基于ALOS影像的喀斯特山区草地类型提取研究*

杨尽利，周忠发，赵正隆，周泽英

(1.贵州师范大学中国南方喀斯特研究院，贵阳 550001;2.贵州省喀斯特山地生态环境国家重点实验室培育基地，贵阳 550001;3.黔南布依族苗族自治州农业资源区划办公室都匀 558000;4.黔南布依族苗族自治州饲草饲料工作站，都匀 558000)

Tueller在1989年介绍了遥感在草地中的应用，根据草地资源的特征和光谱特点，引入各种植被指数，此后利用各种资源卫星对草地资源的调查与评估、生物量估算、草地退化监测、草地资源定量分析以及对草地资源的数理模拟和预测的研究越来越多［1］。在这些研究基础上，进行草地资源专家信息系统的开发和应用研究，是未来草地遥感科学和应用发展的趋势［2-5］。南方和湿润区草地用于种果树、造林、封山育林而成为园地和林地［6］，草地类型的分布跟坡度坡向、高程等地形因子具有一定的联系［7］。其中，利用GIS技术，根据年积温、年降水、高程值、光谱特征，运用综合顺序分类法和监督分类法进行了草地类型划分［8-10］，提取紫花针茅草原群落类型信息效果最好的植被指数是NDVI［11］。西南地区草地资源可持续发展需要深入调查草地资源现状，建立草地资源承载力的动态监测系统，这需要借助遥感技术和GIS技术［12］。由于喀斯特环境地形破碎、切割剧烈和经常云雨天气，较其他地区不易获取理想卫星数据，使得遥感提取目标信息困难加大，除获得理想数据外，还需要对草地资源在不同地貌背景下的提取技术进行探讨。

1 研究区概述

1.1 研究区概况

独山县位于贵州省南部，素有“贵州南大门”之称 (见图1)。位于107°18'～107°50'E，25°12'～26°01'N，政区面积2 422.2km2，2010年末全县总人口26万。气候属中亚热带湿润季风气候区，年平均气温15℃，年均降水量1 468.8mm，年日照时数1 287.2小时，年无霜期276天。

1.2 地势地貌情况

独山县地处贵州高原向广西丘陵盆地过渡的斜坡地带，地势北高南低，境内岩溶地貌发育，类型复杂多样，北部属中山、低中山山地，中部为低中山宽谷丘陵盆地，南部为低中山岩溶峰林谷地，最高海拔为1 985m，最低海拔为490m。全县非岩溶面积371.18km2，占国土面积的15.20%，岩溶面积2 071.02km2，占国土面积的84.80%，其中无石漠化、潜在石漠化、轻度石漠化、中度石漠化、强度石漠化和极强度石漠化面积分别占岩溶面积的33.81%，31.63%，22.70%，7.11%，4%，0.75%;占国土面积的28.67%，26.82%，19.25%，6.03%，3.39%，0.63%［13］。独山县生态环境脆弱，人地矛盾突出来源及方法，依托丰富的草地资源优势，带动农民发展草地畜牧业，促进生态畜牧业可持续发展、农业产业结构调整和石漠化地区生态环境治理，实现传统农业向现代农业的转型发展。

2 数据

2.1 遥感数据

遥感数据为日本ALOS卫星AVNIR多光谱影像，空间分辨率为10m，时间为2010年3月。影像有4个波段:B1:0.42～0.50μm为蓝光波段，对水体有透射能力，对水体有一定敏感性，可区分土壤和植被;B2:0.52～0.60μm为绿光波段，对水体有一定的穿透能力，对植被识别比较敏感;B3:0.61～0.69μm为红光波段，能反映出植物的健康状况，并能区分一定的植被种类和覆盖度情况;B4:0.76～0.89μm为近红外波段，位于植物的高反射区，光谱特征受植物组成结构控制，能很好反应植被信息。其中，4、3、2波段组合为假彩色影像，目标地物信息逼真，目视效果好，有利于地物信息的解译和判读。

