APP下载

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

2018-09-10董琳杨有田张茜雯

炎黄地理 2018年5期
关键词:动态监测

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.

猜你喜欢

动态监测
区域动态气象干旱强度指数与应用探讨
动态心电心阻抗监测系统的研究
动脉血乳酸动态监测在心脏外科重症患者围手术期的临床应用
浅谈实现电网经济调度运行的可行性措施探究
动态监测C反应蛋白评估重症社区获得性肺炎疗效和预后的临床研究
浅谈工业冷却循环水系统节能优化技术及应用
浅谈A/B级洁净区的动态监测
心脏瓣膜置换术后动态监测血栓前体蛋白的临床价值分析