基于遥感技术的高寒草地覆盖度变化
青藏高原东缘高寒天然草地牧草氮磷养分和生长状况的高光谱遥感研究
青藏高原东缘高寒天然草地牧草氮磷养分和生长状况的高光谱遥感研究青藏高原东缘高寒天然草地是中国特有的生态系统类型之一，其牧草是支撑青藏高原畜牧业发展的重要资源。
然而，由于高寒环境条件的限制和自然因素的影响，牧草的营养状况和生长状况容易受到影响。
因此，了解高寒天然草地牧草的养分状况和生长状态对于科学合理地利用该地区的牧草资源具有重要意义。
在过去的研究中，遥感技术的应用已经在地表覆盖类型的分类、植被指数的估算等方面取得了显著的进展。
然而，对于高寒天然草地的遥感研究相对较少。
因此，本研究旨在利用高光谱遥感数据探索青藏高原东缘高寒天然草地牧草的氮磷养分状况和生长状况。
本研究选取了青藏高原东缘某地区的4个 typyical 地方作为研究区域，获取了该区域的高光谱遥感数据。
首先，我们利用遥感数据进行了植被指数的计算，包括归一化植被指数（NDVI）、可见光波段反射率等。
然后，通过与已有的地面观测资料进行对比，验证了遥感计算的准确性。
接着，我们对牧草的氮磷养分状况进行了估算。
通过建立牧草氮磷养分与遥感指数之间的回归关系，我们可以利用遥感数据准确地估计牧草的氮磷养分。
最后，我们利用遥感数据对牧草的生长状况进行了研究。
研究结果表明，利用高光谱遥感数据可以准确地估计高寒天然草地牧草的氮磷养分状况。
牧草的氮磷养分与遥感指数之间存在显著的线性回归关系，这为利用遥感数据进行高寒天然草地氮磷养分估算提供了依据。
此外，遥感数据也可以有效地反映高寒天然草地牧草的生长状况。
通过遥感数据的分析，我们可以得到牧草的生长速率、生长期等信息，这对于合理管理高寒天然草地具有重要意义。
本研究的结果为青藏高原东缘高寒天然草地的管理和保护提供了科学依据。
通过利用遥感技术进行牧草养分和生长状况的监测，我们可以及时了解到牧草资源的变化情况，并采取相应的保护措施。
此外，在畜牧业管理中，我们也可以根据遥感数据对牧草资源进行科学评估，合理规划畜牧业发展策略。
中国北方地区草地地上生物量遥感估测及变化分析研究
中国北方地区草地地上生物量遥感估测及变化分析研究中国北方地区草地地上生物量遥感估测及变化分析研究摘要：草地是北方地区重要的生态系统，草地地上生物量的准确估测和变化分析对于草地管理和生态环境保护具有重要意义。
本文基于遥感技术，分析了中国北方地区草地地上生物量的估测方法及其变化的研究情况。
结果显示，遥感技术在草地生物量估测中具有广阔的应用前景，能够提供准确且高效的草地监测手段，为草地保护提供科学依据。
关键词：中国北方地区；草地；遥感；地上生物量；变化分析一、引言草地是中国北方地区的重要生态系统，具有重要的生态、经济和社会效益。
然而，由于过度放牧、气候变化等原因，草地生物量存在着显著的时空变化。
因此，准确估测草地地上生物量并分析其变化趋势具有重要意义，对草地管理和保护具有指导作用。
遥感技术拥有获取大范围、长时间序列数据的优势，能够提供草地地上生物量的准确估测手段。
因此，许多学者将遥感技术应用于草地生物量的估测和变化分析中，取得了一系列重要进展。
二、草地地上生物量估测方法1. 光谱指数法光谱指数法是最常用的草地地上生物量估测方法之一。
