高分一號數(shù)據(jù)分辨率對植被覆蓋度信息提取影響分析

劉志軍 莫榮海 孫喜嬌 呂曉梅

[摘要]精確的掌握地表植被覆蓋度信息能夠為生態(tài)環(huán)境建設提供可靠的參考數(shù)據(jù)。選取GF1-WFV（16m）影像、GF1-PMS（8m）影像、融合（2m）影像，并對這些影像進行處理提取植被覆蓋度信息，進一步分析不同影像之間植被覆蓋度信息的差異性。研究結果表明：高分一號影像隨著分辨率的提高，影像植被覆蓋度的空間結構逐漸明顯清晰，紋理越平滑，細節(jié)信息越明顯;植被覆蓋度信息量隨影像分辨率提高，所含信息量不斷增加，提取的效果增強，同時植被覆蓋度信息分布呈現(xiàn)中間聚攏的狀態(tài);GF1-WFV影像、GF1-PMS影像、融合影像的植被覆蓋度估算的精度分別為63.11%、73.88%、82.13%。因此，高分一號不同分辨率的影像對植被覆蓋度的提取差異明顯。

[關鍵詞]高分一號;分辨率;植被覆蓋度

[中圖分類號]S771.8[文獻標識碼]A

植被覆蓋度信息不僅是地表重要的信息指標，而且還是生態(tài)環(huán)境監(jiān)測的重要數(shù)據(jù)。目前，我國植被覆蓋度信息提取主要依賴于遙感估算，影像的分辨率對植被覆蓋度估算的精度影響最大，因此，研究不同分辨率影像對植被覆蓋度信息提取的差異性具有重要意義。隨著我國高分一號衛(wèi)星的投入使用，使得更高精度的植被覆蓋度信息提取得以實現(xiàn)，研究高分一號不同分辨率影像下植被覆蓋度信息提取的差異性，從而得出不同分辨率對植被覆蓋度估算精度的影響，不僅可以推動高分一號數(shù)據(jù)在植被覆蓋度估算研究中的應用，還為今后的生態(tài)文明建設提供理論與實踐依據(jù)。

1 數(shù)據(jù)及研究方法

1.1 數(shù)據(jù)介紹

1.1.1 高分一號WFV/PMS數(shù)據(jù)。高分一號衛(wèi)星是我國高分辨率對地觀測系統(tǒng)的第一顆衛(wèi)星，它搭載了8m分辨率多光譜和兩臺2m分辨率全色相機，四臺16m分辨率多光譜相機。高分一號數(shù)據(jù)為今后開展土地資源調(diào)查與監(jiān)測、生態(tài)環(huán)境調(diào)查監(jiān)測等提供了高精度、高時效的數(shù)據(jù)來源，在國產(chǎn)衛(wèi)星數(shù)據(jù)中發(fā)揮重要作用。

1.1.2 融合數(shù)據(jù)。本文使用GF1-PMS影像（8m）與GF1全色影像（2m）融合得到分辨率為2m的融合影像，通過影像融合可以重采樣生成一幅具有高分辨率影像的紋理信息又有低分辨率的多光譜信息的影像。

1.1.3 數(shù)據(jù)預處理。本文選用2016年4月18日的GF1-WFV影像和2016年5月05日的GF1-PMS影像，其兩幅影像的云量為0，并ENVI軟件對影像進行輻射定標、大氣校正、多光譜/全色正射校正、和去云等對原始數(shù)據(jù)進行了預處理，選取歸一化植被指數(shù)，采用像元二分模型對地表植被進行估算，并通過野外調(diào)查結果進行驗證。

1.2 研究方法

1.2.1 植被指數(shù)模型選取。植被指數(shù)（Vegetation Index，VI），又稱光譜植被指數(shù)，是指由遙感傳感器獲取的光譜數(shù)據(jù)，經(jīng)過線性和非線性的組合運算的對植被具有一定指示意義的各種數(shù)值，是衡量地表植被狀況、指示生態(tài)環(huán)境變化的一個重要指標。目前，在國內(nèi)外研究結果中有大約150種植被指數(shù)的計算模型，其中常用的植被指數(shù)有：垂直植被指數(shù)（Perpendicular Vegetation Index，PVI）、歸一化植被指數(shù)（Normalized Difference vegetation Index，NDVI）、比值植被指數(shù)（Ratio Vegetation Index，RVI）、增強植被指數(shù)（Enhanced Vegetation Index，EVI）。

本文根據(jù)研究區(qū)植被覆蓋狀況，選取應用最廣泛的植被指數(shù)NDVI模型，利用NDVI不僅能較為真實地反映地表植被覆蓋狀況，也能大范圍長時間序列地監(jiān)測地表植被覆蓋的變化。

1.2.2 像元二分模型。目前，在利用遙感估算植被覆蓋度時最常用的模型有：植被指數(shù)模型、混合光譜模型、亞像元模型和光譜梯度差模型。在這些植被指數(shù)中像元二分模型是最常用的植被覆蓋度計算模型，其模型計算公式如下：

