基于紅邊譜段的草地品質(zhì)評(píng)價(jià)方法研究

韓 影, 張艷紅, 陳子琦, 朱瑞飛, 閆鐘月

(1. 吉林大學(xué) 地球探測(cè)科學(xué)與技術(shù)學(xué)院, 長(zhǎng)春130026； 2. 長(zhǎng)光衛(wèi)星技術(shù)有限公司 吉林省衛(wèi)星遙感應(yīng)用技術(shù)重點(diǎn)實(shí)驗(yàn)室, 長(zhǎng)春 130026)

0 引 言

隨著遙感技術(shù)發(fā)展高空間分辨率、 高光譜識(shí)別能力的同步提高, 同時(shí)在快速、 宏觀、 高效發(fā)展的基礎(chǔ)上, 對(duì)地物的定性識(shí)別和定量評(píng)價(jià)能力進(jìn)一步加強(qiáng)。特別對(duì)位于地球表層的植被, 以其有利于光譜識(shí)別的地表位置和對(duì)光譜變化反應(yīng)敏感的特性, 成為地表可有效的檢測(cè)地物?；谶b感影像獲取城市地物信息的研究工作在國(guó)外開展較早, 主要采用衛(wèi)星遙感影像目視解譯與地面驗(yàn)證相結(jié)合的方法[1]。因此, 遙感在地表植被監(jiān)測(cè)中的地位越來越高, 并成為獲取植被生長(zhǎng)信息的重要途徑。傳統(tǒng)可見光波段的多光譜衛(wèi)星載荷通常以藍(lán)(450～520 nm)、 綠(520～590 nm)、 紅(630～690 nm)和近紅外(770～890 nm)波段為主。當(dāng)前高分辨衛(wèi)星傳感器研制的明顯趨勢(shì)是基于傳統(tǒng)的可見光與紅外波段, 增加紅邊波段(690～730 nm)。紅邊波段是在紅光波段和近紅外波段之間的波段, 波段范圍為690～730 nm。植被葉片在紅邊波段的反射率會(huì)發(fā)生突變, 它對(duì)植被病害脅迫較為敏感, 而受背景影響較小。隨著越來越多的衛(wèi)星載荷通過增加多光譜譜段提高衛(wèi)星應(yīng)用能力, 如德國(guó)RapidEye AG公司RapidEye衛(wèi)星, 美國(guó)Digital globe公司W(wǎng)orldview-2衛(wèi)星, 歐洲航天局(ESA: EuropeanSpace Agency)的Sentinel-2衛(wèi)星, 都包含紅邊波段傳感器, 提供了紅邊波段作物遙感監(jiān)測(cè)的數(shù)據(jù)保障。

目前在植物氮素含量、 葉綠素含量、 生物量估算中引入紅邊波段已十分普遍。在國(guó)外的研究報(bào)道中, 由于高光譜遙感的發(fā)展, 已經(jīng)可以成功地估算葉片氮含量和葉綠素濃度[2-7]。研究表明, 植被質(zhì)量?jī)?yōu)劣與植物葉綠素濃度和含水量顯著相關(guān), 光譜曲線的形狀特征也會(huì)發(fā)生變化。在可見光范圍內(nèi), 各種色素的差異造成了不同品質(zhì)植被的光譜特征差異, 葉綠素影響程度最大； 在紅邊范圍內(nèi), 品質(zhì)好的植被其反射率大幅度上升, 由于葉綠素含量、 冠層結(jié)構(gòu)變化的作用, 將達(dá)到一個(gè)明顯陡峭的斜坡, 因此其斜率越大說明植被越健康；在近紅外波段, 海綿葉肉細(xì)胞存在散射, 因此, 品質(zhì)好的植被將表現(xiàn)出高反射特征。在國(guó)內(nèi)的研究中, 利用RapidEye衛(wèi)星和Worldview-2衛(wèi)星的紅邊數(shù)據(jù), 主要將其應(yīng)用于大宗農(nóng)作物、 濕地、 林地、 地表覆蓋等[8-12], 并在不同研究領(lǐng)域報(bào)道了使用紅邊波段的遙感反演和監(jiān)測(cè)研究結(jié)果, 總結(jié)這些研究多集中以下4個(gè)特點(diǎn)： 1) 多集中在利用紅邊波段評(píng)價(jià)區(qū)域植被整體品質(zhì); 2) 評(píng)價(jià)指標(biāo)多且復(fù)雜; 3) 監(jiān)測(cè)植被生長(zhǎng)狀況通常針對(duì)如植被氮含量、 葉綠素含量或某種病蟲害防治等單一條件; 4) 指標(biāo)因子的選取也多取決于主觀性。存在上述問題的主要原因在于當(dāng)前具有紅邊波段的傳感器數(shù)量還較少, 發(fā)射時(shí)間不長(zhǎng)。因此, 利用紅邊譜段進(jìn)行遙感方面的研究還有待深入開展。吉林一號(hào)是國(guó)內(nèi)首家以省冠名的商業(yè)衛(wèi)星, 在其2018年1月發(fā)射的07星所獲取的空間分辨率均為4 m的5個(gè)波段數(shù)據(jù)中, B4為紅邊波段, 是指示綠色植物生長(zhǎng)狀況的敏感性波段。筆者正是基于其B4波段對(duì)于地表植被的顯著表達(dá)而探討其對(duì)草地品質(zhì)評(píng)價(jià)的性能, 以增強(qiáng)其對(duì)植被品質(zhì)定量評(píng)價(jià)的能力。

