基于MODIS LAI对不同土地利用类型EVI敏感度分析.pdf

基于MOD I S L A I对不同土地利用类型E V I敏感度分析李 源,张学林(云南农业大学 水利学院/云南省高校农业遥感与精准农业工程研究中心,昆明 6 5 0 2 0 1)摘要:云南省位于我国西南地区,地形复杂多样,气候主要是亚热带季风气候,年温差小日温差大,降雨区域性明显,植被覆盖度也存在地域特殊性。文章研究的是在高L A I(叶面积指数)的情况下,不同土地利用类型的E V I(增强植被指数)的敏感程度。文章选取2 0 2 0年1 2个月的MO D I S 1 3 Q 1-E V I数据与MO D I S 1 1 5 A 2-L A I数据进行分析。通过对超过L A I年均值的月份下的耕地、林地、草地、居民城市用地等不同土地利用类型的E V I值进行对比。以不同月份超过E V I年均值的像元个数与总像元个数的比值作为敏感度对比的结果。最终得出2 0 2 0年云南省在高叶片面积指数的月份下超过E V I年均值的像元数占比为:耕地3 6.0 9%、林地4 4.5 5%、草地3 7.6 1%、城市居民用地3 1.5 8%。在高叶面积指数的情况下不同土地利用类型E V I敏感度由高到低的排名顺序是林地、草地、耕地、居民城市用地。关键词:E V I;L A I;云南省云南省地形复杂多样,区域辽阔,植物种类繁多,有“天然植物王”之称。气候基本属于亚热带和热带季风气候,物种丰富多样具有“植物王国”之称。云南省内地形复杂多样对植被覆盖率调查的影响因素多,通过此研究佐证加强植被指数可以更准确反应植被覆盖度。N D V I(N o r m a l i z e d D i f f e r e n c e V e g e t a t i o n I n d e x,归一化植被指数),归一化植被指数可以消除太阳观测角度、卫星观测角度、地形、大气、云层等因素带来的影响,但是归一化植被指数非线性变换导致N D V I值的低值部分突出,抑制了其高值部分,因此使N D V I指数容易趋向饱和,对于 高植被地区 的 植 被 覆 盖 度 敏 感 性 降 低1-7。增 强 植 被 指 数(E n h a n c e d V e g e t a t i o n I n d e x E V I)是基于遥感数据产品的一个算法,弥补了N D V I指数的缺陷,它减少了大气和土壤的噪音影响,可以稳定地反应所测地区的植被情况,增强植被指数通过蓝色波段增加植被信号,红光和近红外波段被设置的更加精细,不仅提高了对稀疏植被的探测能力而且在L A I值高的区域(植被茂盛的区域)探测能力也很强,绿色植被E V I值范围在0.20.88,9,通过2 0 2 0年高L A I值月份对比土地利用类型下E V I值的差异性,反应其E V I值的敏感程度。1 研究区域云南省位于西南地区,占地总面积3 9.4 1万k m2,占国土总面积的4.1%。介于北纬2 1 8 2 9 1 5,东经9 7 3 1 1 0 6 1 1,境内地形地貌为平原、台地、丘陵、山地,地势西北高东南低,自北向南呈阶梯状下降,立体气候特征明显,类型多,干湿分明,年温差大,日温差小,气温随地势高低垂直变化明显,年温差一般1 01 2,日温差可达1 22 0。全省的降水在季节和地域上分布极其不均匀,51 0月集中了8 5%的降水量,区域上降水最多的地方可达到2 2 0 02 7 0 0 mm,降水最少的地方仅有5 8 4 mm,因此植被覆盖空间性明显。2 0 2 0年土地利用情况可概括为耕地、林地、草地、水域、城乡居民用地、未利用土地分别占总面积的1 7.5 2%、5 7.3 8%、2 2.4 5%、1.0 0%、1.2 5%、0.4 0%,植被主要是耕地、草地、林地。2 数据获取文章选取的是来自NA S A官网(h t t p s:/l a d s w e b.m o d a p s.e o s d i s.n a s a.g o v/)的MO D I S 1 3 Q 1的产品数据,数据采用平均值合成法生成,时间选取为2 0 2 0年11 2月的E V I产品数据,分辨率为2 5 0 m,产品每1 6 d提供一次,所需数据需要选择MO D I S影响分区2 6、2 7的区域,通过NA S A官网的工具把2 6、2 7区域进行镶嵌,最终下载4 6个HD F文件。