基于像元二分模型的森林郁閉度估測方法1)

徐 定 彭道黎

(省部共建森林培育與保護教育部重點實驗室(北京林業(yè)大學)，北京，100083)

森林郁閉度指森林中喬木樹冠遮蔽地面的程度，以林地樹冠垂直投影面積與林地面積之比來表示。它影響著林分內(nèi)各個生態(tài)因子的變化，如風、光、溫度的時空分布，降水的再分配等，影響著下層植被和林內(nèi)動物、微生物的分布和生長狀況，是反映林分生長狀況、衡量森林資源優(yōu)劣的一個重要指標，被廣泛應(yīng)用于植物保護、動物棲息地研究和生態(tài)模型研究等方面［1-2］。傳統(tǒng)的郁閉度調(diào)查方法主要有目測法、樹冠投影法、樣線法、樣點法等，但這些方法精度不高且費時費力［3-4］。近年來遙感技術(shù)的發(fā)展為森林郁閉度的估測帶來極大便利，國內(nèi)外學者對此進行了大量研究。

現(xiàn)有森林郁閉度估測方法主要有兩種?；貧w模型法：該方法最為常用，在森林郁閉度遙感估測中占主導地位。主要是根據(jù)實測樣地郁閉度與遙感信息之間的回歸關(guān)系建立估測模型，然后將該模型應(yīng)用到整個研究區(qū)域。雖然回歸模型法在森林郁閉度估測中尤為重要，也取得了一定的研究成果，但該方法依賴特定區(qū)域的實測值，適合小區(qū)域研究，區(qū)域較大時會造成精度降低，難以推廣使用［5-6］。

像元分解法：像元分解法的根據(jù)是單個像元可能含有多種地物信息，每種地物對該像元的遙感信息都有貢獻，因此可將像元的遙感信息(波段或植被指數(shù))分解，建立像元分解模型［7］。目前已開發(fā)出的像元分解模型主要有5種，按原理不同可分為線性模型、概率模型、幾何光學模型、隨機幾何模型和模糊分析模型。線性模型假定像元反射率為其各端元組分反射率以其占像元面積比例為權(quán)重系數(shù)的線性組合，該模型應(yīng)用最廣，研究也最深入。線性模型中最為常用的是像元二分模型，它假定像元內(nèi)地物僅由植被和裸地組成，即一個像元的光譜信息是由這兩種成分的光譜信息線性組合而成［8］。本文以密云縣為例，選用TM遙感影像，基于歸一化植被指數(shù)(NDVI)建立像元二分模型，然后采用模型對密云縣進行森林郁閉度估測的嘗試，并通過實測數(shù)據(jù)進行精度驗證。

1 研究區(qū)概況

密云縣位于北京市東北部，屬燕山山地與華北平原交接地，東、北、西三面群山環(huán)繞;中部是碧波蕩漾的密云水庫，西南是沖積平原，總地形為三面環(huán)山，中部低緩，西南開口的簸箕形。全縣總面積2 229.45 km2，是北京市土地面積最大的區(qū)縣。年均降水量661.3 mm，年均氣溫10.8℃。華北第一大水庫密云水庫位于縣境中部，控制潮河、白河流域面積1.6 萬 km2，總庫容 43.8 億 m3，最大水面面積188 km2，是首都重要飲用水源地?，F(xiàn)存植被主要為人工林以及一些次生植被類型，主要成林樹種有側(cè)柏(Biota orientalis)、油松(Pinus tabulaeformis)、櫟類(Quercus)、刺槐(Robinia pseucdoacacia)、楊樹(Populus)、樺木(Betula spp)、核桃楸(Juglans mardshurica)、五角楓(Acer pictum Subsp.)等。

2 數(shù)據(jù)獲取與預處理

本研究所用遙感影像來源于美國陸地衛(wèi)星Landsat-5的TM傳感器，成像時間為2006年7月12日，空間分辨率為30 m。該數(shù)據(jù)無云覆蓋，成像質(zhì)量較好。樣地實測數(shù)據(jù)采用密云縣2006年森林資源一類調(diào)查數(shù)據(jù)，與圖像時間相符合。

