中國北方地區(qū)植被覆蓋度遙感估算及其變化分析

李鈺溦， 賈坤， 魏香琴， 姚云軍， 孫俊， 牟麗秋

(1．北京師范大學地理學與遙感科學學院遙感科學國家重點實驗室，北京 100875; 2．中國科學院遙感與數(shù)字地球研究所，北京 100101; 3．西林吉林業(yè)局綜合設計隊，大興安嶺 165300;4．大興安嶺神州北極木業(yè)有限責任公司宜家分公司，大興安嶺 165300)

中國北方地區(qū)植被覆蓋度遙感估算及其變化分析

李鈺溦1， 賈坤1， 魏香琴2， 姚云軍1， 孫俊3， 牟麗秋4

(1．北京師范大學地理學與遙感科學學院遙感科學國家重點實驗室，北京 100875; 2．中國科學院遙感與數(shù)字地球研究所，北京 100101; 3．西林吉林業(yè)局綜合設計隊，大興安嶺 165300;4．大興安嶺神州北極木業(yè)有限責任公司宜家分公司，大興安嶺 165300)

為了分析中國北方地區(qū)2000年之后植被覆蓋度的時空分布及其變化，利用MODIS光譜反射率數(shù)據(jù)計算歸一化植被指數(shù)，采用像元二分模型對中國北方地區(qū)2000—2012年植被覆蓋度進行定量估算，分析研究區(qū)13 a間植被覆蓋度的時空變化特征。研究結果表明：植被覆蓋度年內變化特征體現(xiàn)在最大植被覆蓋度一般出現(xiàn)在7和8月份，與中國北方地區(qū)植被的生長季相一致；整個中國北方地區(qū)年最大植被覆蓋度呈現(xiàn)緩慢增長的趨勢，其增長速率為每年0.2%；年最大植被覆蓋度變化的空間分布具有較大差異，其中東北、華北和黃土高原等三北防護林工程建設區(qū)的年最大植被覆蓋度有較明顯的增長。

像元二分模型；中國北方；植被覆蓋度；時空變化特征

0 引言

植被覆蓋度(fractional vegetation cover，F(xiàn)VC)通常定義為植被(包括葉、莖及枝)在地面的垂直投影面積占統(tǒng)計區(qū)總面積的百分比[1]，是刻畫地表植被覆蓋狀況的重要參數(shù)[2]。植被覆蓋度及其變化特征是區(qū)域生態(tài)系統(tǒng)環(huán)境變化的重要指示[3]，在水文、生態(tài)及全球變化等領域研究中有重要意義[4]。

植被覆蓋度信息的獲取主要有地面測量和遙感估算2種方法。根據(jù)測量原理，地面測量方法主要分為目估法、采樣法、儀器測量法及模型法等[5]。地面測量方法的結果相對準確、客觀；但費時、費力，而且只適用于小尺度范圍，很難在較大空間尺度上連續(xù)進行。多光譜、多時相及多尺度的遙感數(shù)據(jù)為大區(qū)域甚至全球尺度連續(xù)監(jiān)測植被覆蓋度提供了可能。利用遙感數(shù)據(jù)獲取不同時空尺度的植被覆蓋度信息，已經(jīng)成為估算區(qū)域植被覆蓋度的主要技術手段。

植被覆蓋度遙感估算方法主要有應用較廣的回歸模型法、混合像元分解法及機器學習法[6-8]，以及有應用較少的物理模型法[9]、光譜梯度差法[10]及森林冠層密度分級法(forest canopy density，F(xiàn)CD)[11]等?；貧w模型法是對植被覆蓋度與遙感數(shù)據(jù)某光譜波段、光譜波段組合或利用光譜波段計算出的植被指數(shù)進行回歸分析，并建立反演模型[12]。這種方法對于局部區(qū)域具有較好的精度，但是需要大量地面測量數(shù)據(jù)，受時空條件限制大，只能針對特定的區(qū)域和植被類型，大范圍地推廣使用具有不確定性?；旌舷裨纸饽Ｐ图僭O每個地表組分對傳感器所觀測到的光譜反射率信號都有貢獻， 通過求解植被組分占混合像元所有組分的比例估算植被覆蓋度[7,13-14]?；旌舷裨纸馑惴ǘ嗖捎镁€性光譜混合理論，其中像元二分模型是線性混合像元分解模型中最為廣泛應用的植被覆蓋度遙感估算模型[14]。機器學習算法主要包括神經(jīng)網(wǎng)絡[15-16]、決策樹[17]及支持向量機[18-19]等。機器學習算法的步驟一般為確定訓練樣本、訓練模型和估算FVC。機器學習算法的關鍵在于要確保所選訓練樣本的準確性和代表性。地面實測數(shù)據(jù)雖然可以獲得較高精度的訓練樣本，但是在代表性和全面性方面具有一定的限制。

