巴音布魯克草原植被覆蓋度估算的光譜模型及其應用

呂 聰, 潘學平, 馮朝陽, 錢金平

(1.河北師范大學 資源與環境科學學院 河北省環境演變與生態建設重點實驗室, 河北 石家莊 050016;2.中國環境科學研究院 國家環境保護區域生態過程與功能評估重點實驗室, 北京 100012)

?

巴音布魯克草原植被覆蓋度估算的光譜模型及其應用

呂 聰1, 潘學平1, 馮朝陽2, 錢金平1

(1.河北師范大學 資源與環境科學學院 河北省環境演變與生態建設重點實驗室, 河北 石家莊 050016;2.中國環境科學研究院 國家環境保護區域生態過程與功能評估重點實驗室, 北京 100012)

[目的] 對新疆維吾爾自治區巴音布魯克草原植被覆蓋度進行初步劃分，并對植被覆蓋度等級分布進行分析，為防治該區草場退化工作提供理論參考。 [方法] 采用美國SOC_710便攜式可見/近紅外高光譜成像光譜儀，運用線性回歸分析法，以實測歸一化植被指數(SOC_NDVI)為媒介，建立MODIS/TERRA衛星的NDVI(MODIS_NDVI)與實測植被覆蓋度(VC)之間的MODIS光譜估算模型，并對模型精度進行檢驗。最后，在模型反演結果上進行研究區植被覆蓋度的劃分與分析。 [結果] MODIS光譜估算模型預測精度較高，標準誤差為11.55%，總體預測精度達到88.92%。劃分的5個植被覆蓋度等級分別為：極高覆蓋、高覆蓋、中覆蓋、低覆蓋及極低覆蓋。它們在研究區中所占比例分別為：18.87%，25.61%，31.28%，13.86%和10.38%。 [結論] 整體上,研究區植被覆蓋度呈現出北部和西部高，東部低的趨勢，中、高覆蓋度區域所占比重較大，低、極低、極高覆蓋度區域所占比重較小。

巴音布魯克草原; 歸一化植被指數(NDVI); 植被覆蓋度; 高光譜模型

文獻參數： 呂聰, 潘學平, 馮朝陽, 等.巴音布魯克草原植被覆蓋度估算的光譜模型及其應用[J].水土保持通報，2016,36(4)：62-67.DOI:10.13961/j.cnki.stbctb.20160607.001

植被是陸地生態系統的基礎，連結土壤和大氣的自然紐帶，也是大氣—植被—土壤系統的重要組成部分[1],是人類賴以生存的自然環境條件[2]。植被覆蓋度指觀測區域內植被垂直投影面積占地表面積的百分比,是描述陸地表面植被生長狀況的一個重要指標,也是指示生態環境變化的一個重要參數,廣泛應用于研究地植物蒸散、土壤水分、水土流失、光合作用的過程以及全球變化等領域[3]。草原占地球陸地總面積的52.17%，中國草原面積占到約國土面積的41.7%，草原植物本身具有很大的經濟生產價值，為畜牧業的發展提供基礎，還具有防風固沙、保持水土、涵養水源、保護生態環境和旅游觀賞的作用[4]。利用遙感手段來估算植被覆蓋度是測量植被覆蓋度的主要手段之一,可以歸納為經驗模型法、植被指數轉換法和混合像元分解模型法[5]。由于將地面實測數據與遙感數據相結合建立的光譜估算模型進行大區域的植被覆蓋度估算方法應用簡單，易于計算，具有較好的科學性和應用型，因此廣大學者利用該方法對不同的研究區域進行植被覆蓋度研究，光譜估算模型法也不斷取得新的進展[6]，已成為估算植被覆蓋度研究領域主要方法之一，也是植被覆蓋度遙感估算的根本出路。然而，在監測植被覆蓋度方面還沒有一種標準的方法[7]。歸一化植被指數(normalized difference vegetation index， NDVI)是遙感估算植被覆蓋度研究中最經典也是最常用的的植被指數,許多學者在研究中都使用NDVI來估算植被覆蓋度,并證實NDVI與植被覆蓋度有良好的相關性[8]。如賈寶全[9]以TM遙感影像NDVI為數據橋梁，計算分析了北京市域1987和2009年的植被覆蓋變化，對北京市域和不同生態區域兩個尺度植被變化情況進行了量化分析，并分析了北京市植被變化的驅動力。陳艷梅等[10]通過分析MODIS/TERRA衛星的NDVI與實測NDVI的關系，建立預測呼倫貝爾草原植被覆蓋度的MODIS光譜模型，且模型精度較高，平均預測精度達到88.75%。蘭明娟等[11]利用歸一化植被指數圖，通過掩膜和變化檢測技術研究了重慶市北碚區植被覆蓋度情況。

