荒漠林高光谱与光学影像植被指数(VI)的比较

武文丽，袁 也，李园园，楚光明，张 昊

(石河子大学农学院林学系，新疆石河子 832003)

0 引 言

【研究意义】植被利用光合作用吸收二氧化碳并释放氧气，是陆地生态系统的重要组成部分[1]，还具有防风固沙，减少地表径流、减噪、滞尘等作用，在物质循环和能量流动中处于关键的地位[2]。为了准确衡量区域内植被的种类、覆盖度、面积以及动态变化等指标，采用高效的植被调查手段是十分必要的。传统的基于地面植被调查耗时费力，近代遥感技术的发展，改变了传统的植被调查技术，形成了快速、便捷、大尺度的观测手段，可以不受自然和社会条件的限制，迅速获得观测图像来分析植被的变化情况[3]。相关研究表明,绿色植物叶面在可见光和红光波段有很强的吸收特性，在近红外波段有很强的反射特性，同时这些波段包含了90%以上的植被信息[4]。根据植被这个独有的光谱特性，可以利用红光和红外波段的不同组合进行植被研究，即植被指数(Vegetation Index，VI)[5]。植被指数有助于增强遥感影像的解译能力，在植被覆盖度、碳储量估测、作物种类识别、产量预测预报以及专题制图方面都有应用[6,7,8]。目前研究主要是利用多种光学影像来提取植被指数监测植被的生长状况。传统宽波段遥感数据(TM等)由于波段数少、光谱分辨率低，并且利用其计算出的植被指数也基本都是基于不连续的红光和近红外波段，所能反演的信息量少[9]。随着遥感技术的不断发展，高光谱遥感植被指数得到了迅速的发展，利用高光谱植被指数可以快速、无损提取植被个体和群体信息，有助于实时掌握植被的生长状况，进行合理的生产管理[10]。地处在干旱、半干旱区域的荒漠植被维护着区域生态稳定，但由于该区域植被覆盖度低、地表环境差异大，致使对地探测较为困难。利用地面遥感和航天遥感数据结合植被指数实现快速调查，研究各数据中植被指数的差异。【前人研究进展】植被指数是遥感领域中用来表征地表覆盖、生长状况的一个非常简单有效的度量参数[6]。目前，利用多光谱遥感数据提取各种植被指数、估测植被LAI的研究已经较多，高光谱技术作为热门的植被参量提取技术之一，也被越来越广泛地应用于植被遥感研究。高光谱遥感的光谱分辨率较高，能在特定光谱区间获取被测物体连续的反射光谱信息，可以对植被进行微弱光谱差异的定量分析，突破了常规波段遥感不能精细分析植被光谱特征的限制[11]。植被作为陆地生态系统的主要成分之一，对陆地气候变化具有重要调节作用，因而对植被信息的监测具有重要的生态和社会意义[12]。高光谱遥感数据在监测植被信息方面应用广泛[13]，其相对多波段遥感数据存在明显优势。区域不同、环境不同，植被的适应性也不同[14]。近年来，高光谱遥感技术已被广泛应用于资源调查、地质勘探、环境监测调查、土壤监测、水文观测等领域[15]。植被指数一直是遥感技术研究植被的重要方法，当前主要方法是利用遥感数据中的典型波段进行组合计算[16]。由于植被在人类生存环境中的重要作用，植被遥感一直是遥感应用领域研究热点，其中遥感植被指数是研究植被最简单、最有效的方法之一[17]。干旱、半干旱的荒漠化地区，植被覆盖度和植被生物量是衡量地表植被状况的两个重要指标，也是影响土壤侵蚀与水土流失的主要因子[18-19]。准确地评估荒漠化地区的植被覆盖度和植被生物量状况，对于掌握荒漠化发展态势具有重要意义[20]。【本研究切入点】干旱、半干旱区梭梭林和柽柳林分布稀疏，难以展开大尺度地面调查。研究利用地面实测的梭梭(Haloxylonammodendron)和柽柳(Tamarixramosissima)冠层的高光谱数据与同期的TM遥感影像数据，分别提取NDVI、SAVI、RDVI3种植被指数。【拟解决的关键问题】分析地面遥感数据与同期航天遥感数据中3种植被指数差异，为应用地面高光谱和航天遥感数据的植被指数,提取荒漠公益林树种信息和碳储量的监测提供一定的参考。

1 材料与方法

1.1 材 料

研究区域位于准噶尔盆地古尔班通古特沙漠南缘，莫索湾垦区北端(44°15′～46°50′N，84°50′～91°20′E)。古尔班通古特沙漠地处准噶尔盆地中央，玛纳斯河以东及乌伦古河以南，面积约4.88×104km2，海拔300～600 m，是中国第2大沙漠，年降水量70～150 mm，年均气温6.2℃。图1

