浅析城市植被信息遥感监测在实践中的应用
2012-09-18张宝燕
张宝燕
(辽宁林业职业技术学院实验林场,沈阳113317)
1 研究的意义
以自然或半自然形态存在的城市植被是城市/郊区环境的重要组成部分,也是改善城市生态环境和城市热岛的调节器。植被在城市生态系统中发挥着十分重要的作用,是城市居民健康环境不可缺少的重要组分。绿色植被能够通过选择性反射、吸收太阳辐射、调节水分蒸腾、吸附大气中的固体悬浮颗粒物以及有害气体,调节城市热岛和大气环境质量,对城市生态系统中的物质循环和能量流动产生积极影响。城市植被除具有重要的生态功能,如保持生物多样性,防治水土流失,减轻城市热岛效应等,另外还具有重要的社会经济功能,如提供休息娱乐场所,减轻城市居民的工作压力,影响房地产价格等。随着人们生活水平的不断提高与休闲时间的逐渐增加,人们更加渴望接触自然、亲近自然、走向自然。因此,城市植被日益成为评价城市生态可持续与人们生活质量的重要标准。
目前大部分城市在进行城市绿化建设时,只注重国家建设部1993年提出的城市绿化水平三项指标(城市建成区绿地率、绿化覆盖率和人均公共绿地面积)数字的高低,
并不重视城市绿地生态功能及其在空间上的合理布局。近年来,虽然有些城市也逐渐认识到了城市绿色空间结构的重要性,由于测量手段大都以常规的相对落后的统计为主,无法及时、准确、全面、真实地反映绿色空间现状,遥感技术作为一种综合性探测技术,越来越多的遥感技术已被应用在城市的植被监测中。
众所周知,本溪是东北地区有名的钢铁城市,随着城市化的进程和经济的快速发展,产生了大量的城市问题。如城市结构功能效益低,大气和水环境污染等,尤其是绿地被大量蚕食所带来的生态环境影响,严重影响了人们生活质量,也影响到区域中心城市的形象。为此,很多学者对该地区的植被情况进行了定期的监测与分析。但是,研究所用的数据多源于统计年鉴,也没有从本溪市进行植被覆盖度的研究。
本文利用遥感数据,应用ERDAS软件对本溪地区进行分类,提取出植被信息,并对该地区的植被进行分析与检测,这是一项非常有应用价值和理论价值的研究工作,具有重要意义。
2 植被监测在城市中的应用
2.1 植被监测在环境管理和环境监测中的应用
植被监测在世界许多国家得到推广,在环境监测中占有一定的比重。西德、英国利用地衣种类、数量、覆盖度等说明空气质量变化;加拿大根据地衣吸附流量反应二氧化硫污染分布;美国根据鸭跎草无性系雌蕊毛茸细胞变态对化学诱变进行监测。植物监测的可行性表现在直观性、指示性、长期性等三方面。
2.2 植被监测在景观生态变化的应用
植被是生态系统最基本的组成部分,是自然环境最直观的反映。特别是在干旱区,植被生态系统的特点、变化,不仅直接反映了区域的地质、地貌,水文、土壤、气候等自然地理特征,而且在一定程度上反映了人类活动对自然的影响[1]。对植被进行监测,不仅可以了解区域的自然地理状况、生态质量现状、生态破坏程度、恢复状况及发展变化趋势,同时,植被监测又是正确评价生态系统功能,预测人类活动对生态系统的影响的前提,为区域实施生态管理、建立生态法律法规提供一定的依据,为干旱区生态环境保护和绿洲的可持续发展提供理论指导。
观察组治疗有效率为92.00%,对照组为68.00%。与对照组相比,观察组的治疗有效率更高,差异具有统计学意义(P<0.05)。详细见(表1)。
2.3 植被变化是全球气候变化研究的“指示器”
陆地生态系统是人类赖以生存与发展的生命支持系统。全球气候变化研究的目标之一,就是研究人类活动引起的气候变化对陆地生态系统与人类生存环境的作用及其响应。植被具有明显的年际和季节变化特征,也是联结土壤、大气和水分的自然纽带,在一定程度上,植被变化能在全球变化研究中充当“指示器”的作用,对植被的动态监测和预测可以从一个侧面反映气候变化的趋势。我国西北干旱、半干旱地区处于全球气候变化一、二级敏感带,对其植被动态变化进行研究具有十分重要的意义。
植被与气候之间的相互作用主要表现在两个方面:植被对气候的适应性与植被对气候的反馈作用。气温上升、降水量增加和二氧化碳浓度增高等变化会引起植被生态系统功能的变化,包括光合作用、呼吸作用改变和生长季节与物候变化等,最终会影响全球碳平衡格局。
3 植被覆盖度监测的应用
植被覆盖度作为水文学与生态学的重要参数,被用在土壤侵蚀模型中,对于植被覆盖度的监测也被广泛用于多领域的研究,如景观变化分析,矿区植被覆盖度研究,干旱半干旱地区植被覆盖度研究。
作为植被覆盖的直接指示因子[2],植被覆盖度被频繁用于植被覆盖的变化监测中。如中国一比利时合作的“中国西北地区植被覆盖变化遥感动态监测系统”项目,以植被覆盖变化和环境变化动态监测为基础,研究近十年西北地区植被覆盖的主要变化情况。
植被覆盖度是生态学的重要参数,它是生态环境监测中最常用的监测指标之一。如黄河中上游地区生态环境遥感调查,利用植被覆盖度等生态环境因子对黄河中上游地区的环境进行了现状调查、动态研究与综合评价。
4 使用遥感技术监测的优势
遥感技术是以先进的对地观测探测器为技术手段,对目标物进行遥远感知的整个过程。遥感技术以其多平台、多层次、多波段、多时相、短周期、低价格等特点,已广泛应用于资源、环境、生态研究的众多领域,是获取现势性资料的重要手段。尤其计算机数据存储、处理、分析等遥感研究技术的不断提高,促进了遥感技术的快速发展[3]。
