衛(wèi)星遙感在植被調(diào)查中的應(yīng)用

衛(wèi)星遙感在植被調(diào)查中的應(yīng)用

要研究世界氣候變化、人類活動對環(huán)境的影響，以及各種規(guī)模的自然災(zāi)害對陸地生態(tài)系統(tǒng)的影響，必須具備能力快速、準(zhǔn)確地獲取相關(guān)信息。傳統(tǒng)意義上的植被調(diào)查顯然不能滿足這一要求。遙感技術(shù)可以滿足不同尺度下的植被類型調(diào)查的要求,是在宏觀上獲取植被信息的一種很好的手段。衛(wèi)星遙感在可見光波段和熱紅外波段的觀測值可以用來提取土地覆蓋特征和生物物理參數(shù),用于支持包括全球變化在內(nèi)的很多領(lǐng)域的研究(Runningetal.,1994)。NOAA_AVHRR傳感器能夠提供高時間分辨率(日覆蓋可達(dá)兩次)和適度空間分辨率(星下點為1.1km)的數(shù)據(jù)以支持從區(qū)域到全球尺度的研究(Moody&Strahler,1994;Sellersetal.,1994)。許多大型的國際合作研究項目,如IGBP(InternationalGeosphere_BiosphereProgramme)、IGAC(InternationalGlobalAtmosphericChemistryProject)、BAHC(BiosphericAspectsoftheHydrologicalCycle)和GCTE(GlobalChangeandTerrestrialEcosystems)都把NOAA_AVHRR數(shù)據(jù)作為重要的數(shù)據(jù)信息源(Ehrlichetal.,1994)?，F(xiàn)在,對大面積地區(qū)的植被分類信息的獲取,已有NOAA_AVHRR數(shù)據(jù)、SPOT_4衛(wèi)星的VEGETATION(VGT)數(shù)據(jù)(Mayauxetal.,2000;Xiaoetal.,2002)、Terra衛(wèi)星的MODIS(ModerateResolutionImagingSpectroradiometer)數(shù)據(jù)可供選擇,三者都可以用來獲取1km分辨率的地表覆蓋數(shù)據(jù),但目前用得最多的遙感數(shù)據(jù)還是NOAA_AVHRR資料(DeFries&Townshend,1994;Eidenshink&Faundeen,1994;Sellersetal.,1994;Townshend,1994;Townshendetal.,1994;Cihlaretal.,1996)。區(qū)域尺度乃至全球尺度的植被遙感分類,國內(nèi)外已有報道(Zhu&Evans,1994;Achard&Estreguil,1995;盛永偉等,1995;Boyd&Ripple,1997;李曉兵和史培軍,1999),這些研究大多數(shù)使用源自NOAA_AVHRR遙感數(shù)據(jù)的NDVI資料或是結(jié)合AVHRR的其它通道數(shù)據(jù)。對于亞熱帶常綠闊葉林區(qū)的植被遙感分類研究,由于亞熱帶常綠闊葉林獨特的地理分布(主要分布在東亞,中國是世界上亞熱帶常綠闊葉林分布面積最大和最集中的地區(qū)),以亞熱帶常綠闊葉林為主要研究對象的植被遙感分類,目前很少見諸報道。本文利用時間序列的NOAA_AVHRR數(shù)據(jù),對中國東部亞熱帶常綠闊葉林區(qū)的植被進(jìn)行遙感分類,目的在于:1)探索NOAA_AVHRR遙感資料用于常綠闊葉林區(qū)植被分類的可能性;2)為中國東部地區(qū)的氣候變化、森林生物量和生產(chǎn)力估算、區(qū)域碳儲量模擬提供植被類型和分布數(shù)據(jù)。