王海賓

(省部共建森林培育與保護(hù)教育部重點實驗室(北京林業(yè)大學(xué))，北京，100083)

黃國勝 程志楚 夏朝宗

(國家林業(yè)局調(diào)查規(guī)劃設(shè)計院)

鄧華鋒

(省部共建森林培育與保護(hù)教育部重點實驗室(北京林業(yè)大學(xué)))

植被蓋度是反映地表植被的覆蓋情況和監(jiān)測植被生境及長勢的重要指標(biāo)，在植被資源動態(tài)監(jiān)測方面具有重要意義[1－5]。傳統(tǒng)的植被蓋度測算方法通常是基于地面測量方法，此方法可以在小區(qū)域內(nèi)采用并獲得較高的精度，但精度過度依賴于采樣點的數(shù)量與質(zhì)量[6－8]，尤其是在偏遠(yuǎn)難以踏足地區(qū)使用困難。隨著遙感技術(shù)的快速發(fā)展，遙感圖像具有周期性、宏觀性、時效性等特點，可以在大范圍區(qū)域內(nèi)估算植被蓋度，尤其是多源遙感數(shù)據(jù)的不斷涌現(xiàn)，它所能提供的信息具有冗余性、互補(bǔ)性和合作性，可以使植被蓋度的定量估測更精確、更可靠，廣泛的應(yīng)用在植被監(jiān)測領(lǐng)域[9－10]。

如何充分利用不同分辨率影像之間互補(bǔ)的優(yōu)勢，結(jié)合不同分辨率遙感數(shù)據(jù)的優(yōu)點來提高解譯精度，是當(dāng)前遙感及生態(tài)領(lǐng)域研究的重要內(nèi)容[11]。20世紀(jì)70年代末開展的尺度研究，為該問題的解決提供了新的思路。利用尺度轉(zhuǎn)換進(jìn)行遙感信息的提取，獲得精度和尺度的雙重優(yōu)勢，前人做了大量的研究。Kevin等[12]分析了氣象衛(wèi)星改進(jìn)型高分辨率輻射歸一化植被指數(shù)(NOAA NDVI)和中分辨率成像光譜儀歸一化植被指數(shù)(MODIS NDVI)之間的差異，建立了農(nóng)田、草地、常綠闊葉林、灌木、城鎮(zhèn)等類型的NOAA NDVI與MODIS NDVI數(shù)據(jù)的關(guān)系模型。Mayaux等[13]通過四種空間指數(shù)修正了TM和AVHRR數(shù)據(jù)間的統(tǒng)計關(guān)系，運用兩步式轉(zhuǎn)換方法對植被面積進(jìn)行了尺度轉(zhuǎn)換研究，李曉兵等[14]采用數(shù)字相機(jī)、ETM+和NOAA影像、野外群落樣方對我國北方典型草原區(qū)植被覆蓋度進(jìn)行了監(jiān)測，并通過ETM+影像提高了NOAA影像的提取精度。張宏斌等[15]探討了在大尺度空間范圍內(nèi)進(jìn)行不同分辨率遙感數(shù)據(jù)之間的空間尺度轉(zhuǎn)換方法，并利用NOAA NDVI和MODIS NDVI數(shù)據(jù)建立了空間尺度轉(zhuǎn)換模型。

森林作為可再生自然資源及陸地生態(tài)系統(tǒng)的主體，在維持生態(tài)平衡和保護(hù)環(huán)境方面具有重要的作用，及時并準(zhǔn)確的掌握森林資源概況對合理管理和利用森林資源具有重要的理論意義和指導(dǎo)作用[16]。以往的研究多集中在植被蓋度估測上，范圍較廣，而單獨針對森林蓋度估測的研究則較少。本研究以遼寧省撫順市為研究區(qū)，選取森林蓋度為研究對象，應(yīng)用MODIS、TM多光譜遙感數(shù)據(jù)，應(yīng)用航片進(jìn)行人機(jī)交互式解譯法，對樣框內(nèi)的森林蓋度進(jìn)行提取，采用回歸分析方法，建立MODIS和TM影像間的森林蓋度經(jīng)驗?zāi)Ｐ?，為研究大中尺度森林蓋度和面積估測提供參考。

