论文部分内容阅读
摘要 在使用遥感技术估算植被覆盖度过程中，估算结果极易受到地形的影响，不同的估算方法受到的影响程度也不同。针对上述问题，选用SCS+C进行地形校正，并对比和定量分析了经地形校正后与未经地形校正及未经严格地形校正像元二分模型植被覆盖度估算结果的变化特征。结果表明，平地、丘陵估算结果受地形影响较小，3种方法估算结果相似;山地估算结果受到地形影响最大，存在显著性差异，其中阴坡估算结果整体性呈显著偏大趋势，阳坡估算结果略微减小，VFCTAVI估算结果优于VFCNDVI。该研究结论可以促进植被覆盖度实际生产和反演方法的改进。
关键词 地形效应;植被覆盖度估算;地形调节植被指数
中图分类号TP 79文献标识码
A文章编号0517-6611（2018）36-0038-04
植被覆盖度是衡量地表植被状况的一个重要指标，是描述生态系统的重要基础数据，也是区域生态系统环境变化的重要指示，对研究水文、生态、区域变化等都具有重要意义。植被覆盖度的计算主要包括地面测量和遥感监测2种方法。随着遥感技术的发展，遥感监测已成为植被覆盖度估算的主要方法。
像元二分模型是使用较为广泛的一种植被覆盖度估算方法，其与归一化植被指数（NDVI）的结合应用取得了较好的效果。在实际应用中，山区的植被覆盖度估算结果由于受到地形效应的影响会出现一些偏差。目前解决地形效应最有效的方式是进行地形校正。该研究选用SCS+C进行地形校正，并对比和定量分析了经地形校正后与未经地形校正及未经严格地形校正像元二分模型植被覆盖度估算结果的变化特征。
1研究区概况与数据准备
1.1研究区概况该研究旨在探讨地形在植被覆盖度估算中的影响，故研究区域选择在张家口市地区，地理坐标为115°13′13″～115°45′39″E、40°22′33″～40°46′26″N，最低点高程460.0m，最高点高程1955.0m，平均高程1002.6m，包含平地、丘陵、山地等典型地形，有利于不同地形影响的研究;气候条件秋季晴朗、冷暖适中，大气能见度较高，有利于遥感成像。
1.2数据准备
根据植被覆盖度估算研究需要以及张家口地区气候特点，选取该地区Landsat8OLI多光譜数据（图1a）作为研究数据（http：∥www.gscloud.cn），成像时间2017-09-19，太阳高度角47.70770°，方位角152.16777°，空间分辨率30m，影像大小1500×1500Pixels，坐标系WGS-84，投影UTM，Zone50N。
选取研究区域ASTERGDEM数据（图1b，http：∥www.gscloud.cn），该数据由日本METI和美国NASA联合研制并免费面向公众分发，空间分辨率30m，坐标系WGS-84，投影UTM，Zone50N。
2研究技术路线与数据预处理
2.1研究技术路线
在辐射校正减弱地形影响的各种技术方法中，地形校正被认为是目前最有效的手段，此次研究选取地形校正中效果最好的SCS+C校正方法。设SCS+C校正后的数据计算出NDVISCS+C并结合像元二分模型估算出的植被覆盖度VFCSCS+C作为参考依据，与未经地形校正数据计算出的NDVI并结合像元二分模型估算出的植被覆盖度VFCNDVI及与未经严格地形校正的NDVI即地形调节植被指数（TAVI）并结合像元二分模型估算出的植被覆盖度抽样后进行对比分析，得到地形对植被覆盖度估算方法影响的变化特征，技术路线如图2所示。
2.2数据预处理
在遥感成像的过程中，受到外界条件的影响，不可避免地会含有辐射畸变，在辐射校正时进行了绝对辐射定标，FLAASH大气校正，地形校正采用SCS+C方法（图1c）。
研究区域的Landsat8影像与DEM坐标系及投影方式一致，经检查后发现能够达到研究需要的几何配准精度，故不再进行几何校正和几何配准。
3植被覆盖率估算与检验样本抽样
3.1归一化植被指数NDVI
