高级检索

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于改进的像元二分模型估测郁闭度

丹宇卓 石晶明 李心怡 罗帅 李明泽

引用本文:
Citation:

基于改进的像元二分模型估测郁闭度

    作者简介: 丹宇卓。主要研究方向:遥感与地理信息系统。Email:18846823073@163.com 地址:150040 黑龙江省哈尔滨市香坊区和兴路26号东北林业大学林学院.
    通讯作者: 李明泽,博士,教授。主要研究方向:遥感与地理信息系统。Email:mingzelee@163.com 地址:150040 黑龙江省哈尔滨市香坊区和兴路26号东北林业大学教务处

Estimation of canopy closure based on improved dimidiate pixel model

图(5)表(2)
计量
  • 文章访问数:  503
  • HTML全文浏览量:  589
  • PDF下载量:  13
  • 被引次数: 0
出版历程
  • 收稿日期:  2018-08-12
  • 录用日期:  2019-01-11
  • 网络出版日期:  2019-06-11
  • 刊出日期:  2019-06-01

基于改进的像元二分模型估测郁闭度

    通讯作者: 李明泽, mingzelee@163.com
    作者简介: 丹宇卓。主要研究方向:遥感与地理信息系统。Email:18846823073@163.com 地址:150040 黑龙江省哈尔滨市香坊区和兴路26号东北林业大学林学院
  • 东北林业大学林学院,黑龙江 哈尔滨 150040

摘要: 目的郁闭度是森林资源调查的一个重要因子,它不仅可以反映森林冠层的郁闭程度和树木利用空间的程度,并且能够指示林分密度。遥感为区域和全球尺度精确估测郁闭度提供了前所未有的契机,使得大面积郁闭度监测制图成为可能。本文旨在利用资源三号卫星影像数据结合模型对区域尺度上落叶松林进行郁闭度估测。方法以黑龙江省佳木斯市桦南县孟家岗林场落叶松人工林为研究对象,首先采用像元二分模型对植被覆盖度进行估算,通过探寻植被覆盖度与郁闭度的关系,对像元二分模型进行改进,通过计算不同累积频率归一化植被指数(NDVI)的值作为模型参数,对比不同参数取值时模型拟合效果得到最优模型,并利用模型估测郁闭度。结果拟合结果表明,2%累积频率下模型拟合效果最好,模型R2为0.838,RMSE为0.045,最后利用该模型得出孟家岗林场落叶松人工林郁闭度分布图。结论利用改进的像元二分模型可以较为准确地估测郁闭度。本研究对探索我国北方落叶松人工林郁闭度遥感估测提供了更有效的途径,同时也为森林资源和参数的调查提供一定的参考依据。

English Abstract

  • 森林郁闭度是指林冠垂直投影面积与林地面积之比,它的测定方法有很多,由于受到技术方法和条件的限定,过去的测定多采用目测法、样线法、树冠投影法和样点法进行估测[1]。这些方法精度较低,且很难对大区域尺度的郁闭度进行连续估测。随着遥感技术的发展,国际上在该领域开展了广为深入的研究[2]

    由于遥感数据波段设置的特殊性,利用不同波段遥感数据计算出来的植被指数可以有效地表征地表的森林覆盖情况,进而估算郁闭度。因而遥感数据在提取郁闭度方面的应用引起了许多学者的重视,就不同遥感变量与郁闭度的关系进行了大量的研究,结果表明郁闭度与遥感变量之间有着很强的相关性,相关的形式可能是线性或者非线性的[34]。此外,由于在特定情况下植被覆盖度与郁闭度有类似的概念,因而植被覆盖度的遥感估算方法对于郁闭度的遥感估算有一定的借鉴意义[56]

    我国学者对于郁闭度的遥感估测研究主要集中在线性和非线性回归模型两个方面。刘大伟等[7]利用Landsat TM数据的波段亮度值,归一化植被指数(NDVI),缨帽变换后的亮度、绿度和湿度等因子和郁闭度进行相关性分析,选取了相关性最高的湿度因子与训练数据建立线性回归方程反演森林郁闭度并生成等级图。杜晓明等[8]结合Landsat ETM+数据及国家森林一类清查资料,用Bootstrap方法筛选郁闭度估测数据及森林资源一类清查数据为基础[9],定量分析了遥感因子、地形因子与郁闭度的关系,利用逐步回归、最小二乘回归、主分量回归和偏最小二乘回归构建模型反演郁闭度。谭炳香等[10]利用星载EO−1Hyperion高光谱遥感数据,采用波段选择法和主成分分析法定量估测了森林郁闭度。

