植被覆盖度
《环境遥感》课间实习报告书
植被覆盖度遥感反演
----线性分解模型
姓名朱柯杰
学号1310060111
专业班级遥感1301班
学院测绘科学与技术学院
日期2016年5月7 日
1.初步确定端元
打开影像，初步分析解译出影像具有三种端元，分别是：裸地、水体和植被。
2. 最小噪声分离变换
特征值越高，波段包含的有效信息越多，特征值越低，波段包含的噪声越多。通过MNF变换可以实现数据的降维，达到保留更多的有用信息，剔除更多的噪声。在做MNF变换的时候保留特征值最高的3个波段进行端元提取（波段数至少与端元数相等）Spectral->MNF Rotation->Forward MNF->Estimate Noise Statistics from Data，如图1所示
图1. MNF变换
变换后特征值曲线如图2所示
图2.MNF变换后特征值曲线
3. PPI指数计算
PPI指数是一种常用于多光谱和高光谱遥感数据纯净像元搜索的方法，整个过程包含多次搜索，标记每次搜索到的纯净像元，最终PPI 图像中每个像元值就是该像元被标记为纯净像元的次数，则像元值越高说明该像元越纯净，打开Spectral-> Pixel Purity Index->[FAST] New Output Band，输入MNF变换结果选择信息量较多的三个波段（1、2、3波段，也可以选上第4波段），如图3所示
图3 .PPI指数计算
PPI计算结果如图4所示
图4.PPI计算结果曲线
波段阈值选取ROI，选择PPI > 10，如图5所示
图5.波段阈值选取ROI
4.采用N维可视化进行端元确定
选择Spectral->n_Dimentional Visualizer->Visualize with New Data，选择1、2、3、4波段后可视化窗口中显示纯净像元的分布，如图6
所示
图6. 采用N维可视化进行端元确定
通过右键选择New Class创建端元类别，在可视化窗口选择集中分布的点，由初步分析解译出影像具有三种端元，在N维可视化窗口中选择可分离性较好的端元，选择位于三角形的三个角。如图7所示
图7. 创建端元类别
右键选择Mean All，影像选择原始影像，得到每种端元的平均光谱，由经验检验所选的端元是否正确，然后再端元平均光谱窗口选择：
File->Save Plot As->ASCII…，将端元光谱保存为文本文件并将结果保存为ASCII文件，如图8所示
图8. 每种端元的平均光谱
选择Spectral->Mapping Methods->Linear Spectral Unmixing，选择原始影像，在弹出的Endmember C…对话框中点击Import->from ASCII file…选择端元光谱文件，如图9所示
图9. 选择端元光谱文件
加载端元类别，可以三个都加载上（不知道那个是植被的端元光谱文
件），最后将结果保存为TIFF格式，方便用ArcGIS出图，如图10所示
图10. 端元光谱文件
5. 利用ArcGIS出图
ENVI下植被覆盖度的遥感估算
ENVI下植被覆盖度的遥感估算 植被覆盖度是指植被（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。容易与植被覆盖度混淆的概念是植被盖度，植被盖度是指植被冠层或叶面在地面的垂直投影面积占植被区总面积的比例。两个概念主要区别就是分母不一样。植被覆盖度常用于植被变化、生态环境研究、水土保持、气候等方面。 植被覆盖度的测量可分为地面测量和遥感估算两种方法。地面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。 估算模型 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。下面是李苗苗等在 像元二分模型的基础上研究的模型： VFC = (NDVI - NDVIsoil)/ ( NDVIveg - NDVIsoil) （1） 其中, NDVIsoil 为完全是裸土或无植被覆盖区域的NDVI值，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。两个值的计算公式为： NDVIsoil=（VFCmax*NDVImin- VFCmin*NDVImax）/( VFCmax- VFCmin) （2） NDVIveg=（(1-VFCmin)*NDVImax- (1-VFCmax)*NDVImin）/( VFCmax- VFCmin) （3） 利用这个模型计算植被覆盖度的关键是计算NDVIsoil和NDVIveg。这里有两种假设： 1）当区域内可以近似取VFCmax=100%，VFCmin=0%。 公式（1）可变为： VFC = (NDVI - NDVImin)/ ( NDVImax - NDVImin) （4） 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。 2）当区域内不能近似取VFCmax=100%，VFCmin=0%
青藏高原植被覆盖变化的地域分异特征
