黎良財(cái) ，張曉麗，鄧 利 ，吳 銳

（1.北京林業(yè)大學(xué) 林學(xué)院，北京 100083； 2.廣西生態(tài)工程職業(yè)技術(shù)學(xué)院，廣西 柳州 545004；3.國(guó)家林業(yè)局 林業(yè)調(diào)查規(guī)劃設(shè)計(jì)院，北京 100714）

廣西巖溶地區(qū)植被覆蓋度與植被指數(shù)耦合模型研究

黎良財(cái)1,2，張曉麗1，鄧 利2，吳 銳3

（1.北京林業(yè)大學(xué) 林學(xué)院，北京 100083； 2.廣西生態(tài)工程職業(yè)技術(shù)學(xué)院，廣西 柳州 545004；3.國(guó)家林業(yè)局 林業(yè)調(diào)查規(guī)劃設(shè)計(jì)院，北京 100714）

選擇廣西典型巖溶山區(qū)灌草植被類(lèi)型設(shè)置91塊樣方，運(yùn)用GreenSeeker手持光譜儀實(shí)測(cè)不同覆蓋度植被的光譜響應(yīng)并構(gòu)建歸一化植被指數(shù)( NDVI)、差值植被指數(shù)(DVI)、比值植被指數(shù)(RVI)、修正植被指數(shù)(MVI)和修改型土壤調(diào)節(jié)植被指數(shù)(MSAVI)等5種植被指數(shù)，同時(shí)運(yùn)用數(shù)碼相機(jī)垂直拍攝樣方照片并進(jìn)行監(jiān)督分類(lèi)，提取植被覆蓋度，最后對(duì)樣方的植被覆蓋度和植被指數(shù)進(jìn)行相關(guān)分析、建立回歸模型和精度驗(yàn)證。結(jié)果表明：NDVI、RVI和MVI與植被覆蓋度高度相關(guān)，相關(guān)系數(shù)超過(guò)0.9；而且用NDVI反演的植被覆蓋度與實(shí)測(cè)值在α=0.05顯著水平下進(jìn)行t檢驗(yàn)，結(jié)果無(wú)顯著差異，平均精度達(dá)到95%以上，比其他植被指數(shù)模型更優(yōu)秀。研究結(jié)論對(duì)廣西巖溶石漠化地區(qū)植被覆蓋度的快速、連續(xù)監(jiān)測(cè)與評(píng)估具有重要參考價(jià)值。

植被覆蓋度；植被指數(shù)；耦合模型；廣西；巖溶地區(qū)

中國(guó)西南巖溶地區(qū)是世界上面積最大、最集中的連片喀斯特地區(qū)，由于受CO2-H2O-CaCO3三相不平衡動(dòng)力系統(tǒng)影響，其對(duì)環(huán)境變化的反應(yīng)十分敏感，是我國(guó)典型的生態(tài)脆弱區(qū)之一[1-2]。根據(jù)第二次全國(guó)石漠化監(jiān)測(cè)結(jié)果顯示，截至2011年，巖溶地區(qū)涉及貴州、云南、廣西、湖南、湖北、廣東、重慶、四川8個(gè)?。▍^(qū)、市）的463個(gè)縣，面積達(dá)4 529 萬(wàn)hm2；石漠化土地面積為1 200.2 萬(wàn)hm2，占巖溶面積的26.5%[3]。西南巖溶區(qū)地處亞熱帶季風(fēng)性濕潤(rùn)氣候區(qū)，地表復(fù)雜度高，地物交錯(cuò)分布且土被不連續(xù)，土壤保水能力低，植被以石生旱生為主[4-5]。脆弱的生態(tài)環(huán)境背景條件下，由于自然演化并疊加不合理的人為活動(dòng)，容易導(dǎo)致植被遭受破壞、土層嚴(yán)重流失而引起基巖大面積裸露、地面塌陷、物種多樣性受到限制、生產(chǎn)力低、人民生活困難等一系列生態(tài)和社會(huì)問(wèn)題[1,6]。

