基于像元二分模型的植被覆蓋度反演-以北京為例

1、基于像元二分模型的植被覆蓋度反演-以北京市為例王玲（西北大學(xué) 城市與環(huán)境學(xué)院，陜西 西安710127）摘要：采用遙感技術(shù)監(jiān)測(cè)植被覆蓋度具有重要意義。本文以北京市為例，基于2013年的Landsat8 OLI影像，選取NDVI值為參數(shù)，采用像元二分模型對(duì)植被覆蓋度進(jìn)行反演，最終反演的結(jié)果與實(shí)際情況符合，說(shuō)明采用該方法反演植被覆蓋度可行。關(guān)鍵詞：植被覆蓋度、像元二分模型、NDVI、植被指數(shù)引言植被覆蓋度（Vegetation fractional cover,簡(jiǎn)稱fc）是指植被（包括葉、莖、枝）在地面 的垂直投影面積占統(tǒng)計(jì)區(qū)總面積的百分比，即植土比。通常林冠稱郁閉度，灌草等植被稱覆蓋度1。它是衡量

2、地表植被覆蓋的一個(gè)最重要的指標(biāo)，被覆蓋度及其變化是區(qū)域生態(tài)系統(tǒng)環(huán)境變化的重要指示，對(duì)水文、生態(tài)、全球變化等都具有重要意義2。根據(jù)監(jiān)測(cè)手段，測(cè)量植被覆蓋度的方法可分為地面測(cè)量和遙感測(cè)量?jī)纱箢?，測(cè)量常用于田間尺度， 遙感估算常用于區(qū)域尺度。目前已經(jīng)發(fā)展了很多利用遙感測(cè)量植被覆蓋度的方法，較為實(shí)用的地面測(cè)量單的方法就是目估法，缺點(diǎn)主要是主觀性太強(qiáng)?？陀^的測(cè)量方法有樣點(diǎn)法、樣方法、樣帶法等， 借助于采樣儀器的測(cè)量方法，空間定量計(jì)、移動(dòng)光量計(jì)等。這些方法雖然提高了測(cè)量精度， 但野外操作不便，并且成本較高，難以在大范圍內(nèi)快速提取植被覆蓋度。而采用遙感技術(shù)為監(jiān)測(cè)大面積區(qū)域的植被覆蓋度，甚至全球的植被覆蓋度監(jiān)

3、測(cè)提供了可能3。目前已有許多利用遙感技術(shù)測(cè)量植被覆蓋度的方法，其中應(yīng)用最廣泛的方法是利用植被指數(shù)近似估算植被覆蓋度，常用的植被指數(shù)為 NDVI。 一、數(shù)據(jù)源本文選取兩景覆蓋北京市的Landsat8 OLI影像、土地覆蓋類型圖以及北京行政邊界矢量數(shù)據(jù)為數(shù)據(jù)源。其中，土地覆蓋類型圖是作為掩膜文件使用，其目的是為了便于植被覆蓋度的估算；北京行政邊界矢量數(shù)據(jù)是為了將兩景鑲嵌好的影像數(shù)據(jù)進(jìn)行裁剪使用的，其目的是裁剪出北京市行政區(qū)內(nèi)的范圍。另外，Landsat8 OLI影像是從地理空間數(shù)據(jù)云網(wǎng)站上下載得到的，其成像時(shí)間為 2013年10月份。與Landsat7的ETM+成像儀相比，OLI成像儀獲取的遙 感

4、圖像輻射分辨率達(dá)到12比特，圖像的幾何精度和數(shù)據(jù)的信噪比也更高。OLI成像儀包括9個(gè)短波譜段（波段1波段9）,幅寬185km,其中全色波段地面分辨率為15m,其他譜段地面分辨率為30m4?？?您地后情力ETM*度段名善中前St*KRCttMhum(mJ1ml日國(guó)mF Ccsstal308aM 2事0450451530口 聞 1 Blu*和(152D 周030Sand 2 Green0 52M),fi0530Band 4 Red。后330儂0303a nd 3 RedO'.G3IM.69O和的中甯4 py|R0 77MJW0301 560M65Q30Eland 53WE1 55D-1./

