基于SPOT5遙感影像選擇森林蓄積估測因子1)——以火地塘教學(xué)實驗林場為例

馬瑞蘭 李衛(wèi)忠

(西北農(nóng)林科技大學(xué)，楊凌，712100)

森林資源是林業(yè)發(fā)展的基礎(chǔ)，是一切林業(yè)問題的核心。溫家寶總理在中央林業(yè)工作會議上明確指出:“在貫徹可持續(xù)發(fā)展戰(zhàn)略中林業(yè)具有重要地位，在生態(tài)建設(shè)中林業(yè)具有首要地位，在西部大開發(fā)中林業(yè)具有基礎(chǔ)地位，在應(yīng)對氣候變化中林業(yè)具有特殊地位”［1］。當(dāng)前，全球環(huán)境依然日益惡化，森林資源的重要性也日益突出。因而，森林蓄積量的估測不僅是林學(xué)家關(guān)注的問題，而且成為全球范圍內(nèi)各國家或地區(qū)急需準確掌握的資源數(shù)據(jù)。傳統(tǒng)的估測方法不僅耗費大量的人力、物力，且調(diào)查周期長，更新速度慢，估測數(shù)據(jù)也不夠精確。遙感與地理信息系統(tǒng)在森林蓄積量估測中的應(yīng)用作為新興的技術(shù)手段，具有省時、高效、節(jié)能、準確的特點，被各國林業(yè)工作者廣泛使用。以往的研究中，基于TM遙感影像的森林蓄積量估測研究較多，方法也比較成熟［2］，但高分辨率遙感影像在林業(yè)中應(yīng)用的研究較少，方法并不完善［3］，加之SPOT5遙感影像原始波段及比值波段之間存在嚴重的復(fù)相關(guān)性，使得蓄積量估測精度無法掌握［4］。因此，本文研究和探索了消除其波段間的相關(guān)性的方法，并篩選出適合的遙感波段及比值波段，為林分蓄積量預(yù)測模型的建立提供了依據(jù)。

1 研究區(qū)概況

西北農(nóng)林科技大學(xué)火地塘教學(xué)實驗林場地處陜西省秦嶺東部的寧陜縣境內(nèi)，位于北緯34°25'～34°33'，東經(jīng)108°25'～108°30'，海拔1 355～2 474 m，屬亞熱帶氣候，年降水量1 000 mm，年平均氣溫12.7℃，絕對最低溫度－9.5℃，絕對最高溫度28.6℃，年日照時數(shù)1 327.5 h，生長期為6個月。森林植被主要為天然次生林，類型復(fù)雜多樣，但森林垂直帶譜比較明顯，大體可劃分3個亞帶，即:松櫟林帶，松樺林亞帶，云、冷杉針闊混交林亞帶［5］。林班30個，林班平均面積68 hm2，最大面積116 hm2，最小面積42 hm2。林種劃分為防護林和用材林，并將現(xiàn)有的母樹林、引種人工林等劃為特用林。全場小班區(qū)劃了401個小班，其中有林地小班359個。小班平均面積為5.1 hm2，最大面積26 hm2，最小面積1 hm2。本研究選取火地塘林場中油松—銳齒櫟混交林77個小班樣地進行研究。

2 研究方法

2.1 數(shù)據(jù)采集

采集火地塘林場2005年森林資源二類調(diào)查(B級)小班資料、火地塘林場1∶10 000地形圖、研究區(qū)SPOT5多光譜影像，其時相為2004年7月13日，由4個波段組成，各波段地面分辨率均為10 m。

2.2 SPOT5多光譜遙感影像的波段特征

SPOT5遙感影像共4個多光譜波段和1個全色波段，本文以多光譜波段作為研究對象。其中SP1和SP2處于可見光區(qū)，SP3和SP4處于近紅外和中紅外區(qū)。

SP1波段(0.50～0.59 μm)處于綠光區(qū)，反映植物對綠光區(qū)反射信息［6］，并對水體有一定透視能力。但反射峰大小取決于葉綠素對藍光和紅光的吸收能力，因此SP1波段不能從本質(zhì)上區(qū)分可見光區(qū)植物反射波譜特性的葉綠素情況。

