基于多端元光譜混合分析方法的大興安嶺火后植被蓋度恢復(fù)研究

陳 寶,劉志華,房 磊

1 中國(guó)科學(xué)院沈陽(yáng)應(yīng)用生態(tài)研究所,中國(guó)科學(xué)院森林生態(tài)與管理重點(diǎn)實(shí)驗(yàn)室，沈陽(yáng) 110016 2 中國(guó)科學(xué)院大學(xué),北京 100049

北方針葉林廣泛分布于北半球中高緯度地區(qū)(50° N—70° N),約占陸地面積的17%和碳儲(chǔ)量的35%[1]。火干擾是影響北方針葉林植被動(dòng)態(tài)、結(jié)構(gòu)和生態(tài)系統(tǒng)功能的重要的驅(qū)動(dòng)因素。研究表明,氣候變暖會(huì)增加北方針葉林中火干擾的頻率、面積和強(qiáng)度[2],將會(huì)對(duì)北方針葉林生態(tài)系統(tǒng)中植物群落、植被覆蓋度、生物量和景觀格局造成更加顯著的影響。因此,在當(dāng)前全球變暖的背景下研究火干擾后植被恢復(fù)動(dòng)態(tài),對(duì)于理解干擾-生態(tài)系統(tǒng)-氣候之間相互反饋機(jī)制,以及制定相應(yīng)的火后森林恢復(fù)策略,具有十分重要的生態(tài)學(xué)意義[3]。

研究火燒跡地植被恢復(fù)主要有野外調(diào)查、模型和遙感等方法。基于野外調(diào)查的火燒跡地研究方法可準(zhǔn)確得到生態(tài)系統(tǒng)結(jié)構(gòu)和功能恢復(fù)狀態(tài),但費(fèi)時(shí)、費(fèi)力且具有時(shí)效性,難以在大時(shí)空尺度上連續(xù)監(jiān)測(cè)火燒跡地植被恢復(fù)動(dòng)態(tài)[4]。模型可以模擬大時(shí)空尺度上植被恢復(fù),但模擬結(jié)果往往受模型的假設(shè)條件和輸入?yún)?shù)影響,難以反映植被恢復(fù)的空間異質(zhì)性[5]。遙感技術(shù)通過(guò)監(jiān)測(cè)不同地物的光譜特征,可有效監(jiān)測(cè)地表綠色植被,是監(jiān)測(cè)火后植被恢復(fù)的有效技術(shù)手段[6]。隨著遙感數(shù)據(jù)時(shí)間、空間和光譜分辨率的逐步提高,遙感技術(shù)已經(jīng)成為研究火燒跡地植被恢復(fù)動(dòng)態(tài)及其驅(qū)動(dòng)力分析的主要手段之一[7]。遙感監(jiān)測(cè)植被主要是由地表光譜反射特征決定的,在可見光波段內(nèi)(380 nm—760 nm),葉綠素是植物光譜響應(yīng)的主要影響因素,由于色素的吸收,綠色植被在可見光波段內(nèi)具有較低的反射率(<20%),而在近紅外波段(760 nm—800 nm),反射率急劇上升,形成“紅邊”現(xiàn)象。為了凸顯綠色植被的光譜反射特征,研究人員構(gòu)建了許多遙感植被指數(shù)。由于植被指數(shù)與地表植被的覆蓋度和生物量具有很強(qiáng)的相關(guān)性,因此植被指數(shù)廣泛用于監(jiān)測(cè)、分析和繪制火后植被動(dòng)態(tài)[8]。相關(guān)的植被指數(shù)有歸一化植被指數(shù)(Normalized Difference Vegetation Index,NDVI)[9-10]、土壤調(diào)整植被指數(shù)(Soil Adjusted Vegetation Index：SAVI)、歸一化短波紅外指數(shù)(Normalized Difference Shortwave Infrared Index,NDSWIR)、增強(qiáng)型植被指數(shù)(Enhanced Vegetation Index,EVI)[11]等。

