基于珠海一號高光譜衛星數據的西藏班戈植被覆蓋度反演及驗證

劉亞偉 吳 俊

(西藏大學工學院,拉薩 西藏850011)

植被覆蓋度指植物的垂直投影面積與區域總面積之比。[1]其對于生態環境的評價、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。遙感估算則廣泛應用于大范圍大尺度的測量方面。[2]現在對于應用遙感估算植被覆蓋度的技術已經取得較大的發展,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]伴隨遙感技術的發展,不同尺度、不同時相的遙感數據也為大范圍、大區域乃至全球尺度監測植被覆蓋度提供了可能。當前估算植被覆蓋度的方法很多,使用最廣泛的是創建植被覆蓋度與植被指數(NDVI)間的關系進而近似估算植被覆蓋度。[4]

1 研究區的概述及數據來源

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

輻射校正:主要包括輻射定標和大氣校正兩個環節。將衛星傳感器記錄的DN值轉化成輻射亮度值即是輻射定標；大氣校正是將定標后的亮度值轉為地表真實反射率。[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,得到了研究區的影像,最后計算研究區的NDVI。

2.2 遙感數據分類

2.2.1 非監督分類。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。[7]當下ISODATA、K-Mean和鏈狀方法是非監督分類器經常使用的方法。本文在參考了研究區的土地利用類型圖后,將研究區地物分為:水體、草地、居民地、裸地、其它共5類,選擇的是ISODATA重復自組織數據分析技術(Iterative Self-Orgnizing Data Analysize Technique),多次迭代,對像元進行再分類,最后得到分類的結果,如圖1。

圖1 分類結果圖示

2.2.2 決策樹分類。基于多源數據,利用數字統計來得取分類規則,且執行遙感分類過程。CART算法、ID3算法、C4.5 算法是當前通過統計從樣本之中獲到規則的方法。本文采用基于CART算法的決策樹自動提取,先創建多元數據集,以及NDVI、ISODATA非監督分類結果構成。得到的結果如圖2。

圖2

3 計算植被覆蓋度

當前最為常見的光合植被遙感估算模型是像元二分模型,該模型假設植被區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重系數的線性組合。[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了裁剪過多的情況,所以存在誤差。

4 實地驗證及總結

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

表1 班戈縣遙感監測解譯與野外檢查記錄表

經驗證,非監督分類的結果符合實際情況,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,為了節省時間,應當先裁剪一部分區域來獲取規則,而后再應用到整個研究區區域。通過分析本文的植被覆蓋度反演結果可知,研究區植被覆蓋度較高,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的植被覆蓋度的反演效果較好。