SP2波段(0.61～0.68 μm)處于紅光區(qū)，可測量植物綠色素吸收率，并能反映秋季植物變?nèi)~時葉紅素和葉黃素等色素信息，可據(jù)此進行植被類型的識別。

SP3波段(0.78～0.89 μm)處于近紅外區(qū)，可獲取植物強烈反射近紅外信息，測定生物量及長勢，對植物葉綠素的差異表現(xiàn)出較強敏感性。因此，SPOT5的3波段可能是反映植被信息的重要波段。

SP4波段(1.58～1.75 μm)處于中紅外區(qū)，用于探測植物含水量及土壤濕度，并且可以穿過薄云層，區(qū)分云與雪。同時，SP4波段對水蒸氣的散射敏感性較低，使得陰影更加突出，影像對比度更強［7］。

2.3 SPOT5波段信息量及相關(guān)性分析

2.3.1 信息量分析

考慮SPOT5遙感圖像原始波段及比值波段的特征，設(shè)置9個遙感因子，包括:SP1、SP2、SP3、SPl/2、SP2/3、SP1×2/3、SP2×3/l、SP(1－2)/(l+2)、SP(2－3)/(2+3)。將上述各遙感因子用P維變量x表示，x=(x1，x2，…，xp)，此處P=9。設(shè)監(jiān)測區(qū)域有N個樣地，各樣地的P個遙感因子的觀測陣可表示為:

設(shè)觀測陣X的中心化矩陣為ˉX，P個遙感因子的樣本協(xié)方差矩陣可表示為:

該矩陣主對角線上的各元素為對應(yīng)遙感因子的樣本方差，即該遙感因子對應(yīng)的信息量。

2.3.2 多重相關(guān)性危害

將樣本中心化矩陣ˉX進行標(biāo)準化得到矩陣~X，遙感因子Xi的方差擴大因子記為Vi，其表達式為:

式中，R2是以第i個遙感因子Xi為因變量、以其他遙感因子為自變量回歸時的復(fù)相關(guān)系數(shù)。

設(shè)監(jiān)測區(qū)域N個樣地的蓄積量觀測值向量為Y，所設(shè)置的P個遙感因子在N個樣地的觀測矩陣為X，Y和X間存在下列關(guān)系:

結(jié)合式(2)、式(3)可以得到［8］

式(4)中，V(^βi)是待定參數(shù)^βi的方差，R2i是第i個遙感因子xi對其他p－1個遙感因子作回歸時的復(fù)相關(guān)系數(shù)。因此，當(dāng)R2

i=0時，第i個遙感因子與其他遙感因子不相關(guān)，方差擴大因子等于1;R2i≠0時，第i個遙感因子的方差增大;若第i個遙感因子與其他遙感因子完全線性相關(guān)，R2i≈1，Vi就會無限擴大，從而導(dǎo)致V(^βi)也趨于無窮大。

2.4 遙感波段及比值波段選擇

基于上述分析，文中利用平均殘差平方和準則［8－9］，在設(shè)置的所有遙感因子中篩選一定數(shù)量的因子，使其對蓄積量估測有重要的解釋意義，同時盡可能不存在相關(guān)性或相關(guān)性較小。

從P個遙感因子中任選q個因子組成類似式(3)的估測方程，其殘差平方和Sq表達式為:

當(dāng)增加一個遙感因子后，其殘差平方和Sq必須滿足:

由式(6)可知，當(dāng)影響蓄積量的遙感因子子集擴大時，Sq隨之減少;為防止選擇過多影響因子，引入一個函數(shù)作為懲罰因子。

式中，MSq為平均殘差平方和，其變化曲線如圖1所示。

圖1 平均殘差平方和MSq的變化曲線

3 結(jié)果與分析

選取火地塘林場針闊混交林中油松—櫟類混交林77塊小班樣地和SPOT5遙感影像進行分析，設(shè)置的遙感波段包括:SP1、SP2、SP3、SPl/2、SP2/3、SP1×2/3、SP2×3/l、SP(1－2)/(l+2)、SP(2－3)/(2+3)共9個。表1為各波段光譜信息統(tǒng)計結(jié)果，表2為各波段信息量及方差擴大因子。

