緒論1.1研究背景與意義1.1.1選題背景植被是覆蓋地表的植物群落的總稱，也是連接土壤、大氣和水分的自然“紐帶”。植被對(duì)攔截雨滴、調(diào)節(jié)地面徑流、減緩流速、防沙治沙、保水固土和固結(jié)土壤等方面有重要影響，而良好的植被蓋度更能體現(xiàn)，從而起到增加土壤滲透性、增強(qiáng)蓄水能力、涵養(yǎng)水源、提高土壤肥力和改善生態(tài)環(huán)境等重要作用。同時(shí)，我們也可從衛(wèi)星圖上看出中國近十年的植被變化，其結(jié)果顯著。所以，不僅從自然狀況，還是人文方面出發(fā)，研究區(qū)域性植被覆蓋度具有重要意義。七臺(tái)河市是黑龍江省下轄地級(jí)市，同時(shí)是黑龍江四大煤城之一，屬于典型的煤礦資源型城市，而此類城市都面臨著許多問題，諸如可開采資源量逐年下滑，開發(fā)礦區(qū)導(dǎo)致自然環(huán)境惡化和城市轉(zhuǎn)型等城市發(fā)展問題。在七臺(tái)河市十二五規(guī)劃與十三五規(guī)劃中，都將加快生態(tài)園林城市列入規(guī)劃，同時(shí)七臺(tái)河作為四大煤城中面積與人口最少的城市，急需進(jìn)行城市轉(zhuǎn)型及生態(tài)環(huán)境優(yōu)化。在其他三個(gè)煤城都加快城市轉(zhuǎn)型及推出建設(shè)新型城市口號(hào)時(shí)，七臺(tái)河市需要加快評(píng)估城市資源類型，改善生態(tài)環(huán)境，以便更好地向新型城市邁進(jìn)。而植被覆蓋度作為生態(tài)因子的非生物因子中影響范圍較廣，因素較多的因子，可以很好地反映七臺(tái)河市的生態(tài)環(huán)境狀況。因此，綜合運(yùn)用多種理論和方法，采用遙感數(shù)據(jù)，以遙感與地理信息系統(tǒng)理論為依據(jù)，對(duì)七臺(tái)河市的植被覆蓋度展開計(jì)算與評(píng)估有很大的必要。1.1.2研究目的和意義本文旨在研究七臺(tái)河市植被覆蓋度近十年的變化情況，以十二五與十三五規(guī)劃為依據(jù)，根據(jù)七臺(tái)河市經(jīng)濟(jì)發(fā)展現(xiàn)狀和生態(tài)環(huán)境的關(guān)系，分析亟待解決的生態(tài)問題以及為七臺(tái)河市的未來城市發(fā)展方向提出根據(jù)性建議。本文的研究會(huì)得到七臺(tái)河市2009年到2018年十年間四期不連續(xù)的的植被覆蓋度分級(jí)圖，以及表格與圖片形式的處理過程數(shù)據(jù)。最終以數(shù)據(jù)與分級(jí)圖為依據(jù)，對(duì)比十年間研究區(qū)域植被覆蓋的具體變化，具有針對(duì)性地分析該變化的具體原因，進(jìn)而提出改善方法與建議。1.2國內(nèi)外研究現(xiàn)狀1.2.1植被覆蓋度的應(yīng)用由于植被覆蓋度應(yīng)用廣泛，涉及多領(lǐng)域，多學(xué)科，是許多研究的重要參數(shù)，所以提高植被覆蓋度的測(cè)量手段和技術(shù)以得到更精確、直觀的相關(guān)數(shù)據(jù)，具有重要意義和作用。自20世紀(jì)70年代以來，遙感技術(shù)在全球范圍內(nèi)得到了蓬勃發(fā)展，而在遙感技術(shù)基礎(chǔ)上衍生的相關(guān)研究也被各國學(xué)者進(jìn)行深入了解與分析，其中，對(duì)植被覆蓋度的遙感監(jiān)測(cè)也在其中，且尤為重要。傳統(tǒng)意義與尺度上的人工測(cè)量，大多耗時(shí)又耗力，且最終測(cè)量結(jié)果會(huì)受到儀器、天氣等原因的影響，進(jìn)而數(shù)據(jù)精度遠(yuǎn)低于預(yù)判值，最終影響研究，但是在遙感技術(shù)蓬勃發(fā)展后，傳統(tǒng)的人工量測(cè)的一些方面有了替代，且效果顯著，經(jīng)實(shí)驗(yàn)以及數(shù)據(jù)分析，在數(shù)據(jù)精度方面有了很大的提高，且減少了人力物力的消耗。在遙感技術(shù)上也有很多種方式進(jìn)行植被覆蓋度的計(jì)算，其中利用遙感進(jìn)行監(jiān)測(cè)的方法與通過遙感手段反演植被覆蓋度信息是較為普遍的兩種推演方式。其實(shí)與遙感監(jiān)測(cè)方法相比較，遙感反演雖用時(shí)較少，但是卻存在著很多問題，例如反演需要地面的驗(yàn)證。因?yàn)檫b感定量反演的基礎(chǔ)是地表植被的物理參數(shù)和觀測(cè)數(shù)據(jù)，提取地表像元尺度典型植被參數(shù)和描述參數(shù)的長(zhǎng)期穩(wěn)定的觀測(cè)數(shù)據(jù)是必須進(jìn)行的步驟，這就需要衛(wèi)星數(shù)據(jù)的解譯和定量化提供背景及驗(yàn)證信息，但如此進(jìn)行，就需要在提高利用遙感手段研究大尺度植被覆蓋度反演算法精度的同時(shí)，也要保證地面測(cè)量精度的提高。[1]由于所需精度過高，誤差范圍要求較小，所以相較遙感監(jiān)測(cè)而言，定量反演并沒有成為普遍研究的方法。1.2.2植被覆蓋度測(cè)算方法的研究進(jìn)展國外學(xué)者主要是從宏觀上研究大范圍內(nèi)的植被變化，得出的結(jié)論對(duì)于未來研究區(qū)的變化趨勢(shì)有著預(yù)測(cè)作用。相關(guān)研究表明，在國際上，1978年Deering提出歸一化植被指數(shù)(NDVI)，自此之后，國外學(xué)者基于NDVI序列對(duì)植被動(dòng)態(tài)進(jìn)行了多項(xiàng)研究。大多數(shù)研究者認(rèn)為NDVI的變化與降水、溫度之間有顯著相關(guān)性，而影響NDVI變化的主要是氣候因素，但其他一些學(xué)者卻認(rèn)為NDVI與氣溫、降水的相關(guān)性不大。