基于ALOS影像的喀斯特山區(qū)草地類型提取研究*

楊盡利，周忠發(fā)，趙正隆，周澤英

(1.貴州師范大學中國南方喀斯特研究院，貴陽 550001;2.貴州省喀斯特山地生態(tài)環(huán)境國家重點實驗室培育基地，貴陽 550001;3.黔南布依族苗族自治州農(nóng)業(yè)資源區(qū)劃辦公室都勻 558000;4.黔南布依族苗族自治州飼草飼料工作站，都勻 558000)

Tueller在1989年介紹了遙感在草地中的應用，根據(jù)草地資源的特征和光譜特點，引入各種植被指數(shù)，此后利用各種資源衛(wèi)星對草地資源的調(diào)查與評估、生物量估算、草地退化監(jiān)測、草地資源定量分析以及對草地資源的數(shù)理模擬和預測的研究越來越多［1］。在這些研究基礎上，進行草地資源專家信息系統(tǒng)的開發(fā)和應用研究，是未來草地遙感科學和應用發(fā)展的趨勢［2-5］。南方和濕潤區(qū)草地用于種果樹、造林、封山育林而成為園地和林地［6］，草地類型的分布跟坡度坡向、高程等地形因子具有一定的聯(lián)系［7］。其中，利用GIS技術(shù)，根據(jù)年積溫、年降水、高程值、光譜特征，運用綜合順序分類法和監(jiān)督分類法進行了草地類型劃分［8-10］，提取紫花針茅草原群落類型信息效果最好的植被指數(shù)是NDVI［11］。西南地區(qū)草地資源可持續(xù)發(fā)展需要深入調(diào)查草地資源現(xiàn)狀，建立草地資源承載力的動態(tài)監(jiān)測系統(tǒng)，這需要借助遙感技術(shù)和GIS技術(shù)［12］。由于喀斯特環(huán)境地形破碎、切割劇烈和經(jīng)常云雨天氣，較其他地區(qū)不易獲取理想衛(wèi)星數(shù)據(jù)，使得遙感提取目標信息困難加大，除獲得理想數(shù)據(jù)外，還需要對草地資源在不同地貌背景下的提取技術(shù)進行探討。

1 研究區(qū)概述

1.1 研究區(qū)概況

獨山縣位于貴州省南部，素有“貴州南大門”之稱 (見圖1)。位于107°18'～107°50'E，25°12'～26°01'N，政區(qū)面積2 422.2km2，2010年末全縣總?cè)丝?6萬。氣候?qū)僦衼啛釒駶櫦撅L氣候區(qū)，年平均氣溫15℃，年均降水量1 468.8mm，年日照時數(shù)1 287.2小時，年無霜期276天。

1.2 地勢地貌情況

獨山縣地處貴州高原向廣西丘陵盆地過渡的斜坡地帶，地勢北高南低，境內(nèi)巖溶地貌發(fā)育，類型復雜多樣，北部屬中山、低中山山地，中部為低中山寬谷丘陵盆地，南部為低中山巖溶峰林谷地，最高海拔為1 985m，最低海拔為490m。全縣非巖溶面積371.18km2，占國土面積的15.20%，巖溶面積2 071.02km2，占國土面積的84.80%，其中無石漠化、潛在石漠化、輕度石漠化、中度石漠化、強度石漠化和極強度石漠化面積分別占巖溶面積的33.81%，31.63%，22.70%，7.11%，4%，0.75%;占國土面積的28.67%，26.82%，19.25%，6.03%，3.39%，0.63%［13］。獨山縣生態(tài)環(huán)境脆弱，人地矛盾突出來源及方法，依托豐富的草地資源優(yōu)勢，帶動農(nóng)民發(fā)展草地畜牧業(yè)，促進生態(tài)畜牧業(yè)可持續(xù)發(fā)展、農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)調(diào)整和石漠化地區(qū)生態(tài)環(huán)境治理，實現(xiàn)傳統(tǒng)農(nóng)業(yè)向現(xiàn)代農(nóng)業(yè)的轉(zhuǎn)型發(fā)展。

2 數(shù)據(jù)

2.1 遙感數(shù)據(jù)

遙感數(shù)據(jù)為日本ALOS衛(wèi)星AVNIR多光譜影像，空間分辨率為10m，時間為2010年3月。影像有4個波段:B1:0.42～0.50μm為藍光波段，對水體有透射能力，對水體有一定敏感性，可區(qū)分土壤和植被;B2:0.52～0.60μm為綠光波段，對水體有一定的穿透能力，對植被識別比較敏感;B3:0.61～0.69μm為紅光波段，能反映出植物的健康狀況，并能區(qū)分一定的植被種類和覆蓋度情況;B4:0.76～0.89μm為近紅外波段，位于植物的高反射區(qū)，光譜特征受植物組成結(jié)構(gòu)控制，能很好反應植被信息。其中，4、3、2波段組合為假彩色影像，目標地物信息逼真，目視效果好，有利于地物信息的解譯和判讀。