归一化植被指数NDVI（normalizeddifferencevegetationindex），也称为生物量指标变化，能够使植被从水和土壤中分离出来，可作为植被生长状态及植被覆盖度的指示因子。
TAVI对地形效应的减弱效果很大程度上取决于地形调节因子f（Δ）的取值。采用最大值优化匹配算法计算f（Δ）：①利用DEM计算出研究区域的坡度、坡向，划分并提取出遥感影像上相应的阴坡、阳坡区域。②分别计算阴坡、阳坡区域中TAVI的最大值TAVI阳max和TAVI阴max，f（Δ）的初始值设为0。③f（Δ）从0开始，以步长10E-5增加，依次迭代计算，当|TAVI阳max-TAVI阴max|≤10-3终止迭代，计算得f（Δ）=1.42×10-3。
为了更好地比较TAVI在减弱地形效应方面的效果，截取了研究区影像的一小块区域分别计算地形校正前的NDVI、地形校正后的NDVISCS+C以及TAVI（图3），进行目视对比。从对比结果发现，从相应图像纹理均匀性方面考虑，抵抗地形效应最好的是NDVISCS+C，其次是TAVI，最后是NDVI，与预期效果一致。
3.3像元二分模型像元二分模型是在假设单个像元仅由有植被覆盖和无植被覆盖2部分组成的前提下提出的，这2部分对像元信息都有贡献。设植被覆盖率为VFC，则像元亮度值S可由植被覆盖部分亮度值Sveg和无植被覆盖部分的亮度值Ssoil按面积加权线性组合得到：
由表中数据分析可得，与NDVISCS+C相比，NDVI的min～max的动态范围缩小了，TAVI的动态范围与NDVISCS+C相似，较宽的动态范围表明TAVI与NDVI相比，对遥感影像中植被覆盖有更强的识别能力，影像的信息量更丰富。 3.4检验样本抽样
根据经验可知，地形效应对植被覆盖率的影响随着地形的不同也不相同，为了更准确地分析地形对地表植被覆盖度估算方法的影响，该研究拟采取集群采样结合简单随机抽样的方式进行检验样本抽样。按照地形分为平地区域、丘陵区域、山地区域阳坡、山地区域阴坡，分别对研究区进行人工集群采集，样本尽量均匀分布整个研究区，每个样本内地形保持一致，每类样本采样数量要超过5000个，总样本数占研究区域总像元数比例超过1%。在每类样本中简单随机抽样300个，保证总体估计是无偏的。
4植被覆盖率变化分析
4.1植被覆盖率总体趋势分析
由图4可知，3种方法估算的植被覆盖率总趋势相同，其中VFCNDVI、VFCTAVI相比VFCSCS+C在植被覆盖率{0.7，0.8）区间内有低估表现，{0.8，1]区间有高估表现，转折点在区间{0.8，0.9]内，而总体表现来看，VFCTAVI和VFCSCS+C的分布更为接近，说明TAVI在像元二分模型的应用中对地形效应的影响有一定的改善，但效果较地形校正略差。
4.2典型地形条件下的VFC变化分析
按照上述的抽样方法，分别对平地、丘陵、山地阴坡、山地阳坡进行抽样，每个样本数量为300，分别计算了VFCSCS+C、VFCNDVI、VFCTAVI地形条件下的均值变化关系（图5）。在平地、丘陵地形时，由于地形效应不明显，3种植被覆盖率估算结果表现较为一致，没有显著变化。山地的地形效应明显，山地阴坡、阳坡均值在VFCSCS+C的估算结果中近似相等，说明地形校正较为理想，与实际情况相符。VFCNDVI、VFCTAVI的估算结果呈现出一条由左到右的斜线，与VFCSCS+C值相比较，在阴坡处估算结果偏高，在阳坡处估算结果偏低，转折点在{0.8，0.9]区间内，与总体趋势分析结果相一致。阴坡处3种方法估算出来的植被覆盖率变化与阳坡处相比要剧烈，说明阴坡植被覆盖度的估算更容易受到地形的影响。阴坡、阳坡植被覆盖率均值连线的斜率VFCTAVI小于VFCNDVI，但大于VFCSCS+C，说明其估算结
4.3典型地形条件下配对t检验
