基于TM數據的雅魯藏布江源區草地植被蓋度估測

孫 明，楊 洋，沈渭壽，蘇 羨

基于TM數據的雅魯藏布江源區草地植被蓋度估測

孫 明1，2，楊 洋3，沈渭壽2，蘇 羨4

(1.廣西壯族自治區氣象減災研究所/國家氣象衛星中心遙感應用試驗基地，南寧 530022;2.環保部南京環境科學研究所，南京 210042;3.南京師范大學地理科學學院，南京 210046;4.廣西北海市氣象局，北海 536000)

為了查明雅魯藏布江源區的草地植被蓋度，采用Landsat5 TM數據，以其派生數據NDVI，RVI，VI3，PVI，DVI，MSAVI，SAVI，TM4/TM5為主要分析因子，結合野外植被樣地調查數據，選取相關性最高的因子與植被蓋度實測值建立回歸模型，然后利用該模型反演源區的植被蓋度。研究結果表明:①和其他幾種遙感評價指標相比，TM4/TM5的比值與草地植被蓋度的相關性最高，與草地植被蓋度實測值的變化趨勢一致，在光譜特征上增強了不同退化程度草地植被的光譜反射值差異，最適宜用于草地植被蓋度建模;②雅魯藏布江源區植被蓋度的10個分級中，植被蓋度為10% ～20%的分布地區最多，面積達到4 322.15 km2，占全部草地面積的49.27%;其次是植被蓋度為0～10%和20% ～30%的地區，面積分別達到2 238.53 km2和1 397.87 km2，分別占全部草地面積的25.52%和15.94%;植被蓋度高于50%的草地面積為195.96 km2，僅占源區草地總面積的2.23%;③植被蓋度大于50%的高覆蓋度植被區主要分布于4 426～4 800 m高程范圍內，面積達到186.25 km2，占整個源區高覆蓋度草地面積的95.04%，這與源區的水分分布條件相關。

TM4/TM5植被指數;植被蓋度;遙感;雅魯藏布江源區

0 引言

植被蓋度是草原沙漠化評價、土地荒漠化監測與評價的重要指標之一［1－8］。植被蓋度的時空變化直接反映了特定區域環境的變化結果［9］。用傳統的實地調查和地面樣方實測等方法來估測區域植被蓋度需耗費大量的人力和物力，且野外調查過程中，人工確定植被蓋度還存在諸多不確定因素，因此利用遙感數據快速統計植被蓋度狀況成為解決這一問題的重要方法。

雅魯藏布江(以下簡稱雅江)發源于喜馬拉雅山北麓海拔5 590m的杰馬央宗冰川。雅江源區是2001年國家環境保護部確定的10個國家級重要生態功能保護區建設試點之一，其生態功能狀況關系到中游西藏日喀則、拉薩等經濟較發達地區以及下游大峽谷生物多樣性重要地區的生態安全。源區地勢高峻，物理凍融侵蝕作用分布廣泛，地表多沙、植被稀疏，山體坡面物質處于不穩定狀態，生態環境極其脆弱。隨著高原氣候變暖，該區生態環境變化顯著(如雪線上升、凍土退化、濕地干化和湖泊萎縮)，從而導致了草地不斷退化、風沙化土地發育和蔓延明顯。近 20 a來，源區土地沙化程度逐年加重［10－11］，草地退化趨勢明顯。源區至今沒有氣象、水文等監測站點，自然環境背景實測數據極為缺乏，科研基礎資料更是寥寥無幾［12］。20世紀70—80年代，中國科學院青藏高原綜合考察隊對青藏高原進行了全面考察，但出版的系列科考叢書中涉及源區的內容比較概略［13－16］。20世紀80年代末期，西藏自治區農委組織開展了以縣為單位的土地利用調查、土壤普查、草地資源調查及草場等級評價，源區各縣的相關調查成果圖成為該區域重要的基礎資料［17］。為此，對源區草地開展植被蓋度遙感監測就顯得尤為重要。

