基于GIS和遥感技术的植被覆盖度反演模型_陈国荣
第11卷第3期2010年6月
北华大学学报(自然科学版)
J O U R N A LO FB E I H U AU N I V E R S I T Y (N a t u r a l S c i e n c e )
V o l . 11N o . 3J u n . 2010
文章编号:1009-4822(2010) 03-0251-04
基于G I S 和遥感技术的植被覆盖度反演模型
陈国荣, 刘
1
健
1, 2
, 施聪智, 余坤勇, 赖光辉
111
(1. 福建农林大学林学院, 福建福州350002; 2. 三明学院, 福建三明365000)
摘要:从福建省第5次森林资源一类调查样地点中抽取落在漳浦县区域的30个样地点, 运用G I S 和遥感技术提取研究区植被指数(N D V I , V A R I ) 和地形因子作为自变量, 利用三倍标准差法进行异常数据的筛选, 并将定性因g 子量化处理, 通过逐步回归分析方法构建研究区的植被盖度反演模型, 对漳浦县植被覆盖度进行反演. 从模外抽取26个样地点对模型进行精度验证. 结果表明:所构建的反演模型的平均精度达到80. 96%,对于快速、精确地实现区域植被盖度反演具有一定的指导意义. 关键词:G I S ; 遥感技术; 植被覆盖度; 逐步线性回归中图分类号:S 771. 4
文献标志码:A
E s t i m a t i n g Mo d e l o f V e g e t a t i o nF r a c t i o n
B a s e d o n G I Sa n d R ST e c h n o l o g i e s
C H E NG u o -r o n g , L I UJ i a n , S H I C o n g -z h i , Y UK u n -y o n g , L A I G u a n g -h u i
(1. F o r e s t r y C o l l e g e o f F u j i a nA g r i c u l t u r e a n d F o r e s t r y U n i v e r s i t y , F u z h o u 350002, C h i n a ;
2. S a n m i n gU n i v e r s i t y , S a n m i n g 365000, C h i n a )
1
1, 2
1
1
1
A b s t r a c t :T h i s r e s e a r c h e x t r a c t e d 30s a m p l e s o f v e g e t a t i o n f r a c t i o n i nZ h a n g p u C o u n t y f r o m 5t h f o r e s t r e s o u r c e
c o n t i n u o u s i n v e s t i g a t i o n d a t a o f F u j i a nP r o v i n c e , e s t a b l i s h e da ne s t i m a t i n g m o d e l o f v e g e t a t i o nf r a c t i o nw i t h t h e e l e m e n t s o f t h e v e g e t a t i o n i n d e x (N D V I , V A R I a n d t e r r a i n w h i c h e x t r a c t e d d i r e c t l y o b t a i n e d f r o mt h e G I S a n d R S g ) t e c h n o l o g i e s a n d f l i t t e r e d b y t h e t h r i c e s t a n d a r d d e v i a t i o nm e t h o d a n dl i n e r r e g r e s s i o nm e t h o d . T h e p r e c i s i o n o f t h e m o d e l w e r e t e s t e d w i t h d a t a t h a t w e r e e x t r a c t e d f r o ma n o t h e r 26s a m p l e s . T h e r e s u l t s s h o wt h a t t h e a v e r a g e p r e c i s i o n o f t h e m o d e l i s 80. 96%,w h i c h s h o w e d t h a t t h e m o d e l i s u s e f u l f o r v e g e t a t i o n f r a c t i o n e s t i m a t e . K e y w o r d s :G I S ; R S ; v e g e t a t i o n f r a c t i o n ; l i n e r r e g r e s s i o n 植被覆盖度可定义为单位面积内植被的垂直投影面积, 是衡量地表植被覆盖水平的一个最重要的指
[1]
标, 在土地沙漠化评价、水土流失监测和分布式水文模型中, 都将植被覆盖度作为重要的输入参数. 植被覆盖度测量的传统方法是地面测量, 最常用的方法有目估法、样方法、样带法、样点法等, 以及借助于采样仪器的测量方法, 如空间定量计、移动光量计等. 这些方法虽然提高了测量的精度, 但野外操作不便, 成本较高, 难以在大范围内快速提取植被覆盖度. 随着遥感技术的发展, 可以从多时相、多波段遥感信息中提取地表植被覆盖状况, 为大面积提取植被覆盖度提供了强有力的手段. 同时, 一些基于遥感技术的表征植被因子的指标被先后提出. 由于这些指标是对地表植被覆盖的综合体现, 是间接获取的地表植被覆盖度信息, 因此不能直接用于植被状况监测中, 还需对其进行实地校验, 建立遥感指标和地表实际植被覆盖
收稿日期:2010-01-14基金项目:国家科技人员服务企业行动项目(2009G J C 40032) ; 国家“十一·五”科技支撑计划项目(2006B A D 23B 05) . 作者简介:陈国荣(1981-) , 男, 博士研究生, 主要从事3S 技术在资源和环境中的应用研究;
刘健(1963-) , 男, 教授, 博士生导师, 主要从事森林经营管理与3S 技术应用研究.
