澜沧江流域处于澜沧江——湄公河国际河流上游山地区域, 生态环境复杂、特殊, 生态系统十分脆弱。由于林地覆盖状况与流域山地土壤侵蚀、滑坡, 水资源恶化, 以及与高山野生动植物消失、遗传性物种多样性迅速减少等区域环境退化问题有着非常密切的关系, 因此, 在流域整体综合开发研究中, 及时、快速地获得对维护山地生态系统非常关键、敏感的林地覆盖宏观状况的监测, 对于澜沧江——湄公河国际河流的可持续发展研究是非常必要的。这里就利用NDVI进行山区林地覆盖快速遥感监测的技术展开应用研究, 以期为较大区域的澜沧江流域林地覆盖快速监测提供实用、可行的技术支持。

1 试验材料与工作平台

在澜沧江流域山区林地覆盖遥感监测技术研究中, 研究资料来自于现有数据质量较好的130-44景TM7个波段的遥感影像数据, 拍摄时间为1996年2月。另外还有相应地区的1:50000、1:100000比例尺地形图, 1:75000土地利用现状调查图, 以及有关数据统计资料等。对130-44景遥感影像经空间投影变换纠正处理后, 具体地理定位信息如表 1所列。

林地覆盖遥感监测研究的工作平台是建立在专用遥感数字图像处理系统之上的。在本研究中, 依据现有条件, 研究工作平台建立在ER Mapper专用遥感数字图像处理系统工作站版本5.0之上。支持ER Mapper专用遥感数字图像处理系统的硬件有SGI图形工作站4台, 内存64MB, 硬盘2.767GB。微机10台, 通过以态网互联并与工作站相连接。

2 研究方法选用与试验设计实施 2.1 NDVI方法

林地覆盖遥感监测的实质, 就是要应用遥感技术手段识别地表林地覆盖类别、获取林地覆盖类别的数量、空间分布状况及其在时间维的动态变化状况等信息。

目前, 遥感图像计算机自动分类中, 技术较为成熟而常用的是基于光谱统计模式识别的方法。NDVI (Normalized Difference Vegetation Index)是一种最具有灵活多变特性、易于实施、且效果显著的特征变换处理技术, 其实质是非线形地把特征空间中的集群分布影射为低一维的集群分布。由于该变换具有对特征空间中不同集群实现不同程度的非线形的压缩或拉伸, 因此可达到对特征的增强目的, 同时, 还具有减弱遥感图像中地形起伏、大气朦翳及太阳入射角等对影像灰度值的影响。在山区林地覆盖监测研究中, 选用并构建适合于特定区域的比值变换算法, 是一种非常重要的特征变换处理技术方法。

由于澜沧江流域云南段为典型山区, 应用比值变换可以获得减弱地形因素的效果, 因此在研究中应用基于该比值特征变换进行分类组织实施具有非常有效的作用, 具体效果在下面将做进一步地讨论。

2.2 试验设计实施

澜沧江流域云南段生态背景较为复杂, 地形、地貌复杂多样, 生物多样性突出, 土地覆盖类型繁杂。这一方面可提供丰富的光谱特征, 利于遥感监测中山区土地覆盖的类别信息提取, 但由于许多亚类、子亚类光谱特征的相似性, 山区地物间的相互立体掩映、山区地形因素影响等, 又给山区土地覆盖分类遥感监测带来许多特殊的困难。

对于多种覆盖类别的山区地表覆盖分类信息提取, 某种判别规则, 或分类判决函数, 通常就一个特征变换或波段选取组合, 往往只适合于某些类别信息分离提取, 不可能精确可靠地获得所有覆盖分类类别信息。因此, 在样区林地覆盖遥感监测研究中, 运用递阶层次结构于分类信息提取组织实施过程中。

一层次基于NDVI特征选取的分类方法分类组织实施研究区为澜沧江流域下游山区, 林地覆盖用地高达整个样区总面积的66%, 林地覆盖为研究区山地景观生态的本底景观要素。通过对样区TM543波段数字影像的彩色合成显示及增强处理, 利用人机交互识读也可看出同样的结果。

针对研究区这一实际状况, 对于样区的林地覆盖类别的信息提取, 在第一层次上, 首先采用对于分离提取绿色植被特征效果较好、而且能对山区地形因素影响具有减弱及消除效果的比值或NDVI变换进行特征选取, 采用阈值构造算法提取林地覆盖, 同时通过掩膜非林地覆盖分离提取林地覆盖。

