基于Landsat TM冬季影像的香格里拉高寒草甸分布的提取与验证

崔 媛 郭辉军 张 勇 郑秋竹 赵鸿怡 岳海涛

（1. 西南林业大学国家高原湿地研究中心，云南 昆明 650233；2. 西南林业大学湿地学院，云南 昆明 650233）

高寒草甸是分布海拔最高的草地生态系统[1]，我国高寒草甸集中分布在青藏高原及周边高山地区[2]。滇西北位于青藏高原最南端，该区域海拔3 200 m以上的山区有大量的高寒草甸分布[3]，这些高寒草甸不仅具有防风固沙、保持水土、涵养水源等生态功能[4-5]，也是滇西北地区社会经济发展的重要物质基础。高寒草甸生态系统具有内在的脆弱性[6]，在气候变化[7]、过度放牧[8]、旅游踩踏[9-10]等因素的影响下，滇西北的高寒草甸出现了逐步退化的趋势[11]，如何快速识别、提取滇西北高寒草甸，即提出一种在区域尺度上定量评估高寒草甸分布的方法，对滇西北高寒草甸的动态变化监测、合理利用具有重要意义。

遥感影像具有观测范围广、观测时间序列长、观测周期短等特点[12]，为在区域尺度上提取高寒草甸提供了新的手段，特别是光学遥感影像已经广泛应用于高寒草甸的监测和保护管理。葛静等[13]结合野外样地数据和MODIS卫星遥感数据，获得黄河源东部地区高寒草甸的盖度；李娜等[14]以Landsat 8影像为数据源，利用植被盖度和增强性植被指数，通过地理加权回归模型研究草地的监测精度；陈喜梅等[15]以西藏境内的草原为研究区，采用面向对象的方法进行多尺度分割，从光谱特征、纹理特征和形状特征3个方面对草地进行识别分类；张秀敏等[16]结合MODIS/EVI遥感影像数据及数字高程模型（DEM）数据，综合分析各种高寒草甸植被类型的EVI时序曲线特征及其生长环境的高程、坡度和坡向等地形特征，建立知识库，采用决策树分类算法对该区域的高寒草甸植被分类；张明等[17-19]利用遥感手段研究青藏高原生态脆弱区退化草地的空间分布和动态变化，为保障影像的高质量和同时相，均采用夏季遥感影像，云量在10%以下；孙银良等[20-22]基于MODIS数据，利用CASA模型模拟估算了西藏高寒草甸净初级生产力，并对西藏高寒草甸NPP变化及其对气候和退牧还草工程的响应情况进行了研究。总结前人的研究发现，无论是草地的提取方法研究，还是监测分析应用研究，均基于草地生长旺盛期（6—8月）的遥感影像，但地处横断山区腹地的滇西北夏季湿润多雨，导致遥感影像云量大，难以用夏季遥感影像提取高寒草甸的分布，限制了已有草地提取方法的应用，而冬季遥感影像云量较少，是研究该区域高寒草甸分布的潜在数据源。但冬季高寒草甸植被枯萎，其影像特征与裸地相似度高，容易导致错分。为使用冬季遥感影像提取滇西北高寒草甸的空间分布，本研究结合地面实测土地利用资料和Landsat TM冬季影像，建立提取滇西北高寒草甸空间分布的方法，以期为滇西北高寒草甸的动态监测和保护提供技术支撑。

1 材料与方法

1.1 数据来源及处理

1.1.1 地面实测土地利用资料

地面实测土地利用资料为香格里拉市1995年土地利用现状普查结果。运用ArcMap 10.2数字化香格里拉市草地和裸地的分布。

1.1.2 DEM数据

研究区范围内的DEM数据（空间分辨率30 m）来源于地理空间数据云（http://www.gscloud.cn/）。利用DEM数据提取出香格里拉市的坡度、坡向和海拔。

1.1.3 Landsat TM影像

香格里拉市隶属云南省迪庆藏族自治州，地处青藏高原南端、横断山区腹地，受西南季风影响、干湿季分明[23]，夏秋多雨、遥感影像云量多。每年3—9月的遥感影像云量均高于60%，其中，夏季遥感影像的云量在80%以上；冬春少雨、遥感影像云量少，尤其是每年11月和12月的遥感影像云量几乎都在10%以下（图1）。

