基于多源遥感数据的区域景观格局尺度效应

1、基于多源遥感数据的区域景观格局尺度效应赵磊(神华(北京遥感勘查有限责任公司,北京100085收稿日期:2008-09-09修订日期:2008-12-22作者简介:赵磊(1979,男,硕士研究生,主要从事遥感与土地资源调查方面的工作。E 2mail:kylin_zhao 摘要:无论在景观生态学还是在遥感领域,尺度问题都是非常重要的问题,目前已有的研究主要考虑景观的粒度效应,很少涉及遥感影像空间分辨率对景观格局的影响。在遥感和地理信息系统软件的支持下,利用多源遥感影像,结合研究区的特点进行了景观分类,并从不同遥感数据的空间分辨率角度进行空间粒度放大试验,探讨景观格局的尺度效应。研究结果表明:基于不

2、同空间分辨率遥感影像的土地利用空间数据具有尺度效应,其所反映的区域土地利用景观格局在宏观上是一致的,但类型的边界、形状和数量均产生较大的差异;景观格局指数能反映不同遥感影像所记录的地表信息,从不同遥感数据源、不同空间分辨率的角度定量化判断尺度放大过程中区域土地利用景观特征信息的尺度效应。关键词:遥感;景观格局;尺度效应中图分类号:TP79 文献标识码:A 文章编号:1000-3177(2009104-0055-071 引 言景观空间格局主要是指大小和形状不一的景观斑块在空间上的排列,它是景观异质性(hetero 2geneity的重要表现1。作为景观格局常用的度量方法之一,景观指数是能够高度浓

3、缩景观格局信息,反映其结构组成和空间配置某些方面特征的定量指标2,是作为分析景观格局特征的定量化指数。地表空间数据以其表达地表系统中各部分规模的大小和空间范围的大小,分为不同的层次,即不同空间尺度。在不同的空间尺度上,实体所表现的特性不一样,数据尺度变化必然会导致地物精度的变化,引起数据空间、属性的相应变化,这种变化不可避免地受尺度的影响,也即尺度依赖性。这些随尺度变化分析而出现的一系列变化,如随着尺度增加而造成的景观格局的简单化等,称为尺度效应,景观指数随空间尺度变化的曲线称之为尺度效应曲线3。在地学和生态学研究中,有两个主要问题是尺度效应需要解答的:¹在哪种尺度上,可以正确地表达

4、特定的地理现象4?º不同尺度的数据经过尺度转换后,反映相同的地物和现象时的差异如何5?地球的过程和现象是客观存在的,对地表过程的观察与测量高度依赖于观测的尺度。在信息技术蓬勃发展的今天,遥感已经成为尺度变化分析过程中的重要工具之一,从不同尺度遥感数据提取的信息具有不同的精度,从不同尺度遥感数据中提取的信息反映不同的土地利用空间分布结构,观测尺度的适宜性对遥感提出了多分辨率的要求。不同分辨率的遥感影像,如10m 分辨率的SPOT,30m 分辨率的Landsat TM 和1km 分辨率的NOAA/AVH RR,就是不同尺度的遥感影像数据对地物不同综合程度的影像反映。对于不同的应用目的,所

5、要求的精度不同,所选取的影像尺度和所用信息提取的方法也不相同6。因此,对于研究信息如何随着遥感数据空间尺度的变化而变化,在什么尺度下,从遥感专题数据提取的信息的精度最高,或什么样尺度的土地利用遥感信息能真实反映我们所关心的土地资源的空间分布特征是至关重要的7。土地利用/土地覆盖在不同尺度上表现出不尽相同的性质,在不同的空间尺度下,每种土地类型的面积、周长等参数的变化情况是不同的,它们与每种土地类型的复杂程度具有一定的相关性8,景观空间异质性特征决定了利用遥感影像分析必须考虑尺度效应。本文在遥感、地理信息系统的支持下,从不同遥感数据的空间分辨率角度探讨空间粒度(分辨率放大的试验研究,定量化判断尺

