張寶燕

（遼寧林業(yè)職業(yè)技術(shù)學(xué)院實(shí)驗(yàn)林場，沈陽113317）

1 研究的意義

以自然或半自然形態(tài)存在的城市植被是城市／郊區(qū)環(huán)境的重要組成部分，也是改善城市生態(tài)環(huán)境和城市熱島的調(diào)節(jié)器。植被在城市生態(tài)系統(tǒng)中發(fā)揮著十分重要的作用，是城市居民健康環(huán)境不可缺少的重要組分。綠色植被能夠通過選擇性反射、吸收太陽輻射、調(diào)節(jié)水分蒸騰、吸附大氣中的固體懸浮顆粒物以及有害氣體，調(diào)節(jié)城市熱島和大氣環(huán)境質(zhì)量，對城市生態(tài)系統(tǒng)中的物質(zhì)循環(huán)和能量流動(dòng)產(chǎn)生積極影響。城市植被除具有重要的生態(tài)功能，如保持生物多樣性，防治水土流失，減輕城市熱島效應(yīng)等，另外還具有重要的社會(huì)經(jīng)濟(jì)功能，如提供休息娛樂場所，減輕城市居民的工作壓力，影響房地產(chǎn)價(jià)格等。隨著人們生活水平的不斷提高與休閑時(shí)間的逐漸增加，人們更加渴望接觸自然、親近自然、走向自然。因此，城市植被日益成為評(píng)價(jià)城市生態(tài)可持續(xù)與人們生活質(zhì)量的重要標(biāo)準(zhǔn)。

目前大部分城市在進(jìn)行城市綠化建設(shè)時(shí)，只注重國家建設(shè)部1993年提出的城市綠化水平三項(xiàng)指標(biāo)（城市建成區(qū)綠地率、綠化覆蓋率和人均公共綠地面積）數(shù)字的高低，

并不重視城市綠地生態(tài)功能及其在空間上的合理布局。近年來，雖然有些城市也逐漸認(rèn)識(shí)到了城市綠色空間結(jié)構(gòu)的重要性，由于測量手段大都以常規(guī)的相對落后的統(tǒng)計(jì)為主，無法及時(shí)、準(zhǔn)確、全面、真實(shí)地反映綠色空間現(xiàn)狀，遙感技術(shù)作為一種綜合性探測技術(shù)，越來越多的遙感技術(shù)已被應(yīng)用在城市的植被監(jiān)測中。

眾所周知，本溪是東北地區(qū)有名的鋼鐵城市，隨著城市化的進(jìn)程和經(jīng)濟(jì)的快速發(fā)展，產(chǎn)生了大量的城市問題。如城市結(jié)構(gòu)功能效益低，大氣和水環(huán)境污染等，尤其是綠地被大量蠶食所帶來的生態(tài)環(huán)境影響，嚴(yán)重影響了人們生活質(zhì)量，也影響到區(qū)域中心城市的形象。為此，很多學(xué)者對該地區(qū)的植被情況進(jìn)行了定期的監(jiān)測與分析。但是，研究所用的數(shù)據(jù)多源于統(tǒng)計(jì)年鑒，也沒有從本溪市進(jìn)行植被覆蓋度的研究。

本文利用遙感數(shù)據(jù)，應(yīng)用ERDAS軟件對本溪地區(qū)進(jìn)行分類，提取出植被信息，并對該地區(qū)的植被進(jìn)行分析與檢測，這是一項(xiàng)非常有應(yīng)用價(jià)值和理論價(jià)值的研究工作，具有重要意義。

2 植被監(jiān)測在城市中的應(yīng)用

2.1 植被監(jiān)測在環(huán)境管理和環(huán)境監(jiān)測中的應(yīng)用

植被監(jiān)測在世界許多國家得到推廣，在環(huán)境監(jiān)測中占有一定的比重。西德、英國利用地衣種類、數(shù)量、覆蓋度等說明空氣質(zhì)量變化；加拿大根據(jù)地衣吸附流量反應(yīng)二氧化硫污染分布；美國根據(jù)鴨跎草無性系雌蕊毛茸細(xì)胞變態(tài)對化學(xué)誘變進(jìn)行監(jiān)測。植物監(jiān)測的可行性表現(xiàn)在直觀性、指示性、長期性等三方面。

