喀斯特石漠化评价中植被和裸露基岩组分覆盖的遥感外文翻译资料

英语原文共 7 页，剩余内容已隐藏，支付完成后下载完整资料

喀斯特石漠化评价中植被和裸露基岩组分覆盖的遥感

摘要

植被（PV）和裸露基岩的组分覆盖是喀斯特地区土地退化程度和程度的关键生态指标。在本研究中，我们建议并比较了用于高光谱和多光谱图像的喀斯特石漠化关键指标的直接和客观估算的新方法。结果表明，Hyperion估算的PV覆盖率与现场调查的组分覆盖率具有良好的相关性，PV的R²（测定系数）和RMSE（均方根误差）分别为0.91和0.05;而裸露的基岩则不太好，分别为0.53和0.11。结果表明，高光谱图像能够直接估算喀斯特石漠化的关键生态指标，该指标处于非均匀地表中。至于ASTER图像，结果并不那么准确。结果表明，多光谱图像不能用于有效估算植被（PV）和裸露基岩的组分覆盖。我们的研究表明，在喀斯特生态系统的非均匀地表中，可以利用高光谱图像直接有效地估算植被（PV）和裸露基岩的组分覆盖，用于喀斯特石漠化评价。

关键词：组分覆盖；KRDSI；喀斯特石漠化；Hyperion；ASTER

1、前言

喀斯特地区通常是受地质环境约束的生态脆弱带，环境和抗干扰能力小[1-2]。中国西南地区是世界上最大的喀斯特地区之一。据估计，该地区的喀斯特地貌覆盖面积约为540,000平方公里。在过去的几十年里，喀斯特石漠化在那里以惊人的速度扩大。喀斯特石漠化是一种特殊的土地退化过程，土壤被严重或彻底侵蚀，基岩暴露广泛，土地承载能力严重下降，最终，喀斯特土地退化的景观与沙漠相似[3]。喀斯特石漠化伴随着西北地区沙漠化和黄土高原水土流失，成为中国最严重的生态环境问题之一[4]。

组分图像的分析产生了关于土地退化的最多信息[5]。作为关键生态指标，利用绿色植被（PV）和裸露基岩的组分覆盖来表征喀斯特石漠化程度和程度的表面症状[1]。在喀斯特地区，地表覆盖通常是几种类型的混合，因此即使是相对精细分辨率的遥感数据也不能测量纯像元，而是混合了植被和非植被的反射率，因此难以估算植被（PV）和裸露基岩的组分覆盖。

为了估计亚像元尺度下的地表覆盖比例，最常用的方法是光谱混合分析[6]。 然而，这种方法的利用受到终端成员的可变性的限制，特别是对于喀斯特地区的高度异质景观。另一种广泛使用的方法是基于植被指数。但是，植被指数不容易适用于所有地表覆盖类型。许多研究已经用于改善植被指数并使它们对光照条件的变化，观察几何形状和背景不敏感。特定指数的表现和适用性通常取决于指数对目标特征的敏感性[7]。以往的研究已经提出了用于绘制土地退化的颜色指数，形式指数，增强指数和强度指数[8]，但这些指标不适合提取裸露基岩的覆盖信息，而这是喀斯特地貌研究的重要信息。我们以前的研究提出了一个新的光谱指数——喀斯特石漠化综合指数（KRDSI），可用于提取非植被的组分覆盖[9]。但它只是利用野外光谱数据，需要进一步研究遥感图像。因此，本研究的主要目的是探索用高光谱和多光谱图像直接和客观地估算喀斯特石漠化关键指标的方法。

2、流程

2.1 数据收集和处理

为探索利用高光谱和多光谱图像直接客观估算喀斯特石漠化关键指标的新方法，采用EO-1 Hyperion和EOS Terra ASTER图像进一步验证了PV和暴露基岩分数覆盖的提取。EO-1 Hyperion图像于2008年3月3日获得，覆盖了广西大化县七百农附近典型的喀斯特石漠化区。使用大气校正（ACRON）对Hyperion图像进行大气校正，并基于1:50000 DEM进行几何校正。此外，为了比较用于提取喀斯特石漠化指标的高光谱和多光谱图像的能力，我们根据ASTER光谱响应函数将Hyperion光谱反射率与多光谱ASTER进行了卷积：

其中s ()是宽带卫星的模拟反射率，n是光谱点的数量宽带范围内的响应函数，s (i )是第i个响应带上的对象的反射率光谱仪，E(i )是光谱仪在第i个响应带上的白板辐射（W / m² / sr / nm），即入射太阳辐射， ( _i)是第i个波段不同卫星传感器的光谱响应函数值，是光谱响应带的间隔。