新疆巴音布魯克草原是我國第二大草原，擁有獨特的高寒草甸草原景觀。近年來，隨著全球氣候變化和人類的過度放牧，草原生產力不斷下降，植被退化和草原沙化現象日益嚴重。為了對巴音布魯克草原植被覆蓋度情況、草原內部差異以及植被退化情況進行更深入了解，本文在前人研究的基礎上，通過建立實測樣地光譜圖像NDVI(SOC_NDVI)數據與地面實測植被覆蓋度(vegetation coverage， VC)之間的地面光譜模型以及MODIS/TERRA衛星的遙感影像NDVI(MODIS_NDVI)數據與SOC_NDVI之間的光譜修正模型，利用兩個模型的關系得到估算植被覆蓋度的MODIS光譜估算模型，該模型旨在為研究區植被覆蓋度估算研究提供新的技術方法。本研究還在光譜模型研究的基礎上對研究區內植被覆蓋度進行初步劃分，并對植被覆蓋度等級分布進行詳細分析，對于了解巴音布魯克草原當前植被覆蓋度分布狀況及草場退化研究具有重要的參考價值。

1　研究區概況

巴音布魯克草原位于天山中側南段腹地，海拔2 400～4 400 m，與5個地(州)、10個縣(市)接壤，艾爾溫根烏拉山橫貫盆地中部，將完整的高位盆地分割成大、小尤爾都斯兩個盆地[12]。巴音布魯克草原總面積達15 540 km2，四周雪山環繞，冬季漫長，年平均氣溫-4.7 ℃，年降水量216.8～361.8 mm，積雪天數150～180 d，年枯草期7個月，是開都河源頭[13]。盆地內部各條山溝溪流匯積到盆地底部的開都河，西部山區是伊犁3大支流之一的鞏乃斯河發源地，流經本區50 km峽谷以及那拉提草原后,進入鞏乃斯谷地，巴音布魯克南坡的著名渭干河經庫車峽谷后流入古老的塔里木河，因此巴音布魯克是新疆著名的“三河源”[12]。隨著社會經濟不斷發展，過度放牧已經嚴重影響到了巴音布魯克草原生態環境，草場覆蓋度也迅速下降，草場退化、沙化及鹽堿化現象日益嚴重，草畜矛盾日趨尖銳，生態環境急劇惡化[14]。據調查,巴音布魯克草地退化面積高達3 038 km2,占草地總面積的19.61%，草地退化在小尤爾都斯盆地表現得最為明顯,退化草地總面積為1 622 km2,占該盆地草地面積的30.32%；大尤爾都斯盆地草地退化相對較輕,退化草地總面積為1 426 km2,占該盆地草地面積的14.61%[12]。研究表明，過度放牧導致的草畜不平衡是巴音布魯克天然草地退化最主要的原因。現有利用方式下，其中大尤爾都斯超載48.94萬羊單位；小尤爾都斯主要以夏牧場為主，在盆地實行封育的前提下，超載90.48萬羊單位；鞏乃斯溝草地春牧場超載3.16萬羊單位[14]。由此可見其草場實際放牧量遠遠大于其載畜能力。

2　研究方法

2.1試驗概況

針對本研究內容和目標，綜合考慮研究區自然條件及氣候特征，選取植被生長旺盛期開展野外試驗。樣地選取的原則和方法：通過分析研究區內遙感影像、地形地貌以及土地利用現狀，在植被類型圖上選擇面積較大、能夠代表區域植被覆蓋情況的斑塊進行實地調查；設置樣地的大小一致，樣方在樣地中均勻分布；所選樣地要涉及研究區內不同植被類型及不同覆蓋梯度區域，單個樣地植被生長均勻；本研究所選樣地中，主要涉及草甸草原、濕地植被、丘陵山地植被和沙地植被5種植被類型。根據以上原則，本研究野外試驗時間為2014年8月11—18日，選擇植物生長較均勻、具有代表性的典型樣地共52個,樣地的大小盡量設定為250 m×250 m，以便后期與遙感數據相對應，每個樣地設小樣方5個，共260個小樣方，樣方為1 m×1 m的標準樣方。根據實測SOC_NDVI與高空遙感MODIS_NDVI之間的關系，在Excel中剔除掉異常數據的樣地，經過篩選，共剔除7個樣地，剩余能夠作樣方分析的數據共有45個，小樣方225個。然后，以樣地為單位，計算每個樣地對應小樣方的實測VC、實測SOC_NDVI、高空遙感MODIS_NDVI的均值，作為該樣地的地面實測值和遙感影像值，得到45組對應值，用于本研究建模與檢驗。最后將45組數據劃分為建模數據和檢驗數據，設定建模數據27組，檢驗數據18組。