本研究旨在應用長時間序列的遙感數(shù)據(jù)，估算中國北方區(qū)域植被覆蓋度，并分析其時空變化特征。研究采用像元二分模型，基于MODIS數(shù)據(jù)歸一化植被指數(shù)(normalized difference vegetation index，NDVI)估算了中國北方地區(qū)2000—2012年13 a間的植被覆蓋度，并分析其時空變化特征，為進一步評價中國北方地區(qū)環(huán)境演化提供基礎數(shù)據(jù)。

1 研究區(qū)概況和數(shù)據(jù)源

1.1 研究區(qū)概況

我國北方地區(qū)曾經(jīng)是風沙危害、水土流失比較嚴重的區(qū)域。1979年，國家決定在西北、華北平原北部及東北西部等地區(qū)建設大型防護林工程，并在近幾年實施了大規(guī)模的植被保護與恢復工程，如退耕還林還草工程、天然林保護工程及京津風沙源治理工程等。中國北方地區(qū)植被覆蓋情況發(fā)生了巨大的變化。因此，分析中國北方區(qū)域長時間序列的植被覆蓋度時空變化特征對于評價各種生態(tài)工程效益和分析環(huán)境演化特征具有重要意義。

本文研究廣義上的北方地區(qū)，即淮河—秦嶺及其西線的延伸及其以北地區(qū)(涉及東北地區(qū)、華北地區(qū)、以及青海省以外的西北地區(qū))。由于青藏高原地區(qū)氣候環(huán)境具有一定的獨特性，因此本研究不涉及青藏高原北部地區(qū)。故研究區(qū)域以省界為基礎，由東向西包括了黑龍江、吉林、遼寧、北京、天津、河北、山西、內蒙古、陜西、寧夏、甘肅及新疆等省(市、自治區(qū))。用于驗證MODIS植被覆蓋度反演精度的Landsat數(shù)據(jù)覆蓋了河北省北部，中心點坐標為E115°32′52″，N41°45′58″。

1.2 數(shù)據(jù)源及其預處理

本文獲取的用于估算中國北方地區(qū)長時間序列植被覆蓋度的MODIS光譜反射率數(shù)據(jù)已經(jīng)過大氣校正等預處理[20]。該數(shù)據(jù)處理綜合利用時間、空間和光譜信息，減少了云雪誤判和漏判，填補了數(shù)據(jù)的缺失，經(jīng)過時間序列的平滑，保證了時空覆蓋的完整性[20]。MODIS數(shù)據(jù)的空間分辨率為1 km，時間分辨率為8 d，時間范圍為2000—2012年，其中2000年缺少1月份數(shù)據(jù)，每月共有17個格網(wǎng)覆蓋研究區(qū)。本文MODIS數(shù)據(jù)處理主要包括：利用紅波段和近紅外光譜波段計算NDVI，按照月最大NDVI值對時間分辨率重采樣，獲得月分辨率的數(shù)據(jù)，并用MODIS重投影工具(MODIS reprojection tool，MRT)對數(shù)據(jù)進行拼接，并轉換為經(jīng)緯度投影，最終裁剪出研究區(qū)域數(shù)據(jù)。為了檢驗MODIS數(shù)據(jù)植被覆蓋度估算精度，本研究利用30 m空間分辨率的Landsat 5和Landsat 7衛(wèi)星多光譜數(shù)據(jù)計算的植被覆蓋度進行精度驗證。隨機選取軌道號為14031的Landsat數(shù)據(jù)作為驗證樣區(qū)，選取該樣區(qū)4個季度的4景云覆蓋較少和質量較好的數(shù)據(jù)作為MODIS數(shù)據(jù)植被覆蓋度驗證的樣本數(shù)據(jù)，獲取日期分別是2000年4月5日、2001年7月4日、2006年9月20日及2006年10月6日。Landsat數(shù)據(jù)的預處理主要包括大氣校正和云雪掩模，并投影轉換為與MODIS一致的經(jīng)緯度投影。最后利用大氣校正后的紅波段和近紅外波段光譜反射率數(shù)據(jù)計算NDVI值，進而采用像元二分模型計算植被覆蓋度。

