專利名稱：基于植被-土壤水分響應關系的植被蓋度估算方法
技術領域：
本發(fā)明總的來說涉及植被蓋度，具體地說涉及基于植被-土壤水分響應關系估算 植被蓋度的方法。
背景技術：
較早利用遙感數(shù)據(jù)估算植被蓋度的模型是經(jīng)驗模型。一種經(jīng)驗模型是利用野外實 測植被蓋度與遙感信息建立線性或非線性的經(jīng)驗關系模型，然后將該模型應用到整個研究 區(qū)域。此類經(jīng)驗模型都是簡單地在地面實測數(shù)據(jù)與遙感數(shù)據(jù)之間建立一定的關系，將地面 的實測數(shù)據(jù)簡單地擴展到遙感信息的二維空間中。由于反射光譜的線性和非線性組合而形 成的能反映綠色植被生長狀況和分布的特征指數(shù)(植被指數(shù))可以用來監(jiān)測植物的各種生 長參數(shù)，并且植被蓋度與植被指數(shù)表現(xiàn)出顯著的相關性。因此，近年大多數(shù)研究根據(jù)地表實 測植被蓋度與基于遙感影像不同波段構(gòu)建的植被指數(shù)之間的顯著相關性，建立另一種植被 蓋度與植被指數(shù)經(jīng)驗關系模型。樣方尺度、關系模型的選擇(線性模型與多項式模型)對 于植被蓋度經(jīng)驗模型精度產(chǎn)生影響較大。經(jīng)驗模型對特定區(qū)域的地表實測數(shù)據(jù)具有依賴 性，當研究區(qū)尺度較小時，測量結(jié)果具有一定的精度；當研究區(qū)尺度較大時，精度就會大大 降低?？梢杂脕韯討B(tài)監(jiān)測植被生長狀況的多時相遙感影像空間分辨率較低，圖像中的一 個像元可由多個組分構(gòu)成，即存在混合像元，每個組分對傳感器所獲取的信息都有貢獻，每 個像元的遙感信息可以分解為多個組分，一個像元中所有組分通過線性和非線性組合，構(gòu) 成像元的遙感信息。因此，可以把每一像元信息進行線性或非線性分解，建立像元分解模 型，并以此模型估算植被覆蓋度。針對中低分辨率遙感數(shù)據(jù)發(fā)展了兩類像元分解模型對遙 感影像的不同波段數(shù)據(jù)和基于不同波段構(gòu)成的植被指數(shù)進行線性和非線性的混合分解?；?于遙感數(shù)據(jù)不同波段的像元分解方法主要是光譜分解模型。線性和非線性光譜混合模型是 利用一個線性或非線性關系表達遙感系統(tǒng)中一個像元內(nèi)各地物的類型、比例與地物的光譜 響應。像元在某一光譜波段的反射率是由構(gòu)成像元的基本組分的反射率及其所占像元面積 比例為權重系數(shù)的線性或非線性組合。與傳統(tǒng)的分類方法相比，混合像元分解后，由不同地 物類型組成的一個混合像元被分解成像元內(nèi)各個組分，各個植被組分占像元的百分比即為 每種植被類型蓋度?？梢钥闯?，像元分解方法提高了用一般植被蓋度估算方法估算植被蓋 度的精度。近年來在光譜分解模型的基礎上，發(fā)展了利用植被指數(shù)的分解模型，應用較早的 是亞像元分解模型，根據(jù)遙感影像像元的特點，分析亞像元結(jié)構(gòu)的分布特征，針對不同的亞 像元結(jié)構(gòu)，建立不同的植被蓋度模型。亞像元分解模型為大面積植被蓋度的估算提供了一 種有效的途徑，基本能夠滿足大尺度生態(tài)及氣候模型研究的要求，由于亞像元分解模型是 在若干假設和近似下建立起來的模型，而植被指數(shù)與植被蓋度、葉面指數(shù)之間又存在著較 為復雜的關系，因此難以利用亞像元分解模型獲得高精度的植被覆蓋率已有的植被蓋度估測模型考慮了遙感影像對植被光譜特征的綜合反映，通過對各 像元植被類型及分布特征分析，建立不同的植被蓋度模型，大部分模型只是建立光譜特性對植物響應的基礎上，沒有考慮氣候因素或其他因素對植被蓋度的影響，但由于受地表蒸 發(fā)、植物蒸騰等因素的影響，土壤水分空間變異較大，將降水量作為分解模型的狀態(tài)變量， 降低了模型估算精度。土壤水分是地表土壤水分影響到植物和作物的生長，是監(jiān)測土地退 化的一個重要指標，是氣候、水文、生態(tài)，農(nóng)業(yè)等領域的主要參數(shù)，在地表與大氣界面的水分 和能量交換中起重要作用。土壤水分降低導致植物生長量明顯減退。因此，本方法將土壤 水分作為影響植被蓋度因子之一，引入植被蓋度的估算模型，提出一種新的線性分解模型 (植被_ 土壤水分響應模型)，將土壤水分作為模型的狀態(tài)變量，建立新的植被蓋度分解模 型，估測研究區(qū)不同植被類型的蓋度。此模型考慮了多年植被變化對土壤水分的敏感性，克 服了以前的光譜混合模型依靠經(jīng)驗獲取訓練數(shù)據(jù)集的缺點，并在一定程度上消除了大氣、 傳感器等引起的噪聲點影響。此分解模型不僅可以用來進行當前的植被蓋度估算，而且可 以用來模擬未來特定條件下的植被蓋度。