北京郊区植被覆盖变化动态遥感监测_以怀柔区为例
遥感卫星应用典型案例
遥感卫星应⽤典型案例遥感卫星应⽤典型案例⼀、河北⽣态保护修复遥感监测河北省卫星中⼼针对河北省86 个⼭⽔林⽥湖⽣态修复治理试点⼯程项⽬的⼯程进度、质量和效果的监管与评估（图1），进⾏了卫星遥感监测，完成野外核查180 处，为管理部门科学决策提供了⽀持。
图1湿地⽣态恢复⼯程遥感监测⼆、⼭西别墅分布卫星遥感监测⼭西省卫星中⼼充分利⽤遥感技术⼿段，开展了全省别墅分布卫星遥感监测排查，共排查5 类保护区内别墅及疑似别墅467处，其中别墅100 处，疑似别墅367 处。
建⽴了监管平台，整合线上、线下资源，逐⼀对别墅解译结果进⾏排查，建⽴详细台账，监测成果为⼭西省别墅专项整治⼯作提供了基础数据⽀撑。
三、内蒙古“⼀湖两海”⽣态变化遥感监测内蒙古卫星中⼼利⽤中⾼分辨率遥感影像数据，对乌梁素海、岱海、呼伦湖三个湖泊的⽔域⾯积、⽔量、⽔温、⽔⽣植被、⽔质和周边地表覆盖变化情况进⾏了长时序监测，总监测⾯积达5460 平⽅千⽶，客观反映了“⼀湖两海”⽣态环境变迁和⽣态保护成效，为内蒙古审计厅对“⼀湖两海”⽣态专项审计提供了专业全⽅位的地理信息⼤数据⽀撑，也为凉城县找准岱海⽔质变化、主要污染源来源及⽔域⾯积减少的主要症结提供了准确、宏观的数据参考。
四、⿊龙江耕地保险理赔遥感服务2019 年，⿊龙江省农作物受⽔灾影响，受灾⾯积较⼤，对农户造成较⼤损失。
⿊龙江省卫星中⼼与保险公司合作，利⽤卫星遥感技术，计算耕地⽔灾⾯积和程度，全⾯提升了农业保险理赔服务的专业化、规范化和科学化⽔平。
五、全国冰川遥感监测利⽤15 ⽶卫星遥感数据，采⽤⼈机交互解译⽅法，完成了2000年和2015 年中国范围⼭地冰川遥感解译制图与变化信息提取（图2），相关成果为全球⽔资源和⽓候变化研究、灾害监测预警等提供了准确参考。
图2冰川变化遥感监测六、上海⽔⽣植物综合治理为实现早发现、早整治⽬标，降低综合治理成本，上海市卫星中⼼通过多源⾼分辨率卫星和⽔上视频定点监控的技术⼿段，结合点、线、⾯全⽅位多尺度的遥感⼤数据分析，研究确定⽔⽣植物在上海市的来源和动态分布规律，结合⼈⼯智能算法，耦合⽓候、⽔流传输模型，形成⼀套早发现、早治理，从源头减量，分区管控和⽹格化⽔⽣植物发现、爆发预警和综合防治的管理系统，为上海市⽔⽣植物综合治理提供了决策依据（图3）。
卫星遥感监测全球植被覆盖变化趋势
卫星遥感监测全球植被覆盖变化趋势卫星遥感技术的发展，使得我们能够更好地了解全球植被覆盖的变化趋势。
通过对卫星图像的解析和分析，科学家们可以获取大范围、高分辨率的植被信息，从而揭示出全球植被覆盖的变化情况，并为保护环境和生物多样性提供重要的参考。
全球植被覆盖是地球生态系统中至关重要的组成部分，对地球气候变化、碳循环以及生态平衡具有重要影响。
卫星遥感技术的应用使得我们能够及时监测和评估全球植被覆盖的动态变化，从而更好地了解地球的生态系统健康状况。
一种常见的卫星遥感监测全球植被覆盖变化的方法是利用彩色或红外图像的特征来推断植被的分布和类型。
通过卫星图像的分析，可以得出全球不同地区的植被覆盖度、叶面积指数、物候期等参数，从而对全球植被覆盖的变化趋势进行分析。
据研究表明，近几十年来，全球植被覆盖发生了显著的变化。
在一些地区，植被的覆盖度显著减少，主要原因包括森林砍伐、荒漠化、土地开垦和气候变化等。
这些变化对环境和人类的可持续发展产生了重大影响。