根据草地的光谱特征，利用遥感数据计算不同的植被指数，如归一化植被指数（NDVI）、增强型植被指数（EVI）等，通过建立草地地上生物量与植被指数之间的关系，实现草地生物量的估测。
2. 模型法模型法基于草地的生长规律和地上生物量与环境因素的关系，建立草地地上生物量估测模型。
常用的模型包括经验模型、统计模型和机器学习模型等。
这些模型可以利用遥感数据和环境因素数据，较准确地估测草地地上生物量。
三、草地地上生物量变化分析草地地上生物量的变化与多种因素相关，包括降水、温度、放牧强度等。
遥感技术能够提供多时相的遥感图像，通过对时序数据的分析，可以定量分析草地地上生物量的变化趋势。
1. 变化检测通过对不同时间的遥感图像进行比较，可以检测草地地上生物量的变化情况。
常用的变化检测方法包括差异图像比较法、主成分分析法和时间序列分析法等。
草地植被覆盖度遥感监测技术研究
草地植被覆盖度遥感监测技术研究随着人类对自然环境的破坏逐渐加剧，草地面积的减少以及草原生态的恶化成为了人们普遍关注的问题之一。
草地植被是草原生态系统中的主要组成部分，是生产生态和自然生态间的重要联系。
草地植被覆盖度是反映草原植被生长状况、草地维持和调控功能等的重要指标。
如何准确快速地获取草地植被覆盖度信息，成为草原监测管理和保护重要的技术手段。
遥感技术的应用能够快速地获取大范围草地植被覆盖度信息。
针对草地植被覆盖度遥感监测技术的研究，成为具有重要的理论意义和实际应用价值的问题。
1. 草地植被覆盖度的遥感监测方法遥感技术是指利用飞机或卫星等远距离获取地面表层特征的一种技术手段。
草地植被覆盖度的遥感监测方法主要包括冠层辐射、植被指数以及模型推算法等。
（1）冠层辐射法冠层辐射法是草地植被覆盖度遥感监测的常用方法之一。
该方法利用传感器测量地面植被冠层和土壤表面反射辐射的能力，通过计算比较植被和土壤表面反射辐射的差异，来判断草地植被覆盖度。
该方法具有操作简便、数据分析快速等优点。
但冠层辐射法受到云雾、大气污染和日照条件等多方面影响，可能产生误差。
（2）植被指数法植被指数法是通过计算植被反射与植被吸收反射的比值来确定草地植被覆盖度的一种遥感监测方法。
常用的植被指数包括归一化植被指数（NDVI）、归一化多通道调整植被指数（NMDI）以及埋地植被指数（RVI）等。
植被指数法具有对植被类型变化较为适应的优点，能够较为准确地获取草地植被覆盖度信息。
（3）模型推算法模型推算法是利用遥感影像数据和地面环境变量资料建立相应的草地植被覆盖度模型，然后通过修改遥感影像数据中的地理数据信息，以推算草地植被覆盖度的方法。
该方法精度较高，但需要大量的实地数据支持，建立模型的周期较长。
2. 草地植被覆盖度遥感监测技术的发展与应用近年来，随着遥感技术的不断发展，草地植被覆盖度遥感监测技术在红外光谱、高光谱、多角度及雷达检测等方面都有了较大的突破。
基于遥感技术的植被覆盖度监测及变化分析
基于遥感技术的植被覆盖度监测及变化分析随着人类社会的发展，城市化的进程不断加速，随之而来的是城市化对自然环境的不良影响，这也反过来催生了植被覆盖度的需要。
植被覆盖度是指某一区域内植被覆盖的比例。
它在环境保护和自然资源管理中拥有重要的地位。
遥感技术在植被覆盖度监测及变化分析方面发挥着重要作用，成为一个研究热点。
本文将从遥感技术的角度来介绍植被覆盖度监测及变化分析的方法。
一、遥感技术简介遥感技术是指利用遥感卫星获取的遥感影像数据，进行地理信息提取的一种技术。
