林 茜，郭 飛,2,3，黃昌春,2,3，楊雪峰

(1.南京師范大學(xué)虛擬地理環(huán)境教育部重點(diǎn)實(shí)驗(yàn)室，江蘇 南京 210023； 2.江蘇省地理環(huán)境演化國家重點(diǎn)實(shí)驗(yàn)室培育建設(shè)點(diǎn)，江蘇 南京 210023； 3.江蘇省地理信息資源開發(fā)與利用協(xié)同創(chuàng)新中心，江蘇 南京 210023；4.新疆師范大學(xué)地理科學(xué)與旅游學(xué)院，新疆 烏魯木齊 830054)

基于MODIS的植被指數(shù)對(duì)估測塔里木河中下游植被蓋度的適用性

林 茜1，郭 飛1,2,3，黃昌春1,2,3，楊雪峰4

(1.南京師范大學(xué)虛擬地理環(huán)境教育部重點(diǎn)實(shí)驗(yàn)室，江蘇 南京 210023； 2.江蘇省地理環(huán)境演化國家重點(diǎn)實(shí)驗(yàn)室培育建設(shè)點(diǎn)，江蘇 南京 210023； 3.江蘇省地理信息資源開發(fā)與利用協(xié)同創(chuàng)新中心，江蘇 南京 210023；4.新疆師范大學(xué)地理科學(xué)與旅游學(xué)院，新疆 烏魯木齊 830054)

以干旱荒漠區(qū)塔里木河中下游的植被為研究對(duì)象，采用長時(shí)間序列的MODIS數(shù)據(jù)構(gòu)建研究區(qū)常用的4種植被指數(shù)[歸一化植被指數(shù)(NDVI)、差值植被指數(shù)(DVI)、增強(qiáng)型植被指數(shù)(EVI)、比值植被指數(shù)(RVI)]，并通過遙感方法和Image J軟件獲得研究區(qū)植被覆蓋度，分析發(fā)現(xiàn)與實(shí)測的植被覆蓋度有顯著相關(guān)性。從Image J獲得的植被覆蓋度與4種植被指數(shù)的回歸結(jié)果可以得出4種植被指數(shù)在研究區(qū)的適用性，從而優(yōu)選出最適合此研究區(qū)的植被指數(shù)。結(jié)果表明，基于MODIS的4種植被指數(shù)與研究區(qū)實(shí)際植被覆蓋度之間存在顯著的正相關(guān)關(guān)系，各植被指數(shù)與研究區(qū)植被覆蓋度的擬合程度由高到低依次是NDVI>EVI>RVI>DVI，使用NDVI獲取植被信息最為適宜。

MODIS；植被指數(shù)；植被覆蓋度；Image J；塔里木河流域；干旱荒漠區(qū)

植被是土地生產(chǎn)力變化的重要指示因子，在西北干旱地區(qū)，對(duì)植被的研究尤為重要。將多光譜數(shù)據(jù)通過線性和非線性的配合能得到植被指數(shù)(vegetation index，VI) 的各類數(shù)值，這些數(shù)值與植被的蓋度、生物量等都具有良好的相關(guān)性，對(duì)植被有相關(guān)指示作用[1-3]。植被指數(shù)法是一種經(jīng)濟(jì)有效的方法，它可以從遙感圖像中獲取大尺度的植被信息，這是基于軌道上衛(wèi)星紅外波段的不同組合，這些頻段包括了超過90%的植被信息[4-5]。以往對(duì)干旱區(qū)植被的研究大多是通過分析植被指數(shù)反映植被生長變化趨勢(shì)[6]，或通過植被指數(shù)法估算地表植被覆蓋度[7-11]，如以塔里木河下游為研究對(duì)象，用某天的MODIS數(shù)據(jù)構(gòu)建出多種植被指數(shù)與現(xiàn)場實(shí)測植被覆蓋度進(jìn)行回歸反演[6]，但把植被指數(shù)與植被覆蓋度聯(lián)系起來并長時(shí)間研究，從而分析它們之間的相關(guān)性，進(jìn)而選擇更適合于該研究區(qū)的植被指數(shù)，這方面的研究尚不多見。