而在另一些地区，植被的覆盖度得到了提升，主要原因可能是退耕还林、生态恢复和植被保护等措施的实施。
遥感监测全球植被覆盖的变化趋势不仅有助于了解地球生态系统的健康状况，还可以为环境保护和资源管理提供科学依据。
例如，通过对植被变化趋势的研究，可以及时发现并采取措施防止植被退化和荒漠化。
此外，对全球植被覆盖的变化趋势进行分析，可以为制定合理的生态保护政策提供参考，促进可持续发展。
同时，卫星遥感技术还可以用于监测植被覆盖的季节性和年际变化。
例如，通过监测植被的物候期变化，可以了解全球植被对气候变化的响应情况，进而预测气候变化对植被的影响。
此外，还可以对植被覆盖的年际变化进行监测，进一步研究气候变化对全球植被覆盖的长期影响。
尽管卫星遥感技术在监测全球植被覆盖变化趋势方面做出了重要贡献，但仍然存在一些挑战和问题。
首先，数据的获取和处理需要大量的时间、人力和物力投入。
其次，由于卫星图像的分辨率有限，对于某些小尺度的植被变化无法进行准确的监测。
植被覆盖度遥感估算研究进展
植被覆盖度遥感估算研究进展一、本文概述植被覆盖度是描述地表植被状况的关键参数，对于生态环境评价、资源管理、气候变化研究等领域具有重要意义。
随着遥感技术的快速发展，利用遥感数据进行植被覆盖度估算已成为当前研究的热点。
本文旨在对植被覆盖度遥感估算的研究进展进行全面的梳理和评价，分析现有方法的优缺点，探讨未来的研究方向和应用前景。
本文首先介绍了植被覆盖度遥感估算的基本原理和方法，包括基于像元的分类方法、像元二分模型、植被指数法等。
然后，重点回顾了近年来国内外在该领域的研究进展，包括新型遥感技术的应用、估算模型的改进和优化、以及多源遥感数据的融合等方面。
本文还讨论了植被覆盖度遥感估算在实际应用中的挑战和限制，如数据质量、尺度效应、算法精度等问题。
本文展望了植被覆盖度遥感估算的未来发展趋势，提出了加强遥感数据质量控制、优化估算模型、推动多源遥感数据融合等建议。
通过本文的研究，可以为植被覆盖度遥感估算的进一步发展提供理论支持和实践指导，推动遥感技术在生态环境保护和资源管理等领域的应用。
二、遥感估算植被覆盖度的基本原理与方法遥感估算植被覆盖度的基本原理在于利用植被在特定光谱范围内的反射、吸收和散射特性，通过对遥感影像的处理和分析，提取植被信息，进而计算植被覆盖度。
这一过程中，植被的光谱响应特性和遥感影像的像元信息是两个关键因素。
方法上，遥感估算植被覆盖度主要包括单波段法、多波段法、像元二分模型法以及机器学习法等。
单波段法通常利用植被在红光波段的反射低谷和近红外波段的反射高峰特性进行估算，方法简单易行，但精度相对较低。
多波段法则通过组合使用多个波段的信息，以提高估算精度，常用的有归一化植被指数（NDVI）等。
像元二分模型法是一种基于像元内植被和非植被信息分解的方法，其假设每个像元的光谱信息由植被和裸土两部分组成，通过模型运算可以分离出植被部分的信息，从而得到植被覆盖度。
这种方法在理论和实践上都具有较高的可靠性，是目前遥感估算植被覆盖度的主流方法之一。
北京山区植被覆盖动态变化遥感监测研究
国土信息工程学院 。 河南 焦作 ４ ４０ ５ 河南省信息产业厅 ， ５ ００； ． 郑州 ４ ００ ； ． ５０ ３ ６ 河南省科学 院 地 理研究所 ， 郑州 ４ ０５ ） ５ ０ ２
摘 要 ：植被 覆盖 变化 遥感监测 是 区域生 态监 测的 一个重要 部分 。 可为 区域 生态建设 和可持 续发展提 供科 学依
