基于端元可變的喀斯特地形復(fù)雜區(qū)石漠化信息提取

阮 歐, 劉綏華*，羅 杰，胡海濤

1. 貴州師范大學(xué)地理與環(huán)境科學(xué)學(xué)院，貴州 貴陽(yáng) 550025 2. 貴州省山地資源與環(huán)境遙感應(yīng)用重點(diǎn)實(shí)驗(yàn)室，貴州 貴陽(yáng) 550025

引 言

喀斯特地區(qū)是典型的生態(tài)脆弱區(qū)，受其特殊的地質(zhì)環(huán)境的影響，生態(tài)環(huán)境和抗干擾能力都較差[1]。 喀斯特石漠化(KRD)是一種特殊類型的土地退化，由于土壤被水侵蝕導(dǎo)致基巖廣泛裸露，使得土地的承載力明顯下降，形成類似荒漠的景觀，喀斯特石漠化已成為目前我國(guó)最嚴(yán)重的生態(tài)環(huán)境問題[2]，同時(shí)也是導(dǎo)致山區(qū)農(nóng)村經(jīng)濟(jì)貧困的根源[3]。 在石漠化發(fā)生時(shí)，當(dāng)?shù)氐纳鷳B(tài)系統(tǒng)會(huì)發(fā)生逆向演替，在這一過程中，土壤不斷流失導(dǎo)致植被退化或消失，裸露的基巖成為最明顯的地表特征[4]。 基巖裸露率和植被覆蓋率被認(rèn)為是評(píng)價(jià)喀斯特石漠化的關(guān)鍵生態(tài)指標(biāo)[5]。 因此如何快速、 準(zhǔn)確的獲取基巖裸露率和植被覆蓋率是監(jiān)測(cè)石漠化的關(guān)鍵問題。

遙感是一種先進(jìn)的對(duì)地觀測(cè)手段，可以提供大范圍、 多時(shí)相、 多光譜的地面信息，已被廣泛用于地物分布和人類活動(dòng)的監(jiān)測(cè)中[6]。 當(dāng)前對(duì)喀斯特地區(qū)植被和裸巖的提取大多都是基于中等分辨率多光譜的遙感數(shù)據(jù)利用像元二分法(DPM)進(jìn)行的。 然而，喀斯特地區(qū)因其地形復(fù)雜多變、 地表異質(zhì)性強(qiáng)和陰影效應(yīng)明顯等特點(diǎn)，常常在較小范圍內(nèi)同時(shí)存在植被、 裸土、 裸巖和陰影等，導(dǎo)致在遙感影像的一個(gè)像素中包含多種地物，而多光譜數(shù)據(jù)由于其分辨率和波段數(shù)的限制，使得基于傳統(tǒng)DPM方法估算植被覆蓋度和裸巖率的精度會(huì)受到較大的影響。 相比之下，高光譜遙感具有光譜數(shù)量多的特點(diǎn)，可以建立各個(gè)地物的端元矩陣，通過光譜解混模型計(jì)算混合像元中包含的光譜成分和各地物在像元中的比例，從而獲得比多光譜遙感更好的地物識(shí)別效果[7]。 當(dāng)前，運(yùn)用最多、 場(chǎng)景最廣的混合像元分解模型是線性混合模型(linear spectral mixture model，LSMM)，其原理是假設(shè)地表有多種物質(zhì)，太陽(yáng)入射光線僅和其中一種地物發(fā)生作用，各地物之間并沒有相互作用，每個(gè)光子只能“看到”一種地表物質(zhì)并按一定的比例疊加到相機(jī)的傳感器上，通過將混合像元的光譜假設(shè)為幾種地物光譜線性組合進(jìn)行解混，從而達(dá)到提取不同地物占比的目的[8-9]。 然而在實(shí)際的場(chǎng)景中，地表受大氣、 光照條件及地形等的影響，地物光譜會(huì)發(fā)生不同程度的變異，特別是在光照不足的陰影區(qū)地物反射率會(huì)變得很低，因此考慮端元的變異性是必須的[10-11]。 針對(duì)混合像元分解過程中光譜變異的問題，在20世紀(jì)80年代末，Roberts等[12]提出了多端元光譜混合分析(multiple endmember spectral mixture analysis，MESMA)，通過建立地物端元庫(kù)，枚舉出最優(yōu)端元組合，以解決端元的變異問題，但該方法端元組合最多不超過4個(gè)。 Song等[13]將某些特定端元出現(xiàn)的幾率在端元選取過程中考慮進(jìn)來(lái)，提出了貝葉斯光譜混合分析。 Rogge[14]等提出了迭代光譜混合分析(iterative spectral mixture analysis，ISMA)，通過逐一去除像元中最小豐度值的端元，利用重構(gòu)誤差變化量確定每個(gè)像元的最優(yōu)端元集。 但上述方法計(jì)算較慢，并且對(duì)端元集的建立比較困難。 Lucas Drumetz等[15]通過用對(duì)角矩陣乘端元的方法有效地模擬由光照影響的地表物質(zhì)反射率的變化，以解決端元的變異情況，同時(shí)提高計(jì)算效率，該方法被稱為擴(kuò)展線性模型(ELMM)，這一方法有著明確的物理機(jī)制。 雖然ELMM在光譜可變性主要由照明變化引起的情況下表現(xiàn)良好，但當(dāng)端元受到更復(fù)雜的環(huán)境時(shí)光譜會(huì)失真，并且該模型假設(shè)所有波長(zhǎng)都有固定的縮放，因此，它缺乏必要的靈活性。 針對(duì)以上問題，Imbiriba等[16]在ELMM的理論基礎(chǔ)上提出了廣義線性混合模型(generalized linear mixing model，GLMM), 考慮了每個(gè)波長(zhǎng)間隔的光譜變異情況，依據(jù)波段的比例因子來(lái)適應(yīng)端元光譜的任意變化。