第28卷第3期2009年05月 地理科学进展 PROGRESS IN GEOGRAPHY Vol.28,No.3May,2009 收稿日期：2008-12；修订日期：2009-02. 基金项目： 国家科技攻关计划项目（2006BAC01A01-02）。作者简介：于伯华（1974-），男，山东枣庄人，博士，助理研究员，研究方向：环境整治、土地利用。E-mail ：yubh@https://www.360docs.net/doc/9f8158426.html, 391-397页 青藏高原植被覆盖变化的地域分异特征 于伯华1，吕昌河1，吕婷婷2，3，杨阿强1，4 ，刘闯1 (1.中国科学院地理科学与资源研究所，北京100101；2.北京师范大学资源学院，北京100875；3.地表过程与资源生态国家重点实验室北京师范大学，北京100875；4.中国科学院研究生院，北京100049)摘要：植被的空间分布及其变化都具有明显的地域分异特征。本研究以1981-2006年间的GIMMS/NDVI 产品为 主要数据源，在地理信息系统技术的支持下，分别从植被空间分布、植被波动和植被变化等方面，探讨了青藏高原植被覆盖变化的水平地域分异特征。研究结果显示，1981-2006年间，雅鲁藏布江河谷区、错那县和墨脱县的西北部、柴达木盆地南缘、三江源地区的顶端和青海南山北麓等区域地表植被年际波动较大。反映区域植被盖度时间变化趋势的SLOPE 值以及植被盖度，具有从南部、东南部向北、西北部“下降—上升—不变”的规律。植被盖度下降显著的区域主要分布在喜马拉雅山南麓和青海湖南部，其次是三江源中南部地区；植被没有明显变化的区域主要分布在藏北高原和柴达木盆地。植被指数显著上升的区域集中在雅鲁藏布江河谷区，植被指数明显上升区域主要分布在人迹罕至的唐古拉山和念青唐古拉山等山间盆地区，轻微上升的区域分散在明显改善区的周围。依据SLOPE 值的空间分异特征将整个高原划分为4个一级区：帕米尔高原植被指数上升区、藏北高原—阿里高原—柴达木盆地植被指数稳定区、高原中部—雅鲁藏布江中上游河谷植被指数上升区和三江源—横断山区植被指数下降区。 关键词：NDVI ；植被变化；区域分异；青藏高原 1引言 地域分异也称为区域分异，是地理环境各组成成分及其构成的自然综合体在地表沿一定方向分异或分布的规律性现象。水平地域分异包括纬度地带性和经度地带性，是地域规律的重要表现形式之一。在水平地域分异规律中，对应的太阳辐射、降水、土壤和生物等主要地表过程和要素都具有与纬度和距海远近相一致的空间分布特征，产生了各自然要素和地表过程、能量与物质循环以及自然综合体沿纬度和经度的地域分化[1]。地球表面的水资源、土地资源、动植物资源等的空间分布以及人类的生产经营活动都具有明显的地域特征[2]，是生态地理区域划分过程中必须综合考虑的因素[3]。因此开展地域分异研究不仅是认识自然地理环境的重要途径，而且是自然综合区划的基础工作之一[4]，其研究结果对于合理利用自然资源、因地制宜的安排生产有指导作用。开展地域分异研究，传统分区方法和过程具有工作量大、花费时间长、空间精度差的弊端[5]，已经无法满足准确、经济地获取数据的要求，无法解决分区过程中的标准一致性问题。卫星遥感 具有其他调查手段无法比拟的优势，能够实现及时、准确地反映生态环境变化特征的目的[6]，具有统一量纲的遥感数据产品也为研究过程中保证标准一致性提供了可能[7-8]。同时，地理信息系统技术也为分区过程中有效地辨别区内相似性和区间差异性提供了技术支持[9]。遥感和地理信息系统技术的支持，为快速识别环境因子和地表过程的地域分异特征提供了可能，并为分区结果的对比提供比较好的参照。 地表植被是一定水分、气温及其他要素共同作用下的产物，植被之间的差异直接反映了不同水热组合及其差异性，是地方、区域和全球尺度生态系统状况、环境压力和景观变化的指示器[6]。每一种气候类型都对应着一套相应的植被类型[10]，在具有地域分布特征的各自然因子及过程的影响下，植被空间分布及其变化也具有明显的地域分异特征[11]。青藏高原的隆起和抬升，形成了其自身独特的自然环境特征，造就了中国现代季风格局，影响着全球气候的变化和亚洲植被格局的分布，形成了世界上著名的高原地带性植被格局，对中国东部、西北干旱区、亚洲的气候和植被格局乃至全球气候变化都具
基于GIS的ndvi植被覆盖度的估算
1.绪论 1.1 课题研究的目的与意义 植被，包括森林、灌丛、草地和农作物，既是生态系统的主要组成部分，也是生态系统存在的基础，具有截流降雨、减缓径流、防沙治沙、保持水土等功能，联结着土壤、大气和水分等自然过程，在陆地表面的能量交换、生物地球化学循环和水文循环等过程中扮演着重要角色，是全球变化研究中的“指示器”[1]。植被根据生态系统中水、气等的状况，调控其内部与外部的物质、能量交换。植被覆盖与气候因子关系极为密切，研究植被覆盖变化 对气候的影响是气候变化研究的主要内容之一，它影响着土壤湿度、地表温度和地表能量与水的循环(李苗苗，2004)。
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[2]。它是植被对地面的垂直投影比例， 对于山坡进行植被覆盖度测量时，应该采用垂直于坡面的角度。植被覆盖度具有强烈的尺度效应，同一片植被，因被纳入统计的范围不同而表现为不同的植被覆盖度。如一个地区的植被覆盖度很高，但平均到全国水平就大大降低了[3]。植被覆盖度在提示地表植被分布规律, 探讨植被分布影响因子, 分析评价区域生态环境, 及时准确地掌握其动态变化, 分析其发展趋势对维护区域生态平衡等方面都具有重要意义。[4]而城市植被则是城市生态系统重要的还原组织和最重要的元素,对于保护城市生态环境具有不可忽视的作用[5] ,如有效缓解城市
“热岛效应”,改善城市区域小气候[5～7] 等。 城市化的迅速推进，带来了多样化的生态足迹，植被覆盖度，土壤污染率，地表侵蚀率，逐渐成为生态研究的热点，也成为环境保护的重点。借助于高速发展的RS与GIS技术来进行植被覆盖度的估算，将是当前环境监测的必要步骤。 徐州是由矿区发展起来的城市，由于长期开采矿产，导致了一系列严重的生态问题，如塌陷地广布，植被破坏率严重，土地侵蚀率增大，等。在此背景下，研究徐州市整体的土地覆盖情况，即是现实需要，也是未来生态城市规划的重要步骤。研究的最终结果也会给徐州市的城市规划提供信息支持与技术保障。 1.2 国内外植被覆盖度研究现状 由于植被覆盖度是许多学科的重要参数，为