关 键 词 ：植 被 覆 盖 ； Ｄ Ｉ植 被 退 化 ； Ｎ Ｖ； 北京 山 区
中图分类号 ：Ｔ ７ Ｐ９
文献标识 码 ：Ａ
文章编号 ：１０ ．３ ３ ２０ ） １０ ０ ． ５ ０ ３ ２ ６ （０ ８ Ｏ ． １８ ０
１ 引 言
植 被 覆盖 度 是 区域 生 态 环 境 评 价 的重 要 指 标 之 一 ，
遥感监 测和定量分析 。结果表 明 ， 北京 山区的植被覆 盖度 由 １７ 的 ７ ．５ ９ ９年 ０ ０ ％下降 为 ２０ ０ ５年的 ６ ．４ ； ６ １％ 植被 退化
的总面积为 ３ ７ ．０ ｍ ； ６２ ９ ｋ 植被 覆盖度在 ８ ％ ～１０ ０ ０ ％的退化 面积 最大。 ６ ７ ４ ｋ 为 １ ．５ ｍ 。
个 时 期植 被 覆 盖动 态 变 化 规 律 ， 首 都 的 生 态 建 设 和 可 为
持续发展提供决策支持。
２ 研 究 区概 况
北 京 市地 处 北 纬 ３ 。８ ～ １０ 、 ９２ ４ 。５Ｎ 东经 １５２ ～ １。５
２０ ） ０２ 。利用植被指数近似估算植被覆盖度是一种 比较
向为西北高 、 南低。北 京市东 南部为 平原 ， 东 是农 田集 中地 ， 受作物 的季节性影 响 ， 其植被 覆盖极 不稳定 。因
此 ， 们 的 研 究 区 域 为 西 部 和 北 部 山 区 。根 据 山 区 定 我
北京郊区植被覆盖变化动态遥感监测——以怀柔区为例
Ａ ｃ ｓ ｔ ｙ ｏ ａ ｅ ｓｕｄ ｆ Ｈｕａ ｒ ｕ ｉｔｉ ｔ ｉｏ ｄ ｓｒｃ
Ｌ Ｌ ｎ Ｉ ｉ ，Ｔ ＡＮ Ｂｉ ｇ ｘ ａ ｇ ，Ｆ ｎ — ｉｎ ２ ＥＮＧ ｕ ｌ ｎ 。 Ｘｉ － ａ ｇ
（，Ｉ ｏ ｔ ｎ ｄ ｐ ｒ ｅ ｔ ｅ ｉ ｏ ｓ ｙ Ｕ ｉ ｒ ｔ Ｂ ｉｎ ０ ０ ３ ｈｎ １ ｎ ｒ ｉ ｅａ ｍ ｎ ｆ ｍａ ｏ ｔ ，Ｂ ｉｎ Ｆ ｒ ｔ ｎ ｅ ｉ ， ｅ ｉ １０ ８ ，Ｃ ｉａ ｊｇ ｅ ｒ ｖ ｓｙ ｊｇ ２ Ｒ ｓａｃ ｎｔｕｅ ｏ Ｆ ｒｓ Ｒ ｓ ｒ ｓＩｆ ｍ ｔ ｎ Ｔ ｃ ｎｑ ｅ Ｃ ｉｅｅ Ａ ａ ｅ ｙ ｏ Ｆ ｒｓ ， ｅ ｉ ０ ０ １ ｈ ａ ， ｅｅｒｈ Ｉｓ ｔ ｆ ｏｅｔ ｅｏ ｃ ｎｏ ａ ｏ ｅ ｈ ｉｕ ， ｈｎ ｓ ｃｄ ｍ ｆ ｏ ｔ Ｂ ｉｎ １０ ９ ，Ｃ ｉ ） ｉｔ ｕ ｅ ｒ ｉ ｅｒ ｙ ｊｇ ｎ
维普资讯
《 农业网络信 ）ｏ８ ￣ ２ｏ 年第 ６ 研 究 与开 发 ， 期
北京郊 区 植被覆盖变化 动态遥感监测 以怀 柔 区为 例
李 琳 ・ 谭 炳香 冯 秀兰 ， ２ ， ，
（， １ 北京 林业 大 学 信 息学 院 ，北 京 １０ ８ ； ， 国林业 科 学研究 院 资 源信 息研究 所 ，北 京 １０９ ） ００ ３２ 中 ０ ０ １
区 ，由南 至北 纵深 １８公里 ，其 中山区面积 占总面积 ２
的 ８ ． ，宜 林 山 场 林 木 覆 盖 率 为 ４ ％ 。境 内 地 势 南 ８％ ７ １
低 北 高 ，海 拔 高 度 在 ３ ～ ６ ４ １６ １米 之 间 。怀 柔 区 的气 候
覆 盖 度 的 传 统 方 法 只 能 进 行 小 区 域 的 植 被 覆 盖 度 监 测 ，不 可 能 给 出大 尺 度 地 区 的 宏 观 植 被 信 息 。遥 感 技 术 为 监测 大 面积 区域 的 植 被 覆 盖 度 ，甚 至 全 球 的植 被
