论文部分内容阅读
1引言
遥感影像可以获取与植被进行能量交互的光谱信息，从而获得植被及环境的信息。不同的波段与植被的能量交互作用不同，反映的信息也不同：可见光与柱状叶肉细胞的能量交互发生在光合作用过程中，不同光照环境中的叶子表层的蜡质层不同，光照多的蜡质层厚而光照少的薄，此过程直接影响了植物的叶子及其冠层的特征;近红外与海绵组织的能量交互过程中，近红外辐射含有大量的热能，过多热辐射的吸收理论上会导致叶子内部过热，但正常植物中的叶肉细胞能够很好的控制对近红外的吸收， 植物与近红外间的这种响应关系可以直接反映生物量信息;中红外与海绵组织中水可以进行能量交互，组织中水分越多、吸收中红外光越多、反射越少，监测中红外波段可以反映土壤中是否缺水。
2数据获取
通过地理空间数据云网站获取了2001-2016年每月的 MODIS/NDVI数据，下载的月NDVI产品是由 MOD09GA经过镶嵌、裁剪、转换投影、最大值合成等预处理方法后得到的，下载数据产品的坐标系为 WGS84、空间分辨率为500米。
遥感作为一门工具性学科为各个领域提供基础数据，但是在不同的应用领域对数据的要求存在差异，所以在选择遥感数据前要仔细分析研究内容和研究区情况，获取合适的遥感数据才能将其成功应用到研究领域，充分发挥遥感的基础辅助的功能。空间分辨率为 500 米的MODIS/NDVI 数据满足要求;下载的 MODIS/NDVI 数据可以免费获取所有时间段的月产品，满足研究时间段的要求;下载的 MODIS/NDVI 数据可以在 ENVI 软件中直接打开，数据格式符合要求，为数据处理提供了便利;下载的 MODIS 数据包含 NDVI 信息，可以通过 ENVI 软件平台提取植被覆盖度。通过上述分析可以得出：下载的遥感数据满足研究要求。
3数据处理
在 RS、GIS 技术的支持下，将获取的遥感数据利用 ArcGIS 软件进行数据预处理、数据合成、提取植被覆盖度等操作。
3.1数据预处理
通过预处理为信息提取及空间分析提供尽可能接近研究区域辐射及地形真
实特征的数据源，使数据得到更好的应用效果。投影转换和坐标设置可以统一不同来源的数据。因为目标辐射传输受到大气及大气状态的影响、目标辐射特征受到地形及朝向的影响，因此需要进行辐射校正及几何校正。当目标区域跨越多幅影像时需要进行图像拼接，并按照研究区边界进行裁剪。
3.2数据合成
获取的遥感影像数据是每个月的NDVI值，为继续研究以年为时间单位植被覆盖及变化信息，需要进行植被指数数据合成的处理，而且数据合成可以在一定程度上减小误差影响。
数据合成方法有最大值合成MVC和平均值合成两种，最大值合成是取12个月中对应每个像元的NDVI最大值形成这一年的NDVI影像数据集，另一种方法是取12个月中对应每个像元的NDVI算数平均值形成这一年的NDVI影像数据集。
3.3植被覆盖度提取
在同一个研究区域随着时间的变化植被覆盖度指标会发生变化，這是因为在自然因素和社会因素的共同作用下使植被总量在不同的时间段内呈现不同的数值。植被覆盖度可以按照不同的数值区间进行分级表示，植被覆盖的分级显示可以使我们直观的观察不同空间分布上植被覆盖度的情况。植被覆盖度参数可以很好的表示植被覆盖程度及其变化信息，在生态研究中植被覆盖度指数不仅能直接反映植被的自然状态也可以联系人类社会活动情况，从而探究自然环境与社会环境的相互影响、相互作用，使人类能更好地生活、与自然环境更和谐地共存。
4植被覆盖度分析方法
在过去获取植被覆盖度有目测估计法、抽样采集法、仪器测量法、模型计算法等地面测量方法。目测估计法是测量员通过眼睛观察研究区或者研究区照片用不同的等级评定植被覆盖度，然后将不同测量员得到的数据成果进行统计计算分析，由于该方法利用了测量员主观判断而使最终结果受到人为因素的影响很大， 虽然操作简单但精度很难达到要求;抽样采集法是通过选取测量区域的一部分作为样本，通过计算样本区域植被覆盖度来估计整个测量区域的植被覆盖度。仪器测量法使用传感仪器获取测量区域的植被覆盖度，得到的数据结果比前两种方法精度高，但是仪器操作过程复杂、耗费大量时间精力;模型计算法是通过数学统计原理得到植被覆盖度获取模型，该方法需要有已经测量的植被覆盖度相关数据，而且不同的空间特征和不同植被种类的模型存在差异，即有特定空间特征或某一类植被才会符合模型计算法的应用要求。
5结语
随着遥感技术、计算机技术不断的发展创新，植被覆盖度的获取方法得到了极大的改善。利用搭载在卫星上的传感器获取地面波谱特征，再在计算机平台上算出相应的植被指数，最后基于像元二分模型获取研究区域内的植被覆盖度，该过程操作方式简单快捷。遥感影像数据可以直接在官方网站下载，而且下载范围和数据时间段可以自主选择，这使得遥感影像数据在大尺度范围研究优势明显， 利用遥感技术提取植被覆盖度更符合研究要求。
