基于红边谱段的草地品质评价方法研究

韩 影, 张艳红, 陈子琦, 朱瑞飞, 闫钟月

(1. 吉林大学 地球探测科学与技术学院, 长春130026； 2. 长光卫星技术有限公司 吉林省卫星遥感应用技术重点实验室, 长春 130026)

0 引 言

随着遥感技术发展高空间分辨率、 高光谱识别能力的同步提高, 同时在快速、 宏观、 高效发展的基础上, 对地物的定性识别和定量评价能力进一步加强。特别对位于地球表层的植被, 以其有利于光谱识别的地表位置和对光谱变化反应敏感的特性, 成为地表可有效的检测地物。基于遥感影像获取城市地物信息的研究工作在国外开展较早, 主要采用卫星遥感影像目视解译与地面验证相结合的方法[1]。因此, 遥感在地表植被监测中的地位越来越高, 并成为获取植被生长信息的重要途径。传统可见光波段的多光谱卫星载荷通常以蓝(450～520 nm)、 绿(520～590 nm)、 红(630～690 nm)和近红外(770～890 nm)波段为主。当前高分辨卫星传感器研制的明显趋势是基于传统的可见光与红外波段, 增加红边波段(690～730 nm)。红边波段是在红光波段和近红外波段之间的波段, 波段范围为690～730 nm。植被叶片在红边波段的反射率会发生突变, 它对植被病害胁迫较为敏感, 而受背景影响较小。随着越来越多的卫星载荷通过增加多光谱谱段提高卫星应用能力, 如德国RapidEye AG公司RapidEye卫星, 美国Digital globe公司Worldview-2卫星, 欧洲航天局(ESA: EuropeanSpace Agency)的Sentinel-2卫星, 都包含红边波段传感器, 提供了红边波段作物遥感监测的数据保障。

目前在植物氮素含量、 叶绿素含量、 生物量估算中引入红边波段已十分普遍。在国外的研究报道中, 由于高光谱遥感的发展, 已经可以成功地估算叶片氮含量和叶绿素浓度[2-7]。研究表明, 植被质量优劣与植物叶绿素浓度和含水量显著相关, 光谱曲线的形状特征也会发生变化。在可见光范围内, 各种色素的差异造成了不同品质植被的光谱特征差异, 叶绿素影响程度最大； 在红边范围内, 品质好的植被其反射率大幅度上升, 由于叶绿素含量、 冠层结构变化的作用, 将达到一个明显陡峭的斜坡, 因此其斜率越大说明植被越健康；在近红外波段, 海绵叶肉细胞存在散射, 因此, 品质好的植被将表现出高反射特征。在国内的研究中, 利用RapidEye卫星和Worldview-2卫星的红边数据, 主要将其应用于大宗农作物、 湿地、 林地、 地表覆盖等[8-12], 并在不同研究领域报道了使用红边波段的遥感反演和监测研究结果, 总结这些研究多集中以下4个特点： 1) 多集中在利用红边波段评价区域植被整体品质; 2) 评价指标多且复杂; 3) 监测植被生长状况通常针对如植被氮含量、 叶绿素含量或某种病虫害防治等单一条件; 4) 指标因子的选取也多取决于主观性。存在上述问题的主要原因在于当前具有红边波段的传感器数量还较少, 发射时间不长。因此, 利用红边谱段进行遥感方面的研究还有待深入开展。吉林一号是国内首家以省冠名的商业卫星, 在其2018年1月发射的07星所获取的空间分辨率均为4 m的5个波段数据中, B4为红边波段, 是指示绿色植物生长状况的敏感性波段。笔者正是基于其B4波段对于地表植被的显著表达而探讨其对草地品质评价的性能, 以增强其对植被品质定量评价的能力。