6、度放大过程中区域土地利用景观特征信息的尺度效应。2数据来源2.1研究区地理位置研究区庙城镇位于北京市怀柔区南部,地处山前略有倾斜的洪冲积平原及部分山丘岗地,镇域略呈东西向长方形。地势西北高,东南低,西北最高点海拔145.4m,东南最低点海拔37.5m。总面积约32km2。庙城镇包括18个行政村,地处城乡结合部,土地利用情况复杂,线状地物较多,地形比较复杂。2.2遥感数据源及预处理研究区的基本数据来自3种传感器获取的遥感数据,分别为2002年7月的Landsat ETM影像、2002年10月的SPOT5影像和2002年5月的航空遥感影像。航片是航空摄影的成果,其影像直观,信息丰富。用高精度RT

7、K GPS测量点作为控制点,对航片进行平面与高程联测和控制点加密,并通过解析空中三角测量控制点加密和DOM(数字正射影像的制作,得到分辨率为0.5m的航空影像。SPOT5影像的空间分辨率最高达2.5m。利用ERDAS Image软件把2.5m全色波段和10m多光谱波段融合,得到空间分辨率为2.5m的彩色融合影像。然后以分幅矢量地形图为标准坐标空间选择控制点,采用共线方程进行空间几何位置变换,用三次卷积法进行灰度重采样,最后得到精度2.5m 彩色融合影像。ETM影像的处理是在ERDAS Image软件的支持下,采用PCA融合方法将影像的30m多光谱波段和15m全色波段融合,得到空间分辨率为15m

8、 的彩色融合影像。然后以1B1万的地形图为基准,采用二次多项式和最近邻内插法分别对影像的30m 多光谱数据和15m融合数据进行几何精校正,得到30m和15m两种分辨率的ET M影像。最后基于地理信息系统软件ArcGIS,提取庙城镇的行政界,在ERDA S Image软件subset image 模块的支持下,将研究区庙城镇分别从4幅影像上切出。2.3图像解译根据影像的光谱特征、几何特征、纹理特征及地物间的相关关系,对4幅遥感影像进行人工目视解译,通过外业抽样调查,建立解译标志,共确定了7种土地利用类型:耕地(包括水浇地、旱地和菜地等、园地(包括所有的园地类型、林地(包括乔木、灌木和苗圃等、水域

9、(包括河流、坑塘等、居民点及工矿用地、交通用地(主要的道路以及未利用地(主要是荒草地。在庙城镇2002年10月更新调查数据1B10000土地利用现状图的辅助下,将4幅解译图进行时相匹配,最终得到4幅统一时相的遥感土地覆盖解译图。图1、2为其中的2 幅解译图。图10.5m分辨率航 片分类结果图215m分辨率影像(ETM分类结果3研究方法3.1空间信息转移的过程分析利用空间交叉运算的方法,对不同分辨率的土地覆盖图进行空间一致性分析,在ArcGis软件的支持下,求出不同分辨率影像所表达的土地覆盖类型间的信息转移矩阵,实现对不同分辨率的遥感影像所表现的土地覆盖类型的格局与变化的精确定量分析9。对任意2

10、幅覆盖解译图A k mn和A k+1mn,按照下式的地图代数方法,可以求得:C mn=A k mn10+A k+1mn(1(土地利用类型<10时适用式中:C mn为由k尺度到k+1尺度的土地覆盖分类变化图,表现了不同类型的空间转移分布。利用该图可以求得土地覆盖类型相互转化的数量关系的原始转移矩阵,并求出不同尺度下土地覆盖类型之间的相互转化率,得到土地覆盖类型信息转移矩阵表。3.2景观特征度量指标考虑到景观的空间形态特征和分布特征,在景观分析软件Fragstats的支持下,从景观类型的面积、形状和聚集/分布方面选取斑块数、平均斑块面积、平均分维数、破碎度、分离度等景观指数进行计算,对不同尺

