基于SPOT影像的植被覆盖度遥感估算研究

郑 丽

（宿州学院地球科学与工程学院，安徽 宿州234000）

1 引 言

植被作为地球表面最突出的组成部分，构成整个生物圈的支撑系统，因而成为生态学的一个重要领域，它涉及到从种群和群落，到景观和区域，乃至生态学问题。植被与环境的关系，一直是生态学研究的重点问题[1]。人类对环境和自然植被的影响所造成的后果，以及森林面积不断缩小和土壤退化的惊人数据，使得植被的清查和监测研究显得越来越重要。

遥感经常是用林分高度和植物或树冠总的覆盖度来记述植物群系特征的。植被覆盖度定义为植被 （包括叶、茎、枝）在地面的垂直投影面积占统计区总面积的百分比[2]。植被覆盖度是衡量植物群落覆盖地表状况的一个综合量化指标，是描述植被群落及生态系统变化的重要参数。因而，获取地表植被覆盖及其变化的信息，对于揭示地表空间变化规律，分析评价区域土地系统具有重要的现实意义[3]。其获取方法可分为地面实测法和遥感估算法2种，遥感估算法有植被指数法和混合像元分解法[4]。遥感图像上的植物信息，主要通过绿色植物叶子 （叶冠）光谱特征的差异及动态变化反应出来。

目前，很多学者利用像元二分模型来提取植被覆盖度，产生一系列的研究成果。马俊海等[5]基于TM数据，对遥感影像进行几何精校正、大气校正、地形校正等预处理，借助混合像元分解理论，确定出完全植被覆盖和裸地植被指数 （normalized difference vegetation index，NDVI），进而建立像元二分模型完成了植被覆盖度提取，为土地利用、更新、调查提供了便捷。刘广峰等[6]以ETM＋数据为例，利用NDVI建立像元二分模型，对毛乌素沙地的植被覆盖度进行提取，实证研究结果表明基于NDVI的像元二分模型适合于沙漠化地区植被覆盖度信息提取。黎良财[7]等以TM／ETM数据为例，根据像元二分模型由NDVI值反演出四时相的植被覆盖度，对矿区地表覆被变化过程进行监测，为矿区生态环境评价和治理提供了技术支持。纵观这些文献研究，基于NDVI结合像元二分模型用于高分辨率影像展开植被覆盖度提取研究甚少。

鉴于此，本文选用SPOT （satellite pour l’observation de la Terre）5影像，基于遥感技术对植被覆盖度提取展开研究，利用NDVI建立像元二分模型估算植被覆盖度，通过对NDVI图像频率统计，得到一定置信度下NDVIsoil和NDVIveg建立研究区域像元二分模型，进而对研究区植被覆盖度进行分级，以探明研究区域的植被覆盖度分布的实际情况。

2 基于NDVI的像元二分模型概述

遥感图像中像元很少是由单一均匀的地表覆盖组成的，一般都是几种地物的混合体。因此影像中像元的光谱特征并不是单一地物的光谱特征，而是几种地物光谱特征的混合反映。线性光谱混合模型具有简单实用的特点，目前被广泛应用于混合像元分解问题的研究中。线性模型中最为常用的是像元二分模型，它假设一个像元的信息可以分为土壤与植被2部分[5]。

其中，S为通过传感器所观测到的信息；Ss为由土壤成分所贡献的信息；Sv为由植被成分所贡献的信息。

对于由土壤与植被2部分组成的混合像元，像元中有植被覆盖的面积比例为该像元的植被覆盖度fc，而土壤覆盖的面积比例为1－fc。设全由植被覆盖的纯像元所得的遥感信息为Sveg，混合像元的植被成分所贡献的信息Sv可以表示为：

同理，设全由土壤裸露的纯像元所得的遥感信息为Ssoil。混合像元的土壤成分所贡献的信息Ss可以表示为：

将式 （2）、式 （3）代入式 （1）得到式 （4）：

至此，像元二分模型可以被定义为像元在某一光谱波段的反射率 （亮度值），它是由构成像元的植被覆盖地表与无植被覆盖地表的反射率 （光谱亮度值）以其所占像元面积比例为权重系数的线性组合。对式（4）进行变换，可得植被覆盖度的计算公式：

其中：Sveg和Ssoil均为像元二分模型的参数，因而可以根据公式 （5）利用遥感信息来估算植被覆盖度。

1974年，Rouse等提出了常用的归一化植被指数 （normalized difference vegetation index，NDVI），其定义为近红外波段与可见光红波段数值之差和这2个波段数值之和的比值，即近红外和红光波段的归一化比值，具体公式如下：

其中：nir为近红外波段、red为红色波段，ρ为光谱反射率。

NDVI是一个重要的植被指数，可部分消除由天气变化、观测姿态、倾斜等造成的误差，可较好地反映地表绿色植被的分布状况，常用来监测植被生长活动的季节与年际变化，其范围值是 [－1，1]，一般绿色植被区的范围是 [－0.2，0.8]。

由于植被在近红外波段的反射率远远大于红光波段，因此运用公式 （1）可以把植被覆盖区域突显出来，NDVI与植被覆盖分布密度线性相关，是植被生长状态及植被分布密度的最佳指示因子[8]，利用NDVI提取植被覆盖度有其自身的优势：植被监测灵敏度高、覆盖度监测范围宽、能消除地形和群落结构的阴影和辐射干扰、削弱太阳高度角和大气带来的噪音干扰。

