大理蒼山東西坡植被的垂直分布格局

張 萍，張 軍，李佳玉，薛宇飛，李宇宸

（云南大學(xué) 地球科學(xué)學(xué)院，云南 昆明 650500）

植被是山地生態(tài)系統(tǒng)不可或缺的一部分，是環(huán)境的重要因素，也是反映區(qū)域生態(tài)環(huán)境質(zhì)量的最好標(biāo)志[1]。客觀掌握山地植被類型及其分布特征，對了解山區(qū)生態(tài)環(huán)境和氣候空間變化具有重要意義[2]。遙感技術(shù)的飛速發(fā)展為實(shí)現(xiàn)山地植被的高精度提取提供了途徑，但由于山區(qū)地形地貌復(fù)雜，遙感數(shù)據(jù)對植被的精細(xì)提取仍存在較多問題。植物群落間差異小，邊界不明顯，偶有采伐或原生山地植被發(fā)生新的變化，以及由于測量技術(shù)和缺乏對比數(shù)據(jù)而限制了植被覆蓋度的監(jiān)測，都對植被分類提出了巨大挑戰(zhàn)。因此，采用人機(jī)交互的方式，將先驗(yàn)知識與經(jīng)驗(yàn)參數(shù)充分運(yùn)用到分類模型中，同時(shí)輔以紋理[3?4]、海拔[5?6]、地形地勢[7?8]等信息進(jìn)行分類來獲得更準(zhǔn)確的遙感解譯成果[9?10]，已成為當(dāng)前的研究熱點(diǎn)。

何鴻杰等[11]利用光譜、紋理和地形信息構(gòu)建了分類與回歸決策樹(CART)，實(shí)現(xiàn)了對西北農(nóng)牧交錯(cuò)帶植被信息的提取。陳波等[12]輔以紋理、地形因子等進(jìn)行面向?qū)ο蠓诸悾崛×舜ㄎ髂吓手ㄊ胁糠稚絽^(qū)土地利用信息，分類總體精度達(dá)90.57%，Kappa系數(shù)達(dá)0.889 2。張友靜等[13]采用面向?qū)ο蠓诸惙?，利用分割對象的空間和光譜信息對城市植被進(jìn)行分類，提取的6種城市植被類型的分類總精度達(dá)85.50%。上述研究大多是基于地形、光譜或紋理等輔助信息進(jìn)行分類的，也有針對山區(qū)地形進(jìn)行研究的，但并沒有明顯地獲得植被的垂直地帶性分布規(guī)律。且國內(nèi)外對于更精細(xì)的植被類別劃分較少，這除了要借助高分辨率影像外，對參與分類的植被特征和分類方法也提出了更高的要求。

大理蒼山位于低緯度亞熱帶地區(qū)，海拔梯度大，是研究山地植被垂直地帶性的典型山體。前人已對蒼山植被的垂直分布格局做過定性和半定量研究，如袁睿佳等[14]利用ETM+遙感影像和地形圖對蒼山東坡植被進(jìn)行分類，并疊加數(shù)字高程模型(DEM)數(shù)據(jù)分析了蒼山東坡植被景觀的垂直分布格局，但該研究距今時(shí)間跨度長，時(shí)效性差。受遙感數(shù)據(jù)空間分辨率的影響，影像存在較多混合像元，使得信息含量低，精細(xì)提取困難。而高分二號(GF-2)高分辨率遙感影像，能夠在時(shí)空分辨率上為獲取當(dāng)年最新森林植被信息提供便利，是林業(yè)遙感監(jiān)測中較好的低成本數(shù)據(jù)源。鑒于此，本研究基于大理蒼山植被垂直帶譜，以紋理特征和地形因子作為分類的輔助信息，采用面向?qū)ο蠓ㄌ崛∩n山植被信息，以期為保護(hù)和建設(shè)蒼山森林資源提供科學(xué)依據(jù)。