它可以获取大范围、高分辨率、长时间序列的地表信息，并在空间上进行遥感影像的分析与处理。
因此，遥感技术已经成为了环境科学、地理学、林业学等领域的重要工具。
二、植被覆盖度的定义与分类植被覆盖度是指某一区域内植被覆盖的比例。
一般来说，植被覆盖度可以分为四个等级：覆盖度小于20%为无植被，覆盖度在20%~40%之间为极度贫瘠地区，覆盖度在40%~60%之间为贫瘠地区，覆盖度在60%以上为丰富地区。
三、植被覆盖度监测的原理植被覆盖度的监测可以使用遥感技术中的植被指数。
通过对遥感影像数据进行处理，可以得到植被指数的数值。
植被指数的数值范围一般在-1到1之间，其中1表示所有像元都是植被，-1则表示所有像元都是非植被。
因此，通过植被指数的计算可以得到植被覆盖度的相对值。
四、植被覆盖度变化分析植被覆盖度的变化分析一般使用多期遥感影像进行比对。
这种方法可以直观地反映出植被覆盖度的变化情况。
一般来说，植被覆盖度的变化可分为以下几类：1. 持续增加：某一地区的植被覆盖度在多个时期内都呈现上升趋势，这可能是由于地区环境得到改善或者植被恢复的原因。
2. 持续下降：某一地区的植被覆盖度在多个时期内都呈现下降趋势，这可能是由于气候变化、自然灾害等原因导致。
3. 下降后上升：某一地区的植被覆盖度在前期下降但后期上升，这可能是由于人类活动、政策调整或者自然恢复等原因所致。
4. 上升后下降：某一地区的植被覆盖度在前期上升但后期下降，这可能是由于人类活动、自然灾害等原因所致。
基于遥感的土地覆盖变化研究
基于遥感的土地覆盖变化研究土地是人类赖以生存和发展的基础资源，而土地覆盖的变化对于生态环境、气候变化以及社会经济发展都有着深远的影响。
遥感技术的出现为我们深入研究土地覆盖变化提供了强有力的工具。
遥感，简单来说，就是在不直接接触目标物体的情况下，通过传感器获取其信息的技术。
在土地覆盖变化研究中，遥感技术凭借其大范围、多时相、多光谱等特点，发挥着不可替代的作用。
遥感技术获取的数据类型多样，包括光学遥感数据、雷达遥感数据等。
光学遥感数据就像是我们用普通相机拍摄的照片，但它能捕捉到更多的光谱信息，从而区分不同的地物类型。
比如，植被在特定的光谱波段会有独特的反射特征，通过分析这些特征，我们就能判断出植被的类型和覆盖情况。
雷达遥感数据则利用电磁波的回波来获取信息，它不受天气和光照条件的限制，在云雾天气或者夜间也能工作。
这使得我们能够更全面、更连续地监测土地覆盖的变化。
在实际研究中，首先要进行遥感数据的获取。
这些数据可能来自卫星、飞机等平台。
不同的平台具有不同的空间分辨率、时间分辨率和光谱分辨率。
例如，高分辨率的卫星影像可以清晰地分辨出建筑物、道路等细节；而低分辨率的影像则更适合用于大范围的宏观监测。
获取到数据后，接下来就是数据的预处理。
这包括辐射校正、几何校正等步骤。
辐射校正就像是给照片“调色”，消除由于传感器性能、大气等因素造成的误差，让数据更准确地反映地物的真实信息。
几何校正则是把影像“摆正”，使其与实际的地理位置精确匹配。
然后是土地覆盖信息的提取。
这通常需要运用各种图像处理和分类算法。
常见的分类方法有监督分类和非监督分类。
监督分类就像是有老师指导的学习，我们先告诉计算机不同地物的特征，然后让它去识别；非监督分类则像是让计算机自己去摸索，根据数据的内在特征来进行分类。
