紋理步長(zhǎng)對(duì)刺槐林葉面積指數(shù)估算的影響

周靖靖，劉金良，郭睿妍，羅 杰，周 歡，梁 杰，趙 忠*

(1.華中農(nóng)業(yè)大學(xué) 園藝林學(xué)學(xué)院/湖北省林業(yè)信息工程技術(shù)研究中心， 湖北 武漢 430070；2.西北農(nóng)林科技大學(xué) 林學(xué)院/陜西省林業(yè)綜合重點(diǎn)實(shí)驗(yàn)室，陜西 楊陵 712100；3.湖北省太子山林場(chǎng)管理局，湖北 荊門 431800)

葉面積指數(shù)(leaf area index，LAI)是森林生態(tài)系統(tǒng)中的主要結(jié)構(gòu)參數(shù)之一，也是研究各種尺度生態(tài)系統(tǒng)模型的主要輸入因子[1-2]，對(duì)估測(cè)林分尺度及大尺度碳、水分和能量的交換具有重要作用[3]。紋理是指色調(diào)基元在空間的分布特征，包含著遙感影像的基本空間結(jié)構(gòu)信息[4]。二階紋理是最常見的紋理特征，它通過(guò)描述像元之間的相互依賴關(guān)系來(lái)表征像元值的空間分布特征[5]，最常用的方法是灰度共生矩陣(GLCM)[4，6]。由于森林樹冠、枝條以及葉片間相互的遮蔽現(xiàn)象，高分辨率影像的光譜信息不足以反映森林冠層及內(nèi)部的結(jié)構(gòu)信息，無(wú)法準(zhǔn)確的區(qū)分樹種和提取林分結(jié)構(gòu)特征；且當(dāng)森林覆蓋度較大(例如LAI>3)，光譜信息的飽和現(xiàn)象稱為限制森林結(jié)構(gòu)參數(shù)反演精度提高的主要因子[7-8]。而高分辨率的紋理信息能有效反映林分內(nèi)部的陰影信息和森林結(jié)構(gòu)信息，在提高森林參數(shù)的反演精度上具有很大的潛力[6-7,9-13]。

方向、窗口和步長(zhǎng)是影響灰度共生矩陣紋理指數(shù)值大小的主要因素[14]。步長(zhǎng)越大，則影像的相似度就越低，GLCM中靠近對(duì)角線區(qū)域的概率值則越小[5]。不同紋理變量對(duì)應(yīng)的最佳步長(zhǎng)不同，步長(zhǎng)1的ENT和步長(zhǎng)為9的COR組合，能顯著提高地表分類精度[5,15]。針對(duì)3個(gè)紋理變量(CON、VAR和COR)與森林結(jié)構(gòu)參數(shù)的相關(guān)關(guān)系進(jìn)行敏感性分析，結(jié)果表明步長(zhǎng)與窗口是最為敏感的2個(gè)輸入?yún)?shù)[14]。然而，目前針對(duì)步長(zhǎng)對(duì)森林參數(shù)反演精度(不同尺度下的真值定義不同，精度就不同)的影響的相關(guān)研究較少，少有研究詳細(xì)針對(duì)步長(zhǎng)對(duì)LAI估算精度的影響。

渭北黃土高原地處黃土高原南部，區(qū)域內(nèi)土壤結(jié)構(gòu)疏松，生態(tài)環(huán)境較脆弱，生態(tài)重要性較高，刺槐(Robiniapseudoacacia)是黃土高原的主要造林樹種之一，相對(duì)其他樹種，面積和蓄積量最大[16-17]。本研究以渭北黃土高原人工刺槐林為研究對(duì)象，通過(guò)野外實(shí)地測(cè)定樣地LAI并計(jì)算高分辨率Quickbird影像不同步長(zhǎng)的紋理參數(shù)，建立刺槐林野外實(shí)測(cè)LAI與Quickbird影像參數(shù)的線性回歸方程，在前人的研究基礎(chǔ)上，詳細(xì)比較不同步長(zhǎng)在不同的方向和角度下的紋理參數(shù)對(duì)LAI估算精度的影響，分別在不同方向和角度下遴選出最適合高分辨率Quickbird影像紋理特征估算森林LAI的最佳步長(zhǎng)，不僅為將影像紋理信息更有效地應(yīng)用于林業(yè)領(lǐng)域提供參考，也為渭北黃土高原地區(qū)人工林健康評(píng)價(jià)和經(jīng)營(yíng)管理提供依據(jù)。

