1、基于像元二分(r fn)模型的植被覆蓋度反演-以北京市為例 王玲（西北大學(xué) 城市與環(huán)境(hunjng)學(xué)院，陜西 西安 710127）摘要(zhiyo)：采用遙感技術(shù)監(jiān)測(cè)植被覆蓋度具有重要意義。本文以北京市為例，基于2013年的Landsat8 OLI影像，選取NDVI值為參數(shù)，采用像元二分模型對(duì)植被覆蓋度進(jìn)行反演，最終反演的結(jié)果與實(shí)際情況符合，說明采用該方法反演植被覆蓋度可行。關(guān)鍵詞：植被覆蓋度、像元二分模型、NDVI、植被指數(shù)引言植被覆蓋度（Vegetation fractional cover，簡(jiǎn)稱fc）是指植被（包括葉、莖、枝）在地面的垂直投影面積占統(tǒng)計(jì)區(qū)總面積的百分比，即植土比。通常

2、林冠稱郁閉度，灌草等植被稱覆蓋度1。它是衡量地表植被覆蓋的一個(gè)最重要的指標(biāo)，被覆蓋度及其變化是區(qū)域生態(tài)系統(tǒng)環(huán)境變化的重要指示，對(duì)水文、生態(tài)、全球變化等都具有重要意義2。根據(jù)監(jiān)測(cè)手段, 測(cè)量植被覆蓋度的方法可分為地面測(cè)量和遙感測(cè)量?jī)纱箢悾瑴y(cè)量常用于田間尺度，遙感估算常用于區(qū)域尺度。目前已經(jīng)發(fā)展了很多利用遙感測(cè)量植被覆蓋度的方法，較為實(shí)用的地面測(cè)量單的方法就是目估法，缺點(diǎn)主要是主觀性太強(qiáng)。客觀的測(cè)量方法有樣點(diǎn)法、樣方法、樣帶法等，借助于采樣儀器的測(cè)量方法，空間定量計(jì)、移動(dòng)光量計(jì)等。這些方法雖然提高了測(cè)量精度，但野外操作不便，并且成本較高, 難以在大范圍內(nèi)快速提取植被覆蓋度。而采用遙感技術(shù)為監(jiān)測(cè)大面

3、積區(qū)域的植被覆蓋度，甚至全球的植被覆蓋度監(jiān)測(cè)提供了可能3。目前已有許多利用遙感技術(shù)測(cè)量植被覆蓋度的方法，其中應(yīng)用最廣泛的方法是利用植被指數(shù)近似估算植被覆蓋度，常用的植被指數(shù)為NDVI。一、數(shù)據(jù)源 本文選取兩景覆蓋北京市的Landsat8 OLI影像、土地覆蓋類型圖以及北京行政邊界矢量數(shù)據(jù)為數(shù)據(jù)源。其中，土地覆蓋類型圖是作為掩膜文件使用，其目的是為了便于植被覆蓋度的估算；北京行政邊界矢量數(shù)據(jù)是為了將兩景鑲嵌好的影像數(shù)據(jù)進(jìn)行裁剪使用的，其目的是裁剪出北京市行政區(qū)內(nèi)的范圍。另外，Landsat8 OLI影像是從地理空間數(shù)據(jù)云網(wǎng)站上下載得到的，其成像時(shí)間為2013年10月份。與Landsat7的ETM

4、+成像儀相比，OLI成像儀獲取的遙感圖像輻射分辨率達(dá)到12比特，圖像的幾何精度和數(shù)據(jù)的信噪比也更高。OLI成像儀包括9個(gè)短波譜段（波段1波段9），幅寬185km，其中全色波段地面分辨率為15m，其他譜段地面分辨率為30m4。表1 Landsat8 OLI陸地(ld)成像儀波段(bdun)參數(shù) 二、研究(ynji)方法本文反演植被覆蓋度所采用的是像元二分模型方法，像元二分模型是一種簡(jiǎn)單實(shí)用的遙感估算模型，它假設(shè)一個(gè)像元的地表由有植被覆蓋部分地表(SV)與無植被覆蓋部分地表(SS)組成，而遙感傳感器觀測(cè)到的光譜信息(S)也由這2個(gè)組分因子線性加權(quán)合成，各因子的權(quán)重是各自的面積在像元中所占的比率，如