選擇適宜的植被指數(shù)是植被狀態(tài)遙感測量的關(guān)鍵技術(shù)[12]，對(duì)于塔里木河這一研究區(qū)，植被稀疏破碎，因其流域水源相對(duì)充足，植被覆蓋度具有由高至低的過渡性。塔里木河下游恰拉至臺(tái)特瑪湖這一條狀植被帶具有抵御風(fēng)沙、保護(hù)綠洲安全的作用，被人們稱為“下游綠色走廊”，而不同植被指數(shù)在監(jiān)測的重點(diǎn)和適宜區(qū)域上是存在差異的[13]，為能更好地反映和監(jiān)測此地區(qū)的植被狀況，本研究采用長時(shí)間序列的MODIS數(shù)據(jù)構(gòu)建常用的4種植被指數(shù)，并通過遙感方法和Image J軟件獲取研究區(qū)植被覆蓋度，與實(shí)測的植被覆蓋度進(jìn)行比較分析，對(duì)研究區(qū)植被指數(shù)的適用性研究具有一定的理論和實(shí)踐意義。

1 研究區(qū)概況

新疆塔里木河流域總面積可達(dá)102萬km2，它是從塔里木盆地周邊向中間集流的區(qū)域，包括九大水系的114條源頭河以及塔里木河干流。塔里木河作為中國第一大內(nèi)陸河，其長度為2 137 km，地理坐標(biāo)是71°39″-93°45″ E、34°20″-43°39″ N。

研究區(qū)屬于大陸性暖溫帶，多戈壁、沙漠，地處歐亞大陸腹地，遠(yuǎn)離海洋，四周又多高山環(huán)繞，降水稀少，沿河一帶具有獨(dú)特的生態(tài)系統(tǒng)，并且沿岸形成一條狹長的植被帶，由喬木、灌木和草本植物群落構(gòu)成，其中以旱生耐鹽種類占優(yōu)勢(shì)，主要分布有胡楊(Populusdiversifolia)、檉柳(Tamarixchinensis)等植被。上游地區(qū)大多是起伏不平的沙漠，河水很不穩(wěn)定，特別是河水流量的季節(jié)性變化又非常大，冰山融化產(chǎn)生的水流中攜帶著大量的泥沙流向塔里木河中下游。研究區(qū)地勢(shì)西高東低，三面都被高大的山體阻隔，河流自西向東環(huán)繞著塔克拉瑪干沙漠穿過塔里木盆地。每當(dāng)炎熱的夏季到來時(shí)，冰川上的積雪融化，導(dǎo)致河水流量急劇增加。目前，流域內(nèi)仍以農(nóng)牧業(yè)為主，種植有糧食、核桃(Juglansregia)、庫爾勒香梨(Annonasquamosa)等。

2 數(shù)據(jù)采集與處理

2.1 數(shù)據(jù)采集與預(yù)處理

因不能保證每個(gè)時(shí)段的數(shù)據(jù)影像都沒有云層覆蓋，而氣象要素對(duì)數(shù)據(jù)質(zhì)量的影響較大，考慮下載MODL1B后處理數(shù)據(jù)的繁瑣性，研究區(qū)數(shù)據(jù)選取從美國國家航空航天局(NASA)網(wǎng)站上下載的2007年的MOD13Q1數(shù)據(jù)產(chǎn)品，其空間分辨率為250 m。MOD13Q1數(shù)據(jù)是16 d合成的，里面包含12個(gè)字段的數(shù)據(jù)。本研究選用其中的4個(gè)字段即250 m 16 d NDVI、250 m 16天EVI、250 m 16 d紅光反射和250 m 16 d近紅外反射進(jìn)行研究。用ENVI中MODIS conversion toolkit (MCTK)插件對(duì)MOD13Q1數(shù)據(jù)進(jìn)行坐標(biāo)重投影，并用Band Math計(jì)算比值植被指數(shù)(RVI)和差值植被指數(shù)(DVI)。RVI中輸入B1/B2，DVI中輸入B1-B2。其中B1代表近紅波段，B2代表紅波段。

2.2 植被覆蓋度獲取

研究區(qū)位于南疆，采用實(shí)地方法去測量植被覆蓋度，測得的結(jié)果會(huì)比較準(zhǔn)確。但卻無法測量到流域中某些地區(qū)的植被覆蓋，難度較大。在目前，應(yīng)用比較廣泛的方法是根據(jù)歸一化植被指數(shù)NDVI計(jì)算植被覆蓋度。但NDVImax和NDVImin的選取存在著很強(qiáng)的人為主觀性[14]。

Image J是一個(gè)基于Java的圖像處理軟件，可用于創(chuàng)建、顯示、編輯、處理分析圖像。通過適當(dāng)調(diào)節(jié)圖像閾值、粒子圓度(circularity)以及粒子尺寸(size)等，能對(duì)圖片中的區(qū)域面積進(jìn)行統(tǒng)計(jì)，它已經(jīng)在醫(yī)學(xué)和生物等領(lǐng)域被廣泛應(yīng)用[15]，其分析測量功能在一些領(lǐng)域被用來測量面積[16-18]。