2 研究方法

2.1 像元二分模型

像元二分模型假設像元由植被和非植被2種端元組成。李苗苗等[13]討論了不同植被指數(shù)的特點，指出NDVI在利用像元二分模型估算植被覆蓋度中具有更好的表現(xiàn)。因此，本文像元二分模型計算植被覆蓋度的公式為

(1)

式中：FVC為植被覆蓋度；NDVIsoil為完全是裸土或者無植被覆蓋像元(即陸地土壤像元)的NDVI；NDVIveg為完全由植被所覆蓋像元(即純植被像元)的NDVI。只要確定NDVIsoil和NDVIveg的值，就能計算每一個像元的植被覆蓋度。

對于純土壤像元的NDVI，理論上應接近于0，但是由于受到環(huán)境因素等影響，NDVIsoil通常在-0.1～0.2之間變化。一般情況下，NDVIsoil與NDVIveg取給定置信度的置信區(qū)間內的最大值與最小值，可在一定程度上消除遙感圖像噪聲所帶來的誤差。本研究中，NDVIsoil與NDVIveg的取值是統(tǒng)計所有155景MODIS NDVI數(shù)據(jù)，并結合研究區(qū)植被覆蓋的實際情況得出的。根據(jù)頻率統(tǒng)計表，NDVIsoil是選取區(qū)域內累計頻率為5%的像元的NDVI值，NDVIveg為累計頻率為90%的NDVI像元值；在統(tǒng)計計算的過程中，當像元值≤0時，認為是水體，不參與統(tǒng)計計算。在像元二分模型中，NDVIsoil和NDVIveg取統(tǒng)一的值，使得長時間序列的數(shù)據(jù)都在一個相同的基準上估算植被覆蓋度，因而其變化趨勢分析更為可靠。當累計頻率分別為5%和90%時，NDVIsoil和NDVIveg的取值分別為0.013 3和0.848。

2.2 MODIS植被覆蓋度精度驗證

利用像元二分模型對Landsat多光譜數(shù)據(jù)進行植被覆蓋度計算，NDVIsoil與NDVIveg分別選取NDVI累積頻率5%和95%時的值[21]。對于每一景Landsat影像，找到其相同時相MODIS數(shù)據(jù)計算的植被覆蓋度(盡量選擇時相最接近的)，對MODIS數(shù)據(jù)計算的植被覆蓋度進行精度檢驗。按照Landsat數(shù)據(jù)中心點所在經(jīng)緯度坐標，選擇MODIS數(shù)據(jù)的9像元×9像元，然后計算MODIS每一個像元對應的所有Landsat數(shù)據(jù)像元的植被覆蓋度均值。

2.3 植被覆蓋度趨勢變化分析

采用線性回歸方法對年最大植被覆蓋度年際變化趨勢進行分析[22]。逐像元計算年最大植被覆蓋度年際變化的最小二乘線性回歸方程的斜率，即

(2)

式中：n為研究階段的年數(shù)(本文n=13)；FVCi為第i年最大植被覆蓋度；NDVIi為第i年某像元的植被覆蓋度；θslope為研究區(qū)間內植被覆蓋度變化斜率，反映了在研究期間植被覆蓋度的變化趨勢。當θslope>0時，表示植被覆蓋度增加；當θslope=0時表示植被覆蓋度沒有變化；當θslope<0時，則表示植被覆蓋度降低。

3 結果與分析

3.1 中國北方地區(qū)植被覆蓋度估算

根據(jù)水利部2008年頒布的《土壤侵蝕分類分級標準》中植被覆蓋度分級標準，將植被覆蓋度劃分為5個等級：低植被覆蓋度[0,30%)、中低覆蓋度[30%,45%)、中等覆蓋度[45%,60%)、中高覆蓋度[60%,75%)和高覆蓋度[75%,100%]。利用MODIS NDVI數(shù)據(jù)和像元二分模型估算中國北方地區(qū)2000—2012年長時間序列的植被覆蓋度，并進一步利用年最大植被覆蓋度，合成得到中國北方地區(qū)多年最大植被覆蓋度圖，直觀反映北方地區(qū)植被覆蓋度空間分布特征，如圖1所示。