有了土地覆盖分类的结果，就可以进一步分析土地覆盖的变化情况。
这可以通过对比不同时期的遥感影像来实现。
比如，我们可以计算出某一地区在一段时间内森林面积的减少量、城市建设用地的增加量等。
基于卫星遥感技术的极地冰雪覆盖度变化研究
基于卫星遥感技术的极地冰雪覆盖度变化研究北极和南极是地球上最大的冰雪天然保护区。
作为全球气候变化的前哨，极地对人类的生存和发展产生着深远的影响。
而卫星遥感技术的发展让我们可以通过大数据的方式，更加直观、全面地研究极地的冰雪变化。
极地的冰雪覆盖度是反映气候变化的重要指标之一。
过去几十年来，因为温室气体的排放和人类活动的干扰，极地的冰雪覆盖发生了巨大的变化。
尤其是在北极，冰雪覆盖的减少已经成为全球范围内的热门话题。
因此，研究极地的冰雪覆盖度变化对于我们了解全球气候变化的趋势有着重要的启示作用。
卫星遥感技术即可通过遥感卫星对地球表面进行高精度的远程监测，捕捉冰雪覆盖度的变化。
基于卫星遥感技术的数据研究表明，北极海冰的面积和数量在不断地减少。
据NASA发布的数据显示，自1979年以来，北极的冰盖面积每个十年减少约1.07 万平方千米，相当于美国本土面积的1/8左右。
这是公认的“快速消融期”。
南极的冰雪变化则更加复杂，南极洲的冰盖总量逐年增加，但增速却十分缓慢。
同时气温变化造成的南极海上环流发生变化，会带动带状冰区的消融。
科学家指出，全球变暖下南极洲的海洋和大气温度分布正在发生变化，可能会引起南极冰盖的消融。
卫星遥感技术不仅可以反映极地冰雪的面积变化，还可以研究极地冰盖的厚度、密度、形状等方面的信息。
这些信息可以像地震波一样透过地球，为地球内部结构研究提供重要数据。
例如，欧洲空间局(European Space Agency,ESA)发射了卫星甚至能够探测到南极冰盖下的地壳变化。
这些数据或许可以帮助我们更深入的了解地球的内部构造，寻找地球表面之下的宝藏。
随着人类社会的发展，极地保持自然的状态已经越来越困难。
它既需要全球政府、企业和个人行动起来共同呵护，更需要涉及到卫星遥感技术等科技手段发挥作用。
通过科学研究和探索，了解极地冰雪的变化，更加深入地认识地球和探寻未来，也是我们每个人都应该承担的责任。
(注：本文节选自科技媒体翼龙网的相关报道)。
基于遥感的植被覆盖变化分析
基于遥感的植被覆盖变化分析在我们生活的这个地球上，植被覆盖对于生态系统的稳定、气候调节以及人类的生存发展都有着至关重要的作用。
而随着科技的不断进步，遥感技术的出现为我们深入了解植被覆盖的变化提供了强大的工具。
遥感，简单来说，就是不直接接触被观测的物体，而是通过传感器接收来自物体反射或发射的电磁波信息，从而对物体进行监测和分析。
在植被覆盖变化的研究中，遥感技术凭借其大范围、长时间序列、多波段等优势，发挥了不可替代的作用。
首先，遥感技术能够获取大面积的植被信息。
传统的地面调查方法虽然准确，但往往只能覆盖较小的区域，而且费时费力。
而遥感卫星可以在短时间内获取全球范围内的植被数据，为我们提供宏观的视角，了解植被覆盖的整体格局和变化趋势。
其次，遥感技术具有长时间序列监测的能力。
通过对同一地区不同时间的遥感影像进行对比分析，我们可以清晰地看到植被覆盖的动态变化过程。
比如，观察森林的砍伐与恢复、草原的退化与改善，以及城市扩张对周边植被的影响等。