此外,混合像元在中、低分辨率遙感影像上普遍存在?；馃E地通常是植被和基質(zhì)的混合物組成,在中等分辨率的遙感影像(如Landsat)中是典型的混合像元[12]?；旌舷裨纸?Spectral Mixture Analysis,SMA)是解決火燒跡地混合像元問題的一種有效途徑。SMA是多種地表覆蓋物光譜特征的加權(quán)混合值(以面積比例為權(quán)重)的理論假設(shè),通過(guò)利用地表覆蓋先驗(yàn)知識(shí)設(shè)定純凈光譜端元(即典型地物)并量化其光譜特征,結(jié)合多光譜遙感的多通道重復(fù)觀測(cè)優(yōu)勢(shì),對(duì)各光譜端元的覆蓋度進(jìn)行分解[13]。與傳統(tǒng)的光譜指數(shù)方法相比,SMA可以探測(cè)一些低覆蓋度部分,同時(shí)也可以減少土壤顏色和濕度的背景影響[14]。該方法產(chǎn)生的蓋度圖具有物理意義,相比植被光譜指數(shù)更具解釋性[15]。

由Roberts等[16]于1998年提出的多端元光譜混合分析(Multiple Endmember Spectral Mixture Analysis,MESMA)方法考慮到了端元光譜的空間變異以及每個(gè)混合像元中地物數(shù)量的可變性。同時(shí),MESMA在分解過(guò)程中將像元光譜視為端元光譜的線性組合,運(yùn)用一套最優(yōu)多端元模型分解得到每個(gè)端元的豐度圖[16],多應(yīng)用于植被種類制圖、土地覆蓋分類及信息提取等[17]。近期已有研究嘗試運(yùn)用MESMA技術(shù)監(jiān)測(cè)火后植被恢復(fù)動(dòng)態(tài),如Fernandez等以地中海地區(qū)為研究區(qū),以1999年至2011 年共13年的Landsat TM和Landsat ETM+ 序列數(shù)據(jù)為基礎(chǔ)數(shù)據(jù),使用MESMA分析的方法進(jìn)行建模,監(jiān)測(cè)火燒烈度以及火后恢復(fù)狀況[18]。然而,MESMA能否適用于北方針葉林生態(tài)系統(tǒng)火后植被恢復(fù)監(jiān)測(cè)尚無(wú)報(bào)道。

因此,本研究以我國(guó)大興安嶺寒溫帶針葉林為研究對(duì)象,以傳統(tǒng)的NDVI為參考,評(píng)價(jià)MESMA在監(jiān)測(cè)火后植被恢復(fù)中的有效性,擬回答以下三個(gè)問題：(1)與傳統(tǒng)的NDVI相比,采用MESMA所獲得的植被蓋度的精度如何？(2)火燒烈度對(duì)MESMA和NDVI獲得的植被蓋度精度是否有影響？(3)最佳端元可否用于不同年份的遙感數(shù)據(jù),實(shí)現(xiàn)時(shí)間序列分析？本研究結(jié)果將有助于評(píng)價(jià)MESMA在不同生態(tài)系統(tǒng)中的適用性,并加深對(duì)火干擾-生態(tài)系統(tǒng)-氣候之間的相互反饋的理解。

1 研究區(qū)與數(shù)據(jù)源

1.1 研究區(qū)

圖1 研究區(qū)位置圖及2014年7月1日WorldView-2(2 m分辨率)合成真彩色火燒斑塊圖和非植被與植被示意圖Fig.1 Study area,overlaid with true color composite from a July 1,2014 WorldView-2 image,typical non-vegetation and vegetation 黃色線表示2000年火燒邊界

