基于GIS的植被覆盖度估算.docx
《基于GIS的植被覆盖度估算.docx》由会员分享，可在线阅读，更多相关《基于GIS的植被覆盖度估算.docx（15页珍藏版）》请在冰豆网上搜索。
基于GIS的植被覆盖度估算
基于GIS的植被覆盖度估算
1.绪论
1.1课题研究的目的与意义
植被，包括森林、灌丛、草地和农作物，既是生态系统的主要组成部分，也是生态系统存在的基础，具有截流降雨、减缓径流、防沙治沙、保持水土等功能，联结着土壤、大气和水分等自然过程，在陆地表面的能量交换、生物地球化学循环和水文循环等过程中扮演着重要角色，是全球变化研究中的“指示器”[1]。
植被根据生态系统中水、气等的状况，调控其内部与外部的物质、能量交换。
植被覆盖与气候因子关系极为密切，研究植被覆盖变化
对气候的影响是气候变化研究的主要内容之一，它影响着土壤湿度、地表温度和地表能量与水的循环（李苗苗，2004）。
植被覆盖度（vegetationfractionalcover，简称FC）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[2]。
它是植被对地面的垂直投影比例，对于山坡进行植被覆盖度测量时，应该采用垂直于坡面的角度。
植被覆盖度具有强烈的尺度效应，同一片植被，因被纳入统计的范围不同而表现为不同的植被覆盖度。
如一个地区的植被覆盖度很高，但平均到全国水平就大大降低了[3]。
植被覆盖度在提示地表植被分布规律,探讨植被分布影响因子,分析评价区域生态环境,及时准确地掌握其动态变化,分析其发展趋势对维护区域生态平衡等方面都具有重要意义。
[4]而城市植被则是城市生态系统重要的还原组织和最重要的元素,对于保护城市生态环境具有不可忽视的作用[5],如有效缓解城市“热岛效应”,改善城市区域小气候[5,7]等。
城市化的迅速推进，带来了多样化的生态足迹，植被覆盖度，土壤污染率，地表侵蚀率，逐渐成为生态研究的热点，也成为环境保护的重点。
借助于高速发展的RS与GIS技术来进行植被覆盖度的估算，将是当前环境监测的必要步骤。
徐州是由矿区发展起来的城市，由于长期开采矿产，导致了一系列严重的生态问题，如塌陷地广布，植被破坏率严重，土地侵蚀率增大，等。
在此背景下，研究徐州市整体的土地覆盖情况，即是现实需要，也是未来生态城市规划的重要步骤。
研究的最终结果也会给徐州市的城市规划提供信息支持与技术保障。
1.2国内外植被覆盖度研究现状
由于植被覆盖度是许多学科的重要参数，为了得到准确的植被覆盖度信息，植被覆盖度监测技术的提高，就成了多个领域发展的需要。
根据检测手段，测量植被覆盖度的方法可分为传统的地面测量和新兴的遥感测量两大类。
其中，地面测量又可以根据测量原理，分为目估法、采样法、仪器法和模型法;遥感测量依据对植被光谱信息与植被覆盖度所建立的关系不同，可分为物理模型法和统计模型法。
统计模型法中使用较多的有植被指数法、回归模型法、像元分解法、分类决策树和人工神经网络法;物理模型法中模型反演法使用最多。
地面测量曾经一度是植被覆盖度监测的最主要方法。
主要包括目估法、采样法、仪器法和模型法。
虽然遥感技术的发展使地面测量的主导性地位有所降低，但地面测量依然具有其重要性，它不仅是最精确的测量方法，也为遥感测量提供了基础标定数据，是无可替代的。
遥感技术的发展，为大范围植被覆盖信息的获取提供了一个新的发展方向。
常用于植被覆盖信息提取的遥感数据有NOA内叭vHRR数据、MODIs数据、LandsatTM与MSS数据、SPOT数据、ATSER数据、航片、IEOS一SAR雷达数据以及AVIRIS高光谱数据等。
近年来，国内外在植被遥感监测方面开展大量的研究，发展许多植被覆盖度监测方法,8,13,。
遥感方法相较于传统地面测算使测算的外业工作极大减少，在时效性、测算范围等方面都存在较明显优势。
孙睿等,14,利用NOAA数据，通过研究不同时段降水量与年最大NDVI之间的相关关系分析降水对黄河流域植被覆盖度的影响;赵彩霞等,15,通过定量分析植被覆盖度与土壤风蚀量及风蚀气候侵蚀因子3者随时间变化的相关关系，计算和比较不同类型植物防风治沙性能的动态差异、总植被覆盖度及相应的总土壤风蚀量动态变化;RezaAmiri等,16,利用基于NDVI值，分析植被覆盖度和土地利用/土地覆被与土地表面温度的时空变化3者相关性。
将气候、土壤因素与植被覆盖度进行相关研究较多，而将地质条件与植被覆盖度相结合的研究尚未有人涉及。
1.3主要研究内容与方法
1.3.1研究区概况
徐州市位于江苏省的西北部，东经116?