野外試驗運用美國SOC_710便攜式可見/近紅外成像光譜儀進行草地光譜采集工作，其特點是能實現圖譜合一，最大程度地提高后期數據處理精度，進行采集前用光譜儀所攜帶的白板進行校正且每隔10～15 min進行一次校正。數據采集時為保證數據質量，選擇光照充足、少云、微風的天氣條件，光譜采集時間最好在10：00～15：00，在記錄樣地的地理坐標和海拔高度試驗過程中，記錄每一個小樣方的GPS記錄號、坡向、土壤類型、植被類型、照片編號和目視蓋度等信息。

2.2遙感影像數據獲取與處理

2.2.1數據獲取本研究需要提取遙感圖像中的NDVI，并與野外實測數據建立關系模型，因此遙感影像的數據質量對模型的精度有著直接的影響。因此，選用EOS-Modis/Terra(http:∥lpdaac.usgs.gov/main.asp)中16 d合成的NDVI 數據，MODIS影像是NASA對地觀測衛星的中分辨率成像光譜，空間分辨率為250 m×250 m，數據格式為HDF，光譜分辨率為36波段，輻射分辨率為12 bit，格式為HDF，等級為3級，為MODIS陸地產品中的植被指數產品MOD13。本研究所采用的數據時間是2014年8月12—27日16 d合成的NDVI影像數據。

2.2.2數據處理郭玉川等[15]通過構建基于實測植被覆蓋度和多種植被指數的相關方程，驗證了利用NDVI建立的覆蓋度估算模型精度較高。基于NDVI的特點和研究區的特征，本文選取歸一化植被指數NDVI建立植被覆蓋度的估算模型，對下載好的NDVI影像數據進行圖像拼接、研究區掩膜裁剪后，得到研究區MODIS遙感影像NDVI灰度圖。

2.3野外試驗數據獲取與處理

2.3.1提取實測植被覆蓋度VC實測植被覆蓋度是通過從美國SOC_710便攜式可見/近紅外成像光譜儀獲得的高光譜圖像中進行提取，首先在處理軟件SRAnal710.bat中，將采集圖像的cube文件轉換為彩色圖像。然后利用圖像處理軟件Photoshop裁切掉照片中樣方邊緣1/5左右的變形區域，將中心區部分用于軟件解譯。照片的解譯過程是在ERDAS 9.2中進行，先后使用預先編好的Modeler命令(其原理是將照片轉變為灰度值,然后與原照片比較,找出植物與非植物部分的臨界點)完成，將相片轉化為(0，1)的二值圖像[10]，統計植被像元占整個像元總和的百分比，得到每個樣方植被覆蓋度的實測值。最后對樣地的多個樣方植被覆蓋度求平均值，作為該樣地實測植被覆蓋度(VC)。

2.3.2光譜處理提取SOC_NDVI值光譜處理同樣是通過從SOC_710獲得的高光譜圖像中進行處理，首先進行預處理—輻射定標和反射率轉換操作，保存預處理結果，然后利用ENVI 5.0軟件提供的波段計算工具計算NDVI值，最后對樣地的多個樣方光譜數據NDVI求平均值，作為樣方的實測植被指數值(SOC_NDVI)。

3　結果與分析

3.1地面光譜模型

通過分析研究區內SOC_NDVI和植被覆蓋度VC的散點關系,選用線性方程進行回歸分析,結果表明：SOC_NDVI與植被覆蓋度VC之間存在較強的線性相關關系(R2=0.865)，二者的關系表達式為：

VC=0.930×SOC_NDVI-0.064

(1)

