北京郊区植被覆盖变化动态遥感监测_以怀柔区为例

北京郊区植被覆盖变化动态遥感监测

——

—以怀柔区为例

李琳１，２，谭炳香２，冯秀兰１

（１，北京林业大学信息学院，北京１０００８３；２，中国林业科学研究院资源信息研究所，北京１０００９１）

摘要：植被覆盖度是一个十分重要的生态学参数，对于全球变化和监测研究具有重要意义。本文基于像元二分模型，利用归一化植被指数ＮＤＶＩ，对怀柔区１９９２年和２００４年植被覆盖度进行了监测，并对十几年来的植被覆盖变化情况进行了统计分析。结果表明，全区植被覆盖整体呈上升趋势，但存在区域间的不平衡现象。

关键词：遥感；植被覆盖度；归一化植被指数；像元二分模型

中图分类号：Ｓ１２６文献标识码：Ｂ文章编码：１６７２－６２５１（２００８）０６－００３８－０４ＳｔｕｄｙｏｎｖｅｇｅｔａｔｉｏｎｃｏｖｅｒａｇｅａｎｄｉｔｓｄｙｎａｍｉｃｃｈａｎｇｅｏｆＢｅｉｊｉｎｇｓｕｂｕｒｂｓｂｙｒｅｍｏｔｅｓｅｎｓｉｎｇ

—ＡｃａｓｅｓｔｕｄｙｏｆＨｕａｉｒｏｕｄｉｓｔｒｉｃｔ

ＬＩＬｉｎ１，２，ＴＡＮＢｉｎｇ－ｘｉａｎｇ２，ＦＥＮＧＸｉｕ－ｌａｎｇ１

（１，Ｉｎｆｏｒｍａｔｉｏｎｄｅｐａｒｔｍｅｎｔ，ＢｅｉｊｉｎｇＦｏｒｅｓｔｒｙＵｎｉｖｅｒｓｉｔｙ，Ｂｅｉｊｉｎｇ１０００８３，Ｃｈｉｎａ２，ＲｅｓｅａｒｃｈＩｎｓｔｉｔｕｔｅｏｆＦｏｒｅｓｔＲｅｓｏｕｒｃｅｓＩｎｆｏｒｍａｔｉｏｎＴｅｃｈｎｉｑｕｅ，ＣｈｉｎｅｓｅＡｃａｄｅｍｙｏｆＦｏｒｅｓｔｒｙ，Ｂｅｉｊｉｎｇ１０００９１，Ｃｈｉｎａ）

Ａｂｓｔｒａｃｔ：Ｖｅｇｅｔａｔｉｏｎｆｒａｃｔｉｏｎｉｓａｖｅｒｙｉｍｐｏｒｔａｎｔｉｎｄｅｘｔｏｔｈｅｖｅｇｅｔａｔｉｏｎｃｏｖｅｒａｇｅｏｎｔｈｅｌａｎｄｓｕｒｆａｃｅａｎｄｉｓｕｓｅｄｉｎｍａｎｙａｓｐｅｃｔｓｉｎｏｎｅｏｆｔｈｅｉｎｐｕｔｐａｒａｍｅｔｅｒｓ．ＢａｓｅｄｏｎｔｈｅｄｉｍｉｄｉａｔｅｐｉｘｅｌｍｏｄｅｌａｎｄＮＤＶＩ，ｔｈｉｓｐａｐｅｒｅｓｔｉｍａｔｅｄｔｈｅｖｅｇｅｔａｔｉｏｎｆｒａｃｔｉｏｎｉｎＨｕａｉｒｏｕＤｉｓｔｒｉｃｔｂｙｒｅｍｏｔｅｓｅｎｓｉｎｇ．Ｉｎｔｈｅｔｏｔａｌ，ｔｈｅｖｅｇｅｔａｔｉｏｎｃｏｖｅｒａｇｅｗａｓｓｉｎｃｒｅａｓｅｄｄｕｒｉｎｇｔｈｅｐａｓｓｅｄ１２ｙｅａｒｓ．Ｂｕｔｔｈｅｃｈａｎｇｅｗａｓｉｍｂａｌａｎｃｅａｍｏｎｇｄｉｆｆｅｒｅｎｔａｒｅａｓ．