大興安嶺呼中自然保護(hù)區(qū)(122°42′—123°18′ E,51°17′—51°56′ N)屬于中緯度大陸性寒溫帶,夏季短暫且溫暖濕潤(rùn),冬季寒冷干燥而漫長(zhǎng)。年降水量約為460 mm(>80%的降雨發(fā)生在5—10月),研究區(qū)主要森林類型為寒溫性針葉林,主要樹種是興安落葉松(Larixgmelinii)(>90%)和白樺(Betulaplatyphylla),其他針葉樹(如樟子松：Pinussylvesrisvar.mongolica、云杉：Piceaasperata等)和闊葉樹(如山楊：Populusdavidiana和甜楊Populussuaveolens)分布較少,通常在較干燥和排水良好的地點(diǎn)。林下和地面植被通常是由常綠灌木(如偃松：Pinuspumila等)、落葉灌木(柴樺：Betulafruticosa等)和一些草本植物(柳蘭：Chamaenerionangustifolium、灰脈苔草：Carexappendiculata等)組成[19]。

本研究選取呼中自然保護(hù)區(qū)2000年6月17日發(fā)生的8700 hm2的雷擊火燒區(qū)為研究區(qū),區(qū)域內(nèi)主要植被類型為成熟落葉松林?；馃齾^(qū)內(nèi)分為高烈度(dNBR：differenced normalized burn ratio >1.099)火燒、中烈度火燒(1.099 >dNBR >0.484)和低烈度火燒(dNBR<0.484)?；馃鬅o(wú)人為干擾,植被以自然恢復(fù)為主,前期研究表明更新苗數(shù)量主要受火燒烈度和地形影響[20-22]。

1.2 數(shù)據(jù)源

本研究以30 m分辨率的Landsat ETM+ 為主要數(shù)據(jù)源,該數(shù)據(jù)來(lái)源于美國(guó)地質(zhì)調(diào)查局(USGS)(http://glovis.usgs.gov/),選取該火燒跡地2010年6月22日和2014年6月1日無(wú)云的遙感影像數(shù)據(jù),同時(shí)選取2014年7月1日2 m分辨率的WorldView-2高分影像,以及提取火燒烈度圖作為最后精度驗(yàn)證的輔助數(shù)據(jù)。

2 研究方法

研究方法主要包括四個(gè)步驟：① Landsat ETM+影像預(yù)處理；② 多端元光譜混合分析(MESMA)程序：包括創(chuàng)建合適端元光譜庫(kù),選擇最佳端元,對(duì)Landsat影像預(yù)處理之后的圖像進(jìn)行光譜混合分解,得到不同端元的蓋度圖像[23]；③ 基于傳統(tǒng)的NDVI方法計(jì)算植被覆蓋度；④ 精度驗(yàn)證：運(yùn)用WorldView-2影像(2 m)計(jì)算Landsat像元尺度上(30 m)植被蓋度作為驗(yàn)證數(shù)據(jù),比較NDVI獲得的植被蓋圖和MESMA獲得的植被蓋圖。在此基礎(chǔ)上,將選擇的最佳端元運(yùn)用到2010年Landsat影像上,對(duì)影像進(jìn)行分解,比較2014和2010年Landsat獲得的分?jǐn)?shù)影像的分解精度,評(píng)估同一套端元光譜運(yùn)用于不同年份的有效性。

2.1 圖像預(yù)處理

USGS上獲取的Landsat數(shù)據(jù),已經(jīng)經(jīng)過(guò)輻射校正和幾何校正,基本滿足研究需要,可以直接使用。首先對(duì)選取的影像進(jìn)行波段合成,再利用WorldView-2(2 m分辨率)高分影像和火燒斑塊邊界進(jìn)行研究區(qū)裁剪,采用WGS84橢球體、UTM(51N)作為投影坐標(biāo)系。

2.2 多端元光譜混合分析(MESMA)程序

多端元光譜混合分解是線性光譜混合分解的變形,端元選擇決定了影像的分解精度[21]。光譜端元的選取通常有兩種方法：從遙感圖像中提取的“圖像端元”(Image Endmember)和光譜庫(kù)中得到的“參考端元”(Reference Endmember)[24-26]。圖像端元可從遙感圖像中運(yùn)用一定的指標(biāo)提取得到,具有兩個(gè)優(yōu)點(diǎn)：① 他們與圖像數(shù)據(jù)的尺度相同；② 比較容易獲得。參考端元是直接從已經(jīng)存在的端元庫(kù)中選取得到,具有以下優(yōu)點(diǎn)：可以獲得純凈的端元光譜；基于參考端元分解得到的豐度圖更接近真實(shí)的土地覆蓋情況。本研究以圖像端元為主,選取最終端元光譜庫(kù)。

