趙威成等

摘要 ?在使用遙感技術(shù)估算植被覆蓋度過程中，估算結(jié)果極易受到地形的影響，不同的估算方法受到的影響程度也不同。針對上述問題，選用SCS+C進行地形校正，并對比和定量分析了經(jīng)地形校正后與未經(jīng)地形校正及未經(jīng)嚴格地形校正像元二分模型植被覆蓋度估算結(jié)果的變化特征。結(jié)果表明，平地、丘陵估算結(jié)果受地形影響較小，3種方法估算結(jié)果相似;山地估算結(jié)果受到地形影響最大，存在顯著性差異，其中陰坡估算結(jié)果整體性呈顯著偏大趨勢，陽坡估算結(jié)果略微減小，VFCTAVI估算結(jié)果優(yōu)于VFCNDVI。該研究結(jié)論可以促進植被覆蓋度實際生產(chǎn)和反演方法的改進。

關(guān)鍵詞 ??地形效應;植被覆蓋度估算;地形調(diào)節(jié)植被指數(shù)

中圖分類號TP??79文獻標識碼

A文章編號0517-6611（2018）36-0038-04

植被覆蓋度是衡量地表植被狀況的一個重要指標，是描述生態(tài)系統(tǒng)的重要基礎(chǔ)數(shù)據(jù)，也是區(qū)域生態(tài)系統(tǒng)環(huán)境變化的重要指示，對研究水文、生態(tài)、區(qū)域變化等都具有重要意義。植被覆蓋度的計算主要包括地面測量和遙感監(jiān)測2種方法。隨著遙感技術(shù)的發(fā)展，遙感監(jiān)測已成為植被覆蓋度估算的主要方法。

像元二分模型是使用較為廣泛的一種植被覆蓋度估算方法，其與歸一化植被指數(shù)（NDVI）的結(jié)合應用取得了較好的效果。在實際應用中，山區(qū)的植被覆蓋度估算結(jié)果由于受到地形效應的影響會出現(xiàn)一些偏差。目前解決地形效應最有效的方式是進行地形校正。該研究選用SCS+C進行地形校正，并對比和定量分析了經(jīng)地形校正后與未經(jīng)地形校正及未經(jīng)嚴格地形校正像元二分模型植被覆蓋度估算結(jié)果的變化特征。

1研究區(qū)概況與數(shù)據(jù)準備

1.1研究區(qū)概況該研究旨在探討地形在植被覆蓋度估算中的影響，故研究區(qū)域選擇在張家口市地區(qū)，地理坐標為115°13′13″～115°45′39″E、40°22′33″～40°46′26″N，最低點高程460.0m，最高點高程1955.0m，平均高程1002.6m，包含平地、丘陵、山地等典型地形，有利于不同地形影響的研究;氣候條件秋季晴朗、冷暖適中，大氣能見度較高，有利于遙感成像。

1.2數(shù)據(jù)準備

根據(jù)植被覆蓋度估算研究需要以及張家口地區(qū)氣候特點，選取該地區(qū)Landsat8OLI多光譜數(shù)據(jù)（圖1a）作為研究數(shù)據(jù)（http：∥www.gscloud.cn），成像時間2017-09-19，太陽高度角47.70770°，方位角152.16777°，空間分辨率30m，影像大小1500×1500Pixels，坐標系WGS-84，投影UTM，Zone50N。

選取研究區(qū)域ASTERGDEM數(shù)據(jù)（圖1b，http：∥www.gscloud.cn），該數(shù)據(jù)由日本METI和美國NASA聯(lián)合研制并免費面向公眾分發(fā)，空間分辨率30m，坐標系WGS-84，投影UTM，Zone50N。

2研究技術(shù)路線與數(shù)據(jù)預處理

2.1研究技術(shù)路線

在輻射校正減弱地形影響的各種技術(shù)方法中，地形校正被認為是目前最有效的手段，此次研究選取地形校正中效果最好的SCS+C校正方法。設SCS+C校正后的數(shù)據(jù)計算出NDVISCS+C并結(jié)合像元二分模型估算出的植被覆蓋度VFCSCS+C作為參考依據(jù)，與未經(jīng)地形校正數(shù)據(jù)計算出的NDVI并結(jié)合像元二分模型估算出的植被覆蓋度VFCNDVI及與未經(jīng)嚴格地形校正的NDVI即地形調(diào)節(jié)植被指數(shù)（TAVI）并結(jié)合像元二分模型估算出的植被覆蓋度抽樣后進行對比分析，得到地形對植被覆蓋度估算方法影響的變化特征，技術(shù)路線如圖2所示。

2.2數(shù)據(jù)預處理

在遙感成像的過程中，受到外界條件的影響，不可避免地會含有輻射畸變，在輻射校正時進行了絕對輻射定標，F(xiàn)LAASH大氣校正，地形校正采用SCS+C方法（圖1c）。

研究區(qū)域的Landsat8影像與DEM坐標系及投影方式一致，經(jīng)檢查后發(fā)現(xiàn)能夠達到研究需要的幾何配準精度，故不再進行幾何校正和幾何配準。

