1、本科毕业论文（20 届）南靖植被覆盖度的遥感估算所在学院 专业班级 测绘工程 学生姓名 学号 指导教师 职称 完成日期 年 月 南靖植被覆盖度的遥感估算摘要：植被覆盖度是反映气候以及生态环境的一个重要一个参考量。随着我国近年来城镇化节奏的加快，以及经济总量的不断增加，人民的生活水平也随之提高。但是由于对保护生态环境的观念和政府的监管力度不足，造成了大量的环境破坏和资源浪费。所以对于区域及全国的植被覆盖度的动态监测就显得十分重要。本文主要通过对多种测量植被覆盖度方法的探讨与介绍，并运用像元二分法分别对南靖 1996 年、2002 年和 2014 年的植被覆盖度进行计算统计。分析测量结果，并进行数
2、据动态分析。关键字：遥感；植被覆盖度；NDVI；像元二分法0目录1 引言 .12 植被覆盖度 .13 植被覆盖度监测方法概述 .13.1 地面测量法 .23.2 地面测量法优缺点 .23.3 遥感测量法 .23.3.1 遥感获取植被覆盖度的优势 .23.3.2 像元分解模型法 .33.3.3 像元二分法 .33.3.4 NDVI.33.3.5 像元二分法的改进 .44 研究区域及内容 .44.1 研究区概况 .44.2 研究目标 .44.3 数据处理过程概况 .54.4 数据源及数据处理具体步骤 .54.4.1 数据源 .54.4.2 辅助数据以及操作软件 .54.4.3 数据处理 .55 结
3、果分析 .156 存在问题 .15参考文献 .161致谢语 .1611 引言 植被包含了森林、灌木、乔木、草原与农作物。由于其根系连接着土壤，枝叶接触空气，通过其蒸腾作用以及光合作用等，将土壤大气水等要素连接在一起。作为生态系统的基础，关系到地表土壤和水的平衡，并且植被还在地表的能量的交换，大气的循环还有水循环中起着十分重要的作用，使它具有调节气候、防沙治沙、保土固土和增强土壤雨水下渗能力等功能 1 。植被覆盖度作为地球内部物质和外部物质交换情况的综合反映，被称作生态环境的指示器。较低的植被覆盖度直接导致生态环境的恶化，继而导致气候变化、水土流失、土地荒漠化和生物种类减少等不良，影响着地区乃至
4、全球特别是“第三世界国家”人民的生存环境。如何保护人类生存环境不被破坏，实现生态的可持续发展，缓解全球变暖造成的各种不良影响，将成为我们全球科学家、政府和普通民众所要解决的主要问题。遥感技术相对于传统的测量具有时效性、经济性、大范围同步观测、数据的综合可比性等优势。故应用遥感技术可以让获取大范围植被覆盖度信息成为可能。本次研究的主要内容就是应用 ENVI 软件对遥感影像进行处理分析，获取地区的植被覆盖度。2 植被覆盖度生态系统中植物作为其中最重要也是最基本的部分，几乎所有生物的生存都需要依靠它。植被覆盖度（FVC）定义为植被垂直地表的投影面积占地表总面积的百分比 2 。它是描述地表植被生长和覆
5、盖情况的一个重要参考量，同时也作为衡量生态情况变化的一项重要指标 3 。地表植被的生长状况与覆盖程度基本依靠植被覆盖度进行判断和评估。它具有以下几项意义。（1）根据植被覆盖度的大小，可以对区域或全球气候情况进行描述。（2）在进行水文生态模型中是一个很重要的变量，在全球模型中经常需要用到该变量在时间和空间中的分布计算水或能量的流动。（3）是反映地区乃至全球环境变化的一个重要参数，持续的对全球进行宏观的植被覆盖度的监测，是反应全球环境变化信息的重要方式。（4）是调查区域土壤水分丧失多少和植被蒸腾与光合作用强弱的一项参考因子。（5）是水土流失的重要控制因子，该因子的大小经常会影响着水土流失的强弱。（
6、6）是进行土地评估的一项重要参考因子。 3 植被覆盖度监测方法概述 当今多个研究领域都需要用到植被覆盖度作为重要参数，所以快速获取精确的获取植被覆盖度，对多个领域都有积极作用。植被覆盖度的估算主要经历了 4 个发展阶段，分别是目估法、采样法、仪器法和遥感测量法，这 4种方法又被分为地面测量法和遥感测量法。地面测量法主要是运用统计测算法而遥感测量法主要运用整目估法2体直接测算法。图 3-1：植被覆盖度估算方法3.1 地面测量法地面测量法包括目估法、采样法和仪器法三种主要方法。这三种方法也代表了地面测量法的进化过程。目估法主要根据目估人员的工作经验进行判断，在研究区域植被覆盖度较低或是较高的情况下