根據(jù)研究區(qū)的地物特征,選取植被和非植被的感興趣區(qū)域,共計(jì)1027個(gè)像元,生成1027條光譜曲線,從而構(gòu)成初始端元光譜庫(kù)。最終端元光譜庫(kù)的選擇主要有三種方法：基于計(jì)數(shù)的終端選擇(Count-based Endmember Selection,CoB)、端元均方根誤差(Endmember Average RMSE,EAR)、最小平均光譜角(Minimum Average Spectral Angle,MASA)[27-30]。使用CoB選擇最佳端元時(shí),選擇擁有最高的類內(nèi)(in_CoB)和最低的類外(out_CoB)的端元,即這個(gè)端元可以模擬同一類型內(nèi)的所有光譜,但不模擬這一類之外的任何光譜。使用EAR時(shí),選擇一個(gè)類內(nèi)最低RMSE(Root Mean Square Error)的最終端元。同時(shí)使用MASA時(shí),選擇具有最低平均光譜角的最終端元。

森林生態(tài)系統(tǒng)當(dāng)中,植被、非植被是地表一定存在的兩種地物類型,但由于地形、光照等因素的影響會(huì)造成一定程度的陰影,因此在遙感影像上表現(xiàn)為植被、非植被和陰影三種端元。本研究選取綠色植被和非植被端元光譜庫(kù),在每個(gè)Landsat像元上構(gòu)建綠色植被(Green Vegetation,GV)-非植被(None Green Vegeattaion,NGV)-陰影(Shade)三端元模型,利用MESMA獲得每個(gè)像元GV、NGV、Shade的豐度圖像,并通過(guò)像元水平上RMSE值來(lái)評(píng)估模型的分解性能。本研究選取豐度圖像的范圍在0—1之間,最大允許陰影豐度值為0.8,RMSE值小于0.025。如果幾個(gè)模型同時(shí)滿足這些條件,選擇最低RMSE的模型來(lái)獲得MESMA分解的植被覆蓋度(GVMESMA)。由于陰影的存在會(huì)給地物的分解結(jié)果帶來(lái)一定的誤差,所以我們?cè)贛ESMA的結(jié)果上再進(jìn)行陰影歸一化。

NDVI計(jì)算獲得的植被蓋度：

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

(1)

式中：FVC為植被蓋度；NDVIsoil為裸地的歸一化植被指數(shù)；NDVIveg為100%植被覆蓋條件下的歸一化植被指數(shù)。理論上100%植被蓋度NDVIveg為100,裸地NDVIsoil為0。由于受到地形、氣候、植被類型等多種因素的制約,在同一幅影像中NDVIveg和NDVIsoil都不能取固定值。以往研究中[31]將NDVI數(shù)值直方圖與實(shí)地?cái)?shù)據(jù)相結(jié)合,從NDVI統(tǒng)計(jì)直方圖中讀取累積頻率為95%和5%時(shí)的NDVI值作為NDVIveg(0.847)和NDVIsoil(0.224)。運(yùn)用(1)式計(jì)算Landsat影像水平上的植被蓋度(GVNDVI)。

2.3 精度評(píng)價(jià)

本研究利用2014年WorldView-2數(shù)據(jù)計(jì)算的植被蓋度(GVworldview)來(lái)驗(yàn)證MESMA獲得的植被蓋度(GVMESMA)和NDVI獲得的植被蓋度(GVNDVI)。GVworldview的計(jì)算過(guò)程如下：(1)計(jì)算2 m分辨率水平上WorldView-2數(shù)據(jù)的NDVI,繪制NDVI數(shù)值分布曲線,得到NDVIWorldView-2(NDVI >0.6)；(2)利用移動(dòng)窗口法,計(jì)算30 m分辨率上平均植被蓋度(GVWorldView-2)；(3)計(jì)算GVWorldView-2與GVMESMA和GVNDVI之間的相關(guān)關(guān)系,評(píng)價(jià)MESMA和NDVI獲得的植被蓋度。