1 研究區(qū)概況

撫順市位于遼寧省東部偏北，位于東經(jīng)123°39'42″～125°28'58″，北緯 41°14'10″～42°28'32″。東西長151 km，南北寬138 km。境內(nèi)平均海拔80 m，地處中溫帶，屬大陸性季風(fēng)氣候，年均溫度6.6℃，年均降水量804.2 mm，無霜期145 d。撫順屬長白山余脈，呈東南高，西北低之勢，境內(nèi)山巒連綿起伏，水源充沛，土地肥沃，森林茂密，森林資源豐富。全市森林面積達(dá)到 74.3萬 hm2，森林覆蓋率達(dá) 66.24%，森林蓄積量達(dá)到6510萬m3，是遼寧省重要的水源涵養(yǎng)林和用材林基地。

2 研究方法

2.1 數(shù)據(jù)來源和數(shù)據(jù)處理

遙感數(shù)據(jù)。研究所用的不同分辨率遙感影像有:MODIS影像、TM影像、航片數(shù)據(jù)(表1)。

表1 遙感數(shù)據(jù)信息

矢量數(shù)據(jù)。研究所用矢量數(shù)據(jù)包括撫順市邊界矢量圖、森林分布矢量圖，撫順市2009年森林資源二類調(diào)查矢量數(shù)據(jù)，比例尺為1∶50000。

以2009年航片為地面參考信息源，對TM數(shù)據(jù)進(jìn)行輻射校正、幾何精校正，F(xiàn)LAASH大氣校正，幾何校正誤差控制在0.5個像元以內(nèi)。

MODIS數(shù)據(jù)為2009年10月5日的16 d合成的250 m分辨率的 MOD13Q1數(shù)據(jù)，景號為H27V04。應(yīng)用格式轉(zhuǎn)換(MRT，Modis Reprojection Tool)工具對MOD13Q1數(shù)據(jù)進(jìn)行投影轉(zhuǎn)換，并將數(shù)據(jù)轉(zhuǎn)換為TIF格式。在Envi4.8下，以經(jīng)過校正的TM影像為參考，選取了相對明顯的12個地物點為控制點，對MODIS數(shù)據(jù)進(jìn)行幾何精校正，誤差控制在0.5個像元以內(nèi)，將MODIS數(shù)據(jù)重采樣至240 m。

利用撫順市邊界提取研究區(qū)內(nèi)MODIS數(shù)據(jù)和TM影像信息，再通過掩膜的方法，利用森林分布圖獲取研究區(qū)內(nèi)的MODIS和TM森林影像信息。

2.2 森林蓋度的獲取

本研究采用系統(tǒng)抽樣方法，應(yīng)用Arcgis10.0軟件中的 Hawths Tools工具中的 Generate Regular Points，在覆蓋撫順市的 MODIS NDVI和 TM NDVI遙感數(shù)據(jù)上布設(shè)抽樣點，抽樣間距為4800 m，然后使用Creat Sample Plots工具將抽樣點轉(zhuǎn)換為抽樣框，抽樣框大小即為MODIS影像像元大小(240 m×240 m)。使用Arcgis10.0軟件中的Move工具對抽樣框進(jìn)行平移，以使抽樣框與MODIS和TM像元相匹配。參考森林資源二類調(diào)查矢量數(shù)據(jù)，應(yīng)用Arcgis10.0軟件對覆蓋抽樣框的航片進(jìn)行人機(jī)交互式解譯，獲得抽樣框內(nèi)的森林面積并轉(zhuǎn)換為森林蓋度，得到每個抽樣框內(nèi)的地面森林蓋度并作為近似真值(以下稱為森林蓋度實測值)。

森林蓋度的計算公式為:FVC=S/Sy。式中:FVC為抽樣框內(nèi)的森林蓋度;S為解譯的抽樣框內(nèi)森林面積;Sy為抽樣框面積。

2.3 植被指數(shù)

