基于GIS的植被覆盖度估算
1.绪论
课题研究的目的与意义
植被，包括森林、灌丛、草地和农作物，既是生态系统的主要组成部分，也是生态系统存在的基础，具有截流降雨、减缓径流、防沙治沙、保持水土等功能，联结着土壤、大气和水分等自然过程，在陆地表面的能量交换、生物地球化学循环和水文循环等过程中扮演着重要角色，是全球变化研究中的“指示器”[1]。植被根据生态系统中水、气等的状况，调控其内部与外部的物质、能量交换。植被覆盖与气候因子关系极为密切，研究植被覆盖变化
对气候的影响是气候变化研究的主要内容之一，它影响着土壤湿度、地表温度和地表能量与水的循环(李苗苗，2004)。
植被覆盖度(vegetation fractional cover，简称FC)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[2]。它是植被对地面的垂直投影比例，
对于山坡进行植被覆盖度测量时，应该采用垂直于坡面的角度。植被覆盖度具有强烈的尺度效应，同一片植被，因被纳入统计的范围不同而表现为不同的植被覆盖度。如一个地区的植被覆盖度很高，但平均到全国水平就大大降低了[3]。植被覆盖度在提示地表植被分布规律,
探讨植被分布影响因子, 分析评价区域生态环境, 及时准确地掌握其动态变化, 分析其发展趋势对维护区域生态平衡等方面都具有重要意义。[4]而城市植被则是城市生态系统重要的还原组织和最重要的元素,对于保护城市生态环境具有不可忽视的作用[5] ,如有效缓解城市“热岛效应”,改善城市区域小气候[5～7] 等。
城市化的迅速推进，带来了多样化的生态足迹，植被覆盖度，土壤污染率，地表侵蚀率，逐渐成为生态研究的热点，也成为环境保护的重点。借助于高速发展的RS与GIS技术来进行植被覆盖度的估算，将是当前环境监测的必要步骤。
徐州是由矿区发展起来的城市，由于长期开采矿产，导致了一系列严重的生态问题，如塌陷地广布，植被破坏率严重，土地侵蚀率增大，等。在此背景下，研究徐州市整体的土地覆盖情况，即是现实需要，也是未来生态城市规划的重要步骤。研究的最终结果也会给徐州市的城市规划提供信息支持与技术保障。
国内外植被覆盖度研究现状
由于植被覆盖度是许多学科的重要参数，为了得到准确的植被覆盖度信息，植
被覆盖度监测技术的提高，就成了多个领域发展的需要。根据检测手段，测量植被
覆盖度的方法可分为传统的地面测量和新兴的遥感测量两大类。其中，地面测量又
可以根据测量原理，分为目估法、采样法、仪器法和模型法；遥感测量依据对植被
光谱信息与植被覆盖度所建立的关系不同，可分为物理模型法和统计模型法。统计
模型法中使用较多的有植被指数法、回归模型法、像元分解法、分类决策树和人工
神经网络法；物理模型法中模型反演法使用最多。
地面测量曾经一度是植被覆盖度监测的最主要方法。主要包括目估法、采样法、
仪器法和模型法。虽然遥感技术的发展使地面测量的主导性地位有所降低，但地面
测量依然具有其重要性，它不仅是最精确的测量方法，也为遥感测量提供了基础标
定数据，是无可替代的。
遥感技术的发展，为大范围植被覆盖信息的获取提供了一个新的发展方向。常用
于植被覆盖信息提取的遥感数据有NOA内叭vHRR数据、MODIs数据、 LandsatTM与
MSS数据、SPOT数据、ATSER数据、航片、IEOS一SAR雷达数据以及AVIRIS高光谱
数据等。 近年来，国内外在植被遥感监测方面开展大量的研究，发展许多植被覆盖度监测方法［8 ～ 13］。遥感方法相较于传统地面测算使测算的外业工作极大减少，在时效性、测算范围等方面都存在较明显优势。孙睿等［14］利用NOAA 数据，通过研究不同时段降水量与年最大NDVI 之间的相关关系分析降水对黄河流域植被覆盖度的影响; 赵彩霞等［15］通过定量分析植被覆盖度与土壤风蚀量及风蚀气候侵蚀因子3 者随时间变化的相关关系，计算和比较不同类型植物防风治沙性能的动态差异、总植被覆盖度及相应的总土壤风蚀量动态变化;
RezaAmiri 等［16］利用基于NDVI 值，分析植被覆盖度和土地利用/土地覆被与土地表面温度的时空变化3者相关性。将气候、土壤因素与植被覆盖度进行相关研究较多，而将地质条件与植被覆盖度相结合的研究尚未有人涉及。
