干旱半干旱地区植被覆盖度遥感信息提取研究.docVIP

第30卷第1期武汉大学学报#信息科学版 Vol.30No.1文献标识码:A 文章编号:1671-8860(2005)01-0027-04 干旱半干旱地区植被覆盖度遥感信息提取研究 牛宝茹1 刘俊蓉1 王政伟1 (1 中国煤炭航测遥感局遥感应用研究院,西安市建西街3号,710054) 摘 要:提出了利用中等分辨率与高分辨率卫星图像相结合建立植被覆盖度提取模型以获取大范围植被覆盖度的方法。该方法简单、实用,适合于利用中等分辨率卫星图像进行大范围宏观监测。关键词:植被覆盖度;遥感;信息提取中图法分类号:P237.3 作为重要的生态参数,植被覆盖度(单位面积内植被的垂直投影面积所占百分比)是描述生态系统的重要基础数据。植被覆盖度具有显著的时空分异的特点,依靠传统的地面样方实测的方法来估算植被覆盖度须花费巨大的人力、财力而精度又不高,因此探讨利用遥感数据提取区域植被覆盖度的方法已成为当前建立区域生态模型的基础工作之一。 利用遥感数据提取植被覆盖度的方法主要有经验模型法、植被指数转换法和混合像元分解法。 经验模型法主要是通过建立实测植被覆盖度数据与植被指数的经验模型来求取植被覆盖度。如Gratez等在半酸性土壤区域进行了植被覆盖度实地测量,并建立了线性回归模型来估算植被覆盖度[1];Dymond等在建立了地表植被覆盖度与归一化植被指数NDVI的非线性经验关系的基础上,用多波段SPOT资料估算新西兰的植被覆盖度[2];Wittich和Hansing针对不同的土地覆盖类型建立了植被覆盖度与NDVI的经验模型,并用NOAAAVHRR数据计算研究区的植被覆盖度[3]。由于经验模型法依赖于对特定区域的实测数据,虽在小范围区域有一定的精度,但在大范围监测和推广应用方面却受到诸多因素的限制,如我国西北广大干旱、半干旱地区,生态环境变化大,而生态监测站网稀疏,塔里木河全流域上百万平方公里的土地上目前只有阿拉尔一个生态监测站,且多为无人区,如果实测需花费巨大的人力和财 收稿日期:2004-10-16。 项目来源:国家973计划资助项目(2003CCCO1500)。 力,经验模型法在这种地区推广难度非常大。 植被指数转换法的基本思想是:通过对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的转换关系,来直接提取植被覆盖度信息。Quarmby利用AVHRR资料,建立了植被指数与植被覆盖度的线性混合转换模式,并认为该方法适用于估算农业区的植被覆盖度[4];Gut-man和Ignatov从像元中可能的植被分布特征入手,提出了均一亚像元模型和混合亚像元模型,并应用其中的等密度模型,利用NOAAAVHRR数据进行了全球植被覆盖度的估算;虽然植被指数法不需要进行大面积的地面样方实测,但其精度却可能低于经验模型法。 根据植被和土壤在不同波谱段的反射情况,一般选择植被与土壤光谱反射差别较大的红光波段和近红外波段作为植被覆盖度信息提取的信息源,即采用混合像元分体法。 在混合像元分体中,要准确提取植被覆盖度值,必须先知道裸土地、植被在遥感图像近红外、红光波段的反射率的差值C、Rnirv-Rredv,对于土壤质地比较均一、植被类型单一的地区来说,可以通过实测或在图像上量取;对于土壤质地和植被类型差异较大的地区,不同的土壤、植被类型其反射率也有一定的差异,C和Rnirv-Rredv不是常数,即使统计一个平均值,植被覆盖度的提取结果精度也较差,因此该方法局限性较大。 [5] 28武汉大学学报#信息科学版2005年1月 最小、最大归一化植被指数值。 1 植被覆盖转换模型的建立 目前,生态环境宏观监测采用的遥感数据大多为低分辨率的卫星图像,对于植被信息提取精度的要求也不是太高,用于定性评价有较高的实用价值,但进行定量评价就显得有些不足。近年 来逐渐发展到用中分辨率遥感数据提取植被覆盖度信息,这也是目前研究的焦点。 植被指数NDVI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,其大小取决于叶面积指数LAI(垂直密度)和植被覆盖度fndvi等要素。根据像元中植被覆盖结构的不同,可以分为均一像元和混合像元两类。当像元完全被植被覆盖时,其植被覆盖度为1(100%),属于均一像元;如植被不能完全覆盖整个像元,其植被覆盖度小于1,是植被与非植被构成的混合结构,属于混合像元。 植被指数转换模型(6)为: fndvi= NDVI-NDVIminNDVImax-NDVImin 表1 卫星系统分辨率/mR波段带宽/LmIR波段带宽/Lm LANDSAT 300.63~0.690.76~0.90 CBERS19.50.63~0.690.77~0.89 式(1)是建立在监测区内有全覆盖的均一像元的基础上的,而对于分辨率为250m、30m的NOAA、TM图像数据而言,在西部干旱、半干旱地区找到