天然草地植被覆盖度的高光谱遥感估算模型

1、天然草地植被覆盖度的高光谱遥感估算模型3刘占宇1黄敬峰133吴新宏2董永平2王福民1刘朋涛3(1浙江大学农业遥感与信息技术应用研究所,杭州310029;2中国农业科学研究院草原研究所,呼和浩特010010;3内蒙古大学生态与环境科学系,呼和浩特010021【摘要】利用AS D FieldSpec Pr o FR T M 光谱仪,对内蒙古自治区锡林郭勒盟的天然草地进行高光谱遥感地面观测,并计算天然草地植被覆盖度;选择25个高光谱特征变量与天然草地植被覆盖度进行相关性分析.结果表明,共有17个变量通过极显著性检验,尤以红边波长范围内一阶微分波段值总和(S D r 的相关系数01781为最高1在此基

2、础上将观测数据分成两组:一组观测数据作为训练样本(n =49,运用单变量线性、非线性和逐步回归方法,建立植被覆盖度高光谱遥感估算模型;另一组观测数据作为检验样本(n =32,进行精度检验1分析结果显示,采用逐步回归分析方法,运用冠层原始反射率数据估算草地植被覆盖度的效果并不理想;而以红边波长范围内一阶微分波段值的总和(S D r 为变量的线性回归方程是最佳估算模型,模型标准差为1014%,估算精度为83199%.关键词天然草地植被覆盖度高光谱遥感估算模型文章编号1001-9332(200606-0997-06中图分类号S127;TP79文献标识码AHyperspectra l re m ote

3、 sen si n g esti m a ti on m odels on veget a ti on coverage of na tura l gra ssl and .L I U Zh 2anyu 1,HUANG J ingfeng 1,WU Xinhong 2,DONG Yongp ing 2,WANG Fu m in 1,L I U Pengtao 3(1Institute of A gri 2culture Re m ote Sensing &Infor m ation Syste m A pplication,Zhejiang U niversity,Hangzhou 3

4、10029,China;2Grassland Research Institute,Chinese A cade m y of A gricultural Science,Huhhot 010010,China;3D epart m ent of Ecology and Environm ent Science,Inner M ongolia U niversity,Huhhot 010021,China .2Chin .J.A ppl .Ecol .,2006,17(6:9971002.By using AS D FieldS pec Pr o FR T Ms pectr oradi ome

5、ter,the s pectral measure ment of natural grassland in Xilingole Leaguer of I nnerMongolia was perfor med,with the vegetati on coverage of natural grassland calculated,and the correlati on of 25hypers pectral feature variables with the vegetati on coverage of natural grassland was analyzed .The resu

6、lts showed that there were 17variables correlated significantly with the vegetati on coverage of natural grassland,a mong which,the correlati on coefficient bet w een vegetati on coverage and the area of red edge peak cal 2culated as the su m of the a mp litudes bet w een 680n m and 780n m (dr 68078

7、0n m was the highest,with the value of 01781.The basic experi m ental data including the vegetati on coverage and canopy reflectance of natural grassland were classified int o t w o gr oup s .One gr oup was used as the training sa mp le t o build the regressi on mod 2els with one 2sa mp le linear me

8、thod,nonlinear method,and stepwise analysis method,while the other was used as the testing sa mp le t o test the p recisi on of regressi on models .It was suggested that the variable of the area of red edge peak calculated as the su m of a mp litudes bet w een 680n m and 780n m (dr 680780n m was the

9、 best one t o univariate general linear model,with a standard deviati on of 1014%and an esti m ati on p recisi on of 83199%,while the stepwise regressi on technique was not effective t o esti m ate the grassland coverage with raw hy 2pers pectral canopy reflectance .Key words Natural grassland,Veget

10、ati on coverage,Hypers pectral re mote sensing,Esti m ati on model .1引言作为地理环境的重要组成部分,植被强烈地影响着大气圈与土壤圈之间的能量传递与转换,具有截留降雨、减缓径流、保土、固土等功能,对水土流失起着决定性的作用,因而是影响土壤侵蚀最活跃的因素之一11,201而植被覆盖度的高低直接影响着水土流失程度的强弱,是影响水土流失的一个重要因子,也是水土流失控制和治理中最有实践意义的因子,一直被作为评价水土保持功能的主要指标而入选美国通用水土流失方程(US LE 22,24.草地生态系统是地球上最重要的陆地生态系统之一1草地是

