水土流失遥感调查中植被覆盖度因子提取研究
- 格式：pdf
- 大小：4.88 MB
- 文档页数：6
第48卷第12期2 0 1 7年6月人民长江
Yangtze River
Vol.48,No. 12
June, 2017
文章编号：1001 -4179(2017) 12 -0070 -05
水土流失遥感调查中植被覆盖度因子提取研究
豬琳’，i天巍’，木木晴，黍崇试’，i苹光’(1.华中农业大学农业部长江中下游耕地保育重点实验室，湖北武汉430070; 2.华中农业大学资源与环
境学院，湖北武汉430070; 3.长江水利委员会长江流域水土保持监测中心站，湖北武汉430015)
摘要：植被覆盖度是水土流失的主要影响因子，而利用遥感影像判读可以快速有效地获得大范围的植被覆盖
度。简要介绍了水土流失遥感调查中植被覆盖度因子提取的方法。基于遥感与实地野外调查数据，采用mo
di S 时序数 据融合 高分遥 感数据 的方法 ，以湖 南省蓝 山县为 试验区 ，对植 被覆盖 度因子 进行了 提取。 结果表
明，该方法提取植被覆盖度因子的结果较理想。提出的植被覆盖度因子提取方法对今后的水土流失动态监测 研究具有重要的理论意义和实践意义。关键词：植被覆盖度；土地利用；遥感；水土流失;
中图法分类号：S157 文献标志码：A
水土流失已成为全球性的环境问题之一，严重威 胁着人类生存与经济社会可持续发展[1 _3]。我国是世 界上水土流失最为严重的国家之一，水土流失面积大、 危害重、分布广、治理难，严重威胁我国的生态、粮食和 防洪安全。及时监测土壤侵蚀状况，掌握水土流失情 况，是我国水土保持管理工作的主要内容之一 [4]。基 于遥感与地理信息系统技术方法可以提高土壤侵蚀监 测工作的效率，为水土保持工作提供科学决策依 据[5_6]〇影响水土流失的主要因子有土地利用类型、植被 覆盖度、地形、降雨侵蚀力和土壤可蚀性等[5]。其中， 植被覆盖度是影响土壤侵蚀的关键抑制因子，在研究 土壤侵蚀的问题上，必须考虑植被覆盖度和土壤侵蚀 间的关系。水土流失治理措施的主要成效直接体现在 植被变化上，因此植被覆盖度是水土保持监测的重要 区域环境因子[3\目前已发展了许多利用遥感测量 植被覆盖度的方法，包括回归模型法[7]、像元分解模 型法[8]和植被指数法等。这些方法均受遥感影像的 空间分辨率以及混合像元的影响，只适用于大面积单 一类型的植被覆盖度因子提取研究。对于植被结构复 杂、空间分辨率低的遥感影像而言，植被覆盖度因子的长江流域DOI：10. 16232/j. cnki. 1001 -4179.2017. 12. 019提取效果不佳。遥感数据融合技术是一种融合了高分 辨率影像的高空间分辨率特征和中空间分辨率影像的 高时间分辨率特征，既具备高分辨率影像的高空间分 辨率特征，又具备中空间分辨率影像的高时间分辨率 特征数据的方法[9]。近年来，众多国内外学者提出并 使用遥感影像时空融合方法进行遥感影像融合以提高 遥感监测精度。在遥感融合方法基础上，本文提 出了一种基于时序特征的遥感数据融合方法。通过从 时序中分辨率影像中提取的植被覆盖度时间变化特征 曲线，获得高分辨率影像的植被覆盖度因子。本研究基于2015年度长江流域国家重点防治区 水土流失监测项目，开展湘资沅澧“四水”区水土流失 状况调查分析评价，以湖南省蓝山县为例，利用遥感以 GIS技术进行植被覆盖度因子的提取研究。研究成果
可为提高水土流失监测服务政府决策、经济社会发展 和公众的能力提供一些实际经验。