如何利用遥感数据进行植被物候监测
如何利用遥感数据进行植被物候监测遥感数据是通过卫星、飞机或无人机获取的远距离图像信息，它在植被物候监测中起着重要的作用。
植被物候是指植物在一年中不同季节的生长状况和发育进程。
通过利用遥感数据，我们可以获得大范围、高分辨率的植被信息，帮助我们更好地了解和管理自然资源。
本文将探讨如何利用遥感数据进行植被物候监测，以及在农业、环境保护等领域的应用。
首先，利用遥感数据进行植被物候监测需要选择合适的传感器。
目前在卫星遥感中，常用的传感器有MODIS、Landsat和Sentinel等。
这些传感器可以提供不同波段的遥感图像，包括可见光、红外和热红外波段。
这些波段可以捕捉植物叶绿素的含量、生长状态和叶面积指数等信息，从而揭示植物的生长过程。
其次，针对不同植被物候阶段，我们可以采用不同的遥感指标来监测植被的变化。
例如，在植物生长初期，可以利用归一化植被指数（Normalized Difference Vegetation Index，NDVI）来反映植物叶绿素的含量和光合活性。
随着植物的生长，可以使用水体指数（Water Index）来监测植物的水分状况，以及叶面积指数（Leaf Area Index，LAI）来评估植物的叶面积。
这些指标可以帮助我们了解植物的生长状态，判断植被的健康状况。
第三，借助遥感技术，我们可以进行植被物候的定量分析。
通过对遥感图像的处理和分析，可以提取出植被的生长曲线和指标变化。
例如，通过对多个时相的遥感图像进行叠加和比较，可以获取时间序列上的植被生长信息。
这些信息有助于了解植物在不同季节的生长速度和发育情况，为农业生产、生态环境监测等提供科学依据。
除了植被物候监测，遥感数据还可以应用于其他领域。
在农业方面，可以利用遥感数据监测农作物的生长状态和产量预测。
通过分析植株的叶面积、植被覆盖率和病虫害检测等指标，可以及时采取措施，提高农作物的产量和品质。
在环境保护方面，遥感数据可以用于监测森林覆盖变化、湿地退化等环境问题，为生态恢复和保护提供科学依据。
如何进行植被变化遥感监测和评价
如何进行植被变化遥感监测和评价近年来，植被变化对于生态环境和地球资源的可持续发展具有重要影响。
植被是地球上生物多样性和生态系统健康的关键组成部分。
随着技术的进步和遥感技术的广泛应用，通过遥感监测和评价植被变化成为可能。
本文将探讨如何进行植被变化遥感监测和评价的方法和技术，并讨论其在生态保护和资源管理中的应用。
一、植被遥感监测技术的原理植被遥感监测技术是利用卫星或航空器搭载的传感器获取植被相关数据，并通过分析这些数据来监测和评价植被变化的过程。
遥感监测植被变化的原理基于植物和其他植被形成可见光、红外辐射和微波辐射的反射、辐射和传输特性。
这些辐射特性可以通过遥感技术获取，并用于分析植被的生物物理参数和类型。
常用的遥感数据包括光学遥感数据和雷达遥感数据。
光学遥感数据主要利用自然光或主动辐射源的能量进行拍摄，包括可见光、红外光和热红外光等。
它具有高分辨率、丰富的信息和多波段的优势，可以提供详细的植被植物类型和植被指数。
例如，彩色合成图像可以提供植被的空间分布和类型，而归一化植被指数（NDVI）可以反映植被的繁茂程度和生长状况。
雷达遥感数据则利用雷达波的特性，通过发射和接收雷达信号来获取植被信息。
