第一作者简介: 郭玉川(1982-),男,博士研究生,主要从事地下水资源利用与保护研究。
为进一步掌握塔里木河下游输水后的生态恢复程度,以输水河畔的植被覆盖度为研究对象,采用MODIS数据构建研究区多种植被指数; 结合现场实测植被覆盖度,给出离散坐标下实测植被覆盖度与各种植被指数间的二维散点图,据此得出二者相关方程,反演区域植被覆盖度。结果表明,基于MODIS数据构建的NDVI、MSAVI、SAVI和EVI等植被指数均与植被覆盖度有较好的相关关系,采用这些植被指数反演植被覆盖度的精度由高到低依次为NDVI、EVI、MSAVI及SAVI。建议在干旱荒漠区,使用MODIS数据进行植被变化监测,最优选择的植被指数为NDVI。
To further understand the ecologic restoration level after water supplying,the authors studied vegetation coverage (Fv)in the water supply area of the lower reaches of the Tarim River. Correlation equation and two-dimensional scatter plot between Fv and vegetation index (VI) could be obtained based on MODIS data by constructing a variety of VIs in combination with measured Fvs,and the value of Fv could be figured out based on the relevant equation. The results show that there exist good correlations between the VIs such as NDVI,MSAVI,SAVI and EVI and Fvs on the basis of MODIS data. With these VIs,the inversion accuracy of the Fvs in the order from higher to lower is NDVI, EVI, MSAVI and SAVI. The authors suggest using MODIS data to monitor vegetation change in the arid desert area,with the optimal choice of VI being NDVI.
自2000年5月实施塔里木河下游生态输水工程以来, 输水河段的生态恢复进展情况成为关注热点, 植被覆盖度作为刻画生态恢复的重要因子之一也备受关注。目前对植被覆盖度的研究主要有地表实测和遥感测量两种方法[1, 2]。地表实测准确、客观, 但耗时较大, 只能在小尺度范围内提供植被结构和分布状况的变化信息, 不宜大范围推广[1]; 遥感测量植被覆盖度则具有宏观、时效性强、数据获取容易等诸多优点, 是当前植被覆盖度研究的主流方向。对于干旱区植被覆盖度, 目前的研究多集中在通过分析某一植被指数的变化趋势来反映植被生长情况[3, 4, 5], 或采用混合像元解混法反演区域地表植被覆盖度[6, 7, 8, 9], 这些方法较之传统的地面调查可以更好、更快地反映区域植被覆盖度的变化趋势, 但大多针对某一植被指数进行分析研究, 而针对同一区域不同植被指数与植被覆盖度相关程度的分析研究的报道尚不多见。
本文结合塔里木河下游输水河段实测样地的植被覆盖度数据, 对该区域基于MODIS的几种常见植被指数与实测植被覆盖度的相关性进行了探讨, 采用经验统计模型建立了塔里木河下游输水河畔4种植被指数与植被覆盖度的相关方程, 并对遥感反演植被覆盖度常用的植被指数进行了优选, 以期为研究塔里木河下游输水河段的生态恢复提供科学依据。
地面植被覆盖度调查样地的布设主要考虑不同离河距离、不同地下水埋深以及有胡杨、怪柳等植被生长的地段。在2006年5~6月, 在英苏(40° 25'52.3″N, 87° 56'18.7″E)、喀尔达依(40° 22'00.9″N, 88° 09'52.2″E)和阿拉干(40° 08'29.6″N, 88° 20'51.6″E)3个地点分别布设3个剖面(A、B和C, 每个剖面有3条断面), 剖面为南北或东西走向, 剖面间距2 000 m, 每个剖面在河道左、右两岸各设8个样地, 样地面积均为250 m× 250 m, 9条断面共设144个样地(图1)。