1 研究地區(qū)與研究方法

1.1 研究區(qū)概況

大理蒼山 (圖 1)位于云南西部大理白族自治州境內(nèi) (25°34′～26°00′N，99°55′～100°12′E)，橫跨大理市、漾濞彝族自治縣、洱源縣3市(縣)。屬亞熱帶西南季風(fēng)氣候，全年干濕季分明。年均氣溫為15.5 ℃，年降水量大于1 000 mm。蒼山地勢陡峭，南高北低，由19座山峰組成，最高點(diǎn)馬龍峰海拔為4 122 m。由于蒼山垂直高差顯著，山地立體氣候十分明顯，從山麓到山頂有3個(gè)垂直氣候帶，分別為亞熱帶、暖溫帶和高山寒漠帶。植被的垂直帶譜明顯，植被種類多，層次清晰，分布復(fù)雜，保存了許多從南亞熱帶向高山冰漠帶過渡的植被類型，也是目前世界上保存較完整的一組植物垂直分布帶譜。

1.2 數(shù)據(jù)獲取及預(yù)處理

1.2.1 高分二號 (GF-2) 遙感影像 采用 GF-2 PMS 影像 (http://www.cresda.com/)作為基礎(chǔ)遙感數(shù)據(jù)源，該影像包含全色、藍(lán)、綠、紅和近紅外5個(gè)波段，除全色波段為1 m分辨率外，其余波段空間分辨率為4 m。大理蒼山屬典型的季風(fēng)氣候，雨季旱季分明。5—10月為雨季，由于云量較大，影像基本采集不到數(shù)據(jù)。為覆蓋整個(gè)研究區(qū)，選擇2017年11月11日的3景和2018年1月24日的2景共5景影像，這個(gè)時(shí)段研究區(qū)內(nèi)云量少，圖像質(zhì)量好，滿足應(yīng)用的需要。在遙感分類之前，應(yīng)用ENVI 5.3軟件對影像進(jìn)行輻射定標(biāo)、大氣校正、正射校正、融合、鑲嵌和裁剪等預(yù)處理，得到研究區(qū)影像。

1.2.2 數(shù)字高程模型數(shù)據(jù) 為了保證精細(xì)植被識別的準(zhǔn)確性，在植被分類中利用空間分辨率為30 m的DEM作為輔助數(shù)據(jù)。30 m的DEM數(shù)據(jù)下載于地理空間數(shù)據(jù)云平臺(http://www.gscloud.cn/)。對該數(shù)據(jù)進(jìn)行裁剪后獲得研究區(qū)的DEM數(shù)據(jù)，主要用來提取地形約束因子和海拔。

1.2.3 植被分布數(shù)據(jù) 參考文獻(xiàn)[15]，將蒼山7種植被型組作為分類系統(tǒng)中的主要級別，用于劃分植被類型和確定分類體系。并根據(jù)袁睿佳等[14]和閔天祿等[16]整理得到蒼山植被垂直帶譜(圖2)，構(gòu)建地形約束因子，在分類中輔助選擇樣本。

圖2 大理蒼山植被垂直帶譜Figure 2 Vertical band spectrum of vegetation in Cangshan Mountain,Dali

1.3 研究方法

1.3.1 提取地形因子 為了充分利用蒼山山區(qū)植被分布的垂直地帶性規(guī)律，在構(gòu)建地形約束因子時(shí)，融入垂直帶譜信息，作為輔助要素進(jìn)行植被分類。先利用DEM數(shù)據(jù)提取主山脊線，大致確定東、西坡向；再基于蒼山東西坡的植被垂直分布帶譜，提取優(yōu)勢植被群系分布的海拔范圍；最后，將東西坡的海拔范圍疊加生成具有植被垂直分布規(guī)律的地形因子 (圖 3)。

圖3 大理蒼山地形約束因子分布Figure 3 Distribution of topographic constraint factors in Cangshan Mountain, Dali

