基于TM/ETM+影像的泉州市地表植被变化分析

陈小瑜++林莉

摘要：以泉州市TM/ETM+遥感影像为基础，对提取的泉州市2001年的NDVI影像、2006年的NDVI影像以及2006年与2001年的NDVI相减所得到影像进行了彩色合成，根据彩色的合成原理，得到的合成结果图呈现出的不同颜色反映了泉州市不同植被覆盖度区域的不同变化程度。再结合泉州市这些年实地变化情况，根据不同颜色以及各种植被覆盖区的不同变化程度，将泉州市区植被覆盖度变化情况总体上分成了6大类。结果分析表明：泉州市在2001～2006年期间的植被覆盖度整体上有了明显提高，但是由于人类为了满足自身的要求，部分地区还是存在严重的植被破坏、植被覆盖度严重下降、植被退化较严重的现象。

关键词：地表植被；变化分析；泉州市

中图分类号： K909.15

文献标识码： A 文章编号： 16749944（2015）06016604

1 引言

植被的空间分布和变化是研究城市生态环境质量变化的重要标志[1]。利用多光谱遥感数据对植被进行研究大多是基于植被指数的[2]。植被指数就是由多光谱遥感数据，经线性与非线性组合构成的对植被有一定意义的各种数值，通常利用植物光谱中的可见光红光与近红外两个典型的波段值。在遥感的应用领域中，植被指数已被广泛地用来定性和定量评价植被覆盖情况及其生长活力[3]。20多年来， 专家学者们已研究发展了40多个植被指数，其中常用的有比值植被指数（ RVI）、归一化植被指数（ NDVI）、环境植被指数（EVI）、绿度植被指数（PVI）等。研究表明归一化植被指数NDVI对植被的生长长势和生长量非常敏感，可以很好地反映植被的繁茂程度，是指示植被活动和植被生产力的良好指标，因而广泛地应用于植被活动研究[4]。

一般地，利用多时相遥感数据进行动态变化分析的方法最常用的有两种：逐个像元对比法和分类后对比法。逐个像元对比法无需进行影像的分类，因而可尽量减少分类带来的误差，但所获得的结果只能反映某个像元是否发生变化，而无法获知发生变化的内容。而分类后对比法可以清楚地获取每个像元具体的变化性质，但该方法首先要进行分类，所以其结果会受分类误差的影响，从而出现夸大变化的现象[5]。两种变化分析方法各具特色，但在方法的直观性、可操作性以及定量分析等方面仍有改进之处。所以本文利用多时相卫星影像进行变化分析的一种目前常用的方法，即利用多时相NDVI图进行彩色合成直观地反映地表植被的变化，以下利用该方法分析泉州市植被覆盖度的动态变化，为泉州市气候变化和水土保持方面提供科学依据。

2 数据资料

ETM+是美国陆地资源卫星Landsat7携带的传感器，Landsat7于1999年4月15日发射升空后，由于其优越的数据质量，以及与以前的Landsat系列卫星保持了在数据上的延续性，现在已成为中国遥感卫星地面站的主要产品之一。ETM+影像包含7个多光谱波段和一个全色波段，波段1—5和波段7的空间分辨率为30m，全色波段的分辨率为15m。本文的遥感影像采用国际科学数据服务平台提供的2001年3月4日的泉州市的ETM+影像以及泉州市的2006年6月15日的TM影像作为遥感信息源（轨道号为119/43）。泉州3～6月为春季，两期影像的时相较为接近，具有一定的可比性，从图像质量上来看，泉州市城区上空晴朗少云，地面特征清晰明显，图像干扰比较少，能够较好地反映地面状况。本文主要采用的遥感图像处理软件为ENVI。

3 研究方法

3.1 图像预处理

因为所采用的2006年的TM影像已经经过了几何校正，像元大小为30m×30m，因此本文以2006年的影像为基础影像对2001年的影像进行几何配准，在两期影像上选取同名地物控制点20个，将二者统一到同一的投影坐标系中，本文采用横轴墨卡托坐标系，匹配的均方根误差控制在一个像元内。