表2是不同植被覆盖度估算方法在典型地形条件下配对t检验的结果。由结果分析可知，在平地、丘陵地形下，由于地形作用较弱，此时配对t检验均值和标准差较小，t绝对值在2～3，但VFCNDVI相应的概率P为0.010和0.019，均大于等于0.01，即在平地、丘陵地形条件下VFCNDVI和VFCSCS+C无显著性差异，而VFCTAVI相应的P值小于0.01，存在显著性差异，样本差异均值为-0.0013025、-0.0040439，标准差为0.0017766、0.0148680，差值在可接受范圍内。在山地阳坡、阴坡地形条件下，VFCNDVI、VFCTAVI与VFCSCS+C均存在显著性差异，其中在山地阳坡条件下，VFCNDVI与VFCTAVI有相似的表现，均值和标准差均较为接近;在山地阴坡条件下，VFCTAVI配对t检验结果相比VFCNDVI配对t检验结果有更小的均值和标准差，说明VFCTAVI结果更接近于VFCSCS+C，地形影响得到减弱。
5结论与讨论
（1）VFCSCS+C、VFCNDVI、VFCTAVI3种植被覆盖率估算方法结果存在着显著差异性，对地形效应影响减弱的效果由强到弱依次为VFCSCS+C、VFCTAVI、VFCNDVI。在平地和丘陵地区，3种估算方法结果差异不大，在山坡阴坡VFCTAVI、VFCNDVI估算值要大于VFCSCS+C，在山地阳坡VFCTAVI、VFCNDVI估算值要小于VFCSCS+C，主要原因是平地、丘陵受地形效应影响弱于山坡，其中山地阴坡受到的影响最大，在这种地形条件下VFCTAVI估算结果优于VFCNDVI。
（2）在地形调节植被指数（TAVI）的计算中，地形调节因子f（Δ）的取值与阴坡、阳坡样本有直接的关系，样本选取的不同计算出的f（Δ）会有较大的差异，下一步研究应注重样本的抽样保证f（Δ）结果的客观性。
（3）在平地、丘陵地形条件下VFCTAVI估算值与VFCSCS+C值配对检验有显著的差异性，而VFCNDVI估算值就没有这种表现。估算植被覆盖率时，在平地、丘陵采用VFCNDVI估算值，在山地采用VFCTAVI估算值，2种方法结合将会得到更好的结果。
参考文献
{1]江洪，张兆明，汪小钦，等.基于TAVI的山区毛竹林LAI反演分析{J].地球信息科学学报，2015，17（4）：500-504.
{2]江淼，张显峰，孙权，等.不同分辨率影像反演植被覆盖度的参数确定与尺度效应分析{J].武汉大学学报（信息科学版），2011，36（3）：311-315.
{3]CARLSONTN，RIPLEYDA.OntherelationbetweenNDVI，fractionalvegetationcover，andleafareaindex{J].Remotesensingofenvironment，1997，62（3）：241-252.
{4]刘广峰，吴波，范文义，等.基于像元二分模型的沙漠化地区植被覆盖度提取：以毛乌素沙地为例{J].水土保持研究，2007，14（2）：268-271.
{5]丁春晓，周汝良，叶江霞，等.地形起伏对陆地卫星的NDVI影响研究{J].林业资源管理，2016（4）：101-106.
{6]陈爱京，傅玮东，肖继东，等.基于像元二分模型的和布克赛尔县植被覆盖动态变化分析{J].草业科学，2012，29（6）：857-862.
{7]ZRIBIM，LEHGARATMASCLES，TACONETO，etal.Derivationofwildvegetationcoverdensityinsemiaridregions：ERS2/SARevaluation{J].Internationaljournalofremotesensing，2003，24（6）：1335-1352.
{8]马娜，胡云锋，庄大方，等.基于遥感和像元二分模型的内蒙古正蓝旗植被覆盖度格局和动态变化{J].地理科学，2012，32（2）：251-256.
{9]黎良财，邓利，曹颖，等.基于NDVI像元二分模型的矿区植被覆盖动态监测{J].中南林业科技大学学报，2012，32（6）：18-23.
