靳茗茗，陈丹璐

(北京林业大学，北京100083)



基于Landsat影像的北京市植被覆盖变化特征分析

靳茗茗，陈丹璐

(北京林业大学，北京100083)

以北京市为研究区，基于2000年Landsat 5 TM和2010年Landsat 5 TM遥感影像数据，利用像元二分模型对2000年至2010年北京市植被覆盖度及其动态变化进行定量分析。研究表明：2000年，北京市植被覆盖度主要为低植被覆盖、中等植被覆盖和中高植被覆盖；2010年，北京市植被覆盖度主要为中高植被覆盖和高植被覆盖。2000～2010年10年间，高植被覆盖和低植被覆盖区的变化程度最大，前者增加3066 km2，约占北京市总面积的18.25%，后者减少2103.36 km2，约占北京市总面积的12.52%，其余等级植被覆盖区域面积变化程度相对较小。2000年，低植被覆盖的面积最大，2010年，中高植被覆盖的面积最大。10年间，以中等植被覆盖→中高植被覆盖为最主要的转换类型，转换率达到45.501%。

植被覆盖度；NDVI；遥感；像元二分模型

0　引言

植被是覆盖地表的植物群落的总称，是地球生态系统中重要的组成部分，而植被覆盖度是定量描述地表植被覆盖情况的重要参数，也是描述生态系统的重要基础数据。获取区域地表植被覆盖状态，对于解释地表植被变化及植被动态变化趋势、分析、评价区域生态环境具有重要意义。传统估算植被覆盖度是基于地面样方进行实测，现如今研究大都采用基于遥感影像通过植被指数反演植被覆盖度。

植被指数是利用卫星不同波段探测数据组合而成能反映植物生长状况的指数。植物叶面在可见光红光波段有很强的吸收特性，在近红外波段有很强的反射特性，这是植被遥感监测的物理基础，通过这两个波段测值的不同组合可得到不同的植被指数，其中，归一化植被指数(NDVI)被广泛用于检测值被生长状态、植被覆盖度和消除部分辐射误差等，众多研究表明，NDVI可以作为一个有价值的植被监测工具，在植被覆盖度测算方面能够得到较好地应用。

本文以2000年5月和2010年8月的Landsat TM遥感影像数据为基础，以空间分析技术为手段，通过对遥感影像数据的处理，提取归一化植被指数(NDVI)，利用像元二分模型估算植被覆盖度，根据计算出的植被覆盖程度进行分级，从而监测2000～2010年北京市植被覆盖度的变化情况，分析10年间北京市植被覆盖的变化趋势。

1　研究区概况

北京市境处于华北平原与太行山脉、燕山山脉的交接部位，平均海拔高度为43.71m。东距渤海150km，东南部为平原，属于华北平原的西北边缘区；西部为山地，属于太行山脉的东北余脉；北部、东北部为山地，属于为燕山山脉的西段支脉，属北温带季风气候，四季分明，春季干旱，夏季炎热多雨。

2　数据来源与预处理

研究区5～9月为植物的主要生长季，因此选择植物生长旺盛季节的遥感影像进行植被覆盖变化的分析。该研究采用2000年5月27日的Landsat 5 TM和2010年8月8日的Landsat 5 TM数据，云量均小于5%；使用FLAASH模块对遥感数据进行大气校正，利用地形图对遥感图像进行几何校正。将经过校正的影像与研究区行政区划图叠加，裁剪出研究区图像，生成归一化植被指数(NDVI)。

3　研究方法

3.1归一化植被指数(NDVI)提取

归一化植被指数(NDVI)是一种由遥感传感器接收的地物光谱信息推算而得的反映地表植被状况的定量值，是植物生长状态以及植物生长空间分布密度的最佳指示因子。

其计算公式为：

NDVI=(ρNIR+ρR)/ρNIR+ρR)

其中，ρNIR为近红外波段反射，ρR为红波段反射值。在TM遥感影像中，ρR为影像第四通道的反射值，ρNIR为影像第三通道的反射值。

3.2植被覆盖度(Fc)遥感估算模型

像元二分模型是一种简单实用的遥感估算模型，它假设一个像元的地表由有植被覆盖部分与无植被覆盖部分组成，而遥感传感器观测到的光谱信息也由这2个组分因子线性加权合成，各因子的权重是各自的面积在像元中所占的比率，其中植被覆盖度可以看作是植被的权重。

运用植被指数法反演植被覆盖度(Fc)，计算公式为：

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

其中，Fc 为植被覆盖度，NDVIsoil为裸土或无植被覆盖区域的NDVI值，NDVIveg为纯植被像元的NDVI值。

NDVIsoil=(Fc max×NDVImin-Ec min×NDVImax)/(Fc max-Fc min)

NDVIveg=[(1-Fc min)×NDVImax-(1-Fc max)×NDVImin]/(Fc max-Fc min)

其中，NDVImax和NDVImin分别为区域内最大和最小的NDVI值。

3.3植被覆盖度的计算与分级

分别提取每个像元的NDVI，根据频率累计值，确定NDVImax和NDVImin分别在累计概率95%和5%处。

在ENVI软件中估算植被覆盖度的公式为：

(b1ltNDVImin)*0+(b1gtNDVImax)*1+(b1geNDVImin and b1leNDVImax)*[(b1-NDVImin)/(NDVImax-NDVImin)]

其中，b1为NDVI数据。

按照统计特征将研究区分为6个植被覆盖类型：无植被覆盖(Fc =0)、极低植被覆盖(0

4　植被覆盖度动态变化

4.1北京市植被覆盖度结果图(略)