研究區(qū)主要以檉柳、黑刺(Hippophaeneurocarpa)、鈴鐺刺(Halimodendronhalodendron)等灌木和以胡楊等喬木為主。從衛(wèi)星影像上看這些植被(特別是灌木)具有非常好的形態(tài)和圓度。而用Image J來計(jì)算植被蓋度時(shí)需要設(shè)置粒子圓度，為保證準(zhǔn)確度，研究區(qū)選取灌木分布的區(qū)域進(jìn)行研究，這樣就可以把植被近似看成是一個(gè)個(gè)粒子。從Google Earth上選取2007年各時(shí)間段的研究區(qū)衛(wèi)星圖，把它與NASA上下載的研究區(qū)各時(shí)間的MODIS影像進(jìn)行經(jīng)緯度投影。分別在兩者疊加的基礎(chǔ)上，從衛(wèi)星圖中截出相應(yīng)250 m×250 m大小的合計(jì)72個(gè)樣地，劃出并保存樣地矢量，以便后期獲取對(duì)應(yīng)樣地的植被指數(shù)。要注意的是，需要選取較多的研究區(qū)樣地，并且要做到均勻分布。圖1a是從2007年8月13日的Google Earth衛(wèi)星圖上截取的一個(gè)研究區(qū)下游樣地(88°40.98″ E，40°26′48.20″ N)，圖1b是用ImageJ軟件對(duì)該樣地進(jìn)行植被覆蓋度統(tǒng)計(jì)時(shí)顯示的統(tǒng)計(jì)結(jié)果。

圖1 研究區(qū)某樣地衛(wèi)星截取圖(a)及Image J植被覆蓋度統(tǒng)計(jì)結(jié)果(b)Fig.1 Sample in the downstream (a) and the statistical result of vegetation coverage using Image J (b)

注：b圖中黑色代表植被覆蓋的地方(其中“Area”下的0.151 37是這一樣地下的植被覆蓋度)。

Note:The black represents the area of vegetation coverage in image b (The “Area” of 0.151 37 is the vegetation coverage in this sample).

2.3 植被指數(shù)獲取

根據(jù)現(xiàn)有的各時(shí)間段具有的NDVI、DVI、增強(qiáng)型植被指數(shù)(EVI)和RVI 4種植被指數(shù)，用ENVI軟件分別疊加樣地矢量層，并作圖(圖2)，同時(shí)提取出72個(gè)樣地的植被指數(shù)值。

2.4 數(shù)據(jù)處理

采用SPSS軟件和Excel軟件對(duì)數(shù)據(jù)進(jìn)行分析，并制圖。

3 結(jié)果與分析

3.1 2007年8月13日的植被指數(shù)與實(shí)測獲得的植被覆蓋度回歸分析

根據(jù)落在每個(gè)覆蓋度區(qū)間的樣地?cái)?shù)保持一致的原則，把研究區(qū)分成了高植被覆蓋(覆蓋度>15%)、中植被覆蓋(10%<覆蓋度≤15%)、中低植被覆蓋(5%<覆蓋度≤10%)和低植被覆蓋(0≤覆蓋度≤5%)這4個(gè)區(qū)間，記錄72個(gè)樣地的4個(gè)植被指數(shù)(圖3)。以VI為橫坐標(biāo)，實(shí)測植被覆蓋度(Fvc)為縱坐標(biāo)，進(jìn)行兩者的線性回歸，得到擬合方程(圖4)，運(yùn)用SPSS軟件分析兩者的相關(guān)程度，總結(jié)得出植被覆蓋度與植被指數(shù)的相關(guān)性分析表(表1)。結(jié)果表明，研究區(qū)72個(gè)樣地上獲得的4個(gè)植被指數(shù)與實(shí)測的植被覆蓋度之間均存在極顯著相關(guān)性(P<0.001)。

圖2 研究區(qū)72個(gè)樣點(diǎn)圖Fig.2 The study area with 72 samples

注：底圖為2007年8月13日的NDVI植被指數(shù)。

Note: The background is the normalized difference vegetation index (NDVI) of August 13, 2007.

