基于克里金插值法的植被覆蓋度研究

李鵬飛　李夢

摘要 基于2013年國產(chǎn)資源遙感衛(wèi)星數(shù)據(jù)和Google Earth高分?jǐn)?shù)據(jù)，利用ArcGIS9.3及Eardas9.2軟件，對研究區(qū)域的遙感影像進(jìn)行克里金插值分析，在此基礎(chǔ)上得出研究區(qū)域遙感影像的植被指數(shù)NDVI，最后反演出該區(qū)域的植被覆蓋度結(jié)果。通過與該區(qū)域的真實植被覆蓋度進(jìn)行比較分析，得出了基于克里金插值法的植被覆蓋度分析方法，該方法對植被覆蓋度分析有一定的實際性的參考意義。此次實驗研究了黃河源頭姊妹湖扎陵湖、鄂陵湖區(qū)域的植被覆蓋度，同時也是三江源地理國情監(jiān)測的一部分。

關(guān)鍵詞：植被覆蓋度；克里金插值；植被指數(shù)；三江源

中圖分類號：S126 文獻(xiàn)標(biāo)識碼 A 文章編號 0517-6611（2015）08-321-04

三江源植被覆蓋度普查目前是地理國情監(jiān)測的重要工作，普查的手段除了利用人工實地調(diào)研外，由于三江源區(qū)域位于青藏高原地區(qū)，地形復(fù)雜，氣候多變，沼澤較多，人類及交通工具無法實地調(diào)研。遙感覆蓋范圍廣、獲得信息量大、效率高、周期短、受地理環(huán)境因素小等優(yōu)點，特別適用于地理國情監(jiān)測，因而，其作為一種進(jìn)行植被覆蓋度估算的手段被廣泛應(yīng)用。

植被覆蓋度是指單位面積內(nèi)植被垂直投影面積所占百分比，它是衡量一個地區(qū)的植被覆蓋程度的一個重要綜合指標(biāo)，也是評價一個地區(qū)的生態(tài)環(huán)境狀況的重要指標(biāo)[1-2]。研究發(fā)現(xiàn)，植物葉子葉面反射光波普曲線主要由綠色植物中所含的葉綠素、水及其他生物元素決定的。在荒漠或植被稀疏的地方，植物的光譜特征反差最為不明顯；而在植被覆蓋中等的地區(qū)，植物光譜特征反差主要是來自紅外波段和近紅外波段變化的結(jié)果；在植被覆蓋較為稠密的地區(qū)，植物的光譜特征的反差只來自近紅外波段的貢獻(xiàn)，紅外波段對其幾乎沒有影響，接近趨于飽和的階段，因此，根據(jù)紅外波段及近紅外波段對植被反射光譜的對不同密度的植被區(qū)域的影響的差異性，可以利用遙感影像中紅外波段與近紅外波段進(jìn)行處理，可以得到研究區(qū)域的植被覆蓋度[3]。

國內(nèi)外學(xué)者對植被覆蓋度的估算研究主要是利用植被指數(shù)NDVI，通過提取影像中反映植物植被指數(shù)的NDVI來分析得出植被覆蓋度。筆者另辟蹊徑，通過人工利用Google Earth高分?jǐn)?shù)據(jù)與國產(chǎn)資源遙感影像進(jìn)行插值分析，通過克里金插值方法，獲得特征點的植被指數(shù)，通過插值比較，得出最終的植被覆蓋度。

1 研究區(qū)域概況

研究區(qū)域位于黃河源頭姊妹湖扎陵湖和鄂陵湖周邊，其也屬于三江源自然保護(hù)區(qū)內(nèi)，該區(qū)域位于青海省巴顏喀拉山北麓的果洛藏族自治州瑪多縣境內(nèi)，是黃河源頭最大的2個高原淡水湖，淡水資源較為豐富，植被情況相對于其他同等區(qū)域種類多而全。該區(qū)域?qū)儆诟吆０蔚貐^(qū)，平均海拔超過4 300 m，因此區(qū)域內(nèi)主要是高海拔植物。該地年降水量200～400 mm，屬于偏干旱地區(qū)，研究區(qū)域海拔高，植物生長期比較短，植被覆蓋不是很密集。該區(qū)域位于三江源保護(hù)區(qū)內(nèi)，該濕地被聯(lián)合國《濕地公約》秘書處正式批準(zhǔn)為國際重要濕地，這標(biāo)志著我國面積最大、海拔最高，也是世界高海拔地區(qū)生物多樣性最集中的三江源自然保護(hù)區(qū)成為全球最具影響力的高原濕地之一。