11、度下土地覆盖类型的空间格局变化进行分析。各指数的具体计算公式和含义请参见相关文献1或Fragstats 网站上的详细介绍(/landeco/ research/fragstats/fragstats.html。4结果与分析4.1不同分辨率分类信息转移过程4.1.1信息转移的空间分析为了比较在不同尺度上不同传感器得到的遥感影像所记录的地表信息的差异及其空间分布特征,对图1和图2中的分类结果进行了比较分析。图3中白色的部分代表2幅影像上发生变化的栅格。图3中(a、(b分别表示出0.5m与2.5m、2.5m与15m2种图像分类结果间的差异。从信息转移的空间分布上

12、来看,信息转移过程中产生较大差异的地方多为斑块的边界,分辨率差异越大,其边界差异越明显,这种影响主要是由影像本身像元的差别造成的。一般图像包含的是/纯0像元和/混合0像元的集合体,在地物的边缘,一个像元往往包含多种地物要素,即所谓混合像元问题。一般来说,影像分辨率越低,地物边界越模糊, 产生的面积误差越大。 (a0.5m分辨率与2.5m分辨率信息转移(b2.5m分辨率与15m分辨率信息转移图3不同空间分辨率影像间的信息转移过程表10.5m分辨率与2.5m分辨率分类信息转移矩阵耕地园地林地居民点及独立工矿交通用地水域未利用地合计(hm2占有率(%耕地92610331881311436184016

13、381151168990.3430.93 B93.510.39 1.33 3.720.060.820.17C91.31 1.47 3.13 3.240.75 4.26 1.82园地510022816711885183015111351185245.097.65B 2.0493.300.77 2.380.210.550.75C0.4986.850.450.510.610.70 2.01林地16156218437019412182010041242162410.0212.80B 4.040.6990.47 3.130.00 1.030.64C 1.63 1.0888.41 1.130.00 2.2

14、1 2.85居民点及工矿用地42168131231715110481830174912041081136.2835.48B 3.76 1.16 1.5492.300.070.810.36C 4.21 5.03 4.1792.200.88 4.81 4.43续表耕地园地林地居民点及独立工矿交通用地水域未利用地合计(hm2占有率(%交通用地1018241289132151048211711540147123.65 3.86 B8.75 3.467.5312.1666.46 1.250.38C 1.07 1.63 2.22 1.3297.560.800.51水域8138713151209191011

15、81661092101199.07 6.22B 4.21 3.67 2.61 4.980.0983.43 1.01C0.83 2.78 1.240.870.2186.75 2.18未利用地4166310811598126010001897913697.85 3.06B 4.77 3.15 1.628.450.000.9181.10C0.46 1.170.380.730.000.4786.20合计(hm21014.13263.30419.571137.5384.23191.4792.073202.30占有率(%31.678.2213.1035.52 2.63 5.98 2.88100变化率(%

16、2.407.43 2.330.11-31.88- 3.82- 5.91表2 2.5m分辨率与15m分辨率分类信息转移矩阵耕地园地林地居民点及独立工矿交通用地水域未利用地合计(hm2占有率(%耕地876168171852815456105201951217011371014.1331.67 B86.45 1.76 2.81 5.53 2.07 1.250.14C85.84 6.357.21 5.0018.017.00 1.61园地13181215127417013116718371451109263.308.22B 5.2581.76 1.78 5.00 2.97 2.830.41C 1.357

17、6.60 1.19 1.17 6.73 4.10 1.28林地3112110136322134301731715561181121419.5713.10 B7.44 2.4776.837.32 4.18 1.470.29C 3.06 3.6881.44 2.7415.09 3.41 1.42居民点及工矿用地751931718824176990161101021417331601137.5335.52B 6.68 1.57 2.1887.080.88 1.290.32C7.43 6.36 6.2688.378.628.12 4.22交通用地3116811971416126571070161115

18、484.23 2.63B 3.759.728.807.4367.750.73 1.83C0.31 2.91 1.870.5649.060.34 1.80水域17149717861521818011721391010115191.47 5.98 B9.13 4.06 3.419.820.9072.600.08C 1.71 2.77 1.65 1.68 1.4876.620.18未利用地3104317311545139111801757614492.07 2.88B 3.31 4.05 1.68 5.85 1.280.8183.03C0.30 1.330.390.48 1.010.4189.50合

