基于3S技術的甘南草地覆蓋度動態變化研究

王浩，李文龍＊，杜國禎，朱曉麗

（1.蘭州大學草地農業科技學院 草地農業生態系統國家重點實驗室，甘肅 蘭州730020；2.蘭州大學干旱與草地生態教育部重點實驗室，甘肅 蘭州730000）

＊植被是陸地生態系統的主要組分，是生態系統變化的指示器。在世界陸地面積中，林地約占30%，草地占25%，耕地占12%左右。這些綠色植物，對保護生態環境和生態的良性循環，發揮著巨大的作用。我國是世界上第二草地大國，草地面積占世界草地面積的12.4%，總面積為4億hm2，其中北方3.13億hm2。我國草地面積占國土面積的41%，為耕地面積的2倍，對我國邊疆民族的繁榮昌盛、生態環境的保護和畜牧飼養業的發展，都發揮著重要的作用［1］。

植被覆蓋度是反映植被基本情況的客觀指標，在許多研究中常將其作為基本的參數或因子。植被覆蓋度極其精確測算研究主要具有以下意義：1）作為科學研究必要的基礎數據，為生態、水保、土壤、水利、植物等領域的定量研究提供基礎數據，確保相關研究成果、模型理論更加科學可信；2）作為生態系統變化的重要標志，為區域或全球性地表覆蓋變化、景觀分析等前沿問題的研究提供指示作用，促進自然環境研究不斷深入發展。

根據監測手段，測量植被覆蓋度的方法可分為地面測量和遙感測量2種方法［2］。地面測量法又可分為目估法、采樣法、儀器法和模型法；遙感測量又分為回歸模型法、植被指數法和像元分解法［3］。其中遙感測量方法的出現，使得大面積，大區域植被指數提取及監測成為可能，因此正逐漸成為近來研究的熱點，得到了廣泛的應用［4－6］。

首先描述植被覆蓋度地面測量方法的是Muller和Pleters［7］。Dymond等［8］使用柵格點采樣法測量了草地的植被覆蓋度；Elvidge和Chen［9］使用相片隨機取點法測量了灌木與林木的植被覆蓋度；Purevdor等［10］使用截點法測量植被覆蓋度。儀器法中Zhou和Robson［11］利用數碼相機獲得植被覆蓋的數碼照片，并通過光譜紋理分類器自動監測草地植被覆蓋度。Cosh和Brutsaert［12］使用農業數碼相機對美國干旱生態系統植被覆蓋度進行了長期監測，獲得了準確有效的結果。遙感測量方面Graetz等［13］基于MSS5波段，用線性回歸的方法估計了澳大利亞南部半干旱地區不同區域的植被覆蓋度，簡單線性回歸方程的2個參數因區域的不同而有所不同；Shoshany和Lavee［14］在密西西比河與干旱生態系統之間的氣候突變區域，運用TM遙感前4個波段的直接光譜信息，建立了估算植被覆蓋度的多元線性模型，模型相關系數達到了0.88，并認為這種模型適合存在很大氣候梯度的區域。Dymond等［15］在新西蘭地區用SPOT影像建立了植被覆蓋度與NDVI的非線性模型，并利用該模型估計了新西蘭地區的植被覆蓋度。

我國有關植被覆蓋的研究也取得了長足的發展，估算法簡單易行，我國過去許多歷史資料中的植被覆蓋度均是用該方法獲得的。但目測估算法主觀隨意性大，精度與測量者的經驗密切相關。章文波等［16］對目測估算的精度研究結果表明，個人目測估算植被覆蓋度的最大絕對誤差可達40%。隨著遙感技術的發展，空間測量越來越多的應用于植被覆蓋度的研究之中。我國的線形回歸模型法估算植被覆蓋度大都是基于植被指數進行的。池宏康［17］通過分析沙地反射機理，建立了鄂爾多斯高原地區沙地油蒿（Artemisiaordosica）群落蓋度與修正后的土壤調節植被指數（MSAVI）之間的線性關系模型。查勇［18］在環青海湖地區研究時，首先以地面遙感的反演結果為基礎，對TM 影像進行校準，即：IX＝（MX－Mmin）（Imax－Imin）／（Mmax－Mmin）＋Imin，式中，I為影像值；M為實測光譜值。然后建立了草地實測植被覆蓋與校準的NDVI之間的相互關系，實現了從地面遙感到空中遙感的轉變，取得了良好的效果。楊勝天等［19］則用SPOT5和QuickBird遙感圖像對“北京一號”提取的植被覆蓋度進行了修正，精度比只應用植被指數轉換的模型提高了22.7%。陳晉等［20］則在Gutman和Ignatov［21］研究的基礎上，基于土地覆蓋分類選擇合適的亞像元結構在北京市海淀區進行了植被覆蓋度的估算，相對Gutman和Ignatov［21］單純使用等密度亞像元模型，估算精度提高了5.8%。

