影像分辨率對植被覆蓋度提取的影響

張 婧，劉詠梅，徐 健，楊勤科

（1.西北大學 城市與環(huán)境學院，西安710127；2.中國石油長慶油田分公司，西安710018）

基于遙感影像提取的植被類型、分布等信息，可為土地利用、植被覆蓋變化和土壤侵蝕等方面的檢測和評價分析提供重要支撐［1］。隨著遙感技術(shù)、理論的逐漸成熟，不同遙感平臺及傳感器的相繼出現(xiàn)，為植被遙感的應用提供了更為多樣的影像，人們可利用的影像分辨率選擇也越來越多。如IKONOS（4m）、SPOT（5m）、ALOS（12m）、TM（30m）、MODIS（250m）、SPOT VEGETATION（1 000m）等。因而探討遙感影像分辨率對植被覆蓋度提取的影響具有十分重要的意義。針對分辨率對植被遙感的影響，一些學者進行了系列研究。Friedl等發(fā)現(xiàn)NDVI本身也依賴于分辨率［2］。Shoshany等以TM數(shù)據(jù)為資料，建立了植被蓋度與地表反射間的經(jīng)驗關(guān)系模型，為區(qū)域尺度上植被蓋度定量化提供了模型基礎［3］。Qi和 Marsett利用TM和SPOT VEGETATION影像測量了圣地亞哥流域植被蓋度，揭示了不同研究區(qū)域TM和SPOT VEGETATION兩種分辨率影像測量出的植被蓋度與實地蓋度的相關(guān)性［4］。Woodcock通過計算對比重采樣后的系列分辨率TM影像的局部方差，對不同用地類型的適宜分辨率進行了探討，但是該研究僅針對重采樣的數(shù)據(jù)進行［5－6］。總的看來，遙感影像分辨率對植被信息提取的影響了解不夠，以至于對一個遙感像元尺度上建立的模型在另一個像元尺度也可能不適用，這使得目前研究對遙感觀測的信息缺乏有效理解，95%的海量遙感數(shù)據(jù)無法有效利用、遙感技術(shù)應用很難有突破性發(fā)展［7］。

本文即通過對從高分辨率到低分辨率的一系列影像計算NDVI并用相同算法（像元二分模型）反演出其植被覆蓋度，運用統(tǒng)計方法及分區(qū)分析方法，探討不同分辨率下NDVI及植被覆蓋度的變化規(guī)律；同時針對中、低分辨率影像則通過擴大其表達空間范圍來進一步討論尺度效應影響，為多種分辨率遙感數(shù)據(jù)提取植被覆蓋度信息提供理論支持。

1 研究區(qū)與數(shù)據(jù)處理

1.1 研究區(qū)概況

本研究針對不同分辨率數(shù)據(jù)設置不同范圍的樣區(qū)——高分辨率樣區(qū)和低分辨率樣區(qū)。高分辨率樣區(qū)（樣區(qū)1）選擇在陜西省安塞縣西南方向，面積約為173km2，樣區(qū)有一景4m分辨率的IKONOS影像。區(qū)內(nèi)包括紙坊溝和縣南溝兩個流域（其中縣南溝流域不完整）。該樣區(qū)內(nèi)溝谷密集，地表起伏大，為典型的黃土丘陵溝壑區(qū)。低分辨率樣區(qū)（樣區(qū)2）選擇在延河中下游及其毗鄰地區(qū)，屬典型的黃土丘陵溝壑區(qū)，面積約10 000km2，樣區(qū)內(nèi)有SPOT、TM和MODIS影像。

1.2 數(shù)據(jù)源

本文選用從低分辨率到高分辨率的系列影像，其分別為：1km分辨率的SPOT VEGETATION 數(shù)據(jù)、500m分辨率的MODIS影像、30m分辨率的TM影像、10m分辨率的ALOS影像以及4m分辨率的IKONOS影像。各數(shù)據(jù)的基本信息如表1所示。

表1 不同分辨率影像基本情況

1.3 數(shù)據(jù)預處理

由于實驗所用影像已經(jīng)做過初步校正處理，這里對系列影像的預處理主要為投影轉(zhuǎn)換、幾何校正和影像裁剪。根據(jù)研究區(qū)域的范圍大小以及其所處位置選擇高斯投影。將5種不同分辨率的影像轉(zhuǎn)換到統(tǒng)一投影系統(tǒng)下［8］。對各分辨率影像進行裁剪，得到5種分辨率的高分辨率樣區(qū)數(shù)據(jù)以及低分辨率樣區(qū)的SPOT VEGETATION和MODIS兩套數(shù)據(jù)。