植被是巖溶生態(tài)系統(tǒng)的重要組成部分，也是連接土壤、大氣和水分的自然“紐帶”，植被覆蓋度指植物群落總體或個(gè)體地上部分的垂直投影面積與樣方面積的百分比，它反映植被的茂密程度和植物進(jìn)行光合作用面積的大小，它在陸地表面的能量交換過(guò)程、生物地球化學(xué)循環(huán)過(guò)程和水文環(huán)境中扮演著重要的角色。巖溶地區(qū)的水土流失、石漠化問(wèn)題，都涉及到區(qū)域植被覆蓋的變化問(wèn)題，因此研究植被覆蓋對(duì)于監(jiān)測(cè)巖溶地區(qū)石漠化、水土流失等具有重要的意義。

植被覆蓋度的獲取主要有地面測(cè)量方法和遙感反演方法兩大類(lèi)[7]。地面測(cè)量是獲取植被覆蓋度的傳統(tǒng)方法[8-10]，按原理可概括為：（1）目估法：該方法缺點(diǎn)是主觀(guān)隨意性強(qiáng)，不同的估測(cè)者得到的結(jié)果可能不同，甚至相差較大[11-12]；（2）儀器法：利用空間定量計(jì)SQS（spatial quantum sensor）或移動(dòng)光量計(jì)TQS（traversing quantum sell）等電子設(shè)備測(cè)量，缺點(diǎn)是受天氣條件的影響，觀(guān)測(cè)結(jié)果帶方向性，且野外操作不便[12]；（3）照相法：利用相機(jī)垂直成像的植被冠層照片進(jìn)行圖像解譯并統(tǒng)計(jì)測(cè)算覆蓋度，該方法受觀(guān)測(cè)條件限制小，操作者的人工干預(yù)少，估測(cè)精確，是植被蓋度地面測(cè)量的發(fā)展趨勢(shì)，是遙感等現(xiàn)代測(cè)量的可靠輔助和檢驗(yàn)手段[12-13]。遙感反演方法通常利用圖像中的紅光與近紅外光兩個(gè)最典型的波段來(lái)計(jì)算植被指數(shù)，再由植被指數(shù)來(lái)估算地表植被覆蓋度[14-17]，是一種宏觀(guān)、快速、經(jīng)濟(jì)地監(jiān)測(cè)地表植被覆蓋度的有效方法。

本研究在巖溶石漠化地區(qū)選取不同植被覆蓋度的樣地，采用光譜儀實(shí)測(cè)樣地對(duì)不同波長(zhǎng)的光譜響應(yīng)，構(gòu)建多種植被指數(shù)；再同步采用數(shù)碼相機(jī)實(shí)測(cè)樣地垂直照片，對(duì)照片監(jiān)督分類(lèi)后統(tǒng)計(jì)植被覆蓋度；研究建立植被覆蓋度與植被指數(shù)之間的關(guān)系模型，為巖溶地區(qū)植被覆蓋度的研究與監(jiān)測(cè)評(píng)估提供參考方法和模型。

1 研究區(qū)概況

選取巖溶石漠化較重的廣西壯族自治區(qū)柳江縣為研究區(qū)（見(jiàn)圖1），柳江縣地處北緯23°54′30″～24°29′00″、 東 經(jīng) 108°54′40″～ 109°44′45″之 間，地勢(shì)由東、西南兩面向中部?jī)A斜，地貌以巖溶丘陵為主，平原、丘陵、洼地、谷地、孤峰、殘丘交錯(cuò)分布，巖溶漏斗及落水洞極其發(fā)育。柳江縣屬亞熱帶季風(fēng)氣候，日照充足，雨量充沛，年平均氣溫20.4℃，平均降水量大于1 400 mm，平均日照1 600多h，無(wú)霜期332 d，非常適宜植物生長(zhǎng)。2010年末全縣森林面積11.10萬(wàn)hm2，森林覆蓋率達(dá)44.60%。

圖1 研究區(qū)行政區(qū)劃與遙感圖像Fig.1 Administrative divisions and remote sensing images in studied area

2 材料與方法

2.1 試驗(yàn)設(shè)計(jì)與數(shù)據(jù)采集

樣方設(shè)計(jì)：本研究采用1.5 m×1.5 m的樣方框，框邊上以10 cm間隔標(biāo)上刻度，以便后期對(duì)樣方數(shù)碼相片進(jìn)行幾何畸變校正和裁剪。采樣時(shí)，在典型巖溶石漠化區(qū)域選擇不同灌草覆蓋度的地點(diǎn)放置樣方框，用GPS定出樣方中心的坐標(biāo)并記錄。

