基于MODIS植被指数估算青海湖流域植被覆盖度研究
游浩妍;骆成凤;刘正军;于秀娟
【摘 要】商鞅变法内容将MODIS数据合成的4种植被指数作为输入参数,采用像元二分模型对研究区的植被覆盖度进行估算,利用2006年的TM数据解译结果和2011年8月的野外实测数据对反演结果进行验证.结果显示:采用NDVI估算的植被覆盖度比较符合研究区实地状况,样点估算精度达到87.13％；其他3种植被指数估算的植被覆盖度值比实际值低,尤其是对该区域典型植被草原草甸的覆盖度估算结果明显偏低.研究表明:2011年8月青海湖流域植被覆盖度以中高覆盖度为主,占整个流域面积的57％以上；植被覆盖度在空间上呈中部高、西北低的分布特点.%The Qinghai Lake watershed is the natural barrier which controls the dertification spreading for west to the east. Becau of the simple structure of the grassland ecological system here, the area is fragile. Vegetation coverage is a effective indpx that measure the vegetation and ecological environment of the watershed. A dimidiate pixel model was adopted to estimate the vegetation coverage of the study area,and four different vegetation index form MODIS data were ud as the input parameters. The vegetation coverage result
precision was validated with the reference of 2006 TM data interpretation results and the field investigation data in August 2011. The results show that:the vegetation coverage bad NDVI estimation is consistent with the study area condition,sample estimate precision is 87.13% (the vegetation coverage of other three vegetation index estimation value is lower than the actual value,especially the estimation results of the typical grassland meadow coverage is apparent on the low side. The results show the vegetation coverage is high in Qinghai Lake watershed, more than 57% with high and middle vegetation coverage in 2011 August. And the distribution characteristic is middle part high and northwest part low.
【期刊名称】《遥感信息》
【年(卷),期】2012(027)005
【总页数】7页(P55-60,66)
【关键词】日暮途穷的意思植被覆盖度;植被指数;像元二分模型;青海湖流域;MODIS
【作 者】游浩妍;骆成凤;刘正军;于秀娟
【作者单位】辽宁工程技术大学测绘与地理科学学院,阜新123000;中国测绘科学研究院摄影测量与遥感所,北京100830;中国测绘科学研究院摄影测量与遥感所,北京100830;中国测绘科学研究院摄影测量与遥感所,北京100830;中国测绘科学研究院摄影测量与遥感所,北京100830
qq空间日志
【正文语种】中 文
【中图分类】TP79
1 引 言
青海湖是我国最大的内陆高原咸水湖，位于青藏高原的东北部。青海湖湖体及湖周丰茂的草地植被不仅控制和调节着湖区流域的生态环境，而且是西部干旱区、东部季风区、青藏高原区三大区域的交汇地带。青海湖是维系青藏高原东北部生态安全的重要水体，青海湖流域是控制西部荒漠化向东蔓延的天然屏障［1］，但该地区草原生态系统及高原湖泊生态系统结构简单，自然生态环境十分脆弱，属于全球变化的敏感地区及生态环境典型脆弱地我的遗憾
区［2］。近几十年来，随着国民经济的快速增长，青海湖的生态环境出现了明显的变化。其中青海湖湖体的变化和青海湖流域的草原退化状况成为学术界、公众和政府决策部门关注的焦点。
潘耀忠等［3］认为研究植被覆盖度及其变化是全球变化与陆地生态系统响应研究中最复杂和最具活力的研究内容。在青海湖流域，调控生态系统内部与外部的物质和能量交换的主要地表覆盖类型是草地，植被覆盖度是衡量草场退化的有效指标［4］。通过青海湖流域植被覆盖度的研究可以衡量该区地表植被状况和区域生态环境变化。