式中：VC——實測植被覆蓋度; SOC_NDVI——實測植被指數。

3.2MODIS光譜估算模型

為了探求地面所測的植被光譜數據和高空遙感所得的植被光譜數據的內在關系,分析27個樣地的SOC_NDVI和MODIS_NDVI之間的對應關系，結果顯示：兩組數據之間存在線性關系(R2=0.731)，二者的關系表達式為：

SOC_NDVI=0.835×MODIS_NDVI+0.096

(2)

式中： SOC_NDVI——實測植被指數; MODIS_NDVI——MODIS遙感影像NDVI。

將公式(2)代入公式(1)經整理得到MODIS光譜估算模型，VC與MODIS_NDVI間的表達式為：

VC=0.777×MODIS_NDVI+0.025

(3)

式中：VC——預測植被覆蓋度; MODIS_NDVI——MODIS遙感影像NDVI。

由于植被覆蓋度VC的取值范圍為0到1之間，通過計算當VC等于0，1時，MODIS_NDVI的值分別小于0和大于1，因此這里將公式的取值范圍定義為0到1之間。最后的MODIS光譜估算模型整理為：

(4)

式中：VC——估算植被覆蓋度; MODIS_NDVI——MODIS遙感影像NDVI。

3.3模型精度檢驗

為了檢驗MODIS光譜估算模型的預測結果與實測值之間的誤差情況，驗證該模型是否能夠應用，從而進行研究區的植被覆蓋度總體情況的估算。因此將之前劃分出來的18組檢驗數據對模型精度進行分析。將公式(4)應用到MODIS_NDVI灰度圖上，在GIS軟件中，通過spatial analyst tools中的raster calculator計算工具進行柵格計算，獲得研究區植被覆蓋度圖。依據地理坐標(經緯度)將檢驗數據轉化為檢驗點，記錄各檢驗點在研究區植被覆蓋度圖上對應的像元值(即預測VC值)，再利用實測值與預測值的相關關系對模型精度進行檢驗。為了檢驗利用MODIS數據預測植被覆蓋度與實測植被覆蓋度之間關系的密切程度，這里選用標準誤差(SE)[16]和平均誤差系數(MEC)[17]對預測值進行檢驗。

標準誤差計算公式為：

(5)

平均誤差計算公式為：

(6)

總體預測精度計算公式為：

總體預測精度=1-總體相對誤差平均值

(7)

式中：y——樣方實測值;y′——模型預測值;n——檢驗樣方的個數。

通過驗證結果表明，預測值和實測值兩者間相關性較好(R=0.882)，模型的標準誤差SE為11.55%，總體預測精度達到了88.92%。表明在植物生長最旺盛季節，基于地面光譜模型建立的MODIS光譜估算模型預測精度較高，具有較好的科學性和應用性，方法簡單，易于計算。

3.4植被覆蓋度等級劃分

將研究區遙感影像NDVI灰度圖，利用公式(4)計算得到研究區單波段的植被覆蓋度圖。根據研究區的實際情況，參考陳效逑等[18]對植被覆蓋度的劃分方法，將研究區的植被覆蓋度劃分為5級：80%以上為極高覆蓋，60%～80%為高覆蓋，40%～60%為中覆蓋，20%～40%為低覆蓋，20%以下為極低覆蓋。評價指標和等級劃分及研究區各等級所占比例詳見表1，劃分結果如圖1所示。從研究區植被覆蓋度等級劃分上看，整個研究區植被覆蓋呈現出北部和西部高、東部低的趨勢。其中，極高植被覆蓋度區域平均植被覆蓋度為83.06%，主要分布在巴音布魯克草原以北的那拉提草原，由于來自伊犁河谷的水汽條件較好，這里降水豐沛，分布著大面積的優質草場和林地，且景區內設有草原管理，大部分游客按照固定線路參觀，不分散活動，草場保護較好，因此植被覆蓋度高；高植被覆蓋度區域平均植被覆蓋度為67.98%，主要分布在大尤爾都斯盆地南部的山前平原，由于近年來實行的草場保護政策，將此區域的大面積草場進行圍欄保護，使這里自然環境恢復較好，草場退化得到了及時遏制并開始好轉，植被覆蓋度相對較高；中植被覆蓋度區域平均植被覆蓋度為48.91%，主要分布在大、小尤爾都斯盆地四周的山前草場，這些區域為巴音布魯克草原放牧草場的主要分布區域，由于近年來的實行的季節放牧和草場保護政策，使得這些區域植被覆蓋度有所提高，這里部分區域已進入山區，坡度較大，人類活動不易到達，干擾較少，因此植被覆蓋度能達到中覆蓋等級；低植被覆蓋度區域平均植被覆蓋度為25.51%，主要位于大尤爾都斯盆地西部的天山石林區和小尤爾都斯盆地中部的大面積區域，這里由于人類的長期過度放牧，放牧歷史悠久，草場退化極為嚴重；極低植被覆蓋區域平均植被覆蓋度為10.81%，主要分布在巴音布魯克草原四周山區，這里主要為裸巖和冰雪覆蓋區，植被覆蓋度最低，而在小尤爾都斯盆地的中植被覆蓋區內也有類似帶狀的極低植被覆蓋區的分布，這是由于有大量礦山的分布，它們依河谷而建，道路的建設和礦山主體的挖掘破壞了植被覆蓋層，使得巖石裸露，出現極低植被覆蓋區。

