毕业论文-尺度转换对NDVI的影响研究

第页（共13页）尺度转换对NDVI的影响研究作者：指导教师：摘要：如何用一种向上的尺度转换方法使得一幅高分辨率的遥感图像经向上尺度转换后可以生成一幅低分辨率的遥感图像,并且使这幅新生成的图像所描述的地物空间关系、空间格局及破碎程度等信息与实际情况下该尺度下的信息保持一致,损失的信息量最少。如何找到这样一种尺度转换的方法是尺度问题中的核心部分,也是遥感中最终要解决的问题。本文一方面结合景观生态学中有关空间分析和尺度转换的方法及最近提出的基于直方变差图的尺度转换方法,对这些方法加以对比并分析了它们各自的优缺点;另一方面在直方变差图的基础上结合分形理论引入了尺度转折点这一概念。通过各个尺度转折点可以确定各个尺度域。本文将结合以前学者们对于内蒙古草原的NDVI的处理数据来进行阐述尺度转换对NDVI的影响研究。关键词：遥感；尺度转换；NDVI1、引言尺度研究的根本目的在于通过适宜的空间和时间尺度来揭示和把握复杂事物规律。为此,科学有效的尺度选择和尺度转换方法不可或缺。由于我们面对的自然界和人类社会所具有的多样性、空间异质性和非线性特征,对它们的研究往往要在多级尺度上进行并对不同尺度间信息转换。在景观生态研究中人们提出了许多表述缀块及缀块间空间关系的统计参数,描述尺度和进行尺度转换的方法,而且研究也较定量遥感中的尺度转换成熟。它们的表述思想和关于尺度的研究方法可供地理学家借鉴。但是,由于它们的提出有较深刻的生态学背景(如种群、群落、能量流动的廊道等),难以方便地直接用于定量遥感研究。由于地球系统空间异质性的存在,限制了我们在不同尺度上不同传感器遥感数据之间的尺度转换。张颢等提出的直方变差图法已经初步表明在空间分析及多尺度信息融合方面有比较好的应用并显示出很好的前景。本研究在直方变差图的基础上结合分形理论引入了尺度转折点这一概念,提出了基于“尺度转折点”的尺度转换方法的想法,并结合实际图像进行了理论验证。2、研究方法及研究区域的概述2.1研究方法2.1.1尺度尺度在地学、生态、气象、遥感等不同领域有着不同的定义。从遥感的角度分析,尺度包括空间分辨率、时间分辨率及光谱分辨率。造成遥感问题复杂化的重要原因之一就是地面测量数据、不同遥感测量方式获取的数据和应用需要的数据在尺度上的不一致。如何在不同尺度的数据间相互转换是尺度问题研究的核心之一。2.1.2尺度转换尺度转换是指将某一尺度上所获得的信息和知识扩展到其他尺度上的过程。目前进行尺度转换的方法很多,按照其转换基础划分为基于像元的尺度转换和基于对象的尺度转换。基于像元的尺度转换像元包括遥感数据的空间分辨率、时间分辨率、光谱分辨率等信息,早期的遥感数据尺度转换工作多是围绕像元展开。基于像元的尺度转换方法可粗略地分为统计方式、融合转换以及分类转换。基于对象的尺度转换以像元为基本单位的尺度转换方法简单易行,然而它只考虑了地物的光谱信息,无法兼顾地物的空间结构形态特征,难以解决同谱异物和同物异谱问题,致使难以得到稳定的转换效果。而地物类别的空间结构形态是根据类别的属性差异呈聚集状分布,因此遥感影像中的地物类别特性不仅表现在单纯的光谱信息上,还表现在形状、纹理等特征上。近年来,随着对尺度转换的深入研究,不少学者提出用对象代替像元进行尺度转换。Hay等将对象定义为:在影像上独立的可分解的实体,可由高分辨率像元集聚产生,具有重复性、稳定性。每个对象有代表其本质的尺寸、形状,与真实世界有着地理联系。基于对象的尺度转换是以对象为基本单元,在高空间分辨率影像上利用影像多尺度分割技术,构建不同尺度的影像信息等级结构,实现遥感影像信息在不同尺度层之间的传递。小尺度层上的影像描述地物细节的空间结构特征,而大尺度层上的影像表示地物抽象或宏观的空间结构特征。尺度转换的关键在于如何合理地确定对象的分割大小。对象的分割大小由影像空间结构特征所决定。地物的空间结构特征在遥感影像上表现为一定的纹理特征。纹理作为一种局部邻域信息,具有尺度性、平移不变性和确定与随机二重性。因此,基于对象的尺度转换实际上是对遥感影像纹理特征的提取及合理分割。所提取的纹理特征应能反映纹理的多尺度特征,能够综合或表示多尺度上的纹理信息。