樣方測(cè)量：于2013年6月20日～24日對(duì)研究區(qū)樣方進(jìn)行了光譜測(cè)量和垂直照相，工作時(shí)間介于10：00～14：00之間，天氣晴朗無(wú)云。測(cè)量時(shí)將相機(jī)和光譜儀安放在同一個(gè)自制的平臺(tái)上[18]，以保證兩臺(tái)設(shè)備的探測(cè)中心一致，平臺(tái)高度1.5 m（見(jiàn)圖2）。光譜測(cè)量使用美國(guó)NTech公司的手持式植被冠層光譜儀GreenSeeker，視場(chǎng)角15°，視場(chǎng)范圍為半徑0.20 m的圓，發(fā)射特定波長(zhǎng)為近紅外（770 nm）、紅光（656 nm），能夠直接讀出和記錄反射率、歸一化差值植被指數(shù)（NDVI）、比值植被指數(shù)（RVI）等指數(shù)。同步進(jìn)行垂直拍照，使用Pentax K5數(shù)碼單反相機(jī)，鏡頭焦距18 mm固定，視角76°，圖像尺寸為4 928×3 264像元，存儲(chǔ)為jpg格式，能夠完全覆蓋樣方范圍。試驗(yàn)共測(cè)量有效樣方91個(gè)，包括光譜反射率數(shù)據(jù)和照片數(shù)據(jù)。

圖2 樣方光譜測(cè)量與照相裝置及照片F(xiàn)ig.2 Spectral-photographic measurement device and camera assembly for quadrat survey

2.2 樣方植被覆蓋度的提取

照片糾正與裁剪：數(shù)碼相機(jī)拍攝的垂直照片屬中心投影，越往邊緣部分幾何畸變?cè)酱?，因此，?duì)原始照片需要進(jìn)行幾何糾正。幾何糾正在ArcGIS10.1軟件的Georeferencing功能下完成，按樣方邊框上的刻度定位8個(gè)控制點(diǎn)，每條邊框3個(gè)控制點(diǎn)，定義樣方框左下角為坐標(biāo)原點(diǎn)，單位取mm，這8個(gè)控制點(diǎn)的坐標(biāo)分別為（0，0）、（750，0）、（1500，0）、（1500，750）、（0，750）、（0，1500）、（750，750）、（1 500，1 500）。當(dāng)遇到植被冠層遮擋邊框刻度時(shí)，控制點(diǎn)可上下左右調(diào)整100 mm，校正時(shí)選擇2次多項(xiàng)式模型，重采樣時(shí)選擇最鄰近像元法，校正的均方根誤差全部在5 mm以?xún)?nèi)。由于光譜儀的視場(chǎng)是照片中心200 mm半徑的圓，為使兩種設(shè)備的測(cè)量范圍一致，將糾正后的照片裁剪出樣方中心400 mm的正方形進(jìn)行植被覆蓋度提取。

植被覆蓋度提?。禾崛臃街脖桓采w度的實(shí)質(zhì)是將樣方照片進(jìn)行植被與背景的分類(lèi)，然后統(tǒng)計(jì)植被像元所占的比例[19]。李存軍等[12]對(duì)比了非監(jiān)督分類(lèi)法（ISODATA法）、監(jiān)督分類(lèi)法（最大似然法）和基于顏色規(guī)則的自動(dòng)分類(lèi)法對(duì)冬小麥垂直照片的分類(lèi)精度，得出最大似然法和自動(dòng)分類(lèi)法精度較高且結(jié)果相差不大。賈建華等[19]發(fā)現(xiàn)超綠色算法對(duì)綠色植被比較敏感，并采用K均值聚類(lèi)算法設(shè)計(jì)了植被覆蓋度的自動(dòng)提取軟件，提取結(jié)果和人工監(jiān)督分類(lèi)的比較誤差在5%以?xún)?nèi)。由于巖溶地區(qū)灌草組成較復(fù)雜，植被顏色較豐富，同類(lèi)植被多呈現(xiàn)出漸變顏色，本研究使用基于顏色規(guī)則的自動(dòng)分類(lèi)法和超綠色算法聚類(lèi)的分類(lèi)效果不甚理想，最終使用了ENVI5.0軟件進(jìn)行監(jiān)督分類(lèi)，由全程參與拍攝測(cè)量的筆者選擇每幅圖像中的各種植被及背景作為訓(xùn)練樣區(qū)，用最大似然法做監(jiān)督分類(lèi)，分類(lèi)結(jié)果與原始圖像對(duì)照后，確認(rèn)準(zhǔn)確可靠，部分樣方分類(lèi)結(jié)果見(jiàn)圖3。