2 基于克里金插值法的植被覆蓋度的研究

2.1 植被覆蓋度估算 所采用的數(shù)據(jù)主要基于兩部分：一是采用2013年國產(chǎn)環(huán)境衛(wèi)星8月份青海省遙感數(shù)據(jù)，遙感數(shù)據(jù)影像分辨率為30 m，共有4個波段；二是基于Google Earth高分?jǐn)?shù)據(jù)，在此基礎(chǔ)上，獲取了13個高覆蓋植被特征點，18個低植被覆蓋的裸土特征點，這些特征點的目的是為了在基于國產(chǎn)衛(wèi)星遙感數(shù)據(jù)得到的NDVI影像中獲得該特征點的NDVI，以便插值計算。

因為衛(wèi)星存在嚴(yán)重的形變數(shù)據(jù)，引起幾何形變的原因是多種的，主要原因是地球的形狀不均勻、地球的運動軌跡變化、衛(wèi)星的姿態(tài)軌道運行變化、遙感設(shè)備自身因素、掃描鏡的不規(guī)則運動、配準(zhǔn)失調(diào)等內(nèi)部因素，所以國產(chǎn)環(huán)境資源衛(wèi)星遙感影像首先要進(jìn)行幾何糾正。

幾何糾正后，遙感影像的幾何變形得到了一定程度的糾正，但是，由于遙感所利用的所有輻射能都會受到大氣層的影響，大氣會對輻射能量進(jìn)行吸收、散射等，會使能量衰減，大氣糾正的目的就是要盡量減少大氣層對影像的干擾，該研究運用6S模型進(jìn)行了大氣輻射糾正。6S模型中共有6個參數(shù)，分別是太陽天頂角、太陽方位角、衛(wèi)星天頂角、衛(wèi)星方位角、平均高程、大氣氣溶膠厚度。6S模型通過利用輻射定標(biāo)參數(shù)遙感原始影像的DN值、增益、偏益來獲得大氣表觀反射率。其中定標(biāo)公式為：

L=DN/g+L0

式中，DN是原始影像的值；g是增益；L0是偏益；L為大氣表觀反射率。不同波長范圍的g、L0輻射定標(biāo)參數(shù)見表1。6S模型參數(shù)見表2。

經(jīng)過幾何糾正后，得到如圖1的幾何糾正影像，糾正后的數(shù)據(jù)影像采用CGCS2000大地坐標(biāo)系，高斯克呂格投影，中央經(jīng)線東經(jīng)99°，東偏500 000 m。再次經(jīng)過6S定標(biāo)模型進(jìn)行輻射糾正后，得到如圖2的輻射糾正影像，影像也從原來的8位的byte形變?yōu)?2位的float形。通過大氣糾正，輻射糾正的目的是糾正因輻射誤差而引起的影像畸變。經(jīng)過輻射糾正后，不同植被所表現(xiàn)出的差值更為明顯，植被指數(shù)提取更為精確。目的是使影像地物分辨更為明顯，植被分布更易分析。