1 材料與方法

1.1 研究區概況

研究區甘南藏族自治州是全國十個藏族自治州之一，地處青藏高原東北邊緣，南與四川阿壩州相連，西南與青海黃南州、果洛州接壤，東面和北部與本省隴南、定西、臨夏毗鄰，地理坐標位于33°06′～36°10′N，100°46′～104°44′E。全州總面積4.5萬km2，處于青藏高原和黃土高原過渡地帶，地勢西北部高，東南部低。境內海拔1 100～4 900m，大部分地區在3 000m以上。全州分3個自然類型區，南部為岷迭山區，群巒疊嶂，山大溝深，氣候比較溫和，是全省重要林區之一；東部為丘陵山地，高寒陰濕，農林牧兼營；西北部為廣闊的草甸草原，是全省主要牧區。甘南州草地類型主要有暖性草叢、溫性草甸草原、溫性草原、高寒草甸、高寒灌叢草甸、低平地草甸類和沼澤。州府合作市海拔2 960m，平均氣溫1.7℃，沒有絕對無霜期。自治州成立于1953年，轄夏河、瑪曲、碌曲、卓尼、迭部、臨潭、舟曲七縣和合作市，99個鄉（鎮、街道辦）。州內有藏、漢、回、土、蒙等24個民族，總人口68.01萬，其中藏族36.7萬，占總人口的54.0%；農牧業人口55.0萬，占總人口的80.9%［22，23］。

1.2 數據處理

遙感數據使用 NASA／MODIS（national aeronautics and space administration／moderate resolution imaging spectroradiometer，美國宇航局／中分辨率影像輻射度計）2002，2004，2006，2008年6月25日—8月28日的8d合成地表反射率數據產品（MOD09A1），分辨率為500m×500m，空間位置在全球正弦曲線投影SIN（sinusoidal projection）系統中的軌道編號為h26v05，該數據可以從NASA對地觀測系統數據共享平臺下載。另有甘南州行政邊界圖（圖1），甘南州土地利用圖和土壤類型圖，土地利用圖和土壤類型圖由蘭州大學草地農業科技學院草地遙感實驗室提供。

由于下載的MODIS數據影像中存在云覆蓋部分，會對估算結果產生影響，所以需要消除云區域對圖像的影響。利用ArcGIS 9.2軟件，在計算植被指數之前采用多景影像融合算法（最大像元法）將每月數據進行合成，以其他影像中的無云區域替代估算影像中的云及云影區域，以提高估算精度并且得到該月最大植被指數合成圖像。最后將每月合成影像繼續用最大像元法進行合成，得到每年最大NDVI指數圖像進行蓋度分析。

1.3 研究方法

1.3.1 植被覆蓋度遙感監測模型 植被指數的建立是基于植被在紅光和近紅外波段反差較大的光譜特征。植被在紅光波段，隨著植被的生長，其反射的紅光能量降低。另一方面，植被對近紅外波段的輻射吸收較少，反射的近紅外波段的能量隨著植被的生長而增加。由于經植被冠層反射到達衛星傳感器的輻射量與太陽輻射、大氣條件、植被冠層結構等因素有關，因此常采用2個或多個探測通道的衛星數據的組合來建立植被指數。在多種定義的植被指數中，歸一化植被指數（NDVI）是應用最廣泛的一種。它被定義為近紅外波段與可見光紅波段數值之差和這2個波段數值之和的比值。由MODIS的第1波段（紅光波段）和第2波段（近紅外波段）生成的NDVI的計算公式為：

式中，CH2為近紅外波段的反射率，CH1為紅光波段的反射率［24］。

比值形式的NDVI可以消除大部分與儀器定標、太陽角、地形、云陰影和大氣條件有關的輻照度變化，增強了對植被的響應能力。因此，它是監測地區或全球植被和生態環境的有效指標，是植物生長狀態以及植物生長空間分布密度的最佳指示因子，與植物分布密度呈線性相關［25］。