VFC=（NDVI-NDVIsoil）/（NDVIveg-NDVIsoil）

式中：VFC表示植被覆蓋度;NDVI表示像元的NDVI值;NDVIsoil表示完全是裸地或者無植被覆蓋的像元NDVI值;NDVIveg表示完全有植被覆蓋的像元NDVI值。

利用像元二分模型計算植被覆蓋度最關鍵的是計算模型中的NDVIsoil和NDVIveg值，兩個值的計算公式為：

NDVIsoil=（VFCmax*NDVImin-VFCmin*NDVImax）/（VFCmax-VFCmin）

NDVIveg=（1-VFCmin）*NDVImax-（1-VFCmax*NDVImax）/（VFCmax-VFCmin）

這里計算有兩種假設：①當區(qū)域內(nèi)可以近似取VFCmax=100%，VFCm=0%，公式可變?yōu)椋菏街校篘DVImin是研究區(qū)內(nèi)像元的NDVI最小值;NDVImax是研究區(qū)內(nèi)像元的NDVI最大值。②當區(qū)域內(nèi)不能近似取VFCmax=100%，VFCm=0%時，如果有實測數(shù)據(jù)，可以取實測數(shù)據(jù)中的植被覆蓋度的最大值和最小值作為VFCmax和VFCmin，這兩個實測數(shù)據(jù)對應的圖像的NDVI作為NDVImax和NDVImin。當沒有實測數(shù)據(jù)時，取一定置信度的置信區(qū)間中的上限值、下限值。本研究選取NDVI頻率累計表上5%頻率對應的值為NDVImin，選取NDVI頻率累計表上95%頻率對應的值為NDVImax。

1.2.3 植被覆蓋度估算和驗證。在像元二分模型中，NDVIveg代表著全部植被覆蓋像元的最大值，由于受地表植被類型的影響，NDVIveg值也會隨著時間和空間的變化而變化，同理NDVIsoil也會發(fā)生變化。因此，計算植被覆蓋度時，對于NDVIveg和NDVIsoil值不能取固定值。本研究利用土地覆蓋圖分別求解不同土地覆蓋類型內(nèi)的NDVImax和NDVImin作為NDVIveg和NDVIsoil，可以得到NDVIveg和NDVIsoil的參數(shù)文件。步驟如下：①獲取土地覆蓋類型閾值，本研究選取每個土地覆蓋類型的NDVI頻率累計表上5%頻率對應的值為NDVImin，選取NDVI頻率累計表上95%頻率對應的值為NDVImax。②根據(jù)閾值分別生成NDVIsoil和NDVIveg參數(shù)文件，主要使用bandmath工具，表達式：NDVIsoil：b1*NDVImin+b2*NDVImin+b3*NDVImin+b4*NDVImin+b5*NDVImin，其中b1、b2、b3、b4、b5為土地覆蓋類型的掩膜文件。③利用得到的NDVIsoil和NDVIveg參數(shù)文件帶入公式VFC=（NDVI-NDVIsoil）/（NDVIveg-NDVIsoil），運用Bandmath計算，去除異常值得到研究區(qū)的植被覆蓋度。

本研究對植被覆蓋度的驗證方法主要是通過野外調(diào)查結果進行驗證，具體步驟：首先在ArcGIS軟件中建立公里網(wǎng)格，通過影像篩選出一定數(shù)量的實測點;其次進行野外樣地的實地調(diào)查，最后通過樣點和實測數(shù)據(jù)計算估算的精度。

1.2.4 植被覆蓋度分級。參照中華人民共和國水利部批準《土壤侵蝕分類分級標準》（SL190—2007），同時根據(jù)研究區(qū)植被分布特征，將植被覆蓋進行蓋度分級，共分為5個等級，分別為對應植被覆蓋度為<30%、30%～45%、45%～60%、60%～75%、>75%。

2 結果與分析

2.1 不同影像的植被覆蓋度圖像分析

為了研究GF1-WFV影像、GF1-PMS影像、融合影像的分辨率對植被覆蓋度的影響，采用像元二分模型估算地表植被覆蓋度，從圖1中可以看出隨著影像分辨率不斷提高，植被覆蓋度圖像的結構逐漸變清晰，細節(jié)更明顯，紋理更平滑。GF1-WFV影像的植被覆蓋度圖的結構模糊，不能清晰地表達研究區(qū)的植被總體分布情況和植被覆蓋度情況，同時局部區(qū)域植被覆蓋度不能被區(qū)分，信息不能完整的表達。融合影像的植被覆蓋度的分布情況整體和GF1-PMS影像相似，但在局部區(qū)域植被覆蓋度的分類更細致，說明同一個分辨率的多光譜數(shù)據(jù)和融合高分辨的數(shù)據(jù)，在植被覆蓋度的空間結構和分布上沒有太大的差異。從植被覆蓋度提取來看GF1-WFV影像很多植被覆蓋度等級信息沒有提取出來，存在信息缺失。

