抽样法估算影像植被覆盖度

梁博毅，刘素红

(1.北京大学 城市与环境学院，北京 100871； 2.北京师范大学 地理科学学部，北京 100875)

植被是地表覆盖植物群落的总称，植被一方面可以截留降水，削弱雨水侵蚀，另一方面可以保持水土，降低水土流失。植被覆盖度(Fractional of Vegetation Cover，简称FVC)通常定义为植被(包括叶、茎、枝)在地面的垂直投影面积占统计区域总面积的百分比[1-3]，它是反映地表植物群落覆盖程度的重要参数[4]。

通常采用地面测量和遥感数据估算两种方法来测量植被覆盖度。地面测量中使用最多的方法是照相法，即用数码相机垂直向下拍照，然后通过对数码相片进行后期处理计算植被覆盖度，此方面相关研究已取得很大进展[4-6]。利用遥感手段估算植被覆盖度又可分为经验模型法和物理模型法。经验模型法就是采用简单的统计模型或者回归关系计算植被覆盖度，例如建立归一化植被指数(NDVI)和植被覆盖度的回归模型来估算植被覆盖度[7-11]。物理模型法例如冠层辐射传输模型，在计算时考虑了叶片层的反射去吸收等过程。近些年，神经网络、支持向量机和决策树等一些较为先进的机器学习方法也逐渐被应用于遥感估算植被覆盖度的研究中[12-18]。

无论是照相法还是利用卫星遥感图像提取植被覆盖度，传统的方式都是通过依次计算每个像元来获取整张图像的覆盖度。这种方式在处理大尺度遥感图像或者像元数量较多的遥感图像时，会耗费较多的时间。本研究提出一种利用抽样法来估算遥感图像植被覆盖度的新方法，在满足精度要求的条件下，节省了较多的计算时间，明显提高了工作效率。……