影像分辨率对植被覆盖度提取的影响

张 婧，刘咏梅，徐 健，杨勤科

（1.西北大学 城市与环境学院，西安710127；2.中国石油长庆油田分公司，西安710018）

基于遥感影像提取的植被类型、分布等信息，可为土地利用、植被覆盖变化和土壤侵蚀等方面的检测和评价分析提供重要支撑［1］。随着遥感技术、理论的逐渐成熟，不同遥感平台及传感器的相继出现，为植被遥感的应用提供了更为多样的影像，人们可利用的影像分辨率选择也越来越多。如IKONOS（4m）、SPOT（5m）、ALOS（12m）、TM（30m）、MODIS（250m）、SPOT VEGETATION（1 000m）等。因而探讨遥感影像分辨率对植被覆盖度提取的影响具有十分重要的意义。针对分辨率对植被遥感的影响，一些学者进行了系列研究。Friedl等发现NDVI本身也依赖于分辨率［2］。Shoshany等以TM数据为资料，建立了植被盖度与地表反射间的经验关系模型，为区域尺度上植被盖度定量化提供了模型基础［3］。Qi和 Marsett利用TM和SPOT VEGETATION影像测量了圣地亚哥流域植被盖度，揭示了不同研究区域TM和SPOT VEGETATION两种分辨率影像测量出的植被盖度与实地盖度的相关性［4］。Woodcock通过计算对比重采样后的系列分辨率TM影像的局部方差，对不同用地类型的适宜分辨率进行了探讨，但是该研究仅针对重采样的数据进行［5－6］。总的看来，遥感影像分辨率对植被信息提取的影响了解不够，以至于对一个遥感像元尺度上建立的模型在另一个像元尺度也可能不适用，这使得目前研究对遥感观测的信息缺乏有效理解，95%的海量遥感数据无法有效利用、遥感技术应用很难有突破性发展［7］。

本文即通过对从高分辨率到低分辨率的一系列影像计算NDVI并用相同算法（像元二分模型）反演出其植被覆盖度，运用统计方法及分区分析方法，探讨不同分辨率下NDVI及植被覆盖度的变化规律；同时针对中、低分辨率影像则通过扩大其表达空间范围来进一步讨论尺度效应影响，为多种分辨率遥感数据提取植被覆盖度信息提供理论支持。

1 研究区与数据处理

1.1 研究区概况

本研究针对不同分辨率数据设置不同范围的样区——高分辨率样区和低分辨率样区。高分辨率样区（样区1）选择在陕西省安塞县西南方向，面积约为173km2，样区有一景4m分辨率的IKONOS影像。区内包括纸坊沟和县南沟两个流域（其中县南沟流域不完整）。该样区内沟谷密集，地表起伏大，为典型的黄土丘陵沟壑区。低分辨率样区（样区2）选择在延河中下游及其毗邻地区，属典型的黄土丘陵沟壑区，面积约10 000km2，样区内有SPOT、TM和MODIS影像。

1.2 数据源

本文选用从低分辨率到高分辨率的系列影像，其分别为：1km分辨率的SPOT VEGETATION 数据、500m分辨率的MODIS影像、30m分辨率的TM影像、10m分辨率的ALOS影像以及4m分辨率的IKONOS影像。各数据的基本信息如表1所示。

表1 不同分辨率影像基本情况

1.3 数据预处理

由于实验所用影像已经做过初步校正处理，这里对系列影像的预处理主要为投影转换、几何校正和影像裁剪。根据研究区域的范围大小以及其所处位置选择高斯投影。将5种不同分辨率的影像转换到统一投影系统下［8］。对各分辨率影像进行裁剪，得到5种分辨率的高分辨率样区数据以及低分辨率样区的SPOT VEGETATION和MODIS两套数据。

