陕西太白山自然保护区卫星遥感影像植被解译*

张 宏 ,金学林 ,李智军

(1.陕西太白山自然保护区管理局,陕西眉县 722300;2.陕西省野生动物抢救中心,陕西周至 710400)

植被是植物与其环境长期作用演化而形成的自然复合体。特定的植物群落有其自身的种类组成、结构及动态特点。研究植被的起源、分类、分布规律及其动态变化,是生物多样性保护和自然保护区管理与评价的重要依据和指标。

关于太白山自然保护区植被类型的研究前人所做工作较多,而未见利用遥感影像进行植被研究的报导。

为了掌握近20年来的保护区保护管理的效果,了解太白山植被的动态变化,为进一步的保护管理提供依据,我们为了制作太白山自然保护区的植被图,对太白山自然保护区的植被进行了遥感影像分析。

1 卫片的选择

由于不同的地物具有对电磁波的不同吸收和反射率,因此可以利用遥感来进行地物的判别和分类。在进行植被遥感判读时,LandsatTM影像由于其特有的光谱分辨率(7个波段,其中1-3为可见光波段,4-7为红外波段),空间分辨率(每一像素代表地面实际面积的大小),适当的时间分辨率(同一地区重复拍摄影像的周期)以及容易获得等优点,常被用来进行中尺度的植被分类和制图。根据太白山地区植被类型判别和制图需求,我们选择了Landsat TM影像进行植被分类。由于太白山地区1965年就建立了保护区,区内植被基本未遭受过人为破坏,群落结构基本处于稳定状态,多年来变化甚微。但由于该山体的垂直落差较大,高海拔地区一年中大多数时间都被冰雪覆盖,会对植被判读有所影响。因此,在分类时我们主要考虑季节对分类的影像,选取夏秋季(7月1日～9月30日)之间的影像。在对该地区已有的影像进行筛选后,选取了 1988年 9月 15日的Landsat 5 TM影像进行分类。

2 分类前的准备工作

2.1 相关数据收集

保护区及保护区周边本底图包括地形图、边界图、水系图;以前调查保护区的植被图、野外调查的数据及第三次大熊猫调查的一些群落样方数据。

2.2 卫片的校正

几何校正:由于所获得的影像是已经进行过初步校准的数据,我们主要利用已有的电子地图和地面采集的控制点对影像进行精校准。校准后的影像为WGS84(UTM 48)坐标系统,可以和水系的电子地图很好吻合。

光学校准和去云处理:利用曲线拉伸进行了光学校准,并利用小波变换进行去云处理,但去云效果不理想。

3 分类方法

3.1 地物分类

主要采用监督分类和专家分类系统相结合的方法进行地物分类。首先根据太白山地区地面调查结果,确定分类类型,编制地物类型分类表(表1)。

3.2 选取参与分类的影像波段

通过直方图分析和参照前人进行植被分类的经验,我们选取5,4,3波段组合进行分类。在分类前适当调整各波段的直方图,使不同地物类型之间的辐射通量尽量差别明显。

表1 地物类型分类

3.3 编辑分类表

分类表的编辑是植被自动判读工作中的一个关键环节,分类表的质量直接影响分类结果的精度。由于是监督分类,因此,我们选择对保护区区内及周边植被分布状况十分熟悉的专业技术人员进行此项工作。在编辑完后,通过对分类表的多次调校,基本保证各种地物类型的精度都在70%以上(表2)。

3.4 分类及后处理

利用编辑好的分类表进行计算机自动分类。在此主要利用的是ERDAS IMAGINE图像处理软件。分类完成后,进行了分类精度检验,检验精度为79.63%(表3)。

表2 分类模板错误矩阵

总分类精度(Overall Classification Accuracy)=79.63%;总Kappa统计值(Overall Kappa Statistics)=0.775 8。

精度高的原因:a.保护区植被垂直分带明显,利于利用遥感分类;b.分类范围内植被地物类型较简单,而且分区明显;c.进行监督分类的人员对分类地区的植被状况十分熟悉,因此在编辑分类表时分类表的精度较高;我们编辑出的分类表各类地物的验证精度都在75%以上,而且有5～6类在90%以上;d.选择的LandsatTM 5影像为9月中旬,这个季节各类植被的光谱值之间差别明显,利于分类。

影响分类精度的原因:a.选用影像中云块较多,云及其阴影都会对一些区域的地物分类有影响(在后期处理时,将根据其他时段的影像数据对云层影响的区域进行修补);b.由于山地阴影的影响,出现一些阴影部分与云的阴影相同的结果,但实地应是其它地物类型,在分类后处理过程中将参照周边的地物和以前地面调查结果修改。

为了进一步提高保护区植被解译的精度,利用缨帽运算将分类结果中会出现许许多多的小斑块溶入其周围的植被类型中。对于影像中出现的云块,由于云层较厚,在分类前利用小波变换等手段进行去云处理效果不明显,因此采用分类后处理,即利用参照影像(2000年5月19日Landsat7 ETM,)进行人工目视判读,然后在分类结果中将对应位置的修改为参照影像中的地物类型。

表3 分类精度检验结果

4 分类结果

由于地图边界以及以前所采用的地图与面积计算方法的影响,这次求出的面积与保护区的面积有一定的出入,主要植被型的面积计算结果见表4。

表4 主要植被型的面积

5 讨论

与1996年植被调查相比,太白红杉林的面积减少2 409 hm2,巴山冷杉林的面积增加10 255 hm2,桦木林的面积3 362 hm2,针阔叶混交林的面积增加1 930 hm2,栎林的面积减少3 830 hm2,灌丛的面积增加2 001 hm2。

与1982年森林资源调查相比,太白红杉林的面积减少 1 676 hm2,巴山冷杉林的面积增加9 674 hm2,桦木林的面积减少3 327 hm2,针阔叶混交林的面积增加713 hm2,栎林的面积减少2 023 hm2。

导致以上差异的原因很多,如地图边界、所采用的地图与面积计算方法、保护区边界的调整以及植物群落划分及归类的差异等,我们将这次分析制作的植被图与保护区以前的林相图、植被图进行了比较,并进行了现地的校验,相对而言,利用卫星遥感影像分析的结果可靠性较高。

[1] 任 毅,刘明时,田联会,等.太白山自然保护区生物多样性与管理[M].北京:中国林业出版社,2007.

[2] 应俊生,李云峰,郭勤峰,等.秦岭太白山地区的植物区系和植被[J].植物分类学报,1990,28(4):261-296.

[3] 党安荣.ERDAS IMAGINE遥感图像处理方法[M].北京:清华大学出版社,2003.

[4] 太白山自然保护区综合考察论文集编委会.太白山自然保护区综合考察论文集[C].西安:陕西师范大学出版社,1989.