1 實(shí)驗(yàn)部分

1.1 研究區(qū)概況

研究區(qū)位于威寧西部，牛欄江東部，與云南接壤，經(jīng)緯度在103°45′43″—103°54′11″，26°49′51″～26°57′58″N之間，面積25 km2，屬于亞熱帶季風(fēng)性濕潤(rùn)氣候，年平均降雨926 mm，全年溫差較小。 該地峰壑交錯(cuò)，碳酸鹽巖分布廣泛，地形起伏大，平均海拔2 200 m，人口密度大，人多地少，強(qiáng)烈的人為活動(dòng)干擾和土壤侵蝕導(dǎo)致植被退化，巖石廣泛裸露，是典型的石漠化研究區(qū)。

圖1 研究區(qū)位置及地形圖Fig.1 Location and topographic map of study area

1.2 數(shù)據(jù)來(lái)源

本工作的數(shù)據(jù)主要包括GF-5高光譜數(shù)據(jù)、 GF-2和GF-6高分辨率數(shù)據(jù)及DEM數(shù)據(jù)。 GF-5和GF-6成像時(shí)間為2020年1、 2月份，GF-2成像時(shí)間為2019年2月，以上數(shù)據(jù)均來(lái)自高分貴州分中心。 其中經(jīng)過大氣校正、 壞波段剔除、 條帶去除、 地形校正的GF-5高光譜數(shù)據(jù)用于混合像元分解、 植被覆蓋度計(jì)算和裸巖率計(jì)算。 GF-2和GF-6高分辨率數(shù)據(jù)的預(yù)處理主要是以GF-5為參考采用二次多項(xiàng)式進(jìn)行幾何校正，然后用于地物目視解譯以驗(yàn)證各方法提取石漠化信息的精度。 DEM高程數(shù)據(jù)來(lái)自于地理空間數(shù)據(jù)云，分辨率為30m。 數(shù)據(jù)源詳細(xì)參數(shù)見表1。

