基于雷達(dá)植被指數(shù)的水土流失區(qū)植被覆蓋度估測

何海燕，凌飛龍，汪小欽，梁志鋒，2

(1.福州大學(xué)空間數(shù)據(jù)挖掘與信息共享省部共建教育部重點(diǎn)實(shí)驗(yàn)室，福州 350002;2.航天天繪科技有限公司，西安 710000)

0 引言

植被覆蓋度(fraction of vegetation coverage，F(xiàn)VC)指植被在地面的垂直投影面積占統(tǒng)計區(qū)總面積的百分比［1－2］。植被是控制水土流失的關(guān)鍵因子之一［3－4］。植被覆蓋度作為植被的直觀量化指標(biāo)，很大程度上反映了植被的基本情況，可為林業(yè)工作以及水土流失的治理等提供參考決策資料。植被覆蓋度估測方法的發(fā)展大致經(jīng)歷了簡單目測估算、儀器測量計算和遙感解譯分析3個階段。遙感技術(shù)為估測大面積區(qū)域植被覆蓋度提供了可能［5］。我國南方多云雨天氣，使得光學(xué)遙感數(shù)據(jù)的獲取受到了很大的限制。特別是由于植被光譜受到植被本身、環(huán)境條件、大氣狀況等多種因素的影響，植被指數(shù)具有明顯的區(qū)域性和時效性，因此基于光學(xué)影像數(shù)據(jù)的方法有很多局限性［6－8］。

合成孔徑雷達(dá)(synthetic aperture Radar，SAR)具有全天候、全天時對地觀測的能力以及電磁散射矢量特性和微波穿透性等優(yōu)勢，可準(zhǔn)確反演森林和農(nóng)作物等植被的分布、結(jié)構(gòu)及長勢等信息［9－10］。全極化SAR以極化散射矩陣的形式完整地記錄了雷達(dá)目標(biāo)的電磁散射特性［11］，其數(shù)據(jù)通過極化目標(biāo)分解，可以得到不同的特征參數(shù)。雷達(dá)植被指數(shù)(Radar vegetation index，RVI)是基于特征向量分解得到的參數(shù)，常用以描述植被的疏密程度［12］。利用全極化ALOSPALSAR數(shù)據(jù)分解得到的雷達(dá)植被指數(shù)進(jìn)行森林/非森林制圖，將其與光學(xué)植被指數(shù)如歸一化植被指數(shù)(normalized difference vegetation index，NDVI)的制圖結(jié)果比較發(fā)現(xiàn)，其結(jié)果更加精確［13］。

最早建立的像元分解模型主要用于分離植被和其他地物［14］，而像元二分模型是像元分解模型中的一種線性分解模型，它假設(shè)地物僅由植被和非植被2部分組成。很多學(xué)者基于光學(xué)遙感影像將該模型應(yīng)用于估測植被覆蓋度的工作中［15－18］。像元二分模型可以削弱土壤背景、大氣與植被類型的影響，且其使用不受研究區(qū)域大小的限制，易于推廣應(yīng)用。像元二分模型所用的遙感信息應(yīng)與植被覆蓋度具有較好的線性關(guān)系［19］。雷達(dá)植被指數(shù)RVI與植被疏密程度密切相關(guān)，因此將RVI應(yīng)用于像元二分模型具有理論上的可行性。

本文將基于雷達(dá)影像通過極化分解得到雷達(dá)植被指數(shù)應(yīng)用于像元二分模型，估測50 m像元尺度下福建省長汀縣河田鎮(zhèn)區(qū)域的植被覆蓋度;以高分辨率光學(xué)影像計算的植被覆蓋度和實(shí)地考察數(shù)據(jù)為真值驗(yàn)證評價了估測結(jié)果的精度。

1 研究區(qū)概況

以福建省長汀縣河田鎮(zhèn)為研究區(qū)，該區(qū)位于N25°31'12″～25°41'26″，E116°21'45″～116°28'20″之間，屬亞熱帶季風(fēng)氣候區(qū)，長期嚴(yán)重水土流失和人為破壞已造成該區(qū)域植被退化成疏林地、亞熱帶灌叢或無林地，甚至退化成荒草坡或光板地，其治理措施主要通過植樹造林，恢復(fù)生態(tài)，改善環(huán)境來控制水土流失的惡化［20］。研究區(qū)地理位置及Radarsat－2影像覆蓋范圍如圖1所示。