遥感对地观测的海量波谱信息为地方、区域与全球尺度上的植被覆盖度监测提供了定性或定量数据。
卫星遥感图像具有周期性、宏观性、现势性和经济性的特点,可以用于大范围区域的植被覆盖度监测。
遥感数字影像产品具有获取速度快、信息量多、直观性好的特点,可以提供实时、准确的植被覆盖度信息。
高光谱遥感数据具有波段多、信息量丰富的特点,可以提供连续、精细的光谱信息,用于植被遥感的定量研究中。
多源遥感信息(多时相、多光潜、多传感器、多平台和多分辨率)提供的信息具有冗余性、互补性和合作性,可以使对植被覆盖度的定量估算更精确、更完全、更可靠。
遥感技术与地理信息系统(GIS)技术相结合,可以引进多种辅助数据(如植被图、土地利用图、DEM、土壤图等)参与植被覆盖度的定量估算过程。
遥感数据可以即时反映出植被覆盖度的时空分异特性,对遥感数据的时间序列分析,有助于观测植被覆盖的季节变化与年变化趋势。
使用遥感数招计算出的植被指数,真实的反映了地表植被状况,对于植被覆盖度监测具有灵敏性。
5 实例分析
5.1 研究使用数据
本文以辽宁省本溪市为样本城市,所用遥感数据为1999年8月、2004年5月、2007年5月和2009年8月共4幅影像,图像上研究区域基本无云,成像质量良好。以下是几幅遥感影像的基本资料。
表1 遥感影像主要参数
5.2 研究路线
本文应用NDVI分类、非监督分类和监督分类三种方法对本溪地区的不同年份的植被进行了提取和分类,并对三种方法进行了系统的比较和分析,选择出最优方法。在前两种方法中,首先利用ERDAS软件对2007年Landsat-5TM的遥感影像进行了感兴趣区域的剪裁,得到了本溪地区的遥感影像数据。接着运用监督分类和非监督对该地区进行分类,分离出了植被,然后对这两种方法进行了对比得出监督分类比非监督分类精度更高的结论。在第二种方法中,利用ERDAS建模工具进行NDVI提取,并且对所提取的NDVI做了分类,得到NDVI分类图。之后文中又利用Google earth目视判读判定了NDVI分类与监督分类的分类精度问题,通过比较,得出监督分类精度比NDVI分类要高[4]。
在确定应用监督分类提取、分离植被后,为了提高分类的精度,文中又利用NDVI与波段组合的方法对分类进行了改进,结果表明该方法精度的确很高。另外,为了佐证分离出来的是植被,文中还尝试用地表温度反演图来证明分类方法其准确性。
在确定应用NDVI与其他波段组合的监督分类作为主要分析方法后,文中对其他几个年份的遥感影像进行了分类和对比,估算了当年的植被覆盖和情况、解译了植被的分布状况,并通过ERDAS建模的变化监测阐述了本溪地区这几年的植被覆盖的变化趋势及原因。其技术路线如下图[5]:
5.3 NDVI表达式
归一化差值植被指数NDVI(Normalozed Difference Vegetation Index)。它能更好地反应本地形区植被盖度稀疏、盖度差异悬殊的区域景观特点。该植被指数的表达式为:
其中DNTM4、DNTM3分别表示landsatTM第四波段(热红外波段)的灰度值和第三波段(可见光红光波段)的灰度值。
6 结论
表2 各年份影像的植被面积统计
对2004年与2007年植被变化进行分析,通过生成的遥感影像和原来两年的植被影像图的比照,可以看出城区主要植被覆盖地区没有很大的变化,只有部分田地2004年比2007年多,估计是因为从2004年到2007年期间有些田地的地方改建成了房屋,使田地面积减小。
2007年与2009年植被变化分析,用上述方法对生成的变化检测图分析,浅灰色的部分是2007年比2009年多的绿地,根据图像解译[6],多出来的绿地部分恰好就是田地的区域,再一次证明了之前的分析的正确性。
7 需要注意的细节
7.1 由于覆盖度的不连续性,使用遥感数据估算植被覆盖度可能与生物量直接相关。
7.2 使用遥感数据获取植被覆盖度时与植被覆盖度定义的视角不同。遥感传感器观测地面的角度与传感器的类型有关,一般很难保证与地面垂直,而植被覆盖度的定义是植被在坡面的垂直投影,观测角度与投影角度不同,因而引起植被覆盖度的误差。
[1] 顾祝军,曾志远,史学正,等.基于遥感图像不同辐射校正水平的植被覆盖度估算模型[J].应用生态学报,2008,19(6):1296-1302.
[2] 王 皓.黄河流域遥感影像NDVI植被覆盖指数参数提取[D].北京:清华大学,2006.
[3] 陈云浩,李晓兵,史培军.基于遥感的植被覆盖变化景观分析[J].生态学报,2002,22(10):1582-1586.
[4] 杜风兰.北京大兴区高分辨率遥感土地利用分类及不确定性研究.南京大学硕十论文,2005(6):26-28.
[5] 胡振琪,陈涛.基于ERDAS的矿区植被覆盖度遥感信息提取研究[J].西北林学院学报2008,23(2):164-167.
[6] 郭崇,孙培新,刘卫国.利用ERDAS IMAGINE从遥感影像中提取植被指数[J].西部探矿工程,2005(6):111-113.