目前國內(nèi)外提出的有關(guān)植被指數(shù)的指標(biāo)有40多個[19]，NDVI作為最常用的指標(biāo)之一，是植被生長和植被覆蓋度的最佳指示因子，具有計算簡單、應(yīng)用最廣泛的特點。該指標(biāo)對土壤背景的變化比較敏感，能夠大大的消除地形和群落結(jié)構(gòu)陰影的影響，并削弱大氣的干擾，常被引用來反映植被生長和分布、植被生物量等信息，反映植被長勢和生態(tài)環(huán)境狀況的重要參數(shù)。本研究采用NDVI作為多源遙感影像的計算參數(shù)，其表達(dá)式為:INDV=(NIR－R)/(NIR+R)。其中，INDV表示歸一化植被指數(shù)，NIR、R分別表示近紅外波段、紅光波段。

2.4 森林蓋度經(jīng)驗?zāi)Ｐ偷臉?gòu)建

本研究借鑒張云霞等[17－18]估算草地蓋度所建立的兩階段模型思想，結(jié)合森林蓋度實測值，分別基于TM NDVI和MODIS NDVI數(shù)據(jù)建立森林蓋度估測模型。首先是對TM NDVI數(shù)據(jù)與森林蓋度實測值進(jìn)行回歸分析，建立基于TM數(shù)據(jù)的森林蓋度經(jīng)驗?zāi)Ｐ?然后對MODIS NDVI數(shù)據(jù)與TM數(shù)據(jù)的森林蓋度估測值進(jìn)行回歸分析，建立中低分辨率數(shù)據(jù)的森林蓋度經(jīng)驗?zāi)Ｐ汀?/p>

本研究提出兩步建立森林蓋度經(jīng)驗?zāi)Ｐ偷姆椒?，具體為:

第一階段——①基于系統(tǒng)抽樣，在研究區(qū)范圍內(nèi)獲取240 m×240 m大小的抽樣框及MODIS和TM影像樣本，MODIS影像單個像元對應(yīng)TM影像8×8個像元;

②參照撫順市2009年二類調(diào)查數(shù)據(jù)和0.5 m的航片進(jìn)行人機(jī)交互式解譯，由此獲得抽樣框內(nèi)的森林蓋度實測值;

③基于抽樣框范圍內(nèi)的TM NDVI均值(TM NDVI影像8×8個像元的平均值)，建立森林蓋度實測值與TM數(shù)據(jù)植被指數(shù)間的蓋度估測模型;

④對模型進(jìn)行顯著性檢驗。

第二階段——①將第一階段模型應(yīng)用到TM數(shù)據(jù)估算其森林蓋度，獲得TM影像森林蓋度估測值;

②采用回歸分析方法，對MODIS數(shù)據(jù)植被指數(shù)與相應(yīng)區(qū)域內(nèi)TM數(shù)據(jù)森林蓋度估測值進(jìn)行回歸分析，建立基于MODIS與TM數(shù)據(jù)間的森林蓋度估測模型;

③對模型進(jìn)行顯著性檢驗。

模型的構(gòu)建所用樣本量為110個，模型的檢驗所用樣本量為50個。同時模型構(gòu)建所用樣本數(shù)據(jù)要遵循以下兩點原則:①樣本數(shù)據(jù)分布要均勻;②森林植被蓋度在一定的變化范圍內(nèi)。

2.5 基于MODIS數(shù)據(jù)的模型建立

基于森林蓋度實測值和MODIS數(shù)據(jù)建立MODIS數(shù)據(jù)森林蓋度經(jīng)驗?zāi)Ｐ停賹⒔⒌哪Ｐ瓦\用到50個檢驗所用的樣本，計算經(jīng)驗?zāi)Ｐ偷木取?/p>

2.6 森林蓋度經(jīng)驗?zāi)Ｐ偷尿炞C

為驗證森林蓋度經(jīng)驗?zāi)Ｐ偷木?，本文選取抽樣樣本中的50個點對其進(jìn)行預(yù)測和檢驗，選用均方根差(RMSE)、和相對誤差(E)作為模型精度評價標(biāo)準(zhǔn)。