回歸分析圖(圖4)直線方向?yàn)榈?，3象限方向，各種植被指數(shù)與植被覆蓋度均呈正相關(guān)關(guān)系。從曲線的擬合程度來看，NDVI的效果最好，說明在塔里木河中下游這一研究區(qū)比較適宜用NDVI來表達(dá)植被信息。分別進(jìn)行各植被指數(shù)在4個(gè)植被覆蓋度區(qū)間的相關(guān)性(R2)分析(表1)，結(jié)果發(fā)現(xiàn)，與NDVI的相關(guān)程度最高。

3.2 2007年4種植被指數(shù)與實(shí)測植被覆蓋度比較

3.2.1 2007年8月13日實(shí)測植被覆蓋度與Image J測得的植被覆蓋度的對(duì)比分析 通過實(shí)地測量得到研究區(qū)2007年8月13日的72個(gè)灌木樣地的植被覆蓋度，將其作為縱坐標(biāo)，用Image J計(jì)算相應(yīng)72個(gè)樣地植被覆蓋度(FI)，將其為橫坐標(biāo)，驗(yàn)證發(fā)現(xiàn)，P<0.001，相關(guān)系數(shù)為0.940 1，說明實(shí)測植被覆蓋度與計(jì)算得出的植被覆蓋度呈極顯著的相關(guān)關(guān)系(圖5)。

3.2.2 2007年各植被指數(shù)與植被覆蓋度的相關(guān)性分析 由于缺少2007年長期的植被覆蓋度實(shí)測數(shù)據(jù)，2007年8月13日是具有實(shí)測植被覆蓋度數(shù)據(jù)的，同時(shí)發(fā)現(xiàn)，2007年8月13日的實(shí)測植被覆蓋度與用Image J測得的當(dāng)天植被覆蓋度呈極顯著相關(guān)關(guān)系(P<0.001)(圖6)。因此，將用Image J測得的各時(shí)段的植被覆蓋度作為2007年的覆蓋度實(shí)測值進(jìn)行分析(其中各時(shí)段對(duì)應(yīng)于2007年MOD13Q1數(shù)據(jù)產(chǎn)品的各個(gè)時(shí)間)。用Excel對(duì)2007年各時(shí)段的4個(gè)植被指數(shù)與Image J測得的植被覆蓋度進(jìn)行回歸分析，得到不同時(shí)段相關(guān)系數(shù)R2(圖6)，發(fā)現(xiàn)與NDVI的相關(guān)系數(shù)均最大，且P<0.001。

3.3 植被覆蓋度的遙感估算

根據(jù)植被覆蓋度與植被指數(shù)的相關(guān)公式[17]，運(yùn)用ENVI 4.5中的Band Math進(jìn)行相關(guān)運(yùn)算，得到研究區(qū)的植被覆蓋度，以MOD13Q1數(shù)據(jù)集中2007年8月13日的數(shù)據(jù)為例(圖7)，其NDVI植被指數(shù)與實(shí)測覆蓋度數(shù)據(jù)誤差最小。在2007年各時(shí)段，NDVI的相關(guān)系數(shù)都最大，也最適宜表達(dá)研究區(qū)植被(圖6)，因此選用之前計(jì)算得到的NDVI這一植被指數(shù)進(jìn)行研究區(qū)植被覆蓋度的估算，結(jié)果發(fā)現(xiàn)，估計(jì)值很接近實(shí)際地表覆蓋情況。

圖3 研究區(qū)4種植被指數(shù)圖Fig.3 Four kinds of vegetation index in the study area

圖4 各植被指數(shù)與實(shí)測植被覆蓋度的回歸分析圖Fig.4 The regression analysis of vegetation index(VI) and measured vegetation coverage

表1 各植被指數(shù)在不同植被覆蓋度區(qū)間的相關(guān)系數(shù)Table 1 Correlation analysis of vegetation index(VI) in four vegetation coverage areas

圖5 實(shí)測植被覆蓋度與Image J計(jì)算出的 樣地植被覆蓋度的相關(guān)性分析Fig.5 Comparison analysis of measured vegetation coverage and vegetation coverage calculated using Image J