從目前利用遙感資料測量植被蓋度的方法來看，大致可歸納為3類:經驗模型法、植被指數法和亞像元分解法。相對于后2種方法，經驗模型法使用的時間較長。植被指數法和亞像元分解法是近年被日益廣泛使用的方法［12，18］。本文在對源區樣地進行詳細調查的基礎上，引入了對于干旱半干旱地區環境植被反映比較敏感的TM4/TM5因子，對源區草地植被蓋度進行反演，這對于準確了解草地植被蓋度的總體分布狀況、把握源區草場沙化趨勢具有重要意義，為今后進一步研究奠定基礎。

1 研究區概況

雅江源區位于 E81°05'07″～84°30'20″，N29°09'30″～30°58'12″之間，西起杰馬央宗冰川，南北分別至喜馬拉雅山和岡底斯山分水嶺，東至仲巴縣與薩嘎縣行政界線。西、南、北均以河流分水嶺為界的馬泉河流域，是世界上最高的江河源。喀則地區仲巴縣占雅江源區全區面積的94.27%［19］，阿里地區所占面積較小。據雅江源區周邊日喀則、普蘭、改則和獅泉河等4個基本氣象站點的1973—2007年氣象資料分析，雅江源區年降水量206.12 mm，日平均氣溫2.77℃，年平均風速 2.92 m/s，年日照時數 3 295.16 h。該區呈典型的高原寒冷干旱、半干旱氣候，具有光照充足、輻射強度大、干濕季節明顯、夏季涼爽和冬季嚴寒等特點。馬泉河谷發育著寬闊平坦的沖積平原，基本都是牧區。在帕羊以下河谷兩側分布著大面積的由蒿草組成的沼澤化草甸，這是該區優良的冬春牧場;帕羊以上，沼澤化草甸漸趨消失，高寒草原代之，廣泛分布著紫花針茅和蒿屬植物，是該區主要的夏季牧場［10］。

2 研究方法

2.1 野外調查

根據源區植被分布范圍，于2010年7月下旬沿219國道對源區開展了一次野外調查。調查涉及的植被類型包括固沙草草原、藏北嵩草草甸、三角草、矮嵩草和小嵩草混生草甸以及金露梅灌叢。源區很多地區出現了流動沙丘逐漸蠶食草場等沙化現象。為全面了解源區草地的沙化趨勢，選取51個不同沙化程度的草地作為樣地，每個樣地大小為1m×1m。調查記錄了不同樣地的經緯度坐標、海拔高度、建群種高度、植被蓋度以及土壤水分等信息，并拍攝了照片。由于受野外條件的限制，樣地植被蓋度的調查主要采用目視估測方法。考慮到目視方法存在較大的主觀性，因此在后期處理中，對每個樣地的照片進行了網格化處理，并制定了統一標準進行估算，從而得出每個樣地較為精確的植被蓋度實測數據。

2.2 遙感數據源及其預處理

由于源區植被覆蓋度具有明顯的時空分異特征，且7—8月份是源區草地生長的旺季，因此該地區遙感圖像的最佳成像時間應選擇在7—9月份間［18］。考慮到遙感數據的成像質量、圖像覆蓋范圍以及與野外樣地測量時間的匹配程度，本文選用了2009－08－01成像的軌道號/行號為143/39的Landsat5 TM圖像作為主要遙感數據源，輔以2009－10－13和2009－06－07時相的2景TM圖像(142/39和142/40)，然后利用 ERDAS和 ENVI軟件對其進行輻射校正、大氣校正和幾何精糾正，為源區草地植被蓋度的反演提供基礎資料。

2.3 研究方法

以野外樣地調查為基礎，通過分析后選用一系列對植被信息比較敏感的遙感評價指標，包括歸一化植被指數(NDVI)、比值植被指數(RVI)、差值植被指數(DVI)、垂直植被指數(PVI)、土壤調節植被指數(SAVI)、修改型土壤調節植被指數(MSAVI)、中紅外植被指數(VI3)和TM4/TM5比值數據。

首先，根據樣地的經緯度坐標，提取對應不同類型的遙感評價指標，并將這些遙感評價指標與植被蓋度實測值進行相關性分析，比較相關系數;其次，選取相關性最高的遙感評價指標(本文最終選用TM4/TM5比值數據)，并與植被蓋度實測值構建反演模型，對模型進行精度檢驗;然后，利用通過精度檢驗的模型和遙感圖像，對源區植被蓋度進行反演計算;最后，在ArcGIS平臺上將反演的植被蓋度數據轉化為矢量數據，并對其進行分級，最終得到源區草地植被蓋度的分級圖。技術路線如圖1所示。

