植被覆盖度的遥感估算方法研究

《植被覆盖度的遥感估算方法研究》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

植被覆盖度的遥感估算方法研究—以南阳市为例0引言植被覆盖度是指观测区域内植被垂直投影面积占地表面积的百分比。它不仅能反映出观测区域内的地表植被覆盖状况，而且是控制土壤侵蚀与水土流失的关键因素，同时是描述生态系统的重要基础数据，也是区域生态系统环境变化的重要指标［1］。而城市植被是城市生态系统的重要组成部分，对保护城市生态环境具有重要作用。随着城市化进程的加快而引起的城市植被覆盖的减少，是造成城市问题的重要原因之一，因此对植被覆盖度的研究具有非常重大的意义。植被覆盖度传统的测量方法是地面测量，它只能进行小区域的植被覆盖度测量，局限性大，不易推广。遥感监测可以说是一种研究植被覆盖度的相对精确和重要的方法，在科技越来越发达的今天，遥感在很多地物研究中都有很广泛的应用。遥感图像通过遥感平台上的传感器获取。在遥感应用中，根据传感器的分辨率指标选择遥感图像数据。传感器的分辨率指标主要有辐射分辨率、光谱分辨率、空间分辨率和时间分辨率。辐射分辨率是传感器区分反射或发射的电磁波辐射强度差异的能力；光谱分辨率是传感器记录的电磁光谱中特定波长的范围和数量；空间分辨率指遥感图像上能够详细区分的最小单元的尺寸或大小；时间分辨率是对同一目标重复探测时，相邻两次探测的时间间隔。正是它们各自不同的特点可以第13页共12页

1获得不同空间尺度的遥感图像，从而得出更精确的探测和研究数据。目前常用的遥感监测植被覆盖度的方法主要有：回归模型法、植被指数法，像元分解模型法。其中回归模型法主要是通过建立实测植被覆盖度数据与植被指数的回归模型来求取植被覆盖度。它依赖于对特定区域的实测数据，虽在小范围内具有一定的精度，但在推广应用方面却有诸多方面的限制。植被指数法则通过各像元中植被类型与植被特征的分析，建立植被指数与植被覆盖度的转换关系，来直接提取植被覆盖度信息。而其中植被指数指根据地物光谱反射率的差异作比值运算可以突出图像中植被的特征、提取植被类别或估算绿色生物量能够提取植被的算法。像元分解法是根据植被和土壤在不同波谱段的反射情况，一般选择植被与土壤光谱反射差别较大的红光波段和近红外波段作为植被覆盖度信息提取的信息源。植被指数法和像元分解法都不依赖于实测数据。而基于归一化植被指数和像元分解模型的植被覆盖度的遥感监测方法是一种比较新的研究植被覆盖度的方法。以下是以南阳市为例对植被覆盖度的遥感估算方法进行探讨和分析，选取了1987年、1997年和2008年的TM数据，利用基于植被指数的像元分解法来求取植被覆盖度数据，计算不同时期的植被覆盖度。目的在于研究随着城市的发展而导致的城市地表植被覆盖度的变化，为进行城市生态环境质量评估提供参考数据。1国内研究现状1.1样本统计测算法样本统计测算法是按照统计学要求，在研究区内抽取一定数量的样本区域，通过测算样本区域的植被覆盖度，利用部分推算总体的统计学原理，估算整个研究区域的植被覆盖度。1.1.1目测估算法目测估算法采用肉眼凭借经验直接判别或利用相片、网络等参照物估算植被覆盖度。而不同人对同一研究区域的目测估计结果有显著的差别。所以此方法会产生很大的误差。1.1.2概率测算法概率测算法是借助一定测量工具和手段获得的研究区内植被出现的概率，视为估算该研究区域的植被覆盖度的一种方法，目前国内很少有人采用此法研究植被覆盖度。1.1.3仪器测量法仪器测量法是指利用传感器测量光通过植被层的状况来估算植被覆盖度的一种方法。但并不能达到较高的精度。1.2整体直接测算法第13页共12页