圖1 北方地區(qū)最大植被覆蓋度空間分布Fig.1 Spatial distribution of maximum FVC in the north region of China

從圖1可以看出，中國北方地區(qū)植被覆蓋度較大的地區(qū)主要在東北地區(qū)，由于該區(qū)域有大、小興安嶺等原始森林、遼闊的草原以及松-嫩-遼平原農業(yè)區(qū)等，因此最大植被覆蓋度都處于高植被覆蓋度等級。華北平原和黃土高原南部等地區(qū)是我國重要的農業(yè)產(chǎn)區(qū)，在農作物生長茂盛的夏季，植被覆蓋度也相對較高。

為定量評估MODIS數(shù)據(jù)估算植被覆蓋度的精度，采用Landsat數(shù)據(jù)計算的植被覆蓋度對MODIS數(shù)據(jù)估算結果進行定量的精度評價，如圖2所示。

圖2 MODIS數(shù)據(jù)植被覆蓋度和其對應的TM數(shù)據(jù)植被覆蓋度散點圖Fig.2 Scatter diagram of the MODIS FVC data with the corresponding TM FVC data

在精度評價過程中，對于Landsat數(shù)據(jù)上有云的像元進行剔除。MODIS數(shù)據(jù)估算的植被覆蓋度與對應的Landsat數(shù)據(jù)植被覆蓋度的線性回歸系數(shù)為0.967，常數(shù)項為0.034，R2為0.82，顯著性較為明顯；回歸方程計算殘差平方和為1.36，中誤差為0.06可以看出中誤差相對較小，表明MODIS數(shù)據(jù)估算植被覆蓋度和Landsat數(shù)據(jù)植被覆蓋度相差不大，具有較高的估算精度。

MODIS數(shù)據(jù)估算結果可以用來分析中國北方地區(qū)13 a來的植被覆蓋度的動態(tài)變化特征和規(guī)律。但是，有些數(shù)據(jù)點偏差較大，可能與2種數(shù)據(jù)的成像時間有關，因為MODIS數(shù)據(jù)是按照1個月為時間分辨率計算的，目前還很難找到2種在時間上精確匹配的數(shù)據(jù)。

3.2 北方地區(qū)植被覆蓋度年內變化規(guī)律

中國北方地區(qū)植被的季相變化明顯，因此植被覆蓋度在不同季節(jié)也有明顯變化。本文以我國東北地區(qū)多年植被覆蓋度月均值為例說明1 a中植被覆蓋度的變化特點。圖3為我國東北地區(qū)1—12月份2000—2012年植被覆蓋度的對應月份平均值的變化曲線。從中可以看出，植被覆蓋度最大月均值出現(xiàn)在8月份，7月次之，并且7—9月植被覆蓋度變化不大；最小月均值則出現(xiàn)在1—2月，4—7月為植被快速生長期，進入秋季之后植被開始落葉，在9—11月，植被覆蓋度迅速減小。統(tǒng)計每年的最大和最小月均值可以發(fā)現(xiàn)，植被覆蓋度的變化和植被季相變化基本一致。

圖3 東北地區(qū)植被覆蓋度月均值變化曲線Fig.3 Month mean FVC value of northeast region

對2012年不同季度的植被覆蓋度進行分等級制圖，如圖4所示。

圖4 2012年不同季度植被覆蓋度等級分布圖

Fig.4 Grade distribution of FVC in different quarters in 2012

由圖4可以看出，第1季度植被覆蓋度普遍偏低，即使在東北的原始森林區(qū)，植被覆蓋度也處于中等水平，其他地區(qū)大多是低植被覆蓋度水平。第2季度是植被返青和快速生長的季節(jié)，植被覆蓋度變化較為明顯。在第3季度中期(7—8月)植被覆蓋度達到最大，特別是東北地區(qū)、華北地區(qū)和黃土高原地區(qū)。內蒙古西部、甘肅北部和新疆地區(qū)則變化不明顯，且大多處于低覆蓋度水平，這與土地覆蓋類型有關，比如內蒙古西部多為荒漠地區(qū)。第3季度的植被覆蓋度明顯比其他3個季度大，第1季度最小，這與圖3中曲線變化特點相一致。年最大植被覆蓋度和第3季度的分布基本一致，大部分像元的植被覆蓋度在第3季度達到最大值，充分說明植被覆蓋度的變化和植被的生長季相一致，在生長最為旺盛的第3季度植被覆蓋度最大。第4季度植被覆蓋度和第1季度相差不大。