再者，遥感的多波段特性也为植被覆盖研究提供了丰富的信息。
不同的波段对植被的反射和吸收特性不同，通过综合分析多个波段的数据，我们可以获取植被的种类、生长状况、生物量等详细信息。
那么，如何利用遥感数据来分析植被覆盖的变化呢？第一步是数据获取。
我们需要选择合适的遥感数据源，如 Landsat系列卫星、MODIS 等。
这些卫星提供了不同分辨率和光谱范围的数据，以满足不同研究需求。
第二步是数据预处理。
这包括辐射校正、几何校正、大气校正等，以消除数据中的误差和干扰，提高数据的质量和准确性。
第三步是植被指数的计算。
常见的植被指数有归一化植被指数（NDVI）、增强型植被指数（EVI）等。
这些指数可以反映植被的生长状况和覆盖度。
第四步是变化检测。
通过对比不同时期的植被指数或植被分类结果，确定植被覆盖的变化区域和变化类型。
在实际应用中，基于遥感的植被覆盖变化分析已经取得了许多重要的成果。
在生态环境保护方面，我们可以及时发现森林砍伐、草原退化等问题，为制定保护政策和措施提供依据。
基于遥感技术的植被覆盖度研究
基于遥感技术的植被覆盖度研究植被覆盖度是指地表被植被所覆盖的程度，是评估生态系统稳定性和植被生长状况的重要指标，同时也是气候变化和环境变化研究中的重要参考指标。
遥感技术作为一种获取大范围地表覆盖信息的手段，被广泛应用于植被覆盖度的研究中。
一、植被覆盖度研究的意义植被覆盖度是反映地表植被能力和稳定性的重要指标，对生态研究具有重要意义。
它可以用来评估自然生态系统的健康程度和受人类干扰的程度，也可以被用来研究自然资源利用和植被物种分布，从而有助于制定相应的生态保护政策和管理措施。
同时，植被覆盖度还被广泛应用于气候变化和环境变化的研究中。
据研究表明，随着气候变暖，全球植被覆盖度有所提高，这是一个积极的发展趋势。
同时，植被覆盖度也可以作为评估CO2吸收能力的重要指标，实现了生态保护和碳排放减少的双重目标。
二、遥感技术在植被覆盖度研究中的应用在植被覆盖度研究中，传统的方式是进行野外调研，这种方式具有局限性，数据获取成本高，同时还存在数据精度和时效性方面的问题。
因此，遥感技术的应用为植被覆盖度的研究提供了新的手段。
遥感技术利用遥感卫星进行数据采集，然后使用遥感图像提取和分析技术，得出植被覆盖度指标和植被类型等信息。
遥感技术具有数据获取范围广、成本低、数据时效性等优势。
三、遥感技术在植被覆盖度研究中存在的问题虽然遥感技术在植被覆盖度研究中存在许多优势，但是也存在一些问题。
首先，遥感技术的专业性较强，需要专业的遥感人员进行数据获取和分析，这增加了数据处理的难度和成本。
其次，遥感技术依赖于天气、云量等自然因素，这直接影响到数据采集的质量，同时也制约了遥感技术的实用性。
此外，遥感技术的分辨率对于某些微小变化的监测可能会存在不足，比如对于高山植被的监测等。
四、结论总之，基于遥感技术的植被覆盖度研究具有广阔的应用前景。
通过遥感技术，可以大规模地获取数据，快速了解目标区域植被覆盖情况，同时还可以监测植被覆盖随时间的变化，为生态保护和环境管理提供了重要的支持。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
Ｆｃ＝（ＮＤⅥ一ＮＤＶ了ｓｏｉＩ）／（ＮＤＶＩ嘲一ＮＤＶｌ，ｄ１）。
１．４甘南州植被覆盖度计算