22′,118?
40′、北纬33?
43′,34?
58′之间。
东西长约210公里，南北宽约140公里，总面积11258平方公里，占江苏省总面积
。
地处苏、鲁、豫、皖四省交界，为东部沿海与中部地带上海经济区与环渤的11,
海经济圈的结合部。
素有“五省通衢”之称。
京沪、陇海两大铁路在此交汇，京杭大运河傍城而过贯穿徐州南北，公路四通八达，北通京津，南达沪宁，西接兰新，东抵海滨，为全国重要水陆交通枢纽和东西、南北经济联系的重要十字路口。
图1徐州市区位图
1.3.2研究内容与技术路线
1.3.2.1研究内容
在遥感应用领域,植被指数是一种反映地表植被信息的重要信息源之一,已广泛用于
定性和定量评价植被覆盖及其生长状况。
植被指数经过20多年的发展,目前有几十种,但常用的植被指数有:
归一化植被指数（NDVI）、比值植被指数（RVI）、差值植被指数（NVI）、土壤调节植被指数（SAVI）和修正土壤植被指数（MSAVI）等[17-18]。
其中归一化植被指数是植被生长状态及植被覆盖度的最佳指示因子。
本文主要利用2010年徐州市TM图像进行植被覆盖情况的研究，利用归一化植被指数法与象元二分模型进行植被覆盖度的反演，最终得到基本植被覆盖情况与徐州市六县的分区覆盖情况。
1）归一化植被指数NDVI。
植被指数是利用绿色植物强吸收可见光红波段（0.6,0.7μm）和高反射近红外波段（0.7,1.1μm）特点，经过变换，增强植被信号，削弱噪音组合而成。
归一化植被指数（NDVI，下式为NNDVI）是植被生长状态及植被覆盖度最佳指示因子,19,20,，被定义为近红外。
波段与可见光红波段数值之差和这两个波段数值之和比值，计算公式:
NDVI=（NIR,R）/（NIR+R）
（1）式中，NIR为近红外波段的反射率，R为红光波段的反射率。
2）像元二分模型。
像元二分模型原理是假设影像上一个像元的反射率R可分为纯植被部分反射率Rv和非植被部分Rs两部分,那么,任一像元的反射率值可以表示为由植被覆盖部分与非植被覆盖部分的线性加权的和:
（2）R,R，RVS
假设影像上一个像元中有植被覆盖的面积比例为fc,即该像元的植被覆盖度,那么非植被覆盖的面积比例为1-fc。
如果该像元全由植被所覆盖,则所得的反射率为R如果veg,该像元无植被覆盖,则反射率为R,因此,混合像元的植被部分所贡献的信息Rv可以表soil
示为纯植被反射率R与像元中植被覆盖面积fc的乘积（见公式
（2））,而非植被成分所贡veg
献的信息Rs可以表示为R与1-fc的乘积（见公式（3））:
soil
R,fc*R（3）vVeg
R,（1-fc）*R（4）Ssoil
通过解算式
（2）、式（3）和式（4）,可得到计算植被覆盖度的公式,如下:
fc,（R,R）/（R,R）（5）soilvegsoil
其中:
R与R是像元二分模型的两个参数。
很明显,只要求得这两个参数根据公式（5）,就vegsoil
可以利用遥感信息来估算植被覆盖度。
根据像元二分模型原理,我们可以将1个像元的NDVI值表示为由有植被覆盖部分地表与无植被覆盖部分地表组成的形式。
因此,计算植被覆盖度的公式可表示为:
NDVI,NDVIsoilfc,（6）NDVI,NDVIvegsoil
其中:
NDVI为完全是裸土或无植被覆盖区域的NDVI值,NDVI则代表完全由植被所覆soilveg
盖的像元的NDVI值,即纯植被像元的NDVI值。
参考李苗苗,20,、Gutman,21,等提出的估算NDVI和NDVI的方法，根据整幅影vegsoil