1 材料與方法

1.1 研究區(qū)概況

研究區(qū)域位于陜西省咸陽(yáng)市永壽縣，地理坐標(biāo)為107°8′22.70″E，34°2′34.37″N。平均海拔為1 127 m，年平均降水量576.9 mm，年平均氣溫13.0℃，無(wú)霜期218 d左右，土壤以褐土和黑壚土為主，含有少量紅土、潮土等。植被屬暖溫帶半濕潤(rùn)落葉闊葉林，植被覆蓋率在38%左右，主要以人工種植刺槐林為主，不同林齡刺槐林均有分布，其他樹木也有分布，針葉樹種以松科、杉科為主，例如冷杉、云杉、油松、馬尾松等，闊葉樹種主要以殼斗科、樺木科、楊柳科、木蘭科、豆科等為主[18]。

1.2 樣地布設(shè)及葉面積指數(shù)測(cè)定

樣地布設(shè)及葉面積指數(shù)測(cè)定參照Z(yǔ)hou[11]等的方法，布設(shè)76塊大小為20 m×20 m林相整齊的刺槐林樣地，用LAI-2200測(cè)定LAI值，測(cè)定時(shí)間為2012年6月16日-7月15日。

1.3 數(shù)據(jù)來(lái)源及紋理特征提取

采用2012年6月22日獲取的Quickbird全色數(shù)據(jù)，空間分辨率為0.68 m。利用55個(gè)地面控制點(diǎn)和1∶10 000數(shù)字高程模型(DEM)數(shù)據(jù)對(duì)全色影像進(jìn)行正射校正，誤差為0.68個(gè)像素。

表1 灰度共生矩陣計(jì)算紋理指數(shù)

灰度共生矩陣通過(guò)對(duì)影像灰度級(jí)之間的聯(lián)合條件概率密度P(i,j/d,θ)的計(jì)算來(lái)表示紋理。P(i,j/d,θ)表示在一定的空間距離d和方向θ時(shí)，以灰度i為起始點(diǎn)，出現(xiàn)灰度級(jí)為j的概率(也稱頻數(shù))。P(i,j/d,θ)常用矩陣表示，即灰度共生矩陣。影像中相距(Δx,Δy)的2個(gè)灰度像素對(duì)同時(shí)出現(xiàn)的聯(lián)合頻率分布可以用一個(gè)灰度共生矩陣來(lái)表示?；叶裙采仃嚪从沉擞跋耜P(guān)于方向、步長(zhǎng)以及灰度等級(jí)的綜合信息，據(jù)此可以進(jìn)一步提取出有關(guān)描述圖像紋理的一系列特征。

在ENVI 5.0軟件中根據(jù)窗口(3×3、5×5、7×7、9×9、11×11、13×13、15×15)、角度(0°、45°、90°、135°)和步長(zhǎng)(3、5、7、9、11、13、15)提取ASM、CON、COR、DIS、ENT、HOM和VAR，并得到相應(yīng)的紋理指數(shù)分布圖。利用ArcGIS軟件中的分區(qū)統(tǒng)計(jì)工具，由樣地矢量文件提取所對(duì)應(yīng)的紋理平均值。利用SAS8.0中建立紋理參數(shù)與野外LAI實(shí)測(cè)數(shù)據(jù)的線性回歸方程，比較不同計(jì)算組合下步長(zhǎng)對(duì)紋理參數(shù)估算刺槐林 LAI精度的影響，并選出估算刺槐林LAI的最佳紋理步長(zhǎng)。

2 結(jié)果與分析

2.1 步長(zhǎng)對(duì)角二階矩陣和熵估算葉面積指數(shù)精度的影響

ASM和ENT對(duì)LAI估算精度的影響，隨著步長(zhǎng)的增加精度變化不大(圖1、圖2)。當(dāng)方向?yàn)?0°、步長(zhǎng)為9、窗口為3×3時(shí)，ASM和ENT對(duì)LAI估算精度均達(dá)到最高(r2=0.74)。

注：a、b、c、d分別代表0°、45°、90°和135°。圖2～圖7同。

2.2 步長(zhǎng)對(duì)對(duì)比度和非相似度估算葉面積指數(shù)精度的影響

圖3和圖4表明，對(duì)于CON和DIS，LAI估算精度隨著步長(zhǎng)的增加明顯下降，除少數(shù)步長(zhǎng)外，對(duì)不同方向下各個(gè)窗口作用于步長(zhǎng)對(duì)紋理估算LAI精度的影響情況基本上一致。方向?yàn)?0°、步長(zhǎng)為3、窗口為3×3時(shí)，CON對(duì)LAI估算精度最高，r2為0.51。方向?yàn)?0°，步長(zhǎng)為3、窗口為15×15時(shí)，DIS對(duì)LAI的估算精度最高，r2為0.56。

