植被指數(shù)估算香格里拉地區(qū)植被覆蓋度的精度對(duì)比分析

楊 榮，楊 昆，洪 亮，朱彥輝

（1.云南師范大學(xué) 旅游與地理科學(xué)學(xué)院，昆明650500；2.云南師范大學(xué) 信息學(xué)院，昆明650500；3.西部資源環(huán)境地理信息技術(shù)教育部工程研究中心，昆明650500）

云南省香格里拉縣研究區(qū)境內(nèi)生物多樣性豐富，氣候垂直差異顯著［1］，植被的區(qū)域分布規(guī)律明顯，是我國(guó)重要的植被資源庫(kù)，但近年來由于旅游開發(fā)和經(jīng)濟(jì)建設(shè)，部分植被資源遭到破壞［2］，香格里拉縣的生態(tài)保護(hù)進(jìn)展情況成為關(guān)注熱點(diǎn)，植被覆蓋度作為刻畫生態(tài)保護(hù)的重要因子之一也備受關(guān)注，如何能夠快速、精確地對(duì)香格里拉縣植被覆蓋度進(jìn)行估算，是該區(qū)生態(tài)保護(hù)的前提，對(duì)植被保護(hù)現(xiàn)狀和優(yōu)化保護(hù)模式的提出具有現(xiàn)實(shí)意義。

獲取某一區(qū)域的植被覆蓋度，傳統(tǒng)的方法有目估法、陰影法、點(diǎn)測(cè)法、空間定量計(jì)算法等，但這些方法獲取的都是點(diǎn)上的植被覆蓋度，且獲取方法較為復(fù)雜，無法在較大的空間尺度上進(jìn)行動(dòng)態(tài)測(cè)量［3－4］，隨著遙感技術(shù)的發(fā)展，通過遙感監(jiān)測(cè)獲取地表植被覆蓋度慢慢被大家熟知，越來越多的專家學(xué)者開始借助遙感技術(shù)進(jìn)行地表參數(shù)反演。

目前，應(yīng)用植被指數(shù)來估算植被覆蓋度的研究較多，但是由于研究地域不同，選取何種植被指數(shù)進(jìn)行估算也將直接影響最終的估算結(jié)果，本文基于香格里拉縣的Modis影像數(shù)據(jù)，針對(duì)研究區(qū)的地表覆蓋特點(diǎn)，構(gòu)建了歸一化植被指數(shù)（NDVI）、增強(qiáng)型植被指數(shù)（EVI）、比值植被指數(shù)（RVI）、修改型土壤調(diào)整植被指數(shù)（MSA－VI）4種植被指數(shù)，采用像元二分模型對(duì)植被覆蓋度進(jìn)行估算，運(yùn)用野外實(shí)測(cè)數(shù)據(jù)和TM解譯結(jié)果作為參照，對(duì)不同植被指數(shù)的植被覆蓋度估算結(jié)果進(jìn)行比較分析。最終選取出最適合研究區(qū)域的植被指數(shù)，為該區(qū)域植被覆蓋度的遙感估算提供理論基礎(chǔ)。

1 研究區(qū)概況與數(shù)據(jù)來源

1.1 研究區(qū)概況

香格里拉縣隸屬迪慶藏族自治州，位于云南省西北部，迪慶州東北部，地處北緯26.52°—28.52°，東經(jīng)99.20°—100.19°，面積11 613km2，是舉世聞名的“三江并流”風(fēng)景區(qū)腹地。香格里拉縣深處內(nèi)陸，地勢(shì)高寒，平均海拔3 280m，氣候類型屬山地寒溫帶季風(fēng)氣候，氣候隨海拔升高而發(fā)生變化，立體氣候顯著。境內(nèi)地勢(shì)南低北高，南部受暖濕氣流影響，降水相對(duì)豐富，氣候濕潤(rùn)，而北部氣候則相對(duì)干燥。境內(nèi)植被以山地寒溫性針葉林為主，主要包括長(zhǎng)苞冷杉林，蒼山冷杉林，麗江云杉林，大果紅杉林和高山刺柏林等。由于香格里拉縣地處高寒，因此境內(nèi)森林生態(tài)系統(tǒng)豐富且保存較完整，使其成為研究植被動(dòng)態(tài)的天然實(shí)驗(yàn)室。

