基于多源遙感數(shù)據(jù)的一帶一路重點(diǎn)地區(qū)植被覆蓋度調(diào)查研究

官瑞芬　李樵民　王文龍　馬大為　楊婭婷　閆軍　楊雪茹

摘 要：本文主要基于多源遙感數(shù)據(jù)，以沙特吉贊省為例，對(duì)遙感影像進(jìn)行了歸一化值被植數(shù)（NDVI）的提取，并根據(jù)像元二分模型原理估算出研究區(qū)的植被覆蓋度，結(jié)果表明：該地區(qū)植被覆蓋度整體較低，高植被覆蓋區(qū)主要集中在東部山地以及多處東西向河谷區(qū)域。低植被覆蓋區(qū)面積占比73%左右，中高及高植被覆蓋區(qū)面積占比10%左右。

關(guān)鍵詞：多源遙感 植被覆蓋度 NDVI 像元二分模型

中圖分類號(hào)：Q948；TP79 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1674-098X（2019）03（b）-0154-04

Abstract： This paper is mainly based on multi-source remote sensing data. take Saudi Arabia as an example， the normalized image was extracted from the remotely sensed image （NDVI）， and estimate the vegetation coverage of the study area according to the pixel binary model principle. the results show： overall coverage of vegetation in the area is low， The high vegetation coverage area is mainly concentrated in the eastern mountainous areas and in many east-west river valley areas. Low vegetation coverage area accounts for about 73%， medium and high vegetation coverage area accounts for about 10%.

Key Words： Multi-source remote sensing； Vegetation coverage； NDVI； Pixel binary model

植被覆蓋度是衡量地表植被狀況的一個(gè)最重要的指標(biāo)，在生態(tài)、土地沙漠化評(píng)價(jià)、水土流失監(jiān)測(cè)和分布式水文模型中都將植被覆蓋度作為重要輸入?yún)?shù)。植被覆蓋度測(cè)算的傳統(tǒng)方法是地面測(cè)量，最簡(jiǎn)單的方法就是目估法，還有樣方法、樣帶法、樣點(diǎn)法等，以及借助于采樣儀器的測(cè)量方法，由于野外調(diào)查難度大，成本較高，抽樣覆蓋面小，難以在大范圍內(nèi)快速提取植被覆蓋信息，因此應(yīng)用受到一定限制。遙感技術(shù)的發(fā)展為準(zhǔn)確及時(shí)的獲取大面積區(qū)域植被覆蓋度信息提供了可能。目前利用遙感技術(shù)估算植被覆蓋度的方法很多，其中應(yīng)用較多的方法是植被覆蓋度與光譜指數(shù)的相關(guān)分析法，回歸模型法以及像元二分模型法等，本研究區(qū)是建立在像元二分模型的基礎(chǔ)上近似估算吉贊省（2008年、2014年、2018年）三期的植被覆蓋度。

1 研究區(qū)概況及數(shù)據(jù)源

1.1 研究區(qū)概況

吉贊省位于沙特阿拉伯西南部，是沙特阿拉伯面積最小的省份，與也門接壤，西臨紅海，位于東經(jīng)42°～43.8°，北緯16.5°～17°之間，面積約為1.2萬(wàn)km2。平均最高溫度為38.5°，最低溫度為29°，冬季平均最高溫度為30°，最低溫度為21°。地形多樣，沿海地區(qū)從北向南延伸，海拔高度為100m，該地區(qū)沼澤和鹽沼分布較多，其中Tohama地區(qū)為吉贊最肥沃的地區(qū)，Sarwat山位于吉贊省東部，該地區(qū)陡峭多巖，海拔高度超過1800m。此外，吉贊省從北到南分布有許多河谷，洪水通過這些河谷從東部山區(qū)流向西部，直至到達(dá)紅海。吉贊省還包括位于紅海上的100多個(gè)島嶼，全省可分為3個(gè)部分：內(nèi)陸、林區(qū)和平原地區(qū)。內(nèi)陸是綿延的山脈，林區(qū)有豐盛的牧草，平原地區(qū)盛產(chǎn)農(nóng)作物，如：咖啡豆、谷類作物（大麥、小米和小麥）和水果（蘋果、香蕉、葡萄、芒果、木瓜、李子、柑橘）等。

1.2 數(shù)據(jù)源

本研究區(qū)約1.2萬(wàn)km2，綜合應(yīng)用了3類數(shù)據(jù)：2008年Landsat-5數(shù)據(jù)、2014年Landsat-8數(shù)據(jù)、2018年Landsat-8數(shù)據(jù)以及2018年國(guó)產(chǎn)GF-1數(shù)據(jù)。其中Landsat TM/OLI數(shù)據(jù)，空間分辨率為30m，云量均小于10%，下載于“地理空間數(shù)據(jù)云”網(wǎng)址（http：//www.gscloud.cn）。高分一號(hào)數(shù)據(jù)，空間分辨率為16m，來(lái)源于“中國(guó)資源衛(wèi)星應(yīng)用中心”。詳細(xì)情況見表1。