    然而,地表实测郁闭度的方法仅是能获得一些指定区域上的数据,不利于大范围郁闭度空间分布及变化,而利用模型监测森林郁闭度较为复杂,适合于小区域的研究,所需要的参数较多且大多数参数难以获取,从而会影响森林郁闭度的提取精度[1112]。如何用简便方法获得高精度的森林郁闭度成为亟待解决的问题。改进的像元二分模型估测森林郁闭度主要通过计算各种基本地物类型的植被指数对混合像元植被指数的贡献来估测郁闭度。本研究通过计算不同累积频率归一化植被指数(NDVI)的值作为模型参数,对比不同参数取值时模型拟合效果得到最优模型。同时,本研究利用资源三号卫星影像,空间分辨率较大,实验精度较高,可扩展应用于大尺度上的森林郁闭度反演,这为探索我国北方落叶松(Larix gmelinii)人工林郁闭度遥感估测提供了一条更有效的途径,进而为森林资源和参数的调查提供一定的参考依据,且此方法简单,精度符合要求,适于在林场等经营单位推广。

    • 研究区主要包括佳木斯市桦南县孟家岗林场,地理坐标为130°32′42″ ~ 130°52′36″E、46°20′16″ ~ 46°30′50″N。林场西与桦南县林业局的七峰、青背林场毗邻,东与桦南林业局相邻。孟家岗林场地处完达山西麓,海拔168 ~ 575 m之间,全场总面积16 733 hm2。人工造林占林地面积的76.7%,落叶松、樟子松(Pinus sylvestris)、红松(Pinus koraiensis)约占80%。孟家岗林场是一个以针叶树为主的人工林用材基地。人工造林成活率达95%以上,最高达到99%,育苗技术远远超过原苏联和日本同纬度地区的育苗水平。全场林木蓄积量64万m3,其中人工林木蓄积量占2/3,孟家岗林场落叶松样地分布图如图1所示。

      图  1  黑龙江省佳木斯市孟家岗林场落叶松样地分布

      Figure 1.  Distribution of Larix gmelinii sample plots in Mengjiagang, Heilongjiang Province

    • 本研究所用的遥感影像来源于2012年8月30日的资源三号卫星多光谱影像和2013年5月18日的资源三号卫星的多光谱影像。该数据无云覆盖,成像质量较好。冠幅是研究树冠水平伸展空间结构的指标。胸径和林分密度是影响冠幅的重要因子[13]。经调查该林分在5年间未经过抚育、采伐及其他人为干扰,林分密度未发生显著变化。不同林龄的胸径平均生长量呈现先大后小的状态,落叶松随着林龄的增加,胸径的增长幅度趋于平缓,成熟林胸径的连年生长量逐渐减小[14],由此可推断出,5年内落叶松人工林的胸径增长也并不显著。因此,林分的冠幅也未发生显著变化,故在相同的生长季节,遥感数据与样地实测数据差别5年该林分的郁闭度差异不会很大,可以将两类数据进行比较。

    • 本研究采用的样地数据采集于2017年6月,共选取30块面积为0.06 hm2的落叶松人工林样地。每块样地利用亚米级GPS定位(定位的点见图1),同时利用鱼眼相机拍摄照片,便于郁闭度真实值的求算。

    • 本研究参考了2016年一类调查所得矢量数据作为辅助数据,确定孟家岗林场的边界与落叶松人工林的范围。

    • 基于祁有祥等[15]的研究结果,本研究对鱼眼相机拍摄的照片进行处理,利用Photoshop对鱼眼相机拍摄的照片进行二值化处理,将照片亮度降低,对比度调高,勾选天空部分算出所占比例,求得东西南北中的郁闭度值,并计算出平均郁闭度值作为该样地郁闭度的真实值(表1),用于研究过程中模型的对比和检验。

      表 1  样地郁闭度数据

      Table 1.  Canopy closure data of sample plot

      样地号 Sample plot No.郁闭度 Canopy closure样地号 Sample plot No.郁闭度 Canopy closure样地号 Sample plot No.郁闭度 Canopy closure
      10.81130.79250.73
      20.74140.86260.82
      30.76150.81270.88
      40.79160.79280.81
      50.84170.83290.84
      60.81180.84300.86
      70.79190.87310.84
      80.77200.87320.81
      90.73210.86330.81
      100.85220.85340.82
      110.80230.74
      120.83240.80
    • 本文采用的是资源三号卫星拍摄的两景数据覆盖研究区,空间分辨率为5.8 m。为得到准确的光谱信息,本研究利用美国ESRI公司开发的ENVI5.3对遥感图像进行预处理。