4 討論與結(jié)論

4.1 討論

本研究對(duì)2007年8月13日以及2007年的植被指數(shù)與實(shí)測植被覆蓋度進(jìn)行線性回歸后發(fā)現(xiàn),適宜程度最好的是NDVI植被指數(shù)，其相關(guān)系數(shù)集中在0.87(圖6)附近，其余3個(gè)植被指數(shù)(DVI、EVI、RVI)的值相對(duì)較低，且相關(guān)系數(shù)呈EVI>RVI>DVI的順序。在4個(gè)植被覆蓋度區(qū)間(高植被覆蓋區(qū)、中植被覆蓋區(qū)、中低植被覆蓋區(qū)、低植被覆蓋區(qū))的4個(gè)植被指數(shù)中也是與NDVI的相關(guān)性最高，然后依次是EVI、RVI和DVI。其中在高植被覆蓋區(qū)和中植被覆蓋區(qū)的4個(gè)植被指數(shù)的相關(guān)系數(shù)比其余兩個(gè)覆蓋區(qū)(中低植被覆蓋區(qū)和低植被覆蓋)高。

圖6 2007年各植被指數(shù)與實(shí)測植被覆蓋度的相關(guān)系數(shù)Fig.6 Comparison analysis of four vegetation indices and measured vegetation coverage in 2007

圖7 用NDVI進(jìn)行植被覆蓋度的遙感估計(jì)Fig.7 Remote sensing estimation of vegetation cover by using normalized difference vegetation index

對(duì)上述結(jié)果的解釋，一方面，需要從這4個(gè)植被指數(shù)的基本特點(diǎn)和適用情況進(jìn)行分析。NDVI的應(yīng)用最為普遍，它能較好地反映高植被覆蓋地區(qū)的植被情況，對(duì)低蓋度地區(qū)的植被反映情況存在較大誤差，會(huì)在一定程度上受到土壤背景的干擾[19-20]。DVI能極其敏銳地響應(yīng)土壤背景的變化，主要用于植被發(fā)育的早期階段，即覆蓋度比較低的階段；EVI也常常被用在植被密集的地區(qū)[21]。土壤背景對(duì)處理研究區(qū)相應(yīng)的植被指數(shù)影響是比較大的[6]，而研究區(qū)植被主要受到塔里木河中下游的水流影響，分布有裸露的、稀疏的以及茂盛的植被，其土壤背景并不相同。因此用不同植被指數(shù)反映的植被情況自然各不相同，結(jié)果也具有差異性。特別是在土壤裸露或是植被覆蓋較少的地方，DVI植被指數(shù)能比較敏感地探測到植被的變化，比較適合在低植被覆蓋區(qū)監(jiān)測生態(tài)環(huán)境變化[22]。RVI和葉面積具有較強(qiáng)的相關(guān)性，對(duì)植被比較敏感，但容易受到大氣條件的影響，且在研究區(qū)植被蓋度<50%時(shí)，分辨能力很弱[4]。而本研究區(qū)的植被蓋度并未達(dá)到50%，導(dǎo)致后期的計(jì)算結(jié)果并不突出，因此RVI植被指數(shù)與植被覆蓋度的相關(guān)系數(shù)也沒有NDVI和EVI的高。另一方面，在數(shù)據(jù)獲取、數(shù)據(jù)處理等方面的方法或選取不當(dāng)都會(huì)影響后期4個(gè)植被指數(shù)與相應(yīng)植被覆蓋之間的相關(guān)系數(shù)的大小。比如在數(shù)據(jù)獲取方面，考慮到獲取氣象數(shù)據(jù)的難度性，在選擇遙感影像時(shí)應(yīng)該盡量選擇天氣較好且無風(fēng)的時(shí)段[6]，以此來提高數(shù)據(jù)的準(zhǔn)確性，而實(shí)際上遙感影像并不可能做到拍攝時(shí)絕對(duì)無風(fēng)和晴朗，在這種情況下自然也會(huì)影響到植被指數(shù)計(jì)算結(jié)果的精度；MODIS影像與Google Earth衛(wèi)星圖片的像元尺寸無法精確地貼合，這導(dǎo)致后期在Google Earth衛(wèi)星圖片截取的像元與實(shí)際相應(yīng)的MODIS影像像元并不一致，從而影響兩者的相關(guān)性；而后期在用Image J軟件進(jìn)行植被覆蓋度計(jì)算時(shí)，在調(diào)節(jié)圖像閾值和在進(jìn)行粒子分析時(shí)設(shè)置的粒子圓度和尺寸不太適合，這也會(huì)在很大程度上影響到4個(gè)植被指數(shù)在研究區(qū)的適宜性結(jié)果；或在計(jì)算植被指數(shù)時(shí)，由于植被指數(shù)對(duì)土壤背景比較敏感(特別是DVI植被指數(shù))[22]，因此對(duì)土壤調(diào)節(jié)參數(shù)的設(shè)置不太合理勢(shì)必對(duì)結(jié)果產(chǎn)生影響；或是樣地選取的數(shù)量不夠多以及相應(yīng)樣地的植被指數(shù)統(tǒng)計(jì)不當(dāng)，這都會(huì)影響到植被指數(shù)與植被覆蓋度的相關(guān)性。