1 數(shù)據(jù)與處理

1.1 數(shù)據(jù)源

本研究主要以吉林省向海自然保護(hù)區(qū)為示范區(qū), 探討吉林一號(hào)07星遙感影像草地品質(zhì)評(píng)價(jià)的性能和方法?！凹忠惶?hào)”是由吉林省長(zhǎng)光衛(wèi)星技術(shù)有限公司自主研制的高空間分辨率衛(wèi)星, 它是我國(guó)首家自主研發(fā)的民用衛(wèi)星。截至目前, “吉林一號(hào)”衛(wèi)星已有13顆在軌運(yùn)行, 其中包括“吉林一號(hào)”組星(光學(xué)A星, 視頻01、 02星, 靈巧驗(yàn)證星)、 視頻03～08星、 珞珈一號(hào)01星(與武漢大學(xué)聯(lián)合研制)和光譜01、 02星。“吉林一號(hào)”衛(wèi)星除了拍攝光學(xué)意義上的影像, 其最大優(yōu)勢(shì)是能記錄植物的光譜信息。筆者使用的影像為“吉林一號(hào)”04～07星遙感影像數(shù)據(jù), 其中04～06星于2017年11月21日發(fā)射, 07星于2018年1月19日發(fā)射, 該星所獲取的多光譜數(shù)據(jù)包含5個(gè)波段, 空間分辨率均為4 m, 其中B4為紅邊波段, 是指示綠色植物生長(zhǎng)狀況的敏感性波段。本研究使用的影像獲取時(shí)間分別為2018年9月19日、 25日、 26日、 27日。

1.2 數(shù)據(jù)預(yù)處理

首先根據(jù)07星影像波段信息表輸入中心波長(zhǎng)(wavelength)值、 波段寬度(FWHM: Full Width at Half Maximum), 同時(shí)使用存放在元數(shù)據(jù)中的絕對(duì)增益系數(shù)(AbsCalibrationGain)和絕對(duì)偏置系數(shù)(AbsCalibrationBias)設(shè)置輻射增益值和輻射偏置值。然后, 利用輻射定標(biāo)參數(shù)對(duì)影像進(jìn)行FLAASH(Fast Line-of-Sight Atmospheric Analysis of Spectral Hypercubes)大氣校正以及定標(biāo)因子為1的輻射定標(biāo)。為了獲取研究區(qū)向海自然保護(hù)區(qū)完整圖像, 還對(duì)獲取不同時(shí)間的4幅影像進(jìn)行鑲嵌、 羽化、 勻光等處理。

1.3 草地范圍提取

為了實(shí)現(xiàn)對(duì)研究區(qū)草地品質(zhì)的獨(dú)立準(zhǔn)確評(píng)價(jià), 本研究首先根據(jù)國(guó)土二調(diào)2015年土地變更調(diào)查數(shù)據(jù)對(duì)基于本期影像草地信息進(jìn)行修正, 以準(zhǔn)確獲取研究區(qū)內(nèi)草地范圍。然后用草地范圍做掩膜處理, 得到向海自然保護(hù)區(qū)草地掩膜圖像, 作為本研究的數(shù)據(jù)基礎(chǔ)。