11、陆地植被的重要组成部分.中国拥有天然草地319×108hm 2,占中国草地资源总面积的9815%,占国土面积的4114%21.目前,植被覆盖度不高已成为影响中国西北地区生态好转的主要因素之一.植被覆盖稀疏的自然生态特征、人类不适当的土地开垦和超载放牧,极易造成土地退化和荒漠化.因此,开展草地资源,特别是天然草地植被覆盖度的应用生态学报2006年6月第17卷第6期CH I N ESE JOURNAL OF APP L I E D EC OLOGY,Jun .2006,17(6:9971002研究具有重要的生态和社会意义.一直以来,估算植被覆盖度大小都是水土流失研究的重要内容1传统的植被

12、覆盖度估计多以定性为主,常用的有顶部直接估计法、顶端子样方估计法、50%法、B raun2B lanquet5级法、Dom in等级法和顶端针架估计法等方法4,但都具有费时、费力、主观随意性大等缺陷22,23.因此,近年来,国内很多学者积极开展植被覆盖度的定量化研究2,3,5,12,14,16,19,26.范一大等7和胡新博10利用NOAA/AVHRR1k m遥感数据,以NDV I为参数计算出沙尘暴过境区域的植被覆盖度分布图;马超飞等17利用线性混合像元分解方法对ET M+影像逐个像元中的植被盖度进行计算和提取,提高了水土流失方程(US LE中植被盖度因子的精度,降低了研究成本,进而可以快速地

13、进行土壤侵蚀量变化动态监测1但是,针对天然草地植被覆盖度开展的高光谱定量化研究还很少1近年来,随着高光谱分辨率遥感技术的普及,遥感可以直接对地物进行微弱光谱差异的定量分析,在植被遥感研究与应用中表现出强大优势1.在红边、蓝边和黄边“三边”光学参数中,采用“红边”估计叶绿素含量(浓度的研究较多6,18,而对“蓝边”和“黄边”的研究较少.本文通过野外观测天然草地冠层光谱,室内计算机植被覆盖度自动解译,选取包含“三边”在内的共25个高光谱特征变量进行相关性分析,建立植被覆盖度的高光谱遥感估算模型,为天然草地植被覆盖度的定量估算开辟新的思路,旨在通过建立草地地面遥感和卫星遥感的联系,促进高光谱分辨率遥

14、感技术在草地畜牧业动态监测、遥感估产和草地退化监测中的应用.2研究区域与研究方法211自然概况研究区域位于内蒙古自治区锡林郭勒盟西南部镶黄旗及浑善达客沙地(41°5642°45N,113°22114°45E,年平均气温219,10活动积温为20003000,年降水量25400mm,多年平均降水量26714mm左右,其降水分布大体从西北向东南递增,且70%降水集中在79月,湿润度为013016.该区域具有干燥、降水量少、蒸发强烈、日照充足和水资源匮乏的特点,境内无永久性河流,只有季节性的干河床,汇水洼地遍布全境.地貌类型主要由中山、低山丘陵、宽谷平原、层状

15、高平原等组成;地带性土壤为栗钙土;群落主要由丛生禾草、根茎禾草、杂类草和稀疏灌丛组成.低山丘陵高平原区植被由旱生丛生禾草和小灌木组成,典型植物群落由克氏针茅(S tipa klyrovii、糙隐子草(C leisto2genes squarrosa、冷蒿(A rte m isia frigida组成;在西北部地区降雨相对偏少,分布有退化葱类植被;在中东大部分地区分布有小叶锦鸡儿(Caragana m icrophylla等;浑善达克沙区以沙竹(Phyllostachys propinque、骆驼蓬(Peganum har m ala为主21.212研究方法21211光谱测量方法1光谱仪:采用A