根據(jù)本發(fā)明，在Ts/NDVI特征空間的概念分析基礎上，計算地表干燥度指數(shù) (TVDI)，結(jié)合NDVI和NDVI對TVDI敏感性，提出基于NDVI和NDVI對TVDI響應敏感性的植 ■ _ 口向^jSGiiJtlM (Vegetation-soil Moisture Response Model, VSMRM), 從而估算像元內(nèi)各植被類型組分的蓋度。根據(jù)本發(fā)明，提供了一種基于植被-土壤水分響應關系來估算一區(qū)域內(nèi)各個像元 中的植被蓋度的方法，所述植被蓋度包括裸地蓋度fcb，草地蓋度gcg、林地和灌叢混合類型 蓋度fcf/s以及林地蓋度fctoest和灌叢蓋度fcshrab，該方法包括步驟(1)確定所述研究區(qū)的每一像元的歸一化差值植被指數(shù)NDVI和TVDI值；(2)確定所述研究區(qū)的每個像元的NDVI值對TVDI敏感性α值；(3)基于所述研究區(qū)中的每一個像元的α值和NDVI值構(gòu)建所述研究區(qū)域的三角 形散點圖，其中所述α值為自變量，NDVI值為因變量；(4)基于三角形散點圖確定三角形的每一個端點的端元的α值(df/s，α g, α b) 和 NDVI 值(NDVIf/s，NDVIg, NDVIb)；(5)利用最小二乘法，基于所確定的每一個三角形端點的端元的α值和NDVI值并 且在約束條件0彡fcb彡1，0彡fcg彡1，0彡fcf/s ( 1下，對研究區(qū)內(nèi)每一像元進行線性 分解以獲得研究區(qū)內(nèi)每一像元的fcb、fcg、fcf/s。在步驟(2)中，根據(jù)公式(11)-(13)確定每個像元的NDVI值對TVDI敏感性α值，a = ANDVI/dT(11)T = (TVDI-T)Za(12)式中，7為所述研究區(qū)的每一個像元的多年TVDI時相平均值，σ為TVDI的標準差。其中，每一個像元的植被蓋度滿足公式(8) _(10)，

發(fā)明內(nèi)容
fcb+fcg+fcf/s = 1NDVIbfcb+NDVIgfcg+NDVIf/sfc
:f/s = NDVI (9)
α bfcb+ α gfcg+ α f/sfcf/s = α (10)式中，NDVIb,NDVIg,NDVIf7s分別表示每像元內(nèi)裸地、草地和森林與灌叢混合類型對 應的NDVI值，α b，α g，α f/s分別表示每像元內(nèi)裸地、草地、森林和灌叢混合類型對應的NDVI 值對TVDI敏感性。其中，在步驟(4)中，植被對干燥度指數(shù)敏感性較小、NDVI值最大的三角形端點為 具有af/a，NDVIf/s的林地和灌叢混合類型的端元，植被對氣候干燥度指數(shù)敏感性最大、NDVI 值較大的三角形端點為具有α g，NDVIg的草地的端元，植被對干燥度指數(shù)敏感性較小，NDVI 值最小的三角形端點為具有α b，NDVIb的裸地的端元，所述步驟(5)包括將所確定的每一像元的α值，NDVI值，以及所確定的α f/s, NDVIf7s, α g, NDVIg, α b， NDVIb的裸地的端元代入公式(8)-(10)中，調(diào)用MatLab軟件中的最小二乘函數(shù)對公式(8)-(10)進行線性分解以獲得每一像 元的裸地蓋度fcb，草地蓋度fcg以及林地和灌叢蓋度fcf/s。所述基于植被-土壤水分響應關系來估算一區(qū)域內(nèi)各個像元中的植被蓋度的 方法進一步包括對林地和灌叢混合類型蓋度fcf/s進一步分解，得到每一像元內(nèi)林地蓋度 fCforest和林地蓋度fcshrub步驟，該步驟包括(6)根據(jù)所述研究區(qū)的植被類型圖，從該植被類型圖的分類圖像中選取一定數(shù)量 的全為林地覆蓋的純像元，并且確定與這些全為林地覆蓋的純像元對應的NDVI值并且求 取這些NDVI值的平均值，作為全為林地覆蓋的純像元的值；(7)根據(jù)所述研究區(qū)的植被類型圖，從該植被類型圖的分類圖像中選取一定數(shù)量 的全為灌叢覆蓋的純像元，確定與這些全為灌叢覆蓋的純像元對應的NDVI值并且求取這 些NDVI值的平均值，作為全為灌叢覆蓋的純像元的M)以丨值；(8)根據(jù)公式(15)-(17)確定每一像元的林地蓋度fCtoest和灌叢蓋度fcshrab，
NDVIflJcfh -NDVrjcfuZ11-NJcforesl 二-^^-^^(15)
/ res'NDVIf -NDVIsNDVIfls = NDVIfh +Τ*α(16)fcshrub = fcf/s-fcforest (17)所述步驟(1)中，確定所述研究區(qū)的每一像元的歸一化差值植被指數(shù)NDVI值包括確定輻射校正參數(shù)和大氣校正參數(shù)；利用確定的確定輻射校正參數(shù)和大氣校正參數(shù)以及大氣校正軟件6S對表觀反射 率進行校正，得到TM第3、第4波段的地表反射率；根據(jù)公式(3)計算每一像元的NDVI值，NDVI 々-R_(3)
