基于Landsat影像的北京市植被覆蓋變化特征分析

靳茗茗，陳丹璐

(北京林業(yè)大學(xué)，北京100083)

?

基于Landsat影像的北京市植被覆蓋變化特征分析

靳茗茗，陳丹璐

(北京林業(yè)大學(xué)，北京100083)

以北京市為研究區(qū)，基于2000年Landsat 5 TM和2010年Landsat 5 TM遙感影像數(shù)據(jù)，利用像元二分模型對2000年至2010年北京市植被覆蓋度及其動態(tài)變化進行定量分析。研究表明：2000年，北京市植被覆蓋度主要為低植被覆蓋、中等植被覆蓋和中高植被覆蓋；2010年，北京市植被覆蓋度主要為中高植被覆蓋和高植被覆蓋。2000～2010年10年間，高植被覆蓋和低植被覆蓋區(qū)的變化程度最大，前者增加3066 km2，約占北京市總面積的18.25%，后者減少2103.36 km2，約占北京市總面積的12.52%，其余等級植被覆蓋區(qū)域面積變化程度相對較小。2000年，低植被覆蓋的面積最大，2010年，中高植被覆蓋的面積最大。10年間，以中等植被覆蓋→中高植被覆蓋為最主要的轉(zhuǎn)換類型，轉(zhuǎn)換率達到45.501%。

植被覆蓋度；NDVI；遙感；像元二分模型

0　引言

植被是覆蓋地表的植物群落的總稱，是地球生態(tài)系統(tǒng)中重要的組成部分，而植被覆蓋度是定量描述地表植被覆蓋情況的重要參數(shù)，也是描述生態(tài)系統(tǒng)的重要基礎(chǔ)數(shù)據(jù)。獲取區(qū)域地表植被覆蓋狀態(tài)，對于解釋地表植被變化及植被動態(tài)變化趨勢、分析、評價區(qū)域生態(tài)環(huán)境具有重要意義。傳統(tǒng)估算植被覆蓋度是基于地面樣方進行實測，現(xiàn)如今研究大都采用基于遙感影像通過植被指數(shù)反演植被覆蓋度。

植被指數(shù)是利用衛(wèi)星不同波段探測數(shù)據(jù)組合而成能反映植物生長狀況的指數(shù)。植物葉面在可見光紅光波段有很強的吸收特性，在近紅外波段有很強的反射特性，這是植被遙感監(jiān)測的物理基礎(chǔ)，通過這兩個波段測值的不同組合可得到不同的植被指數(shù)，其中，歸一化植被指數(shù)(NDVI)被廣泛用于檢測值被生長狀態(tài)、植被覆蓋度和消除部分輻射誤差等，眾多研究表明，NDVI可以作為一個有價值的植被監(jiān)測工具，在植被覆蓋度測算方面能夠得到較好地應(yīng)用。

本文以2000年5月和2010年8月的Landsat TM遙感影像數(shù)據(jù)為基礎(chǔ)，以空間分析技術(shù)為手段，通過對遙感影像數(shù)據(jù)的處理，提取歸一化植被指數(shù)(NDVI)，利用像元二分模型估算植被覆蓋度，根據(jù)計算出的植被覆蓋程度進行分級，從而監(jiān)測2000～2010年北京市植被覆蓋度的變化情況，分析10年間北京市植被覆蓋的變化趨勢。

1　研究區(qū)概況

北京市境處于華北平原與太行山脈、燕山山脈的交接部位，平均海拔高度為43.71m。東距渤海150km，東南部為平原，屬于華北平原的西北邊緣區(qū)；西部為山地，屬于太行山脈的東北余脈；北部、東北部為山地，屬于為燕山山脈的西段支脈，屬北溫帶季風(fēng)氣候，四季分明，春季干旱，夏季炎熱多雨。

2　數(shù)據(jù)來源與預(yù)處理

研究區(qū)5～9月為植物的主要生長季，因此選擇植物生長旺盛季節(jié)的遙感影像進行植被覆蓋變化的分析。該研究采用2000年5月27日的Landsat 5 TM和2010年8月8日的Landsat 5 TM數(shù)據(jù)，云量均小于5%；使用FLAASH模塊對遙感數(shù)據(jù)進行大氣校正，利用地形圖對遙感圖像進行幾何校正。將經(jīng)過校正的影像與研究區(qū)行政區(qū)劃圖疊加，裁剪出研究區(qū)圖像，生成歸一化植被指數(shù)(NDVI)。