[3]
[2]
252北华大学学报(自然科学版)
[4]
第11卷
度信息的转换关系. 因此, 本研究以漳浦县植被覆盖度反演为研究内容, 运用G I S 和遥感技术手段, 结合
一类调查资料, 利用三倍标准差法进行数据筛选, 通过逐步回归确定植被覆盖度反演的因子变量, 构建漳
浦县植被覆盖度反演模型.
1研究区概况
漳浦县位于福建东南沿海南端, 北纬23°32′~24°06′、东经117°35′~117°58′之间. 全县境内地势由西
北向东南倾斜, 西北部为低山丘陵, 东南部面海. 漳浦县属于南亚热带海洋性季风气候, 全年平均气温21℃,年日照时间2119h , 年降雨量1500~1800m m , 亚热带植物种类繁多齐全, 植物物种资源丰富. 土地
2222
总面积2153. 3k m , 其中, 耕地3. 85万h m , 山地12. 1万h m , 滩涂3. 41万h m . 全县设置16个镇、4个乡、11个农林盐茶场. 总人口80. 4万人, 其中, 农、林、渔业人口72. 1万人, 农村劳动力35. 1万人.
2材料收集
收集2003年漳浦县L A N D S A TT M 图像(轨道号为119-43, 120-43) 及150000D E M 数据. 其他辅助材料包括漳浦县150000地形图和2003年福建省第5次森林资源清查数据及其他相关材料.
3
3. 1
研究方法
遥感图像处理
在E R D A S 8. 7软件平台上对遥感影像进行图像处理, 以漳浦县150000的地形图为参考, 对遥感影像进行几何校正, 校正后的影像总体误差为0. 33个像元. 随后根据漳浦县的行政区域图建立A O I , 裁剪出研究区域. 为使遥感影像中的目标地物更容易识别, 对裁剪后的影像图进行图像增强处理. 3. 2植被覆盖度与植被指数之间的关系
利用遥感信息计算植被覆盖度是通过建立遥感数据与植被覆盖度之间的关系来实现的. 这里所说的遥感数据包括遥感数据的光谱信息(波段或者是波段的组合) 或者是根据光谱信息计算出的植被指数. 在形式多样的植被指数中, 归一化植被指数(N D V I ) 因其可从遥感图像中直接获取且计算简单而被广为应用, 并且常作为参考, 用来评价基于遥感和地面测量或模拟的新植被指数. 对L A N D S A T -5及以后的影像而言, N D V I 的计算公式为
N D V I =(T M T M /(T M T M , 4-3) 4+3) 式中, T M M A N D S A T -5专题制图仪的第3(红) 波段和第4(近红外) 亮度值, N D V I ∈[-1, 1]. 3及和T 4是指L G i t e l s o n 等分析了植被光谱差异, 指出利用红光和近红外反射辐射值计算N D V I 推算植被覆盖度不准确, 提出了可见光植被指数V I (R R ) /(R R ) 和抗大气可见光植被指数V A R I (R R ) /(R g =g -r g +r g =g -r g +R R , 经过模拟实验, 指出这两个植被指数与植被覆盖度具有很好的相关性, 而抗大气可见光植被r -b )
指数推算植被覆盖度的效果更好.
通过E R D A S 8. 7遥感图像专业处理软件, 运用建模功能, 生成N D V I 和V A R I g 影像, 利用软件自带的转换工具, 按照一类清查数据中30个样地点的G P S 地理坐标提取N D V I 和V A R I g 影像上相应位置的数据信息作为遥感数据的基本数据源.