研究区域内1995年Landsat TM影像从美国国家地质调查局官网（USGS，https://www.usgs.gov/）下载，共3景影像（表1）。为消除遥感影像的辐射畸变和几何畸变，在ENVI 5.3中对遥感影像进行辐射定标、大气校正和地形校正。横断山区地形起伏大，为消除地形阴影的影响，本研究选择VECA模型进行地形校正[24]。

图 1 香格里拉市1992—2017年Landsat系列遥感影像逐月平均云量Fig. 1 Monthly average cloud coverage of Landsat remote sensing images (1992-2017) in Shangri-La

表 1 香格里拉市1995年冬季Landsat TM数据概况Table 1 The overview of Landsat TM winter images in Shangri-La in 1995

图 2 数据处理分析流程Fig. 2 The process of data processing and analysis

1.2 高寒草甸提取方法

1.2.1 草甸和裸地潜在分布区提取

草地的空间分布具有一定的分异规律，即不同的草地类型处于特定的生态空间，其与地形因子密切相关[25]。地形因子一般包括坡度、坡向和海拔等因素，它们对草地的空间分布、生物环境和生态条件具有重要影响。可依据坡度、坡向和海拔等地形因子研究不同类型草地的生态序列分布规律[26]。基于以上理论，本研究根据香格里拉市的坡度、坡向及海拔识别高寒草甸和裸地的潜在分布区。

根据1995年土地利用普查资料，结合DEM数据提取的坡度、坡向和海拔，分别统计各累计频率高寒草甸和裸地的坡度、坡向和海拔特征：1）统计高寒草甸和裸地在坡度、坡向和海拔上分布的频率直方图；2）在频率直方图上按频率由高到低累加，提取高寒草甸和裸地分布频率累计40%、50%、60%、63%、70%、80%和90%时所在的坡度、坡向和海拔分布范围。根据高寒草甸和裸地的坡度、坡向和海拔的分布范围，识别出高寒草甸和裸地在各频率的潜在分布区，记作Ap（图2）。

1.2.2 绿色植被提取

根据1995年地面普查资料，在草甸和裸地潜在分布区存在零星分布的常绿针叶林，因此通过计算NDVI提取研究区域内的绿色植被，以精确草甸和裸地的潜在分布区。NDVI的计算方式为：

式中：ρNIR为近红外波段地表反射率，ρR为红波段地表反射率。

在大津算法确定阈值的基础上[27]，结合1995年真实林地的分布，人机交互确定最终NDVI提取阈值为0.75时，提取得到针叶林分布区域，即：将NDVI值大于0.75的区域判定为针叶林的分布。

1.2.3 裸地提取

通过裸土植被指数（GRABS）提取研究区的裸地分布[28]。GRABS计算方式为：

式中：GI和BI分别是缨帽变换的绿度指数和土壤亮度指数。最终确定的裸土植被指数的提取阈值为0，即把GRABS小于0的区域判定为裸地。

1.2.4 高寒草甸提取

基于草甸和裸地的潜在分布区，依次对提取出的绿色植被和裸地进行剔除，得到高寒草甸的分布范围，即：

1.3 精度验证

1995年实测草地的分布有明显的区域差异性和区域聚集性，参照分层抽样理论[29]，将香格里拉市1995年实测高寒草甸根据山顶分界线划分为Ⅰ、Ⅱ和Ⅲ 3个区域。其中，区域Ⅰ实测面积为162.14 km2，占比14.97%，区域Ⅱ实测草地面积为672.84 km2，占比62.11%，区域Ⅱ是香格里拉市高寒草甸的主要分布区域，区域Ⅲ实测草地面积为248.27 km2，占比22.92%。在3个区域中，分别将提取得到的高寒草甸与1995年实测高寒草甸相比，计算各区域高寒草甸提取的面积准确度及空间分布的重合度。

2 结果与分析

2.1 香格里拉高寒草甸和裸地的地理分布特征

1995年香格里拉市实测高寒草甸共1 083.25 km2，分布在3个相对集中区域：区域Ⅰ，高寒草甸分布少，面积为162.14 km2；区域Ⅱ，实测草地面积分布最广，面积为672.84 km2；区域Ⅲ，实测高寒草甸面积为248.27 km2（图3）。

图 3 1995年香格里拉市高寒草甸和裸地的实测和潜在分布区Fig. 3 The real and potential distribution of alpine meadow and bare ground in Shangri-La in 1995