圖1 實驗技術流程Fig.1 Flow chart of the test technology

3 結果與分析

3.1 遙感評價指標提取

在前人研究的基礎上［20］，經過反復試驗，利用TM數據生成對植被信息比較敏感的系列評價指數(NDVI，RVI，DVI，PVI，SAVI，MSAVI，VI3 以及 TM4/TM5)，并根據對應的樣地坐標，基于遙感圖像數據提取出上述植被指數(表1)。

表1 部分采樣點對應的幾種植被指數數據Tab.1 Different kinds of vegetation indices of some samples

3.2 遙感評價指標相關性分析

研究表明各種植被指數與草地生長末期地上總生物量關系密切，并且不同植被指數、不同波段、不同波段運算得出的光譜指數與草地生物量相關性也有差異［21］。為此需要對草地植被蓋度實測值與Landsat TM派生的植被指數之間的相關性進行分析，最終找出與草地植被蓋度相關性最大的指數，建立能快速獲取草地植被變化信息的遙感模型。

將草地蓋度實測數據與對應樣地的各種植被指數及TM4/TM5指數進行相關性分析，結果如表2所示。

表2 草地蓋度實測數據與植被指數的相關性Tab.2 Correlation between measured data of grassland coverage and vegetation index

由表2可見，不同指數相關性排序為:TM4/TM5＞VI3＞RVI＞NDVI＞SAVI＞DVI＞PVI＞MSAVI。

將實測值與TM4/TM5值的變化趨勢繪制成曲線。通過對比發現，二者之間的變化趨勢基本同步(圖2)。

圖2 草地植被蓋度與TM4/TM5曲線Fig.2 Curve of grassland vegetation coverage and TM4/TM5

為了比較不同植被指數與TM4/TM5指數區別，本文選取幾種典型草類:藏北嵩草、固沙草、矮嵩草和小嵩草混生草甸、三角草以及金露梅，根據樣地坐標提取相應的遙感圖像亮度值，繪制不同草類的光譜特征曲線(圖3)。從圖3可以看出，5種主要草類的TM5波段反射光譜值相對較高;藏北嵩草受生境影響，土壤含水量較高，TM5波段光譜反射值相對其他草類較低。

圖3 不同草地類型光譜特征曲線Fig.3 Spectral characteristic curves of different grassland types

為了進一步驗證TM4/TM5指數的適用性，本文選取中度沙化和重度沙化2種草地類型，提取2種樣地的遙感圖像亮度值，繪制光譜特征曲線(圖4)。

圖4 不同沙化等級草地的光譜特征曲線Fig.4 Spectral characteristic curve of grassland of different desertification grades

從圖4可以看出，雅江源區草地在TM5波段具有高反射值，并且沙化越嚴重，TM5波段的反射值越高。TM5波段(1.55 ～1.75μm)處在以 1.45μm和1.95μm為中心的水吸收帶之間，含水量反映敏感;植物葉片在TM5波段的反射率主要受含水量控制，葉片含水量越小，入射能量中被葉片吸收的部分就越少。源區為典型的高原寒冷干旱、半干旱氣候區。與濕潤地區的草地相比，源區草地的土壤濕度、植物葉片的絕對含水量都要低很多，因而在TM5波段的反射亮度值相對較高;而TM4是綠色植物最敏感的波段，草地植被長勢越好，TM4波段的反射光譜值越高，反之，草地沙化越嚴重，TM4波段反射光譜值越低。傳統的比值植被指數主要利用TM3和TM4波段的數學運算來增強植被信息，但在雅江源區的應用效果較差;而TM4/TM5的比值運算增強了不同退化(沙化)程度草地植被的反射光譜值的差異，從光譜特征角度看，更適用于源區草地信息的提取。

3.3 植被蓋度估測模型構建

3.3.1 最佳模型選擇

用TM4/TM5比值作為自變量，植被蓋度作為因變量，將樣地數據分為2組，第一組樣地數據(41個)參與分析，第二組(10個)進行精度檢驗;然后利用第一組樣地數據通過SPASS構建回歸模型，對草地植被蓋度與TM4/TM5的關系進行回歸分析，擬合結果如表3所示。