2.2 植被監(jiān)測在景觀生態(tài)變化的應(yīng)用

植被是生態(tài)系統(tǒng)最基本的組成部分，是自然環(huán)境最直觀的反映。特別是在干旱區(qū)，植被生態(tài)系統(tǒng)的特點(diǎn)、變化，不僅直接反映了區(qū)域的地質(zhì)、地貌，水文、土壤、氣候等自然地理特征，而且在一定程度上反映了人類活動(dòng)對自然的影響［1］。對植被進(jìn)行監(jiān)測，不僅可以了解區(qū)域的自然地理狀況、生態(tài)質(zhì)量現(xiàn)狀、生態(tài)破壞程度、恢復(fù)狀況及發(fā)展變化趨勢，同時(shí)，植被監(jiān)測又是正確評(píng)價(jià)生態(tài)系統(tǒng)功能，預(yù)測人類活動(dòng)對生態(tài)系統(tǒng)的影響的前提，為區(qū)域?qū)嵤┥鷳B(tài)管理、建立生態(tài)法律法規(guī)提供一定的依據(jù)，為干旱區(qū)生態(tài)環(huán)境保護(hù)和綠洲的可持續(xù)發(fā)展提供理論指導(dǎo)。

觀察組治療有效率為92.00%，對照組為68.00%。與對照組相比，觀察組的治療有效率更高，差異具有統(tǒng)計(jì)學(xué)意義（P＜0.05）。詳細(xì)見（表1）。

2.3 植被變化是全球氣候變化研究的“指示器”

陸地生態(tài)系統(tǒng)是人類賴以生存與發(fā)展的生命支持系統(tǒng)。全球氣候變化研究的目標(biāo)之一，就是研究人類活動(dòng)引起的氣候變化對陸地生態(tài)系統(tǒng)與人類生存環(huán)境的作用及其響應(yīng)。植被具有明顯的年際和季節(jié)變化特征，也是聯(lián)結(jié)土壤、大氣和水分的自然紐帶，在一定程度上，植被變化能在全球變化研究中充當(dāng)“指示器”的作用，對植被的動(dòng)態(tài)監(jiān)測和預(yù)測可以從一個(gè)側(cè)面反映氣候變化的趨勢。我國西北干旱、半干旱地區(qū)處于全球氣候變化一、二級(jí)敏感帶，對其植被動(dòng)態(tài)變化進(jìn)行研究具有十分重要的意義。

植被與氣候之間的相互作用主要表現(xiàn)在兩個(gè)方面：植被對氣候的適應(yīng)性與植被對氣候的反饋?zhàn)饔?。氣溫上升、降水量增加和二氧化碳濃度增高等變化?huì)引起植被生態(tài)系統(tǒng)功能的變化，包括光合作用、呼吸作用改變和生長季節(jié)與物候變化等，最終會(huì)影響全球碳平衡格局。

3 植被覆蓋度監(jiān)測的應(yīng)用

植被覆蓋度作為水文學(xué)與生態(tài)學(xué)的重要參數(shù)，被用在土壤侵蝕模型中，對于植被覆蓋度的監(jiān)測也被廣泛用于多領(lǐng)域的研究，如景觀變化分析，礦區(qū)植被覆蓋度研究，干旱半干旱地區(qū)植被覆蓋度研究。

作為植被覆蓋的直接指示因子［2］，植被覆蓋度被頻繁用于植被覆蓋的變化監(jiān)測中。如中國一比利時(shí)合作的“中國西北地區(qū)植被覆蓋變化遙感動(dòng)態(tài)監(jiān)測系統(tǒng)”項(xiàng)目，以植被覆蓋變化和環(huán)境變化動(dòng)態(tài)監(jiān)測為基礎(chǔ)，研究近十年西北地區(qū)植被覆蓋的主要變化情況。

