《北京植被覆盖度反演：像元二分模型与气候变化的响应研究》10000字

PAGEPAGE11PAGEPAGE10北京植被覆盖度反演：像元二分模型与气候变化的响应研究1绪论 31.1研究背景及意义 31.1.1研究背景 31.1.2研究意义 31.2国内外研究进展 41.2.1国内研究现状 41.2.2国外研究现状 5 5 52.1.1地理位置 52.1.2地形与地貌 62.1.3气候水文 72.2数据来源 73数据预处理 7 7 8 9 9 10 10 10 12 12 14 145结果验证与讨论 155.1结果验证 155.2结论 16参考文献： 17摘要：植被覆盖度是衡量某个地区或者国家的地表植被情况的重要指标,它既是判断和评价区域内整个生态系统发展情况的重要依据和基础性数据,也是判断和评价该区域内生态系统的环境条件发生改变的重要指标。根据植被覆盖度测算中常用两个方法的特点，本文运用遥感法进行估算的同时运用实测法进行验证。运用遥感技术对测区植被覆盖度进行监测，为研究区的经济发展、资源利用和环境保护等提供理论依据；利用ARCGIS、ENVI等软件对植被覆盖度进行估算。同时探讨以北京市为测区以NDVI为植被指数并对像元二分模型进行一定的参数变换详细来介绍植被覆盖度遥感估算过程，讨论此方法对于植被覆盖度的准确性及可行性。最终反演的结果市中心植被覆盖度低、东南地区覆盖度高且与实地考察情况或利用照相法相对比结果相符，则该方法精度较高且今后在对植被覆盖度进行估算时可以运用该方法。关键词：植被覆盖度；遥感；像元二分模型；NDVI1绪论1.1研究背景及意义1.1.1研究背景大自然地表植物的总和叫做植被，植被覆盖度（Fractionvegetationcover，简称FVC）的定义是植被（包括叶、枝、茎）在地表的部分垂直投影得到的投影面积与该统计区总面积之比,植被覆盖度越高就代表着该地区植被生长趋势越好（张宇晨，刘思琪，2022）[1]。植被覆盖度能够很好的反映地球地表植被生长和好坏的情况，也能够代表该研究区自然环境所发生变化的重要指标，对资源的开发、生态环境影响的评估、生态环境保护、生态累积效应定量评估、生态环境治理都具有非常重要的意义（杜俊熙，白嘉豪，2023）[2]。当前国内外在植被覆盖度估算上的主要手段有两种，分别是地面实测和遥感估算。地面实测法又有目测法，采样法，仪器法等，这些都常用于小尺度测量。虽然实测法适用于小范围的监测，但由于其高精度的特点我们又常常将其作为检测植被覆盖度估算的手段。地面实测法目前已经逐渐被遥感估算法所取代成为分析植被覆盖度变化的主要方法（卢志强，赵梦琪，2025）[3]。在大范围的测算中综合人力、物力、时间成本以及难易程度等多个方面来看遥感法要优于实测法，因此建议实测法更多的应用于小范围的测算。这在某种程度上表达出对于地表大范围植被覆盖度的估计而言,利用传统的遥感实时监测就更加明显优势,而传统的地表实时监测法则更多的意义上就是将其作为遥感实时监测的一种辅助检测手段,为传统的遥感实时监测技术提供了基础的数据,对于植被覆盖度估计的结果可以进行准确的高精度评估（胡俊杰，潘美玲，2021）[4]。目前,线性光谱混合模型已经发展成为各类遥感估计模型中最普遍的使用、也是各类传统光谱估计模型中最常见的一种模型,如果它的像元和组分仅仅考虑划分为植被和土壤,那么这个模型就被称为线性光谱二分模型,这个模型的植被指数参数一般是选取ndvi[5]。1.1.2研究意义本文研究测区北京是我国的首都，同时更是世界上著名的历史城市文化城市以及经济科技政治中心之一。北京处于环渤海地区，它在我国甚至在亚洲都具有极为重要的战略经济政治意义，在地理政治经济上都属于东亚地区的核心区域（秦朗阳，林婉儿，2020）。由于其重要的地理位置，北京的方方面面都能引起了中国乃至整个世界的关注。近几年来，随着改革现代化的推进，各项绿色工程的实施，该区域的生态环境问题受到了各个领域的广泛关注（谢晓峰，苏婉儿，2021）[6]。而对北京市进行植被覆盖度的研究估算更是以便于对北京市环境治理、植被保护、提升经济、保护环境以及生态环境治理等方面提供理论参考资料，对于帮助人们对自然资源合理开发利用、对人与自然关系的协调都有着重要意义，这确切地体现出了从而进行可持续的绿色的经济发展同时验证基于像元二分模型的植被覆盖度反演的精度足够高可以为其他研究也提供参考（蒋大伟，宋晓梅，2020）。