Ｋｅｙｗｏｒｄｓ：ＲｅｍｏｔｅＳｅｎｓｉｎｇ；ＮＤＶＩ；Ｖｅｇｅｔａｔｉｏｎｃｏｖｅｒａｇｅ；Ｄｉｍｉｄｉａｔｅｐｉｘｅｌｍｏｄｅｌ

植被覆盖度是指植被（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［１］。植被覆盖变化研究在全球变化研究中具有重要意义。监测植被覆盖度的传统方法只能进行小区域的植被覆盖度监测，不可能给出大尺度地区的宏观植被信息。遥感技术为监测大面积区域的植被覆盖度，甚至全球的植被覆盖度提供了可能［２］。由此涌现出各种遥感测量植被覆盖度的方法，但这些方法存在局限性。随着改进的观测仪器的出现，产生了一些基于影像物理模型的新方法。常用的遥感测量植被覆盖度的方法分为以下三种：回归模型法、植被指数法与像元分解模型法［３］。１研究区概况

怀柔位于北京城东北部，距市中心区４８公里，属华北平原经燕山山脉向内蒙古高原过渡的阶梯地带，全区总面积２１２８．７平方公里。怀柔北依群山、南偎平原，层次分明地分为平原、浅山、深山三类地区，由南至北纵深１２８公里，其中山区面积占总面积的８８．７％，宜林山场林木覆盖率为４１％。境内地势南低北高，海拔高度在３４～１６６１米之间。怀柔区的气候为中纬大陆性暖温带季风型半湿润地区。其特点：一是四季分明，冬季寒冷干燥，夏季温热湿润，春秋时间短，为过渡季节；二是日照时间长，光热充足。全年日照时数在２７４８～２８７３小时之间，年平均气温６°～１２℃，常年平均降水量４７０～８５０毫米。

２植被覆盖度估算的遥感模型

２．１像元二分模型［４］

像元二分模型假设像元只由两部分构成：植被覆盖地表与无植被覆盖地表。所得的光谱信息也只由这两个组分因子线性合成，它们各自的面积在像元中所占的比率即为各因子的权重，其中植被覆盖地表占像

收稿日期：２００８－０５－１２

基金项目：北京市科技计划课题“北京郊区土地结构遥感监测与生态效益评价研究”（２０００６３２１０００９９１）作者简介：李琳（１９８２－），女，硕士研究生，研究方向：森林资源调查监测及森林资源信息管理研究。

元的百分比即为该像元的植被覆盖度。因而可以使用此模型来估算植被覆盖度。用公式表达为：

（１）其中，Ｓ为通过传感器所观测到的信息；Ｓｖ为由绿色植被成分多贡献的信息；Ｓｓ为无植被地表成分所贡献的信息；ｆｃ为植被覆盖度。

对于一个由土壤与植被两部分组成的混合像元，像元中有植被覆盖的面积比例即为该像元的植被覆盖度ｆｃ。而土壤裸露的面积比例为１－ｆｃ。设全由植被所覆盖的纯像元所得的遥感信息为Ｓｖｅｇ。混合像元的植被成分所贡献的信息Ｓｖ可以表示为：