圖1 甘南藏族自治州Fig.1 The location map of Gannan

1.3.2 估算植被覆蓋度 利用像元二分模型估算植被覆蓋度。像元二分模型對影像輻射訂正的影響不敏感，且計算簡便、結果可靠，因此得到了廣泛應用。其基本原理是假定一個像元信息（S）只由植被和土壤兩部分所貢獻，分別記為SV和SS。NDVIsoil代表著純土壤覆蓋像元的最小值，它應該是不隨時間改變的，對于大多數類型的裸地表面，理論上應該接近0。由于地表濕度、粗糙度、土壤類型、土壤顏色等條件的不同，NDVIsoil會隨著時空而變化，為－0.1～0.2；NDVIveg代表著純植被覆蓋像元的最大值，理論上應該為1。由于植被類型的不同等因素，NDVIveg值也會隨著時間和空間而改變。因此，在實際應用中，NDVIsoil和NDVIveg都是從MODIS影像計算得到的。設植被覆蓋度為FC，純植被覆蓋信息為Sveg，純土壤覆蓋信息為Ssoil，則有SV＝FC·Sveg和SS＝（1－FC）·Ssoil，又因S＝SV＋SS，所以有：

把NDVI同像元二分模型相結合，得到基于NDVI的植被覆蓋度像元二分模型：

式中，FC為所求的植被覆蓋度，NDVI為像元的歸一化植被指數。

1.3.3NDVIsoil與NDVIveg的取值 假設集合A中有2個像元a1與a2，它們的植被覆蓋度已知分別為fc1與fc2，分別對這2個像元使用公式：

對此方程組中的NDVIsoil與NDVIveg求解得：

原則上像元a1和a2可以取集合中的任意像元，但從公式（7）可以看出，如果fc2－fc1的值越大，則計算所得的NDVIsoil與NDVIveg的誤差越小。當fc1取0且fc2取1時，此時像元1為無植被像元，而像元2為完全植被覆蓋像元，將fc1與fc2代入公式（7）與（8），得到NDVIsoil＝NDVI1，NDVIveg＝NDVI2，正好符合NDVIsoil與NDVIveg的定義。

由于對每個像元集合A而言都不可能找到無植被像元與完全植被覆蓋的像元，因此在對集合A進行植被覆蓋度的估算時，取NDVI1為集合中像元NDVI最小的值，NDVI2為集合中像元NDVI的最大值，由于NDVI與fc具有線性關系，此時它們所對應的fc1與fc2也應當是集合中像元植被覆蓋度的最小值與最大值。用fcmin表示fc1，fcmax表示fc2。此時fcmin和fcmax也不一定分別為0和1。也就是說，取a1為集合A中具有NDVI最小值的像元，a2為集合A中具有NDVI最大值的像元。取NDVI1為NDVImin，NDVI2為NDVImax，fc1取fcmin，fc2取fcmax，代入公式（7）和（8），得到公式（9）和（10）：

此時就需要確定fcmax、fcmin、NDVImax與NDVImin這4個參數，fcmax與fcmin即估計集合A中像元植被覆蓋度可能的最大值與最小值。植被覆蓋度的最大值和最小值與地區、時相、圖像空間分辨率和植被類型等有關系。不同的地區，植被覆蓋度的最大值會有所不同，而對于本研究而言，由于研究區為連片的草地，且時相均為夏季，因此該研究中的植被覆蓋度最大值可以達到100%。研究區又存在水體和沙地，所以植被覆蓋度的最小值可以近似取0。

當fcmax可以近似取得100%，且fcmin可以近似取得0時，將參數fcmax與fcmin代入公式（9）、（10）得：

此時，NDVIsoil就等于NDVImin，而NDVIveg就等于NDVImax。

由于遙感影像中存在噪聲的影響，可以產生過高或過低的NDVI值，如果用這些值來計算植被覆蓋度會得到錯誤的結果，為了避免發生這些錯誤，在對NDVImin與NDVImax取值時，并不直接取集合A中的NDVI最大值與最小值，而是取給定置信度的置信區間內的最大值與最小值。置信度的取值主要由圖像大小，圖像清晰度等情況來確定。置信度的選取要保證取到集合中NDVI的最大值和最小值，并且要保證集合中有足夠的像元個數，以滿足NDVI最大值的像元植被覆蓋度可以達到100%，具有NDVI最小值的像元植被覆蓋度可以達到0。因此對于那些像元個數不夠多的集合，就需要將它們并入其他集合。

