西藏草原遙感普查中草原類型數(shù)據(jù)集成技術(shù)

高尚華，高娃，王慶國，畢力格吉夫，楊勝利，陳喜梅

(內(nèi)蒙古自治區(qū)草原勘察規(guī)劃院，內(nèi)蒙古 呼和浩特 010051)

西藏自治區(qū)作為青藏高原的主要組成部分，有著復(fù)雜而獨(dú)特的植被類型和豐富多彩的植物資源〔1〕。20世紀(jì)80年代中期全國完成首次統(tǒng)一草原資源調(diào)查以來，我國草原資源分布的空間格局發(fā)生了較大變化。以往的草原調(diào)查，周期長，不能及時獲取圖件與有關(guān)數(shù)據(jù)，尤其是不能及時反映資源變化情況〔2〕。為了全面掌握西藏草原資源現(xiàn)狀及動態(tài)趨勢，西藏自治區(qū)人民政府決定采用遙感技術(shù)結(jié)合地面調(diào)查的方法，利用3年時間(2011年-2014年)開展西藏全境的草原資源普查。草原類型圖及其統(tǒng)計數(shù)據(jù)是草原普查的基礎(chǔ)，是整個普查最關(guān)鍵環(huán)節(jié)之一，決定著普查最終成果的質(zhì)量，研究草原資源遙感普查技術(shù)方法，對快速精準(zhǔn)獲取大面積草原資源圖件及數(shù)據(jù)具有重要意義。

1 材料與方法

1.1 遙感數(shù)據(jù)源及處理

主要遙感信息源為30m分辨率TM數(shù)據(jù)，輔助遙感信息源為5m、10m分辨率SPOT數(shù)據(jù)，時相以植物生長旺季7-9月份為主。參考遙感信息源為250m分辨率MODIS數(shù)據(jù)，調(diào)查年生長季每一天最大值合成數(shù)據(jù)。在ENVI、ERDAS遙感圖像處理軟件中進(jìn)行影像預(yù)處理,包括輻射校正、幾何校正、光譜增強(qiáng)、波段選擇、圖像裁剪和去薄云處理、植被指數(shù)最大值合成等。TM較正誤差小于2個像元，SPOT校正誤差小于1個像元，MODIS較正誤差小于2個像元。對TM影像進(jìn)行4、3、2波段RGB合成，調(diào)整統(tǒng)一影像色調(diào)作為輔助顯示樣本資料。

1.2 歷史圖件及文字統(tǒng)計資料

西藏自治區(qū)行政界線及地類圖形以2007-2010年西藏第二次土地調(diào)查數(shù)據(jù)為依據(jù)。以70年代、80年代西藏草原資源調(diào)查成果及相關(guān)資料作為本次遙感調(diào)查的參考資料。包括1∶100萬西藏草地資源類型圖，西藏各地區(qū)1∶50萬草地資源類型圖，1∶100萬西藏地形圖；《西藏植被》、《西藏草地資源》、《西藏草原》、《中國草地資源》、《西藏自治區(qū)土地資源數(shù)據(jù)集》、西藏各地區(qū)縣草地資源專著及有關(guān)草地調(diào)查的各種報告、研究文集等；《西藏農(nóng)業(yè)氣候資源》、《西藏自治區(qū)氣候圖圖集》及西藏35個站點30年連續(xù)的氣候資料。

1.3 草原界定的標(biāo)準(zhǔn)

草地是一種土地類型，它是草本和木本飼用植物與其所著生的土地構(gòu)成的具有多種功能的自然綜合體〔3〕。廣義的草原，包括除農(nóng)田和森林以外，陸地所有具綠色植被生長覆蓋的土地〔4〕。本次普查草原界定是根據(jù)《中華人民共和國草原法》和TD/T 1014-2007《第二次全國土地調(diào)查技術(shù)規(guī)程》標(biāo)準(zhǔn)，劃分草原范圍。主要界定指標(biāo)：草本植物總覆蓋度>5%的各類天然草原；以生長草本植物為主，喬木覆蓋度<10%的土地，為疏林草原；以生長草本為主，灌木覆蓋度<40%的土地，為疏灌叢草原。棄耕還牧持續(xù)5年以上的次生草地及其它城市、工礦用地周邊的零星分布草原以及實施改良措施草原等屬于草原范疇。