植被覆盖度通过实测与目估法来确定。对样地内胡杨、柽柳等大型乔灌木的植被覆盖度通过逐棵实测获得, 对中小型灌草类通过实测得到多个1 m× 1 m样地内的植被投影面积, 再由目估法推求出整个样地的植被覆盖度。
结合研究区域的地理环境特征, 植被指数的选取[10, 11]主要考虑研究区土壤背景的影响; 对于大气气溶胶的影响, 由于所需气象参数难以获取而不做专门考虑, 只是尽可能选择天气晴朗、无风的时段进行植被指数的反演。选取用于对比的植被指数包括应用最为广泛的归一化差值植被指数(NDVI)、考虑土壤背景干扰的土壤调节植被指数(SAVI)和修正的土壤调节植被指数(MSAVI), 以及综合考虑了土壤和大气共同影响的增强型植被指数(EVI)。各植被指数的计算公式为
NDVI=
SAVI=
MSAVI=[2ρ N+1-
EVI=
式中, ρ N、 ρ R和ρ B分别为近红外波段、红光波段和蓝光波段的反射率; L为土壤亮度指数, 其值取决于植被的密度, Huete[12]建议L的最佳值为0.5; l为背景调节参数; C1、C2为大气修正参数。对于MODIS数据, C1、C2和l分别取值为6.0、7.5和1.0。
考虑到植被覆盖度遥感反演对时间及空间分辨率的要求以及实际应用的需要, 选取与地面实测数据同时段获取的MODIS数据, 根据上述公式即可得到各植被指数在研究区的空间分布情况。
地表植被覆盖度调查时间为2006年6月22日~8月18日, 样地大小为250 m× 250 m。为与调查样地的植被覆盖度进行对比分析, 选取2006年7月23日获取的MODIS数据(MOD09GQK及MOD09GHK数据)进行植被指数的计算。对于采用蓝光波段修正NDVI的EVI, 首先将空间分辨率为500 m的蓝光波段重采样为250 m的分辨率, 以获取250 m分辨率的植被指数; 在获取各植被指数后, 对植被指数结果进行投影变换和几何精纠正, 使其具有相同的投影系统, 并使各像元的植被指数与植被覆盖度调查样地的坐标一一对应; 最后根据各样地坐标在配准后的植被指数空间分布图上查出与样地一一对应的植被指数, 再由SPSS统计分析软件分别对各植被指数/植被覆盖度散点图进行拟合曲线优选, 从而求出各植被指数与植被覆盖度的相关方程。
根据已获得的植被指数与植被覆盖度相关方程, 采用ERDAS的Model Maker模块对已求出的各植被指数进行代入计算, 反演不同植被指数所对应的地表植被覆盖度。
通过查找144个样地对应坐标下的植被指数, 采用SPSS统计分析软件对样地实测植被覆盖度(Fv)与对应坐标下的植被指数(VI)的相关性进行分析(表1)。结果表明, 实测样地的植被覆盖度与同坐标下的植被指数相关性非常显著, 可以采用植被指数反演对应的植被覆盖度。
以植被指数为横坐标、植被覆盖度为纵坐标, 绘出二维散点图; 采用SPSS软件分析各植被指数与植被覆盖度的最佳关系拟合曲线(图2)。
结果表明, 各种植被指数与植被覆盖度均呈正相关关系, 且以三次曲线拟合的R2最大, 二次曲线拟合的R2次之, 但三次曲线在植被覆盖度大于15%时拟合效果明显不如二次曲线的拟合效果。
综合考虑, 可选取二次曲线作为该地区植被指数与植被覆盖度的拟合曲线。
NDVI-Fv拟合曲线为
y=-207.871x2+153.826x-4.04, R2=0.850 (5)
SAVI-Fv拟合曲线为
y=-43.44x2+94.410x-5.229, R2=0.703 (6)
MSAVI-Fv拟合曲线为
y=-90.835x2+108.669x-7.644, R2=0.738 (7)
EVI-Fv拟合曲线为
y=-355.754x2+215.261x-3.519, R2=0.750(8)
由式(5)~(8)可以看出, 采用NDVI反演植被覆盖度的样本判断系数R2最大, 为0.85; 采用SAVI反演植被覆盖度的R2最小, 为0.703。说明在塔里木河下游研究区, 无论采用何种植被指数反演植被覆盖度, 均可在一定程度上反映地表植被的覆盖程度, 但采用NDVI反演的植被覆盖度最接近实际地表植被覆盖情况。
(1)基于MODIS的NDVI、MSAVI、SAVI和EVI等4种植被指数均可以较好地反映地表植被的覆盖情况, 并且与植被覆盖度呈显著正相关关系。
(2)对于MODIS数据, 4种植被指数与地表植被覆盖度的相关程度由高到低依次为NDVI、EVI、MSAVI及SAVI。建议在塔里木河下游, 采用基于MODIS数据的NDVI进行植被覆盖变化监测。
The authors have declared that no competing interests exist.
[1] |
|
[2] |
|
[3] |
|
[4] |
|
[5] |
|
[6] |
|
[7] |
|
[8] |
|
[9] |
|
[10] |
|
[11] |
|
[12] |
|