由回歸模型估計出的擬合結(jié)果精度可用均方根差(RMSE)進(jìn)行評價，其公式為:

式中:Ti和為實測值和預(yù)測值，n為樣本個數(shù)。均方根差越小表明擬合效果越好。

3 結(jié)果與分析

3.1 兩階段模型的構(gòu)建

3.1.1 第一階段模型的構(gòu)建

通過對森林蓋度實測值與對應(yīng)抽樣框內(nèi)的TM影像植被指數(shù)均值的相關(guān)性分析，TM影像的植被指數(shù)與森林蓋度實測值間存在較好的線性關(guān)系。其中:a=2.930，b=－0.567，復(fù)相關(guān)系數(shù)(R)0.817，模型復(fù)相關(guān)系數(shù)的顯著水平達(dá)到了0.001。由此可以確定第一階段模型為:y=2.930x－0.567。式中:y 為森林蓋度，x為 TM NDVI均值，相關(guān)系數(shù)R2=0.668。

3.1.2 第二階段模型的構(gòu)建

在第一階段模型建立的基礎(chǔ)上，我們應(yīng)用模型對TM影像進(jìn)行了森林蓋度估測。對TM影像森林蓋度估測值與MODIS影像植被指數(shù)的相關(guān)性分析，MODIS植被指數(shù)與TM森林蓋度估測值之間存在著較好的線性關(guān)系。其中:a=1.928，b= －0.156，復(fù)相關(guān)系數(shù)(R)0.719，模型復(fù)相關(guān)系數(shù)的顯著水平達(dá)到了0.001。由此可以確定第二階段模型為:y=1.928x－0.156。式中:y為森林蓋度估測值，x為MODIS NDVI值，相關(guān)系數(shù) R2=0.507。

3.1.3 基于MODIS數(shù)據(jù)的模型建立

將森林蓋度實測值與對應(yīng)抽樣框內(nèi)的MODIS植被指數(shù)進(jìn)行相關(guān)性分析，MODIS植被指數(shù)與森林蓋度實測值間存在較好的線性關(guān)系。其中:a=2.565，b=－0.454，復(fù)相關(guān)系數(shù)(R)0.672，模型復(fù)相關(guān)系數(shù)的顯著水平達(dá)到了0.001?？梢源_定基于MODIS數(shù)據(jù)和森林蓋度實測值建立的模型為:y=2.565x－0.454。式中:y為森林蓋度，x為 MODIS NDVI值，相關(guān)系數(shù) R2=0.452。

3.2 經(jīng)驗?zāi)Ｐ偷臋z驗

運用所構(gòu)建的模型將抽樣樣本中的50個檢驗點進(jìn)行預(yù)測并與實際值進(jìn)行誤差分析和檢驗。圖1是兩階段經(jīng)驗?zāi)Ｐ凸罍y的森林蓋度與森林蓋度實測值間的誤差比較。由圖1可知，經(jīng)計算后，森林蓋度的實測值和預(yù)測值的RMSE為0.175，相對誤差為15.9%，模型整體精度較高。

根據(jù)50個檢驗數(shù)據(jù)，基于MODIS NDVI數(shù)據(jù)和森林蓋度實測值所建立的模型估測森林植被蓋度，在與50個森林蓋度實測值進(jìn)行誤差比較。結(jié)果表明:基于MODIS NDVI數(shù)據(jù)估測的森林蓋度估測值和森林蓋度實測數(shù)據(jù)的RMSE為0.182，相對誤差為16.3%。

由以上可知兩階段經(jīng)驗?zāi)Ｐ凸罍y精度大于基于MODIS數(shù)據(jù)所建立的模型的精度。基于多源遙感數(shù)據(jù)逐級確定不同分辨率遙感參數(shù)間的量化關(guān)系，可以提高森林蓋度的估測精度。

3.3 撫順市MODIS森林面積估測值與一類二類數(shù)據(jù)對比

通過驗證可知兩階段模型具有較好的精度，通過第二階段模型來估測撫順市境內(nèi)森林面積，再與撫順市一類清查和二類調(diào)查統(tǒng)計的森林面積進(jìn)行對比。