[1]關(guān)于植被蓋度的變化，國外大量學(xué)者也對(duì)其做出了深入研究，Pelkey(2003)使用歸一化植被指數(shù)的時(shí)間序列數(shù)據(jù)對(duì)保護(hù)區(qū)長(zhǎng)期植被變化進(jìn)行了評(píng)估，解決了由于季節(jié)波動(dòng)產(chǎn)生的評(píng)估不確定性問題，并基于不同時(shí)序和空間分辨率的NDVI數(shù)據(jù)深入研究了保護(hù)區(qū)植被變化情況；LeonidRoyteman(2018)使用統(tǒng)計(jì)技術(shù)改進(jìn)了基于AVHRR的NDVI數(shù)據(jù)，用于全球氣候研究。相對(duì)于國外學(xué)者的大范圍研究，我國學(xué)者的研究主要集中在小區(qū)域的變化研究上，為區(qū)域性植被監(jiān)測(cè)提供了理論依據(jù)，也對(duì)因植被覆蓋度變化而產(chǎn)生的問題提出了有效的解決方法，而且對(duì)于所研究區(qū)域都能得出較為滿意的結(jié)果。針對(duì)中國區(qū)域范圍內(nèi)的植被覆蓋度變化，閆福禮等(2003)用NOAA/AVHRR數(shù)據(jù)對(duì)中國西部植被覆蓋變化進(jìn)行了監(jiān)測(cè)；韓秀珍等(2008)研究了近二十年來的中國植被在時(shí)空上的變化特征；侯西勇等(2010)對(duì)1998~2008年間的中國東部地區(qū)沿海植被覆蓋變化特征進(jìn)行了研究分析。植被覆蓋度變化的影響因素也是生態(tài)環(huán)境研究的重要課題，我國同樣也有很多學(xué)者對(duì)其進(jìn)行了進(jìn)一步的研究，李震等(2005)研究了中國西北地區(qū)NDVI的變化及其與溫度和降水量之間的關(guān)系；孫艷玲等(2010)對(duì)內(nèi)蒙古地區(qū)的植被覆蓋變化與人類活動(dòng)以及氣候之間的關(guān)系進(jìn)行了深入研究；丁艷玲(2015)檢驗(yàn)并且研究了植被覆蓋度遙感估算及其真實(shí)性；路慧萍等(2018)研究了黃土高原地區(qū)的氣候因子對(duì)植被的影響。我國學(xué)者對(duì)于植被覆蓋度的研究應(yīng)用廣泛。在植被覆蓋度應(yīng)用于多領(lǐng)域時(shí)，對(duì)其的研究方法也隨之廣泛，針對(duì)各個(gè)學(xué)者的研究過程進(jìn)行總結(jié)，可以看出研究植被覆蓋度的方法主要有兩大方面，一為野外實(shí)地測(cè)量，直觀地得到結(jié)果，但耗時(shí)耗力較大；，二為遙感反演方法，主要分為經(jīng)驗(yàn)?zāi)Ｐ头?、基于?shù)據(jù)挖掘的植被覆蓋度計(jì)算方法、混合象元分解模型法。遙感反演方法現(xiàn)已被廣泛認(rèn)可和應(yīng)用，也被認(rèn)為是可靠和成功的研究方法，近幾年對(duì)于遙感反演方法又有了新的研究進(jìn)展、新方向與新發(fā)展趨勢(shì)，所以本文主要應(yīng)用經(jīng)驗(yàn)?zāi)Ｐ头ㄖ械闹脖恢笖?shù)法進(jìn)行多方面研究。研究植被覆蓋度遙感監(jiān)測(cè)的方法多種多樣，其中經(jīng)驗(yàn)?zāi)Ｐ头ㄊ潜徽J(rèn)為是最簡(jiǎn)便、且應(yīng)用時(shí)間較長(zhǎng)的方法。國內(nèi)外諸多學(xué)者對(duì)不同類型的遙感圖像、不同波段以及不同波段組合與植被覆蓋度存在的互相影響的關(guān)系進(jìn)一步做了廣泛研究。重要的是，經(jīng)驗(yàn)?zāi)Ｐ头ú粌H存在上述優(yōu)點(diǎn)，同時(shí)還含括了許多其他學(xué)科與領(lǐng)域的思維方式，其中包括該方法延續(xù)了統(tǒng)計(jì)學(xué)的思想，對(duì)植被指數(shù)與植被覆蓋度之間的相互作用關(guān)系進(jìn)行了著重研究，并在此基礎(chǔ)上建立了新的模型，包括植被覆蓋度的線性回歸模型和非線性回歸模型。經(jīng)驗(yàn)?zāi)Ｐ头ㄖ饕ɑ貧w分析法和植被指數(shù)法。而本文研究以植被指數(shù)法為主。1.回歸分析法回歸分析法主要是通過利用遙感數(shù)據(jù)中的的某一波段或者隨機(jī)的波段組合，來計(jì)算和建立植被覆蓋度與植被指數(shù)之間的回歸經(jīng)驗(yàn)?zāi)Ｐ?，并以模型為依?jù)向外推算更大范圍的更大范圍的植被覆蓋度。[1]雖然回歸分析法在一定程度上對(duì)范圍研究的缺憾有所彌補(bǔ)，但是該方法仍有很大的缺點(diǎn)，例如其對(duì)地表的實(shí)測(cè)數(shù)據(jù)具有很大的依賴性，相對(duì)于植被指數(shù)法中的對(duì)數(shù)據(jù)誤差以及自然因素影響進(jìn)行一定程度過濾的特點(diǎn)，該方法對(duì)實(shí)測(cè)數(shù)據(jù)的精度要求較高。但是當(dāng)研究區(qū)范圍較小時(shí)，實(shí)測(cè)數(shù)據(jù)精度較高，該方法所得到的結(jié)果精度也會(huì)較高；而當(dāng)研究區(qū)面積較大時(shí)，所得到的實(shí)測(cè)結(jié)果的精度會(huì)大幅度下降，進(jìn)而影響最終的研究結(jié)果，所以本文選擇植被指數(shù)法對(duì)七臺(tái)河地區(qū)的植被覆蓋度進(jìn)行研究，耗時(shí)少，且操作無誤，所得精度也會(huì)較高。2.植被指數(shù)法植被指數(shù)，根據(jù)植被的光譜特性，將衛(wèi)星可見光和近紅外波段進(jìn)行組合,形成了各種植被指數(shù)。