5、其中植被覆蓋度可以看作是植被的權(quán)重。因此，像元二分模型的原理如下： = 1 * GB3 遙感傳感器觀測(cè)到的光譜信息(S)由有植被覆蓋部分地表(SV)與無植被覆蓋部分地表(SS)組成，可得出： S = SV + SS 公式1 = 2 * GB3 假設(shè)一個(gè)像元中有植被覆蓋的面積比例為fc , 即該像元的植被覆蓋度, 則裸土覆蓋的面積比例為1 -fc ，如果全由植被所覆蓋的純像元所得的遙感信息為Sveg , 則混合像元的植被部分所貢獻(xiàn)的信息Sv可以表示為Sveg與fc的乘積：Sv =fcSveg 公式2那么， Ss =(1 -fc )Ssoil 公式3 = 3 * GB3 將公式2與公式3代入到公式

6、1中，可得到：S =fc Sveg +(1 -fc)S soil 公式4 = 4 * GB3 對(duì)公式4進(jìn)行變換, 可得以下計(jì)算植被覆蓋度的公式：fc =(S -Ssoil) (Sveg -Ssoil ) 公式5其中Ssoil 為純土壤像元的信息, Sveg 為純植被像元的信息, 因而可以根據(jù)公式5利用遙感信息來估算植被覆蓋度。 = 5 * GB3 將歸一化植被指數(shù)(NDVI)代入公式5可以被近似為:fc =(NDVI - NDVIsoil ) (NDVIveg -NDVIsoil) 公式6其中, NDVIsoil 為裸土或無植被覆蓋區(qū)域的NDVI值, 即無植被像元的NDVI 值;而NDVIve

7、g 則代表完全被植被所覆蓋的像元的NDVI 值, 即純植被像元的NDVI 值2。當(dāng)區(qū)域內(nèi)可以近似取VFCmax=100%，VFCmin=0%，VFC = (NDVI -NDVImin)/ ( NDVImax -NDVImin)，NDVImax 和NDVImin分別為區(qū)域內(nèi)最大和最小的NDVI值。由于不可避免存在噪聲，NDVImax 和NDVImin一般取一定置信度范圍內(nèi)的最大值與最小值，置信度的取值主要根據(jù)圖像實(shí)際情況來定；當(dāng)區(qū)域內(nèi)不能近似取VFCmax=100%，VFCmin=0%，當(dāng)有實(shí)測(cè)數(shù)據(jù)的情況下，取實(shí)測(cè)數(shù)據(jù)中的植被覆蓋度的最大值和最小值作為VFCmax和VFCmin，這兩個(gè)實(shí)測(cè)數(shù)據(jù)對(duì)

8、應(yīng)圖像的NDVI作為NDVImax 和NDVImin。當(dāng)沒有實(shí)測(cè)數(shù)據(jù)的情況下，取一定置信度范圍內(nèi)的NDVImax 和NDVImin。VFCmax和VFCmin根據(jù)經(jīng)驗(yàn)估算。數(shù)據(jù)處理1、數(shù)據(jù)(shj)預(yù)處理本文使用的Landsat8 OLI為L(zhǎng)1T級(jí)別數(shù)據(jù)，不需做幾何校正處理。而北京市需要兩景Landsat OLI數(shù)據(jù)覆蓋，因此首先(shuxin)要進(jìn)行圖像鑲嵌和裁剪，然后進(jìn)行大氣校正等預(yù)處理過程。輻射(fsh)定標(biāo)輻射定標(biāo)是將傳感器記錄的電壓或數(shù)字值轉(zhuǎn)換成絕對(duì)輻射亮度的過程。目的是消除傳感器本身所產(chǎn)生的誤差,由于傳感器在不斷的運(yùn)行中光學(xué)器件性能逐漸退化,因此定標(biāo)的系數(shù)也隨之不同,這些定標(biāo)系數(shù)也