1.4 甘南州植被覆蓋度計算

圖2 植被覆蓋度計算流程Fig.2 Flow chart of calculation of vegetation coverage

1.4.2 甘南植被覆蓋度估算結果 通過利用二分像元模型法估算得到甘南州2002，2004，2006，2008年的植被覆蓋度。根據甘南土地利用類型圖及估算的植被覆蓋度圖，以及國家“土地利用現狀調查技術規程”，全國“草場資源調查技術規程”，“全國沙漠類型劃分原則”的條款為指導依據，并結合甘南植被特有的生態特征，將甘南植被覆蓋度分級。

一級：植被覆蓋度大于60%，高產草地，密灌木地，密林地，屬于優等覆蓋、高覆蓋度植被。二級：植被覆蓋度為30%～60%，為中高產草地，中高覆蓋度。三級：植被覆蓋度為15%～30%，中低產草地，沼澤類草地，中覆蓋度。四級：5%～15%，相當于強度侵蝕區，輕度沙漠化土地、中產草地、低郁閉度林地，零星植被，差覆蓋度。五級：植被覆蓋度小于5%，相當強度、中度沙漠化土地、裸巖、居民地、水體、裸土，低產草地，屬劣等覆蓋。

由于甘南地區近年來一直在實行“退耕還林”政策，所以林地面積逐年增加，又因為本研究所取時間段為2002－2008年，所以2008年時，研究區域在研究時間段內林地面積已為最大值。因此，采用2008年土地利用類型圖，將林地部分從統計結果中去除，以避免人為因素對植被覆蓋度統計結果的影響。2008年土地利用類型圖，由蘭州大學草地農業科技學院草地遙感實驗室依據2008年甘南TM遙感影像繪制而成。

2 結果與分析

2.1 以NDVI為依據的覆蓋度分級圖

甘南州2002，2004，2006，2008年以NDVI為依據的覆蓋度分級圖如圖3所示。

2.2 精度檢驗

在計算覆蓋度之前，為保證計算結果的準確性，事先對甘南地區進行了監督分類，將甘南地區分為植被與非植被兩部分。其中植被部分用來計算覆蓋度，非植被部分則在計算完成后，按照分級標準一并歸于覆蓋度小于5%的第5等級之中。利用分類誤差矩陣對監督分類的準確性進行了檢驗，分類誤差矩陣可以說明選擇區域中有多少個像元分別屬于相應的類別。從分類誤差總體的百分比來說，如果誤差矩陣值小于85%，則分類模板的精度太低，需要重新建立。所以對甘南地區的監督分類，均是在保證其誤差矩陣值大于85%的情況下進行的，因此分類結果較為準確。

為檢驗估算結果的精確性，利用2006和2008年實測數據與估算數據進行對比。實測數據采集于7月10日－7月25日，采集時利用1m×1m的樣方，每個實測點采集重復3次。由于實測數據所選樣方大小為1m×1 m，而MODIS影像數據像元大小為500m×500m，所以在選取實測數據樣點時，利用甘南地區高程數據對樣點所處位置進行篩選，當樣點位于坡度小于10°地區時，可視為該地區地勢較為平緩，與MODIS數據具有可比性，予以選用。實測數據由傳統樣方法獲得，具有采樣點的經緯度坐標，利用實測數據的經緯度坐標在ArcGIS軟件下提取估算結果影像中的覆蓋度信息并和實測數據進行比較，檢驗估算結果的精確性。精度檢驗結果見表1，2，其中樣點編號為所選取樣點在所有采樣點中的順序。

神話是文化的一部分，與文化生活的其余部分密切聯系在一起；……在一個神話產生的當時，也許是根據一件歷史事件、或憑空杜撰的事件，來說明當時的文化或代表當時的觀念。文化社會改變以后，神話也跟著變；縱使事件的內容仍舊，其看法與事件之間的關系與敘述方式，則隨時“跟著時代走”。[注]張光直：《中國創世神話的古史分析》，馬昌儀編：《中國神話學文論選萃》下編，中國廣播電視出版社，1994年，第44頁。

圖3 2002－2008年甘南植被覆蓋度分級圖（已去除林地）Fig.3 Vegetation coverage classification map of Gannan 2002－2008（Without forest）