L A I数据选取NA S A官网MO D I S 1 5 A 2的L A I产品数据,时间选取2 0 2 0年11 2月,分辨率为1 k m,产品每8 d提供一次,同样选取分区2 6、2 7区域,最终下载9 2个HD F文件。2 0 2 0年云南省土地利用遥感监测数据在中国科学院资源与环境科学与数据中心(h t t p s:/www.r e s d c.c n/)获取,该数据基于L a n d s a t TM影像,通过人工目视解译生成,分辨率1 k m。收稿日期:2 0 2 3-0 1-1 605 现代化农业 2 0 2 3年第1 1期(总第5 3 2期)3 数据处理与分析通过E NV I 5.3软件对下载的原始数据进行重投影,MO D I S数据常用的数据格式是HD F,通过MC T K插件设置相关参数进行重投影。然后运用A r c G I S 1 0.8通过云南省的矢量边界图对MO D I S数据进行掩膜提取,裁剪出云南省的数据影像,再通过像元统计数据把两个1 6 d的影像组合成单月的影像,最后对数据进行叠加分析的模糊隶属度归一化处理,求出E V I的月平均值。增强植被指数E V I公式如下:E V I=2.5N I R-R E D N I R+6.0R E D-7.5B L U E+L (1)式(1)中,N I R为近红波段,R E D为红光波段,L为土壤调节参数,数值为1,B L U E为蓝色波段以增强植被信号,矫正土壤背景和气溶胶散射的影响。对MO D I S 1 5 A 2 L A I影像通过E NV I 5.3进行卫星影像拼接和投影,运用MR T批量处理,安装MR T后进入GU I界面,输入HD F原始数据,选择输出L A I,像元大小输出大小为2 5 0 m,运行后生成.g e o t i f f文件,新建英文文件夹考入HD F数据文件,在新建文件夹下建一个结果输出文件夹存放拼接输出的文件,输入代码到记事本,注意代码中MR T D AT A D I R的路径,然后文件扩展名改为.b a t,运行.b a t文件。然后通过MC T K插件设置相关参数进行重投影把.h d f文件转换成.d a t文件。运用A r c G I S 1 0.8通过云南省的矢量图掩膜提取,L A I数据中 2 5 5为填充值;2 5 4为多年生盐或内陆淡水的土地覆被;2 5 3为贫瘠,植被稀疏(岩石、苔原、沙漠)土地覆被;2 5 2为常年积雪,冰的土地覆被;2 5 1为永久湿地,被淹没的沼泽地的土地覆被;2 5 0为建筑土地覆被;2 4 9为未分类或无法确定的土地覆被。通过A r c G I S 1 0.8对L A I数据栅格转面,按属性选择01 0 0有效值,得出最终的数据1 0。对获取的2 0 2 0年云南省土地利用卫星影像图进行坐标重投影,重采样,栅格转面,对处理后的影像按属性提取分类,分为耕地、林地、草地、水、未利用土地、城市居民用地六大类,分别占云南省面积的1 7.5 2%、5 7.3 8%、2 2.4 5%、1.0 0%、1.2 5%、0.4 0%。通过A r c G I S对每月的E V I与L A I按不同土地利用矢量进行掩膜提取,对像元值进行平均统计得到数据如表1所示。表1 不同土地利用类型月均E V I值与L A I值月份耕地E V IL A I林地E V IL A I草地E V IL A I居民用地E V IL A I10.4 5 3 8 0 65.0 0 2 2 0 20.4 9 5 8 0 36.5 4 1 9 7 90.4 4 0 9 7 84.9 9 1 0 9 10.3 6 6 7 5 13.8 4 6 5 5 8 20.4 4 0 1 0 44.7 1 9 7 8 50.4 8 2 3 9 36.4 0 6 8 2 10.4 2 6 3 4 24.7 1 9 6 9 60.3 6 4 5 0 54.2 9 3 0 0 130.4 6 3 3 3 84.6 2 8 2 0 10.5 1 3 4 9 86.4 0 1 4 8 00.4 5 4 5 8 04.6 8 5 8 8 40.3 9 8 0 8 94.1 8 1 8 9 0 40.4 5 2 7 4 64.4 1 4 3 2 10.5 0 7 5 8 95.8 9 0 1 2 20.4 4 8 7 7 34.4 