9、在不斷的更改,在用戶獲得數(shù)據(jù)的時(shí)候,這些定標(biāo)系數(shù)也在影像的頭文件中同時(shí)提供給用戶。遙感數(shù)據(jù)輻射定標(biāo)就是將傳感器得到的灰度值轉(zhuǎn)換為星上的輻射亮度值或星上反射率,即表觀輻射度或表觀反射率。輻射定標(biāo)主要校正由傳感器的靈敏度帶來的輻射誤差5。其目的是為FLAASH大氣校正準(zhǔn)備數(shù)據(jù)：定標(biāo)符合單位要求的輻射量數(shù)據(jù)、轉(zhuǎn)換數(shù)據(jù)儲(chǔ)存順序等。該處理過程在Envi5.2中實(shí)現(xiàn)，具體操作：在ENVIToolbox中，選擇Toolbox/Radiometric Correction/ Radiometric Calibration，選擇*_MultiSpectral多光譜組（7個(gè)波段），打開輻射定標(biāo)工具，對(duì)兩景影像分別

10、做輻射定標(biāo)。（2）影像鑲嵌因本文所使用的影像數(shù)據(jù)源是兩景Landsat OLI影像，因此需進(jìn)行影像鑲嵌，鑲嵌的目的是將不同的影像文件無縫地拼接成一幅完整的包含研究區(qū)域的影像。該處理過程在Envi5.2中實(shí)現(xiàn)，具體操作：在Toolbox中，選擇/Mosaicking/Seamless Mosaic，打開無縫鑲嵌工具，然后進(jìn)行相關(guān)參數(shù)設(shè)置，如下所示：（3）影像(yn xin)裁剪因本文所使用的影像(yn xin)數(shù)據(jù)包含了北京市行政區(qū)劃以外的部分地區(qū)，因此需進(jìn)行影像裁剪，以將研究區(qū)裁剪出來，并且減小了數(shù)據(jù)量，加快了數(shù)據(jù)處理速度，本文使用北京(bi jn)行政邊界矢量裁剪圖像。過程在Envi5.2中

11、的具體操作如下： 在Toolbox中，選擇/Regions of Interest/Subset Data from ROIs，打開裁剪工具：影像裁剪(cijin)結(jié)果如下所示：（4）Flaash大氣(dq)校正電磁波在大氣中的傳輸和遙感器觀測(cè)過程中受光照條件以及大氣作用(zuyng)等的影響,只有小部分(在0.85um波段80%,在0.45um波段50%)太陽輻射能反射到遙感器,導(dǎo)致遙感器的測(cè)量值與地物實(shí)際的光譜輻射率不一樣。輻射損失主要發(fā)生在大氣吸收和散射過程，因此地表參數(shù)的遙感定量反演研究中,必須糾正目標(biāo)輻射的不確定性信息6。ENVI中的FLAASH模型是基于MODTRAN4+輻射傳輸模

12、型，通過參數(shù)查找表來進(jìn)行大氣校正的商業(yè)化軟件。FLAASH大氣校正模塊支持多種傳感器數(shù)據(jù)，其光譜處理范圍0.4m-2.5m，可以有效地去除水蒸氣/氣溶膠散射效應(yīng)，同時(shí)該方法基于圖像像素級(jí)的校正，能夠解決目標(biāo)像元和鄰近象元的“鄰近效應(yīng)”問題，校正結(jié)果精度高，簡(jiǎn)單易行7。然后(rnhu)，對(duì)大氣校正(jiozhng)前后同一地物(dw)的光譜曲線進(jìn)行對(duì)比，這里以植被為例，光譜曲線如下圖所示：校正前的植被光譜曲線 校正(jiozhng)后的植被光譜(gungp)曲線2、植被(zhbi)覆蓋度估算（1）計(jì)算NDVI 本文選取NDVI值為參數(shù)，采用像元二分模型對(duì)植被覆蓋度進(jìn)行反演，根據(jù)植被覆蓋度的計(jì)算公