植被指數(shù)是對(duì)地表植被狀況的簡(jiǎn)單、有效和經(jīng)驗(yàn)的度量。植被指數(shù)法就是指通過直接分析光譜信號(hào)或影像中植被類型及分布特征，從而建立植被指數(shù)與植被覆蓋度之間的轉(zhuǎn)換關(guān)系，進(jìn)一步對(duì)植被覆蓋度進(jìn)行直接估算，由于不同于回歸分析法，需要建立回歸模型，所以利用該方法得到的數(shù)據(jù)結(jié)果不僅可以通過一般驗(yàn)證，同時(shí)還保持了數(shù)據(jù)的高精度，也能得到植被指數(shù)與植被覆蓋度之間最優(yōu)的良好關(guān)系。[1]隨著各國學(xué)者深入的研究，該方法中的利用遙感數(shù)據(jù)波段線性和非線性組合而形成的各種植被指數(shù)在植被覆蓋度遙感估算中的作用日益得到認(rèn)可，其中使用最為廣泛的是歸一化植被指數(shù)（NDVI）。國外學(xué)者M(jìn)ohammad等基于SPOT影像，定義新NDVI值，公式為新NDVI值=[(NDVI原+0.5)×255]，根據(jù)新NDVI值建立與植被覆蓋度的關(guān)系，使得不同級(jí)別的新NDVI值與不同的植被覆蓋度一一對(duì)應(yīng)，在對(duì)國外多地區(qū)的植被覆蓋度進(jìn)行研究后，結(jié)果表明對(duì)于范圍較大且異質(zhì)性較強(qiáng)的研究區(qū)，線性關(guān)系模型更適合。[1]1.3研究?jī)?nèi)容與技術(shù)路線圖1.3.1研究?jī)?nèi)容本文研究以Landsat-TM/ETM+影像的遙感數(shù)據(jù)及七臺(tái)河市地區(qū)界線的矢量數(shù)據(jù)為基礎(chǔ)，以像元二分法為主要研究手段，以七臺(tái)河地區(qū)2009—2018十年間的植被覆蓋度為研究對(duì)象。研究?jī)?nèi)容可歸納為以下兩個(gè)方面：1.植被覆蓋度測(cè)算過程選取Landsat-TM/ETM+數(shù)據(jù)為基本數(shù)據(jù)，利用歸一化植被指數(shù)，基于像元二分法計(jì)算植被覆蓋度，將計(jì)算得到的植被覆蓋度結(jié)果為驗(yàn)證數(shù)據(jù)，進(jìn)行植被覆蓋度計(jì)算結(jié)果比較。2.七臺(tái)河地區(qū)植被覆蓋度變化分析根據(jù)測(cè)算結(jié)果所得到的的植被覆蓋度專題圖，比較逐年各個(gè)植被覆蓋程度的土地面積變化，進(jìn)而分析變化原因，提出相關(guān)意見與改進(jìn)措施。由四年植被覆蓋度影像變化可知，七臺(tái)河市的裸地面積逐年增加，且有從市區(qū)向外擴(kuò)散的趨勢(shì)，同時(shí)，中植被覆蓋面積逐年增加，隨之高植被覆蓋面積逐年減少，可以看出七臺(tái)河市整體植被覆蓋狀況不容樂觀。1.3.2技術(shù)路線圖確定研究區(qū)域及年份確定研究區(qū)域及年份下載研究區(qū)域矢量數(shù)據(jù)及所需年份的遙感數(shù)據(jù)下載研究區(qū)域矢量數(shù)據(jù)及所需年份的遙感數(shù)據(jù)利用利用ENVI軟件對(duì)遙感數(shù)據(jù)進(jìn)行預(yù)處理利用利用ENVI軟件計(jì)算各年份七臺(tái)河地區(qū)植被覆蓋度得到七臺(tái)河地區(qū)植被覆蓋度專題圖得到七臺(tái)河地區(qū)植被覆蓋度專題圖對(duì)比結(jié)果，分析變化原因并提出建議對(duì)比結(jié)果，分析變化原因并提出建議圖1-1技術(shù)路線圖第2章理論基礎(chǔ)2.1植被光譜特征植被的光譜特征可使其在遙感影像上有效地與其他地物相區(qū)別，不同于土壤、水體和其他的典型地物。植被對(duì)電磁波的響應(yīng)是由其化學(xué)特征和形態(tài)特征決定的，這種特征與植被的發(fā)育、健康狀況以及生長(zhǎng)條件密切相關(guān)。同時(shí)，不同的植物各有其自身的波譜特征，從而成為區(qū)分植被類型、長(zhǎng)勢(shì)及估算生物量的依據(jù)。植被在不同的波段，也具有不同的吸收和反射光譜特征。水吸收NIR平臺(tái)區(qū)紅邊葉綠素吸收短波紅外可見光近紅外水吸收NIR平臺(tái)區(qū)紅邊葉綠素吸收短波紅外可見光近紅外圖2-1植被反射光譜曲線圖在可見光波內(nèi)，各種色素是支配植物光譜響應(yīng)的主要因素，其中葉綠素所起的作用尤為重要。正常的波譜曲線:接近可見光綠波段（0.5～0.6μm）有一個(gè)反射峰；而該反射峰的兩側(cè)，即藍(lán)光波段（0.38～0.5μm）和紅光波段（0.6～0.76μm）則有兩個(gè)植物葉綠素的吸收帶，形成光譜曲線的兩個(gè)低反射谷。這一特征是由于植物葉綠素的影響，葉綠素對(duì)藍(lán)光和紅光吸收作用強(qiáng)，而對(duì)綠光反射作用強(qiáng)。第二個(gè)反射峰出現(xiàn)在近紅外波段（0.76～1.1μm），其中0.7～0.8μm反射率陡峭上升，形成光譜曲線上的“陡坡”。本文研究?jī)?nèi)容之一的基本原理正是基于植被的光譜特征，利用遙感技術(shù)手段提取出綠色植被的各種信息，從而對(duì)這些信息的動(dòng)態(tài)變化做出定性和定量的分析。2.2歸一化植被指數(shù)歸一化植被指數(shù)（NDVI）是用于監(jiān)測(cè)植被變化的最經(jīng)典植被指數(shù)，有許多學(xué)者在研究中都對(duì)使用NDVI估算植被覆蓋度的方法作了檢驗(yàn)。