主要研究内容与方法
研究区概况
徐州市位于江苏省的西北部，东经116°22′～118°40′、北纬33°43′～
34°58′之间。东西长约210公里，南北宽约140公里，总面积11258平方公里，占江苏省总面积的11％。地处苏、鲁、豫、皖四省交界，为东部沿海与中部地带上海经济区与环渤海经济圈的结合部。素有“五省通衢”之称。京沪、陇海两大铁路在此交汇，京杭大运河傍城而过贯穿徐州南北，公路四通八达，北通京津，南达沪宁，西接兰新，东抵海滨，为全国重要水陆交通枢纽和东西、南北经济联系的重要十字路口。
图1 徐州市区位图
研究内容与技术路线
在遥感应用领域,植被指数是一种反映地表植被信息的重要信息源之一,已广泛用于定性和定量评价植被覆盖及其生长状况。植被指数经过20 多年的发展,目前有几十种,但常用的植被指数有:归一化植被指数(NDVI) 、比值植被指数(RVI) 、差值植被指数(NVI) 、土壤调节植被指数(SAVI) 和修正突然植被指数(MSAVI) 等[17 - 18] 。其中归一化植被指数是植被生长状态及植被覆盖度的最佳指示因子。
本文主要利用2010年徐州市TM图像进行植被覆盖情况的研究，利用归一化植被指数法与象元二分模型进行植被覆盖度的反演，最终得到基本植被覆盖情况与徐州市六县的分区覆盖情况。
1) 归一化植被指数NDVI。植被指数是利用绿色植物强吸收可见光红波段( ～ μm)
和高反射近红外波段( ～ μm) 特点，经过变换，增强植被信号，削弱噪音组合而成。归一化植被指数( NDVI，下式为NNDVI) 是植被生长状态及植被覆盖度最佳指示因子［19,20］，被定义为近红外。波段与可见光红波段数值之差和这两个波段数值之和比值，计算公式:
NDVI = ( NIR － R) /( NIR + R) ( 1)
式中，NIR为近红外波段的反射率，R 为红光波段的反射率。
2）像元二分模型。像元二分模型原理是假设影像上一个像元的反射率R 可分为纯植被部分反射率R和非植被部分R两部分,那么, 任一像元的反射率值可以表示为由植被覆盖部分与非植被覆盖部分的线性加权的和:
SVRRR (2)
假设影像上一个像元中有植被覆盖的面积比例为f c ,即该像元的植被覆盖度, 那么非植被覆盖的面积比例为1 - f c 。如果该像元全由植被所覆盖,则所得的反射率为Rveg,如果该像元无植被覆盖,则反射率为Rsoil,因此,混合像元的植被部分所贡献的信息R可以表示为纯植被反射率Rveg与像元中植被覆盖面积f c 的乘积(见公式(2) ) , 而非植被成分所贡献的信息R可以表示为Rsoil与1 - f c 的乘积(见公式(3) ) :
VegvRfcR* (3)
soilSRfcR*)-1( (4)
通过解算式(2) 、式(3) 和式(4) , 可得到计算植被覆盖度的公式,如下:
)/()(soilvegsoilRRRRfc (5)
其中:Rsoil与Rveg是像元二分模型的两个参数。很明显,只要求得这两个参数根据公式(5), 就可以利用遥感信息来估算植被覆盖度。
根据像元二分模型原理,我们可以将1个像元的NDVI 值表示为由有植被覆盖部分地表与无植被覆盖部分地表组成的形式。因此,计算植被覆盖度的公式可表示为:
soilvegsoilNDVINDVINDVINDVIfc (6)
其中:NDVIsoil为完全是裸土或无植被覆盖区域的NDVI 值,NDVIveg则代表完全由植被所覆盖的像元的NDVI值,即纯植被像元的NDVI值。
参考李苗苗、Gutman等提出的估算NDVIveg和NDVIsoil的方法，根据整幅影像上NDVI 的灰度分布，以% 置信度截取NDVI 的上下限阈值分别近似代表NDVIveg和NDVIsoil。采用ARCGIS软件的栅格计算器，应用式( 6) 计算所有影像的植被覆盖度分布情况。将计算得到的植被覆盖度( FC) 分5级: 低植被覆盖度( FC＜ 10%) 、较低植被覆盖度( 10%≤FC＜ 30%) 、中度植被覆盖度( 30% ≤FC＜ 50%) 、较高植被覆盖度( 50%≤FC＜ 70%) 和高植被覆盖度( FC≥70%) .