相较于光学遥感，雷达遥感在遥感图像的获取过程中不受时间、天气和云雾的限制，并具有较高的穿透能力。
雷达遥感数据可以被用来分析植被的结构、湿度和生理特性。
二、植被变化遥感监测的方法植被变化遥感监测的方法主要包括变化检测、分类和模型建立。
变化检测是指利用遥感数据比较和分析植被覆盖的差异，以找出植被变化的空间和时间模式。
这种方法可以通过多时相遥感影像的比较来检测植被变化，例如，利用NDVI值的变化来反映植被覆盖的改变。
植被分类是指将遥感图像中的植被区域划分为不同的类别，例如森林、草地、农田等。
这种方法可以通过监督或无监督分类技术来实现。
监督分类需要预先定义训练样本来训练分类算法，而无监督分类则通过聚类分析来自动划分植被类别。
基于遥感技术的植被覆盖度的动态监测
基于遥感技术的植被覆盖度的动态监测作者：王国芳来源：《山西农业科学》 2015年第5期王国芳（山西农业大学资源环境学院，山西太谷 030801）摘要：植被覆盖度可以反映地表的植被状况，研究植被覆盖度变化对及时掌握生态环境变化有着重要的作用。
以山西省太谷县为研究区，以1990，2001，2009年3期TM遥感影像为数据源，基于像元二分模型，对太谷县的植被覆盖度进行遥感估算，分析了植被覆盖度的时空变化特征。
结果表明，1990，2001，2009年太谷县植被覆盖均以中覆盖度植被为主，分别占全县面积的42.55%，34.64%，43.91%；近20 a来，太谷县高覆盖度植被面积稳步增加，且主要分布在平原区；2001—2009年低覆盖度植被逐步向中高覆盖度植被转移。
说明太谷县各项生态工程显示出明显成效，生态环境不断改善。
关键词：遥感技术；植被覆盖度；归一化植被指数（NDVI）；动态监测中图分类号：P237文献标识码：A文章编号：1002-2481（2015）05-0592-04收稿日期：2014-11-16基金项目：山西农业大学科技创新基金项目（201322）作者简介：王国芳（1980-），女，山西左权人，讲师，主要从事GIS，RS的教学及研究工作。
植被是陆地生态系统的主要组成部分，也是其他生物生存的基础，具有截流降雨、减缓径流、防沙治沙、保持水土等功能[1]。
植被覆盖度指植被在地面的垂直投影面积占统计区总面积的百分比，是植物群落覆盖地表状况的一个综合量化指标[1]。
其不仅能反映地表植被的丰度，也是生态系统中的一个重要控制因子[2-3]。
植被的变化会影响地球表面与大气之间物质和能量的交换，进而影响到气候的变化。
因此，掌握植被覆盖度的变化规律，对评价人类生存环境质量、调节生态过程具有重要的实际意义[4-5]。
植被覆盖度监测目前最常用的方法是地面测量和遥感测量。
传统的地面测量估算方法主要包括目估法、采样法、仪器法等[6-7]，获取的采样数据通过空间插值可以扩展到区域尺度上，但这种方法耗时、耗力，且对采样数据要求比较高。
- 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)。
北京郊区植被覆盖变化动态遥感监测———以怀柔区为例李琳１，２，谭炳香２，冯秀兰１（１，北京林业大学信息学院，北京１０００８３；２，中国林业科学研究院资源信息研究所，北京１０００９１）摘要：植被覆盖度是一个十分重要的生态学参数，对于全球变化和监测研究具有重要意义。
本文基于像元二分模型，利用归一化植被指数ＮＤＶＩ，对怀柔区１９９２年和２００４年植被覆盖度进行了监测，并对十几年来的植被覆盖变化情况进行了统计分析。
