——以北京市为例
本研究以2景覆盖北京市的Landsat 5 TM影像为数据源，成像时间为2009年9月份，采用改进的像元二分模型详细介绍植被覆盖度遥感估算过程。涉及TM影像校正、图像镶嵌与裁剪、NDVI计算与统计、影像运算使用、结果的统计与分析等。
8
植被覆盖度简述
1.1植被覆盖度概念
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。植被覆盖度常用于植被变化、生态环境研究、水土保持、气候等方面。
2.2植被覆盖度测量方法
植被覆盖度的测量可分为地面测量和遥感估算两种方法。
地面测量常用于田间尺度，遥感估算常用于区域尺度。目前已经发展了很多利用遥感测量植被覆盖度的方法，较为实用的方法是利用植被指数近似估算植被覆盖度，常用的植被指数为 NDVI 。
2.3研究区数据及模型选择
本文研究是以 2# 覆盖北京市行政区域的 Landsat 5 TM 影像为数据源，成像时间为2009年9月份，采用改进的像元二分模型详细介绍植被覆盖度遥感估算过程。涉及TM影像大气校正、图像镶嵌与裁剪、NDVI 计算与统计、影像运算 使用等。在 MapGIS K9 SP3 学生版本完成整个植被覆盖度评价过程。
2
处理流程
2.1模型简介
像元二分模型是一种简单实用的遥感估算模型，它假设一个像元的地表由有植被覆盖部分地表与无植被覆盖部分地表组成，而遥感传感器观测到的光谱信息也由这2个组分因子线性加权合成，各因子的权重是各自的面积在像元中所占的比率，如其中植被覆盖度可以看作是植被的权重。
下面简单介绍下在像元二分模型的基础上研究的模型：
其中，NDVIsoil 为完全是裸土或无植被覆盖区域的NDVI 值，NDVIveg 则代表完全被植被所覆盖的像元的NDVI 值，即纯植被像元的NDVI 值。两个值的计算公式为：
利用这个模型计算植被覆盖度的关键是计算 NDVIsoil 和 NDVIveg 。这里有两种假设：
(1) 当区域内可以近似取 VFCmax=100%，VFCmin=0%。
公式(1)可变为：
NDVImax 和 NDVImin 分别为区域内最大和最小的 NDVI 值。由于不可避免存在噪声，NDVImax 和 NDVImin 一般取一定置信度范围内的最大值与最小值，置信度的取值主要根据图像实际情况来定。
(2) 当区域内不能近似取 VFCmax=100%，VFCmin=0%
当有实测数据的情况下，取实测数据中的植被覆盖度的最大值和最小值作为 VFCmax 和 VFCmin，这两个实测数据对应图像的 NDVI 作为 NDVImax 和 NDVImin。
当没有实测数据的情况下，取一定置信度范围内的NDVImax 和NDVImin。VFCmax 和VFCmin 根据经验估算。
2.2研究技术路线
利用Landsat 5 TM 影像的像元二分模型植被覆盖度遥感估算的处理流程如下：
2.3数据预处理
使用的是Landsat TM 的L1T 级别数据，不做几何校正处理。
北京市需要两景TM 数据覆盖，本流程中涉及两景影像(根据TM数据的元数据信息，可知2#影像云量为零，故无需进行薄云去除等预处理操作)进行镶嵌，再利用北京市区矢量数据边界（简单要素类）裁剪得到北京市区的影像，然后进行对研究区范围估算植被覆盖度等操作。
2.4植被覆盖度估算
在像元二分法模型中，NDVIveg 代表着全植被覆盖像元的最大值，由于植被类型的影响，NDVIveg 值也会随着时间和空间而改变。因此，计算植被覆盖度时，既使同一景影像，对于NDVIsoil 和NDVIveg 值不能取固定值。一般需要土壤图和土地利用图，以及野外实测数据，根据上述模型中的两种情况分别求解。由于辅助数据的限制，本研究是利用土地利用图分别求解不同土地利用类型内的NDVImax 和NDVImin 作为NDVIveg 和NDVIsoil，这样就可以得到两个NDVIveg 和NDVIsoil 的参数图像文件。