2整体直接测算法是通过将研究区内植被生长环境要素、时空要素与植被覆盖度地面测量数据进行耦合，在一定尺度内建立植被覆盖度的经验模型；或利用遥感技术提取研究区内植被光谱信息，再与植被覆盖度建立相关关系；或对影像像元进行分解的方法，计算植被覆盖度。引言中提到的常用遥感监测估算植被覆盖度的三种方法便是整体直接测算法［8］。2植被覆盖度研究中的问题及其意义2.1植被覆盖度研究中的问题南阳市三面环山，在估算植被覆盖度的时候，必须将研究区域内植被地上部分对植被生长区域的地面进行垂直投影。如果在山坡上进行植被覆盖度的估算，就需要注意将植被对山坡进行垂直投影。另外，同样面积的植被相对不同的研究区域范围，会得出不同的植被覆盖度。2.2植被覆盖度研究的意义植被覆盖度是反应植被基本情况的客观指标，在许多研究中具有很重要的作用。当前环境问题成为全球极为关注的焦点，而植被覆盖度与环境变化的研究有着密不可分的联系。另外，它作为科学研究的一项重要的基础数据，在许多定量研究中起到相当关键的作用，如对南阳市的植物、土壤，水利等的定量研究，而且可使研究结果更具科学性和可信性。由于植被覆盖度是城市生态系统环境变化的重要指标，所以对研究城市的生态环境变化也有着重大意义。3研究区域南阳市概况南阳地处在北纬32°17′～33°48′,东经110°58′～113°49′,处于亚热带向暖温带第13页共12页

3过渡地带，属典型的季风大陆半湿润气候，四季分明，阳光充足，雨量充沛。南阳是南水北调中线工程水源地和渠首所在地，市内河流众多，分属长江、淮河、黄河三大水系，长度在百公里以上的河流有10条。全市主要河流有丹江、唐河、白河、淮河、湍河、刁河、灌河等，可供开采量约8.58亿立方米，全市水资源总量70.35亿立方米，水储量、亩均水量及人均水量均居全省第一位。2010年全年共营造林49.5万亩，其中人工造林38.2万亩。退耕还林13.05万亩。全市参加义务植树586万人次，完成义务植树1550万株。年末共有自然保护区6个，其中，国家级自然保护区3个。森林公园8个，其中国家级森林公园2个。年末全市森林覆盖率为37.0%。野生植物资源184科927属2298种，国家和省重点保护植物79种；拥有国家和省级自然区6个，面积221.37万亩；国家和省级森林公园8个，面积6万亩。南阳是全国中药材的主产区之一，药用植物资源丰富，具有种植、加工中草药的自然条件优势和传统习惯，盛产天然中药材就达2357种,产量达2.5亿公斤，其中地道名优药材30余种，品种数量占全国的20%以上，总储量占全省的1/4以上，且多为无污染有机药材。全市已基本建成以南召辛夷、西峡山茱萸与天麻、桐柏桔梗、方城裕丹参、内乡黄姜、镇平杜仲、邓州麦冬、社旗板蓝根等为主体的十大中药材种植基地。4基于像元分解法的植被覆盖度估算方法4.1像元分解模型法像元分解模型法是假设遥感影像上的一个信息只由两部分组成，即植被部分和非植被部分。如果它通过传感器获取的信息是S,由绿色植被所贡献的信息表达为S1,由非植被贡献的信息为S2,则将S线性分解（1）对于一个由植被和土壤组成的混合像元，像元中植被部分覆盖的面积比例为fe，则土壤部分覆盖的面积比例为（1-fe），假设全植被覆盖的纯像元所得的遥感信息为S3，则混合像元植被部分所贡献的信息为S1可表示为fe与S3的乘积为（2）同理，假设全由土壤所覆盖的纯像元所获得的遥感覆盖信息为S4，则混合像元土壤部分所贡献的信息S2可表示为（1-fe）与S4的乘积（3）将（2）与（3）代入（1）式，可得（4）第13页共12页

4将式（4）进行变换，可得植被覆盖度的计算公式（5）式（5）中，S3与S4均为像元二分模型中的两个参数，因此只需先求出这两个参数后运用式（5）就可以利用遥感数据估算植被覆盖度。4.2利用归一化植被指数估算植被盖度植被指数是利用植被在近红外波段高反射和红波段高吸收的特点，经过某种变换，增强植被信号，削弱噪音，由红光和红外波段的不同组合而成。归一化植被指数（NDVI）是目前使用最为广泛的植被指数，它是反映植被生长状态及植被覆盖度的最佳指示因子［2］。当植被覆盖度较低时，NDVI对覆盖度增减反应灵敏，当覆盖度较大时，NDVI趋于饱和［9］。根据像元二分模型，一个像元的归一化植被指数值可以表达为由植被覆盖部分的信息与由土壤覆盖部分的信息组成，因此可以将归一化植被指数(NDVI)值代入式（5），从而计算出植被覆盖度，即（6）式（6）中，NDVI4为裸土或无植被覆盖的区域的NDVI值，NDVI3为纯植被覆盖区域的NDVI值。另外，常用的不同分辨率的遥感数据的红光波段和近红外波段波长范围见表1。从表1可以看出，其波长均在同一范围内，利用这两个波段的反射率计算植被指数中，以上数据源转换引起的误差，可以忽略。表1植被指数的数据源卫星系统LANDSATCBERSSPOTQuickBirdIKONOSMODIS分辨率/m3019.5102.444250R波段带宽/um0.63～0.690.63～0.690.63～0.680.63～0.690.64～0.720.62～0.670.76～0.77～0.79～0.76～0.77～0.84～第13页共12页