2 基于像元二分模型的植被覆盖度提取

2.1 归一化植被指数（NDVI）计算

植被指数种类是多种多样的，归一化植被指数（Normalized Digital Vegetation Index，NDVI）作为理论及技术最为成熟的算法，是对植物生长状态和植被覆盖的最佳指示因子，其在植被遥感中应用最为广泛［9］。其计算公式如下：

式中：IR——近红外波段的反射率；R——红波段的反射率。本研究所用的数据中，SPOT VEGETATION本身就是DNVI数据，故而对其进行必要的转换后直接应用［10］。其他影像通过公式 （1）进行计算［11］。

2.2 盖度计算

2.2.1 植被覆盖度计算 植被覆盖度是指植被冠层的垂直投影面积与土壤总面积的百分比［12］。NDVI与植被覆盖度间存在着线性相关关系，通过建立线性模型可以完成从NDVI到地表的植被覆盖度的反演过程。本文选择现在应用较广的像元二分模型来反演植被覆盖度［13］。其计算公式为：

式中：NDVIfc——一个像元植被覆盖度；NDVI——该像元的归一化植被指数；NDVIsoil——裸地对应的NDVI值；NDVIveg——植被地对应的NDVI值。图像中植被地对应的NDVI值NDVIveg和裸地对应的NDVI值NDVIsoil分别取NDVImax与 NDVImin，其中NDVImax、NDVImin可通过实地测试、遥感测量来确定，或者设置为某置信区间（0.5%～95.5%）内 NDVI的最大值与最小值［14－15］。

2.2.2 盖度分级 考虑到实际应用，本研究按照《土壤侵蚀分类分级标准》中的植被盖度分级标准［16］，将区域按其植被覆盖度大小分为5个等级。经重新分类，获取各影像的植被覆盖度等级图及相应的统计特征值。

3 分辨率对植被覆盖度提取的影响分析

植被覆盖度的尺度效应分析主要从统计学和空间分布两方面对各分辨率影像计算出的NDVI以及植被盖度进行比较。具体分析如下：

3.1 空间结构与统计特征

各种不同分辨率NDVI和植被盖度图（图1和图2）可见，随着分辨率的降低，影像结构不断粗糙，在高分样区（范围较小）粗分辨率数据（MODIS1，SPOT1）已没有明显的结构特征，因而不能用于植被覆盖信息的提取和分析。但如果分析区域足够大（这里的样区是10 000km2），则500m和1 000m分辨率的遥感数据能够看出结构特征，依然可用于植被信息的提取和分析（图3）。

图1 样区1不同分辨率影像的高分样区NDVI信息汇总

图2 高分样区不同分辨率影像植被盖度分级信息汇总

图3 低分样区不同分辨率影像NDVI及植被盖度分级信息汇总

对比各高分样区的NDVI参数（见表2）发现：随着分辨率的降低，各尺度NDVI影像的取值范围不断收拢，呈现最大值不断减小，最小值随之不断增加的现象。当空间分辨率降低到1km，其NDVI取值收拢到0.288～0.408。相对的不同分辨率NDVI影像参数的标准差也随着分辨率下降而不断减小，表明随着分辨率的降低，图像的对比度在下降，提取植被信息的效果随着降低［17］。各影像NDVI均值随分辨率的变化不大。在分析高分样区不同分辨率植被覆盖度影像参数（见表3）后发现植被覆盖度参数变化情况与NDVI影像类似。