1.3.2 植被分類體系確定 參考中國科學(xué)院土地利用遙感監(jiān)測分類系統(tǒng)，結(jié)合蒼山植被分布數(shù)據(jù)、遙感影像和研究區(qū)實(shí)際土地覆被情況，將蒼山植被劃分為12種類型，包括云南松Pinus yunnanensis林、華山松Pinus armandii林、云南鐵杉Tsuga dumosa-闊葉混交林、蒼山冷杉Abies delavayi-杜鵑Rhododendron simsii林、亞高山草甸、杜鵑灌叢、亞熱帶干熱河谷次生灌叢、常綠闊葉林、杜鵑灌叢草甸、針葉-杜鵑-箭竹Fargesia spp.矮林、旱地、裸地。并基于高分辨率谷歌地球(Google Earth)影像和目視解譯，得出相應(yīng)植被類型的影像特征。

1.3.3 面向?qū)ο蠓诸惙?面向?qū)ο蠓诸惙ㄊ且詧D像分割的對象為基本單位進(jìn)行的[17]，分割對象與地物邊界一致性越高，越有利于得到好的信息提取結(jié)果[18]，并且該方法可以有效集成專家知識和各種輔助數(shù)據(jù)，充分利用影像的光譜特征、紋理特征、形狀特征等。面向?qū)ο蠓诸愡^程可以分為3個(gè)步驟：圖像分割、特征選擇與分析、影像分類[19]。

由于山區(qū)地形復(fù)雜，地勢起伏大，影像在不同時(shí)相存在“同物異譜”現(xiàn)象。為了提高植被信息提取的準(zhǔn)確性，在圖像分割中引入DEM和紋理特征。不同植被類型具有不同的紋理特征，因此基于灰度共生矩陣(GLCM)[20]提取了常用的8個(gè)紋理特征。經(jīng)比較后，在圖像分割中選取近紅外波段的熵。由于植被在近紅外波段的反射率較高，其波段權(quán)重設(shè)為2，其余圖層波段權(quán)重均設(shè)為1；并定義形狀因子為0.1，緊致度因子為0.5。圖4A與圖4B顯示：DEM和紋理特征參與分割后，山體陰影更清晰，且多邊形對象數(shù)目大量減少，對象數(shù)從916 020個(gè)減少到了693 239個(gè)?？梢?，有輔助信息參與分割的效果明顯優(yōu)于僅基于光譜信息的分割效果。

圖4 DEM 紋理參與和未參與圖像分割的結(jié)果對比Figure 4 Comparison of the results of DEM texture participation and non-participation in image segmentation

由于研究區(qū)內(nèi)不僅有大片分布的林地，還有小面積分布的其他地類，而本研究的重點(diǎn)是提取有林地類內(nèi)更精細(xì)的植被類型。因此，本研究采用多層次分割法對圖像進(jìn)行分割，以滿足不同層次不同地物的良好分割效果。在以上參數(shù)都相同的情況下，分割尺度參數(shù)為70、90、120時(shí)，研究區(qū)影像中不同地物類型的分類效果最好。即這3個(gè)尺度為不同層次下地物的最優(yōu)分割尺度，具體如表1所示。

表1 多尺度分割的參數(shù)設(shè)置Table 1 Multi-scale segmentation parameter settings

分割完成后，結(jié)合地形約束因子對不同植被類型進(jìn)行樣本選擇，并使用eCognition軟件中的Feature Space Optimization工具對各地物初始分類特征進(jìn)行空間優(yōu)化后，篩選出相應(yīng)的特征參數(shù)，主要包括光譜、形狀、紋理、拓?fù)潢P(guān)系、上下關(guān)系等。最后采用模糊分類和最鄰近分類對植被信息進(jìn)行分層次提取。各層次的地物分類規(guī)則見表2。

表2 不同層次的地物分類規(guī)則Table 2 Classification rules of different levels of ground objects