{10]邓书斌.ENVI遥感图像处理方法{M].北京：科学出版社，2010：289-317.
{11]RUNDQUISTBC.Theinfluenceofcanopygreenvegetationfractiononspectralmeasurementsovernativetallgrassprairie{J].Remotesensingofenvironment，2002，81（1）：129-135.
关键词 地形效应;植被覆盖度估算;地形调节植被指数
中图分类号TP 79文献标识码
A文章编号0517-6611（2018）36-0038-04
植被覆盖度是衡量地表植被状况的一个重要指标，是描述生态系统的重要基础数据，也是区域生态系统环境变化的重要指示，对研究水文、生态、区域变化等都具有重要意义。植被覆盖度的计算主要包括地面测量和遥感监测2种方法。随着遥感技术的发展，遥感监测已成为植被覆盖度估算的主要方法。
像元二分模型是使用较为广泛的一种植被覆盖度估算方法，其与归一化植被指数（NDVI）的结合应用取得了较好的效果。在实际应用中，山区的植被覆盖度估算结果由于受到地形效应的影响会出现一些偏差。目前解决地形效应最有效的方式是进行地形校正。该研究选用SCS+C进行地形校正，并对比和定量分析了经地形校正后与未经地形校正及未经严格地形校正像元二分模型植被覆盖度估算结果的变化特征。
1研究区概况与数据准备
1.1研究区概况该研究旨在探讨地形在植被覆盖度估算中的影响，故研究区域选择在张家口市地区，地理坐标为115°13′13″～115°45′39″E、40°22′33″～40°46′26″N，最低点高程460.0m，最高点高程1955.0m，平均高程1002.6m，包含平地、丘陵、山地等典型地形，有利于不同地形影响的研究;气候条件秋季晴朗、冷暖适中，大气能见度较高，有利于遥感成像。
1.2数据准备
根据植被覆盖度估算研究需要以及张家口地区气候特点，选取该地区Landsat8OLI多光譜数据（图1a）作为研究数据（http：∥www.gscloud.cn），成像时间2017-09-19，太阳高度角47.70770°，方位角152.16777°，空间分辨率30m，影像大小1500×1500Pixels，坐标系WGS-84，投影UTM，Zone50N。
选取研究区域ASTERGDEM数据（图1b，http：∥www.gscloud.cn），该数据由日本METI和美国NASA联合研制并免费面向公众分发，空间分辨率30m，坐标系WGS-84，投影UTM，Zone50N。
2研究技术路线与数据预处理
2.1研究技术路线
在辐射校正减弱地形影响的各种技术方法中，地形校正被认为是目前最有效的手段，此次研究选取地形校正中效果最好的SCS+C校正方法。设SCS+C校正后的数据计算出NDVISCS+C并结合像元二分模型估算出的植被覆盖度VFCSCS+C作为参考依据，与未经地形校正数据计算出的NDVI并结合像元二分模型估算出的植被覆盖度VFCNDVI及与未经严格地形校正的NDVI即地形调节植被指数（TAVI）并结合像元二分模型估算出的植被覆盖度抽样后进行对比分析，得到地形对植被覆盖度估算方法影响的变化特征，技术路线如图2所示。
2.2数据预处理
在遥感成像的过程中，受到外界条件的影响，不可避免地会含有辐射畸变，在辐射校正时进行了绝对辐射定标，FLAASH大气校正，地形校正采用SCS+C方法（图1c）。
研究区域的Landsat8影像与DEM坐标系及投影方式一致，经检查后发现能够达到研究需要的几何配准精度，故不再进行几何校正和几何配准。
3植被覆盖率估算与检验样本抽样
3.1归一化植被指数NDVI
归一化植被指数NDVI（normalizeddifferencevegetationindex），也称为生物量指标变化，能够使植被从水和土壤中分离出来，可作为植被生长状态及植被覆盖度的指示因子。