4.2北京市植被覆盖度统计结果

表1　2000～2010年各等级植被覆盖度提取结果

表2　2000～2010年植被覆盖度变化统计结果

表3　植被覆盖度等级变化转移矩阵(%)

4.3植被覆盖度变化分析

4.3.1 中高植被覆盖和高植被覆盖的土地面积增加，无植被覆盖、极低植被覆盖、低植被覆盖和中等植被覆盖的土地面积减小。其中，高植被覆盖和低植被覆盖区面积的变化程度最大，前者增加3066 km2，约占北京市总面积的18.25%，后者减少2103.36 km2，约占北京市总面积的12.52%。

4.3.2按照所占百分比由高到低排列，2000年各等级植被覆盖度依次为：低植被覆盖度，中高植被覆盖度，高植被覆盖度，中等植被覆盖度，极低植被覆盖度，无植被覆盖；2010年各等级植被覆盖度依次为：中高植被覆盖度，高植被覆盖度，低植被覆盖度，中等植被覆盖度，极低植被覆盖度，无植被覆盖。

4.3.3从植被覆盖等级的转换特征来看，10年间，以中等植被覆盖→中高植被覆盖、中高植被覆盖→高植被覆盖，以及无植被覆盖→高植被覆盖为最主要的转换类型；转换率分别为45.501%，41.846%和36.896%。

5　结果与讨论

5.12000～2010年10年间，高植被覆盖和低植被覆盖区的变化程度最大，前者增加3066km2，约占北京市总面积的18.25%，后者减少2103.36 km2，约占北京市总面积的12.52%，其余等级植被覆盖区域面积变化程度相对较小。

5.22000年，低植被覆盖的面积最大，2010年，中高植被覆盖的面积最大。前者面积为5742.24km2，占北京市总面积的34.18%；后者面积为5770.80km2，占北京市总面积的34.35%。

5.310年间，以中等植被覆盖→中高植被覆盖为最主要的转换类型，转换率达到45.501%。

5.4自2001年北京申奥成功后，秉持着“绿色奥运、人文奥运、科技奥运”的举办理念，北京市政府采取了多项措施改善城市环境，而其中最重要的一个措施就是加大植被覆盖度，在重视经济发展和城市化的同时，也开始重视到生态文明建设，10年间，植被覆盖度等级向高等级趋近。该研究通过遥感影像监测北京市的植被覆盖度变化情况，对北京市的生态文明建设和城市规划有一定的参考意义。

[1]刘宪锋,潘耀忠,朱秀芳,等. 2000-2014年秦巴山区植被覆盖时空变化特征及其归因[J]. 地理学报,2015(5):705-716.

[2]王爱芸,陆驰. 昆明市植被覆盖变化特征分析——基于Landsat遥感影像数据[J]. 安徽农业科学,2015,18:326-328.

[3]刘志锋,南颖,胡浩,等. 2000-2008年长白山地区植被覆盖变化特征[J]. 西北植物学报,2010(2):391-398.

[4]师庆东. 基于FVC指数对1982-2000年中国西部干旱区植被覆盖时空变化特征分析[D].南京气象学院,2004.

[5]程苗苗,江洪,陈健,等. 基于Landsat数据的新疆和田地区植被覆盖变化研究[J].安徽农业科学,2009(3):1239-1244+1250.

[6]张超,余树全,李土生. 基于多时相Landsat影像的庆元县植被覆盖变化研究[J]. 浙江农林大学学报,2011(1):72-79.

[7]韩佶兴. 2000-2011年东北亚地区植被覆盖度变化研究[D].中国科学院研究生院(东北地理与农业生态研究所),2012.

[8]王佃来. 基于遥感图像分析的北京植被状态与变化研究[D].北京林业大学,2013.

[9]RASTMANESH F,MOORE F,KHARRATI-KOPAEI M,et al. Monitoring deterioration of vegetation cover in the vicinity of smelting industry,using statistical methods and TM and ETM+ imageries,Sarcheshmeh copper complex,Central Iran [J].Environ Monit Assess,2010,163:397-410.

[10]MORAWITZ D F,BLEWETT T M,COHEN A,et al.Using NDVI to assess vegetative land cover change in central Puget Sound[J].Environ Monitor Assess,2006,114(1):85-106.

Analysis of Vegetation Cover Change in Beijing City Based on Landsat Lmage

Jin Mingming,Chen Danlu

(Beijing Forestry University，Beijing 100083

Taking Beijing as the study area which is based on the Landsat 5 TM in 2000 and the Landsat 5 TM in 2010 remote sensing data,using the dimidiate pixel model to determine vegetation coverage and analyse its dynamic changing from 2000 to 2010.The study shows that in 2000,the vegetation coverage in Beijing is mainly low vegetation coverage, medium vegetation coverage,middle and high vegetation coverage;While in 2010, the vegetation coverage in Beijing is mainly middle and high vegetation coverage and high vegetation coverage.During the 10 years between 2000 and 2010, high vegetation coverage and low vegetation coverage are of the biggest changing, the former the former increases 3066 km2, accounted for 18.25% of the total area of Beijing City, the latter decreases 2103.36 km2, accounted for 12.52% of the total area ,all other levels of vegetation coverage area change degree is relatively small. In 2000, the area of low vegetation coverage was the largest, and in 2010, the area of high vegetation coverage was the largest. In the ten years, the middle and high vegetation coverage was the most important conversion type, the conversion rate made up 45.501%.

Vegetation coverage;NDVI;Remote sensing; Dimidiate pixel model

2016-05-07

S731.2

A

DOI.:10.13268/j.cnki.fbsic.2016.04.003