本研究中4個(gè)植被指數(shù)與實(shí)測植被蓋度的回歸分析(圖4)中有些點(diǎn)的離散程度比較大。結(jié)合這些點(diǎn)的坐標(biāo)，發(fā)現(xiàn)離散點(diǎn)實(shí)際大多分布在植被覆蓋度較低、土壤裸露的地方，說明研究土壤背景來調(diào)節(jié)植被指數(shù)的應(yīng)用具有十分重要的意義。用NDVI進(jìn)行植被覆蓋度的遙感估計(jì)(圖7)時(shí)發(fā)現(xiàn)，研究區(qū)的植被覆蓋度大多集中在6%以內(nèi)，符合干旱區(qū)植被的特點(diǎn)；統(tǒng)計(jì)發(fā)現(xiàn)低植被覆蓋區(qū)占到了55%左右。植被蓋度在10%～20%時(shí)，植被主要分布在研究區(qū)河道的兩側(cè)或洼地，而蓋度小于10%的植被多分布在離河道較遠(yuǎn)的荒漠地區(qū)。

4.2 結(jié)論

本研究針對(duì)塔里木河中下游區(qū)域植被指數(shù)的適宜性問題，以2007年MOD13Q1數(shù)據(jù)產(chǎn)品為數(shù)據(jù)源，采用線性回歸和反演，對(duì)研究區(qū)植被指數(shù)進(jìn)行了綜合分析，結(jié)果表明，在塔里木河中下游區(qū)域比較適宜用NDVI來反映植被情況，且各植被指數(shù)的適宜程度從高到低依次為NDVI、EVI、RVI、DVI；NDVI在高植被覆蓋(覆蓋度>15%)、中植被覆蓋(10%<覆蓋度≤15%)、中低植被覆蓋(5%<覆蓋度≤10%)和低植被覆蓋(0≤覆蓋度≤5%)這4個(gè)覆蓋度區(qū)間的適宜性也最高；研究區(qū)選擇灌木這種植被進(jìn)行分析，因其在衛(wèi)星圖上具有很好的圓度，使得通過Image J軟件計(jì)算獲得的植被覆蓋度與實(shí)測的植被覆蓋度具有很高的相關(guān)性，不但精度高，而且在計(jì)算植被蓋度時(shí)也十分高效。除此研究區(qū)以外的西北干旱區(qū)是否可以得出相同的植被指數(shù)適宜性結(jié)果還有待后續(xù)的進(jìn)一步研究。

References:

[1] Asrar G,Fuchs M,Kanemasu E T,Hatfield J L.Estimating absorbed photosynthetic radiation and leaf area index from spectral reflectance in wheat.Agronomy Journal,1984,76(2):121.

[2] Sellers P J.Canopy reflectance,photosynthesis,and transpiration,Ⅱ.The role of biophysics in the linearity of their interdependence.International Journal of Remote Sensing,1985,21(8):143-183.

[3] 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.水土保持研究，2008,15(6):136-138. Ma C,Lu Y D.The correlation between percentage of vegetation cover and normalized difference vegetation index in the south of Chongqing City.Research of Soil and Water Conservation,2008,15(6):136-138.(in Chinese)

[4] 田慶久,閔祥軍.植被指數(shù)研究進(jìn)展.地球科學(xué)進(jìn)展,1998,13(4):327-333. Tian Q J,Min X J.Advances in study on vegetation indices.Advance In Earth Sciences,1998,13(4):327-333.(in Chinese)

[5] Baret F,Guyot G,Major D J.TSAVI:A vegetation index which minimizes soil brightness effects on LAI And APAR estimation.Ottawa:Geoscience and Remote Sensing Symposium,1989.Igarss’89.Canadian Symposium on Remote Sensing，1989:1355-1358.

