公路两侧植被环境的遥感评价
开篇：润墨网以专业的文秘视角，为您筛选了一篇公路两侧植被环境的遥感评价范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！
摘要：研究采用三个时相的NDVI图像进行彩色合成，直观反映地表植被的变化信息；对不同时相NDVI图像进行分类比较，以定量和定性地描述区域地表植被的变化情况；将多时相NDVI图像进行密度分割，继而获取变化类型彩色图，对植被覆盖变化进行定量分析；最后结合资源与生态环境变化情况，对植被覆盖变化的影响因素进行分析。
中图分类号：X734 文献标识码：A 文章编号：
0前言
公路植被环境评价的研究随着公路建设项目环境影响评价概念的提出，也日益活跃和快速发展。在国内外研究公路植被的分类、分布特点，分析公路两侧植被的生态价值和功能等，都相继提出了一些公路植被的评价方法和评价模型，提出各种关于公路植被的概念。由于我国经济建设及科技的发展迅速，植被的评价指标水平及种类也不断上升，日益科学、准确，以建立植被覆盖率与遥感数据之间关系的发展模型取得新发展。其中遥感监测是获取区域植被覆盖度的主要途径，遥感影像反映的植被覆盖信息已成为估算区域植被覆盖度的重要技术手段。而归一化差异植被指数(NDVI)可以消除大部分辐照度条件变化，很好地发掘遥感图像光谱中的植被信息，是最常用的植被指数之一。
1植被遥感信息特点
植被的种类、生长情况、与非植被的区别等，均以植被的光谱特征为基础。可见光波段光谱反射率由色素对光的吸收和反射能力决定，近红外波段的光谱反射率由细胞结构决定，短波红外的光谱反射率特性由物体对水汽的吸收情况所决定。植被指数是利用卫星图像数据不同波段的组合而成，以反映植物生长状况的指数。植物叶面在可见光红光波段有很强的吸收特性，在近红外波段有很强的反射特性，这是植被遥感监测的物理基础，通过这两个波段测值的不同组合可得到不同的植被指数。
2遥感数据获取与处理
根据研究需要，本文选用了3景Landsat数据，通过对其进行几何校正、裁剪、信息增强等一系列预处理，然后通过以归一化植被指数(NDVI)模型获得研究区内的植被覆盖信息。
2.1研究区概况
为了开展研究，收集了重庆沙坪坝地区1995年9月11日、2000年9月27日和2007年10月18日的TM影像，时相吻合较好，具有可比性。试验截取G75兰海高速公路沿线主体部分(178×396)子区作为具体研究区域。本次研究所选区域公路为G75兰海高速的一段，路段起点位于北纬29 o45′05.84″，东经106 o27′31.35″，海拔345米，终点位于北纬29 o38′20.07″，东经106 o29′32.67″，海拔249米，全长12.52公里。
2.2研究区影像提取
本文选用了Landsat卫星的数据集作为获取研究区植被覆盖状况的遥感数据，包括 1995年9月7日的TM、2000年9月12日的ETM、2007年9月15日的 TM共3景影像数据。各时相数据云量均低于2%，数据质量符合研究需求。
由于卫星遥感影像在成像过程中受到诸多因素的干扰，因此首先要对获取的遥感图像进行几何精校正和配准，然后根据公路形状的特性，对整幅的遥感影像进行不规则分幅裁剪，将研究区之外的区域去除，并且使得进行对比分析公路两侧植被变化差异的三幅影像范围大小一致，以达到科学判断分析的目的。为了突出遥感图像中的有用信息，使图像变得更加清晰和便于解译，需要对图像进行了数字技术增强处理。采用RGB432标准假彩色合成方法对TM遥感影像7个波段进行组合得到的图像中，地物图像丰富、鲜明、层次好，用于植被分类、水体识别，其中植被显示红色。图1为2007年图像合成结果。
图1 RGB432标准假彩色合成结果 图2NDVI处理结果（2007）
2.3植被信息提取
NDVI是用于监测植被变化的最常用且结果较好的植被指数之一，灵敏度较高，能够削弱大气和太阳高度角所带来的噪音，消除地形和群落结构的阴影和辐射干扰，同时具有较宽的植被覆盖率检测范围。故本文采用了基于NDVI和遥感数据的植被覆盖时空变化分析模型和生态功能评价方法。归一化植被指数(NDVI)计算可以将多光谱数据变换成一个单独的图像波段，用于显示植被分布。较高的NDVI值预示着包含较多的绿色植被。在植被遥感中的应用最广泛，NDVI值的范围为-1～+1。运用ENVI软件分别对与处理后的1995年、2000年和2007年的TM影像进行处理。图2为2007年影像NDVI处理结果。
3植被变化检测分析
一个地区的植被覆盖度是衡量该地区植被生态功能的重要指标。本文着重分析了研究区中的具有代表性区域的植被覆盖度时空变化情况。
采用ENVI中的图像直接比较法工具中的Compute Difference Map工具进行公路两侧植被变化信息检测。图中正值差异用渐变的红色表示，从代表无变化的灰色到代表最大正值差异的亮红色逐级显示；负值差异用渐变的蓝色表示，从代表无变化的灰色到代表最大负值差异的亮蓝色逐级显示。从图3中容易看出，1995年与2000年的变化图像中，蓝色部分较红色部分多，表示2000年比1995年公路所在区域的植被覆盖大大减少。2000年与2007年的变化图像中，大多面积显示红色，蓝色部分较少，表示2007年比2000年公路所在区域的植被密度加大，覆盖面积明显增加。
图3影像变化检测结果（左1995-2000年、右2000-2007年）
采用作为其中一种图像增强方法的密度分割方法来提高植被检测的视觉效果，如图7所示，以便于对其进行分析研究。根据NDVI值由小到大分为六类，依次表示非植被区域:-1～0，Black、低小植被区域:,0～0.1，Green、较低植被区域: 0.1～0.2，Yellow、一般植被区域：0.2～0.3，Cyan、较高大植被区域：0.3～0.4，Magenta、高大植被区域：0.4～+1，Red。图4为最后得到密度分割结果的彩色图像。
图4分割结果（左1995、中2000、右2007）
4结论
本研究利用不同时相NDVI图作为不同颜色分量进行彩色合成，能够用颜色直观地反映研究区域地面植被的变化情况。进行NDVI值统计，得到按不同DN值范围分段的统计表，比较后也可反映区域地面植被的变化情况。从比较结果可以看出导致植被变化的根本性原因是公路建设与植被的关系，及公路植被的特点，公路的廊道特点和小气候特征对公路两侧的植物生长和演替产生强烈的影响，在实施公路边坡植被恢复工程中要考虑公路边缘效应对群落演替的长期影响。
参考文献
[1]黄建文,鞠洪波.山区林地多季相TM影像综合分类研究[J].福建林学院学报, 2004, 24(2): 136-139.
[2]盛永伟,陈维英,等.利用气象卫星植被指数进行我国植被的宏观分类[J].科技通报, 1995, 40(1): 68-71.
作者简介：袁源，男，1965年出生，本科学士，主要研究方向为道路工程。