图2 技术路线图
2 课题研究主要步骤
数据准备
采用徐州市2010年的Landsat TM 遥感数据,共包括了三景图像，轨道号分别为p121r036、p121r037、p122r036,Landsat 7 ，TM有7个波段,其中1-5, 7波段的分辨率均为30 m;
6波段分辨率为120 m,为热红外波段,不参与此试验研究; 首先利用的工具，依次选择Interpreter-Utilities-Layer Stack，将原始tiff数据合成多光谱图像，因为第六波段为热红外波段，所以予以舍弃。
植被覆盖度遥感信息提取
土地利用类型分类
1) 基本类型划分 利用最大似然法进行监督分类，主要流程为：建立分类模板、评价分类模板、执行监督分类、精度评价。监督分类又叫训练区分类，它的前提是已知遥感图TM影像植被覆盖信息提取
前期准备
数据处理
土地类型分类
水体剔除
植被指数计算
植被覆盖度估算
统计分析.专题图生成
结果讨论与分析 像上样本区内地物的类别，所以选择足够数量和具有代表性的训练区，决定了监督分类的精度。由于选取的研究区面积较大，所以在训练区数量上均在3000以上。根据图像的分辨率，将徐州市分为六类土地类型：水体，建设用地，农田，林地，山地，未利用地。分类精度满足要求。
2)分类属性重编码 由于水体在植被指数图像上多显示为负值，影响植被覆盖度的估算，所以先进行水体的剔除，这里采用的方法是掩膜法。在分类图像上进行属性的重编码，将水体的属性设置为0，其余地物的属性均设置为1，即是对图像进行二值化处理。结果使水体与其他地物区分开。所得图像为：
图3 二值化处理图像
3）水体剔除 将二值化处理的图像与原始图像相乘，即可以将水体剔除掉，这里利用的是ERDAS的建模功能，所建立的模型如下所示:
图4 剔除水体模型
基于RS和GIS的丹巴县植被盖度与地质灾害关系研究
第３３卷第２期 物探化探计算技术 ２０１１年３月
文章编号：１Ｏ０１—１７４９（２０１ １）Ｏ２—０２ｌ７—０５
基于ＲＳ和ＧＩＳ的丹巴县植被盖度与地质
灾害关系研究
倪忠云 ２，何政伟 ３，赵银兵 ，赵 勇 ，南 希 ，２
（１．成都理工大学地质灾害防治与地质环境保护国家重点实验室，成都６１００５９；
２．成都理工大学地球科学学院，成都６１００５９；
３．首都师范大学 资源环境与地理信息系统北京市重点实验室，北京１０００３７）
摘要：植被盖度作为地表特征指数之一，其发育和分布特征受控于生态地质环境，而地质灾害
又是生态地质环境不良作用的表现方式之一，二者存在一定联系。以地质灾害发育且危害严重
的丹巴县为例，采用１９９９年和２００６年二期卫星遥感数据，提取这二个时相的植被盖度图，以及
１９９９年～２００６年植被盖度变化图，采用地理信息系统技术，将地质灾害与二期的植被覆盖图进
行叠加和统计分析。其结果表明，地质灾害主要分布在海拔较低，人类工程活动强烈的低植被覆
盖和较低植被覆盖区域，且地质灾害在植被覆盖度减少的区域较之植被盖度不变和增加的区域，
更加容易突发，研究结果与区内其它地质灾害工作成果吻合。
关键词：归一化植被指数；密度分割；生态地质环境；叠加分析；丹巴县
中图分类号：ＴＰ ７９ 文献标识码：Ａ
０前言
地质灾害是指在地质营力作用下，因地壳物质
运动或地质自然环境变化，造成人类生命财产损失
或导致人类赖以生存与发展的资源、环境发生严重
破坏的现象或过程¨ｊ。地质灾害按破坏形式、动
力作用、物质组成和破坏速率，可以划分为十大类
三十一种，其中崩塌、滑坡、泥石流的影响较为严
重。
影响地质灾害发育的因素很多，有内部的，也
有外部的因素，而植被是重要的外部因素之一。植
被盖度是某个区域内，植被垂直投影面积占地表面
积的百分比 』。植被盖度是地表环境的刻度指
标之一，它可以反映地质灾害的孕育背景、发生过 程和破坏结果 ｊ。通过研究地质灾害与植被盖
基于GEE的阿坝红原机场建设前后植被覆盖度时空变化分析
研究论文
沙漠与绿洲气象DesertandOasisMeteorology第18卷第2期2024年4月
植被在生态系统中扮演着关键角色，它通过水
循环、土壤保持、气候调节等功能维持生态平衡与稳
定。在高寒生态脆弱区，了解植被的组成、空间格局
和变化趋势有助于预测生态系统的演变并应对环境