16、S D FieldSpec Pr o FR T M光谱仪(美国Analytical Spectral Device公司生产,波段值为3502500n m.其中,3501000n m光谱采样间隔为114n m,光谱分辨率为3n m;10002500nm光谱采样间隔为2n m,光谱分辨率为10n m.2草地冠层光谱测定:2004年7月23日、24日和27日,天气状况较好,无云无风,于每天10:0014:00测定冠层光谱反射率.观测时,光谱仪视场角(F OV25°,传感器探头垂直向下,距冠层顶垂直高度约113 m,地面视场范围直径为015m.每个观测点记录10个采样光谱,以其平均值作为该观

17、测点的光谱反射值,测量过程中及时进行标准白板校正(标准白板反射率为1,所得的目标物光谱是无量纲的相对反射率.21212植被覆盖度获取采用计算机图像自动识别法提取植被覆盖度25.21213高光谱数据特征参数及提取常见的高光谱吸收特征参数包括从原始光谱、一阶微分光谱提取的基于高光谱位置变量、基于高光谱面积变量和基于高光谱植被指数变量3种类型共25个吸收特征参数.基于高光谱位置的变量:1Db:蓝边内一阶微分光谱中的最大值,蓝边覆盖490530n m;2b:Db对应的波长位置(n m;3Dy:黄边内一阶微分光谱的最大值,黄边覆盖550582n m;4y:Dy对应的波长位置(n m;5D r:红边内一阶

18、微分光谱的最大值,红边覆盖680780n m;6r:D r对应的波长位置(n m即红边位置;7Rg:绿峰反射率,即波长510560n m范围内最大的波段反射率;8g:Rg对应的波长位置(n m;9R r:红谷反射率,即波长640680n m范围内最小的波段反射率;10o:R r对应的波长位置(n m.基于高光谱面积的变量:1S Db:蓝边波长范围内一阶微分波段值总和;2S Dy:黄边波长范围内一阶微分波段值总和;3S D r:红边波长范围内一阶微分波段值总和;4SR r:红谷内一阶微分波段值总和;5SRg:绿峰内一阶微分波段值总和.基于高光谱植被指数(V I的变量:1Rg/R r:绿峰反射率(

19、Rg与红谷反射率(R r的比值;2(Rg-R r/(Rg+R r:绿峰反射率(Rg与红谷反射率(R r的归一化值;3S D r/ S Db:红边内一阶微分总和(S D r与蓝边内一阶微分总和(S Db的比值;4S D r/S Dy:红边内一阶微分总和(S D r与黄边内一阶微分总和(S Dy的比值;5(S D r-S Db/(S D r+ S Db:红边内一阶微分总和(S D r与蓝边内一阶微分总和(S Db的归一化值;6(S D r-S Dy/(S D r+S Dy:红边内一阶微分总和(S D r与黄边内一阶微分总和(S Dy的归一化值;7S D r/SRg:红边内一阶微分总和与绿峰内一阶微

20、分总899应用生态学报17卷和的比值;8S D r/S R r:红边内一阶微分总和与红谷内一阶微分总和的比值;9(S D r -S Rg /(S D r +SRg :红边内一阶微分总和与绿峰内一阶微分总和的归一化值;10(S D r -SR r /(S D r +SR r :红边内一阶微分总和与红谷内一阶微分总和的归一化值.3结果与分析311天然草地的高光谱特征草地冠层反射光谱是草地植被、土壤、大气、水分等多因子作用形成的综合反射光谱1反射率的大小受着草地类型、种群成分、植被覆盖度大小、植物水分多少、土壤状况和大气状况等多种因素的影响.草地光谱研究是草地资源遥感监测的基础,其地物光谱特性是绿色

21、植被和生境条件的综合反应13.由图1可以看出,天然草地不同植被覆盖度下的冠层光谱反射曲线呈现“同中有异”的现象,即反射曲线总的趋势大致保持一致,在局部波段区域差异较大.其光谱曲线具有一般健康绿色植被光谱的“峰和谷”特征,即在可见光波段的“绿峰”、红光低谷,近红外高原区(017113m 和114、119m处有2个明显低谷1这是绿色植物所特有的15.草地冠层光谱在570n m 前后出现的反射峰和在675n m 左右的反射低谷,是由于以叶绿素为主的色素强烈吸收红光而相对反射绿光造成的.从700n m 到760nm ,光谱反射值随波长的增加而急剧升高,反射曲线具有陡而接近于直线的形态.从760nm 开