表1 數(shù)據(jù)源參數(shù)Table 1 Parameters of data source

1.3 方法

1.3.1 端元提取

端元提取采用頂點(diǎn)成分分析法(vertical component analysis，VCA)，該方法基于凸面幾何理論以數(shù)據(jù)中存在純像元為前提進(jìn)行端元提取，該方法考慮了地形的起伏變化，運(yùn)用凸錐對(duì)數(shù)據(jù)進(jìn)行建模，原理如圖2所示，將影像中所有的像元投影到隨機(jī)方向上，將其中最大的投影像元作為第一端元，通過迭代方式將數(shù)據(jù)投影到與由已提取端元構(gòu)成的子空間正交方向上的方法來(lái)提取其余端元。 將影像中提取的所有植被、 裸巖、 裸土的端元各自平均，得到能普遍代表植被、 裸巖、 裸土的端元用于混合像元分解，提取的端元如圖3所示(a為提取的所有地物端元，b為各地物端元的平均波譜)。

1.3.2 廣義線性混合模型

廣義線性混合模型(GLMM)是為了彌補(bǔ)線性擴(kuò)展模型(ELMM)不能考慮每個(gè)波長(zhǎng)間隔的光譜可變性的一個(gè)延展，其原理是采用一個(gè)與譜帶相關(guān)的縮放因子，使其能夠適應(yīng)端元光譜的任意變化[15-16]。 在GLMM模型中每個(gè)像元rn用式(1)表示

rn=(M⊙Ψn)αn+en

(1)

式(1)中，Ψn∈⊙L×R(L為波段、R為端元)是一個(gè)縮放因子, [Ψn]l, κ=Ψnl, κ≥0, ⊙是一個(gè)Hadamard乘積。 該模型是ELMM的一種推廣，ELMM具體原理參考文獻(xiàn)[16]，其中縮放矩陣Ψn，可以單獨(dú)作用于每個(gè)端元的每個(gè)波長(zhǎng)，允許考慮每個(gè)端元光譜不一致的變量，這樣使得模型變得更加靈活。 因此，ELMM只是GLMM的一種特殊情況，GLMM可以用于每個(gè)波長(zhǎng)范圍任意粒度級(jí)別的變化，以至于達(dá)到每個(gè)像素中每個(gè)端元的每個(gè)波長(zhǎng)分量獨(dú)立縮放的極限。

2018年5月29日下午，肇慶海事局2018年“智慧西江”“雙實(shí)驗(yàn)室”簽約儀式暨“平安西江”搜救應(yīng)急裝備建設(shè)展示與操作演練在該局港口海事處進(jìn)行。

圖3 各地物光譜曲線圖Fig.3 Spectral curves of local objects

1.3.3 像元二分法模型(DPM)

(1)植被覆蓋度計(jì)算

采用DPM計(jì)算植被覆蓋度(fractional vegetation cover, FVC)，基于歸一化植被指數(shù)(normalized difference vegetation index，NDVI)的DPM對(duì)研究區(qū)的植被覆蓋度進(jìn)行估計(jì)，NDVI計(jì)算公式為式(2)

(2)

式(2)中，ρNIR和ρRED分別為中心波長(zhǎng)為860與660 nm的反射率，預(yù)處理后GF-5對(duì)應(yīng)的波段分別為111和64。

根據(jù)上述公式計(jì)算研究區(qū)的NDVI值。 NDVI值服從正態(tài)隨機(jī)分布，其小于5%和大于95%的值不是植被覆蓋程度的反映。 選擇NDVI=5%的值為NDVImin，NDVI=95%的值為NDVImax，按照如式(3)計(jì)算植被覆蓋度

fc=(NDVI-NDVImin)/(NDVImax-NDVImin)

(3)

(2)巖石裸露率計(jì)算

計(jì)算方法與植被覆蓋度計(jì)算方法類似，DPM是基于NDRI計(jì)算的，計(jì)算公式分別如式(4)和式(5)