地形因子提取
考虑到植被特征受地形、气候的影响很大, 而遥感信息之间的高度相关性使得单纯利用遥感信息解决专题问题的结果具有不确定性或多解性, 因此结合地形因子(如地貌类型、坡向、坡度等) , 借助G I S 软件, 使更多的信息直接参与建立回归方程, 有助于提高反演的精度. 本研究采用漳浦县150000D E M 数据, 利用E R D A S 遥感软件获取地貌类型、坡度、坡向等地形因子信息, 并根据福建省森林资源连续清查操作细则对各地形因子进行分等定级.
3. 4植被覆盖度反演模型的建立3. 4. 1定性因子的量化处理
参与模型构建的变量因子既有定性因子又有定量因子, 而定性因子并不能直接参与构建模型, 因此对海拔、坡度、坡向等定性因子采用数量化理论I 进行量化处理见表1.
[7]
[6]
[5]
3. 3
. 首先将定性变量划分类目、类型及编码,
T a b . 1
表1定性变量类别及编码
C l a s s e s o f q u a l i t y v a r i a b l e a n dr e c o d e s
编码
1
≤5°(平坦)
阳坡
2
3
4
5
36°~45°(陡坡)
6
10~50m (台地) 50~500m (丘陵) >500m (山地)
6°~15°(缓坡) 16°~25°(斜坡) 26°~35°(急坡)
阴坡
平坡
变量海拔
坡度坡向
≥46°(险坡)
根据所提取的样地数据按表1所属赋予相应的分值(符合条件的赋值为1, 其余为0) , 建立相应的反应表, 见表2.
T a b . 2
样地1
23456…
阳坡001110…
阴坡110001…
表2样地各立地因子、项目、类目反应表R e c o d e s o f e a c hl e v e l o f d i f f e r e n t s i t e f a c t o r s i nv a r i o u s p l o t s 平坡000000…
平坦000000…
缓坡100100…
斜坡010010…
急坡001001…
平原000001…
台地011110…
丘陵000000…
山地100000…
3. 4. 2数据筛选
三倍标准差法可以快速、准确地剔除样本的异常数据. 将符合大于三倍标准偏差的样本数据予以剔除, 剩余的样本数据用于构建植被覆盖度反演模型.
4方程拟合
利用数学统计软件S P S S , 以样地调查的植被覆盖度值为因变量, 植被指数、海拔、坡度、坡向等为自变量, 采用逐步进入法, 以F 概率作为判断变量是否引入模型的依据, 确定自变量对因变量的影响程度. 线性回归模型提取出的变量见表3, 模型综述见表4.
表3线性回归模型提取出的变量T a b . 3V a r i a b l e s f r o m l i n e r r e g r e s s i o nm o d e l
模型1V A R I g
2V A R I g 海拔4
引进变量0. 5830. 498-0. 398
F 检验3. 801
3. 546-2. 829
F 检验的概率P
0. 001
0. 0010. 009
偏相关系数0. 583
0. 564-0. 478
共线性统计
容差膨胀方差1. 0001. 0000. 9541. 0480. 9541. 048
表4模型综述
T a b . 4Mo d e l s u m m a r y
模型12
复相关系数R 0. 583a 0. 701b
判定系数修正系数
2
R
2R
估计标准误差0. 272390. 24361
2
解释变量
偏判定
2
系数R 0. 3400. 151
偏F 检验14. 4508. 006
自由度
d f 1
11
2
自由度
d f 2
2827
偏F 检验的
概率P
0. 0010. 009
0. 3400. 491
0. 3170. 454
从表4可知, 随着自变量数量的增加, R 值也在增大, 但是修正系数R 却不会随自变量数量的增加而增大, 估计标准误不会随自变量数量的增加而减少, 反而会因为多余的自变量加大了模型的估计标准误
[8]
差. 由此可知, 以V A R I 、海拔为自变量拟合的回归模型2线性关系较好. g 4. 1
方差分析
本实验采用F 检验对回归方程的显著性进行检验, F 检验假设的前提是总体回归系数为0或常数项为0. 通过表5可知, 所构建回归方程的总体回归系数为0或常数项为0的概率均为0, 说明本实验建立的模型较好地拟合了原始数据.