22、始,光谱反射值缓慢增加直到1290nm 处,形成了1个较高的相对稳定的反射平台.平台区域草地的冠层反射率一般在40%50%之间,这是由于植物叶子内部组织结构(细胞结构多次反射、散射的结果,主要由生物量、叶面积指数等决定. 在短波红外波段图1不同植被覆盖度下的天然草地原始光谱F i g .1O riginal s pectrum of natural grassland at different vegetati on cover 2age level .的1670nm 和2165n m 前后有明显的反射峰.不同草地冠层光谱反射值与植被覆盖度呈负相关;波长在350703n m 之间,相关系数通过

23、极显著性检验;波长在352nm 处存在最大相关系数-016891在近红外波段(7161328nm 相关系数>0;位于7281150nm 波段间的相关系数达到极显著性检验水平,并形成不规则的阶梯状.在短波红外(13292450n m 区域,相关系数多为负值,14661799nm 和19582445nm 之间,冠层光谱反射值与植被覆盖度的相关系数通过了极显著性检验.31212植被覆盖度与高光谱特征变量由表1可知,植被覆盖度与高光谱位置变量D r 、Db 、Dy 、r 、 Rg图2天然草地植被覆盖度与冠层原始光谱变量的相关系数F i g .2Correl ogram of s pectra o

24、f natural grassland t o vegetati on coverage .9996期刘占宇等:天然草地植被覆盖度的高光谱遥感估算模型和R r的相关系数值较大,均达到极显著性检验水平,其中变量D r的相关系数最大,为01771.植被覆盖度与高光谱面积变量S D r、SR r和S Dy的相关系数较大,均呈正相关,达到极显著性检验水平1植被覆盖度与植被指数(V I变量(Rg-R r/(Rg+R r、S D r/S Db、S D r/SRg、S D r/SR r、(S D r-S Db/(S D r+ S Db、(S D r-S Dy/(S D r+S Dy、(S D r-SRg/

25、(S D r+SRg和(S D r-SR r/(S D r+SR r的相关系数均达到极显著性检验水平,且相关系数全为正值.在全部25个变量中,变量S D r与植被覆盖度的相关系数最大,达01781.表1天然草地植被覆盖度与高光谱特征变量之间的相关系数Table1Correl a ti on coeff i c i en t between veget a ti on coverage of na tu2 ra l gra ssl and and the hyperspectra l var i a bles(n=49基于光谱位置变量Variable based on spectru m pos

26、iti on基于变量Variable based on基于光谱面积变量Variable based onspectrum areaD r0177133Rg/R r013153S D r0178133 R r-016433(Rg-R r/(Rg+R r0154133SR r0169433r-015133S D r/S Db016533S Dy0146933 Db0146133S D r/S Dy-01096SRb013383 Rg-0146133S D r/SRg0169133SRg01093 Dy-0146033S D r/SR r0146233b-013173(S D r-S Db/(S D

27、 r+S Db0162133g-013173(S D r-S Dy/(S D r+S Dy0166833y-01213(S D r-SRg/(S D r+S Rg0166933o-01178(S D r-SRr/(S D r+S R r01405333P<0105;33P<0101.植被覆盖度与变量SRg、S D r/S Dy、y和o的相关系数未达到显著性检验水平,说明当植被覆盖度发生变化时,并没有引起上述4个高光谱特征变量发生显著变化.313植被覆盖度的高光谱遥感估算模型31311逐步回归模型运用逐步回归分析方法确定与植被覆盖度相关的原始光谱变量时,输入变量是植被覆盖度和光谱变量