结果表明，全区植被覆盖整体呈上升趋势，但存在区域间的不平衡现象。
关键词：遥感；植被覆盖度；归一化植被指数；像元二分模型中图分类号：Ｓ１２６文献标识码：Ｂ文章编码：１６７２－６２５１（２００８）０６－００３８－０４ＳｔｕｄｙｏｎｖｅｇｅｔａｔｉｏｎｃｏｖｅｒａｇｅａｎｄｉｔｓｄｙｎａｍｉｃｃｈａｎｇｅｏｆＢｅｉｊｉｎｇｓｕｂｕｒｂｓｂｙｒｅｍｏｔｅｓｅｎｓｉｎｇ—ＡｃａｓｅｓｔｕｄｙｏｆＨｕａｉｒｏｕｄｉｓｔｒｉｃｔＬＩＬｉｎ１，２，ＴＡＮＢｉｎｇ－ｘｉａｎｇ２，ＦＥＮＧＸｉｕ－ｌａｎｇ１（１，Ｉｎｆｏｒｍａｔｉｏｎｄｅｐａｒｔｍｅｎｔ，ＢｅｉｊｉｎｇＦｏｒｅｓｔｒｙＵｎｉｖｅｒｓｉｔｙ，Ｂｅｉｊｉｎｇ１０００８３，Ｃｈｉｎａ２，ＲｅｓｅａｒｃｈＩｎｓｔｉｔｕｔｅｏｆＦｏｒｅｓｔＲｅｓｏｕｒｃｅｓＩｎｆｏｒｍａｔｉｏｎＴｅｃｈｎｉｑｕｅ，ＣｈｉｎｅｓｅＡｃａｄｅｍｙｏｆＦｏｒｅｓｔｒｙ，Ｂｅｉｊｉｎｇ１０００９１，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｖｅｇｅｔａｔｉｏｎｆｒａｃｔｉｏｎｉｓａｖｅｒｙｉｍｐｏｒｔａｎｔｉｎｄｅｘｔｏｔｈｅｖｅｇｅｔａｔｉｏｎｃｏｖｅｒａｇｅｏｎｔｈｅｌａｎｄｓｕｒｆａｃｅａｎｄｉｓｕｓｅｄｉｎｍａｎｙａｓｐｅｃｔｓｉｎｏｎｅｏｆｔｈｅｉｎｐｕｔｐａｒａｍｅｔｅｒｓ．ＢａｓｅｄｏｎｔｈｅｄｉｍｉｄｉａｔｅｐｉｘｅｌｍｏｄｅｌａｎｄＮＤＶＩ，ｔｈｉｓｐａｐｅｒｅｓｔｉｍａｔｅｄｔｈｅｖｅｇｅｔａｔｉｏｎｆｒａｃｔｉｏｎｉｎＨｕａｉｒｏｕＤｉｓｔｒｉｃｔｂｙｒｅｍｏｔｅｓｅｎｓｉｎｇ．Ｉｎｔｈｅｔｏｔａｌ，ｔｈｅｖｅｇｅｔａｔｉｏｎｃｏｖｅｒａｇｅｗａｓｓｉｎｃｒｅａｓｅｄｄｕｒｉｎｇｔｈｅｐａｓｓｅｄ１２ｙｅａｒｓ．Ｂｕｔｔｈｅｃｈａｎｇｅｗａｓｉｍｂａｌａｎｃｅａｍｏｎｇｄｉｆｆｅｒｅｎｔａｒｅａｓ．Ｋｅｙｗｏｒｄｓ：ＲｅｍｏｔｅＳｅｎｓｉｎｇ；ＮＤＶＩ；Ｖｅｇｅｔａｔｉｏｎｃｏｖｅｒａｇｅ；Ｄｉｍｉｄｉａｔｅｐｉｘｅｌｍｏｄｅｌ植被覆盖度是指植被（包括叶、茎、枝）在地面的垂直投影面积占统计区总面积的百分比［１］。
植被覆盖变化研究在全球变化研究中具有重要意义。
监测植被覆盖度的传统方法只能进行小区域的植被覆盖度监测，不可能给出大尺度地区的宏观植被信息。
遥感技术为监测大面积区域的植被覆盖度，甚至全球的植被覆盖度提供了可能［２］。
由此涌现出各种遥感测量植被覆盖度的方法，但这些方法存在局限性。
随着改进的观测仪器的出现，产生了一些基于影像物理模型的新方法。
常用的遥感测量植被覆盖度的方法分为以下三种：回归模型法、植被指数法与像元分解模型法［３］。
１研究区概况怀柔位于北京城东北部，距市中心区４８公里，属华北平原经燕山山脉向内蒙古高原过渡的阶梯地带，全区总面积２１２８．７平方公里。
怀柔北依群山、南偎平原，层次分明地分为平原、浅山、深山三类地区，由南至北纵深１２８公里，其中山区面积占总面积的８８．７％，宜林山场林木覆盖率为４１％。
境内地势南低北高，海拔高度在３４～１６６１米之间。
怀柔区的气候为中纬大陆性暖温带季风型半湿润地区。
其特点：一是四季分明，冬季寒冷干燥，夏季温热湿润，春秋时间短，为过渡季节；二是日照时间长，光热充足。
全年日照时数在２７４８～２８７３小时之间，年平均气温６°～１２℃，常年平均降水量４７０～８５０毫米。