表3 草地植被蓋度與TM4/TM5的線性與非線性擬合模型參數表Tab.3 Parameters table of linear and nonlinear fitting model of grassland vegetation coverage and TM4/TM5

從表3可以看出，草地植被蓋度和TM4/TM5評價指標之間有6個回歸模型，回歸模型中，R2最高的是一元三次函數模型，其次為拋物線模型，但這2個模型的F檢驗值很低。就TM4/TM5與草地植被蓋度的相關分析而言，最適合用于草地植被蓋度擬合反演的是線性模型，不僅R2值較高(0.409)，且F檢驗值也最大(27.003)。

根據以上分析可見，以TM4/TM5為自變量的線性函數擬合草地植被蓋度變化的效果比較好，利用SPASS統計軟件進行線性回歸分析，得出

線性回歸模型。式中:y為草地植被蓋度;x為TM4/TM5;相關系數 R2=0.64。

3.3.2 遙感評價模型的檢驗

利用第二組10個樣地的植被蓋度數據對植被蓋度的遙感評價模型進行預測和檢驗，即計算相應的相關系數R2、均方根差RMSE以及相對誤差E，并將它們作為模型精度的評價標準。

由線性和非線性回歸模型估計出的擬合結果的精度可用均方根差(RMSE)來評價，即

分析結果的準確度可用相對誤差(E)表示，即

誤差越小，表示分析結果越接近真實值。

R2表示回歸分析趨勢線的預測值與對應的實測數據之間的擬合程度，取值范圍為0～1，當趨勢線的R2等于1或接近1時，其可靠性最高。

由圖5可見，草地植被蓋度的實測值和遙感預測值的擬合精度較高，該模型擬合結果的RMSE為0.074，E為19.6%，草地植被蓋度模型驗證精度可達0.91，模型整體預測精度較高，有一定的實用性。

圖5 草地植被蓋度模型驗證結果Fig.5 Results of grassland vegetation coverage model validation

3.4 草地植被蓋度分布特征

將反演模型應用于雅江源區，利用該區遙感圖像進行草地植被蓋度的定量估測，然后借助ArcGIS將反演后的柵格數據轉化為矢量，并將植被蓋度分為10級，每一級按10%植被蓋度遞增，得到源區草地(143/39、142/39和142/40景圖像)植被蓋度分布圖(圖6)。

圖6 雅魯藏布江源區草地植被蓋度分布Fig.6 Distribution of grassland vegetation coverage in the source region of the Yarlung Zangbo River

3.4.1 總體分布特征

從圖6可看出，馬泉河谷寬谷段植被蓋度較高，河谷兩側廣泛分布著沼澤草甸，植被類型主要以藏北嵩草、矮嵩草為主，該地區土壤水分充足，植被長勢普遍較好，因而植被蓋度均在50%以上;隨著海拔高度的上升，植被類型變為以稀疏植物群落和灌叢為主，土壤水分條件較差，沙化較嚴重，植被蓋度相對較低，普遍在30%以下。植被蓋度圖與源區草地分布情況相符，該模型基本能夠準確反映源區植被蓋度的分布情況。

3.4.2 高程分布特征

草地植被蓋度與地質、地形地貌、土壤以及人為活動等因素有密切關系。但是雅江源區至今尚無水文、氣象等站點，科研基礎資料匱乏，海拔高程差異大，因此本文僅從高程分布特征上探討草地植被蓋度的分異特征。

對源區海拔高程4 426～4 600m，4 600～4 800m，4 800～5 000m，5 000m以上的等級進行劃分;植被蓋度以10%的間隔共分為10個等級;將草地植被蓋度分布數據和DEM進行疊加，統計分析得到各個高程等級上不同植被蓋度的土地分布面積(表 4)。

表4 雅魯藏布江源區不同等級的植被蓋度面積Tab.4 Grassland coverage area of different grades in the source region of the Yarlung Zangbo River(km2)