2 研究方法

2.1 遙感圖像預(yù)處理

采用專業(yè)遙感圖像處理軟件ENVI5.3，對(duì)工作區(qū)內(nèi)三期（2008年、2014年、2018年） Landsat遙感影像分別進(jìn)行輻射定標(biāo)、大氣校正、幾何配準(zhǔn)后，再根據(jù)吉贊區(qū)行政界矢量進(jìn)行研究區(qū)域有效范圍裁剪、鑲嵌、影像增強(qiáng)等處理，旨在減少大氣和太陽(yáng)高度角變化等帶來(lái)的誤差，各項(xiàng)預(yù)處理的原理和方法在相關(guān)文獻(xiàn)中都有介紹，在此不再贅述。

2.2 提取歸一化植被指數(shù)

歸一化植被指數(shù)最初由Rouse等人提出，是目前應(yīng)用最廣泛的一種植被指數(shù)。因?yàn)槠溆懈哽`敏度的優(yōu)點(diǎn)，能夠消除大部分的噪音、輻射、陰影等帶來(lái)的誤差，并根據(jù)植被的反射光譜特征，用植被對(duì)紅光波段和近紅外波段的光譜通道組合，所獲得的植被指數(shù)來(lái)提取植被信息。DNVI計(jì)算公式如下：

應(yīng)用在Landsat_5TM和GF-1遙感影像波段中，反射值為第三通道和第四通道，在Landsat8 OLT_TIRS 遙影像波段中，反射值為第四通道和第五通道。最后的輸出結(jié)果是灰圖像，較亮的部分表明其植被長(zhǎng)勢(shì)較好，覆蓋度較高。

2.3 植被覆蓋度估算

（1）像元二分模型原理。

假設(shè)一個(gè)像元的地表由有植被覆蓋部分地表與無(wú)植被覆蓋部分地表組成，而遙感傳感器觀測(cè)到的光譜信息也由這兩個(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。

像元二分模型實(shí)際上是基于Ssoil與SvegP這2個(gè)調(diào)節(jié)因子秘做的線性拉伸，即將大氣、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。

（2）NDVI估算植被覆蓋度。

基于歸一化植被指數(shù)（NDVI）對(duì)綠色植被表現(xiàn)敏感，能更好的適應(yīng)植被蓋度稀疏和蓋度差異懸殊的地區(qū)，應(yīng)用比較廣泛，常被用來(lái)進(jìn)行區(qū)域植被狀態(tài)調(diào)查。公式如下：

VFC=（（NDVI）-（NDVI）min）/（（NDVI）max-（NDVI）min）式中：

VFC為植被覆蓋度；（NDVI）min，（NDVI）max分別為最小、最大歸一化植被指數(shù)值。（NDVI）min=NDVIsoil+噪聲DN值，（NDVI）max=NDVIveg-噪聲DN值。

通常NDVI的正常值在-1～1之間，提取中可能會(huì)存在異常值（小于-1或大于1）的情況，需要對(duì)異常值進(jìn)行處理，方法有兩種：一是異常值存在不多時(shí)，通過波段運(yùn)算，在bandmath中輸入：（float（b1） lt （-1））* （-1） +（float（b1） gt 1）*1+（float（b1） ge （-1） and float（b1） le 1）*float（b1）；二是異常值過多時(shí)，在bandmath 中輸入：-1>b1<1。

2.4 植被覆蓋度的分級(jí)

植被覆蓋度的分級(jí)標(biāo)準(zhǔn)，參照“土壤侵蝕分類分級(jí)標(biāo)準(zhǔn)（SL190—96）”中的植被蓋度分級(jí)標(biāo)準(zhǔn)，同時(shí)結(jié)合監(jiān)測(cè)過程中的實(shí)際情況，分為高、中高、中、中低、低5級(jí)。如表2所示。

3 植被覆蓋度提取結(jié)果分析

3.1 成果總體特征分析

結(jié)果分析顯示，研究區(qū)植被覆蓋度整體較低，高植被覆蓋區(qū)主要集中在東部山地以及多處東西向河谷區(qū)域。低植被覆蓋區(qū)面積占比73%左右，中高及高植被覆蓋區(qū)面積占比10%左右，研究區(qū)植被覆蓋度統(tǒng)計(jì)表如表3，研究區(qū)植被覆蓋度占比圖1所示。

3.2 成果空間變化特征分析

2008—2014年，植被覆蓋度主要變化特征為，東部山地依然保持為高植被覆蓋集中區(qū)，但是東部山區(qū)省界處植被覆蓋略有降低；東南部山區(qū)以及多處東西向河谷地區(qū)植被覆蓋度提升明顯。整體呈現(xiàn)出西部平原河谷區(qū)植被覆蓋度提升、東部山區(qū)略有下降的特點(diǎn)。

