基于多源遥感数据的一带一路重点地区植被覆盖度调查研究.docxVIP

?

?

基于多源遥感数据的一带一路重点地区植被覆盖度调查研究

?

?

官瑞芬李樵民王文龙马大为杨娅婷闫军杨雪茹

摘要：本文主要基于多源遥感数据，以沙特吉赞省为例，对遥感影像进行了归一化值被植数（NDVI）的提取，并根据像元二分模型原理估算出研究区的植被覆盖度，结果表明：该地区植被覆盖度整体较低，高植被覆盖区主要集中在东部山地以及多处东西向河谷区域。低植被覆盖区面积占比73%左右，中高及高植被覆盖区面积占比10%左右。

关键词：多源遥感植被覆盖度NDVI像元二分模型

：Q948；TP79：A：1674-098X（2019）03（b）-0154-04

Abstract：Thispaperismainlybasedonmulti-sourceremotesensingdata.takeSaudiArabiaasanexample，thenormalizedimagewasextractedfromtheremotelysensedimage（NDVI），andestimatethevegetationcoverageofthestudyareaaccordingtothepixelbinarymodelprinciple.theresultsshow：overallcoverageofvegetationintheareaislow，Thehighvegetationcoverageareaismainlyconcentratedintheeasternmountainousareasandinmanyeast-westrivervalleyareas.Lowvegetationcoverageareaaccountsforabout73%，mediumandhighvegetationcoverageareaaccountsforabout10%.

KeyWords：Multi-sourceremotesensing；Vegetationcoverage；NDVI；Pixelbinarymodel

植被覆盖度是衡量地表植被状况的一个最重要的指标，在生态、土地沙漠化评价、水土流失监测和分布式水文模型中都将植被覆盖度作为重要输入参数。植被覆盖度测算的传统方法是地面测量，最简单的方法就是目估法，还有样方法、样带法、样点法等，以及借助于采样仪器的测量方法，由于野外调查难度大，成本较高，抽样覆盖面小，难以在大范围内快速提取植被覆盖信息，因此应用受到一定限制。遥感技术的发展为准确及时的获取大面积区域植被覆盖度信息提供了可能。目前利用遙感技术估算植被覆盖度的方法很多，其中应用较多的方法是植被覆盖度与光谱指数的相关分析法，回归模型法以及像元二分模型法等，本研究区是建立在像元二分模型的基础上近似估算吉赞省（2008年、2014年、2018年）三期的植被覆盖度。

1研究区概况及数据源

1.1研究区概况

吉赞省位于沙特阿拉伯西南部，是沙特阿拉伯面积最小的省份，与也门接壤，西临红海，位于东经42°～43.8°，北纬16.5°～17°之间，面积约为1.2万km2。平均最高温度为38.5°，最低温度为29°，冬季平均最高温度为30°，最低温度为21°。地形多样，沿海地区从北向南延伸，海拔高度为100m，该地区沼泽和盐沼分布较多，其中Tohama地区为吉赞最肥沃的地区，Sarwat山位于吉赞省东部，该地区陡峭多岩，海拔高度超过1800m。此外，吉赞省从北到南分布有许多河谷，洪水通过这些河谷从东部山区流向西部，直至到达红海。吉赞省还包括位于红海上的100多个岛屿，全省可分为3个部分：内陆、林区和平原地区。内陆是绵延的山脉，林区有丰盛的牧草，平原地区盛产农作物，如：咖啡豆、谷类作物（大麦、小米和小麦）和水果（苹果、香蕉、葡萄、芒果、木瓜、李子、柑橘）等。

1.2数据源

本研究区约1.2万km2，综合应用了3类数据：2008年Landsat-5数据、2014年Landsat-8数据、2018年Landsat-8数据以及2018年国产GF-1数据。其中LandsatTM/OLI数据，空间分辨率为30m，云量均小于10%，下载于“地理空间数据云”网址（http：//）。高分一号数据，空间分辨率为16m，来源于“中国资源卫星应用中心”。详细情况见表1。

2研究方法

2.1遥感图像预处理

采用专业遥感图像处理软件ENVI5.3，对工作区内三期（2008年、2014年、2018年）Landsat遥感影像分别进行辐射定标、大气校正