3
详细处理过程
3.1数据获取
本研究使用的TM数据下载地址：http://datamirror.csdb.cn(国际科学数据服务平台)。 使用的数据是2009 年9 月22日的123-032/123-033。
在下载数据时候，在下载数据列表中选择“查看详细信息”，得到两景影像的详细元数据信息。
图4遥感影像的来源及下载
如：第一景TM数据（123-032#）的元数据信息：
图5“123-032景”元数据信息列表
第二景TM数据（123-033#）的元数据信息：
该TM影像坐标系信息如下：
3.2数据读取与波段合成
首先打开“MapGIS K9遥感处理系统”
，在其中完成各项操作，以123-032 景数据为例介绍详细过程，123-033 景数据操作基本一样。
第一步、影像数据读取
→点击图标
，弹出对话框如下
该遥感系统支持多种格式的影像数据。然后选择要打开的影像，再点击打开按钮即可查看相应的影像数据。
第二步、波段合成
→点击“遥感处理系统”菜单栏中的【影像变换】菜单的下拉菜单【波段合成】
弹出【波段合成】对话框；
3.3数据的镶嵌与裁剪
（1）镶嵌
→点击【影像预处理】的子菜单【影像镶嵌】，如图所示：
弹出【影像镶嵌】对话框，然后点击
图标进行需要镶嵌操作的相应影像的添加；
→完成影像的镶嵌；
→【影像镶嵌】结果如下图所示：
（2）裁剪
→点击【影像预处理】的子菜单【分块裁剪】，如图所示：
弹出【影像的裁剪与取子集】对话框，如下图所示，然后进行各参数设置，点击确定完成影像裁剪操作；
→操作如下，红色方框为需设置的选项；
→点击【确定】后，裁剪结果如下图所示：
3.4 NDVI计算
→点击【专题产品】的子菜单【指标指数】，如图所示：
→弹出【植被指数计算】对话框，进行相应的参数设置，如下图所示：
NDVI，即归一化植被指数或标准差异植被指数，应用于检测植被生长状态、植被覆盖度等。NDVI计算的公式为：
对于TM影像数据，也可以写成
其中B3：红波段，
B4：近红外波段。
→【植被指数计算】对话框中的【NDVI公式】中的I1与I2为两个变量，设置如下：
→点击【植被指数计算】按钮，结果如下图所示：
北京市区NDVI计算结果
NDVI值的范围是[-1,1]，各值代表含义见下表：
3.5制作掩膜文件
3.2.1土地利用分类
→点击【影像分类】菜单下的【AOI编辑】如下图所示：
→弹出【AOI编辑工具条】，然后点击【打开编辑影像】图标，选择相应的分类影像数据；
→然后点击【AOI编辑工具条】中的【启动编辑】图标，弹出【影像AOI类列表视图】；
→在【影像AOI类列表视图】窗口中点击【编辑】菜单下的【新建类】；
→新建5类，分别对应不同的土地利用类型、颜色、描述，如下图所示：
→分类AOI区编辑过程如下图所示：
→点击【影像分类】下的【监督分类】的子菜单【最大似然法】分类方法进行影像监督分类；
→在【最大似然法分类】对话框中，点击【输出文件】图标和【选择】按钮，完成输出分类后的影像存储路径和名称，及选择影像范围。
→点击【确定】，执行监督分类；
→最大似然法分类后的结果如下图所示：
北京市区土地利用分类结果
3.2.2影像掩膜
→点击【辅助工具】的子菜单【影像掩膜】，如下图所示：
→弹出【导入影像掩膜】对话框，选择原影像、掩膜影像、处理波段、掩膜值设置等选项的设置，如下图以土地利用分类结果图的“林地”土地利用类型为掩膜进行生成掩膜文件：
