草地退化遥感评价指标的构建

草地退化遥感评价指标的构建

遥感技术在草地生态系统中得到了广泛应用，但由于我国草地遥感起步较晚，科学体系不成熟，需要进一步的研究和解决。主要问题有:①缺乏一套完善的草地退化评价指标体系。目前,草地遥感主要侧重于草地牧草产量评价与监测,而草地生态环境退化的相关研究相对较少,因而还没有形成一套完善的评价草地退化的指标体系。②选择的遥感数据空间分辨率偏低。纵观草地退化评价相关研究,选用的遥感数据大多都是NOAA/AVHRR影像,最高空间分辨率1.1km,要建立样地与影像精确的对应关系比较困难,建立的评价模型误差比较大,评价结果的精度比较低。选用LANDSATETM+数据,以那曲县为例,在构建系列草地退化地面评价指标和遥感评价指标基础上,通过相关分析选出最适于线性拟合的地面评价指标和遥感评价指标,采用线性回归技术建立一个基于ETM+影像的草地退化评价模型,为西藏北部草地退化的快速评价提供一种新方法。1处理数据1.1草地样方测量表的建立藏北草地具有结构单一、类型简单、分布均匀的特点,这对野外采样工作很有利。在充分了解那曲县草地类型结构基础上,结合最新遥感影像资料,按照不同草地类型布置了50个草地样方。采样点分布基本上是均匀的,样方大小为1m×1m,并且样方方圆30m×30m的草地具有与样方相同或相似植被特征。草地样方测定的数据主要包括经纬度、海拔高度、植被高度、盖度、生物量及地表砾石度,同时对草地植被及土壤、地貌等生境条件等进行描述。在处理野外测量样方数据时,把出现漏记或错记的样方测量表作无效处理。经过仔细筛选,最终得出有效样方测量表共47份。把测定的样方分成两组:第一组为训练样本,共35个样方,用来建立评价模型;第二组为测试样本,共12个样方,用来检验模型的精度。草地样方实际大小为1m×1m,TM遥感影像上一个象元代表30m×30m,单位象元的生物量相当于30m×30m大小的样地生物量。1.2两种不同几何校正方法的对比LANDSATTM影像具有植被敏感波段,被广泛应用于植被信息提取中,且30m×30m的空间分辨率能够满足自然景观分异程度较低地区的评价要求;高原植被返青比较晚,生长期短,7\_8月是牧草生长旺季。因此,选用2001年7月下旬的LANDSATETM+影像(轨道号为137/38,成像日期为07-24)作为草地退化评价的主要遥感信息源。以那曲县水系矢量图(已校正)为参考图层,利用ErdasImagine中的ImageGeometricCorrection工具对2001年ETM+影像进行几何校正。分别在原始ETM+影像和参考图层上找出20个对应的控制点和10个检验点,在误差计算结果达到精度要求后,采用三次多项式的方法对ETM+影像进行重采样,使ETM+影像具有与水系矢量图一致的投影方式和坐标体系。校正后ETM+影像为UTM投影、KRASOVSKY椭球体,几何校正整体误差RMS为0.206。基于几何校正后的2001年ETM+影像,利用回归分析方法在ErdasImagine软件中完成影像的大气校正。由此得到具有明确地图投影与地理坐标信息,影像象元值更接近地物反射率值,能更好反映地表真实情况的研究区域ETM+影像。2学习方法2.1草地退化的评估指标2.1.1不同量纲级的指标归一化处理xi=Xi-XimaxXimax-Ximin(1)xi=Xi−XimaxXimax−Ximin(1)式中:xi是第i个单指标归一化处理结果值,xi数值范围是0～1,Xi是第i个单指标原始值,Ximax是第i个单指标数值域上限,Ximin是第i个单指标数值域下限。据实地调查情况,以上任何一个单一评价指标均不能很好反映草地退化程度。如藏北嵩草盖度退化缓慢,草地退化主要表现在植株矮化和生物量下降;高山嵩草、矮嵩草植株高度变化缓慢,草地退化主要表现在盖度降低和生物量的下降;紫花针茅的高度、盖度和生物量退化都较明显。生物量降低是草地退化比较明显的特征,但如果草地中有杂草的侵入,生物量和盖度都不能很好反映草地退化程度,此时结合建群种植株高度进行草地退化评价更为合理。为此,需要综合建群种植株高度、草地植被盖度和草地生物量的信息,构建草地退化地面综合评价指标。2.1.2土壤因子综合评价由于草地建群种植株高度、草地植被盖度和草地生物量表征草地退化程度的能力是有所区别的,所以在综合过程中应该赋予它们不同的权重。