1.4 技術(shù)路線

采用3S技術(shù)與地面調(diào)查相結(jié)合的技術(shù)方法，集成不同尺度野外樣點布設(shè)與數(shù)據(jù)采集技術(shù)、草原類型分類系統(tǒng)制定技術(shù)、草原類型遙感自動識別技術(shù)，草原圖形和屬性數(shù)據(jù)庫生成技術(shù)。在Cognition軟件環(huán)境中，調(diào)入西藏第二次土地利用現(xiàn)狀圖、TM、SPOT影像、地面樣點調(diào)查資料、降雨圖、氣溫圖、地形圖，80年代西藏草原類型圖、西藏植被圖等多源數(shù)據(jù)進(jìn)行疊加綜合分析。采用TM數(shù)據(jù)為前景，依據(jù)地面樣點資料，其它輔助資料為背景；在建立遙感解譯標(biāo)志基礎(chǔ)上，利用面向?qū)ο蟮亩喑叨扔跋穹指罴夹g(shù)，生成同質(zhì)目標(biāo)的圖斑集群〔5〕；使用最鄰近和隸屬度函數(shù)分類法提取草原信息，對每一圖斑對象賦予草原類型及相關(guān)屬性形成草原類型矢量圖，然后轉(zhuǎn)換到Arcview圖形軟件中，通過人機(jī)交互式進(jìn)行調(diào)整修改完善形成圖形和屬性表數(shù)據(jù)庫。

2 結(jié)果與分析

2.1 工作底圖投影與最小上圖面積

工作底圖投影和西藏行政界線直接調(diào)用西藏第二次土地調(diào)查數(shù)據(jù)，投影為高斯-克呂格投影，共分為9個帶。農(nóng)區(qū)、半牧區(qū)為1∶5萬比例尺為主，3度分帶共5個帶；牧區(qū)以1∶10萬比例尺為主，6度分帶4個帶。

勾繪圖斑最小上圖面積：面狀圖斑6×6像元；線狀圖斑(或狹長地物)寬度2個像元；草原與非草原邊界偏差小于2個像元，草原類、亞類、型邊界偏差平均小于6個像元。

2.2 基于遙感的野外數(shù)據(jù)采集

2.2.1 室內(nèi)預(yù)判與樣點布設(shè)

外業(yè)之前，依據(jù)80年代草原類型圖及相關(guān)資料，初步建立解譯標(biāo)志，制作遙感預(yù)判圖。根據(jù)預(yù)判圖對具一定面積且影像特征明顯的主要草原類型和預(yù)判中有質(zhì)疑區(qū)域，預(yù)布設(shè)野外調(diào)查樣點并標(biāo)注于工作底圖，整體把控野外樣點的布局。以縣為基本單元，依照遙感影像特征、草原類型分布特點、室內(nèi)預(yù)布點狀況及交通條件，選擇野外調(diào)查路線。

2.2.2 野外樣點調(diào)查

野外調(diào)查中盡可能捕捉信息，隨時觀察記錄野外地物、草原類型與遙感影像特征之間的聯(lián)系，獲取更多解譯標(biāo)志。野外調(diào)查路線上，依據(jù)室內(nèi)預(yù)判圖特征及樣點布設(shè)情況，結(jié)合野外地物和草原類型變化規(guī)律，在面積大有代表性和預(yù)判有質(zhì)疑區(qū)域重點設(shè)置樣點，兼顧具有特殊經(jīng)濟(jì)價值和草原與非草原邊界以及同譜異物地段。樣點調(diào)查主要內(nèi)容包括樣地所在經(jīng)緯度、海拔高度、行政區(qū)劃范圍與地點、距某重要地物距離與方位、調(diào)查時間、草原類型野外定名、地形、地貌特征，坡向、坡度與坡位、土壤類型與基質(zhì)；描述植物種組成、草原群落結(jié)構(gòu)與外貌，草原群落的蓋度、高度、產(chǎn)草量、頻度等。

2.2.3 地面抽樣調(diào)查時間與樣本數(shù)量

2011年、2012年7月中旬至8月末，共用101天，從西北部的喀拉昆侖山脈、昆侖山脈及其支脈唐古拉山脈，到東南部的橫斷山脈、喜馬拉雅山脈，共做野外調(diào)查樣地2432個，描述樣方3000個，測產(chǎn)樣方7196份，頻度樣方30000個，采集標(biāo)本1700份，拍攝配套影像15200張。野外調(diào)查樣地控制面積在90%以上。