^-NIR + 尺 RED式中，Rnik為TM第4通道近紅外波段的光譜反射率，Reed為TM第3通道紅光波段 的光譜反射率；確定所述研究區(qū)的每一像元的TVDI值包括確定每一像元的地表溫度Ts，
根據(jù)公式(7)計算每一像元的TVDI值， 其中，Tsmin表示最小地表溫度，對應的是濕邊，Tsmin = B^b1NDVI, &1、Id1是濕邊擬 合方程的系數(shù)；Ts是任意像元的地表溫度；Tsmax為某一 NDVI對應的最高溫度，即干邊，Tsmax =a2+b2NDVI, a2、b2是干邊擬合方程的系數(shù)。其中所述確定輻射校正參數(shù)和大氣校正參數(shù)包括利用公式(1)計算輻射校正參數(shù)La， 式中，La表示傳感器所接收到的輻射強度，QCAL表示TM數(shù)據(jù)的像元灰度值(DN 值)，QCALmax為傳感器所接收到的最大DN值，QCALmin為傳感器所接收到的最小DN值，Lmax, 為傳感器所接收到的的最大光譜輻射值，Lmiru為傳感器所接收到的最小光譜輻射值；利用公式(2)計算大氣校正參數(shù)， 其中La為傳感器在某個波段內(nèi)接收到的亮度，d為日地距離，ESUIIa為太陽光譜 在某波段內(nèi)的平均輻射照度，θ為太陽入射天頂角；
其中，所述確定每一像元的地表溫度Ts包括 根據(jù)公式(4) - (6)計算每一像元的地表溫度Ts， 式中，ε為自然地表的比輻射率， 式中，La (Ts)表示溫度為Ts的黑體在熱紅外波段的輻射亮度，LAatm丨表示大氣向 下輻射亮度，LAatm丨表示大氣向上輻射亮度，τ為大氣在熱紅外波段的透過率，
Τ:__^^
LAO其中，K1 = 607. 76 (WnT2 μ mH，K2 = 1260. 56K。


圖1是Ts/NDVI特征空間2是根據(jù)本發(fā)明的像元分解組分示意圖。圖3是研究區(qū)的位置圖。圖4a和4b分別是地表溫度和地表干燥度指數(shù)(TVDI)示意圖。圖5NDVI與地表干燥度指數(shù)的散點圖。圖6a、6b、6c依次是地表裸地蓋度、草地蓋度、以及林地和灌叢混合類型蓋度示意 圖。
8
圖7a和7b分別是灌叢蓋度和林地蓋度示意圖。圖8是土壤水分與TVDI的相關關系的示意圖。圖9是灌叢和草地蓋度實測值與估測值比較示意圖。圖10是根據(jù)本發(fā)明的實施例的流程圖。
具體實施例方式本發(fā)明的各個方面將依據(jù)附圖1-9結(jié)合下述描述得以澄清。
1基于NDVI和TVDI的線性分解模型1. INDVI和地表溫度利用Landsat TM第6波段(10. 4 12. 5 μ m)計算地表溫度，其中TM是指美國陸 地衛(wèi)星4 5號專題制圖儀(Thematic Mapper)所獲取的多波段掃描影像。首先TM影像 的第3、4、6波段進行輻射定標，把DN值轉(zhuǎn)換為相應的表觀輻射亮度(DN指的是圖像的灰度 值)。采用Landsat用戶手冊中提供的輻射校正方程(2)Lz =Lmaxy-Lminy/QCAL-QCALmin*(QCAL-QCALmin)+Lminy公式(2)中，La表示傳感器所接收到的輻射強度，QCAL表示TM數(shù)據(jù)的像元灰度值 (DN值)，QCALmax為傳感器所接收到的最大DN值，QCALmin為傳感器所接收到的最小DN值， Lmax,為傳感器所接收到的的最大光譜輻射值，Lmiru為傳感器所接收到的最小光譜輻射值。在假設地表為朗伯體的前提下，利用公式(2)求得表觀反射率PApp。 pApp =πLyd2/ESunycosθ4( 2 ) 其中La為傳感器在某個波段內(nèi)接收到的亮度，d為日地距離(以日地平均距離為 單位)，ESuru為太陽光譜在某波段內(nèi)的平均輻射照度，θ為太陽入射天頂角。利用大氣校正軟件6S對表觀反射率進行校正，得到TM第3、第4波段的地表反射 率，然后計算NDVI (公式3)。NDVI =RNIR-RRED/RNIR+RRED(3) Rnie為TM第4通道近紅外波段的光譜反射率，Reed為TM第3通道紅光波段的光譜 反射率。NDVI值介于-1 1之間，正值的增加表示綠色植被增長，負值主要為積雪、水體、 沙漠以及裸地。Van通過實地同時測量一系列自然地表的熱紅外(8 14μπι)比輻射率和歸一 化植被指數(shù)NDVI后發(fā)現(xiàn)，經(jīng)過對數(shù)轉(zhuǎn)換以后，它們之間具有良好的相關性，其相關系數(shù)為 0. 94。干燥的土壤比輻射率一般低于植被的比輻射率，這與植被葉子中含有較多的水分有 關。根據(jù)Van的經(jīng)驗公式，NDVI較高的地表比輻射率相應較高，裸土的NDVI低，相應比輻 射率也較低。這符合一般的經(jīng)驗，能在一定程度上反映地表比輻射率的變化規(guī)律。ε = 1. 0094+0. 047Ln (NDVI) (4)ε為自然地表的比輻射率。水體在熱波段范圍內(nèi)的比輻射率很高，接近于黑體，采 用 0.9925。