２植被覆盖度估算的遥感模型２．１像元二分模型［４］像元二分模型假设像元只由两部分构成：植被覆盖地表与无植被覆盖地表。
所得的光谱信息也只由这两个组分因子线性合成，它们各自的面积在像元中所占的比率即为各因子的权重，其中植被覆盖地表占像收稿日期：２００８－０５－１２基金项目：北京市科技计划课题“北京郊区土地结构遥感监测与生态效益评价研究”（２０００６３２１０００９９１）作者简介：李琳（１９８２－），女，硕士研究生，研究方向：森林资源调查监测及森林资源信息管理研究。
元的百分比即为该像元的植被覆盖度。
因而可以使用此模型来估算植被覆盖度。
用公式表达为：（１）其中，Ｓ为通过传感器所观测到的信息；Ｓｖ为由绿色植被成分多贡献的信息；Ｓｓ为无植被地表成分所贡献的信息；ｆｃ为植被覆盖度。
对于一个由土壤与植被两部分组成的混合像元，像元中有植被覆盖的面积比例即为该像元的植被覆盖度ｆｃ。
而土壤裸露的面积比例为１－ｆｃ。
设全由植被所覆盖的纯像元所得的遥感信息为Ｓｖｅｇ。
混合像元的植被成分所贡献的信息Ｓｖ可以表示为：（２）同理，设全由土壤裸露的纯像元所得的遥感信息为Ｓｓｏｉｌ。
混合像元的土壤成分所贡献的信息Ｓｓ可以表示为：（３）将式（２）与（３）代入公式（１），可得：（４）对（４）式进行变换，可得以下计算植被覆盖度的公式：（５）其中Ｓｖｅｇ和Ｓｓｏｉｌ都是参数，因而可以根据公式（５）来利用遥感信息来估算植被覆盖度。
２．２ＮＤＶＩ估算植被覆盖度的模型ＮＤＶＩ是目前应用最广的植被指数，经常被用作参考来评价基于遥感影像和地面测量或模拟的新的植被指数，ＮＤＶＩ在植被指数中占有重要的位置。
Ｂｒａｄｌｅｙ将ＮＤＶＩ与植被覆盖度作线性相关分析，肯定了ＮＤＶＩ与植被覆盖度有良好的相关性［５］。
此项研究表明ＮＤＶＩ符合像元二分模型的条件，可以代入模型。
并且ＮＤＶＩ具有植被检测灵敏度高；植被覆盖度的检测范围宽；能消除地形和群落结构的阴影和辐射干扰；削弱太阳高度角和大气所带来的噪音这些优点［６］。
由公式（５）变换可得下面的利用ＮＤＶＩ计算植被覆盖度的公式：（６）其中，ＮＤＶＩｓｏｉｌ为完全裸土或无植被覆盖区域的ＮＤＶＩ值，即无植被像元的ＮＤＶＩ值；ＮＤＶＩｖｅｇ则代表完全植覆盖像元的ＮＤＶＩ值，即纯像元的ＮＤＶＩ值。
２．３参数的取值ＮＤＶＩｓｏｉｌ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。
然而由于大气影响地表湿度条件的改变，地表湿度、粗糙度、土壤类型、土壤颜色等条件的不同，ＮＤＶＩｓｏｉｌ会随着空间而变化，变化范围一般在－０．１～０．２之间［７］；ＮＤＶＩｖｅｇ代表着全植被覆盖像元的最大值，由于植被类型的他同等因素，ＮＤＶＩｖｅｇ值也会随着时间和空间而改变。
因此，采用一个确定的ＮＤＶＩｓｏｉｌ和ＮＤＶＩｖｅｇ值是不可取的。
在本研究中，取置信度为１％，取置信区间内的最小值和最大值分别作为ＮＤＶＩｓｏｉｌ和ＮＤＶＩｖｅｇ的值。
经过计算，得到１９９２年的参数值：ＮＤＶＩｓｏｉｌ＝０．０７９６，ＮＤＶＩｖｅｇ＝０．６０６１；２００４年的参数值：ＮＤＶＩｓｏｉｌ＝０．０００５，ＮＤＶＩｖｅｇ＝０．６９４８。
３怀柔区植被覆盖度估算３．１数据准备（１）卫星图像选择。
获取了怀柔区１９９２年９月７日和２００４年９月８日两景的ＬａｎｄｓａｔＴＭ卫星影像。
该两景图像质量良好，图像清晰，基本没有云、雾影响。