2.3 多源數(shù)據(jù)綜合建立草原分類系統(tǒng)

2.3.1 草原類(亞類)、草原型確定與歸納

本次西藏草原類型分類系統(tǒng)采用全國第一次統(tǒng)一草原調(diào)查的草原類型分類系統(tǒng)原則及標(biāo)準(zhǔn)〔3〕，分類精度為草原類(亞類)、草原型二級分類單位。以西藏第一次草原調(diào)查劃分的17個大類、7個亞類為框架〔6〕；草原“型”依據(jù)覆蓋7地區(qū)74個縣2432個野外樣地調(diào)查資料，計算、聚類每一個樣地植物優(yōu)勢種重要值，保留前3位優(yōu)勢種，同時參照野外草原型定名進(jìn)行高度概括和歸并。歸并同一大類中優(yōu)勢種基本相同的類型，保留樣地資料中有代表性類型和具有特殊用途類型。若面積雖然小但畜牧業(yè)利用價值高；草原型僅此一型或?qū)Σ菰愋头植冀缇€具有指標(biāo)意義；山地垂直帶譜寬度較窄，卻是垂直帶草原類型重要組成成分的草原類型予以保留〔2〕。每個草原型具有唯一性，不跨草原大類，減少草原型之間交叉，突出各型之間異質(zhì)性。以縣為基礎(chǔ)，逐級歸并至地區(qū)和自治區(qū)。無布設(shè)調(diào)查樣點區(qū)域由于基本不受人為干擾，草原類型變異小或無變異，因此，按照80年代草原型作為補(bǔ)充。

在Arcview Gis軟件中調(diào)入樣點數(shù)據(jù)，疊加氣候圖、地形圖、TM影像、SPOT影像，根據(jù)這些資料顯示的海拔高度、空間位置和地形地貌特征及植被信息，確定和歸納草原“類”、“亞類”屬性。綜合野外定名和植物優(yōu)勢種定名，根據(jù)植被和地境的相似性和異質(zhì)性歸納組合草原型，即同一大類中優(yōu)勢種和亞優(yōu)勢種相同時進(jìn)行歸并；優(yōu)勢種相同，亞優(yōu)勢種不同，但生境相同，也進(jìn)行歸并，以此類推。

2.3.2 地區(qū)級、自治區(qū)級草原類型歸納

依據(jù)地區(qū)所有縣內(nèi)的地面調(diào)查樣地資料，按上述方法歸并到地區(qū)級，再歸并到自治區(qū)級。各地區(qū)級及自治區(qū)級草原分類系統(tǒng)分別在總體上反映其各自范圍常見的有代表性的草原類型及規(guī)律。將歸類后的草原類型及地境的相關(guān)信息，按照經(jīng)度、緯度鏈接到空間數(shù)據(jù)庫中，與降水量圖、熱量帶圖、遙感圖、地形圖及歷史的草原類型圖再次反復(fù)疊加，分析調(diào)查區(qū)不同草原類型及其空間關(guān)系的分布規(guī)律和狀況，進(jìn)一步復(fù)核草原類型歸類是否合理和準(zhǔn)確。歸并結(jié)果表明全區(qū)草原資源共劃分17個草原大類，7個草原亞類，104個草原型，較傳統(tǒng)方法更加趨于精練。

2.4 草原類型圖形與屬性數(shù)據(jù)生成

2.4.1 圖形數(shù)據(jù)的生成

綜合運(yùn)用面向?qū)ο蠓诸惖亩喑叨扔跋穹指罴夹g(shù)〔7-10〕，在eCognition軟件環(huán)境中，選擇多尺度分割算法，綜合考慮光譜統(tǒng)計特征、形狀、紋理、類間關(guān)系等因素，通過參數(shù)設(shè)置進(jìn)行多尺度分割得到同質(zhì)對象，再進(jìn)行特征組合。特征組合的對象邊界能夠很好地體現(xiàn)不同地物邊界輪廓形狀，各類型內(nèi)部能較好地區(qū)別與其他類型，異質(zhì)性明顯，內(nèi)部同質(zhì)性較高，較好地反映出實際地物。影像自動分割圖見圖3，特征組合圖見圖4。

