毕业设计论文-南靖植被覆盖度的遥感估算.docx

毕业论文 题目：南靖植被覆盖度的遥感估算 学 院： 资源工程学院 专 业： 测绘工程专业 学 号 二0一六年五月二十日南靖植被覆盖度的遥感估算摘要：植被覆盖度是反映气候以及生态环境的一个重要一个参考量。随着我国近年来城镇化节奏的加快，以及经济总量的不断增加，人民的生活水平也随之提高。但是由于对保护生态环境的观念和政府的监管力度不足，造成了大量的环境破坏和资源浪费。所以对于区域及全国的植被覆盖度的动态监测就显得十分重要。本文主要通过对多种测量植被覆盖度方法的探讨与介绍，并运用像元二分法分别对南靖1996年、2002年和2014年的植被覆盖度进行计算统计。分析测量结果，并进行数据动态分析。关键字：遥感；植被覆盖度；NDVI；像元二分法目录1引言12植被覆盖度13 植被覆盖度监测方法概述13.1地面测量法23.2地面测量法优缺点23.3遥感测量法23.3.1遥感获取植被覆盖度的优势23.3.2像元分解模型法33.3.3像元二分法33.3.4 NDVI33.3.5像元二分法的改进44研究区域及内容44.1研究区概况44.2研究目标44.3数据处理过程概况54.4数据源及数据处理具体步骤54.4.1数据源54.4.2辅助数据以及操作软件54.4.3数据处理55 结果分析156 存在问题15参考文献16致谢语1601引言 植被包含了森林、灌木、乔木、草原与农作物。由于其根系连接着土壤，枝叶接触空气，通过其蒸腾作用以及光合作用等，将土壤大气水等要素连接在一起。作为生态系统的基础，关系到地表土壤和水的平衡，并且植被还在地表的能量的交换，大气的循环还有水循环中起着十分重要的作用，使它具有调节气候、防沙治沙、保土固土和增强土壤雨水下渗能力等功能1。植被覆盖度作为地球内部物质和外部物质交换情况的综合反映，被称作生态环境的指示器。较低的植被覆盖度直接导致生态环境的恶化，继而导致气候变化、水土流失、土地荒漠化和生物种类减少等不良，影响着地区乃至全球特别是“第三世界国家”人民的生存环境。如何保护人类生存环境不被破坏，实现生态的可持续发展，缓解全球变暖造成的各种不良影响，将成为我们全球科学家、政府和普通民众所要解决的主要问题。遥感技术相对于传统的测量具有时效性、经济性、大范围同步观测、数据的综合可比性等优势。故应用遥感技术可以让获取大范围植被覆盖度信息成为可能。本次研究的主要内容就是应用ENVI软件对遥感影像进行处理分析，获取地区的植被覆盖度。2植被覆盖度生态系统中植物作为其中最重要也是最基本的部分，几乎所有生物的生存都需要依靠它。植被覆盖度（FVC）定义为植被垂直地表的投影面积占地表总面积的百分比2。它是描述地表植被生长和覆盖情况的一个重要参考量，同时也作为衡量生态情况变化的一项重要指标3。地表植被的生长状况与覆盖程度基本依靠植被覆盖度进行判断和评估。它具有以下几项意义。（1） 根据植被覆盖度的大小，可以对区域或全球气候情况进行描述。（2） 在进行水文生态模型中是一个很重要的变量，在全球模型中经常需要用到该变量在时间和空间中的分布计算水或能量的流动。（3） 是反映地区乃至全球环境变化的一个重要参数，持续的对全球进行宏观的植被覆盖度的监测，是反应全球环境变化信息的重要方式。（4） 是调查区域土壤水分丧失多少和植被蒸腾与光合作用强弱的一项参考因子。（5） 是水土流失的重要控制因子，该因子的大小经常会影响着水土流失的强弱。（6） 是进行土地评估的一项重要参考因子。 3 植被覆盖度监测方法概述 当今多个研究领域都需要用到植被覆盖度作为重要参数，所以快速获取精确的获取植被覆盖度，对多个领域都有积极作用。目估法植被覆盖度的估算主要经历了4个发展阶段，分别是目估法、采样法、仪器法和遥感测量法，这4种方法又被分为地面测量法和遥感测量法。地面测量法主要是运用统计测算法而遥感测量法主要运用整体直接测算法。统计测算法地面测量法采样法植被覆盖度和估算方法仪器法整体测算法遥感测量法图3-1：植被覆盖度估算方法3.1地面测量法地面测量法包括目估法、采样法和仪器法三种主要方法。这三种方法也代表了地面测量法的进化过程。目估法主要根据目估人员的工作经验进行判断，在研究区域植被覆盖度较低或是较高的情况下应用目估法进行估算精度会相对较高，在植被覆盖度10%80%时精度会逐渐变低，精度大小呈正态结构分布。随着分析技术人员的增加，分析精度也将提高。目估法简单易操作，但是对人员的素质和经验要求较高，同时成本较大。采样法通过对研究区域进行分割，对分割后的各区域分别进行植被覆盖度分析。