基于RapidEye数据的塔里木河上游天然胡杨林区典型地物遥感信息提取研究

胡新振 王家强 伍维模，2* 李志军，2 武建林

(1 塔里木大学植物科学学院，新疆阿拉尔843300)

(2 新疆生产建设兵团塔里木盆地物资源保护与利用重点实验室，新疆阿拉尔843300)

胡杨(Populus euphratica)是杨柳科杨属中最古老、最原始的荒漠特有珍贵树种，主要分布在新疆塔里木盆地，沿河而生，该流域分布的胡杨林约占新疆胡杨林的60%～80%，是我国西北荒漠生态系统的主体，也是世界上胡杨分布最为集中的地区之一。胡杨林具有调节气候、防风固沙、阻止沙漠外延、稳定河道、维持绿洲生态系统持续健康发展的功能，因此，胡杨成为遏制沙漠扩展，维持荒漠生态平衡、改善生态环境，保护生物多样性，保障南疆绿洲农牧业及工业生产的天然屏障[1]。利用传统的方法对胡杨及其周围环境进行监测，不仅耗时、耗力而且不适合大面积作业;而遥感技术具有实时、宏观、动态﹑综合的特点，为资源调查及环境监测研究提供了先进的探测与研究手段。已有学者利用遥感手段，对胡杨林的分布面积和覆盖度及其周围环境变化进行了研究[3－6]。阿布都沙拉木·加拉力丁等利用TM影像对塔里木河流域胡杨保护区土地覆盖变化进行了研究，结果表明遥感信息是地表各种地物要素的真实反映，能清晰地显示各种土地利用类型的特征与分布[7];塔依尔江·艾山等利用QuickBird影像与野外实测数据研究了塔里木河下游阿拉干断面胡杨林空间分布特征及其影响因素，研究表明胡杨林的密度结构随离河道距离的增加而逐渐降低，同时，胡杨林随离河道距离的增加而数量减少，长势变弱[8];万红梅等利用QuickBird影像和实测数据对塔里木河下游林地信息进行了提取与分析，提取了塔里木河下游不同离河距离胡杨、柽柳树冠信息，并建立了胡杨冠幅、胸径、树高关系模型[9]。Aosier Buhe等人利用Aster影像分析了塔里木河流域的森林覆盖情况，其利用最优波段组合，成功地提取了塔里木河胡杨林信息[10]。Guli Jiapaer等人对干旱区植被覆盖度的估算方法进行了对比，结果表明，光谱混合分析具有较高的精度[11]。Tianming Huang等人利用水分导流的方法研究了塔里木河流域地下水的变化情况，表明在距河岸200米内且地下水位小于5米时，适合胡杨的生存生长[12]。

综上所述，许多学者利用遥感对胡杨林及其周围环境进行了研究，但主要利用的是Modis、TM和Aster影像，其空间分辨率均没有RapidEye影像高;虽然有用QuickBird这样的高分辨率卫星影像的学者，但其不能提供类似RapidEye影像的红边波段，RapidEye影像是全球第一个提供红边波段的商业卫星，具有覆盖范围大，高重访率和分辨率，多光谱获取数据方式等特点，对监测植被变化有很大的优势。因此，本研究采用Rapideye影像，利用最大似然法对影像进行分类，得到研究区典型地物分类图，再对地物光谱特征进行分析，同时提取植被信息，分析植被的空间分布特点及规律;为塔里木河流域的生态恢复提供一种新的监测手段。

1 材料与方法

1.1 研究区概况

研究区在新疆阿瓦提县丰收三场艾买却克墩镇护林站天然胡杨林，位于塔里木河上游源流区叶尔羌河下游北纬40°15'53.72″～40°18'23.13″和东经80°19'54.71″～80°24'13.10″之间。该地区属暖温带大陆性干旱气候，干旱少雨，蒸发量大，寒暑变化剧烈，春秋升温和降温迅速，气温年较差和日较差大，日照时间长，热量充足，年降水量稀少且在时间上分布不均。其两岸分布着不同龄级的天然胡杨，胡杨林下地表主要有三种类型，分别是盐结壳、风沙土和自然沟。胡杨林下植被主要有甘草、柽柳等。

