陳亮 袁琳 周莎

摘 要：隨著對空間信息要求的不斷提高，決策人員不但需要地面信息的定性判讀，還需要地面環(huán)境的定量分析。本文以地面植被覆蓋情況為例，通過SPSS軟件對多光譜遙感數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析以及回歸分析，最終建立各波段數(shù)據(jù)與地面植被覆蓋情況的回歸方程，用于定量說明地表植被的覆蓋情況，為地理空間環(huán)境分析提供了一種可行的技術(shù)方案。

關(guān)鍵詞：多光譜影像;植被指數(shù);統(tǒng)計(jì)分析;回歸分析

中圖分類號：TP79 文獻(xiàn)標(biāo)識碼：A 文章編號：1671-2064（2019）03-0255-02

1 研究區(qū)概況及技術(shù)方案

1.1 研究區(qū)概況及數(shù)據(jù)準(zhǔn)備

此次試驗(yàn)，以阿壩地區(qū)的草原濕地為研究區(qū)域。該區(qū)域是典型的西部濕地分布區(qū)，具有地形變化較大，植被群落結(jié)構(gòu)單一，生態(tài)環(huán)境脆弱，環(huán)境監(jiān)測要求較高等特點(diǎn)。實(shí)驗(yàn)數(shù)據(jù)使用當(dāng)?shù)丶s20個點(diǎn)的實(shí)測數(shù)據(jù)，以及國情監(jiān)測云平臺獲取的TM影像數(shù)據(jù)，利用光譜信息進(jìn)行植被指數(shù)計(jì)算，選取適合當(dāng)?shù)厣锪抗浪愕闹脖恢笖?shù)，建立光譜信號與生物量的回歸方程，實(shí)現(xiàn)該地區(qū)的植被覆蓋情況分析。其中實(shí)測數(shù)據(jù)包括實(shí)測點(diǎn)的經(jīng)緯度坐標(biāo)，以及該點(diǎn)一平方米范圍內(nèi)的植被重量總和。

1.2 技術(shù)方案及主要技術(shù)指標(biāo)

1.2.1 技術(shù)方案

運(yùn)用多光譜遙感影像進(jìn)行定量分析，不僅可以根據(jù)影像形態(tài)判別地物，還可以根據(jù)光譜特性的差異判別地物，擴(kuò)大了遙測的信息量，同時還能利用分波段的圖像或數(shù)據(jù)獲得比常規(guī)方法更為豐富的空間信息，為地物影像計(jì)算機(jī)識別與分類提供了可能。

在本案例中我們依據(jù)實(shí)測地理位置的經(jīng)緯度坐標(biāo)，提取出TM影像中對應(yīng)像元的多光譜信息，并利用衛(wèi)星不同波段探測數(shù)據(jù)組合，計(jì)算現(xiàn)在較為流行的用于遙感植被評價的植被指數(shù)，并通過實(shí)測生物量與植被指數(shù)的相關(guān)性分析，確定該地區(qū)適用的植被指數(shù)方程，從而建立植被覆蓋情況與光譜信息之間的回歸方程，通過回歸方程，對該地區(qū)范圍內(nèi)的所有像元進(jìn)行計(jì)算，獲得研究區(qū)域的植被環(huán)境信息。

1.2.2 TM影像技術(shù)指標(biāo)

TM影像具有較高空間分辨率和波譜分辨率、極為豐富的信息及較高定位精度的特點(diǎn)，是世界各國廣泛應(yīng)用的重要地球資源與環(huán)境遙感數(shù)據(jù)源。其多光譜影像數(shù)據(jù)包含以下六個波段：

Band 1為0.45～0.52微米，該波段對水體的穿透力最大，用于判別水深、水下地形、水體渾濁度等研究;

band 2為0.52～0.60微米，該波段位于綠色植物的反射峰附近，對健康茂盛植物反射敏感;

band 3為0.63～0.69微米，該波段位于葉綠素的主要吸收帶，可用于區(qū)分植物類型、覆蓋度、判斷植物生長狀況等;

band 4為0.76～0.90微米，該波段位于植物的高反射區(qū)，反映了大量的植物信息，多用于植物的識別、分類，以及用于勾繪水體邊界和地質(zhì)構(gòu)造、地貌等;

band 5為1.55～1.75微米，該波段位于兩個水體吸收帶之間，對植物和土壤水分含量敏感;

band 6為10.40～12.50微米，該波段對地物熱量輻射敏感。

1.2.3 植被指數(shù)選取

在遙感應(yīng)用領(lǐng)域，植被指數(shù)已廣泛用來定性和定量評價植被覆蓋及其生長活力。由于植被光譜表現(xiàn)為植被、土壤亮度、環(huán)境影響、陰影、土壤顏色和濕度等復(fù)雜的混合反應(yīng)，因此不同波段組合而成的植被指數(shù)能夠反映植被真實(shí)的生長狀況。本實(shí)驗(yàn)中，選用以下5種指數(shù)進(jìn)行分析：

（1）比值植被指數(shù)（RVI）。植被覆蓋度較高時，RVI對植被覆蓋情況十分敏感，在計(jì)算前需要進(jìn)行大氣校正，或用反射率計(jì)算RVI，波段運(yùn)算方程：

RVI=float（Band 2）/float（Band 1）

（2）歸一化植被指數(shù)（NDVI）。NDVI的主要用于檢測植被生長狀態(tài)、植被覆蓋度和消除部分輻射誤差等，隨覆蓋度增大而增大，它能反映出植物冠層的背景影響，如土壤、潮濕地面、雪、枯葉、粗糙度等，且與植被覆蓋有關(guān)。波段運(yùn)算方程：