2014—2018年，植被覆蓋度主要變化特征為，東部山區(qū)高植被覆蓋區(qū)形成連片大面積閉合區(qū)域，植被覆蓋度提升明顯；南部人類聚集區(qū)的河谷地帶植被覆蓋度有所下降。整體呈現(xiàn)植被覆蓋度東部山區(qū)上升，河谷人類聚居區(qū)下降的特點(diǎn)。如圖2所示。

對(duì)變化原因進(jìn)行簡(jiǎn)要分析，認(rèn)為數(shù)據(jù)時(shí)相對(duì)各年度植被覆蓋度變化具有重要影響。2008年與2014年數(shù)據(jù)時(shí)相為11月份，2018年為7月份。受數(shù)據(jù)時(shí)相影響，西部平原河谷區(qū)農(nóng)作物播種與長(zhǎng)勢(shì)情況差異顯著，東部山區(qū)自然植被同樣會(huì)受到部分影響。

3.3 成果空間變化程度分析

2008—2014年，低植被覆蓋區(qū)面積占比減少9.32%，占研究區(qū)總面積的7.34%；中植被覆蓋區(qū)面積減少33.45%，占研究區(qū)總面積的2.47%。同時(shí)，中低植被覆蓋區(qū)面積增加68.63%，占研究區(qū)總面積的5.02%；高植被覆蓋區(qū)面積增加69.97%，占研究區(qū)總面積的3.9%。整體來(lái)看，上述6年間，該區(qū)域植被覆蓋度存在上升趨勢(shì)。

2014—2018年，低植被覆蓋區(qū)面積占比增加2.69%，占研究區(qū)總面積的1.93%；高被覆蓋區(qū)面積減少21.36%，占研究區(qū)總面積的2.02%，上述4年間，該區(qū)域植被覆蓋度存在下降趨勢(shì)。

總體來(lái)看，研究區(qū)三年度不同地區(qū)植被覆蓋度存在“此消彼長(zhǎng)”的特征，即平原河谷農(nóng)作物種植區(qū)植被覆蓋度呈現(xiàn)先增加后減少的特征，而東部山區(qū)植被覆蓋度呈現(xiàn)先減少后增加的特點(diǎn)。但同時(shí)，各年度各類型植被覆蓋度面積總量占比相對(duì)平穩(wěn)。均為低植被覆蓋區(qū)面積占比最大，其次為中低植被覆蓋區(qū)，中高植被覆蓋區(qū)面積占比最小。如表4所示。

4 結(jié)語(yǔ)

（1）植被覆蓋度整體較低。

受到當(dāng)?shù)貧夂驐l件等因素影響，研究區(qū)植被覆蓋度整體較低，2008、2014以及2018年度，該地區(qū)低植被覆蓋區(qū)面積占比均在73%左右，中高及高植被覆蓋區(qū)面積占比10%左右。

（2）高植被覆蓋區(qū)主要集中在山區(qū)及平原河谷區(qū)。

根據(jù)調(diào)查結(jié)果顯示，高植被覆蓋區(qū)主要集中在東部山地以及多處東西向河谷區(qū)域。東部山區(qū)主要以林地分布為主，而東西向河谷區(qū)域同時(shí)也是當(dāng)?shù)厝祟惥劬訁^(qū)，除部分天然植被以外，農(nóng)作物的耕種也是該區(qū)域植被覆蓋度較高的主要原因。

（3）平原河谷區(qū)植被以耕地為主，植被覆蓋度變化受人工影響顯著。

根據(jù)調(diào)查結(jié)果顯示，受到不同月份的影響，研究區(qū)平原河谷區(qū)植被覆蓋度存在較為顯著的變化。結(jié)合高分辨率遙感影像判讀，可見該區(qū)域農(nóng)作物為主要的植被類型，天然植被占比相對(duì)較低。

參考文獻(xiàn)

[1] 胡振琪，陳濤.基于ERDAS的礦區(qū)植被覆蓋度遙感信息提取研究[J].西北林學(xué)院學(xué)報(bào)，2008，23（2）：164-167.

[2] 賈維花，廉麗姝，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，2012：12.

[3] 張曉東，劉湘南，趙志鵬.基于像元二分法的鹽池縣植被覆蓋度與地質(zhì)災(zāi)害點(diǎn)時(shí)空格局分析[J].國(guó)土資源遙感，2018，30（2）：195-201.

[4] 張宇婷，張振飛.新疆大南湖荒漠1992—2014年間植被覆蓋度遙感研究[J].國(guó)土資源遙感，2018，30（1）：187-195.

[5] 楊錢，席武俊.基于Landsat影像的楚雄市2002—2016年植被覆蓋度變化研究[J].世界生態(tài)學(xué)，2018，7（3）：143-152.