表2 不同分辨率NDVI影像统计参数

3.2 盖度分级的尺度效应

分析各样区植被覆盖度直方图（图4），可以看出不同分辨率影像的植被覆盖度分布呈现以下规律：

表3 不同分辨率植被盖度参数统计

图4 不同分辨率植被覆盖度直方图

从IKONOS到TM，随着分辨率的降低，植被盖度分级结果中处于边缘的两个等级所占比例在不断下降，而中间等级盖度所占比例却在不断上升。但是TM、ALOS、IKONOS这三种影像的植被盖度分级结果中各等级盖度所占比例分布情况均能大致服从正态分布的规律；当分辨率下降到500m时，植被盖度分级结果已经明显出现盖度分布向中间等级集中的极端现象，较低和较高级别的值在分布中已经不占有比例，在该空间范围下这两个分辨率影像所反演出的盖度与地表的实际植被覆盖产生很大的偏差，盖度分级信息有所缺失，不能准确、如实地表达出研究区的盖度分布。在比较大的范围内，各级的值（NDVI和植被覆盖度）与小范围内高分辨率数据的值相似，说明在扩大表达范围的情况下，所要关注的对象规模变大，这使得在该情况下影像像元的大小与关注对象大小相当，图像能够表达该尺度下的信息，因而各级的值与较小范围内高分辨率数据相似。

3.3 植被覆盖度提取的精度分析

在统计分析的基础上通过对比植被覆盖度信息在不同分辨率遥感影像中的信息空间分布与真值的差异，可以从空间分布的精度方面研究分辨率对盖度提取结果的影响。

在土地利用及景观分析中常用土地利用／景观转移矩阵来分析区域土地利用的数量、结构以及各用地类型的变化［18］。可以将其扩展到揭示同一地区不同分辨率影像反演的植被盖度分级各类型间数量的空间结构变化特征研究中来。本文用同一地区不同分辨率序列变化来替换同一地区时间序列变化，以IKONOS各盖度面积数据作为参考基准，研究分辨率变化对不同盖度等级区的反演结果带来的面积变化。计算结果见表4。对TM做相应的面积和百分比矩阵（由于MODIS和SPOT不能完整的反演出该地区盖度分布，所以这里不对其做分析），结果见表5。分析可见：（1）基于ALOS的提取结果，各列分布比较分散，而基于TM的结果则在矩阵i行i列相对比较集中；（2）TM矩阵i行i列的值均大于ALOS的百分比，也就是TM的盖度数据较ALOS的盖度小。对比真值，对各等级不变的面积求和（这部分可以理解为反演结果与真值相符的部分），计算出其占总面积的百分比，ALOS为31.5041%，TM 为43.5065%，TM的反演结果更接近于IKONOS。

表4 ALOS反演盖度分布转移矩阵

3.4 不同分辨率植被覆盖度信息量对比

针对以上的分析结果可以看出，高分样区小流域范围的植被盖度提取结果TM、ALOS、IKONOS三种影像的反演结果相差不大，也就是说在样区1范围内TM的反演结果可以满足需要。这里将TM以一定的间隔通过重采样得到50～1 000m分辨率，计算其植被覆盖度的信息量。在这里采用Woodcock以局部方差来表示影像信息量的方法［5－6］，对TM重采样序列反演结果进行对比，结果如图5所示。

表5 TM反演盖度分布转移矩阵

图5 TM植被覆盖度数据重采样序列局部方差统计

根据分辨率与局部方差的关系，当分辨率近似等于我们研究的对象大小时，局部方差的变化会出现一个峰值。结合图5可以看出TM重采样到150m其反演的植被盖度局部方差有一个峰值。说明在以173km2面积小流域为研究对象时，150m近似等于在流域内所关注的对象大小，该分辨率下的图像能够表达该尺度下的信息，其可以满足研究需要。