而从技术方面来讲，遥感技术方面精度高、方法简便的特点使其对植被覆盖度的估算在方法上提供了一个新途径，取代了传统的地面测量方法。1.2国内外研究进展1.2.1国内研究现状相比较国外在遥感技术方面的研究，我国可能起步较晚，但是我国发展比较迅速且取得了一定的成果。1970年4月24日，我国的遥感事业正式迈出了小小又伟大的第一直到1999年10月14日，我国拥有了属于自己的第一颗资源卫星——中巴地球资源遥感卫星，更是证明了我们国家在遥感应用技术与科学方面的能力与所取得的成就。在此特定环境中情况一目了然在遥感技术与应用方面，我国利用遥感技术对估算植被覆盖度的研究也在不断的深入并相应取得了一些进展成果（邢智航，符思源，2022）[7]。2012年，姚国慧等人曾对博尔塔拉蒙古自治州进行植被空间变化的监测，研究表明：2010年至2012年期间植被覆盖度总体呈上升趋势，2013年期较2012年覆盖度下降。另外，受人类干扰的区域植被变化大于自然区域(陈雪晴,马文天,2020)。2004年，李苗苗等人对像素二等分模型进行了改进，即对像素二等分模型进行了参数转换，根据这些迹象可以推知建立了NDVI遥感定量估计模型，并在该植被的上游进行了植被覆盖估算提取了北京密云水库，其遥感反演结果具有较高的精度说明了该方法的可行性[8]。2016年王云等人曾以河北坝上草原为研究区，利用地面实测的植被覆盖度和植被高光谱，由此可以察觉结合landsat8遥感影像数据，研究表明：大风霜冻等自然灾害以及人为活动破坏是造成草原退化及荒漠化的主要原因(周泽民,郭丽娜,2021)[9]。2017年吴艳等人曾对汶川县进行植被覆盖度估算，探讨植被覆盖度与坡向的关系，研究结果表明两者并无明显关联(黄泽明,孙玲丽,2021)[10]。2010年刘路明等人对大山包黑颈鹤的植被覆盖度进行估算分析，结果表明，该地区植被覆盖度呈上升趋势。通过对现有阶段性研究成果的回顾，本文为后续研究提供了重要的参考。首先，在方法论层面，本文发现了许多可改进之处。前期的研究不仅让本文学到了有效的策略，也指出了需要调整或放弃的方法。例如，在数据收集过程中，应更重视样本的多样性和代表性，以确保所选样本能真实反映目标群体的整体状况。同时，针对不同的研究问题，采用灵活多样的数据收集手段可以提升数据的质量和完整性。根据调查，该地区已建立了国家级自然保护区，工程措施如城市居民搬迁是主要原因，依据前面的考察结果表明该地区植被覆盖率发生了变化。与人类文明活动有重要关系[11]。高天翔，孙梦琪等人以石河子地区为研究区进行测算和分析，对该植被退化减少的现象得到一个结论：造成石河子地区植被退化的主要原因是地下水常期不节制的使用过度开发以及城市扩张的规模过快过大[12]。1.2.2国外研究现状植被覆盖度的不光是在于学术研究上，包括对于生态系统、气候变化等等领域都有着重要的作用，所以世界各国对于遥感在植被覆盖度方面的研究越来越加深人。国外在遥感领域一直发展较快，且取得了不俗的成果和进展并长期处于领先地位。地面测量法是植被覆盖度的传统测量方法，1974年Muller和Ellenberg对该方法做出了一个相对细致的阐述，并根据测量的原理不同，于此种状况之下将地面测量分为了：目估法、仪器法、采样法和照相法四种方法(赵昕怡,徐静雅,2019)[13]。[1]Md.AshrafulIslam等人曾基于NDVI对劳拉卡拉森林公园的植被覆盖度的变化进行评估，研究发现2006年植被茂密程度较2001年增长8%，究其原因是人为保护使植被覆盖度增长[14]。AfsharMehdiH曾将NDVI用于中欧地区农业干旱探测的对比评价，果表明，超过35%的考虑像元NDVI、超过22%的VOD和超过8%的VIs异常对干旱事件具有显著的响应，考虑到这样的条件而这些差异的显著性水平和VIs响应时间随土地利用和气候条件的不同而不同(殷嘉欣，殷婉兰,2021)[15]。本研究的阶段性成果与先前的计算结果和文献综述基本相符，显示了该研究方法的可行性和稳定性。这种一致性不仅强化了以往研究的结论，也为当前理论架构提供了坚实的支持。利用严谨的数据收集、处理和分析过程，本文重现了早期研究的重要发现，并在其基础上作了进一步探索。这不仅增强了对假设的确信度，也证实了所用研究方法的科学价值。此外，这种一致性为不同研究间的相互参照提供了条件，有利于形成更为系统和完整的理论结构。