确定权重的传统方法主要有专家打分和层次分析法,但这两种方法都参入了评价者主观意识,导致评价结果主观性误差的增大。已有研究表明,因子分析中变量的公共性(公共方差部分)表示变量对各因子综合评价的代表性,通过变量公共性的归一化处理得出各个变量在因子综合评价中的权重更加客观和科学。因此,以经归一化处理后的建群种植株高度(x1)、植被盖度(x2)和生物量(x3)为变量,应用主成分法提取一个公共因子反映草地植被信息,得出公因子对3个变量的累计方差、各变量在因子中的载荷(贡献率)及变量的公共性(公共方差部分),然后用公式(2)对各变量的公共性进行归一化处理,即求算出草地建群种植株高度、草地植被盖度和草地生物量(x3)权重分别为:0.37,0.25和0.38(表2)。ωi=ˉh2i∑ˉh2i(2)ωi=h¯2i∑h¯2i(2)式中:ωi变量xi的权系数;ˉhh¯2i变量xi的公共方差部分。对草地退化地面单一评价指标的归一化值进行加权求和,即可得出地面综合评价指标,具体计算公式如下:式中:xi是第i个地面单一评价指标的归一化值;ωi为xi的权系数;y为地面综合评价指标,数值范围是0～1。y的值越大,草地植被长势越好,表示草地退化程度越轻;反之,表示草地退化程度越严重。2.2草地退化的遥感评价指标2.2.1草地叶片含水量对反射特征的影响根据GPS提供的采样点的经纬度坐标,应用ErdasImagine软件在预处理后的ETM+影像中找出对应的象元点,并读取其TM1—TM7波段的反射值。对不同退化程度的样方数据进行统计,并绘制光谱曲线图(图1)。典型的绿色植物光谱曲线的最高峰出现在TM4波段,次高峰出现在TM5波段。从图1可看出,退化草地的反射最高峰出现在TM5波段,并且退化越严重反射峰值越大。据初步推测,主要是受含水量的影响。TM5波段(1.55～1.75μm)处在1.45μm、1.95μm为中心的水吸收带之间,反映含水量敏感。植物叶片在TM5波段的反射率主要受含水量的控制,叶片含水量越小,入射能量中被叶片吸收的部分就越少。藏北高原属半干旱地区,平均年降水量421.9mm,平均年蒸发量1690.7mm,平均相对湿度54%。与湿润地区的林地相比,藏北草地的土壤湿度、植物叶片的绝对含水量都要低得多,因而在TM5波段的反射亮度值相对要高些。2.2.2tm5光谱指数的计算在前人研究的基础上,经过反复试验,从LANDSATTM数据中产生系列对植被信息比较敏感的派生数据,包括归一化植被指数(INDVI)、比值植被指数(IRVI)、差值植被指数(IDVI)、垂直植被指数(IPVI)、土壤调整植被指数(ISAVI)、修改型土壤调整植被指数(IMSAVI)、中红外植被指数(IVI3)、TM4/TM5光谱指数,并得出相应的植被指数图像和光谱指数图像。植被指数计算公式如下:式中:TM3、TM4和TM5分别是LANDSATTM的红光波段、近红外波段和中红外波段。A、B和L的取值分别为0.96916,0.084726和0.5。2.3草坪退化评价模型2.3.1地面评价的遥感正演分析国外已有的研究表明:植被指数与牧草生长末期地上总生物量之间相关密切,并且不同植被指数、不同波段运算得出的光谱指数与牧草生物量相关性大小有别。为此,需要对草地退化地面评价指标与LANDSATTM原始数据及其派生数据之间的相关性进行分析,以找出与草地退化地面评价指标相关性最大的波段、植被指数和光谱指数,建立一个更精确的、能快速获取草地植被变化信息的遥感模型。对野外测量样方的地面评价指标与其对应的ETM+影像中各波段的亮度值、各种植被指数及光谱指数之间进行相关分析。结果表明,与草地退化遥感评价指标相关性最显著的地面评价指标是地面综合评价指标,除TM4和MSAVI外,地面综合评价指标与其它遥感评价指标均在0.01水平上显著相关;与草地退化地面评价指标相关性最显著的遥感评价指标是TM4/TM5,与高度、盖度、生物量和地面综合评价指标的相关系数均比其他遥感评价指标高。其中TM4/TM5和地面综合评价指标的相关性最为显著,相关系数达到0.817,从线性关系分析,两者基本呈现出同步变化的趋势,适合用作草地退化评价模型的自变量和因变量(表3)。