1數(shù)據(jù)處理和分類方法1.1日ndvi最大合成影像本文的研究范圍為華東五省(安徽、江西、江蘇、浙江和福建)一市(上海市)的廣大地區(qū)(圖1),本區(qū)的地帶性植被為常綠闊葉林和常綠闊葉落葉闊葉混交林。本文對中國東部地區(qū)植被的遙感分類,采用的數(shù)據(jù)是由AVHRR的第1、2通道推導(dǎo)的時間序列的NDVI合成影像數(shù)據(jù)。之所以用NDVI數(shù)據(jù)是因為NDVI與植物的光合作用活性成比例關(guān)系(Sellers,1987),而NDVI對時間的積分則與植物地上部分的生物量相關(guān)(Tuckeretal.,1985a,1985b;Goward&Huemmrich,1992;Runningetal.,1994)。影像的獲取時間為1995年2月～8月,合成影像的時間間隔為10d,其中缺3月上旬和8月上旬合成影像資料,共計有19景最大值NDVI合成影像。數(shù)據(jù)來源是USGS(U.S.GeologicalSurvey)的EDC(EROSDataCenter,EROS_EarthResourcesObservationSystems)。地面接受的AVHRR數(shù)據(jù)的做了如下處理:1)AVHRR第1、2通道數(shù)據(jù)的大氣校正和輻射校正;2)多時相NDVI影像的地理配準(zhǔn);3)云污染剔除,采用的方法是最大NDVI值合成原則(MaximumNDVIcompositecriterion),亦即對10d之內(nèi)觀測到的數(shù)據(jù),用每天觀測的AVHRR數(shù)據(jù)生成日NDVI數(shù)據(jù),采用星下點無云象元的NDVI最大值進(jìn)行合成,得到一景無云的NDVI最大值合成影像。所用的華東地區(qū)五省一市邊界矢量數(shù)據(jù)和各省市分縣數(shù)據(jù)來源于數(shù)字化地形圖,數(shù)字化邊界矢量數(shù)據(jù)的投影和NDVI影像幾何精校正所用的投影相一致,以確保矢量數(shù)據(jù)和經(jīng)幾何精校正的NDVI柵格數(shù)據(jù)的嚴(yán)格配準(zhǔn)。對于NDVI最大值合成影像資料,我們首先把單波段的19景影像進(jìn)行多通道合并,然后把研究地區(qū)(華東五省一市)從影像上切割下來,對切割的影像進(jìn)行幾何精校正。幾何精校正的29個地面控制點(Groundcontrolpoint,GCP)是從1∶50萬地形圖上選取NDVI影像上的同名點。幾何精校正采用這三次多項式,像元值重采樣采用三次卷積取樣,經(jīng)幾何精校正后的合成影像的RMS(Rootmeansquare)為0.01～0.03個像元。在經(jīng)過幾何精校正的影像上疊加華東五省一市的矢量邊界,然后把研究地區(qū)切割下來用于植被分類。主成分分析(Principalcomponentanalysis,PCA)是減低數(shù)據(jù)維數(shù)的一種很有效的方法,常被用于多時相NDVI數(shù)據(jù)處理(Cihlaretal.,1996)。對幾何精校正后的19個旬的NDVI合成影像,在用于分類之前作PCA分析,取信息載荷大于99.1%的第一、第二和第三主分量,用于對華東五省一市的植被進(jìn)行分類。各波段的統(tǒng)計特征和PCA分析的各主成分及其信息載荷,參見表1。1.2oad迭代算法對19景NDVI數(shù)據(jù)經(jīng)過PCA處理后,取前3個主分量作為新的影像,對其實施非監(jiān)督分類,采用ISODATA迭代聚類算法。