图1 研究区矫正后的TM影像Fig.1 Corrected TM image of the study area

选择梭梭林和柽柳林分布的典型区域分别设置梭梭和柽柳样地各5个。分别用地面高光谱数据和同期TM光学影像各样地进行归一化植被指数(NDVI)、重归一化植被指数(RDVI)、土壤调节植被指数(SAVI)的提取[6]。此次实验中光学影像的数据采用90 m×90 m的样地的平均值，而高光谱数据是在30 m×30 m的样地中取其中10个代表性点的光谱均值。

1.2 方 法

选取3种植被指数进行对比分析，分别为归一化植被指数(NDVI， Normalized Difference Vegetation Index), 重归一化植被指数(RDVI，Return-normalized Difference Vegetation Index)，土壤调节植被指数(SAVI，Soil-adjusted Vegetation Index )。

(1)NDVI(-1～1)用于检测植被生长状态、植被覆盖度和消除部分辐射误差等。0代表该区域基本没有植被生长；负值代表非植被覆盖的区域；正值，表示有植被覆盖，数值越大代表植被的覆盖面积越大，植被的量越多。云、水体和冰雪在红色及近红外波段均有较大反射，其NDVI值为负值；土壤和岩石在这2个波段的反射率基本相同，其NDVI值接近0。

NDVI=(NIR-R)/(NIR+R) .

(1)

公式中，NIR和R分别为地表的近红外波段(TM4)和红波段(TM3)的反射值。其中R的波长620 ～760 nm，NIR波长760～3 000 nm(波长范围为760 ～2 500 nm)。下同。

(2)RDVI可用于高低不同植被覆盖的情况[11]。NDVI是属于“比值”植被指数，该植被指数增强了土壤和植物的反射对比，同时将照度状况的影响最小化，但其对土壤亮度敏感，尤其在植被覆盖度较低的情况下。研究得出[12]，RDVI可以较好的适应研究中植被多数较稀疏、少部分盖度很高，盖度差异悬殊的区域景观特点，可以放大植物光谱的特征信息，减少大气、下垫面等外界因素对光谱信息的干扰。

(2)

(3)SAVI(-1～1)式中L为1个土壤调节参数，Huete建议最佳取值为0.5[13]。SAVI的目的是解释背景的光学特征变化并修正NDVI对土壤背景的敏感。与NDVI相比，增加了根据实际情况确定的土壤调节系数L，L是随着植被密度变化的参数，取值范围0～1。对于中等植被覆盖区，L的值一般接近于0.5。L=0时，表示植被覆盖度为零；L=1时，表示土壤背景的影响为零，即植被覆盖度非常高，土壤背景的影响为零。

SAVI=(NIR-R)×(1+L)/(NIR+R+L) .

(3)

1.3 数据处理

1.3.1 高光谱数据的处理

高光谱数据的来源是对研究区内的5个梭梭林样地和5个柽柳林样地的数据采集，分别表示为a、b、c、d、e、f、g、h、i、j。每个样地中每个光谱采样点分别取6条光谱下相应波长范围内的R值和NIR，再算出每条光谱数据的平均值，并利用上述中的公式计算出NDVI、SAVI、RDVI。测量仪器选用美国ASD公司生产的FieldSpec ProFR 2500型背挂式野外高光谱辐射仪测定梭梭林和柽柳林冠层光谱，测定光谱数据后，通过与高光谱仪配套的数据处理软件ViewSpecPro将光谱数据导出。光谱测量的波长范围为350～2 500 nm。其中350～1 000 nm的光谱采样间隔为1.4 nm，光谱分辨率为3 nm；1 000～2 500 nm的光谱采样间隔为2 nm，光谱分辨率为10 nm。利用该仪器测定梭梭林和柽柳林样地冠层反射率，测定时基本无云无风，传感器探头垂直向下，视场角为25°，距离冠层顶端约为0.7 m。表1，表2

表1 梭梭林高光谱植被指数
Table 1 HyperspectralVIofHaloxylonammodendron

VIabcdeR0.1880.2060.2810.1540.211NIR0.8080.5890.4010.3200.402NDVI0.6220.4820.1760.3490.312SAVI0.6210.4440.1520.2550.257RDVI0.6210.4300.1450.2400.244

表2 柽柳林高光谱植被指数
Table 2 HyperspectralVIofTamarixramosissima

VIfghijR0.2020.2200.4400.2300.147NIR0.8301.0110.6430.9590.297NDVI0.6090.6430.1880.6130.336SAVI0.6150.6860.1930.6470.237RDVI0.6180.7130.1960.6680.224

