張志新，鄧孺孺，李 灝，陳 蕾，2，陳啟東，何穎清

(1.中山大學(xué)地理科學(xué)與規(guī)劃學(xué)院，廣州 510275;2.國(guó)家海洋局南海海洋工程勘察與環(huán)境研究院，廣州 510300)

基于混合像元分解的南方地區(qū)植被覆蓋度遙感監(jiān)測(cè)
——以廣州市為例

張志新1，鄧孺孺1，李 灝1，陳 蕾1，2，陳啟東1，何穎清1

(1.中山大學(xué)地理科學(xué)與規(guī)劃學(xué)院，廣州 510275;2.國(guó)家海洋局南海海洋工程勘察與環(huán)境研究院，廣州 510300)

通過(guò)測(cè)量圖像端元的地表反射率，對(duì)遙感圖像進(jìn)行精確大氣校正;在對(duì)混合像元分解模型進(jìn)行改進(jìn)的基礎(chǔ)上，建立了基于地表反射率的線(xiàn)性混合像元分解(Liner Spectral Unmixing，LSU)模型，有效地避免了因大氣時(shí)間、空間差異所造成的多時(shí)相誤差，實(shí)現(xiàn)了多時(shí)相對(duì)比;通過(guò)增加土壤濕度因子，消除了土壤濕度差異造成的誤差，建立了適用于南方地區(qū)的植被覆蓋度遙感監(jiān)測(cè)模型。實(shí)地驗(yàn)證結(jié)果表明，該模型具有較高的精度。將該模型運(yùn)用于廣州市1998～2009年植被覆蓋度時(shí)空變化監(jiān)測(cè)，認(rèn)為城市化、大型工程建設(shè)與陡坡開(kāi)荒是造成廣州市植被覆蓋度變化的主要原因。

植被覆蓋度;線(xiàn)性混合像元分解;地表反射率;土壤濕度;Landsat TM圖像

0 引言

植被是城市生態(tài)系統(tǒng)中的重要組成部分。合理的植被景觀空間布局，能夠有效地緩解城市熱島效應(yīng)，改善城市熱環(huán)境。城市發(fā)展與城市化是城市植被覆蓋度與植被景觀變化的主要因素，尤其在快速城市化過(guò)程中，工程建設(shè)的大量實(shí)施，耕地面積的大幅減少，造成了城市內(nèi)部及其周?chē)貐^(qū)植被覆蓋度的大幅降低。植被覆蓋度是區(qū)域內(nèi)植被垂直投影面積占地表面積的百分比［1］，對(duì)其定量監(jiān)測(cè)于城市生態(tài)環(huán)境的評(píng)估與統(tǒng)籌規(guī)劃具有重要意義。

依據(jù)植被光譜信息與植被覆蓋度之間的關(guān)系對(duì)大范圍區(qū)域進(jìn)行遙感監(jiān)測(cè)，是獲取區(qū)域植被覆蓋度的重要手段［2］。目前較為普遍的植被覆蓋度遙感監(jiān)測(cè)方法有經(jīng)驗(yàn)?zāi)Ｐ头ā⒅脖恢笖?shù)法、混合像元分解法和植被冠層模型法等［3－8］。經(jīng)驗(yàn)?zāi)Ｐ头ㄟm用于小區(qū)域監(jiān)測(cè)，對(duì)實(shí)測(cè)數(shù)據(jù)依賴(lài)性強(qiáng);植被指數(shù)容易受到大氣、土壤濕度等的影響和制約［9］，導(dǎo)致其與實(shí)際植被覆蓋度的關(guān)系不清，因此植被指數(shù)法的定量化程度較低;植被冠層模型通常依據(jù)植被葉面積指數(shù)(LAI)計(jì)算植被覆蓋度，主要分為以個(gè)體隨機(jī)集合為特征的幾何光學(xué)模型、以均勻散射薄層為特征的輻射傳輸模型及二者的混合模型等，該模型充分考慮了葉片與冠層的結(jié)構(gòu)以及輻射傳輸?shù)葐?wèn)題，但模型結(jié)構(gòu)復(fù)雜、變量過(guò)多且難以測(cè)量;混合像元分解法則通過(guò)計(jì)算混合像元中各種地物占像元面積的百分比(豐度)［10］實(shí)現(xiàn)植被覆蓋度的反演，該方法簡(jiǎn)單易行，主要針對(duì)植被指數(shù)或地物光譜特征對(duì)混合像元進(jìn)行分解。