分類類別數(shù)從15類開始,一直到35類,對各分類結(jié)果,對照野外實際調(diào)查的樣地資料和各省植被圖,進(jìn)行初步分析比較,確定合適的分類類別數(shù),然后再用野外調(diào)查資料和植被圖件資料詳細(xì)比較分析,確定具體植被類型,最后對分類后的結(jié)果進(jìn)行精度估算和分類后處理,最終得到植被分類圖。1.3分類成果驗證在區(qū)域尺度上,對粗分辨率(1km)的植被遙感分類結(jié)果進(jìn)行精度估算是十分困難的。對植被遙感分類精度的檢驗,一般采用3種方法:1)采用野外實際調(diào)查資料,對分類結(jié)果進(jìn)行檢驗;2)采用已有的圖件資料(如植被圖、土地利用圖等)進(jìn)行驗證;3)采用高分率遙感影像(如Landsat_TM/ETM+)的分類成果進(jìn)行驗證。對于區(qū)域和全球尺度的植被/土地覆蓋分類,采用第一種評價方法進(jìn)行精度檢驗,無論是工作量,還是取樣數(shù)量的要求都十分龐大。由于時間和條件的限制,一般很難對研究地區(qū)做詳細(xì)的地面調(diào)查工作和取樣,因此粗分辨率遙感分類結(jié)果精度評價多數(shù)采用后兩種方法(Achardetal.,2001;Xiaoetal.,2002)。本文對分類結(jié)果的精度檢驗采用數(shù)字化的1∶1000000《中國植被圖集》(侯學(xué)煜,2000)的數(shù)據(jù)作為分類精度評估的參照。2結(jié)果與分析2.1常綠森林類型對華東五省一市地區(qū)的植被進(jìn)行的非監(jiān)督分類,初始分類類別數(shù)從15類開始,一直到35類,把各分類結(jié)果與野外調(diào)查的資料和各省植被圖件資料(安徽植被編輯委員會,1983;江西森林編輯委員會,1986;林鵬,1990;浙江森林編輯委員會,1993;宋永昌,1999)進(jìn)行比較分析,確定分為28類比較符合研究地區(qū)的實際情況,并對28種類型用野外實地調(diào)查資料和圖件資料確定具體類型。28種分類類別為:1)水體,2)水生植被,3)水生/沼澤植被,4)沼澤/灘涂植被類型Ⅰ,5)沼澤/灘涂植被類型Ⅱ,6)常綠闊葉林類型Ⅰ,7)常綠闊葉林類型Ⅱ,8)針葉林Ⅰ(杉木林Cunninghamialanceolata),9)針葉林Ⅱ(馬尾松林Pinusmassoniana),10)針葉林Ⅲ(馬尾松占優(yōu)勢),11)針闊葉混交林,12)常綠果樹或常綠灌叢,13)針葉林Ⅳ,14)矮灌草叢類型Ⅰ,15)矮灌草叢類型Ⅱ,16)矮灌草叢類型Ⅲ,17)矮灌草叢類型Ⅳ,18)一年兩熟旱作農(nóng)業(yè)植被(小麥Triticumaestivum+玉米Zeamays),19)城市/裸露沙灘,20)一年兩熟/三熟(水稻Oryzasativa+油菜/小麥Brassicanapus/Triticumaestivum)農(nóng)業(yè)植被,21)竹林,22)一年兩熟/三熟(水稻+油菜)農(nóng)業(yè)植被,23)一年兩熟/三熟(水稻為主)農(nóng)業(yè)植被,24)一年兩熟(水稻+水稻為主)農(nóng)業(yè)植被,25)一年兩熟/三熟(水稻,需灌溉)農(nóng)業(yè)植被,26)落葉灌叢,27)一年兩熟(水稻占優(yōu)勢)農(nóng)業(yè)植被,28)山地灌草叢。在28類中,除水體景觀和城市景觀外,余下的26類均為植被類型,依照《中國植被》的分類系統(tǒng)(吳征鎰,1980),這26類可以歸并為6大植被類型:1)常綠闊葉林;2)針葉林(針闊葉混交林被合并在此類中);3)竹林;4)灌草叢;5)水生植被;6)農(nóng)業(yè)植被。