2.2地理位置概述内蒙古草原地处欧亚大陆的腹地,地域辽阔,草原类型丰富多样,占全国草原总面积的22%,是我国重要的畜牧业生产基地。同时内蒙古草原横跨我国三北地区,是屹立于我国北方的一道天然绿色屏障,对我国的生态环境保护和改善发挥着不可替代的作用。根据内蒙古自治区1∶100万草原类型图统计的全区草原总面积794239.00km2,主要由温性草原、温性荒漠、低地草甸、温性荒漠草原、温性草甸草原、温性草原化荒漠、山地草甸等7类草原构成,面积达781587.10km2,占内蒙古草原总面积的98.40%,是构成内蒙古自治区草原的主体。2.3数据的介绍2.3.1MODISMODIS是搭载在terra和aqua卫星上的一个重要的传感器，是卫星上唯一将实时观测数据通过x波段向全世界直接广播，并可以免费接收数据并无偿使用的星载仪器，全球许多国家和地区都在接收和使用MODIS数据。MODIS是当前世界上新一代“图谱合一”的光学遥感仪器，有36个离散光谱波段，光谱范围宽，从0.4微米（可见光）到14.4微米（热红外）全光谱覆盖。可用于对陆表、生物圈、固态地球、大气和海洋进行长期全球观测。2.3.2NOAANOAA是隶属于美国商业部的科技部门，主要关注地球的大气和海洋变化，提供对灾害天气的预警，提供海图和空图，管理对海洋和沿海资源的利用和保护，研究如何改善对环境的了解和防护。该局除了文职人员外，还有一个300人的穿统一制服的队伍，执行为管理厅工作的飞机、船只、车辆的驾驶、保卫等任务。3基于MODISNDVI和NOAANDVI的尺度转换研究3.1植被指数利用卫星不同波段探测数据组合而成的，能反映植物生长状况的指数。植物叶面在可见光红光波段有很强的吸收特性，在近红外波段有很强的反射特性，这是植被遥感监测的物理基础，通过这两个波段测值的不同组合可得到不同的植被指数。差值植被指数又称农业植被指数，为二通道反射率之差，它对土壤背景变化敏感，能较好地识别植被和水体。3.2NOAANDVI和MODISNDVI的计算方法下面我们以内蒙古草原为例，对大尺度草原区不同分辨率遥感数据之间的空间尺度转换方法进行了探讨。由于MODIS和NOAA数据都具有较低空间分辨率的特点(较低的空间分辨率会带来较大的空间配准误差和更为复杂的地物混合光谱成像过程),且研究区域面积较大,基于纯象元NDVI分解的尺度转换方法,高精度土地利用类型图、不同类型植被纯象元等参数的获取困难。因此采用统计学方法,在宏观尺度上直接根据MODISNDVI和NOAANDVI数据之间的相关关系建立线性空间尺度转换模型,并将该模型进行时间尺度的外推应用。内蒙古草原地处欧亚大陆的腹地,地域辽阔,草原类型丰富多样占全国草原总面积的22%,是我国重要的畜牧业生产基地。同时内蒙古草原横跨我国三北地区,是屹立于我国北方的一道天然绿色屏障,对我国的生态环境保护和改善发挥着不可替代的作用。主要由温性草原、温性荒漠、低地草甸、温性荒漠草原、温性草甸草原、温性草原化荒漠、山地草甸等7类草原构成,面积达781587.10km2,占内蒙古草原总面积的98.40%,是构成内蒙古自治区草原的主体。因此将这7类草原作为我们的研究区域。3.3MODISNDVI和NOAANDVI两种尺度的稳定性分析由于研究涉及空间尺度转化模型进行时间尺度外推,因此有必要对MODISNDVI与NOAANDVI数据相关关系在长时间尺度上的稳定性进行分析,这也是确保所得空间尺度转化模型稳定、有效的基本前提。选择研究区域内2000-2003年4-10月的月最大值合成NOAA和MODIS的NDVI数据,利用ArcGIS9.0软件计算研究区域内2种数据在不同月份NDVImax的相关性,比较相同时期NDVImax相关性的波动情况,研究二者之间在研究区域内是否存在稳定的相关关系。结果见下图。研究区域内2000——2003年月最大值NOAANDVI和MODISNDVI数据相关性分析由图可知,研究区域内NOAANDVI和MODISNDVI数据在2000-2003年的生长季(4-10月)内除2001年外(这主要是由于2001年气候条件差,造成草原植被状况差,其土壤背景噪声等因素对AVHRR和MODIS传感器监测时的相对影响程度也随之变大,造成了误差增加,干扰了二者对反映真实草原植被状况NDVI数据的获取),其相关关系基本都呈规律性变化,二者之间在长时间尺度上的相关关系稳定。