衛(wèi)星遙感在植被調(diào)查中的應(yīng)用_第1頁(yè)
衛(wèi)星遙感在植被調(diào)查中的應(yīng)用_第2頁(yè)
衛(wèi)星遙感在植被調(diào)查中的應(yīng)用_第3頁(yè)
衛(wèi)星遙感在植被調(diào)查中的應(yīng)用_第4頁(yè)
衛(wèi)星遙感在植被調(diào)查中的應(yīng)用_第5頁(yè)
已閱讀5頁(yè),還剩1頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

衛(wèi)星遙感在植被調(diào)查中的應(yīng)用

要研究世界氣候變化、人類活動(dòng)對(duì)環(huán)境的影響,以及各種規(guī)模的自然災(zāi)害對(duì)陸地生態(tài)系統(tǒng)的影響,必須具備能力快速、準(zhǔn)確地獲取相關(guān)信息。傳統(tǒng)意義上的植被調(diào)查顯然不能滿足這一要求。遙感技術(shù)可以滿足不同尺度下的植被類型調(diào)查的要求,是在宏觀上獲取植被信息的一種很好的手段。衛(wèi)星遙感在可見光波段和熱紅外波段的觀測(cè)值可以用來(lái)提取土地覆蓋特征和生物物理參數(shù),用于支持包括全球變化在內(nèi)的很多領(lǐng)域的研究(Runningetal.,1994)。NOAA_AVHRR傳感器能夠提供高時(shí)間分辨率(日覆蓋可達(dá)兩次)和適度空間分辨率(星下點(diǎn)為1.1km)的數(shù)據(jù)以支持從區(qū)域到全球尺度的研究(Moody&Strahler,1994;Sellersetal.,1994)。許多大型的國(guó)際合作研究項(xiàng)目,如IGBP(InternationalGeosphere_BiosphereProgramme)、IGAC(InternationalGlobalAtmosphericChemistryProject)、BAHC(BiosphericAspectsoftheHydrologicalCycle)和GCTE(GlobalChangeandTerrestrialEcosystems)都把NOAA_AVHRR數(shù)據(jù)作為重要的數(shù)據(jù)信息源(Ehrlichetal.,1994)?,F(xiàn)在,對(duì)大面積地區(qū)的植被分類信息的獲取,已有NOAA_AVHRR數(shù)據(jù)、SPOT_4衛(wèi)星的VEGETATION(VGT)數(shù)據(jù)(Mayauxetal.,2000;Xiaoetal.,2002)、Terra衛(wèi)星的MODIS(ModerateResolutionImagingSpectroradiometer)數(shù)據(jù)可供選擇,三者都可以用來(lái)獲取1km分辨率的地表覆蓋數(shù)據(jù),但目前用得最多的遙感數(shù)據(jù)還是NOAA_AVHRR資料(DeFries&Townshend,1994;Eidenshink&Faundeen,1994;Sellersetal.,1994;Townshend,1994;Townshendetal.,1994;Cihlaretal.,1996)。區(qū)域尺度乃至全球尺度的植被遙感分類,國(guó)內(nèi)外已有報(bào)道(Zhu&Evans,1994;Achard&Estreguil,1995;盛永偉等,1995;Boyd&Ripple,1997;李曉兵和史培軍,1999),這些研究大多數(shù)使用源自NOAA_AVHRR遙感數(shù)據(jù)的NDVI資料或是結(jié)合AVHRR的其它通道數(shù)據(jù)。對(duì)于亞熱帶常綠闊葉林區(qū)的植被遙感分類研究,由于亞熱帶常綠闊葉林獨(dú)特的地理分布(主要分布在東亞,中國(guó)是世界上亞熱帶常綠闊葉林分布面積最大和最集中的地區(qū)),以亞熱帶常綠闊葉林為主要研究對(duì)象的植被遙感分類,目前很少見諸報(bào)道。