圖3 影像自動分割圖Figure3 ImageAutomaticSegmentation圖4 自動分割特征組合圖Figure4 FeatureCombinationofAutomaticSegmentation

2.4.1.1 尺度參數(shù)選擇

多尺度分割參數(shù)設(shè)定包括尺度參數(shù)、波段權(quán)重、均質(zhì)性因子，見圖2。尺度是一個關(guān)于多邊形對象異質(zhì)性最小的閾值，影像分割參數(shù)盡量設(shè)置較大尺度，同時優(yōu)先考慮光譜信息。最優(yōu)分割尺度值是分割后的圖斑多邊形將草原與非草原和各草原類型邊界顯示清楚，類別內(nèi)部對象的光譜變異較小，既不能太破碎，也不能邊界模糊〔7〕。反復(fù)試驗得到最優(yōu)分割尺度值，如地形復(fù)雜區(qū)域尺度設(shè)置為50；地形相對平緩區(qū)域設(shè)置80；面積較大區(qū)域分割尺度為100。

圖2 多尺度分割參數(shù)設(shè)定體系圖

2.4.1.2 波段權(quán)重選擇

波段權(quán)重越高對分割結(jié)果影響越大，影像光譜某個波段的方差越大，所含信息量越大，反之則小〔8〕。根據(jù)不同類型選擇TM的近紅外波段(band4)、紅外波段(band3)、綠光波段(band2)和藍(lán)色波段(band1)。植被和非植被時采用band4、band3植被指數(shù)(NDVI)提取植被類型；Band2對植物反射敏感，因此，分割影像時band4、band3和band2的權(quán)重因子設(shè)為1∶1∶1。

2.4.1.3 均質(zhì)因子選擇

均質(zhì)因子包含顏色和形狀因子，顏色因子和形狀因子的總和為1，光譜因子是生成對象最重要因子，形狀因子參與有助于避免影像對象過于破碎，還可以避免“同物異譜”現(xiàn)象。形狀因子的光滑度和緊致度權(quán)重之和為1。光滑度反映影像對象邊界光滑程度，緊致度反映影像對象緊湊程度。

經(jīng)不同參數(shù)下反復(fù)對比得到最佳參數(shù)，如地形復(fù)雜區(qū)形狀參數(shù)為0.1，顏色參數(shù)為0.9，緊致度為0.8，光滑度為0.2；地形相對平緩區(qū)域設(shè)置形狀參數(shù)為0.1，顏色參數(shù)為0.9，緊致度為0.3，光滑度為0.7；面積較大區(qū)域形狀參數(shù)為0.1，顏色參數(shù)為0.9，緊致度為0.2，光滑度為0.8。

2.4.2 屬性數(shù)據(jù)的形成

多尺度分割圖形數(shù)據(jù)庫解決了影像不同類型圖斑界線的自動分割，屬性數(shù)據(jù)需要對圖形數(shù)據(jù)每一個圖斑進(jìn)行定性，這些定性的信息就是草原類型制圖最終需要統(tǒng)計的相關(guān)類型，將通過編碼方式加載到圖形中。在eCognition軟件環(huán)境中，采用最鄰近法和隸屬度函數(shù)相結(jié)合進(jìn)行對象的信息提取。首先提取草原與非草原信息，在草原界線內(nèi)提取草原大類界線，然后在大類界線內(nèi)提取草原亞類，在草原亞類界線內(nèi)提取草原型信息。

野外調(diào)查數(shù)據(jù)是信息提取的重要依據(jù)，結(jié)合氣候、地貌，影像的光譜、形狀、紋理、亮度等特征信息以及專家經(jīng)驗的直覺，找出影像與實地之間對應(yīng)特點及其規(guī)律。在解譯標(biāo)志確定〔2〕及特征樣本定義基礎(chǔ)上，以影像分割圖形數(shù)據(jù)庫為基礎(chǔ)，給每一個圖斑所對應(yīng)的草原類型或地物的屬性表依次賦予目標(biāo)特征，按照草原與非草原、草原類型分類系統(tǒng)建立面向?qū)ο蟮亩鄬臃诸愺w系。最鄰近法是基于樣本的分類方法,盡量使用少的特征，來區(qū)分盡可能多的類型，適用于對多種對象特征的描述，如西藏草原17大類及7個亞類或各草原型。模糊分類法則是通過隸屬度函數(shù)來實現(xiàn)，一個類如果僅通過一個或少數(shù)特征就能與其他類分開，適于雪山、水體、沙地、鹽堿地等。隸屬度函數(shù)是一個模糊表達(dá)式，把影像對象特征值轉(zhuǎn)化到0與1之間，表示隸屬于某個地物或類別的可能性。在影像中選擇典型的不同草原類型或地物信息作為樣本，結(jié)合光譜、形狀和紋理特征，利用最鄰近法對分割后的圖像進(jìn)行監(jiān)督分類。通過目標(biāo)特征的多次信息提取和迭代分析所形成的屬性數(shù)據(jù)，在eCognition軟件中輸出具有屬性表數(shù)據(jù)的矢量圖形，以.shap格式切換到ArcView GIS圖形軟件中，對部分有誤信息通過人機(jī)交互式分析檢測、修正，達(dá)到滿意為止。ecognition軟件分類模式詳見圖2和圖3。