(4)

fr=(NDRI-NDRI0)/(NDRIr-NRVI0)

(5)

根據(jù)巖石在GF-5影像上的光譜特征，ρb和ρa(bǔ)分別取中心波長(zhǎng)為2 355和2 335 nm處的反射率。 根據(jù)以往研究本工作選取累積頻率為95%和5%的NDRI為NDRIr和NRVI0。

1.3.4 精度驗(yàn)證

采用誤差矩陣對(duì)植被覆蓋度和巖石裸露率進(jìn)行精度驗(yàn)證。 Kappa系數(shù)用于評(píng)估預(yù)測(cè)的植被覆蓋度和巖石裸露率的準(zhǔn)確度，同時(shí)還計(jì)算了每個(gè)類別的總體精度、 用戶精度(UA)及生產(chǎn)者精度(PA)。 根據(jù)石漠化評(píng)估指標(biāo)將植被覆蓋度和巖石裸露率各分為5個(gè)等級(jí)(0～10%，10%～35%，35%～50%，50%～70%和70%～100%)。 石漠化地面參考數(shù)據(jù)主要是通過GF-2與GF-6協(xié)同目視解譯提取的，兩者分辨率分別為0.8和2 m，根據(jù)實(shí)地調(diào)查，提取的地物與實(shí)際分布狀況是相符合的。 根據(jù)目視解譯結(jié)果參照GF-5分辨率建立對(duì)應(yīng)的30 m×30 m的網(wǎng)格，并計(jì)算每個(gè)網(wǎng)格中植被與巖石的占比，同樣將植被覆蓋度和巖石裸露率分為5個(gè)等級(jí)，最后得到用于驗(yàn)證樣本共940個(gè)，其中光照區(qū)720個(gè)，陰影區(qū)220個(gè)。

2 結(jié)果與討論

2.1 各方法石漠化信息提取總體精度評(píng)價(jià)

以高分辨率遙感影像解譯結(jié)果作為參考，驗(yàn)證GLMM，F(xiàn)CLSU和DPM預(yù)測(cè)的精度。 從表2中可以看出GLMM方法預(yù)測(cè)結(jié)果無(wú)論是在光照區(qū)還是陰影區(qū)都是最好的，所有區(qū)域總精度達(dá)到了84.89%，Kappa系數(shù)為0.767，明顯高于FCLSU的59.68%和DPM的67.34%。 從光照區(qū)和陰影區(qū)的精度來(lái)看，GLMM在光照區(qū)與陰影區(qū)都有著較好的分類精度，其中光照區(qū)精度為86.81%，陰影區(qū)為78.18%。 相比之下，雖然FCLSU和DPM在光照區(qū)有著較好的表現(xiàn)，精度分別為66.52%和74.44%，但在陰影區(qū)兩種方法的精度明顯下降，僅為35.91%和44.09%，Kappa系數(shù)也非常低，僅為0.111和0.061。

表2 估計(jì)的植被和裸巖覆蓋度百分比總體精度(OA)和Kappa系數(shù)Table 2 Overall accuracy (OA) and Kappa coefficient of estimatedvegetation and bare rock coverage percentage

2.2 植被覆蓋度和基巖裸露率提取精度評(píng)價(jià)