变化。植被覆盖度（FractionalVegetationCoverage，FVC）是指植物覆盖面积与特定区域土壤总面积的
比值[1]，被认为是评估植被生态环境健康状况的重
要指标，通过对其动态监测，可以深入了解该区域植
被的变化情况，包括植被生长状况和分布等信息[2]。
郭永强等[3]采用陆地卫星地表反射率数据分析了多年黄土高原FVC，认为人类活动是引起该地区FVC
变化的主要因素；李晶等[4]综合利用不同方法对黄
河流域附近的FVC时空变化特征进行了定量研究，
发现黄河流域FVC受高程、坡度和气温因子影响较
为显著。此外，FVC还对水资源的涵养和调节方面
发挥着重要作用，同时对区域植被生态系统变化具
有显著的指示性。
植被生态环境的时空变化是一个动态而缓慢
的过程，及时了解和准确把握植被生态环境的演变
规律，分析其发展趋势成为植被生态环境研究的关
键目标[5]。近年来，随着遥感技术和地理信息系统
（GeographicInformationSystem，GIS）的迅速发展，遥
感技术以其时间序列的完整性和广阔的空间跨度等
优势，与GIS技术的结合已广泛应用于植被生态环境
的监测和动态评价领域[6]。在区域FVC的遥感估算
方法中，像元二分模型是目前应用最为普遍且简单
的一种线性混合分解模型，由于其对遥感影像辐射
校正的影响不敏感[7]，被广泛应用于FVC的反演研究。基于GEE的阿坝红原机场建设前后植被
覆盖度时空变化分析
赵芮1，李耀辉2*，王玮2
（1.中国民用航空飞行学院空中交通管理学院，四川广汉618300；2.中国民用航空飞行学院航空气象学院，四川广汉618300）
基于遥感影像研究商洛市植被变化
136 2021,
Vol. 41,
No. 06农业与技术
※ 资源环境
基于遥感影像研究商洛市植被变化
王艳丽
（安徽理工大学空间信息与测绘工程学院，安徽 淮南
232000）
摘 要：
本文以商洛市两期
3景
Landsat影像为数据源，利用
Arc GIS10. 2计算归一化差值植被指数，采用差值法
对商洛市及其各县
2007—
2017年植被覆盖度进行研究，并分析植被变化的原因。结果表明：
2007年商洛市植被
覆盖以低植被覆盖为主，所占面积为
5122.65km
2，所占比例为
26% ；
2017年植被覆盖以中高植被覆盖为主，所
占面积为
10945.37km
2，所占比例为
55.14% ；
2000—
2017年商洛市植被退化面积比改善面积少
4408.50km
2，所
占比例为
22.21%，植被整体趋于改善；
2000—
2017年商洛市各县植被覆盖呈明显的地域分异特征，商南县改善
面积达
1829.67km
2，植被覆盖情况良好，柞水县退化面积达
1080.19km
2，植被退化严重，其余各县情况稳定。
关键词：
Landsat；
NDVI；植被覆盖度；商洛市
中图分类号：
S181 文献标识码：
A DOI
： 10. 19754/j.nyyjs. 20210330037
由于技术限制
，早期国外学者在研究植被时多采
用简单测量。
Dymond等采取地面点采样法估算了植
被覆盖度
［1］;随着遥感技术的发展
，大区域监测植被
变化也逐渐衍生出新的方法
；Purevdor等认为
，大区
域监测植被变化的方法包括混合模型法、覆盖度-辐
射关系模型、植被指数法
［2］。
国内学者对各个省植被覆盖度进行了时空变化研
究。杨静雅等以
GIS为平台
，通过差值法计算新疆和
静县
4个不同时期植被覆盖度
，并分析其变化特
征
［3］;陈楠等建立像元二分模型研究新疆开都河流域
植被覆盖度时空变化⑷
;刘玉安等选取差值法分析淮
河上游流域植被覆盖度的变化规律
［5］;王永锋等、喻
素芳等以
基于GIS的吴江东部地区生态敏感性分析
基于GIS的吴江东部地区生态敏感性分析
1. 本文概述
随着城市化进程的不断推进，生态环境问题日益凸显，成为制约可持续发展的重要因素。吴江东部地区作为典型的江南水乡，其独特的自然地理条件和丰富的生物多样性，使得该区域的生态敏感性分析具有重要的理论和实践意义。本文旨在运用地理信息系统（GIS）技术，对吴江东部地区的生态敏感性进行系统分析，以期为该区域的生态保护和合理开发提供科学依据。