1.2 數(shù)據(jù)來源

本文所選用的數(shù)據(jù)包括2010年4月2日獲取的MOD13Q1影像數(shù)據(jù)。2010年4月獲取的香格里拉縣植被覆蓋度野外實(shí)測(cè)數(shù)據(jù)，以及2010年4月4日獲取的TM數(shù)據(jù)，研究區(qū)地跨三幅數(shù)據(jù)，軌道號(hào)分別為p131r041，p132r041，p132r040。

1.3 數(shù)據(jù)預(yù)處理

根據(jù)研究需求，在MRT軟件中將獲取的MODIS數(shù)據(jù)的正弦曲線投影（Sinusoidal）系統(tǒng)轉(zhuǎn)換為Albers投影的直角坐標(biāo)體系即正軸等面積雙標(biāo)準(zhǔn)緯線割圓錐投影。利用ENVI軟件，對(duì)MODIS影像和拼接好的TM影像進(jìn)行裁剪，最終得出香格里拉縣范圍內(nèi)的全部遙感影像，并對(duì)裁剪后MOD13Q1影像進(jìn)行波段重計(jì)算，使VI值回歸到正常值之間。

2 研究方法

2.1 不同植被指數(shù)的選取

植被指數(shù)是指選用多光譜遙感數(shù)據(jù)經(jīng)分析運(yùn)算，產(chǎn)生某些對(duì)植被長(zhǎng)勢(shì)、生物量等有一定指示意義的數(shù)值，它用一種簡(jiǎn)單而有效的形式——僅用光譜信號(hào)，不需其他輔助資料，也沒有任何假設(shè)條件，來實(shí)現(xiàn)對(duì)植物狀態(tài)信息的表達(dá)，以定性和定量地評(píng)價(jià)植被覆蓋、生長(zhǎng)活力及生物量等［5］。植被指數(shù)的選取將對(duì)植被覆蓋度的估算結(jié)果產(chǎn)生直接影響。由于研究區(qū)香格里拉縣深處內(nèi)陸，植被茂密，植被覆蓋度較高，因此本文選用算法較為簡(jiǎn)單的比值植被指數(shù)RVI［6］，應(yīng)用范圍最廣的歸一化植被指數(shù)NDVI［7］，對(duì)大氣和土壤影響均有修正作用的增強(qiáng)型植被指數(shù)EVI［8］，以及能夠調(diào)節(jié)土壤亮度并對(duì)NDVI土壤背景敏感度進(jìn)行修正的修改型土壤調(diào)整植被指數(shù) MSAVI［9］（表1）。

表1 植被指數(shù)一覽表

2.2 植被覆蓋度遙感估算模型選取

基于植被指數(shù)的植被覆蓋度遙感估算方法有經(jīng)驗(yàn)?zāi)Ｐ头?、植被指?shù)法、像元分解模型法及決策樹分類法等，其中大多模型一般都具有局限性，只適用于特定的區(qū)域與特定的植被類型，不具有普遍意義，不易推廣。經(jīng)過對(duì)比和分析，本文選取像元二分模型作為研究所應(yīng)用的基礎(chǔ)模型，像元二分模型具有一定的理論基礎(chǔ)，不受地域的限制，易于推廣；另外像元二分模型還削弱了土壤背景、植被類型和大氣的影響［10－11］。

像元二分模型［12］假設(shè)傳感器所觀測(cè)到像元信息可以分為植被部分所貢獻(xiàn)的信息（Sv）和由無植被覆蓋（裸土）部分所貢獻(xiàn)的信息（Ss）兩部分組成。那么每個(gè)像元的信息（S）就可以表示為：

設(shè)遙感圖像中純植被像元（完全由植被覆蓋）信息為Sveg，純土壤像元（完全由土壤覆蓋）信息為Ssoil。假設(shè)混合像元中植被覆蓋的面積比例即為該像元的植被覆蓋度f(wàn)c，而土壤覆蓋的面積比則為1－fc；那么S則表示為：

將fc作為式（2）中要求解的未知數(shù)，則從公式中解出fc為：

將植被指數(shù)帶入式（3）中進(jìn)行植被覆蓋度的估算。在實(shí)際計(jì)算中，很難找到純植被像元與純土壤像元，一般利用影像上的VImax和VImin值替代Sveg和Ssoil，為了保證實(shí)驗(yàn)結(jié)果的準(zhǔn)確性，首先要為研究數(shù)據(jù)設(shè)置一個(gè)置信度，本文選用Koenker［13］的方法設(shè)定置信區(qū)間，置信區(qū)間內(nèi)的最大值和最小值即為VImax和VImin。