2008年估算值平均為93%，實測值平均為90%，誤差值平均為7%（表1），2006年估算值平均為94%，實測值平均為91%，誤差值平均為9%（表2），說明利用遙感二分像元模型對甘南州植被覆蓋度進行估算具有可行性。

2.3 植被覆蓋度年際變化

通過估算甘南州2002，2004，2006和2008年的植被部分覆蓋度并在ERDAS IMAGINE軟件下對各植被部分覆蓋度圖進行屬性統計，結果表明，2002年甘南州平均植被覆蓋度為61.27%，2004年為63.32%，2006年為63.65%，2008年為62.25%。

2.4 各年度分級植被覆蓋度變化

通過統計并計算甘南2002，2004，2006和2008年的各級植被覆蓋度并對2002與2008年，2006與2008年各級植被覆蓋度面積和所占比例進行比較（表3）。

表1 2008年植被覆蓋度估算值與實測值對照Table 1 The contrast between estimation value and ground truth value of vegetation cover in 2008

表2 2006年植被覆蓋度估算值與實測值對照Table 2 The contrast between estimation value and ground truth value of vegetation cover in 2006

表3 2002，2004，2006，2008年各級植被覆蓋度面積及變化Table 3 Area and vegetation changes of different levels in 2002－2008

研究結果顯示，從長時間尺度上看，自2002－2008年，甘南面積變化最大的為五級植被，轉出372 753.63 hm2，轉入458 652.69hm2，面積增加85 899.06hm2。面積變化最小的為一級植被，轉出626 071.59hm2，轉入630 749.52hm2，面積增加4 677.93hm2。轉化率最大的植被等級為五級，有15.02%的植被發生了改變。轉化率最小的為一級植被，有0.38%的植被發生了改變。

從每2年為一周期的均勻時間尺度上看，2002－2004年，面積變化最大的為五級植被，增加了133 051.5 hm2；面積變化最小的為一級植被，增加了16 861.86hm2。轉化率最大的為二級植被，達24.12%；轉化率最小的為一級植被，轉化了1.36%。2004－2006年，面積變化最大的為五級植被，減少了43 532.73hm2；面積變化最小的為三級植被，增加了10 102.41hm2。轉化率最大的為四級植被，達11.57%；轉化率最小的為一級植被，轉化了1.71%。2006－2008年，面積變化最大的為四級植被，減少了40 850.55hm2；面積變化最小的為五級植被，減少了3 619.71hm2。轉化率最大的為四級植被，達15.61%；轉化率最小的為五級植被，轉化了0.55%。

2.5 甘南各植被覆蓋度等級分布動態變化

在ArcMap 9.2空間分析模塊下對甘南2002，2004，2006，2008年植被覆蓋度每2年為1期進行運算，得到2002－2008年各植被覆蓋度等級面積的轉移矩陣。轉移矩陣可以定量地描述各覆蓋度等級之間的相互演變情況。各年度各覆蓋度等級間的轉移矩陣見表4～7。

表4 2002－2008年各植被覆蓋度等級轉移矩陣Table 4 The vegetation coverage level transfer matrix，2002－2008

從2002－2008年，甘南一級植被轉出面積為626 071.59hm2，其中189 259.74hm2由一級植被演變為二級植被，占總轉出面積的30.23%，255 696.48hm2由一級植被演變為五級植被，占總轉出面積的40.84%；一級植被轉入面積為630 749.50hm2，一級植被總體轉出面積略小于轉入面積，但轉出面積中向低等級覆蓋演變比例較大；二級植被覆蓋轉出面積為420 860.88hm2，其中224 749.53hm2由二級植被演變為一級植被，占總轉出面積的54.4%，轉入面積348 439.8hm2，主要轉入面積189 259.74hm2，占轉入面積的54.32%，主要為一級植被轉入。說明二級植被主要與一級植被發生轉換，但轉出大于轉入；三級植被轉出255 630.15hm2，其中主要轉出面積113 286.42hm2，占轉出面積的44.32%，主要轉出為一級植被；三級植被轉入面積216 017.28hm2，其中主要轉入面積97 696.71hm2，占轉入面積的45.23%，主要由一級植被轉入。四級植被轉出178 358.94hm2，主要轉出79 162.02hm2，占轉出面積的44.38%，主要由四級植被轉為一級植被。轉入面積為199 815.93hm2，其中主要轉入83 418.66hm2，占轉入面積的41.75%，主要由一級轉入。五級植被轉出372 753.63hm2，主要轉出面積213 551.55hm2，占轉出面積的57.29%，主要轉出為一級植被，五級植被轉入面積為458 652.69hm2，主要轉入255 696.48hm2，占轉入面積的55.75%，主要由一級植被轉入。五級植被總體轉入大于轉出，以轉入為主。