從研究區地物要素分布上看，保護區內平均植被覆蓋度達到70.9%，主要為草甸草原和濕地分布，植被覆蓋度較高，其中核心區內部由于海拔低，河流流經，濕地遍布，不適合人類居住，因此水草豐美，生態環境保護最為完整；保護區外平均植被覆蓋度為42.1%，明顯低于保護區內部，且在大尤爾都斯盆地中，保護區外西側的覆蓋度整體低于東側覆蓋度，這是因為該地區有公路穿過，人類更易于到達，長期的過度放牧使得這里的草場退化，植被覆蓋度明顯較低；居民點分布區域植被覆蓋度相對較低，這些區域除了人類分布外還有較大面積的草場分布，因此草場受人類活動影響較大，牧草的得不到及時的恢復，生產力逐年下降，致使植被覆蓋度迅速降低。

從研究區分區上看，大、小尤爾都斯盆地和那拉提3個區域呈現出明顯的植被覆蓋度差異。其中，小尤爾都斯盆地中，中、低植被覆蓋等級區域占整個盆地的83%，這里開發較早且超載放牧，退化嚴重，草場恢復較困難；大尤爾都斯盆地中，以中、高植被覆蓋等級區域為主，占整個盆地的72%，低覆蓋等級區域只占6%，可看出這里草場保護相對較好，恢復程度較高；那拉提草原水汽條件較好，牧草生長旺盛且該地區旅游實行限制性進入措施，因此草場保護較好，植被覆蓋度等級呈極高覆蓋等級且占90%以上。

表1　研究區植被覆蓋度評價指標和等級劃分及各等級所占比例

圖1　研究區植被覆蓋度等級分布

4　討論與結論

4.1討 論

植被覆蓋狀況能夠反映當地的生態環境狀況，快速準確地獲取植被覆蓋信息，對當地生態環境治理和畜牧業發展及經濟建設有著重要的指導意義。本研究在較短的試驗時間內，獲取了研究區大量的試驗樣本數據，植被覆蓋度估算模型是基于野外獲取的實測數據和MODIS/TERRA衛星遙感影像得到的數據，將地面測量和遙感反演相結合，實現植被覆蓋度估算的反演模型。最后在模型反演的基礎上對整個研究區植被覆蓋度進行了等級的劃分。其他學者也有相似的研究方法，如陳艷梅等[10]通過分析MODIS/TERRA衛星的NDVI與實測NDVI的關系，建立預測呼倫貝爾草原植被覆蓋度的MODIS光譜模型，模型精度較高。本研究只是建立了光譜估算模型，并未對模型進行進一步應用。有些學者在研究中使光譜估算模型得到進一步應用。刁兆巖等[4]運用回歸分析方法,建立地面光譜模型，通過比較，選擇R2最大的乘冪模型作為呼倫貝爾沙化草原植被覆蓋度估算的光譜模型，并利用模型對沙化草地主體部分的2009,2010年植被蓋度進行估算。本研究只是說明了兩個年份中研究區內植被覆蓋度的最大值與最小值，并未進行更深入地植被覆蓋度分析。包剛等[19]以北京大學“無人機遙感載荷綜合試驗場”為試驗區，采集草地植被覆蓋度和相應樣方冠層高光譜反射率數據，建立高光譜EVI模型，并與TM數據相結合生成研究區植被覆蓋度空間分布圖。本研究只是進行植被覆蓋度的等級劃分，并未對研究區內部的空間差異進行深入研究分析。