基于植被指數(shù)的混合像元分解法通過(guò)計(jì)算各種基本地物類(lèi)型的植被指數(shù)(例如純土壤覆蓋像元的植被指數(shù) NDVIsoil，純植被覆蓋像元的植被指數(shù)NDVIveg等)對(duì)混合像元的植被指數(shù)的貢獻(xiàn)，實(shí)現(xiàn)對(duì)植被覆蓋度的估計(jì)［11－15］。由于應(yīng)用了植被指數(shù)，該方法同樣存在定量化程度不高的問(wèn)題。少數(shù)研究依據(jù)地物光譜特征建立混合像元分解模型［16－19］，該方法物理機(jī)制明晰，但仍存在以下不足:①此類(lèi)模型一般通過(guò)直接讀取或圖像分析的方式［20－22］從遙感圖像上獲得圖像端元的光譜特征，不考慮大氣的時(shí)間、空間差異，導(dǎo)致產(chǎn)生時(shí)序變化監(jiān)測(cè)誤差;②此類(lèi)模型通常不考慮土壤含水量對(duì)土壤光譜的影響，不宜用于土壤濕度較大、土壤含水量空間差異顯著的我國(guó)南方地區(qū)的植被覆蓋度監(jiān)測(cè)。

為了更好地實(shí)現(xiàn)我國(guó)南方地區(qū)植被覆蓋度的長(zhǎng)期、定量遙感監(jiān)測(cè)，本文對(duì)已有線(xiàn)性混合像元分解(Liner Spectral Unmixing，LSU)模型進(jìn)行了如下改進(jìn):①測(cè)量各種基本地物(圖像端元)的地表反射率，并將經(jīng)過(guò)大氣精校正的遙感圖像的地表反射率作為模型的輸入值，以消除大氣時(shí)空差異的影響，提高時(shí)序變化監(jiān)測(cè)結(jié)果的可對(duì)比性;②簡(jiǎn)化含水量與土壤反射率的關(guān)系，建立增加了土壤濕度因子的LSU模型。

以廣州市中北部地區(qū)為實(shí)驗(yàn)區(qū)，借助于林地冠層分析儀測(cè)量結(jié)果對(duì)本文建立的LSU模型進(jìn)行檢驗(yàn)。然后利用該模型對(duì)廣州市1998、2004和2009年3個(gè)時(shí)相的Landsat TM圖像進(jìn)行植被覆蓋度的反演，并對(duì)結(jié)果進(jìn)行了分析。

1 基于圖像端元的LSU模型

1.1 增加土壤濕度因子的LSU理論

在遙感探測(cè)中，若忽略地形的影響，并將地表視為朗伯體，則行星反射率r可表示為

式中，T為電磁波入射與反射過(guò)程中的大氣綜合透過(guò)率;ρu為上行路徑散射反照率;R為地表反射率。

大氣中的可變成分(水汽、氣溶膠、云霧水滴等)的分布隨時(shí)間和空間的變化較大，導(dǎo)致T與ρu具有很強(qiáng)的時(shí)空不確定性，造成時(shí)空變化監(jiān)測(cè)誤差，因此必須對(duì)遙感圖像進(jìn)行大氣精校正，以獲得本文中LSU技術(shù)的分解對(duì)象——混合像元的地表反射率R。

線(xiàn)性光譜模型利用一個(gè)線(xiàn)性關(guān)系表達(dá)遙感系統(tǒng)中一個(gè)像元內(nèi)各地物的類(lèi)型、比例與光譜響應(yīng)［23］。該模型假設(shè)在瞬時(shí)視場(chǎng)下，混合像元的地表反射率是由該像元內(nèi)的各種圖像端元的地表反射率線(xiàn)性組合而成，其中各種圖像端元在該像元內(nèi)所占的面積比為線(xiàn)性方程的權(quán)重［24，25］，即