利用光照區(qū)域和陰影區(qū)域的精度評(píng)價(jià)混淆矩陣，探討各方法預(yù)測(cè)植被覆蓋度及基巖裸露率的精度。 從表3可以看出，在光照區(qū)GLMM能較好地預(yù)測(cè)每一個(gè)等級(jí)的植被覆蓋率與裸巖率，兩者用戶精度均在63%～95%之間，相對(duì)來(lái)說GLMM對(duì)20%～35%區(qū)間的覆蓋率預(yù)測(cè)稍差，植被與裸巖的覆蓋度精度都只在65%左右。 FCLSU對(duì)高植被覆蓋度和低植被覆蓋度區(qū)域的預(yù)測(cè)較好，用戶精度在75.61%～84.43%之間，但在中等覆蓋度預(yù)測(cè)效果較差，用戶精度都在49%以下，在對(duì)裸巖率的預(yù)測(cè)上FCLSU除了對(duì)裸巖率高的區(qū)域能有較好的預(yù)測(cè)外其他等級(jí)預(yù)測(cè)結(jié)果與實(shí)際相差較大。 DPM對(duì)植被的預(yù)測(cè)除小于10%的低覆蓋度地區(qū)較差外對(duì)其他等級(jí)的預(yù)測(cè)較為準(zhǔn)確，精度在58.70%～77.36%之間，但是對(duì)巖石裸露率的預(yù)測(cè)除了70%～100%的高覆蓋區(qū)預(yù)測(cè)精度達(dá)到95.29%以外，其他等級(jí)的精度都較差，特別是對(duì)20%～70%區(qū)間的覆蓋度幾乎都沒成功預(yù)測(cè)。 相比之下，對(duì)陰影區(qū)植被和裸巖的預(yù)測(cè)，各方法都有不同程度的下降。 在植被覆蓋度預(yù)測(cè)上，GLMM對(duì)70%～100%覆蓋度的預(yù)測(cè)達(dá)到了91.75%，在0%～70%的預(yù)測(cè)精度明顯低很多，準(zhǔn)確度僅在33.33%～66.67%之間，在對(duì)裸巖的預(yù)測(cè)上，低于10%的低覆蓋區(qū)與高于70%的高覆蓋區(qū)域，GLMM都能有一個(gè)較好的預(yù)測(cè)結(jié)果，預(yù)測(cè)精度在84.48%～90.00%之間，

表3 光照區(qū)與和陰影區(qū)域各方法結(jié)果精度驗(yàn)證混淆矩陣Table 3 Confusion matrix of accuracy verification of results in illumination area and shadow area

續(xù)表3

但對(duì)20%～70之間的預(yù)測(cè)較低。 FCLSU在對(duì)中高覆蓋度植被的預(yù)測(cè)上準(zhǔn)確度差，只有低覆蓋區(qū)域稍好，精度為64.29%； 對(duì)裸巖的預(yù)測(cè)則相反，在70%～100%之間的預(yù)測(cè)精度達(dá)到了100%，然而其他等級(jí)幾乎都沒有成功預(yù)測(cè)。 DPM的表現(xiàn)則明顯高估了各等級(jí)的覆蓋度，表明該方法受陰影影響最大。