3　研究方法

3.1歸一化植被指數(shù)(NDVI)提取

歸一化植被指數(shù)(NDVI)是一種由遙感傳感器接收的地物光譜信息推算而得的反映地表植被狀況的定量值，是植物生長狀態(tài)以及植物生長空間分布密度的最佳指示因子。

其計算公式為：

NDVI=(ρNIR+ρR)/ρNIR+ρR)

其中，ρNIR為近紅外波段反射，ρR為紅波段反射值。在TM遙感影像中，ρR為影像第四通道的反射值，ρNIR為影像第三通道的反射值。

3.2植被覆蓋度(Fc)遙感估算模型

像元二分模型是一種簡單實用的遙感估算模型，它假設(shè)一個像元的地表由有植被覆蓋部分與無植被覆蓋部分組成，而遙感傳感器觀測到的光譜信息也由這2個組分因子線性加權(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，其中植被覆蓋度可以看作是植被的權(quán)重。

運用植被指數(shù)法反演植被覆蓋度(Fc)，計算公式為：

Fc=(NDVI-NDVIsoil)/(NDVIveg-NDVIsoil)

其中，F(xiàn)c 為植被覆蓋度，NDVIsoil為裸土或無植被覆蓋區(qū)域的NDVI值，NDVIveg為純植被像元的NDVI值。

NDVIsoil=(Fc max×NDVImin-Ec min×NDVImax)/(Fc max-Fc min)

NDVIveg=[(1-Fc min)×NDVImax-(1-Fc max)×NDVImin]/(Fc max-Fc min)

其中，NDVImax和NDVImin分別為區(qū)域內(nèi)最大和最小的NDVI值。

3.3植被覆蓋度的計算與分級

分別提取每個像元的NDVI，根據(jù)頻率累計值，確定NDVImax和NDVImin分別在累計概率95%和5%處。

在ENVI軟件中估算植被覆蓋度的公式為：

(b1ltNDVImin)*0+(b1gtNDVImax)*1+(b1geNDVImin and b1leNDVImax)*[(b1-NDVImin)/(NDVImax-NDVImin)]

其中，b1為NDVI數(shù)據(jù)。

按照統(tǒng)計特征將研究區(qū)分為6個植被覆蓋類型：無植被覆蓋(Fc =0)、極低植被覆蓋(0

4　植被覆蓋度動態(tài)變化

4.1北京市植被覆蓋度結(jié)果圖(略)

4.2北京市植被覆蓋度統(tǒng)計結(jié)果

表1　2000～2010年各等級植被覆蓋度提取結(jié)果

表2　2000～2010年植被覆蓋度變化統(tǒng)計結(jié)果

表3　植被覆蓋度等級變化轉(zhuǎn)移矩陣(%)

4.3植被覆蓋度變化分析

4.3.1 中高植被覆蓋和高植被覆蓋的土地面積增加，無植被覆蓋、極低植被覆蓋、低植被覆蓋和中等植被覆蓋的土地面積減小。其中，高植被覆蓋和低植被覆蓋區(qū)面積的變化程度最大，前者增加3066 km2，約占北京市總面積的18.25%，后者減少2103.36 km2，約占北京市總面積的12.52%。

4.3.2按照所占百分比由高到低排列，2000年各等級植被覆蓋度依次為：低植被覆蓋度，中高植被覆蓋度，高植被覆蓋度，中等植被覆蓋度，極低植被覆蓋度，無植被覆蓋；2010年各等級植被覆蓋度依次為：中高植被覆蓋度，高植被覆蓋度，低植被覆蓋度，中等植被覆蓋度，極低植被覆蓋度，無植被覆蓋。

4.3.3從植被覆蓋等級的轉(zhuǎn)換特征來看，10年間，以中等植被覆蓋→中高植被覆蓋、中高植被覆蓋→高植被覆蓋，以及無植被覆蓋→高植被覆蓋為最主要的轉(zhuǎn)換類型；轉(zhuǎn)換率分別為45.501%，41.846%和36.896%。

5　結(jié)果與討論

5.12000～2010年10年間，高植被覆蓋和低植被覆蓋區(qū)的變化程度最大，前者增加3066km2，約占北京市總面積的18.25%，后者減少2103.36 km2，約占北京市總面積的12.52%，其余等級植被覆蓋區(qū)域面積變化程度相對較小。