3.4MODISNDVI和NOAANDVI的空间尺度转化方法由于传感器自身的原因,MODIS传感器在定标方式、空间和光谱分辨率精度上都要优于AVHRR传感器,MODISNDVI也能够更为真实地反映草原植被状况,所以研究选择由NOAANDVI向MODISNDVI进行尺度上推的空间尺度转化方式,建立转化模型。MODISNDVI和NOAANDVI两种尺度的稳定性分析五月各类型草原NOAA和MODIS数据关系比较六月各类型草原NOAA和MODIS数据关系比较七月各类型草原NOAA和MODIS数据关系比较八月各类型草原NOAA和MODIS数据关系比较九月各类型草原NOAA和MODIS数据关系比较十月各类型草原NOAA和MODIS数据关系比较由上图我们不难看出研究区域内草原植被4-10月的MODISNDVI与NOAANDVI数据具有良好的线性相关关系,其相关性从4月开始逐渐增强,至8月达到最高,9月后逐渐下降。其中4月相关性最低,5和10月的相关性相差不大,10月略高于5月;6和9月的相关性相差不大,9月略高于6月;7和8月的相关性相差不大,8月略高于7月;5、10月的相关性显著高于4月,6-9月的相关性显著高于4、5和10月,7、8月的相关性明显高于6、9月。MODISNDVI与NOAANDVI数据线性相关性的这种变化趋势,是对研究区域内的草原植被生长状况的真实响应。4月研究区域内的草原刚刚开始返青,此时草原植被的覆盖度和生物量是一年中最低的时候,由于其本身的NDVI植被指数值很小,此时土壤背景噪声等因素对AVHRR和MODIS传感器监测时的相对影响程度最大,由此造成的误差也随之加大,特别是NOAANDVI数据,由于其定标参数的不确定性,导致中、低值范围的变化超过20%,这些都大大干扰了二者对反映真实草原植被状况NDVI数据的获取,使得4月的NDVI数据中夹杂了过多的噪声,所以4月的MODISNDVI与NOAANDVI数据相关性也最差。5月研究区域内的草原植被覆盖度和生物量较4月有了较大的增长,相应的土壤背景噪声等因素对AVHRR和MO-DIS传感器监测时的相对影响程度开始减弱,因此5月的MODISNDVI与NOAANDVI数据相关性较4月有了显著的提高。6月研究区域内的草原植被覆盖度和生物量有了进一步的显著增加,MODISNDVI与NOAANDVI数据的相关性继续增强。7和8月是研究区域内的草原植被状况一年中最好的2个月,因此7、8月的MODISNDVI与NOAANDVI数据的相关性显著高于其他月份,与7月的草原植被状况相比,8月的草原植被状况要好,但由于AVHRR和MODIS传感器的饱和效应影响,干扰了其对反映真实草原植被状况NDVI数据的获取,因此8月的MODISNDVI与NOAANDVI数据的相关性只是略高于7月。进入9月研究区域内的草原植被覆盖度和生物量开始降低,但由于研究区域内存在了大量枯草的影响,降低了土壤背景等噪声因素对AVHRR和MODIS传感器监测时的影响,因而9月的MODISNDVI与NOAANDVI数据的相关性要略高于6月,同理,10月的MODISNDVI与NOAANDVI数据的相关性也略高于5月。4、尺度转换的两种主要的方法4.1局部方差法局部方差法是由Woodcock和Strahler于1987年提出的。首先把一幅高分辨率的图像通过up-scaling变成不同低分辨率的图像,在各个不同低分辨率的图像上分别算得局部方差值,然后绘出局部方差的曲线图来。局部方差的计算方法:分别计算每一个3×3滑窗里9个像元的标准方差,然后对各个3×3滑窗的标准方差求其平均值作为在这一分辨率下的整幅图像的局部方差值。然后再计算其他分辨率下整幅图像的局部方差值。有关研究表明:图像的局部方差是和地物的实际尺寸以及空间分辨率都有关系的。