近年来研究人员比较注重青海湖流域的生态环境研究［5～8］，这些研究大都选择了中分辨率TM数据，受数据供应影响，只能选择研究区几个时间段的影像资料进行研究。环境遥感卫星TERRA携带的MODIS传感器数据，实现了对陆表覆盖的连续观测。与TM数据相比较，它的最高空间分辨率为250m，远低于TM的30m，但它连续对地观测的能力，使得许多研究人员选择其进行生态环境及其变化的监测研究［9～12］。
本文对MODIS数据估算青海湖流域植被覆盖度的方法和精度进行了研究。针对研究区的地表覆被特点，估算过程同时利用等密度模型和非等密度模型，采用野外实测值及TM解译结
果作为参照，对4种不同植被参数的植被覆盖度估算结果进行比较分析，基于此选择适用于研究区的估算参数与方法。为利用植被覆盖度对青海湖流域做长时间序列生态环境持续监测奠定基础。
2 研究区与数据保本
2.1 研究区概况
青海湖流域位于青海省东北部，地处北纬35.90°～38.70°，东经97.40°～101.60°，是一个四周群山环绕的封闭式内陆盆地。整个流域近似织梭形，地形西北高、东南低，总面积约32000km2。青海湖流域深处内陆，地势高寒，海拔范围在3194m～5174m之间，气候类型属高原半干旱高寒气候。整个流域全年降水量偏少，但东部、南部稍高于北部、西部。流域内植被以草原、草甸类型为主，主要包括：灌丛植被（温性河谷灌丛与高寒灌丛）、草原植被（温性草原和高寒草原）、高山流石植被、草甸和沼泽植被（高寒草甸、盐生草甸和沼泽草甸）以及栽培植被和沙生植被等［13］。行政区划包括海西蒙古族藏族自治州的天峻县、海南藏族自治州的共和县、海北藏族自治州的海晏县和刚察县。近年来青海湖的旅游资源得到了有效的开发，在促进区域经济发展的同时，也对青海湖流域的生态环境
造成了很大的压力。圣诞节手抄报英语
2.2 数据来源
本研究用到的遥感影像数据源主要为MODIS数据，包括植被指数产品MOD13Q1、叶面积指数产品MOD15A2和陆地覆盖产品MOD12Q1，时间为2011年8月及2006年5月至10月。
青海湖流域植被覆盖度野外实测点数据于2011年8月采集，共有59个样点数据。青海湖流域地表覆盖状况资料为2006年TM数据经过野外调绘后解译结果，重点解译对象是草原草甸。
2.3 数据预处理
利用最大值合成法（MVC）对 MODIS数据产品进行月最大值合成。一般的MODIS数据处理都会在MVC处理后，再采用改进的最佳指数斜率提取（BISE）［9］进行去云处理（主要目的是进一步祛除数据中的云污染）。但研究区数据经BISE处理后影像斑块效应明显，数据质量反而降低。这主要是因为青海湖流域光照比较充足，数据受云污染轻，经MVC合成后已经消除了云噪声，故本次青海湖流域的MODIS数据处理中，没有采用BISE方法处理
图像。经过MVC合成后的数据，水体部分噪声依然很明显，采用MOD12Q1分类产品进行水体掩膜，然后用均值滤波去噪，使得图像中水体取得更好的效果。
3 研究方法
3.1 植被指数选取
植被指数作为植被覆盖度估算模型的输入参数，对估算结果精度影响比较大。研究区青海湖流域地表覆被以草原、草甸为主，土壤背景对植被指数有一定影响。这里我们选择目前应用最广泛的归一化植被指数（NDVI）［15］，同时对土壤和大气进行影响订正的增强型植被指数（EVI）［16］，降低土壤影响的土壤调整植被指数（SAVI）［17］，降低裸土影响的修改型土壤调整植被指（MSAVI）［18］。
其中，NIR和R分别为地表的近红外和红光反射值；（2）式中的B为地表的蓝光反射值，L为调节参数，这里取1；式（3）中的L是土壤调节参数，应视研究区植被密度的情况对该参数取值，青海湖流域以中植被覆盖度为主，L取值0.5，也是Huete建议的最佳取值［17］。
红小豆的作用与功效图1 青海湖流域2006年生长季植被指数均值曲线
2006年青海湖流域4种植被指数在生长季（5～10月）的月均值曲线如图1所示。NDVI在生长季的均值曲线明显区别于其他3个植被指数，SAVI与MSAVI的均值曲线最为接近，这说明在青海湖流域，SAVI与MSAVI对植被信息的反映比较一致。在这4种植被指数的均值曲线中，NDVI曲线与青海湖流域生长季的实际情况最为接近，该流域雨热同季，每年7、8月份是植被最为茂盛的时期，NDVI曲线很好地反映了这种植被生长初期、茂盛期、衰退期的差异；同时其他3种植被指数夸大了植被生长茂盛期7、8月份之间的差异。和9月份相比较，10月份地表的近红外反射值大大降低，红光和蓝光的反射值增高，并且红光的变化幅度小于近红外，导致EVI、SAVI、MSAVI3种植被指数的值没有降低，反而出现异常偏高，与实地情况不符合。
3.2 植被覆盖度估算模型
Gutman在像元二分模型的基础上，针对不同的像元类型建立了不同的植被覆盖度估算模型［19］。这里借鉴他的做法采用多种模型来估算植被覆盖度估算，具体计算方法如下：
小狗简笔画彩色其中，fc为植被覆盖度，NDVI∞为高垂直密度植被（LAI→∞）的NDVI值。NDVIveg为完全被绿色植被覆盖的像元的NDVI值，即全植被像元的NDVI值；NDVIsoil为完全被裸土覆盖的像元的NDVI值，即无植被像元的NDVI值；LAI为叶面积指数，k为消光指数。