2.3 植被指數(shù)的選取與計(jì)算

許多研究[20-23]表明，利用植被對(duì)不同波長(zhǎng)的反射率構(gòu)建的植被指數(shù)與植被覆蓋度有緊密的相關(guān)關(guān)系，這些植被指數(shù)有：歸一化差值植被指數(shù)[24]（NDVI，x1）、差值植被指數(shù)[25]（DVI，x2）、比值植被指數(shù)[26]（RVI，x3）、修正植被指數(shù)[27]（MVI，x4）、修改型土壤調(diào)節(jié)植被指數(shù)[28]（MSAVI，x5）等，各植被指數(shù)的計(jì)算見(jiàn)公式（1）～（5）。本研究主要探討上述5種植被指數(shù)與巖溶石漠化區(qū)域植被覆蓋度之間的關(guān)系。

公式（1）～（5）中：N、R分別表示植被在近紅外、紅光波段的反射率。

圖3 樣方的原始影像與分類(lèi)結(jié)果Fig.3 Primitive images of quadrats and their classifyied results

2.4 覆蓋度與植被指數(shù)的耦合模型

將巖溶石漠化區(qū)域樣方數(shù)碼照片提取的灌草植被覆蓋度與樣方實(shí)測(cè)的光譜數(shù)據(jù)構(gòu)建的5種植被指數(shù)讀入MathWorks公司的Matlab軟件，首先對(duì)數(shù)據(jù)進(jìn)行初步分析，得到散點(diǎn)圖（見(jiàn)圖4）。然后根據(jù)散點(diǎn)圖的趨勢(shì)，采用曲線(xiàn)擬合工具（Curve Fitting Tool）分別選擇不同的數(shù)學(xué)模型對(duì)覆蓋度與植被指數(shù)的關(guān)系進(jìn)行擬合，再根據(jù)相關(guān)系數(shù)（R-square）、誤差平方和（SSE）、標(biāo)準(zhǔn)差（RMSE）等指標(biāo)來(lái)選出最優(yōu)模型。

3 結(jié)果與分析

3.1 植被覆蓋度與植被指數(shù)相關(guān)性分析

將91個(gè)樣方的植被覆蓋度（VF）分別與不同植被指數(shù)（VI）在Matlab軟件下利用corrcoef函數(shù)計(jì)算兩個(gè)序列的皮爾遜積矩相關(guān)系數(shù)（Pearson product-moment correlation coef ficient），結(jié)果如表1所示。結(jié)果表明，巖溶地區(qū)樣方實(shí)測(cè)的植被覆蓋度與同步光譜測(cè)量所計(jì)算的幾種常用的植被指數(shù)都有顯著的相關(guān)性，說(shuō)明可以采用植被指數(shù)來(lái)反演巖溶地區(qū)的植被覆蓋度。其中，NDVI、MVI與VF高度正相關(guān)，而RVI與VF高度負(fù)相關(guān)。

3.2 植被覆蓋度與植被指數(shù)模型擬合

為進(jìn)一步分析植被覆蓋度（VF）與植被指數(shù)（VI）之間的回歸關(guān)系，同時(shí)避免“虛假回歸”，從樣本數(shù)據(jù)中按等間隔抽樣法取10組數(shù)據(jù)作為檢驗(yàn)數(shù)據(jù)，其余81組VF與VI成對(duì)數(shù)據(jù)作為建模數(shù)據(jù)。將建模數(shù)據(jù)導(dǎo)入Matlab軟件的Curve Fitting Tool工具，以VI為自變量X，VF為因變量Y，根據(jù)VI-VF趨勢(shì)分別選用不同的模型擬合曲線(xiàn)（見(jiàn)圖5），篩選得到各自較好的擬合結(jié)果（見(jiàn)表2）。由表2可知，VF-NDVI擬合模型的可決系數(shù)（R-Square）大于0.85，可認(rèn)為該模型擬合得較好，故NDVI是巖溶地區(qū)反演植被覆蓋度的最佳因子，其次是RVI與MVI植被指數(shù)。