3.3 北方地區(qū)植被覆蓋度年際變化趨勢

圖5是2000和2012年的年最大和年平均不同等級植被覆蓋度占區(qū)域面積的比例。對于年最大植被覆蓋度，2012年高等植被覆蓋度的比例相對2000年高出很多，低、中低、中和中高等級則相對2000年較低。在年平均植被覆蓋度中，2012年的中低、中和高等級植被覆蓋度都較2000年高。因此，從整體來看，北方地區(qū)2012年植被覆蓋度比2000年有較大幅度的升高。

圖5 2000年和2012年的年最大(左)和年平均(右)植被覆蓋度不同等級比例Fig.5 Maximum(left) and mean annual(right) FVC in different grade proportion in 2000 and 2012

為分析2000—2012年中國北方地區(qū)的植被覆蓋度總體變化趨勢，分別統(tǒng)計每月區(qū)域均值，計算年最大植被覆蓋度的變化趨勢(圖6)。

圖6 2000—2012年植被覆蓋度變化曲線(月分辨率)Fig.6 Variation profile of FVC from 2000 to 2012 (month resolution)

由圖6可知，植被覆蓋度隨時間呈周期性變化，在不同的年份，其月平均值有一定的浮動，但是整體呈增長趨勢，增長速率可達到每年0.2%。

提取2000—2012年的MODIS數(shù)據(jù)每年最大植被覆蓋度，然后計算植被覆蓋度的變化趨勢，并按照斜率大小，劃分不同的等級，得到2000—2012年的植被覆蓋度變化趨勢空間分布圖，如圖7所示。

圖7 2000—2012年植被覆蓋度變化趨勢空間分布Fig.7 Spatial distribution of FVC change trend

統(tǒng)計不同變化等級的面積比例，如表1所示。

表1 植被覆蓋度變化斜率不同等級范圍的面積比例Tab.1 Area percentage in different grade scale of FVC change slopes

從圖7和表1可以看出，在2000—2012年13 a間，61.2%的地區(qū)植被覆蓋度沒有發(fā)生明顯的變化，植被覆蓋度降低的區(qū)域主要分布在新疆北部和內蒙古東部的一些地區(qū)。但是，在內蒙古東部邊界(位于東北造林區(qū)內)、內蒙古中南部和寧夏、陜西北部(黃土高原造林區(qū))、華北平原，北部地區(qū)植被覆蓋度增加趨勢非常明顯。

4 結論

1)北方地區(qū)植被的季相特征明顯，植被覆蓋度呈現(xiàn)明顯的年周期變化規(guī)律，每年最大植被覆蓋度一般出現(xiàn)在7—8月，最小值一般在1—2月。

2)在2000—2012年這13 a間，北方大部分地區(qū)植被覆蓋度變化趨勢相對穩(wěn)定，但具有明顯的空間分布差異；整個北方地區(qū)年最大植被覆蓋度呈緩慢增長的趨勢，其增長率為每年0.2%。

下一步需要結合氣候資料和地面調查，對造成植被覆蓋度變化的自然因素和人為因素進行分析。

[1] 梁順林,李小文,王錦地,等.定量遙感:理念與算法[M].北京:科學出版社,2003:382. Liang S L,Li X W,Wang J D,et al.Advanced Remote Sensing:Concepts and Algorithm[M].Beijing:Science Press,2003:382.

[2] 程紅芳,章文波,陳鋒.植被覆蓋度的遙感估算方法研究進展[J].國土資源遙感,2008,20(1):13-18.doi:10.6046/gtzyyg.2008.01.02. Cheng H F,Zhang W B,Chen F.Advances in researches on application of remote sensing method to estimating vegetation coverage[J].Remote Sensing for Land and Resources,2008,20(1):13-18.doi:10.6046/gtzyyg.2008.01.02.