本文利用時(shí)間序列的NOAA_AVHRR數(shù)據(jù),對(duì)中國(guó)東部亞熱帶常綠闊葉林區(qū)的植被進(jìn)行遙感分類,目的在于:1)探索NOAA_AVHRR遙感資料用于常綠闊葉林區(qū)植被分類的可能性;2)為中國(guó)東部地區(qū)的氣候變化、森林生物量和生產(chǎn)力估算、區(qū)域碳儲(chǔ)量模擬提供植被類型和分布數(shù)據(jù)。1數(shù)據(jù)處理和分類方法1.1日ndvi最大合成影像本文的研究范圍為華東五省(安徽、江西、江蘇、浙江和福建)一市(上海市)的廣大地區(qū)(圖1),本區(qū)的地帶性植被為常綠闊葉林和常綠闊葉落葉闊葉混交林。本文對(duì)中國(guó)東部地區(qū)植被的遙感分類,采用的數(shù)據(jù)是由AVHRR的第1、2通道推導(dǎo)的時(shí)間序列的NDVI合成影像數(shù)據(jù)。之所以用NDVI數(shù)據(jù)是因?yàn)镹DVI與植物的光合作用活性成比例關(guān)系(Sellers,1987),而NDVI對(duì)時(shí)間的積分則與植物地上部分的生物量相關(guān)(Tuckeretal.,1985a,1985b;Goward&Huemmrich,1992;Runningetal.,1994)。影像的獲取時(shí)間為1995年2月~8月,合成影像的時(shí)間間隔為10d,其中缺3月上旬和8月上旬合成影像資料,共計(jì)有19景最大值NDVI合成影像。數(shù)據(jù)來(lái)源是USGS(U.S.GeologicalSurvey)的EDC(EROSDataCenter,EROS_EarthResourcesObservationSystems)。地面接受的AVHRR數(shù)據(jù)的做了如下處理:1)AVHRR第1、2通道數(shù)據(jù)的大氣校正和輻射校正;2)多時(shí)相NDVI影像的地理配準(zhǔn);3)云污染剔除,采用的方法是最大NDVI值合成原則(MaximumNDVIcompositecriterion),亦即對(duì)10d之內(nèi)觀測(cè)到的數(shù)據(jù),用每天觀測(cè)的AVHRR數(shù)據(jù)生成日NDVI數(shù)據(jù),采用星下點(diǎn)無(wú)云象元的NDVI最大值進(jìn)行合成,得到一景無(wú)云的NDVI最大值合成影像。所用的華東地區(qū)五省一市邊界矢量數(shù)據(jù)和各省市分縣數(shù)據(jù)來(lái)源于數(shù)字化地形圖,數(shù)字化邊界矢量數(shù)據(jù)的投影和NDVI影像幾何精校正所用的投影相一致,以確保矢量數(shù)據(jù)和經(jīng)幾何精校正的NDVI柵格數(shù)據(jù)的嚴(yán)格配準(zhǔn)。對(duì)于NDVI最大值合成影像資料,我們首先把單波段的19景影像進(jìn)行多通道合并,然后把研究地區(qū)(華東五省一市)從影像上切割下來(lái),對(duì)切割的影像進(jìn)行幾何精校正。幾何精校正的29個(gè)地面控制點(diǎn)(Groundcontrolpoint,GCP)是從1∶50萬(wàn)地形圖上選取NDVI影像上的同名點(diǎn)。幾何精校正采用這三次多項(xiàng)式,像元值重采樣采用三次卷積取樣,經(jīng)幾何精校正后的合成影像的RMS(Rootmeansquare)為0.01~0.03個(gè)像元。在經(jīng)過(guò)幾何精校正的影像上疊加華東五省一市的矢量邊界,然后把研究地區(qū)切割下來(lái)用于植被分類。主成分分析(Principalcomponentanalysis,PCA)是減低數(shù)據(jù)維數(shù)的一種很有效的方法,常被用于多時(shí)相NDVI數(shù)據(jù)處理(Cihlaretal.,1996)。對(duì)幾何精校正后的19個(gè)旬的NDVI合成影像,在用于分類之前作PCA分析,取信息載荷大于99.1%的第一、第二和第三主分量,用于對(duì)華東五省一市的植被進(jìn)行分類。各波段的統(tǒng)計(jì)特征和PCA分析的各主成分及其信息載荷,參見表1。1.2oad迭代算法對(duì)19景NDVI數(shù)據(jù)經(jīng)過(guò)PCA處理后,取前3個(gè)主分量作為新的影像,對(duì)其實(shí)施非監(jiān)督分類,采用ISODATA迭代聚類算法。