19、计(hm21021.32281.04395.811120.99116.31181.4285.413202.30占有率(%31.898.7812.3635.01 3.63 5.67 2.67100变化率(%0.71 6.74- 5.66- 1.4538.08- 5.25-7.23表1和表2中13、58对应于图12中不同的土地覆盖类型。表1中的行表示的是k 尺度下i 类覆盖类型,列则表示k +1尺度下j 类覆盖类型;斜体加黑字体表示的是k 尺度下覆盖类型转变为k +1尺度下各种类型的面积,即原始覆盖类型变化转移矩阵A Iij 。B ij =A ij 100/E 8j =1A ij ,表示k +1尺

20、度下j 类覆盖类型中由k 尺度下i 类覆盖类型转换而来的比例;C ij =A ij 100/E 8i =1A ij 表示k 尺度下i 类覆盖类型转变为k +1尺度下j 类覆盖类型的比例。行、列的合计分别表示k 尺度下和k +1尺度下各种覆盖类型的面积及其占总面积的比例。变化率=E 8i =1A ij -E 8j =1A ij 100/E 8j =1A ij ,表示k +1尺度下各种覆盖类型相对于k 尺度下的变化程度。4.1.2信息转移的统计分析依据0.5m 与2.5m 、2.5m 与15m 影像间覆盖类型互相转化的数量关系的原始转移矩阵(以斜体加黑体字表示的数值,求出两个不同尺度下覆盖类型之间

21、的相互转化率(表1、表2中对应于B 、C 行的数值,得到覆盖类型信息转移矩阵表。根据土地覆盖分类信息在不同空间分辨率影像上的信息变化过程,可以将变化等级归为3种类型:增加型(耕地、园地;减少型(水域、未利用地;波动型(林地、居民点及独立工矿、交通用地。同一地物的形状、结构和数量在不同影像上的表达发生了巨大变化。各类型中交通用地的面积变化幅度最大,从123.65hm 2分别减少到84.23hm 2(0.52.5m 分辨率和116.31hm 2(2.515m 分辨率,相应的变化率为-31.88%和38.08%;园地在从0.5m 到2.5m 分辨率、2.5m 到15m 分辨率影像中的信息损失也比较显

22、著,相应的变化率为7.43%和6.74%。耕地也表现出增加的趋势,但变化率很小。由于像元内光谱值反映的是像元内各类地物光谱辐射的总和,面积较小或分布较为分散的土地覆盖类型在由高分辨率到低分辨率的转换中往往导致信息损失,因此,水域和未利用地在尺度转换中相应的变化率分别为- 3.82%、- 5.25%和- 5.91%、-7.23%。林地在2.5m 到15m 分辨率影像中的信息损失也比较显著,其他地类的信息变化趋势不显著。4.2 不同尺度下的景观特征比较研究通过对0.5m 分辨率、2.5m 分辨率和15m 分辨率下各土地覆盖类型的斑块数、平均斑块面积、平均分维数、分离度、破碎度等景观指数的计算,来定

23、量分析不同尺度下土地覆盖类型的空间格局变化。表3 不同数据源的景观空间特征空间粒度覆盖类型面积(hm 2斑块数(个平均斑块面积(hm 2平均分维数分离度破碎度0.5m 0.5m 耕地990.349110.88 1.040.0027园地245.0947 5.21 1.030.0079林地410.0261 6.72 1.050.0054居民点及独立工矿1136.281199.55 1.040.0027交通用地123.65620.61 1.350.0056水域199.0731 6.42 1.070.0079未利用地97.8516 6.12 1.070.01160.72252.5m 2.5m 耕地10

