基于遙感的蚌埠市植被覆蓋度反演與分析

胡媛 許培琳

摘 要：文章以蚌埠市2007年，2017年兩景同期的遙感影像為主數據源，以ENVI5.1遙感軟件為平臺，對蚌埠市2007年至2017年這期間的植被覆蓋度變化進行遙感反演及分析。首先采取計算植被指數的方法來提取植被；然后根據李苗苗等提出的像元二分法提取植被覆蓋度并根據密度分級；接著將兩期提取的植被覆蓋度結果圖做遙感動態監測，最后結合兩者做統計和分析。結果表明：蚌埠市的植被覆蓋較為集中的區域，覆蓋度有所下降；而曾經植被覆蓋較為稀疏的區域，覆蓋度有所增長，從總體上來說，研究區植被覆蓋度呈增長趨勢。

關鍵詞：歸一化差分植被指數；像元二分法；動態監測

近年來，隨著遙感技術的不斷發展，利用遙感技術監測植被覆蓋度反演的案例也逐漸增多。本文以安徽省蚌埠市為研究區域，從植被覆蓋的角度出發，基于歸一化植被指數的方法并結合像元二分法，監測蚌埠市十年來的植被覆蓋度變化。

1.研究區概況和數據預處理

蚌埠市坐落于安徽省北部，南北地理分界線秦嶺—淮河一線上，季節分明，年平均降水量較為豐富，光照充足，無霜期較長，為植被生長提供了十分有利的前提條件。

為了排除季節對植被覆蓋的影響因素和保證信息提取的質量，選擇的影像通常選取5月至10月的影像，這個時間段的植被長勢最好，易于觀察。本文采用的是通過地理空間數據云下載得到蚌埠市2007年8月的Landsat5影像和2017年9月的Landsat8影像，成像時天氣狀況均良好，云量較少、植被光譜信息較為顯著，更容易判讀。首先使用 ENVI5.1 軟件分別對兩幅蚌埠市的遙感影像數據進行輻射定標、幾何校正、大氣校正，然后裁剪出研究區影像圖[1]。以2007年蚌埠市影像圖為例。

2.數據處理

本次研究對于植被信息的提取采取的是歸一化植被指數的方法，首先，利用ENVI自帶的NDVI功能進行計算。其計算公式為：

（1）

然后利用的是李苗苗等在像元二分模型的基礎上研究的方法，公式見公式（2）：

（2）

其中，NDVIsoil是指區域內全部是裸土或沒有植被覆蓋的NDVI值，NDVIveg是指地區被植被完全覆蓋的NDVI值[2]。計算公式見公式（3）、（4）：

（3）

（4）

當區域內近似取VFCmax=100%，VFCmin=0%時，公式（2）可變為：

（5）

對于NDVImin和NDVImax的賦值可由ENVI的統計分析功能來實現，本文取累積概率為5%至95%的灰度值數據進行計算。當NDVI小于NDVImin時，VFC全部賦值為0；當NDVI大于NDVImax時，VFC全部賦值為1；介于兩者之間的像元使用公式（5）計算。

由于結果圖是個單波段的圖像文件，為了更加直觀的觀察出植被的覆蓋度情況，對兩幅遙感影像做密度分割和統計分析。將研究區按植被覆蓋度從低到高劃分分別賦予白、黃、青、淺綠、綠色。統計結果見表1。

表1 植被覆蓋度面積百分比統計表

植被覆蓋度 2007覆蓋率/% 2017覆蓋率/%

低（0-0.2） 11 7.4

較低（0.2-0.4） 5.2 7.7

中（0.4-0.6） 10.8 13

中高（0.6-0.8） 24.7 24.6

高（0.8-1） 48.3 46.3

為了更加精準的得出蚌埠市這十年來的植被變化情況，需要檢測2007年和2017年這兩個時相影像的增加和減少的兩種變化信息，從而獲取地表植被絕對變化信息。利用Image Change Workflow直接比較法來獲取植被變化信息。以2007年的影像圖為基礎，可用紅色區域表示為植被減少，藍色區域表示植被增加。

3.結論

結合表1可以得出：北部和中部的植被覆蓋度十年間有小幅度降低，而西南部和東部地區的很多低植被覆蓋區域的植被覆蓋度大幅度增加。曾經植被覆蓋較為集中的區域，現在覆蓋度有所下降，而曾經植被覆蓋較為稀疏的區域，覆蓋度有所增長，從總體上來說，研究區植被覆蓋度呈增長趨勢[3]。由于受影像空間分辨率的影響，對研究區的植被覆蓋度遙感反演與分析主要是從宏觀角度來進行的，具有一定的局限性。但是本次研究成果可為蚌埠市城市建設和規劃提供一定的參考和借鑒，同時對于蚌埠市以后的植被覆蓋度的研究具有一定的參考價值。

參考文獻

[1]王艷.基于多源數據的洪災區域快速提取方法研究[D].江西理工大學，2015.

[2]王婧.山西省渾源縣植被覆蓋度的遙感估算及其動態研究[D].太原理工大學，2012.

[3]王婧.基于TM數據的北京市植被覆蓋度反演及分析[J].科技與企業，2016（04）：116.