植被覆盖度反演
题目：植被遥感监测具有很长的历史，植被遥感中植被覆盖反演是主要内容之一，线性分解模型是混合像元分解法的一种，根据混合像元分解及线性分解模型的原理，利用红碱淖2016年6月17日Landsat8 OLI数据，求取研究区植被覆盖度（写出详细计算过程和步骤）。 一、操作思路： 端元代表影像中的纯净像元，求取植被覆盖度即求取端元的丰度，因此采用混合像元分解及线性分解模型进行混合像元分解，得到端元以及相应的丰度影像，即为植被覆盖度影像。 二、操作步骤： 1.影像预处理 由于操作时间的限制和硬件设备的不允许，将影像选取一定的区域进行裁剪，感兴趣区域为roi1文件，得到裁剪后影像2016new文件，导入影像，进行影像的预处理，包括辐射定标和大气校正步骤，辐射定标采用Radiometric Calibration 工具，大气校正采用FLAASH工具，分别得到辐射定标结果2016_rad1和2016_ref 文件。 2.MNF变换 采用MNF变换工具，可将数据波段进行“降维”，提取出有用信息集中的波段，去除噪声信息集中的波段，利用Forward MNF Estimate Noise Statistic将数据进行MNF变换，得到MNF变换结果2016_MNF和噪声文件MNF_Noise和统计文件MNF_Statistic文件。 3.PPI变换 纯净像元指数法指像元被标记为纯净像元的次数，可以将混合像元进行分解，有效的提取出端元。 由于操作时间的限制和硬件设备的不允许，将MNF变换后影像与原影像选取一定的同样区域进行裁剪，感兴趣区域选择ROI2文件，得到裁剪结果为2016_MNF_sub和2016new_sub文件。 在MNF变换后发现有用信息集中在1、2、3波段，因此利用Pixel Purity Index 工具，将MNF变换后影像选择1、2、3波段进行端元提取，阈值设为3.00，操作的结果为2016_PPI文件。 4.N维可视化 利用N维可视化工具可以将端元更好的显示，有利于更加直观的确定端元，在N维可视化窗口中，选中1、2、3波段，在显示窗口中将较为集中的区域定为端元，进行类（class）的划定，一共确定三类，利用mean all工具将三类端元的波谱显示出来，并保存为波谱库2016_sli文件。 5.端元识别
ENVI下植被覆盖度的估算
ENVI下植被覆盖度的遥感估算 2013-05-30 | 阅：1 转：17 | 分享 修改 植被覆盖度是指植被（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。容易与植被覆盖度混淆的概念是植被盖度，植被盖度是指植被冠层或叶面在地面的垂直投影面积占植被区总面积的比例。两个概念主要区别就是分母不一样。植被覆盖度常用于植被变化、生态环境研究、水土保持、气候等方面。 植被覆盖度的测量可分为地面测量和遥感估算两种方法。地面测量常用于田间尺度，遥感估算常用于区域尺度。 估算模型 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。下面是李苗苗等在像元二分模型的基础上研究 的模型： VFC = (NDVI - NDVIsoil)/ ( NDVIveg - NDVIsoil) （1） 其中, NDVIsoil 为完全是裸土或无植被覆盖区域的NDVI值，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。两个值的计算公式为： NDVIsoil=（VFCmax*NDVImin- VFCmin*NDVImax）/( VFCmax- VFCmin) （2） NDVIveg=（(1-VFCmin)*NDVImax- (1-VFCmax)*NDVImin）/( VFCmax- VFCmin) （3） 利用这个模型计算植被覆盖度的关键是计算NDVIsoil和NDVIveg。这里有两种假设： 1）当区域内可以近似取VFCmax=100%，VFCmin=0%。 公式（1）可变为： VFC = (NDVI - NDVImin)/ ( NDVImax - NDVImin) （4） 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。 2）当区域内不能近似取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
植被覆盖度计算经验教程
ENVI5.1（5.0版本以上）计算植被覆盖度 1.加载用矢量边界裁剪过的ROI（经几何校正-辐射校正处理） 2.计算NDVI，利用ENVI5.1 Toolbox 提供的搜索功能查找NDVI模块，然 后进行NDVI计算。本例中影像数据为landsat8 影像，因此Input File Type 选项为Landsat OLI，红色波段为4，近红外为5（TM和ETM+影像的NDVI Band：Red 3 Near IR 4）