式中，e為隨機(jī)誤差;Rv、Rs、Rw、…分別為植被、土壤、水體等圖像端元的地表反射率;Av、As、Aw、…分別為植被、土壤、水體等在像元中所占的面積比。

傳統(tǒng)的混合像元分解研究與應(yīng)用，通常忽略不同濕度土壤間的反射率差異，但對(duì)于土壤濕度空間差異顯著的我國(guó)南方地區(qū)，土壤濕度差異的影響應(yīng)予以考慮。鄧孺孺等［26，27］的研究指出，在土壤含水量明顯低于土壤田間持水量時(shí)，濕潤(rùn)土壤反射率服從Beer定律，即

其中，Rso為干燥土壤的反射率;Vws為土壤體積含水量;aws為水分的吸收系數(shù)。

在土壤含水量較低的情況下，式(3)可改寫(xiě)為

式(4)表明，在土壤含水量較低的情況下，土壤體積含水量Vws與土壤反射率Rs之間線(xiàn)性相關(guān)，因此可以用干燥土壤與水分的反射率的線(xiàn)性疊加代替土壤的反射率，即將土壤作為干燥土壤和水分兩種圖像端元的組合。比照As，定義干燥土壤及土壤水分在混合像元中所占的面積比分別為Aso與Aws;定義水分的反射率為Rws，則式(2)可改寫(xiě)為

將式(5)改寫(xiě)為矩陣的形式，即

本文選用最小二乘法求解上述多元線(xiàn)性方程組，當(dāng)方程組的離差平方和|E|2最小時(shí)，可以得到模型參數(shù)的估計(jì)表達(dá)式為

1.2 圖像端元地表反射率的獲取

利用美國(guó)ASD公司的ASD FieldSpec光譜儀測(cè)量各種地物的輻射亮度，然后計(jì)算其光譜反射率。為了與遙感圖像的各個(gè)波段相對(duì)應(yīng)，在Landsat TM傳感器各個(gè)波段的波長(zhǎng)范圍內(nèi)分別對(duì)每種地物的光譜反射率積分，并將積分結(jié)果相對(duì)于波段寬度的均值作為該地物在相應(yīng)波段中的地表實(shí)測(cè)反射率。圖1示出實(shí)測(cè)的(左)和TM圖像上的(右)6類(lèi)地物的光譜反射率曲線(xiàn)。

圖1 圖像端元實(shí)測(cè)(左)與TM(右)反射率光譜Fig.1 Spectral reflectance of basal land covers based on measurement(left)and TM(right)

原始圖像端元包括圖1中顯示的6類(lèi)地物。其中，灰白石磚、粗糙水泥地與柏油路面的實(shí)測(cè)反射率與TM影像各波段的反射率都極為相近，由于這3類(lèi)地物是城市建筑與道路的主要組成部分，為了簡(jiǎn)化模型，將它們歸并為同一類(lèi)，即“建筑與道路”;并將上述3種地物反射率的均值作為“建筑與道路”的地表反射率。最終，本研究以植被、干燥土壤、純凈水體、建筑與道路為圖像端元，將其地表反射率作為參數(shù)，用于建立LSU模型。

1.3 用于植被覆蓋度反演的TM波段選擇

在可見(jiàn)光區(qū)，紅光被植被葉綠素強(qiáng)吸收，是光合作用的代表性波段;植被在0.55 μm附近有一較低的反射峰，近紅外波段對(duì)植被差異和長(zhǎng)勢(shì)反映敏感;因此，TM 2、3和4波段是植被信息最為豐富的波段，而TM5波段對(duì)土壤含水量敏感。綜上所述，本文選擇上述4個(gè)波段用于植被覆蓋度的反演。