[6] 郭玉川,何英,李霞.基于MODIS的干旱區(qū)植被覆蓋度反演及植被指數(shù)優(yōu)選.國土資源遙感,2011,89(2):115-118. Guo Y C,He Y,Li X.Remote sensing inversion of vegetation coverage and optimization of vegetation index based on MODIS data in arid area.Remote Sensing For Land & Resources,2011,89(2):115-118.(in Chinese)

[7] 邢著榮,馮幼貴,楊貴軍,王萍,黃文江.基于遙感的植被覆蓋度估算方法述評(píng).遙感技術(shù)與應(yīng)用，2009,24(6):849-854. Xing Z R,Feng Y G,Yang G J,Wang P,Huang W J.Method of estimating vegetation coverage based on Remote Sensing.Remote Sensing Technology and Application,2009,24(6):849-854.(in Chinese)

[8] 丁艷梅，張繼賢，王堅(jiān)，劉正軍.基于TM數(shù)據(jù)的植被覆蓋度反演.測繪科學(xué)，2006，31(1):43-45. Ding Y M,Zhang J X,Wang J,Liu Z J.Vegetation fraction estimation based on TM data.Science of Surveying and Mapping,2006,31(1):43-45.(in Chinese)

[9] 羅亞,徐建華,岳文澤.基于遙感影像的植被指數(shù)研究方法述評(píng).生態(tài)科學(xué),2005,24(1):75-79. Luo Y,Xu J H,Yue W Z.Research on vegetation indices based on the remote sensing images.Ecologic Science,2005,24(1):75-79.(in Chinese)

[10] 周兆葉,儲(chǔ)少林,王志偉,陳全功.基于NDVI的植被覆蓋度的變化分析——以甘肅省張掖市甘州區(qū)為例.草業(yè)科學(xué),2008,25(12):23-29. Zhou Z Y,Chu S L,Wang Z W,Chen Q G.Analysis on the change of vegetation coverage based on NDVI——A case study of Ganzhou District,Zhangye City,Gansu Province.Pratacultural Science,2008,25(12):23-29.(in Chinese)

[11] 米兆榮,張耀生,趙新全,馮承彬,周曙光.NDVI和EVI在高寒草地牧草鮮質(zhì)量估算和植被動(dòng)態(tài)監(jiān)測中的比較.草業(yè)科學(xué),2010,27(6):13-19. Mi Z R,Zhang Y S,Zhao X Q,Feng C B,Zhou S G.Comparison of NDVI and EVI in fresh quality estimation and vegetation dynamic monitoring of alpine grassland.Pratacultural Science,2010,27(6):13-19.(in Chinese)

[12] 高志海,李增元,魏懷東,丁鋒,丁國棟.干旱地區(qū)植被指數(shù)(VI)的適宜性研究.中國沙漠,2006,26(2):243-248. Gao Z H,Li Z Y,Wei H D,Ding F,Ding G D.Study on the suitability of vegetation indices(VI) in the arid area.Journal of Desert Research,2006,26(2):243-248.(in Chinese)

[13] 孫斌,王炳煜,馮今,姜佳昌,潘冬榮,王惠,王紅霞,韓天虎.甘肅省草原產(chǎn)草量動(dòng)態(tài)監(jiān)測模型.草業(yè)科學(xué),2015,32(12):1988-1996. Sun B,Wang B Y,Feng J,Jiang J C,Pan D R,Wang H,Wang H X,Han T H.Monitoring models of the grass yield for grassland in Gansu Province.Pratacultural Science,2015,32(12):1988-1996.(in Chinese)

[14] 戴俁俁,丁賢榮,王文種.基于MODIS影像的植被覆蓋度提取研究.遙感信息,2009(2):67-70. Dai Y Y,Ding X R,Wang W Z.A research on extracting vegetation fraction based on MODIS image.Remote Sensing Information,2009(2)：67-70.(in Chinese)

[15] 羅艷華.掃描儀結(jié)合Image J軟件在林業(yè)工作中計(jì)算面積的方法和應(yīng)用.綠色科技，2014(7):285-286. Luo Y H.The method and application in forestry work of the area calculation combined the Scanner with Image J software.Journal of Green Science and Technology,2014(7):285-286.(in Chinese)

[16] 鄭林濤,董永生.Image J軟件在數(shù)字圖像處理課程教學(xué)中的應(yīng)用.中國電力教育，2014(8):112-113. Zheng L T,Dong Y S.Image J software in the application in the teaching of digital image processing.China Electric Power Education,2014(8):112-113.(in Chinese)

[17] 高建昌,郭廣軍,國艷梅,王孝宣,杜永臣.平臺(tái)掃描儀結(jié)合Image J軟件測定番茄葉面積.中國蔬菜,2011(2):73-77. Gao J C,Guo G J,Guo Y M,Wang X X,Du Y C.Measuring plant leaf area by Scanner and Image J software.China Vegetables,2011(2):73-77.(in Chinese)

