以光谱混合分析模式推估SPOT卫星影像之森林丰富度.PDF

航測及遙測學刊 第十二卷 第四期 第479-488 頁 民國96 年 12 月 479 Journal of Photogrammetry and Remote Sensing Volume 12, No.4, December 2007, pp. 479-488 以光譜混合分析模式推估 SPOT 衛星影像 之森林豐富度 1 2 呂明倫 鍾玉龍 摘要 光譜混合分析模式(spectral mixture analysis, SMA)係衛星影像分類中，降低混合像元問題之主要方法， 本研究之目的即應用 SMA 推估 SPOT 衛星影像中墾丁國家公園之森林豐富度 。以線性光譜混合模式解算， 可獲取綠植生(green vegetation, GV)與裸地兩種分量影像，其中 GV 以及一般常見的常態化差異植生指標 (normalized difference vegetation index, NDVI)皆適於推估森林豐富度之指標。為評估兩者之精確度，本研究 採用 1×1 m 之高解析力 IKONOS 影像，用以量測實際之森林豐富度，並計算平均絕對值百分比、均方根 誤差與 Theil＇s U 不等係數等 3 種評估指標。研究結果發現，3 種評估指標中，GV 之精確度均優於 NDVI， 因此未來對於森林監測的工作上，SMA 應為潛力較佳之方法。 關鍵詞：混合像元、線性光譜混合模式、分量影像、森林豐富度 1. 前言  光譜混合分析模式中以線性光譜混合模式 (linear spectral mixture model, LSMM)最廣受應用，其 森林係一具多功能之生態系，其所蘊藏的生命 原理係假設衛星影像中的每一像元皆包含了許多 活動，對於周遭水土保持、遊憩育樂、生物多樣性 各式各樣的地物元素，模式中各種類型的地物元素 維持等皆具正面效應。遙測(remote sensing)具備監 稱之「endmember」，所有 endmember 於像元中的光 測範圍廣、時間分辨率高等優勢，於森林經營管理 譜反射則為線性組合，進而透過數學模式運算，將 上常扮演舉足輕重之角色，惟森林亦為一結構多 每種 endmember 加以分解，重新獲取地物資訊 層、組成複雜的環境，衛星影像中常因較低的空間 (Adams et al., 1995; Roberts et al., 1998)。為達更精確 解析力導致地物反射光譜具異質性，致使某些像元 之地物偵測，以衛星影像為基礎材料，近代應用光 產生混合現象，無法反映出地物的實際狀態。混合 譜混合分析探討森林環境方面的研究報告日益漸 像元的解決方法一直為遙測研究中的熱門議題，有 增，例如植群分類與繪製(Lu et al., 2003; 2004 )、森 關光譜混合分析(spectral mixture analysis)的理論與 林動態監測(Hostert et al., 2003)、推估野生動物之棲 研究業已相繼浮現(Roberts et al., 1993)，本質上期能 地範圍(Théau et al., 2005)等。 從有限尺度的影像資料中挖掘出更細微的資訊，目 國內有國混合像元方面的研究仍屬少數，本研 的即為了改善混合像元，俾利達次像元(sub pixel) 究以自然資源豐富之墾丁國家公園作為研究區 之精度。 域，採 S