8 9 4 3 80.3 7 5 0 3 43.6 9 8 4 2 050.4 6 6 5 5 54.6 4 1 1 3 10.5 2 6 9 4 36.0 1 0 6 6 50.4 6 9 2 6 04.7 8 9 8 4 00.3 8 4 0 3 93.8 0 3 8 0 260.4 3 8 1 1 24.1 6 6 3 3 10.4 4 3 0 6 04.8 1 0 3 6 20.4 3 4 3 9 74.1 9 1 1 0 20.3 7 3 2 7 33.3 4 5 1 7 1 70.5 0 3 6 6 74.2 9 5 3 0 80.4 8 5 9 4 34.4 3 4 2 5 20.4 8 6 1 6 34.1 4 2 8 8 00.4 1 6 5 3 93.2 8 4 3 5 2 80.5 5 5 6 5 44.7 6 8 7 5 80.5 3 5 9 5 04.9 4 6 2 3 90.5 3 9 5 1 14.7 1 3 1 0 50.4 3 7 7 2 53.4 9 7 9 5 2 90.4 4 2 4 7 94.9 3 1 3 8 20.4 3 2 1 0 65.1 5 8 9 1 00.4 3 1 5 0 24.7 3 5 4 3 30.3 6 3 4 0 33.2 8 3 4 6 0 1 00.4 9 1 4 1 55.4 5 2 7 7 40.5 1 7 0 3 36.2 7 3 5 0 40.4 8 9 7 9 65.6 2 9 2 4 40.3 8 6 7 5 13.4 6 7 9 7 9 1 10.4 5 6 6 0 45.9 0 9 4 0 80.4 8 6 1 8 77.1 7 3 3 1 50.4 5 0 0 9 56.0 5 3 9 8 20.3 6 3 1 6 63.4 3 1 0 5 41 20.4 0 3 7 3 85.3 4 9 7 9 60.4 3 5 7 7 86.8 2 4 5 9 90.3 9 4 2 4 85.4 2 7 5 1 40.3 2 7 2 4 43.6 6 8 5 8 9 分别计算耕地、林地、草地、居民用地的L A I年均值,对不同土地利用类型取L A I值高于均值的月份。耕地L A I年均值4.8 5 6 6 1 6高于均值的月份为1、9、1 0、1 1、1 2,5个月份。林地L A I年均值5.9 0 6 0 2 1高于均值的月份为1、2、3、5、1 0、1 1、1 2,7个月份。草地L A I年均值为4.8 8 0 7 6 7高于均值的月份为1、1 0、1 1、1 2,4个月份。居民用地L A I年均值为3.6 5 0 1 8 6高于均值的月份为1、2、3、4、5、1 2,6个月份。分别对耕地5个月份、林地7个月份、草地4个月份、居民用地6个月份的E V I进行分析。15 现代化农业 2 0 2 3年第1 1期(总第5 3 2期)表2 耕地高L A I值月份高E V I值像元占比表月份小于均值大于均值大/总15 0 4 2 5 36 3 2 8 5 75 5.6 5%97 3 8 3 5 53 9 8 7 2 13 5.0 7%1 08 5 2 8 5 02 8 4 1 5 92 4.9 9%1 17 9 8 2 7 53 3 8 8 2 92 9.8 0%1 27 3 9 9 5 03 9 7 1 6 83 4.9 3%表3 草地高L A I值月份高E V I值像元占比表月份小于均值大于均值大/总16 0 1 5 6 98 5 8 6 5 55 8.8 0%1 09 1 1 1 9 95 4 9 0 2 73 7.6 0%1 11 1 8 3 0 3 52 7 7 0 9 71 8.9 8%1 29 4 8 4 7 35 1 1 7 1 93 5.0 4%计算E V I月均值,运用栅格计算器统计各月份大于均值像元的个数,通过大于均值像元个数与整体像元个数做比值。得出L A I值在不同土地利用类型下对E V I值的影响程度,如表2、3、4、5所示。