1研究区概况湖南省蓝山县（图1)地理位置为东经m°57' ~ 112°13'，北纬25°04' ~25°23'，位于湖南省南部边陲， 南岭山脉中段北侧，是湘西南通往广东沿海地区的重
收稿日期=2017 -05 -05作者简介：猪琳，女，讲师，博士，主要从事GIS与水土保持研究。
E- mail: chulin@ mail. hzau. edu. cn
通讯作者：王天巍，男，副教授，主要从事水土保持遥感方面的研究。
E - mail: wangtianwei@ mail. hzau. edu. cn第12期褚琳，等：水土流失遥感调查中植被覆盖度因子提取研究71
要门户，有“楚尾粵头”之称。蓝山县是典型的山区 县，以山地为主，地处九嶷山东麓，地势由西南向东北 倾斜，光热充足，无霜期长，属亚热带多风湿润气候。 全年雨量平均为1 587 mm，大部份集中在春与夏、秋 与冬之交，夏秋多旱6蓝山县境内森林资源较为丰富，盛产松、楠竹、桉 树，有水杉、银杏、黄杉、斑竹、龙竹等珍稀植物。耕地 主要集中在中北部，以水田为主，旱地以坪地和土坎梯 为主，部分地区种植有烟叶、油菜。全县的成土母岩有 花岗岩、板岩、页岩、红沙岩、紫色沙岩、石灰岩、第四纪 红土、近代河流冲积物等8种。
县边界图1蓝山县地理位置2数据与方法进行植被覆盖度因子提取研究之前，首先应将林 地与草地从其他地类区分开来，获得林地与草地的空 间分布格局信息。2.1 土地利用状况土地利用状况可以反映自然条件或人为作用下不 同水土保持措施对土壤侵蚀的影响[13_14、结合野外 调查数据，利用遥感影像进行解译分类，确定现有土地 利用信息，并划分为耕地、园地、林地、草地、城镇居民 点及工矿用地、交通用地、水域及水利设施用地、其他 用地8种主要土地利用类型。
2.1.1 野外调查数据实地野外调查是获取实地资料的重要手段，可以 了解研究区不同自然地理分区的土壤侵蚀特征和分布 规律，查明相关土壤侵蚀环境因素的基本情况，为室内 遥感解译、土壤侵蚀模型评价判读提供必要的训练与 检验资料，并作为最终成果数据的检验标准。
2015年5月开展了野外实地调查，收集相关数 据。调查方式主要是建立样方采样a样点布设的好坏 直接影响到解译标志的建立以及信息采集的完善程 度，进而影响到遥感图像的解译和解译结果，一套合理 优秀的样点布设方案可以提高后续解译的工作效率以 及解译精度。所以在野外调查工作之前，要搜集标段 的相关数据，建立完整的、具有典型性、代表性的采样 点布设方案6抽样调查样方布设依照的原则为：①根 据抽样调查的均匀分布和典型代表性的原则，在不同 自然地理分区内，根据地貌（山地、丘陵和平原）、土地 利用（耕地、林地、草地）、土壤（主要土壤类型的分布） 等确定土壤侵蚀抽样调查样方单元。②调查单元的 划分不要求过细，能够反映区域土壤侵蚀影响因素及 侵蚀类型的分布状况即可。野外调查选择了 20个样点共勾出181个图斑，并 用GPS为样方单元进行精确定位（图2)。在遥感底 图上勾勒出样方单元所对应的图斑，将调查单元的遥 感影像特征（色彩、图型、纹理、结构、大小、形状、阴 影、分布位置）与实际的土地利用类型、土壤侵蚀特征 状况进行选点比较，确定不同地物的光谱特性。在调 查单元内，详细调查单元的土地利用类型、植被覆盖状 况、土壤类型，并结合所观察的侵蚀特征估算调查单元 的土壤侵蚀量。同时可利用已有的土地利用图、地质 图、土壤图和植被图等资料作为补充修正或确定验证6
遥感技术具有大面积同步观测、时效性高、周期 短、成本低、数据的综合性和操作性强等优势#遥感和 地理信息系统技术的应用使大范围土壤侵蚀量的计算 成为可能[15]。遥感影像是本研究的重要数据源。对72人民长江