一般会将研究区域分割成样方、样条，同时也可结合尺测和样针方法进行植被覆盖度分析。该方法虽然精度较高，但是效率低下，同时操作复杂。仪器法是地面测量以上两种方法的升级，对光线通过植被层的情况进行检测，并结合计算机技术对数据进行分析。此方法精度较高，可以获得客观的植被覆盖信息，是目前地面测量的发展趋势。3.2地面测量法优缺点缺点：目估法存在很强的主观性，采样法数据获取不够科学，仪器法会浪费大量的人力物力。并且相对遥感测量，地面测量法对于操作人员的专业素质要求较高且进行地面测量时条件较为艰苦，无法对大区域的植被覆盖状况进行宏观的观测。优点：精度高、不受大气因素，环境因素等的干扰。在小范围内提取高精度植被覆盖信息时，地面测量相对遥感测量较为实用。3.3遥感测量法回归模型法运用遥感技术的多波段、多时相、高信息量、多光谱和大范围等特点，让获取大范围区域植被覆盖度宏观信息成为了可能。国内外近年涌现了多种应用遥感提取植被覆盖度的方法如图3-1。植被指数法像元二分法像元分解模型法遥感测量法分类决策树法人工神经网络法图3-2：遥感技术提取植被覆盖度信息的方法分类图对FVC的观察需要大范围和高频率，同时也要具备经济、快捷、准确。所以遥感就成为了最有效的区域内获取FVC的手段。同时由于遥感数据具有即时性以及多样性等特点，能够获取在不同尺度上植被覆盖大小及其变化信息，所以遥感测量成为了估算植被覆盖度的有效手段4。同时在需要对大范围进行植被覆盖度分析时遥感技术还具备时效性、经济性等优势。3.3.1遥感获取植被覆盖度的优势 遥感作为一项先进的对地观测技术，具有多层次、多时段和多波段等特点，广泛的应用在资源勘探、环境调查、气候监测和海洋研究等多个领域中，是获取多种研究数据的重要手段。随着近代计算机技术的不断提高，对遥感数据进行存储、处理、分析和统计等的技术和速度都得到了极大的提高，从而促进了遥感技术的不断发展。通过遥感技术对植被覆盖情况的变化进行监测具有以下几项优势：（1） 遥感拥有大量的波谱信息，通过对海量的波谱信息进行分析，为全球、区域、以及地方的植被覆盖度监测提供了定性和定量的数据。（2） 遥感技术具有周期性、宏观性、即时性、经济性和现势性等特点，可以高效率的获取大面积区域的植被覆盖度信息。（3） 遥感影像具有直观、获取速度快和数据量大等特点，可以对区域内植被覆盖度进行实时和准确的监测。（4） 通过与3S技术结合，可以深度的统计和分析植被覆盖度的空间时间分布。（5） 应用遥感技术获取数据的即时性特点，可以在分析影像信息的同时结合时间轴进行分析，从而获得区域植被覆盖率的季节性变化。（6） 应用遥感数据获取植被覆盖度，与地面测量获取的植被覆盖度相比，能更加客观的反应出植被生长的真实情况，同时更具有监测灵敏性。较为常用的植被覆盖度分析方法是“像元分解模型法”，本次研究主要应用的就是这种方法。3.3.2像元分解模型法在进行遥感测量时影像图中的混合像元是一个始终无法回避的问题。所谓混合像元就是一个像元中包含多个部分地物组分信息，每个部分都会对像元的最终形态构成影响，从而影响到遥感传感器最终观测到的信息。将像元信息进行分解，并获取分解模型是解决该问题的主要途径。目前已经开发出的模型主要有5种，随机几何模型、模糊分析模型、概率模型、几何光学模型、分布式线性模型和概率模型6。3.3.3像元二分法像元分解法当中最为常见的模型就是线性分解模型。像元二分法作为线性分解模型当中最为常见的一种进化模型，该模型对像元信息分解为两类，地表完全被植被覆盖的信息为SA，完全不被覆盖的地表为SR。 （3-1）在像元二分法模型中所有光谱信息都是由这两个部分线性合成，它们在像元各自占到的面积比就是他们各自所占的权重，完全被植被覆盖的部分在像元中所占的比就是该像元的植被覆盖度7。3.3.4 NDVI劣势“ 运用像元二分法进行植被覆盖度估算时，计算植被指数NDVI是关键。NDVI（Normalized Difference Vegetation Index)又称光谱植被指数。植被指数是指利用遥感传感器获取的光谱数据经过线性组合，构成的对植被覆盖和生长情况有一定指数作用的数值8。同时也是多种植被指数的一种，植被指数还包括：PVI、SAVI、MSAVI、TSAVI、MVI、EVI等，又名标志化植被指数。NDVI的计算公式为： （3-2） 在对NDVI进行计算时，需要用到红外和近红外波段信息，其与植被覆盖度呈现出线性的关系，故NDVI是描述植被生长状态的一项重要指示因子8。