      由于地形会产生图像几何畸变,先对图像进行无控制点的正射校正,ENVI中会默认使用自带的全球900 m空间分辨率DEM数据。生成多中心投影平面正射图像,纠正一般系统因素产生的几何畸变。再将资源三号卫星数据进行辐射定标。利用该地区的DEM影像计算出地面平均高度。此外,对影像中心进行大气校正,减少或消除大气对遥感图像的影响,得到真实的地表反射信息。最后,对两景资源三号卫星图像进行无缝镶嵌,利用孟家岗边界矢量数据对拼接后的图像进行剪裁(图2)。

      图  2  资源三号卫星影像的预处理

      Figure 2.  ZY-3 data preprocessing

    • 该研究将孟家岗林场作为研究区域。像元二分模型的原理如下:假定遥感图像中一个像元的光谱信息是由两个组分因子的光谱信息线性组合而来,而每个组分对传感器所获得的光谱值都有贡献,以其所占比例即为该组分因子所贡献信息的权重。在计算原始的植被覆盖度时,像元由植被覆盖地表与无植被覆盖地表两部分组成,所得的光谱值也只由这两个组分线性合成。对于混合像元,其遥感信息可表示为植被覆盖部分(Iv) 信息和无植被覆盖(Is)贡献的信息之和[16]

      $I = {I_{\rm{v}}} + {I_{\rm{s}}}$

      (1)

      式中:I为混合像元的遥感信息量,Iv为全由植被覆盖的像元的遥感信息量,Is为无植被覆盖的像元的遥感信息量。

      该研究利用归一化植被指数(NDVI)作为信息量进行计算。设有植被覆盖的比例为fc,无植被覆盖的比例为1 − fc。NDVI成为了常用的指数进行植被覆盖度的估算,有利于对区域森林总体状况进行定量评估,而且方法简单易行。反映生物量、植被生长状况等信息都用该指数。陈研等[17]、Li 等[18]的研究表明,基于NDVI和不同模型对不同地区进行植被覆盖度反演估算,估算结果都很理想。陈云浩等[19]采用ASTER和MODIS两种尺度的影像,分别用NDVI、NDGI、RVI 3种指数估算了中国北方的草原植被覆盖度,通过对比分析,验证NDVI的估算精度最高。本研究利用NDVI作为参数,将NDVI代入式(1) 转化得:

      ${\rm{NDVI}} = {f_{\rm{c}}} \cdot {\rm{NDV{I_v}}} + \left( {1 - {f_{\rm{c}}}} \right) \cdot {\rm{NDV{I_s}}}$

      (2)

      $\text{求解得}\;\;\;\;{f_{\rm{c}}}} = \frac{{{\rm{NDVI}} - {\rm{NDV{I_s}}}}}{{{\rm{NDV{I_v}}} - {\rm{NDV{I_s}}}}}$

      (3)

      式中:fc 为植被覆盖度,NDVIv为植被覆盖部分的NDVI值,NDVIs为非植被覆盖的地区的NDVI值。

    • 郁闭度与植被覆盖度的测定原理比较相似,故本研究通过修改像元二分模型,并利用改进后的模型估算林分郁闭度[20]

      郁闭度指森林中乔木树冠遮蔽地面的程度,是反映林分密度的指标。植被覆盖度指植被地上部分垂直投影面积占地面面积的比率,又称为投影盖度。对比发现,郁闭度是将植被覆盖度的分割方式做了变化,将有植被覆盖部分的非林冠分割至无植被覆盖部分,故若想利用植被盖度模型估算郁闭度,应对有植被覆盖的非林冠部分,即灌草部分的信息加以研究。

      在郁闭度模型中将林冠部分的NDVI值记为NDVI′ v,将非林冠部分的NDVI值记为NDVI′ s,由于植被类型和立地条件的不同,以及植被覆盖随季节变化和叶冠背景的干扰等因素,NDVI′ v、NDVI′ s值会随着时间和空间而改变。因此,厘清林冠部分和非林冠部分的差异,并选择合理的NDVI取值将是本研究的重点之一。