1.3.4 分類精度驗(yàn)證 在研究區(qū)隨機(jī)生成 600個(gè)樣本點(diǎn)，基于 Google Earth 高分辨率影像，通過目視解譯獲取對應(yīng)點(diǎn)地類，其中裸地18個(gè)、旱地19個(gè)、云南松林81個(gè)、華山松林36個(gè)、云南鐵杉-闊葉混交林126個(gè)、蒼山冷杉-杜鵑林55個(gè)、亞高山草甸28個(gè)、杜鵑灌叢79個(gè)、亞熱帶干熱河谷次生灌叢16個(gè)、常綠闊葉林42個(gè)、杜鵑灌叢草甸8個(gè)、針葉-杜鵑-箭竹矮林92個(gè)。以此來進(jìn)行植被信息提取結(jié)果的精度驗(yàn)證，并計(jì)算生產(chǎn)者精度、用戶精度、總體精度和Kappa系數(shù)。

2 結(jié)果與分析

2.1 分類結(jié)果

圖5所示：在蒼山植被類型的高精度分類結(jié)果中，地物邊界相對清晰，完整性保持良好，與實(shí)際情況吻合度高。其中，研究區(qū)域內(nèi)優(yōu)勢土地覆蓋類型是云南鐵杉-闊葉混交林，面積所占比例最大，為24.23%；其次為云南松林(18.67%)、常綠闊葉林(18.71%)、蒼山冷杉-杜鵑林(13.09%)，以上這4種植被類型占全區(qū)總面積的74.71%，主要分布在中海拔的山坡。但在植被類型中，杜鵑灌叢草甸和亞熱帶干熱河谷次生灌叢所占比例最小。而裸地主要是高山上裸露的基巖，旱地分布在較低海拔，面積都較小。

圖5 大理蒼山植被分類結(jié)果示意圖Figure 5 Results of vegetation classification in Cangshan Mountain, Dali

2.1.1 大理蒼山東坡植被垂直分布特征 大理蒼山東坡海拔低于 2 200 m 時(shí)，旱地、裸地、杜鵑灌叢只有零星分布，分布面積較小，但也有少量云南松林；海拔為2 200～2 500 m時(shí)，旱地、杜鵑灌叢明顯減少，且分布的主要植被類型為云南松林；海拔為2 500～2 900 m時(shí)，主要集中分布華山松林，局部地段因山勢陡峭，還能發(fā)現(xiàn)少量常綠闊葉林；海拔為2 900～3 200 m，高山裸露的基巖零星出現(xiàn)少量裸地，而云南鐵杉-闊葉混交林大面積出現(xiàn)；海拔為3 200～3 500 m時(shí)，云南鐵杉-闊葉混交林面積極少，蒼山冷杉-杜鵑林成為主要森林類型，云南松林消失殆盡；海拔為3 500～3 800 m時(shí)，亞高山草甸以顯著的面積優(yōu)勢成為垂直地帶性植被類型；海拔大于3 800 m時(shí)，杜鵑灌叢及草甸占主導(dǎo)。但也有部分植被因光譜特征極為相似而導(dǎo)致兩兩混淆。

2.1.2 大理蒼山西坡植被垂直分布特征 大理蒼山西坡海拔低于 1 750 m 的低山丘陵區(qū)域，土地多半已被開墾，旱地和次生灌叢分布比例大，而且有少面積的云南松林；海拔為1 750～2 500 m時(shí)，云南松林的分布范圍最廣，零星出現(xiàn)少量旱地和裸地；海拔為2 500～2 900 m時(shí)，主要分布大面積的常綠闊葉林，裸地分布不明顯；海拔為2 500～3 300 m時(shí)，常綠闊葉林已很難看到，云南鐵杉-闊葉混交林以顯著面積優(yōu)勢成為垂直地帶性植被類型，但裸地面積有明顯增多；海拔為3 300～3 700 m時(shí)，主要植被類型為針葉-杜鵑-箭竹矮林，散生少數(shù)蒼山冷杉-杜鵑林；海拔大于3 700 m的地區(qū)，杜鵑灌叢及草甸呈大面積成片分布。

2.2 精度評價(jià)