NDVI综合反映植被的覆盖程度、生长情况和植被类型等，因存在线性关系故植被覆盖度大小直接影响着NDVI的大小，从而根据NDVI的大小可以用来估算植被覆盖度的大小。运用NDVI对植被覆盖度进行分析时根据植被盖度大小存在三个阶段：第一阶段是植被盖度小于15%、第二阶段植被盖度在25%80%之间、第三阶段植被盖度在80%以上，第一阶段NDVI可以将土壤和植被区分开，当位于第二阶段NDVI大小与植被盖度呈线性关系，第三阶段监测能力会随着植被盖度增加逐渐减小10。在这里需要区分“植被盖度”与“植被覆盖度”这两个概念，植被盖度指的植被群落垂直投影面积与研究区域面积之比的百分比，两种计算方法得出的结果是截然不同的。所以在进行植被覆盖度估算时，NDVI占有重要的地位，它相对其他几个指数主要具备以下几个优势11：（1） 植被检测灵敏度较高；（2） 植被覆盖度的检测范围较宽；（3） 对地形以及阴影的干扰能够起到较大的消除作用；（4） 削弱太阳高度角和大区所带来的噪声。3.3.5像元二分法的改进李苗苗等人通过对像元二分法模型的研究，改进了该模型估算参数的方法，建立了利用NDVI指数对植被覆盖度进行精确定量估计的模型。为了检验该模型的可行性，对北京密云水库上游的植被覆盖度进行了估算，并结合实际地面测量数据进行对估算结果的验证，最后得到估算结果精度达到了85%，这充分的表明这种改进模型切实可行。获取影像图中的NDVI数值，就是获取区域内植被覆盖度的关键步骤。公式3-3就是根据像元二分法所改进的模型： （3-3）NDVIveg与 NDVIsoil分别表示了地表完全被植被覆盖和地表完全没有植被覆盖时所检测的NDVI值。NDVIveg与NDVIsoil的计算公式如下： （3-4） （3-5） 在实际测量工作中会存在以下两种假设：（1）当研究区域内可以将VFVmax和VFCmin分别近似取 1和0时演算公式（3-6）形式： （3-6）NDVImax为研究区域内最大的NDVI值，NDVImin为研究区域内最小的NDVI值。但是由于不可避免的外界条件干扰，NDVImax和NDVImin一般会取置信范围内的最大和最小值。这个置信最大最小值取决于研究区域的实际情况和操作人员的经验。（2）当研究区域内不能将VFCmax和VFCmin作为1和0时在进行过实地测量的情况下，可以取研究区域植被覆盖最大值作为VFCmax，取研究区域植被覆盖最小值作为VFCmin，这两个数据所对应的是影像中NDVI的NDVImax和NDVImin。在没有实地进行测量的情况下，根据研究区域实际状况取一点范围内的NDVI值作为NDVImax和NDVImin，FVCmax和FVCmin将根据实际操作人员经验估算。在进行研究南靖县地表植被覆盖度时，将应用李苗苗等人所改进的这种应用植被指数近似估算指标覆盖度的模型。4研究区域及内容4.1研究区概况 漳州市南靖县，南靖地处于福建南部，整个地势由西北向东南倾斜。东西宽约60公里，南北长约80公里，介于北纬242620245958东经1170121173636之间。全境土地面积约有1831.58平方公里，折合294.24万亩，其中丘陵地占主要成分，占到了总土地面积的44.1%；其次为低矮山占到39.6%；台地、河谷和平原占16.3%。耕地有22806.7公顷、林地面积为124866.7公顷、建设用地有7466.7公顷、新开耕地面积有89.7公顷。全县森林覆盖率达到了74%，被称作“漳州的热带雨林”。全年平均气温为21.5，最高气温38.9，一般出现在8月2日，其中35的高温日数约有48天，37的高温天气日数约有7天；最低气温-0.5，一般出现在11月份。在降水方面南靖冬季雨量一般为222.6毫米，春季雨量302.8毫米，夏季约240毫米，秋季约110毫米。通过本次对南靖县1996、2002、2014年遥感图像的植被覆盖度（FVC）分析可以十分直观的了解到随着经济的发展和社会的进步，而带来的各种环境问题。4.2研究目标本研究主要利用LANDSAT遥感卫星获取的数据集，采用像元二分法，获取南靖地区1996年、2002年、2014年3年植被覆盖度，生成3年的植被覆盖分级图，进行横向比较。分析出各年各区域植被覆盖度的变化。 4.3数据处理过程概况（1）根据行政区划界线SHP文件对遥感影像进行裁剪。（2）对数据进行数据预处理包括图像融合、镶嵌、裁剪、去云去阴影和大气校正。（3）应用ENVI软件计算NDVI值之后运用李苗苗等人改进后的像元二分模型进行植被覆盖度的计算。（4）利用处理后的数据，提取1996、2002、2014年南靖的植被覆盖度。