肖成龍

摘要：植被覆蓋度作為表征植被生長狀況與生態(tài)系統(tǒng)變化的定量指標(biāo)，在水文分析、氣象監(jiān)測、生態(tài)環(huán)境變化等方面的區(qū)域或全球性問題研究中起著獨一無二的作用。本文以植被覆蓋度為研究對象，歸納了植被覆蓋度的估算方法，并重點分析了基于遙感方法的植被覆蓋監(jiān)測模型的特點，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內(nèi)容，同時指出了植被覆蓋度測算方法今后的研究重點。

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

植被覆蓋度隨時間和空間的變化，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)計區(qū)總面積的百分比[2]，是刻畫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際研究的主要內(nèi)容和熱點。本文將簡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，又稱為經(jīng)驗?zāi)Ｐ头?，通過對遙感數(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地面測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光植被指數(shù)VARI（Visible Atmospherically Resistant Index）的線形關(guān)系模型，且估計誤差不超過10%。

1.2植被指數(shù)法

該方法是通過對影像中植被類型及分布特征的分析，所用的植被指數(shù)一般都通過驗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)分級統(tǒng)計結(jié)果來近似估算植被蓋度。王愛蕓等[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際情況，將研究區(qū)植被覆蓋度分為5個等級。

植被指數(shù)是對地表植被狀況的有效、簡單和經(jīng)驗的度量。目前通過研究工作己經(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、植被分類以及干旱監(jiān)測等方面。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、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)行知識獲取時， 由研究者提供樣本和相應(yīng)的解， 通過特定的學(xué)習(xí)算法對樣本進(jìn)行訓(xùn)練，通過網(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，回歸模型法十分依賴實測數(shù)據(jù)，精度高，適合小區(qū)域精確研究;植被指數(shù)法對實測數(shù)據(jù)依賴性較小，精度較低，適合大范圍粗略估計;而機(jī)器學(xué)習(xí)法能容忍數(shù)據(jù)的噪聲，對樣本數(shù)量和質(zhì)量要求較高，可廣泛應(yīng)用。因此在計算植被覆蓋度時，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。目前基于遙感技術(shù)的植被覆蓋度的測量有局限性，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，遙感傳感器觀測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)，觀測角度會引起植被覆蓋度估算時的誤差。因此利用數(shù)碼成像的近景測量對植被覆蓋度的估算可能是之后的一個研究重點。

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.植被覆蓋度及其測算方法研究進(jìn)展[J].西北農(nóng)林科技大學(xué)學(xué)報（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，宋開山，任春穎，杜嘉，曾麗紅.基于MODIS NDVI的吉林省植被覆蓋度動態(tài)遙感監(jiān)測[J].遙感技術(shù)與應(yīng)用，2010，25（03）：387-393.

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