植被指數(shù)是利用葉冠的光學(xué)參數(shù)提取的獨(dú)特的光譜信號(hào)，是遙感領(lǐng)域中用來表征地表植被覆蓋、生長(zhǎng)狀況的一個(gè)簡(jiǎn)單又有效的度量參數(shù)植被覆蓋及其演變研究最初較多集中在全球尺度，近年來，圍繞區(qū)域和國家范圍的植被與其他因素響應(yīng)和反饋關(guān)系的研究也逐漸增多，研究尺度呈現(xiàn)出多樣性，植被指數(shù)作為植被覆蓋的直接指示因子，被頻繁用于植被覆蓋演變動(dòng)態(tài)監(jiān)測(cè)的研究中。綠色植物在近紅外波段具有高反射而在紅外波段具有強(qiáng)吸收，在利用多光譜圖像提取植被信息時(shí)多采用紅外/紅波段圖像作比值，比值處理以后可以消除部分輻射誤差。目前植被指數(shù)有很多種，但是較為常見的只有幾種，如歸一化植被指數(shù)NDVI，比值植被指數(shù)RVI，綠度植被指數(shù)GVI，垂直植被指數(shù)PVI，環(huán)境植被指數(shù)EVI，在各種植被指數(shù)中，歸一化植被指數(shù)NDVI可以較好地反映植被信息，與植被覆蓋度的關(guān)系更為緊密，本文研究的主要內(nèi)容是植被覆蓋度，因此本文應(yīng)用歸一化植被指數(shù)NDVI指數(shù)來進(jìn)行植被覆蓋度的遙感監(jiān)測(cè)。NDVI的取值范圍介于-1與1之間，其取值與地表覆蓋物的關(guān)系如下表所示。表2-1NDVI取值范圍特征表取值范圍地表覆蓋物輻射特征-1<=NDVI<0云、水、雪等對(duì)可見光高反射0巖石或裸土等NIR與R近似相等0<NDVI<=1植被與覆蓋度呈正比歸一化植被指數(shù)NDVI定義為近紅外波段NIR與可見光紅波段RED數(shù)值之差和這兩個(gè)波段數(shù)值之和的比值即NDVI=(NIR-RED)/(NIR+RED)。NDVI在植被指數(shù)中占據(jù)著著非常重要的位置，其優(yōu)勢(shì)眾多，主要有以下幾個(gè)方面[17]。首先，NDVI作為典型植被指數(shù)，其對(duì)植被監(jiān)測(cè)非常敏感，靈敏度較高；其次，植被覆蓋度的檢測(cè)范圍比較廣；最重要的一點(diǎn)是，可以在一定程度上削弱地形和群落結(jié)構(gòu)的陰影以及輻射干擾，消除太陽高度角和大氣所帶來的噪音，該優(yōu)勢(shì)在一定程度上凈化了數(shù)據(jù)，使得最終結(jié)果誤差較小，更貼近實(shí)際監(jiān)測(cè)數(shù)據(jù)值。2.3植被覆蓋度2.3.1植被覆蓋度概念植被覆蓋度(VegetationFractionalCover,VFC)的定義較為廣泛與多樣，但對(duì)植被覆蓋度最為通常的定義是為植被（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[25]。2.3.2像元二分模型植被覆蓋度的動(dòng)態(tài)監(jiān)測(cè)需要建立遙感數(shù)據(jù)與植被覆蓋度之間的關(guān)系來實(shí)現(xiàn)。通常利用近紅外波段與紅波段這兩個(gè)典型波段的不同形式組合來得到不同的植被指數(shù)。像元二分模型是一種簡(jiǎn)單實(shí)用的遙感估算模型，假設(shè)一個(gè)像元所對(duì)應(yīng)的地表信息是由兩部分組成：有植被覆蓋部分和無植被覆蓋部分，則傳感器觀測(cè)到的光譜信息也由這兩個(gè)部分線性加權(quán)合成，各因子的權(quán)重是其面積在像元中的百分比，例如其中植被覆蓋度可以看作植被的權(quán)重，它的定義是:假設(shè)一個(gè)像元是由土壤與植被兩部分組成的信息，通過遙感傳感器所觀測(cè)到的信息S，就可以表述為Sv(綠色植被成分所貢獻(xiàn)的信息)和Ss(土壤成分所貢獻(xiàn)的信息)，將所觀測(cè)到的信息S線性分解為Sv與Ss兩部分[27]，即（2-1）設(shè)一個(gè)像元中有植被覆蓋的面積比例為N，即該像元的植被覆蓋度，則裸土覆蓋的面積比例為1-N，如果全由植被所覆蓋的純像元的遙感信息表達(dá)為Sveg，則混合像元中植被部分所貢獻(xiàn)的信息Sv可以表示為Sveg與N的乘積[19]：（2-2）同理，若全由裸土所覆蓋的純像元的遙感信息表達(dá)為Ssoil，則混合像元中土壤成分所貢獻(xiàn)的信息Ss可以表示為Ssoil與1-N的乘積[20]：（2-3）將（2-2）和（2-3）式代入（2-1）式得：（2-4）將公式（2-4）式進(jìn)行變換，可以得到：（2-5）將通過遙感傳感器所觀測(cè)到的信息S轉(zhuǎn)變?yōu)镹DVI，NDVIveg為全植被覆蓋像元的NDVI值，NDVIsoil為無植被覆蓋的裸土像元的NDVI值。那么，由上述公式可得:（2-6）N為像元中有植被覆蓋的面積比例，即植被覆蓋度VFC，所以得到最終求得植被覆蓋度的公式：（2-7）由此可見，確定NDVIsoil與NDVIveg的值是求得植被覆蓋的的重要因素。由于傳感器類型不同，受到的輻射進(jìn)而形成的遙感影像也不盡相同，雖然影像普遍都會(huì)在傳輸過程中受到大氣、土壤背景、植被類型等因素的影響，進(jìn)而所傳遞的信息不夠精確，但是像元二分模型的優(yōu)點(diǎn)就是可以削弱這些因素所帶來的誤差進(jìn)而產(chǎn)生的影響。[15]像元二分模型就是通過引入?yún)?shù)Ssoil與Sveg來削弱這些影響的。Ssoil與Sveg所包含的意義如下，其中Ssoil含括了土壤的各種信息，包括土壤類型、顏色、亮度、濕度等因素對(duì)于遙感信息的貢獻(xiàn)；而Sveg包含了植被的各種信息，包括植被類型、植被結(jié)構(gòu)等有關(guān)植被的因素對(duì)于遙感信息的貢獻(xiàn)：兩者又同時(shí)受到大氣的影響，均包含了一定的大氣對(duì)于遙感信息的貢獻(xiàn)，像元二分模型就是將大氣、土壤背景與植被類型等對(duì)遙感信息的影響降至最低，只留下植被覆蓋度的信息。