遥感技术在新乡市人民公园绿化调查中的应用

张桂珂,王智芳

（1.新乡市人民公园,河南 新乡 453000；2.河南科技学院,河南 新乡 453003）

遥感技术在新乡市人民公园绿化调查中的应用

张桂珂1,王智芳2

（1.新乡市人民公园,河南 新乡 453000；2.河南科技学院,河南 新乡 453003）

对2011年8月覆盖新乡市人民公园的SPOT5遥感影像进行预处理提取植被信息,再用代表性样地法采集植被信息,选定归一化植被指数（NDVI）和比值植被指数（RVI）作为自变量,以实测样本数据（LVV）作为应变量,采用多元回归分析法建立基于遥感影像的新乡市人民公园植被遥感模型.结果表明：LVV与VI呈极显著的相关关系,其相关系数多以相对均质植被高于植被总体.每种植被样方优化出一个模型,即针阔混交林：LVV=16.216RVITOA+19.698RVIDN-9.112（R2=0.866,RMSE=0.289）；阔叶林：LVV=8.111RVIPAC-3.142（R2=0.795,RMSE=0.512）；灌木：LVV=313.621NDVIDN3-19.118NDVIDN2+2.612（R2=0.812,RMSE=0.714）；草地：LVV=3.121RVITOA+1.992RVIDN-4.002（R2=0.892,RMSE=0.547）；总体植被：LVV=2.231RVIPAC-7.112NDVISR+5.122NDVIPAC+9.982NDVIDN-1.417（R2=0.796,RMSE=0.712）.这些优选模型在新乡市人民公园的植被调查中具有一定的应用价值.

遥感技术；植被指数；模型；新乡市

新乡市人民公园筹建于1958年,1964年正式对外开放,是牧野大地上的一颗璀璨的绿色明珠,现占地48.6 hm2,绿树常青,花繁叶茂,绿化面积达到了39.2 hm2,占全园总面积的80.65%,绿化覆盖率达到了94.2%[1].公园建筑及其陈设格局具有浓郁的豫北园林艺术特色.全园共栽植各类乔灌木120余个品种15万余株.公园内以植物造景为主,乔、灌、花、草配置错落有致,环境优美,景色宜人,是广大市民观赏游玩、休闲娱乐的首选场所,是全市唯一的一所集清幽的园林秀色、水上娱乐、文化健身、动植物观赏和休闲游乐于一体的综合性大型园林,为新乡市园林绿化事业的发展发挥了重要的作用.同时,作为新乡市城市绿化生态体系中重要的一个环节,人民公园在改善城市生态环境质量方面发挥着极为重要的作用[1]. 1996年,新乡市人民公园曾荣获“绿化达标”公园、“城市绿化达标公园”等荣誉称号.

植被调查是加强城乡园林建设的一项基础性工作,是园林绿化规划的前提和基础.深入广泛地进行植被调查,才能确保规划方案的科学性,因而具有重要的理论和实践意义.传统的植被调查方法虽然精度较高,但是需要消耗大量的人力、物力和时间.随着遥感技术的普及和应用,遥感技术在植被调查方面提供了快速获取植被信息的方法,为准确提取城市绿化信息提供了快捷的数据源[2-3].近年来,为了适应创建生态城市、宜居城市的规划目标,新乡市逐渐加大了对全市园林绿化的建设力度[4],但依然存在园林植物配置单一、生物多样性不高等问题[5].本研究运用遥感技术并结合实地调查,研究新乡市人民公园植被的SPOT5遥感影像进行处理,提取植被信息,并对人民公园实地采集的样点数据和植被指数进行数据分析,再用逐步回归法建立了基于影像的人民公园植物遥感估算模型,目的是为评估新乡市人民公园绿化的生态功能、环境效益和优化布局等研究提供科学依据,最大限度地发挥新乡市人民公园园林植物的生态效益.

1 研究范围与研究方法

1.1 研究范围

新乡市人民公园位于新乡市市区,其关键点坐标（南门：35°16'58.26"N,113°56'7.4"E；西门35° 17'52.296"N,113°52'53.04"E；北门：35°18'5.148"N,113°52'35.076"E；东门：35°N18'5.112",113°52'50.448"E）,具体范围如图1所示.

图1 新乡市人民公园在新乡市的位置Fig.1 Location of the People's Park of Xinxiang in Xinxiang City

1.2 研究方法

1.2.1 遥感数据提取 选用归一化植被指数（NDVI）法进行绿地信息提取[6].遥感影像采用2011年8月新乡市人民公园SPOT5 HRG系列1A级处理水平图像（行号：286；列号：290）,空间分辨率为10 m,采用红、红外两种波段.取人民公园SPOT5图像的反射率（TOA）、星上辐射率（SR）、灰度值（DN）以及地物反射率（PAC）数据,提取比值植被指数（RVI）和归一化植被指数（NDVI）,结合地面实测绿量（LVV）进行分析,建立关系模型.