图1 研究区示意图

1.2 数据源

本研究选择2010年10月的RapidEye影像作为数据源。RapidEye卫星是德国的商用卫星，2008年8月29日发射成功;该卫星是与太阳同步的圆形轨道，轨道高度为620 km，重访周期为24小时，日覆盖范围达400万km2以上，每天都可以对地球上任一点成像，空间分辨率为5～7米。由于RapidEye具有覆盖范围大、重访率高、分辨率高及多光谱获取数据等这些优点，因而RapidEye影像可根据不同的应用目的，进行多种组合处理和专题提取，扩大了其在地学方面的应用。RapidEye设有5个的光谱段，且提供“红边”波段，结合这5个光谱波段是适用于监测植被状况和检测生长异常的理想条件;不同的光谱段响应了不同地物在该波段内的反射辐射特性;正是由于波段与地物间存在相关性，才可以用不同光谱范围内的反映程度和波段的组合来识别地物。

表1 RapidEye影像波段特征

1.3 图像处理方法

本研究的RapidEye影像处理过程遵循定量遥感图像处理的一般原则。先对图像进行正射校正，再进行几何校正和大气校正，最后结合地面调查数据进行影像的计算机自动分类。

1.3.1 正射校正

正射校正除了进行常规几何校正所纠正的变形外，还会根据DEM来纠正影像因地形起伏而产生的畸变，会给图像加上高程信息。正射校正采用ENVI4.8软件的Orthorectification功能，选择控制点的方式来解算有理函数的RPC系数，对影像进行平差处理，在DEM的参与下进行影像的正射纠正。

1.3.2 几何校正

传感器采集地面光谱数据的时，由于偏航、搭载平台的瞬时位置、传感器特性、速度、高度、倾斜、翻滚等多种因素的影响而导致数据在一定程度上的失真。在利用遥感图像提取信息的过程中，要求把所提取的信息表达在一个规定的图像投影参照系统中，以便进行图像的几何测量、相互比较以及图像复合分析等处理，因此要进行图像的几何处理;也就是解决遥感图像的几何变形问题，对图像进行几何校正。本研究采用1:5万标准分幅的地形图，对影像进行几何精校正，RMS校正误差为0.4133，误差在0.5个像元以内。

1.3.3 大气校正

利用传感器观测目标的反射或辐射能量时，传感器得到的测量值与目标的光谱反射率或光谱辐射亮度等物理量是不一致的，这是因为测量值中包含了太阳位置条件、薄雾等大气条件、或因传感器的性能不完备等条件所引起的失真。为了正确评价目标的反射或辐射特性，必须消除这些失真。消除图像数据中依附在辐射亮度中的各种失真的过程称为辐射量校正。大气校正采用ENVI4.8中的FLAASH模块。具体参数由影像的头文件中获得。校正前后的对比如下图:

图2 大气校正前后的影像剖面曲线对比

2 结果与分析

2.1 荒漠河岸林地物光谱特征分析

2.1.1 地物的解译标志

由于图像是人视觉所能感受到的一种形象化的信息，因此卫星遥感图像所包含的信息量远比文字描述更为丰富、直观和完整。根据实地调查研究区的典型地物数据，就可以建立丰收三场及其周边胡杨林的地物解译标志。包括:河流、沟渠、胡杨、柽柳、其他植被、居民地、裸地(盐碱地)。

表2 丰收三场胡杨林区Rapid eye卫星图像(5，3，2波段假彩色合成)解译标志[8]

?

2.1.2 地物光谱特征分析

研究区内主要地物，就光谱特征看主要分为七类(见图3)，即河流、沟渠、胡杨、柽柳、其他植被、居民地、裸地。

2.1.2.1 植被光谱特征分析

绿色植被的反射波谱均有类似的变化趋势，一般在450 nm和675 nm附近反射率小，在550 nm附近反射率较大，在700 nm附近急剧增大，从750 nm直到1 300 nm反射率都保持较大。同时，在不同的生育时期，绿色植被叶绿素的含量也与其光谱反射率的大小有一定关系，因此，棉田、葡萄园、防护林在10月份叶色变化不大，故其曲线比较一致，无法在影像上分离，而胡杨在10月份叶色已经开始变化，叶绿素逐渐减少，花青素含量增多，故在近红外波段，胡杨的反射率要明显低于其他植被;因此，胡杨和其他植被(包括棉花、防护林、甘草)虽然可以分开，但从曲线看，它们的走向一致，仅在第4波段到第5波段反射率有明显差异。而柽柳叶面积小，且色调浅，在影像上呈点片状分布，其反射率在可见光波段介于裸地与植被之间，在近红外波段其反射率要低于植被，因此，在影像上也较易区分。