3植被覆蓋率估算與檢驗樣本抽樣

3.1歸一化植被指數(shù)NDVI

歸一化植被指數(shù)NDVI（normalizeddifferencevegetationindex），也稱為生物量指標變化，能夠使植被從水和土壤中分離出來，可作為植被生長狀態(tài)及植被覆蓋度的指示因子。

TAVI對地形效應的減弱效果很大程度上取決于地形調(diào)節(jié)因子f（Δ）的取值。采用最大值優(yōu)化匹配算法計算f（Δ）：①利用DEM計算出研究區(qū)域的坡度、坡向，劃分并提取出遙感影像上相應的陰坡、陽坡區(qū)域。②分別計算陰坡、陽坡區(qū)域中TAVI的最大值TAVI陽max和TAVI陰max，f（Δ）的初始值設為0。③f（Δ）從0開始，以步長10E-5增加，依次迭代計算，當|TAVI陽max-TAVI陰max|≤10-3終止迭代，計算得f（Δ）=1.42×10-3。

為了更好地比較TAVI在減弱地形效應方面的效果，截取了研究區(qū)影像的一小塊區(qū)域分別計算地形校正前的NDVI、地形校正后的NDVISCS+C以及TAVI（圖3），進行目視對比。從對比結(jié)果發(fā)現(xiàn)，從相應圖像紋理均勻性方面考慮，抵抗地形效應最好的是NDVISCS+C，其次是TAVI，最后是NDVI，與預期效果一致。

3.3像元二分模型像元二分模型是在假設單個像元僅由有植被覆蓋和無植被覆蓋2部分組成的前提下提出的，這2部分對像元信息都有貢獻。設植被覆蓋率為VFC，則像元亮度值S可由植被覆蓋部分亮度值Sveg和無植被覆蓋部分的亮度值Ssoil按面積加權(quán)線性組合得到：

由表中數(shù)據(jù)分析可得，與NDVISCS+C相比，NDVI的min～max的動態(tài)范圍縮小了，TAVI的動態(tài)范圍與NDVISCS+C相似，較寬的動態(tài)范圍表明TAVI與NDVI相比，對遙感影像中植被覆蓋有更強的識別能力，影像的信息量更豐富。

3.4檢驗樣本抽樣

根據(jù)經(jīng)驗可知，地形效應對植被覆蓋率的影響隨著地形的不同也不相同，為了更準確地分析地形對地表植被覆蓋度估算方法的影響，該研究擬采取集群采樣結(jié)合簡單隨機抽樣的方式進行檢驗樣本抽樣。按照地形分為平地區(qū)域、丘陵區(qū)域、山地區(qū)域陽坡、山地區(qū)域陰坡，分別對研究區(qū)進行人工集群采集，樣本盡量均勻分布整個研究區(qū)，每個樣本內(nèi)地形保持一致，每類樣本采樣數(shù)量要超過5000個，總樣本數(shù)占研究區(qū)域總像元數(shù)比例超過1%。在每類樣本中簡單隨機抽樣300個，保證總體估計是無偏的。

4植被覆蓋率變化分析

4.1植被覆蓋率總體趨勢分析

由圖4可知，3種方法估算的植被覆蓋率總趨勢相同，其中VFCNDVI、VFCTAVI相比VFCSCS+C在植被覆蓋率{0.7，0.8）區(qū)間內(nèi)有低估表現(xiàn)，{0.8，1]區(qū)間有高估表現(xiàn)，轉(zhuǎn)折點在區(qū)間{0.8，0.9]內(nèi)，而總體表現(xiàn)來看，VFCTAVI和VFCSCS+C的分布更為接近，說明TAVI在像元二分模型的應用中對地形效應的影響有一定的改善，但效果較地形校正略差。

4.2典型地形條件下的VFC變化分析

按照上述的抽樣方法，分別對平地、丘陵、山地陰坡、山地陽坡進行抽樣，每個樣本數(shù)量為300，分別計算了VFCSCS+C、VFCNDVI、VFCTAVI地形條件下的均值變化關(guān)系（圖5）。在平地、丘陵地形時，由于地形效應不明顯，3種植被覆蓋率估算結(jié)果表現(xiàn)較為一致，沒有顯著變化。山地的地形效應明顯，山地陰坡、陽坡均值在VFCSCS+C的估算結(jié)果中近似相等，說明地形校正較為理想，與實際情況相符。VFCNDVI、VFCTAVI的估算結(jié)果呈現(xiàn)出一條由左到右的斜線，與VFCSCS+C值相比較，在陰坡處估算結(jié)果偏高，在陽坡處估算結(jié)果偏低，轉(zhuǎn)折點在{0.8，0.9]區(qū)間內(nèi)，與總體趨勢分析結(jié)果相一致。陰坡處3種方法估算出來的植被覆蓋率變化與陽坡處相比要劇烈，說明陰坡植被覆蓋度的估算更容易受到地形的影響。陰坡、陽坡植被覆蓋率均值連線的斜率VFCTAVI小于VFCNDVI，但大于VFCSCS+C，說明其估算結(jié)