2017 年
于县级尺度下的土壤侵蚀监测与评价，本研究拟采用 的遥感数据为资源三号（ZY - 3)卫星（空间分辨率2. 1 m)、高分一号等高分辨率融合而成的高分影像。开展 遥感影像解译工作之前，首先需要对解译区域的高分 辨率影像数据进行几何校正、图像融合、镶嵌等处理， 以满足解译精度要求。此外，利用高分影像的红光和 近红外波段的来估算研究区iVOW值大小，获得高分 辨率的iVDV/影像。2.2植被覆盖度因子的提取众多学者研究表明，植被是抑制土壤侵蚀的重要 因素[m]。研究采用M0DIS植被指数产品融合高分 遥感数据进行植被覆盖因子的提取。将M0DIS植被 指数数据的高时间分辨率与高分遥感数据的高空间分 辨率进行融合处理，可以较真实地反映植被覆盖度的 实际情况。值得注意的是，研究中对植被覆盖度解译 主要是针对林地和草地进行的。2.2.1 的计算使用美国国家航空和航天局（NASA)地球观测系 统（EOS)信息中心（http ://wist. echo. nasa. gov/)提供 的2015年1月至2015年12月的250 m分辨率共8 d 的M0DIS产品-MOD09Q1反射率数据，产品包括8 d，250 m分辨率的地表反射率数据及其相对应的质量 控制数据，数据格式为最新的MODIS V005版本。该 产品已进行过大气校准并去除了气溶胶和卷云的影 响。使用 MRT 工具（MODIS Reprojection Tool)对产品 进行重投影等处理。对处理后的影像进行几何校正以 及重采样。利用红光（620 - 670 nm)和近红外波段 (841 ~876 nm)的地物光谱反射率数据计算，计 算公式（1)如下：NDVI = PmR ~ Pred (1)Pnir Pred式中，pNIR为近红外反射率数据，pRED为红光反射率数 据。'标准范围为-1 ~ 1。此外，还需从MOD09Q1产品中提取Quality Assurance ( (M) 数据，(M 数据的 时空分 辨率与 MOD09Q1数据集匹配。数据描述每个像元质量， 分3个不同等级，对应不同权重，为iVOV/不同等级像 素提供质量参考[19]。/>#值为〇〜3时，代表该像元质 量优，可信度极大，赋予权重系数值为4 ~ 5时， 代表该像元质量中等，比较可靠，赋予权重系数〇. 5 ;值为6 ~ 15时，代表该像元质量差，可信度低，赋予 权重系数〇。2. 2. 2 Savitzky - Golay 滤波获得的8 d的WOF/合成数据会受到气溶胶、冰雪、太阳光照角度及传感器观测视角等因素的影响，将 极大地影响对植被生长变化的分析D为了正确地反映 数据真实值，对其进行Savkzky - Golay (S - G) 滤波处理。Savitzky - Golay 滤波法是 1964 年由 Savitzky 与
Golay提出的一种移动窗口的加权平均算法，通过在滑 动窗口内对给定高阶多项式的最小二乘拟合得出加权 系数[2°]。SG滤波可以简单地理解为一种权重滑动平 均滤波[13]。时序数据平滑的最小二乘卷积法可 使用下式表亦
I C;Fi+1
式中，是原始值，F/是拟合值，是第！个 滤波系数，2m + 1是指平滑窗口的大小，y是指 wov/时序数据中第y个数据。平滑数组包含有2m + 1
个点为平滑窗口大小的一半[13]。通过几次测试， 平滑多项式的次数值设置为2，平滑窗口设置为4，能 获得最佳的拟合效果。利用TIMESAT软件对 数据进行SG平滑滤波处理，得到时间序列2015年1 月至2015年12月每8 d —幅，共计46幅的MODIS
