毕业设计（论文）-基于TM影像的植被覆盖监测—以株洲市市辖区为例.doc

龙岩学院资源工程学院毕业论文题 目：基于TM影像的植被覆盖监测以株洲市市辖区为例专 业： 测 绘 工 程 班 级： 2011级测绘二班 学 号： 2011092604 姓 名： 彭楚平 指导教师： 林金堂 职称： 副教授 资源工程学院基于TM影像的植被覆盖监测以株洲市市辖区为例资源工程学院 测绘工程专业2011092604 彭楚平 指导老师：林金堂【摘要】近年来，随着经济的飞速发展，许多地区环境遭到了严重破坏。本文利用株洲市市辖区行政边界图以及2002年与2009年TM影像数据，采用像元二分模型法，对株洲市市辖区进行植被覆盖度估算，取得了株洲市市辖区两期植被覆盖度的结果。通过结果，从总体上分析了株洲市市辖区两期的植被覆盖变化情况。【关键字】植被覆盖度；NDVI；遥感影像目录1 引言11.1 研究目的11.2 研究内容12 研究区概况与数据资料12.1 研究区概况12.2 数据资料12.3 数据预处理22.3.1 辐射定标与大气校正22.3.2 影像的切割23 植被覆盖度研究方法与计算23.1 植被指数23.2 归一化植被指数33.3 植被覆盖度研究方法33.4 植被覆盖度的计算43.5 研究步骤54 株洲市市辖区植被覆盖度估算与结果分析54.1 株洲市市辖区植被覆盖度54.1.1 归一化植被指数的计算54.1.2 NDVIveg与NDVIsoil的确定64.1.3 株洲市市辖区植被覆盖度估算74.2 株洲市市辖区植被覆盖度变化监测84.2.1 株洲市市辖区植被覆盖度分级图84.2.2 株洲市市辖区植被覆盖度变化情况95 结论与展望105.1 结论105.2 存在的问题105.2展望10致谢11参考文献1211 引言1.1 研究目的植物群落是生态系统中的重要组成部分，是提供生态系统功能的主体，对于维护生态系统的稳定有着巨大的作用1。然而，随着经济的快速发展与人口规模的膨胀，交通与建筑用地的不断扩大，使得城市植被不断减少，环境问题日益严重，已成为城市发展中的重要生态问题之一。植被覆盖度是指单位面积内植被的垂直投影面积所占百分比。是衡量植物群落覆盖地表状况的一个综合性量化指标，是描述生态系统的重要基础数据2，对植被覆盖度进行估算具有重要意义。株洲市市辖区近年来经济飞速发展，交通路线的修建以及城市的扩张对当地植被都有着重大影响，为了获得株洲市市辖区近年来植被的总体变化情况，为区域生态规划提供科学依据，有必要对其进行植被覆盖监测。1.2 研究内容本文利用2002年与2009年两期株洲市市辖区Landsat TM 遥感数据以及株洲市市辖区行政边界图，采用像元二分模型法，使用ERDAS IMAGINE 9.2与ArcGIS 10.2软件，对株洲市市辖区2002年与2009年植被覆盖度进行估算，通过估算所获得的影像，结合面积，对株洲市市辖区植被总体变化情况进行了分析。2 研究区概况与数据资料2.1 研究区概况株洲市市辖区位于株洲市的北部，北纬27462802，东经1130211318，总面积为408.1km2。东接浏阳市，西连湘潭市，南与株洲县相连，北与长沙市接壤。属于亚热带季风气候，降水充裕，光热足，风向冬季多西北风，夏季多正南风，年平均气温16C至18C。地貌类型主要为丘陵地带，湘江沿岸多为平原地带。辖区内林木繁多，其中芦淞区建成区绿化率达50.3%，有林地面积近4万亩，野生动植物资源丰富。2.2 数据资料本研究获取了株洲市市辖区所在的2002年9月3号与2009年9月6号两期的Landsat TM影像数据以及株洲市市辖区行政边界图。两期TM影像成像良好，平均云量分别为0.39与0.47，云层多位于研究区外，研究区基本不受云、雾的影响。