基于GIS的ndvi植被覆盖度的估算

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(vegetation fractional cover，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，占江苏省总面积的11％。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) 和修正突然植被指数(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 ～ 0.7 μm) 和高反射近红外波段( 0.7 ～ 1.1 μm) 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