圖1 研究區(qū)Radarsat－2影像覆蓋范圍Fig.1 Radarsat－2 data of study area

2 數(shù)據(jù)源及其處理

2.1 Radarsat－2 數(shù)據(jù)及處理

Radarsat－2全極化數(shù)據(jù)的獲取日期為2013年11月27日，分辨率為8 m，采樣間隔為12.5 m。產(chǎn)品類型是單視復(fù)型數(shù)據(jù)。采用Polsarpro軟件對該數(shù)據(jù)進(jìn)行了輻射定標(biāo)、正射校正、多視處理(方位向和距離向視數(shù)比為2∶1)、Lee濾波和極化分解等處理。其中極化分解采用基于特征根/特征向量的方法，并組合特征值得到RVI。正射校正［21］采用Mapready軟件基于1∶1萬的數(shù)字高程模型(digital elevation model，DEM)完成。最后，基于極化分解得到的原始分辨率RVI影像計算植被覆蓋度，并將計算結(jié)果重采樣成50 m格網(wǎng)數(shù)據(jù)，以分析該尺度下植被覆蓋度的意義。

2.2 驗(yàn)證數(shù)據(jù)及其處理

以2013年11月的無人機(jī)影像以及2011年12月23日的WorldView－2光學(xué)影像為驗(yàn)證數(shù)據(jù)，其中，無人機(jī)影像與雷達(dá)影像的獲取年月一致，分辨率高達(dá)0.1 m，包括紅綠藍(lán)3個波段，彩色合成后能夠清晰地識別植被;WorldView－2影像成像年份與所獲取的雷達(dá)數(shù)據(jù)不同，但相隔不久，月份日期相近，因此地物變化不大，仍具有可比性。對WorldView－2影像進(jìn)行處理后，完成了與分辨率為8 m的雷達(dá)影像的配準(zhǔn)，配準(zhǔn)誤差控制在1個像元以內(nèi)，以保證模型驗(yàn)證的精度;然后利用eCognition軟件對其進(jìn)行面向?qū)ο蟮闹脖唬侵脖环诸悺Ｓ捎谟跋穹直媛瘦^高，可以清楚地識別植被，因此分類時較多結(jié)合了目視解譯方法，以保證分類的準(zhǔn)確性。

Radarsat－2成像期間，筆者前往實(shí)地考察了植被覆蓋類型和植被覆蓋情況，并拍攝了各考察點(diǎn)的照片。將WorldView－2影像分類結(jié)果與無人機(jī)影像疊加，結(jié)合實(shí)地考察照片的目視判斷，確保其分類精度在90%以上。最后將WorldView－2影像分類結(jié)果圖按照50 m范圍內(nèi)植被像元個數(shù)占整個范圍內(nèi)像元總數(shù)的比例，計算出50 m分辨率影像下的植被覆蓋度。經(jīng)高清無人機(jī)影像和實(shí)地考察情況驗(yàn)證，WorldView－2影像計算的分類結(jié)果和植被覆蓋度均具有較高的精度，可以作為準(zhǔn)確的植被覆蓋度驗(yàn)證依據(jù)。

3 研究方法

基于全極化雷達(dá)數(shù)據(jù)的植被覆蓋度估測方法包括2部分內(nèi)容:①對Radarsat－2數(shù)據(jù)進(jìn)行極化分解，構(gòu)建雷達(dá)植被指數(shù);②以雷達(dá)植被指數(shù)為基礎(chǔ)，應(yīng)用像元二分模型估測植被覆蓋度。

3.1 雷達(dá)植被指數(shù)的構(gòu)建

在雷達(dá)極化中，分布式目標(biāo)的特征值/特征矢量分解是把復(fù)相干矩陣T3表示為3個子相干矩陣(T1，T2，T3)加權(quán)和的簡單統(tǒng)計模型［22］，即