[3] 邢著榮,馮幼貴,楊貴軍,等.基于遙感的植被覆蓋度估算方法述評[J].遙感技術與應用,2009,24(6):849-854. Xing Z R,Feng Y G,Yang G J,et al.Method of estimating vegetation coverage based on remote sensing[J].Remote Sensing Technology and Application,2009,24(6):849-854.

[4] Zeng X B,Dickinson R E,Walker A,et al.Derivation and evaluation of global 1 km fractional vegetation cover data for land modeling[J].Journal of Applied Meteorology,2000,39(6):826-839.

[5] 江輝.基于遙感的植被覆蓋度估算及其動態(tài)研究——以鄱陽湖區(qū)為例[D].南昌:南昌大學,2005. Jiang H.Study on Vegetation Coverage and its Dynamic Change by Remote Sesing:A Case Study of the Poyang Lake[D].Nanchang:Nanchang University,2005.

[6] Van de Voorde T,Vlaeminck J,Canters F.Comparing different approaches for mapping urban vegetation cover from Landsat ETM+data:A case study on brussels[J].Sensors,2008,8(6):3880-3902.

[7] Xiao J F,Moody A.A comparison of methods for estimating fractional green vegetation cover within a desert-to-upland transition zone in central New Mexico,USA[J].Moody A.Remote Sensing of Environment,2005,98(2/3):237-250.

[8] North P R J.Estimation of FAPAR,LAI,and vegetation fractional cover from ATSR-2 imagery[J].Remote Sensing of Environment,2002,80(1):114-121.

[9] Gutman G,Ignatov A.The derivation of the green vegetation fraction from NOAA/AVHRR data for use in numerical weather prediction models[J].International Journal of Remote Sensing,1998,19(8):1533-1543.

[10]唐世浩,朱啟疆,王錦地,等.三波段梯度差植被指數(shù)的理論基礎及其應用[J].中國科學:D輯,2003,33(11):1094-1102. Tang S H,Zhu Q J,Wang J D,et al.Principle and application of three-band gradient difference vegetation index[J].Science in China Series D:Earth Sciences,2005,48(2):241-249.

[11]賈坤,姚云軍,魏香琴,等.植被覆蓋度遙感估算研究進展[J].地球科學進展,2013,28(7):774-782. Jia K,Yao Y J,Wei X Q,et al.A review on fractional vegetation cover estimation using remote sensing[J].Advances in Earth Science,2013,28(7):774-782.

[12]宋莎.基于多源遙感數(shù)據(jù)的植被覆蓋度研究[D].成都:四川農業(yè)大學,2010. Song S.Retrieval of Vegetation Coverage Using Multi-sensor Remote Sensing Data[D].Chengdu:Sichuan Agricultural University,2010.

[13]李苗苗,吳炳芳,顏長珍,等.密云水庫上游植被覆蓋度的遙感估算[J].資源科學,2004,26(4):153-159. Li M M,Wu B F,Yan C Z,et al.Estimaion of vegetation fraction in the upper basin of Miyun Reservior by remote sensing[J].Resources Science,2004,26(4):153-159.

[14]陳晉,陳云浩,何春陽,等.基于土地覆蓋分類的植被覆蓋率估算亞像元模型與應用[J].遙感學報,2001,5(6):416-422,481. Chen J,Chen Y H,He C Y,et al.Sub-pixel model for vegetation fraction estimation based on land cover classification[J].Journal of Remote Sensing,2001,5(6):416-422,481.

[15]Camacho F,Cernicharo J,Lacaze R,et al.GEOV1:LAI,FAPAR essential climate variables and FCOVER global time series capitalizing over existing products.Part 2:Validation and intercomparison with reference products[J].Remote Sensing of Environment,2013,137:310-329.

[16]Baret F,Weiss M,Lacaze R,et al.GEOV1:LAI and FAPAR essential climate variables and FCOVER global time series capitalizing over existing products.Part1:Principles of development and production[J].Remote Sensing of Environment,2013,137:299-309.

[17]Hansen M C,DeFries R S,Townshend J R G,et al.Towards an operational MODIS continuous field of percent tree cover algorithm:examples using AVHRR and MODIS data[J].Remote Sensing of Environment,2002,83(1/2):303-319.