表5 2002—2004年各植被覆蓋度等級轉移矩陣Table 5 The vegetation coverage level transfer matrix，2002－2004

表6 2004—2006年各植被覆蓋度等級轉移矩陣Table 6 The vegetation coverage level transfer matrix，2004－2006

從2006－2008年，甘南一級植被轉出面積為609 411.78hm2，其中225 339.03hm2由一級植被覆蓋轉為五級植被覆蓋，占轉出面積的36.98%。一級植被轉入面積618 680.16hm2，其中236 301.30hm2由五級轉入，占轉入面積的38.19%。從2006－2008年，甘南一級植被覆蓋轉入略大于轉出。二級植被覆蓋轉出面積337 795.29hm2，其中主要轉出185 160.78hm2，占轉出面積的54.81%，主要從二級植被覆蓋轉為一級植被覆蓋；二級植被覆蓋轉入面積363 689.28hm2，其中有194 029.02hm2由一級轉入，占轉入面積的53.35%。三級植被覆蓋轉出面積212 705.37hm2，其中主要轉出93 993.93hm2，主要從三級植被覆蓋轉為一級植被覆蓋，占轉出面積的44.19%；三級植被覆蓋轉入面積222 013.26hm2，其中101 591.55hm2由一級轉入，占轉入面積的45.76%。從2006－2008年甘南三級植被覆蓋以轉入為主。四級植被覆蓋轉出232 693.47hm2，其中60 887.52 hm2轉出為五級植被覆蓋，占轉出面積的26.17%；四級植被轉入面積191 842.92hm2，其中88 452.18hm2由一級轉入，占轉入面積的46.11%。四級植被覆蓋以轉出為主。五級植被覆蓋面積轉出409 253.04hm2，其中236 301.30hm2轉為一級植被覆蓋，占轉出面積的57.74%；五級植被覆蓋轉入405 633.33hm2，其中225 339.03 hm2由一級轉入，占轉入面積的55.55%；五級植被覆蓋面積轉出略大于轉入。

表7 2006—2008年各植被覆蓋度等級轉移矩陣Table 7 The vegetation coverage level transfer matrix，2006－2008

3 討論

本研究利用NDVIsoil和NDVIveg改進指數，對甘南2002，2004，2006，2008年的植被覆蓋度進行了分析計算并進行了精度分析，得到了甘南2002－2008年植被覆蓋度變化的空間動態演變過程和趨勢，結果證明以此種方法對大面積高寒草地覆蓋度變化進行研究是可行且準確的。

用NDVIsoil和NDVIveg改進指數估算得到的植被覆蓋度精確性較高，但是由于實測樣方面積較小，所以不能更好地證明結果的準確性。但足以證明NDVIsoil和NDVIveg改進指數為基礎的估算方法，很好的消除了土壤、地表噪音、儀器定標、太陽角、地形、云陰影和大氣條件等對結果的影響，增強了對植被的響應能力。

由面積變化及轉移矩陣看出，除2006年甘南五級植被覆蓋度面積較2004年大幅減少外，其余各年份甘南五級植被覆蓋面積均為增加趨勢，且為所有覆蓋度等級中增長最快的。一級和三級植被面積變化較小，且一級植被轉化率水平一直很低，說明中覆蓋度植被長勢穩定，高覆蓋度植被雖變化較為平緩，但從轉移矩陣中可以看出，每年都有大量一級植被轉入低覆蓋度等級植被。轉化率最大的植被等級多數時維持在二級、四級或五級植被，除說明五級植被在大幅增加外，同時表明中高及中低覆蓋度等級植被變化劇烈，從轉移矩陣可以看出每年都有大量中高及中低覆蓋度等級植被分別轉向高覆蓋度等級植被和低覆蓋度等級植被。綜合考慮以上結果，高覆蓋度等級植被雖有轉入，但總體質量持續下降，而低覆蓋度等級植被區域（或裸地）則在大量持續增長，說明甘南州植被整體呈退化趨勢。

綜上，以上研究基于多年的甘南植被覆蓋度的計算及空間分析，在今后的研究中，可以考慮更高空間分辨率影像的合成數據應用，進一步提高植被蓋度的提取精度，該研究結果可以為甘南當地牧業可持續發展，草地生態環境保護及生態恢復等研究和相關管理決策提供有效的參考。

［1］任繼周，侯扶江.草業科學的多維結構［J］.草業學報，2010，19（3）：1－5.