2 草地品質(zhì)指數(shù)構(gòu)建

2.1 植被指數(shù)提取

光譜特征的差異綜合反映了葉綠素和葉片水分含量等參數(shù), 這些參數(shù)不僅相互影響, 也與草地的品質(zhì)息息相關(guān)。只要改變其中任何一個(gè)參數(shù), 其他參數(shù)也會(huì)發(fā)生變化, 從而影響草地品質(zhì)信息表達(dá)。紅邊指數(shù)對(duì)植被的各種物化屬性十分敏感度, 可以準(zhǔn)確判別草地生長(zhǎng)狀況?！凹t邊”的位置、 高度和斜率會(huì)因植被的不同及同一植被不同生長(zhǎng)狀況而存在差異[13]。 本研究根據(jù)吉林一號(hào)衛(wèi)星影像的光譜波段特點(diǎn), 選擇了歸一化植被指數(shù)(NDVI: Normalized Vegetation Index)、 歸一化差值紅邊指數(shù)(NDRE: Normalized Difference Red Edge Index)、 紅邊葉綠素指數(shù)(CIred-edge: Chlorophyll Index)3種植被指數(shù), 對(duì)草地品質(zhì)進(jìn)行判別。

2.1.1 歸一化植被指數(shù)NDVI

NDVI可準(zhǔn)確反映地表植被覆蓋狀況, 廣泛用于植被生長(zhǎng)狀態(tài)和覆蓋度, 而且可以減少輻射誤差。NDVI結(jié)果被限定在[-1,1]之間。目前, NDVI無疑是應(yīng)用最廣泛的植被指數(shù), 它與植物生物量、 葉面積指數(shù)以及植被覆蓋度都密切相關(guān)[14]。因此, 選用NDVI作為其中一個(gè)判別因子, 即有

(1)

其中ρNIR為近紅外波段的反射率；ρRed為紅波段的反射率。

2.1.2 歸一化差值紅邊指數(shù)NDRE

NDRE可用于分析從多光譜圖像傳感器獲得的圖像中的植被健康與否。將NDVI的紅波段替換為NDRE的紅邊波段提供了一種新的測(cè)量方法, 這種測(cè)量方法對(duì)葉面頂層吸收的強(qiáng)度不高, 因此NDRE能深入樹冠測(cè)量, 可以更好地監(jiān)測(cè)永久性或后期作物。NDRE對(duì)葉片中的葉綠素含量、 葉面積的變異性和土壤背景效應(yīng)非常敏感； NDRE值越高, 葉片葉綠素含量越高。土壤通常具有最低值, 不健康的植物具有中值, 健康的植物具有最高值。NDRE計(jì)算公式如下

(2)

其中ρRed-edge為紅邊波段的反射率。

2.1.3 紅邊葉綠素指數(shù)CIred-edge

Chlorophyll Index(CIred-edge)用于計(jì)算葉片的總?cè)~綠素含量, 大多數(shù)植被中對(duì)葉綠素含量的微小變化很敏感?？?cè)~綠素含量與綠/紅邊帶的倒數(shù)反射率與近紅外波段的差異呈線性相關(guān)。因此, 使用綠色波段(570 nm)的觀測(cè)值和紅邊波段(730 nm)的觀測(cè)值在估計(jì)植被葉綠素含量被廣泛使用。研究表明, 使用紅邊波段的歸一化差值指數(shù)或比例指數(shù)在估計(jì)葉綠素或氮含量方面表現(xiàn)非常好, 且有

(3)

2.2 綜合指數(shù)構(gòu)建

筆者在上述3種植被指數(shù)基礎(chǔ)上, 經(jīng)過實(shí)驗(yàn)研究, 提出了由NDVI、 NDRE和CIred-edge這3個(gè)指數(shù)組合構(gòu)建的草地品質(zhì)指數(shù)(GQI: Grassland Quality Index), 可以表達(dá)為