在地面测量方法中，数码相机照相法具有相对费用低、效率高，且测量植被结果更加准确的特点，并且后续可以利用计算机相关软件对照片进行处理，也更合现对技术发展的需求(黄璐瑶,蒋昕羽,2017)[16]。2.1.1地理位置在我国四大平原之一的华北平原的北部坐落着一座现代化与传统历史文化古城结合的的伟大城市北京。对北京总体而言，北京被河北省和天津市包围，距渤海以东约150公里。从经度和纬度的角度来看，北京位于北纬39“26'至41”03'，东经115“25'至117”30'，市中心位于北纬39°54'20'纬度和东经116°25'29'。自此可察端倪北京自治区总规划面积为16410.54平方公里。北京的东南部实际上就是一个平缓的向渤海流动倾斜的大陆性平原,这主要是因为从渤海流入到东北流动的河道(如永定河和潮白河)长期的冲积所造成（谢俊豪，郭晓晴，2021）。图2-1 研究区位置2.1.2地形与地貌2.1.3气候水文北京位于亚洲大陆的东海岸，处于温带和半温带地区。北京的气候为温带大陆性气候，究其缘由主要受到蒙古高压的影响。北京有四个截然不同的季节，冬夏两季漫长，夏季多雨，冬季干燥，春季和秋季短暂。由于北京三面环山，来自西北的冷空气经常被高山阻隔，无法到达(赵宇航,陈敏娜,2019)。在同纬度下，北京的冬天要比很多地方暖和的多，并不是那么严寒。同时，它受到太平洋暖流的调节。实际上，北京的夏天也不是很热。夏季无炎热，冬季不严寒的优越气候，都是由于北京特殊的地理环境，四面环海依山傍海所带来的，所以非常适宜人居住。这在某种程度上表达出北京虽然受气候影响，年降水量较多，只不过降水都只集中在夏季的几个月份，整体来看全年降水分布很不均衡。夏季到来时，西城区与东灵山的温差明显。由于海拔高，东灵山的温度比西城区低(刘秀芳,周雅琴,2020)。在降水方面，山麓地区的降雨量更多。根据北京独特而有利的地理气候，有可能在郊区和山区种植栗子和山楂树，并在郊区平原上发展牛奶，家禽和蛋品工业。可以在郊外平原上种植小麦和西瓜。北京有很多河流，其中有五个主要水系，包括拒马河系，永定河系和北运河系。北京西北部的山脉是这五个主要水系的发源地。他们通过平原向东南蜿蜒，最后汇入除纪运河外的渤海。此外，这确切地体现出了尽管北京有五个主要的水系，年降水量很大，但由于人口稠密，人均水资源非常低。北京的饮用水资源主要有地表水、地下水两种构成。地表水、地下水主要依赖于降雨和补给,而且地下水则储量丰富(吴俊杰，何婉婷,2022)。此外，降水的分布主要与山坡的位置有关。降水大部分集中在防风林地区，而下风坡的降水量明显少于防风林。2.2数据来源3数据预处理第二种情况：又将其在细分为是否有实测数据的不同情况。5结果验证与讨论5.1结果验证我们需要对遥感估算后植被覆盖度结果进行验证，目前常常将野外调查结果作为进行验证的手段，比如我们的传统的植被覆盖度测量方法中的目估法和地面实测法都常用于监测对比。为了获得准确的植被覆盖实测数据，一般都使用照相法，同时也可以进行多人目估法将结果再取一个平均值(冯宏宇,蔡宇和,2020)。于此种状况之下照相法是指使用相机平行于地面拍照，然后根据照片估算植物的覆盖范围。尽管该方法解决了其他常用的测量表面植被覆盖率的方法的人为主观性，但它使结果具有较高的准确性，稳定性和在现场的耗时较少。但是，该方法仍然具有某些缺点。使用时必须注意照片边缘区域的大变形，因此在测量时应去除边缘部分，仅保留照片的中心以确保植被覆盖的准确性测量精度，一般将数字图像截取长、宽各三分之二的中心地带，来减小相片边缘地带的变形。之后使用遥感图像的处理软件对相片进行监督分类，将相片分为植被和非植被，考虑到这样的条件最后进行统计各个植被的面积,其中除以各个截取后的相片区域面积也就为各个植被的覆盖程度(孙嘉俊,蒋文婷,2023)。相比之下我们传统的照相法操作程序就会显得非常繁琐,要求我们说明一定要清楚地说明放置和种类说明植被的大小,然后将相片上均匀地堆叠上透明的方格纸,而且植被覆盖所占的方格数大约占到了总方格数的百分比,亦即表示整个植被的覆盖程度,所以我们通常更多地采用这种数字照相法(冯乐然,张春丽,2023)。数码照相法的优点是其在拍摄后还可以使用计算机图像处理软件来解释相关植被覆盖度。数码相机摄影方法既经济实惠、效率高以及可以计算机进行处理等特点，同时满足当前技术发展的需求。自此可察端倪最重要的是，它是地面测量方法中最客观，最准确的测量方法。