分析表1、表2可得，在所選試驗區(qū)樣本小班，單波段SP1信息量最大，其次為SP2和SP3。在所設(shè)置的比值波段中，SP1/2最大，其次為SP2/3，SP1×2/3、SP2×3/l次之，SP(2－3)/(2+3)最小。

表1 遙感波段信息特征

表2 遙感波段的信息量和方差擴大因子

分析表2和圖2可知，SPOT5遙感影像各原始波段和所設(shè)置的比值波段存在嚴重的多重相關(guān)性。為降低因子間的復(fù)相關(guān)性，以樣地蓄積量為因變量，采用平均殘差平方和準則篩選影像蓄積量估測的主要遙感因子，得到SP1、SP2、SP3、SP1/2、SP1×2/3、SP(1－2)/(1+2)、SP(2－3)/(2+3)，這些因子對蓄積量估測起主要作用。

圖2 遙感波段方差擴大因子

分析表3和圖3，去掉SP2×3/1后，各波段間相關(guān)性大大降低。因此，對于樣地蓄積量的估測來說，SP2×3/1危害性較大。但是其他各波段間仍有較高的相關(guān)性，需要進一步通過數(shù)學(xué)方法進行篩選和處理。

表3 所選遙感波段信息量和方差擴大因子

4 結(jié)論與討論

通過對SPOT5多光譜數(shù)據(jù)信息的提取分析，初步認為:①SPOT5各原始波段及比值波段間存在嚴重的復(fù)相關(guān)性，若全部應(yīng)用于蓄積量估測，其精度將無法保證。②采用平均殘差平方和準則能有效去除相關(guān)性嚴重的波段，對于蓄積量估測有積極意義。

圖3 所選波段方差擴大因子

需要注意的是，篩選后的遙感波段間仍有一定的相關(guān)性，對蓄積量估測的精度有一定的影響，進一步降低其相關(guān)性的數(shù)學(xué)方法仍在研究中。此外，本研究只選擇了遙感因子作為變量，估測其與蓄積量的相關(guān)性，蓄積量估測中一旦考慮其他因子(GIS)，則需要對變量間相關(guān)性再分析，以盡量避免多重相關(guān)性危害。

［1］溫家寶.高度重視林業(yè)的改革和發(fā)展［EB/OL］.(2009－08－17)［2010－09－05］.http://www.forestry.gov.cn/Zhuanti Action.do?dispatch=content＆id=267052＆name=gzhy.中央林業(yè)工作會議，2009.

［2］沈明霞，何瑞銀，叢靜華.基于ETM+遙感影像的森林植被信息提取方法研究［J］.南京林業(yè)大學(xué)學(xué)報:自然科學(xué)版，2007，31(6):113－116.

［3］胡蕾秋，劉亞嵐，任玉環(huán)，等.SPOT5多光譜圖像對南沙珊瑚礁信息提取方法的探討［J］，遙感技術(shù)與應(yīng)用，2010，25(4):493－500.

［4］Kang Tingjun，Zhang Xinchang，Wang Haiying.Assessment of the fused image of multispectral and panchromatic images of SPOT5 in the investigation of geological hazards［J］.Scince in China series E:Technological Sciences，2008，51(Supplement 2):144－153.

［5］孫楠.秦嶺火地塘林場森林資源信息管理系統(tǒng)理論研究［D］.楊凌:西北農(nóng)林科技大學(xué)，2005.

［6］廖瑛.SPOT5遙感影像數(shù)據(jù)特性及其圖像處理關(guān)鍵技術(shù)探討［J］.科技創(chuàng)新導(dǎo)報，2009(1):233－234.

［7］鄭學(xué)芬，林宗堅，范麗.遙感影像信息量的計算方法研究［J］.山東科技大學(xué)學(xué)報:自然科學(xué)版，2008，27(1):80－83.

［8］孫道德.基于殘差平方和的線性模型選擇簡單方法及其相合性研究［J］.數(shù)學(xué)雜志，2006，26(6):642－646.

［9］李崇貴，趙憲文，李春干.森林蓄積量遙感估測理論與實現(xiàn)［M］.北京:科學(xué)出版社，2006.