2.3 地形效應(yīng)對(duì)提取方法的影響

圖4表明GLMM估計(jì)的植被平均覆蓋率在光照區(qū)域與陰影區(qū)域除0%～10%覆蓋度外，其余類別陰影區(qū)域光照區(qū)預(yù)測(cè)結(jié)果較為類似，預(yù)測(cè)值都在參考值的范圍內(nèi)； 在植被低覆蓋區(qū)域的陰影部分預(yù)測(cè)值明顯偏高，平均高了28%的覆蓋度。 在對(duì)裸巖率的預(yù)測(cè)中，GLMM在10%～35%之間的覆蓋度陰影區(qū)預(yù)測(cè)平均值偏低，平均值僅為12%，其余等級(jí)覆蓋度光照區(qū)與陰影區(qū)預(yù)測(cè)較為接近，均滿足參考區(qū)間的范圍； 從整體來(lái)看GLMM能較好地減輕陰影的影響，對(duì)于復(fù)雜山區(qū)石漠化的提取效果較好。 相比之下，另外兩種方法受地形效應(yīng)的影響較大，F(xiàn)CLSU對(duì)光照區(qū)的植被覆蓋度預(yù)測(cè)較好，所有的預(yù)測(cè)值都與參考值很好的契合，但在陰影區(qū)除在10%～35%之間的植被覆蓋度預(yù)測(cè)較為準(zhǔn)確外，其余覆蓋區(qū)間的預(yù)測(cè)均有較大的差別，在0%～10%之間的預(yù)測(cè)偏高，高出參考值17%，而在35%～100%覆蓋區(qū)間則又偏低，覆蓋度越高，與預(yù)測(cè)值之間的相差越大，在70%～100%之間覆蓋度與參考值相差達(dá)到33%。 FCLSU對(duì)裸巖的預(yù)測(cè)則表現(xiàn)與植被覆蓋度預(yù)測(cè)相反結(jié)果，在高值區(qū)的表現(xiàn)好于低值區(qū)，但無(wú)論是光照區(qū)還是陰影區(qū)，裸巖率低于50%時(shí)，預(yù)測(cè)結(jié)果與實(shí)際結(jié)果出現(xiàn)較大偏差，預(yù)測(cè)結(jié)果明顯大于參考值； 相對(duì)而言，DPM的預(yù)測(cè)結(jié)果在三種方法中表現(xiàn)最差，除了對(duì)光照區(qū)大于10%覆蓋率和陰影區(qū)大于50%覆蓋率的植被預(yù)測(cè)表現(xiàn)較好外，對(duì)其余區(qū)間植被和裸巖的預(yù)測(cè)表現(xiàn)都較差。 總體來(lái)說，三種方法在光照區(qū)的預(yù)測(cè)精度均高于陰影區(qū)，考慮光譜變異的GLMM方法預(yù)測(cè)結(jié)果表現(xiàn)最好，能有效地減輕地形效應(yīng)的影響，F(xiàn)CLSU與DPM的方法對(duì)于地形復(fù)雜陰影明顯的地區(qū)適用性較差。

圖4 光照區(qū)和陰影區(qū)域裸巖與植被覆蓋度的預(yù)測(cè)百分比Fig.4 Prediction percentages of bare rock and vegetation coverage in light and shadow areas

地形效應(yīng)會(huì)使遙感影像中陰影區(qū)的地物光譜發(fā)生不同程度變異，使得提取的光照區(qū)與陰影區(qū)的相同地物表現(xiàn)出不同的效果。 以植被覆蓋率的預(yù)測(cè)為例，探討地形效應(yīng)對(duì)三種方法的影響。 如圖5所示，原始影像上a，b均為陰影區(qū)，對(duì)照GF-6號(hào)同時(shí)期同區(qū)域影像(標(biāo)準(zhǔn)假彩色)發(fā)現(xiàn)陰影下分布有大量植被。 從圖中可以看出，在a區(qū)域GLMM較好的提取出了植被，提取結(jié)果與地面實(shí)際分布輪廓基本一致； 預(yù)測(cè)的植被覆蓋率與地面參考也較為一致，F(xiàn)CLSU雖然提取結(jié)果的空間分布與地面實(shí)際一致，但植被覆蓋率預(yù)測(cè)值明顯偏低； 相比之下DPM的表現(xiàn)在陰影區(qū)域非常不盡人意，整體表現(xiàn)偏高。 在b區(qū)域，藍(lán)色和黑色方框分別代表相同植被覆蓋率的光照區(qū)和陰影區(qū)，從GLMM和FCLSU預(yù)測(cè)的結(jié)果來(lái)看，同等植被覆蓋率在光照區(qū)與陰影區(qū)表現(xiàn)相似，GLMM好于FCLSU。 而DMP則在兩個(gè)區(qū)域表現(xiàn)出較大差異，陰影區(qū)預(yù)測(cè)值明顯高于光照區(qū)。 為了進(jìn)一步分析地形對(duì)各方法影響，基于DEM高程數(shù)據(jù)計(jì)算太陽(yáng)入射角余弦值來(lái)模擬地形產(chǎn)生的陰影效應(yīng)，其中方法預(yù)測(cè)的值與太陽(yáng)入射角余弦值相關(guān)系數(shù)越低表明受陰影影響越小。 從表4看出GLMM預(yù)測(cè)的植被覆蓋度和裸巖率與太陽(yáng)入射角余弦相關(guān)系數(shù)分別為-0.159和0.045且p值均大于0.05，說明GLMM預(yù)測(cè)值與太陽(yáng)入射角沒有相關(guān)性，F(xiàn)CLSU預(yù)測(cè)的裸巖率與太陽(yáng)入射角余弦相關(guān)系數(shù)為0，p值大于0.05，表明陰影地形效應(yīng)對(duì)裸巖的不大，相對(duì)之下FCLSU預(yù)測(cè)的植被覆蓋度、 DPM預(yù)測(cè)的裸巖率和植被覆蓋度則與太陽(yáng)入射角余弦值有較強(qiáng)的相關(guān)性，相關(guān)系數(shù)分別為-0.621，0.549和-0.582，p值均小于0.01，說明兩種方法受地形效應(yīng)影響較大。