式中，λ1，λ2和λ3分別為3個子相干矩陣的權(quán)重。

通常，分布式目標(biāo)的平均雷達(dá)后向散射是部分極化的，自然目標(biāo)的隨機(jī)性可以用與其相關(guān)聯(lián)的平均相干矩陣的特征值范圍來度量。Van用任意取向的介電圓柱體模型分析了植被區(qū)域的雷達(dá)后向散射，提出了雷達(dá)植被指數(shù)RVI［23］的表達(dá)式，即

式中RVI表示目標(biāo)散射的隨機(jī)程度，0≤RVI≤4/3，光滑表面的RVI=0，隨著植被生長或結(jié)構(gòu)變得復(fù)雜，RVI增加。

3.2 像元二分模型

用像元二分模型來描述雷達(dá)像元內(nèi)的信息構(gòu)成，假設(shè)一個像元代表的RVI值來自土壤和植被2部分的貢獻(xiàn)(圖2)，即雷達(dá)植被指數(shù)RVI0由全植被覆蓋地表的信息RVIveg和無植被覆蓋地表的信息RVIsoil共同貢獻(xiàn)。

圖2 像元二分模型示意圖Fig.2 Dim idiate pixelm odel

像元中有植被覆蓋的面積比例為f，非植被覆蓋的面積比例為(1－f)。即f為植被覆蓋度，f和1－f分別為RVIveg和RVIsoil在該像元中所貢獻(xiàn)信息的權(quán)重，像元的RVI0可以表達(dá)為

3.3 模型訓(xùn)練

在理想情況下，RVIsoil和RVIveg的值是確定的。對于大多數(shù)裸土地面，RVIsoil理論上接近0，但受各種客觀條件影響，RVIsoil會在一定范圍內(nèi)變化［24－25］。RVIveg表示純植被覆蓋的最大值，理論上接近1，但是受不同植被類型的影響，其值也隨時間和空間的變化而變化。實(shí)際情況中植被類型往往不是單一類型，因此不能簡單采用RVI的最小值和最大值作為RVIsoil和RVIveg的取值。

在實(shí)際應(yīng)用中，很難獲取大區(qū)域的實(shí)測數(shù)據(jù)，因此本文采用給定置信度區(qū)間范圍內(nèi)的最大值和最小值來確定RVIveg和RVIsoil的值［20］。置信度的大小隨影像的尺寸和清晰度不同而異。設(shè)置置信區(qū)間是為了排除異常值，不宜設(shè)太大，本文排除水體和不透水面，確定置信度為5%和95%時RVIsoil和RVIveg的取值分別為 0.300 和0.825。

3.4 植被覆蓋度的估測

確定了模型的參數(shù)后，將根據(jù)置信度確定的RVIsoil=0.300和RVIveg=0.825值代入模型中，并設(shè)置條件，即可通過逆向模型估計植被覆蓋度，即

4 結(jié)果與分析

4.1 雷達(dá)植被指數(shù)的計算結(jié)果

圖3是依據(jù)上述設(shè)定獲得的研究區(qū)雷達(dá)植被指數(shù)影像圖，采樣間隔為12.5 m。

圖3 雷達(dá)植被指數(shù)影像圖Fig.3 Image of RVI

從圖3可以看出，影像中部RVI值較低(暗色調(diào))，四周RVI值相對較高(亮色調(diào))，這是因?yàn)橹胁繛槌擎?zhèn)中心，建筑物居多，植被較少;影像獲取季節(jié)為冬季，城鎮(zhèn)中心的農(nóng)田沒有作物，裸露的地表也表現(xiàn)為低RVI值;影像中部河流也是低RVI區(qū)域;而影像四周多為森林，是RVI高值的區(qū)域，但由于水土流失問題的存在，山區(qū)森林中有些地方山體裸露，沒有植被覆蓋，也呈現(xiàn)出局部RVI低值區(qū)。由此可見，RVI可以準(zhǔn)確地反映植被覆蓋情況。