由于两景都是９月上旬获取的，而且时相仅相差一天，植被生长状况基本相同，因此可以利用这两个时期的卫星图像来监测怀柔区的植被覆盖度的时空动态变化。
（２）ＤＥＭ数据。
获取怀柔区３０米分辨率数字高程模型ＤＥＭ。
利用该ＤＥＭ数据作为参考进行卫星图像的正射校正。
３．２数据处理（１）卫星图像的正射校正。
在获取的卫星图像中，１９９２年的图像是已校正的图像。
以１９９２年卫星图像和ＤＥＭ数据为基准，使用ＥＲＤＡＳ遥感图像处理软件，对２００５年的图像进行了正射校正。
大致选择３０个左右的控制点，均匀分布于图像。
校正精度控制在０．５个像元以内。
（２）图像切割。
利用怀柔区边界图，将校正后的图像进行切割。
（３）估算植被覆盖度。
首先计算怀柔区两期图像的归一化植被指数ＮＤＶＩ，然后利用公式（６）分别估算两期图像的植被覆盖度。
（４）分析植被覆盖变化情况。
对两期植被覆盖度进行统计分析，分析研究区植被覆盖度的时空变化规律及特点。
４怀柔区植被覆盖变化４．１怀柔区两期植被覆盖度怀柔区两期植被覆盖度的估算结果如图１所示，图像的值为０到１之间的连续实数。
图中颜色越暗的区域，植被覆盖度越低，反之，颜色越亮的区域植被覆盖度越高。
从图中可以快速、直观地观察到１９９２年到２００４年怀柔区的植被覆盖发生了显著变化，全区植被覆盖度总体上呈增加趋势。
植被覆盖度也经常使用分级表示，最常用的就是五级表示法（０～２０％，２０％～４０％，４０％～６０％，６０％～８０％，８０％～１００％）。
为了更直观地观察怀柔区的植被覆盖变化情况，同时也做出了分级显示的图像，如图２所示。
从分级图中可以更明显的看出怀柔区十几年来植被覆盖的增长趋势。
图１怀柔区１９９２年９月与２００４年９月植被覆盖度遥感监测图图２怀柔区１９９２年与２００４年植被覆盖度分级图４．２各乡镇植被覆盖度变化对怀柔区１９９２年和２００４年植被覆盖进行统计分析，各乡镇植被覆盖度统计结果如表１所示。
结果表明，怀柔区全区植被覆盖度十几年来略有上升，从１９９２年的７３．９７％增加到２００４年的７７．８８％，各乡镇植被退化和修复程度不一。
城关、庙城、杨宋各、北房、桥梓五个东南部乡镇由于城镇的发展、居民地建设等原因，植被退化相对较严重。
其它各乡镇植被覆盖均以稳定及修复为主，其中北部山区汤河口、八道河等乡镇植被覆盖增加幅度较大，说明怀柔区山区的植被保护工作颇有成效。
４．３怀柔区植被退化和修复情况为了定量分析怀柔区１９９２年到２００４年植被变化情况，将图１所示的２００４年植被覆盖度减去１９９２年植被覆盖度，得到植被覆盖度变化图，再根据表２中列出的植被退化分级标准，对植被覆盖度变化图进行处理，得到怀柔区植被覆盖变化专题图，如图３所示。
并统计分析了各退化级别占全区总面积的百分比，如表２所示。
图３１９９２年到２００４年怀柔区植被变化图!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!（上接第３７页）因此还设有点播频率表和剔除表等。
此外在数据库中还设有许多存储过程，方便读者的查询。
７系统的资源剔旧及维护７．１资源剔旧音视频资源占据存储资源十分巨大。
以本馆为例，现有资源总量已达１．４Ｔ，因为存储空间的限制和多媒体资源的不断更新，因此需要对于系统的资源进行剔旧。
剔旧要考虑的主要因素有：收藏价值、教育意义、播放次数、最后访问时间、首映时间、推荐程度等。