模型對植被蓋度反演精度較高，可用于相關植被蓋度遙感估算研究中。

表1 實測數據與反演數據對照

3 結 論

基于面向對象的多尺度分割技術，結合多維指數相結合的二值邏輯運算方法，將地物進行有效分類，為沙化分等定級排除干擾信息。二階抽樣與遙感影像譜間結構相互支撐，使外業數據采集操作性更強、定位更精準。針對沙化分等定級，以MSAVI值為參數,提出了一種新的植被蓋度反演模型，不需要估算葉面積指數等復雜的參數就可以適用于不同植被類型，并且排除了大氣對于土壤背景的影響。應用此方法，遼西北沙化信息提取取得了較高精度，但仍然存在一些不足：

(1) 針對不同的土壤類型及植被類型密度、分布的不同，對MSAVIveg和MSAVIsoil的計算最好利用不同植被的植被蓋度實測資料，現場高大喬木的植被蓋度的測算需要進一步研究。

(2) 二階抽樣野外數據獲取時，每個樣方內的拍照數量盡量大于10，否則植被蓋度的反演值與實測值誤差會超過誤差均值。

參考文獻：

[1] 國家林業局.防沙治沙技術規范：GB/T 21141—2007[S].北京:中國標準出版社,2007.

[2] 張端陽,潘振祥.遙感技術在礦業活動動態監測中的應用[J].測繪通報，2015(6):72-74.

[3] 吳見,彭道黎.土地沙化遙感信息提取技術研究進展[J].世界林業研究,2009，22(4):47-52.

[4] 王煒航,王詠林,趙凈民.遼西北地區土地沙漠化現狀及防治對策[J].地質與資源,2010，19(1):50-52.

[5] 朱爽,張錦水.面向省級農作物種植面積遙感估算的分層方法[J].農業工程學報,2013，29(2):184-191.

[6] 宋翠玉,李培軍,楊鋒杰,等.基于多元局部二值模式的遙感圖像紋理提取與分類[J].遙感技術與應用，2011,26(3):322-327.

[7] 李慧,唐韻瑋,劉慶杰,等.一種改進的基于最小生成樹的遙感影像多尺度分割方法[J].測繪學報,2015,44(7):791-796.

[8] QIAO C，LUO J，SHENG Y，et al.An Adaptive Water Extraction Method from Remote Sensing Image Based on NDWI[J].Journal of the Indian Society of Remote Sensing，2012，40(3):421-433.

[9] 熊俊楠,韋方強,江玉紅,等.基于譜間特征與多種指數分析的居民地信息提取方法[J].測繪科學,2013，38(2)：311-320.

[10] KE Y，IM J，LEE J，et al.Characteristics of Landsat 8 OLI-derived NDVI by Comparison with Multiple Satellite Sensors and In-situ Observations[J].Remote Sensing of Environment，2015，164:298-313.

[11] 張雨霽,李海濤,顧海燕.基于決策樹的面向對象變化信息自動提取研究[J].遙感信息,2011(2):91-94.

[12] 莫蓁蓁,賀麗敏,李振山.干旱區沙質草地植被覆蓋變化模擬:Ⅱ.應用[J].中國沙漠,2008,28(3):423-429.

[13] 王海賓,黃國勝,程志楚,等.基于多源遙感數據森林蓋度的尺度轉換[J].東北林業大學學報,2014(9):58-61.

[14] 江洪,王欽敏,汪小欽,等.多山地區植被覆蓋度遙感估算研究[C]∥全國遙感技術學術交流會.貴陽:貴州人民出版社，2005：141-145.

[15] 何穎清,秦雁,扶卿華,等.動態端元組合混合像元分解法在植被覆蓋度動態監測中的應用:以長汀縣為例[J].熱帶地理,2016,36(5):860-868.

[16] 李苗苗,吳炳方,顏長珍,等.密云水庫上游植被覆蓋度的遙感估算[J].資源科學，2004，26(4):153-159.

[17] LAOSUWAN T，UTTARUK P.Estimating Tree Biomass via Remote Sensing，MSAVI 2，and Fractional Cover Model[J].Iete Technical Review，2014，31(5):362-368.