圖1 研究區(qū)位置

2.2 地形因子數(shù)據(jù)

DEM數(shù)據(jù)通過對1∶5萬地形圖數(shù)字化形成具有高程值的等高線內(nèi)插生成。DEM能衍生出海拔高度、坡度和坡向等地表形態(tài)信息，對研究喀斯特地區(qū)地貌形態(tài)和地物分布特征有重要的參考作用。

2.3 植被指數(shù)計算

植被指數(shù)按不同的監(jiān)測和計算方法可分為多種植被指數(shù)，常用的有:歸一化植被指數(shù)NDVI、垂直植被指數(shù)PVI、比值植被指數(shù)RVI、消除土壤影響的植被指數(shù)SAVI和全球植被指數(shù)GVI等。其中，研究植被最常用的是歸一化植被指數(shù)NDVI。它是植物生長狀態(tài)以及植被空間分布密度的最佳指示因子，與植被分布密度呈線性相關，被定義為近紅外波段與可見光波段數(shù)值之差和這兩個波段之和的比值。即:

NDVI能反映出植物冠層的背景影響，如土壤、潮濕地面、枯葉、粗超度等，且與植被覆蓋有關，取值范圍為-1≤NDVI≤1，負值表示地面覆蓋為云、水、雪等，可見光高反射;0表示有巖石或裸土等;正值，表示有植被覆蓋，且隨覆蓋度增大而增大。

3 草地類型提取結(jié)果與分析

3.1 草地類型選取

依據(jù)《貴州草地》(貴州省農(nóng)業(yè)廳畜牧局，1987)，黔南布依族苗族自治州草地類型分為山地丘陵草叢類、灌木草叢類、疏林草叢類三大類。主要草地植被有青岡 (Cyclobalanopsis glauca)、火棘 (Pyracantha fortuneana)、楓香 (Liquidambar formosana)、馬桑 (Coriaria nepalensis)、白茅 (Imperata cylindrica)、芒 (Miscanthus sinensis)、芒萁 (Dicranopteris dichotoma)、細柄草 (Capillipedium parviflorum)、金茅 (Eulalia speciosa)、斑茅 (Saccharum arundinaceum)、白健桿 (Eulalia pallens)、纖毛野嘴草 (Ishaemum indicum)、野古草 (Arundinella hirta)。

因草地類型和背景土壤理性及生物的差異，則波譜反應各異。遙感訓練場建設是草地類型遙感分類的基礎和重要步驟。根據(jù)對典型草地類型的分析，建立訓練場區(qū)檔案。根據(jù)現(xiàn)場調(diào)查將草地類型分析判讀，再結(jié)合地形、地質(zhì)、土壤等的綜合分析，提取訓練數(shù)據(jù)，取得影響統(tǒng)計特征參數(shù) (如平均值、方差等)，見表1。

3.2 解譯標志建立

圖像是人的視覺所能感受到的一種形象化的信息。遙感影像中目標地物特征是地物電磁輻射差異在遙感影像上的典型反映。通過建立樣點來獲取目標地物的形狀、紋理、大小、色調(diào)、陰影和空間位置及特征信息［14］。獲取的影響識別特征 (色調(diào)、紋理等)信息可以供圖像解讀人員進行圖像的分析、解譯、理解和識別基礎工作［15］，草地類型影像特征表見表2。

3.3 決策樹構(gòu)建

基于專家知識的決策樹分類是基于遙感影像數(shù)據(jù)及其他空間數(shù)據(jù)，通過專家經(jīng)驗總結(jié)、簡單的數(shù)學統(tǒng)計和歸納方法等，獲得分類規(guī)則并進行遙感分類。分類過程分為:定義分類規(guī)則、構(gòu)建決策樹、執(zhí)行決策樹和評價分類結(jié)果。計算選擇C4.5算法，其基本原理是從樹的根節(jié)點處的所有訓練本開始［16］。通過草地類型訓練區(qū)分析得到在ALOS影像上提取草地資源類型決策樹規(guī)則，如圖2。

表1 訓練區(qū)影像統(tǒng)計特征參數(shù)

圖2 草地類型提取決策樹

3.4 分類結(jié)果

由于混合像元和過渡像元的原因，決策樹分類直接得到的草地類型分布現(xiàn)狀需要野外調(diào)查和室內(nèi)補判修正，最后得到獨山縣草地類型分布圖 (圖3)和獨山縣草地資源類型的分布情況 (表3)。野外調(diào)查工作既是數(shù)據(jù)修正的必要也是驗證決策樹方法及其參數(shù)選擇的合理性反檢驗過程。

