基于MODIS数据的植被指数与植被覆盖度关系研究.docVIP

基于MODIS数据的植被指数与植被覆盖度关系研究 　　摘 要：在植被遥感监测领域，植被指数被普遍运用于植物生长状况及植被覆盖的研究，其与植被覆盖度有着密切的联系。文章选取攀枝花地区MODIS遥感影像作为信息源，对归一化植被指数、比值植被指数与植被覆盖度间的关系进行研究。结果表明：基于MODIS数据提取的植被指数与植被覆盖度之间存在较强的相关性，且相关系数大小与植被指数类型和选取的拟合函数类型有关。各植被指数同植被覆盖度间相关性最高的是归一化植被指数，选用相同植被指数情况下，指数曲线拟合的相关系数最大。 　　关键词：MODIS图像；植被指数；植被覆盖度；植被指数与植被覆盖度相关系数 　　植被覆盖度是一个重要的生态气候参数，能为环境和气候变化研究提供重要的基础数据，对它的研究具有十分重要的意义[1]。利用遥感图像提取植被指数进而估算出植被覆盖度信息是较为简便有效的做法。目前大多数学者都致力于研究植被指数的提取方法以及植被覆盖度的提取算法，少数研究者对植被覆盖度与植被指数的相关性进行研究[2]。文章选取MODIS图像作为研究数据，采用不同的植被指数，结合不同的曲线模型对植被覆盖度与植被指数的相关性进行探讨，从而为植被覆盖度的估算选择最佳植被指数，也为准确估算植被覆盖度供理论依据。 　　1 研究区概况 　　研究区位于四川省西南部，行政区划隶属于攀枝花市，范围为102°20′E-102°45′E、26°30′N-26°45′N。研究区位于金沙江和雅砻江的交汇地带，属南亚热带亚湿润气候类型，降雨量少，生物种类繁多。区域内植被主要以热带及亚热带落叶大乔木，常绿针叶林为主。 　　2 数据源简介 　　本次研究使用的数据是由美国国家宇航局（NASA）EOS数据中心提供的MODIS数据，数据获取时间为2005年7月23日。该数据是由搭载于EOS/Terra卫星上的中分辨率成像光谱仪（MODIS）获取的，其分辨率为250m。包括Blue、Red、NIR、MIR四个波段和经过后期处理的分辨率为250m的归一化植被指数数据、增强型植被指数。适合应用于植被指数的提取以及植被覆盖度的研究。 　　3 研究方法 　　3.1 数据预处理 　　根据实验要求对研究区域的MODIS数据进行预处理，主要有数据格式转换、设置投影参数、几何校正及辐射校正等。该处理利用USGS EROS数据中心开发的MRT（Modis Reprojection Tool）软件完成。 　　3.2 植被指数获取 　　综合考虑研究区自然地理特征，选取归一化植被指数和比值植被指数进行研究。归一化植被指数（NDVI）计算公式为：NDVI=（NIR-R）/（NIR+R）；比值植被指数（RVI）计算公式：RVI=R/NIR。其中NIR为近红外波段反射率；R为红光波段反射率。利用遥感图像专业处理软件ENVI5.1对经预处理后的MODIS图像提取植被指数。 　　3.3 植被覆盖度反演 　　区域植被覆盖度信息可由实地测量和利用遥感图像进行反演估算两种方法获取。其中，遥感估算法分为植被指数法和混合像元分解法，本次研究中采用植被指数法估算研究区植被覆盖度。在众多植被指数中，归一化植被指数被广泛运用于植被生长状况的监测，其与植被覆盖度具有很好的相关关系，可用于植被覆盖度的反演。采用ERDAS的Model Maker模块对已求出的归一化植被指数代入计算，反演出研究区地表植被覆盖度。由计算结果可见，MODIS遥感影像的植被覆盖度主要分布在0.1-1之间，该区植被覆盖度较大。 　　3.4 植被指数与植被覆盖度相关性 　　在matlab7.1软件平台下，分别对两种植被指数图像及植被覆盖度图像进行等间隔采样。研究时，由于植被覆盖度与不同的植被指数的关系不同，所以建立植被覆盖度估算模型时应采取不同曲线类型进行拟合。选择拟合曲线有：直线（y=ax+b）、抛物线（y=ax2+bx+c）、幂函数（y=axb）和指数曲线1（y=aexp（bx））、指数曲线2（（y=aexp（bx）+cexp（bx））。分别计算出每种曲线下的相关程度及拟合效果指标（如相关系数、均方根误差）。如图1-图2 　　曲线图（图1、图2）中，横坐标为曲线函数类型，由数字1-5分别表示直线、抛物线、幂函数、指数曲线1和指数曲线2。由曲线图可得到如下结论：（1）对于MODIS数据，两种植被指数与植被覆盖度的相关系数都达到很高，其中归一化植被指数相关系数最大。（2）植被覆盖度与植被指数的非线性相关因选择模式不同有很大的差异，指数曲线2的相关系数最大，抛物线次之，指数曲线1的相关系数最小。 　　4 结束语 　　文章选取攀枝花地区为研究区，通过对该区MODIS图像的处理，获得了该地区的比值植被指数（RVI）、归一化植被指数（NDV