3.对计算的NDVI进行DN二值化处理，选择Toolbox 中的Band Ratio/Band Math模块，在band math 对话框中进行参数设置。首先，在Enter an expression 对话框下输入NDVI二值化公式： ((b1 lt -1)*0+((b1 ge -1) and (b1 le 1))*b1+(b1 gt 1)*1) （切记，括号为英文半角），然后单击Add to List，将波段运算表达式添加至Previous Band Math Expressions 对话框，然后OK。在新弹出的Variables to Bands Parings 对话框Avilable Bands List 对话框中选择上一步计算的NDVI，然后输出至特定位置（切记，如果电脑内存不足2G，请输出结果为File）。
4.对二值化的NDVI进行概率统计。选择Toolbox 中Statistics/Compute Statistics模块，选择二值化处理的结果（本例中，NDVI_20131119为计算得到的NDVI结果，NDVI为二值化后的结果），同时在Mask Options 下拉菜单中选择Build Mask..选项，在弹出的Mask Definition对话框中选择Import EVFs选项，创建一个mask。然后查看统计结果。详细理论请参考https://www.360docs.net/doc/9f8158426.html,/s/blog_764b1e9d0100u29i.html
成都市植被覆盖度遥感动态监测分析
遥感地学分析课程设计实验报告成都市植被覆盖度遥感动态监测分析 团队人员胡禹贤2008043013遥感081班杨维2008043035 遥感081班胡晓2008043010 遥感081班卿晓琼2008043009 遥感081班郝争2008043007 遥感081班
摘要 本次研究以四川省成都市为研究区，选择2000年Landsat ETM数据、2007年Landsat TM 数据、成都1:50万地形图以及全国县界1：400万的矢量图作为基本信息源，对遥感数据进行波段合成、大气校正、几何校正、图像裁剪处理后，计算出两期图像的归一化植被指数（NDVI），对植被覆盖度进行估算。结果表明：成都市在七年间植被覆盖度总体上呈增高趋势，尤其是市区二环路以内，植被覆盖度有了明显的增加。但是，在成都的一些郊区，比如龙泉、郫县、以及金堂等地的植被覆盖度已经出现下降的迹象；另外，与2000年相比，成都市到2007年低植被覆盖度区域面积有了明显的减少，中低植被覆盖到中高植被覆盖度区域面积增加明显，高植被覆盖度区域面积变化不大。从研究结果上看，我们总体上认为研究区植被覆盖度变化和人类活动有不可分割的密切关系。 【关键词】：归一化植被指数；遥感；植被覆盖度；成都市。 summary The study, Chengdu, Sichuan Province as the study area, select the Landsat ETM data in 2000, Landsat TM data in 2007, Chengdu, 1:50 million, and topographic maps 1:400 million the county boundary vector as a basic source of information on remote sensingband synthetic data, atmospheric correction, geometric correction, image cropping treatment, two images to calculate the normalized difference vegetation index (NDVI), vegetation coverage estimate. The results showed that: Chengdu, vegetation coverage in the seven years, showing a rising trend in general, especially in the urban area within the Second Ring Road, the vegetation coverage has been an obvious increase.However, in some suburbs of Chengdu, such as Longquan, Pixian, and Jintang, the vegetation coverage has been signs of decline; In addition, compared with 2000, Chengdu, in 2007 ,had a significant size of the area decrease in the low vegetation cover in areas of high vegetation coverage area increased significantly and the regional area of high vegetation coverage changed little. The results from the research point of view, is generally thought that the vegetation cover change and human activities are inextricably close relationship. 【Key words】: normalized difference vegetation index; remote sensing; vegetation coverage; Chengdu.