[18] 戴志聰,杜道林,司春燦,林英,郝建良,孫鳳.用掃描儀及Image J軟件精確測量葉片形態(tài)數(shù)量特征的方法.廣西植物,2009,29(3):342-347. Dai Z C,Du D L,Si C C,Lin Y,Hao J L,Sun F.A method to exactly measure the morphological quantity of leaf using Scanner and Image J software.Guihaia,2009,29(3):342-347.(in Chinese)

[19] 李苗苗,吳炳方,顏長珍,周為峰.密云水庫上游植被覆蓋度的遙感估算.資源科學(xué),2004,26(4):153-159. Li M M,Wu B F,Yan C Z,Zhou W F.Estimation of vegetation fraction in the Upper Basin of Miyun Reservoir by Remote Sensing.Resources Science,2004,26(4):153-159.(in Chinese)

[20] 唐怡,劉良云,黃文江,王紀(jì)華.土壤背景對(duì)冠層NDVI的影響分析.遙感技術(shù)與應(yīng)用,2006,21(2):142-148. Tang Y,Liu L Y,Huang W J,Wang J H.Analysis on the influence of soil backgrounds on canopy NDVI.Remote Sensing Technology and Application,2006,21(2):142-148.(in Chinese)

[21] 孫開銘.不同生長期杉木植被指數(shù)與蓄積量的關(guān)系.福建林學(xué)院學(xué)報(bào)，2013，33(3):230-235. Sun K M.Relationship between vegetation indices and volume ofCunninghamialanceolata(Lamb.) Hook. plantation in different growth periods.Journal of Fujian College of Forestry,2013,33(3):230-235.(in Chinese)

[22] 蔡薇.基于NDVI時(shí)間序列的菏澤市東明縣植被動(dòng)態(tài)變化研究.經(jīng)濟(jì)研究導(dǎo)刊,2009(18):136-137. Cai W.Study on the dynamic change of vegetation in Dongming County of Heze city based on NDVI time series.Economic Research Guide,2009(18):136-137.(in Chinese)

(責(zé)任編輯 王芳)

The applicability of VIs from MODIS in estimating vegetation cover in the middle and lower reaches of the Tarim River

Lin Xi1, Guo Fei1,2,3, Huang Chang-chun1,2,3, Yang Xue-feng4

(1.Key Laboratory of Virtual Geographic Environment, Ministry of Education,Nanjing Normal University,Nanjing 210023, China;2.Cultivation and construction of National Key Laboratory of geographical environment evolution in Jiangsu Province, Nanjing 210023, China; 3.Jiangsu Center for Collaborative Innovation in Geographical Information Resource Development and Application, Nanjing 210023, China;4.Tourism and geographical science institute, Xinjiang Normal University, Urumqi 830054, China)

To more accurately determine vegetation information for the mid-lower reaches of the Tarim River in an arid desert region, we used MODIS data to calculate commonly used vegetation indices (VIs, normalized difference vegetation index [NDVI], difference vegetation index [DVI], enhanced vegetation index [EVI], ratio vegetation index [RVI]). We combined remote sensing data using Image J software to acquire a vegetation coverage, and compared them with actual measurements. We concluded that they were significantly correlated. Next, we made a vegetation coverage map via Image J and vegetation indices in a 2D scatter plot using regression analysis. Finally, we chose the most suitable VI among the four VIs. The study showed that each VI was positively correlated with vegetation coverage. The goodness of fit between VIs and vegetation coverage was ranked: NDVI, EVI, RVI, and DVI. Thus, we suggest the use of NDVI as the VI.

MODIS ; vegetation index; mid-lower of Tarim River; Image J; Tarim River; arid desert region

Lin Xi E-mail:1620435313@qq.com

2016-02-20接受日期：2016-06-03

國家自然科學(xué)基金(41571386)

林茜(1992-)，女，浙江臺(tái)州人，在讀碩士生，研究方向?yàn)樗h(huán)境數(shù)值模擬。E-mail:1620435313@qq.com

10.11829/j.issn.1001-0629.2016-0084

Q948.15

A

1001-0629(2016)12-2434-08*

林茜，郭飛，黃昌春，楊雪峰.基于MODIS的植被指數(shù)對(duì)估測塔里木河中下游植被蓋度的適用性.草業(yè)科學(xué),2016,33(12)：2434-2441.

Lin X,Guo F,Huang C C,Yang X F.The applicability of VIs from MODIS in estimating vegetation cover in the middle and lower reaches of the Tarim River.Pratacultural Science，2016,33(12)：2434-2441.