      对于人工纯林而言,不同小区域内林冠部分差异不大,而非林冠部分由于郁闭度引起的光照条件差异使得非林冠部分差异较大。根据《森林资源规划设计调查技术规程》(GB/T 26424—2010)[21],我国森林郁闭度0.20 ~ 0.39为低郁闭度,一般以0.40 ~ 0.69为中郁闭度,0.70以上为高郁闭度。本研究所涉及区域为人工林林场,且由样地实测数据发现郁闭度均大于0.7,属于密郁闭。本研究探索密郁闭状态下落叶松人工林郁闭度估测时变量的选择方法。

    • 利用改进的像元二分模型进行森林郁闭度估算的难点也在于如何确定NDVI的两个阈值的问题,利用获取到的孟家岗林场矢量图,可将落叶松人工林部分影像提取出来。通过对影像的解译发现,影像信息全部由植被覆盖与裸露土壤部分构成。根据NDVI物理意义,应选取最接近于1的值作为植被覆盖部分的信息,而最接近0的值作为裸露土壤部分的信息,在估算盖度时由此应用。

      本研究估算的是森林郁闭度,并考虑到环境噪声及部分异常区域的影响,不能直接选取0 ~ 1范围内的最大与最小值作为参数。由于郁闭度与盖度的差别为NDVIv和NDVIs贡献主体不一样,分别为有无植被覆盖部分和林冠及非林冠部分。植被覆盖部分包括乔木、灌木和草本,而林冠部分只为乔木部分,即NDVIs中加上了灌草的NDVI值,即NDVIs阈值会相应变大为NDVI′ s,而林冠部分NDVIv 的值只剩下林冠部分即乔木贡献的NDVI,即NDVIv阈值会相应变小为NDVI′ v。因此,本研究采用计算NDVI数据的频率累积值作为参数,将研究区域孟家岗林场落叶松人工林的像元NDVI值进行统计,并从小到大进行排序,根据NDVI数据频率统计表,计算NDVI数据的频率累积值。考虑到区域的差异,所对应的NDVI阈值不同,在尝试了多个累积频率不同的NDVI值代入参数后,最终设置距离累积频率最大/最小值为2%、1%、0.5%、0.2%共4个位置处的NDVI设为NDVI′ v和NDVI′ s的值作为参数构建模型,利用残差和拟合精度进行比较选取最优。

    • 本研究首先利用传统像元二分模型的方法求出研究区域的植被盖度。计算整幅图像的NDVI值,考虑到区域差异,结合研究区域的具体情况选取参数。利用感兴趣区域的研究法求出有植被覆盖地区NDVI的最大值和无植被覆盖地区即裸地区域NDVI的最小值,分别作为植被覆盖地区的NDVI和裸地的NDVI,代入公式中求出林场区域植被覆盖度的真实值。在此遥感影像中,NDVI的最小值与最大值分别为0.012和0.996,代入公式${f_{\rm{c}}} = \dfrac{{{\rm{NDVI}} - 0.012}}{{0.996 - 0.012}}$中,即

      $\begin{aligned}{f_{\rm{c}}} =& \frac{{{\rm{NDVI}} - 0.012}}{{0.996 - 0.012}} = \frac{{{\rm{NDVI}} - 0.012}}{{0.984}} = \\ &1.016 {\rm{NDVI}} - 0.012\;2\end{aligned}$

      (4)

      利用算出的植被覆盖度绘制植被覆盖度图像(图3)。

      图  3  孟家岗林场落叶松人工林植被覆盖度反演

      Figure 3.  Vegetation coverage inversion map of Larix gmelini in Mengjiagang,Heilongjiang Province

    • 研究选取累积频率距离最大值和最小值2%和98%、5%和95%、0.5%和99.5%、1%和99%处的值,设为林冠部分NDVI值(NDVIv)和非林冠覆盖地区的NDVI值(NDVIs)后,代入公式(4),求出样地点处郁闭度的估测值。利用估测所得郁闭度值与实测的郁闭度值进行对比,得到R2、RMSE(图4)和拟合效果(表2)。

      表 2  不同累计频率的拟合效果

      Table 2.  Fitting effects of different accumulative frequency

      森林类型 Forest type累计频率 Cumulative frequencyNDVIvNDVIsR2RMSE
      落叶松人工林 Larix gmelinii plantation 0.0050.840.04 0.7210.101
      0.010.830.0430.7820.051
      0.020.820.0450.8380.045
      0.050.810.0540.8030.055

      图  4  累计频率的估测值与真实值的R2和RMSE

      Figure 4.  R2 and RMSE of the estimated value and the true value at the cumulative frequency

