影像不同空間尺度對植被分析的影響

摘 要

針對植被指數和植被覆蓋度與遙感影像空間尺度的關係對高解析度影像在植被分析中的運用具有重要影響的問題，該文提出一種確定最佳解析度的方法。以雲南魯甸縣茨院鄉為研究區，先對原始影像（Worldview-2）進行重採樣處理，生成一系列低解析度影像；計算13組數據的NDVI並利用像元二分模型反演出植被覆蓋度；運用信息熵理論和按照局部方差的思路等兩種方法，定量分析該區植被分析的最佳解析度。實驗結果表明，隨著空間解析度的降低，NDVI值域區間呈現收斂趨勢；植被覆蓋度分級圖斑斑塊數量急劇減少，而所佔面積比則保持相對平穩；信息熵中的信息量也隨之減少。分析結果認為，該區進行基於Worldview-2影像植被分析的最佳空間解析度為12 m。

引用格式

石磊，楊武年，楊彥通，等.影像不同空間尺度對植被分析的影響[J]．測繪科學，2017，42（3）:64-69.

正文

植被在地球表面佔有很大的比例，陸地表面的植被常是遙感觀測和記錄的第一表層，是遙感數據感應的最直接的信息，也是人們研究的主要對象，其分布主要受到自然和人類活動的共同影響。獲取地表植被覆蓋信息，可為植被變化趨勢、土壤侵蝕等方面提供重要的數據支持。我國領土面積廣闊，植被種類豐富，巨大的植被規模使得在獲取地表植被覆蓋信息的過程中，傳統的人工作業方法顯得耗時耗力，且精度較低。

隨著遙感技術、理論的不斷完善和成熟，植被分析對遙感數據的引入使得對大區域的植被研究提供了技術和數據支撐。同時遙感平台和感測器的多樣性，也為人們提供了不同空間尺度的遙感影像數據，因此研究空間尺度對植被分析的影響和如何選擇適當的空間尺度數據有著重要的意義。目前，已有許多學者對此問題進行了大量研究，曾輝等將不同時段的TM影像數據進行重採樣並計算出研究區域景觀指數統計值，發現景觀指數隨空間解析度的降低出現明顯變化；Woodcock等提出用局部方差來探討不同地物類型的最佳解析度；江淼等將TM影像重採樣得到的覆蓋度與MODIS反演得到的覆蓋度進行對比，確定引起植被覆蓋尺度效應的原因；韓鵬等充分利用了遙感影像的多光譜信息，並考慮了影像的空間分布特徵，提出一種基於可分性信息熵最優空間尺度選擇方法。

本文使用Worldview-2影像作為數據源，在前人研究的基礎上，以魯甸縣重點鄉鎮茨院回族鄉為研究區，提取出多種空間尺度的影像數據。通過分析不同空間解析度對植被分析的影響，研究出該區域進行植被提取的最適宜空間尺度。

魯甸縣位於雲南省東北部，牛欄江北岸，昭通市西南門戶要衝，地處烏蒙山南麓，史稱小烏蒙。下轄1鎮13鄉。位於東經103°09′~103°40′、北緯26°59′~27°32′之間。全縣國土面積1 489 km2，境內海拔568~3 356 m，屬低緯山地季風氣候，年平均氣溫12.1℃，年平均降水量924 mm，雨熱同季，乾濕季分明，四季溫差較小。本文以魯甸縣茨院回族鄉為研究區進行研究。茨院鄉東西橫距15.7 km，南北縱距12.2 km，國土面積42.51 km2，平均海拔1 910 m，年平均氣溫12℃，年降水量912 mm。

本文通過計算研究區多種解析度影像的NDVI和反演植被覆蓋度，並以此為基礎，運用局部方差思想和信息熵理論，定量分析出該區域最佳空間尺度，為植被研究中遙感影像最佳空間尺度的選擇做出一定的嘗試。

1）高解析度遙感影像圖計算出的NDVI取值範圍較寬，隨著柵格像元的增大，值域範圍呈現出收攏的趨勢；同時由於重採樣的計算過程中，對柵格中信息丟失的概率相同，因此均值和標準差變化不太明顯，但是如果將不同感測器的不同解析度數據進行計算的話，均值與標準差的變化情況則有待確定。圖斑數量屬於解析度的高敏感指標，面積比則是低敏感指標。

2）像元大小的改變，往往影響著圖像信息量的豐富程度，這種現象在地表覆蓋較為複雜的區域尤為明顯。從信息熵的角度來度量柵格數據中所包含的信息，可以發現，隨著柵格單元的變大，其所包含的信息量也隨之逐漸減少。

3）通過描繪植被覆蓋度信息熵的變化趨勢線，選取拐點發生前的平穩區間所對應的解析度區間（0.5~12 m）為最佳解析度區間；然後對用於植被分析的兩個波段和植被覆蓋度的局部方差進行定量分析，確定該研究區Worldview-2影像植被分析的最優空間尺度為12 m。這種方法可以克服在植被研究過程中對高精度影像數據的盲目選擇，並且易於操作。但由於本研究主要以植被覆蓋度為計算數據，因此在信息熵的分析中以信息含量為主要考慮因素，而在進行影像分類時，空間尺度的選擇則應更多的考慮信息熵所代表的不確定性和可分性。

2017年（第42卷）第3期

關於《測繪科學》

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！