植被覆蓋度是生態(tài)學(xué)的重要參數(shù)，它是生態(tài)環(huán)境監(jiān)測中最常用的監(jiān)測指標(biāo)之一。如黃河中上游地區(qū)生態(tài)環(huán)境遙感調(diào)查，利用植被覆蓋度等生態(tài)環(huán)境因子對黃河中上游地區(qū)的環(huán)境進(jìn)行了現(xiàn)狀調(diào)查、動(dòng)態(tài)研究與綜合評(píng)價(jià)。

4 使用遙感技術(shù)監(jiān)測的優(yōu)勢

遙感技術(shù)是以先進(jìn)的對地觀測探測器為技術(shù)手段，對目標(biāo)物進(jìn)行遙遠(yuǎn)感知的整個(gè)過程。遙感技術(shù)以其多平臺(tái)、多層次、多波段、多時(shí)相、短周期、低價(jià)格等特點(diǎn)，已廣泛應(yīng)用于資源、環(huán)境、生態(tài)研究的眾多領(lǐng)域，是獲取現(xiàn)勢性資料的重要手段。尤其計(jì)算機(jī)數(shù)據(jù)存儲(chǔ)、處理、分析等遙感研究技術(shù)的不斷提高，促進(jìn)了遙感技術(shù)的快速發(fā)展［3］。

遙感對地觀測的海量波譜信息為地方、區(qū)域與全球尺度上的植被覆蓋度監(jiān)測提供了定性或定量數(shù)據(jù)。

衛(wèi)星遙感圖像具有周期性、宏觀性、現(xiàn)勢性和經(jīng)濟(jì)性的特點(diǎn)，可以用于大范圍區(qū)域的植被覆蓋度監(jiān)測。

遙感數(shù)字影像產(chǎn)品具有獲取速度快、信息量多、直觀性好的特點(diǎn)，可以提供實(shí)時(shí)、準(zhǔn)確的植被覆蓋度信息。

高光譜遙感數(shù)據(jù)具有波段多、信息量豐富的特點(diǎn)，可以提供連續(xù)、精細(xì)的光譜信息，用于植被遙感的定量研究中。

多源遙感信息（多時(shí)相、多光潛、多傳感器、多平臺(tái)和多分辨率）提供的信息具有冗余性、互補(bǔ)性和合作性，可以使對植被覆蓋度的定量估算更精確、更完全、更可靠。

遙感技術(shù)與地理信息系統(tǒng)（GIS）技術(shù)相結(jié)合，可以引進(jìn)多種輔助數(shù)據(jù)（如植被圖、土地利用圖、DEM、土壤圖等）參與植被覆蓋度的定量估算過程。

遙感數(shù)據(jù)可以即時(shí)反映出植被覆蓋度的時(shí)空分異特性，對遙感數(shù)據(jù)的時(shí)間序列分析，有助于觀測植被覆蓋的季節(jié)變化與年變化趨勢。

使用遙感數(shù)招計(jì)算出的植被指數(shù)，真實(shí)的反映了地表植被狀況，對于植被覆蓋度監(jiān)測具有靈敏性。

5 實(shí)例分析

5.1 研究使用數(shù)據(jù)

本文以遼寧省本溪市為樣本城市，所用遙感數(shù)據(jù)為1999年8月、2004年5月、2007年5月和2009年8月共4幅影像，圖像上研究區(qū)域基本無云，成像質(zhì)量良好。以下是幾幅遙感影像的基本資料。

表1 遙感影像主要參數(shù)

5.2 研究路線

本文應(yīng)用NDVI分類、非監(jiān)督分類和監(jiān)督分類三種方法對本溪地區(qū)的不同年份的植被進(jìn)行了提取和分類，并對三種方法進(jìn)行了系統(tǒng)的比較和分析，選擇出最優(yōu)方法。在前兩種方法中，首先利用ERDAS軟件對2007年Landsat－5TM的遙感影像進(jìn)行了感興趣區(qū)域的剪裁，得到了本溪地區(qū)的遙感影像數(shù)據(jù)。接著運(yùn)用監(jiān)督分類和非監(jiān)督對該地區(qū)進(jìn)行分類，分離出了植被，然后對這兩種方法進(jìn)行了對比得出監(jiān)督分類比非監(jiān)督分類精度更高的結(jié)論。在第二種方法中，利用ERDAS建模工具進(jìn)行NDVI提取，并且對所提取的NDVI做了分類，得到NDVI分類圖。之后文中又利用Google earth目視判讀判定了NDVI分類與監(jiān)督分類的分類精度問題，通過比較，得出監(jiān)督分類精度比NDVI分類要高［4］。