      由于2%所对应的R2和RMSE分别为0.838和0.045,拟合度较好而误差较小,因此我们利用2%提供的参数进行回归建模,代入参数NDVIv=0.819 459,NDVIs=0.044 601,代入公式中得到最后的模型公式:

      $ \begin{aligned} &\;\\ &{f_{\rm{c}}} = \frac{{{\rm{NDVI}} - 0.044\;601}}{{0.819\;459 - 0.044\;601}} \end{aligned} $

      $\begin{aligned} &{f_{\rm{c}}} = \dfrac{{{\rm{NDVI}} - 0.044\;601}}{{0.774\;858}}\\ &{f_{\rm{c}}} = 1.29{\rm{NDVI}} - 0.057\;5 \end{aligned}$

      (5)

      根据此模型反演整个研究区域郁闭度并绘制郁闭度分布图,见图5

      图  5  孟家岗林场落叶松人工林郁闭度反演

      Figure 5.  Canopy closure inversion map of Larix gmelini in Mengjiagang,Heilongjiang Province

      对研究区内落叶松人工林郁闭度估测结果进行分析可知:该区落叶松人工林属于密林林,郁闭度大多都在0.7以上。研究区域东边郁闭度高,西边郁闭度低,北边郁闭度较高,南边郁闭度较低。

    • 相比于原始像元二分模型针对植被覆盖度进行研究,本研究通过探寻植被覆盖度与郁闭度的关系对像元二分模型进行改进。在模型参数选择时,采用计算不同累积频率NDVI的值作为土壤与灌草的混合NDVI值代入像元二分模型进行计算是本文的亮点与优势所在。此外,本研究通过对比分析,找到精度最高的累积频率参数NDVI的值,代入公式求得最佳模型。

      郁闭度本身就是一个较为粗略的数值[22],本研究提供的方法可以通过较少的实测样地点,在大区域上方便地计算出较为精确的郁闭度的值,对森林的管理与经营及森林资源的调查提供了一种更为简便的方式。基于像元二分模型是一种植被覆盖度的估算方法,对于不同分辨率、不同地区、不同数据源下都有很多研究对此进行了分析和考证。本文首次利用该方法对空间分辨率较高的资源三号卫星数据进行郁闭度的估算,提高了模型的精度,使模型具有推广性,可减少前人数据横跨多个像元导致的误差。在NDVI阈值选取时,通过大气校正,辐射校正等方法,消除大气、太阳和地形等的影响,得到较为准确的NDVI值,但植被在不同的生长阶段、不同的月份光合能力不同,含水量不同,影响NDVI的值也不同,因此是否能够推广模型运用到不同的林分以及不同的生长阶段中进行郁闭度估算,这也是我们今后研究的方向。是否可以利用高光谱影像端提取算法,计算每个像元各类地物的贡献度建立像元三分模型等也是一个值得继续深入研究的方向之一。除此之外,本研究区域的落叶松人工林长势较为相同,样地的郁闭度差别并不大,在以后的研究中需要选取不同情况的样地数据使模型更具有代表性。

      研究采用了改进的NDVI像元二分模型,利用处理后的鱼眼相机照片结果作为真实值,进行郁闭度的求算与估计,并利用少量的样地点进行模型的检验。此方法的技术路线简单,有科学依据,可操作性强,精度能满足需要,针对落叶松人工林具有一定的推广价值。本研究结论如下:

      (1)在利用像元二分模型估测落叶松人工林郁闭度时,用距离NDVImax及NDVImin为2%的位置处的NDVI值设为NDVI′ v和NDVI′ s的值作为参数构建模型精度最佳,R2和RMSE分别为0.838和0.045。

      (2)佳木斯市孟家岗林场落叶松人工林郁闭度大多都在0.7以上,属于密林地。郁闭度呈现东高西低,北高南低的分布状态。

      (3)根据不同地点的郁闭度和植被覆盖度的差异可以判断此地的林下情况,植被覆盖度值普遍比郁闭度的值高,因为植被覆盖度是植被的覆盖率而郁闭度是树冠的覆盖率。例如,研究区域的东北部的小长龙,如果植被覆盖度与郁闭度都偏大,在0.7 ~ 0.8之间,可推测该地为密郁闭度林,且林下植被较少,几乎都为森林,郁闭度接近植被覆盖度,而研究区域的西部,部分区域郁闭度较小,而植被覆盖度较大,可推测此地为草地、灌木等分布较多。

参考文献 (22)

目录

    /

    返回文章
    返回