定西市安定区植被覆盖遥感调查研究.docVIP

定西市安定区植被覆盖遥感调查研究 摘要：植被覆盖度是研究地表植被状况的重要指标。文章以混合像元分解模型为基础，探讨了遥感估算植被覆盖度的方法和一般工作流程。 关键词：植被覆盖度; 混合像元分解模型; 工作流程; 遥感 1.引言 植被覆盖度是指植被冠层的垂直投影面积与土壤总面积之比，即植土比[1]。植被覆盖度是描述植物群落及生态系统的重要生物物理参数，是植被覆盖地表状况的综合量化指标。植被覆盖及其变化是区域生态系统环境变化的重要指示，对水文、生态、全球变化等具有重要意义。植被覆盖度是衡量地表植被状况的一个最重要的指标，同时，又是影响土壤侵蚀与水土流失的主要因子，在土地退化研究、生态环境调查、水土保持研究、蒸散量研究及其它研究领域，都有广泛的应用[2-7]。 目前估算植被覆盖度的方法主要有两种[8]：地表实测法和遥感监测法。由于植被覆盖度有显著的时空分异特征，所以基于离散点的地表实测法虽然可能在局部小区域测量时精度较高，但推广到大范围时具有很大的不确定性。 遥感监测方法基于空间连续数据，在大中尺度区域估算植被覆盖度具有一定优势，受到广泛关注。 本研究以定西市安定区为研究区域，以混合像元分解模型为基础，通过分析该区域的植被覆盖等级的空间分布，对植被覆盖度调查的工作方法进行了一定的尝试和总结。以期为水土保持、森林资源调查、草地资源调查等相关专业工作人员提供实际操作的经验参考。 2.研究方法 遥感估算植被覆盖度的方法主要有两类[10,11]：一是统计模型：通过地面实测数据，建立植被覆盖度与遥感参数（灰度值、植被指数等）的经验模型，以此模型外推到整个研究区域；统计模型法简单方便，但需要大量地面实测数据，普适性差。 二是混合像元分解法，源于定量遥感的线性光谱混合模型[1]。Quarmby[12] (1992)基于AVHRR资料，提出了植被指数与植被覆盖率的线性混合转换模式。基本思路是将遥感影像的像元分解为植被信息和非植被信息两部份，估算其中植被信息的比重，即植被覆盖度。混合像元分解模型是目前应用最广泛的植被覆盖度遥感估算模型[13-15]。 2.1混合像元分解模型原理 假设一个像元由土壤和植被两部份组成，像元信息可表达为由绿色植被成分所贡献的信息和由土壤成分所贡献的信息之和。 混合像元的植被指数值（VI）为两部份植被指数值的加权平均和，权重为各部份在像元中的面积比例。 基金项目：全球环境基金（GEF/OP12）项目、甘肃省自然科学基金暨中青年科技基金项目(3ZS061-A25-011)全球环境基金（）项目资助VI=fveg*VIveg+(1-fveg)*VIsoil （1） 由（1）变换可得： fveg=（VI-VIsoil）/（ VIveg-VIsoil) （2） 此式为混合像元法求算植被覆盖度的基本公式。 在应用中，参数取值有以下几种方式： 不同土壤类型、不同植被类型组合下，取不同的VIveg 和VIsoil[6,16] 直接采用研究区域NDVI最大值、最小值[5,17] VIveg＝ VImax VIsoil ＝ VImin 根据实测数据确定对应像元的VI值[19] 2.2植被指数的选择和计算 植被指数VI是单位像元内的植被类型、覆盖形态、生长状况等的综合反映，其大小取决于植被的叶面积指数LAI （垂直密度）和植被覆盖度（水平密度）等要素。诸多经验模型证实植被覆盖度与植被指数VI之间存在密切关系[1]。 在混合像元分解模型中，植被信息可以用不同的植被指数来表示，用于建立模型测量植被覆盖度的遥感植被指数有：NDVI、RVI、NDGI、DVI、SAVI等，有关学者针对其区域适应性做了研究[10,18]，目前认为估算植被覆盖度使用最广泛的植被指数是NDVI，计算式为： NDVI＝（NIR－R）/（NIR＋R） （3） NIR和R分别代表多波段遥感数据的近红外波段和红光波段。 3.数据处理 3.1数据 遥感影像资料为中巴地球资源技术卫星2005年6月14日采集的、轨道编号为12-60的CCD影像，空间分辨率为19.5m，共4个波段，分别对应蓝光、绿光、红光和近红外波段。处理级别为L2，也就是经过了系统的大气校正和几何校正。 研究区地图资料包括1：5万地形图、1：30万行政区划图、1：30万定西县水土保持现状图等。 3.2处理流程 图1 工作流程图 3.2.1地图处理 首先扫描纸质地形图、行政区划图，在MAPGIS中对等高线、行政区边界进行矢量化处理，存为shp格式，以便满足ERDAS处理需要。 3.2.2影像预处理 3.2.2.1影像几何精校正 为了使专题图有使用价值，能够满足空间定位、量测要求，必须对