2.3.2草地退化综合评价模型以TM4/TM5为自变量,地面综合评价指标为因变量,在SPSS统计软件中进行线性回归分析,得出草地退化遥感评价的线性回归模型:y=1.3831x-0.5931(4)y=1.3831x−0.5931(4)式中:y为草地退化地面综合评价指标;x为TM4/TM5光谱指数,相关系数R=0.817,进行99%可信度的F检验,F=66.424>F0.01其相关关系成立且非常显著,线性回归方程(4)式是有意义的。2.3.3多光谱评价模型精度分析由于采用相关分析、线性回归方法建立多光谱遥感评价模型存在“过度拟合”现象,加上样方测定数据与遥感影像数据具有不同步性,光谱指数TM4/TM5与地面综合评价指标之间的线性回归模型存在一定的误差。为了验证模型是否适用于藏北草原的评价与监测,需要对建立的多光谱评价模型进行精度分析。利用第二组的12个测试样本对多光谱评价模型进行预测和检验,并计算相应的确定系数R2、均方根差(RMSE)和相对误差作为模型精度评价的标准。1ssr拟合程度检验确定系数是相关系数(单、复)的平方值,可以用来评价光谱数据和草地植被数据的相关性和回归预测结果的优劣程度。其定义为:R2=SSRSSΤ=1-SSESSΤ=∑(y-ˆy)2∑(y-ˉy)2(5)R2=SSRSST=1−SSESST=∑(y−yˆ)2∑(y−y¯)2(5)式中:SSR为回归平方和;SSE为残差平方和;SST离差平方和;y为实测值;ˆyyˆ为预测值。R2=1,表明完全拟合;R2=0,则表示自变量x与y完全无关;R2越接近1,表明回归直线的拟合程度越高;反之,R2越接近于0,回归直线的拟合程度就越差。2拟合结果拟合由线性回归模型估计出的参数,其精度可用均方根差来评价,均方根差越小,表明拟合结果越理想。RΜSE=√n∑i=1(yi-ˆyi)2/n(6)RMSE=∑i=1n(yi−yˆi)2/n−−−−−−−−−−−−√(6)式中:yi和ˆyyˆi分别为实测值和预测值;n为样本数量。3模型精度检验在模型精度检验中经常用相对误差来表示分析结果的准确度,相对误差越小,表示分析结果越接近真实值。对误差=(yi-ˆyi)/yi×100%(7)式中:yi和ˆyi分别为实测值和预测值。模型精度检验结果表明,草地退化地面综合指标的实测值与线性模型的预测值拟合很好,R2达到0.8444(图2);RMSE和相对误差的计算结果也很小,分别为0.063和5.75%。表明以TM4/TM5为自变量,草地退化地面综合评价指标为因变量的线性回归模型预测精度高,具有较好的实用性。2.4评价标准的确定将退化程度分成无明显退化、轻度退化、中度退化、重度退化4个等级。根据前人研究成果,结合草地样方测定指标的最大值、最小值、平均值和标准差,确定各草地类型的草地生物量、植被盖度和建群种植株高度在不同退化程度中的评价标准。应用草地退化地面综合评价指标的计算公式,计算出综合评价指标的退化等级标准,并根据不同草地类型草地退化综合评价指标与TM4/TM5光谱指数之间的关系,确定TM4/TM5的退化等级标准(表4,表5,表6)。2.5草地退化图的编制根据不同草类草地退化强度评价标准,在ERDASImagine中对TM4/TM5的光谱指数图进行再分类,获取草地退化强度的等级图;将草地类型图与草地退化强度图进行叠加,完成草地退化图的编制(图3)。图中的代码是根据退化草地自然属性和人为干扰强度差异进行系统命名的(表7)。比较那曲县典型地段的TM遥感影像和草地退化强度分布图(图4),可直观地判断应用TM4/TM5的光谱指数图提取的草地退化信息与目视解译结果具有一致的分布规律。3草地退化强度将行政边界叠加到草地退化图上,进行不同退化等级的草地面积统计。统计结果表明,2001年那曲县退化草地面积达到95.21万hm2,占草地总面积的69.43%,其中轻、中、重度退化占草地总面积比重分别为45.03%、19.07%、5.33%。由于自然资源与人口分布具有不均匀性,草地退化具有明显的空间分异特征,退化强度空间分布总体趋势为中部>西部>东部,其中中部的古路镇和那曲镇退化程度最为严重,退化草地面积比重分别达到94.70%和78.58%,中度\,重度退化面积比重分别为44.39%和36.25%;西部的那木切乡次之,退化草地面积比重和中度\,重度退化面积比重分别为87.14%和28.66%。4对草地退化的评价光谱曲线分析表明,退化草地在TM5波段呈高反射值,并且退化越严重,TM5波