GGQI=f(MNDVI,NNDRE,CCIred-edge)

(4)

由于主觀確定各個(gè)指標(biāo)之間權(quán)重通常會(huì)影響該指數(shù)計(jì)算結(jié)果。目前常用的方法是將各種指標(biāo)進(jìn)行加權(quán)求和。當(dāng)兩個(gè)或兩個(gè)以上的指標(biāo)共同對(duì)生態(tài)變化起作用時(shí), 很難確定哪個(gè)指標(biāo)在生態(tài)變化中起主要作用, 并為其指定一個(gè)特定的權(quán)重值。本研究的難點(diǎn)在于提出的草地質(zhì)量指數(shù)如何將上述3個(gè)因素的信息與單一變量相結(jié)合。以往研究表明, 主成分分析(PCA: Principal Component Analysis)可以更好地解決這一問題[15-16]。主成分分析采用的方法是維持低階主成分, 減少高階主成分的影響, 因此能在保持?jǐn)?shù)據(jù)集方差貢獻(xiàn)最大化的同時(shí), 降低數(shù)據(jù)集的維數(shù)。利用PCI, 可將這3個(gè)變量由PCA通過線性變換集成GQI, 從而避免常規(guī)加權(quán)求和集成法因人為主觀設(shè)定權(quán)重而造成的結(jié)果偏差。

對(duì)3個(gè)因子進(jìn)行主成分分析, 得到3個(gè)主成分特征因子集(見表1)。表1表明PCA已經(jīng)集中了3個(gè)因子的大部分特征值。從各因子在PCA的載荷可以看出, PCA與3個(gè)因子具有相同的符號(hào), 說明他們與草地品質(zhì)狀況呈正相關(guān), 這與實(shí)際情況相符。其中, 引入紅邊波段的NDRE與CIred-edge對(duì)PCA的貢獻(xiàn)值很高。兩者相關(guān)分析的相關(guān)度也達(dá)到了0.992。而僅由近紅外和紅色波段構(gòu)成的NDVI指數(shù), 與兩個(gè)紅邊指數(shù)差異較大, 僅有0.372、0.374的相關(guān)性, 與PCA的貢獻(xiàn)值也遠(yuǎn)不及紅邊指數(shù)。PCA最大限度地集中了各指標(biāo)的特征, 能合理地對(duì)草地品質(zhì)進(jìn)行解釋, 因此可以用于草地品質(zhì)的有效評(píng)價(jià)。

表1 3個(gè)指標(biāo)主成分分析Tab.1 Three indexes principal component

3 草地品質(zhì)的信息提取

3.1 草地品質(zhì)信息提取

由式(1)～式(3)計(jì)算得到研究區(qū)的NDVI、 NDRE、 CIred-edge的結(jié)果如圖1所示。

圖1 研究區(qū)的NDVI、 NDRE和CIred-edge結(jié)果Fig.1 Results of study area NDVI, NDRE and CIred-edge

由式(4)計(jì)算出研究區(qū)的草地品質(zhì)結(jié)果(見圖2), 并對(duì)其統(tǒng)計(jì), 得到實(shí)驗(yàn)區(qū)草地品質(zhì)指數(shù)(GQI)的統(tǒng)計(jì)特征(見圖3， 表2)。其中研究區(qū)草地品質(zhì)指數(shù)(GQI)的均值為0.062, 范圍介于-2.438 797～2.936 141之間。

本研究以0.8作為劃分每一等級(jí)的步長(zhǎng), 將草地品質(zhì)分為極差(-2.6～-1.8)、 很差(-1.8～-1)、 較差(-1～-0.2)、 中等(-0.2～0.6)、 較好(0.6～1.4)、 很好(1.4～2.2)、 極好(2.2～3.0)7個(gè)等級(jí), 并分別統(tǒng)計(jì)像元個(gè)數(shù)與百分比。由表2可以看出, 實(shí)驗(yàn)區(qū)15%的草地品質(zhì)處于中等以上, 80%草地品質(zhì)達(dá)到中等, 只有5%的草地品質(zhì)比較惡劣, 極差和極好的草地在該區(qū)域所占范圍非常小。根據(jù)圖3可看出草地品質(zhì)指數(shù)大體上呈正態(tài)分布, 這與現(xiàn)實(shí)情況比較符合。

