肖成龍

摘要：植被覆蓋度作為表征植被生長(zhǎng)狀況與生態(tài)系統(tǒng)變化的定量指標(biāo)，在水文分析、氣象監(jiān)測(cè)、生態(tài)環(huán)境變化等方面的區(qū)域或全球性問(wèn)題研究中起著獨(dú)一無(wú)二的作用。本文以植被覆蓋度為研究對(duì)象，歸納了植被覆蓋度的估算方法，并重點(diǎn)分析了基于遙感方法的植被覆蓋監(jiān)測(cè)模型的特點(diǎn)，其中闡述了目前基于植被指數(shù)方法估算植被覆蓋度的研究?jī)?nèi)容，同時(shí)指出了植被覆蓋度測(cè)算方法今后的研究重點(diǎn)。

關(guān)鍵詞：遙感;植被覆蓋度;監(jiān)測(cè)模型;發(fā)展趨勢(shì)

植被覆蓋度隨時(shí)間和空間的變化，在一定程度上反映地球表面生態(tài)環(huán)境的演變規(guī)律[1]。植被覆蓋度通常定義為植被（包括葉、莖、枝）在地面的垂直投影面積占統(tǒng)計(jì)區(qū)總面積的百分比[2]，是刻畫(huà)地表植被覆蓋的重要參數(shù)，也是指示生態(tài)環(huán)境變化的基本指標(biāo)，在大氣圈、土壤圈、水圈和生物圈中占據(jù)著重要的地位[3]是衡量地表植被狀況的一個(gè)最重要的指標(biāo)，也是影響土壤侵蝕與水土流失的主要因子。進(jìn)行植被覆蓋度研究是目前國(guó)際研究的主要內(nèi)容和熱點(diǎn)。本文將簡(jiǎn)要介紹植被覆蓋度估算方法的研究現(xiàn)狀。

1 植被覆蓋度估算方法

1.1回歸模型法

回歸模型法，又稱(chēng)為經(jīng)驗(yàn)?zāi)Ｐ头?，通過(guò)對(duì)遙感數(shù)據(jù)的某一波段、波段組合或利用遙感數(shù)據(jù)計(jì)算出的植被指數(shù)與植被覆蓋度進(jìn)行回歸分析，建立經(jīng)驗(yàn)估算模型，并推廣模型以求取大范圍區(qū)域的植被覆蓋度。

根據(jù)回歸關(guān)系的不同，將回歸模型法分為線性回歸模型法與非線性回歸模型法。線性回歸模型主要是通過(guò)地面測(cè)量植被覆蓋度與遙感圖像的波段或植被指數(shù)進(jìn)行線性回歸得到研究區(qū)域的估算模型。如Gitelson等[4]采用MODIS數(shù)據(jù)建立了以色列小麥地植被覆蓋度與可見(jiàn)光植被指數(shù)VARI（Visible Atmospherically Resistant Index）的線形關(guān)系模型，且估計(jì)誤差不超過(guò)10%。

1.2植被指數(shù)法

該方法是通過(guò)對(duì)影像中植被類(lèi)型及分布特征的分析，所用的植被指數(shù)一般都通過(guò)驗(yàn)證與覆蓋度具有良好的相關(guān)關(guān)系，因此直接使用植被指數(shù)分級(jí)統(tǒng)計(jì)結(jié)果來(lái)近似估算植被蓋度。王愛(ài)蕓等[5]在塔里木河地區(qū)基于Landsat ETM+、ASTER原始影像數(shù)據(jù)影像計(jì)算了該地區(qū)的NDVI值，然后根據(jù)塔里木河下游植被覆蓋實(shí)際情況，將研究區(qū)植被覆蓋度分為5個(gè)等級(jí)。

植被指數(shù)是對(duì)地表植被狀況的有效、簡(jiǎn)單和經(jīng)驗(yàn)的度量。目前通過(guò)研究工作己經(jīng)定義了多種植被指數(shù)，廣泛地應(yīng)用于全球與區(qū)域土地覆蓋、環(huán)境變化、植被分類(lèi)以及干旱監(jiān)測(cè)等方面。其中基于NDVI進(jìn)行植被覆蓋度的估算公式如下[6]：