[18]Huang C Q,Song K,Kim S,et al.Use of a dark object concept and support vector machines to automate forest cover change analysis[J].Remote Sensing of Environment,2008,112(3):970-985.

[19]Su L H.Optimizing support vector machine learning for semi-arid vegetation mapping by using clustering analysis[J].ISPRS Journal of Photogrammetry and Remote Sensing,2009,64(4):407-413.

[20]梁順林,袁文平,肖青,等.全球陸表特征參量產(chǎn)品生成與應用研究[J].中國科學院院刊,2013,28(s1):122-131. Liang S L,Yuan W P,Xiao Q,et al.Generation and applications of global land surface satellite(GLASS)products[J].Bulletin of Chinese Academy of Sciences,2013,28(s1):122-131.

[21]賈維花,廉麗姝,呂宜平,等.基于TM數(shù)據(jù)的黃河三角洲地區(qū)植被覆蓋度提取[J].地理信息世界,2012,10(6):62-66,74. Jia W H,Lian L S,Lv Y P,et al.The derivation of vegetation fraction based on TM data in Yellow River Delta[J].Geomatics World,2012,10(6):62-66,74.

[22]Duan H C,Yan C Z,Tsunekawa A,et al.Assessing vegetation dynamics in the Three-North Shelter Forest region of China using AVHRR NDVI data[J].Environmental Earth Sciences,2011,64(4):1011-1020.

(責任編輯：邢宇)

Fractional vegetation cover estimation in northern China and its change analysis

LI Yuwei1,JIA Kun1,WEI Xiangqin2,YAO Yunjun1,SUN Jun3,MOU Liqiu4

(1.StateKeyLaboratoryofRemoteSensingScience,SchoolofGeography,BeijingNormalUniversity,Beijing100875,China;2.InstituteofRemoteSensingandDigitalEarth,ChineseAcademyofSciences,Beijing100101,China; 3.ComprehensiveDesignTeamofXilinjiForestryBureau,DaHingganLing165300,China; 4.GreaterKhinganRangeShenzhouPolarWoodIndustryCo.,Ltd.Yijia,DaHingganLing165300,China)

The aim of this study is to analyze the spatial-temporal pattern and change of fractional vegetation cover (FVC) in northern China since 2000. FVC of northern China from 2000 to 2012 was estimated using dimidiate pixel model based on the normalized difference vegetation index (NDVI) calculated by MODIS spectral reflectance data. The FVC change trends and characteristics of the study area during the 13 years were analyzed. The inner annual FVC change trend in northern China indicated that the maximum FVC generally appeared in July or August,which was consistent with the vegetation growth season. The maximum annual FVC showed a slightly increase trend in the whole study area,and the annual increase rate was 0.2%. However,the spatial distribution of maximum annual FVC change trend had great differences. The typical regions of the Three-North Shelter Forest Region such as Northeast China,North China and Loess Plateau region had an obviously increase in maximum annual FVC.

dimidiate pixel model; northern China; fractional vegetation cover; spatial-temporal change characteristics

2014-01-21；

2014-04-28

國家自然科學基金項目“基于機器學習和融合算法的全球陸表植被覆蓋度遙感估算方法研究”(編號：41301353)、遙感科學國家重點實驗室自由探索項目“多尺度植被覆蓋度觀測實驗與遙感產(chǎn)品驗證數(shù)據(jù)集生產(chǎn)”(編號：14ZY-06)、國家“863”計劃項目“全球生態(tài)系統(tǒng)與表面能量平衡特征參量生成與應用”(編號：2013AA122801)和國家測繪地理信息局科技領軍人才科技資助項目共同資助。

10.6046/gtzyyg.2015.02.18

李鈺溦，賈坤，魏香琴，等.中國北方地區(qū)植被覆蓋度遙感估算及其變化分析[J].國土資源遙感,2015,27(2):112-117.(Li Y W,Jia K,Wei X Q,et al.Fractional vegetation cover estimation in northern China and its change analysis[J].Remote Sensing for Land and Resources,2015,27(2):112-117.)

TP 79; S 127

A

1001-070X(2015)02-0112-06

李鈺溦(1990-)，女，碩士研究生，主要從事定量遙感方面的研究。Email: yuwei_breeze@163.com。

賈坤(1983-)，男，博士，碩士生導師，主要從事定量遙感方面的研究。 Email: jiakun@bnu.edu.cn。