對(duì)土地利用復(fù)雜的地區(qū)，采用同一種圖像端元組合方式(例如植被與土壤)對(duì)全區(qū)的混合像元進(jìn)行分解的方法并不符合實(shí)際，為此將地表覆蓋簡(jiǎn)化為幾種主要類(lèi)型，定義其包含的圖像端元類(lèi)型，設(shè)定相應(yīng)的反演波段(表1)。

表1 混合像元類(lèi)型Tab.1 Types of mixed pixels

在反演植被覆蓋度時(shí)，分別用各種圖像端元組合類(lèi)型對(duì)混合像元進(jìn)行分解，然后根據(jù)式(6)與式(8)計(jì)算的各種類(lèi)型反演結(jié)果計(jì)算離差平方和(|E|2)。比較并選取|E|2最小的類(lèi)型作為混合像元的地表覆蓋類(lèi)型，再根據(jù)式(7)與式(8)計(jì)算像元的植被覆蓋度。

2 精度驗(yàn)證

2.1 實(shí)驗(yàn)區(qū)與遙感數(shù)據(jù)

選擇廣州市北部作為實(shí)驗(yàn)區(qū)，區(qū)內(nèi)土地利用與植被覆蓋度空間差異顯著:北部為丘陵地區(qū)，以林地、耕地與鄉(xiāng)村建筑為主，植被覆蓋程度較高;南部為廣州市中心區(qū)，以城市建筑與道路為主，植被覆蓋程度較低。首先，對(duì)實(shí)驗(yàn)區(qū)2009年1月2日獲取的Landsat TM圖像(圖2(a))進(jìn)行植被覆蓋度反演，然后根據(jù)地表儀器測(cè)量結(jié)果，對(duì)反演精度進(jìn)行定量評(píng)價(jià)。

圖2 實(shí)驗(yàn)區(qū) TM5(R)、TM4(G)、TM3(B)假彩色合成圖像及驗(yàn)證點(diǎn)分布Fig.2 TM5(R)、TM4(G)、TM3(B)pseudo color composite image and distribution of the verifying points in the study area

2.2 數(shù)據(jù)預(yù)處理與植被覆蓋度反演

2.2.1 數(shù)據(jù)預(yù)處理

根據(jù)式(7)可知，在進(jìn)行植被覆蓋度反演時(shí)，模型輸入值為地表反射率R。地表反射率可以通過(guò)遙感圖像計(jì)算獲得(包括行星反射率計(jì)算與大氣校正)。

(1)根據(jù)遙感圖像DN值計(jì)算行星反射率r。首先對(duì)遙感圖像進(jìn)行幾何糾正，獲得具有地理坐標(biāo)的圖像數(shù)據(jù)，確保能夠在圖像上找到與地面驗(yàn)證點(diǎn)(由GPS確定其地理坐標(biāo))相對(duì)應(yīng)的像元;然后對(duì)圖像進(jìn)行輻射校正，以消除傳感器誤差;最后計(jì)算行星反射率。

(2)利用大氣校正方法消除大氣程輻射的影響，計(jì)算地表反射率R。從行星反射率圖像上選取純凈水體像元和位于陰影區(qū)的濃密植被像元作為暗像元，采用多暗像元法［28］對(duì)圖像進(jìn)行大氣校正;然后根據(jù)式(1)計(jì)算地表反射率。

2.2.2 植被覆蓋度反演

將預(yù)處理得到的地表反射率作為植被覆蓋度反演模型的輸入值，根據(jù)式(7)和式(8)計(jì)算實(shí)驗(yàn)區(qū)內(nèi)各個(gè)像元的植被覆蓋度。

2.3 精度檢驗(yàn)

圖3 野外測(cè)量與模型反演結(jié)果對(duì)比Fig.3 Comparison between field survey and Remote sensing retrieval results

則F的觀察值為

根據(jù)F分布的臨界值表，得到

當(dāng)0.56＜F ＜1.79，表明遙感圖像反演值與儀器測(cè)量值的方差之間無(wú)顯著差異。全部驗(yàn)證點(diǎn)的平均相對(duì)誤差為11.96%;位于植被覆蓋度較高的白云山公園(圖2(c))的驗(yàn)證點(diǎn)的平均相對(duì)誤差為3.68%。結(jié)果表明，該模型能夠較為準(zhǔn)確地實(shí)現(xiàn)南方地區(qū)植被覆蓋度的反演，對(duì)于高密度植被覆蓋區(qū)的反演效果更好。