5、50期2 f00-2.3003C&同 7 SWR 22.Q9&-2.35030aMSPan15Bana a. PanO WDHS 90015Band NCittue加1表1 Landsat8 OLI陸地成像儀波段參數(shù)二、研究方法本文反演植被覆蓋度所采用的是像元二分模型方法，像元二分模型是一種簡(jiǎn)單實(shí)用的遙感估算模型，它假設(shè)一個(gè)像元的地表由有植被覆蓋部分地表(Sv)與無(wú)植被覆蓋部分地表(S)組成，而遙感傳感器觀測(cè)到的光譜信息(S也由這2個(gè)組分因子線性加權(quán)合成，各因子的權(quán)重是各自的面積在像元中所占的比率，如其中植被覆蓋度可以看作是植被的權(quán)重。因此，像元二分模型的原理如下： 遙感傳感器

6、觀測(cè)到的光譜信息(S)由有植被覆蓋部分地表(Sv)與無(wú)植被覆蓋部分地表(S)組成，可得出：S = S + SS公式 1假設(shè)一個(gè)像元中有植被覆蓋的面積比例為 fc ,即該像元的植被覆蓋度，則裸土覆蓋的面積 比例為1 -fc ,如果全由植被所覆蓋的純像元所得的遙感信息為Sveg ,則混合像元的植被部分所貢獻(xiàn)的信息SM以表示為Sve冉fc的乘積：Sv =fc Sveg公式 2那么，Ss =(1 -fc )- Ssoil公式 3將公式2與公式3代入到公式1中，可得到：S =fc - Sveg +(1 -fc)S soil 公式 4對(duì)公式4進(jìn)行變換，可得以下計(jì)算植被覆蓋度的公式：fc =(S -Ssoi

7、l) (Sveg -Ssoil ) 公式 5其中Ssoil為純土壤像元的信息，Sveg為純植被像元的信息，因而可以根據(jù)公式5利用遙 感信息來(lái)估算植被覆蓋度。將歸一化植被指數(shù)(NDVI)代入公式5可以被近似為：fc =(NDVI - NDVIsoil ) (NDVIveg -NDVIsoil) 公式 6其中，NDVIsoil為裸土或無(wú)植被覆蓋區(qū)域的NDVI值，即無(wú)植被像元的NDVI值;而2 NDVIveg則代表完全被植被所覆蓋的像元的NDVI值，即純植被像元的NDVI值。當(dāng)區(qū)域內(nèi)可以近似取 VFCmax=100%, VFCmin=0% VFC= (NDVI -NDVImin)/ ( NDVIma

8、x -NDVImin), NDVImax和NDVImin分別為區(qū)域內(nèi)最大和最小的NDVI值。由于不可避免存在噪聲，NDVImax和NDVImin一般取一定置信度范圍內(nèi)的最大值與最小值，置信度的取值主要根據(jù)圖像實(shí)際情況來(lái)定；當(dāng)區(qū)域內(nèi)不能近似取VFCmax=100% VFCmin=0%當(dāng)有實(shí)測(cè)數(shù)據(jù)的情況下，取實(shí)測(cè)數(shù)據(jù)中的植被覆蓋度的最大值和最小值作為VFCma壞口 VFCmin,這兩個(gè)實(shí)測(cè)數(shù)據(jù)對(duì)應(yīng)圖像的NDVI作為NDVImax和NDVImin。當(dāng)沒(méi)有實(shí)測(cè)數(shù)據(jù)的情況下，取一定置信度范圍內(nèi)的NDVImax和NDVImin。VFCma/口VFCmin艮據(jù)經(jīng)驗(yàn)估算。 三、數(shù)據(jù)處理 1、數(shù)據(jù)預(yù)處理本文使用