24、14.055817.48 1.090.0021园地263.3038 6.93 1.080.0066林地419.64537.92 1.090.0049居民点及独立工矿1137.546916.49 1.070.0021交通用地84.19328.06 1.290.0058水域191.44228.70 1.130.0069未利用地92.09118.37 1.100.01020.493815m 15m耕地1021.365020.43 1.080.0020园地280.93387.39 1.060.0062林地395.73429.42 1.070.0046居民点及独立工矿1121.225221.56 1.0

25、60.0018交通用地116.14429.04 1.210.0049水域181.451512.10 1.100.0060未利用地85.43810.681.080.00940.4060遥感信息 遥感应用 2009. 8 从表 3 中可以看出, 从 0. 5m 分辨率到 2. 5m 分 辨率再到 15m 分辨率的影像上, 研究区空间景观格 局具有以下特点: ( 1 比较 3 种分辨率影像上的斑块数, 斑块个数 表现出随着分辨率的降低而持续减少的趋势; 而平 均斑块面积则增大, 这是由于混合像元所表现的光 谱值是多种土地覆盖类型光谱值的综合效果, 小面 积的土地覆盖类型光谱信息不丰富, 在影像分辨率

26、 降低的时候, 容易融入到其背景类型中, 使得面积比 较小的斑块趋于消失; ( 2 随着空间分辨率的减小, 各覆盖类型的平均 分维数表现出两种变化趋势: 第一, 在 3 种分辨率影 像上, 交通用地的平均分维数均为最大值, 这是由交 通用地特殊的斑块 形状决定的。随着分辨率 的变 小, 平均分维数减小; 第二, 其他土地覆盖类型的平 均分维数都表现出先增大再减小的趋势, 这是由于 航片 0. 5m 的高分辨率对斑块边界的复杂程度影响 很小, 而在 2. 5m 的影像上, 斑块个体的边界逐渐表 现出像元的锯齿形状, 反而增大了斑块的复杂程度。 随着分辨率的继续降低, 平均斑块面积增大, 斑块形

27、状趋于规则化, 平均分维数表现为减小。平均分维 数表征了空间分辨率的变化对斑块复杂程度的影响 程度。 ( 3 经计算每一类的分离度, 在 3 种影像上几种 类型排序保持一致, 并且分离度随分辨率的降低而减 小, 表明随着小面积斑块的信息损失, 同类景观类型 的不同斑块个体在空间分布上的离散程度降低。 ( 4 整个景观的破碎度下降。随着影像分辨率 的不断降低, 土地覆盖类型的斑块数不断减少, 影像 整体的破碎度也在减少, 但两种尺度转换过程中其 变化程度差别很大。 ( 5 对比 0. 5m 和 15m 的土地利用分类图, 园地 的统计面积差异最大, 变异系数为 14. 62% , 未利用 地的变

28、异系数也达到 12. 70% , 但各覆盖类型在区 域内的空间结构及其比例在 3 个分辨率的影像上基 本保持一致, 反映了一致的宏观空间格局( 图 4 ; 而 平均分维数 差异 最大的 为交 通用地, 变 异系 数为 10. 24% 。 图 4 不同分辨率影像的土地覆盖 结构图 5 结束语 像所记录的区域景观格局的差异, 结果显示随着影 像分辨率的不断降低, 土地覆盖类型的斑块数量不 断减少, 同类景观类型的不同斑块个体在空间分布 上趋于聚集, 整体的破碎度也在减小, 各指数均发生 较大的变化, 其中, 平均分维数表征了空间分辨率的 变化对斑块复杂程度的影响程度。 ( 4 不同分辨率的遥感影像

29、反映了不同传感器 对地物的综合程度, 因此其分类结果的精度必然对 区域景观尺度效应产生影响, 有可能因为分类结果 的人为影响, 而破坏了景观格局的内在规律性。因 此, 如何得到更客观的、 不同尺度下的景观格局图, 从而更科学地揭示景观格局的尺度效应还有待深入 研究。 ( 1 基于不同空间分辨率遥感影像的土地覆盖 空间数据具有尺度效应。对于同一传感器获得的不 同分辨率遥感影像, 分 辨率对地物( 特别是线 状地 物 边界的精确程度有很大影响。 ( 2 不同传感器的 3 种空间分辨率的遥感影像 所反映的区域土地覆盖格局在宏观上是一致的, 但 类型的边界、 形状和数量均产生较大的差异。面积 较小、