（5）对1996、2002、2014南靖地区植被覆盖度进行分析。横向对比数据分析三个时间段植被覆盖度变化原因。4.4数据源及数据处理具体步骤4.4.1数据源 本次研究应用的是LANDSAT遥感卫星获取的数据，LANDSAT中文全称为陆地资源卫星，是美国NASA发射的一款陆地卫星，卫星的重访周期为16天。覆盖范围包括了地球北纬81到南纬81.5地区。1996年与2002年影像图的采集卫星搭载了“专题图扫描仪”和“多光谱扫描仪MSS”两种传感器，其中MSS包含4个波段，TM包含了7个波段TM中有6个波段的空间分辨率为30米，另外一个波段空间分辨率较低且运用较不广泛。2013年2月11日发射了Landsat系列最新卫星Landsat8，其搭载了OLI陆地成像仪和热红外传感器。对观测波段进行了调整，一共对11个波段进行监测，可以更好的在全色影像图中区分植被覆盖区与非植被覆盖区，提高了观测精度。研究采用的LANDSAT系列卫星提供的南靖1996、2002、2014年3年，影像空间分辨率为30米。影像具体信息见表4-1。表4-1：各年影像数据1996年2002年2014年轨道条带120|43120|43120|43拍摄行编1996-04-232002-05-212014-06-22云量8.21%9.11%4.65%4.4.2辅助数据以及操作软件辅助数据：福建省南靖县行政区划界SHP图操作软件ENVI classic，arcgis4.4.3数据处理遥感传感器接收到的地面实体像元信息会因为太阳角度位置和大气条件等因素影响，所以在进行影像处理分析之前需要对影像进行预处理，预处理主要包括了辐射校正、大气校正和几何校正。之后才能够得到地表实体的真实光谱发射率和和亮度。对预处理后的影像图进行切割处理如图4-1。图4-1：选取切割区域选择需要切割的影像，之后选取切割的边界线矢量图。设置背景色度值，一般设置为0。之后计算影像图植被ENVI值，图4-2为对影像NDVI计算完成之后的成果。图4-2：影像图进行NDVI处理对输出的NDVI影像根据进行计算，现今用NDVI估算的模型很多，我们选择李苗苗等人经像元二分法改进而来的计算模型公式，如下： （4-1）当地表只有存在裸土和植被完全覆盖两种情况时公式可以变为 ： （4-2）现实中极少出现这种情况，一般在草原或沙漠可能出现。模型处于另外一种情况也就是说植被的覆盖度会呈某种梯度时，则取实际测量数据中的植被覆盖度的最大值和最小值作为VFCmax和 VFCmin，这两个实测数据分别对应着图像的NDVI作为NDVImax 和NDVImin。 以南靖1996年为例对影像图进行NDVI统计后得到下图，我们选择累计Percent小于5%和大于90%的作为NDVImin和NDVImax.图4-3：对NDVI进行的统计分析结果 分析后得到NDVImax=0.543139、NDVImin=0.122686 所以我们可以根据公式将整个地区分成3个区域，NDVI小于0.122686、VFC等于0NDVI大于0.543139VFC等于1。当NDVI存在于NDVImax与NAVImin之间时我们将其带入公式，根据公式（4-1）将NDVImax与NAVImin分别带入公式得：VFC=(b1 lt 0.122686)*0+(b1 gt 0.543139)*1+(b1 ge 0.122686 and b1 le 0.543139)* (b1-0.122686)/ (0.543139-0.122686)人工将数据一一带入存在大量的工作量，而且难以最后绘制植被分级图。所以我们应用了ENVI中的band math工具对影像图进行计算得到如下图像以及影像数据：图4-4：公式分析图图4-5：数据统计在公式计算完成之后对影像进行植被分级图的制作，利用工具对影像图选择不同颜色添加多个区间。图4-6：1996年植被分级图植被覆盖度图4-7：96年南靖植被覆盖度分级统计图4-8：2002年植被分级图植被覆盖度图4-9：02年南靖植被覆盖度分级统计图图4-10：2014年植被分级图植被覆盖度图4-11：14年南靖植被覆盖度分级统计图表4-1：1996年2014年漳州南靖森林覆盖度5 结果分析对漳州南靖的植被覆盖率进行分析得出了如下结论：从1996年南靖县植被覆盖度约为65.27%、2002年南靖县的植被覆盖度约为66.42%、2014年南靖县的植被覆盖度约为74.73%。根据查阅漳州南靖政府网所发表的信息显示，近年来南靖县植被覆盖率约为74%，故该方法得到数据具有一定的可信度。