植被覆盖度分布图制作
作业1： 用TM/ETM图像制作一个地区植被覆盖度分布图(要求如图所示)，描述该地区的 区域概况，并分析植被分布空间差异。所用公式如下： NDVI=(B4-B3)/(B4+B3) Vr=(NDVI-NDVIb)/(NDVIv-NDVIb) 式中：NDVI是归一化植被指数。B3和B4是TM第3和4波段的图像亮度值。 NDVIb和NDVIv是裸土和植被的NDVI值，可分别取0.15和0.75。Vr是植被覆盖度(0-1)。 要求：用WORD把制作过程和分析结果记录下来。>2000字 目的：学会图像处理软件，进行图像信息提取，用各种软件共同制作有实际意 义的图像 原理与方法： NDVI——归一化植被指数NDVI=(NIR-R)/(NIR+R)，或两个波段反射率的计算。 1．NDVI的应用：检测植被生长状态、植被覆盖度和消除部分辐射误差等； 2．-1<=NDVI<=1，负值表示地面覆盖为云、水、雪等，对可见光高反射；0表示 有岩石或裸土等，NIR和R近似相等；正值，表示有植被覆盖，且随覆盖度增大 而增大 3．NDVI的局限性表现在，用非线性拉伸的方式增强了NIR和R的反射率的对比 度。对于同一幅图像，分别求RVI和NDVI时会发现，RVI值增加的速度高于NDVI 增加速度，即NDVI对高植被区具有较低的灵敏度； 4．NDVI能反映出植物冠层的背景影响，如土壤、潮湿地面、雪、枯 叶、粗糙度等，且与植被覆盖有关。 操作步骤如下： 一．从地理空间数据云网站下载山西省吕梁地区文水县的ETM影像，对应地区的数据如下： 表：Landsat8数据波段参数 波段波长范围(μm)空间分辨率(m) 名称 1-海岸波段0.433–0.453 30 LC81260342015159LGN00_B1 2-蓝波段0.450–0.515 30 LC81260342015159LGN00_B2 3-绿波段0.525–0.600 30 LC81260342015159LGN00_B3
基于GIS的植被覆盖度估算
1.绪论 课题研究的目的与意义 植被，包括森林、灌丛、草地和农作物，既是生态系统的主要组成部分，也是生态系统存在的基础，具有截流降雨、减缓径流、防沙治沙、保持水土等功能，联结着土壤、大气和水分等自然过程，在陆地表面的能量交换、生物地球化学循环和水文循环等过程中扮演着重要角色，是全球变化研究中的“指示器”[1]。植被根据生态系统中水、气等的状况，调控其内部与外部的物质、能量交换。植被覆盖与气候因子关系极为密切，研究植被覆盖变化对气候的影响是气候变化研究的主要内容之一，它影响着土壤湿度、地表温度和地表能量与水的循环(李苗苗，2004)。 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[2]。它是植被对地面的垂直投影比例， 对于山坡进行植被覆盖度测量时，应该采用垂直于坡面的角度。植被覆盖度具有强烈的尺度效应，同一片植被，因被纳入统计的范围不同而表现为不同的植被覆盖度。如一个地区的植被覆盖度很高，但平均到全国水平就大大降低了[3]。植被覆盖度在提示地表植被分布规律, 探讨植被分布影响因子, 分析评价区域生态环境, 及时准确地掌握其动态变化, 分析其发展趋势对维护区域生态平衡等方面都具有重要意义。[4]而城市植被则是城市生态系统重要的还原组织和最重要的元素,对于保护城市生态环境具有不可忽视的作用[5] ,如有效缓解城市“热岛效应”,改善城市区域小气候[5～7] 等。 城市化的迅速推进，带来了多样化的生态足迹，植被覆盖度，土壤污染率，地表侵蚀率，逐渐成为生态研究的热点，也成为环境保护的重点。借助于高速发展的RS与GIS技术来进行植被覆盖度的估算，将是当前环境监测的必要步骤。 徐州是由矿区发展起来的城市，由于长期开采矿产，导致了一系列严重的生态问题，如塌陷地广布，植被破坏率严重，土地侵蚀率增大，等。在此背景下，研究徐州市整体的土地覆盖情况，即是现实需要，也是未来生态城市规划的重要步骤。研究的最终结果也会给徐州市的城市规划提供信息支持与技术保障。 国内外植被覆盖度研究现状 由于植被覆盖度是许多学科的重要参数，为了得到准确的植被覆盖度信息，植 被覆盖度监测技术的提高，就成了多个领域发展的需要。根据检测手段，测量植被 覆盖度的方法可分为传统的地面测量和新兴的遥感测量两大类。其中，地面测量又 可以根据测量原理，分为目估法、采样法、仪器法和模型法；遥感测量依据对植被 光谱信息与植被覆盖度所建立的关系不同，可分为物理模型法和统计模型法。统计 模型法中使用较多的有植被指数法、回归模型法、像元分解法、分类决策树和人工 神经网络法；物理模型法中模型反演法使用最多。 地面测量曾经一度是植被覆盖度监测的最主要方法。主要包括目估法、采样法、 仪器法和模型法。虽然遥感技术的发展使地面测量的主导性地位有所降低，但地面 测量依然具有其重要性，它不仅是最精确的测量方法，也为遥感测量提供了基础标 定数据，是无可替代的。 遥感技术的发展，为大范围植被覆盖信息的获取提供了一个新的发展方向。常用 于植被覆盖信息提取的遥感数据有NOA内叭vHRR数据、MODIs数据、 LandsatTM与 MSS数据、SPOT数据、ATSER数据、航片、IEOS一SAR雷达数据以及AVIRIS高光谱 数据等。
植被覆盖度计算
植被覆盖度计算 Document serial number【KK89K-LLS98YT-SS8CB-SSUT-SST108】