在具体研究中, 通过NDVI变换处理, 将原始TM4、TM3波段灰值数字映射为对应像元灰值范围为-0.644到0.721的利于植被分离的NDVI变换特征波段。对该NDVI变换特征波段进行缺省线性变换增强处理, 然后参考土地利用现状图及利用ERMAPER动态连接窗口功能, 参照组合信息含量最好的TM543彩色合成影像显示窗口所实施的人机交互解译结果, 试验随机抽样测定林地覆盖NDVI变换特征值, 最后采用阈值构造算法:IF NDVI > 0.15 THEN林地覆盖ELSE非林地覆盖。

二层次基于NDVI变换特征波段的无监督分类组织实施为进一步获得流域山区林地覆盖度的信息, 参考土地利用现状图及TM543彩色合成影像, 基于NDVI变换特征波段, 先进行算法处理:IF NDVI > 0.15 THEN NDVI ELSE 0。如此掩膜去除非林地覆盖的NDVI值, 然后对林地覆盖的NDVI值直接采用无监督分类方法进行进一步的分类处理, 获得高覆盖、中覆盖和低覆盖三种林地覆盖类别。

在研究中, 曾设计组织实施在这里采用无监督分类方法直接将原始波段组合作为特征参与林地覆盖类型分类处理, 但由于山区地形阴影作用影响, 分类效果明显较差, 特别是山体较大的阴坡上的林地覆盖多被分为非林地类别。因此最后采用上述NDVI变换结果作为选取特征进行无监督分类, 较大程度上减弱了山区地形阴影作用影响, 获得较好分类效果。

3 监测结果评价与分析

针对澜沧江流域山区林地覆盖遥感监测技术研究中所确定的具体研究方案, 结果评价通过采用构建误差矩阵实施相应地精度分析比较。具体地, 对一层次分类监测结果的林地与非林地, 针对应用NDVI分类结果, 最后构建得混淆矩阵并计算相应的精度统计参量如表 2。

由表 2可看出, 在基于NDVI进行澜沧江流域云南段林地覆盖监测分类中, 分类结果较好。其中整体精度达90%, 过程精度林地为91%, 非林地为89%, 用户精度林地为89.2%, 非林地为90.8%。

分析获得该分类效果的原因, 一是由于采用了作为具有比值特性的NDVI特征变换处理, 较好地减弱山区地形阴影对分类效果的作用影响; 二是分类类别仅考虑林地与非林地两种类别, 基于NDV变换后, 具有明显植被特征的林地与山区其它类别具有较好的分离性; 第三个原因是与澜沧江流域研究区本身山区自然状况与土地覆盖史状况所决定, 澜沧江下游地区, 地形、地貌复杂, 气候潮湿温和, 林地覆盖面积大, 而且相对集中成片, 因此基于上述遥感监测方案组织实施, 林地覆盖监测可获得较好的分类过程精度。

对第二层次分类监测结果, 由于对林地覆盖进行的是按植被指数大小所做的覆盖度无监督分类, 而针对澜沧江流域综合开发研究的目的在于监测获取对林地覆盖总体状况的需求, 而对林地覆盖程度实际的郁闭度并未做具体定量规定, 因此对第二层次的林地覆盖监测分类结果不做专题分类精度分析。

4 结语

在应用TM遥感图像进行林地覆盖监测的计算机分类技术中, 一般常用直接基于原始波段TM4、TM3、TM2参与, 利用最大似然法(MLC, Maximum Likelihood Classification)的监督或无监督分类获得分类结果。在以山地为主体的澜沧江流域, 由于自然、生态背景的特殊复杂性, 通过试验表明, 直接搬用上述方法将导致难于接受的分类精度。因此, 本文通过基于NDVI特征变换处理方法进行林地覆盖遥感监测技术应用试验研究, 以期为较大区域的澜沧江流域林地覆盖快速监测探索实用、可行的技术途径。初步的研究结果表明, 该技术方法具有较好的实用性, 其操作处理简单可行, 监测结果精确可靠, 非常适用于目的在于宏观、快速监测获取大区域山区林地覆盖总体状况的澜沧江流域综合开发研究的需要。