基于MODIS数据的北京市植被覆盖度动态监测

苏慧敏，郭 浩，夏照华，王 红

(北京地拓科技发展有限公司，北京 100084)

植被覆盖度是指植被(包括叶、茎、枝)在地面的垂直投影面积占统计区总面积的百分比[1]。植被覆盖度作为衡量地表植被覆盖状况的一个重要定量信息，不仅是评估土地退化、荒漠化程度的有效指数之一，还是通用土壤流失方程中的重要控制因子[2]。因此，定量评估区域植被覆盖变化，分析地表植被覆盖状态，对揭示地表植被变化趋势，分析与评价区域土地资源管理和生态环境保护决策具有重要的现实意义。

区域植被覆盖度有明显的时空分异特性。遥感技术作为一种综合性探测技术，能迅速有效地提供地表自然过程的宏观信息，已成为当前大尺度甚至全球尺度植被覆盖监测的主要手段，有助于揭示植被覆盖的动态变化规律，并预测其发展趋势[3]。在当前常用的遥感数据中，MODIS数据因具有空间分辨率适中、光谱覆盖范围广、重访周期短、数据质量高且获取方便的特点而被广泛用于植被覆盖度的信息提取。

本研究以北京市为例，对2014—2016年每年8月上旬的植被覆盖度进行定量分析，利用MODISNDVI的像元二分模型，计算北京市相同时期，不同年份、不同分级的植被覆盖度，监测其动态变化，分析北京市植被覆盖度动态变化趋势，旨在为区域土地资源管理、生态环境监测提供科学依据。

1 研究区概况

北京市位于东经115.7°～117.4°、北纬39.4°～41.6°，与天津市相邻，并与天津市一起被河北省环绕，地形西北高东南低，总面积16 406.30 km2，其中山区面积10 076.64 km2，约占总面积的61%，平原区面积6 329.66 km2，约占总面积的39%。气候为典型的北温带半湿润大陆性季风气候，夏季高温多雨，冬季寒冷干燥，春、秋短促。降水季节分配很不均匀，全年降水量的80%集中在6、7、8三个月。

2 研究方法

2.1 数据来源及处理

采用美国国家航空航天局(NASA)免费提供的MOD13Q1_Level3 16-Day产品，时间分辨率为16 d，空间分辨率为250 m。本研究选择MODIS数据的时间分别为2014年8月上旬(MOD13Q1.A2014225)、2015年8月上旬(MOD13Q1.A2015225)、2016年8月上旬(MOD13Q1.A2016225)。

利用ArcGIS提取NDVI图层，将覆盖北京市的几景NDVI影像进行镶嵌，将原投影转为UTM投影，然后计算北京范围内的NDVI最大值与最小值，最后按照植被覆盖度估算公式计算植被覆盖度。

2.1.1NDVI数据提取

下载的MODIS原始数据为*.hdf格式的数据集，包含NDVI在内的12类数据。利用ArcGIS的Extract Subdataset工具，分别提取2014年8月上旬、2015年8月上旬、2016年8月上旬北京范围的NDVI图层。

打开ArcGIS软件，在ArcToolbox中选择Data Management Tools—Raster—Raster Processing—Extract Subdataset工具。打开Extract Subdataset工具，在Input Raster菜单中选择需要提取的NDVI原始数据；在Subdataset ID菜单中点击后面的下拉三角，选择第一个图层，然后ID下面会自动弹出0；在Output Raster菜单中选择输出数据名称及存放的路径，然后点击OK。

2.1.2NDVI影像镶嵌

分别将提取的2014年8月上旬、2015年8月上旬、2016年8月上旬的NDVI影像进行镶嵌，利用ArcGIS软件的Mosaic To New Raster工具完成。

打开ArcGIS软件，在ArcToolbox中选择Data Management Tools—Raster—Raster Dataset—Mosaic To New Raster工具。打开Mosaic To New Raster工具，在Input Raster菜单中选NDVI数据，在Output Location菜单中选定输出路径，在Raster dataset name with extension菜单中设置输出文件名称，然后点击OK。

2.1.3 投影转换

MODIS数据默认的投影方式是正弦曲线投影，进行投影转换，转换成UTM投影。利用ArcGIS软件的Project Raster工具将镶嵌好的NDVI影像进行投影转换。

打开ArcGIS软件，在ArcToolbox中选择Data Management Tools—Projections and Transformations—Raster—Project Raster工具。在Input Raster菜单中选择镶嵌好的NDVI数据，在Output Raster Dataset菜单中设置输出数据文件夹及文件名称，在Output Coordinate System菜单中设置目标投影，在Output Cell Size菜单中设置分辨率250 m。

2.1.4 计算NDVImax和NDVImin

利用ArcGIS软件的Build Raster Attribute Table工具，计算植被整个生长季NDVI的最大值(NDVImax)和最小值(NDVImin)，可定直方图5%左右的NDVI值为最小值，95%左右的NDVI值为最大值。

2.2 利用NDVI值估算植被覆盖度

计算植被覆盖度就是在影像上计算每个像元内的植被占像元总面积的比例，通常利用植被的归一化植被指数NDVI来计算。NDVI又称标准化植被指数，定义为近红外波段与可见光红波段反射率之差和这两个波段反射率之和的比值，公式为

NDVI=(ρNIR-ρR)/(ρNIR+ρR)

(1)

式中：ρNIR为近红外波段反射率；ρR为可见光红波段反射率。

植被覆盖度与NDVI有非常好的相关性，NDVI值分布范围为-1～1，小于0.1时表示几乎没有植被信息，而接近于1时表示植被生长旺盛。根据土壤NDVI值和植被NDVI值计算植被覆盖度的数学表达式为

fcover=(NDVI-NDVIsoil)/(NDVIveg-NDVIsoil)