两期影像的成像只相差三天，辖区内的植被生长状况基本相同，选取该两期的影像进行研究区植被覆盖度监测，满足研究的要求。下表2-1为获取的TM影像数据的部分信息。表2-1 研究区两期TM影像部分数据数据标识平均云量中心经度中心纬度获取时间LT51230412002246BJC010.39113.063627.44382002-09-03LT51230412009249BJC000.47113.085827.43052009-09-062.3 数据预处理2.3.1 辐射定标与大气校正对获取的研究区两期TM影像进行辐射定标与大气校正（6S），本文使用Erdas遥感影像处理软件进行影像辐射定标与大气校正的处理。使用Erdas中的modeler工具，建立相关model模型，在公式编辑器中输入公式与影像元数据文件中的相应参数，执行model模型，即可对TM影像进行辐射定标与大气校正。2.3.2 影像的切割利用株洲市市辖区的行政边界图，使用ERDAS Interpreter模块Utilities菜单下的Mask命令，对经过预处理的2002年、2009年TM影像进行切割，得到研究区的影像图如下2-1、2-2所示。 图2-1 研究区2002年TM影像图 图2-2 研究区2009年TM影像图从图2-1与图2-2中可以较为直观的看出，随着城镇的不断发展扩大，植被有了明显的变化。所以，对研究区进行植被覆盖度的监测是有意义的。3 植被覆盖度研究方法与计算3.1 植被指数植被指数，又被称为光谱植被指数，是将遥感传感器获取的多光谱数据线性或非线性组合而成的对于植被有表现能力的各种数值3。遥感植被光谱中可见光红光波段（0.55-0.68）在植被光合作用过程中被叶面叶绿素强烈吸收，而叶面对近红外波段（0.7251.1）又具有强烈反射性。由于这两个波段对植被具有很好的表现能力，一般而言，将这两个波段进行方式多样的组合，构成符合要求的不同植被指数。因为计算方式与监测形式的不同，植被指数也不尽相同。一般使用的有：垂直植被指数PVI、全球植被指数GVI、归一化植被指数NDVI、消除土壤影响的植被指数SAVI和比值植被指数RVI等。植被指数应用在遥感影像的解译中，可以较为明显的表现出地面植被的大致情况，为土地的管理应用，城市绿化，沙漠绿化管理等提供理论依据。植被指数研究较为复杂，它没有一个固定的值，受云量，土地湿度，传感器的工作状况等影响与制约。因此在实际应用中，植被指数的选取应尤为仔细。选择植被指数的原则主要是从以下三大方面出发 4： 可充分反映地表植被的分布情况，且不出现饱和现象。 最大限度地排除大气等因素的干扰。 方便快捷，能满足实时操作的需要。在常用的植被指数中，归一化植被指数因为其简易性以及对植被覆盖度的良好表现能力等特点被广泛的应用到实践中。本文采用归一化植被指数进行株洲市市辖区的植被覆盖监测。3.2 归一化植被指数归一化植被指数NDVI（Normalized Difference Vegetationg Index）是指在遥感影像中，近红外波段的反射值与红光波段的反射值的差值与两者的和的比值，也被称作标准植被指数。公式表示为：NDVI=(NIR-R)/(NIR+R) （3-1）采用TM影像时公式可表示为：NDVI=(TM4 - TM3)/(TM4 + TM3) （3-2）其中NIR为近红外波段的反射值，R为红光波段的反射值；TM3与TM4分别为Landsat陆地卫星TM传感器的第四（近红外）和第三（红光）波段亮度值。归一化植被指数可综合多方面反映像元中绿色植被的性质，如绿色植被的种类、健康程度、覆盖的方式等。