１．４．１估算流程 第１步，计算ＮＤＶＩ值；第２步， 确定一个置信度（ｏ．５％），做出影像中每个像元集合 （集合中像元的ＮＤＶＩ．ｏｉＩ与ＮＤＶＩ，。都是相同或相近 的）的ＮＤＶＩ概率分布，计算置信区间内的最大值 与最小值ＮＤＶＩ．。与ＮＤＶＩ面。；第３步，取 ＮＤＶＩ。¨＝ＮＤＶＩｌｌｌｉ。，ＮＤＶＩ。。一ＮＤＶＩ。。。，代入公式 计算整个像元集合的植被覆盖度。植被覆盖度计算 流程如图２所示。 １．４．２甘南植被覆盖度分级标准 通过利用二分像 元模型法估算得到甘南州２０００、２００４、２００８年的植 被覆盖度。根据甘南土地利用类型图及估算的植被 覆盖度图，以及国家“土地利用现状调查技术规程”、 全国“草场资源调查技术规程”、“全国沙漠类型划分 原则”的条款为指导依据，并结合甘南植被特有的生 态特征，将甘南植被覆盖度分级（表１）。
研究区为甘南藏族自治州．地 处青藏高原东Ｊ匕边缘，南与四川阿坝州相连．两南与 青海黄南州、果洛州接壤．东面和北部与片肃省陇 南、定西、临夏毗邻．地理坐标位于３３。０６’～３６。１０’Ｎ． ｉ００。４６’～１０４。４４’Ｅ（围１）。全州总面积４ ５万ｋｍ’． 处于青藏高原和黄土高原过渡地带，地势西北部高． 东南部低。境内海拔１ １００～４ 在３
１为影像值；Ｍ为宴测光谱值。然后建立了草地实 测植被覆盖与枝准的ＮＤＶＩ之同的相互关系．实现 果。以Ｌ研究均说明，利用遥感测量方法对大面积 区域的植被指数进行提取和盟测．不但可行有效，而 且精度较高，为本研究的展开蔓定ｒ技术基础。
Ｍｏｄｅｒａｌｅ Ｒｅｓｏｌ ｕｉｉｏｎ
Ｉｍａｍｎｇ Ｓｐｅｃ，ｒｏｒａｄｉｏｍｃｔｃＦ，
ＮＤＶＩ一（ＣＨ。ＣＨ）／（ＣＨ：一ＣＨ．）．
式中．ｃＨ ｚ为近红外波段的反射率，（ｊＨ．为红光波 段的反射率“］。比值形式的ＮＤＶＩ可以清腺太部 分与仪器定标、太阳角、地形，云阴影和大气条件有 盖的辐照度变化．增强了对植被的响应能力。用此． 它是监测地区或垒球植被和生态环境的有效指标， 足植物生长状态以厦植物生长空间分布密度的最佳
了相片随机取点法；Ｐｕｒｅｖｄｏｒ等［１０２使用截点法测量 植被覆盖度。遥感测量方面，Ｄｙｍｏｎｄ等［１１１在新西 兰地区建立了基于ＳＰＯＴ影像的植被覆盖度与 ＮＤＶＩ的关系模型，即Ｃ＝５０ｔａｎｈ［６．１（ＮＤＶＩ一 ０．２２）］＋５０，式中，ｍｎｈ（ｘ）＝［ｅｘｐ（ｘ）一ｅｘｐ（一ｚ）］／ ［ｅｘｐ（ｘ）＋ｅｘｐ（－ｘ）Ｊ，并利用该模型估计了新西兰 地区的植被覆盖度。Ｓｈｏｓｈａｎｙ等口２１使用ＴＭ卫星 数据的前４个波段的直接光谱信息，建立了可以用 来估算植被覆盖度的线性模型，并且将模型的相关 系数提高到了０．８８，为类似于密西西比河与干旱生 态系统这样的气候突变区域中植被覆盖度的估算提 供了帮助。 近年来，我国植被覆盖的研究也有较好的发展。 估算法简单易行，我国过去许多历史资料中的植被 覆盖度均是用该方法获得的。但目测估算法主观随 意性大，精度与测量者的经验密切相关。章文波 等［１３］对目测估算的精度研究结果表明，个人目测估 算植被覆盖度的最大绝对误差可达４０％。在遥感 技术飞速发展的今天，空间测量越来越多的应用于 植被覆盖度的研究中。池宏康［１４２通过分析沙地反 射机理，建立了鄂尔多斯高原地区沙地油蒿（Ａｒｔｅ一