(2)

式中：fcover为植被覆盖度；NDVIsoil为裸土或无植被覆盖区域的NDVI值，即无植被像元的NDVI值；NDVIveg为完全被植被所覆盖的像元的NDVI值，即纯植被像元的NDVI值。

NDVI可以从影像上计算出来，NDVIsoil与NDVIveg可以在影像上确定。NDVIsoil应该是不随时间改变的，对于大多数类型的裸地表面，理论上应该接近于0。然而由于大气影响及地表湿度条件的改变，NDVIsoil会随着时间而变化。此外，由于地表湿度、粗糙度、土壤类型、土壤颜色等条件的不同，NDVIsoil也会随着空间变化，变化范围一般为-0.1～0.2。因此，采用一个确定的NDVIsoil值是不可取的，即使对于同一景影像也会有所变化。调整时并不需要知道NDVIsoil的具体值，因为它是从影像中计算出来的相对值。裸地NDVI值的空间变化也可能与传感器的观测角度有关，每个像元的观测角度不同，所选择的NDVIsoil值也会不同，这就造成了对植被覆盖度fcover估计的不确定性。NDVIveg代表着全植被覆盖像元的最大值，由于植被类型的不同、植被覆盖的季节变化、叶冠背景的污染，以及潮湿地面、雪、枯叶等因素的影响，NDVIveg值的确定也存在着与NDVIsoil值类似的情况，NDVIveg值也会随着时间和空间而改变，采用一个确定的NDVIveg值也是不可取的。

由于图像中不可避免地存在着噪声，NDVI的极值并不一定是NDVImax与NDVImin，因此对其取值时主要由图像尺度和图像质量等情况来决定，通常是取给定置信度区间的最大值与最小值，NDVImax取NDVI概率分布的95%下侧分位数所对应的NDVI值，NDVImin取NDVI概率分布的5%下侧分位数所对应的NDVI值。

2.3 植被覆盖度等级划分

将植被覆盖度分级，能更直观地体现出植被的覆盖状况，便于进行对比与分析。根据水利部颁布的《土壤侵蚀分类分级标准》(SL 190—2007)中的植被覆盖度分级标准，将植被覆盖度划分为5个等级：低植被覆盖度(<30%)、中低植被覆盖度(30%～45%)、中等植被覆盖度(45%～60%)、中高植被覆盖度(60%～75%)、高植被覆盖度(≥75%)。

打开ArcGIS软件，在ArcToolbox中选择Spatial Analyst Tools—Map Algebra—Raster Calculator工具。打开Raster Calculator工具，将上述计算的NDVImax和NDVImin值带入计算公式。

植被覆盖度的取值范围是0～1，小于0和大于1的值都需要处理掉。

3 结果与分析

3.1 北京市2014—2016年植被覆盖度的总体特征

基于上述方法，将北京市2014—2016年每年8月上旬的MODISNDVI数据反演成植被覆盖度数据，结果见图1～3。由图可看出，北京市连续3年同一时期的植被覆盖度都表现为山区明显高于平原区。

表1为北京市2014—2016年各等级植被覆盖度面积统计结果。可以看出，北京市植被覆盖度整体水平较高，高植被覆盖度区域占了很大比例(2014年8月上旬高植被覆盖度区域占比59.18%，2015年8月上旬占比68.62%，2016年8月上旬占比72.22%)，且主要集中在北京山区，这是因为山区海拔较高，人类活动对植被干扰较小，适宜植被生长；低植被覆盖度区域与中低植被覆盖度区域占比较少，主要分布在北京市的城区，这是因为城区地势较为平坦，居民点多，建筑物多；中等植被覆盖度区域与中高植被覆盖度区域占比居中。随着植被覆盖度等级的升高，北京市各等级植被覆盖度面积逐渐增加，占比也显著提高。

表1 2014—2016年北京市各等级植被覆盖度面积统计

3.2 北京市2014—2016年植被覆盖度变化分析

由表1可知：北京市2014—2016年同时期(8月上旬)低植被覆盖度区域面积占比、中低植被覆盖度区域面积占比、中等植被覆盖度区域面积占比、中高植被覆盖度区域面积占比均呈逐年减少趋势，而高植被覆盖度区域面积占比呈逐年增加趋势。

北京市2014—2016年同时期(8月上旬)各等级植被覆盖度面积变化情况见图4。分析结果表明，2014—2016年，北京市植被覆盖度状况较为稳定，呈现改善趋势，低植被覆盖度、中低植被覆盖度、中等植被覆盖度、中高植被覆盖度面积均出现了连续2年不同程度减少的现象，其覆盖度等级逐渐向高植被覆盖度演进，这与北京市越来越重视环境保护有直接关系。

图4 北京市2014—2016年各等级植被覆盖度面积变化

4 结 论

(1)归一化植被指数NDVI作为植被变化的指示因子，具有很强的敏感性，能较好地反映植被生产状况，在分析植被覆盖度变化方面较为成熟。将像元二分模型与NDVI相结合，进行植被覆盖度估算，具有良好的效果，结果可信度较高。

(2)2014—2016年北京市植被覆盖度整体较高，高植被覆盖度区域在全市范围占了很大的比例，山区植被覆盖度明显好于平原区。

(3)2014—2016年，北京市总体植被覆盖状况较为稳定，呈现改善趋势，低植被覆盖度、中低植被覆盖度、中等植被覆盖度、中高植被覆盖度面积均出现了连续2年不同程度减少的现象，其覆盖度等级逐渐向高植被覆盖度演进。