4. 2模型的建立
由表6可知, 模型中的常数项、
表5方差分析
T a b . 5V a r i a n c e a n a l y s i s
模型1
回归
残差
总离差平方和回归残差
总离差平方和
平方和1. 0722. 0783. 1501. 5471. 6023. 150
自由度d f
1
282922729
方差1. 0720. 0740. 7740. 059
F 检验14. 450
概率P 0. 001a
自变量的显著性水平均为0, 共线性
诊断指标容忍度、膨胀方差因子均接近1, 数值不大, 说明自变量间的相关性较弱, 从而可以拒绝他们之间共线性的假设. 根据上述分析, 本研究所建立的植被覆盖度反演模型为y =0. 413+0. 993V A R I 0. 305×海拔4. g -
213. 0360b
T a b . 6
非标准化偏回归系数
模型
偏回归
系数
常数V A R I g 常数V A R I g 海拔4
0. 323
1. 1620. 4130. 993-0. 305
偏回归系数
的标准误0. 0600. 3060. 0630. 2800. 108
表6回归系数分析
A n a l y s i s o f r e g r e s s i o nc o e f f i c i e n t s
偏回归系数的95%
置信区间下限
5. 3503. 8016. 5903. 546-2. 829
0. 00100. 0010. 009
0. 199
0. 5360. 2850. 418-0. 525
上限0. 447
1. 7890. 5421. 567-0. 084
共线性容差
方差膨胀
标准化偏
回归系数
t 检验概率P
12
0. 5830. 498-0. 398
1. 0000. 9540. 954
1. 0001. 0481. 048
模型的精度验证
为了检验植被覆盖度反演模型的可靠性, 从模外抽取26个样地点, 提取各样地点相应的植被指数及地形因子信息, 代入所构建的植被覆盖度反演模
4. 3
T a b . 7
精度/%样地数量比例/%
>90726. 92
表7回归模型精度检验结果
T e s t r e s u l t s o f r e g r e s s i o nm o d e l a c c u r a c y 80~90934. 62
70~80623. 08
60~70415. 38
50~6000
80. 96平均
型, 对比分析估测值与实际值之间的差异, 检验反演模型的估测精度(精度=1-实测值-估测值/实测值) . 由表7可知, 所建模型的平均精度达到80. 96%,其中估测精度达到70%以上的样地点数量为22个, 占84. 62%.
5结论与讨论
1) 本研究利用植被指数N D V I , V A R I g 结合地形因子, 将地学信息引入回归方程, 构建了植被覆盖度反演模
型, 该模型能有效地提高估测精度. 检验结果表明, 所建立的植被覆盖度反演模型的平均估测精度为80. 96%.
2) 应用三倍标准差法可以快速、准确地筛选和剔除异常数据; 逐步回归分析方法是一种较好的处理变量因子数量的方法, 可以较好地保证模型估测精度.
3) 本研究利用N D V I , V A R I g 及地形因子实现植被覆盖度反演, 尽管已将水体掩膜, 但是山体阴影造成的像元灰度值异常仍对反演精度产生一定程度的影响, 因此, 如何减少山体阴影对于反演精度的影响, 今后将做进一步的探讨. 参考文献:
[[[[[[
李苗苗, 吴炳方, 颜长珍, 等. 密云水库上游植被覆盖度的遥感估算[J ]. 资源科学, 2004, 26(4) :153-159. 丁艳梅, 张继贤, 王坚, 等. 基于T M 数据的植被覆盖度反演[J ]. 测绘科学, 2006, 31(1) :43-45. 陈晋, 陈云浩, 何春阳, 等. 基于土地覆盖分类的植被覆盖率估算亚像元模型与应用[J ]. 遥感学报, 2001, 5(6) :416-422. 刘健. 基于3S 技术闽江流域生态公益林体系高效空间配置研究[D ]. 北京:北京林业大学, 2006. 孙晓娟. 基于“3S ”技术的区域林业生态工程空间配置的研究[D ]. 哈尔滨:东北林业大学, 2003. A n a t o l y AG i t e l s o n , Y o r a mJ K a u f m a n , R o b e r t S t a r k , e t a l . N o v e l A l g o r i t h m s f o r R e m o t e E s t i m a t i o no f V e g e t a t i o nF r a c t i o n [J ]. R e m o t e S e n s i n g o f E n v i r o n m e n t , 2002, 80(1) :76-87. [7]高文韬, 丁伟, 李胜, 等. 长白山林区天然过伐林中蒙古栎适生立地研究[J ]. 北华大学学报:自然科学版, 2000, 1(1) :77-81. [8]余坤勇, 林芳, 刘健, 等. 基于R S 的闽江流域马尾松林分蓄积量估测模型研究[J ]. 福建林业科技, 2006, 33(1) :16-20. 1]2]3]4]5]6]
【责任编辑:郭伟】