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
图5 剔除水体的图像
2 植被指数计算
利用ERDAS进行植被指数的计算主要有两种方法：一种是直接利用菜单工具：Interpreter-spectral Enhancement-Indices。植被指数选择NDVI，设置相应的参数即可以自动进行计算。第二种方法是利用ERDAS的空间建模工具进行计算。模型如下所示：
图6 植被指数计算模型
本文利用第一种方法进行计算，因为第二种方法需要已知裸地的植被覆盖情况与最高植被覆盖情况，因为缺乏相关经验与实测数据，所以先计算出植被指数，最后在ARCgis中进行植被植被覆盖度的估算。得到植被指数分布图如下：
图7 徐州市植被指数图
基于GIS的植被覆盖度估算
植被覆盖度估算
根据植被指数整幅图像的灰度分布情况，截取上下限阈值，近似的估计NDVIveg ==，采用ARCGIS软件的栅格计算器（Spatial Analyst-Raster Calculator)，应用植被覆盖度的估算公式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%），并将分级图像彩色显示：
图8 徐州市植被覆盖度图
栅格计算得到的图像格式 为GRID格式，不具备栅格图像的灰度信息，为了得到不同植被覆盖度的面积统计值，将该图像进行属性值的重新设置低植被覆盖度的属性值为1 ，较低植被覆盖度的属性值为2，中度植被覆盖度的属性值为3，较高植被覆盖度的属性值为4，高植被覆盖度的属性值为5，水体与误差错分区的属性值设置为0，这样得到按照新的属性值统计的栅格总数，根据栅格总数可以计算出每种植被覆盖情况的面积。重分类的设置如下：
图9 植被覆盖度属性重分类
. 2 分区植被覆盖统计
利用徐州市的行政区划图与植被覆盖图进行叠加，计算出徐州市六县的植被覆盖情况，这里的六县植被覆盖情况采用的平均值估计。