[15]上述內(nèi)容就是像元二分模型的建立過程，主要通過公式形式進(jìn)行的展示，而本文就是以此為數(shù)據(jù)理論基礎(chǔ)進(jìn)而對(duì)七臺(tái)河地區(qū)的植被覆蓋度進(jìn)行綜合預(yù)測(cè)。第3章研究區(qū)域概況及數(shù)據(jù)準(zhǔn)備3.1研究區(qū)概況3.1.1地理特征概況七臺(tái)河市位于黑龍江省東部的張廣才嶺與完達(dá)山脈兩大山系銜接地帶，東連雙鴨山市，南接雞西市、牡丹江市，西通哈爾濱市，北鄰佳木斯市、鶴崗市，地理位置介于東經(jīng)130°06′—131°58′，北緯45°16′—46°37′之間，總面積6223平方公里。[14]七臺(tái)河市處于中溫帶濕潤(rùn)氣候區(qū)，四季分明，降水各季分布不均。冬季長(zhǎng)而干燥寒冷，夏季短而濕熱多雨，春、秋兩季氣候多變，春季回暖快、風(fēng)大而少雨干旱，秋季降溫快，來霜早。年平均溫度4.0℃。最冷月（一月）平均氣溫為-18.3℃。極端最低氣溫達(dá)-39.0℃最熱月（七月）平均氣溫為21.9℃，極端最高氣溫37.4℃。年平均無霜期為128天，年平均降水量549毫米，年平均日照時(shí)數(shù)2484.5小時(shí)，≥10積溫2550℃,五至九月降水量占全年降水量的79%，七至九月降水量占全年降水量的60%。水熱同季，晝夜溫差大。[14]圖3-1七臺(tái)河市地理位置示意圖3.1.2地形地貌概況地處低山丘陵區(qū)，按地形變化可劃分為低山丘陵、漫崗地、河灘地和山間谷地四個(gè)地貌類型?？偟牡貏?shì)為東南高，西北低，由東南向西北逐漸傾斜。3.1.3社會(huì)經(jīng)濟(jì)環(huán)境概況七臺(tái)河市是黑龍江省地級(jí)市，截至2018年，下轄3區(qū)1縣（桃山區(qū)、新興區(qū)、茄子河區(qū)、勃利縣），2018年戶籍人口77.71萬人。七臺(tái)河市地區(qū)生產(chǎn)總值實(shí)現(xiàn)250.32億元，按可比價(jià)格計(jì)算，比上年增長(zhǎng)5.6%，其中，第一產(chǎn)業(yè)增加值30.9億元，增長(zhǎng)4.7%;第二產(chǎn)業(yè)增加值99.8億元，增長(zhǎng)5.5%;第三產(chǎn)業(yè)增加值119.62億元，增長(zhǎng)6.0%。[11]三次產(chǎn)業(yè)結(jié)構(gòu)為12.3:39.9:47.8。十三五規(guī)劃以來，七臺(tái)河全市推進(jìn)重點(diǎn)產(chǎn)業(yè)項(xiàng)目為136個(gè)，總投資額達(dá)317.2億元。對(duì)于煤化工產(chǎn)業(yè)鏈條也有了進(jìn)一步的延伸，七臺(tái)河全市煤化工產(chǎn)品較以往高達(dá)31種。重點(diǎn)是非煤產(chǎn)業(yè)項(xiàng)目取得了極大地進(jìn)展，再生資源回收綜合利用等一批大項(xiàng)目相繼開工建設(shè)。3.2數(shù)據(jù)準(zhǔn)備3.2.1數(shù)據(jù)來源本文所采用數(shù)據(jù)為七臺(tái)河市2009-2018十年間遙感數(shù)據(jù)與七臺(tái)河市邊界矢量數(shù)據(jù)，遙感數(shù)據(jù)來源于地理數(shù)據(jù)云網(wǎng)站（/），根據(jù)七臺(tái)河市的條代碼28與行編號(hào)115進(jìn)行高級(jí)檢索，分別搜索landsat5、7、8的數(shù)據(jù)進(jìn)行下載解壓，然后在ENVI軟件中打開MTL格式的數(shù)據(jù)進(jìn)行處理。由于所研究的對(duì)象為植被，所以所選數(shù)據(jù)均處于6-9月份之間，植被最為茂盛，效果最為明顯的時(shí)間區(qū)間的數(shù)據(jù)進(jìn)行研究。而七臺(tái)河邊界的矢量數(shù)據(jù)則是來自全國省市矢量圖，利用ArcGis軟件在總圖中提取出七臺(tái)河市的邊界進(jìn)行單獨(dú)構(gòu)層，形成七臺(tái)河市邊界矢量數(shù)據(jù)。主要數(shù)據(jù)內(nèi)容見下表：表3-1數(shù)據(jù)源信息表年份傳感器類型影像時(shí)間云量（%）2009LT59-300.812012LE78-136.042015LE78-144.092018LC86-0數(shù)據(jù)預(yù)處理 根據(jù)所選傳感器類型不同，所得到的的遙感數(shù)據(jù)也不盡相同，而對(duì)于不同類型的數(shù)據(jù)，其預(yù)處理過程也有較細(xì)微的差別。其中，對(duì)于Landsat7的遙感數(shù)據(jù)，在進(jìn)行處理之前需要將數(shù)據(jù)影像進(jìn)行去條帶化處理，這是與Landsat5和Lansat8數(shù)據(jù)的差別。對(duì)于去條帶化處理，則需要使用到gapfill插件，選擇單一文件以及輸出路徑即可，其余預(yù)處理的步驟大致相同，主要包括以下內(nèi)容。1.輻射定標(biāo)利用ENVI加載原始影像和“sjx.shp”矢量數(shù)據(jù)，使用ENVI的radiometriccalibration工具進(jìn)行輻射定標(biāo)，定標(biāo)時(shí)需利用“sjx.shp”矢量數(shù)據(jù)做裁剪，可以在該步驟對(duì)所需的感興趣區(qū)域進(jìn)行裁剪，輸出運(yùn)行結(jié)果即可。其中，注意所需參數(shù)的修改，輻射定標(biāo)即可完成。