3 結(jié)果與分析

運(yùn)用NDVI，EVI，RVI，MSAVI這4種植被指數(shù)估算得到的香格里拉縣植被覆蓋度如表2所示。

表2 不同植被指數(shù)估算的植被覆蓋度統(tǒng)計(jì)

3.1 植被覆蓋度的估算結(jié)果分析

由表2可以看出，不同植被指數(shù)估算的研究區(qū)植被覆蓋度和空間分布特征均有明顯差異；相較而言fc＿NDVI與fc＿M(jìn)SAVI在0.75～1之間的面積占比明顯多于fc＿RVI與fc＿EVI，結(jié)合同期TM解譯的土地利用圖可知，植被覆蓋度在0.75～1之間的面積約占研究區(qū)總面積的50%～55%，主要由分布在遠(yuǎn)離城鎮(zhèn)的林地組成；植被覆蓋度在0.5～0.75之間的面積約占研究區(qū)總面積的25%～30%，主要由分布在城鎮(zhèn)周圍的耕地、耕地與林地的過渡帶組成；植被覆蓋度小于0.5的面積約占研究區(qū)總面積的20%，主要由城鎮(zhèn)用地、雪地和水體組成。

利用SPSS對(duì)4個(gè)植被覆蓋度估算結(jié)果做XY散點(diǎn)圖（圖1），將該散點(diǎn)圖與同期TM解譯的土地利用圖（圖2）作比較發(fā)現(xiàn)曲線fc＿NDVI和fc＿M(jìn)SAVI波峰處對(duì)應(yīng)的地表利用類型為全部林地，少部分耕地。比較峰值對(duì)應(yīng)的像素點(diǎn)，發(fā)現(xiàn)fc＿M(jìn)SAVI的峰值明顯高于fc＿NDVI，通過與TM解譯影像統(tǒng)計(jì)結(jié)果進(jìn)行比較發(fā)現(xiàn)，林地的像素點(diǎn)與fc＿M(jìn)SAVI的峰值點(diǎn)更為貼近，這說明fc＿M(jìn)SAVI曲線反映的植被覆蓋度結(jié)果更接近于研究區(qū)的實(shí)際情況。

圖1 不同植被覆蓋度的XY散點(diǎn)圖

3.2 植被指數(shù)與植被覆蓋度的相關(guān)性分析

地表植被覆蓋度的實(shí)測(cè)時(shí)間為2010年4月，選擇100個(gè)大小為250m×250m的樣方，并采用均分法將每個(gè)樣方分為面積相等的16個(gè)小樣方，通過不同觀測(cè)者對(duì)小樣方進(jìn)行目測(cè)估算植被覆蓋度，取其平均值的方法得到樣方的植被覆蓋度，同時(shí)采用GPS定位，記錄樣方中心的經(jīng)緯度，根據(jù)樣方的經(jīng)緯度在各植被指數(shù)空間分布圖上找出與樣方一一對(duì)應(yīng)的植被指數(shù)并進(jìn)行統(tǒng)計(jì)。將統(tǒng)計(jì)數(shù)據(jù)輸入SPSS軟件中，得到以植被指數(shù)為橫坐標(biāo)、植被覆蓋度為縱坐標(biāo)的二維散點(diǎn)圖；利用SPSS軟件中的分析功能對(duì)散點(diǎn)圖進(jìn)行相關(guān)性分析，分析結(jié)果如圖3所示，NDVI與實(shí)測(cè)植被覆蓋度相關(guān)性判斷系數(shù)R2為0.815 2，EVI為0.766 7，RVI為0.733 9，MSAVI為0.832 9，4種植被指數(shù)與實(shí)測(cè)植被覆蓋度均呈現(xiàn)出了較高的相關(guān)性（＞0.5），說明4種植被指數(shù)均可在一定程度上反演出研究區(qū)的植被覆蓋度，但是MSAVI的反演結(jié)果更接近于地表植被實(shí)際覆蓋度。

圖2 香格里拉縣30m×30m分辨率的土地利用分類

3.3 植被覆蓋度估算結(jié)果的定量檢驗(yàn)