圖4 植被覆蓋度與各種植被指數(shù)的二維散點(diǎn)Fig.4 Two-dimensional scatter-plots between vegetation fraction and vegetation indexes

表1 植被覆蓋度與不同植被指數(shù)相關(guān)分析?Table 1 Correlation analysis between vegetation coverage and different vegetation index

3.3 回歸模型的檢驗(yàn)

利用抽取的10組檢驗(yàn)數(shù)據(jù)對(duì)模型估計(jì)值與實(shí)測(cè)值在α=0.05顯著水平下進(jìn)行差異顯著性t檢驗(yàn)，結(jié)果得到3個(gè)模型的t（NDVI，RVI，MVI）＜T0.05(10+10-2)=2.101，即應(yīng)用模型估計(jì)的植被覆蓋度與實(shí)測(cè)值沒(méi)有顯著差異；進(jìn)一步對(duì)模型估計(jì)值計(jì)算最大、最小和平均誤差率，結(jié)果表明，運(yùn)用NDVI估計(jì)的植被覆蓋度與實(shí)測(cè)值的誤差率相對(duì)最小，模型較穩(wěn)定，檢驗(yàn)結(jié)果如表3所示。

圖5 植被覆蓋度與植被指數(shù)擬合曲線(xiàn)Fig.5 Fitting curves between vegetation fraction and vegetation indexes

表2 植被覆蓋度與不同植被指數(shù)最優(yōu)模型Table 2 Optimal models constructed between vegetation coverage and different vegetation index

4 結(jié) 論

選擇廣西典型巖溶山區(qū)灌草植被類(lèi)型設(shè)置樣方，運(yùn)用野外光譜儀實(shí)測(cè)不同覆蓋度樣方的植被反射光譜，并構(gòu)建歸一化差值植被指數(shù)等5種植被指數(shù)；同時(shí)運(yùn)用數(shù)碼相機(jī)垂直拍攝樣方照片并分類(lèi)提取植被覆蓋度；對(duì)樣方的植被覆蓋度和植被指數(shù)進(jìn)行相關(guān)分析并建立回歸模型，研究結(jié)果表明：

表3 模型檢驗(yàn)的結(jié)果Table 3 Tested results of different vegetation fraction and vegetation indexes models

（1）植被覆蓋度與歸一化差值植被指數(shù)等5種植被指數(shù)之間均具有顯著的相關(guān)性，其中與歸一化差值植被指數(shù)、比值植被指數(shù)和修正植被指數(shù)之間高度相關(guān)，相關(guān)系數(shù)超過(guò)0.9，說(shuō)明采用歸一化差值植被指數(shù)等植被指數(shù)估測(cè)巖溶地區(qū)植被覆蓋度是可信的。

（2）將具有高度相關(guān)的植被覆蓋度與植被指數(shù)進(jìn)行回歸分析，建立統(tǒng)計(jì)模型，對(duì)模型的估計(jì)值與實(shí)測(cè)值進(jìn)行差異顯著性t檢驗(yàn)并進(jìn)行誤差分析，綜合對(duì)比得出植被覆蓋度Y=0.791 6*2.336*X×1.336*exp(-0.791 6*X×2.336)（Y為植被覆蓋度，X為植被指數(shù)）模型的擬合優(yōu)度最好，估計(jì)值與實(shí)測(cè)值無(wú)顯著差異且誤差率相對(duì)最小。

（3）廣西巖溶山區(qū)的生態(tài)系統(tǒng)十分脆弱，對(duì)其植被進(jìn)行持續(xù)監(jiān)測(cè)非常必要。初步研究結(jié)果表明，采用地機(jī)實(shí)測(cè)歸一化差值植被指數(shù)數(shù)據(jù)對(duì)植被覆蓋度的反演精度較高，為進(jìn)一步建立巖溶地區(qū)“天—機(jī)—地”立體監(jiān)測(cè)系統(tǒng)進(jìn)行了有益的試驗(yàn)，將研究結(jié)果進(jìn)行尺度轉(zhuǎn)換后可以應(yīng)用于較大區(qū)域，為利用多源遙感圖像對(duì)巖溶地區(qū)植被狀況進(jìn)行連續(xù)監(jiān)測(cè)打下基礎(chǔ)。

[1]袁道先.我國(guó)西南巖溶石山的環(huán)境地質(zhì)問(wèn)題[J].世界科技研究與發(fā)展 ,1997,19(05)： 41-43.

