基于遥感数据的植被覆盖度变化检测研究

基于遥感数据的植被覆盖度变化检测研究

刘晓菲  ,房华乐

济宁职业技术学院 山东济宁 272000

山东光大空间地理信息有限责任公司山东济宁272000

近些年来，利用遥感技术获取研究区不同时段以及不同时相的遥感信息来反演大范围的植被覆盖度并进行变化检测研究受到了广泛关注。

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，通常用植物茎叶对地面的投影面积计算[1]。它是土地覆盖度一个重要组成部分，土地覆盖包括地表植被、各种人造和工程材料，是地球表面的植被覆盖以及人工盖物的总和。植被覆盖度反应一个国家或地区的植被或植被反射资源丰富、实现绿色指数和植被的管理和政策的重要依据。它的变化对全球能量循环以及物质的生物化学循环具有极其重要的影响，能够准确揭示地表空间变化规律，对于探讨变化的驱动因子，分析评价区域生态环境和衡量区域生态系统环境变化具有非常重要的作用。因此，获取地表植被覆盖度及其变化信息，并且用植被覆盖度指标来衡量一个地区的地表植被情况，具有重要的现实意义[2]。

监测植被覆盖度时，对于遥感信息的利用，是通过建立遥感数据与植被覆盖度之间的关系来实现的。这里所说的遥感数据包括遥感数据的光谱信息（波段或是波段的组合）或者是根据光谱信息计算出的植被指数。其中，最常用的还是植被指数，而植被指数实际上也是某种特定的波段组合。

1归一化植被指数(NDVI)

归一化植被指数(NDVI)，是常用的植被指数转换为植被覆盖度的遥感指数，广泛的应用于大区域的植被覆盖度变化检测[3]。绿色植被反射光谱的特点是对红光(RED)波段有高吸收率和对近红外光(NIR)波段有高反射率，因此NDVI定义为近红外波段NIR和可见光红波段RED数值之差与近红外波段NIR和可见光红波段RED数值之和的比值，即公式

(1-1)

其中：为近红外波段，为可见光红波段。

这两个波段组合构成了植被指数的核心，即NDVI，国内外研究中通常利用遥感影像的NDVI来反演植被覆盖度[4-6]。

           (1-2)

公式(1-2)表示了植被覆盖度与NDVI之间的联系。一旦参数和都得到，便可估算研究区的植被覆盖度。但是，在实践应用中要确定和有许多困难，这也直接影响了结果的精度。

在理论上，应该是NDVI值中的最大值，而对于大多数裸地来说理论上应该接近于零，不会随时间和研究区域所改变。但是由于受到植被类型等众多因素的影像，将会随着时间和空间发生改变。同时，也会因为受到土壤类型、土壤颜色、地面表面的粗糙度和水分等因素的影像而变化，变化范围一般在-0.1~0.2之间。因此，对于同一期影像不同区域的和都不能取固定值，并且同一区域的不同时相的和也不能取固定值。

2改进方法求取NDVI

在充分分析研究区遥感数据特征的基础上，结合区域生长算法，本文提出一种针对具有不规则边界的遥感影像NDVI计算方法。

该方法首先选取遥感影像的四个脚点和四条边的边界点作为预选生长起始点，然后对四个脚点和四条边的边界点进行判别，如果该点的各个波段数值都为0，则将该点标记为生长起始点，如果不符合条件，则不对其标记。以选取的生长起始点为起点，进行8邻域(8邻域指的是以该像素为中心的上下左右，左上，左下，右上，右下8个方向的像素位置)生长，如果起始点8邻域内某一个像素的各波段的数值都为0，则将其标为新的生长点，并以该点为中心进行8邻域生长，直到没有新的像素被标记为止。该方法选取4个脚点和4条边的边界点作为生长起始点，用于本文提取NDVI中能够有效的避免由于黑色区域被影像部分隔开而导致黑色区域不能完全提取的问题。

本文将区域生长算法应用获取NDVI图像中，为了验证该方法的有效性和可行性，采用裁剪后的400×400遥感影像作为实验对象。裁剪后的遥感影像的右下方灰色区域为有效研究区域，其余部分是无效研究区。利用本文方法对影像的黑色区域进行检测，将检测到的黑色区域标识为白色，为了能够将原图像和处理后图像进行更为精确的对比，同时裁剪出40×40遥感影像，以便更好的观察结果。裁剪后的遥感影像中的黑色区域全部被标识为了白色，影像有效区域没有被标识，进一步观察边界细节部分，可以看到该方法提取的结果能够精确到每一个像素。实验结果证明该方法在保证遥感影像完整性的前提下，能够较好的提取图像中的黑色区域(即无效影像区域)，只获取有效区域的NDVI值。

3植被覆盖度估算过程

(1)利用公式(1-1)和区域生长算法，剔除行政界线之外的区域之后计算出研究区图像的NDVI值。

(2) 确定置信度，本文后续研究中确定的置信度为99%，统计出图像中各像元NDVI值，并将其从小到大排列，在从小到大排列的值累加个数的比率更接近（1-置信度）的确定为参数，在从小到大排列的值累加个数的比率更接近置信度的确定为参数。

(3)将和取值代入公式(2-2)中，求得研究区的植被覆盖度。

遥感技术的发展及其大量不同卫星传感器对地观测的应用

, 利用同一个地区的多波段、多时相的遥感信息获取地表植被覆盖度, 为大范围的植被覆盖度监测和动态变化分析提供了强有力的手段。

中国荒漠化形势十分严峻，根据国家林业局防治荒漠化办公室等政府部门的有关材料看出，中国是世界上荒漠化较为严重的国家之一。植被覆盖退化引起的土地沙化是大风起沙的根本原因。随着沙漠化面积的扩大，中国北方地区沙尘暴现象越来越频繁，强度越来越大，范围也越来越广。植被能有效保护土壤，防止土地沙化。因此，进行植被覆盖度的研究势在必行。

参考文献

[1]马志勇, 沈涛, 张军海, 等. 基于植被覆盖度的植被变化分析[J]. 测绘通报, 2007(03):45-48.

[2]Sun D, Wang Y, Li H, et al. Spatializing regional fertilizer input based on MODIS NDVI time series[J]. Nongye Gongcheng Xuebao/Transactions of the Chinese Society of Agricultural Engineering, 2010,26(6):175-180.

[4]Ratnayake R. Forest cover estimation using Normalised Difference Vegetation Index (NDVI) in plantation forest: Remote Sensing for Agriculture, Ecosystems, and Hydrology III, September 17, 2001 - September 19, 2001, Toulouse, France, 2002[C]. SPIE.

[5]丁艳梅, 张继贤, 王坚, 等. 基于TM数据的植被覆盖度反演[J]. 测绘科学, 2006(01):43-45.

[6]郭伟伟. 张家口地区植被覆盖度动态分析研究[D]. 北京林业大学, 2012.

刘晓菲（1989.1-），女，汉族，山东昌邑，硕士，助教，研究方向测绘、地理信息技术

房华乐（1987.4-），男，汉族，山东济宁，硕士，工程师，研究方向测绘、地理信息技术