熊 靜

(遼寧省林業(yè)調(diào)查規(guī)劃監(jiān)測(cè)院,遼寧 沈陽 110122)

植被既是陸地生態(tài)系統(tǒng)的主體，也是人類重要的環(huán)境資源和物質(zhì)資源。遙感技術(shù)逐漸成為植被監(jiān)測(cè)的主要手段。用遙感技術(shù)來分析植被需要了解植被結(jié)構(gòu)特征與植被波譜特征的關(guān)系。植被跟太陽輻射的相互關(guān)系有別于其他物質(zhì)(如土壤、水體等)，如植被的“紅邊”現(xiàn)象，即在小于700 nm附近(紅光)強(qiáng)吸收，在大于700 nm(近紅外)高反射。很多因素影響植被對(duì)太陽輻射的吸收和反射，包括波長、含水量、色素、養(yǎng)分、碳等。因此，可以結(jié)合不同波長范圍的反射率來增強(qiáng)植被特征，如植被指數(shù)的計(jì)算。植被指數(shù)是兩個(gè)或多個(gè)波長范圍內(nèi)的地物反射率的組合運(yùn)算，以增強(qiáng)植被某一特性或者細(xì)節(jié)。目前，在科學(xué)文獻(xiàn)中發(fā)布了超過150種植被指數(shù)模型，這些植被指數(shù)中只有極少數(shù)經(jīng)過系統(tǒng)的實(shí)踐檢驗(yàn)。因此本文采用眾所周知的歸一化植被指數(shù)來提取森林植被。

1 歸一化植被指數(shù)

歸一化植被指數(shù)是可見光紅波段反射強(qiáng)度值和近紅外波段反射強(qiáng)度值之差與兩者之和的比值，用來增強(qiáng)在近紅外波段范圍綠葉的散射與紅色波段范圍葉綠素吸收的差異，這樣可以較好地區(qū)分植被區(qū)域與其他地物區(qū)域。其計(jì)算公式表示如下：

植被指數(shù)NDVI=Bnir-Br∕Bnir+ Br

式中：Bnir為近紅外波段，Br為紅色波段。NDVI的取值范圍在[-1,1]。負(fù)值表示地面覆蓋為云、水、雪等，對(duì)可見光反射高；0表示有巖石或者土壤，NIR和R近似相等；正值表示有植被覆蓋，值越大，地表植被覆蓋越大。一般綠色植被的取值范圍在0.2～0.8。

2 面向?qū)ο蟮幕谝?guī)則的植被提取

選取一部分區(qū)域作為實(shí)驗(yàn)區(qū)，獲取訓(xùn)練樣本，構(gòu)建分類規(guī)則，包括對(duì)象分割和合并閾值、對(duì)象提取規(guī)則，然后將實(shí)驗(yàn)區(qū)的分類規(guī)則應(yīng)用到整個(gè)圖像中。

2.1 面向?qū)ο笮畔⑻幚砑夹g(shù)

面向?qū)ο笮畔⑻幚碇?，處理單元不再是基于像元，而是以多邊形?shí)體作為最小單元，通過原始影像的分割來創(chuàng)建最小單元。影像分割的主要思路就是利用區(qū)域合并算法分割影像，即以某個(gè)像元為起點(diǎn)，計(jì)算該像元與其相鄰像元合并后的異質(zhì)性指數(shù)，若異質(zhì)性指數(shù)小于設(shè)置的閾值，將其合并，否則不合并。影像分割完畢后，初始影像由眾多大小不一的多邊形區(qū)域構(gòu)成，各多邊形實(shí)體都有相應(yīng)的屬性特征。多邊形實(shí)體中不僅有像素的光譜信息，還擁有形狀信息、空間信息和紋理信息。后續(xù)影像的分析、處理、提取都針對(duì)多邊形實(shí)體進(jìn)行。

2.2 閾值的確定

閾值又叫臨界值，是指一個(gè)效應(yīng)能夠產(chǎn)生的最低值或最高值。這里指植被指數(shù)的最小值，即植被指數(shù)大于這個(gè)最小值的區(qū)域?yàn)橹脖桓采w區(qū)，否則為非植被覆蓋區(qū)。通過樣本統(tǒng)計(jì)的方法來確定。

(1)根據(jù)林地一張圖結(jié)果和目視解譯判讀，在試驗(yàn)區(qū)分別選取植被覆蓋區(qū)與非植被覆蓋區(qū)的若干個(gè)樣本，計(jì)算各類樣本之間的樣本分離性，用Jeffries-Matusita,Transformed Divergence 參數(shù)表示。這兩個(gè)參數(shù)值在0～2，大于1.9說明樣本之間可分離性好，屬于合格樣本；小于1.8，需要重新選擇樣本，小于1考慮將兩類樣本合成一類樣本。

(2)對(duì)選取的樣本進(jìn)行統(tǒng)計(jì)處理，得到的統(tǒng)計(jì)結(jié)果結(jié)合樣本光譜曲線，最終確定閾值。

2.3 規(guī) 則

提取森林植被的關(guān)鍵是確定規(guī)則。規(guī)則由屬性和閾值組成，用到的對(duì)象屬性是NDVI，閾值根據(jù)2.2的方法進(jìn)行確定。植被指數(shù)大于閾值的為森林植被，否則為非森林植被。

3 實(shí)例應(yīng)用

3.1 植被提取

應(yīng)用本文提到的方法進(jìn)行反復(fù)試驗(yàn)，將該區(qū)域的分割閾值設(shè)為35，合并閾值設(shè)定為80，NDVI閾值設(shè)定為0.4。提取結(jié)果如圖1所示。

圖1 植被提取結(jié)果

3.2 疊加分析

將提取結(jié)果與林地一張圖的林地范圍(不包括無林地)進(jìn)行疊加分析，結(jié)果如圖2所示，其中黑色表示植被提取結(jié)果，灰色表示林地一張圖中的林地(不包括無林地)。

圖2 植被提取結(jié)果與林地一張圖疊加結(jié)果

3.3 精度評(píng)定

將林地一張圖的林地范圍(不包括無林地)篩選出來作為驗(yàn)證樣本，利用混淆矩陣對(duì)分類結(jié)果進(jìn)行評(píng)價(jià)，混淆矩陣結(jié)果如圖3所示，精度為89.77%，提取結(jié)果是可行的。

圖3 混淆矩陣

4 小 結(jié)

按照本文提出的方法提取出來的森林植被與林地一張圖的林地范圍(不包括無林地)進(jìn)行比較，其正確率是可行的，但也存在一些差異。產(chǎn)生這些差異的原因主要有以下幾方面：

(1)影像獲取時(shí)間在農(nóng)作物生長期時(shí)，僅僅依靠光譜特征是無法區(qū)別林地和農(nóng)田的，因此需要進(jìn)一步研究，如利用紋理特征和空間特征來區(qū)分林地和農(nóng)田。

(2)城市建筑內(nèi)的綠化園林地也被提取出來，這部分相當(dāng)于森林資源中的非林地造林。

(3)存在明顯的區(qū)劃錯(cuò)誤，同時(shí)經(jīng)過外業(yè)實(shí)地調(diào)查，某些地區(qū)確實(shí)存在區(qū)劃錯(cuò)誤，因此提取結(jié)果可以糾正和輔助判斷林地區(qū)劃結(jié)果的正確性。

(4)部分無林地如采伐跡地和宜林沙荒沙地被提取為有林地，是因?yàn)榈乇碛邪竟嗖葜脖桓采w，且密度很大。因此如何區(qū)分這一步也是下一步研究?jī)?nèi)容之一。