3 廣州市1998～2009年植被覆蓋度時(shí)空變化監(jiān)測(cè)

近十年來(lái)廣州市城市化進(jìn)程不斷加快，房地產(chǎn)侵占農(nóng)田，丘陵地區(qū)陡坡開(kāi)荒，北部原生植被減少。植被作為城市生態(tài)系統(tǒng)的重要組成部分，其覆蓋度時(shí)空變化顯著。本文按照2.2節(jié)中的數(shù)據(jù)預(yù)處理與植被覆蓋度反演步驟分別對(duì)1998年12月、2004年11月和2009年1月獲取的廣州市Landsat TM圖像進(jìn)行了植被覆蓋度的計(jì)算，并對(duì)結(jié)果進(jìn)行了分析。

3.1 植被覆蓋度時(shí)空變化

廣州市各年份平均植被覆蓋度分別為43.734%(1998年)、45.151%(2004 年)和 45.749%(2009年)，各轄區(qū)植被覆蓋度如圖4所示。

圖4 廣州市各轄區(qū)植被覆蓋度對(duì)比Fig.4 Comparison of vegetation coverage in Guangzhou

從圖4可以看出，廣州市北部及東北部區(qū)域(從化市、增城市、蘿崗區(qū)、花都區(qū)、白云區(qū))平均植被覆蓋度明顯高于南部區(qū)域(番禺區(qū)、南沙區(qū));市中心區(qū)(越秀區(qū)、天河區(qū)、黃埔區(qū)、海珠區(qū)、荔灣區(qū))平均植被覆蓋度明顯低于非中心城區(qū)。

為了清晰地顯示研究區(qū)域植被覆蓋度時(shí)空變化，通過(guò) ArcInfo軟件進(jìn)行柵格計(jì)算并分別生成1998～2004年與2004～2009年廣州市植被覆蓋度時(shí)空變化圖(圖5)。

圖5 廣州市植被覆蓋度變化Fig.5 Change of vegetation coverage in Guangzhou

圖5 顯示，在1998～2004年和2004～2009年這2個(gè)時(shí)段中，廣州市植被覆蓋度空間變化特征較為一致:中部和南部平原地區(qū)植被覆蓋度降低較為明顯，呈斑雜狀分布;北部和東部丘陵地區(qū)部分區(qū)域植被覆蓋度增加;其他地區(qū)變化不明顯。

3.2 植被覆蓋度變化原因分析

參照原始遙感圖像解譯結(jié)果與實(shí)地考察發(fā)現(xiàn)，近十年來(lái)影響廣州市植被覆蓋度變化的3個(gè)主要因素為城市化、城市規(guī)劃大型工程建設(shè)和丘陵地區(qū)陡坡開(kāi)荒。圖6～8為上述3種因素的典型區(qū)域及其表現(xiàn)(每幅圖中的(a)與(b)分別為相應(yīng)區(qū)域1998～2004年(時(shí)段1)與2004～2009年(時(shí)段2)的植被覆蓋度變化空間分布圖，(c)為相應(yīng)區(qū)域2009年1月獲取的TM5(R)、TM4(G)、TM3(B)假彩色合成圖像)。

圖6 城市化對(duì)植被覆蓋度的影響Fig.6 Urbanization impact on the vegetation coverage

圖6 選于增城市南端，為城市化對(duì)城市植被覆蓋度圖像的一個(gè)案例:在時(shí)段1中，西南部地區(qū)植被覆蓋度整體呈大幅度降低(圖6(a));在時(shí)段2中，植被覆蓋度大幅度降低現(xiàn)象已經(jīng)擴(kuò)展到東北部地區(qū)(圖6(b)。時(shí)段1中植被覆蓋度降低的區(qū)域在TM圖像中顯示為紫色，已經(jīng)成為城市建筑區(qū);而時(shí)段2中植被覆蓋度降低的區(qū)域呈白色版塊狀，為新開(kāi)發(fā)區(qū)(圖6(c))。截至2009年1月，該區(qū)大部分植被已經(jīng)或正在被城市建筑替代。圖6表明，城市化過(guò)程對(duì)植被的破壞具有一定程度的不可逆轉(zhuǎn)性和時(shí)間上的延續(xù)性。