本文通过收集和整理吴江东部地区的地理、气候、土壤、植被等基础数据，建立了区域生态敏感性分析的基础数据库。在此基础上，结合生态学原理和敏感性评价方法，选取了包括地形因子、气候因子、土壤因子、生物因子等在内的多个关键影响因素，构建了生态敏感性评价指标体系。
利用GIS空间分析功能，对选定的影响因素进行了空间分布特征分析，并采用适宜的模型和算法，对各因素的敏感性进行了量化评估。通过叠加分析和综合评价，确定了吴江东部地区生态敏感性的空间分布格局，并识别出高敏感区域，为制定针对性的保护措施提供了依据。
结合区域发展规划和生态环境保护需求，提出了吴江东部地区生态保护和建设的建议，旨在实现经济发展与生态环境保护的协调统一。本文的研究不仅丰富了GIS在生态敏感性分析领域的应用，也为其他类似区域的生态保护工作提供了参考和借鉴。
本文通过对吴江东部地区的生态敏感性进行深入分析，旨在为该地区的可持续发展提供决策支持，促进生态文明建设，实现人与自然和谐共生的目标。
1.1 研究背景与意义
随着社会的快速发展和城市化进程的不断推进，生态环境问题日益凸显，成为制约可持续发展的重要因素。吴江东部地区作为长江三角洲的重要组成部分，拥有丰富的自然资源和独特的生态环境，是生态保护和可持续发展的重要区域。随着经济的快速发展和人口的不断增长，该地区的生态环境面临着前所未有的压力和挑战。开展该地区的生态敏感性分析，对于科学评估生态环境状况、制定合理的环境保护措施和推动可持续发展具有重要的理论和实践意义。
基于遥感数据的植被覆盖度监测与变化分析研究
基于遥感数据的植被覆盖度监测与变化分析研究
一、前言
植被是地球生态系统中最为重要的组成部分之一，是维持地球生态系统平衡的重要因素。植被覆盖度是指地表被植被覆盖的程度，是评价生态系统健康程度的一个重要指标。植被覆盖度的监测与变化分析对于生态环境保护和可持续发展具有重要意义。遥感技术的快速发展为植被覆盖度的监测与变化分析提供了新的手段和思路。本篇文章旨在探讨如何基于遥感数据进行植被覆盖度监测与变化分析。
二、植被覆盖度的监测
1.传统调查法
传统调查法是指人工采集植被覆盖度数据的方法。该方法主要包括样地调查、流动调查和空间调查。这些方法需要人工采集大量的数据，工作量大、耗时耗力、费用高、覆盖区域有限。同时，人工调查结果受调查员主观因素影响，数据的可靠性和精度难以保证。
2.遥感技术 遥感技术是指通过卫星、飞机等探测器采集地表信息，再通过图像处理和解译等手段获取有关地表特征的技术。遥感技术可以快速、精确、经济地获取大范围地表植被信息，并能够提供定量化的结果。在植被覆盖度监测方面，遥感技术可以利用NDVI指数进行分析，NDVI指数是植被指数的一种，可以反映出植被生长状态。可以通过遥感图像解译获取植被覆盖度信息，利用遥感技术可以在较短时间内遥距掌握大范围地表植被信息，使监测结果具有空间和时间分辨率。
三、植被覆盖度的变化分析
植被覆盖度的变化分析是指对植被覆盖度随时间的变化趋势进行研究，分析更改的时间、原因和趋势。植被覆盖度的变化分析可以通过遥感技术和GIS技术实现。
1.遥感技术
遥感技术可以通过比较不同时期的影像，实现植被覆盖度变化分析。在遥感技术中，通过建立变化检测模型，可以检测不同时期遥感数据的差异，从而分析植被覆盖度的变化趋势和类型。在变化检测过程中，多时相数据融合以及多源数据结合可以提高变化检测的精度和准确性。
2.GIS技术 GIS技术是指借助计算机软件和硬件，利用空间数据进行地理信息处理和空间分析的一种技术。在植被覆盖度变化分析中，GIS技术可以实现空间数据的可视化和分析，对时间序列遥感数据进行可视化，从而更加精确地了解植被覆盖度变化趋势和类型。可以通过遥感数据和经验模型，用GIS加权分析模型来建立植被覆盖度变化的数学模型，预测植被覆盖度变化趋势。
基于GIS的济西国家湿地公园生态敏感性评价
基于GIS的济西国家湿地公园生态敏感性评价
鲁敏;穆回港;谭蕾;伊泽坤;王晗;李文月;孔亚菲
【期刊名称】《中国海洋大学学报:自然科学版》
【年(卷),期】2022(52)12