4.3典型地形條件下配對t檢驗

表2是不同植被覆蓋度估算方法在典型地形條件下配對t檢驗的結(jié)果。由結(jié)果分析可知，在平地、丘陵地形下，由于地形作用較弱，此時配對t檢驗均值和標準差較小，t絕對值在2～3，但VFCNDVI相應的概率P為0.010和0.019，均大于等于0.01，即在平地、丘陵地形條件下VFCNDVI和VFCSCS+C無顯著性差異，而VFCTAVI相應的P值小于0.01，存在顯著性差異，樣本差異均值為-0.0013025、-0.0040439，標準差為0.0017766、0.0148680，差值在可接受范圍內(nèi)。在山地陽坡、陰坡地形條件下，VFCNDVI、VFCTAVI與VFCSCS+C均存在顯著性差異，其中在山地陽坡條件下，VFCNDVI與VFCTAVI有相似的表現(xiàn)，均值和標準差均較為接近;在山地陰坡條件下，VFCTAVI配對t檢驗結(jié)果相比VFCNDVI配對t檢驗結(jié)果有更小的均值和標準差，說明VFCTAVI結(jié)果更接近于VFCSCS+C，地形影響得到減弱。

5結(jié)論與討論

（1）VFCSCS+C、VFCNDVI、VFCTAVI3種植被覆蓋率估算方法結(jié)果存在著顯著差異性，對地形效應影響減弱的效果由強到弱依次為VFCSCS+C、VFCTAVI、VFCNDVI。在平地和丘陵地區(qū)，3種估算方法結(jié)果差異不大，在山坡陰坡VFCTAVI、VFCNDVI估算值要大于VFCSCS+C，在山地陽坡VFCTAVI、VFCNDVI估算值要小于VFCSCS+C，主要原因是平地、丘陵受地形效應影響弱于山坡，其中山地陰坡受到的影響最大，在這種地形條件下VFCTAVI估算結(jié)果優(yōu)于VFCNDVI。

（2）在地形調(diào)節(jié)植被指數(shù)（TAVI）的計算中，地形調(diào)節(jié)因子f（Δ）的取值與陰坡、陽坡樣本有直接的關(guān)系，樣本選取的不同計算出的f（Δ）會有較大的差異，下一步研究應注重樣本的抽樣保證f（Δ）結(jié)果的客觀性。

（3）在平地、丘陵地形條件下VFCTAVI估算值與VFCSCS+C值配對檢驗有顯著的差異性，而VFCNDVI估算值就沒有這種表現(xiàn)。估算植被覆蓋率時，在平地、丘陵采用VFCNDVI估算值，在山地采用VFCTAVI估算值，2種方法結(jié)合將會得到更好的結(jié)果。

參考文獻

{1]江洪，張兆明，汪小欽，等.基于TAVI的山區(qū)毛竹林LAI反演分析{J].地球信息科學學報，2015，17（4）：500-504.

{2]江淼，張顯峰，孫權(quán)，等.不同分辨率影像反演植被覆蓋度的參數(shù)確定與尺度效應分析{J].武漢大學學報（信息科學版），2011，36（3）：311-315.

{3]CARLSONTN，RIPLEYDA.OntherelationbetweenNDVI，fractionalvegetationcover，andleafareaindex{J].Remotesensingofenvironment，1997，62（3）：241-252.

{4]劉廣峰，吳波，范文義，等.基于像元二分模型的沙漠化地區(qū)植被覆蓋度提?。阂悦珵跛厣车貫槔齵J].水土保持研究，2007，14（2）：268-271.

{5]丁春曉，周汝良，葉江霞，等.地形起伏對陸地衛(wèi)星的NDVI影響研究{J].林業(yè)資源管理，2016（4）：101-106.

{6]陳愛京，傅瑋東，肖繼東，等.基于像元二分模型的和布克賽爾縣植被覆蓋動態(tài)變化分析{J].草業(yè)科學，2012，29（6）：857-862.

{7]ZRIBIM，LEHGARATMASCLES，TACONETO，etal.Derivationofwildvegetationcoverdensityinsemiaridregions：ERS2/SARevaluation{J].Internationaljournalofremotesensing，2003，24（6）：1335-1352.

{8]馬娜，胡云鋒，莊大方，等.基于遙感和像元二分模型的內(nèi)蒙古正藍旗植被覆蓋度格局和動態(tài)變化{J].地理科學，2012，32（2）：251-256.

{9]黎良財，鄧利，曹穎，等.基于NDVI像元二分模型的礦區(qū)植被覆蓋動態(tài)監(jiān)測{J].中南林業(yè)科技大學學報，2012，32（6）：18-23.

{10]鄧書斌.ENVI遙感圖像處理方法{M].北京：科學出版社，2010：289-317.

{11]RUNDQUISTBC.Theinfluenceofcanopygreenvegetationfractiononspectralmeasurementsovernativetallgrassprairie{J].Remotesensingofenvironment，2002，81（1）：129-135.