此次樣點數(shù)據(jù)主要是采用Google Earth的高分?jǐn)?shù)據(jù)，樣點的選取是基于2種植被覆蓋類型。一種是基于極高植被覆蓋度的樣點，此處Google Earth影像顯示該點覆蓋幾乎是100%；一種是基于極低植被覆蓋度樣點，此處Google Earth影像顯示改點覆蓋幾乎為0；樣點數(shù)據(jù)的采集基于盡量均勻分布于整個實驗區(qū)域，但由于實驗需求及樣點采集有限，實驗中2種樣點的采集原始高值被覆蓋植被樣點是多于實驗樣點的，實驗過程中要刪去部分DN值過小的樣點或區(qū)域過于密集的樣點，此次實驗所采用的樣點數(shù)為高覆蓋植被樣點13個，如圖3分布所示；對于低植被覆蓋樣點，分布原則同高植被覆蓋樣點等同，亦要采用均勻分布原則，但是也要去除DN值較高的樣點及密度較大區(qū)域的樣點，最后保留的低植被覆蓋樣點為18個，如圖4分布所示。

2.2 插值分析 在許多預(yù)測性試驗中，大多數(shù)時候需要通過已知數(shù)據(jù)來估計未知數(shù)據(jù)，而未知數(shù)據(jù)的估計是一個統(tǒng)計的過程[4]。

此次實驗基于克里金插值法對影像進(jìn)行插值計算，在地質(zhì)探測或地表環(huán)境研究中，常常會用到克里金插值的方法，該方法是一種用于對局部估計的方法，能根據(jù)已知量估計未知量，克里金插值能提供某個區(qū)域的最佳平均值估計值[5-6]?？死锝鸩逯凳且环N對非均勻取樣的內(nèi)插方法，具備誤差的估計能力[7-8]?？死锝鸩逯档倪@些特性，也可以用于植被覆蓋度估計中。

該研究運用傳統(tǒng)的克里金插值法，利用Eardas imagine 9.2軟件獲得樣點的坐標(biāo)值，根據(jù)坐標(biāo)值獲得植被覆蓋度指數(shù)NDVI，最后利用ArcGIS軟件對兩種樣點數(shù)據(jù)進(jìn)行克里金插值，插值得出高植被覆蓋點插值結(jié)果，如圖5；低植被覆蓋點插值結(jié)果，如圖6。

2.3 植被指數(shù)的計算 此次實驗采用歸一化植被指數(shù)（NDVI），其是最早被提出來的植被指數(shù)，在許多研究中得到了應(yīng)用。NDVI反映了綠色生物量、葉綠素含量和冠層水勢變化[9]。在遙感科學(xué)中，歸一化植被指數(shù)（NDVI）在植被監(jiān)測中應(yīng)用最為廣泛，它能很好地反映植被覆蓋、生物量及生態(tài)系統(tǒng)參數(shù)覆蓋[10]。歸一化植被指數(shù)（NDVI）常常用于土地利用、植被覆蓋度、植被覆蓋動態(tài)變化、環(huán)境監(jiān)測等[11]。

假如植被冠層不是過于濃密或過于稀疏，該植被指數(shù)可以有效地預(yù)測實驗區(qū)域地表的植被覆蓋情況。但是，如果地表植被很稀疏，土壤或水體等非植物信號可能會嚴(yán)重改變NDVI的值；但是，如果植被很茂盛，NDVI值將達(dá)到其極值，無法正確地反應(yīng)植被的疏密度。因此，為了避免NDVI的這個不足，有人提出了這樣的原理：

Fg=NDVIi-NDVIminNDVImax-NDVImin

根據(jù)二分模型原理[12-13]，假設(shè)一個像元的地表是由有植被覆蓋部分地表與無植被覆蓋部分地表組成，而遙感傳感器觀測的光譜信息也由這2個組分因子合成，各因子的權(quán)重是各自的面積在像元中所占的比率，即可以把植被覆蓋度作為植被的權(quán)重。

植被覆蓋度是指植被所覆蓋區(qū)域的比例，如果衛(wèi)星遙感影像所得到的遙感信息為Y，由植被覆蓋的信息為Yz，由土壤得到的信息為Yt，則可以綜合為一個線性關(guān)系，可以簡單地得到如下公式：