（２）同理，设全由土壤裸露的纯像元所得的遥感信息为Ｓｓｏｉｌ。混合像元的土壤成分所贡献的信息Ｓｓ可以表示为：

（３）将式（２）与（３）代入公式（１），可得：

（４）对（４）式进行变换，可得以下计算植被覆盖度的公式：

（５）其中Ｓｖｅｇ和Ｓｓｏｉｌ都是参数，因而可以根据公式（５）来利用遥感信息来估算植被覆盖度。

２．２ＮＤＶＩ估算植被覆盖度的模型

ＮＤＶＩ是目前应用最广的植被指数，经常被用作参考来评价基于遥感影像和地面测量或模拟的新的植被指数，ＮＤＶＩ在植被指数中占有重要的位置。Ｂｒａｄｌｅｙ将ＮＤＶＩ与植被覆盖度作线性相关分析，肯定了ＮＤＶＩ与植被覆盖度有良好的相关性［５］。此项研究表明ＮＤＶＩ符合像元二分模型的条件，可以代入模型。并且ＮＤＶＩ具有植被检测灵敏度高；植被覆盖度的检测范围宽；能消除地形和群落结构的阴影和辐射干扰；削弱太阳高度角和大气所带来的噪音这些优点［６］。

由公式（５）变换可得下面的利用ＮＤＶＩ计算植被覆盖度的公式：

（６）其中，ＮＤＶＩｓｏｉｌ为完全裸土或无植被覆盖区域的ＮＤＶＩ值，即无植被像元的ＮＤＶＩ值；ＮＤＶＩｖｅｇ则代表完全植覆盖像元的ＮＤＶＩ值，即纯像元的ＮＤＶＩ值。２．３参数的取值

ＮＤＶＩｓｏｉｌ应该是不随时间改变的，对于大多数类型的裸地表面，理论上应该接近零。然而由于大气影响地表湿度条件的改变，地表湿度、粗糙度、土壤类型、土壤颜色等条件的不同，ＮＤＶＩｓｏｉｌ会随着空间而变化，变化范围一般在－０．１～０．２之间［７］；ＮＤＶＩｖｅｇ代表着全植被覆盖像元的最大值，由于植被类型的他同等因素，ＮＤＶＩｖｅｇ值也会随着时间和空间而改变。因此，采用一个确定的ＮＤＶＩｓｏｉｌ和ＮＤＶＩｖｅｇ值是不可取的。

在本研究中，取置信度为１％，取置信区间内的最小值和最大值分别作为ＮＤＶＩｓｏｉｌ和ＮＤＶＩｖｅｇ的值。经过计算，得到１９９２年的参数值：ＮＤＶＩｓｏｉｌ＝０．０７９６，ＮＤＶＩｖｅｇ＝０．６０６１；２００４年的参数值：ＮＤＶＩｓｏｉｌ＝０．０００５，ＮＤＶＩｖｅｇ＝０．６９４８。

３怀柔区植被覆盖度估算

３．１数据准备

（１）卫星图像选择。获取了怀柔区１９９２年９月７日和２００４年９月８日两景的ＬａｎｄｓａｔＴＭ卫星影像。该两景图像质量良好，图像清晰，基本没有云、雾影响。由于两景都是９月上旬获取的，而且时相仅相差一天，植被生长状况基本相同，因此可以利用这两个时期的卫星图像来监测怀柔区的植被覆盖度的时空动态变化。

（２）ＤＥＭ数据。获取怀柔区３０米分辨率数字高程模型ＤＥＭ。利用该ＤＥＭ数据作为参考进行卫星图像的正射校正。

３．２数据处理

（１）卫星图像的正射校正。在获取的卫星图像中，１９９２年的图像是已校正的图像。以１９９２年卫星图像和ＤＥＭ数据为基准，使用ＥＲＤＡＳ遥感图像处理软件，对２００５年的图像进行了正射校正。大致选择３０个左右的控制点，均匀分布于图像。校正精度控制在０．５个像元以内。

（２）图像切割。利用怀柔区边界图，将校正后的图像进行切割。

（３）估算植被覆盖度。首先计算怀柔区两期图像的归一化植被指数ＮＤＶＩ，然后利用公式（６）分别估算两期图像的植被覆盖度。

（４）分析植被覆盖变化情况。对两期植被覆盖度进行统计分析，分析研究区植被覆盖度的时空变化规律及特点。

４怀柔区植被覆盖变化

４．１怀柔区两期植被覆盖度

怀柔区两期植被覆盖度的估算结果如图１所示，图像的值为０到１之间的连续实数。图中颜色越暗的区域，植被覆盖度越低，反之，颜色越亮的区域植被