從表4可看出，2009年雅江源區植被面積8 772.21 km2，占源區總面積的33.29%;10 個植被蓋度分級中，植被蓋度分布最多的為10%～20%等級，面積達4 322.15 km2，占全部草地面積的49.27%;其次為0～10%和20%～30%植被蓋度等級，面積分別達 2 238.53 km2和 1 397.87 km2，占全部草地面積的25.52%和15.94%;植被蓋度高于50%的草地面積為195.96 km2，僅占源區草地總面積的2.23%。植被蓋度大于50%的高覆蓋度植被區主要分布于4 426～4 800 m的高程范圍內，這部分植被區的面積達186.25 km2，占整個源區高覆蓋度草地面積的95.04%，這與源區的水分分布有關。

4 結論

1)雅江源區草地植被蓋度實測值與對應的TM4/TM5值變化趨勢一致，與其他7種植被指數相比，TM4/TM5增強了不同退化程度草地植被的反射光譜值的差異，以TM4/TM5為指標構建草地植被蓋度遙感反演模型是合理的;從光譜特征角度看，TM4/TM5更適用于雅江源區這種干旱、半干旱地區草地植被蓋度的定量反演。

2)以野外樣地調查為基礎，分析基于TM遙感圖像的不同評價因子，篩選出影響植被蓋度預測的主要因子TM4/TM5，建立了以像元為單位的植被蓋度預測模型，實現了雅江源區遙感植被蓋度的定量化預測，為科學、快速評價草地植被蓋度提供了一種新思路。模型的整體預測精度較高，均方根差為0.074，相對誤差為19.6%，草地植被蓋度模型驗證精度達到0.91。

3)試驗區設置樣地基本涵蓋了雅江源區的主要草地類型，具有典型性和代表性;建立的草地植被蓋度反演模型在雅江源區具有普適性。本文構建的草地植被蓋度反演模型為今后該區生態退化等研究提供了基礎。

4)2009年源區草地面積共8 772.21 km2，占源區草地總面積的33.29%。按草地植被蓋度分級統計，面積最大的植被蓋度等級為10%～20%，其次為0～10%和20%～30%;從高程等級統計來看，植被蓋度大于50%的高覆蓋度植被區主要分布于4 426～4 800 m的高程等級范圍內，這部分植被地區面積達到186.25 km2，占整個源區高覆蓋度草地面積的95.04%。

［1］ 陳 杰，龔子同，高尚玉.干旱地區草場荒漠化及其評價［J］.地理科學，2000，20(2):176 －181.Chen J，Gong Z T，Gao S Y.Range Desertification in the Arid Areas and Its Assessment［J］.Scientia Geographica Sinica，2000，20(2):176－181(in Chinese with English Abstract).

［2］ 丁國棟，趙廷寧，范建友，等.荒漠化評價指標體系研究現狀述評［J］.北京林業大學學報，2004，26(1):92 －96.Ding G D，Zhao Y N，Fan J Y，et al.Analysis on Development of Desertification Assessment Indicator System［J］.Journal of Beijing Forestry University，2004，26(1):92 －96(in Chinese with English Abstract).

［3］ Eastwood J A，Yates M G，Thomson A G，et al.The Liability of Vegetation in Dices for Monitoring Salt Marsh Vegetation Cover［J］.International Journal of Remote Sensing，1997，20(18):3901－3907.

［4］ 高尚武，王葆芳，朱靈益，等.中國沙質荒漠化土地監測評價指標體系［J］.林業科學，1998，34(2):1 －9.Gao S W，Wang B F，Zhu L Y，et al.Monitoring and Evaluation Indicator System on Sandy Desertification of China［J］.Scientia Silvae Sinicae，1998，34(2):1 － 9(in Chinese with English Abstract).

［5］ Gutman G，Ignalov A.The Derivation of the Green Vegetation Fraction from NOAA/AVHRR Data for Use in Numerical Weather Prediction Models［J］.International Journal of Remote Sensing，1998，21(8):1533 －1543.

［6］ 海春興，劉寶元，趙 燁.土壤濕度和植被蓋度對土壤風蝕的影響［J］.應用生態學報，2002，13(8):1057 －1058.Hai C X，Liu B Y，Zhao Y.Influence of Soil Humidity and Vegetation Coverage on Wind Erosion［J］.Chinese Journal of Applied Ecology，2002，13(8):1057 － 1058(in Chinese with English Abstract).

［7］ 王葆芳.國內外沙漠化監測評價指標體系概述［J］.林業科技通訊，1997(1):4－8.Wang B F.Brief Review on the Overseas Monitoring Evaluation Indexes System of Desertification［J］.Forest Science and Technology，1997(1):4 －8(in Chinese).