Y=Yz+Yt

NDVImax影像見圖7。NDVImin影像見圖8。最終得出植被覆蓋度示意圖（圖9）。

植被覆蓋度統(tǒng)計結(jié)果見圖10。通過數(shù)據(jù)分析，植被覆蓋最大值為1.0，最小值為0.000 1，平均值為0.330 840，方差為0.255 76；從圖10可看出，有相當(dāng)一部分點值位于0.15～0.45之間，可以得出該地區(qū)植被覆蓋度相對較低，大多數(shù)地區(qū)處于荒漠化狀態(tài)，方差值低，也充分說明該地區(qū)植被覆蓋區(qū)分度比較低。根據(jù)三江源區(qū)植被覆蓋度分級（表3），可以得出插值法反演后得出的植被覆蓋度比例與實際比例的差值對比，從而評價插值法分析植被覆蓋度的精度。從表4可以看出，通過克里金插值法獲得的植被覆蓋度分級比例與實際植被覆蓋度分級比例一致性；分級比例差值最大的是極低覆蓋區(qū)，這可能受到湖泊、冰川、霧氣的影響；最小的是高覆蓋區(qū)，克里金插值法對植被覆蓋度估計有一定的參考意義。

3 結(jié)論

該研究通過利用國產(chǎn)遙感衛(wèi)星數(shù)據(jù)及Google Earth高分?jǐn)?shù)據(jù)，基于克里金插值法，通過利用植被指數(shù)NDIV對青海鄂陵湖、扎陵湖區(qū)域的植被數(shù)據(jù)進(jìn)行了反演實驗，得出了青海鄂陵湖、扎陵湖區(qū)域植被覆蓋度，并給出了滿意的結(jié)果：

（1）該研究結(jié)合最新地理國情監(jiān)測最新植被覆蓋分類方法確定了鄂陵湖、扎陵湖區(qū)域周邊植被覆蓋度，并給出了相對準(zhǔn)確的分類結(jié)果。這表明在植被覆蓋度的統(tǒng)計中，可以利用該方法作為一種檢核植被覆蓋度的檢核方法。

（2）基于Google Earth高分?jǐn)?shù)據(jù)，獲得的高植被覆蓋分布點和高植被覆蓋分布點，對其進(jìn)行克里金插值分析后，進(jìn)行一些列植被覆蓋度試驗，獲得相對準(zhǔn)確的植被覆蓋度，達(dá)到滿意的結(jié)果。

參考文獻(xiàn)

[1] 溫小樂.基于影像的長樂市植被覆蓋度變化研究[J].遙感信息，2013，28（6）：56-61.

[2] GITELSON A A，KAUFMAN Y J，STARK R，et al.Novel algorithms for remote estimation of vegetation fraction[J].Remote Sensing of Environment，2002，80（1）：76-87.

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

[4] DAVIS J C.Statisticsanddataanalysisingeology[M].3rd edition.New York：John Wileyand Sons，2002：57-61.

[5] 劉世翔.專家克里金插值法在空間插值中的應(yīng)用[J].地質(zhì)與資源，2011，20（4）：292-294.

[6] 郭鵬，董蘭芳，夏澤舉.地質(zhì)數(shù)據(jù)的等值線繪制方法研究[J].計算機(jī)仿真，2009（9）：168-171.

[7] 孫洪泉.地質(zhì)統(tǒng)計學(xué)及其應(yīng)用[M].北京：中國礦業(yè)大學(xué)出版社，1990：38-39.

[8] 弓小平，楊毅恒.普通Kriging法在空間插值中的運用[J].西北大學(xué)學(xué)報：自然科學(xué)版，2008（12）：878-882.

[9] 趙娟.冬小麥不同生育時期葉面積指數(shù)繁衍方法[J].光譜學(xué)與光譜分析，2013，33（9）：2546-2551.

[10] TUCHKER C J.African land-cover classificationusing satellite data（J）.Science，1985，227（4685）：369-375.

[11] 李惠敏，劉洪斌，武偉.近10年重慶市歸一化植被指數(shù)變化分析[J].地理科學(xué)，2010，30（1）：119-123.

[12] 趙英時.遙感應(yīng)用分析原理與方法[M].北京：科學(xué)出版社，2003.

[13] 顧祝軍，曾志遠(yuǎn).遙感植被蓋度研究[J].水土保持研究，2005，12（2）：18-21.