7、应用目估法进行估算精度会相对较高，在植被覆盖度 10%80%时精度会逐渐变低，精度大小呈正态结构分布。随着分析技术人员的增加，分析精度也将提高。目估法简单易操作，但是对人员的素质和经验要求较高，同时成本较大。采样法通过对研究区域进行分割，对分割后的各区域分别进行植被覆盖度分析。一般会将研究区域分割成样方、样条，同时也可结合尺测和样针方法进行植被覆盖度分析。该方法虽然精度较高，但是效率低下，同时操作复杂。仪器法是地面测量以上两种方法的升级，对光线通过植被层的情况进行检测，并结合计算机技术对数据进行分析。此方法精度较高，可以获得客观的植被覆盖信息，是目前地面测量的发展趋势。3.2 地面测量法优缺点
8、缺点：目估法存在很强的主观性，采样法数据获取不够科学，仪器法会浪费大量的人力物力。并且相对遥感测量，地面测量法对于操作人员的专业素质要求较高且进行地面测量时条件较为艰苦，无法对大区域的植被覆盖状况进行宏观的观测。优点：精度高、不受大气因素，环境因素等的干扰。在小范围内提取高精度植被覆盖信息时，地面测量相对遥感测量较为实用。3.3 遥感测量法运用遥感技术的多波段、多时相、高信息量、多光谱和大范围等特点，让获取大范围区域植被覆盖度宏观信息成为了可能。国内外近年涌现了多种应用遥感提取植被覆盖度的方法如图 3-1。回归模型法植被覆盖度和估算方法采样法仪器法遥感测量法地面测量法 统计测算法整体测算法3图
9、 3-2：遥感技术提取植被覆盖度信息的方法分类图对 FVC 的观察需要大范围和高频率，同时也要具备经济、快捷、准确。所以遥感就成为了最有效的区域内获取 FVC 的手段。同时由于遥感数据具有即时性以及多样性等特点，能够获取在不同尺度上植被覆盖大小及其变化信息，所以遥感测量成为了估算植被覆盖度的有效手段 4 。同时在需要对大范围进行植被覆盖度分析时遥感技术还具备时效性、经济性等优势。3.3.1 遥感获取植被覆盖度的优势遥感作为一项先进的对地观测技术，具有多层次、多时段和多波段等特点，广泛的应用在资源勘探、环境调查、气候监测和海洋研究等多个领域中，是获取多种研究数据的重要手段。随着近代计算机技术的不
10、断提高，对遥感数据进行存储、处理、分析和统计等的技术和速度都得到了极大的提高，从而促进了遥感技术的不断发展。通过遥感技术对植被覆盖情况的变化进行监测具有以下几项优势：（1）遥感拥有大量的波谱信息，通过对海量的波谱信息进行分析，为全球、区域、以及地方的植被覆盖度监测提供了定性和定量的数据。（2）遥感技术具有周期性、宏观性、即时性、经济性和现势性等特点，可以高效率的获取大面积区域的植被覆盖度信息。（3）遥感影像具有直观、获取速度快和数据量大等特点，可以对区域内植被覆盖度进行实时和准确的监测。（4）通过与 3S 技术结合，可以深度的统计和分析植被覆盖度的空间时间分布。（5）应用遥感技术获取数据的即时
11、性特点，可以在分析影像信息的同时结合时间轴进行分析，从而获得区域植被覆盖率的季节性变化。（6）应用遥感数据获取植被覆盖度，与地面测量获取的植被覆盖度相比，能更加客观的反应出植被生长的真实情况，同时更具有监测灵敏性。较为常用的植被覆盖度分析方法是“像元分解模型法”，本次研究主要应用的就是这种方法。遥感测量法植被指数法像元分解模型法分类决策树法人工神经网络法像元二分法43.3.2 像元分解模型法在进行遥感测量时影像图中的混合像元是一个始终无法回避的问题。所谓混合像元就是一个像元中包含多个部分地物组分信息，每个部分都会对像元的最终形态构成影响，从而影响到遥感传感器最终观测到的信息。将像元信息进行分解