1.2.2 公园绿化覆盖实测 选取样方,实测LAI、VFC值,二者相乘,得到样方的实测绿量LVV.本次实测一共选取19个样区,其中6个针阔叶混交林、4个阔叶林、4个灌木、5个草地样区,每个样区布置3～5个样方,大小为10 m×10 m,对应遥感影像空间分辨率.采用LAI-2000植物冠层分析仪,随机抽测每个样方5个点,读出LAI的平均值作为结果.VFC采用数码照相机进行垂直照相测量,相机分辨率2 592×1 944.相片地物使用遥感图像处理软件ENVI 4.0区分植被和非植被,每张相片植被像元占像元总数的百分比为VFC值.取多张相片每个样方的平均值为结果.采用差分GPS接收仪结合LVV分析样方经纬度,建立模型.

2 结果与分析

2.1 不同植被样方的绿量与植被指数相关性分析

不同植被样方的绿量与植被指数相关性见表1.

表1 不同植被样方的LVV-VI系数Tab.1 Correlation coefficient between LVV and VI of different vegetation quadrates

由表1可知,不同植被样方的LVV与VI都呈显著的正相关关系.相关系数最高者为草地植被的LVV与NDVITOA,达到0.885,最低者为灌木LVV与RVIDN,相关系数只有0.462.

2.2 优选LVV-VI关系模型

基于19个样方数据,对4种植被样方分别建立了LVV-VI的优选模型,见表2所示.

表2 优选的LVV-VI关系模型Tab.2 Selected models between LVV and VI of different plants

由表2可知,LVV-VI关系模型的决定系数R2差异明显.决定系数最大的是基于草地的线性回归模型（0.892）,最小的是基于阔叶林的线性回归模型（0.795）.将优选的模型输入ENVI 4.0软件的M文件后,通过波段运算得到LVV分布栅格图.基于各植被类型的模型计算对应植被区域LVV,基于总植被模型计算人民公园总植被区域LVV.其中针阔混交林覆盖面积9 875.3 m2,草地覆盖面积8 996 m2,阔叶林覆盖面积14 262 m2,灌木覆盖面积7 968 m2,总植被覆盖面积39 807 m2.

2.3 优选LVV-VI关系模型的验证

以人民公园的龟岛为例,验证优选的LVV-VI关系模型.龟岛周长182 m,面积2 640 m2.经调查统计,龟岛植物种类及数量具体为：榆树1株,楝树7株,乌桕1株,垂柳32株,毛桃1株,油松2株,杏树1株,石楠球3株,枇杷树1株,龙柏15株,花石榴3株,侧柏3株,樱花3株,千头柏1株,洒金柏1株,黄杨球9株,小叶女贞绿篱50 m,中华蚊母2株,雪松1株,狗牙根3 000 m2.植被调查统计的结果与优选LVV-VI关系模型拟合得比较好.

3 结论与讨论

3.1 结论

遥感技术可以快捷提取新乡市人民公园的植被信息,优选的LVV-VI关系模型可以运用于新乡市人民公园植被调查,显示出遥感技术快捷、准确的特点,遥感技术将来在新乡市园林绿化植被调查中具有很高的应用价值和前景.

3.2 影响调查精度的因素

3.2.1 遥感数据的空间分辨率 对公园绿化覆盖调查、绿化覆盖类型调查,遥感方法调查结果的精度取决于遥感数据光谱特性、遥感图像的空间分辨率以及阴影遮盖等因素.遥感图像空间分辨率不同,则遥感数据结果不同.空间分辨率决定了遥感调查的最小绿地面积以及精度.

3.2.2 遥感数据光谱特性 地面物体光谱具有一定的复杂性,所以其判读分类容易产生错误.“异物同谱”是指不同的地物在特定的波段上反射率相同,因此在图像中显示出的光谱特性相同.“同物异谱”是指同种地物影像特征的不同,例如相同类型的绿地,其生长状况不同,在图像上呈现的影像特征也不同.季节的变化,也会导致植被光谱特征的变化.冬季拍摄时,有些草地叶绿素含量较低,因此在图像上未能显示出来,往往会被遗漏.

3.3 提高绿量调查精度的方法

分析影响调查精度的因素,结合应用实际,采用遥感图像的系统校正系数和绿化遮蔽校正模型结合的方法来改进调查精度.