30、斑块形状不规则或分布较为分散的土地覆盖 类型在由小尺度的分辨率到大尺度的分辨率的转换 中, 信息的变化幅度往往比较大。 ( 3 利用景观格局指数来比较多分辨率遥感影 参考文献 1 2 F arina A. P rinciples and Methods in Landscape Ecology M . London: Chapman & H all, 1998. 邬建国. 景观生态学 格局、 过程、 尺度与等级 M . 北京 : 高等教育出版社, 2000. 60 2009. 8 3 4 5 6 7 8 9 遥感应用 遥感信息 申卫军, 邬建国, 林永标, 等. 空间粒度变化对景观格局

31、分析的 影响 J . 生态学报, 2003, 23( 12 : 2506 2519. 李晓兵, 陈云浩, 李霞. 基于多尺度遥感测量的区域土地覆盖格局研究 J . 植物生态学报, 2003, 27( 5 : 577 586. 刘明亮, 唐先明, 刘纪元, 等. 基于 1km 格网的空间数据尺 度效应研究 J . 遥感学报, 2001, 5( 3 : 183 192. 杨存建, 刘纪元, 张增祥, 等. 土地利用数据尺度转换的精度损 失分析 J . 山地学报, 2001, 19( 3 : 258 264. 刘悦翠, 樊良新. 林业资源遥感信息的尺度问题研究 J . 西北林学院学报, 2004,

32、19( 4 : 165 169. 黄秋华, 张新长, 张文江. 土地利用数据在不同空间尺度下的精度损失分析 J . 测绘通报, 2007( 2 : 44 47. 史培军, 陈晋, 潘耀忠. 深圳市土地利用变化机制分析 J . 地理学报, 2000, 55( 2 : 151 160. Scale Effect of Regional Landscape Pattern Based on the Mult i2Sour ce Remot e Sensing Data ZH AO Lei ( S henhua ( Bei jing Remote Sensing & Geo2engineer

33、ing Compa ny Ltd . , Beij ing 100085 Abstr act: Scale is an import ant issue both in landscape ecology and remote sensing. Choosing data of proper resolut ion has always been a big pr oblem for landscape pattern analysis using satellite images. Although many studies have been conducted tr y2 ing to

34、invest igate the effects of remote sensor spatial resolution on landscape pattern analysis, changing gr ain size is much mor e concer ned by scient ists. The effect s of remote sensor spatial resolution on landscape patter n analysis have r arely been repor ted. Based on multi source remote sensing

35、image and with the helper of ERDAS and ARCGI S softwar e, the landscape of study 2 area was classif ied. A test to increase spatial grain has been conducted to discuss scale effect of landscape patter n fr om the per2 spect ive of spatia l resolution of different remote sensing dat a. It is shown th

36、at : The land use spatial data der ived fr om the differ2 ent remote sensing images have differ ent scale effect in some way. In the gener al, the regional landscape patter ns, represent ed by the images of differ ent spatial resolution from differ ent sensors, are consistent, however it has great d

37、iversity in the boundar y, shape and quantity of the land 2use types; the landscape indices can r ef lect t he infor mation of var ious remot e sensing images, and indicate the grain effect of landscape char acter infor mation with scaling up methods from the different r emote sensing data and diffe

38、r ent spatial resolution. Key words: remote sensing; landscape pattern; scale effect ( 上接第 54 页 A Red Tide Detecting Method Based on Spectr al Signatr al and Spectr al Angle Mapping Technology WU Wen 2jin ( Wuhan Univer sity , S chool of R emote Sensing a nd I nf orma tion Engineer ing , Wuhan 430072 Abstr act: Remot e sensing technique has become one of the most im portant means of red t ide detection. Now, there have been a number of successful applications of r ed tide detect ions using remot e sensing technology in the world. T he present detec2 t ing technology