2.1.2.2 裸地与居民区光谱特征分析

研究区内的裸地和居民地，主要以盐渍化土壤和建筑物为主。土壤的光谱曲线大都随波长的增加而缓斜上升，在近红外波段光谱反射最强。对盐渍化土壤来说，在10月份旱季为泛盐季节，盐渍土表层有结盐壳或盐皮，表面坚实，色调较浅且发白，其光谱反射率大于其它裸地，不论可见光波段还是近红外波段，盐渍化土壤在影像上的影像色调都比其它土壤浅。盐分含量越高，光谱反射能力越强。由于土壤中的盐分均为白色晶体，土壤中所含盐分的多寡能够影响土壤光谱的总亮度。所以，在遥感图像上能够根据色调的深浅来区分出不同程度的盐渍化。但其光谱反射率还受湿度的影响;而居民地的光谱曲线走向与裸地的相似，但其在各个波段的反射率均低于裸地，这与其建筑物本身的性质有很大关系。

表3 研究区主要地物光谱反射率统计表

2.1.2.3 河流与沟渠的光谱特征分析

水体对于电磁波的辐射，具有反射、散射、吸收和透射作用，在可见光区，水体的吸收作用较小，其反射率稍高。这种反射率不仅包括水体表面的反射，也包括水体悬浮物质的反射，并且受水中悬浮物质的种类和数量的控制，在近红外区，水体却表现为强吸收，这种光谱特征是任何水体所共有的，利用这些特征与其它地物的差别，同时也可以选用合适的波段来识别各类水体。对于河流与沟渠来说，它们都是水体，其光谱曲线较为相似，走向一致，从可见光到近红外波段都是呈现先增高后降低的趋势，但其反射率与水体的深浅有很大关系;河流由于河水比沟渠的深，因此，光谱反射率在各波段都比沟渠的低，利用这个特征，很容易将河流与沟渠分开。

2.2 植被空间分布规律分析

由图4研究区分类图可见，自然植被(胡杨、柽柳)分布在居民地的外围，主要沿河分布，呈现图斑镶嵌交错，总体上带状递变、自西北向东南依次递减的空间分布规律。

表4 研究区各类地物数量特征统计

研究区植被覆盖状况较差，由表4可知:裸地占14.58 km2，共占总面积的51.2%，该区域所分布的植被类型主要是农作物、胡杨、柽柳;在影像西北部居民区分布的周围，有沟渠灌溉的地区，植被覆盖状况较好，主要以农田为主，其占5.08 km2，占总面积的17.84%;而胡杨、柽柳主要在东南荒漠区沿河呈带状分布，离河越远，覆盖越少，植被类型也由乔木向灌木过渡，其中胡杨1.39 km2，占总面积的4.87%;柽柳6.27 km2，占面积的22.02%。该区域是塔里木河流域荒漠绿洲过渡带的分布区域，自然植被主要以胡杨和柽柳为主，但在干旱区其分布主要受土壤水分的影响，该区域内部的植被覆盖状况也存在着明显的差异。

2.3 影像分类

采用最大似然法监督分类。研究区内主要有十类地物:胡杨、棉田、柽柳、葡萄园、甘草、防护林、居民地、裸地、河流和沟渠。从影像上提取的地物光谱曲线如图3所示。

图3 RapidEye影像地物光谱曲线

由图3可知:从蓝光到近红外波段河流、沟渠、柽柳、裸地、居民地可以分开，在红边到近红外波段，胡杨与棉田、葡萄园、防护林、甘草可以分开，但棉田、葡萄园、防护林、甘草这四类地物相互之间无法分离识别，只能作为其他植被划分为一类。因而，采用最大似然法把影像只能分为七类地物;即:河流、沟渠、胡杨、柽柳、其他植被、居民地、裸地。分类后进行过筛、聚合及修改等分类后处理程序，得到如下分类图:

图4 研究区分类图

根据分类标准把采样点数目据划分到所属类别，利用采样点坐标把每类样点分配到未分类图像上作检验参考点，把样点与土地利用图或地形图相结合进行目视判读，给每个类别随机增加参照点15个，这样分类精度检验参照点共得到50个，对分类图像进行精度检验。本研究采用kappa来反映盐渍化土壤分类精度。Kappa系数是一种适当的可以代表整个混淆矩阵的精度参数，也是遥感分类图和参考数据之间的一致性或精度的量度。

表5 研究区典型地物信息提取精度验证

所得结果表明，分类所的结果Kappa系数，达到了80.86%;研究区典型地物信息提取效果符合后续研究要求。

3 结论

本研究以丰收三场胡杨林分布区为研究区，通过对RapidEye卫星影像进行分类处理，建立了研究区主要地物的解译标志，分析了其地物的光谱特征和植被空间分布规律，得到如下结论:

3.1 根据影像地物的目视解译特征，结合实地调查研究区的典型地物数据，建立了研究区主要地物的解译标志。

3.2 通过提取影像中地物的光谱曲线，分析了研究区典型地物的光谱特征，解释了典型地物在影像上能相互区分的原因。

3.3 通过分类后统计，计算出各类典型地物的面积，从而说明了研究区植被空间分布的特点及规律。

由于影响地物光谱特征的因素很多，由于季节性原因本研究购买的是2010年10月的RapidEye影像作为数据源，10月份的胡杨叶片叶绿素含量已经开始下降，反射率与胡杨茂盛时叶片的反射率还是有一定差异的。RapidEye卫星影像的空间分辨率为5～7米，在胡杨的周围丛生有柽柳，柽柳也是绿色植被，一定程度上影响了胡杨的反射率。因此如何能排除植被下垫面差异和季节差异的影响，同时能结合实地光谱测量数据，以获得更为可靠的分类结果，来说明研究区典型地物的光谱特征，是本研究的难点所在，也有待进一步研究。

[1] 王让会.干旱区内陆河流域的荒漠河岸林变化研究[J] .林业科技通讯，2000，(05):9－13.

[2] 黄培佑.干旱生态学[M] .乌鲁木齐，新疆大学出版社，1993:50－63.

[3] 奚秀梅，段树国，海米提·依米提.塔里木胡杨林保护区植被覆盖与地表水域关系研究[J] .水土保持研究，2008，(02):44－52.

[4] 刘培君.塔里木河流域遥感综合调查[J] .遥感技术与应用，1989，(04):70－79.

[5] 克力木·买买提，努尔巴依·阿不都沙勒克，阿不都克依木·阿布力孜，等.塔里木胡杨自然保护区土地覆盖变化研究[J] .新疆农业科学，2008，(04):31－42.

[6] 荐圣淇，赵传燕，赵阳，等.基于遥感图像处理技术胡杨叶气孔密度的估算及其生态意义[J] .生态学报，2011，(17):17－23.

[7] 阿布都沙拉木·加拉力丁，克力木·买买提，海米提·依米提.塔里木河流域胡杨保护区土地覆盖变化研究[J] .干旱区资源与环境，2010，24(1):154－157.

[8] 塔依尔江·艾山，玉米提·哈力克，艾尔肯·艾白不拉，等.塔里木河下游阿拉干断面胡杨林空间分布特征及其影响因素[J] .干旱区资源与环境，2011，25(12):156－160.

[9] 万红梅，李霞，董道瑞，等.塔里木河下游林地树冠QuickBird影像信息提取与分析[J] .西北植物学报，2011，31(9):1878－1885.

[10] Aosier Buhea K，Tsuchiyab M，Kanekoc，etc.Land cover of oases and forest in XinJiang，China retrieved from ASTER data[J] .Advances in Space Research，2007，39(1):39－45.

[11] Guli Jiapaer，Xi Chen，Anming Bao.A comparison of methods for estimating fractional vegetation cover in arid regions[J] .Agricultural and Forest Meteorology，2011，151(12):1698－1710.

[12] Tianming Huang，Zhonghe Pang.Changes in groundwater induced by water diversion in the Lower Tarim River，Xinjiang Uygur，NW China:Evidence from environmental isotopes and water chemistry[J] .Journal of Hydrology，2010，387(3－4):188－201.

[13] 伍维模，王家强，牛建龙，等.基于CBERS－02卫星遥感图像的棉花光谱识别模型的建立.塔里木大学学报2009，(12):44－52.