輻射定標(biāo)的過程就是將DN值轉(zhuǎn)化為實(shí)際物理意義的大氣頂層輻射亮度或反射率，所以第二步的預(yù)處理需要進(jìn)行大氣校正。2.大氣校正將輻射定標(biāo)好的遙感數(shù)據(jù)打開，選擇所處理年份的傳感器類型，然后選擇路徑進(jìn)行輸出即可。大氣校正是將定標(biāo)值還原為地表真實(shí)信息，并能高保真地恢復(fù)地物波普信息。3.裁剪影像利用RegionsofInterest>SubsetDatafromROIs工具裁剪大氣校正并且波段計(jì)算之后的影像。參數(shù)設(shè)置如下，其中的MaskBackgroundValue設(shè)置為-999。再利用EditENVIHeader>DataIgnoreValue工具將剛剛設(shè)定好的-999的背景值忽略，此刻，查看影像的背景的DN值，應(yīng)為NoData。打開EditENVIHeader工具后，在彈出的面板中點(diǎn)擊Add按鈕。選中DataIgnoreValue，點(diǎn)擊OK按鈕。之后-999填入忽略值即可。第四章、七臺(tái)河地區(qū)植被覆蓋度變化分析4.1七臺(tái)河植被覆蓋度估算4.1.1計(jì)算歸一化植被指數(shù)NDVINDVI計(jì)算過程需要利用波段運(yùn)算(band4-band3)/(band4+band3)或者ENVI的NDVI工具計(jì)算歸一化植被指數(shù)。NDVI的結(jié)果值應(yīng)在[-1,1]之間。所處理過程圖片如下所示：圖4-12009年NDVI處理圖像圖4-22012年NDVI處理圖像圖4-32015年NDVI處理圖像圖4-42018年NDVI處理圖像4.1.2確定NDVIsoil與NDVIveg在計(jì)算歸一化植被指數(shù)NDVI后需要對(duì)影像誤差與影像進(jìn)行過濾，所以需要進(jìn)行去除背景與異常值。利用RegionsofInterest>SubsetDatafromROIs工具裁剪參數(shù)設(shè)置其中的MaskBackgroundValue設(shè)置為-999。再利用EditENVIHeader>DataIgnoreValue工具將剛剛設(shè)定好的-999的背景值忽略，此刻，查看影像的背景的DN值，就應(yīng)為NoData。利用bandmath波段運(yùn)算工具及公式(b1lt-1)*0+(b1gt1)*0+(b1ge-1andb1le1)*b1去掉NDVI中的異常值。4.1.3植被覆蓋度計(jì)算與分級(jí)1.快速統(tǒng)計(jì)之后進(jìn)行植被覆蓋度的計(jì)算，在ENVI軟件中利用computestatistics工具，統(tǒng)計(jì)NDVI值。在彈出的參數(shù)面板中選中影像，點(diǎn)開MaskOptions下拉列表，點(diǎn)擊MaskDataIgnoreValues[AllBands]，點(diǎn)擊OK后，在彈出的參數(shù)選中面板中勾選中histograms，點(diǎn)擊OK后，記錄NDVI的累積百分比為5%和95%（一般是接近這兩個(gè)數(shù)值）的DN值。對(duì)應(yīng)的NDVI接近95%累積百分比。根據(jù)像元二分模型的原理,植被覆蓋度VFC的計(jì)算公式又可表示為:VFC=（NDVI-NDVIsoil）/（NDVIveg-NDVIsoil）(4-1)其中，NDVIsoil為無植被覆蓋區(qū)域的NDVI值,NDVIveg則純植被像元的NDVI值。由于缺乏實(shí)測(cè)數(shù)據(jù)，可以在一定的置信區(qū)間的NDVImax和NDVImin來代替NDVIsoil和NDVIveg，一般認(rèn)為認(rèn)為小于5%的為近似純土壤覆蓋區(qū)域，大于95%的為全植被覆蓋區(qū)域。因此NDVImin可以近似地取5%頻率所對(duì)應(yīng)的NDVI值，NDVImax近似地取95%頻率所對(duì)應(yīng)的NDVI值。因此，利用bandmath波段運(yùn)算工具及以下兩個(gè)公式：(b1lt0.503088)*0+(b1gt0.850838)*1+(b1ge0.503088andb1le0.850838)*((b1-0.503088)/(0.850838-0.503088))(b1lt0.472143)*0+(b1gt0.867474)*1+(b1ge0.472143andb1le0.867474)*((b1-0.472143)/(0.867474-0.472143))在對(duì)遙感影像進(jìn)行過預(yù)處理后，還需利用ENVI軟件進(jìn)行以下步驟，最終才能獲得植被覆蓋的分級(jí)與專題圖。2.植被覆蓋度分級(jí)利用Rastercolorslice把影像進(jìn)行密度分割，并手動(dòng)編輯顏色表，根據(jù)需要定植被覆蓋度等級(jí)，本文中根據(jù)經(jīng)驗(yàn)及當(dāng)?shù)刂脖桓采w度的情況，可以把七臺(tái)河市的植被覆蓋度分為五級(jí)，如下表所示。表4-1植被覆蓋度分級(jí)規(guī)范表分級(jí)范圍分級(jí)類型百分比0≤VFC<0.2，裸地<10%0.2≤VFC<0.4低覆蓋度10%-30%0.4≤VFC<0.6中低覆蓋度30%-45%0.6≤VFC<0.85中覆蓋度45%-60%0.85≤VFC<1高覆蓋度>60%3.植被覆蓋度分級(jí)使用Rastercolorslice工具，生成的默認(rèn)是16個(gè)等級(jí)的植被覆蓋度。利用工具欄（左上側(cè)紅框）內(nèi)的clearcolorslices先清除所有等級(jí)，然后用addcolorslice依次增加至5個(gè)等級(jí)，并手動(dòng)編輯分級(jí)閾值和顏色?？