圖2 研究區(qū)草地品質(zhì)分級(jí)圖 圖3 研究區(qū)草地品質(zhì)指數(shù)分級(jí)統(tǒng)計(jì)Fig.2 Classification map of grassland quality in the study area Fig.3 Classification statistics of grassland quality index in the study area

表2 草地品質(zhì)指數(shù)(GQI)分級(jí)統(tǒng)計(jì)結(jié)果

3.2 精度檢驗(yàn)與誤差分析

3.2.1 精度檢驗(yàn)

根據(jù)草地品質(zhì)指數(shù)(GQI)分級(jí)結(jié)果表明, 向海自然保護(hù)區(qū)草地品質(zhì)總體處于中等水平, 生長(zhǎng)狀況優(yōu)良的草地范圍大概占15%, 主要集中在保護(hù)區(qū)中部偏南濕地沼澤區(qū), 說明該區(qū)域草地植被健康水平比較好。但區(qū)域內(nèi)仍存在較分散的草地品質(zhì)較差的區(qū)域, 這些地區(qū)水分供給不足, 土地退化嚴(yán)重, 多為鹽堿地、 沙地。通過相關(guān)資料、 遙感影像輔助, 可以判斷不同地區(qū)草地品質(zhì)指數(shù)(GQI)與實(shí)地情況比較符合。因此, 本研究構(gòu)建的草地品質(zhì)指數(shù)對(duì)于該區(qū)域草地品質(zhì)評(píng)價(jià)具有合理性。

3.2.2 誤差分析

研究區(qū)西南角NDVI指數(shù)與NDRE、 CIred-edge及草地品質(zhì)指數(shù)差異較大： NDVI值很低, 而NDRE、 CIred-edge及草地品質(zhì)指數(shù)均認(rèn)為草地品質(zhì)良好。結(jié)合遙感影像的分析結(jié)果表明, NDVI結(jié)果更真實(shí)地反應(yīng)了實(shí)際情況： 區(qū)域內(nèi)距霍林河有一段距離的草地中心區(qū)域植被面積減少、 且生長(zhǎng)狀況較差； 霍林河河道兩側(cè)及草地范圍邊界處, 仍有草地覆蓋且長(zhǎng)勢(shì)良好。但NDRE、 CIred-edge及草地品質(zhì)指數(shù)結(jié)果顯示該區(qū)域草地品質(zhì)良好甚至達(dá)到優(yōu)的水平與實(shí)際有較大出入。結(jié)合相關(guān)文獻(xiàn)資料, 對(duì)各個(gè)指數(shù)誤差做出分析如下。

1) NDRE指數(shù)合理性。該指數(shù)對(duì)葉片中的葉綠素含量、 氮含量和土壤背景效應(yīng)非常敏感, 但并沒有找到相關(guān)文獻(xiàn)證明NDRE是否對(duì)土壤水分、 氮含量變化響應(yīng)明顯?；袅趾由嫌伟自苹ㄋ畮鞛閼?yīng)對(duì)生態(tài)破壞, 保持向海濕地面積, 及時(shí)調(diào)整徑流量； 保護(hù)區(qū)也針對(duì)退化的草場(chǎng)進(jìn)行合理規(guī)劃, 恢復(fù)草地覆蓋, 建立補(bǔ)水機(jī)制。鑒于此, 提出一個(gè)合理猜想： 該區(qū)域內(nèi)退化草場(chǎng)正在逐漸好轉(zhuǎn), 土壤含水量增加, 氮含量提升, 因此NDRE指數(shù)受到影響, 在結(jié)果圖中錯(cuò)誤的表現(xiàn)為優(yōu)。

2) CIred-edge指數(shù)合理性。Vincini等[7]研究發(fā)現(xiàn), 土壤濕度和光照強(qiáng)度的變化會(huì)改變?cè)撝笖?shù)對(duì)葉綠素含量變化的敏感性, 它的波動(dòng)性比較大。方燦瑩等[10]研究證實(shí), CIred-edge指數(shù)在不同的研究區(qū)域表現(xiàn)情況不同, 這可能與研究區(qū)的土壤含水量和光照條件不同有關(guān)。

