论文部分内容阅读
摘 要：文章以蚌埠市2007年，2017年两景同期的遥感影像为主数据源，以ENVI5.1遥感软件为平台，对蚌埠市2007年至2017年这期间的植被覆盖度变化进行遥感反演及分析。首先采取计算植被指数的方法来提取植被；然后根据李苗苗等提出的像元二分法提取植被覆盖度并根据密度分级；接着将两期提取的植被覆盖度结果图做遥感动态监测，最后结合两者做统计和分析。结果表明：蚌埠市的植被覆盖较为集中的区域，覆盖度有所下降；而曾经植被覆盖较为稀疏的区域，覆盖度有所增长，从总体上来说，研究区植被覆盖度呈增长趋势。
关键词：归一化差分植被指数；像元二分法；动态监测
近年来，随着遥感技术的不断发展，利用遥感技术监测植被覆盖度反演的案例也逐渐增多。本文以安徽省蚌埠市为研究区域，从植被覆盖的角度出发，基于归一化植被指数的方法并结合像元二分法，监测蚌埠市十年来的植被覆盖度变化。
1.研究区概况和数据预处理
蚌埠市坐落于安徽省北部，南北地理分界线秦岭—淮河一线上，季节分明，年平均降水量较为丰富，光照充足，无霜期较长，为植被生长提供了十分有利的前提條件。
为了排除季节对植被覆盖的影响因素和保证信息提取的质量，选择的影像通常选取5月至10月的影像，这个时间段的植被长势最好，易于观察。本文采用的是通过地理空间数据云下载得到蚌埠市2007年8月的Landsat5影像和2017年9月的Landsat8影像，成像时天气状况均良好，云量较少、植被光谱信息较为显著，更容易判读。首先使用 ENVI5.1 软件分别对两幅蚌埠市的遥感影像数据进行辐射定标、几何校正、大气校正，然后裁剪出研究区影像图[1]。以2007年蚌埠市影像图为例。
2.数据处理
本次研究对于植被信息的提取采取的是归一化植被指数的方法，首先，利用ENVI自带的NDVI功能进行计算。其计算公式为：
（1）
然后利用的是李苗苗等在像元二分模型的基础上研究的方法，公式见公式（2）：
（2）
其中，NDVIsoil是指区域内全部是裸土或没有植被覆盖的NDVI值，NDVIveg是指地区被植被完全覆盖的NDVI值[2]。计算公式见公式（3）、（4）：
（3）
（4）
当区域内近似取VFCmax=100%，VFCmin=0%时，公式（2）可变为：
（5）
对于NDVImin和NDVImax的赋值可由ENVI的统计分析功能来实现，本文取累积概率为5%至95%的灰度值数据进行计算。当NDVI小于NDVImin时，VFC全部赋值为0；当NDVI大于NDVImax时，VFC全部赋值为1；介于两者之间的像元使用公式（5）计算。
由于结果图是个单波段的图像文件，为了更加直观的观察出植被的覆盖度情况，对两幅遥感影像做密度分割和统计分析。将研究区按植被覆盖度从低到高划分分别赋予白、黄、青、浅绿、绿色。统计结果见表1。
表1 植被覆盖度面积百分比统计表
植被覆盖度 2007覆盖率/% 2017覆盖率/%
低（0-0.2） 11 7.4
较低（0.2-0.4） 5.2 7.7
中（0.4-0.6） 10.8 13
中高（0.6-0.8） 24.7 24.6
高（0.8-1） 48.3 46.3
为了更加精准的得出蚌埠市这十年来的植被变化情况，需要检测2007年和2017年这两个时相影像的增加和减少的两种变化信息，从而获取地表植被绝对变化信息。利用Image Change Workflow直接比较法来获取植被变化信息。以2007年的影像图为基础，可用红色区域表示为植被减少，蓝色区域表示植被增加。
3.结论
结合表1可以得出：北部和中部的植被覆盖度十年间有小幅度降低，而西南部和东部地区的很多低植被覆盖区域的植被覆盖度大幅度增加。曾经植被覆盖较为集中的区域，现在覆盖度有所下降，而曾经植被覆盖较为稀疏的区域，覆盖度有所增长，从总体上来说，研究区植被覆盖度呈增长趋势[3]。由于受影像空间分辨率的影响，对研究区的植被覆盖度遥感反演与分析主要是从宏观角度来进行的，具有一定的局限性。但是本次研究成果可为蚌埠市城市建设和规划提供一定的参考和借鉴，同时对于蚌埠市以后的植被覆盖度的研究具有一定的参考价值。
参考文献
[1]王艳.基于多源数据的洪灾区域快速提取方法研究[D].江西理工大学，2015.