．收稿开期：２０１ｌ一０４－２６ 接受日期：２０１１－０５－１２ 基金项目：国家门然科学基金（３０９７０４９１．３０９７０４７８）；国家科 技支撑重点项目（２００９ＢＡＣ５３１３０１）；教育部直属高 校荩础科研项目；教育部（存晖计划）合作科研项目 作者简介：王浩（１９８６一）．男．甘肃兰州人。在读硕士生．
依据。
关键词：草地植被覆盖度；ＮＤＶＩ；Ｍ（）ＤＩＳ，３Ｓ技术；甘南
中图分类号：Ｓ８１２；￥１２７ 文献标识码：Ａ 文章编号：１００１一０６２９（２０１１）０６一１１２４—０８
“草地是陆地生态系统的主要组成部分，在世界 陆地面积中，林地约占３０％，草地占２５％，耕地占 １２％。这些绿色植物，对保护生态环境和生态的良 性循环，发挥着巨大的作用。我国是世界上第二草 地大国，我国草地面积占国土面积的４１％，是耕地 面积的２倍，对我国边疆民族的繁荣昌盛、生态环境 的保护和畜牧饲养业的发展发挥着重要作用ｎ］。 植被覆盖度是反映植被基本情况的客观指标， 植被覆盖度及其精确测算研究主要具有以下意义： １）作为科学研究必要的基础数据，为生态、水保、土 壤、水利、植物等领域的定量研究提供基础数据，确 保相关研究成果、模型理论更加科学可信；２）作为生 态系统变化的重要标志，为区域或全球性地表覆盖 变化、景观分析等前沿问题的研究提供指示作用，促 进自然环境研究不断深入发展。 草地植被覆盖度的测定最通用的有遥感测量和 地面测量２种方法睥］。地面测量法又可分为目估 法、采样法、仪器法和模型法；遥感测量又分为回归 模型法、植被指数法和象元分解法［３］。其中遥感测 量方法的出现，使得大面积大区域植被指数提取及 监测成为可能，因此正逐渐成为近来研究的热点，得 到了广泛的应用［４剞。 仪器法中，首先描述植被覆盖度地面测量方法 的是Ｍｕｌｌｅｒ和Ｐｌｅｔｅｒｓ［７２。Ｄｙｍｏｎｄ等［８］在测量草 地植被覆盖度时采用了栅格样点法；Ｅｌｖｅｄｇｅ和 Ｃｈｅｎ［９３则在测量灌木与林地的植被覆盖度时利用
１１２４—１１３ｌ
草业科学
ＰＲＡＴＡＣＵＬＴＵＲＡＬ ＳＣＩＥＮＣＥ
２８卷０６期
Ｖ０１．２８。Ｎｏ．０６
０６／２０１１
基于遥感技术的高寒草地覆盖度变化
王浩１，李文龙１，许静２，朱晓丽１
（１．兰州大学草地农业科技学院农业部草地农业生态系统学重点实验室，甘肃兰州７３００２０ ２．兰州商学院农林经济管理学院．甘肃兰州７３００２０）
２
结果 甘南
２．１以ＮＤＶＩ为依据的覆盖度分级图
级图如图３所示。
州２０００、２００４、２００８年以ＮＤＶＩ为依据的覆盖度分
２．２精度检验
在计算覆盖度之前，为保证计算
结果的准确性，事先对甘南地区进行了监督分类，将 甘南地区分为植被与非植被两部分。其中植被部分 用来计算覆盖度，非植被部分则在计算完成后，按照 分级标准一并归于覆盖度小于５％的第五等级之
象元分别属于相应的类别。从分娄误差总体的自丹 比来醺．如果误差蜒阵值小于８５蹦．则分类横板的 耥度太低．需要煎新建立。所“对甘南地区的监督 分类．均是在保证其误差矩阵值太于８５＊的情况下 进行的．田此分类结果较为准确．
Ｅ—ｍａｉｌ：ｈａｏｗａｎ９０９＠ｌｚｕ．ｅｄｕ．ｃｎ
＃ｎ科｛（＊２８卷０６期
ｍｉｓｉａ
ｏｒｄｏｓｉｃａ）群落盖度与修正后的｛壤ｊｌ哥节植被
等引个民族．乜人口６８ ０１万，其中藏旌３６
７盯．
指数（ＭＳＡＶｌ）之问的线性关系模型，查勇“…在环 青海湖地区研究时，首先以地面疆感的反演结果为 基础．利用公式对ＴＭ影像进行枝准．即，，一