2.4 2010年圖像分解

為評(píng)估MESMA能否有效監(jiān)測(cè)長(zhǎng)時(shí)間序列的火后植被恢復(fù),本研究將2014年影像中提取的最終端元光譜運(yùn)用到2010年Landsat影像分解中,分解得到植被蓋度影像GVMESMA2010。比較用同一套端元光譜分解得到的2014年和2010年植被蓋度影像及兩幅影像的RMSE。

3 結(jié)果與分析

圖2顯示了從每個(gè)光譜庫(kù)中選取的一些最終端元的實(shí)例。利用CoB、EAR和MASA三個(gè)指標(biāo),每個(gè)指標(biāo)選取最佳的2條植被光譜曲線和2條非植被光譜曲線,分別構(gòu)成了6條植被光譜曲線和6條非植被光譜曲線的終端光譜庫(kù)。運(yùn)用這些終端光譜對(duì)影像進(jìn)行光譜混合分解,得到不同端元的蓋度圖像。

圖2 植被端元和非植被端元的光譜曲線Fig.2 Spectral signature for green vegetation and none green vegetation endmemberGV(green vegetation)表示植被；NGV(none green vegetation)表示非植被

圖3顯示了利用2014年Landsat ETM+影像進(jìn)行多端元光譜混合分析后分解得到的陰影歸一化植被和非植被蓋度圖。植被豐度圖像顯示了高植被蓋度恢復(fù)區(qū)中存在明顯的空間異質(zhì)性(白色區(qū)域),可能與火燒烈度、生物物理?xiàng)l件和微氣候有關(guān)。

圖3 MESMA獲得的2014年Landsat ETM+的植被(a)和非植被蓋度圖(b)Fig.3 Fraction image for green vegetation (a) and none green vegetation (b) on 2014 Landsat ETM+ image by MESMA method

圖4為利用2014年高分影像為驗(yàn)證數(shù)據(jù),分別對(duì)MESMA植被覆蓋度和NDVI計(jì)算所得的植被覆蓋度(2014年)進(jìn)行精度驗(yàn)證的結(jié)果。結(jié)果表明MESMA獲得的植被蓋度和NDVI獲得的植被蓋度精度相近(MESMA:R2=0.691;NDVI:R2=0.700)。MESMA和NDVI獲得的植被蓋度在低蓋度狀態(tài)(<0.5)均有高估植被蓋度的趨勢(shì)(如數(shù)據(jù)點(diǎn)在1∶1線之上)?；馃叶葘?duì)兩種方法的精度均有影響,中等烈度下的精度(MESMA:R2=0.719;NDVI:R2=0.695)都高于低(MESMA:R2=0.580;NDVI:R2=0.629)、高烈度下的精度(MESMA:R2=0.548;NDVI:R2=0.596)。中等烈度下,MESMA的精度比NDVI的精度略有提高；而在低、高等火燒烈度下,MESMA植被提取精度低于基于NDVI的植被蓋度提取。總的來(lái)說(shuō),在大興安嶺地區(qū)火后植被恢復(fù)過(guò)程中,MESMA和NDVI方法獲得的植被覆蓋度差異不大(圖4)。

圖4 利用Worldview獲得的植被蓋度與MESMA和NDVI獲得植被蓋度在不同火燒烈度下精度評(píng)價(jià)Fig.4 Comparison of fractional image by WorldView-2 with those by MESMA and NDVI under different fire severity classes 黑線表示1∶1線,紅線和藍(lán)線分別表示NDVI和MESMA的驗(yàn)證結(jié)果