其取值的多少由叶面积指数和植被覆盖度等要素决定，与植被分布密度呈线性相关，因此可用归一化植被指数来进行植被覆盖度的估算。在植被指数中，归一化植被指数的地位十分重要，它的优势主要体现在这几方面5： ）植被检测灵敏度较高。）植被覆盖度的检测范围较宽。）可消除地形与植被群落结构的辐射和阴影干扰。）削弱太阳高度角和大气所带来的噪音。许多学者利用归一化植被指数来监测植被覆盖，是进行植被覆盖监测时普遍采用的植被指数。如梁保平，李艺，刘庆业，李晖等采用TM影像数据，对原始影像进行预处理后，计算了归一化植被指数，利用混合像元二分模型，对区域植被覆盖情况进行了动态监测，结果符合预期要求6。3.3 植被覆盖度研究方法根据测量手段的不同将植被覆盖度测量分为传统的地面测量与新兴的遥感测量两种。其中，传统的地面测量因技术关系，较难进行大区域内植被覆盖度的提取，且需要投入的劳动力较多。近年来随着遥感技术的发展，获取大区域内的地表信息变得更为简便，利用遥感技术来获取影像数据监测地表植被覆盖的方式也越来越常见。目前遥感技术领域常用来进行植被覆盖度提取方法有：像元二分模型法，植被指数法，回归模型法，光谱梯度差法等。其中，像元二分模型法具有原理易于理解，操作较简单，且精度较高，易于推广等特点，研究应用实例很多。如温小乐等基于归一化植被指数NDVI建立像元二分模型，对长乐市进行植被覆盖监测，结果表明，此方法简单且结果满足研究要求7。本文采用此方法对株洲市市辖区进行植被覆盖度的估算。3.4 植被覆盖度的计算像元二分法的原理是假设一个像元的信息分为土壤部分与植被部分8。通过遥感传感器所获取的混合像元S，就可表示为植被部分所包含的信息SV以及土壤部分包含的信息Ss 。公式表示为：S=Sv+Ss （3-3）因为混合像元信息包含土壤部分与植被部分，如果像元中有植被覆盖的面积比例（即植被覆盖度）为fc，则土壤覆盖的面积比例为1-fc 。假设一个全为绿色植被所覆盖的纯像元，所包含的像元信息为Sveg，则混合像元S中植被所包含的信息Sv可用下面公式来表示：Sv=Svegfc （3-4）即为Sveg与fc的乘积。同理，假设一个全为土壤所覆盖的纯像元，所获得的像元信息为Ssoil，则可知混合像元S中土壤成分所包含的信息Ss可以用下面公式来表示：Ss=（1-fc）Ssoil （3-5）即为Ssoil与1-fc的乘积。则混合像元S可用下面公式表示：S=Svegfc+（1-fc）Ssoil （3-6）将3-6变换后，得到如下公式3-7：fc=(S-Ssoil)/(Sveg-Ssoil) (3-7）因为归一化植被指数对植被具有很强表现能力，是植被覆盖度有效的指示因子，按照像元二分模型法的原理，一混合像元的NDVI值就可以表示为纯植被覆盖部分和纯土壤覆盖部分的和，将归一化植被指数带入公式（3-7）得：NDVI=NDVIvegfc+NDVIsoil（1-fc） (3-8)式中，NDVIveg表示为全被植被所覆盖的像元的NDVI值；NDVIsoil表示全为裸土或无植被覆盖区域的NDVI值。对公式（3-8）进行变换有：fc=(NDVI-NDVIsoil)/(NDVIveg-NDVIsoil) (3-9)许多学者研究中都采用过此公式，如：陈骏，沈盈佳，曾建军等利用TM与ETM+影像数据9，对昆明市植被覆盖度变化进行了动态分析，结果符合精度要求，达到预期目的，证明使用该公式进行植被覆盖度计算满足研究要求。公式（3-9）中，NDVIsoil与NDVIveg为参数，其中NDVIsoil对于大部分裸地而言，理论上它的值应该接近于0，且不会因时间而改变，但是因为地表环境的不同，地表土壤状况的差异以及大气的影响，NDVIsoil的值也会因此而改变。