像上NDVI的灰度分布，以0.5%置信度截取NDVI的上下限阈值分别近似代表NDVI和veg
NDVI。
采用ARCGIS软件的栅格计算器，应用式（6）计算所有影像的植被覆盖度分布soil
情况。
将计算得到的植被覆盖度（FC）分5级:
低植被覆盖度（FC,10%）、较低植被覆盖度（10%?
FC,30%）、中度植被覆盖度（30%?
FC,50%）、较高植被覆盖度（50%?
FC,70%）和高植被覆盖度（FC?
70%）.
1.3.2.2技术路线
TM影像植被覆盖信息提取
前期准备
数据处理
土地类型分类
水体剔除
植被指数计算
植被覆盖度估算
统计分析.专题图生成
结果讨论与分析
图2技术路线图
2课题研究主要步骤
2.1数据准备
采用徐州市2010年的LandsatTM遥感数据,共包括了三景图像，轨道号分别为p121r036、p121r037、p122r036,Landsat7，TM有7个波段,其中1-5,7波段的分辨率均
为30m;6波段分辨率为120m,为热红外波段,不参与此试验研究;首先利用ERDAS8.6的工具，依次选择Interpreter-Utilities-LayerStack，将原始tiff数据合成多光谱图像，因为第六波段为热红外波段，所以予以舍弃。
2.2植被覆盖度遥感信息提取
2.2.1土地利用类型分类
1）基本类型划分利用最大似然法进行监督分类，主要流程为:
建立分类模板、评价分类模板、执行监督分类、精度评价。
监督分类又叫训练区分类，它的前提是已知遥感图像上样本区内地物的类别，所以选择足够数量和具有代表性的训练区，决定了监督分类的精度。
由于选取的研究区面积较大，所以在训练区数量上均在3000以上。
根据图像的分辨率，将徐州市分为六类土地类型:
水体，建设用地，农田，林地，山地，未利用地。
分类精度满足要求。
2）分类属性重编码由于水体在植被指数图像上多显示为负值，影响植被覆盖度的估算，所以先进行水体的剔除，这里采用的方法是掩膜法。
在分类图像上进行属性的重编码，将水体的属性设置为0，其余地物的属性均设置为1，即是对图像进行二值化处理。
结果使水体与其他地物区分开。
所得图像为:
图3二值化处理图像
3）水体剔除将二值化处理的图像与原始图像相乘，即可以将水体剔除掉，这里利用的是ERDAS的建模功能，所建立的模型如下所示:
图4剔除水体模型
图5剔除水体的图像
2.22植被指数计算
利用ERDAS进行植被指数的计算主要有两种方法:
一种是直接利用菜单工具:
Interpreter-spectralEnhancement-Indices。
植被指数选择NDVI，设置相应的参数即可以自动进行计算。
第二种方法是利用ERDAS的空间建模工具进行计算。
模型如下所示:
图6植被指数计算模型
本文利用第一种方法进行计算，因为第二种方法需要已知裸地的植被覆盖情况与最高植被覆盖情况，因为缺乏相关经验与实测数据，所以先计算出植被指数，最后在ARCgis中进行植被植被覆盖度的估算。
得到植被指数分布图如下:
图7徐州市植被指数图
2.3基于GIS的植被覆盖度估算
2.3.1植被覆盖度估算
根据植被指数整幅图像的灰度分布情况，截取上下限阈值，近似的估计NDVIveg=0.563NDVI=0.0078，采用ARCGIS软件的栅格计算器（SpatialAnalyst-Rastersoil
Calculator），应用植被覆盖度的估算公式计算所有影像的植被覆盖度分布情况。
将计算得到的植被覆盖度（FC）分5级:
低植被覆盖度（FC,10%）、较低植被覆盖度（10%?