ENVI下植被覆盖度的遥感估算 (植被覆盖度是指植被（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。容易与植被覆盖度混淆的概念是植被盖度，植被盖度是指植被冠层或叶面在地面的垂直投影面积占植被区总面积的比例。两个概念主要区别就是分母不一样。植被覆盖度常用于植被变化、生态环境研究、水土保持、气候等方面。 植被覆盖度的测量可分为地面测量和遥感估算两种方法。地面测量常用于田间尺度，遥感估算常用于区域尺度。 估算模型 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。下面是李苗苗等在像元二分模型的基础上研究的模型： VFC=(NDVI-NDVIsoil)/(NDVIveg-NDVIsoil)（1） 其中,NDVIsoil为完全是裸土或无植被覆盖区域的NDVI值，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。两个值的计算公式为： NDVIsoil=（VFCmax*NDVImin-VFCmin*NDVImax）/(VFCmax-VFCmin)（2） NDVIveg=（(1-VFCmin)*NDVImax-(1-VFCmax)*NDVImin）/(VFCmax-VFCmin)（3） 利用这个模型计算植被覆盖度的关键是计算NDVIsoil和NDVIveg。这里有两种假设： 1）当区域内可以近似取VFCmax=100%，VFCmin=0%。 公式（1）可变为： VFC=(NDVI-NDVImin)/(NDVImax-NDVImin)（4） 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。 2）当区域内不能近似取VFCmax=100%，VFCmin=0%
土地利用与植被覆盖变化研究-以西安市灞桥区为例
《土地利用与植被覆盖变化研究》课程考核 土地利用与植被覆盖变化研究 ——以西安市灞桥区为例 学生姓名：JZ-W 学生学号：251020313
土地利用与植被覆盖变化研究 ——以西安市灞桥区为例 学生姓名：JZ-W 学生学号：251020313 摘要本文以西安市灞桥区2000年和2009年两期SOPT影像数据基础，利用ENVI软件处理数据，进行研究区域的土地类型划分，进而通过计算土地利用动态度、土地分类指数、土地利用类型转移矩阵、土地利用程度综合指数等量，分析研究区土地利用及覆被变化基本情况，并对变化结果进行解释，对未来土地利用及覆被变化进行合理预测。 关键词灞桥区，SPOT，土地利用，覆被变化 1 绪论 1.1 研究目的意义 此次研究目的在于通过实践练习，处理遥感影像数据，理解LUCC研究一般过程，理解LUCC内涵，熟练ENVI等相关专业软件的使用，提升科研能力。 2 研究内容和技术路线 2.1 研究内容 利用西安市灞桥区2000年和2009年两期分辨率为10米的SPOT影像数据，进行土地利用分类；计算并分析土地利用动态度、土地分类指数、土地利用类型转移矩阵、土地利用程度综合指数的变化特点与变化量；分析该区土地利用及覆被变化规律；对该区土地利用及覆被变化进行解释；利用两期SPOT 影像数据，对未来10年的区域土地利用类型分布进行马尔可夫预测。 2.2 技术路线 对影像进行监督分类，并对分类结果进行检验，结果满意后再计算衡量土地利用及覆被变化的各项指标，分析各个结果数据得出有关信息，对计算结果进行解释，对未来土地利用类型进行预测。 3 研究区域概况与数据来源 3.1 研究区域概况 灞桥区地处陕西关中盆地中部，西安城东部，系西安市辖区之一。地理坐标为东经108°59′～109°16′，北纬34°10′～34°27′。东与临潼区、蓝田县接壤，西与雁塔区、新城区、未央区相连，南与长安区为邻，北以渭河与高陵县相望。距市中心5公里，全区总面积332平方公里，辖9个街道办事处，33个社区，226个行政村，人口50余万，因境内遗存始建于隋代的古灞桥而得名。 灞桥区以渭河冲积平原为主，具有山、坡、川、滩、塬的多样性地貌特征，包括三个类型区，其中北部为渭河冲积平原区，东部为低山丘陵区，东南部为台塬区。白鹿塬区域地质构造属于渭河断陷形成的阶梯式下降复式地堑，阶地台塬沟堑内以砂孵石、砾石及土状堆积物为主，并有丰厚的新生代沉积。台塬上区地形平缓，地势北高南低，以农业用地为主，地形由南向北依次递减至沟沿，沟顶海拔600m～750m，沟底海拔160m～600m之间，长度约3公里，坡度约30°左右，地面切割成的沟谷长度约为1000～2000m/km2。土壤类型以黄垩土、白垩土、褐色土以及少量的红色土，有机质丰富，保墒性能好，但是透气性差。
植被覆盖度计算机模拟模型与参数敏感性分析
作物学报 ACTA AGRONOMICA SINICA 2008, 34(11): 1964?1969 https://www.360docs.net/doc/9f8158426.html,/zwxb/ ISSN 0496-3490; CODEN TSHPA9 E-mail: xbzw@https://www.360docs.net/doc/9f8158426.html, 基金项目: 国家重点基础研究发展计划(973计划)项目(2007CB407203); 国家自然科学基金项目(40771150); 国家基础科学人才培养基金 (NFFTBS-J0630532) 作者简介: 瞿瑛(1985–), 男, 在读硕士研究生。E-mail: quying@https://www.360docs.net/doc/9f8158426.html, * 通讯作者(Corresponding author): 谢云。E-mail: xieyun@https://www.360docs.net/doc/9f8158426.html, Received(收稿日期): 2008-02-26; Accepted(接受日期): 2008-06-08. DOI: 10.3724/SP.J.1006.2008.01964 植被覆盖度计算机模拟模型与参数敏感性分析 瞿 瑛1,2 刘素红1,2,3 谢 云1,2,* (1 北京师范大学地理学与遥感科学学院, 北京100875; 2 北京师范大学遥感国家重点实验室, 北京100875; 3 北京师范大学环境遥感与数字城市北京市重点实验室, 北京100875) 摘 要: 植被覆盖度是重要的生态学参数, 对水文、生态、全球变化等研究具有重大意义。