2.2 不同影像的植被覆蓋度等級占比分析

從表1可以看出不同影像的植被覆蓋度分布呈現(xiàn)以下規(guī)律：①隨著影像分辨率的提高，植被覆蓋度分級結果在不同影像中所占的比例有明顯變化，隨著分辨率的提高植被覆蓋度<75%以下的等級所占比例逐漸下降，植被覆蓋度>75%的占比逐漸上升。②三個影像的植被覆蓋度邊緣等級變化最明顯，也就是最高植被覆蓋度和最低植被覆蓋度變化最明顯。隨著分辨率的提高，植被覆蓋度<30%的等級所占比例明顯下降，整體下降了9.60%，植被覆蓋度>75%的等級所占比例明顯上升，整體上升了16.25%。說明GF1-WFV影像的植被覆蓋度在<30%和>75%時，植被覆蓋度信息均出現(xiàn)較大誤差。③對比三個影像的植被覆蓋度分級占比可以看出GF1-WFV影像和GF1-PMS影像的占比變化最明顯，GF1-PMS影像和融合影像的變化不大。從表1可以得出GF1-WFV影像到GF1-PMS影像植被覆蓋度等級從小到大分別變化了7.66%、3.24%、2.47%、2.39%、15.75%，GF1-PMS影像到融合影像植被覆蓋度等級從小到大分別變化了1.94%、2.65%、2.84%、2.03%、5.40%。GF1-WFV影像與GF1-PMS影像植被覆蓋度占比變化最大為15.75，GF1-PMS影像與融合影像的植被覆蓋度占比變化最大僅為5.40%。④結合植被覆蓋度直方圖和植被覆蓋度空間分布圖可以看出，GF1-WFV影像的植被覆蓋度估算的能力較差，在植被覆蓋度<30%和>75%的估算精度不高，在局部的植被覆蓋度分布上很粗糙、模糊，存在一定的植被覆蓋度信息缺失。因此GF1-WFV影像不適合植被覆蓋度的提取。

2.3 不同影像的植被覆蓋度提取精度分析

為了評價植被覆蓋度估算的精度，本文研究通過實地采樣，在區(qū)域內(nèi)布設公里網(wǎng)格，選取30個精度驗證點，通過調(diào)查得到樣點的真實植被覆蓋度。通過計算得到GF1-WFV影像、GF1-PMS影像、融合影像的植被覆蓋度精度分別為63.11%、73.88%、82.11%，綜上可以看出，隨著影像分辨率的提高，高分辨率影像的精度明顯高于低分辨率影像的精度。

3 結論

GF1-WFV影像、GF1-PMS影像、融合影像隨著遙感影像的分辨率不斷提高，植被覆蓋度圖像的結構逐漸變得清晰，細節(jié)更明顯，紋理更平滑。同時GF1-WFV影像很多植被覆蓋度等級信息沒有提取出來，存在較大信息缺失。

隨著分辨率的提高植被覆蓋度<75%以下的等級所占比例逐漸下降，植被覆蓋度>75%的占比逐漸上升。GF1-WFV影像的植被覆蓋度在<30%和>75%時，植被覆蓋度信息均出現(xiàn)較大誤差。GF1-WFV影像到GF1-PMS影像植被覆蓋度等級從小到大分別變化了7.66%、3.24%、2.47%、2.39%、15.75%，GF1-PMS影像到融合影像植被覆蓋度等級從小到大分別變化了1.94%、2.65%、2.84%、2.03%、5.40%。GF1-WFV影像與GF1-PMS影像植被覆蓋度占比變化最大為15.75，GF1-PMS影像與融合影像的植被覆蓋度占比變化最大僅為5.40%。通過計算得到GF1-WFV影像、GF1-PMS影像、融合影像的植被覆蓋度精度分別為63.11%、73.88%、82.11%，

[參考文獻]

[1] 譚永生，沈掌泉，賈春燕，等.中高分辨率遙感影像融合研究[J].遙感技術與應用，2007，22（4）：536-542.

[2] 陳述彭，李志榮，王淵.地球資源衛(wèi)星應用系統(tǒng)及其智能化[J].國土資源遙感，1989，1（1）：14-22.

[3] 張喜旺，吳炳方.基于中高分辨率遙感的植被覆蓋度時相變換方法[J/OL].生態(tài)學報，2015，35（04）：1155-1164.

[4] 田慶久，閔祥軍.植被指數(shù)研究進展[J].地球科學進展，1998（04）：10-16.

[5] 顧祝軍，曾志遠.遙感植被蓋度研究[J].水土保持研究，2005（02）：18-21.

[6] 鄧書斌.ENVI遙感圖像處理方法[M].北京：高等教育出版社，2014.

[7] 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.