2 基于像元二分模型的植被覆蓋度提取

2.1 歸一化植被指數(shù)（NDVI）計算

植被指數(shù)種類是多種多樣的，歸一化植被指數(shù)（Normalized Digital Vegetation Index，NDVI）作為理論及技術(shù)最為成熟的算法，是對植物生長狀態(tài)和植被覆蓋的最佳指示因子，其在植被遙感中應用最為廣泛［9］。其計算公式如下：

式中：IR——近紅外波段的反射率；R——紅波段的反射率。本研究所用的數(shù)據(jù)中，SPOT VEGETATION本身就是DNVI數(shù)據(jù)，故而對其進行必要的轉(zhuǎn)換后直接應用［10］。其他影像通過公式 （1）進行計算［11］。

2.2 蓋度計算

2.2.1 植被覆蓋度計算 植被覆蓋度是指植被冠層的垂直投影面積與土壤總面積的百分比［12］。NDVI與植被覆蓋度間存在著線性相關(guān)關(guān)系，通過建立線性模型可以完成從NDVI到地表的植被覆蓋度的反演過程。本文選擇現(xiàn)在應用較廣的像元二分模型來反演植被覆蓋度［13］。其計算公式為：

式中：NDVIfc——一個像元植被覆蓋度；NDVI——該像元的歸一化植被指數(shù)；NDVIsoil——裸地對應的NDVI值；NDVIveg——植被地對應的NDVI值。圖像中植被地對應的NDVI值NDVIveg和裸地對應的NDVI值NDVIsoil分別取NDVImax與 NDVImin，其中NDVImax、NDVImin可通過實地測試、遙感測量來確定，或者設置為某置信區(qū)間（0.5%～95.5%）內(nèi) NDVI的最大值與最小值［14－15］。

2.2.2 蓋度分級 考慮到實際應用，本研究按照《土壤侵蝕分類分級標準》中的植被蓋度分級標準［16］，將區(qū)域按其植被覆蓋度大小分為5個等級。經(jīng)重新分類，獲取各影像的植被覆蓋度等級圖及相應的統(tǒng)計特征值。

3 分辨率對植被覆蓋度提取的影響分析

植被覆蓋度的尺度效應分析主要從統(tǒng)計學和空間分布兩方面對各分辨率影像計算出的NDVI以及植被蓋度進行比較。具體分析如下：

3.1 空間結(jié)構(gòu)與統(tǒng)計特征

各種不同分辨率NDVI和植被蓋度圖（圖1和圖2）可見，隨著分辨率的降低，影像結(jié)構(gòu)不斷粗糙，在高分樣區(qū)（范圍較?。┐址直媛蕯?shù)據(jù)（MODIS1，SPOT1）已沒有明顯的結(jié)構(gòu)特征，因而不能用于植被覆蓋信息的提取和分析。但如果分析區(qū)域足夠大（這里的樣區(qū)是10 000km2），則500m和1 000m分辨率的遙感數(shù)據(jù)能夠看出結(jié)構(gòu)特征，依然可用于植被信息的提取和分析（圖3）。

圖1 樣區(qū)1不同分辨率影像的高分樣區(qū)NDVI信息匯總

圖2 高分樣區(qū)不同分辨率影像植被蓋度分級信息匯總

圖3 低分樣區(qū)不同分辨率影像NDVI及植被蓋度分級信息匯總

對比各高分樣區(qū)的NDVI參數(shù)（見表2）發(fā)現(xiàn)：隨著分辨率的降低，各尺度NDVI影像的取值范圍不斷收攏，呈現(xiàn)最大值不斷減小，最小值隨之不斷增加的現(xiàn)象。當空間分辨率降低到1km，其NDVI取值收攏到0.288～0.408。相對的不同分辨率NDVI影像參數(shù)的標準差也隨著分辨率下降而不斷減小，表明隨著分辨率的降低，圖像的對比度在下降，提取植被信息的效果隨著降低［17］。各影像NDVI均值隨分辨率的變化不大。在分析高分樣區(qū)不同分辨率植被覆蓋度影像參數(shù)（見表3）后發(fā)現(xiàn)植被覆蓋度參數(shù)變化情況與NDVI影像類似。

表2 不同分辨率NDVI影像統(tǒng)計參數(shù)