2.2 图像分割

为了减少非均匀地表对植被覆盖度估算的影响，我们提出了一种考虑地面物体空间自相关概念的方法。也就是说，地面物体与其相邻物体相似，虽然它在大尺度地表中具有高度异质性，但在小尺度地表上可能是相对较低的异质性。因此，如果将图像分割成相对同质的子集，将减少高异构景观对信息提取的影响。在本研究中，我们根据Hyperion的光谱相似度和ASTER的滑动窗口，利用相对均匀子集的分数对卫星图像进行分割，然后利用基于EO-1 Hyperion和ASTER的二分像素模型估算植被分数覆盖。ASTER的滑动窗口为35times;35像素。光谱相似度通过像素的光谱角计算：

其中 是像素的光谱角，T，R是光谱矢量。随着 的减少，T和R的相似性更大。

2.3 利用高光谱和多光谱图像提取植被和裸露基岩部分覆盖层的策略

为了利用高光谱图像提取喀斯特石漠化的关键指标，采用SWIR中的一系列光谱变量来描述或捕获暴露基岩的光谱吸收特征。这些光谱参数被称为KRDSI（喀斯特石漠化综合指数），我们之前的研究表明，用于描述吸收深度的KRDSI₃可以直接用于提取裸露基岩组分覆盖[9]：

其中c 是SWIR波长c处的样品光谱反射率; a，b和c分别是两个肩部的波长和峰值吸收; 并且0是波长c处的估计反射率，假设不存在吸收特征，因此在波长a和b的反射率之间线性插值。利用具有光谱相似性的预分割过的Hyperion的二分像素模型提取植被的组分覆盖。

Daughtry [10]表明，木质素纤维素吸收指数（LCA）与土壤和非光合作用植被（NPV）的组分覆盖线性相关：

其中ASTER5,6和8分别是SWIR中ASTER波段5（2.145-2.185mu;m），6（2.185-2.225mu;m）和8（2.295-2.365mu;m）的光谱反射率。利用多光谱图像提取喀斯特石漠化的关键指标，可以采用木质素纤维素吸收指数（LCA）提取非光合植被和土壤的组分覆盖，而PV可以用预分割过的ASTER的二分像素模型进行估算。 滑动窗口为35times;35像素。因此，可以估算裸露基岩的组分覆盖：100％-PV％ -土壤％-NPV％。

2.4 用Hyperion和ASTER验证提取的植被和裸露基岩的组分覆盖

由于喀斯特环境的高度异质性，混合像素非常严重。因此，我们利用现场调查点来验证用Hyperion提取喀斯特石漠化评价指标的准确性。共收集了21个有效点。验证结果显示了测定系数R²和观测场测量组分覆盖与从Hyperion和ASTER中提取的组分覆盖的线性关系的交叉验证RMSE。

1. 结果与讨论

3.1 用EO-1 Hyperion估算PV和裸露基岩的组分覆盖

结果表明，Hyperion估算的PV覆盖率与现场调查的分数覆盖率具有良好的相关性，PV的R²（测定系数）和RMSE（均方根误差）分别为0.91和0.05; 而暴露的基岩则不太好，分别为0.53和0.11（图1,2）。这是由于KRDSI没有考虑石灰石和白云石的光谱差异。结果表明，高光谱图像能够直接估算喀斯特石漠化的关键生态指标，该指标处于非均匀地表中。

图1由现场调查和Hyperion预测的分数覆盖的散点图和1：1直线（虚线）和拟合线（实线）。

图2用EO-1 Hyperion绘制PV和裸露基岩的组分覆盖。

3.2 用ASTER估算PV和裸露基岩的组分覆盖

PV和裸露基岩的组分覆盖估计结果不是那么准确（图3,4）。 PV的R²和RMSE分别为0.61和0.10，裸露基岩的R²和RMSE分别为0.48和0.11。这表明多光谱图像不能用于有效估计PV和裸露基岩的组分覆盖。这是由于多光谱带确定喀斯特生态系统高度异质性下地面物体的光谱差异的限制。此外，无论是高光谱还是多光谱图像，都应首先将图像分割成相对均匀的子集，以减少喀斯特生态系统异质性的影响。

图3由现场调查和ASTER预测的分数覆盖的散点图和1：1直线（虚线）和拟合线（实线）。

图4用ASTER绘制PV和裸露基岩的组分覆盖。

1. 结论

喀斯特石漠化是中国西南喀斯特地区的一个主要生态环境问题。本研究为利用多光谱和高光谱图像表征和量化喀斯特石漠化生态指标提供了机会。我们的研究表明它可以利用高光谱图像来实现。在喀斯特生态系统的异质景观中，直接有效地估算了PV和裸露基岩的组分覆盖，用于喀斯特石漠化评价。设计的KRDSI应区分石灰岩和白云岩的光谱特征，以提高对裸露基岩组分覆盖的估算。

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[17943]，资料为PDF文档或Word文档，PDF文档可免费转换为Word