5IR波段带宽/um0.900.890.890.900.880.88由表知LandsatTM影像的b3和b4波段对应红光波段和近红外波段。4.3NDVI3和NDVI4的两种取值方法4.3.1利用式（6）估算植被覆盖度值，NDVI3和NDVI4的取值是很关键的问题。理论上，大多数类型的裸地，其NDVI4值接近于0，而且不易变化。但由于受到不同大气条件和不同地表性质的影响，如地表湿度、粗糙度、土壤类型、土壤颜色等条件的不同，NDVI4值会随着空间而变化，它的变化范围一般在-0.1~0.2之间，NDVI3代表着全植被覆盖像元的最大值，NDVI3值也会因植被类型和环境状况的不同而在时间和空间分布上存在差异［3］。因此采用一个确定的NDVI3值和NDVI4值是不准确的，即使对于同一景影像图也会有所变化。为了使用理想的调整方法，我们并不需要知道具体值，因为它们应该是从图像中计算出来的。假设集合A中有两个像元a1和a2，它们的植被覆盖度已知，值分别为fe1和fe2，分别对这两个像元使用公式（6）得（7）（8）在对像元集合A进行植被覆盖度估算时，取NDVI1为集合中像元NDVI的最小值，取NDVI2为集合中像元NDVI的最大值，由于NDVI与fe有线性关系，此时它们所对应的fe1和fe2也应该是最小值和最大值。对此方程组中的NDVI3和NDVI4求解得(9)（10）根据植被覆盖度的最大值与最小值的不同取值，分两种情况讨论：（1）当femax可以近似取100％，且femin可以近似取0时，将这两个参数代入方程组得NDVI4＝NDVImin和NDVI3＝NDVImax第13页共12页

6由于图像中不可避免的存在着噪声的影响，它可能产生过高或过低的NDVI值，给定置信度的置信区间内的最大值与最小值。置信度的取值主要由图像大小、图像清晰度等依实际情况来决定。（2）femax和femin不能近似取100％和0时，使用遥感技术监测植被覆盖度，都需要进行实测数据的检验。如果有一定量的实测数据，那么只需取一组实测数据中的植被覆盖度的最大值与最小值，作为femax和femin。并在图像中找到这两个实测数据所对应像元的NDVI值，分别作为NDVImax和NDVImin，其余实测数据作为检验值。4.3.2利用ENVI软件提取NDVI更简单易行，一目了然。在ENVI软件中图标中，点击spectral图标/vegetationanalysis/vegetationindexcalculator命令，打开VegetationIndicesInputFile对话框设置，设置以下参数：确定输入文件，输出结果到Memory,经过一系列操作到AvailableBandsList,点击LoadBand，输出植被覆盖度图像。注意最后输出的结果是灰度图像。较亮的部分表明植被长势较好，覆盖度较高。这就是利用像元二分模型计算植被覆盖度，是基于前面提到的S3与S4这两个调节因子所做的线性拉伸，即将大气、土壤背景与植被类型等对遥感信息的影响降至最低，只留下植被覆盖度的信息［9］。4.4利用ENVI软件植被得到覆盖度数值公式（6）中的fe即植被覆盖度，这可以通过单击ENVI软件中的BasicTools图标/SpatialStatistics/ComputeGlobalSpatialStatistics，打开GlobalSpatialStatisticsInputFile对话框，在此窗口中选择输入的NDVI图像，点击OK，在再次出现的对话框中点击OK，最终得到植被覆盖度数值。5南阳市植被覆盖度估算5.1研究数据　覆盖南阳市域的TM遥感数据，研究时相分别为1987年5月4日、1997年5月4日、2008年5月4日。5.2数据处理5.2.1辐射校正第13页共12页