圖7為城市發(fā)展進(jìn)程中一類(lèi)具有代表性的生態(tài)影響因素——大型工程建設(shè)。圖上居中部分為番禺小谷圍島，于2003年1月開(kāi)始實(shí)施廣州市大學(xué)城建設(shè)工程。從圖7(a)中可以看出，至2004年11月，該區(qū)域植被覆蓋度較1998年整體下降，這主要是由廣州市大學(xué)城的建設(shè)造成的。圖7(b)中，中心區(qū)域植被覆蓋度有所回升，且植被覆蓋度顯著增加的區(qū)域呈現(xiàn)較為規(guī)整的圖斑，這與2006年12月大學(xué)城建設(shè)項(xiàng)目的完工以及后續(xù)兩年的區(qū)域綠化工程密切相關(guān);而在西北部，即位于小谷圍島南面的官洲島的植被覆蓋度變化則是因?yàn)樽?008年底起廣州國(guó)際生物島工程建設(shè)的實(shí)施。與城市化相比，大型工程建設(shè)初期常常會(huì)造成較大程度的植被破壞，但工程建設(shè)中后期合理的綠地規(guī)劃與建設(shè)，則能在一定程度上補(bǔ)救和改善建設(shè)初期對(duì)工程區(qū)生態(tài)的損害。

圖7 大型工程建設(shè)對(duì)植被覆蓋度的影響Fig.7 Large－scale architectural engineering impact on the vegetation coverage

圖8 顯示了陡坡開(kāi)荒活動(dòng)對(duì)植被覆蓋度變化的影響。圖8(a)與圖8(b)中的深綠色斑塊為成熟的陡坡開(kāi)荒區(qū)，白色斑塊為新開(kāi)墾區(qū)，紫色斑塊則為處于陡坡開(kāi)荒過(guò)渡階段的區(qū)域。陡坡開(kāi)荒活動(dòng)雖然能夠帶來(lái)短期、較高的經(jīng)濟(jì)效益，卻破壞了地面植被，且又翻松了土壤，造成了產(chǎn)生嚴(yán)重土壤侵蝕的條件，導(dǎo)致水土流失加劇，引起局部生態(tài)環(huán)境惡化和山體滑坡、泥石流等地質(zhì)災(zāi)害的發(fā)生，是威脅居民生命與財(cái)產(chǎn)安全的不安定因子。

圖8 陡坡開(kāi)荒對(duì)植被覆蓋度的影響Fig.8 Reclamation impact on the vegetation coverage

4 結(jié)論

本研究在對(duì)線(xiàn)性混合像元分解(LSU)模型進(jìn)行分析和改進(jìn)的基礎(chǔ)上，建立了具有較高精度的植被覆蓋度監(jiān)測(cè)模型。該模型具有以下特點(diǎn):

(1)以地表反射率為L(zhǎng)SU的作用對(duì)象，削弱了大氣環(huán)境與遙感影像成像時(shí)間差異的影響，提高了時(shí)序變化監(jiān)測(cè)結(jié)果的可對(duì)比性。

(2)根據(jù)土壤含水量與土壤光譜的關(guān)系，增加了土壤濕度因子，消除了土壤濕度空間差異的影響，適用于土壤濕度較大、土壤含水量空間差異顯著的我國(guó)南方地區(qū)的植被覆蓋度反演。

(3)地表儀器測(cè)量結(jié)果證明該模型具有較高的反演精度。利用該模型對(duì)廣州市近十年來(lái)的植被覆蓋度進(jìn)行監(jiān)測(cè)，分析了影響該地區(qū)植被覆蓋度變化的主要因素，證明該模型用于我國(guó)南方地區(qū)植被覆蓋度時(shí)空變化的監(jiān)測(cè)可以獲得良好的效果。

致謝:感謝蔣少鋒在野外測(cè)量過(guò)程中給予的幫助。

［1］ 程紅芳，章文波，陳 鋒.植被覆蓋度遙感估算方法研究進(jìn)展［J］.國(guó)土資源遙感，2008(1):13 －18.