3) 指數(shù)構(gòu)建因子選擇的合理性。NDRE與CIred-edge均只使用了紅邊波段與近紅外波段進(jìn)行計(jì)算, 它們?cè)诠烙?jì)葉綠素或氮含量方面表現(xiàn)非常好。相關(guān)性分析中也顯示, 二者的相關(guān)性很高, 因此對(duì)主成分分析的結(jié)果貢獻(xiàn)較大, 從而削弱了NDVI所代表的植被覆蓋度在綜合指數(shù)構(gòu)建中的影響, 造成結(jié)果與實(shí)際情況不符。在本研究中, 單方面考慮紅邊指數(shù)是否能精確判別草地生長(zhǎng)狀況, 并且選擇植被指數(shù)時(shí)受遙感影像波段的限制, 而忽略了植被指數(shù)應(yīng)該從不同角度反應(yīng)草地品質(zhì)涵蓋的多種作物參數(shù)。

4) 綜合指數(shù)構(gòu)建方法合理性。相關(guān)性分析中KMO值在0.5～0.6之間, 筆者對(duì)3個(gè)指數(shù)做主成分分析, 在不改變指數(shù)的情況下, 應(yīng)該探索更適合的指數(shù)構(gòu)建方法, 優(yōu)化模型。

4 結(jié) 論

本研究基于“吉林一號(hào)”遙感影像, 以吉林向海自然保護(hù)區(qū)為研究區(qū)域, 旨在分析07號(hào)衛(wèi)星影像提取植被指數(shù)定量評(píng)價(jià)草地質(zhì)量問題。通過構(gòu)建綜合指數(shù)提高草地品質(zhì)的反演精度, 以客觀、 快速地評(píng)價(jià)區(qū)域草地生長(zhǎng)情況。通過NDVI、 NDRE、 CIred-edge的主成分分析結(jié)果, 構(gòu)建了一個(gè)新型的植被指數(shù)即草地品質(zhì)指數(shù)(GQI), 各指標(biāo)的集成不是加權(quán)求和, 而是根據(jù)各指標(biāo)對(duì)主成分的貢獻(xiàn)集成。因此, 該指數(shù)能客觀地耦合各個(gè)指標(biāo), 合理地代表區(qū)域生態(tài)質(zhì)量。相較于單一植被指數(shù), 該綜合指數(shù)可以更全面的反應(yīng)用于衡量草地品質(zhì)的不同指標(biāo)的優(yōu)劣程度。其中, 引入紅邊波段, 增加了更多的光譜信息, 從而反應(yīng)草地的各種物化屬性, 提高草地品質(zhì)指數(shù)(GQI)的精確度。

但該指數(shù)也存在一些不足。對(duì)草地覆蓋稀疏的區(qū)域, 指數(shù)與實(shí)際情況有較大的誤差。引入紅邊波段的NDRE和CIred-edge會(huì)受到土壤濕度和光照強(qiáng)度的影響, 而改變?cè)撝笖?shù)對(duì)葉綠素含量變化的敏感性。因此, 草地品質(zhì)指數(shù)(GQI)不適宜在大面積地表裸露的草場(chǎng)使用。

針對(duì)草地品質(zhì)指數(shù)(GQI)對(duì)于草地覆蓋稀疏的區(qū)域, 指數(shù)與實(shí)際情況有較大差異的情況, 筆者提出以下改進(jìn)措施。

1) 可根據(jù)實(shí)際情況調(diào)整因子以提高精度。因研究數(shù)據(jù)波段較少, 可選擇的紅邊指數(shù)受到限制, 實(shí)際應(yīng)用中可以根據(jù)地形、 氣候等因素考慮, 選擇更適合的植被指數(shù)。

2) 探索更適合的指數(shù)構(gòu)建方法, 優(yōu)化模型。在今后的研究中, 應(yīng)嘗試不同的建模方法, 比較不同模型的反演精度, 得到一個(gè)最優(yōu)模型。

3) 建議增加衛(wèi)星影像波段。針對(duì)“吉林一號(hào)”07號(hào)衛(wèi)星影像波段較少的問題, 建議在今后發(fā)射具有更多光譜波段信息的衛(wèi)星以更精確研究植被信息。