对于南靖植被覆盖度上升的这个结果是人物因素和自然因素所共同作用的结果。首先上世纪80年代包产到户农民意识到林木的经济价值对自己山场有了较好的保护意识，同时经查阅文献发现南靖1961年-1970年/1971年-1980年/1981年-1990年/1991年-2000年/2001年-2008年，年平均降雨量分别是1439mm/1529mm/1603mm/1695mm/1629mm。可见充沛的降雨量对植被植被覆盖度的增加也起到了一定的作用。1996年、2002年和2014年分别可以看作南靖县20世纪末、21世纪初、当代的植被覆盖水平。研究每年的植被分级图可以得出以下结论。（1）南靖政府和当地居民对于生态环境的保护重视度较高。（2） 南靖城镇化明显，城镇面积增加乡村面积减少。乡村人口减少自然导致了相对偏远片区植被覆盖度增加。（3） 96年02年14年低植被覆盖度和中等植被覆盖度地区的分布和面积基本保持不变，对生态保持有积极意义。（4） 1996年高植被覆盖度面积为243691200m2,2002年为240776100m2,2014年为307412100m2。完全被植被覆盖地区的面积逐年呈增长趋势。 6 存在问题（1）由于美国陆地卫星（LANDSAT）于2013年才开始换代LANDSAT8，2013年以前影像图为前代卫星获取，故传感器的分辨率和灵敏度较低，在进行对地观测时会存在一定的限制，从而导致结果的误差。（2）使用遥感图像来获取植被信息时，因为卫星不可能时刻垂直与地表，而植被覆盖率的定义是植被在坡度的垂直投影面积比。所以存在会一定的误差。（3）在进行地面数据与遥感计算数据对比时也会存在问题。在进行地面测量时面积单位为1m*1m而遥感数据则是30m*30m，对于数据的验证会存在一定的精度误差。14参考文献1 孙红雨, 王长耀, 牛铮, 等. 中国地表植被覆盖及其与气候因子关系-基于NOAA时间序列数据分析J. 遥感学报, 1997, 3(4): 25-30.2 Gitelson A A, Kaufman Y J, Starj R,et al. Novel algorithms for remote estimation of vegetation fraction J. Remote sensing of Environment, 2002, 80(1): 76-87.3 秦伟, 朱清科, 张学霞, 等. 植被覆盖度及其测算方法研究进展J. 西北农林科技大学报: 自然学报, 2006, 34(9): 163-170.4 Liang S, Li X, Wang J. Advanced Remote Sensing: Temestrial Information Extraction and ApplicationsM. Pennsylvania: Academic press, 2012.5 陈晋, 陈云浩, 何寸阳, 等. 基于土地覆盖分类的植被覆盖率估算亚像元模型与应用J, 遥感学报, 2001, 5(6): 416-422.6 Quarmby N A, Townshend J RG, Settle J J et al.Linear mixture modeling applied to AHVRR date for crop area estimationJ. international Joumal of Remote sensing, 1992, 13(3): 415-425.7 温庆可, 张增祥, 刘斌, 等. 草地覆盖度测算方法研究进展J. 草业科学, 2009(12): 30-36.8 方红亮, 田庆久. 高光谱遥感在植被监测中的研究综述J. 遥感技术与应用, 1998, 13(1): 62-69.9 Goward SN, Haemmrieh K F, waring R H. Visible-near infrared spectral reflectance of landscape components in westernJ. Remote Sensing of Environment, 1994, 47(2): 190-203.10 符思涛, 周云. 基于遥感影像的归一化植被指数算法研究J. 江西测绘, 2010(3): 31-33.11 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. Remote sensing estimation of vegetation