FC,30%）、中度植被覆盖度（30%?
FC,50%）、较高植被覆盖度（50%?
FC,70%）和高植被覆盖度（FC?
70%），并将分级图像彩色显示:
图8徐州市植被覆盖度图
栅格计算得到的图像格式为GRID格式，不具备栅格图像的灰度信息，为了得到不同植被覆盖度的面积统计值，将该图像进行属性值的重新设置低植被覆盖度的属性值为1，较低植被覆盖度的属性值为2，中度植被覆盖度的属性值为3，较高植被覆盖度的属性值为4，高植被覆盖度的属性值为5，水体与误差错分区的属性值设置为0，这样得到按照新的属性值统计的栅格总数，根据栅格总数可以计算出每种植被覆盖情况的面积。
重分类的设置如下:
图9植被覆盖度属性重分类
2.3.2分区植被覆盖统计
利用徐州市的行政区划图与植被覆盖图进行叠加，计算出徐州市六县的植被覆盖情况，这里的六县植被覆盖情况采用的平均值估计。
图10植被覆盖度分区图
图11植被覆盖度分区统计设置图
3结果分析
1）经过分区统计与面积统计，在所得的徐州市六区植被覆盖情况统计表（表一）中显示出:
徐州六县及徐州市区的植被覆盖度总体较低，没有较高及高度植被覆盖区域。
这说明徐州市的生态环境相对较差，对植被的覆盖情况不重视。
新沂与丰县的植被覆盖度是所有区域中最高的，睢宁次之，以下依次为沛县，邳州，铜山，徐州市区，这与各个区域的经济发展水平有一定的相关性。
经济发展程度高的，对城区的开发利用程度较高，植被覆盖率就相应降低。
反之，植被覆盖率较高。
同时这也反映目前徐州市的经济发展在一定程度上还是以牺牲自然资源与环境为代价的。
表一徐州六县分区植被覆盖度统计
睢地区邳州沛县丰县新沂铜山徐州
宁植被覆盖0.2
0.20.220.280.280.170.07度7
2）从植被覆盖度面积统计表格（表二）可以看出:
较低，中度植被覆盖度的面积所占份额较大，较低植被覆盖度面积占到了徐州市植被覆盖总面积的43.3%，中度植被覆盖度面积占到了徐州市植被覆盖总面积的28.3%，低度植被覆盖度面积占到了徐州市植被覆盖总面积的16.9%。
高度的植被覆盖度所占比例最少，仅有0.9%，这与分区统计的结果有一定的相似。
也进一步证明徐州地区的的植被覆盖度较低。
也反映了徐州市在整顿矿区发展，发展地方经济的同时，忽略了生态环境建设。
2表二各植被覆盖度面积统计（单位:
hm）植被覆盖状
低度较低中度较高高度况
160787.5413364.100843.1面积270254.78756.73
2421
4结论
经过徐州市的植被覆盖情况分析可以得出结论:
徐州市的植被覆盖度相对较低，没有较高及高度植被覆盖区域。
这说明徐州市的生态环境相对较差，对植被的覆盖情况不重视。
新沂与丰县的植被覆盖度是所有区域中最高的，睢宁次之，徐州市区的植被覆盖度最低，只有0.07，属于低度植被覆盖区域。
这与各个区域的经济发展水平有一定的相关性。
在面积统计中，较低，中度植被覆盖度的面积所占份额较大。
高度与低度的植被覆盖度所占比例最少。
如果这种情况再继续下去，将会使徐州市的生态环境更加恶劣。
所以，在城市扩展，城市开发的过程中，适度的重视环境规划，提高植被覆盖度，也有利于徐州市的长远发展。
5参考文献
[1]赵英时.遥感应用分析原理与方法[M].北京:
科学出版社,2003.