NDVIveg表示全为被植被所覆盖的像元的NDVI值，但由于气候与天气的影响，以及所观测到的绿色植被的种类与所处生长周期的不同，NDVIveg的值同样会因为时间与空间的不同而变化。所以采用一确定的值是不可取的，我们也并不需要知道一个固定的参数值，它们应该从图像中计算出来。在本文中，采取近似替代的方法来确定不同影像中的NDVIsoil与NDVIveg值10。第一步，统计两期影像中的NDVI值，分别获取NDVI累积概率分布表；第二步，确定置信度为1%，根据实际裸土和全覆盖状态下植被的NDVI值，选取累积概率最接近1%的值为NDVIsoil，选取累计概率最接近99%的值为NDVIveg。3.5 研究步骤（1） 获取研究区的资料与数据。主要是株洲市市辖区的遥感影像数据、行政边界图以及相应的自然地理资料。（2） 对获取的研究区影像进行辐射定标与大气校正处理后，利用株洲市市辖区行政边界图对TM影像进行切割。（3） 利用经过预处理后的两期株洲市市辖区影像来计算归一化植被指数值。依照上述方法，来确定参数NDVIsoil与NDVIveg的值。（4） 利用已经确定的NDVIsoil与NDVIveg的取值，带入公式估算两期图像的植被覆盖度。（5） 对获取的植被覆盖度影像进行植被覆盖度分级以及相应面积的统计，利用处理后的数据，进行株洲市市辖区的植被覆盖度情况分析。4 株洲市市辖区植被覆盖度估算与结果分析4.1 株洲市市辖区植被覆盖度4.1.1 归一化植被指数的计算本文采用的是Landsat TM遥感数字图像，3波段为红光波段，4波段为近红外波。因此，利用公式（3-2）来计算归一化植被指数NDVI。本文利用ERDAS遥感图像处理软件计算归一化植被指数NDVI，在ERDAS的主工具中选择Modeler模块，利用Model Maker建立用于计算NDVI值的model。Model模型如下图4-1所示。图4-1 计算NDVI值所建Model模块图用该方法得到的株洲市市辖区两期的NDVI图像利用Arcgis进行分级处理后如图4-2、4-3所示。从两NDVI分级图像可以直观的看到，相比2002年，株洲市市辖区2009年植被明显减少。 图4-2 研究区2002年NDVI分级图 图4-3 研究区2009年NDVI分级图4.1.2 NDVIveg与NDVIsoil的确定做出2002和2009年两期图像的NDVI概率分布。在遥感图像处理软件ERDAS中打开研究区的NDVI图像，利用raster工具下的attributes子工具，查询NDVI的分布值，如下图4-4所示，其中列value表示NDVI值，histoqram为影像中NDVI为该值的像元个数。复制该两列的数值到Excel表中，利用Excel来计算相应数据。数据复制到Excel中后，利用Excel的计算功能，首先进行像元总个数的计算，然后对每个值的像元数进行累计求和。最后用累计像元个数除以像元总个数，得到累计概率分布的结果。部分结果如下表4-1、4-2。图4-4 研究区NDVI值分布输出图表4-1 研究区2002年NDVI累计概率分布表（部分）NDVI值像元个数累计像元个数累计概率分布-0.187851603155638780.85346%-0.18124183257844560.98067%-0.17463206151759731.31453%-0.16802228982968021.49697%表4-2 研究区2009年NDVI累计概率分布表（部分）NDVI值像元个数累计像元个数累计概率分布0.469474796326244726498.43304%0.47598714263744990199.01339%0.482499483182345172499.41459%0.48901182782345254799.59572% 计算NDVIsoil与NDVIveg 根据所获取的研究区NDVI累计概率分布表，利用第三章3.4节中所述方法，选取选取累积概率为1%左右的值为NDVIsoil，99%左右的值为NDVIveg 。 