目前使用的目测估算法和数码照相法都具有一定的主观性, 另外通过自然界中相似样方的大量测量获得稳定的统计规律具有很大的难度, 因此建立叶面积指数和植被覆盖度之间的统计模型是估算植被覆盖度的有效方法。本文以大豆为例,利用椭圆来模拟大豆的叶片, 选取大豆植株结构的关键参数, 通过随机分布函数来模拟植株叶片位置、倾角和大小的分布, 获得不同植被结构参数下单位面积上的植被覆盖度, 建立植被覆盖度计算机模拟模型。通过实测数据和理论研究结论来验证模拟结果。对模型的参数敏感性进行分析结果表明, 叶半短轴是比叶半长轴更为敏感的植被结构参数。该模型为植被覆盖度的研究提供了一种新的思路和方法。 关键词: 植被覆盖度; 计算机模拟模型; 参数敏感性; 大豆 Computer Simulation Model of Fractional Vegetation Cover and Its Pa-rameters Sensitivity QU Ying 1,2, LIU Su-Hong 1,2,3, and XIE Yun 1,2,* (1 School of Geography, Beijing Normal University, Beijing 100875; 2 State Key Laboratory of Remote Sensing Science, Beijing Normal University, Beijing 100875; 3 Beijing Key Laboratory for Remote Sensing of Environment and Digital Cities, Beijing 100875, China) Abstract : Fractional Vegetation Cover (FVC) is an important ecology parameter, which is essential in the studies of hydrology, ecology, and global variation. Currently, the estimation methods used for FVC, including eyeballing method and digital camera imagery interpretation method, are obviously subjective and uncertain. Furthermore, it is rather difficult for the statistical rela-tionship between FVC and leaf area index (LAI) to establish by measurement of millions of samples that have similar vegetation structure parameters. Thus, it is an effective way for the estimation of FVC to develop a statistical model between FVC and LAI . In the paper, we simulated the soybean leaves using ellipses, and determined the position, orientation and size with random distri-bution function by choosing the key parameters in the soybean structure to obtain the FVC per area under different vegetation structure parameters. The model was validated with data measured in situ and the theoretical conclusion. The analysis of parame-ter sensitivity of the simulation model showed that the length of stem is not a sensitive parameter when it was longer than foliage interval; wheresa the angle of stem is not a sensitive parameter until it reache a threshold. The leaf tilt angle and foliage interval were in inverse portion to the fractional vegetation cover, while the semimajor and semiminor axis of leaf were in direct portion to the fractional vegetation cover. The semiminor axis of leaf was a much more sensitive parameter than semimajor axis of leaf. It suggested that it was a novel and feasible way for FVC. Keywords: Fractional vegetation cover; Computer simulation model; Parameters sensitivity; Soybean 植物是沟通有机界和无机界, 完成自然界水循环、碳循环、生物圈物质和能量交换过程的重要一环。植被覆盖度是指植被(包括叶、茎、枝)在单位面 积内的垂直投影面积所占百分比[1-2], 是衡量陆地植被覆盖和生长状况的重要生态学参数和量化指标, 同时也是水文、气象、生态等区域或全球问题的定