5.22000年，低植被覆蓋的面積最大，2010年，中高植被覆蓋的面積最大。前者面積為5742.24km2，占北京市總面積的34.18%；后者面積為5770.80km2，占北京市總面積的34.35%。

5.310年間，以中等植被覆蓋→中高植被覆蓋為最主要的轉(zhuǎn)換類型，轉(zhuǎn)換率達到45.501%。

5.4自2001年北京申奧成功后，秉持著“綠色奧運、人文奧運、科技奧運”的舉辦理念，北京市政府采取了多項措施改善城市環(huán)境，而其中最重要的一個措施就是加大植被覆蓋度，在重視經(jīng)濟發(fā)展和城市化的同時，也開始重視到生態(tài)文明建設(shè)，10年間，植被覆蓋度等級向高等級趨近。該研究通過遙感影像監(jiān)測北京市的植被覆蓋度變化情況，對北京市的生態(tài)文明建設(shè)和城市規(guī)劃有一定的參考意義。

[1]劉憲鋒,潘耀忠,朱秀芳,等. 2000-2014年秦巴山區(qū)植被覆蓋時空變化特征及其歸因[J]. 地理學(xué)報,2015(5):705-716.

[2]王愛蕓,陸馳. 昆明市植被覆蓋變化特征分析——基于Landsat遙感影像數(shù)據(jù)[J]. 安徽農(nóng)業(yè)科學(xué),2015,18:326-328.

[3]劉志鋒,南穎,胡浩,等. 2000-2008年長白山地區(qū)植被覆蓋變化特征[J]. 西北植物學(xué)報,2010(2):391-398.

[4]師慶東. 基于FVC指數(shù)對1982-2000年中國西部干旱區(qū)植被覆蓋時空變化特征分析[D].南京氣象學(xué)院,2004.

[5]程苗苗,江洪,陳健,等. 基于Landsat數(shù)據(jù)的新疆和田地區(qū)植被覆蓋變化研究[J].安徽農(nóng)業(yè)科學(xué),2009(3):1239-1244+1250.

[6]張超,余樹全,李土生. 基于多時相Landsat影像的慶元縣植被覆蓋變化研究[J]. 浙江農(nóng)林大學(xué)學(xué)報,2011(1):72-79.

[7]韓佶興. 2000-2011年東北亞地區(qū)植被覆蓋度變化研究[D].中國科學(xué)院研究生院(東北地理與農(nóng)業(yè)生態(tài)研究所),2012.

[8]王佃來. 基于遙感圖像分析的北京植被狀態(tài)與變化研究[D].北京林業(yè)大學(xué),2013.

[9]RASTMANESH F,MOORE F,KHARRATI-KOPAEI M,et al. Monitoring deterioration of vegetation cover in the vicinity of smelting industry,using statistical methods and TM and ETM+ imageries,Sarcheshmeh copper complex,Central Iran [J].Environ Monit Assess,2010,163:397-410.

[10]MORAWITZ D F,BLEWETT T M,COHEN A,et al.Using NDVI to assess vegetative land cover change in central Puget Sound[J].Environ Monitor Assess,2006,114(1):85-106.

Analysis of Vegetation Cover Change in Beijing City Based on Landsat Lmage

Jin Mingming,Chen Danlu

(Beijing Forestry University，Beijing 100083

Taking Beijing as the study area which is based on the Landsat 5 TM in 2000 and the Landsat 5 TM in 2010 remote sensing data,using the dimidiate pixel model to determine vegetation coverage and analyse its dynamic changing from 2000 to 2010.The study shows that in 2000,the vegetation coverage in Beijing is mainly low vegetation coverage, medium vegetation coverage,middle and high vegetation coverage;While in 2010, the vegetation coverage in Beijing is mainly middle and high vegetation coverage and high vegetation coverage.During the 10 years between 2000 and 2010, high vegetation coverage and low vegetation coverage are of the biggest changing, the former the former increases 3066 km2, accounted for 18.25% of the total area of Beijing City, the latter decreases 2103.36 km2, accounted for 12.52% of the total area ,all other levels of vegetation coverage area change degree is relatively small. In 2000, the area of low vegetation coverage was the largest, and in 2010, the area of high vegetation coverage was the largest. In the ten years, the middle and high vegetation coverage was the most important conversion type, the conversion rate made up 45.501%.

Vegetation coverage;NDVI;Remote sensing; Dimidiate pixel model

2016-05-07

S731.2

A

DOI.:10.13268/j.cnki.fbsic.2016.04.003