從分類結(jié)果可以看出(圖2),各植被類型的空間分布非常有規(guī)律性,無論是農(nóng)業(yè)植被,還是天然植被,它們的空間分布范圍與地帶性植被的分布規(guī)律相一致,從北向南,依次分布著旱作農(nóng)業(yè)植被帶(區(qū))、一年兩熟的水旱連作農(nóng)業(yè)植被帶(區(qū))、一年兩熟的以水稻為主的農(nóng)業(yè)植被帶(區(qū))、常綠落葉闊葉混交林帶、典型常綠闊葉林帶、一年兩熟/三熟的以水稻為主的農(nóng)業(yè)植被帶(區(qū)),界線是比較清楚的。2.2遙感分類結(jié)果與分析為了檢驗對常綠闊葉林的分類精度,我們用1∶1000000的《中國植被圖集》華東五省一市地區(qū)的植被類型作為分類精度檢驗的參照。把研究范圍內(nèi)的植被圖掃描,在地理信息系統(tǒng)中進(jìn)行地理配準(zhǔn)、圖幅拼接、數(shù)字化,建立中國東部植被類型數(shù)據(jù)庫,用數(shù)字化《中國植被圖集》的植被類型數(shù)據(jù)與遙感數(shù)據(jù)進(jìn)行疊加分析,檢驗分類精度。在《中國植被圖集》中,華東五省一市共有78種植被類型,為了便于和遙感分類結(jié)果進(jìn)行空間疊加分析,把這78種類型歸并為8大植被類型。分類結(jié)果的精度評估從2個方面進(jìn)行,一是類型精度評估,主要是對遙感分類結(jié)果的類型和位置進(jìn)行評估;二是面積精度評估,主要是對遙感分類結(jié)果的面積誤差進(jìn)行評估。由于《中國植被圖集》中所依據(jù)的資料主要是1950～1987年來在全國各地進(jìn)行的植被調(diào)查研究的數(shù)據(jù),成圖資料與我們研究所用遙感數(shù)據(jù)時隔8～45年,期間植被類型的時空動態(tài)變化目前還無最新數(shù)據(jù)進(jìn)行更新,無法獲取同時相的(即1995年)植被類型驗證數(shù)據(jù)。鑒于此,假設(shè)遙感分類的數(shù)據(jù)與數(shù)字化《中國植被圖集》的數(shù)據(jù)只要空間疊加的面積超過1km2,即認(rèn)為遙感分類的類型和地理位置是正確的。在進(jìn)行精度檢驗時,用《中國植被圖集》的植被類型斑塊數(shù)量作為檢驗數(shù)據(jù),遙感分類斑塊數(shù)量數(shù)據(jù)作為被檢驗數(shù)據(jù),用重合的斑塊數(shù)量代表分類正確數(shù)據(jù)。從植被制圖的需要出發(fā),在進(jìn)行精度檢驗時,對遙感分類的結(jié)果首先進(jìn)行3×3的濾波,然后進(jìn)行柵格_矢量數(shù)據(jù)轉(zhuǎn)換,所得的各種植被類型的斑塊數(shù)量用于分類精度檢驗(表2)。面積精度的估算,主要是用歸并后的《中國植被圖集》中各植被類型的面積來檢驗遙感分類的各植被類型的面積(表3)。從表2和表3可知,遙感分類精度很高的是農(nóng)業(yè)植被、灌草叢和針葉林,類型和位置精度分別達(dá)到95.9%、91.3%和79.2%,面積精度則分別達(dá)到90.5%、95.9%、92.1%;常綠闊葉林的類型精度為68.2%,面積精度只有63.8%,但是經(jīng)過3×3的濾波和平滑后,面積精度可以達(dá)到91.3%,分類結(jié)果還是令人滿意的。分類精度檢驗結(jié)果不相一致的有竹林、水生植被,竹林的類型和位置精度只有28.7%,但是面積精度卻有96.5%,比較遙感分類的竹林與《中國植被圖集》的竹林的分布位置,發(fā)現(xiàn)在《中國植被圖集》中分布于閩北西北武夷山、贛東、贛西(九嶺山、武功山、羅宵山一帶)的竹林,在遙感分類中沒有被分出。