［2］ 秦 偉，朱清科，張學(xué)霞，等.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，2006，34(9):163－170.

［3］ 但尚銘，但 玻.若爾蓋地區(qū)典型濕地NDVI動(dòng)態(tài)特點(diǎn)分析［J］.四川氣象，2006，26(3):115 －117.

［4］ Busetto L，Meroni M，Colombo R.Combining Medium and Coarse Spatial Resolution Satellite Data to Improve the Estimation of Sub －pixel NDVI Time Series［J］.Remote Sensing of Environment，2008，112(1):118 －131.

［5］ 陽(yáng)小瓊，朱文泉，潘耀忠，等.基于修正的亞像元模型的植被覆蓋度估算［J］.應(yīng)用生態(tài)學(xué)報(bào)，2008，19(8):1860 －1864.

［6］ 陳效逑，王 恒.1982～2003年內(nèi)蒙古植被帶和植被覆蓋度的時(shí)空變化［J］.地理學(xué)報(bào)，2009，64(1):84 －94.

［7］ 董 印，焦 黎，楊光華，等.基于SPOT－VGT數(shù)據(jù)的新疆1998～2007年植被覆蓋變化監(jiān)測(cè)［J］.水土保持通報(bào)，2009，29(2):125－129.

［8］ 李 娟.蘭州市南北兩山植被覆蓋度動(dòng)態(tài)變化遙感監(jiān)測(cè)［J］.礦山測(cè)量，2010(1):34－38.

［9］ 田慶久，閔祥軍.植被指數(shù)研究進(jìn)展［J］.地球科學(xué)進(jìn)展，1998，13(4):327－333.

［10］ Iehoku C，Karnieli A.A Review of Mixture Modeling Techniques for Sub － pixel Land Cover Estimation［J］.Remote Sensing Reviews，1996，13(3 －4):161 －186.

［11］ Gutman G，Ignatov A.The Derivation of the Green Vegetation Fraction from NOAA/AVHRR Data for Use in Numerical Weather Prediction Models［J］.International Journal of Remote Sensing，1998，19(8):1533 －1543.

［12］ Qi J，Marsett R C，Moran M S，et al.Spatial and Temporal Dynamics of Vegetation in the San Pedro River Basin Area［J］.Agricultural and Forest Meteororology，2000，105(1 －3):55 －68.

［13］陳 晉，陳云浩，何春陽(yáng)，等.基于土地覆蓋分類(lèi)的植被覆蓋率估算亞像元模型與應(yīng)用［J］.遙感學(xué)報(bào)，2001，5(6):416 －422.

［14］唐世浩，朱啟疆，王錦地，等.三波段梯度差植被指數(shù)的理論基礎(chǔ)及其應(yīng)用［J］.中國(guó)科學(xué)(D 輯)，2003，33(11):1094－1102.

［15］陽(yáng)小瓊，朱文泉，潘耀忠，等.基于修正的亞像元模型的植被覆蓋度估算［J］.應(yīng)用生態(tài)學(xué)報(bào)，2008，19(8):1860 －1864.

［16］ Jasinski M F.Estimation of Subpixel Vegetation Density of Natural Regions Using Satellite Multispectral Imagery［J］.IEEE Transaction on Genscience and Remote Sensing，1996，34(3):804 －813.

［17］ Gilabert M A，García － Haro F J，Melià J.A Mixture Modeling Approach to Estimate Vegetation Parameters for Heterogeneous Canopies in Remote Sensing［J］.Remote Sens Environ，2000，72(3):328－345.

［18］ Paringit E C，Nadaoka K.Using Spectral Mixture Modeling Techniques to Derive Land－cover Parameters for Distributed Ediment Yield Estimation［C］//Proceedings of the 21st Asian Conference on Remote Sensing.Taipei，Taiwan，2000:52 －57.

