环境减灾二号A/B卫星在生态保护红线区植被覆盖信息提取中的应用
时间：2022-12-02 10:35:03 来源：雅意学习网 本文已影响 人 
檀畅 王飞 王霓妮 滕佳华 游代安 刘思含
(1 生态环境部卫星环境应用中心，北京 100094)(2 国家环境保护卫星遥感实验室，北京 100094)
近年来，随着工业化和城镇化进程的不断推进，我国生态环境的形势日益严峻。国家出于维护生态安全的需要，划定了生态保护红线，它是我国环境保护的重要制度创新和关键举措。生态保护红线是指在自然生态服务功能、环境质量安全、自然资源利用等方面，需要实行严格保护的空间边界与管理限值，以维护国家和区域生态安全及经济社会可持续发展，保障人民群众健康[1]。生态红线保护区本质上属于生态功能重要区域和生态环境敏感脆弱区域，必须予以严格保护[2]。植被作为陆地生态系统中不可或缺的一部分，在水土保持、物质循环等方面发挥着重要作用，对气候变化及人类活动响应灵敏[3]。因此，植被覆盖度通常被作为衡量生态系统及生态环境状况的一个综合量化指标[4]，能够在一定程度上反映区域生态系统的安全性与稳定性。获取生态保护红线区的植被覆盖状态，对于分析、评估生态保护红线区的生态环境具有重要的现实意义[5]。
随着我国环保工作的不断深入，生态环境评估等新的环境保护工作需要将环境监测从点扩展到面、从静态扩展到动态、从局地扩展到全域[6]，环境减灾二号A/B(HJ-2A/B)卫星就是在这样的背景下研制发射的，是《国家民用空间基础设施中长期发展规划》(2015-2025)中规划的两颗卫星[7]；
由2颗16 m光学卫星组成(A星和B星)，于2020年9月27日成功发射，设计寿命5年。卫星搭载4个有效载荷，包括：16 m CCD相机(5个波段)、高光谱成像仪、红外相机和大气校正仪，可提供16 m多光谱、48 m/96 m高光谱和48 m/96 m红外图像数据。HJ-2A/B卫星通过协同组网观测，在不考虑云雾的影响下，可见光及红外多光谱数据2天可覆盖全国一次、高光谱数据15天覆盖全国一次，可为国土资源、水利、农业、林业、地震等行业提供重要的数据支撑，提升生态环境主体业务中遥感数据国产化率。
本文从生态红线保护区生态环境评估的应用需求出发，以生态红线保护区的植被覆盖情况为切入点，选择北京百花山自然保护区作为典型试验区，开展HJ-2A/B卫星数据在生态保护红线区植被覆盖信息提取应用的分析研究，并以高分一号(GF-1)卫星数据提取结果作为参考，评估该数据对植被信息提取所能达到的精度水平，确定其是否可以满足生态保护红线区植被覆盖信息提取业务化运行的需求。
1.1 研究区域
北京百花山自然保护区是北京市生态红线保护区的重要组成部分，暖温带华北石质山地次生林是其主要保护对象，属于典型的山地森林生态系统，是北京西部的一道绿色屏障[8]。北京百花山国家级自然保护区(115°25′～115°42′E, 39°48′～40°05′N)位于北京市门头沟区清水镇境内，1985年批准成立，并于2008年升级为国家级自然保护区，占地总面积为21 743.1公顷，是北京市面积最大的自然保护区。北京百花山自然保护区地处亚高山地带，属于典型的中纬度温带大陆性季风气候区，四季分明，冬季干燥寒冷多风，夏季温热多雨，春季干旱，秋季晴朗少风，温度适中。保护区年降水量在450～720 mm，多集中在6、7、8三个月，约占全年降水量的70%。全年平均气温6～7 ℃，全年无霜期110天左右。蒙古栎林是当前百花山自然保护区分布最广的森林群落之一，覆盖度达 80%[9]。北京百花山自然保护区因其物种资源的丰富、地理位置的特殊，对区域性气候调节、水源涵养和风沙防治等具有巨大的生态作用。因此，本文选择北京百花山自然保护区作为研究区域。
1.2 遥感数据及预处理
本研究选取2021年5月10日拍摄的HJ-2A/B卫星多光谱影像来开展植被覆盖度反演测评工作，选取成像时间同样为2021年5月10日的GF-1卫星作为参考影像。图1为覆盖研究区的HJ-2A/B和GF-1卫星真彩色波段合成影像，影像特征非常相近。HJ-2A/B和GF-1卫星影像需要经过包括辐射校正、大气校正和几何校正等预处理才能准确开展植被覆盖度反演研究。本文利用HJ-2A/B和GF-1卫星数据的头文件获取定标参数，先对HJ-2A/B和GF-1卫星数据可见光、近红外波段数据进行辐射校正；