分類類別數(shù)從15類開始,一直到35類,對(duì)各分類結(jié)果,對(duì)照野外實(shí)際調(diào)查的樣地資料和各省植被圖,進(jìn)行初步分析比較,確定合適的分類類別數(shù),然后再用野外調(diào)查資料和植被圖件資料詳細(xì)比較分析,確定具體植被類型,最后對(duì)分類后的結(jié)果進(jìn)行精度估算和分類后處理,最終得到植被分類圖。1.3分類成果驗(yàn)證在區(qū)域尺度上,對(duì)粗分辨率(1km)的植被遙感分類結(jié)果進(jìn)行精度估算是十分困難的。對(duì)植被遙感分類精度的檢驗(yàn),一般采用3種方法:1)采用野外實(shí)際調(diào)查資料,對(duì)分類結(jié)果進(jìn)行檢驗(yàn);2)采用已有的圖件資料(如植被圖、土地利用圖等)進(jìn)行驗(yàn)證;3)采用高分率遙感影像(如Landsat_TM/ETM+)的分類成果進(jìn)行驗(yàn)證。對(duì)于區(qū)域和全球尺度的植被/土地覆蓋分類,采用第一種評(píng)價(jià)方法進(jìn)行精度檢驗(yàn),無(wú)論是工作量,還是取樣數(shù)量的要求都十分龐大。由于時(shí)間和條件的限制,一般很難對(duì)研究地區(qū)做詳細(xì)的地面調(diào)查工作和取樣,因此粗分辨率遙感分類結(jié)果精度評(píng)價(jià)多數(shù)采用后兩種方法(Achardetal.,2001;Xiaoetal.,2002)。本文對(duì)分類結(jié)果的精度檢驗(yàn)采用數(shù)字化的1∶1000000《中國(guó)植被圖集》(侯學(xué)煜,2000)的數(shù)據(jù)作為分類精度評(píng)估的參照。2結(jié)果與分析2.1常綠森林類型對(duì)華東五省一市地區(qū)的植被進(jìn)行的非監(jiān)督分類,初始分類類別數(shù)從15類開始,一直到35類,把各分類結(jié)果與野外調(diào)查的資料和各省植被圖件資料(安徽植被編輯委員會(huì),1983;江西森林編輯委員會(huì),1986;林鵬,1990;浙江森林編輯委員會(huì),1993;宋永昌,1999)進(jìn)行比較分析,確定分為28類比較符合研究地區(qū)的實(shí)際情況,并對(duì)28種類型用野外實(shí)地調(diào)查資料和圖件資料確定具體類型。28種分類類別為:1)水體,2)水生植被,3)水生/沼澤植被,4)沼澤/灘涂植被類型Ⅰ,5)沼澤/灘涂植被類型Ⅱ,6)常綠闊葉林類型Ⅰ,7)常綠闊葉林類型Ⅱ,8)針葉林Ⅰ(杉木林Cunninghamialanceolata),9)針葉林Ⅱ(馬尾松林Pinusmassoniana),10)針葉林Ⅲ(馬尾松占優(yōu)勢(shì)),11)針闊葉混交林,12)常綠果樹或常綠灌叢,13)針葉林Ⅳ,14)矮灌草叢類型Ⅰ,15)矮灌草叢類型Ⅱ,16)矮灌草叢類型Ⅲ,17)矮灌草叢類型Ⅳ,18)一年兩熟旱作農(nóng)業(yè)植被(小麥Triticumaestivum+玉米Zeamays),19)城市/裸露沙灘,20)一年兩熟/三熟(水稻Oryzasativa+油菜/小麥Brassicanapus/Triticumaestivum)農(nóng)業(yè)植被,21)竹林,22)一年兩熟/三熟(水稻+油菜)農(nóng)業(yè)植被,23)一年兩熟/三熟(水稻為主)農(nóng)業(yè)植被,24)一年兩熟(水稻+水稻為主)農(nóng)業(yè)植被,25)一年兩熟/三熟(水稻,需灌溉)農(nóng)業(yè)植被,26)落葉灌叢,27)一年兩熟(水稻占優(yōu)勢(shì))農(nóng)業(yè)植被,28)山地灌草叢。在28類中,除水體景觀和城市景觀外,余下的26類均為植被類型,依照《中國(guó)植被》的分類系統(tǒng)(吳征鎰,1980),這26類可以歸并為6大植被類型:1)常綠闊葉林;2)針葉林(針闊葉混交林被合并在此類中);3)竹林;4)灌草叢;5)水生植被;6)農(nóng)業(yè)植被。