NDVI=（Band4-Band3）/（Band4+Band3）

（3）垂直植被指數(shù)（PVI）。PVI能較好地消除土壤背景的影響，對大氣的敏感度小于其他植被指數(shù)。波段運(yùn)算方程：

PVI=0.939*float（Bnd2）-0.344*float（Bnd1）+0.09

（4）差值環(huán)境植被指數(shù)（DVI）。DVI對土壤背景的變化極為敏感。波段運(yùn)算方程：

DVI=float（Band 2）-float（Band 1）

（5）增強(qiáng)型植被指數(shù)（EVI）。EVI是在歸一化植被指數(shù)的基礎(chǔ)上改善而來的，它對土壤背景變化敏感，能較好地識別植被和水體。波段運(yùn)算方程：

EVI=2.5*（（float（Bnd2）-float（Bnd1））/（float（Band 2）+6*float（Band 1）-7.5*float（Band 3）+1））

2 研究區(qū)植被環(huán)境評價

2.1 遙感數(shù)據(jù)處理

對已下載的遙感數(shù)據(jù)，由于大氣等多種因素的影響，不能真實(shí)的反映目標(biāo)的光譜反射率，要得到相應(yīng)的植被指數(shù)，我們需要去除這些因素對反射率的影響，即對遙感數(shù)據(jù)進(jìn)行定標(biāo)與大氣糾正。使用FLAASH大氣糾正，并對糾正后的影像進(jìn)行拼接裁減后，可得到試驗(yàn)區(qū)域的遙感數(shù)據(jù)，如圖1。

2.2 植被指數(shù)計(jì)算

利用波段運(yùn)算工具得到RVI，DVI，EV，PVI等植被指數(shù)，其后利用ENVI軟件進(jìn)行植被指數(shù)計(jì)算，以RVI植被指數(shù)為例，計(jì)算結(jié)果如圖2。

之后需要依據(jù)實(shí)地采樣點(diǎn)的GPS經(jīng)緯度坐標(biāo)數(shù)據(jù)，生成坐標(biāo)點(diǎn)位文本文件，在影像數(shù)據(jù)中提取相應(yīng)點(diǎn)的波段信息，建立植被指數(shù)與實(shí)際地理位置的植被生物量的一一對應(yīng)關(guān)系，提取出指定位置的植被指數(shù)信息及波段信息。

2.3 植被指數(shù)與生物量相關(guān)性分析

利用SPSS軟件對提取出的指數(shù)信息及波段信息進(jìn)行數(shù)據(jù)的統(tǒng)計(jì)分析以及回歸分析，最終建立回歸方程，估算若爾蓋地區(qū)的植被環(huán)境情況。

通過相關(guān)性分析，可得出與生物量密切相關(guān)的因素，用于回歸方程的建立，相關(guān)性分析結(jié)果如表1。

根據(jù)計(jì)算結(jié)果能夠確定dvi，evi， ndvi，pvi為敏感性因素，用于該地區(qū)的植被環(huán)境分析。

2.4 植被指數(shù)與生物量回歸性分析

對22組數(shù)據(jù)，進(jìn)行分組，隨機(jī)選擇第7，9，16，20，21組數(shù)據(jù)作檢測數(shù)據(jù)，其余數(shù)據(jù)做多變量回歸分析求出線性方程.可得出分析結(jié)果如表2。

可得結(jié)論函數(shù)為：

y=（-0.744）x1+（-9.111）x2+1819.728x3+0.572x4-456.954

對此方程進(jìn)行驗(yàn)證，帶入實(shí)測點(diǎn)波段值與生物量值，計(jì)算結(jié)果與實(shí)測數(shù)據(jù)對比結(jié)論如圖3。

由圖3可得，此波段函數(shù)能夠滿足分析需要，使用該函數(shù)對所有像元進(jìn)行計(jì)算，可得出以下結(jié)果，直觀的反應(yīng)研究區(qū)域的植被覆蓋情況，如圖4。

3 結(jié)語

通過本次使用多光譜遙感圖像對研究區(qū)域的植被環(huán)境進(jìn)行定量分析，探尋了一種利用光譜信息對遙感圖像進(jìn)行深入挖掘的方法。使用類似方法，我們可以對地面的植被、水系、居民地等要素信息進(jìn)行深入挖掘，定量的為決策者提供所需的地理空間信息，可以將傳統(tǒng)工序中目視解譯無法識別的地物信息監(jiān)測出來，從而實(shí)現(xiàn)光譜數(shù)據(jù)與目標(biāo)地物的有效匹配，并將目標(biāo)物光譜分析模型應(yīng)用于整個研究區(qū)域，為決策者提供定量的環(huán)境數(shù)據(jù)，為地理空間環(huán)境描述的準(zhǔn)確性提供基于光譜信號的數(shù)學(xué)基礎(chǔ)。

參考文獻(xiàn)

[1] 劉黎明.生態(tài)功能評價及分區(qū)方法研究—以寧夏回族自治區(qū)為例[D].北京：中國農(nóng)業(yè)大學(xué)，2016.

[2] 潘曉玲，王學(xué)才，累加強(qiáng).關(guān)于中國西部干旱區(qū)生態(tài)環(huán)境演變與調(diào)控研究的思考[J].地球科學(xué)進(jìn)展，2001（01）：24-27.

[3] 張麗，張繼賢，喬平林，等.流域水資源環(huán)境監(jiān)測系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J].測繪通報，2004（02）：50-53.

[4] 羅文海，王玖，韓春蕾，孫紅衛(wèi)，胡乃寶.基于SPSS的正態(tài)性檢驗(yàn)方法的選擇[J].中國醫(yī)院統(tǒng)計(jì)，2015，22（01）：48-51.