TAVI对地形效应的减弱效果很大程度上取决于地形调节因子f（Δ）的取值。采用最大值优化匹配算法计算f（Δ）：①利用DEM计算出研究区域的坡度、坡向，划分并提取出遥感影像上相应的阴坡、阳坡区域。②分别计算阴坡、阳坡区域中TAVI的最大值TAVI阳max和TAVI阴max，f（Δ）的初始值设为0。③f（Δ）从0开始，以步长10E-5增加，依次迭代计算，当|TAVI阳max-TAVI阴max|≤10-3终止迭代，计算得f（Δ）=1.42×10-3。
为了更好地比较TAVI在减弱地形效应方面的效果，截取了研究区影像的一小块区域分别计算地形校正前的NDVI、地形校正后的NDVISCS+C以及TAVI（图3），进行目视对比。从对比结果发现，从相应图像纹理均匀性方面考虑，抵抗地形效应最好的是NDVISCS+C，其次是TAVI，最后是NDVI，与预期效果一致。
3.3像元二分模型像元二分模型是在假设单个像元仅由有植被覆盖和无植被覆盖2部分组成的前提下提出的，这2部分对像元信息都有贡献。设植被覆盖率为VFC，则像元亮度值S可由植被覆盖部分亮度值Sveg和无植被覆盖部分的亮度值Ssoil按面积加权线性组合得到：
由表中数据分析可得，与NDVISCS+C相比，NDVI的min～max的动态范围缩小了，TAVI的动态范围与NDVISCS+C相似，较宽的动态范围表明TAVI与NDVI相比，对遥感影像中植被覆盖有更强的识别能力，影像的信息量更丰富。 3.4检验样本抽样
根据经验可知，地形效应对植被覆盖率的影响随着地形的不同也不相同，为了更准确地分析地形对地表植被覆盖度估算方法的影响，该研究拟采取集群采样结合简单随机抽样的方式进行检验样本抽样。按照地形分为平地区域、丘陵区域、山地区域阳坡、山地区域阴坡，分别对研究区进行人工集群采集，样本尽量均匀分布整个研究区，每个样本内地形保持一致，每类样本采样数量要超过5000个，总样本数占研究区域总像元数比例超过1%。在每类样本中简单随机抽样300个，保证总体估计是无偏的。
4植被覆盖率变化分析
4.1植被覆盖率总体趋势分析
由图4可知，3种方法估算的植被覆盖率总趋势相同，其中VFCNDVI、VFCTAVI相比VFCSCS+C在植被覆盖率{0.7，0.8）区间内有低估表现，{0.8，1]区间有高估表现，转折点在区间{0.8，0.9]内，而总体表现来看，VFCTAVI和VFCSCS+C的分布更为接近，说明TAVI在像元二分模型的应用中对地形效应的影响有一定的改善，但效果较地形校正略差。
4.2典型地形条件下的VFC变化分析
按照上述的抽样方法，分别对平地、丘陵、山地阴坡、山地阳坡进行抽样，每个样本数量为300，分别计算了VFCSCS+C、VFCNDVI、VFCTAVI地形条件下的均值变化关系（图5）。在平地、丘陵地形时，由于地形效应不明显，3种植被覆盖率估算结果表现较为一致，没有显著变化。山地的地形效应明显，山地阴坡、阳坡均值在VFCSCS+C的估算结果中近似相等，说明地形校正较为理想，与实际情况相符。VFCNDVI、VFCTAVI的估算结果呈现出一条由左到右的斜线，与VFCSCS+C值相比较，在阴坡处估算结果偏高，在阳坡处估算结果偏低，转折点在{0.8，0.9]区间内，与总体趋势分析结果相一致。阴坡处3种方法估算出来的植被覆盖率变化与阳坡处相比要剧烈，说明阴坡植被覆盖度的估算更容易受到地形的影响。阴坡、阳坡植被覆盖率均值连线的斜率VFCTAVI小于VFCNDVI，但大于VFCSCS+C，说明其估算结
4.3典型地形条件下配对t检验
表2是不同植被覆盖度估算方法在典型地形条件下配对t检验的结果。由结果分析可知，在平地、丘陵地形下，由于地形作用较弱，此时配对t检验均值和标准差较小，t绝对值在2～3，但VFCNDVI相应的概率P为0.010和0.019，均大于等于0.01，即在平地、丘陵地形条件下VFCNDVI和VFCSCS+C无显著性差异，而VFCTAVI相应的P值小于0.01，存在显著性差异，样本差异均值为-0.0013025、-0.0040439，标准差为0.0017766、0.0148680，差值在可接受范圍内。在山地阳坡、阴坡地形条件下，VFCNDVI、VFCTAVI与VFCSCS+C均存在显著性差异，其中在山地阳坡条件下，VFCNDVI与VFCTAVI有相似的表现，均值和标准差均较为接近;在山地阴坡条件下，VFCTAVI配对t检验结果相比VFCNDVI配对t检验结果有更小的均值和标准差，说明VFCTAVI结果更接近于VFCSCS+C，地形影响得到减弱。