本研究在借鑒前人應用光譜估算模型進行植被覆蓋度研究的經驗基礎上，將該技術方法應用到新疆巴音布魯克草原，建立精度較高的光譜估算模型，在模型基礎上對研究區內植被覆蓋度進行5個等級劃分，并從等級劃分、地物要素和分區3個方面進行植被覆蓋度的深入分析，清晰地呈現了研究區植被覆蓋度的內部差異性，這是運用光譜估算模型對巴音布魯克草原植被覆蓋度研究的首次嘗試，對于了解草原當前植被覆蓋度分布狀況及草場退化研究具有重要的參考價值。

本研究建立的研究區植被覆蓋度估算的光譜模型僅有2014年研究區植物生長旺盛時的實測數據，只能進行本年份的植被覆蓋度估測，為了使研究更具完整性和可信性，在未來幾年內應該繼續進行同類同時期或同類不同時期試驗，研究整個生長季植被覆蓋度與植被指數的關系；應用所建立的估算模型在對相同或相似地區以及相同植物生長季節的植被覆蓋度進行估算時，估算結果會比較準確，但是對于不同年份、不同植被群落、不同的生長季進行估算時，結果誤差可能會比較大，這還需要進一步驗證，因此在今后的研究中要對歷史數據進行妥善保存、歸納和有效整理，或者可以適當的增加模型中所涉及到的變量，以進一步修正模型，提高模型的實踐應用性和普適性。

4.2結 論

(1) 基于實測SOC_NDVI 估測植被覆蓋度VC的地面光譜模型是簡單的線性函數，該模型R2達到0.865；MODIS_NDVI 和實測SOC_NDVI 之間也為線性關系，R2為0.731；基于上述兩個線性方程得到估算植被覆蓋度的MODIS光譜估算模型。

(2) 經檢驗，MODIS光譜模型相關系數R達到了0.882，模型的標準誤差SE為11.55%，總體預測精度達到了88.92%。基于地面光譜模型建立的MODIS光譜估算模型預測精度較高，可估算巴音布魯克草原生長旺季的植被覆蓋度，具有較好的科學性和應用性，方法簡單，易于計算，為研究區遙感監測提供了必要的理論依據和數據支持。

(3) 根據本研究得到的MODIS光譜模型，將研究區遙感影像NDVI灰度圖轉化為單波段的植被覆蓋圖，并將其植被覆蓋度劃分為5個等級：極高覆蓋、高覆蓋、中覆蓋、低覆蓋及極低覆蓋，它們在研究區中所占比例分別為：18.87%，25.61%，31.28%，13.86%和10.38%，可看出研究區內中、高覆蓋度區域所占比重較大，低、極低、極高覆蓋度區域所占比重較小。在此基礎上從等級劃分、地物要素和分區3個方面進行植被覆蓋度分析，清晰地呈現了研究區植被覆蓋度的內部差異性，在今后的草原治理以及生態恢復中具有重要的實用價值和參考意義。

[1]李克讓,王紹強,曹明奎.中國植被和土壤碳貯量[J].中國科學(D輯):地球科學,2003,33(1):72-80.

[2]陳育峰.自然植被對氣候變化響應的研究:綜述[J].地理科學進展,1997,16(2)：72-79.

[3]程紅芳,章文波,陳鋒.植被覆蓋度遙感估算方法研究進展[J].國土資源遙感, 2008(1)：13-18.

[4]刁兆巖,徐立榮,馮朝陽，等.呼倫貝爾沙化草原植被覆蓋度估算光譜模型[J].干旱區資源與環境,2012,26(2):139-144.

[5]張云霞,李曉兵,陳云浩.草地植被蓋度的多尺度遙感與實地測量方法綜述[J].地球科學進展,2003,18(1):85-93.

[6]Kenneth M, Timothy M, Lynn F. Hyperspectral mixture modeling for quantifying sparse vegetation cover in arid environment[J]. Remote Sensing of Environment,2000,72(3):360-374.

[7]Kallel A, Hégarat-Mascle S L, Ottlé C, et al. Determination of vegetation cover fraction by inversion of a four-parameter model based on isoline parametrization[J]. Remote Sensing of Environment, 2007,111(4):553-566.

[8]Jiang Zhangyan, Huete A R, Chen Jin, et al. Analysis of NDVI and scaled difference vegetation index retrievals of vegetation fraction[J]. Remote Sensing of Environment, 2006,101(3):366-378.