表4 林地高L A I值月份高E V I值像元占比表月份小于均值大于均值大/总11 4 7 1 3 0 62 2 5 2 9 6 56 0.4 9%22 1 9 3 5 4 31 5 3 0 7 2 74 1.1 0%32 8 3 5 8 3 38 8 8 1 3 02 3.8 5%52 2 3 1 8 4 71 4 9 2 4 1 44 0.0 7%1 02 1 1 6 4 1 31 6 0 7 8 2 34 3.1 7%1 12 1 0 7 9 3 01 6 1 6 3 4 44 3.4 0%1 21 4 9 9 2 2 52 2 2 5 0 4 95 9.7 4%表5 居民用地高L A I值月份高E V I值像元占比表月份小于均值大于均值大/总16 4 5 3 41 6 5 9 42 0.4 5%25 5 7 4 92 5 3 9 73 1.3 0%35 2 5 6 42 8 5 8 23 5.2 2%45 2 0 6 02 9 0 8 63 5.8 4%55 2 4 2 42 8 7 2 23 5.4 0%1 25 5 7 8 82 5 3 5 83 1.2 5%耕地各月大于均值像元占比平均值为3 6.0 9%,林地各月大于均值像元占比平均值为4 4.5 5%,草地各月大于均值像元占比平均值为3 7.6 1%,居民用地各月大于均值像元占比平均值为3 1.5 8%。对比耕地、林地、草地、居民用地占比的平均值,得出结论高L A I对E V I的影响程度林地草地耕地居民用地。4 结果与讨论通过2 0 2 0年1 2个月的MO D I S 1 3 Q 1-E V I数据与MO D I S 1 1 5 A 2-L A I数据进行分析,增强植被指数相对于N D V I增加了蓝光波段的分析提高了对L A I高值区域的敏感度,是一个优化植被指数。利用2 0 2 0年云南省的土地利用数据对不同的土地利用类型进行提取,分析耕地、林地、草地、居民用地的高L A I值月份的E V I高值 的 像 元 占 比。最 终 得 出 结 论,林 地4 4.5 5%草 地3 7.6 1%耕 地3 6.0 9%居 民 用 地3 1.5 8%。用卫星遥感获取L A I值主要是通过模型统计法,其中主要是N D V I、R V I、P V I的影像与实测的L A I数据建立模型,不同土地利用类型的L A I值与植被指数的关系有较大的差异性,文章的L A I数据与E V I数据直接相关性较小,但E V I植被指数对高L A I值地区相对敏感,运用像元比值方式分析不同土地利用类型高L A I值与E V I值的影响。文章为今后不同土地利用类型下L A I值与植被指数的关系研究提供一定的参考。另外,文章存在数据分析简单,方法单一的问题,今后可以加入更多影响因子去分析两者的关系。5 参考文献1 曹俊涛,康雄,杨杰,等.2 0 1 0-2 0 1 9年三亚市N D V I时空变化特征J.农业工程,2 0 2 0(9):6 2-6 5.2 杨杰,张莹莹,王建雄,等.利用N D V I与E V I再合成的植被指数算法J.遥感信息,2 0 2 0(5):1 2 7-1 3 3.3 康雄,曹俊涛,陈成,等.不同趋势法的宁夏长时序植被变化分析J.测绘通报,2 0 2 0(1 1):2 3-2 7.4 刘珊珊,牛超杰,边琳,等.基于N D V I的水稻产量遥感估测J.江苏农业科学,2 0 1 9(3):1 9 3-1 9 8.5 许婧,刘飞鹏,王建雄,等.基于MO D I S N D V I的西双版纳植被覆盖变化趋势研究J.西南林业大学学报(自然科学),2 0 1 8(5):1 4 5-1 5 3.6 边琳,叶飞,刘珊珊,等.基于N D V I的昆明市2 0 0 1-2 0 1 5年植被覆盖变化趋势分析J.山东农业科学,2 0 1 8(1):1 0 7-1 1 0.7 刘珊珊,牛超杰,王建雄,等.N D V I在禄劝县植被变化特征分析中的应用J.山东农业科学,2 0 1 7(2):1 1 7-1 1 9,1 3 1.8 李文梅,覃志豪,李文娟,等.MO D I S N D V I与MO D I S E V I的比较分析J.遥感信息,2 0 1 0(6):7 3-7 8.9 李晓香,张文,孟令奎.河南地区V I I R S N D V I与E V I特性对比与分析J.地理空间信息,2 0 1 9(1):1 6-1 9,1 0.1 0 曹倩倩,刘瑞芬.基于不同土地利用类型的植被指数与地表温度的关系 以张家口市为例J.山东农业大学学报(自然科学版),2 0 2 1(6):9 5 5-9 6 3.(0 2 3)25 现代化农业 2 0 2 3年第1 1期(总第5 3 2期)