[2]GitelsonA.A.,KaufmanY.J.,StarkR.,etal.Novelalgorithmsforremoteestimation
ofvegetationfraction[J].RemoteSensingofEnvironment,2002（80）:
76-87.
[3]胡良军,邵明安.论水土流失研究中的植被覆盖度量指标[J].西北林学院学报,2001,16
（1）:
40-43.
[4]祁燕王秀兰冯仲科郭祥2基于RS与GIS的北京市植被覆盖度变化研究[J]林业调查规划200934
（2）1-4
[5]何云玲,张一平.城市生态环境与绿化植被相互作用研究[J].高原气象,2004,23（3）:
2972304.]
[6]沈涛,袁春琼,刘玉安.乌鲁木齐市热岛强度分布与植被覆盖相互关系的遥感研究[J].新疆气象,2004,27
（1）:
28230.]
[7]刘树华,黄子琛,刘立超.半干旱区植被覆盖度对边界层气候热力影响的数值模拟[J].气象学报,1996,54（3）:
3032311.
8,张春玲，余华，宫鹏，等（武汉市地表亮温与植被覆盖关系定量分析,J,（地理科学，2009，2
9（5）:
740,744,9,颜长珍，吴炳方（晋陕蒙接壤区林草覆盖变化的遥感分析,J,（地理科学，2004，24（4）:
465,471（
10,张云霞，李晓斌，陈云浩（草地植被覆盖度的多尺度遥感与实地测量方法综述,J,（地球科学进展，2003，18
（1）:
85,93（
11,陈晋，陈云浩，何春阳，等（基于土地覆盖分类的植被覆盖率估算亚像元模型与应用,J,（遥感学报，2001，5（6）:
416,422（
12,PurevdorJS，TateishiR，IshiyamaT，etal（Relationshipsbetweenpercentvegetationcoverandvegetationindices,J,（InternationalJournalofRemoteSensing，1998，19（18）:
3519,3535（
13,万恩璞，吕宪国，王野乔，等（应用遥感信息对长白山植被覆盖的研究,J,（地理科学，1989，9（4）:
354,387（
14,孙睿，刘昌明，朱启疆（黄河流域植被覆盖度动态变化与降水的关系,J,（地理学报，2001，56（6）:
667,672（
15,赵彩霞，郑大伟，何文清（植被覆盖度的时间变化及其防风蚀效应,J,（植物生态学报，2005，29
（1）:
68,73（
16,AmiriR，WengQ，AlimohammadiA（Spetial,temporaldynamicsoflandsurfacetemperatureinrelationtofractionalvegetation
coverandlanduse/coverintheTabrizurbanarea，Iran,J,（RemoteSensingofEnvironment，2009，113（12）:
2606,2617（
[17]LYONJG,YUAND,LUNETTARS,etal.Achangedetectionexperimentusingvegetationindices[J].PhotogrammetricEngineeringandRemoteSensing,1998,64:
143-150.
[18]田庆久,闵祥军.植被指数研究进展[J].地球科学进展,1998,13（4）:
327-333.
19,赵英时（遥感应用分析原理与方法,M,（北京:
科学出版社，2003:
387,398.
20,李惠敏，刘洪斌，武伟（近10年重庆市归一化植被指数变化分析,J,（地理
科学，2010，30
（1）:
119,123（
21,李苗苗（植被覆盖度的遥感估算方法研究,D,（中国科学院遥感应用研究所，
2
003:
1,111（
22,GutmanGG（VegetationindicesfromAVHRR:
Anupdateandfutureprospects,J,（RemoteSensingofEnvironment，1991，35（2,3）:
121,136（
升级会员 