基于DVI的像元二分模型反演植被覆盖度研究

赵威成， 马福义， 吕利娜， 叶 欣

(1.黑龙江科技大学 矿业工程学院， 哈尔滨 150022； 2.东北林业大学 林学院， 哈尔滨 150040)

0 引 言

随着遥感技术的出现和发展，遥感估算法已成为植被覆盖度(Fractional vegetation cover, FVC)估算的主要方法。目前，最常用的模型是线性光谱混合模型，若其像元组分通常只考虑植被和土壤两种，则该模型被称为像元二分模型，模型中植被指数参数多采用归一化植被指数，即NDVI[1]。

研究者们对NDVI的过饱和现象进行了大量的探讨，有学者提出当FVC达到80%～90%时，NDVI接近饱和，甚至有学者实验表示当覆盖度达到60%时，NDVI就已经接近饱和了。考虑到NDVI的过饱和性对植被覆盖度带来的影响，笔者利用DVI尝试改进了像元二分模型，比较并分析两种模型的反演表现。以具有代表性的MODIS数据为对象进行研究，采用Landsat8 OLI传感器的多光谱影像并利用ProSAIL 模型[2]计算30 m的FVC，升尺度到240 m作为基准数据验证两种像元二分模型反演结果。

1 理论模型

1.1 差值植被指数

差值植被指数(Difference vegetation index DVI)对土壤背景的变化极为敏感，式中用V表示。

V=N-R,

(1)

式中:N——在landsat8中是第5波段(0.775～0.900 μm)，在MODIS中是第2波段(0.841～0.890 μm)；

R——在landsat8中是第4波段(0.630～0.690 μm)，在MODIS中是第1波段(0.620～0.672 μm)。

1.2 DVI的像元二分模型

设不同波段的像元亮度值都是由该像元内植被的反射亮度和非植被的反射亮度共同贡献的结果，那么红波段(近红外波段)像元亮度值R(N)可由植被覆盖部分亮度值RV(NV)和无植被覆盖部分的亮度值RS(NS)按面积加权线性组合得到，若像元内植被覆盖度为f，非植被覆盖度为1-f，则像元亮度值可表达为：

R=f×RV+(1-f)RS

,

(2)

N=f×NV+(1-f)NS

,

(3)

式中：NV——像元二分模型中NDVI的植被覆盖亮度值；

NS——像元二分模型中NDVI的无植被覆盖亮度值。

式(3)减去式(2)，整理得到：

V=f×VV+(1-f)VS

,

(4)

(5)

与像元二分模型中NV、NS计算过程[3-4]相似，最终得到VV、VS值，代入表达式(5)中，表达式可改写为：

(6)

2 实 验

2.1 研究区选取

本次研究区位于内蒙古通辽市，地理范围介于东经120°49′10″～121°44′20″，北纬44°23′38″～44°48′44″之间。选取矩形区域，便于地表覆盖度的尺度转化。研究区内大部分区域较为平坦，海拔均值约300 m，地处森林和草原的过渡地带，原始景观为榆树疏林草原，以草原植被为主，森林植被居其次，植被类型主要由干旱草原类型及旱生草本植物构成，符合植被覆盖度多级变化的研究需求，便于不同的覆盖程度下的对比研究；研究区左上角有部分山区，便于不同地形下的对比研究。该研究区下垫面呈现典型的植被覆盖度特征，进而为本次研究提供了重要的条件。

选用研究区2017-08-29 Landsat8 OLI影像，条带号为121，行编号为29，同时相MODIS L3产品MOD09Q1，行列号为H26、V04。

2.2 研究区影像预处理

本次实验使用了两种影像，Landsat8 OLI和MOD09Q1影像。

对Landsat8 OLI影像进行了辐射定标，进而进行了大气校正，在影像上裁剪了矩形研究区域，所得影像如图1a所示。MOD09Q1影像投影和Landsat8不一致，为方便比较，对其进行重投影，像素大小设置为240 m，重采样方式为最近邻法[5]。经比较，重投影后几何位置较Landsat升尺度影像差值在0.5个像素内，进一步参考Landsat影像范围对MOD09Q1进行裁剪，所得影像如图1b所示，可满足后续应用需要。

图1 预处理所得影像数据Fig. 1 Preprocessed image data

3 研究区FVC反演

3.1 研究区FVC相对真值反演

ProSAIL 辐射传输模型耦合了 PROSPECT 叶片光学特性模型和 SAILH 冠层结构反射率模型。已有研究表明，在蓝、绿光范围的光谱特征对 LAI 的变化敏感度较低，在红光和近红外范围的光谱特征对 LAI (公式中用LAI表示)的变化敏感度较高。