根據(jù)(1)式得到TM6表觀輻射亮度L”利用(5)式及大氣參數(shù)，可以得到由Ts決 定的輻射亮度La (Ts)Lx(Ts)=(、— Lxatm 個)““7(1 ~丄(5)
τεLa (Ts)表示溫度為Ts的黑體在熱紅外波段的輻射亮度，LAatm丨表示大氣向下輻射 亮度，LAatm丨表示大氣向上輻射亮度，τ為大氣在熱紅外波段的透過率。由于沒有衛(wèi)星過 境時的同步氣象數(shù)據(jù)，不能很好的模擬當時的大氣狀況。這里我們參考中緯度夏季標準大 氣剖面，模擬得到各個大氣參數(shù)，LAatm I 為 1. 68Wm_2 μ HT1Sf1, LAatm 為 1. 74ffm-2 μ m^Sr"1, τ 為 0· 77。利用普朗克公式的反函數(shù)，可以根據(jù)輻射亮度La (Ts)求得地表真實溫度Ts，簡化 公式如下
Ts=^^——(6)
_ ln(-A_ + l) La(Ts)其中，K1= 607. 76 (WnT2 μ mH，K2 = 1260. 56K。1.2TVDI干燥度指數(shù)植被覆蓋度、蒸散量、地表熱特性、凈輻射、地表粗糙度和風速等因素影響地表溫 度，地表溫度與土壤水分狀況之間不存在直接的關系，但土壤水分是影響植被冠層溫度的 重要因素，從這個意義上，一定植被覆蓋條件下的冠層溫度能夠間接反映土壤供水情況。研 究表明，對于水分條件良好的地表，地表溫度和NDVI的關系與地表土壤水分更為直接相 關?；赥s/NDVI特征空間，通過地表溫度和植被指數(shù)散點構(gòu)成的三角形進行了分析(參 見圖1)，提出了 TVDI指數(shù)。圖1中，TVDI為A和B的比值。左側(cè)邊代表了不同濕度的裸土的溫度變化，Ts和 NDVI關系為隨著植被綠度的上升，最大地表溫度下降。在Ts/NDVI特征空間中定義等值線 來代表不同的干旱程度。TVDI計算公式如(7)所示
T 一 τ麗二TS__Sf(7)
l^inaxl^minTsmin表示最小地表溫度，對應的是濕邊，Tsmin = B^b1NDVI, &1、Id1是濕邊擬合方 程的系數(shù)；Ts是任意像元的地表溫度；Tsmax為某一 NDVI對應的最高溫度，即干邊，Tsfflax = a2+b2NDVI，a2、b2是干邊擬合方程的系數(shù)。TVDI值為1，是干邊(Dry edge)，代表有限的水 分供應；TVDI值為0，則是濕邊(Wet edge)，具有最大的土壤蒸發(fā)蒸騰總量和無限的水分供 應。TVDI越大，土壤濕度越低，TVDI越小，土壤濕度越高。估計這些參數(shù)要求研究區(qū)域的范 圍足夠大，地表覆蓋從裸土變化到比較稠密的植被覆蓋。1. 3線性分解模型1.3. 1分解方法土壤水分是干旱、半干旱地區(qū)的主要生態(tài)限制因子，土壤水分降低導致植物生長 量明顯減退?？梢钥闯?，土壤水分對植被蓋度有很大的影響。由于TVDI可以反映土壤的 水分狀況，因此，可以利用TVDI與NDVI結(jié)合估測植被蓋度。根據(jù)研究區(qū)內(nèi)的植被類型，把 研究區(qū)內(nèi)每30X30m范圍內(nèi)的植被蓋度分為以下三種類型(1) 土地覆蓋類型為裸地，其蓋度表示為fcb ;(2) 土地覆蓋類型為草地，其蓋度表示為fcg ;(3)除上述兩種覆蓋類型外， 30 X 30m地區(qū)內(nèi)的剩余覆蓋類型為森林和灌叢混合類型，其蓋度表示為fcf/s，包括兩部分 林地的蓋度fctoest和灌叢蓋度fcshrab(圖2)。根據(jù)線性分解模型，提出以下的假設假定混合像元的NDVI和對TVDI的敏感性是 該像元內(nèi)的各類地物組分的線性組合，通過線性分離，可以確定每類地物所占比率。如果一 個像元內(nèi)僅包含一種地物，則稱這個像元為典型像元，即端元，對應地物稱為典型地物。根據(jù)像元內(nèi)植被蓋度的定義，每個像元內(nèi)所有組分的蓋度之和應為100%?？梢缘?到每30X30m像元內(nèi)三種類型植被蓋度總和為1，因此，可以用以下公式來表示fcb+fcg+fcf/s = 1 (8)將裸地蓋度、草地蓋度和森林與灌叢混合類型蓋度分別作為30m像元內(nèi)每種組分 像元NDVI的權重系數(shù)，因此，可以得到公式(9)NDVIbfcb+NDVIgfcg+NDVIf/sfcf/s = NDVI (9)公式(9)中，NDVIb，NDVIg，NDVIf/s分別表示每像元內(nèi)裸地、草地和森林與灌叢混合 類型對應的NDVI值。NDVI表明了整個像元的植被生長狀況，NDVIb, NDVIg, NDVIf/s分別表 明了每像元內(nèi)裸地、草地和森林與灌叢混合類型的生長狀況。