4.2 植被覆蓋度的估測結(jié)果

圖4 植被覆蓋度的Radarsat－2估測結(jié)果Fig.4 Estimation of the FVC through Radarsat－2

根據(jù)雷達(dá)植被指數(shù)和像元二分模型估測的植被覆蓋度如圖4(采樣間隔為50m)，白色區(qū)域?yàn)楦咧脖桓采w度地區(qū)，黑色區(qū)域是城市、河流以及無植被覆蓋的農(nóng)田等低植被覆蓋地區(qū)。植被覆蓋度的變化與RVI所反映的植被分布較為一致。圖5為由World-View－2影像計算的植被覆蓋度結(jié)果(采樣間隔為50 m)。

圖5 植被覆蓋度的WorldView－2計算結(jié)果Fig.5 Calculation of the FVC through W orldView－2

對比圖4與圖5可以看出，植被覆蓋度高低的大致分布是一致的，表明基于雷達(dá)影像的像元二分模型所估測的結(jié)果可以反映植被覆蓋度的分布。

4.3 植被覆蓋度的等級劃分

以0.2為間隔將植被覆蓋度分成5個等級:1級［0，0.2)、2 級［0.2，0.4)、3 級［0.4，0.6)、4 級［0.6，0.8)和5 級［0.8，1］，如圖 6 所示。

圖6 植被覆蓋度等級圖Fig.6 Rank of the FVC

圖6表明，等級為5級和4級的高植被覆蓋度多集中在森林密集的山區(qū)。這是由于山區(qū)基本不受人為活動的影響，植被保護(hù)較好。但受自然災(zāi)害等因素的影響，一些區(qū)域因水土流失而植被退化，造成山區(qū)高植被區(qū)域中分布著較低植被覆蓋區(qū)的極端情況。等級為1級的低植被覆蓋度則多分布在沿江和城鎮(zhèn)區(qū)域，這些地區(qū)人類活動頻繁，多建筑物和農(nóng)田，影像獲取時間為冬季，農(nóng)田等為裸土，因此城鎮(zhèn)附近植被覆蓋度很低。2級和3級的中等植被覆蓋度區(qū)域較少，分布在整個研究區(qū)。

4.4 精度評價

為了定量分析估測結(jié)果的精度，以WorldView－2為驗(yàn)證值，評價Radarsat－2估測的精度。在估測結(jié)果圖和計算的驗(yàn)證圖中分別隨機(jī)選取位置相對應(yīng)的120個樣點(diǎn)，統(tǒng)計這些點(diǎn)在2幅影像中值的相關(guān)性，并做誤差分析。對隨機(jī)選取的采樣點(diǎn)進(jìn)行統(tǒng)計分析，得到Radarsat－2估測值與WorldView－2驗(yàn)證值的散點(diǎn)圖和擬合曲線(圖7)。

圖7 估測值與驗(yàn)證值相關(guān)性Fig.7 Correlation between the estimation and the calculation

結(jié)果表明，長汀縣河田鎮(zhèn)區(qū)域內(nèi)雖然還有部分植被覆蓋度為0的裸露地，但研究區(qū)植被覆蓋度已整體提高，甚至有區(qū)域已達(dá)到全植被覆蓋，即植被覆蓋度為1。結(jié)合實(shí)地考察數(shù)據(jù)分析，植被覆蓋度為0的區(qū)域除了山上裸露的山體外，大部分是城市里的建筑、河流以及沒有種植作物的農(nóng)田等區(qū)域。模型估測的植被覆蓋度準(zhǔn)確地反映了研究區(qū)范圍內(nèi)植被的分布情況，與實(shí)際情況相符合。且估測值與驗(yàn)證值高度相關(guān)(R2=0.812)，均方根誤差僅為0.020。因此，采用基于雷達(dá)植被指數(shù)的像元二分模型估測植被覆蓋度具有較高精度。