3.5 精度評價與分析

根據(jù)野外抽調(diào)數(shù)據(jù)對獨山縣草地類型分類結(jié)果進行驗證(表4)，總體精度為84.03%，Kappa系數(shù)為0.755 6。從表2可以看出，基于ALOS數(shù)據(jù)的決策樹分類方法可以有效地對草叢草地和灌叢草地進行了提取，有效地減少草地資源被錯分為其他土地利用類型的概率。而疏林草地被誤分是遙感影像分類中的一大難點。一方面，由于疏林草地中疏林植被覆蓋度因林種不同而面積大小不一，地表覆蓋分布破碎，疏林草地分類到草叢草地中;另一方面，薪炭林和灌木林經(jīng)過人類活動影響，灌叢草地和疏林草地有一定的鑲嵌和過渡，處于模糊臨界類型，但總體分類精度還是比較高不影響實際的判別應用。決策樹除考慮了影像是四個波段的波譜信息外還考慮了NDVI和地形因子等輔助數(shù)據(jù)，這也驗證了基于決策樹分類技術(shù)適用于地表覆蓋類型復雜、地形破碎、遙感影像專題分類較難的地區(qū)。

圖3 獨山縣草地類型分布

表2 草地類型影像特征

表3 獨山縣2010年各鄉(xiāng)鎮(zhèn)草地情況 hm2

17.70 1.62 1.92 21.24

4 結(jié)論與討論

文中結(jié)合波譜信息及NDVI和地形因子等輔助信息對喀斯特山區(qū)的草地資源進行分類得到了較高的分類精度，由此說明決策樹分類方法是適合破碎喀斯特地區(qū)的。提取成果為復雜的喀斯特山區(qū)草地資源類型的遙感識別提供依據(jù)，摸清喀斯特山區(qū)草地資源分布情況及生產(chǎn)潛力，促進農(nóng)業(yè)自然資源調(diào)查和區(qū)劃工作、草地生態(tài)畜牧業(yè)發(fā)展規(guī)劃、農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)調(diào)整和農(nóng)村經(jīng)濟發(fā)展。

針對不同地物的遙感分類是個困難和長期的工作，影像數(shù)據(jù)涉及空間分辨率、波譜分辨率和輻射分辨率，大部分多光譜影像分辨率較差，而采用高光譜數(shù)據(jù)進行專題研究將是下一步主要研究方向。同時，在影像數(shù)據(jù)與參數(shù)選擇的普適性方面有帶進一步深入研究。

表4 獨山縣草地資源類型抽樣點驗證表

［1］查勇，Jay Gao，倪紹祥.國際草地資源遙感研究新進展.地理科學進展，2003，22(6):607～616

［2］李建龍，王建華.我國草地遙感技術(shù)應用研究進展與前景展望.遙感技術(shù)與應用，1998，13(2):64～67

［3］郭彥軍，張家驊，南志標.重慶草地資源類型與開發(fā)利用對策.草業(yè)科學.2002，19(9):6～8

［4］溫慶可，張增祥，汪瀟，等.西北農(nóng)牧交錯區(qū)草地類型遙感劃分方法.農(nóng)業(yè)工程學報，2010，26(3):171～177

［5］任志弼，色音巴圖，石永懷，等.陜北草地類型遙感解譯與制圖.中國草地，1990，(6):39～43

［6］蘇大學，劉建華，鐘華平，等.中國草地資源遙感快查技術(shù)方法的研究.草地學報，2005，(13)

［7］趙連春，劉榮堂，楊予海，等.基于地形因子的草地遙感分類方法的研究.草業(yè)科學，2006，(26):26～30

［8］李紅梅，馬玉壽.基于GIS技術(shù)的青海省草地類型分類研究.草業(yè)科學，2009，26(12):24～29

［9］孫明，沈渭壽，謝敏，等.基于光譜特征的雅魯藏布江源區(qū)草地類型識別.國土資源遙感，2012，(1):83～89

［10］王春蘭，薩仁，圖力古爾，等.烏海市草地資源遙感調(diào)查分析.內(nèi)蒙古草業(yè)，2009，21(3):18～24

［11］張洪亮，倪紹祥，蔣建軍，等.環(huán)青海湖地區(qū)天然草地TM影像植被指數(shù)分析.中國草地，2002，24:6～11

［12］皇甫江云，盧欣石，李鎮(zhèn)清，等.我國西南地區(qū)草地資源特點及其可持續(xù)發(fā)展途徑.中國草地學報，2011，(33):100～106

［13］貴州省發(fā)展和改革委員會，貴州省科技廳，貴州師范大學.貴州省喀斯特石漠化綜合防治圖集.貴陽:貴州人民出版社，2007，168～169

［14］王橋，楊一鵬，黃家柱，等.環(huán)境遙感.北京:科學出版社，2005，366～385

［15］梅安新，彭望琭，秦其明，等.遙感導論.北京:高等教育出版社，2007，134～153

［16］鄧書斌.ENVI遙感圖像處理方法.北京:科學出版社，2010，150～157