基于多源遙感數據的一帶一路重點地區植被覆蓋度調查研究

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據，以沙特吉贊省為例，對遙感影像進行了歸一化值被植數（NDVI）的提取，并根據像元二分模型原理估算出研究區的植被覆蓋度，結果表明：該地區植被覆蓋度整體較低，高植被覆蓋區主要集中在東部山地以及多處東西向河谷區域。低植被覆蓋區面積占比73%左右，中高及高植被覆蓋區面積占比10%左右。

關鍵詞：多源遙感 植被覆蓋度 NDVI 像元二分模型

中圖分類號：Q948；TP79 文獻標識碼：A 文章編號：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最重要的指標，在生態、土地沙漠化評價、水土流失監測和分布式水文模型中都將植被覆蓋度作為重要輸入參數。植被覆蓋度測算的傳統方法是地面測量，最簡單的方法就是目估法，還有樣方法、樣帶法、樣點法等，以及借助于采樣儀器的測量方法，由于野外調查難度大，成本較高，抽樣覆蓋面小，難以在大范圍內快速提取植被覆蓋信息，因此應用受到一定限制。遙感技術的發展為準確及時的獲取大面積區域植被覆蓋度信息提供了可能。目前利用遙感技術估算植被覆蓋度的方法很多，其中應用較多的方法是植被覆蓋度與光譜指數的相關分析法，回歸模型法以及像元二分模型法等，本研究區是建立在像元二分模型的基礎上近似估算吉贊省（2008年、2014年、2018年）三期的植被覆蓋度。

1 研究區概況及數據源

1.1 研究區概況

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42°～43.8°，北緯16.5°～17°之間，面積約為1.2萬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，沿海地區從北向南延伸，海拔高度為100m，該地區沼澤和鹽沼分布較多，其中Tohama地區為吉贊最肥沃的地區，Sarwat山位于吉贊省東部，該地區陡峭多巖，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流向西部，直至到達紅海。吉贊省還包括位于紅海上的100多個島嶼，全省可分為3個部分：內陸、林區和平原地區。內陸是綿延的山脈，林區有豐盛的牧草，平原地區盛產農作物，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 數據源

本研究區約1.2萬km2，綜合應用了3類數據：2008年Landsat-5數據、2014年Landsat-8數據、2018年Landsat-8數據以及2018年國產GF-1數據。其中Landsat TM/OLI數據，空間分辨率為30m，云量均小于10%，下載于“地理空間數據云”網址（http：//www.gscloud.cn）。高分一號數據，空間分辨率為16m，來源于“中國資源衛星應用中心”。詳細情況見表1。

2 研究方法

2.1 遙感圖像預處理

采用專業遙感圖像處理軟件ENVI5.3，對工作區內三期（2008年、2014年、2018年） Landsat遙感影像分別進行輻射定標、大氣校正、幾何配準后，再根據吉贊區行政界矢量進行研究區域有效范圍裁剪、鑲嵌、影像增強等處理，旨在減少大氣和太陽高度角變化等帶來的誤差，各項預處理的原理和方法在相關文獻中都有介紹，在此不再贅述。

2.2 提取歸一化植被指數

歸一化植被指數最初由Rouse等人提出，是目前應用最廣泛的一種植被指數。因為其有高靈敏度的優點，能夠消除大部分的噪音、輻射、陰影等帶來的誤差，并根據植被的反射光譜特征，用植被對紅光波段和近紅外波段的光譜通道組合，所獲得的植被指數來提取植被信息。DNVI計算公式如下：

應用在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。最后的輸出結果是灰圖像，較亮的部分表明其植被長勢較好，覆蓋度較高。

2.3 植被覆蓋度估算

（1）像元二分模型原理。

假設一個像元的地表由有植被覆蓋部分地表與無植被覆蓋部分地表組成，而遙感傳感器觀測到的光譜信息也由這兩個組分因子線性加權合成，各因子的權重是各自的面積在像元中所占的比率。

像元二分模型實際上是基于Ssoil與SvegP這2個調節因子秘做的線性拉伸，即將大氣、土壤背景與植被類型等對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（NDVI）對綠色植被表現敏感，能更好的適應植被蓋度稀疏和蓋度差異懸殊的地區，應用比較廣泛，常被用來進行區域植被狀態調查。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，提取中可能會存在異常值（小于-1或大于1）的情況，需要對異常值進行處理，方法有兩種：一是異常值存在不多時，通過波段運算，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，在bandmath 中輸入：-1>b1<1。

2.4 植被覆蓋度的分級

植被覆蓋度的分級標準，參照“土壤侵蝕分類分級標準（SL190—96）”中的植被蓋度分級標準，同時結合監測過程中的實際情況，分為高、中高、中、中低、低5級。如表2所示。

3 植被覆蓋度提取結果分析

3.1 成果總體特征分析

結果分析顯示，研究區植被覆蓋度整體較低，高植被覆蓋區主要集中在東部山地以及多處東西向河谷區域。低植被覆蓋區面積占比73%左右，中高及高植被覆蓋區面積占比10%左右，研究區植被覆蓋度統計表如表3，研究區植被覆蓋度占比圖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，但是東部山區省界處植被覆蓋略有降低；東南部山區以及多處東西向河谷地區植被覆蓋度提升明顯。整體呈現出西部平原河谷區植被覆蓋度提升、東部山區略有下降的特點。

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

對變化原因進行簡要分析，認為數據時相對各年度植被覆蓋度變化具有重要影響。2008年與2014年數據時相為11月份，2018年為7月份。受數據時相影響，西部平原河谷區農作物播種與長勢情況差異顯著，東部山區自然植被同樣會受到部分影響。

3.3 成果空間變化程度分析

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

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

總體來看，研究區三年度不同地區植被覆蓋度存在“此消彼長”的特征，即平原河谷農作物種植區植被覆蓋度呈現先增加后減少的特征，而東部山區植被覆蓋度呈現先減少后增加的特點。但同時，各年度各類型植被覆蓋度面積總量占比相對平穩。均為低植被覆蓋區面積占比最大，其次為中低植被覆蓋區，中高植被覆蓋區面積占比最小。如表4所示。

4 結語

（1）植被覆蓋度整體較低。

受到當地氣候條件等因素影響，研究區植被覆蓋度整體較低，2008、2014以及2018年度，該地區低植被覆蓋區面積占比均在73%左右，中高及高植被覆蓋區面積占比10%左右。

（2）高植被覆蓋區主要集中在山區及平原河谷區。

根據調查結果顯示，高植被覆蓋區主要集中在東部山地以及多處東西向河谷區域。東部山區主要以林地分布為主，而東西向河谷區域同時也是當地人類聚居區，除部分天然植被以外，農作物的耕種也是該區域植被覆蓋度較高的主要原因。

（3）平原河谷區植被以耕地為主，植被覆蓋度變化受人工影響顯著。

根據調查結果顯示，受到不同月份的影響，研究區平原河谷區植被覆蓋度存在較為顯著的變化。結合高分辨率遙感影像判讀，可見該區域農作物為主要的植被類型，天然植被占比相對較低。

參考文獻

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

[2] 賈維花，廉麗姝，等.基于TM數據的黃河三角洲地區植被覆蓋度提取[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災害點時空格局分析[J].國土資源遙感，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].世界生態學，2018，7（3）：143-152.