從分類結(jié)果可以看出(圖2),各植被類型的空間分布非常有規(guī)律性,無(wú)論是農(nóng)業(yè)植被,還是天然植被,它們的空間分布范圍與地帶性植被的分布規(guī)律相一致,從北向南,依次分布著旱作農(nóng)業(yè)植被帶(區(qū))、一年兩熟的水旱連作農(nóng)業(yè)植被帶(區(qū))、一年兩熟的以水稻為主的農(nóng)業(yè)植被帶(區(qū))、常綠落葉闊葉混交林帶、典型常綠闊葉林帶、一年兩熟/三熟的以水稻為主的農(nóng)業(yè)植被帶(區(qū)),界線是比較清楚的。2.2遙感分類結(jié)果與分析為了檢驗(yàn)對(duì)常綠闊葉林的分類精度,我們用1∶1000000的《中國(guó)植被圖集》華東五省一市地區(qū)的植被類型作為分類精度檢驗(yàn)的參照。把研究范圍內(nèi)的植被圖掃描,在地理信息系統(tǒng)中進(jìn)行地理配準(zhǔn)、圖幅拼接、數(shù)字化,建立中國(guó)東部植被類型數(shù)據(jù)庫(kù),用數(shù)字化《中國(guó)植被圖集》的植被類型數(shù)據(jù)與遙感數(shù)據(jù)進(jìn)行疊加分析,檢驗(yàn)分類精度。在《中國(guó)植被圖集》中,華東五省一市共有78種植被類型,為了便于和遙感分類結(jié)果進(jìn)行空間疊加分析,把這78種類型歸并為8大植被類型。分類結(jié)果的精度評(píng)估從2個(gè)方面進(jìn)行,一是類型精度評(píng)估,主要是對(duì)遙感分類結(jié)果的類型和位置進(jìn)行評(píng)估;二是面積精度評(píng)估,主要是對(duì)遙感分類結(jié)果的面積誤差進(jìn)行評(píng)估。由于《中國(guó)植被圖集》中所依據(jù)的資料主要是1950~1987年來(lái)在全國(guó)各地進(jìn)行的植被調(diào)查研究的數(shù)據(jù),成圖資料與我們研究所用遙感數(shù)據(jù)時(shí)隔8~45年,期間植被類型的時(shí)空動(dòng)態(tài)變化目前還無(wú)最新數(shù)據(jù)進(jìn)行更新,無(wú)法獲取同時(shí)相的(即1995年)植被類型驗(yàn)證數(shù)據(jù)。鑒于此,假設(shè)遙感分類的數(shù)據(jù)與數(shù)字化《中國(guó)植被圖集》的數(shù)據(jù)只要空間疊加的面積超過(guò)1km2,即認(rèn)為遙感分類的類型和地理位置是正確的。在進(jìn)行精度檢驗(yàn)時(shí),用《中國(guó)植被圖集》的植被類型斑塊數(shù)量作為檢驗(yàn)數(shù)據(jù),遙感分類斑塊數(shù)量數(shù)據(jù)作為被檢驗(yàn)數(shù)據(jù),用重合的斑塊數(shù)量代表分類正確數(shù)據(jù)。從植被制圖的需要出發(fā),在進(jìn)行精度檢驗(yàn)時(shí),對(duì)遙感分類的結(jié)果首先進(jìn)行3×3的濾波,然后進(jìn)行柵格_矢量數(shù)據(jù)轉(zhuǎn)換,所得的各種植被類型的斑塊數(shù)量用于分類精度檢驗(yàn)(表2)。面積精度的估算,主要是用歸并后的《中國(guó)植被圖集》中各植被類型的面積來(lái)檢驗(yàn)遙感分類的各植被類型的面積(表3)。從表2和表3可知,遙感分類精度很高的是農(nóng)業(yè)植被、灌草叢和針葉林,類型和位置精度分別達(dá)到95.9%、91.3%和79.2%,面積精度則分別達(dá)到90.5%、95.9%、92.1%;常綠闊葉林的類型精度為68.2%,面積精度只有63.8%,但是經(jīng)過(guò)3×3的濾波和平滑后,面積精度可以達(dá)到91.3%,分類結(jié)果還是令人滿意的。分類精度檢驗(yàn)結(jié)果不相一致的有竹林、水生植被,竹林的類型和位置精度只有28.7%,但是面積精度卻有96.5%,比較遙感分類的竹林與《中國(guó)植被圖集》的竹林的分布位置,發(fā)現(xiàn)在《中國(guó)植被圖集》中分布于閩北西北武夷山、贛東、贛西(九嶺山、武功山、羅宵山一帶)的竹林,在遙感分類中沒有被分出。