如果空间分辨单元比实际地物的尺寸还小时,在图像上相邻的单元间的相关性很高,而局部方差的值就会很低;如果空间分辨单元和实际地物的尺寸相当时,在图像上相邻的单元间的相关性变低,而局部方差的值就会升高;如果空间分辨单元比实际地物的尺寸大时,一个分辨单元中就可能包括好多不同的地物,这时会使局部方差降低。最大局部方差对应的分辨率可以看做是图像中主要组分的运行尺度。因此通过局部方差法分析的结果可以指导进行尺度选择。尺度选择的不同,可能会导致对所研究对象的过程及其相互作用规律不同程度的把握,最终会影响到研究成果的科学性和实用性。理论上讲,应该选取最佳尺度,实际上,尺度的选择受到一系列因素(如研究对象的性质和复杂程度)的影响和制约,在充分考虑这些因素的情况下,尺度选择应该具有层次性,即至少要包括核心尺度、小尺度组分和大尺度背景三个层次。这样有助于全面把握研究对象的特征与规律。4.2直方变差图法张颢等通过定义驻点和边界点的方法发展了利用直方变差图来表示图像中各类对象的整体破碎程度的方法。设有一M×N大小的图像z=f(x,y),灰度分辨率为DN,空间分辨率d,则其直方图为:当对该图像采用m×n的聚合窗进行向上的尺度转换后,空间分辨率变为md×nd,图像大小变为(M/m)×(N/n)。图像变为:其对应直方图数学表达为:我们将经过一系列尺度转换后得到的一组直方图称为直方变差图(histo-variogram),即以直方图形式表达的随尺度变化的方差图。当原始图像中m×n聚合窗中各像元具有相同的灰度值时,在md×nd分辨率下的新像元保持灰度不变,我们称该新像元为驻点(standingpixel),表示为fmn-standing(x,y),显然驻点代表着平坦地表像元;反之称其为边界点(contourpixel),表示为fmn-contour(x,y),显然边界点代表着驻点的边缘或者坡面像元。因此,可将新图像的直方图分解为两部分:Hist_smn(zi)为驻点直图: Hist_cmn(zi)为边界点直方图:通过对驻点直方图的研究,可以得到以下结论:对不同尺度下驻点变化特征的描述可由几个有明确物理意义的变量来表示:度量尺度(δ),驻点初始面积(S0),驻点的整体分维(d)。即驻点面积随度量尺度的变化可表示为:Sδ=f(S0)δd-2当得知某尺度下度量的驻点面积,可根据该类驻点的空间格局推知更细尺度下驻点的面积等特征。根据直方变差图可得到表明某类驻点空间格局的参量──整体分维,这就为进行尺度转换提供了可能。5总结总体上研究区域内的MODISNDVI在数值上具有大于NOAANDVI的特点,且二者在生长季(4-10月)内具有较高的相关性。该相关性的强弱主要受植被生长气候条件的影响,这是由于气候条件较好的情况下,草原植被的高覆盖有效降低了土壤背景在AVHRR和MODIS传感器成像时造成的噪声。反之,植被生长气候条件差时会加大土壤背景在AVHRR和MODIS传感器成像时的噪声,导致MODISNDVI和NOAAND-VI数据的相关程度下降,因此在研究区域内7、8月的MODISNDVI和NOAANDVI的相关程度最强,4月最弱。基于MODISNDVI和NOAANDVI数据所建立的线性空间尺度转化模型在时间维上具有一定程度的稳定性。空间尺度转化模型经过时间尺度外推应用后,其转化后的NOAANDVI数据依然保持了对草原生物量较高的监测精度,表明该模型能够被应用于时间尺度上的外推。由于7、8月的植被状况最好,MODISNDVI和NOAANDVI数据的相关性最强,因此基于7、8月MO-DISNDVI和NOAANDVI数据所建立的空间尺度转化模型在进行时间尺度外推时,其稳定性也最优。基于统计学方法,利用250m分辨率MODISNDVI和8km分辨率NOAANDVI数据之间的线性相关关系,在较大尺度上建立了MODISNDVI和NOAANDVI数据之间的空间尺度转换模型,但由于该方法自身并未考虑8km分辨率NOAANDVI数据大像元内部的空间异质性,因此,经尺度转换后的NOAANDVI数据在原始8km分辨率的大像元区域内(8km×8km)的250m分辨率小象元数据之间相对精度并未提升,这是本方法的主要不足之处。