本文研究区只是整景TM/ETM+影像的一部分，在ENVI软件的支持下，利用泉州市区的行政区划矢量图，对二期影像进行裁剪（主要以丰泽区和鲤城区为主）。结果如图1、图2。

图1 研究区2001年ETM+ 影像

图2 研究区2006年TM影像

3.2 植被指数提取

植被指数是依据植被反射特性的波段计算出来的反映地表植被生长情况、覆盖情况、 生物量情况和植被种类情况的间接指标。一般地，植被指数与植被覆盖度具有较强的正相关特性，即植被指数值越高，其植被覆盖度就越大[6]。其中归一化植被指数NDVI是研究地表植被变化的一个重要指标，定义为近红外波段NIR与可见光红光波段R的反射率差值与这两个波段反射率之和的比值，即：NDVI=（NIR-R）/（NIR+R）（本研究中的NIR代表Landsat影像近红外波段TM4，R代表红光波段TM3），它是植物生长状态及植被空间分布密度的最佳指示因子，与植物覆盖分布密度呈线性相关。

利用ENVI软件分别提取泉州市2001年ETM+影像和2006年TM影像的NDVI影像，NDVI（2001）、NDVI（2006）分别表示泉州市2001年和2006年的NDVI值，其值反映了泉州市植被覆盖度的状况，NDVI数值越大，研究区域的植被覆盖度越高，NDVI数值越小，则说明研究区域的植被覆盖度越低。为了研究泉州市域植被覆盖度的变化分析，将2006年NDVI减去2001年NDVI，得到2001～2006年的NDVI变化值NDVI（2006～2001），其变化值反映了2001～2006年植被覆盖度的变化情况：①如果NDVI（2006～2001）小于0，表示植被覆盖度降低，其值越小表示植被覆盖度降低得越多；②NDVI（2006-2001）在0左右，则说明植被覆盖度变化不大；③如果NDVI（2006-2001）大于0，表示植被覆盖度升高，其值越大植被覆盖度升高越多。

3.3 彩色合成原理

由于所得的影像中包含的研究区域的植被覆盖度信息都各自不相同，所以，为了更加直观地表现植被覆盖度的变化程度，我们可利用RGB的彩色合成图像来同时反映研究区域在2001～2006年期间植被覆盖度的变化情况及其变化趋势，并能在一个显示窗口里直观地了解到所需的信息。为了能更直观地显示植被覆盖度变化的图像，突出变化信息，还可对所生成的RGB彩色合成影像进行适当的低通滤波去噪处理以及对比度拉伸。因而本文将NDVIN（2001）、NDVIN（2006-2001）、NDVIN（2006），分别赋予R（红色）、G（绿色）、B（蓝色）分量进行RGB的假彩色合成，图像上得到的不同的色调能够直观地反映研究区地面植被覆盖度的变化趋势，如图6。

3.4 综合分类及统计分析

为了保证得到的结果的准确性，还需对得到的合成图像进行一些处理。首先，需要对合成图像掩膜一次，主要对水体进行掩膜，否则错误的信息将会被统计在内。

遥感计算机自动分类可分为监督分类和非监督分类。首先需要从研究区域选取有代表性的训练场地作为样本。根据已知训练区提供的样本，通过选择特征参数（如像素亮度均值、方差等），建立判别函数，据此对样本像元进行分类，依据样本类别的特征来识别非样本像元的归属类别。其常用的方法有：最小距离分类法、最大似然比分类法、多级切割分类法和特征曲线窗口法。本文利用软件ENVI感兴趣区（ROI）提取研究区训练样本，采用最小距离分类法进行分类。本文对分类结果进行类型统计，统计出各种类型的像元个数及占研究区域总的像元个数的百分比。其分类统计结果如表1。

3.5 结果分析

将研究区域内的植被覆盖情况分为低植被覆盖、中等植被覆盖、高植被覆盖（这里所指的低植被覆盖、中等植被覆盖及高植被覆盖都是相对于NDVIN值的大小而言）。根据彩色合成原理所得的图6，结合表1统计数据，得出以下结论。