[2]王婧.山西省浑源县植被覆盖度的遥感估算及其动态研究[D].太原理工大学，2012.
[3]王婧.基于TM数据的北京市植被覆盖度反演及分析[J].科技与企业，2016（04）：116.
关键词：归一化差分植被指数；像元二分法；动态监测
近年来，随着遥感技术的不断发展，利用遥感技术监测植被覆盖度反演的案例也逐渐增多。本文以安徽省蚌埠市为研究区域，从植被覆盖的角度出发，基于归一化植被指数的方法并结合像元二分法，监测蚌埠市十年来的植被覆盖度变化。
1.研究区概况和数据预处理
蚌埠市坐落于安徽省北部，南北地理分界线秦岭—淮河一线上，季节分明，年平均降水量较为丰富，光照充足，无霜期较长，为植被生长提供了十分有利的前提條件。
为了排除季节对植被覆盖的影响因素和保证信息提取的质量，选择的影像通常选取5月至10月的影像，这个时间段的植被长势最好，易于观察。本文采用的是通过地理空间数据云下载得到蚌埠市2007年8月的Landsat5影像和2017年9月的Landsat8影像，成像时天气状况均良好，云量较少、植被光谱信息较为显著，更容易判读。首先使用 ENVI5.1 软件分别对两幅蚌埠市的遥感影像数据进行辐射定标、几何校正、大气校正，然后裁剪出研究区影像图[1]。以2007年蚌埠市影像图为例。
2.数据处理
本次研究对于植被信息的提取采取的是归一化植被指数的方法，首先，利用ENVI自带的NDVI功能进行计算。其计算公式为：
（1）
然后利用的是李苗苗等在像元二分模型的基础上研究的方法，公式见公式（2）：
（2）
其中，NDVIsoil是指区域内全部是裸土或没有植被覆盖的NDVI值，NDVIveg是指地区被植被完全覆盖的NDVI值[2]。计算公式见公式（3）、（4）：
（3）
（4）
当区域内近似取VFCmax=100%，VFCmin=0%时，公式（2）可变为：
（5）
对于NDVImin和NDVImax的赋值可由ENVI的统计分析功能来实现，本文取累积概率为5%至95%的灰度值数据进行计算。当NDVI小于NDVImin时，VFC全部赋值为0；当NDVI大于NDVImax时，VFC全部赋值为1；介于两者之间的像元使用公式（5）计算。
由于结果图是个单波段的图像文件，为了更加直观的观察出植被的覆盖度情况，对两幅遥感影像做密度分割和统计分析。将研究区按植被覆盖度从低到高划分分别赋予白、黄、青、浅绿、绿色。统计结果见表1。
表1 植被覆盖度面积百分比统计表
植被覆盖度 2007覆盖率/% 2017覆盖率/%
低（0-0.2） 11 7.4
较低（0.2-0.4） 5.2 7.7
中（0.4-0.6） 10.8 13
中高（0.6-0.8） 24.7 24.6
高（0.8-1） 48.3 46.3
为了更加精准的得出蚌埠市这十年来的植被变化情况，需要检测2007年和2017年这两个时相影像的增加和减少的两种变化信息，从而获取地表植被绝对变化信息。利用Image Change Workflow直接比较法来获取植被变化信息。以2007年的影像图为基础，可用红色区域表示为植被减少，蓝色区域表示植被增加。
3.结论
结合表1可以得出：北部和中部的植被覆盖度十年间有小幅度降低，而西南部和东部地区的很多低植被覆盖区域的植被覆盖度大幅度增加。曾经植被覆盖较为集中的区域，现在覆盖度有所下降，而曾经植被覆盖较为稀疏的区域，覆盖度有所增长，从总体上来说，研究区植被覆盖度呈增长趋势[3]。由于受影像空间分辨率的影响，对研究区的植被覆盖度遥感反演与分析主要是从宏观角度来进行的，具有一定的局限性。但是本次研究成果可为蚌埠市城市建设和规划提供一定的参考和借鉴，同时对于蚌埠市以后的植被覆盖度的研究具有一定的参考价值。
参考文献
[1]王艳.基于多源数据的洪灾区域快速提取方法研究[D].江西理工大学，2015.
[2]王婧.山西省浑源县植被覆盖度的遥感估算及其动态研究[D].太原理工大学，2012.
[3]王婧.基于TM数据的北京市植被覆盖度反演及分析[J].科技与企业，2016（04）：116.