趙威成 葉欣 張紅華

摘要植被覆蓋度是衡量地表植被狀況的一個重要指標(biāo)，歸一化植被指數(shù)結(jié)合像元二分模型是一種通過遙感監(jiān)測獲取植被覆蓋度的方法，使用廣泛，但在山區(qū)會受到地形效應(yīng)的影響。引入地形調(diào)節(jié)植被指數(shù)估算植被覆蓋度，通過配對t檢驗(yàn)發(fā)現(xiàn)其在山區(qū)具有良好的削弱地形效應(yīng)作用，可用于山區(qū)的植被覆蓋度反演。

關(guān)鍵詞地形調(diào)節(jié)植被指數(shù);歸一化植被指數(shù);地形效應(yīng);像元二分模型

中圖分類號TP79文獻(xiàn)標(biāo)識碼

A文章編號0517-6611（2018）28-0071-02

The Applied Research on Dimidiate Pixel Model Based on TAVI

ZHAO Weicheng1，2，YE Xin1，ZHANG Honghua1

（1.School of Mines，Heilongjiang University of Science and Technology，Harbin，Heilongjiang 150022;2.School of Forestry，Northeast Forestry University，Harbin，Heilongjiang 150040）

AbstractVegetation coverage is an important indicator of surface vegetation. Normalized vegetation index combined with dimidiate pixel model is one of methods to obtain vegetation surface coverage by remote sensing，it is widely used. But it will be affected by topographic effect in mountain area. In this paper，the vegetation coverage was estimated by using the TAVI. By paired t test，it was found that it had a good weakening of the topographic effect in the mountain area，and could be used to invert the vegetation coverage rate in the mountain area.

Key wordsTAVI;NDVI;Topographic effect;Dimidiate pixel model

植被覆蓋度是衡量地表植被狀況的一個重要指標(biāo)，也是描述生態(tài)系統(tǒng)的基礎(chǔ)數(shù)據(jù)，對水文、生態(tài)、區(qū)域變化等都具有重要意義。植被覆蓋度的計(jì)算主要包括地面測量和遙感監(jiān)測2種方法[1]。

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）結(jié)合在實(shí)際應(yīng)用中取得了較好的效果。然而在山區(qū)的植被覆蓋度估算中，由于地形效應(yīng)的影響，估算結(jié)果出現(xiàn)一些偏差，目前解決地形效應(yīng)最有效的方式是地形校正。但有些時候待校正地區(qū)DEM不易獲取或與地形配準(zhǔn)不精確，都會影響地形校正的結(jié)果，甚至根本無法進(jìn)行地形校正。針對這種情況，該研究提出采用地形調(diào)節(jié)植被指數(shù)（TAVI）替代歸一化植被指數(shù)（NDVI），結(jié)合像元二分模型，進(jìn)行地表植被覆蓋度反演，為減弱地形效應(yīng)在植被覆蓋度估算中的影響提供一種簡潔、有效的方法。

1技術(shù)路線與數(shù)據(jù)預(yù)處理

研究區(qū)域內(nèi)有平地、丘陵、山地，能較好地研究地形效應(yīng)對植被覆蓋度的影響，獲取了該地區(qū)landsat8OLI多波段影像（圖1a）以及該地區(qū)DEM分辨率30 m（圖1b）。

1.1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(rèn)為是目前最有效的手段，該研究選取地形校正中效果最好的SCS+C校正方法，設(shè)地形校正后的NDVISCS+C并結(jié)合像元二分模型估算出的植被覆蓋度無地形影響，可作為此次研究的參考依據(jù)，分別與由歸一化植被指數(shù)NDVI結(jié)合像元二分模型估算出的植被覆蓋度VFCNDVI，及由地形調(diào)節(jié)植被指數(shù)（TAVI）結(jié)合像元二分模型估算出的植被覆蓋度VFCTAVI進(jìn)行對比分析，得到研究結(jié)論。

1.2數(shù)據(jù)預(yù)處理在遙感成像的過程中，受到外界條件的影響，不可避免會含有輻射畸變，在輻射校正時進(jìn)行了絕對輻射定標(biāo)，F(xiàn)LAASH大氣校正[2]，地形校正采用SCS+C方法（圖1c）。

研究區(qū)域的Landsat8影像和DEM坐標(biāo)系、投影方式一致，經(jīng)檢查后發(fā)現(xiàn)能夠達(dá)到研究需要的幾何配準(zhǔn)精度，故不再進(jìn)行幾何校正和幾何配準(zhǔn)。

2植被覆蓋度估算與檢驗(yàn)樣本抽樣

2.1地形調(diào)節(jié)植被指數(shù)TAVI為了減弱在復(fù)雜山地由于地形陰坡、陽坡接收到日照的不同而引起的反演陰坡、陽坡植被指數(shù)值的差異，有學(xué)者在NDVI中引入帶地形調(diào)節(jié)因子的陰影植被指數(shù)SVI，有效減弱了該項(xiàng)差異[3]。

TAVI=NDVI+f（Δ）×MR-RR （1）

式（1）中，MR為研究區(qū)紅波段最大輻射值;R為研究區(qū)紅波段輻射值。

TAVI對地形效應(yīng)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(jì)算f（Δ）。

（1）利用DEM計(jì)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(yīng)的陰坡、陽坡區(qū)域（該研究為保證結(jié)果準(zhǔn)確性采用DEM提取陰、陽坡，實(shí)際應(yīng)用中可采用監(jiān)督分類的方式概要劃分）。