13、式可知，要求取植被覆蓋度，首先需要計(jì)算NDVI。在Envi5.2中的具體操作如下：在Toolbox中，選擇Spectral/Vegetation/NDVI，NDVI Calculation Input File面板中，選擇LC8_rad_beijing_ref.dat 圖像，求算NDVI，如下：NDVI求算結(jié)果如下：由于大氣校正后的結(jié)果有部分像元為負(fù)值，主要集中在陰影地區(qū)，這部分區(qū)域(qy)計(jì)算得到的NDVI在-1,1之外，為了便于后面的分析，我們這里統(tǒng)一(tngy)將這部分像元進(jìn)行處理，即NDVI值大于1的變?yōu)?，小于-1的變成-1。在Bandmath中的表達(dá)式為：-1b1b11.0，其中b

14、1為植被覆蓋度 ；-NaN 可以用掩膜進(jìn)行處理，即在Build Mask中用 -NaN生成掩膜。去掉異常值之后，并對(duì)其進(jìn)行分類顯示，最終得到的植被覆蓋度圖如下：（5）結(jié)果(ji gu)驗(yàn)證目前(mqin)業(yè)內(nèi)植被覆蓋度的驗(yàn)證方法主要是通過野外調(diào)查結(jié)果進(jìn)行驗(yàn)證，如下為一種方法：以與地面垂直的角度用數(shù)碼相機(jī)拍攝采樣點(diǎn)的地面照片，使用GPS定位獲得采樣點(diǎn)的經(jīng)緯度坐標(biāo)。為獲得準(zhǔn)確的植被覆蓋度實(shí)測(cè)數(shù)據(jù)減少像片邊緣變形誤差，將數(shù)碼相機(jī)得到的數(shù)字圖像截取長(zhǎng)、寬各三分之二的中心地帶，采用(ciyng)非監(jiān)督分類法為10類，并將分類結(jié)果分為植被、非植被兩類，以此來計(jì)算出植被覆蓋度。為了保證驗(yàn)證時(shí)能夠正確定位，野

15、外一般選取3*3個(gè)像元大小的樣方，即90m*90m，并在樣方中均勻拍攝多張照片。取從照片計(jì)算的平均值作為樣方的植被覆蓋，取樣方中心點(diǎn)所在3*3像元的植被覆蓋度平均值作為對(duì)應(yīng)的遙感估算值進(jìn)行驗(yàn)證。三、 結(jié)論 本文通過歸一化植被指數(shù)（NDVI）像元二分模型來估算北京市的植被覆蓋度，從估算結(jié)果來看，北京市市中心的植被覆蓋度相比遠(yuǎn)離市中心地區(qū)的植被覆蓋度相對(duì)較小，尤其是西南地區(qū)人口密集、城市化水平高，植被覆蓋度相對(duì)較小。但是，對(duì)于市內(nèi)綠化程度較高的地區(qū)，植被覆蓋度相對(duì)較高。因此，從實(shí)際情況來看，本文中對(duì)植被覆蓋度的估算結(jié)果與實(shí)際情況較為符合，說明采用NDVI像元二分模型估算植被覆蓋度的效果較好。參考文獻(xiàn)1 吳云,曾源,趙炎.基于(jy)MODIS數(shù)據(jù)(shj)的海河流域植被覆蓋度估算及動(dòng)態(tài)變化分析J.資源(zyun)科學(xué),2010,32(7):1417-1424.2陳巧,永富. QuickBird遙感數(shù)據(jù)監(jiān)測(cè)植被覆蓋度的研究J.林業(yè)學(xué)研究,2005,8（4）：375-380.3苗正紅，劉志明.基于MOdis NDVI的吉林省植被覆蓋度動(dòng)態(tài)遙感監(jiān)測(cè)J.遙感技術(shù)與應(yīng)用，2010，25（3）：387-393.4 初慶偉，張洪群，吳業(yè)煒.Landsat-8衛(wèi)星數(shù)據(jù)應(yīng)用探討J.遙感信息，2013，28（4）：1