通過(guò)將從2014年Landsat影像中提取的最佳端元運(yùn)用到2010年Landsat影像分解中,獲得陰影歸一化后的植被和非植被蓋度圖。從植被蓋度圖中可以清楚的看到植被和非植被區(qū)域。對(duì)比2014年(圖3)和2010年植被蓋度圖像中的植被區(qū)域(白色區(qū)域),可清楚的觀察到圖3中的植被區(qū)域明顯多于圖5,而2014年的植被蓋度圖像中非植被區(qū)域(黑色區(qū)域)少于2010年。表明從2010年到2014年,綠色植被覆蓋面積有所增加。比較用同一套光譜端元計(jì)算所產(chǎn)生的2014年與2010年的RMSE(2014std=0.003,2014mean=0.002,2010std=0.007,2010mean= 0.006),均值和標(biāo)準(zhǔn)差都在0—0.25之間,表明2014年的端元光譜運(yùn)用到2010年影像上是可行的。因此,最佳端元可用于不同時(shí)相的遙感影像,可為后續(xù)的植被恢復(fù)時(shí)間序列研究提供依據(jù)(圖3，圖5)。

圖5 利用2014年Landsat ETM+圖像中獲得的最佳端元運(yùn)用到2010年Landsat圖像得到的陰影歸一化后(a)植被蓋度圖和(b)非植被蓋度圖像Fig.5 Fraction image for green vegetation (a) and none green vegetation (b) on 2010 Landsat ETM+ image by MESMA method using endmember from 2014 Landsat ETM+ image

4 討論

遙感光譜指數(shù)和光譜混合分解是目前監(jiān)測(cè)大時(shí)空尺度上火后植被恢復(fù)的最主要方法之一[32]。本研究考慮到不同端元光譜特征在空間上的異質(zhì)性,利用6個(gè)綠色植被和6個(gè)非植被端元進(jìn)行影像分解,獲得植被蓋度圖像。利用MESMA和傳統(tǒng)的NDVI方法計(jì)算植被蓋度,并利用高分影像對(duì)兩種方法進(jìn)行精度對(duì)比,評(píng)價(jià)MESMA在火后植被蓋度提取以及植被恢復(fù)研究中的適用性。理論上MESMA獲得的植被覆蓋度應(yīng)該比NDVI獲得的植被覆蓋度精度更高[32],但本研究結(jié)果表明,MESMA方法所獲得植被覆蓋度圖精度與基于NDVI的植被蓋度精度相近。造成這種結(jié)果的主要原因可能有：(1)本研究植被蓋度恢復(fù)在Landsat像元尺度上還沒有達(dá)到飽和點(diǎn),因此還在NDVI的有效監(jiān)測(cè)范圍內(nèi)；(2)分解端元選擇存在不合理性,造成分解精度沒有預(yù)期效果。鑒于 NDVI已經(jīng)廣泛應(yīng)用于北方針葉林生態(tài)系統(tǒng)火后植被恢復(fù)狀況,并得到較好的研究結(jié)果。因此,就本研究結(jié)果來(lái)說(shuō),兩種方法所獲得的精度相近且獲得較好的效果,表明在火燒后的15年內(nèi),MESMA和NDVI都是研究植被蓋度恢復(fù)的有效手段。本研究選取分辨率為2 m的WorldView-2高分影像為驗(yàn)證數(shù)據(jù),盡管與實(shí)地測(cè)量數(shù)據(jù)相比有一定的局限性,但相對(duì)于30 m分辨率的Landsat數(shù)據(jù),高分影像植被蓋度提取更為精確,在一定意義上可以作為驗(yàn)證數(shù)據(jù)。盡管如此,在今后的研究中,將進(jìn)行野外考察,獲取實(shí)地測(cè)量數(shù)據(jù)來(lái)驗(yàn)證我們的結(jié)果。