12、，并获取分解模型是解决该问题的主要途径。目前已经开发出的模型主要有 5 种，随机几何模型、模糊分析模型、概率模型、几何光学模型、分布式线性模型和概率模型 6。3.3.3 像元二分法像元分解法当中最为常见的模型就是线性分解模型。像元二分法作为线性分解模型当中最为常见的一种进化模型，该模型对像元信息分解为两类，地表完全被植被覆盖的信息为 SA，完全不被覆盖的地表为 SR。（3-1）RAS在像元二分法模型中所有光谱信息都是由这两个部分线性合成，它们在像元各自占到的面积比就是他们各自所占的权重，完全被植被覆盖的部分在像元中所占的比就是该像元的植被覆盖度 7。3.3.4 NDVI 劣势“运用像元二分法进
13、行植被覆盖度估算时，计算植被指数 NDVI 是关键。NDVI（Normalized Difference Vegetation Index)又称光谱植被指数。植被指数是指利用遥感传感器获取的光谱数据经过线性组合，构成的对植被覆盖和生长情况有一定指数作用的数值 8。同时也是多种植被指数的一种，植被指数还包括：PVI、SAVI、MSAVI、TSAVI、MVI、EVI 等，又名标志化植被指数。 NDVI 的计算公式为：（3-2）)/()(RNIINDV在对 NDVI 进行计算时，需要用到红外和近红外波段信息，其与植被覆盖度呈现出线性的关系，故NDVI 是描述植被生长状态的一项重要指示因子 8。NDV
14、I 综合反映植被的覆盖程度、生长情况和植被类型等，因存在线性关系故植被覆盖度大小直接影响着 NDVI 的大小，从而根据 NDVI 的大小可以用来估算植被覆盖度的大小。运用 NDVI 对植被覆盖度进行分析时根据植被盖度大小存在三个阶段：第一阶段是植被盖度小于 15%、第二阶段植被盖度在 25%80%之间、第三阶段植被盖度在 80%以上，第一阶段 NDVI 可以将土壤和植被区分开，当位于第二阶段 NDVI 大小与植被盖度呈线性关系，第三阶段监测能力会随着植被盖度增加逐渐减小 10。在这里需要区分“植被盖度”与“植被覆盖度”这两个概念，植被盖度指的植被群落垂直投影面积与研究区域面积之比的百分比，两种
15、计算方法得出的结果是截然不同的。所以在进行植被覆盖度估算时，NDVI 占有重要的地位，它相对其他几个指数主要具备以下几个优势11：（1）植被检测灵敏度较高；（2）植被覆盖度的检测范围较宽；（3）对地形以及阴影的干扰能够起到较大的消除作用；（4）削弱太阳高度角和大区所带来的噪声。53.3.5 像元二分法的改进李苗苗等人通过对像元二分法模型的研究，改进了该模型估算参数的方法，建立了利用 NDVI 指数对植被覆盖度进行精确定量估计的模型。为了检验该模型的可行性，对北京密云水库上游的植被覆盖度进行了估算，并结合实际地面测量数据进行对估算结果的验证，最后得到估算结果精度达到了 85%，这充分的表明这种改
16、进模型切实可行。获取影像图中的 NDVI 数值，就是获取区域内植被覆盖度的关键步骤。公式 3-3 就是根据像元二分法所改进的模型：（3-3 ）NDVIsoil) -Iveg (NDVIsoil)/ -( =VFCNDVIveg 与 NDVIsoil 分别表示了地表完全被植被覆盖和地表完全没有植被覆盖时所检测的 NDVI 值。NDVIveg 与 NDVIsoil 的计算公式如下：（3-4 ） Imax*FCin -Imin*Fax（=NDIsoil（3-5 ）VFCin) - /(（NDVIi*ax)-(1 VICmin)-(1VIveg在实际测量工作中会存在以下两种假设：（1）当研究区域内可以
17、将 VFVmax 和 VFCmin 分别近似取 1 和 0 时演算公式（3-6）形式：（3-6 ）Imin) -Iax (Imin)/-( =FCNDVImax 为研究区域内最大的 NDVI 值，NDVImin 为研究区域内最小的 NDVI 值。但是由于不可避免的外界条件干扰，NDVImax 和 NDVImin 一般会取置信范围内的最大和最小值。这个置信最大最小值取决于研究区域的实际情况和操作人员的经验。（2）当研究区域内不能将 VFCmax 和 VFCmin 作为 1 和 0 时在进行过实地测量的情况下，可以取研究区域植被覆盖最大值作为 VFCmax，取研究区域植被覆盖最小值作为 VFCmi
