Landsat8数据植被覆盖度遥感反演模型研究

2019年青海师范大学学报(自然科学版)2019

第1期Journal of Qinghai Normal University(Natural Science)No.1 Landsat8数据植被覆盖度遥感反演模型研究

乔占明12,王晓波12,杨柳12,马永贵34

(1.青海省基础地理信息中心，青海西宁810000；.青海省地理空间信息技术与应用重点实验室，青海西宁810000；

3.青海师范大学生命科学学院，青海西宁810008；.青海省青藏高原药用动植物资源重点实验室，青海西宁810008)

摘要：植被覆盖度遥感反演模型是定量的描述一定区域内植被的覆盖情况•本文主要利用Landsat8影像资源，采用优化土壤调

节植被指数，依托像元二分模型建立植被覆盖度估算模型.同时利用均方根误差函数对其估算模型进行验证，直观地反应估算模型的度

关键词：Landat8；优化土壤调节植被指数；像元二分模型；均方根误差函数

中图分类号:TP79文献标识码:A文章编号：1001—7542(2019)01—0054—05

植被指数是遥感领域中用来表征地表植被覆盖、生长状况的一个简单、有效的度量参数［1］植被指数的选取主要考虑研究区土壤背景的影响⑵.植被覆盖度是植物群落覆盖地表状况的一个综合量化指标,是描述植被群落及生态系统的重要参数.利用遥感资料测量植被覆盖度，常通过各像元中植被类型及分布特征的分析，建立植被指数与植被覆盖度间的转化关系来直接估算植被覆盖度旧•

目前，大多数研究人员主要采用MODIS、TM等作为数据源，利用NDVIMSAVI等指数进行植被覆盖度的估算.但随着Landsat8的出现，为植被覆盖度估算又提供了新的数据源，且该数据便于下载，区域覆盖较为全面.

因此，本文结合青海省特点，选用Labdsat8影像作为数据源，采用优化土壤调节植被指数(OSAVI),利用像元二分模型，研究青海省西宁市、海东市、海北藏族自治州、黄南藏族自治州2市2州区域内的植被覆盖度计算方法.最后利用均方根误差函数对其计算结果精度进行验证.

1植被覆盖度遥感反演模型

1.1模型参数

(1)优化土壤调节植被指数(OSAVI)

优化土壤调节植被指数是在土壤调节指数(SAVI)的基础上提出来的，它可以很好的消除土壤背景对植被指数的干扰•Rondeaux等通过SALL模型模拟了该指数在不同土壤类型及不同水分条件和粗糙度条件下的表现，确定了用来减少土壤影响的优化值为0.16⑷.其计算公式如下：

OSAVI=1.16(R nir—R red)/(R nr+R ed+0.16)

式中：OSAVI为最优土壤调节植被指数;R nr为近红外波段的反射率;R ed为红波段的反射率

(2)像元二分模型估算

像元二分模型估算是假定通过遥感传感器所观测到的信息可以表达为由绿色植被部分所贡献的信息和

由无植被覆盖(裸土)部分所贡献的信息两部分组成•像元二分模型估算植被覆盖度时采用OSAVI数据，此时植被覆盖度Fc的估算公式为：

F c=(OSAVI—OSAVI so i)/(OS A VI迪—OS A VI si)

式中,OSAVI为影像中各像元的OSAVI值；OSAVI i为全裸土覆盖区域的OSAVI值；OSAVI

*g为纯植被覆盖像元的OSAVI值.OSAVI ol、OSAVI

*g值通过普通克里金插值方法得到.

1.2模型验证方法

利用均方根误差函数定量评价估算植被覆盖度的精度.具体计算公式如下：

收稿日期：2018—11—10

作者简介：乔占明(1985—),女，甘肃景泰人，工程师，硕士.研究方向：GIS、遥感数据处理与应用.

第1期乔占明，等：Lands毗8数据植被覆盖度遥感反演模型研究55

RMSE=Jg（犻^狔

式中：狔为植被覆盖度野外估算值,狔?为利用OSAVI估算的结果值,n为野外实测样本数•均方根误差函数的值越小，表明计算的值近实测值.

植覆盖度算果度式:

算精度=1-RMSE

2模型研究

2.1数据源

2.1.1影像数据源

本次试验中，数据源采用Lans毗8影像，时间为2013年7〜8月份，对于部分区域影像质量较差，可选用6月下旬或9月像替换.影像数据为辐射纠正、几何纠正像去云后的数

Lands毗8影像11个波段，试验中使用的影像只有OLI陆像仪中的9个波段，空间分辨率为30米,及一个15米的波段•在植被覆盖度遥感反演使用第4波段（红波段）和第5波段（近红外波段）

表1Landsat8影像波段(OLI)

波段名称波段空间分辨率波段名称波段空间辨率Band1Coastal0.433〜0.45330Band6SWIR1 1.560〜1.66030

Band2Blue0.450〜0.51530Band7SWIR2 2.100〜2.30030

Band3Green0525〜060030Band8Pan0.500〜0.68015

Band4Red0.630〜0.68030Band9Cirrus 1.360〜1.39030

Band5NIR08545〜088530

2.1.2植被样/、裸地样/

研究点数植被样点数据和裸地样点数据，分别为从GoogleEarth选取的覆盖度接近100%的茂密植点及覆盖度低于5%的裸地样点，其中植点284个，裸点183个.如图1所示：

a）植被样点b）裸地样点

图1研究区域样本分布

2.2研究区域

植被覆盖度遥感反演区域为青海省西宁市、海东市、黄南藏族自治州、海北藏族自治州2市2州共计21

56青海师范大学学报（自然科学版）2019年

县域的范围，位于青海省西北面，面积为732万平方千米，草地可利用面积为476平方千米.

2.3植被覆盖度遥感反演计算

2.3.1植被指数计算

植被指数采用优化土壤调节植被指数（OSAVI）.对经过预处理的影像，利用ENVI软件，采用优化土壤调节植被指数公式（如图2所示），对各景影像分别计算其优化土壤调节植被指数值，值 在0〜1之间（如图3所示）.经过植被指数计算后的栅格数据，可量的反应各像素内植被的覆盖，

5Band Math

(1.16*(bl-b2))/Cbl+b2+0.16)

图2植被指数计算关键步骤图3植被指数计算局部效果图

2.32估算参数计算

植被覆盖度估算中参数OSAVI i、OSAVI veg采用普通克里金插值方法得到.首先将研究区域中的植被样点、裸点分别与优化土壤调节植被指数计算结果进行关联，从 植点、裸点的优化土壤调节植被指数值.然后利用ArcGIS软件中的克里金插值工具得到植被与裸点的空间分布图（如图4所示）.

图4估算参数空间分布图

2.33植被覆盖度估算

植被覆盖度估算采用像元二分模型进行估算.模型中的数据主要有优化土壤调节植被指数（OSAVI）、