［8］ 劉同海，吳新宏，董永平.基于TM影像的草原沙漠化植被蓋度分析研究［J］.干旱區資源與環境，2010，24(2):141 －144.Liu T H，Wu X H，Dong Y P.Analysis on Vegetation Coverage of Grassland Desertification Based on TM Image［J］.Journal of Arid Land Resources and Environment，2010，24(2):141 － 144(in Chinese with English Abstract).

［9］ 倪忠云，何政偉，趙銀兵，等.汶川地震前后都江堰植被蓋度變化的遙感研究［J］.水土保持研究，2009，16(4):45 －48.Ni Z Y，He Z W，Zhao Y B，et al.Study on Vegetation Coverage Changes in Dujiangyan Before and After Wenchuan Earthquake［J］.Research of Soil and Water Conservation，2009，16(4):45 －48(in Chinese with English Abstract).

［10］孫 明，沈渭壽，李海東，等.雅魯藏布江源區風沙化土地演變趨勢［J］.自然資源學報，2010，25(7):1163 －1171.Sun M，Shen W S，Li H D，et al.Traits and Dynamic Changes of the Aeolian Sandy Land in the Source Region of the Yarlung Zangbo River in Tibet［J］.Journal of Natural Resources，2010，25(7):1163－1171(in Chinese with English Abstract).

［11］楊逸疇.雅魯藏布江河谷風沙地貌的初步觀察［J］.中國沙漠，1984，4(3):12 －16.Yang Y C.Aeolian Landform on the Banks of River Valley－Case Study in YalutsangpoRiverValley［J］.JournalofDesert Research，1984，4(3):12 － 16(in Chinese with English Abstract).

［12］孫 明，沈渭壽，謝 敏，等.基于光譜特征的雅魯藏布江源區草地類型識別［J］.國土資源遙感，2012(1):83 －89.Sun M，Shen W S，Xie M，et al.The Identification of Grassland Types in the Source Region of the Yarlung Zangbo River Based on Spectral Features［J］.Remote Sensing for Land and Resources，2012(1):83－89(in Chinese with English Abstract).

［13］中國科學院青藏高原綜合科學考察隊.青藏高原科學考察叢書.西藏植被［M］.北京:科學出版社，1988:261，311－313.Qinghai－Tibet Plateau Comprehensive Scientific Investigation Team，Chinese Academy of Science.The Series of the Scientific Expedition to the Qinghai－ Xizang Plateau Forest of Tibet［M］.Beijing:Science Press，1988:261，311 －313(in Chinese).

［14］中國科學院青藏高原綜合科學考察隊.青藏高原科學考察叢書.西藏草原［M］.北京:科學出版社，1992:21－23.Qinghai－Tibet Plateau Comprehensive Scientific Investigation Team，Chinese Academy of Science.The Series of the Scientific Expedition to the Qinghai－Xizang Plateau Tibetan Grasslands［M］.Beijing:Science Press，1992:21 －23(in Chinese).

［15］中國科學院青藏高原綜合科學考察隊.青藏高原科學考察叢書，西藏土壤［M］.北京:科學出版社，1985:298.Qinghai－Tibet Plateau Comprehensive Scientific Investigation Team，Chinese Academy of Science.The Series of the Scientific Expedition to the Qinghai－Xizang Plateau Soils of Xizang(Tibet)［M］.Beijing:Science Press，1985:298(in Chinese).

［16］中國科學院青藏高原綜合科學考察隊.青藏高原科學考察叢書，西藏冰川［M］.北京:科學出版社.1986:106－107.Qinghai－Tibet Plateau Comprehensive Scientific Investigation Team，Chinese Academy of Science.The Series of the Scientific Expedition to the Qinghai－ Xizang Plateau Glacier of Xizang［M］.Beijing:Science Press，1986:106 －107(in Chinese).

［17］何 萍，郭 柯，高吉喜，等.雅魯藏布江源頭區的植被及其地理分布特征［J］.山地學報，2005，23(3):267 －273.He P，Guo K，Gao J X，et al.Vegetation Types and Their Geographic Distribution in the Source Area of the Yarlung Zangbo［J］.Journal of Mountain Research，2005，23(3):267 － 273(in Chinese with English Abstract).