7由于光学传感器的性能随时间变化会引起输出信号值的漂移。要消除该影响，需进行辐射校正，先将DN值换算为表观反射率，然后才能进行不同遥感数据之间的比较。本文采用ENVI软件进行辐射校正，此软件提供的LandsatCalibration工具，用USGS提供的TM各个波段的增益和偏移值作为输入参数，来进行辐射校正，从而将传感器获得的DN值转换为表观反射率值。5.2.2几何校正所有TM数据均采用ENVI软件进行几何校正，设置投影方式为WGS1984UTMZone49N，配准误差控制在0.5个像元内。5.2.3根据遥感估算模型的原理，对1987年、1997年和2008年的植被覆盖度进行估算，得到这三个时期的植被覆盖度。在ENVI软件中单击File/OpenExternalFile/LandSat/Fast打开EnterLandSatFastFilenames对话框，先选择南阳市1987年数据文件夹打开，直到点击header打开AvailableBandsList对话框，然后根据前面提到的计算植被覆盖度操作方法，得到1987年的植被覆盖度图像以及数值，按照此方法依此得到1997年与2008年的植被覆盖度图（如图1、图2、图3）。通过计算得到1987年、1997年、2008年植被覆盖度数据分别为0.73684920、0.70731449、0.82008272。第13页共12页

8图11987年南阳市植被覆盖度图像第13页共12页

9图22008年南阳市植被覆盖度图像第13页共12页

10图31997年南阳市植被覆盖度图像6结果与讨论由以上可知，利用基于NDVI的像元二分模型来进行植被覆盖度的估算，方法简单易行，具有较好的应用前景。从计算出的南阳市1987年、1997年和2008年的植被覆盖度图像进行分析，南阳市的植被覆盖度呈现降低趋势，这与近几年里，南阳市周边郊区城市化，新开发区的增加，密切相关，揭示了城市化进程对城市植被的影响。遥感数据在植被生长监测上的应用，即可满足大范围监测的需要，也可进行动态观测植被覆盖度的发生和发展。基于NDVI的像元二分模型适用于不同植被类型，也适用于不同分辨率的遥感数据。实践表明此方法完全满足于植被覆盖度的定量研究。第13页共12页

11参考文献［1］程红芳，章文波，陈锋．植被覆盖度遥感估算方法研究进展［J］．国土资源遥感，2008,75(1):35～38．［2］梁钊雄，王兮之．佛山市植被覆盖度的遥感估算及变化分析［J］．佛山科学技术学院学报（自然科学版），2011,29(2):26～29．［3］马志勇，沈涛，张军海，李成名．基于植被覆盖度的植被变化分析［J］．测绘通报，2007,12(3):23～26．［4］牛宝茹，刘俊蓉，王政伟．干旱半干旱地区植被覆盖度遥感信息提取研究［J］武汉大学学报(信息科学版)，2005,30(1):34～36．［5］龚建成，夏北成．广州市1990-2005年植被覆盖度的时空变化特征［J］．生态环境，2006,15(6):24～26．［6］严振英．植被覆盖度的测算方法和应用现状［M］．饲草与饲料，2011．［7］韦玉春，汤国安等．遥感数字图像处理教程［M］．北京：科学出版社，2007．［8］秦伟，朱清科，张学霞，李文华，方斌．植被覆盖度及其测算方法研究进展［J］．西安农林科技大学学报（自然科学版），2006，34（9）：23～26．［9］胡振琪，陈涛．基于ERDAS的矿区植被覆盖度遥感信息提取研究［J］．西北林学院学报，2008,23（2）：164～167．第13页共12页

12ThestudyoftheremotesensingmethodtoestimatevegetationfractionAbstract:itisveryimportanttogetvegetationfractionforthestudyofclimateandecologicalmodels.Atthesametime,itisacomprehensiveindexoftheearth’ssurfacesituationcoveredbyvegetationcommunity.Thereisanecessarymeaningtoestimatethechangeofsurroundingareaenvironmentandtheremotesensingdata.Thearticlealsointroducesthestudyingsituationandmeaninginourcountry.Inthemoment,theusedmethodistoestimatethevegetationfractiondatafromtheremotesensing.Theyareexperimentalmodels,vegetationindicesandpixelimmixinganalysis.ThedimidiatepixelmodelbasedonNDVIisusedinthisarticletoestimatethevegetationfractionsuchastheNanyangcity.Keywords:vegetationfraction;remotesense;NDVI;dimidiatepixelmodel;Nanyangcity第13页共12页