TM影像經(jīng)波段合成，基于1∶50 000地形圖進行幾何校正，誤差在一個像元內(nèi)。從文件中獲取太陽高度角，對圖像進行太陽高度角校正，根據(jù)增益、偏置值計算得到研究區(qū)域的反射率圖像。再經(jīng)裁剪、掩膜處理得到研究區(qū)域的林地歸一化植被指數(shù)圖像。針對樣地可能橫跨數(shù)個像元的情況，提取樣地坐標(即樣地西南角坐標)所在像元及其北面、東面和東北面三個方向的相鄰像元共4個像元值，以其平均數(shù)作為樣地像元值。

2.1 像元二分模型

近30 a來，遙感學家已經(jīng)提出了40多個植被指數(shù)，主要有兩種類型：一類以斜率為基礎(chǔ)，如垂直植被指數(shù)(IPV);另一類以距離為基礎(chǔ)，如歸一化植被指數(shù)(INDV)。IPV涉及復雜的土壤斜率測定，使用時限制較大;歸一化植被指數(shù)計算簡單，不涉及復雜的參數(shù)確定，應(yīng)用最廣泛，研究也最深入［8］。本研究采用歸一化植被指數(shù)構(gòu)建像元二分模型。

由于圖像已經(jīng)過林地范圍提取，像元可假設(shè)為有樹冠覆蓋地表與無樹冠覆蓋地表兩部分組成，所得的光譜值也只由這兩個組分線性合成。對于混合像元，其遙感信息可表示為樹冠覆蓋部分(Sv)信息和無覆蓋部分信息(Ss)之和。

式中：S為混合像元的遙感信息量，Sveg為全由樹冠覆蓋的像元的遙感信息量，Ssoil為無樹冠覆蓋的像元的遙感信息量，fc為郁閉度。

式(2)轉(zhuǎn)化得：

將歸一化植被指數(shù)代入模型，像元的歸一化植被指數(shù)值可表達為有樹冠覆蓋部分所貢獻的信息INDVv與由無樹冠覆蓋部分所貢獻的信息INDVs兩部分組成，公式如下：

式中：INDVv為全覆蓋像元的歸一化植被指數(shù)值;INDVs為無覆蓋像元的歸一化植被指數(shù)值。

可見，只要確定了INDVv和INDVs的值，fc便可求算出來。INDVv表示全覆蓋像元的歸一化植被指數(shù)值，由于植被類型的不同，以及植被覆蓋隨季節(jié)變化，葉冠背景的干擾等因素，INDVv值會隨著時間和空間而改變。INDVs值理論上應(yīng)是0左右，然而由于大氣影響以及地表濕度的變化，INDVs值會隨著時間而變化。此外，由于地表濕度、粗糙度、土壤類型、土壤顏色等條件的不同，INDVs值也會隨著空間而變化。因此，采用一個確定的INDVv和INDVs值是不可取的。如何確定INDVs和INDVv的取值以及取值是否準確是像元二分模型的關(guān)鍵。

2.2 郁閉度參數(shù)的計算

當前像元二分模型研究中，確定INDVs和INDVv的取值主要有以下4種方法。

(1)通過目視解譯或端元提取，在圖像上尋找多個無覆蓋和全覆蓋像元，取其平均值，作為INDVs和 INDVv的取值［9-11］。

(2)采用研究區(qū)域內(nèi)歸一化植被指數(shù)的最大值和最小值或在置信區(qū)間內(nèi)取歸一化植被指數(shù)的最大值和最小值［12-15］。方法(1)和(2)都適用于圖像分辨率較高，研究區(qū)域內(nèi)能找到符合條件像元的情況。

(3)結(jié)合土地利用類型數(shù)據(jù)和土壤分類圖，在土地利用類型單元內(nèi)取累積頻率為95%的歸一化植被指數(shù)值為INDVv，在土壤分類圖單元內(nèi)取累積頻率為5%的歸一化植被指數(shù)值為INDVs［16-19］。