圖1 實測值和預(yù)測值變化趨勢

利用MODIS影像得到的撫順市森林面積預(yù)測值為644201.80 hm2，一類數(shù)據(jù)中提取的森林面積為724968.90 hm2，二類數(shù)據(jù)中匯總的森林面積為757310.00 hm2，預(yù)測值與一類統(tǒng)計的森林面積相差11.14%，與二類統(tǒng)計的森林面積相差14.94%，說明應(yīng)用模型估測森林植被面積的整體控制精度在85%以上。

4 結(jié)論與討論

本研究應(yīng)用MODIS、TM、航片等多源遙感數(shù)據(jù)建立了兩階段模型，所建模型利用中分辨率TM遙感數(shù)據(jù)作為聯(lián)系森林蓋度實測值和中分辨率MODIS遙感數(shù)據(jù)的橋梁，較好的將地面森林蓋度向更大尺度范圍擴(kuò)展，并對模型進(jìn)行了估測和檢驗。

本研究所建立的兩階段森林蓋度模型具有較好的線性關(guān)系，模型經(jīng)過尺度轉(zhuǎn)換外推后，MODIS NDVI影像保持了對森林蓋度較高的監(jiān)測精度，較好的將森林蓋度實測值擴(kuò)展到更大的空間尺度范圍。所建模型經(jīng)檢驗后，森林蓋度實測值和預(yù)測值的RMSE為 0.175，相對誤差為 15.9%，與基于 MODIS NDVI數(shù)據(jù)所建立的模型相比具有較高的精度。由此可知，基于多源遙感數(shù)據(jù)逐級確定不同分辨率遙感參數(shù)間的量化關(guān)系，可以提高森林蓋度的估測精度。同時應(yīng)用兩階段模型對撫順市森林面積進(jìn)行了估算并與一類清查和二類調(diào)查數(shù)據(jù)統(tǒng)計的森林面積進(jìn)行了對比分析，應(yīng)用模型估測的森林面積與一類統(tǒng)計的森林面積相差11.14%，與二類統(tǒng)計的森林面積相差14.94%，說明應(yīng)用模型估測森林面積的整體控制精度在85%以上，表明可利用MODIS數(shù)據(jù)和模型在更大空間尺度上估測森林蓋度，為應(yīng)用MODIS數(shù)據(jù)進(jìn)行區(qū)域森林面積監(jiān)測提供參考。

應(yīng)用系統(tǒng)抽樣和航片人機(jī)交互式解譯法，依靠技術(shù)人員及相應(yīng)解譯標(biāo)志輔助進(jìn)行室內(nèi)航片解譯，獲得近似地面森林蓋度的真值數(shù)據(jù)，可以減少外業(yè)調(diào)查工作量，降低成本并且獲得較為精確的森林蓋度信息，是一種森林蓋度獲取的簡易方法。本文應(yīng)用人機(jī)交互式解譯法獲得近似地面森林蓋度真值，結(jié)合中分辨率TM數(shù)據(jù)和低分辨率MODIS數(shù)據(jù)實現(xiàn)了森林蓋度與中低分辨率遙感數(shù)據(jù)間參數(shù)及尺度的定量轉(zhuǎn)換，建立了兩階段模型。此方法可為區(qū)域森林面積監(jiān)測提供參考。

[1]劉悅翠，樊良新.林業(yè)資源遙感信息的尺度問題研究[J].西北林學(xué)院學(xué)報，2004，19(4):165－169.

[2]Gutman G A.The derivation of the green vegetation fraction from NOAA/AVHRR data in numerical weather prediction models[J].International Journal of Remote Sensing，1998，19(8):1533－1543.

[3]張云霞，李曉兵，陳云浩.草地植被蓋度的多尺度遙感與實地測量方法綜述[J].地球科學(xué)進(jìn)展，2003，18(1):85－93.

[4]邢著榮，馮幼貴，楊貴軍，等.基于遙感的植被覆蓋度估算方法述評[J].遙感技術(shù)與應(yīng)用，2009，24(6):849－853.