梢园裄asterColorSlice輸出為Classimage保存，即把植被覆蓋度按等級(jí)分類，并統(tǒng)計(jì)每一個(gè)等級(jí)的覆蓋面積。后續(xù)如果有多期影像，可以進(jìn)行植被覆蓋度的長(zhǎng)時(shí)間序列動(dòng)態(tài)變化分析。右鍵點(diǎn)擊layermanager中的Slices，在彈出的下拉列表中依次選擇ExportColorSlices->ClassImage，輸出植被覆蓋度為一個(gè)分類文件進(jìn)行保存。4.2七臺(tái)河地區(qū)生態(tài)環(huán)境變化分析4.2.1七臺(tái)河地區(qū)植被覆蓋度結(jié)果分析圖4-12009年植被覆蓋度專題圖圖4-22012年植被覆蓋度專題圖圖4-32015年植被覆蓋度專題圖圖4-42018年植被覆蓋度專題圖由上圖所示，七臺(tái)河在2009-2018十年間植被變化程度很大，主要集中在七臺(tái)河中東部地區(qū)范圍內(nèi)。首先，2009年-2012年間裸地、低植被覆蓋、中植被覆蓋以及高植被覆蓋面積變化較少，中低植被覆蓋面積變化較大，且有增多的趨勢(shì)，變化主要集中在勃利縣區(qū)域內(nèi)；2012年-2015年間，裸地以及中低植被覆蓋面積變化最大，由圖像變化可以看出，裸地范圍由七臺(tái)河市桃山區(qū)向茄子河區(qū)與新興區(qū)擴(kuò)散，且茄子河區(qū)與新興區(qū)的中低植被覆蓋面積明顯增多，其余覆蓋程度得到土地面積變化較少；2015年-2018年間變化較大，從圖像上可知，裸地面積在2015年的基礎(chǔ)上又有所增加，且仍從桃山區(qū)向外擴(kuò)散，同時(shí)，中低植被覆蓋度面積在茄子河區(qū)與新興區(qū)的面積有所減少，中高植被覆蓋面積有所增加，勃利縣范圍內(nèi)的裸地面積有所減少，但變化不大?？v觀2009-2018十年間的整體變化，裸地面積整體呈現(xiàn)上升趨勢(shì)，且有由桃山區(qū)向周邊縣區(qū)擴(kuò)散的現(xiàn)象。低植被覆蓋面積整體變化不大。而中低植被覆蓋度的面積由2009年到2015年逐年增加，但到2018年時(shí)茄子河區(qū)與新興區(qū)的中低植被覆蓋面積又有所減少。中高植被覆蓋程度的面積從2009年-2018年明顯減少。由四年影像變化可以看出，七臺(tái)河市高植被覆蓋范圍逐年縮小。整體情況不容樂觀。4.2.2七臺(tái)河地區(qū)植被覆蓋度變化影響因素分析 1.自然因素通過對(duì)研究區(qū)影像數(shù)據(jù)的對(duì)比觀察，結(jié)合前人所做的相關(guān)研究，可以知道影響植被覆蓋度變化的因素主要有坡度、土壤、高程、地形以及氣象等，其中氣象又包括日照、降水和氣壓等因素。地形、高程和坡度是影響植被蓋度的主要因素，海拔較高的山地、丘陵以及一些地形起伏較大的區(qū)域由于環(huán)境的影響，水熱等方面供應(yīng)不足，植被生長(zhǎng)受到了限制，海拔低的平原由于人類生產(chǎn)活動(dòng)的原因，植被覆蓋度也會(huì)減少。而要想知道影響七臺(tái)河市2009~2018年植被蓋度變化情況的主要自然因素有哪些，這些因素又是如何對(duì)其造成影響的，還需要收集到更多的數(shù)據(jù)，進(jìn)行進(jìn)一步的研究和分析。如利用經(jīng)驗(yàn)正交函數(shù)分析法、多元線性回歸法、殘差分析法等分析各類自然因素對(duì)七臺(tái)河市植被蓋度特征變化的影響。2.人為因素作為一座擁有豐富礦產(chǎn)資源的城市，七臺(tái)河市的植被蓋度變化雖然受到自然環(huán)境的影響，但是其影響程度要遠(yuǎn)遠(yuǎn)低于人為因素的影響。在2008~2012年間，由于想提高煤炭生產(chǎn)的效率，七臺(tái)河市建立了多所工廠，其中包括洗煤廠、煤氣廠、熱電廠和焦化廠等，在此期間七臺(tái)河市森林遭到嚴(yán)重破壞，煤炭的開采加劇了土壤的流失，植被覆蓋度嚴(yán)重降低。而在2012年，七臺(tái)河市開展了退耕還林工作，至2015年，植被覆蓋度已經(jīng)有了明顯的提高，但就在植被蓋度提高的同時(shí)，七臺(tái)河市年經(jīng)濟(jì)總量也在明顯減少。農(nóng)村人均收入和年財(cái)政收入也在影響著植被覆蓋度的變化，由于農(nóng)村人均收入較少，使其出現(xiàn)過度放牧、大面積開墾森林等現(xiàn)象，導(dǎo)致高覆蓋度植被減少。為了提高經(jīng)濟(jì)總量，2013年七臺(tái)河市工業(yè)生產(chǎn)迅速發(fā)展，產(chǎn)生大量的廢氣廢水等，工業(yè)污染嚴(yán)重影響了植被的生長(zhǎng)，致使植被覆蓋度又一次的下降。到2018年，煤炭開采、洗選業(yè)、煉焦業(yè)等比上一年有明顯增加，化工業(yè)甚至比上一年增加了五十五個(gè)百分點(diǎn)，導(dǎo)致大面積植被遭到破壞，中低覆蓋度區(qū)域增多，高覆蓋度區(qū)域減少。結(jié)論論文主要研究了2009~2018年近十年間七臺(tái)河市植被蓋度的變化情況并對(duì)影響其變化的因素進(jìn)行了分析。研究表明近十年來七臺(tái)河市植被蓋度總體上主要呈現(xiàn)下降趨勢(shì)，其主要原因在于七臺(tái)河市主要以經(jīng)濟(jì)發(fā)展為重點(diǎn)，忽略了因?yàn)榻?jīng)濟(jì)的發(fā)展而產(chǎn)生的一些生態(tài)問題。由于七臺(tái)河市的煤炭產(chǎn)業(yè)占有得天獨(dú)厚的優(yōu)勢(shì)，以洗煤、制煤、煤氣為主的工業(yè)發(fā)展較為迅速，此外化工發(fā)展也在不斷崛起，由此導(dǎo)致的環(huán)境方面的問題日益增多。