9、的Landsat8 OLI為L(zhǎng)1T級(jí)別數(shù)據(jù)，不需做幾何校正處理。而北京市需要兩景 Landsat OLI數(shù)據(jù)覆蓋，因此首先要進(jìn)行圖像鑲嵌和裁剪，然后進(jìn)行大氣校正等預(yù)處理過(guò)程。(1) 輻射定標(biāo)輻射定標(biāo)是將傳感器記錄的電壓或數(shù)字值轉(zhuǎn)換成絕對(duì)輻射亮度的過(guò)程。目的是消除傳感器本身所產(chǎn)生的誤差，由于傳感器在不斷的運(yùn)行中光學(xué)器件性能逐漸退化，因此定標(biāo)的系數(shù)也隨之不同，這些定標(biāo)系數(shù)也在不斷的更改，在用戶獲得數(shù)據(jù)的時(shí)候，這些定標(biāo)系數(shù)也在影像的頭文件中同時(shí)提供給用戶。遙感數(shù)據(jù)輻射定標(biāo)就是將傳感器得到的灰度值轉(zhuǎn)換為星上的輻射亮度值或星上反射率，即表觀輻射度或表觀反射率。輻射定標(biāo)主要校正由傳感器的靈敏度 帶來(lái)的輻射

10、誤差 。其目的是為FLAAS次氣校正準(zhǔn)備數(shù)據(jù)：定標(biāo)符合單位要求的輻射量數(shù)據(jù)、轉(zhuǎn)換數(shù)據(jù)儲(chǔ)存順序等。該處理過(guò)程在 Envi5.2中實(shí)現(xiàn)，具體操作：在 ENVIToolbox中，選擇Toolbox/Radiometric Correction/ Radiometric Calibration ,選擇*_MultiSpectral 多光譜組(7個(gè)波段),打開(kāi)輻射定 標(biāo)工具，對(duì)兩景影像分別做輻射定標(biāo)。(2)影像鑲嵌因本文所使用的影像數(shù)據(jù)源是兩景Landsat OLI影像，因此需進(jìn)行影像鑲嵌，鑲嵌的目的是將不同的影像文件無(wú)縫地拼接成一幅完整的包含研究區(qū)域的影像。該處理過(guò)程在Envi5.2中實(shí)現(xiàn)，具體操作：

11、在Toolbox中，選擇/Mosaicking/Seamless Mosaic ,打開(kāi)無(wú)縫鑲嵌 工具，然后進(jìn)行相關(guān)參數(shù)設(shè)置，如下所示：(3)影像裁剪因本文所使用的影像數(shù)據(jù)包含了北京市行政區(qū)劃以外的部分地區(qū)，因此需進(jìn)行影像裁剪,以將研究區(qū)裁剪出來(lái)，并且減小了數(shù)據(jù)量，加快了數(shù)據(jù)處理速度，本文使用北京行政邊界矢 量裁剪圖像。過(guò)程在 Envi5.2中的具體操作如下：在Toolbox中，選擇 /Regions of Interest/Subset Data from ROIs ,打開(kāi)裁剪工具：影像裁剪結(jié)果如下所示:(4) Flaash大氣校正，只電磁波在大氣中的傳輸和遙感器觀測(cè)過(guò)程中受光照條件以及大氣作

12、用等的影響有小部分（在0.85um波段80%,在0.45um波段50%）太陽(yáng)輻射能反射到遙感器,導(dǎo)致遙感器的測(cè) 量值與地物實(shí)際的光譜輻射率不一樣。輻射損失主要發(fā)生在大氣吸收和散射過(guò)程，因此地表參數(shù)的遙感定量反演研究中，必須糾正目標(biāo)輻射的不確定性信息6。ENVI中的FLAASK型是基于MODTRAN4+射傳輸模型，通過(guò)參數(shù)查找表來(lái)進(jìn)行大氣校 正的商業(yè)化軟件。FLAASH：氣校正模塊支持多種傳感器數(shù)據(jù)，其光譜處理范圍0.4 wm-2.5可以有效地去除水蒸氣/氣溶膠散射效應(yīng)，同時(shí)該方法基于圖像像素級(jí)的校正，能夠解決目 標(biāo)像元和鄰近象元的“鄰近效應(yīng)”問(wèn)題，校正結(jié)果精度高，簡(jiǎn)單易行7。然后，對(duì)大氣校正前