1 数据与处理

1.1 数据源

本研究主要以吉林省向海自然保护区为示范区, 探讨吉林一号07星遥感影像草地品质评价的性能和方法。“吉林一号”是由吉林省长光卫星技术有限公司自主研制的高空间分辨率卫星, 它是我国首家自主研发的民用卫星。截至目前, “吉林一号”卫星已有13颗在轨运行, 其中包括“吉林一号”组星(光学A星, 视频01、 02星, 灵巧验证星)、 视频03～08星、 珞珈一号01星(与武汉大学联合研制)和光谱01、 02星。“吉林一号”卫星除了拍摄光学意义上的影像, 其最大优势是能记录植物的光谱信息。笔者使用的影像为“吉林一号”04～07星遥感影像数据, 其中04～06星于2017年11月21日发射, 07星于2018年1月19日发射, 该星所获取的多光谱数据包含5个波段, 空间分辨率均为4 m, 其中B4为红边波段, 是指示绿色植物生长状况的敏感性波段。本研究使用的影像获取时间分别为2018年9月19日、 25日、 26日、 27日。

1.2 数据预处理

首先根据07星影像波段信息表输入中心波长(wavelength)值、 波段宽度(FWHM: Full Width at Half Maximum), 同时使用存放在元数据中的绝对增益系数(AbsCalibrationGain)和绝对偏置系数(AbsCalibrationBias)设置辐射增益值和辐射偏置值。然后, 利用辐射定标参数对影像进行FLAASH(Fast Line-of-Sight Atmospheric Analysis of Spectral Hypercubes)大气校正以及定标因子为1的辐射定标。为了获取研究区向海自然保护区完整图像, 还对获取不同时间的4幅影像进行镶嵌、 羽化、 匀光等处理。

1.3 草地范围提取

为了实现对研究区草地品质的独立准确评价, 本研究首先根据国土二调2015年土地变更调查数据对基于本期影像草地信息进行修正, 以准确获取研究区内草地范围。然后用草地范围做掩膜处理, 得到向海自然保护区草地掩膜图像, 作为本研究的数据基础。

2 草地品质指数构建

2.1 植被指数提取

光谱特征的差异综合反映了叶绿素和叶片水分含量等参数, 这些参数不仅相互影响, 也与草地的品质息息相关。只要改变其中任何一个参数, 其他参数也会发生变化, 从而影响草地品质信息表达。红边指数对植被的各种物化属性十分敏感度, 可以准确判别草地生长状况。“红边”的位置、 高度和斜率会因植被的不同及同一植被不同生长状况而存在差异[13]。 本研究根据吉林一号卫星影像的光谱波段特点, 选择了归一化植被指数(NDVI: Normalized Vegetation Index)、 归一化差值红边指数(NDRE: Normalized Difference Red Edge Index)、 红边叶绿素指数(CIred-edge: Chlorophyll Index)3种植被指数, 对草地品质进行判别。

2.1.1 归一化植被指数NDVI

NDVI可准确反映地表植被覆盖状况, 广泛用于植被生长状态和覆盖度, 而且可以减少辐射误差。NDVI结果被限定在[-1,1]之间。目前, NDVI无疑是应用最广泛的植被指数, 它与植物生物量、 叶面积指数以及植被覆盖度都密切相关[14]。因此, 选用NDVI作为其中一个判别因子, 即有

(1)

其中ρNIR为近红外波段的反射率；ρRed为红波段的反射率。

2.1.2 归一化差值红边指数NDRE

NDRE可用于分析从多光谱图像传感器获得的图像中的植被健康与否。将NDVI的红波段替换为NDRE的红边波段提供了一种新的测量方法, 这种测量方法对叶面顶层吸收的强度不高, 因此NDRE能深入树冠测量, 可以更好地监测永久性或后期作物。NDRE对叶片中的叶绿素含量、 叶面积的变异性和土壤背景效应非常敏感； NDRE值越高, 叶片叶绿素含量越高。土壤通常具有最低值, 不健康的植物具有中值, 健康的植物具有最高值。NDRE计算公式如下

(2)

其中ρRed-edge为红边波段的反射率。

2.1.3 红边叶绿素指数CIred-edge

Chlorophyll Index(CIred-edge)用于计算叶片的总叶绿素含量, 大多数植被中对叶绿素含量的微小变化很敏感。总叶绿素含量与绿/红边带的倒数反射率与近红外波段的差异呈线性相关。因此, 使用绿色波段(570 nm)的观测值和红边波段(730 nm)的观测值在估计植被叶绿素含量被广泛使用。研究表明, 使用红边波段的归一化差值指数或比例指数在估计叶绿素或氮含量方面表现非常好, 且有