4 结论

本文通过对同一地区相同时段植被遥感常用的几种分辨率影像计算NDVI，并以此为基础反演植被覆盖度信息，分析分辨率对植被覆盖信息提取的影响，得出以下结论：（1）在大、中尺度下，粗分辨率影像应用比较广泛，但是分辨率对影像反演出的植被盖度精度常常被使用者忽略。分析分辨率对盖度提取的影响显得十分重要；（2）高分辨率的NDVI及植被覆盖度影像各统计参数分布范围较大，有相对较大的标准差，植被覆盖度分级结果则呈现良好的正态分布，但是随着分辨率不断降低，NDVI及盖度值的分布范围都在不断缩小，并且有向中间值收敛的规律；盖度分级结果分布呈现逐渐向中间集中的趋势，到500m的MODIS已经不能表达地表盖度分布规律；（3）但当空间范围扩大，MODIS和SPOT的反演结果有所改善，基本可以反映地表植被盖度的概率分布；（4）引进土地利用常用的土地利用转移矩阵以及信息量算法可以大致评价盖度反演结果，以分辨率引起的各等级覆盖度内的面积变化为研究对象，用矩阵表示各等级内不变的面积作为反演精度，其结果表明较小面积流域为研究对象时，150m分辨率遥感影像依然可满足植被覆盖度提取的需要。

［1］ 梅安新，彭望琭，秦其明.遥感导论［M］.北京：高等教育出版社，2007.

［2］ Friedl M A，Davis F W，Michaelsen J，et al.Scaling and uncertainty in the relationship between the NDVI and land surface biophysical variables：An analysis using a scene simulation model and data from FIFE［J］.Remote Sensing of Environment，1995，54（3）：233－246.

［3］ Shoshany M，Kutiel P，Lavee H.Monitoring temporal vegetation cover changes in Mediterranean and arid ecosystems using a remote sensing technique：case study of the Judean Mountain and the Judean Desert［J］.Journal of Arid Environments，1996，33（1）：9－21.

［4］ Qi J，Marsett R C，Moran M S，et al.Spatial and temporal dynamics of vegetation in the San Pedro River basin area［J］.Agricultural and Forest Meteorology，2000，105（1）：55－68.

［5］ Strahler A H，Woodcock C E，Smith J A.On the nature of models in remote sensing［J］.Remote Sensing of Environment，1986，20（2）：121－139.

［6］ Woodcock C E，Strahler A H.The factor of scale in remote sensing［J］.Remote sensing of Environment，1987，21（3）：311－332.

［7］ 苏理宏，李小文，黄裕霞.遥感尺度问题研究进展［J］.地球科学，2001，16（4）：544－548.

［8］ 汤国安，张友顺，刘咏梅.遥感数字图像处理 ［M］.北京：科学出版社，2004.

［9］ 罗亚，徐建华，岳文泽.基于遥感影像的植被指数研究方法述评［J］.生态科学，2005，24（1）：75－79.

［10］ Xiao X，Boles S，Liu J，et al.Characterization of forest types in Northeastern China，using multi－temporal SPOT－4VEGETATION sensor data［J］.Remote Sensing of Environment，2002，82（2）：335－348.

［11］ 李忠峰，李雪梅，蔡运龙.基于SPOTVEGETATION数据的榆林地区土地覆盖变化研究［J］.干早区资源与环境，2007，21（2）：56－59.

［12］ 刘咏梅.基于高时间分辨率遥感数据的区域水土保持植被综合分类研究：以黄土高原为例［D］.陕西杨凌：中国科学院水利部水土保持研究所，2006.

［13］ 汤国安，张友顺，刘咏梅.遥感数字图像处理［M］.北京：科学出版社，2004.

［14］ 张云霞，李晓兵，陈云浩.草地植被盖度的多尺度遥感与实际测量方法综述［J］.地球科学进展，2003，18（1）：85－93.

［15］ 马娜，胡云锋，庄大方.基于遥感和像元二分模型的内蒙古正蓝旗植被覆盖度格局和动态变化［J］.地理科学，2012，32（2）：251－256.

［16］ 水利部水土保持司.GB／SL190－2007土壤侵蚀分类分级标准［S］.北京：中国水利水电出版社，2008.

［17］ 贠培东，曾永年，历华.不同遥感影像融合方法效果的定量评价研究［J］.遥感信息，2007（4）：40－45.

［18］ 鲁春阳，齐磊刚，桑超杰.土地利用变化的数学模型解析［J］.资源开发与市场，2007，23（1）：25－27.