同樣，將裸地蓋度、草地蓋度、森林和灌叢混合類型蓋度分別作為像元內(nèi)每種組分 像元NDVI對TVDI敏感性的權重系數(shù)，可以得到公式(10)α bfcb+ α gfcg+ α f/sfcf/s = α (10)公式(10)中，α表示每個像元NDVI對TVDI的敏感性，α b，α g，α f/s分別表示每 像元內(nèi)裸地、草地、森林和灌叢混合類型對應的NDVI值對TVDI敏感性。每個像元的NDVI 值對TVDI敏感性用公式(11)計算。a = dNDVI IdT(11)公式(11)中f是標準化后的TVDI，其計算方法如公式(12)所示。T = (TVDI-T)Za(12)公式(12)中，f為多年TVDI時相平均值，σ為TVDI的標準差，其計算方法如公式 (13)所示。σ = ^(rVDI> -于)2 -1)(13)利用一元線性回歸擬合模型計算NDVI對TVDI的敏感性，并進行了 F檢驗，選取通 過0. 05顯著水平檢驗的擬合直線的斜率作為NDVI對TVDI的敏感性。利用最小二乘法對每一像元進行分解，分解的過程中，線性混合模型受到約束條 件的限制。即0彡fcb彡1，0彡fcg ^ 1,0 ^ fcf/s彡1。1. 3. 2線性分解模型端元在線性分解模型中，像元的基本組分的類型應具有代表性，是研究區(qū)內(nèi)多數(shù)像元 的有效組成成分。而各個類型的端元直接影響線性模型分解的精度。在概念分析的基礎 上，依據(jù)植被類型分布地區(qū)植被對土壤水分的敏感性和可以反映不同植被類型生長狀況的 NDVI值的差異確定端元。一般而言，在同一像元內(nèi)，林地和灌叢NDVI值大于裸地和草地的 NDVI值，草地的NDVI值低于灌叢而高于裸地NDVI值。裸地對氣候干旱響應不敏感，草地、 林地和灌叢對氣候干旱響應敏感，而草地、林地和灌叢相比較，由于林地和灌叢對干旱有的
11適應能力高于草地，草地對氣候干旱響應更為敏感。以表示植被對氣候土壤水分敏感性的 TVDI為α為自變量，表明植被生長狀況的NDVI為因變量繪制散點圖，散點圖構(gòu)成一個三角 形，三角形端點的坐標為線性分解模型端元值。在像元內(nèi)三種覆蓋類型中，植被對干燥度指 數(shù)敏感性較小，NDVI值最大的三角形端點為林地和灌叢混合類型的端元(af/s，NDVIf/s)，植 被對氣候干燥度指數(shù)敏感性最大，NDVI值較大的三角形端點為草地的端元(α g，NDVIg)，植 被對干燥度指數(shù)敏感性較小，NDVI值最小的三角形端點為裸地的端元(α b，NDVIb)。1. 3. 3林地、灌從的植被蓋度估算林地和灌叢混合類型的端元af/s，NDVIf/s，草地的端元a g，NDVIg,裸地的端元a b， NDVIb確定后，利用最小二乘法，對研究區(qū)內(nèi)每一像元進行線性分解，得到裸地蓋度、草地蓋 度和森林與灌叢混合類型蓋度三種覆蓋類型的蓋度分別為fCb、fCg、fCf/s。由圖2可知，fcb 包括林地的蓋度fcfOTest和灌叢蓋度fcshrub。如果每像元全為林地所覆蓋，對應的NDVI為
如果每像元全為灌叢所覆蓋，對應的NDVI表示為7VDK7:，可以得到(14)NDVtffc/oresl = NDVI^Jcflb - NDVI (fc//b - fcforesl)(14)公式(14)變換后得到(15)
NDVIflJcflh -NDVrjcflh/-, [-χ fCforest =-fJ]±JJl-llML(15)
f0KS'NDVIf - NDVIs通過公式(15)計算得到林地的蓋度，必須確定和TVDW丨值。參考研究區(qū)的植 被類型圖，對影像分類，在分類圖像中選取一定數(shù)量的全為林地或灌叢覆蓋“純“像元，確定 與這些像元對應的NDVI值，對這兩種類型的純像元的NDVI分別求平均值。得到的平均值 為 和 值。公式(15)中，NDVIf/b可以利用NDVI對TVDI的敏感性之間的關系建立方程，即為NDVIflb = NDVIflh +Τ*α(16)灌叢的蓋度可用公式(17)計算。f Csshrub = fcf/b-f Cforest (17)參見圖10，根據(jù)本發(fā)明基于植被_ 土壤水分響應關系的植被蓋度估算方法，(1)計 算地表溫度對影像進行輻射校正，然后利用6S模型進行大氣校正，計算NDVI，計算比輻射 率，然后利用輻射傳輸方程計算地表溫度。(2) TVDI 根據(jù)地表溫度，計算每個NDVI值對應 的最大和最小溫度，然后計算干邊和濕邊的方程，再計算TVDI。(3) NDVI對TVDI響應的敏 感性利用公式(11)_(13)計算。(4)線性分解模型的端元在植被NDVI對土壤水分敏感 性α和NDVI構(gòu)成的散點圖上，確定植被對TVDI敏感性較小，NDVI值最大的三角形端點為 林地和灌叢混合類型的端元(a f/s, NDVIf7s)，植被對TVDI敏感性最大，NDVI值較大的三角 形端點為草地的端元(a g，NDVIg)，對TVDI敏感性較小，NDVI值最小的三角形端點為裸地的 端元(ab，NDVIb)。(5)裸地、草地、灌叢和林地混合類型蓋度在限制條件下，基于最小二 乘法，對植被NDVI和對土壤水分的敏感性進行線性分解，得到像元內(nèi)不同組分的覆蓋度。 (6)灌叢、林地蓋度根據(jù)公式(14)-(17)，對林地和灌叢的蓋度進一步分解，得到灌叢和林 地蓋度ο2線性分解模型應用2.1研究區(qū)