【摘 要】本文以遥感(RS)和地理信息系统(GIS)为技术支撑,通过特尔斐专家评价法,建立了湿地公园生态敏感性综合评价指标体系,对济西国家湿地公园进行了生态敏感性评价。结果表明:水域湿地、植被类型为高度敏感因子,高程、植被覆盖度、景观格局、景观生态价值为中度敏感因子,坡度为弱度敏感因子;湿地公园综合生态敏感度划分为高度敏感、中度敏感、弱度敏感、不敏感4个等级,面积占比分别为32.5%、18.2%、28.2%、21.1%,高敏感区与中敏感区集中分布于水库、滩涂、水渠及周边区域内;湿地公园综合生态敏感度属于中度敏感。
【总页数】9页(P95-103)
【作 者】鲁敏;穆回港;谭蕾;伊泽坤;王晗;李文月;孔亚菲
【作者单位】山东建筑大学艺术学院风景园林科学研究中心
【正文语种】中 文
【中图分类】X826;X87
【相关文献】
1.基于GIS的城市湿地公园生态敏感性区划研究——以长治湿地公园为例2.基于生态敏感性与适宜性耦合的湿地公园边界规划探究——以武汉东湖国家湿地公园为例3.城市湿地公园建设的生态效应——以济西国家湿地公园为例4.基于GIS的城市生态公园生态敏感性评价研究——以广西南丹城市生态公园建设为例5.基于LDI方法的新济洲国家湿地公园生态健康评价
因版权原因，仅展示原文概要，查看原文内容请购买
基于归一化指数（NDVI）的植被覆盖度分级研究——以贵州省为例
基于归⼀化指数（NDVI）的植被覆盖度分级研究——以贵
州省为例
基于归⼀化指数（N D V I)的植被覆盖度分级研究----以贵州省为例
袁⼠聪⾕甫刚(贵阳⽣产⼒促进中⼼，贵阳5500〇2)
摘要：⼟地植被覆盖度是反映⼟地利⽤变化的⼀个重要指标，但传统的研究⽅法需要耗⽤⼤量 的⼈⼒与物⼒进⾏采点分析。本⽂以贵州省为例，以CBERS2遥感影象为数据源，利⽤遥感与地理
信息系统技术，根据归⼀化植被指数（NDVI)可提供植被反射重要信息的原理，通过建模反演植被 覆盖度，利⽤遥感与地理信息系统软件，得出⼟地植被覆盖度数据与专题地图。利⽤NDVI研究贵 州省的植被覆盖度是切实可⾏的技术。
关键词：NDVI;归⼀化植被指数;植被覆盖度;贵州省
中图分类号：X87 ⽂献标志码：AA study on vegetation coverage based on NDVI
---taking Gui Zhou Province as an example
Yuan Shicong,Gu Pugang
(Productivity Promotion Centre of Guiyang, Guiyang 550002)
Abstract ：Vegetation coverage is an important index reflecting the land use change. Employing tradi-tional method,however, needs to consume massive manpower and materials for conducting sampling and analyzing. By employing remotesensing and geographic information system technology and using CBERS2 remote sensing image as the data pool, thisresearch conducted an inversion calculation of vegetation coverage of Guizhou Province through modeling based on thetheory that NDVI ( normalized difference vegetation index) can provide important information of vegetation reflection. Bothland coverage data and thematic map were finally obtained thanks to the support of remote sensing and ge-ographicinformation system software. The results show that calculation of vegetation coverage of Guizhou Province using NDVI isfeasible.