本文用同期的高分辨TM影像對(duì)研究區(qū)植被覆蓋度估算結(jié)果進(jìn)行定量檢驗(yàn)，假設(shè)TM像元為純凈像元，在MODIS植被覆蓋度分布圖上隨機(jī)選取100個(gè)像元，因?yàn)镸ODIS13Q1的分辨率為250m，因此每在MODIS影像上選取一個(gè)像元，就對(duì)應(yīng)的在TM影像上選取相同區(qū)域的8×8個(gè)像元，計(jì)算區(qū)域內(nèi)64個(gè)像元的平均值作為該區(qū)域植被覆蓋度的估算值。以TM影像反演結(jié)果為理論值，MODIS影像反演結(jié)果為估算值，根據(jù)誤差＝｜估算值－理論值｜／理論值×100%，計(jì)算估算值相對(duì)于理論值的誤差。最終計(jì)算結(jié)果如圖4所示，4種植被指數(shù)估算誤差均在0.25以下，但是相較于其他植被指數(shù)而言MSAVI誤差較小。

圖3 各植被指數(shù)與實(shí)測(cè)植被覆蓋度的相關(guān)性

圖4 各植被指數(shù)誤差比較

4 結(jié)論

（1）基于4種植被指數(shù)NDVI，EVI，RVI和 MSAVI反演的香格里拉縣植被覆蓋度都可以較好地反映該區(qū)地表植被的實(shí)際覆蓋情況，并且與植被覆蓋度呈顯著正相關(guān)關(guān)系。說明利用遙感影像來估算地表植被覆蓋度是可行的，而且是一種快速有效的方法。

（2）對(duì)4種植被指數(shù)的估算結(jié)果進(jìn)行分析，估算精度從高到低依次為 MSAVI，NDVI，EVI，RVI，建議對(duì)于香格里拉縣植被覆蓋的遙感估算選用能夠調(diào)節(jié)土壤亮度并對(duì)NDVI土壤背景敏感度進(jìn)行修正的修改型土壤調(diào)整植被指數(shù)MSAVI。

［1］ 徐柯健，張百平.大香格里拉地區(qū)自然與文化多樣性［J］.山地學(xué)報(bào)，2008，26（2）：212－217.

［2］ 李亞飛，劉高煥.大香格里拉地區(qū)植被空間分布的環(huán)境特征［J］.自然資源學(xué)報(bào)，2011，26（8）：1353－1362.

［3］ 王兮之，陸龍，梁釗雄.青海湟水流域植被覆蓋度時(shí)空變化分析［J］.水土保持研究，2010，17（6）：172－176.

［4］ 邢著榮，馮幼貴，楊貴軍，等.基于遙感的植被覆蓋度估算方法述評(píng)［J］.遙感技術(shù)與應(yīng)用，2009，24（6）：849－854.

［5］ 趙時(shí)英.遙感應(yīng)用分析原理與方法［M］.北京：科學(xué)出版社，2003：251－277.

［6］ Pearson R L，Miller L D.Remote mapping of standing crop biomass for estimation of the productivity of the shortgrass prairie［J］.Remote Sensing of Environment，1972，8（1）：1355.

［7］ Rouse Jr J W，Haas R H，Schell J A，et al.Monitoring vegetation systems in the Great Plains with ERTS［C］.Washington DC：NASA Special Publication，1974.

［8］ Qi J，Chehbouni A，Huete A R，et al.A modified soil adjusted vegetation index［J］.Remote Sensing of Environment，1994，48（2）：119－126.

［9］ 陳晉，陳云浩.基于土地覆蓋分類的植被覆蓋率估算亞像元模型與應(yīng)用［J］.遙感學(xué)報(bào)，2001，5（6）：416－422.

［10］ 陳吉龍.重慶市三峽庫(kù)區(qū)植被覆蓋度的遙感估算及動(dòng)態(tài)變化研究［D］.重慶：西南大學(xué)，2010.

［11］ 李小亞，張勃，靳自寶.基于 MODIS－NDVI的甘肅河?xùn)|地區(qū)植被覆蓋度動(dòng)態(tài)監(jiān)測(cè)［J］.水土保持研究，2013，20（1）：112－115.

［12］ Zribi M，Le Hegarat－Mascle S，Taconet O，et al.Derivation of wild vegetation cover density in semi－arid regions：ERS2／SAR evaluation［J］.International Journal of Remote Sensing，2003，24（6）：1335－1352.

［13］ Koenker R，Bassett Jr G.Regression quantiles［J］.Econometrica：Journal of the Econometric Society，1978，46（1）：33－50.