(4)結(jié)合樣地調(diào)查數(shù)據(jù)，通過對實測數(shù)據(jù)和對應(yīng)像元植被指數(shù)的關(guān)系，求解 INDVs和 INDVv［6，20］。

由于本研究采用的是30 m×30 m的TM影像，分辨率較低，很難直接在圖像上確定純像元。但在實測數(shù)據(jù)中存在郁閉度為0和1的樣地，所以可結(jié)合實測郁閉度，在圖像上各隨機選擇10個符合條件的樣點，讀取歸一化植被指數(shù)值，如表1。

取平均值得：INDVv=0.766 14;INDVs=0.003 91。

代入式(4)，以此為模型對研究區(qū)域歸一化植被指數(shù)圖像進行運算并劃分等級，得到密云縣森林郁閉度等級圖，如圖1。

3 精度驗證

為驗證像元二分模型在森林郁閉度估測中的準確度和可行性，從得到的郁閉度圖像上提取樣地估測郁閉度值與實測值進行比較驗證。同樣，為減弱樣地橫跨多個像元造成的誤差，以樣地坐標所在像元及其北面、東面和東北面三個方向的相鄰像元共4個像元值的平均數(shù)作為遙感估測值。

對估測值和實測值進行線性回歸分析，相關(guān)系數(shù)為0.73，顯著性接近于0，說明回歸關(guān)系極顯著，不存在系統(tǒng)偏差。根據(jù)誤差=(估測值-實測值)/(實測值)計算估測值相對實測值的誤差，得到郁閉度估測均值與實測均值相對誤差為14.40%，精度較高。實測值與估測值對比如圖2。

表1 I NDVv和I NDVs的樣地數(shù)據(jù)

圖1 密云縣森林郁閉度等級圖

對得到的郁閉度圖像進行等級劃分，如表2。經(jīng)驗證，90個樣本有25個被錯分，錯分率為27.78%。其中，0.3以下和0.3～0.5郁閉度等級錯分率分別為33.33%和37.50%，0.5～0.7 以及0.7 以上高郁閉度等級錯分率分別為28.95%和10.53%。就此表明，本研究基于像元二分模型得到的森林郁閉度估測數(shù)據(jù)與實測數(shù)據(jù)間仍存在一定差距。這種差距一方面是由于隨著郁閉度降低，無樹冠覆蓋的地表灌草等植被對歸一化植被指數(shù)指數(shù)造成影響變大;另一方面可能是由于樣地情況多變，可能橫跨幾個像元也可能只位于一個像元內(nèi)，本研究只進行簡單的多像元平均。不過，考慮到本研究作為一項遙感影像自動化分類方法研究，60%以上精度即可認為滿足要求［11］。

圖2 實測值與估測值對比

表2 郁閉度等級劃分

4 結(jié)論與討論

結(jié)合森林資源一類調(diào)查樣地實測郁閉度，推導像元二分模型的純像元植被指數(shù)，進而應(yīng)用像元二分模型對整個研究區(qū)域進行郁閉度估測。此方法技術(shù)路線簡單，可操作性強，精度能滿足需要。將像元分解后進行郁閉度估測，彌補了TM影像分辨率低的不足，具有一定的推廣價值。但在實際應(yīng)用中，模型仍存在一些問題：

(1)樣地情況多變，可能橫跨幾個像元也可能只位于一個像元內(nèi)，本研究只進行簡單的多像元平均，有可能影響精度。若能根據(jù)每個樣地所占相鄰像元面積比例進行遙感信息加權(quán)平均，應(yīng)能進一步提高估測精度。

(2)郁閉度較低情況下，估測結(jié)果偏高?？赡苁且驗橛糸]度較低時，樹冠層空隙處生長的灌草植被較多，導致像元歸一化植被指數(shù)中摻入的灌草植被歸一化植被指數(shù)比例較大，估測結(jié)果偏高。這是由歸一化植被指數(shù)指數(shù)本身和植被的光譜反射特點所決定的，從一定意義上說是無法逾越的。如何消除或減弱灌草植被對森林郁閉度估測的影響，可能需要采用更復雜的像元分解模型或植被指數(shù)，這也是筆者今后研究的方向。

［1］杜曉明，蔡體久，琚存勇.采用偏最小二乘回歸方法估測森林郁閉度［J］.應(yīng)用生態(tài)學報，2008，19(2)：273-277.