3.2 蓋度分級的尺度效應

分析各樣區(qū)植被覆蓋度直方圖（圖4），可以看出不同分辨率影像的植被覆蓋度分布呈現(xiàn)以下規(guī)律：

表3 不同分辨率植被蓋度參數(shù)統(tǒng)計

圖4 不同分辨率植被覆蓋度直方圖

從IKONOS到TM，隨著分辨率的降低，植被蓋度分級結(jié)果中處于邊緣的兩個等級所占比例在不斷下降，而中間等級蓋度所占比例卻在不斷上升。但是TM、ALOS、IKONOS這三種影像的植被蓋度分級結(jié)果中各等級蓋度所占比例分布情況均能大致服從正態(tài)分布的規(guī)律；當分辨率下降到500m時，植被蓋度分級結(jié)果已經(jīng)明顯出現(xiàn)蓋度分布向中間等級集中的極端現(xiàn)象，較低和較高級別的值在分布中已經(jīng)不占有比例，在該空間范圍下這兩個分辨率影像所反演出的蓋度與地表的實際植被覆蓋產(chǎn)生很大的偏差，蓋度分級信息有所缺失，不能準確、如實地表達出研究區(qū)的蓋度分布。在比較大的范圍內(nèi)，各級的值（NDVI和植被覆蓋度）與小范圍內(nèi)高分辨率數(shù)據(jù)的值相似，說明在擴大表達范圍的情況下，所要關(guān)注的對象規(guī)模變大，這使得在該情況下影像像元的大小與關(guān)注對象大小相當，圖像能夠表達該尺度下的信息，因而各級的值與較小范圍內(nèi)高分辨率數(shù)據(jù)相似。

3.3 植被覆蓋度提取的精度分析

在統(tǒng)計分析的基礎上通過對比植被覆蓋度信息在不同分辨率遙感影像中的信息空間分布與真值的差異，可以從空間分布的精度方面研究分辨率對蓋度提取結(jié)果的影響。

在土地利用及景觀分析中常用土地利用／景觀轉(zhuǎn)移矩陣來分析區(qū)域土地利用的數(shù)量、結(jié)構(gòu)以及各用地類型的變化［18］?？梢詫⑵鋽U展到揭示同一地區(qū)不同分辨率影像反演的植被蓋度分級各類型間數(shù)量的空間結(jié)構(gòu)變化特征研究中來。本文用同一地區(qū)不同分辨率序列變化來替換同一地區(qū)時間序列變化，以IKONOS各蓋度面積數(shù)據(jù)作為參考基準，研究分辨率變化對不同蓋度等級區(qū)的反演結(jié)果帶來的面積變化。計算結(jié)果見表4。對TM做相應的面積和百分比矩陣（由于MODIS和SPOT不能完整的反演出該地區(qū)蓋度分布，所以這里不對其做分析），結(jié)果見表5。分析可見：（1）基于ALOS的提取結(jié)果，各列分布比較分散，而基于TM的結(jié)果則在矩陣i行i列相對比較集中；（2）TM矩陣i行i列的值均大于ALOS的百分比，也就是TM的蓋度數(shù)據(jù)較ALOS的蓋度小。對比真值，對各等級不變的面積求和（這部分可以理解為反演結(jié)果與真值相符的部分），計算出其占總面積的百分比，ALOS為31.5041%，TM 為43.5065%，TM的反演結(jié)果更接近于IKONOS。

表4 ALOS反演蓋度分布轉(zhuǎn)移矩陣

3.4 不同分辨率植被覆蓋度信息量對比

針對以上的分析結(jié)果可以看出，高分樣區(qū)小流域范圍的植被蓋度提取結(jié)果TM、ALOS、IKONOS三種影像的反演結(jié)果相差不大，也就是說在樣區(qū)1范圍內(nèi)TM的反演結(jié)果可以滿足需要。這里將TM以一定的間隔通過重采樣得到50～1 000m分辨率，計算其植被覆蓋度的信息量。在這里采用Woodcock以局部方差來表示影像信息量的方法［5－6］，對TM重采樣序列反演結(jié)果進行對比，結(jié)果如圖5所示。

表5 TM反演蓋度分布轉(zhuǎn)移矩陣

圖5 TM植被覆蓋度數(shù)據(jù)重采樣序列局部方差統(tǒng)計

根據(jù)分辨率與局部方差的關(guān)系，當分辨率近似等于我們研究的對象大小時，局部方差的變化會出現(xiàn)一個峰值。結(jié)合圖5可以看出TM重采樣到150m其反演的植被蓋度局部方差有一個峰值。說明在以173km2面積小流域為研究對象時，150m近似等于在流域內(nèi)所關(guān)注的對象大小，該分辨率下的圖像能夠表達該尺度下的信息，其可以滿足研究需要。