13、后同一地物的光譜曲線進(jìn)行對(duì)比，這里以植被為例，光譜曲線如下 圖所示：校正前的植被光譜曲線校正后的植被光譜曲線2、植被覆蓋度估算(1)計(jì)算 NDVI本文選取NDVI值為參數(shù)，采用像元二分模型對(duì)植被覆蓋度進(jìn)行反演，根據(jù)植被覆蓋度的計(jì)算公式可知，要求取植被覆蓋度，首先需要計(jì)算NDVI。在Envi5.2中的具體操作如下:在Toolbox中，選擇 Spectral/Vegetation/NDVI , NDVI Calculation Input File 面板中，選擇LC8_rad_beijing_ref.dat 圖像，求算 NDVI,如下：XNDVI求算結(jié)果如下:由于大氣校正后的結(jié)果有部分像元為負(fù)值，

14、主要集中在陰影地區(qū)，這部分區(qū)域計(jì)算得到的NDVI在卜1,1之外，為了便于后面的分析， 我們這里統(tǒng)一將這部分像元進(jìn)行處理， 即NDVI 值大于1的變?yōu)?,小于-1的變成-1。在Bandmath中的表達(dá)式為：-1>b1<1 ,其中bl代 表的是NDV|得到去除異常值文件：NDVI上除異常值.dat(2) 掩膜文件制作該過(guò)程主要是為了計(jì)算NDVI的最大值、最小值所服務(wù)的，根據(jù)土地利用分類圖(共5類，林地、農(nóng)業(yè)用地、城市用地、水體與其他)制作各種土地利用類型的掩膜文件，在Envi5.2中的具體操作如下：在Toolbox中選擇/Raster Management/Masking/Apply

15、Mask ,打開(kāi)制作掩膜工具：采用該方法制作林地、農(nóng)業(yè)用地、城市用地、水體與其他的掩膜文件，其中林地與耕地的掩膜文件制作結(jié)果如下:（2）獲取閾值這一步就是求解NDVImax和NDVImin,使用上一步獲取的掩膜文件分別對(duì) NDVI圖像文件 進(jìn)行統(tǒng)計(jì)，在一定置信度范圍內(nèi)獲取每個(gè)掩膜文件（也就是土地覆蓋類型） 對(duì)應(yīng)的最大和最小NDVI值。在Toolbox中，選擇/Statistics/Compute Statistics ,進(jìn)行統(tǒng)計(jì)，然后在統(tǒng)計(jì)結(jié)果中，取一定的置信度獲取最大和最小的 NDVI值。如這里的林地覆蓋區(qū)域的統(tǒng)計(jì)結(jié)果（如下圖），這個(gè)過(guò)程帶有很大的主觀性，我們需要根據(jù)統(tǒng)計(jì)學(xué)原理自己制定一套規(guī)

16、則（比如5%的置信度），這里我就以NDVI值對(duì)應(yīng)像元數(shù)量增加到 5位數(shù)字為置信區(qū)間，選擇 NDVImin=0.3804 ,NDVImax=0.8667。0.356982361449590.10121.78120.364T06321535910.10611.66730.372592631628S40,11332.00110.3004 _10000LT26S40.12292.1240a. 3S3210879183T330.133T2. 25TT0.395L11579L953120.14232 40000. 4039121412074530.14922.54920.8431veneososoi0.