然后利用卫星过境时实测大气廓线、6S模型等对数据进行大气辐射校正，得到可见光、近红外波段地表反射率数据；
在研究区域内通过选取分布均匀的20～30个控制点，利用多项式模型对两景影像进行几何校正，将它们统一投影到WGS-84坐标下，它们之间的配准误差低于1个像元。(上述预处理操作是在ENVI 5.3软件中进行的。)
图1 覆盖研究区域的遥感影像Fig.1 Remote sensing images covering the study area
生态红线保护区植被覆盖信息提取分析流程如图2所示。①选取合适时段的遥感影像；
②根据2.2节描述的方法进行图像预处理；
③计算归一化植被指数(Normalized Difference Vegetation Index, NDVI)；
④基于NDVI指数与地表植被覆盖度之间的关系，进行地表植被覆盖度的估算；
⑤对遥感估算的植被覆盖度进行分级，其中，覆盖度高于0.85为地表植被覆盖，属于优等状态；
0.70～0.85属于良好状态；
0.55～0.70属于中等状态；
0.40～0.55属于一般状态；
低于0.40属于地表植被覆盖比较差的状态。对HJ-2A/B卫星数据和GF-1卫星参照数据估算的结果进行分级面积统计，并对统计结果进行对比分析，评定两种数据反演结果分级统计面积之间是否一致。从专题图分级图形的总体趋势和抽取一定数量的植被覆盖度分级图斑，对HJ-2A/B卫星数据和GF-1卫星参照数据估算结果专题图进行比对，评定两种数据结果的空间分布趋势之间是否吻合；
⑥根据植被覆盖度估算结果的分级统计面积、空间分布趋势综合评价HJ-2A/B卫星的16 m多光谱数据在地表植被覆盖度信息提取中的应用能力。
图2 本文植被覆盖信息提取步骤Fig.2 Steps of vegetation cover information extraction in this study
归一化植被指数NDVI计算如下：
(1)
式中：VNDVI为归一化植被指数的值；
ρNIR为遥感影像近红外波段的反射率(%)；
ρRed为遥感影像红光波段的反射率(%)。
植被覆盖度是指植被(包括叶、茎、枝)在地面的垂直投影面积占统计区总面积的百分比。目前已经发展了很多利用遥感测量植被覆盖度的方法，较为实用的方法是利用植被指数近似估算植被覆盖度，常用的植被指数为NDVI。下面是在像元二分模型的基础上基于NDVI指数估算植被覆盖度的方法[10]。
(2)
式中：VVFC为植被覆盖度(%)；
VNDVI-soil为裸土或无植被覆盖区域的NDVI值，即无植被覆盖像元的NDVI值；
VNDVI-veg代表完全被植被所覆盖的像元的NDVI值，即纯植被像元的NDVI值。
3.1 植被覆盖度计算结果
基于两组遥感影像，根据式(2)，分别计算得出研究区域的植被覆盖度，植被覆盖度分布如图3所示。从图中可以看出，5月百花山植被进入生长期，植被覆盖度较高， HJ-2A/B卫星数据估算的结果与GF-1卫星估算的结果在空间分布上大致吻合。
图3 数据估算的植被覆盖度分布图Fig.3 Vegetation coverage distribution map estimated
根据测试数据和参考数据反演的植被覆盖度结果，对其进行等级划分，植被覆盖度等级占比统计结果如图4所示，统计结果对比如表1所示。从表中可以看出， HJ-2A/B卫星数据和GF-1卫星参考数据估算的植被覆盖度在各个等级范围内的占比相当。其中，植被覆盖度大于0.5的区域范围均占50%以上，HJ-2A/B卫星数据估算结果略高。植被覆盖度小于0.1的区域范围占30%以上，HJ-2A/B卫星数据反演结果略低。植被覆盖度高值区主要位于山区，植被生长状态较好，低值区主要分布在影像西部的城镇周边区域。