基于GIS的中国公路沙漠综合状态指数计算
・３８・ 全国中文核心期刊 路基工程 ２００８年第６期（总第１４１期）
基于ＧＩＳ的中国公路沙漠综合状态指数计算水
王富春毛雪松
（长安大学特殊地区公路工程教育部重点实验室陕西西安７１００６４）
摘要为进行中国公路沙漠自然区划研究，选取沙丘高度、风沙强度、植被覆盖度、气温年较
差４个自然因子来综合量化公路沙漠综合自然指数。基于数字高程数据、气象数据以及ＳＰＯＴ／ＶＥＧＥ．
ＴＡＴＩＯＮ ＮＤＶＩ遥感数据，调用ＡｒｃＧＩＳ软件的空间分析、地统计分析等功能，计算了４因子的值，并 根据各因子的权重，计算了公路沙漠综合自然指数，并论述了公路沙漠综合自然指数的空间分异性。 关键词公路ｘ－．程沙漠公路 自然区划 沙漠综合状态指数ＧＩＳ
随着我国公路建设的迅速发展，１９８６年颁布的
《公路自然区划标准》已很难适应高等级公路工程建 设的要求 。在公路沙漠自然区划中，要以沙丘高
度、风沙强度、植被覆盖度、气温年较差等４个自然 因子来计算公路沙漠综合状态指数，以作为沙漠公路
分区的指标。本文着重讨论如何基于ＧＩＳ技术获得上 述４因子的空间分布，并最终获得综合状态指数的空
间分布图，以此为新的中国公路自然区划提供数据 支持。
１数据 应用的数据包括：①中国沙漠与沙漠化图－ｚ ，矢
量化处理；②中国１：２５万数字高程模型（国家测绘 局提供）；③全国７３９个气象站点的３０年（１９７１～
２０００）气象数据（中国气象局提供）；（￣）２００２年最大
化ｓＰＯＴ／ＶＥＧＥＴＡＴ１０Ｎ归一化植被指数数据 （中国科学院寒区旱区环境与工程研究所提供）。
２ 自然因子及计算 ２．１沙丘高度
女交通部西部交通建设科技项目（２００３ ３１８ ８１２ ３６）。 王富春，男，讲师。 沙丘高度直接或问接影响着公路的设计、施工及
后期的运营 ，在Ａｒｃｌｎｆｏ９．１的Ｓｐａｔｉａｌ Ａｎａｌｙｓｉｓ的模
块支持下，利用ＧＩＳ组件技术，开发了沙丘高度专用 分析计算工具。以５ ｋｍ 为单位计算区域，对我国沙
基于RS与GIS的麻阳河黑叶猴自然保护区植被覆盖动态变化监测研究
第３ｌ卷第１期 ２０１３年２月 贵州师范大学学报（自然科学版） Ｊｏｕｒｎａｌ ｏｆ Ｇｕｉｚｈｏｕ Ｎｏｒｍａｌ Ｕｎｉｖｅｒｓｉｔｙ（Ｎａｔｕｒａｌ Ｓｃｉｅｎｃｅｓ） Ｖ０１．３１．Ｎｏ．１ Ｆｅｂ ２０ｌ３
文章编号：１００４－－５５７０（２０１３）０１—００１７—０５
基于ＲＳ与ＧＩＳ的麻阳河黑叶猴自然保护区植
被覆盖动态变化监测研究
孙传亮，兰安军 ，向 刚
（贵州师范大学地理与环境科学学院，贵州省山地资源与环境遥感应用重点实验室，贵州贵阳５５０００１）
摘要：为了研究麻阳河保护区植被覆盖度变化情况，采用２００４、２００７、２０１０年多源遥感影像的ＮＤＶＩ数据，运用 ａｒｃｇｉｓ软件计算出保护区植被覆盖度，分析麻阳河保护区植被覆盖度变化情况。结果显示，２００４～２０１０年保护区 植被覆盖变化总趋势是低、中低植被覆盖度往中、中高植被覆盖度转化，占保护区总面积的６９．ｏ４％。受到保护 区下游彭水电站施工影响，只有９．１７％的中高植被覆盖度转化为中低植被覆盖度。保护区森林、灌丛植被覆盖 面积大，植被覆盖度趋于正向转换，呈良性恢复趋势。 关键词：遥感监测；归一化植被指数；植被覆盖度；麻阳河黑叶猴保护区 中图分类号：ＴＰ７９ 文献标识码：Ａ