［19］王天星，陳松林，馬 婭.基于改進(jìn)線(xiàn)性光譜分離模型的植被覆蓋度反演［J］.地球信息科學(xué)，2008，10(1):114 －120.

［20］ Metternicht G I，F(xiàn)ermont A.Estimating Erosion Surface Features by Linear Mixture Modeling［J］.Remote Sensing of Environment，1998，64(3):254 －265.

［21］ Lobell D B，Asner G P.Cropland Distributions from Temporal Unmixing of MODIS Data［J］.Remote Sensing of Environment，2004，93(3):412 －422.

［22］ Bannari A，Pacheco A，Staenz K，et al.Estimating and Mapping Crop Residues Cover on Agricultural Lands Using Hyperspectral and IKONOS Data［J］.Remote Sensing of Environment，2006，104(4):447－459.

［23］趙英時(shí)，楊立明，陳冬梅，等.遙感應(yīng)用分析原理與方法［M］.北京:科學(xué)出版社，2003.

［24］蔡 薇，郭洪海，隋學(xué)艷，等.基于混合像元分解提取小麥種植面積的技術(shù)與方法研究［J］.山東農(nóng)業(yè)科學(xué)，2009(5):12－16.

［25］陶雪濤.線(xiàn)性模型下多通道遙感圖像混合像元分解方法研究［D］.上海:復(fù)旦大學(xué)，2008:10.

［26］鄧孺孺.青藏高原地表反照率反演及冷熱源分析［D］.北京:中國(guó)科學(xué)院研究生院遙感應(yīng)用研究所，2002:16－19.

［27］鄧孺孺，田國(guó)良，柳欽火，等.粗糙地表土壤含水量遙感模型研究［J］.遙感學(xué)報(bào)，2004，8(1):75 －80.

［28］齊志新，鄧孺孺.多暗像元大氣校正方法［J］.國(guó)土資源遙感，2007(2):16－19.

Remote Sensing Monitoring of Vegetation Coverage in Southern China Based on Pixel Unmixing:A Case Study of Guangzhou City

ZHANG Zhi－ xin1，DENG Ru － ru1，LI Hao1，CHEN Lei1，2，CHEN Qi－ dong1，HE Ying － qing1
(1.School of Geographic Science and Planning，Sun Yat－ sen University，Guangzhou 510275，China;2.South China Sea Marine Engineering and Environment Institute，SOA，Guangzhou 510300，China)

Based on the measurement of the ground spectral reflectance of basal land covers and the accurate atmospheric correction for Landsat TM data，the authors improved the linear spectral mixture model(LSU)and developed a vegetation coverage retrieval model suitable for southern China.The effects of the atmospheric environment and the imaging time of remote sensing data were both reduced，contributing to the multi－ temporal comparison，by the utilization of the ground spectral reflectance from field survey.The soil moisture factor was considered to eliminate its remarkable spatial differentiation error in southern China.The vegetation coverage retrieval model was proved to be efficient with high precision over the in situ field verification and was applied to extract the vegetation coverage information in Guangzhou from 1998 to 2009.It is inferred that the urbanization，the large－scale architectural engineering and the reclamation activities constitute the main factors responsible for the formation of the spatio－temporal vegetation change in this area.

Vegetation coverage;Linear spectral unmixing(LSU);Ground spectral reflectance;Soil moisture;Landsat TM image

TP 79

A

1001－070X(2011)03－0088－07

2010－12－13;

2011－01－09

國(guó)家自然科學(xué)基金項(xiàng)目(編號(hào):40671144)和水利部948項(xiàng)目(編號(hào):200820)共同資助。

張志新(1985－)，女，碩士研究生，主要從事水質(zhì)遙感和微波遙感研究。

鄧孺孺(1963－)，男，博士，教授，主要從事環(huán)境遙感和 GIS應(yīng)用研究。E－mail:eesdrr@mail.sysu.edu.cn。

(責(zé)任編輯:劉心季)