(3)

2.2 综合指数构建

笔者在上述3种植被指数基础上, 经过实验研究, 提出了由NDVI、 NDRE和CIred-edge这3个指数组合构建的草地品质指数(GQI: Grassland Quality Index), 可以表达为

GGQI=f(MNDVI,NNDRE,CCIred-edge)

(4)

由于主观确定各个指标之间权重通常会影响该指数计算结果。目前常用的方法是将各种指标进行加权求和。当两个或两个以上的指标共同对生态变化起作用时, 很难确定哪个指标在生态变化中起主要作用, 并为其指定一个特定的权重值。本研究的难点在于提出的草地质量指数如何将上述3个因素的信息与单一变量相结合。以往研究表明, 主成分分析(PCA: Principal Component Analysis)可以更好地解决这一问题[15-16]。主成分分析采用的方法是维持低阶主成分, 减少高阶主成分的影响, 因此能在保持数据集方差贡献最大化的同时, 降低数据集的维数。利用PCI, 可将这3个变量由PCA通过线性变换集成GQI, 从而避免常规加权求和集成法因人为主观设定权重而造成的结果偏差。

对3个因子进行主成分分析, 得到3个主成分特征因子集(见表1)。表1表明PCA已经集中了3个因子的大部分特征值。从各因子在PCA的载荷可以看出, PCA与3个因子具有相同的符号, 说明他们与草地品质状况呈正相关, 这与实际情况相符。其中, 引入红边波段的NDRE与CIred-edge对PCA的贡献值很高。两者相关分析的相关度也达到了0.992。而仅由近红外和红色波段构成的NDVI指数, 与两个红边指数差异较大, 仅有0.372、0.374的相关性, 与PCA的贡献值也远不及红边指数。PCA最大限度地集中了各指标的特征, 能合理地对草地品质进行解释, 因此可以用于草地品质的有效评价。

表1 3个指标主成分分析Tab.1 Three indexes principal component

3 草地品质的信息提取

3.1 草地品质信息提取

由式(1)～式(3)计算得到研究区的NDVI、 NDRE、 CIred-edge的结果如图1所示。

图1 研究区的NDVI、 NDRE和CIred-edge结果Fig.1 Results of study area NDVI, NDRE and CIred-edge

由式(4)计算出研究区的草地品质结果(见图2), 并对其统计, 得到实验区草地品质指数(GQI)的统计特征(见图3， 表2)。其中研究区草地品质指数(GQI)的均值为0.062, 范围介于-2.438 797～2.936 141之间。

本研究以0.8作为划分每一等级的步长, 将草地品质分为极差(-2.6～-1.8)、 很差(-1.8～-1)、 较差(-1～-0.2)、 中等(-0.2～0.6)、 较好(0.6～1.4)、 很好(1.4～2.2)、 极好(2.2～3.0)7个等级, 并分别统计像元个数与百分比。由表2可以看出, 实验区15%的草地品质处于中等以上, 80%草地品质达到中等, 只有5%的草地品质比较恶劣, 极差和极好的草地在该区域所占范围非常小。根据图3可看出草地品质指数大体上呈正态分布, 这与现实情况比较符合。

图2 研究区草地品质分级图 图3 研究区草地品质指数分级统计Fig.2 Classification map of grassland quality in the study area Fig.3 Classification statistics of grassland quality index in the study area

表2 草地品质指数(GQI)分级统计结果

3.2 精度检验与误差分析

3.2.1 精度检验

根据草地品质指数(GQI)分级结果表明, 向海自然保护区草地品质总体处于中等水平, 生长状况优良的草地范围大概占15%, 主要集中在保护区中部偏南湿地沼泽区, 说明该区域草地植被健康水平比较好。但区域内仍存在较分散的草地品质较差的区域, 这些地区水分供给不足, 土地退化严重, 多为盐碱地、 沙地。通过相关资料、 遥感影像辅助, 可以判断不同地区草地品质指数(GQI)与实地情况比较符合。因此, 本研究构建的草地品质指数对于该区域草地品质评价具有合理性。