［2］曾濤，琚存勇，蔡體久，等.利用變量投影重要性準則篩選郁閉度估測參數(shù)［J］.北京林業(yè)大學學報，2010，32(6)：37-41.

［3］李永寧，張賓蘭，秦淑英，等.郁閉度及其測定方法研究與應(yīng)用［J］.世界林業(yè)研究，2008，21(1)：40-46.

［4］杜文峰，王鳳臻，李慶.提高郁閉度調(diào)查精度的幾點建議［J］.林業(yè)資源管理，1999(3)：63-65.

［5］吳見，彭道黎.高光譜遙感林業(yè)信息提取技術(shù)研究進展［J］.光譜學與光譜分析，2011，31(9)：2305-2312.

［6］江淼，張顯峰，孫權(quán)，等.不同分辨率影像反演植被覆蓋度的參數(shù)確定與尺度效應(yīng)分析［J］.武漢大學學報：信息科學版，2011，30(3)：311-315.

［7］李苗苗.植被覆蓋度的遙感估算方法研究［D］.北京：中國科學院研究生院遙感應(yīng)用研究所，2003.

［8］劉廣峰，吳波，范文義，等.基于像元二分模型的沙漠化地區(qū)植被覆蓋度提取：以毛烏素沙地為例［J］.水土保持研究，2007，14(2)：268-271.

［9］廖春華，張顯峰，孫權(quán)，等.基于HJ-1高光譜數(shù)據(jù)的植被覆蓋度估測方法研究［J］.遙感信息，2011(5)：65-70.

［10］李萌，白中科，文樂琴，等.基于像元二分模型榆神府礦區(qū)植被覆蓋度研究［C］.北京：中國農(nóng)業(yè)工程學會，2011：2078-2082.

［11］娜馬，胡云鋒，莊大方，等.基于遙感和像元二分模型的內(nèi)蒙古正藍旗植被覆蓋度格局和動態(tài)變化［J］.地理科學，2012(2)：126-131.

［12］李曉錦.基于混合像元分解的植被覆蓋度估算及動態(tài)變化分析［D］.西安：西北大學，2011.

［13］馬俊海，劉丹丹.像元二分模型在土地利用現(xiàn)狀更新調(diào)查中反演植被蓋度的研究［J］.測繪通報，2006(4)：13-16.

［14］李攀，胡德勇，趙文吉.北方農(nóng)牧交錯帶植被覆蓋變化遙感監(jiān)測研究：以河北省沽源縣為例［J］.國土資源遙感，2010(2)：113-117.

［15］郭芬芬，范建容，嚴冬，等.基于像元二分模型的昌都縣植被蓋度遙感估算［J］.中國水土保持，2010(5)：65-67.

［16］張超，余樹全，李土生.基于多時相Landsat影像的慶元縣植被覆蓋變化研究［J］.浙江農(nóng)林大學學報，2011，28(1)：72-79.

［17］王朗，傅伯杰，呂一河，等.生態(tài)恢復背景下陜北地區(qū)植被覆蓋的時空變化［J］.應(yīng)用生態(tài)學報，2010，21(8)：2109-2116.

［18］吳云，曾源，吳炳方，等.基于MODIS數(shù)據(jù)的三北防護林工程區(qū)植被覆蓋度提取與分析［J］.生態(tài)學雜志，2009，28(9)：1712-1718.

［19］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.

［20］臧淑英，那曉東，馮仲科.基于植被指數(shù)的大慶地區(qū)草地退化因子遙感定量反演模型的研制［J］.北京林業(yè)大學學報，2008，30(S1)：98-104.