選擇中國永定河流域一部分區(qū)域作為研究區(qū)(圖3)。永定河是流經(jīng)北京市的最 大的河流，也是北京市的重要行洪河道之一。自桑干河上源至屈家店河長680km，流域面積 47066km2。流域位于歐亞大陸東部中緯度地帶，橫跨我國南溫帶半濕潤、半干旱氣候區(qū)和北 溫帶半干旱氣候區(qū)。屬大陸性氣候，冬季較長、干燥寒冷、盛行西北風，夏季較短，春秋多風 沙，冷暖變化顯著。流域多年平均降水量為406mm。降水量年內(nèi)分配不均，年降水量的77% 集中在汛期。2. 2數(shù)據(jù)及預處理選擇3期TM影像(2006、2004、1997年)和1期ETM+(2000年)作為影像數(shù)據(jù)源，TM 影像包括6個反射率波段，分辨率為30m，1個熱波段，分辨率為120m，ETM+影像包括8個波 段，熱波段的分辨率為60m。每期影像的行列數(shù)分別為3365和2426。首先利用1 100000 地形圖對TM和ETM+影像進行幾何糾正，校正誤差小于1個像元。利用(1)式進行輻射糾 正。采用6S模型對影像進行大氣糾正。參考研究區(qū)的植被類型圖、DEM及其他輔助資料， 對遙感影像進行分類，得到新的植被類型圖。野外實測的土壤水分和各種植被類型蓋度數(shù) 據(jù)用于估算結(jié)果的驗證。2. 3結(jié)果分析2. 3. 1地表溫度與TVDI計算得到2006年地表溫度空間變化如圖4a所示，地表溫度最低值為287. 5K，對應 于水面，最高值為320. 4K，對應于裸地。在植被覆蓋較少的地方，地表溫度較高，大部分地區(qū) 的地表溫度高于305K。研究區(qū)的中部地區(qū)地表溫度最高。北部和南部山區(qū)的地表溫度相對 較小，小于295K，山區(qū)的邊緣地區(qū)的地面溫度較山區(qū)高，大部分介于295 300K。利用NDVI-Ts特征空間中的各像元相應最大和最小陸地表面溫度，回歸擬合獲得 2006 年旱邊和濕邊方程，NDVI = -38. 64Ts+324. 21，NDVI = 277. 34Ts+7. 68。NDVI-Ts 特 征空間中的旱邊斜率小于0，表明隨著植被覆蓋度的增加，陸地表面溫度最大值越??；相反 濕邊的斜率基本上大于，說明隨植被覆蓋度的增加，陸地表面溫度最小值有增加趨勢。根據(jù) 旱邊和濕邊的方程，計算得到TVDI如圖4b所示，TVDI與地表溫度具有相似的空間變化格 局。因為TVDI值越大，表明越干旱，值越小，表明越濕潤，因此，研究區(qū)的中北部和南部山區(qū) 的相對濕潤，山區(qū)中間地帶相對濕潤。2. 3. 2植被蓋度利用與2006年地表溫度和TVDI相同的計算方法，得到1997、2000、2004年研究區(qū) 的地表溫度和TVDI。利用一元線性回歸擬合模型計算NDVI對TVDI的敏感性。在2006年 植被NDVI對土壤水分敏感性α和NDVI構(gòu)成的散點圖上，確定植被對TVDI敏感性較小， NDVI值最大的三角形端點為林地和灌叢混合類型的端元(af/s，NDVIf/s)，其值為(0.001， 0. 791)，植被對TVDI敏感性最大，NDVI值較大的三角形端點為草地的端元(α g，NDVIg), 其值為(0. 368，0.40)，對TVDI敏感性較小，NDVI值最小的三角形端點為裸地的端元(α b， NDVIb)，其值為(0.002,0.006)，各端元組分如圖5所示。圖5中，散點圖是由2006年α和 NDVI值構(gòu)成的散點圖，α表示每個像元NDVI對TVDI的敏感性。在限制條件下，基于最小 二乘法，對2006年植被NDVI和對土壤水分的敏感性進行線性分解，得到像元內(nèi)不同組分的 覆蓋度(參見圖6)，從圖6a中可以看出，在中部干旱地區(qū)，裸地蓋度達到了 0. 8以上，而在 濕潤地區(qū)，裸地蓋度小于0. 2，在較濕潤地區(qū)，裸地蓋度小于0. 4。裸地蓋度表現(xiàn)出與TVDI