2.3 步長(zhǎng)對(duì)相關(guān)性估算葉面積指數(shù)精度的影響

在方向?yàn)?°的時(shí)候，除9×9窗口外，其余窗口下步長(zhǎng)對(duì)紋理估算LAI精度隨步長(zhǎng)的增大而減小；在方向?yàn)?35°時(shí)，除3×3窗口外，其余窗口均有著LAI估算精度隨著步長(zhǎng)的增大而減小的趨勢(shì)。在方向45°和90°時(shí)，COR對(duì)LAI的估算精度較低，且不同步長(zhǎng)對(duì)COR估算的LAI精度無(wú)明顯影響規(guī)律。

2.4 步長(zhǎng)對(duì)同質(zhì)性估算葉面積指數(shù)精度的影響

HOM估算LAI的精度隨著步長(zhǎng)的增加而減小，在步長(zhǎng)為3時(shí)，r2達(dá)到最大值，且這種變化規(guī)律與窗口和方向無(wú)關(guān)。綜合窗口、步長(zhǎng)和方向因素，在方向?yàn)?0°，步長(zhǎng)為3、窗口為15×15時(shí)，紋理指數(shù)HOM估算葉面積指數(shù)精度最高(r2=0.59)。

2.5 步長(zhǎng)對(duì)變化量估算LAI精度的影響

步長(zhǎng)對(duì)VAR影響LAI估算精度較小，在方向?yàn)?°、90°、135°時(shí)，步長(zhǎng)對(duì)VAR估算LAI精度幾乎沒(méi)有影響。在方向?yàn)?5°時(shí)，除15×15窗口外，其余窗口LAI估算精度隨著步長(zhǎng)的增大出現(xiàn)先減小后增長(zhǎng)的趨勢(shì)(圖7)。

圖2 步長(zhǎng)對(duì)ENT估算LAI精度的影響

圖3 步長(zhǎng)對(duì)CON估算LAI精度的影響

圖4 步長(zhǎng)對(duì)DIS估算LAI精度的影響

圖5 步長(zhǎng)對(duì)COR估算LAI精度的影響

圖6 步長(zhǎng)對(duì)HOM估算LAI精度的影響

圖7 步長(zhǎng)對(duì)VAR估算LAI精度的影響

3 結(jié)論與討論

本研究以快鳥數(shù)據(jù)全色數(shù)據(jù)為數(shù)據(jù)源，利用GLCM方法提取不同紋理步長(zhǎng)的紋理參數(shù)，并建立紋理參數(shù)與刺槐林野外實(shí)測(cè)LAI的線性方程，比較不同紋理步長(zhǎng)下，刺槐林LAI的估算精度，結(jié)論如下：當(dāng)角二階矩陣(ASM)、熵(ENT)和變化量(VAR)用于估算LAI時(shí)，步長(zhǎng)的響應(yīng)不大；對(duì)于對(duì)比度(CON)、非相似度(DIS)和同質(zhì)性(HOM)，LAI估算精度隨著步長(zhǎng)的增大而明顯降低；對(duì)于相關(guān)性(COR)，步長(zhǎng)對(duì)LAI估算精度的影響規(guī)律受角度的影響，在0°和135°角度下，LAI估算精度隨著步長(zhǎng)的增加而降低；在45°和90°角度下，步長(zhǎng)對(duì)LAI估算精度無(wú)明顯影響。

不同紋理參數(shù)估算LAI的精度對(duì)步長(zhǎng)的影響不同，可能與紋理指數(shù)的維度有關(guān)[10]。第1個(gè)維度是描述紋理的基元特征，第2個(gè)維度是描述紋理基元信息的空間相關(guān)和聯(lián)系。F.Kayitakire[14]等的結(jié)果表明，CON隨著步長(zhǎng)的增大而增大并趨于穩(wěn)定，VAR隨步長(zhǎng)的增加而降低，COR隨著步長(zhǎng)的增加而降低，當(dāng)步長(zhǎng)=5時(shí)，其值趨于穩(wěn)定。當(dāng)步長(zhǎng)為3時(shí)，相比較的像素不是落在同一個(gè)對(duì)象上，步長(zhǎng)為1時(shí)，相比較的像素更有可能屬于相同的對(duì)象。

參考文獻(xiàn):

[1] CHEN J M,BLACK T A.Defining leaf area index for non-flat leaves[J].Plant Cell & Environment，1992，15(4)：421-429.

[2] 趙安玖，楊長(zhǎng)青，廖成云.基于影像紋理特征的川西南山地常綠闊葉林有效葉面積指數(shù)的空間分析[J].應(yīng)用生態(tài)學(xué)報(bào)，2014，25(11)：3237-3246.