图1 研究区位置

2.2 地形因子数据

DEM数据通过对1∶5万地形图数字化形成具有高程值的等高线内插生成。DEM能衍生出海拔高度、坡度和坡向等地表形态信息，对研究喀斯特地区地貌形态和地物分布特征有重要的参考作用。

2.3 植被指数计算

植被指数按不同的监测和计算方法可分为多种植被指数，常用的有:归一化植被指数NDVI、垂直植被指数PVI、比值植被指数RVI、消除土壤影响的植被指数SAVI和全球植被指数GVI等。其中，研究植被最常用的是归一化植被指数NDVI。它是植物生长状态以及植被空间分布密度的最佳指示因子，与植被分布密度呈线性相关，被定义为近红外波段与可见光波段数值之差和这两个波段之和的比值。即:

NDVI能反映出植物冠层的背景影响，如土壤、潮湿地面、枯叶、粗超度等，且与植被覆盖有关，取值范围为-1≤NDVI≤1，负值表示地面覆盖为云、水、雪等，可见光高反射;0表示有岩石或裸土等;正值，表示有植被覆盖，且随覆盖度增大而增大。

3 草地类型提取结果与分析

3.1 草地类型选取

依据《贵州草地》(贵州省农业厅畜牧局，1987)，黔南布依族苗族自治州草地类型分为山地丘陵草丛类、灌木草丛类、疏林草丛类三大类。主要草地植被有青冈 (Cyclobalanopsis glauca)、火棘 (Pyracantha fortuneana)、枫香 (Liquidambar formosana)、马桑 (Coriaria nepalensis)、白茅 (Imperata cylindrica)、芒 (Miscanthus sinensis)、芒萁 (Dicranopteris dichotoma)、细柄草 (Capillipedium parviflorum)、金茅 (Eulalia speciosa)、斑茅 (Saccharum arundinaceum)、白健杆 (Eulalia pallens)、纤毛野嘴草 (Ishaemum indicum)、野古草 (Arundinella hirta)。

因草地类型和背景土壤理性及生物的差异，则波谱反应各异。遥感训练场建设是草地类型遥感分类的基础和重要步骤。根据对典型草地类型的分析，建立训练场区档案。根据现场调查将草地类型分析判读，再结合地形、地质、土壤等的综合分析，提取训练数据，取得影响统计特征参数 (如平均值、方差等)，见表1。

3.2 解译标志建立

图像是人的视觉所能感受到的一种形象化的信息。遥感影像中目标地物特征是地物电磁辐射差异在遥感影像上的典型反映。通过建立样点来获取目标地物的形状、纹理、大小、色调、阴影和空间位置及特征信息［14］。获取的影响识别特征 (色调、纹理等)信息可以供图像解读人员进行图像的分析、解译、理解和识别基础工作［15］，草地类型影像特征表见表2。

3.3 决策树构建

基于专家知识的决策树分类是基于遥感影像数据及其他空间数据，通过专家经验总结、简单的数学统计和归纳方法等，获得分类规则并进行遥感分类。分类过程分为:定义分类规则、构建决策树、执行决策树和评价分类结果。计算选择C4.5算法，其基本原理是从树的根节点处的所有训练本开始［16］。通过草地类型训练区分析得到在ALOS影像上提取草地资源类型决策树规则，如图2。

表1 训练区影像统计特征参数

图2 草地类型提取决策树

3.4 分类结果

由于混合像元和过渡像元的原因，决策树分类直接得到的草地类型分布现状需要野外调查和室内补判修正，最后得到独山县草地类型分布图 (图3)和独山县草地资源类型的分布情况 (表3)。野外调查工作既是数据修正的必要也是验证决策树方法及其参数选择的合理性反检验过程。