加之七臺(tái)河市農(nóng)場(chǎng)較多，種植業(yè)和放牧業(yè)也比較發(fā)達(dá)，居民的環(huán)保意識(shí)不是很深，所以雖然2012年研究區(qū)的植被在總體上呈現(xiàn)高覆蓋狀態(tài)，但也沒有堅(jiān)持很長(zhǎng)時(shí)間，很快植被蓋度就向中覆蓋以及中低覆蓋轉(zhuǎn)變。針對(duì)七臺(tái)河市植被蓋度總體下降的問題，各有關(guān)部門應(yīng)該對(duì)其采取相應(yīng)的措施，保護(hù)自然環(huán)境中野生植被的生長(zhǎng)，并在植被稀疏地區(qū)進(jìn)行人為的植樹造林；對(duì)于各類工廠來說，可以轉(zhuǎn)變工廠的經(jīng)營(yíng)模式，加強(qiáng)對(duì)環(huán)境方面的保護(hù)意識(shí)，實(shí)行可持續(xù)發(fā)展政策，努力提高植被覆蓋程度；對(duì)于各級(jí)管理部門來說，加強(qiáng)對(duì)七臺(tái)河市植被的監(jiān)管制度，采用遙感手段對(duì)植被進(jìn)行定期的監(jiān)測(cè)，對(duì)比每期的植被變化情況，可以及時(shí)準(zhǔn)確地了解植被蓋度變化信息，迅速有效的對(duì)植被產(chǎn)生的各種問題制定解決方案。對(duì)植被蓋度進(jìn)行實(shí)時(shí)遙感監(jiān)測(cè)也能在更大程度上為七臺(tái)河市的綠色發(fā)展建設(shè)提供支持。雖然對(duì)七臺(tái)河市的十年植被覆蓋度變化進(jìn)行了研究并得出了結(jié)果，但是本論文仍然存在許多不足。本文借助ENVI遙感軟件，利用像元二分模型法研究了七臺(tái)河市植被覆蓋度的變化，并且對(duì)影響其變化產(chǎn)生的一些主要原因進(jìn)行了分析。但由于本人專業(yè)認(rèn)知水平有限，且所收集到的研究數(shù)據(jù)并不充分，致使本文有一些問題還需要進(jìn)一步深入的研究才能解決，論文后期還需解決的主要問題如下:本文主要分析了人為因素對(duì)植被蓋度的影響。由于數(shù)據(jù)的缺失以及自身的能力問題，在自然因素方面只能分析出坡度、土壤、高程、地形以及氣象等方面對(duì)研究區(qū)植被蓋度造成的影響，沒能更好的分析出各個(gè)因素對(duì)植被蓋度的影響程度。參考文獻(xiàn)[1]韓佶興.2000-2011年東北亞地區(qū)植被覆蓋度變化研究[D].北京:中國科學(xué)院研究院，2012.[2]侯湖平.基于遙感的煤礦區(qū)植被凈初級(jí)生產(chǎn)力變化的監(jiān)測(cè)與評(píng)價(jià)[D].徐州:中國礦業(yè)大學(xué),2010.[3]王婷婷.七臺(tái)河市礦區(qū)復(fù)合系統(tǒng)可持續(xù)發(fā)展研究[D].哈爾濱:東北農(nóng)業(yè)大學(xué)，2012.[4]李劍斌.資源型城市可持續(xù)發(fā)展綜合評(píng)價(jià)研究[D].哈爾濱:黑龍江科技學(xué)院,2011.[5]趙娟.基于MODISNDVI的陜西省植被覆蓋變化研究[D].西安：西安科技大學(xué)，2013.[6]孫浩然.七臺(tái)河市農(nóng)村公共服務(wù)供給研究[D].17.[7]滕玲.基于時(shí)序Landsat解析合肥市植被覆蓋度動(dòng)態(tài)變化研究[D].合肥:安徽大學(xué)，2016.[8]曾夢(mèng).基于MODIS數(shù)據(jù)的重慶市熱島時(shí)空演變及機(jī)制研究[D].重慶:西南大學(xué)，2014.[9]原野.典型露天煤礦復(fù)墾生態(tài)系統(tǒng)碳固存研究：機(jī)理與效應(yīng)[D].武漢:中國地質(zhì)大學(xué)(北京)，2018.[10]七臺(tái)河市地方志編纂委員會(huì)辦公室編.七臺(tái)河市志[M].北京:檔案出版社，1992，74-78.[11]何偉志.黑龍江年鑒(2018)[Z].黑龍江年鑒，2018，(4).[12]七臺(tái)河市統(tǒng)計(jì)局.七臺(tái)河市國民經(jīng)濟(jì)和社會(huì)發(fā)展統(tǒng)計(jì)公報(bào)[R].七臺(tái)河:七臺(tái)河市人民政府，2017.[13]孫發(fā)政.水土生態(tài)的理論與實(shí)踐[A].2017中國草學(xué)會(huì)年會(huì)論文集[C].北京:中國草學(xué)會(huì)，2017：6.[14]陳寶奎.七臺(tái)河文物概述[J].黑龍江史志，2014(5)：298.[15]張有智.基于遙感影像的七臺(tái)河市植被覆蓋度研究[J].黑龍江農(nóng)業(yè)科學(xué)，2012(6)：39-141.[16]彭文甫,周介銘,徐新良,等.成都平原及其周邊區(qū)域植被覆蓋動(dòng)態(tài)監(jiān)測(cè)[J].地球與環(huán)境，2017，45(2)：193-202.[17]羅修岳,鄭柯.脆弱生態(tài)環(huán)境植被指數(shù)和植被蓋度數(shù)字圖像的編制及其應(yīng)用研究—以晉陜蒙地區(qū)為例.晉陜蒙接壤地區(qū)脆弱生態(tài)系統(tǒng)遙感監(jiān)測(cè)與管理研究[J].北京:宇航出版社,1994:24-35.[18]丁國民,李進(jìn)軍,邸華,等.基于ENVI的祁連山哈溪林區(qū)植被覆蓋度信息提取研究[J].甘肅科技,2015,(04):48-51.[19]羅志軍,趙小敏,劉耀林.基于遙感的三峽庫區(qū)植被覆蓋度動(dòng)態(tài)監(jiān)測(cè)[J].農(nóng)業(yè)工程學(xué)報(bào).2008,(S1):65-68.[20]楊磊,張梅,