18、n，这两个数据所对应的是影像中 NDVI 的 NDVImax 和 NDVImin。在没有实地进行测量的情况下，根据研究区域实际状况取一点范围内的 NDVI 值作为 NDVImax 和NDVImin，FVCmax 和 FVCmin 将根据实际操作人员经验估算。在进行研究南靖县地表植被覆盖度时，将应用李苗苗等人所改进的这种应用植被指数近似估算指标覆盖度的模型。4 研究区域及内容4.1 研究区概况漳州市南靖县，南靖地处于福建南部，整个地势由西北向东南倾斜。东西宽约 60 公里，南北长约 80公里，介于北纬 242620245958东经 1170121173636 之间。全境土地面积约有 1831.5
19、8 平方公6里，折合 294.24 万亩，其中丘陵地占主要成分，占到了总土地面积的 44.1%；其次为低矮山占到 39.6%；台地、河谷和平原占 16.3%。耕地有 22806.7 公顷、林地面积为 124866.7 公顷、建设用地有 7466.7 公顷、新开耕地面积有 89.7 公顷。全县森林覆盖率达到了 74%，被称作“漳州的热带雨林”。全年平均气温为21.5，最高气温 38.9，一般出现在 8 月 2 日，其中35的高温日数约有 48 天，37的高温天气日数约有 7 天；最低气温-0.5，一般出现在 11 月份。在降水方面南靖冬季雨量一般为 222.6 毫米，春季雨量 302.8 毫米，
20、夏季约 240 毫米，秋季约 110 毫米。通过本次对南靖县 1996、2002、2014 年遥感图像的植被覆盖度（FVC）分析可以十分直观的了解到随着经济的发展和社会的进步，而带来的各种环境问题。4.2 研究目标本研究主要利用 LANDSAT 遥感卫星获取的数据集，采用像元二分法，获取南靖地区 1996 年、2002年、2014 年 3 年植被覆盖度，生成 3 年的植被覆盖分级图，进行横向比较。分析出各年各区域植被覆盖度的变化。 4.3 数据处理过程概况（1）根据行政区划界线 SHP 文件对遥感影像进行裁剪。（2）对数据进行数据预处理包括图像融合、镶嵌、裁剪、去云去阴影和大气校正。（3）应用
21、 ENVI 软件计算 NDVI 值之后运用李苗苗等人改进后的像元二分模型进行植被覆盖度的计算。（4）利用处理后的数据，提取 1996、2002、2014 年南靖的植被覆盖度。（5）对 1996、2002、2014 南靖地区植被覆盖度进行分析。横向对比数据分析三个时间段植被覆盖度变化原因。4.4 数据源及数据处理具体步骤4.4.1 数据源本次研究应用的是 LANDSAT 遥感卫星获取的数据，LANDSAT 中文全称为陆地资源卫星，是美国 NASA 发射的一款陆地卫星，卫星的重访周期为 16 天。覆盖范围包括了地球北纬 81到南纬 81.5地区。1996年与 2002 年影像图的采集卫星搭载了“专
22、题图扫描仪”和“多光谱扫描仪 MSS”两种传感器，其中 MSS包含 4 个波段，TM 包含了 7 个波段 TM 中有 6 个波段的空间分辨率为 30 米，另外一个波段空间分辨率较低且运用较不广泛。2013 年 2 月 11 日发射了 Landsat 系列最新卫星 Landsat8，其搭载了 OLI 陆地成像仪和热红外传感器。对观测波段进行了调整，一共对 11 个波段进行监测，可以更好的在全色影像图中区分植被覆盖区与非植被覆盖区，提高了观测精度。研究采用的 LANDSAT 系列卫星提供的南靖 1996、2002、2014 年 3 年，影像空间分辨率为 30 米。影像具体信息见表 4-1。表 4-1：各年影像数据1996 年 2002 年 2014 年轨道条带 120|43 120|43 120|43