13相似的空間變化格局。從圖6b可以得到，在TVDI大于0. 7的地區(qū)，草地的蓋度小于0. 2 ； 在中北部山區(qū)和南部山區(qū)，草地的蓋度達到了 0. 4 0. 6，有些地區(qū)甚至達到了 0. 8 ；整個研 究區(qū)中，極少地區(qū)的草地蓋度介于0. 8 1. 0之間。根據(jù)圖6c，大部分地區(qū)林地和灌叢混合 類型的蓋度小于0. 2或為0，山區(qū)林地和灌叢混合類型的蓋度高于0. 8，相當一部分地區(qū)蓋 度介于0.6 0.8。根據(jù)公式(14) (17)，進一步將林地和灌叢混合類型的進行分解。得到林地和 灌叢的植被蓋度，如圖7所示，在灌叢的分布區(qū)，蓋度主要介于0. 4 0. 6，部分地區(qū)的蓋度 達到了 0. 6 0. 8，在部分濕潤地區(qū)，灌叢的蓋度高于0. 8。在整個研究區(qū)，大部分地區(qū)林地 的蓋度為0，在林地分布區(qū)，大部分林地蓋度介于0. 4 0. 6。在部分山區(qū)，林地的蓋度介于 0. 8 1. 0之間。從圖6還可以得到，灌叢蓋度為0的地區(qū)比林地蓋度為0的地區(qū)分布面積 小，表明灌叢比林地的分布更廣。3結(jié)果驗證3. ITVDI與土壤水分關系分析利用2006年野外實測的土壤水分值與TVDI進行相關性分析，驗證TVDI作為干旱 指數(shù)評價本地區(qū)土壤水分的有效性。整個永定河流域?qū)崪y28個點土壤數(shù)據(jù)，每個點包含5 層(0 10，10 20，20 30，30 40，40 50cm) 土壤水分數(shù)據(jù)，選取本研究區(qū)內(nèi)8個點 不同層土壤水分與TVDI的散點圖如圖8所示，0 IOcm和10 20cm 土壤層水分與TVDI 的相關性均較好，通過了 0.05水平t-檢驗。其它層土壤水分與TVDI的無顯著相關性。表 明利用TVDI作為表征土壤水分變化趨勢的指數(shù)，具有一定的合理性?？梢岳肨VDI在此 區(qū)域進行土壤水分的相關研究。土壤水分越大，TVDI值越小，兩者呈顯著的負相關性。4. 2植被蓋度驗證分析利用2006年研究區(qū)的實測灌叢和草地蓋度評價基于線性分解模型估測結(jié)果。兩 種植被類型蓋度實測值與估測如圖9所示，灌叢的最大誤差為0. 19，最小誤差為0，誤差絕 對值的均值為0. 043。草地的最大誤差為0. 32，最小誤差為0，誤差絕對值的均值為0. 137。 可以看出，灌叢的估測精度高于草地估測精度。對整個估測結(jié)果來看，盡管某些點的估測誤 差較大，但總體估測結(jié)果能達到一定的精度，表明該線性分解模型可以運用到本區(qū)域進行 植被蓋度估測。
權利要求
一種基于植被 土壤水分響應關系來估算一區(qū)域內(nèi)各個像元中的植被蓋度的方法，所述植被蓋度包括裸地蓋度fcb，草地蓋度fcg、林地和灌叢混合類型蓋度fcf/s。，該方法包括步驟(1)確定所述研究區(qū)的每一像元的歸一化差值植被指數(shù)NDVI和TVDI值；(2)確定所述研究區(qū)的每個像元的NDVI值對TVDI敏感性α值；(3)基于所述研究區(qū)中的每一個像元的α值和NDVI值構(gòu)建所述研究區(qū)域的三角形散點圖，其中所述α值為自變量，NDVI值為因變量；(4)基于三角形散點圖確定三角形的每一個端點的端元的α值和NDVI值；(5)利用最小二乘法，基于所確定的每一個三角形端點的端元的α值和NDVI值并且在約束條件0≤fcb≤1，0≤fcg≤1，0≤fcf/s≤1下，對研究區(qū)內(nèi)每一像元進行線性分解以獲得研究區(qū)內(nèi)每一像元的fcb、fcg、fcf/s。
2.如權利要求1的所述基于植被-土壤水分響應關系來估算一區(qū)域內(nèi)各個像元中的 植被蓋度的方法，其中，在步驟⑵中，根據(jù)公式(11)_(13)確定每個像元的NDVI值對TVDI 敏感性α值，a = ANDVI IdT(11)T = (TVDI-T)Ia(12)式中， 為所述研究區(qū)的每一個像元的多年TVDI時相平均值，σ為TVDI的標準差。
3.如權利要求2的所述基于植被-土壤水分響應關系來估算一區(qū)域內(nèi)各個像元中的植 被蓋度的方法，其中，每一個像元的植被蓋度滿足公式(8) - (10)，fcb+fcg+fcf/s = 1 (8)NDVIbfcb+NDVIgfcg+NDVIf/sfcf/s = NDVI (9)α bfcb+ α gfcg+ α f/sfcf/s = α(10)式中，NDVIb, NDVIg, NDVIf7s分別表示每像元內(nèi)裸地、草地和森林與灌叢混合類型對應的 NDVI值，ab，ag, a f/s分別表示每像元內(nèi)裸地、草地、森林和灌叢混合類型對應的NDVI值 對TVDI敏感性。
4.如權利要求3的所述基于植被-土壤水分響應關系來估算一區(qū)域內(nèi)各個像元中的植 被蓋度的方法，其中，在步驟(4)中，植被對干燥度指數(shù)敏感性較小、NDVI值最大的三角形 端點為具有af/s，NDVIf/s的林地和灌叢混合類型的端元，植被對氣候干燥度指數(shù)敏感性最 大、NDVI值較大的三角形端點為具有a g,NDVIg的草地的端元，植被對干燥度指數(shù)敏感性較 小，NDVI值最小的三角形端點為具有a b，NDVIb的裸地的端元，所述步驟(5)包括將所確定的每一像元的α值，NDVI值，以及所確定的af/s，NDVIf7s, a g，NDVIg, a b， NDVIb的裸地的端元代入公式(8)-(10)中，調(diào)用MatLab軟件中的最小二乘函數(shù)對公式 (S)-(IO)進行線性分解以獲得每一像元的裸地蓋度fcb，草地蓋度fcg以及林地和灌叢混合 類型蓋度fcf/s。