水生植被的分類精度雖然達(dá)到69.6%,但是遙感分類的面積是《中國植被圖集》類型的3.2倍,造成這種誤差的可能原因有:遙感分類的水面積與《中國植被圖集》中的水面積相差2.5倍,兩者的基數(shù)就相差甚遠(yuǎn);遙感數(shù)據(jù)的獲取時間為2～8月,正好跨越河流、湖泊的枯水期和豐水期,從而造成水面積的差異和灘涂植被面積的差異。而《中國植被圖集》中的亞熱帶常綠闊葉落葉混交林、亞熱帶落葉闊葉林兩種類型遙感分類則沒有識別出來。原因可能有二:一是受混交林、落葉林的林冠層的種類組成比例,以及林下植被的光譜對林冠層的光譜的影響,導(dǎo)致植被NDVI的變化沒有完全表現(xiàn)出混交林、落葉林的特征;二是與所用的NDVI影像的時間段有關(guān)系,理論上,區(qū)分出落葉林,NDVI的時間序列數(shù)據(jù)覆蓋全年最佳。3分類數(shù)據(jù)的選擇和檢驗由于NDVI對植被綠度的反映比較敏感,植被的季節(jié)變化,尤其是物候的動態(tài)能夠在NDVI中得到明顯的反映,所以利用時間序列的NDVI數(shù)據(jù)能夠?qū)崿F(xiàn)植被的遙感分類。我們利用時間序列的NDVI數(shù)據(jù)對華東五省一市的植被進(jìn)行分類,結(jié)果可以得到6大植被類型,這種結(jié)果與前人的研究結(jié)果相一致(DeFries&Townshend,1994;Eidenshink&Faundeen,1994;Sellersetal.,1994;Townshend,1994;Townshendetal.,1994;Cihlaretal.,1996)。我們的分類結(jié)果有較高的分類精度,說明時間序列的NDVI數(shù)據(jù)可以用來對大尺度范圍的植被進(jìn)行分類。在IGBP計劃中,土地覆蓋類型中有常綠針葉林、常綠闊葉林、落葉針葉林、落葉闊葉林、混交林、郁閉灌木林(Closedshrubland)、開敞灌木林(Openshrubland)、多樹稀樹草原(Woodysavanna)、稀樹草原(Savanna)、草原10種植被類型(Scepan,1999)。在USGS的土地利用/土地覆蓋類型中,共有常綠針葉林、常綠闊葉林、落葉針葉林、落葉闊葉林、混交林、灌木林、稀樹草原、草原9種植被類型。簡單生物圈模型_2(SimpleBiosphere2Model)的土地覆蓋類型中,有闊葉常綠林、闊葉落葉林、針葉常綠林、針葉落葉林、針闊葉混交林、矮喬木灌木林、有裸地的灌木林、低矮植被/C4草地、農(nóng)作物/C3草地9種植被類型(USGS,2004),這些分類數(shù)據(jù)廣泛地運用于全球氣候變化、大尺度植被生產(chǎn)力估算等研究,因此,我們對華東五省一市地區(qū)的植被分類結(jié)果也應(yīng)該可以用于對該地區(qū)的氣候變化等方面的研究。由于華東五省一市地區(qū)的地形復(fù)雜,植被種類組成復(fù)雜多樣,景觀的異質(zhì)性很高,因此,用粗分辨率(1km)的遙感數(shù)據(jù)進(jìn)行植被分類,對子象元(Sub_pixel)以下的植被類型很難識別出來,這就需要高分辨率(如Landsat_TM/ETM+,SPOT)的遙感數(shù)據(jù)才能達(dá)到要求。如果要得到群落水平的植被分類,則需要能夠識別植被冠層或種類組成的遙感數(shù)據(jù)(如1m或4m分辨率的IKONOS數(shù)據(jù),0.61m或2.44m分辨率的Quickbird數(shù)據(jù))才能滿足分類要求。粗分辨率遙感數(shù)據(jù)的土地覆蓋或植被/