（2）分別計(jì)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(shè)為0。

（3）f（Δ）從0開始，以步長10E-5增加，依次迭代計(jì)算，當(dāng)|TAVI陽max-TAVI陰max|≤10-3時終止迭代，計(jì)算得f（Δ）=1.42×10-3。

為了更好地比較TAVI在減弱地形效應(yīng)方面的效果，截取了研究區(qū)影像的一小塊區(qū)域，分別計(jì)算地形校正前的NDVI，地形校正后的NDVISCS+C以及TAVI，進(jìn)行目視對比（圖2a、b、c）。對比結(jié)果發(fā)現(xiàn)，從相應(yīng)圖像紋理均勻性方面考慮，抵抗地形效應(yīng)最好的是NDVISCS+C，其次是TAVI，最后是NDVI，與預(yù)期效果一致。

2.2像元二分模型像元二分模型計(jì)算植被覆蓋度VFC的通用公式為：

VFC=NDVI-NDVIsoilNDVveg-NDVIsoil（2）

式（2）中，NDVIsoil表示無植被覆蓋區(qū)NDVI值;NDVIveg表示植被覆蓋區(qū)NDVI值。可按下式求?。?/p>

NDVIsoil=VFCmax×NDVImin-VFCmin×NDVImaxVFCmax-VFCmin（3）

NDVIveg=（1-VFCmin）×NDVImax-（1-VFCmax）×NDVIminVFCmax-VFCmin（4）

在研究區(qū)域觀察發(fā)現(xiàn)，該區(qū)域內(nèi)有水體，可認(rèn)為完全無植被覆蓋，同時該區(qū)域有植被完全覆蓋區(qū)域，故可取VFCmin=0，VFCmax=1。

因此， VFC最終表達(dá)式為：

VFC=NDVI-NDVIminNDVImax-NDVImin（5）

式（5）中，NDVImin和NDVImax可在NDVI中得到。遙感影像在成像過程中不可避免地會受到噪聲的影響，根據(jù)其他研究人員的結(jié)論，結(jié)合該案例實(shí)際情況，按照累計(jì)概率分布設(shè)置置信區(qū)間[0.05%～99.95%][4]。

受NDVI像元二分模型的思路啟發(fā)，基于TAVI的像元二分模型公式可表達(dá)為[5]：

VFCTAVI=NDVI-TAVIminTAVImax-TAVImin（6）

2.3檢驗(yàn)樣本抽樣方案根據(jù)經(jīng)驗(yàn)可知，地形效應(yīng)對植被覆蓋度的影響隨著地形的不同而不相同，為了更準(zhǔn)確地分析地形效應(yīng)對地表覆蓋度的影響及對地形效應(yīng)的減弱，采取集群采樣結(jié)合簡單隨機(jī)抽樣的方式進(jìn)行檢驗(yàn)樣本抽樣[6-7]。

（1）按典型地形分平地、丘陵、山地陽坡、山地陰坡分別對研究區(qū)進(jìn)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，每類樣本采集數(shù)量超過5 000個像元。樣本總數(shù)占研究區(qū)域總像元數(shù)比例超過1%。

（2）在每類樣本中簡單隨機(jī)抽樣300個，保證總體估計(jì)是無偏的。

3植被覆蓋度反演結(jié)果分析

3.1植被覆蓋度反演總體趨勢分析

由圖3可知，3種方法估算的植被覆蓋度總趨勢相同，其中VFCNDVI、VFCTAVI相比VFCSCS+C在植被覆蓋度[0.7，0.8）區(qū)間內(nèi)有低估表現(xiàn)，在[0.8，1]區(qū)間有高估表現(xiàn)，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(yīng)用中對地形效應(yīng)的影響有一定的改善，但效果較地形校正略差。

3.2山地陰坡地形條件下配對t檢驗(yàn)在山地陰坡時受地形效應(yīng)影響最大，表1是不同植被覆蓋度反演結(jié)果在山地陰坡地形條件下的配對t檢驗(yàn)[8]。由檢驗(yàn)結(jié)果分析可知，VFCNDVI、VFCTAVI與VFCSCS+C均存在顯著性差異，VFCTAVI配對t檢驗(yàn)結(jié)果相比VFCNDVI配對t檢驗(yàn)結(jié)果有更小的均值和標(biāo)準(zhǔn)差，說明VFCTAVI結(jié)果更接近于VFCSCS+C，地形效應(yīng)的影響得到減弱。

4結(jié)語

通過研究區(qū)植被覆蓋度反演試驗(yàn)可知，反演精度最高的是VFCSCS+C，但需要的條件較多，在實(shí)際生產(chǎn)中限制了其應(yīng)用。該研究提出的VFCTAVI方法，在其反演結(jié)果中受地形效應(yīng)的影響得到了良好的削弱，并且反演過程不需DEM的輔助，計(jì)算簡單、方便，生產(chǎn)效率高，在實(shí)際生產(chǎn)中有較高的價值。

參考文獻(xiàn)

[1]

張?jiān)葡迹顣员?，陳云?草地植被蓋度的多尺度遙感與實(shí)地測量方法綜述[J].地球科學(xué)進(jìn)展，2003，18（1）：85-93.

[2] 鄧書斌. ENVI遙感圖像處理方法[M].北京：科學(xué)出版社，2010.

[3] 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(xué)學(xué)報，2015，17（4）：500-504.

[4] 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.

[5] 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(lán)旗植被覆蓋度格局和動態(tài)變化[J].地理科學(xué)，2012，32（2）：251-256.

[6] 任唯敏.植被指數(shù)計(jì)算區(qū)域植被覆蓋度的適用性研究[D].西安：西北大學(xué)，2012.

[7] 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(xué)，2012，29（6）：857-862.

[8] 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.