5.如權利要求2或4的所述基于植被-土壤水分響應關系來估算一區(qū)域內(nèi)各個像元中 的植被蓋度的方法，進一步包括對林地和灌叢混合類型蓋度fcf/s進一步分解，得到每一像元內(nèi)林地蓋度fctoest和林地蓋度fcshrab的步驟，該步驟包括(6)根據(jù)所述研究區(qū)的植被類型圖，從該植被類型圖的分類圖像中選取一定數(shù)量的全 為林地覆蓋的純像元，并且確定與這些全為林地覆蓋的純像元對應的NDVI值并且求取這 些NDVI值的平均值，作為全為林地覆蓋的純像元的值；(7)根據(jù)所述研究區(qū)的植被類型圖，從該植被類型圖的分類圖像中選取一定數(shù)量的 全為灌叢覆蓋的純像元，確定與這些全為灌叢覆蓋的純像元對應的NDVI值并且求取這些 NDVI值的平均值，作為全為灌叢覆蓋的純像元的M)F/丨值；(8)根據(jù)公式(15)-(17)確定每一像元的林地蓋度fctoest和灌叢蓋度fcshrub，
6.如權利要求1的所述基于植被-土壤水分響應關系來估算一區(qū)域內(nèi)各個像元中的植 被蓋度的方法，所述步驟(1)中，確定所述研究區(qū)的每一像元的歸一化差值植被指數(shù)NDVI 值包括確定輻射校正參數(shù)和大氣校正參數(shù)；利用確定的確定輻射校正參數(shù)和大氣校正參數(shù)以及大氣校正軟件6S對表觀反射率進 行校正，得到TM第3、第4波段的地表反射率；根據(jù)公式(3)計算每一像元的NDVI值， (3) 式中，Rnik為TM第4通道近紅外波段的光譜反射率，Reed為TM第3通道紅光波段的光 譜反射率；確定所述研究區(qū)的每一像元的TVDI值包括確定每一像元的地表溫度Ts，根據(jù)公式(7)計算每一像元的TVDI值， (7) 其中，Tsmin表示最小地表溫度，對應的是濕邊，Tsmin = B^b1NDVI, B1, Id1是濕邊擬合方 程的系數(shù)；Ts是任意像元的地表溫度；Tsmax為某一 NDVI對應的最高溫度，即干邊，Tsfflax = a2+b2NDVI, a2、b2是干邊擬合方程的系數(shù)。
7.如權利要求6的所述基于植被-土壤水分響應關系來估算一區(qū)域內(nèi)各個像元中的植 被蓋度的方法，其中所述確定輻射校正參數(shù)和大氣校正參數(shù)包括利用公式(1)計算輻射校正參數(shù)La， ( 1 ) 式中，La表示傳感器所接收到的輻射強度，QCAL表示TM數(shù)據(jù)的像元灰度值(DN值)， QCALmax為傳感器所接收到的最大DN值，QCALmin為傳感器所接收到的最小DN值，Lmax,為 傳感器所接收到的的最大光譜輻射值，Lmiru為傳感器所接收到的最小光譜輻射值；利用公式(2)計算大氣校正參數(shù)， PApp ESunx Cos^4其中La為傳感器在某個波段內(nèi)接收到的亮度，d為日地距離，ESuru為太陽光譜在某 波段內(nèi)的平均輻射照度，θ為太陽入射天頂角。
8.如權利要求6的所述基于植被-土壤水分響應關系來估算一區(qū)域內(nèi)各個像元中的植 被蓋度的方法，其中，所述確定每一像元的地表溫度Ts包括 根據(jù)公式(4)-(6)計算每一像元的地表溫度Ts， ε = 1. 0094+0. 047Ln(NDVI) (4) 式中，ε為自然地表的比輻射率， 式中，La (Ts)表示溫度為Ts的黑體在熱紅外波段的輻射亮度，LAatm丨表示大氣向下輻 射亮度，LAatm丨表示大氣向上輻射亮度，τ為大氣在熱紅外波段的透過率， K, 其中，
全文摘要
本發(fā)明公開了基于NDVI和NDVI對TVDI響應敏感性的植被-土壤水分響應蓋度估算方法。植被蓋度包括裸地蓋度fcb、草地蓋度fcg、林地和灌叢混合類型蓋度fcf/s。fcf/s包括林地蓋度fcforest和灌叢蓋度fcshrub。該方法包括步驟確定研究區(qū)的每一像元的歸一化差值植被指數(shù)NDVI和TVDI值；確定研究區(qū)的每個像元的NDVI值對TVDI敏感性α值；基于研究區(qū)中的每一個像元的α值和NDVI值構(gòu)建所述研究區(qū)域的三角形散點圖；基于三角形散點圖確定三角形的每一個端點的端元α值和NDVI值；利用最小二乘法，基于所確定的每一個三角形端點的端元的α值和NDVI值并且在約束條件0≤fcb≤1，0≤fcg≤1，0≤fcf/s≤1下，對研究區(qū)內(nèi)每一像元進行線性分解以獲得研究區(qū)內(nèi)每一像元的fcb、fcg、fcf/s。
文檔編號G06Q50/00GK101908196SQ20091008516
公開日2010年12月8日 申請日期2009年6月3日 優(yōu)先權日2009年6月3日
發(fā)明者李曉兵, 王宏, 龍慧靈 申請人:北京師范大學