植被覆盖率
植被覆盖率估算模型 一：研究区域数据获取 本次实验主要是对植被覆盖率估算，因此实验区域的影像因尽量选择植被茂盛的季节。在数据源选取上，我在马里兰大学的网站下了Landsat 5 1T级数据，包够了红，绿，蓝，近红外，热红外7个波段。下载的地区是覆盖了福建省中部地区2009年6月6日的影像。 下图（图1）为原始数据的假彩色合成 图一：原始数据假彩色合成 二：数据预处理 进行植被覆盖率估算，需要用到归一化植被指数（NDVI）。NDVI的物理依据是地物反射率的差异变化，所以用反射率来计算是比较客观准确的。TM原始数据就是DN值，不能用来直接计算NDVI，必须通过辐射定标计算成反射率，才能用来计算NDVI。因此，要对对实验数据先进行辐射校正和大气校正。下载的L1T级数据，头文件（）有详细影像参数，控制点文件（）中有控制点高程信息用于大气校正的地形参数，可以利用这两个文件做辐射校正和大气校正。 （1）辐射定标 实验使用数据为L1T级数据，经过系统辐射校正的数据。由于1级产品的DN值是由辐射亮度线性变换得到的，因此从1级产品计算辐射亮度只需利用相关参数（Gain和Bias）进行线性反变换即可，计算过程比较简单。各参数可在影像头文件中找到，Calibration Type 注
意选择为Radiance。 图2：辐射定标参数设置 （2）大气校正 大气校正是采用ENVI的FLAASH模块，FLAASH模块要求输入辐亮度图像，输出反射率图像。之前对进行了辐射定标，得到辐亮度图像，在这里要把BSQ 格式的图像转换为BIL 或者BIP 格式的图像。FLAASH 校正输入图像后，程序会让你选择Scale Factor，即原始辐亮度单位与ENVI 默认辐亮度单位之间的比例。ENVI 默认的辐亮度单位是μW/cm2 ?sr?nm，而之前我们做辐射定标时单位是W/m2 ?sr?μm，二者之间转换的比例是10，因此在下图中选择Single scale factor，填写10.000。其中参数中心坐标，影像获取时间，都可以在头文件中获取，大气参数可以查看ENVI help来确定，还有研究区域的平均高程，可以通过GCP文件大致估算。FLAASH的参数设置如下图（图3）。 图3：FLAASH参数设置 三：研究区域裁剪 本来想以福建省为研究区域，但是这景影像覆盖了福建省中部百分之90左右的距离，但并没有覆盖完整，所以无法用矢量边界裁剪，我就规则裁剪了一块区域做研究 图5：裁剪区域 四：分类 这里我选择了用最大似然法进行监督分类 （1）训练区选择
基于GIS的植被覆盖度估算
基于GIS的植被覆盖度估算 1.绪论 1.1 课题研究的目的与意义 植被，包括森林、灌丛、草地和农作物，既是生态系统的主要组成部分，也是生态系统存在的基础，具有截流降雨、减缓径流、防沙治沙、保持水土等功能，联结着土壤、大气和水分等自然过程，在陆地表面的能量交换、生物地球化学循环和水文循环等过程中扮演着重要角色，是全球变化研究中的“指示器”[1]。植被根据生态系统中水、气等的状况，调控其内部与外部的物质、能量交换。植被覆盖与气候因子关系极为密切，研究植被覆盖变化 对气候的影响是气候变化研究的主要内容之一，它影响着土壤湿度、地表温度和地表能量与水的循环(李苗苗，2004)。 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[2]。它是植被对地面的垂直投影比例，对于山坡进行植被覆盖度测量时，应该采用垂直于坡面的角度。植被覆盖度具有强烈的尺度效应，同一片植被，因被纳入统计的范围不同而表现为不同的植被覆盖度。如一个地区的植被覆盖度很高，但平均到全国水平就大大降低了[3]。植被覆盖度在提示地表植被分布规律, 探讨植被分布影响因子, 分析评价区域生态环境, 及时准确地掌握其动态变化, 分析其发展趋势对维护区域生态平衡等方面都具有重要意义。[4]而城市植被则是城市生态系统重要的还原组织和最重要的元素,对于保护城市生态环境具有不可忽视的作用[5] ,如有效缓解城市“热岛效应”,改善城市区域小气候[5,7] 等。
城市化的迅速推进，带来了多样化的生态足迹，植被覆盖度，土壤污染率，地表侵蚀率，逐渐成为生态研究的热点，也成为环境保护的重点。借助于高速发展的RS与GIS技术来进行植被覆盖度的估算，将是当前环境监测的必要步骤。 徐州是由矿区发展起来的城市，由于长期开采矿产，导致了一系列严重的生态问题，如塌陷地广布，植被破坏率严重，土地侵蚀率增大，等。在此背景下，研究徐州市整体的土地覆盖情况，即是现实需要，也是未来生态城市规划的重要步骤。研究的最终结果也会给徐州市的城市规划提供信息支持与技术保障。 1.2 国内外植被覆盖度研究现状 由于植被覆盖度是许多学科的重要参数，为了得到准确的植被覆盖度信息，植被覆盖度监测技术的提高，就成了多个领域发展的需要。根据检测手段，测量植被覆盖度的方法可分为传统的地面测量和新兴的遥感测量两大类。其中，地面测量又可以根据测量原理，分为目估法、采样法、仪器法和模型法;遥感测量依据对植被光谱信息与植被覆盖度所建立的关系不同，可分为物理模型法和统计模型法。统计模型法中使用较多的有植被指数法、回归模型法、像元分解法、分类决策树和人工神经网络法;物理模型法中模型反演法使用最多。 地面测量曾经一度是植被覆盖度监测的最主要方法。主要包括目估法、采样法、仪器法和模型法。虽然遥感技术的发展使地面测量的主导性地位有所降低，但地面测量依然具有其重要性，它不仅是最精确的测量方法，也为遥感测量提供了基础标定数据，是无可替代的。 遥感技术的发展，为大范围植被覆盖信息的获取提供了一个新的发展方向。常用于植被覆盖信息提取的遥感数据有NOA内叭vHRR数据、MODIs数据、LandsatTM与 MSS数据、SPOT数据、ATSER数据、航片、IEOS一SAR雷达数据以及AVIRIS高光谱数据等。