基于像元二分模型的植被覆盖度反演以市为例

基于像元二分模型的植被覆盖度反演以市为例

文件排版存档编号：[UYTR-OUPT28-KBNTL98-UYNN208]

基于像元二分模型的植被覆盖度反演-以北京市为例

王玲

（西北大学 城市与环境学院，陕西 西安 710127）

摘要：采用遥感技术监测植被覆盖度具有重要意义。本文以北京市为例，基于2013年的Landsat8 OLI影像，选取NDVI值为参数，采用像元二分模型对植被覆盖度进行反演，最终反演的结果与实际情况符合，说明采用该方法反演植被覆盖度可行。

关键词：植被覆盖度、像元二分模型、NDVI、植被指数 引言

植被覆盖度（Vegetation fractional cover，简称fc）是指植被（包括叶、茎、枝）在地面的垂直投影面积占统计区总面积的百分比，即植土比。通常林冠称郁闭度，灌草等植被称覆盖度[1]。它是衡量地表植被覆盖的一个最重要的指标，被覆盖度及其变化是区域生态系统环境变化的重要指示，对水文、生态、全球变化等都具有重要意义[2]。根据监测手段, 测量植被覆盖度的方法可分为地面测量和遥感测量两大类，测量常用于田间尺度，遥感估算常用于区域尺度。目前已经发展了很多利用遥感测量植被覆盖度的方法，较为实用的地面测量单的方法就是目估法，缺点主要是主观性太强。客观的测量方法有样点法、样方法、样带法等，借助于采样仪器的测量方法，空间定量计、移动光量计等。这些方法虽然提高了测量精度，但野外操作不便，并且成本较高, 难以在大范围内快速提取植被覆盖度。而采用遥感技术为监测大面积区域的植被覆盖度，甚至全球的植被覆盖度监测提供了可能[3]。目前已有许多利用遥感技术测量植被覆盖度的方法，其中应用最广泛的方法是利用植被指数近似估算植被覆盖度，常用的植被指数为NDVI。

一、数据源

本文选取两景覆盖北京市的Landsat8 OLI影像、土地覆盖类型图以及北京行政边界矢量数据为数据源。其中，土地覆盖类型图是作为掩膜文件使用，其目的是为了便于植被覆盖度的估算；北京行政边界矢量数据是为了将两景镶嵌好的影像数据进行裁剪使用的，其目的是裁剪出北京市行政区内的范围。另外，Landsat8 OLI影像是从地理空间数据云网站上下载得到的，其成像时间为2013年10月份。与Landsat7的ETM成像仪相比，OLI成像仪获取的遥感图像辐射分辨率达到12比特，图像的几何精度和数据的信噪比也更高。OLI成像仪包括9个短波谱段（波段1～波段9），幅宽185km，其中全色波段地面分辨率为15m，其他谱段地面分辨率为30m[4]。

表1 Landsat8 OLI陆地成像仪波段参数

二、研究方法

本文反演植被覆盖度所采用的是像元二分模型方法，像元二分模型是一种

+

简单实用的遥感估算模型，它假设一个像元的地表由有植被覆盖部分地表(SV)与无植被覆盖部分地表(SS)组成，而遥感传感器观测到的光谱信息(S)也由这2个组分因子线性加权合成，各因子的权重是各自的面积在像元中所占的比率，如其中植被覆盖度可以看作是植被的权重。因此，像元二分模型的原理如下：

①遥感传感器观测到的光谱信息(S)由有植被覆盖部分地表(SV)与无植被覆盖部分地表(SS)组成，可得出：

S = SV + SS

·········

公式1

②假设一个像元中有植被覆盖的面积比例为fc , 即该像元的植被覆盖度, 则裸土覆盖的面积比例为1 -fc ，如果全由植被所覆盖的纯像元所得的遥感信息为Sveg , 则混合像元的植被部分所贡献的信息Sv可以表示为Sveg与fc的乘积： 式2

那么，

Ss =(1 -fc )·Ssoil

③将公式2与公式3代入到公式1中，可得到：

S =fc ·Sveg +(1 -fc)S soil ·········公式4

④对公式4进行变换, 可得以下计算植被覆盖度的公式：

fc =(S -Ssoil) (Sveg -Ssoil ) ·········公式5

其中Ssoil 为纯土壤像元的信息, Sveg 为纯植被像元的信息, 因而可以根据公式5利用遥感信息来估算植被覆盖度。

⑤将归一化植被指数(NDVI)代入公式5可以被近似为:

fc =(NDVI - NDVIsoil ) (NDVIveg -NDVIsoil) ·········公式6

其中, NDVIsoil 为裸土或无植被覆盖区域的NDVI值, 即无植被像元的NDVI 值;而NDVIveg 则代表完全被植被所覆盖的像元的NDVI 值, 即纯植被像元的NDVI 值[2]。

当区域内可以近似取VFCmax=100%，VFCmin=0%，VFC = (NDVI -NDVImin)/ ( NDVImax -NDVImin)，NDVImax 和NDVImin分别为区域内最大和最小的NDVI值。由于不可避免存在噪声，NDVImax 和NDVImin一般取一定置信度范围内的最大值与最小值，置信度的取值主要根据图像实际情况来定；当区域内不能近似取

·········

Sv =fc·Sveg

·········

公

公式3

VFCmax=100%，VFCmin=0%，当有实测数据的情况下，取实测数据中的植被覆盖度的最大值和最小值作为VFCmax和VFCmin，这两个实测数据对应图像的NDVI作为NDVImax 和NDVImin。当没有实测数据的情况下，取一定置信度范围内的NDVImax 和NDVImin。VFCmax和VFCmin根据经验估算。

三、 数据处理

1、数据预处理

本文使用的Landsat8 OLI为L1T级别数据，不需做几何校正处理。而北京市需要两景Landsat OLI数据覆盖，因此首先要进行图像镶嵌和裁剪，然后进行大气校正等预处理过程。

（1） 辐射定标

辐射定标是将传感器记录的电压或数字值转换成绝对辐射亮度的过程。目的是消除传感器本身所产生的误差,由于传感器在不断的运行中光学器件性能逐渐退化,因此定标的系数也随之不同,这些定标系数也在不断的更改,在用户获得数据的时候,这些定标系数也在影像的头文件中同时提供给用户。遥感数据辐射定标就是将传感器得到的灰度值转换为星上的辐射亮度值或星上反射率,即表观辐射度或表观反射率。辐射定标主要校正由传感器的灵敏度带来的辐射误差[5]。其目的是为FLAASH大气校正准备数据：定标符合单位要求的辐射量数据、转换数据储存顺序等。

该处理过程在中实现，具体操作：在ENVIToolbox中，选择Toolbox/Radiometric Correction/ Radiometric Calibration，选择

*_MultiSpectral多光谱组（7个波段），打开辐射定标工具，对两景影像分别做辐射定标。