為了確定分類的精度和可靠性，通常采用混淆矩陣來評估分類的精度。本研究根據(jù)獲取的600個(gè)驗(yàn)證樣本點(diǎn)，采用eCognition軟件中基于分割對象選擇的樣本(error matrix based on sample)工具計(jì)算面向?qū)ο蠓诸惙ǖ姆诸惤Y(jié)果驗(yàn)證的混淆矩陣(表3)。由表3可知：與植被真實(shí)分布情況進(jìn)行對比驗(yàn)證，600個(gè)點(diǎn)中有28個(gè)點(diǎn)不匹配，引入輔助信息參與分類的總體精度為95.3%，Kappa系數(shù)為0.946 6。對于單一地類的精度，面向?qū)ο蠓诸惙ㄌ崛〉穆愕?、云南鐵杉-闊葉混交林、亞高山草甸和杜鵑灌叢草甸的生產(chǎn)者精度非常高，均為100.0%；杜鵑灌叢、蒼山冷杉-杜鵑林、針葉-杜鵑-箭竹矮林和常綠闊葉林次之，分別為98.7%、98.2%、97.8%和97.6%。除杜鵑灌叢草甸和亞熱帶干熱河谷次生灌叢外，各地類的用戶精度均超過90.0%，說明錯(cuò)分的現(xiàn)象較少。但也存在部分地物分類的誤差，主要原因有：①根據(jù)影像時(shí)相的不同，在進(jìn)行拼接時(shí)仍無法避免影像存在一定的色差。這也增加了不同植被類型邊界出現(xiàn)“同物異譜，異物同譜”現(xiàn)象的概率；②云南松林、常綠闊葉林、云南鐵杉-闊葉混交林等部分植被影像特征十分相似，造成人工選擇樣本時(shí)，界定目標(biāo)地物存在困難；③由于蒼山東西坡的垂直帶譜信息存在一定差異，不同海拔范圍內(nèi)優(yōu)勢物種的描述也有所不同，就使得一些面積較小的植被類型很少描述，由此導(dǎo)致分類不細(xì)致。

表3 分類結(jié)果的混淆矩陣Table 3 Confusion matrix of classification results

3 結(jié)論與討論

本研究結(jié)果表明：①研究中引入DEM地形數(shù)據(jù)、紋理特征來輔助多尺度、多層次的影像分割，能讓分割結(jié)果更細(xì)致，且使影像分割中過于細(xì)碎的圖像得以合并，能更高效、準(zhǔn)確地表達(dá)地物，從而避免影像上大量山體陰影、積雪等的影響。②結(jié)合層次分類的思想，采用面向?qū)ο蟮姆诸惙ǚ謱犹崛≈脖恍畔?，并在此基礎(chǔ)上疊加地形約束因子，可以有效改善研究區(qū)林地面積較大，植被邊界定義模糊，在特征相似或植被分布密集區(qū)域造成誤選樣本等問題。③通過構(gòu)建具有垂直帶譜信息的地形約束因子，利用人機(jī)交互的方式能夠更高效、準(zhǔn)確地選擇樣本，有效減少錯(cuò)分，最終實(shí)現(xiàn)蒼山植被信息的高精度提取，其總體精度為95.3%，Kappa系數(shù)為0.946 6。

本研究提高了地物分類精度，與張俊瑤等[1]、陳波等[12]的研究結(jié)論一致。但因本研究中部分?jǐn)?shù)據(jù)整理時(shí)間相對較早，缺乏野外實(shí)地考察，使蒼山的植被垂直帶譜分布范圍可能存在差異。在分類過程中，部分植被光譜特性相似度高、主觀性強(qiáng)等，勢必造成少部分植被被錯(cuò)分的情況。此外，部分植被如華山松林、云南松林、常綠闊葉林、云南鐵杉-闊葉混交林、針葉-杜鵑-箭竹矮林等影像特征相似，邊界界定模糊，如不引入地形約束因子，就無法識別區(qū)分植被。本研究對分類結(jié)果的準(zhǔn)確度的分析較單一，存在分割結(jié)果的邊界過于依賴地形約束因子圖層的邊界，破壞了對象的完整性。因此，今后研究中還將進(jìn)一步探索地形約束因子能否參與分割和如何參與分割的問題，或是否還能引入更多的因素輔助分類。