[9]賈寶全.基于TM衛星影像數據的北京市植被變化及其原因分析[J].生態學報, 2013,33(5):1654-1666.

[10]陳艷梅,高吉喜,刁兆巖,等.呼倫貝爾草原植被覆蓋度估算的光譜模型[J].中國環境科學, 2010, 30(9):1287-1292.

[11]蘭明娟,魏虹,熊春妮，等.基于TM影像的重慶市北碚區地表植被覆蓋變化[J].西南大學學報：自然科學版,2009,31(4):100-104.

[12]艾海買江.阿吉.新疆巴音布魯克草原生態退化與恢復的探討[J]. 新疆畜牧業,2013,18(2):59-61.

[13]麥合木提克衣木,艾尼瓦爾蘇來曼,滕永青，等.巴音布魯克草原資源利用現狀及可持續發展策略[J].現代畜牧獸醫,2007(7):20-21.

[14]李文利,何文革. 新疆巴音布魯克草原退化及其驅動力分析[J]. 青海草業,2008,17(2):44-47.

[15]郭玉川,何英,李霞.基于MODIS的干旱區植被覆蓋度反演及植被指數優選[J].國土資源遙感, 2011(2):115-118.

[16]Beeri O, Phillips R, Hendrickson J, et al. Estimating forage quantity and quality using aerial hyperspectral imagery for northern mixed-grass prairie[J]. Remote Sensing of Environment, 2007, 110(2):216-225.

[17]杜自強,王建,沈宇丹.山丹縣草地地上生物量遙感估算模型[J].遙感技術與應用,2006(4):338-343.

[18]陳效逑,王恒.1982—2003年內蒙古植被帶和植被覆蓋度的時空變化[J].地理學報, 2009, 64(1):84-94.

[19]包剛,包玉海,覃志豪，等.高光譜植被覆蓋度遙感估算研究[J].自然資源學報, 2013, 28(7):1243-1254.

Spectral Models for Estimating Vegetation Coverage and Its Application on Bayanbulak Grassland

Lü Cong1, PAN Xueping1, FENG Chaoyang2, QIAN Jinping1

(1.CollegeofResourceandEnvironmentalSciences,HebeiKeyLaboratoryofEnvironmentalChangeandEcologicalConstruction,HebeiNormalUniversity,Shijiazhuang,Hebei050016,China; 2.StateEnvironmentalProtectionKeyLaboratoryofRegionalEco-processandFunctionAssessment,ChineseResearchAcademyofEnvironmentalSciences,Beijing100012,China)

[Objective] Vegetation coverage in Bayanbulak grassland of Xinjiang Autonomous Region was graded and the regional vegetation coverage was determined in order to provide theoretical reference for the prevention pasture degradation. [Methods] With the help of American SOC_710 portable visible/the near infrared spectrum imaging spectrometer, the normalized difference vegetation index(SOC_NDVI) was adopted to establish the MODIS spectral estimation model between NDVI(MODIS_NDVI) and actual vegetation coverage(VC) using linear regression analysis method. The grading and determining of regional vegetation coverage were completed on the inversion coverage result of the model. [Results] The prediction accuracy of MODIS spectral estimation model was high with a standard error of 11.55%, the overall accuracy reached 88.92%. The 5 vegetation coverage levels had extreme high coverage, high, moderate, low and extreme low coverage, and these coverage proportion were: 18.87%, 25.61%, 31.28%, 13.86% and 10.38%. [Conclusion] The vegetation coverage on the whole study area was high in the north and west, and low in the east. The research area was covered mainly by middle and high coverage grades; proportions of other coverage grades as low, extreme low and extreme high, were small.

Bayanbulak grassland; normalized difference vegetation index(NDVI); vegetation coverage; high spectral models

2015-05-12

2015-08-03

國家環境保護公益性行業科研專項“干旱地區高寒草原濕地生態系統安全監控與保護研究”(20130315)

呂聰(1989—),女(漢族),河北省邯鄲市人,碩士研究生,研究方向為3S技術在生態環境保護中的應用。E-mail:lvcong199004@163.com。

馮朝陽(1979—),男(漢族),山東省臨沂市人，博士,副研究員,主要從事氣候變化與生態系統服務功能研究。E-mail:fengchy@craes.org.cn。

B

1000-288X(2016)04-0062-06

Q948.15， X87