1

其中 表示植被覆蓋度， 表示無(wú)植被區(qū)或裸土區(qū)NDVI值， 表示純植被覆蓋區(qū)域NDVI值（NDVI最大值）。

1.3機(jī)器學(xué)習(xí)方法

隨著計(jì)算機(jī)技術(shù)的發(fā)展，機(jī)器學(xué)習(xí)方法被廣泛應(yīng)用到植被覆蓋度的估算，包括神經(jīng)網(wǎng)絡(luò)、決策樹(shù)、支持向量機(jī)等。機(jī)器學(xué)習(xí)方法的步驟一般為確定訓(xùn)練樣本、訓(xùn)練模型和估算植被覆蓋度。在進(jìn)行知識(shí)獲取時(shí)， 由研究者提供樣本和相應(yīng)的解， 通過(guò)特定的學(xué)習(xí)算法對(duì)樣本進(jìn)行訓(xùn)練，通過(guò)網(wǎng)絡(luò)內(nèi)部自適應(yīng)算法不斷修改權(quán)值分布以達(dá)到要求[7]，最終將其應(yīng)用于所研究區(qū)域。機(jī)器學(xué)習(xí)方法的關(guān)鍵在于訓(xùn)練樣本的選擇，要確保準(zhǔn)確性和代表性。

2總結(jié)

由于各研究所使用的遙感數(shù)據(jù)、研究理論背景等都不同且各種估算方法都有其優(yōu)缺點(diǎn)，回歸模型法十分依賴(lài)實(shí)測(cè)數(shù)據(jù)，精度高，適合小區(qū)域精確研究;植被指數(shù)法對(duì)實(shí)測(cè)數(shù)據(jù)依賴(lài)性較小，精度較低，適合大范圍粗略估計(jì);而機(jī)器學(xué)習(xí)法能容忍數(shù)據(jù)的噪聲，對(duì)樣本數(shù)量和質(zhì)量要求較高，可廣泛應(yīng)用。因此在計(jì)算植被覆蓋度時(shí)，要自身已有的條件，研究的目的及具體的研究區(qū)，具體分析實(shí)際狀況，選擇最適宜的估算方法。

3展望

綜合分析各種算法及應(yīng)用成果可以看出，植被覆蓋度的這幾種估算方法都有各自的優(yōu)缺點(diǎn)。目前基于遙感技術(shù)的植被覆蓋度的測(cè)量有局限性，主要體現(xiàn)在植被覆蓋的不連續(xù)性，使用遙感數(shù)據(jù)估算植被覆蓋度可能與生物量直接相關(guān);其次是在獲取遙感數(shù)據(jù)時(shí)，遙感傳感器觀測(cè)地面的角度很難保證與坡面垂直，而植被覆蓋度的定義跟地面的垂直投影面積有關(guān)，觀測(cè)角度會(huì)引起植被覆蓋度估算時(shí)的誤差。因此利用數(shù)碼成像的近景測(cè)量對(duì)植被覆蓋度的估算可能是之后的一個(gè)研究重點(diǎn)。

參考文獻(xiàn)

[1]Philip Gerla，Meredith Cornett，Jason Ekstein，Marissa Ahlering. Talking Big： Lessons Learned from a 9000 Hectare Restoration in the Northern Tallgrass Prairie[J]. Molecular Diversity Preservation International （MDPI），2012，4（11）.

[2]Gitelson A A， Kaufman Y J， Stark R， et al.Novel algorithms for remote estimation of vegetation fraction[J].Remote Sensing of Environment， 2002， 80 （1） ：76-87.

[3]秦偉，朱清科，張學(xué)霞，李文華，方斌.植被覆蓋度及其測(cè)算方法研究進(jìn)展[J].西北農(nóng)林科技大學(xué)學(xué)報(bào)（自然科學(xué)版），2006（09）：163-170.

[4]Gitelson A A， Kaufman Y J， Robert S， et al. Novel Algorithms for Remote Estimation of Vegetation Fraction[J].Remote Sensing of Environment， 2002， 80：76-87.

[5]王愛(ài)蕓，陸馳.昆明市植被覆蓋變化特征分析—基于Landsat遙感影像數(shù)據(jù)[J].安徽農(nóng)業(yè)科學(xué)，2015，43（18）：326-328.

[6]苗正紅，劉志明，王宗明，宋開(kāi)山，任春穎，杜嘉，曾麗紅.基于MODIS NDVI的吉林省植被覆蓋度動(dòng)態(tài)遙感監(jiān)測(cè)[J].遙感技術(shù)與應(yīng)用，2010，25（03）：387-393.

[7]江洪，王欽敏，汪小欽.福建省長(zhǎng)汀縣植被覆蓋度遙感動(dòng)態(tài)監(jiān)測(cè)研究[J].自然資源學(xué)報(bào)，2006（01）：126-132+166.