在確定應(yīng)用監(jiān)督分類提取、分離植被后，為了提高分類的精度，文中又利用NDVI與波段組合的方法對分類進(jìn)行了改進(jìn)，結(jié)果表明該方法精度的確很高。另外，為了佐證分離出來的是植被，文中還嘗試用地表溫度反演圖來證明分類方法其準(zhǔn)確性。

在確定應(yīng)用NDVI與其他波段組合的監(jiān)督分類作為主要分析方法后，文中對其他幾個(gè)年份的遙感影像進(jìn)行了分類和對比，估算了當(dāng)年的植被覆蓋和情況、解譯了植被的分布狀況，并通過ERDAS建模的變化監(jiān)測闡述了本溪地區(qū)這幾年的植被覆蓋的變化趨勢及原因。其技術(shù)路線如下圖［5］：

5.3 NDVI表達(dá)式

歸一化差值植被指數(shù)NDVI（Normalozed Difference Vegetation Index）。它能更好地反應(yīng)本地形區(qū)植被蓋度稀疏、蓋度差異懸殊的區(qū)域景觀特點(diǎn)。該植被指數(shù)的表達(dá)式為：

其中DNTM4、DNTM3分別表示landsatTM第四波段（熱紅外波段）的灰度值和第三波段（可見光紅光波段）的灰度值。

6 結(jié)論

表2 各年份影像的植被面積統(tǒng)計(jì)

對2004年與2007年植被變化進(jìn)行分析，通過生成的遙感影像和原來兩年的植被影像圖的比照，可以看出城區(qū)主要植被覆蓋地區(qū)沒有很大的變化，只有部分田地2004年比2007年多，估計(jì)是因?yàn)閺?004年到2007年期間有些田地的地方改建成了房屋，使田地面積減小。

2007年與2009年植被變化分析，用上述方法對生成的變化檢測圖分析，淺灰色的部分是2007年比2009年多的綠地，根據(jù)圖像解譯［6］，多出來的綠地部分恰好就是田地的區(qū)域，再一次證明了之前的分析的正確性。

7 需要注意的細(xì)節(jié)

7.1 由于覆蓋度的不連續(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)。

7.2 使用遙感數(shù)據(jù)獲取植被覆蓋度時(shí)與植被覆蓋度定義的視角不同。遙感傳感器觀測地面的角度與傳感器的類型有關(guān)，一般很難保證與地面垂直，而植被覆蓋度的定義是植被在坡面的垂直投影，觀測角度與投影角度不同，因而引起植被覆蓋度的誤差。

［1］ 顧祝軍，曾志遠(yuǎn)，史學(xué)正，等.基于遙感圖像不同輻射校正水平的植被覆蓋度估算模型［J］.應(yīng)用生態(tài)學(xué)報(bào)，2008，19（6）：1296－1302.

［2］ 王 皓.黃河流域遙感影像NDVI植被覆蓋指數(shù)參數(shù)提?。跠］.北京：清華大學(xué)，2006.

［3］ 陳云浩，李曉兵，史培軍.基于遙感的植被覆蓋變化景觀分析［J］.生態(tài)學(xué)報(bào)，2002，22（10）：1582－1586.

［4］ 杜風(fēng)蘭.北京大興區(qū)高分辨率遙感土地利用分類及不確定性研究.南京大學(xué)碩十論文，2005（6）：26－28.

［5］ 胡振琪，陳濤.基于ERDAS的礦區(qū)植被覆蓋度遙感信息提取研究［J］.西北林學(xué)院學(xué)報(bào)2008，23（2）：164－167.

［6］ 郭崇，孫培新，劉衛(wèi)國.利用ERDAS IMAGINE從遙感影像中提取植被指數(shù)［J］.西部探礦工程，2005（6）：111－113.