ZHAO A J，YANG C Q，LIAO C Y.Spatial analysis of LAIe of montane evergreen broad-leaved forest in Southwest Sichuan,Northwest China,based on image texture[J].Chinese Journal of Applied Ecology，2014，25(11)：3237-3246.(in Chinese)

[3] 吳曉成，張秋良，臧潤(rùn)國(guó)，等.額爾齊斯河天然楊樹林葉面積指數(shù)及比葉面積的研究[J].西北林學(xué)院學(xué)報(bào)，2009，24(4)：10-15.

WU X C,ZHANG Q L,ZANG R G,etal.Leaf area index and specific leaf area of Natural Poplars in Ergis Basin[J].Journal of Northwest Forestry University，2009，24(4)：10-15.(in Chinese)

[4] HARALICK R M.Statistical and structural approaches to texture[J].Proceedings of the IEEE，2005，67(5)：786-804.

[5] 陳玲，郝文乾，高德亮.光學(xué)影像紋理信息在林業(yè)領(lǐng)域的最新應(yīng)用進(jìn)展[J].北京林業(yè)大學(xué)學(xué)報(bào)，2015，37(3)：1-12.

CHEN L，HAO W Q，GAO D L.The latest applications of optical image texture in forestry[J].Journal of Beijing Forestry University，2015，37(3)：1-12.(in Chinese)

[6] COLOMBO R，BELLINGERI D，F(xiàn)ASOLINI D，etal.Retrieval of leaf area index in different vegetation types using high resolution satellite data[J].Remote Sensing of Environment，2003，86(1)：120-131.

[7] GRAY J，SONG C.Mapping leaf area index using spatial,spectral,and temporal information from multiple sensors[J].Remote Sensing of Environment，2012，119(8)：173-183.

[9] KRAUS T，SCHMIDT M，DECH S W，etal.The potential of optical high resolution data for the assessment of leaf area index in East African rainforest ecosystems[J].International Journal of Remote Sensing，30(19)：1-5.

[10] WULDER M A，LEDREW E F，F(xiàn)RANKLIN S E，etal.Aerial image texture information in the estimation of northern deciduous and mixed wood forest leaf area index (LAI) [J].Remote Sensing of Environment，1998，64(1)：64-76.

[11] ZHOU J J，ZHAO Z，ZHAO J，etal.A comparison of three methods for estimating the LAI of black locust (RobiniapseudoacaciaL.) plantations on the Loess Plateau,China[J].International Journal of Remote Sensing，2014，35(1)：171-188.

[12] WULDER M A，F(xiàn)RANKLIN S E，LAVIGNE M B.High spatial resolution optical image texture for improved estimation of forest stand leaf area index[J].Canadian Journal of Remote Sensing，1996，22(22)：441-449.

[13] 劉俊，畢華興，朱沛林，等.基于ALOS遙感數(shù)據(jù)紋理及紋理指數(shù)的柞樹蓄積量估測(cè)[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2014，45(7)：245-254.

[14] KAYITAKIRE F，HAMEL C，DEFOURNY P.Retrieving forest structure variables based on image texture analysis and IKONOS-2 imagery[J].Remote Sensing of Environment，2006，102(3-4)：390-401.

[15] RAO PVN，SAI MVRS，SREENIVAS K，etal.Textural analysis of IRS-1D panchromatic data for land cover classification[J].International Journal of Remote Sensing，2002，23(17)：3327-3345.

[16] 劉冰燕，陳云明，曹揚(yáng).渭北黃土區(qū)刺槐人工林氮、磷生態(tài)化學(xué)計(jì)量特征[J].西北林學(xué)院學(xué)報(bào)，2016，31(1)：1-6.

LIU B Y,CHEN Y M,CAO Y.Nitrogen and phoshporus stoichometry characteristic ofRobiniaPseudoacaciaplantation in Weibei Loess Plateau region[J].Journal of Northwest Forestry University，2016，31(1)：1-6.(in Chinese)

[17] 王迪海，趙忠，張彥.黃土高原刺槐細(xì)根與土壤水分特征[J].西北林學(xué)院學(xué)報(bào)， 2012， 27(1)：1-5.

WANG D H,ZHAO Z,ZHANG Y.The fine root ofRobiniapseudoacaciaand soil moisture in the Loess Plateau[J].Journal of Northwest Forestry University，2012， 27(1)：1-5.(in Chinese)

[18] 鄭元.刺槐光合生理特征與固碳能力研究[D].楊陵:西北農(nóng)林科技大學(xué),2010.