[2]陳華宣,王君華.基于TM數(shù)據(jù)的西南巖溶區(qū)石漠化調(diào)查研究[J].氣象研究與應(yīng)用,2010,31(03)：41-43.

[3]劉澤英.我國(guó)土地石漠化整體擴(kuò)展趨勢(shì)得到初步遏制[J].中國(guó)林業(yè) , 2012,(12)：1.

[4]李陽(yáng)兵,白曉永,周?chē)?guó)富,等.中國(guó)典型石漠化地區(qū)土地利用與石漠化的關(guān)系[J].地理學(xué)報(bào),2006,61(6)：624-632.

[5]岳躍民,張 兵,王克林,等.石漠化遙感評(píng)價(jià)因子提取研究 [J].遙感學(xué)報(bào),2011,15(4)：722-736.

[6]況順達(dá),戴傳固,王尚彥,等.巖溶石漠化遙感信息增強(qiáng)技術(shù)探討 [J].貴州地質(zhì),2009,26(1)：44-48.

[7]陳云浩,李曉兵,史培軍,等.北京海淀區(qū)植被覆蓋的遙感動(dòng)態(tài)研究[J].植物生態(tài)學(xué)報(bào), 2001,25(5)：588- 593.

[8]Sutherland W J. Manual of ecology survey methods[M]. Beijing：Scienti fic and Technical Documents Publishing House, 1999.

[9]Zhou Q, Robson M, Pilesjo P. On-the-ground estimation of vegetation cover in Australian rangelands[J]. International Journal of Remote Sensing,1998,19(9)：1815-1820.

[10]Steven S, Seefeldt D. Terrance Booth. Measuring Plant Cover in Sagebrush Steppe Rangelands： A Comparison of Methods[J].Environmental Management, 2006, 37(5)：703-711.

[11]章文波,符素華,劉寶元.目估法測(cè)量植被覆蓋度的精度分析[J].北京師范大學(xué)學(xué)報(bào)：自然科學(xué)版,2001,37(3)：402-408.

[12]李存軍,王紀(jì)華,劉良云,等. 基于數(shù)字照片特征的小麥覆蓋度自動(dòng)提取研究[J]. 浙江大學(xué)學(xué)報(bào)：農(nóng)業(yè)與生命科學(xué)版,2004, 30(6)： 650-656.

[13]張學(xué)霞,朱清科,吳根梅,等. 數(shù)碼照相法估算植被蓋度[J].北京林業(yè)大學(xué)學(xué)報(bào),2008,30(1)：164-169.

[14]馬 馳,盧玉東.重慶南部TM圖像植被指數(shù)與植被覆蓋度信息的關(guān)系研究[J].水土保持研究,2008,15(06)：136-138.

[15]李曉松,李增元,高志海,等.基于Hyperion植被指數(shù)的干旱地區(qū)稀疏植被覆蓋度估測(cè)[J].北京林業(yè)大學(xué)學(xué)報(bào), 2010,32(3)： 95-100.

[16]游浩妍,駱成鳳,劉正軍,等.基于MODIS植被指數(shù)估算青海湖流域植被覆蓋度研究[J].遙感信息,2012,27(05)：55-60, 66.

[17]黎良財(cái),鄧 利,曹 穎,等.基于NDVI像元二分模型的礦區(qū)植被覆蓋動(dòng)態(tài)監(jiān)測(cè)[J].中南林業(yè)科技大學(xué)學(xué)報(bào),2012, 32(6)：18-23.

[18]北京師范大學(xué). 便攜型植被覆蓋度攝影測(cè)量?jī)x[P].中國(guó)：ZL200820114817.1.2009-09-02.

[19]賈建華,胡 勇,劉良云.青藏高原數(shù)字照片植被覆蓋度自動(dòng)算法與應(yīng)用[J].地球信息科學(xué)學(xué)報(bào),2010,12(6)：880-885.

[20]徐 爽,沈潤(rùn)平,楊曉月.利用不同植被指數(shù)估算植被覆蓋度的比較研究[J].國(guó)土資源遙感,2012,(04)：95-100.

[21]邢白靈,居為民,朱高龍,等.呼倫貝爾草原植被覆蓋度地面實(shí)測(cè)與遙感估算研究[J].江西農(nóng)業(yè)學(xué)報(bào),2012,24(5)：142-147.