3.5 精度评价与分析

根据野外抽调数据对独山县草地类型分类结果进行验证(表4)，总体精度为84.03%，Kappa系数为0.755 6。从表2可以看出，基于ALOS数据的决策树分类方法可以有效地对草丛草地和灌丛草地进行了提取，有效地减少草地资源被错分为其他土地利用类型的概率。而疏林草地被误分是遥感影像分类中的一大难点。一方面，由于疏林草地中疏林植被覆盖度因林种不同而面积大小不一，地表覆盖分布破碎，疏林草地分类到草丛草地中;另一方面，薪炭林和灌木林经过人类活动影响，灌丛草地和疏林草地有一定的镶嵌和过渡，处于模糊临界类型，但总体分类精度还是比较高不影响实际的判别应用。决策树除考虑了影像是四个波段的波谱信息外还考虑了NDVI和地形因子等辅助数据，这也验证了基于决策树分类技术适用于地表覆盖类型复杂、地形破碎、遥感影像专题分类较难的地区。

图3 独山县草地类型分布

表2 草地类型影像特征

表3 独山县2010年各乡镇草地情况 hm2

17.70 1.62 1.92 21.24

4 结论与讨论

文中结合波谱信息及NDVI和地形因子等辅助信息对喀斯特山区的草地资源进行分类得到了较高的分类精度，由此说明决策树分类方法是适合破碎喀斯特地区的。提取成果为复杂的喀斯特山区草地资源类型的遥感识别提供依据，摸清喀斯特山区草地资源分布情况及生产潜力，促进农业自然资源调查和区划工作、草地生态畜牧业发展规划、农业产业结构调整和农村经济发展。

针对不同地物的遥感分类是个困难和长期的工作，影像数据涉及空间分辨率、波谱分辨率和辐射分辨率，大部分多光谱影像分辨率较差，而采用高光谱数据进行专题研究将是下一步主要研究方向。同时，在影像数据与参数选择的普适性方面有带进一步深入研究。

表4 独山县草地资源类型抽样点验证表

［1］查勇，Jay Gao，倪绍祥.国际草地资源遥感研究新进展.地理科学进展，2003，22(6):607～616

［2］李建龙，王建华.我国草地遥感技术应用研究进展与前景展望.遥感技术与应用，1998，13(2):64～67

［3］郭彦军，张家骅，南志标.重庆草地资源类型与开发利用对策.草业科学.2002，19(9):6～8

［4］温庆可，张增祥，汪潇，等.西北农牧交错区草地类型遥感划分方法.农业工程学报，2010，26(3):171～177

［5］任志弼，色音巴图，石永怀，等.陕北草地类型遥感解译与制图.中国草地，1990，(6):39～43

［6］苏大学，刘建华，钟华平，等.中国草地资源遥感快查技术方法的研究.草地学报，2005，(13)

［7］赵连春，刘荣堂，杨予海，等.基于地形因子的草地遥感分类方法的研究.草业科学，2006，(26):26～30

［8］李红梅，马玉寿.基于GIS技术的青海省草地类型分类研究.草业科学，2009，26(12):24～29

［9］孙明，沈渭寿，谢敏，等.基于光谱特征的雅鲁藏布江源区草地类型识别.国土资源遥感，2012，(1):83～89

［10］王春兰，萨仁，图力古尔，等.乌海市草地资源遥感调查分析.内蒙古草业，2009，21(3):18～24

［11］张洪亮，倪绍祥，蒋建军，等.环青海湖地区天然草地TM影像植被指数分析.中国草地，2002，24:6～11

［12］皇甫江云，卢欣石，李镇清，等.我国西南地区草地资源特点及其可持续发展途径.中国草地学报，2011，(33):100～106

［13］贵州省发展和改革委员会，贵州省科技厅，贵州师范大学.贵州省喀斯特石漠化综合防治图集.贵阳:贵州人民出版社，2007，168～169

［14］王桥，杨一鹏，黄家柱，等.环境遥感.北京:科学出版社，2005，366～385

［15］梅安新，彭望琭，秦其明，等.遥感导论.北京:高等教育出版社，2007，134～153

［16］邓书斌.ENVI遥感图像处理方法.北京:科学出版社，2010，150～157