圖5 各方法陰影區(qū)植被覆蓋度預(yù)測(cè)結(jié)果與高清影像對(duì)比Fig.5 Comparison of vegetation coverage prediction results of shadow areas with high-definition images by various methods

表4 各方法預(yù)測(cè)值與太陽(yáng)入射角余弦值相關(guān)系數(shù)Table 4 Correlation coefficient between prediction value of eachmethod and cosine value of solar incident angle

針對(duì)喀斯特山區(qū)石漠化造成的土地退化現(xiàn)象，如何快速、 準(zhǔn)確及時(shí)的獲取石漠化信息是當(dāng)前治理和預(yù)防石漠化恢復(fù)生態(tài)的關(guān)鍵。 喀斯特地區(qū)石漠化信息提取通常利用DPM方法提取基巖裸露率與植被蓋度，但喀斯特地區(qū)，地形起伏隨處可見，崎嶇的地形不僅影響植被的生長(zhǎng)，同時(shí)也影響著植被信息的提取。 在中等空間分辨率遙感影像中地形效應(yīng)對(duì)地物反射率的影響非常大，受陰影影響地物反射率會(huì)明顯偏低，地物光譜吸收與反射波段的DN值差距變小，光譜整體波動(dòng)變大。 以植被為例，當(dāng)坡向由光照區(qū)轉(zhuǎn)向陰影區(qū)時(shí)，近紅外的DN值比紅波段的DN下降更快，并且紅波段的DN值甚至?xí)霈F(xiàn)負(fù)值，使NDVI計(jì)算結(jié)果偏大，導(dǎo)致最終DPM計(jì)算的植被蓋度預(yù)測(cè)結(jié)果不準(zhǔn)確，對(duì)地形復(fù)雜陰影效應(yīng)明顯地區(qū)不同等級(jí)石漠化面積的估測(cè)造成較大的影響。 雖然有很多研究在使用DPM時(shí)對(duì)影像進(jìn)行過地形校正，但已有研究表明地形校正模型并不能有效地提高提取地物精度，因此DPM的方法在地形崎嶇的地區(qū)使用時(shí)必須考慮地形效應(yīng)的影響，本研究也進(jìn)一步證明了這一點(diǎn)。