NDVIsoil与NDVIveg的取值利用上述累计概率分布表与计算方法，经过计算，得到2002年研究区的参数值为：NDVIsoil =-0.181,NDVIveg =0.526;得到2009年研究区的参数值为：NDVIsoil =-0.104，NDVIveg =0.476。4.1.3 株洲市市辖区植被覆盖度估算根据上节中确定的参数NDVIsoil与 NDVIveg ，利用上述公式（3-9）进行植被覆盖度的估算：fc=(NDVI-NDVIsoil)/(NDVIveg-NDVIsoil)使用ERDAS遥感图像处理软件中的Modeler工具进行植被覆盖度的计算，编写相应model，model模型如上图4-1。输入相应公式，运行model模型后，得到两副栅格图像，如下图4-5、4-6所示。其中，颜色越浅的地区植被覆盖度越低；相反，颜色越深的地区植被覆盖度越高。图4-5 2002年植被覆盖度图 图4-6 2009年植被覆盖度图4.2 株洲市市辖区植被覆盖度变化监测4.2.1 株洲市市辖区植被覆盖度分级图上节通过计算已经得到了株洲市市辖区两期的植被覆盖度图像，可以比较直观的看到株洲市市辖区植被在2002年到2009年间植被有了明显减少。为了更明显的表现植被覆盖度的情况，对上图4-5、4-6分别进行分级处理。本文采用0-20%、20%-40%、40%-60%、60%-80%、80%-100% 五级表示。分级结果如下图4-7、4-8所示。图4-7 2002年植被覆盖度分级图 图4-8 2009年植被覆盖度分级图按照相同分级标准，对两期植被覆盖度影像进行面积统计，统计结果如下表4-3与图4-9所示。表4-3 各级植被覆盖度的面积统计表覆盖度2002年面积（km2）2009年面积(km2)0-0.211.86416.6010.2-0.439.9451.3710.4-0.655.37959.7980.6-0.8133.391123.5280.8-1164.362154.427图4-9 两期各级植被覆盖度面积统计图通过表4-3与图4-9，可以得到：2009年相对于2002年而言，株洲市市辖区植被覆盖大面积减少，研究区的植被退化问题比较严重。根据有关资料，2002年至2009年间，株洲市市辖区有两条高速公路修建，分别为沪昆高速与长株高速，在图4-8中可以很清楚的看出两条高速路的交接处附件植被覆盖降低。4.2.2 株洲市市辖区植被覆盖度变化情况编写model得到植被覆盖度图像的值后，为了从数据上监测株洲市市辖区2002年到2009年间植被覆盖的总体变化情况，使用Erdas中的工具编写相应model，利用2009年的植被覆盖度减去2002年的植被覆盖度，得到株洲市市辖区的植被覆盖变化图。利用ArcGIS软件，按照表4-4所示的分级标准，对获得的图像进行分级显示，所得图像如下图4-10所示。表 4-4 植被覆盖变化分级图分级标准植被严重退化植被退化稳定植被少量增长植被增长植被大量增长0.4图4-10 研究区植被覆盖变化分级图对植被变化分级图各级面积进行统计，所得统计结果如下表4-5所示。表4-5 植被变化分级图各级面积统计表植被退化情况面积（km2）植被严重退化14.024植被退化118.051稳定169.693植被少量增长82.216植被增长16.394植被大量增长7.668从图4-10与表4-5中得到：株洲市市辖区植被退化明显，植被退化的面积大，有部分地区植被退化严重。