基于像元二分模型的北京市部分地区植被覆盖度遥感监测

董琳 杨有田 张茜雯

摘 要：在可持续性发展的前提下，植被及森林覆盖度的监测对我国显得尤为重要，基于遥感影像的植被覆盖度分析计算是近年来较直接，精度较高的区域植被覆盖度获取方法。本文采用像元二分模型对北京市覆盖较高的部分地区（延庆，怀柔，密云）植被覆盖度进行提取，最后进行动态对比分析，实现了三区县的植被覆盖度动态监测，为北京市环境的改善及治理提出很好的数据支撑。

关键词：植被覆盖度 NDVI 像元二分模型 动态监测

1 植被覆盖度遥感监测原理与方法

1.1 植被覆盖度

1.1.1 植被覆盖度定义

植被覆盖度指某一地域植物垂直投影面积与该地域面积之比，用百分数表示。植被覆盖度是衡量地表植被状况的一个重要指标，是描述生态系统的重要基础数据，也是区域生态系统环境变化的重要指示，对水文、生态、区域变化等都具有重要意义。

1.1.2 植被覆盖度分级

依照植被盖度分级编码体系[1]，将植被覆盖度分为6类，裸地覆盖率0-15%，15%-30%为低覆盖，30%-45%为中低覆盖，60%-75%为中高覆盖，75%以上为高覆盖。

1.2基于像元二分模型的植被覆盖度提取

1.2.1 植被指数

NDVI，植被覆盖指数。-1<=NDVI<=1，负值表示地面覆盖为云、水、雪等，对可见光高反射；0表示有岩石或裸土等，NIR和R近似相等；正值，表示有植被覆盖，且随覆盖度增大而增大。

1.2.2 像元二分模型原理

如果该任一像元是混合像元，假设只由植被和土壤2种组分组成，则这个像元中有植被覆盖的面积比例为Vf即该像元的植被覆盖度，该混合像元的植被部分所贡献的信息Rv可以表示为纯植被反射率Rveg与像元中植被覆盖面积Vf的乘积，裸土亦然，得到R=Rveg×Vf+Rsoil ×（1-Vf）。多项研究表明，将NDVI直接代入上式中，所带来的影响较小，因此计算植被覆盖度的公式可表达为：Vf=（NDVI-NDVIsoil）/（NDVIveg-NDVIsoil）只需图像中获取NDVIsoil和NDVIveg即可。

2 研究区概况

2.1北京市概况

北京位于东经115.7°～117.4°，北纬39.4°～41.6°，中心位于北纬39°54′20″，东经116°25′29″，总面积16410.54平方千米。位于华北平原北部，毗邻渤海湾，上靠辽东半岛，下临山东半岛。

2.2北部三区概况

延庆区隶属北京市，地理坐标位于东经115°44～116°34，北纬40°16～40°47，地处北京市西北部，平均海拔500米以上，气候独特，冬冷夏凉，素有北京“夏都”之称。

怀柔区为北京市郊区县之一，地处全市东北部，位于东经116°17′～116°63′，北纬40°41′～41°4′之间。属暖温带型半湿润气候，四季分明，雨热同期，夏季湿润，冬季寒冷少雪。

密云区隶属北京市，地理坐标西起东经116°39 ′33”，东至117°30 ′25 “；南起北纬40°13′7”，北至北纬40°47′57”，位于北京市东北部，有中型以上水库4座。

3 图像预处理

3.1几何校正及裁剪

本实验选取的北京TM/ETM影像数据3期，成像时间分别为1991.5.6，1999.7.1，2010.6.5，保证了融合数据的时相一致。为了保证动态监测的图像的可比性，必须以1991年图像为基准进行几何校正，选择二次多项式方法，得到较好的校正结果。同时将北京北部三区以区界矢量图为基础进行裁剪，得到单独的研究区图像，便于后续研究。

3.2大气校正

首先进行辐射定标，然后对图像进行基于黑暗像元法的大气校正。其他像元减去黑暗像元的像元值，可以减少大气对整幅影像的影响，达到大气校正的目的。本实验中得到最小像元突变值作为黑暗像元值，进行输入完成大气校正。

4 基于像元二分模型的植被覆盖度提取

4.1 确定NDVIsoil和NDVIveg

对大气校正后的图像进行NDVI计算，其中NDVI值小于1为无植被覆盖区。对于不同土壤类型的裸露地表，NDVIsoil和NDVIveg值会随着类型变化而在-0.1～0.2范围内波动，土地利用图和土壤图常作为选取NDVIveg和NDVIsoil参数的依据，所得估算结果更接近现实。本研究参考基于像元二分模型的淮河上游植被覆盖度遥感研究[2]，选取NDVI值累积频率置信度5%～95%的最大值与最小值，作为NDVIsoil和NDVIveg参数值。确定1991年NDVIveg为-0.011765，NDVIsoil为0.952941；1999年NDVIveg为-0.388235，NDVIsoil为0.976471；2010年NDVIveg为-0.12325，NDVIsoil为0.978151。

4.2 植被覆盖度提取

依据已经推演得到的公式，代入上一步中得到的每一年的NDVIsoil和NDVIveg值，可以得到植被覆盖度图像。

4.3统计及分级

对得到的三年植被覆盖度图像进行统计，并按级别统计各级面积及所占比例积，统计结果如下：

5 精度评价

为了验证植被覆盖度反演结果的准確性，进行如下两种验证方式：

（1）实地采样验证，实地采样提取覆盖度与反演结果进行比较

（2）高精图像及地图的辅助验证。在高精图像或地图上定位到反演区域，进行比较与分析。

6 结论

可以看到，1991年植被覆盖率在高覆盖等级的最高，且1991年总体平均植被覆盖率最高，开发程度较低，植被覆盖面积较大，1999年开发程度加强，2010年重新注重植被与环境，环境得到改善，植被覆盖率较1999年提升。

参考文献

[1] 刘玉安，黄波，程涛，等.基于像元二分模型的淮河上游植被覆盖度遥感研究[J].水土保持通报，2012，32（1）：93-97.

[2] 罗彩莲，陈杰，乐通潮.基于FLAASH模型的Landsat ETM+卫星影像大气校正[J].防护林科技，2008（5）：46-48.

[3] 郑伟，曾志远.遥感图像大气校正的黑暗像元法[J].国土资源遥感，2005，17（1）：8-11.

[4] 刘琳，姚波.基于NDVI象元二分法的植被覆盖变化监测[J].农业工程学报，2010，26（s1）：230-234.