通過(guò)對(duì)MESMA結(jié)果的分析,我們認(rèn)為最終端元的選取在MESMA方法中起著重要的作用,是準(zhǔn)確估算豐度圖像的關(guān)鍵步驟。但是,由于不同研究區(qū)土地覆蓋類型多樣,終端光譜庫(kù)應(yīng)當(dāng)有足夠數(shù)量的端元來(lái)代表每類地物的光譜變化,可能造成端元間的互相干擾增大,提高端元選擇的難度[33]；此外,提取端元數(shù)量的增加會(huì)使端元分解模型數(shù)量增大,加重分解的計(jì)算負(fù)荷,從而降低解混的效率和精度。因此,一套好的最終端元一般包括線性獨(dú)立性、光譜代表性和空間通用性等標(biāo)準(zhǔn),這也是多端元光譜混合分析方法操作過(guò)程中的難點(diǎn)。為盡可能的避免這些問題的出現(xiàn),本研究利用CoB、EAR和MASA三個(gè)指標(biāo)來(lái)選擇最佳端元,構(gòu)建終端光譜庫(kù)。

森林火燒烈度[34]是指森林火災(zāi)對(duì)森林生態(tài)系統(tǒng)的影響以及破壞程度。本研究發(fā)現(xiàn),火燒烈度對(duì)兩種方法的分解精度均有影響,中等烈度下的兩種方法的精度均高于低、高烈度下的精度。以往的研究發(fā)現(xiàn)火燒烈度的大小直接影響森林生態(tài)系統(tǒng)中植被演替、森林火后動(dòng)態(tài)、碳庫(kù)的動(dòng)態(tài)變化、枯枝落葉分解過(guò)程以及C/N循環(huán)等各種生態(tài)過(guò)程,間接影響地表植被的光譜特征[35],這就導(dǎo)致了MESMA和NDVI在不同火燒烈度狀態(tài)下對(duì)于地表植被的光譜響應(yīng)能力存在差異,在分解過(guò)程中才會(huì)呈現(xiàn)火燒烈度影響分解精度的情況。

本研究表明,MESMA與NDVI方法均適用于研究大興安嶺地區(qū)火后植被蓋度提取。為了研究時(shí)間序列下的植被恢復(fù),同時(shí)也為簡(jiǎn)化光譜的構(gòu)建,本研究將同一套終端光譜應(yīng)用于不同年份的影像分解,并得到這一套終端光譜適用于不同年份的一組影像,這可為今后時(shí)間序列植被恢復(fù)的研究提供依據(jù)。

盡管MESMA在研究森林火后植被恢復(fù)過(guò)程中存在一定的難度和問題,但從理論上說(shuō),MESMA是研究火后植被恢復(fù)的有效手段。加大對(duì)MESMA在森林生態(tài)系統(tǒng)中火后植被恢復(fù)的應(yīng)用研究,可為以后的火后植被恢復(fù)研究提供強(qiáng)有力的技術(shù)手段。本研究主要用于植被與非植被的分解,并且也得到較為理想的結(jié)果。在今后的研究中,要進(jìn)一步探究MESMA在森林生態(tài)系統(tǒng)中不同植被種類分解中應(yīng)用的適用性,并擴(kuò)展到其他的生態(tài)系統(tǒng),為利用多光譜影像監(jiān)測(cè)火后系統(tǒng)恢復(fù)提供新的視角。

5 結(jié)論

(1)MESMA方法獲得的植被蓋度(R2=0.691)與傳統(tǒng)的NDVI獲得的植被蓋度(R2=0.700)精度無(wú)統(tǒng)計(jì)差異,中烈度下獲得的植被覆蓋精度高于低、高火燒烈度。

(2)為驗(yàn)證同一端元能否運(yùn)用到不同時(shí)相的Landsat影像中,本研究將從2014年影像中獲取的最佳端元運(yùn)用到2010年影像中獲得植被蓋度圖,結(jié)果表明2014年與2010年得到的RMSE(均方根誤差)均值分別為0.0015和0.0065,說(shuō)明最佳端元可用于不同時(shí)相的影像分解。

(3)本研究表明MESMA方法可有效監(jiān)測(cè)北方針葉林中火后植被蓋度恢復(fù),并可運(yùn)用于時(shí)間序列遙感影像監(jiān)測(cè)植被恢復(fù)動(dòng)態(tài)。