[22]凌成星,林 輝,薛曉坡.基于植被指數(shù)特征和空間分析的石漠化信息提取[J].水土保持研究,2009,16(1)：167-171.

[23]江 洪,汪小欽,吳 波,等.地形調(diào)節(jié)植被指數(shù)構(gòu)建及在植被覆蓋度遙感監(jiān)測(cè)中的應(yīng)用[J].福州大學(xué)學(xué)報(bào)：自然科學(xué)版,2010, 38(4)：527-532.

[24]Rouse J W, Haas R H, Schell J A,et al.Monitoring Vegetation Systems in the Great Plains with ERTS [C]//Third Earth Resources Technology Satellite-1 Symposium. Washington. DC.NASA,1973：309-317.

[25]Jordan C F. Derivation of Leaf-Area Index from Quality of Light on the Forest Floor[J]. Ecology,1969,50(4)：663-666.

[26]Pearson R L, Miller D L. Remote Mapping of Standing Crop Biomass for Estimation of the Productivity of the Shortgrass Prairie[C]. Proceedings of the English International Symuposium on Remote Sensing of Environment,1972：1375-1381.

[27]McDaniel K C, Haas R H. Assessing Mesquite-grass Vegetation Condition from Landsat[J]. Photogrammetric Engineering and Remote Sensing,1982,48(3)：441-450.

[28]Qi J, Chenbouni A, Huete A R,et al.A Modi fied Soil Adjusted Vegetation Index[J]. Remote Sensing of Environment, 1994,48(2)： 119-126.

Study on coupled models between vegetation fraction and vegetation index in Guangxi karst mountainous area

LI Liang-cai1,2, ZHANG Xiao-li1, DENG Li2, WU Rui3
(1. College of Forestry, Beijing Forestry University, Beijing 100083, China; 2.Guangxi Ecological Engineering Vocational and Technical College, Liuzhou 545004, Guangxi, China; 3.Chinese Academy of Forest Inventory and Planning, State Forestry Administration, Beijing 100714, China)

Ninety-one quadrats were set of shrub and herb vegetation types in Guangxi typical karst mountains area. By using GreenSeeker hand-held spectrometer, the spectral responses of shrub and grass in different vegetation coverage quadrats were measured,and the normalized data of five vegetation indexes were calculated such as NDVI (Normalized Difference Vegetation Index), DVI(Difference Vegetation Index), RVI (Ratio Vegetation Index), MVI (Modi fied Vegetation Index) and MSAVI (Modi fied Soil Adjusted Vegetation Index). At the same time, the photos were vertically taken from from above the quadrats by digital camera, Then the vegetation fraction (VF) could be extracted through a series of image pre-processing and image supervised classi fication by ArcGIS10.1 and ENVI4.8 software. Finally, the correlation between Quadrats’ vegetation coverage and vegetation index were analyzed and the regression models of two variables were established, and the accuracy of the models were veri fied by means of small sample inspection.The results show that there were high correlations between NDVI, RVI, MVI and vegetation coverage, and the correlation coef ficient was greater than 0.9. The accuracy of vegetation coverage model inversed with NDVI was better than those of other models which inversed with rest vegetation indexes. The VF-NDVI model passed the check through t-test under the alpha=0.05 signi ficant levels and the overall average accuracy were 95% or more. The research results can be used as the important references for fast, continuous monitoring and evaluating the vegetation fraction in Guangxi karst mountainous area in China.

vegetation coverage; vegetation index; coupled model; Guangxi Zhuang Autonomous Region; karst mountainous area

S711；P642.252；P182.3+1

A

1673-923X(2015)05-0028-07

10.14067/j.cnki.1673-923x.2015.05.005

2014-01-12

國(guó)家“863”計(jì)劃課題(2012AA102001-5)；廣西林業(yè)科技項(xiàng)目（桂林科字[2014]38號(hào)）

黎良財(cái)，副教授，博士研究生

張曉麗，教授，博士生導(dǎo)師； E-mail：zhang-xl@263. net

黎良財(cái),張曉麗,鄧 利,等. 廣西巖溶地區(qū)植被覆蓋度與植被指數(shù)耦合模型研究[J].中南林業(yè)科技大學(xué)學(xué)報(bào), 2015, 35(5)：28-34.

[本文編校：謝榮秀]