爱河、玛曲、碌曲、卓尼、迭部、临潭、舟曲７县和合作 市，９ ９个乡（镇、街道办）。州内有藏、汉，回、土、蒙
３研究方法
在多种定义的植被指数中．归一
化植被指数（ＮＤＶＩ）是应用最广泛的一种遥感监洲 植被指数。它被定义为近红外波段与可见光红波段 数值之差和这２个波段数值之和的比值。由ＭＯ ＤＩＳ的第１波段（红光渡段）和第２波段（近红外波 段）生成的ＮＤＶＩ的计算公式为
０００
９００
ｈ９６ｖ０５．浚数据可以从ＮＡＳＡ对地观测系统数据共 享平台下载，下戴后利用ＭＲＴ（Ｍ（）ＤＩＳ ｒｅｐｒ叫ｅｃ ｔｉｏｎｆｏｏｌｓ）软件将ＨＤＦ格式数据转换为Ｏｅｏｔｉｆｆ格 式．并将ＳＩＮ地图投影系统转为ＷＧＳ８４系统。另 有Ｈ南州行政边界图、Ｕ南州土地和用目和土壤类 型图．土地利用图和土壤类型囤由兰州大学草地农 业科技学院草地遥感实验室提供。 由于下载的ＭＯＤＩＳ数据影像中存在云覆盖部 分会对估算结果产生影响．所“需要消除云区域对 图像的影响。利用Ａｒｅ（；１Ｓ
目１＊南鞭《自☆Ｈ
指示因子．与植物分布密度里线性相荚”…。 根据ＮＤＶＩ的渡段组合特征．可以进一步建立
１ １２６
ＰＲＡＴＡＣＵＬＴＵＲＡＬ
ＳＣＩＥＮＣＥ（Ｖ０１．２８。Ｎｏ．０６）０６／２０ １ １
像元二分模型估算植被覆盖度。像元二分模型对影 像辐射订正的影响不敏感，且计算简便、结果可靠， 因此得到了广泛应用。其基本原理是假定一个像元 信息Ｓ只由植被和土壤两部分所贡献，分别记为Ｓ、， 和ｓｓ。ＮＤＶＩ酬代表着纯土壤覆盖像元的最小值， 它应该是不随时间改变的，对于大多数类型的裸地 表面。理论上应该接近零。由于地表湿度、粗糙度、 土壤类型、土壤颜色等条件的不同，ＮＤＶＩ酬会随着 时空而变化，ＮＤＶＩ刚变化范围一般在一０．１～０．２； ＮＤＶＬ，，代表着纯植被覆盖像元的最大值，理论上应 该为１。由于植被类型的不同等因素，ＮＤＶＩ，。值也 会随着时间和空间而改变。因此，在实际应用中， ＮＤＶＩ“和ＮＤＶＩ，。都是从ＭＯＤＩＳ影像计算得到 的。设植被覆盖度为Ｆｃ，纯植被覆盖信息为Ｓ，。，纯 土壤覆盖信息为Ｓ酬，则有Ｓｖ＝Ｆｃ・Ｓ哪和Ｓｓ＝ （１一Ｆｃ）・Ｓ“Ｉ，又因Ｓ＝Ｓｖ＋Ｓｓ，所以有Ｆｃ一（Ｓ— Ｓ“Ｉ）／（Ｓ。一Ｓ硎）。把ＮＤＶＩ同像元二分模型相结 合，得到基于ＮＤＶｌ的植被覆盖度像元二分模型：
美国字航局，中分辨率影像辐射度计）．２０００年， ２００４年、２００８年６月２５日８月２８日的８灭合成 地表反射率数据产品（ＭＯＤ０９Ａ１）．分辨率为
５００ ｍ×５００ （ｓｉｎｕｓｕｉｄａＩ
ｍ．夺间位置在全球正弦曲线投影ＳＩＮ ｐｒｏｊｅｇｌｉｏｎ）系统中的轨道编号为
ｌ研究方法与数据处理 ｌ＿１研究区概况
计算ＮＤ睨。和
ＮＤＶＩ。。。
ＮＤ观。，２Ｍ）ｐｒ，ｍ。 ＮＤＨ。。３ＮＤＶＩ．。 图２植被覆盖度计算流程
袭１
植被覆盖度分级标准
由于甘南地区近年来一直在实行“退耕还林”政 策，所以林地面积逐年增加，又因为本研究所取时间 段为２０００－－２００８年，所以２００８年，研究区域在研究 时间段内林地面积已为最大值。因此采用２００８年 土地利用类型图，将林地部分从统计结果中去除，以 避免人为因素对植被覆盖度统计结果的影响。２００８ 年土地利用类型图，由兰州大学草地农业科技学院 草地遥感实验室，依据２００８年甘南ＴＭ遥感影像 绘制而成。