图4 植被覆盖度等级占比统计图Fig.4 Statistical diagrams of grade proportion of vegetation coverage estimated
表1 植被覆盖度分级统计对比表Table 1 Comparison table of grade proportion of vegetation coverage estimated
3.2 植被覆盖度地面验证
为了更好地评估HJ-2A/B卫星数据在生态保护红线区植被覆盖信息提取中的应用能力，2021年5月10日—5月12日在怀来实验站开展了植被覆盖度地面验证实验，通过在官厅水库附近构建3个大小为30 m×30 m的地面样方(如图5所示)，同时使用无人机拍摄样方区域的高分辨率遥感影像，然后提取无人机影像中的植被像元，最后通过统计植被像元的多少计算得到样方区域的植被覆盖度。同时，选取HJ-2A/B卫星在实测数据日期附近质量最好的一景数据(HJ-2B卫星在2021年5月7日拍摄的一景)，利用前面所述的植被覆盖度估算方法，反演出样方区域在遥感数据植被覆盖度。最后，对比无人机遥感数据和HJ-2A/B卫星数据分别得到的植被覆盖度，评估HJ-2A/B卫星数据估算植被覆盖度的能力。图6为3块样方无人机拍摄的示意图，3个样方中的植被覆盖类型分别为梨树、杏树和桃树。
图5 位于官厅水库附近的3块无人机样方点的Google影像Fig.5 Google Earth image of three drone quadrat sites near the Guanting Reservoir
由于HJ-2B卫星CCD数据的空间分辨率为16 m，为减小几何位置误差带来的影响，对样方经纬度坐标邻近的9个像元取平均，与地面无人机实测值进行对比。结果如表2所示。杏树点的卫星估算数据相较于地面实测数据低估较多，通过结合实际测量状况，发现杏树点样方附近为植被覆盖很小的小树，只有杏树一块比较大，混合像元造成了杏树点的低估。而梨树和桃树点样方卫星估算的植被覆盖度相对误差较小。上述结果表明HJ-2A/B卫星数据可以用于植被覆盖度的信息提取，精度符合业务化运行的要求。
图6 3块无人机样方示意图Fig.6 Schematic diagram of three UAV quadrats
表2 HJ-2A/B卫星数据估算的植被覆盖度误差结果Table 2 Error results of vegetation coverage estimated from HJ-2A/B satellites data
HJ-2A/B卫星空间分辨率为16 m多光谱数据的空间细节丰富、数据质量较好，能在较大程度上反映地表植被覆盖的空间细节信息，能够较好地区分有植被覆盖类型和其他无植被覆盖类型。利用该数据对地表植被覆盖度进行反演得到的结果精度、分级统计面积与参照数据GF-1卫星反演的结果一致性较好，而且空间分布趋势与参照数据结果也大致吻合。此外，结合无人机地面验证结果，表明16 m光学业务卫星HJ-2A/B卫星数据能够满足生态保护红线区植被覆盖信息提取业务需求。
猜你喜欢 植被红线卫星 房企“三道红线”的破局探索房地产导刊(2022年10期)2022-10-18细细的红线英语世界(2022年9期)2022-10-18追踪盗猎者课外生活·趣知识(2021年2期)2021-05-24第一节 主要植被与自然环境 教学设计学校教育研究(2021年24期)2021-03-28杭锦旗植被遥感分析农业与技术(2020年12期)2020-07-04静止卫星派科学家(2019年3期)2019-08-18一两江湖之红线引[连载一]意林·全彩Color(2018年9期)2018-10-12Puma" suede shoes with a focus on the Product variables科学与财富(2016年28期)2016-10-14What Would Happen If All Satellites Stopped Working？ 假如卫星罢工一天新东方英语(2014年1期)2014-01-07对生活地区植被的调查报告中学生物学(2008年12期)2008-12-27
