基于像元二分模型的北京市部分地區植被覆蓋度遙感監測

董琳 楊有田 張茜雯

摘 要：在可持續性發展的前提下，植被及森林覆蓋度的監測對我國顯得尤為重要，基于遙感影像的植被覆蓋度分析計算是近年來較直接，精度較高的區域植被覆蓋度獲取方法。本文采用像元二分模型對北京市覆蓋較高的部分地區（延慶，懷柔，密云）植被覆蓋度進行提取，最后進行動態對比分析，實現了三區縣的植被覆蓋度動態監測，為北京市環境的改善及治理提出很好的數據支撐。

關鍵詞：植被覆蓋度 NDVI 像元二分模型 動態監測

1 植被覆蓋度遙感監測原理與方法

1.1 植被覆蓋度

1.1.1 植被覆蓋度定義

植被覆蓋度指某一地域植物垂直投影面積與該地域面積之比，用百分數表示。植被覆蓋度是衡量地表植被狀況的一個重要指標，是描述生態系統的重要基礎數據，也是區域生態系統環境變化的重要指示，對水文、生態、區域變化等都具有重要意義。

1.1.2 植被覆蓋度分級

依照植被蓋度分級編碼體系[1]，將植被覆蓋度分為6類，裸地覆蓋率0-15%，15%-30%為低覆蓋，30%-45%為中低覆蓋，60%-75%為中高覆蓋，75%以上為高覆蓋。

1.2基于像元二分模型的植被覆蓋度提取

1.2.1 植被指數

NDVI，植被覆蓋指數。-1<=NDVI<=1，負值表示地面覆蓋為云、水、雪等，對可見光高反射；0表示有巖石或裸土等，NIR和R近似相等；正值，表示有植被覆蓋，且隨覆蓋度增大而增大。

1.2.2 像元二分模型原理

如果該任一像元是混合像元，假設只由植被和土壤2種組分組成，則這個像元中有植被覆蓋的面積比例為Vf即該像元的植被覆蓋度，該混合像元的植被部分所貢獻的信息Rv可以表示為純植被反射率Rveg與像元中植被覆蓋面積Vf的乘積，裸土亦然，得到R=Rveg×Vf+Rsoil ×（1-Vf）。多項研究表明，將NDVI直接代入上式中，所帶來的影響較小，因此計算植被覆蓋度的公式可表達為：Vf=（NDVI-NDVIsoil）/（NDVIveg-NDVIsoil）只需圖像中獲取NDVIsoil和NDVIveg即可。

2 研究區概況

2.1北京市概況

北京位于東經115.7°～117.4°，北緯39.4°～41.6°，中心位于北緯39°54′20″，東經116°25′29″，總面積16410.54平方千米。位于華北平原北部，毗鄰渤海灣，上靠遼東半島，下臨山東半島。

2.2北部三區概況

延慶區隸屬北京市，地理坐標位于東經115°44～116°34，北緯40°16～40°47，地處北京市西北部，平均海拔500米以上，氣候獨特，冬冷夏涼，素有北京“夏都”之稱。

懷柔區為北京市郊區縣之一，地處全市東北部，位于東經116°17′～116°63′，北緯40°41′～41°4′之間。屬暖溫帶型半濕潤氣候，四季分明，雨熱同期，夏季濕潤，冬季寒冷少雪。

密云區隸屬北京市，地理坐標西起東經116°39 ′33”，東至117°30 ′25 “；南起北緯40°13′7”，北至北緯40°47′57”，位于北京市東北部，有中型以上水庫4座。

3 圖像預處理

3.1幾何校正及裁剪

本實驗選取的北京TM/ETM影像數據3期，成像時間分別為1991.5.6，1999.7.1，2010.6.5，保證了融合數據的時相一致。為了保證動態監測的圖像的可比性，必須以1991年圖像為基準進行幾何校正，選擇二次多項式方法，得到較好的校正結果。同時將北京北部三區以區界矢量圖為基礎進行裁剪，得到單獨的研究區圖像，便于后續研究。

3.2大氣校正

首先進行輻射定標，然后對圖像進行基于黑暗像元法的大氣校正。其他像元減去黑暗像元的像元值，可以減少大氣對整幅影像的影響，達到大氣校正的目的。本實驗中得到最小像元突變值作為黑暗像元值，進行輸入完成大氣校正。

4 基于像元二分模型的植被覆蓋度提取

4.1 確定NDVIsoil和NDVIveg

對大氣校正后的圖像進行NDVI計算，其中NDVI值小于1為無植被覆蓋區。對于不同土壤類型的裸露地表，NDVIsoil和NDVIveg值會隨著類型變化而在-0.1～0.2范圍內波動，土地利用圖和土壤圖常作為選取NDVIveg和NDVIsoil參數的依據，所得估算結果更接近現實。本研究參考基于像元二分模型的淮河上游植被覆蓋度遙感研究[2]，選取NDVI值累積頻率置信度5%～95%的最大值與最小值，作為NDVIsoil和NDVIveg參數值。確定1991年NDVIveg為-0.011765，NDVIsoil為0.952941；1999年NDVIveg為-0.388235，NDVIsoil為0.976471；2010年NDVIveg為-0.12325，NDVIsoil為0.978151。

4.2 植被覆蓋度提取

依據已經推演得到的公式，代入上一步中得到的每一年的NDVIsoil和NDVIveg值，可以得到植被覆蓋度圖像。

4.3統計及分級

對得到的三年植被覆蓋度圖像進行統計，并按級別統計各級面積及所占比例積，統計結果如下：

5 精度評價

為了驗證植被覆蓋度反演結果的準確性，進行如下兩種驗證方式：

（1）實地采樣驗證，實地采樣提取覆蓋度與反演結果進行比較

（2）高精圖像及地圖的輔助驗證。在高精圖像或地圖上定位到反演區域，進行比較與分析。

6 結論

可以看到，1991年植被覆蓋率在高覆蓋等級的最高，且1991年總體平均植被覆蓋率最高，開發程度較低，植被覆蓋面積較大，1999年開發程度加強，2010年重新注重植被與環境，環境得到改善，植被覆蓋率較1999年提升。

參考文獻

[1] 劉玉安，黃波，程濤，等.基于像元二分模型的淮河上游植被覆蓋度遙感研究[J].水土保持通報，2012，32（1）：93-97.

[2] 羅彩蓮，陳杰，樂通潮.基于FLAASH模型的Landsat ETM+衛星影像大氣校正[J].防護林科技，2008（5）：46-48.

[3] 鄭偉，曾志遠.遙感圖像大氣校正的黑暗像元法[J].國土資源遙感，2005，17（1）：8-11.

[4] 劉琳，姚波.基于NDVI象元二分法的植被覆蓋變化監測[J].農業工程學報，2010，26（s1）：230-234.