圖8為每個采樣點(diǎn)的估測值、驗(yàn)證值和誤差值的曲線統(tǒng)計圖，其中采樣點(diǎn)的排列是按照驗(yàn)證值的遞增順序排列的。

圖8 植被覆蓋度曲線和誤差曲線Fig.8 FVC curves and error curve

由圖8可知，多數(shù)估測值大于驗(yàn)證值，即估測的植被覆蓋度整體高于真實(shí)的值，誤差曲線大部分值在(－0.25，+0.25)之間浮動。

5 結(jié)論

本文基于Radarsat－2全極化雷達(dá)數(shù)據(jù)，估測了水土流失治理區(qū)長汀縣河田鎮(zhèn)區(qū)域的植被覆蓋度。通過極化特征分解獲取了可以反映植被信息的雷達(dá)植被指數(shù)，并將該指數(shù)應(yīng)用于構(gòu)建的像元二分模型中，得到采樣間隔為50 m的植被覆蓋度估測結(jié)果。以高分辨率光學(xué)影像WorldView－2計算的植被覆蓋度作為驗(yàn)證數(shù)據(jù)，結(jié)合無人機(jī)影像和實(shí)地考察數(shù)據(jù)，評價了模型估測精度。結(jié)果表明，雷達(dá)植被指數(shù)和像元二分模型的結(jié)合實(shí)現(xiàn)了高精度的植被覆蓋度提取，R2最高達(dá)0.8以上;該模型可以為長汀的水土保持工作提供科學(xué)的輔助決策依據(jù)。

［1］ 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.

［2］ Purevdorj T，Tateishi R，Ishiyama T.Relationships between percent vegetation cover and vegetation indices［J］.International Journal of Remote Sensing，1998，19(18):3519－3535.

［3］ 哈德遜.土壤保持［M］.北京:科學(xué)出版社，1975:2－3.Hudson NW.Soil Conservation［M］.Beijing:Science Press，1975:2－3.

［4］ 鄒 軍，張明禮，楊 浩.退耕還林(草)與水土保持若干問題的研究進(jìn)展［J］.土壤通報，2012，43(2):506－512.Zhou J，Zhang M L，Yang H.Grain for green vegetation of forestry and grass water and soil conversation［J］.Chinese Journal of Soil Science，2012，43(2):506－512.

［5］ 賈 坤，姚云軍，魏香琴，等.植被覆蓋度遙感估算研究進(jìn)展［J］.地球科學(xué)進(jìn)展，2013，28(7):774－782.Jia K，Yao Y J，Wei X Q，et al.A review on fractional vegetation cover estimation using remote sensing［J］.Advances in Earth Science，2013，28(7):774－782.

［6］ 江 洪，王欽敏，汪小欽.福建省長汀縣植被覆蓋度遙感動態(tài)監(jiān)測研究［J］.自然資源學(xué)報，2006，21(1):126－132，166.Jiang H，Wang Q M，Wang X Q.Dynamic monitoring of vegetation fraction by remote sensing in Changting county of Fujian Province［J］.Journal of Natural Resources，2006，21(1):126－132，166.

［7］ 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(xué)，2004，26(4):153－159.Li M M，Wu B F，Yan C Z，et al.Estimation of vegetation fraction in the upper basin of Miyun reservoir by remote sensing［J］.Resources Science，2004，26(4):153－159.

［8］ 吳昌廣，周志翔，肖文發(fā)，等.基于MODISNDVI的三峽庫區(qū)植被覆蓋度動態(tài)監(jiān)測［J］.林業(yè)科學(xué)，2012，48(1):22－28.Wu CG，Zhou ZX，XiaoW F，etal.Dynamicmonitoring of vegetation coverage in Three Gorges Reservoir area based on MODISNDVI［J］.Scientia Silvae Sinicae，2012，48(1):22－28.

［9］ Capodici F，Durso G，Maltese A.Investigating the relationship between X－band SAR data from COSMO－SkyMed satellite and NDVI for LAIdetection［J］.Remote Sensing，2013，5(3):1389－1404.

［10］ 徐茂松，張風(fēng)麗，夏忠勝，等.植被雷達(dá)遙感方法與應(yīng)用［M］.北京:科學(xué)出版社，2012.Xu M S，Zhang F L，Xia Z S.The Methods and Application of Vegetaion Radar［M］.Beijing:Science Press，2012.