3.3.1 系统校正系数 调查结果中,小绿地由于空间分辨率因素被遗漏的现象属于系统误差,分析误差的大小,则可以确定面积校正系数.在精度较高的绿地调查数据上,对没有被遥感图像调查出的绿地图斑总面积进行分类统计,用该面积除以总绿地面积的值即为该遥感图像的系统校正系数.空间分辨率因素造成的调查结果误差中,对绿地类型的边界线解译误差属于随机误差,通过选择样本与实际的面积比较,计算出由于绿地类型的解译界线不准确造成的面积误差.最后,由计算所得的系统校正系数,对绿地解译数据结果进行校正,得到绿地的覆盖面积.

3.3.2 绿化遮蔽的校正模型 绿化遮蔽校正模型可有效减少阴影遮蔽所产生的调查误差.可以通过测量算法和公式法计算获得人民公园中各雕塑以及建筑物的阴影造成的遮蔽面积.测量算法简单实用,是在图像上直接勾勒遮蔽区域,其工作量较大.公式法是根据建筑物成像参数以及高度进行计算.

在园林绿化管理与规划的过程中,绿化的分布面积、树木的数量以及类型、树冠大小等特性均为研究的重要内容.利用遥感技术对园林植被尤其是小冠的树种进行调查,往往因树冠面积较小,在空间分辨率较低的遥感图像上不能分辨出来,可尝试在图像上进行树种的识别工作,通过测量其阴影来获得树高,若树冠短期内修剪过,其影像特征便不能明确.若树木密集,则其遥感图像连在一起,不能进行单棵树的区分.树木调查时,可以利用GPS等辅助遥感图像进行树木调查.如何提高数据的准确性,是遥感技术在城市园林植被调查中面临的重要问题和未来的挑战之一.

[1] 崔惠.新乡市人民公园局部改造设计探讨[J].河北农业科学,2008,12（8）：101-102.

[2] 顾祝军,陈子玉,钟冠.基于SPOT5影像多辐射校正水平的植被绿量遥感估算[J].生态环境学报,2009,18（6）：2294-2299.

[3] 韩玲玲,费鲜芸,田牧歌.基于高分辨率遥感影像的泰安市城市绿化现状分析[J].安徽农业科学,2012,40（23）：11753-11756.

[4] 周会萍,刘兴洋,张家洋.新乡市园林植物区系特征分析[J].西北林学院学报,2013,28（6）：188-193.

[5] 王锐,任秋华.郑州市和新乡市绿化植被生物多样性研究[J].现代农业科技,2013（15）：179-180.

[6] 郭铌.植被指数及其研究进展[J].干旱气象,2003,21（4）：71-75.

（责任编辑：邓天福）

Application of remote sensing technique to the investigation of plants in People's Park of Xinxiang

Zhang Guike1,Wang Zhifang2
（1.The People's Park of Xinxiang,Xinxiang 453000,China；2.Henan Institute of Science and Technology,Xinxiang 453003,China）

Extracting vegetation information fromSPOT5 remote sensing image and representative sample method to collect the vegetation information of the People's Park in Xinxiang City were used to derive two vegetation indices,i. e.,normalized difference vegetation index（NDVI）,and ratio vegetation index（RVI）,to establish the vegetation remote sensing investigation model using multiple regression analysis.The results showed thatLVVwas significantly correlated withVI.LVV-VIcorrelation coefficients of relatively‘pure'vegetation are higher than those of total vegetation.One‘best'model was selected for each of the vegetation quadrates,i.e.,broad-conifer leaf mixed forest：LVV=16.216RVITOA+19.698RVIDN-9.112（R2=0.866,RMSE=0.289）,broad-leaf forest：LVV=8.111RVIPAC-3.142（R2=0.795,RMSE=0.512）,shrub：LVV=313.621NDVIDN3-19.118NDVIDN2+2.612（R2=0.812,RMSE=0.714）,grass：LVV= 3.121RVITOA+1.992RVIDN-4.002（R2=0.892,RMSE=0.547）,and total vegetation：LVV=2.231RVIPAC-7.112NDVISR+ 5.122NDVIPAC+9.982NDVIDN-1.417（R2=0.796,RMSE=0.712）.The optimization model has certain application value in the People's Park vegetation survey in Xinxiang City.

remote sensing technique；vegetation index；model；Xinxiang City

P237,TU986

A

1008-7516（2014）03-0040-04

10.3969/j.issn.1008-7516.2014.03.009

2014-04-10

张桂珂（1966-）,女,河南长垣人,工程师.主要从事园林植物应用研究.