[5]馬志勇，沈濤，張軍海，等.基于植被覆蓋度的植被變化分析[J].測繪通報，2007(3):45－48.

[6]吳素業(yè).一年生植被蓋度地簡化測試方法[J].水土保持科技情報，1999(1):45－47.

[7]顧祝軍，曾志遠(yuǎn).遙感植被蓋度研究[J].水土保持研究，2005，12(2):18－21.

[8]彭曉鵑，鄧孺孺，劉小平.遙感尺度轉(zhuǎn)換研究進(jìn)展[J].地理與地理信息科學(xué)，2004，20(5):6－10，14.

[9]申廣榮，王人潮.植被光譜遙感數(shù)據(jù)的研究現(xiàn)狀及其展望[J].浙江大學(xué)學(xué)報:農(nóng)業(yè)與生命科學(xué)版，2001，27(6):682－690.

[10]Zhou Q，Robson M.Automated rangeland vegetation cover and density estimation using ground digital images and a spectral-contextual classifier[J].International Journal of Remote Sensing，2001，22(17):3457－3470.

[11]布和敖斯?fàn)?，馬建文，王勤學(xué)，等.多傳感器不同分辨率遙感數(shù)字圖像的尺度轉(zhuǎn)換[J].地理學(xué)報，2004，59(1):101－110.

[12]Gallo K，Ji Lei，Reed B，et al.Multi-platform comparisons of MODIS and AVHRR normalized difference vegetation index data[J].Remote Sensing of Environment，2005，99(3):221－231.

[13]Mayaux P，Lambin E F.Estimation of tropical forest area from coarse spatial resolution data:A two-step correction function for proportional errors due to spatial aggregation[J].Remote Sensing of Environment，1995，53(1):1－15.

[14]Li Xiaobing，Chen Yunhao，Shi Peijun，et al.Detecting vegetation fractional coverage of typical steppe in northern China based on multi-scale remotely sensed data[J].Acta Botanica Sinica，2003，45(10):1146－1156.

[15]張宏斌，楊桂霞，李剛，等.基于 MODIS NDVI和 NOAA NDVI數(shù)據(jù)的空間尺度轉(zhuǎn)換方法研究:以內(nèi)蒙古草原區(qū)為例[J].草業(yè)科學(xué)，2009，26(10):39－45.

[16]閆宏偉，黃國勝，曾偉生，等.全國森林資源一體化監(jiān)測體系建設(shè)的思考[J].林業(yè)資源管理，2011(6):6－11，26.

[17]張云霞，李曉兵，張云飛.基于數(shù)字相機(jī)，ASTER和MODIS影像綜合測量植被蓋度[J].植物生態(tài)學(xué)報，2007，31(5):842－849.

[18]Fazakas Z.Volum and forest cover estimation over southern Sweden using AVHRR data calibrated with TM data[J].International Journal of Remote Sensing，1996，17(9):1701－1709.

[19]田慶久，閔祥軍.植被指數(shù)研究進(jìn)展[J].地球科學(xué)進(jìn)展，1998，13(4):327－333.

[20]李苗苗，吳炳方，顏長珍，等.密云水庫上游植被覆蓋度的遙感估算[J].資源科學(xué)，2004，26(4):153－159.

[21]Fang Hongliang，Wu Bingfang，Liu Haiyan，et al.Using NOAA/AVHRR and Landsat TM to estimate rice area year-by-year[J].International Journal of Remote Sensing，1998，19(3):521－525.

[22]張萬昌，鐘山，胡少英.黑河流域葉面積指數(shù)(LAI)空間尺度轉(zhuǎn)換[J].生態(tài)學(xué)報，2008，28(6):2495－2503.

[23]李占勝，潘劍君.基于尺度轉(zhuǎn)換提高M(jìn)ODIS影像耕地解譯精度的研究[J].遙感技術(shù)與應(yīng)用，2010，25(2):240－244.

[24]孫明，楊洋，沈渭壽，等.基于TM數(shù)據(jù)的雅魯藏布江源區(qū)草地植被蓋度估測[J].國土資源遙感，2012(3):71－77.