［18］王 宏，李曉兵，龍慧靈，等.整合1982—1999年NDVI與降雨量時間序列模擬中國北方溫帶草原植被蓋度［J］.應用基礎與工程科學學報，2008，16(4):525 －536.Wang H，Li X B，Long H L，et al.Simulating Vegetation Fractional Coverage for Temperate Grassland in Northern China Combining NDVI with Precipitation Time Series from 1982 to 1999［J］.Journal of Basic Science and Engineering，2008，16(4):525 － 536(in Chinese with English Abstract).

［19］李海東，沈渭壽，鄒長新，等.雅魯藏布江源區土壤侵蝕特征［J］.生態與農村環境學報，2010，26(1):25 －30.Li H D，Shen W S，Zou C X，et al.Soil Erosion in the Source Area of the Yarlung Zangbo in China［J］.Journal of Ecology and Rural Environment，2010，26(1):25 － 30(in Chinese with English Abstract).

［20］李輝霞，鄢 燕，劉淑珍，等.西藏高原草地退化遙感分析－以藏北高原典型區為例［M］.北京:科學出版社，2008:75－99.Li H X，Yan Y，Liu S Z，et al.Study on Remote Sensing of Grassland Degeneration in the Xizang Plateau［M］.Beijing:Science Press:2008:75－99(in Chinese).

［21］ Tucker C J，Sellers P J.Satellite Remote Sensing of Primary Production［J］.International Journal of Remote Sensing，1986，7(11):1395－1416.

Estimating Vegetation Coverage in the Source Region of Yarlung Zangbo River Based on TM Data

SUN Ming1，2，YANG Yang3，SHEN Wei－ shou2，SU Xian4
(1.Institute of Meteorological Disaster Mitigation of Guangxi/Remote Sensing Applying and Experiment Base of National Meteorological Satellite Center，Nanning 530022，China;2.Nanjing Institute of Environmental Sciences，Ministry of Environmental Protection，Nanjing 210042，China;3.School of Geographical Science，Nanjing Normal University，Nanjing 210046，China;4.Beihai Meteorological Bureau in Guangxi，Beihai 536000，China)

In order to find out the grassland coverage in the source region of the Yarlung Zangbo River，the authors selected the Landsat5 TM images as the data source，and adopted the derived data from TM such as NDVI，RVI，VI3，PVI，DVI，MSAVI，SAVI and TM4/TM5 as the main factors.In combination with the field survey data of vegetation samples，the authors selected the factors of the highest correlation and the measured vegetation coverage values to construct the regression model，and calculated the vegetation coverage of the images with this model.Some conclusions have been drawn:① compared with some other evaluation indices，TM4/TM5 which is suitable for modeling has the highest correlation with grassland coverage，the change trend of TM4/TM5 is consistent with the measured coverage and it enhances the difference of reflectance of degraded grassland on spectral characteristics;② in the 10 grades of vegetation coverage，the largest size is the coverage from 10%to 20%and its area reaches 4 322.15 km2，which accounts for 49.27%of the total grassland area;the next is 10%to 20%and 20%to 30%，whose areas reach 2 238.53 km2(accounting for 25.52%)and 1 397.87 km2(accounting for 15.94%)respectively.The area of the coverage above 50%is 195.96 km2and accounts for 2.23%of the total grassland;③the high coverage grassland with coverage greater than 50%is mainly distributed in the elevation range from 4 426 m to 4 800 m，its area reaches 186.25 km2and accounts for 95.04%of the total high coverage grassland，and it is related to the water distribution conditions.

TM4/TM5 vegetation index;vegetation coverage;remote sensing;source region of the Yarlung Zangbo River

TP 75;Q 948

A

1001－070X(2012)03－0071－07

10.6046/gtzyyg.2012.03.14

2011－08－09;

2011－09－20

國家環保公益性行業科研專項(編號:200709045，200809010和200909050)資助。

孫 明(1986－)，男，助理工程師，主要從事無人機及遙感應用研究。E－mail:msunies@163.com。

沈渭壽(1958－)，男，研究員，博士生導師，主要從事生態環境保護與荒漠化防治研究。E－mail:shenweishou@163.com。

(責任編輯:邢 宇)