［11］ 王 慶，曾琪明，廖靜娟.基于極化分解的極化特征參數(shù)提取與應(yīng)用［J］.國土資源遙感，2012，24(3):103－110.doi:10.6046/gtzyyg.2012.03.19.Wang Q，Zeng Q M，Liao J J.Extraction and application of polarimetric characteristic parameters based on polarimetric decomposition［J］.Remote Sensing for Land and Resources，2012，24(3):103－110.doi:10.6046/gtzyyg.2012.03.19.

［12］ Van Zyl JJ.An overview of the analysis ofmulti－frequency polarimetric SAR data［C］//6th European Conference on Synthetic Aperture Radar.Dresden，Germany:［s.n.］，2006:16－18.

［13］ Ling F，Li Z，Chen E，et al.Comparison of ALOS PALSAR RVI and Landsat TM NDVI for forest areamapping［C］//2nd Asian－Pacific Conference on Synthetic Aperture Radar.Xi’an，China:IEEE，2009:132－135.

［14］ Settle JJ，Drake N A.Linearmixing and the estimation of ground cover proportions［J］.International Journal of Remote Sensing，1993，14(6):1159－1177.

［15］ Leprieur C，Verstraete M M，Pinty B.Evaluation of the performance of various vegetation indices to retrieve vegetation cover from AVHRR data［J］.Remote Sensing Reviews，1994，10(4):265－284.

［16］ Gutman G，Ignatov A.The derivation of the green vegetation fraction from NOAA/AVHRR data for use in numerical weather prediction models［J］.International Journal of Remote Sensing，1998，19(8):1533－1543.

［17］ Qi J，Marsett R C，Moran M S，etal.Spatial and temporal dynamics of vegetation in the San Pedro river basin area［J］.Agricultural and Forest Meteorology，2000，105(1/3):55－68.

［18］ 牛寶茹，劉俊蓉，王政偉，等.干旱半干旱地區(qū)植被覆蓋度遙感信息提取研究［J］.武漢大學(xué)學(xué)報:信息科學(xué)版，2005，30(1):27－30.Niu B R，Liu JR，Wang ZW，etal.Remote sensing information extraction based on vegetation fraction in drought and half－drought area［J］.Geomatics and Information Science ofWuhan University，2005，30(1):27－30.

［19］ 李苗苗.植被覆蓋度的遙感估算方法研究［D］.北京:中國科學(xué)院遙感應(yīng)用研究所，2003.LiM M.The Method of Vegetation Fraction Estimation by Remote Sensing［D］.Beijing:Institute of Remote Sensing Application，Chinese Academy of Sciences，2003.

［20］ 徐涵秋，何 慧，黃紹霖.福建省長汀縣河田水土流失區(qū)植被覆蓋度變化及其熱環(huán)境效應(yīng)［J］.生態(tài)學(xué)報，2013，33(10):2954－2963.Xu H Q，He H，Huang S L.Analysis of fractional vegetation cover change and its impact on thermal environment in the hetian basinal area of county Changting，F(xiàn)ujian Province，China［J］.Acta Ecologica Sinica，2013，33(10):2954－2963.

［21］ Lee JS，Pottier E.Polarimetric Radar Imaging:From Basics to Applications［M］.New York:Taylor＆ Francis，2009:254－257.

［22］ Cloude SR，Pottier E.A review of target decomposition theorems in radar polarimetry［J］.IEEE Transactions on Geoscience and Remote Sensing，1996，34(2):498－518.

［23］ Van Zyl JJ，Zebker H A，ElachiC.Imaging Radar polarization signatures:Theory and observation［J］.Radio Science，1987，22(4):529－543.

［24］ Carlson TN，Ripley D A.On the relation between NDVI，fractional vegetation cover，and leaf area index［J］.Remote Sensing of Environment，1997，62(3):241－252.

［25］ Rundquist B C.The influence of canopy green vegetation fraction on spectralmeasurements over native tallgrass prairie［J］.Remote Sensing of Environment，2002，81(1):129－ 135.