5结论与讨论
（1）VFCSCS+C、VFCNDVI、VFCTAVI3种植被覆盖率估算方法结果存在着显著差异性，对地形效应影响减弱的效果由强到弱依次为VFCSCS+C、VFCTAVI、VFCNDVI。在平地和丘陵地区，3种估算方法结果差异不大，在山坡阴坡VFCTAVI、VFCNDVI估算值要大于VFCSCS+C，在山地阳坡VFCTAVI、VFCNDVI估算值要小于VFCSCS+C，主要原因是平地、丘陵受地形效应影响弱于山坡，其中山地阴坡受到的影响最大，在这种地形条件下VFCTAVI估算结果优于VFCNDVI。
（2）在地形调节植被指数（TAVI）的计算中，地形调节因子f（Δ）的取值与阴坡、阳坡样本有直接的关系，样本选取的不同计算出的f（Δ）会有较大的差异，下一步研究应注重样本的抽样保证f（Δ）结果的客观性。
（3）在平地、丘陵地形条件下VFCTAVI估算值与VFCSCS+C值配对检验有显著的差异性，而VFCNDVI估算值就没有这种表现。估算植被覆盖率时，在平地、丘陵采用VFCNDVI估算值，在山地采用VFCTAVI估算值，2种方法结合将会得到更好的结果。
参考文献
{1]江洪，张兆明，汪小钦，等.基于TAVI的山区毛竹林LAI反演分析{J].地球信息科学学报，2015，17（4）：500-504.
{2]江淼，张显峰，孙权，等.不同分辨率影像反演植被覆盖度的参数确定与尺度效应分析{J].武汉大学学报（信息科学版），2011，36（3）：311-315.
{3]CARLSONTN，RIPLEYDA.OntherelationbetweenNDVI，fractionalvegetationcover，andleafareaindex{J].Remotesensingofenvironment，1997，62（3）：241-252.
{4]刘广峰，吴波，范文义，等.基于像元二分模型的沙漠化地区植被覆盖度提取：以毛乌素沙地为例{J].水土保持研究，2007，14（2）：268-271.
{5]丁春晓，周汝良，叶江霞，等.地形起伏对陆地卫星的NDVI影响研究{J].林业资源管理，2016（4）：101-106.
{6]陈爱京，傅玮东，肖继东，等.基于像元二分模型的和布克赛尔县植被覆盖动态变化分析{J].草业科学，2012，29（6）：857-862.
{7]ZRIBIM，LEHGARATMASCLES，TACONETO，etal.Derivationofwildvegetationcoverdensityinsemiaridregions：ERS2/SARevaluation{J].Internationaljournalofremotesensing，2003，24（6）：1335-1352.
{8]马娜，胡云锋，庄大方，等.基于遥感和像元二分模型的内蒙古正蓝旗植被覆盖度格局和动态变化{J].地理科学，2012，32（2）：251-256.
{9]黎良财，邓利，曹颖，等.基于NDVI像元二分模型的矿区植被覆盖动态监测{J].中南林业科技大学学报，2012，32（6）：18-23.
{10]邓书斌.ENVI遥感图像处理方法{M].北京：科学出版社，2010：289-317.
{11]RUNDQUISTBC.Theinfluenceofcanopygreenvegetationfractiononspectralmeasurementsovernativetallgrassprairie{J].Remotesensingofenvironment，2002，81（1）：129-135.