4 結(jié)論

本文通過對同一地區(qū)相同時段植被遙感常用的幾種分辨率影像計算NDVI，并以此為基礎反演植被覆蓋度信息，分析分辨率對植被覆蓋信息提取的影響，得出以下結(jié)論：（1）在大、中尺度下，粗分辨率影像應用比較廣泛，但是分辨率對影像反演出的植被蓋度精度常常被使用者忽略。分析分辨率對蓋度提取的影響顯得十分重要；（2）高分辨率的NDVI及植被覆蓋度影像各統(tǒng)計參數(shù)分布范圍較大，有相對較大的標準差，植被覆蓋度分級結(jié)果則呈現(xiàn)良好的正態(tài)分布，但是隨著分辨率不斷降低，NDVI及蓋度值的分布范圍都在不斷縮小，并且有向中間值收斂的規(guī)律；蓋度分級結(jié)果分布呈現(xiàn)逐漸向中間集中的趨勢，到500m的MODIS已經(jīng)不能表達地表蓋度分布規(guī)律；（3）但當空間范圍擴大，MODIS和SPOT的反演結(jié)果有所改善，基本可以反映地表植被蓋度的概率分布；（4）引進土地利用常用的土地利用轉(zhuǎn)移矩陣以及信息量算法可以大致評價蓋度反演結(jié)果，以分辨率引起的各等級覆蓋度內(nèi)的面積變化為研究對象，用矩陣表示各等級內(nèi)不變的面積作為反演精度，其結(jié)果表明較小面積流域為研究對象時，150m分辨率遙感影像依然可滿足植被覆蓋度提取的需要。

［1］ 梅安新，彭望琭，秦其明.遙感導論［M］.北京：高等教育出版社，2007.

［2］ Friedl M A，Davis F W，Michaelsen J，et al.Scaling and uncertainty in the relationship between the NDVI and land surface biophysical variables：An analysis using a scene simulation model and data from FIFE［J］.Remote Sensing of Environment，1995，54（3）：233－246.

［3］ Shoshany M，Kutiel P，Lavee H.Monitoring temporal vegetation cover changes in Mediterranean and arid ecosystems using a remote sensing technique：case study of the Judean Mountain and the Judean Desert［J］.Journal of Arid Environments，1996，33（1）：9－21.

［4］ Qi J，Marsett R C，Moran M S，et al.Spatial and temporal dynamics of vegetation in the San Pedro River basin area［J］.Agricultural and Forest Meteorology，2000，105（1）：55－68.

［5］ Strahler A H，Woodcock C E，Smith J A.On the nature of models in remote sensing［J］.Remote Sensing of Environment，1986，20（2）：121－139.

［6］ Woodcock C E，Strahler A H.The factor of scale in remote sensing［J］.Remote sensing of Environment，1987，21（3）：311－332.

［7］ 蘇理宏，李小文，黃裕霞.遙感尺度問題研究進展［J］.地球科學，2001，16（4）：544－548.

［8］ 湯國安，張友順，劉詠梅.遙感數(shù)字圖像處理 ［M］.北京：科學出版社，2004.

［9］ 羅亞，徐建華，岳文澤.基于遙感影像的植被指數(shù)研究方法述評［J］.生態(tài)科學，2005，24（1）：75－79.

［10］ Xiao X，Boles S，Liu J，et al.Characterization of forest types in Northeastern China，using multi－temporal SPOT－4VEGETATION sensor data［J］.Remote Sensing of Environment，2002，82（2）：335－348.

［11］ 李忠峰，李雪梅，蔡運龍.基于SPOTVEGETATION數(shù)據(jù)的榆林地區(qū)土地覆蓋變化研究［J］.干早區(qū)資源與環(huán)境，2007，21（2）：56－59.

［12］ 劉詠梅.基于高時間分辨率遙感數(shù)據(jù)的區(qū)域水土保持植被綜合分類研究：以黃土高原為例［D］.陜西楊凌：中國科學院水利部水土保持研究所，2006.

［13］ 湯國安，張友順，劉詠梅.遙感數(shù)字圖像處理［M］.北京：科學出版社，2004.

［14］ 張云霞，李曉兵，陳云浩.草地植被蓋度的多尺度遙感與實際測量方法綜述［J］.地球科學進展，2003，18（1）：85－93.

［15］ 馬娜，胡云鋒，莊大方.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，2012，32（2）：251－256.

［16］ 水利部水土保持司.GB／SL190－2007土壤侵蝕分類分級標準［S］.北京：中國水利水電出版社，2008.

［17］ 贠培東，曾永年，歷華.不同遙感影像融合方法效果的定量評價研究［J］.遙感信息，2007（4）：40－45.

［18］ 魯春陽，齊磊剛，桑超杰.土地利用變化的數(shù)學模型解析［J］.資源開發(fā)與市場，2007，23（1）：25－27.