这说明株洲市市辖区对于植被保护不到位，环境问题没有得到有效解决。根据湖南统计信息网所获资料，株洲市2009年生产总值大约为2002年的三倍。2002年至2009年株洲市市辖区经济飞速的增长，城镇规模不断扩大，使得植被遭到了破坏。同时，交通路线的修建也对植被覆盖有一定影响。5 结论与展望5.1 结论本文通过TM影像，采用像元二分模型法，对株洲市市辖区2002年与2009年植被覆盖度进行估算，利用估算所获得结果对株洲市市辖区的植被覆盖变化进行了总体分析，所得结果满足研究需求，完成了对株洲市市辖区的植被覆盖监测。总体上看，株洲市市辖区植被覆盖下降比较明显，植被覆盖下降的区域广，植被覆盖增长的区域相对较少，且增加的情况多为少量增长。研究区的经济增长迅速，但环境遭到破坏，说明研究区没有做好可持续发展的规划，需要找到一个方法，实现可持续发展，不然依照当前趋势发展下去，研究区的植被将进一步减少。5.2 存在的问题（1）没有获得研究区植被覆盖度的实测数据，所获得的结果没有进行精度验证。（2）参数NDVIsoil与参数NDVIveg取值的置信度的建立并没有十分明确。（3）研究区植被覆盖的变化是多方面产生的结果，本文只针对植被覆盖度的变化进行了监测，从经济发展与人类活动对环境的影响方面进行了简要分析，具体变化原因需要结合当地具体情况进行分析。5.2展望本文采用TM影像对株洲市市辖区两期植被覆盖进行了监测，获得了一定成果。如果能够对研究区进行不同时期的监测，并对不同时期的结果进行分析，可以为相关单位开展经济建设提供相关依据，对地区的可持续发展有一定帮助。随着科技的不断发展，遥感技术必定会不断提高，植被覆盖的监测模型方法也会不断改善，精度也会不断提高。随着更多遥感卫星的升空，无人机的使用，人们获取地表实测数据来源更加广泛。数码相机的发展也为地表数据的获取提供了一条新途径。这些技术的发展与使用，能够为植被覆盖监测提供更为及时与准确的数据来源，使植被覆盖的监测更加精确，更加具有社会意义。致谢大学四年，在不知不觉中就快过去了，四年的学习生涯，感谢龙岩学院与资源工程学院的老师们的教导，不仅让我在大学中学会了很多知识，还教会了我对知识要懂得细细琢磨的道理。感谢我的论文指导老师，林金堂老师。在整篇论文的编写中，林老师始终认真仔细的指导，为我论文的完成提供了许多的建议，不仅指出我错误的地方，也为我指明论文修改的方向，让我对于知识的收集以及表达能力都受益匪浅。 感谢2011级测绘工程二班的同学们，大学四年的时光我们一起度过，感谢你们的陪伴，因为你们，大学生活变得更加的丰富多彩。感谢我的父母、亲人，他们不计回报的为我付出，为我付出了很多心血，让我能够安心的完成自己的大学学业。最后，我要向百忙之中抽出时间来审阅论文的老师表示最诚挚的感谢!参考文献1 赵翠娥，丁文荣.基于ENVI和GIS技术的龙川江流域植被覆盖度动态监测J.林业调查规划，2013，38（5）：14-19.2 江洪，王钦敏，汪小钦.福建省长汀县植被覆盖度遥感动态监测研究J.自然资源学报，2006，21（1）：126-131.3 兰明娟，魏虹，熊春妮，周晨霓.基于TM影像的重庆市北碚区地表植被覆盖变化J.西南大学学报，2009，31（4）：100-103.4 何筱萍,易浩若.归一化植被指数（NDVI）在林火监测中的应用J.林业科技通讯,1997,(8):16-18.5 罗修岳,郑柯.脆弱生态环境植被指数和植被盖度数字图像的编制及其应用研究以晋陕蒙地区为例.晋陕蒙接壤地区脆弱生态系统遥感监测与管理研究M.北京:宇航出版社,1994:24-35.6梁保平，李艺，刘庆业