随着坡度、坡向和海拔的累计频率逐渐增加（即从40%到90%），香格里拉市高寒草甸和裸地分布区的坡度范围、坡向类型及海拔范围均逐渐扩大（表2）。将坡度、坡向和海拔组合起来提取高寒草甸和裸地的潜在分布区，结果表明，当坡度、坡向和海拔的累计频率均为40%时，高寒草甸和裸地的潜在分布区集中分布在香格里拉市东北区域，总面积为963.61 km2（图3b）；当累计分布频率为50%时，其组合得到高寒草甸和裸地的潜在分布区集中在香格里拉市北部，面积为1 243.15 km2（图3c）；当累计分布频率为60%和63%时，高寒草甸和裸地的潜在分布区分布在香格里拉市东北部，南部，面积分别为1 475.18 km2和1 742.89 km2（图3d、3e）；当累计分布频率为70%时，高寒草甸和裸地的潜在分布区位于香格里拉市东部、北部和西南部，面积为3 249.07 km2（图3f）；当累积分布频率为80%时，除香格里拉市中部及南部部分区域以外，高寒草甸和裸地的潜在分布区在整个区域均有分布，面积为4 898.06 km2（图3g），当累计分布频率为90%时，草地和裸地的潜在分布区在香格里拉整个区域均有分布，面积为8 193.24 km2（图3h）。

表 2 香格里拉市高寒草甸和裸地在各累计频率下的地理分布特征Table 2 Geographical features of alpine meadows and bare ground under different cumulative frequencies in Shangri-La

2.2 高寒草甸和裸地潜在分布区绿色植被的分布情况

图 4 基于NDVI指数和裸土指数提取的香格里拉市绿色植被和裸地的分布Fig. 4 Distribution of green vegetation and bare ground in Shangri-La based on NDVI index and bare ground index

基于Landsat TM冬季影像分别提取NDVI和GRABS，得到坡度、坡向和海拔的累计频率均为90%时（该范围包括且大于累计频率为40%、50%、60%、63%、70%和80%的范围），潜在分布区内绿色植被面积为2 804.19 km2，主要分布在潜在分布区的北部以及西南部（图4a）。裸地面积为81.85 km2，主要分布在潜在分布区的北部及东南部，与真实裸地的空间重合度为88.45%。（图4b）。

2.3 基于Landsat TM冬季影像的香格里拉高寒草甸的提取与验证

将裸地和绿色植被从高寒草甸和裸地潜在分布区中剔除后得到高寒草甸的分布区。在坡度、坡向和海拔的累计频率为40%时确定的潜在分布区内，提取得到的高寒草甸主要分布在香格里拉东北部（图5a），面积为588.37 km2，分别将区域Ⅰ、区域Ⅱ和区域Ⅲ中提取的高寒草甸面积与1995年对应区域的实测草地面积进行对比验证，结果表明，区域Ⅲ的面积精度最高，达81.97%，区域Ⅱ的空间重合度最高为79.87%（图6a、6b）。当累计频率为50%时，提取的高寒草甸主要分布在香格里拉市东北部、北部和西南部（图5b），面积为762.21 km2，集中分布在区域Ⅱ中，其面积精度和空间重合度分别为56.09%和 84.69%。当累计频率为60%时，提取的高寒草甸分布在香格里拉北部以及西南部（图5c），面积为900.18 km2，其中分布在区域Ⅱ中的面积为439.36 km2，其面积精度为65.30%，空间精度为88.4%。当累计频率为63%时，提取的高寒草甸分布在香格里拉北部和西南部（图5d），面积为1 070.28 km2，与香格里拉市1995年实测高寒草甸面积基本持平（图6c），其中分布在区域Ⅱ的高寒草甸有512 km2，其面积精度为76.10%，空间重合度为90.87%。当累计频率为70%时，提取的高寒草甸主要分布在香格里拉市北部、西南部和中部（图5e），面积为1 990.17 km2，分布在区域Ⅱ的面积为887.72 km2，是1995年区域Ⅱ实测草地面积的1倍多，空间验证精度达95.96%。随着累计频率进一步的增加（即80%、90%时）提取的高寒草甸面积显著增加（图5f、5g），远远高于1995年的实测数据（图6c）。各频率下提取得到的高寒草甸在区域Ⅱ的空间精度均高于区域Ⅰ和区域Ⅲ。