考虑到其优势，数码照相法必然成为植被覆盖度检测的主流手段[22]。5.2结论 本文在考虑到疫情及实际情况后，并没有前往实际采用照相法进行植被覆盖度对比，很遗憾只能从反演结果与现实北京实际情况相比较并通过网上查阅相关文献及资料估算来进行结果验证对比。以NDVI值为参数,基于像元二分类模型的植被覆盖度估算方法简单易操作,可适用于不同植被类型和不同分辨率的遥感数据,无需叶面积指数等复杂参数。利用该方法对北京市植被覆盖度估算结果进行分析:我们可以发现,植被覆盖率的中心北京郊区的比这小得多,在西南地区的植被覆盖率高人口密度和高城市化水平相对较小,和北方的山区植被覆盖率最高的。虽然城市的植被覆盖度较低，但是在绿化程度高的地区植被覆盖度相对较高。从这些描述中可获悉而北京植被覆盖度较高的原因也与政府对环境对植被森林的保护政策有着密切的关系。从结果和实际情况来看，这次植被覆盖度的估算结果与北京市的实际情况大致相符。该方法可作为该地区及其他地区植被覆盖度估算的方法和基础，可为研究区的植被估算，生态评价，生态保护和资源开发利用提供数据参考。参考文献：PurevdorjTS,TateishiR,IshiyamaT,etal.Relationshipsbetweenpercentvegetationcoverandvegetationindices[J].InternationalJournalofRemotesensing,1998,19(18):3519-3535.张宇晨，刘思琪，2022）.[D].,2022.杜俊熙，白嘉豪etal.InvestigatingtheimpactsoftheNorthAtlanticOscillationonglobalvegetationchangesbyaremotelysensedvegetationindex[J].InternationalJournalofRemoteSensing,2023,33(22):7222-7239.卢志强，赵梦琪，2025）.基于MODIS时序数据的汶川地震灾区植被覆盖变化监测[J].应用基础与工程科学学报,2021,26(01):60-69.胡俊杰，潘美玲.地形对植被覆盖度估算方法的影响[J].安徽农业科学,2018,46(36):38-41.童庆禧,孟庆岩,杨杭.遥感技术发展历程与未来展望[J].城市与减灾,2018(06):2-11.秦朗阳，林婉儿.2000–2019年京津冀地区500m分辨率植被覆盖度数据集[J].中国科学数据(中英文网络版),2020,5(04):201-208.谢晓峰，苏婉儿.一种简单的估算植被覆盖度和恢复背景信息的方法[J].中国图象图形学报,2003(11):80-84+6.蒋大伟，宋晓梅.密云水库上游植被覆盖度的遥感估算[J].资源科学,2004(04):153-159.邢智航，符思源.基于Landsat_OLI的坝上草原植被覆盖度反演模型研究[D].河北师范大学,2016.陈雪晴,马文天.基于NDVI像元二分模型的汶川县植被覆盖度估算[J].科学技术创新,2020(25):50-52.周泽民,郭丽娜.大山包黑颈鹤自然保护区植被覆盖度遥感监测及分析[J].环境科学导刊,2010,29(04):102-104.黄泽明,孙玲丽.基于像元二分模型的典型绿洲区近20年植被覆盖变化及分析[J].节水灌溉,2019(01):96-101.高天翔，孙梦琪.AimandMethodsofvegetationEcology[M].NewYork,Wiley,1974:80.Md.AshrafulIslam,AbdunNaqibJimmy,Md.SajadulAlam,NazmulAhsanKhan.Theuseofmulti-temporalLandsatnormalizeddifferencevegetationindex(NDVI)dataforassessingforestcoverchangeofLawarcharaNationalPark[J].Environment,DevelopmentandSustainability,2021(prepublish).AfsharMehdiH.,AlYaariAmen,YilmazM.Tugrul.ComparativeEvaluationofMicrowaveL-BandVODandOptical