水生植被的分類精度雖然達(dá)到69.6%,但是遙感分類的面積是《中國(guó)植被圖集》類型的3.2倍,造成這種誤差的可能原因有:遙感分類的水面積與《中國(guó)植被圖集》中的水面積相差2.5倍,兩者的基數(shù)就相差甚遠(yuǎn);遙感數(shù)據(jù)的獲取時(shí)間為2~8月,正好跨越河流、湖泊的枯水期和豐水期,從而造成水面積的差異和灘涂植被面積的差異。而《中國(guó)植被圖集》中的亞熱帶常綠闊葉落葉混交林、亞熱帶落葉闊葉林兩種類型遙感分類則沒有識(shí)別出來(lái)。原因可能有二:一是受混交林、落葉林的林冠層的種類組成比例,以及林下植被的光譜對(duì)林冠層的光譜的影響,導(dǎo)致植被NDVI的變化沒有完全表現(xiàn)出混交林、落葉林的特征;二是與所用的NDVI影像的時(shí)間段有關(guān)系,理論上,區(qū)分出落葉林,NDVI的時(shí)間序列數(shù)據(jù)覆蓋全年最佳。3分類數(shù)據(jù)的選擇和檢驗(yàn)由于NDVI對(duì)植被綠度的反映比較敏感,植被的季節(jié)變化,尤其是物候的動(dòng)態(tài)能夠在NDVI中得到明顯的反映,所以利用時(shí)間序列的NDVI數(shù)據(jù)能夠?qū)崿F(xiàn)植被的遙感分類。我們利用時(shí)間序列的NDVI數(shù)據(jù)對(duì)華東五省一市的植被進(jìn)行分類,結(jié)果可以得到6大植被類型,這種結(jié)果與前人的研究結(jié)果相一致(DeFries&Townshend,1994;Eidenshink&Faundeen,1994;Sellersetal.,1994;Townshend,1994;Townshendetal.,1994;Cihlaretal.,1996)。我們的分類結(jié)果有較高的分類精度,說(shuō)明時(shí)間序列的NDVI數(shù)據(jù)可以用來(lái)對(duì)大尺度范圍的植被進(jìn)行分類。在IGBP計(jì)劃中,土地覆蓋類型中有常綠針葉林、常綠闊葉林、落葉針葉林、落葉闊葉林、混交林、郁閉灌木林(Closedshrubland)、開敞灌木林(Openshrubland)、多樹稀樹草原(Woodysavanna)、稀樹草原(Savanna)、草原10種植被類型(Scepan,1999)。在USGS的土地利用/土地覆蓋類型中,共有常綠針葉林、常綠闊葉林、落葉針葉林、落葉闊葉林、混交林、灌木林、稀樹草原、草原9種植被類型。簡(jiǎn)單生物圈模型_2(SimpleBiosphere2Model)的土地覆蓋類型中,有闊葉常綠林、闊葉落葉林、針葉常綠林、針葉落葉林、針闊葉混交林、矮喬木灌木林、有裸地的灌木林、低矮植被/C4草地、農(nóng)作物/C3草地9種植被類型(USGS,2004),這些分類數(shù)據(jù)廣泛地運(yùn)用于全球氣候變化、大尺度植被生產(chǎn)力估算等研究,因此,我們對(duì)華東五省一市地區(qū)的植被分類結(jié)果也應(yīng)該可以用于對(duì)該地區(qū)的氣候變化等方面的研究。由于華東五省一市地區(qū)的地形復(fù)雜,植被種類組成復(fù)雜多樣,景觀的異質(zhì)性很高,因此,用粗分辨率(1km)的遙感數(shù)據(jù)進(jìn)行植被分類,對(duì)子象元(Sub_pixel)以下的植被類型很難識(shí)別出來(lái),這就需要高分辨率(如Landsat_TM/ETM+,SPOT)的遙感數(shù)據(jù)才能達(dá)到要求。如果要得到群落水平的植被分類,則需要能夠識(shí)別植被冠層或種類組成的遙感數(shù)據(jù)(如1m或4m分辨率的IKONOS數(shù)據(jù),0.61m或2.44m分辨率的Quickbird數(shù)據(jù))才能滿足分類要求。粗分辨率遙感數(shù)據(jù)的土地覆蓋或植被/

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫(kù)網(wǎng)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論