17、588T0.85103166880921000.309499 4362口.05882019181】2沏0.2431S9.68430.86671222081246000.150269 33450 3T456992S131592u.005959 9204C.03243&55SL35257. 0450取 9654同樣的方法得到其他地物覆蓋類型的NDVI閾值，其中，水體沒(méi)有植被(水藻不屬于植被)認(rèn)為這部分區(qū)域的植被覆蓋度為0,如下表：士地浮米類型NDVImin (NDVIsoil)NDVImax (NDVIveg)林地O.Kbtj；農(nóng)業(yè)用地0.16040.7794班巾.用地0.04040.47

18、89水體ii：其他(3)生成參數(shù)文件植被覆蓋度的計(jì)算公式：fc =(NDVI - NDVIsoil ) (NDVIveg -NDVIsoil)該過(guò)程是根據(jù)上面得 到的NDVI閾值分別生成NDVIsoil和NDVIveg參數(shù)文件，也即 NDVImin與NDVImax。該過(guò)程主要 使用Envi5.2的bandmath工具，并且：NDVIsoil: b1*0.3804+b2*0.1604+b3*0.0404+b4*0+b5*0.0946其中，b1:林地掩膜文件b2：農(nóng)業(yè)用地掩膜文件b3:城市用地掩膜文件b4：水體掩膜文件b5:其他用地掩膜文件NDVIveg: b1*0.8667+b2*0.7794+

19、b3*0.4789+b4*0+b5*0.5347其中，b1:林地掩膜文件b2：農(nóng)業(yè)用地掩膜文件b3:城市用地掩膜文件b4：水體掩膜文件b5:其他用地掩膜文件最終，生成的參數(shù)文件如下所示:(4)植被覆蓋度估算利用上一步得到的 NDVIsoil和NDVIveg參數(shù)文件帶入公式：fc =(NDVI - NDVIsoil ) (NDVIveg-NDVIsoil）,該過(guò)程也是利用 Envi5.2中的Bandmath工具來(lái)實(shí)現(xiàn)的，其表達(dá)式為：（b1-b2）/（b3-b2）, 其中，bl為NDVI（對(duì)應(yīng)的文件名為 NDVI_去除異常值.dat"）、B2為NDVIsoil參數(shù)文件、B3:為 NDVI

20、veg參數(shù)文件，植被覆蓋度估算結(jié)果如下：刁 qroprirks View He pLit： +_* r lt.an Lh： iib* w uiWj £市加生：j jiwth.償-mB H 3- Yl riPmvisw HhJ ¥alh (IL'J>| Hnm*5 Jiti. 0 '.B 超在 12 0：-:U Bstd *U& C:1* J我們分析下結(jié)果，會(huì)發(fā)現(xiàn)有一些異常值，即值在0,1之外，這些異常值是在NDV置信度 之外的那部分像元產(chǎn)生的（也包括NDVI異常像元）。這些像元數(shù)量不多，大約占3.7%左右。還有背景和水體區(qū)域的植被覆蓋度的值為-

21、NaN,即無(wú)效值，因?yàn)榉帜笧?。造成的。第一種異常值可以將小于 。的值變成0,大于1的值變成1,用bandmath工具即可， Bandmath表達(dá)式為：0.0>b1<1.0，其中b1為植被覆蓋度 ；-NaN可以用掩膜進(jìn)行處理，即在Build Mask中用-NaN生成掩膜。去掉異常值之后，并對(duì)其進(jìn)行分類顯示，最終得到的植被覆蓋度圖如下：(5)結(jié)果驗(yàn)證目前業(yè)內(nèi)植被覆蓋度的驗(yàn)證方法主要是通過(guò)野外調(diào)查結(jié)果進(jìn)行驗(yàn)證，如下為一種方法：以與地面垂直的角度用數(shù)碼相機(jī)拍攝采樣點(diǎn)的地面照片，使用GPS1位獲得采樣點(diǎn)的經(jīng)緯度坐標(biāo)。為獲得準(zhǔn)確的植被覆蓋度實(shí)測(cè)數(shù)據(jù)減少像片邊緣變形誤差，將數(shù)碼相機(jī)得到的數(shù)字圖像截取長(zhǎng)、寬各三分之二的中心地帶，采用非監(jiān)督分類法為10類，并將分類結(jié)果分為植被、非植被兩類，以此來(lái)計(jì)算出植