叶面积指数与植被覆盖度的转换关系为：

f=1-e-bGΩLAI

，

(7)

式中：b——叶片反照率的函数，一般为0.945；

G——叶片投影因子，取值为 0.5；

Ω——聚集指数，取值为 1。

30 mFVC结果如图2a所示。

图2 研究区FVCFig. 2 FVC image of study area

然后，按照遥感尺度效应原理升尺度聚合到240 m计算出该区域FVC的相对真值，240 mFVC相对真值结果[6-8]如图2b所示。覆盖度类型划分如表1所示。

表1 植被覆盖度类型划分

3.2 MOD09Q1影像反演FVC

根据基于NDVI的像元二分模型式和改进后的基于DVI的像元二分模型式6可知，两种模型的基本形式是一致的，主要区别是在反演中所使用的植被指数。按照上述理论模型分析，只要从影像上计算出NDVI(DVI)，求取NDVI(DVI)的最小值NDVImin(DVImin)和最大值NDVImax(DVImax)，就可以利用反演公式，反演出研究区域的FVC。

具体操作时，NDVImin(DVImin)指的是非植被覆盖区域的植被指数值，NDVImax(DVImax)指的是完全植被覆盖区域的植被指数值。将Landsat8真彩色影像升尺度到240 m，在该影像上进行目视解译，按照非植被覆盖区域和完全植被覆盖区域人工圈定ROI作为采样样本，样本尽量均匀分布于整个研究区，为了避免噪声的影响，两类样本分别按值升序排列并统计累积概率密度，按[5%,95%]置信区间取值。获取数据如表2所示，反演结果如图2c、2d所示。

表2 MOD09Q1影像反演FVC参数

4 反演FVC结果

分别基于NDVI和DVI的像元二分模型反演出的FVC结果和研究区相对真值目视效果如图2，相对真值240 mFVC和基于NDVI反演FVC(FVCNDVI)及基于DVI反演FVC(FVCDVI)都有所差异，其中相对来说，基于DVI的反演结果更接近于相对真值。计算反演结果最大值、最小值、均值、标准差等统计信息，统计了不同植被覆盖度类型占比，如表3所示。

表3 不同反演结果统计信息对比

由表3统计信息对比可知，Landsat8 OLI 反演结果30 mFVC和升尺度后的240 mFVC有较相似的统计信息，且与MODIS反演结果FVCNDVI、FVCDVI统计信息相差较大，这一点与尺度效应理论是一致的。由升尺度转换原理可知，先反演后聚合升尺度过程中符合物质守恒定律，即240 mFVC可作为MODIS反演结果的相对真值。

FVCNDVI、FVCDVI总体对比，最大值、最小值较为相似，与240 mFVC结果接近；均值统计显示差异较大，FVCNDVI为0.762，FVCDVI为0.709，其中FVCDVI均值与240 mFVC均值0.663较为接近，表明FVCDVI、FVCNDVI总体都有高估现象， FVCNDVI高估较为严重，这一点与图2目视解译结果一致。由表3覆盖度类型占比统计可知，在覆盖度前3个等级中，FVCNDVI、FVCDVI略有差异，与240 mFVC相比总体趋势相同，各类占比略有不同，可能是由于尺度效应的结果；第Ⅳ级中，FVCNDVI表现优于FVCDVI，FVCDVI与相对真值比较高估了11%；第Ⅴ级中，FVCNDVI严重高估，达到了26.44%，究其原因可能主要是由NDVI过饱和现象引起的。

3 结 论

FVCNDVI、FVCDVI在估算无植被覆盖、低植被覆盖、中植被覆盖地表时表现较为一致，中高植被覆盖时，FVCNDVI表现略优于FVCDVI，高植被覆盖时FVCNDVI有严重高估现象。由精度分析结果看，FVCNDVI、FVCDVI估算无植被覆盖度和低植被覆盖时有较高的精度和可靠性。在中植被覆盖区域，FVCDVI结果相对更加可靠。FVCDVI总体表现优于FVCNDVI。

另外，本研究选取先反演后聚合的方法对MODIS反演结果做真实性检验，结果表明，由于尺度效应的作用，误差较大。下一步的研究中，将对如何进行尺度转换获得可靠的相对真值对地表覆盖度进行真实性检验展开研究。