但在空间尺度如此之大的研究区域内,受到诸多基础数据严重不足的限制(高精度土地利用图缺乏、低分辨率数据空间配准误差大、不同类型植被纯像元不足等),难以采用其他考虑空间异质性较好的尺度转换方法,因此采用的方法在保障总体尺度转换精度的前提下,也不失为在大尺度空间范围内不同分辨率遥感数据之间进行尺度转换、分析比较的一条切实可行的科学方法。参考文献[1]李新,黄春林,车涛,等.中国路面数据同化系统研究的进展与前瞻[J].自然科学进展,2007,17(2):163-173.[2]MayauxP,LambinEF.Estimationoftropicalforestareafromcoarsespatialresolutiondata:Atwo-stepcorrectionfunctionforproportionalerrorsduetospatialaggregation[J].RemoteSensingofEnviron-ment,1995,53(1):1-15.[3]王开存,刘晶淼,周秀骥,等.利用MODIS卫星资料反演中国地区晴空地表短波反照率及其特征分析[J].大气科学,2004,28(6):941-949.[4]KevinG,LeiJ,BradR,etal.MultiplatformcomparisonsofMODISandAVHRRnormalizeddifferencevegetationindexdata[J].RemoteSensingofEnvi-ronment,2005(99):221-231.[5]鲍平勇,张友静,贡璐,等.由遥感数据获取的地表反照率归一化问题探讨[J].河海大学学报(自然科学报),2007,35(1):67-71.[6]张万昌,钟山,胡少英.黑河流域叶面积指数(LAI)空间尺度转换[J].生态学报,2008,28(6):2495-2503.[7]王培娟,谢东辉,张佳华,等.基于过程模型的长白山自然保护区森林植被净第一性生产力空间尺度转换方法[J].生态学报,2007,28(8):3215-3223.[8]黄家洁,万幼川,刘良明.MODIS的特性及其应用[J].地理空间信息,2003,1(4):20-28.[9]PotteC,TanPN,SteinbachM,etal.Majordisturbanceeventsinterrestrialecosystemsdetectedusingglobalsatellitedatasets[J].GlobalChangeBiology,2003(9):1005-1021.[10]StevenMD,MalthusTJ,BaretF,etal.Intercalibrationofvegetationindicesfromdifferentsensorsystems[J].RemoteSensingofEnvironment,2003,88:412-422.[11]严建武,李春娥,袁雷,等.EOS-MODIS数据在草地资源监测中的应用进展综述[J].草业科学,2008,25(4):1-9.[12]张连义,王刚,宝路如,等.锡林郭勒盟草地MO-DIS—NDVI植被指数和估产牧草产量季节变化特征[J].草业科学,2008,25(3):6-11.[13]徐斌,陶伟国,杨秀春,等.我国退牧还草工程重点县草原植被长势遥感监测[J].草业学报,2007,16(5):13-21.TotheinfluenceofthescalechangeNDVIresearchHUBinAbstract：Howtousetheupwardscaleconversionmethodmakesahighresolutionremotesensingimageupafterthescaleconversioncangeneratealowresolutionofremotesensingimage,andmakeitanewgenerationofimagedescriptionofthefeaturesspacerelation,spacepatternandbrokendegreewithinfor