遥感影像可以获取与植被进行能量交互的光谱信息，从而获得植被及环境的信息。不同的波段与植被的能量交互作用不同，反映的信息也不同：可见光与柱状叶肉细胞的能量交互发生在光合作用过程中，不同光照环境中的叶子表层的蜡质层不同，光照多的蜡质层厚而光照少的薄，此过程直接影响了植物的叶子及其冠层的特征;近红外与海绵组织的能量交互过程中，近红外辐射含有大量的热能，过多热辐射的吸收理论上会导致叶子内部过热，但正常植物中的叶肉细胞能够很好的控制对近红外的吸收， 植物与近红外间的这种响应关系可以直接反映生物量信息;中红外与海绵组织中水可以进行能量交互，组织中水分越多、吸收中红外光越多、反射越少，监测中红外波段可以反映土壤中是否缺水。
2数据获取
通过地理空间数据云网站获取了2001-2016年每月的 MODIS/NDVI数据，下载的月NDVI产品是由 MOD09GA经过镶嵌、裁剪、转换投影、最大值合成等预处理方法后得到的，下载数据产品的坐标系为 WGS84、空间分辨率为500米。
遥感作为一门工具性学科为各个领域提供基础数据，但是在不同的应用领域对数据的要求存在差异，所以在选择遥感数据前要仔细分析研究内容和研究区情况，获取合适的遥感数据才能将其成功应用到研究领域，充分发挥遥感的基础辅助的功能。空间分辨率为 500 米的MODIS/NDVI 数据满足要求;下载的 MODIS/NDVI 数据可以免费获取所有时间段的月产品，满足研究时间段的要求;下载的 MODIS/NDVI 数据可以在 ENVI 软件中直接打开，数据格式符合要求，为数据处理提供了便利;下载的 MODIS 数据包含 NDVI 信息，可以通过 ENVI 软件平台提取植被覆盖度。通过上述分析可以得出：下载的遥感数据满足研究要求。
3数据处理
在 RS、GIS 技术的支持下，将获取的遥感数据利用 ArcGIS 软件进行数据预处理、数据合成、提取植被覆盖度等操作。
3.1数据预处理
通过预处理为信息提取及空间分析提供尽可能接近研究区域辐射及地形真
实特征的数据源，使数据得到更好的应用效果。投影转换和坐标设置可以统一不同来源的数据。因为目标辐射传输受到大气及大气状态的影响、目标辐射特征受到地形及朝向的影响，因此需要进行辐射校正及几何校正。当目标区域跨越多幅影像时需要进行图像拼接，并按照研究区边界进行裁剪。
3.2数据合成
获取的遥感影像数据是每个月的NDVI值，为继续研究以年为时间单位植被覆盖及变化信息，需要进行植被指数数据合成的处理，而且数据合成可以在一定程度上减小误差影响。
数据合成方法有最大值合成MVC和平均值合成两种，最大值合成是取12个月中对应每个像元的NDVI最大值形成这一年的NDVI影像数据集，另一种方法是取12个月中对应每个像元的NDVI算数平均值形成这一年的NDVI影像数据集。
3.3植被覆盖度提取
在同一个研究区域随着时间的变化植被覆盖度指标会发生变化，這是因为在自然因素和社会因素的共同作用下使植被总量在不同的时间段内呈现不同的数值。植被覆盖度可以按照不同的数值区间进行分级表示，植被覆盖的分级显示可以使我们直观的观察不同空间分布上植被覆盖度的情况。植被覆盖度参数可以很好的表示植被覆盖程度及其变化信息，在生态研究中植被覆盖度指数不仅能直接反映植被的自然状态也可以联系人类社会活动情况，从而探究自然环境与社会环境的相互影响、相互作用，使人类能更好地生活、与自然环境更和谐地共存。
4植被覆盖度分析方法
在过去获取植被覆盖度有目测估计法、抽样采集法、仪器测量法、模型计算法等地面测量方法。目测估计法是测量员通过眼睛观察研究区或者研究区照片用不同的等级评定植被覆盖度，然后将不同测量员得到的数据成果进行统计计算分析，由于该方法利用了测量员主观判断而使最终结果受到人为因素的影响很大， 虽然操作简单但精度很难达到要求;抽样采集法是通过选取测量区域的一部分作为样本，通过计算样本区域植被覆盖度来估计整个测量区域的植被覆盖度。仪器测量法使用传感仪器获取测量区域的植被覆盖度，得到的数据结果比前两种方法精度高，但是仪器操作过程复杂、耗费大量时间精力;模型计算法是通过数学统计原理得到植被覆盖度获取模型，该方法需要有已经测量的植被覆盖度相关数据，而且不同的空间特征和不同植被种类的模型存在差异，即有特定空间特征或某一类植被才会符合模型计算法的应用要求。
5结语
随着遥感技术、计算机技术不断的发展创新，植被覆盖度的获取方法得到了极大的改善。利用搭载在卫星上的传感器获取地面波谱特征，再在计算机平台上算出相应的植被指数，最后基于像元二分模型获取研究区域内的植被覆盖度，该过程操作方式简单快捷。遥感影像数据可以直接在官方网站下载，而且下载范围和数据时间段可以自主选择，这使得遥感影像数据在大尺度范围研究优势明显， 利用遥感技术提取植被覆盖度更符合研究要求。