其次，崎嶇的喀斯特山區(qū)在產(chǎn)生大量陰影同時(shí)，由于地表破碎和地表異質(zhì)性的特點(diǎn)也導(dǎo)致了地表大量的混合像元，針對(duì)這一問題，光譜分解方法可以較好地解決，雖然當(dāng)前這類方法在喀斯特山區(qū)的應(yīng)用較少，但在城市以及地形簡(jiǎn)單的地區(qū)已有了大量研究。 喀斯特地區(qū)由于人為干擾、 光照條件以及風(fēng)化和侵蝕的影響，端元變異的現(xiàn)象普遍存在，且由于地物破碎獲取地物端元比較困難。 因此，本工作基于考慮端元可變的GLMM方法來(lái)試解決以上問題。 研究表明，與傳統(tǒng)的DPM和不考慮端元可變的FCLSU相比，GLMM在光照區(qū)和陰影區(qū)對(duì)各等級(jí)植被覆蓋度和裸巖率的預(yù)測(cè)都有著較好地結(jié)果，好于其他兩種方法，在光照較好地地區(qū)，地物覆蓋度精度高于86%，在陰影區(qū)精度也達(dá)到了78%，這是由于GLMM的方法是通過采用對(duì)角的方法模擬光照影像的反射率的變化，并且還考慮每一個(gè)波長(zhǎng)間隔的光譜變異以適應(yīng)端元的任意變化，因此能較為有效地模擬陰影區(qū)地物光譜反射率低的情況。 GLMM在陰影區(qū)對(duì)植被覆蓋度的預(yù)測(cè)相較于裸巖率的預(yù)測(cè)更加準(zhǔn)確，這可能是因?yàn)槁阃炼嗽c裸巖端元非常相似(圖3)，陰影區(qū)各波段DN值變化大、 值較低，GLMM在對(duì)端元進(jìn)行擴(kuò)展模擬時(shí)會(huì)導(dǎo)致裸土和裸巖的端元差距變小，從而導(dǎo)致光譜的分解能力差于植被。 雖然，GLMM的方法在喀斯特復(fù)雜山區(qū)的效果好于傳統(tǒng)的DPM和不考慮端元變異情況的FCLSU，但是本工作在對(duì)地物端元的選擇是還存在一定的不足，雖然通過對(duì)研究區(qū)的實(shí)際情況進(jìn)行分析，考慮了地表主要的三種地物類型： 植被、 裸土及裸巖，但是在提取端元時(shí)由于條件限制只提取了三種地物在光照充足地區(qū)的端元，沒能提取到陰影區(qū)域的端元。 GLMM雖說可以一定程度上模擬陰影區(qū)的地物光譜情況，但都是以光照區(qū)端元的光譜形態(tài)為基礎(chǔ)進(jìn)行變化的，實(shí)際上陰影區(qū)地物的端元光譜形態(tài)與光照區(qū)還是存在較大差別的。 因此，在條件允許的情況下應(yīng)考慮陰影區(qū)的端元，以提高對(duì)地物的提取精度。

3 結(jié) 論

為了減輕喀斯特山區(qū)地形復(fù)雜、 地表破碎、 陰影效應(yīng)等對(duì)石漠化信息提取的影響，利用GF-5號(hào)高光譜影像基于考慮端元可變的GLMM方法對(duì)研究區(qū)進(jìn)行石漠化信息提取，并與傳統(tǒng)的DPM方法和未考慮端元變異的FCLSU進(jìn)行對(duì)比。 在三種方法中，精度最好的是GLMM，光照區(qū)和陰影區(qū)的總精度分別為86.80%和78.18%，F(xiàn)CLSU與DPM的預(yù)測(cè)精度較低，特別是在陰影區(qū)，精度僅為47.73%和44.09%，僅在低覆蓋和高覆蓋區(qū)表現(xiàn)較好，對(duì)于中覆蓋區(qū)預(yù)測(cè)精度非常差。 其次，三者估計(jì)的地物覆蓋度與太陽(yáng)入射角余弦相關(guān)系數(shù)表明，GLMM預(yù)測(cè)的植被蓋度與裸巖率和太陽(yáng)入射角余弦相關(guān)性不強(qiáng)，p均大于0.05，受陰影效應(yīng)影響較小。 除FCLSU預(yù)測(cè)的裸巖率與太陽(yáng)入射角余弦相關(guān)系數(shù)為0，p值大于0.05外，F(xiàn)CLSU預(yù)測(cè)的植被與DPM預(yù)測(cè)的裸巖率和植被覆蓋度則與太陽(yáng)入射角余弦值有較強(qiáng)的相關(guān)性，p值均小于0.01，受陰影效應(yīng)影像較大。 因此，在喀斯特山區(qū)采用GLMM的方法提取石漠化信息，可以一定程度上減輕陰影的影響，進(jìn)一步提高石漠化信息的提取精度。