3.2.2 误差分析

研究区西南角NDVI指数与NDRE、 CIred-edge及草地品质指数差异较大： NDVI值很低, 而NDRE、 CIred-edge及草地品质指数均认为草地品质良好。结合遥感影像的分析结果表明, NDVI结果更真实地反应了实际情况： 区域内距霍林河有一段距离的草地中心区域植被面积减少、 且生长状况较差； 霍林河河道两侧及草地范围边界处, 仍有草地覆盖且长势良好。但NDRE、 CIred-edge及草地品质指数结果显示该区域草地品质良好甚至达到优的水平与实际有较大出入。结合相关文献资料, 对各个指数误差做出分析如下。

1) NDRE指数合理性。该指数对叶片中的叶绿素含量、 氮含量和土壤背景效应非常敏感, 但并没有找到相关文献证明NDRE是否对土壤水分、 氮含量变化响应明显。霍林河上游白云花水库为应对生态破坏, 保持向海湿地面积, 及时调整径流量； 保护区也针对退化的草场进行合理规划, 恢复草地覆盖, 建立补水机制。鉴于此, 提出一个合理猜想： 该区域内退化草场正在逐渐好转, 土壤含水量增加, 氮含量提升, 因此NDRE指数受到影响, 在结果图中错误的表现为优。

2) CIred-edge指数合理性。Vincini等[7]研究发现, 土壤湿度和光照强度的变化会改变该指数对叶绿素含量变化的敏感性, 它的波动性比较大。方灿莹等[10]研究证实, CIred-edge指数在不同的研究区域表现情况不同, 这可能与研究区的土壤含水量和光照条件不同有关。

3) 指数构建因子选择的合理性。NDRE与CIred-edge均只使用了红边波段与近红外波段进行计算, 它们在估计叶绿素或氮含量方面表现非常好。相关性分析中也显示, 二者的相关性很高, 因此对主成分分析的结果贡献较大, 从而削弱了NDVI所代表的植被覆盖度在综合指数构建中的影响, 造成结果与实际情况不符。在本研究中, 单方面考虑红边指数是否能精确判别草地生长状况, 并且选择植被指数时受遥感影像波段的限制, 而忽略了植被指数应该从不同角度反应草地品质涵盖的多种作物参数。

4) 综合指数构建方法合理性。相关性分析中KMO值在0.5～0.6之间, 笔者对3个指数做主成分分析, 在不改变指数的情况下, 应该探索更适合的指数构建方法, 优化模型。

4 结 论

本研究基于“吉林一号”遥感影像, 以吉林向海自然保护区为研究区域, 旨在分析07号卫星影像提取植被指数定量评价草地质量问题。通过构建综合指数提高草地品质的反演精度, 以客观、 快速地评价区域草地生长情况。通过NDVI、 NDRE、 CIred-edge的主成分分析结果, 构建了一个新型的植被指数即草地品质指数(GQI), 各指标的集成不是加权求和, 而是根据各指标对主成分的贡献集成。因此, 该指数能客观地耦合各个指标, 合理地代表区域生态质量。相较于单一植被指数, 该综合指数可以更全面的反应用于衡量草地品质的不同指标的优劣程度。其中, 引入红边波段, 增加了更多的光谱信息, 从而反应草地的各种物化属性, 提高草地品质指数(GQI)的精确度。

但该指数也存在一些不足。对草地覆盖稀疏的区域, 指数与实际情况有较大的误差。引入红边波段的NDRE和CIred-edge会受到土壤湿度和光照强度的影响, 而改变该指数对叶绿素含量变化的敏感性。因此, 草地品质指数(GQI)不适宜在大面积地表裸露的草场使用。

针对草地品质指数(GQI)对于草地覆盖稀疏的区域, 指数与实际情况有较大差异的情况, 笔者提出以下改进措施。

1) 可根据实际情况调整因子以提高精度。因研究数据波段较少, 可选择的红边指数受到限制, 实际应用中可以根据地形、 气候等因素考虑, 选择更适合的植被指数。

2) 探索更适合的指数构建方法, 优化模型。在今后的研究中, 应尝试不同的建模方法, 比较不同模型的反演精度, 得到一个最优模型。

3) 建议增加卫星影像波段。针对“吉林一号”07号卫星影像波段较少的问题, 建议在今后发射具有更多光谱波段信息的卫星以更精确研究植被信息。