1.3.2 TM影像的数据处理

光学影像的数据是通过ERDAS IMAGINE 8.7以实测的地理坐标作为基础数据提取TM3和TM4波段后计算NDVI、SAVI、RDVI。表3，表4

表3 梭梭林光学影像植被指数
Table 3 VI ofHaloxylonammodendronin optical image

VIaBcdeN45°05′53.2″45°05′53.4″45°05′53.4″45°05′13.3″45°05′52.9″E86°00′12.2″86°00′12.4″86°00′12.4″86°00′11.6″86°00′11.5″NDVI-0.087-0.075 7-0.075 7-0.068-0.087SAVI-0.130-0.113-0.113-0.101-0.130RDVI1.4131.2571.2571.0041.413

表4 柽柳林光学影像植被指数
Table 4VIofTamarixramosissimain optical image

VIfGhijN45°05′54.5″45°05′54.6″45°05′54.8″45°05′54.7″45°05′55.4″E86°00′13.7″86°00′14.1″86°00′14.6″86°00′14.4″86°00′15.1″NDVI0.021-0.039 4-0.039-0.0390.044 SAVI0.031-0.059-0.059-0.0590.066RDVI0.3250.6270.6270.6270.665

图2 梭梭高光谱VI
Fig.2 HyperspectralVIofH.amodendron

2 结果与分析

2.1 梭梭3种VI的比较

研究表明,不同的遥感数据源中3种植被指数VI的变化趋势有所不同。梭梭的SAVI和RDVI整体变化趋势大体相同，都是先降低后又上升。而NDVI的变化是先下降后又上升再下降，且数值的变化大于SAVI和RDVI，在数值上NDVI>SAVI>RDVI。NDVI和SAVI的变化趋势相同，且数值变化不大，在-0.2～1的范围。而RDVI的数值和变化幅度相对要大，整体变化趋势为先减小后增大，数值上3种植被指数的大小顺序为RDVI>NDVI>SAVI。总体来看，高光谱数据所提取的梭梭冠层植被指数大小和变化趋势都很接近，而TM图像中计算所得RDVI和其他2种植被指数在数值大小和变化范围上有很大的差别，但NDVI总要大于SAVI。图2,图3

图3 梭梭林光学影像VI
Fig.3VIofH.ammodendronin optical image

2.2 柽柳林3种VI的比较

研究表明,柽柳林的3种植被指数的变化趋势基本一致，都是先增后减呈波浪式变化。SAVI和NDVI的变化趋势都是先减小后增大，但变化幅度不大，保持在-0.1～0.1，而RDVI先增大后趋于一个稳定的数值。高光谱数据所提取的柽柳冠层的3种植被指数的值从大小和变化幅度上都基本保持一致。而光学影像中提取的SAVI和NDVI的值大小和变化一致，但RDVI的变化较其他2种植被指数不同且数值相对大。图4,图5

图4 柽柳林高光谱VI
Fig.4 HyperspectralVIofTamarixramosissima

图5 柽柳林光学影像VI
Fig.5VIofTamarixramosissimain optical image

2.3 3种VI的总体比较

研究表明,梭梭林的高光谱数据植被指数中NDVI和SAVI的值要大于梭梭林的光学影像NDVI和SAVI的植被指数值，而RDVI的值又小于光学影像中RDVI。柽柳林的高光谱植被指数中NDVI和SAVI的值要大于柽柳林的光学影像NDVI和SAVI的植被指数值，而RDVI的值又小于光学影像中RDVI。图6 ,图7

图6 梭梭的3种VI比较
Fig.6VIcomparion ofH.amodendron

图7 柽柳的3种VI比较
Fig.7VIcomparion ofTamarixramosissima

3 讨 论

高光谱的3种植被指数数值差异不大且都是正值，但光学影像的3种植被指数中NDVI和SAVI的数值小于RDVI，并且负值较多。光学影像植被指数出现负值的主要原因是光学影像的数据来源是90 m×90 m的样地的平均值算来的，由于荒漠植被的覆盖度较低，所以地面的反射光会影响到数值。同时很多植被指数都具有尺度效应，在不同的样地大小范围内计算的数值会有所不同。高光谱VI的特点就是以点的形式对植被提取所需数据，可以避免客观因素的影响，能够更精准的计算出植被指数，而且可以得到比较典型的红边植被指数和倒数植被指数[14]。

4 结 论

4.1 在地面高光谱数据中，无论是梭梭的高光谱植被指数，还是柽柳的高光谱植被指数，其3种植被指数的变化趋势和数值大小都很接近，特别是SAVI和RDVI更加接近，但NDVI的变化要大于其他2种植被指数。由于冠层结构的差异，柽柳3种高光谱植被指数值均大于柽柳。

4.2 在TM光学影像中，梭梭和柽柳的光学影像植被指数的NDVI和SAVI的数值基本保持在一定范围内，且变化幅度微小。而RDVI的数值变化较大其数值本身又大于NDVI和SAVI，相对不稳定，RDVI对植被覆盖度有更强的反应能力。