图 5 基于Landsat TM冬季影像提取的香格里拉市高寒草甸寒草地高寒草甸空间分布Fig. 5 The spatial distribution of alpine meadow that extracted from Landsat TM winter images in Shangri-La

图 6 基于Landsat TM冬季影像的香格里拉市高寒草甸提取精度Fig. 6 The extraction accuracy of alpine meadow that based on Landsat TM winter images in Shangri-La

3 结论与讨论

如何在滇西北区域选取高质量遥感影像提取高寒草甸的分布，对该区域高寒草甸的保护和合理利用具有重要意义。本研究选取滇西北香格里拉市为研究对象，基于1995年地面调查数据和研究区DEM数据，首先分析草甸和裸地的坡度、坡向和海拔分布特征，识别草甸和裸地的潜在分布区，然后利用冬季Landsat影像计算裸土植被指数（GRABS）和归一化植被指数（NDVI），从草甸和裸地的潜在分布区中剔除裸地和绿色植被，提取得到高寒草甸的分布。最后采用1995年地面普查数据，分区域进行精度评价。得到以下结论：

1）香格里拉区域的Landsat冬季影像是研究该区域高寒草甸的优质数据源。对于高寒草甸植被类型分类、退化草甸的时空分布特征以及高寒草甸生物量估算等相关研究，之前学者均采用高寒草甸生长季（夏季）的光学遥感影像。但滇西北夏季多雨，夏季遥感影像云量均高于80%。而相关研究表明合成孔径雷达（SAR）微波影像具有主动成像特点，受地形和云雾的影响小，在针对山区地物覆盖的研究表明，SAR影像在提取林地、建筑时精度较高[30]，但适用范围具有一定的局限性和时效性，而且针对于低矮植被以及草地是否具有可行性尚不明确[31]。因此本研究选取冬季Landsat TM影像提取滇西北高寒草甸的分布。

2）结合地面实测数据和裸土植被指数可以有效区分冬季高寒草甸和裸地。滇西北地区高寒草甸一般9月中旬开始进入枯黄期，到10月中旬草地几乎全部枯黄[32]，此时高寒草甸和裸地的影像光谱特征十分接近，容易导致错分。研究表明，枯黄的草地通常仍有部分地物覆盖，其与裸地的地表温度、含水量[33]等均有不同，基于这个差异可使用遥感影像反演草地和裸地，这在大尺度研究中广泛应用[34]，但在小尺度研究中需要精确的地表温度和含水量数据才能进行有效反演。另外，遥感影像上的裸地一般具有高亮度值等特征，而裸土信息的变化主要是由土壤亮度造成[35]，因此本研究采用裸土植被指数提取了香格里拉市裸土分布，高寒草甸和裸地潜在分布区内（累计频率为90%时）的裸地面积为81.85 km2，基于1995年实测裸地的面积对比，空间重合度为88.45%，因此该方法可以有效提取研究区内的裸地。

3）本研究基于地理特征得到高寒草甸和裸地的潜在分布区，依据裸土指数和植被指数从该潜在分布区中剔除裸地和绿色植被，进而得到高寒草甸的空间分布。经验证，提取的高寒草甸的面积精度和空间精度都较高，特别是在高寒草甸集中分布区（区域Ⅱ）内，提取的高寒草甸面积为512 km2，面积精度和空间重合度分别达到76.10%和90.87%，表明采用Landsat TM冬季影像能够有效提取香格里拉市高寒草甸的分布，为今后研究滇西北高寒草甸时空分布格局探索了新的方法。

在高寒草甸零散分布的区域Ⅰ和区域Ⅲ，本研究提取结果的精度较低，导致它们与区域II提取精度存在差异的原因可能有：1）区域Ⅰ，区域Ⅱ和区域Ⅲ的坡度、坡向和海拔存在差异，但本研究采用了统一的坡度、坡向和海拔组合特征来提取高寒草甸的潜在分布区；2）在大范围区域进行外业调查，得到的地面实测数据可能也存在误差。今后需考虑区域差异性，对不同区域采取不同的坡度、坡向和海拔组合特征提取高寒草甸的潜在分布区。另外，使用更高分辨率的遥感影像可能会提高该区域高寒草甸提取的精度。