（1） 在合成图上，极少部分水域呈黑色，由于该区域在两期影像上的NDVIN值都很小，且变化很小。在分类之后的影像上，本文对水体进行掩膜处理，因而表1的计算未将水体纳入统计。

（2） 对于植被覆盖度较低的低植被覆盖地区，但是NDVIN值略有上升，在合成影像上呈墨绿色，这类区域主要分布在泉州市的城区所在地、部分水田。这是因为2001～2006年期间城区所在地绿化面积的不断增加，使得植被覆盖度呈现略为上升状态，水田由于受成像时间的影响，故城区所在地及水田在合成影像上呈墨绿色。从表1可知，低植被覆盖略微有上升的区域占整个研究区的66.70%。

（3） 原来为低植被覆盖度区域，在2001～2006年期间NDVI不断上升，上升为中等植被覆盖的区域，在合成影像图上呈现为绿色，这类区域主要分布在湖泊、河流及沿岸的区域以及作物长势好的水田和恢复得较好的山脉。市区晋江流域、西湖由于受水体富营养化的影响，其NDVIN值出现上升的趋势。掩膜掉水体区域后，该类区域的面积占总面积的6.39%。

（4） 植被覆盖在2001～2006年由中低等植被覆盖上升为高植被覆盖的区域，在图上呈现为青色（蓝绿色），该类区域分布在植被覆盖较好的山坡上。该区域的面积占总面积的0.38%。

（5） 对于中等植被覆盖区域，由于后来遭受比较严重的破坏，植被覆盖度出现急剧下降的区域，在合成影像图上呈现红色，这类区域主要集中分布在城区扩展区域、扩展公共用地、开荒毁林区域、水土流失严重区域。该区域的面积占总面积的6.06%。

（6） 高植被覆盖在2001～2006年间覆盖基本不变的稳定区域，在合成影像图上呈现品红色，这类区域主要集中在生态环境好的山区。该区域的面积占总面积的7.99%。

（7） 高植被覆盖度且植被覆盖度保持上升的植被良性循环区，在图上呈灰白色，这类区域也主要分布在生态环境好的山区，大部分分布在市区北部清源山。该区域的面积占总面积的12.48%。

4 结论

本文采用不同时相的TM/ETM+影像，提取不同时相的NDVI图，利用波段运算求出两个时相的NDVI变化影像，根据彩色合成原理，实现两个时相NDVI变化合成影像，用颜色直观地反映研究区域地面植被覆盖的变化情况。另外，利用不同时相NDVI变化合成图进行监督分类。并对分类结果进行统计，定量地分析研究区在2001～2006年期间的地面植被覆盖的变化程度。研究结果表明，泉州市的植被覆盖整体来说有一定的上升趋势，但局部区域植被覆盖度有所下降。此方法具有一定的推广性，采用相同的原理，对不同波段进行合成，得到的不同颜色搭配就可以用于其他领域的研究，如用一年内不同季相的影像，运用上述方法可以直观和定量地描述出不同植被类型的分布情况。利用该方法不仅避免了传统研究手段对数据获取存在的困难，而且使得大范围的植被覆盖变化研究变得直观性、简易性、准确性。但本文还存在一定的不足，采用较先进的分类方法提高合成图的分类精度有待进一步研究。

参考文献：

[1]徐涵秋，陈本清. 厦门市植被变化的遥感动态分析[J].地球信息科学，2003（2）.

[2]柳铮铮，曾从盛，钟春棋.基于TM影像的福州市地表植被变化分析[J].水土保持研究，2008（3）.

[3]江振蓝，沙晋明.利用多时相TM影像分析福州市地表植被的变化[J].水土保持研究，2003（4）.

[4]贾宝全，邱尔发，张红旗.基于归一化植被指数的西安市域植被变化[J].林业科学，2012（10）.

[5]赵泰安，彭道黎.利用多时相遥感影像分析密云县植被动态变化[J].东北林业大学学报，2013（12）.

[6]张鲁滨，崔青春，王富喜，等.基于NDVI的黄河三角洲植被覆盖度动态变化研究[J].鲁东大学学报：自然科学版，2013（3）.