→完成输出结果影像（掩膜后的影像）的路径及名称，点击【确定】，生成如下图的“林地掩膜文件”：
林地掩膜文件
→同样的操作，以“农业用地”为掩膜值生成相应的掩膜文件，设置不同如下图红色方框区域所示：
农业用地掩膜文件
→同样的操作，以“城市用地”为掩膜值生成相应的掩膜文件，设置不同如下图红色方框区域所示：
城市用地掩膜文件
→同样的操作，以“水体用地”为掩膜值生成相应的掩膜文件，设置不同如下图红色方框区域所示：
水体掩膜文件
→同样的操作，以“其他用地”为掩膜值生成相应的掩膜文件，设置不同如下图红色方框区域所示：
其他用地掩膜文件
3.6获取阈值
（1）制作掩膜影像，提取各土地利用类型覆盖的NDVImax 和NDVImin；
→与制作掩膜文件步骤相同，掩膜值设置参数不同，分别如下图所示：
→结果分别如下图所示：
（2）这一步就是求解NDVImax 和NDVImin，使用上一步获取的掩膜文件分别对NDVI 值进行统计，在一定置信度范围内获取每个掩膜文件(也就是土地利用类型)对应的最大和最小NDVI值。如这里的各土地利用区域的统计结果，这个过程带有很大的主观性，我们需要根据统计学原理自己制定一套规则，这里我就以NDVI 值对应像元数量增加到5位数字为置信区间。
注：有些学者根据像元累加数的比重累划分，也就是查看统计结果中的最后一列，如2%~98%为置信区间，找到对应的NDVI 值。
下面以林地为例，操作如下：
→在【NDVI_林地R】数据集上右键点击【影像信息】，如图所示：
→弹出【影像信息】对话框，再点击【直方图统计】，如图所示：
→然后鼠标在直方图图框内移动，如上图红色区域移动，从左向右移动到第一次像元值为5位数，对应最小值NDVImin=0.1901，如下图红色方框中像元值对应的灰度级值：
→在直方图图框内移动鼠标，从右向左移动到第一次像元值为5位数，对应最小值NDVImax=0.6000，如下图红色方框中像元值对应的灰度级值：
同样的方法得到其他地物利用类型的NDVI 阈值，如各影像信息的【直方图统计】图：
阈值统计如下表：
3.7生成参数文件
这一步是根据上面得到的NDVI 阈值分别生成NDVIsoil 和NDVIveg 参数文件，主要使用【影像运算】工具，表达式如下：
其中b1：林地掩膜文件
b2：农业用地掩膜文件
b3：城市用地掩膜文件
b4：水体掩膜文件
b5：其他用地掩膜文件
其中b1：林地掩膜文件
b2：农业用地掩膜文件
b3：城市用地掩膜文件
b4：水体掩膜文件
b5：其他用地掩膜文件
3.8植被覆盖度估算
利用上一步得到的NDVIsoil 和NDVIveg 参数文件带入公式(2)，使用影像运算进行计算：
表达式：(I2<=0)*(I1－I2)/(I3－I2)
其中 I1：NDVI
I2：NDVIsoil 参数文件
I3：NDVIveg 参数文件
3.9结果验证方法
目前业内植被覆盖度的验证方法主要是通过野外调查结果进行验证，如下为一种方法：以与地面垂直的角度用数码相机拍摄采样点的地面照片，使用GPS定位获得采样点的经纬度坐标。为获得准确的植被覆盖度实测数据减少像片边缘变形误差，将数码相机得到数字影像截取长、宽各三分之二的中心地带，采用非监督分类法分为10类 ,并将分类结果分为植被、非植被两类，以此来计算出植被覆盖度。为了保证验证时能够正确定位，野外一般选取 3×3 个像元大小的样方，即 90m×90m，并在样方中均匀拍摄多张照片。取从照片计算的平均值作为样方的植被覆盖，取样方中心点所在 3×3 像元的植被覆盖度平均值作为对应的遥感估算值进行验证。