对于本文选用的SPOT影像，NDVI计算公式如下：

根据像元二分模型，若混合像元包含植被和土壤，其NDVI值可以表达为由这2部分组成，那么根据植被指数计算植被覆盖率公式为：

式中NDVIveg、NDVIsoil分别作为绿色植被部分所贡献的信息、无植被覆盖 （裸土）部分所贡献的信息，NDVI为被求的地块或像元点的植被指数。NDVIveg代表着全植被覆盖像元的最大值，由于植被类型的影响，其值随着时间和空间发生着改变。NDVIsoil对于大多数类型的裸地表面，理论上应该接近零，但由于众多因素影响，其值一般在 [－0.1，0.2]，由此可知，即使针对同一遥感影像，二者取值也不能为固定值。

图1 研究区412波段组合假彩色影像

3 研究区概况

实验采用某地区SPOT影像为数据源，包含绿、红、近红外、短红外4个波段的10m分辨率的图像，周边森林覆盖率较高，地形以山地为主，坡度较大，实验区影像选用波段412作为三通道数据合成假彩色图像 （图1），图像色彩反差明显，层次丰富，能比较全面反映各种地物信息颜色差别，影像主要包含了建筑物和道路以及其它地物信息，其大小为497像素＊501像素。

4 应用NDVI植被指数估算植被覆盖度

基于SPOT影像，利用归一化植被指数估算研究区植被覆盖度，运用公式 （7）计算出NDVI图像 （图3）。由图3可知，区域内NDVI分布很不平衡，呈现出明显的区域性。NDVI变化范围在[－0.103 448，0.357 143]，均值0.247 714，标准差0.0 493，NDVI基本上为正值，有植被覆盖区相对较多。

由于SPOT影像不可避免存在噪声，NDVIsoil和NDVIveg不一定对应着NDVI的极值，一般取一定置信区间内的最大值与最小值，置信度的取值主要根据图像大小、清晰度等实际情况来定。本文对NDVI图进行频率统计，得到研究区的统计结果。根据频率统计表1，可取累计频率为5%的NDVI值－0.018 555为裸土区域NDVI作为整幅图像的NDVIsoil，累计频率为95%的NDVI值0.301 499为完全植被覆盖区域的NDVI作为整幅图像的NDVIveg值。据此，整个地区分为3个部分：当NDVI值小于－0.018 555，植被覆盖度取值为0；NDVI值大于0.301 499，植被覆盖度取值为1；当NDVI值在 [－0.018 555，0.301 149]区间内，不需要实测数据，利用NDVIveg＝0.301 499和NDVIsoil＝－0.018 555这2个值，按照植被覆盖度公式 （8）对研究区SPOT5影像的植被覆盖度进行遥感估算，得到研究区植被覆盖度空间分布，如图3所示。从图3中直观可以看出，研究区植被覆盖度40%～80%居多，说明植被覆盖率较高。由表2植被覆盖等级表可知，属于稠密区。

图2 研究区NDVI图像

图3 植被覆盖度空间分布图

表1 研究区NDVI频率统计表

5 结 论

本文以SPOT影像为例，对研究区的植被覆盖度进行提取研究，根据归一化植被指数建立NDVI相关性分析，对NDVI图进行频率统计，进而取累计频率为5%的NDVI值－0.018 555为裸土区域NDVI作为整幅图像的NDVIsoil，累计频率为95%的NDVI值0.301 499为完全植被覆盖区域的NDVI作为整幅图像的NDVIveg值，建立像元二分模型完成研究区植被覆盖度空间分布，

研究区植被覆盖度40%～80%居多，说明植被覆盖率较高，属稠密区。可见选择NDVI结合像元二分模型估算植被覆盖度的模型是一种简单实用的遥感估算模型，应用此方法可以较好对研究区植被覆盖度进行测算，可操作性强。

表2 总植被覆盖度等级表

[1]唐海萍.陆地生态系统样带研究的方法与实践——中国东北样带植被－环境关系研究[M].北京：科学出版社，2003：102－103.

[2]李娟，龚纯伟.兰州市南北两山植被覆盖度动态变化遥感监测[J].测绘科学，2011，36（02）：175－177.

[3]孙丹峰.土地利用／覆被遥感分析[M].北京：中国大地出版社，2006：114－115.

[4]潘建平，叶焕倬.基于遥感分类的植被覆盖度提取[J].测绘信息与工程，2007，32（06）：17－19.

[5]马俊海，刘丹丹.像元二分模型在土地利用现状调查中反演植被盖度的研究[J].测绘通报，2006，（04）：13－16.

[6]刘广峰，吴波，范文义，等.基于像元二分模型的沙漠化地区植被覆盖度提取——以马武素沙地为例[J].水土保持研究，2007，14（02）：268－271.

[7]黎良财，邓利，曹颖，等.基于NDVI像元二分模型的矿区植被覆盖动态监测[J].中南林业科技大学学报，2012，32（06）：18－22.

[8]贾维花，廉丽姝，宜平.基于TM数据的黄河三角洲地区植被覆盖度提取[J].地理信息科学，2012，（06）：62－66.