選取沒有參與信息提取的地面樣點300個進(jìn)行檢驗，結(jié)果表明草原類、亞類判別正確率平均在95%以上；草原“型”判別正確率在85%以上。見圖5、圖6。

圖5 西藏草原類(亞類)分布圖

圖6 西藏草原類型分布圖

3 結(jié)論

采用“3S”技術(shù)研究了西藏草原普查草原類型數(shù)據(jù)形成的集成技術(shù)，建立了西藏草原資源普查的基礎(chǔ)數(shù)據(jù)庫。西藏草原普查得到專家組高度評價并驗收通過，實踐證明，本次草原類型數(shù)據(jù)集成的技術(shù)路線和方法，精準(zhǔn)、快速、切實可行?；谶b感的野外數(shù)據(jù)采集技術(shù)，宏觀把控效果明顯；依據(jù)多源數(shù)據(jù)信息建立的草原類型分類系統(tǒng)，客觀精練地反映了各地區(qū)草原生態(tài)系統(tǒng)起重要作用的草原類型分布規(guī)律；eCognition軟件目前是分類較好選擇，它是一種面向?qū)ο蠓诸惙椒?，在影像多尺度分割和最鄰近與隸屬度函數(shù)法支撐下，可以實現(xiàn)影像自動判讀、勾繪圖斑以及各類信息的自動提取。而圖斑界線和屬性數(shù)據(jù)以及草原類型數(shù)據(jù)庫編輯與修改等，應(yīng)用Arcview Gis軟件比較便捷。

參考文獻(xiàn)：

〔1〕中國科學(xué)院青藏高原綜合科學(xué)考察隊.西藏植被〔M〕.北京:科學(xué)出版社,1988.589.

〔2〕蘇大學(xué),劉建華，鐘華平,等.中國草地資源遙感快查技術(shù)方法的研究〔J〕.草地學(xué)報,2005,13:4-9.

〔3〕中華人民共和國農(nóng)業(yè)部畜牧獸醫(yī)司全國畜牧獸醫(yī)總站，中國草地〔M〕.北京：中國科技技術(shù)出版社，1996.

〔4〕高鴻賓,中國草原〔M〕.北京：中國農(nóng)業(yè)出版社,2012.

〔5〕周春燕，王萍，張振勇等.基于面向?qū)ο笮畔⑻崛〖夹g(shù)的城市用地分類〔J〕.技術(shù)與應(yīng)用,2008.23(1):31-35.

〔6〕西藏自治區(qū)土地管理局，西藏自治區(qū)畜牧局.西藏自治區(qū)草地資源〔M〕.北京:科學(xué)出版社,1991.518.

〔7〕黎小東.面向?qū)ο蟮母呖臻g分辨率遙感影像城市震害建筑物信息提取〔M〕.成都理工大學(xué),2009.

〔8〕孫曉霞，張繼賢，劉正軍.利用面向?qū)ο蟮姆诸惙椒◤腎KONOS全色影像中提取河流和道路.測繪科學(xué)，2006，31(1)：62-63.

〔9〕周明全，耿國華.面向?qū)ο蟮倪b感圖像數(shù)據(jù)挖掘.計算機(jī)應(yīng)用與軟件，2006，23(9)：31-33.

〔10〕蔡亮，郭濼.基于面向?qū)ο蠓椒ǖ你氪ù蟮卣馂?zāi)害土地覆蓋變化.生態(tài)學(xué)報，2008，28(12)：5927-5937.