［2］陳云浩，李曉兵，史培軍.北京海淀區植被覆蓋的遙感動態研究［J］.植物生態學報，2001，25（5）：588－593.

［3］溫慶可，張增祥，劉斌，等.草地覆蓋度測算方法研究進展［J］.草業科學，2009，26（12）：30－36.

［4］Li W，Xu J，Xu D D.Study on changes in alpine wetland landscape and biodiversity over the eastern Tibetan plateau based on remote sensing technology［J］.Image and Signal Processing（CISP），2010，8：3963－3966.

［5］徐丹丹，李文龍，王迅，等.垂直植被指數的計算和精度分析［J］.蘭州大學學報（自然科學版），2010，46（5）：102－106.

［6］李文龍，薛中正，郭述茂，等.基于3S技術的瑪曲縣草地植被覆蓋度變化及其驅動力［J］.蘭州大學學報（自然科學版），2010，46（1）：85－90.

［7］Muller J F，Pleters C M.Quantitative abundances estimates from bidirectional reflectance measurements［J］.Joural of Geophysical Research，1987，92（4）：617－626.

［8］Dymond J R，Shepherd J D，Qi J.A simple physical model of vegetation reflectance for standardizing optical satellite imagery［J］.Remote Sensing of Environment，2001，77（2）：230－239.

［9］Elvidge C D，Chen Z.Comparison of broad－band and narrow－band red and near－infrared vegetation indices［J］.Remote Sensing of Environment，1995，54（1）：38－48.

［10］Purevdor J T S，Tateishi R，Ishiyama T.Relationships between percent vegetation cover and vegetation indices［J］.International Journal of Remote Sensing，2001，22（17）：3457－3470.

［11］Zhou Q，Robson M.Automated rangeland vegetation cover and density estimation using ground digital images and a spectral—contextual classifier［J］.Remote Sensing，2001，22（17）：3457－3470.

［12］Cosh M H，Brutsaert W.Microscale structural aspects of vegetation density variability［J］.Journal of Hydrology，2003，276：128－136.

［13］Graetz R D，Pech R R，Davis A W.The assessment and monitoring of sparsely vegetated rangelands using calibrated Landsat data［J］.International Journal of Remote Sensing，1988，9（7）：1201－1222.

［14］Shoshany M，Lavee K P.Monitoring temporal vegetation coyer changes in mediterranean and arid ecosystems using a remote sensing technique：case study of the Judean mountain and the Judean desert［J］.Journal of Arid Environments，1996，33（1）：9－21.

［15］Dymond J R，Stephens P R，Newseme P F，etal.Percentage vegetation cover of a degrading rangeland from SPOT［J］.International Journal of Remote Sensing，1992，13（11）：1999－2007.

［16］章文波，符素華，劉寶元.目估法測量植被覆蓋度的精度分析［J］.北京師范大學學報：自然科學版，2001，37（3）：402－408.

［17］池宏康.沙地油蒿群落覆蓋度的遙感定量化研究［J］.植物生態學報，2000，24（4）：494－497.

［18］查勇.草地植被變化遙感監測方法研究——以環青海湖地區為例［D］.南京：南京師范大學，2003.

［19］楊勝天，李茜，劉昌明，等.應用“北京一號”遙感數據計算官廳水庫庫濱帶植被覆蓋度［J］.地理研究，2006，25（4）：570－578.

［20］陳晉，陳云浩，何春陽.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.

［21］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.

［22］梁天剛，崔霞，馮琦勝，等.2001－2008年甘南牧區草地地上生物量與載畜量遙感動態監測［J］.草業學報，2009，18（6）：12－22.

［23］王鶯，夏文濤，梁天剛，等.基于MODIS植被指數的甘南草地凈初級生產力時空變化研究［J］.草業學報，2009，19（1）：201－210.

［24］黃靖，夏智宏.基于MODIS遙感數據的武漢市植被覆蓋變化監測分析［J］.氣象與環境科學，2009，32（2）：16－20.

［25］趙英時.遙感應用分析原理與方法［M］.北京：科學出版社，2004：374－375.