28、值,输出结果是一系列包含不同光谱变量的多元线性方程及对应的决定系数(R2和回归方程检验值(F检验.逐步回归分析模型为: y=a0+a1x1+a2x2+a i x i式中,xi 为光谱变量值,y为根据所有自变量xi计算的估计值,a0为常数项,ai为y对应的偏回归系数.运用逐步回归分析技术建立天然草地植被覆盖度与高光谱原始数据之间的关系(表2.由表2可以看出,对原始高光谱反射数据进行逐步回归分析,结果很不理想,步长数为6,即选择6个光谱波段变量进入方程,只能解释4014%的方差数.这说明运用天然草地冠层原始光谱数据建立植被覆盖度的估算模型效果不理想.31312单变量线性和非线性回归模型由表1中选出

29、通过极显著性检验且相关系数不小于0165的S D r、D r、SR r、S D r/SRg、(S D r-SRg/(S D r+SRg、(S D r-S Dy/(S D r+S Dy和S D r/S Db7个变量,运用线性和非线性回归方法,建立植被覆盖度的回归估算方程(表31由表3可以看出,所有回归方程的R2都通过了0101极显著性检验.S D r、D r和SR r 3个变量最适合的拟合模型为线性方程,F检验值最大,估计标准误最小;(S D r-SRg/(S D r+SRg、表2天然草地植被覆盖度与高光谱反射数据的逐步回归分析结果Table2Result of stepw ise m ulti

30、 ple regressi on ana lysis between vege2 t a ti on coverage of na tura l gra ssl and and the hyperspectra l var i a bles (n=49步长Step波长W avelength(nm决定系数Coefficient ofdeter minati on 1112501076 2113601134 3113201199 4239101244 5199001342 6104301404表3天然草地地植被覆盖度与高光谱特征变量的线性和非线性回归方程Table3L i n ear and no

31、n2li n ear regressi on equati on between veget a ti on coverage of na tural gra ssl and and hyperspectral vari a bles(n=49回归方程Regressi on equati on决定系数Coefficient ofdeter m inati onF估计标准误Std.err orof theesti m ati onY=-01314+0113S D r/S Dg-01004(S D r/S Dg2Y=-01930+11831(S D r-SRg/(S D r+SRg0Y=2137-

32、8104(S D r-SRg/(S D r+SRg+7119(S D r-SRg/(S D r+SRg2Y=01791+11189ln(S D r-SRg/(S D r+SRg0Y=01004exp(51814(S D r-SRg/(S D r+SRg0Y=-11693+21084(S D r-S Dy/(S D r+S Dy0Y=5118-12141(S D r-S Dy/(S D r+S Dy+7156(S D r-S Dy/(S D r+S Dy2Y=01398+11928ln(S D r-S Dy/(S D r+S Dy0Y=010003+exp(61828(S D r-S Dy/(S

33、 D r+S Dy0Y=-01372+01115S D r/S Db-01003(S D r/S Db20001应用生态学报17卷(S D r -S Dy /(S D r +S Dy 和S D r/S Db 3个变量的最佳回归估算方程也为线性方程,F 检验值较大,估计标准误较小;而变量S D r/SRg 最好的回归估算模型为自然对数方程,F 检验值为最大,估计标准误较小.综合比较,选择以S D r 基于红边波长范围内一阶微分波段值的总和即S D r 为变量的线性方程为最佳模型(图3.从中可以看出,以高光谱特征变量S D r为变量的线性模型,拟合R 2为016243,拟合效果比较理想 .图3以S

34、 D r 为自变量的植被覆盖度高光谱估算模型拟合结果F i g .3Vegetati on coverage esti m ated model using one -sa mp le linear e 2quati on of S D r .图4以S D r 为自变量的植被覆盖度模型实测值与估计值比较F i g .4Comparis on of vegetati on coverage observed and si m ulated using the variable of the area of the red edge peak calculated as the sum of the amp litudes bet w een 680nm and 780nm (dr 680780nm .314植被覆盖度的高光谱遥感估算模型精度将所观测的试验数据随机抽取,分为两组:一组为训练样本(n =49,用于建立回归关系;另一组为测试样本(n =32,进行精度检验.利用以S D r 为变量的线性回归方程对植被覆盖度进行检验,实测值与预测值拟合方程的决定系数R 2(01705高于