Ｄｙｎａｍｉｃ ｃｈａｎｇｅ ｏｆ ｔｈｅ ｖｅｇｅｔａｔｉｏｎ ｃｏｖｅｒａｇｅ ｉｎ ｔｈｅ Ｍａｙａｎｇ ｒｉｖｅｒ
ｆｒａｎｃｏｉｓｉ ｂａｓｉｎ ｗｉｔｈ ＲＳ ａｎｄ ＧＩＳ ｔｅｃｈｎｏｌｏｇｙ
ＳＵＮ Ｃｈｕａｎ—ｌｉａｎｇ，ＬＡＮ Ａｎ—ｊｕｎ ，ＸＩＡＮＧ Ｇａｎｇ
（Ｓｃｈｏｏｌ ｏｆ Ｇｅｏｇｒａｐｈｙ ａｎｄ Ｅｎｖｉｒｏｎｍｅｎｔ Ｓｃｉｅｎｃｅｓ，Ｋｅｙ Ｌａｂｏｒａｔｏｒｙ ｏｆ Ｍｏｕｎｔａｉｎ Ｒｅｓｏｕｒｃｅｓ ａｎｄ Ｅｎｖｉｒｏｎｍｅｎｔａｌ Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ；Ｇｕｉｚｈｏｕ Ｎｏｒｍａｌ Ｕｎｉｖｅｒｓｉｔｙ，Ｇｕｉｙａｎｇ，Ｇｕｉｚｈｏｕ ５５０００１，Ｃｈｉｎａ）
arcgis植被覆盖度计算步骤
arcgis植被覆盖度计算步骤
植被覆盖度计算是通过遥感图像数据和相关算法，对特定地区的植被分布情况进行评估和量化的过程。在计算植被覆盖度之前，首先需要获取和预处理遥感图像数据，然后进行一系列的数据处理和分析步骤。下面是一个植被覆盖度计算的详细步骤。
1.数据获取：获取适当的遥感图像数据，常用的遥感数据包括高分辨率的卫星图像、航空影像和无人机遥感数据等。这些图像数据可以获得植被分布的空间信息。
2.预处理：对获取的遥感图像进行预处理，包括去噪、几何矫正、辐射定标等。这些操作可以提高遥感图像的质量和准确性。
3.植被指数计算：计算植被指数，常用的植被指数包括归一化植被指数（NDVI）、归一化差异植被指数（NDVI2）、综合植被指数（EVI）等。这些指数利用了红外和可见光波段的反射率差异，以衡量植被覆盖度的指标。
4.影像分类：对遥感图像进行分类，将图像中的不同对象进行划分和分割，提取出植被区域。常用的分类方法包括像元法、对象法和混合法等。
5.植被覆盖度计算：基于分类的结果，计算植被覆盖度。植被覆盖度可以用像元个数、像元面积或百分比来表示。计算方法为统计植被像元数量，然后与总像元数量进行比较。
6.结果分析：对植被覆盖度进行分析和解读。可以根据植被覆盖度的结果，评估植被的生态环境和状况，提供决策支持和制定相应的保护措施。 7.精度评估：对计算结果进行精度评估，检验计算的准确性和可靠性。可以通过对比野外实地数据和遥感数据的观测结果，进行精度检验。
8. 可视化：将计算结果进行可视化展示，生成植被覆盖度图。可以利用地理信息系统（GIS）软件，如ArcGIS等，进行可视化操作，制作植被覆盖度图。
总之，植被覆盖度计算是一个复杂的过程，需要综合运用遥感技术和地理信息系统分析方法。它可以提供有关植被分布和生态环境的重要信息，对于土地利用规划、生态保护和环境评估等方面具有重要意义。