全 文 ：书第 !" 卷第 # 期
!$$" 年 # 月
生 态 学 报
%&’% (&)*)+,&% -,.,&%
/012 !"，.02 #
3452，!$$"
基金项目：国家自然科学基金资助项目（#$#"$!67）；教育部新世纪优秀人才计划资助项目
收稿日期：!$$789!89:；修订日期：!$$68$"89:
作者简介：张云霞（9;"" <），女，内蒙古锡林浩特市人，硕士，主要从事全球变化和陆地生态系统研究2 (8=4>1：?@4ABCDAE>4F AG5HH2 B0I2 HA
!通讯作者 &055JKL0AGJ>AB 4DM@052 (8=4>1：EN1>F >5JK2 HA
!"#$%&’("$ (’)*：’@J L50OJHM P4K Q>A4AH>411C KDLL05MJG NC .4M>0A41 .4MD541 -H>JAHJ R0DAG4M>0A 0Q &@>A4（.02 #$#"$!67）；.JP &JAMD5C (EHJ11JAM SJ5K0A
P>M@ %N>1>MC 0Q 3>A>KM5C 0Q (GDH4M>0A
+),)(-)% %&’)：!$$789!89:；.,,)/’)% %&’)：!$$68$"89:
0("12&/34：TU%.+ VDA8W>4，34KMJ5，=4>A1C JAB4BJG >A B10N41 H@4ABJ 4AG MJ55JKM5>41 JH0KCKMJ=2 (8=4>1：?@4ABCDAE>4F AG5HH2 B0I2 HA
地面测量与 .567+影像综合计算植被盖度
张云霞9，!，张云飞#，李晓兵9，!
（92 北京师范大学环境演变与自然灾害教育部重点实验室，北京师范大学资源学院，北京X 9$$Y"7；!2 民政部国家减灾中心，北京X 9$$7#；
#2 上海市科技馆，上海 !$$9!"）
摘要：选择我国北方温带典型草原作为研究对象，在研究区内分别针对植被盖度是高、中、低的地区随机选取 :; 块样地，在每块
样地内采用嵌套的方式作样方，样方尺度有 6$、#$、97= # 个尺度，嵌套的方式是 6$=的样方嵌套 #$=的样方，#$=的样方嵌套
97=的样方。97=的样方内作 # 个 9=的样方，#$=的样方内作 7 个 9= 的样方，6$=的样方内作 9$ 个 9= 的样方。对于每个
9=的样方，采用将数码相机架设在离草本层 !=高的位置，垂直对样方进行拍摄，并记录影像的方式估计植被盖度。基于以上
地面实测数据以及 %-’(Z遥感数据，建立植被盖度经验模型。模型建立的步骤主要包括以下内容：（9）利用植被盖度信息提取
模型计算野外实测的各张数码相片的植被盖度值，在 97、#$= 以及 6$= # 个样方尺度上计算各样方的植被盖度；（!）计算
%-’(Z数据的各种植被指数（!"#，$%"#，$%&#）；（#）将地面样方与相应的 %-’(Z影像像元在不同的尺度上相匹配。（:）基于
某一样方尺度，计算与地面样方相对应区域内的 %-’(Z影像像元植被指数的中值。（7）基于该样方尺度，建立地面实测植被盖
度值与 %-’(Z数据植被指数值之间的回归模型；（6）对回归模型进行显著性检验。在建立经验模型的过程中，研究植被指数
（$%"#、$%&#以及 !"#）与植被盖度的相关性以及地面样方尺度对经验模型的影响。此外，还将经验模型与目前广泛使用的亚
像元分解模型作比较，检验亚像元分解模型在中国北方温带典型草原的适用性。结果表明，（9）对于中国北方典型草原区而
言，利用植被指数 $%"#监测草地的植被盖度是比较适宜的，它优于植被指数 !"#，也比植被指数 $%&# 的效果好。（!）地面样
方尺度的选择对于植被盖度经验模型的建立有很大的影响。就中国北方典型草原区来看，在地面作大样方，取其中值的方法在
一定程度上可以克服由于地面的测量和遥感测量之间发生空间错配而产生的影响，有利于提高植被指数与植被盖度之间相关
系数的显著水平。（#）6$= [ 6$=的样方尺度，基于 $%"#的植被盖度经验模型相比，利用亚像元分解模型估测中国北方温带典
型草原植被盖度的精度低于前者。
关键词：草地植被盖度；数码相片；样方尺度；%-’(Z遥感数据；植被指数；经验模型；亚像元分解模型
文章编号：9$$$8$;##（!$$"）$#8$;6:89#X 中图分类号：\9:;X 文献标识码：%
63) 84$’3)’(,&994 )8’(*&’($1 -)1)’&’("$ :2&,’("$&9 ,"-)2&1) ": 12&889&$% #8($1 :()9%
%&’& &$% .567+ 2)*"’) 8)$8($1 (*&1($)
TU%.+ VDA8W>49，!，TU%.+ VDA8RJ>#，*, W>408]>AB9，!
9 ’())*+* (, !*-(./0*- 1 2*034()(+5，6*7874+ $(/9:) ;47<*/-7=5，>*5 ?:@(/:=(/5 (, A4<7/(49*4=:) ’3:4+* :4B $:=./:) %7-:-=*/ (, C747-=/5 (, AB.0:=7(4，
6*7874+ $(/9:) ;47<*/-7=5，6*7874+ 9$$Y"7，’374:
!D $:=7(4:) %7-:-=*/ !*B.0=7(4 ’*4=*/ (, ’374:，6*7874+ 9$$$7#，’374:
#D E3:4+3:7 E07*40* 1 2*034()(+5 C.-*.9，E3:4+3:7 !$$9!"，’374:
!"#$ %"&’&()"$ *)+)"$，;<<=，;=（>）：!"#$%&’$：!" #$%& #$’&%& #$’ #’()’*+#’ #,)%-+. &#’))’ /0 1/*#$ 2$%"+ %& #+3’" +& #$’ *’&’+*-$ /45’-#6 7%#$%" #$’ *’&’+*-$
+*’+ 89 &+().’ 0%’.:& +*’ -$/&’" *’&)’-#%;’., 0*/( #$’ +*’+& <%#$ $%=$，(’:%>( +": ./< ;’=’#+#%/" 0*+-#%/"+. -/;’*+=’6
?+().’ )./#& +*’ #+3’" 0*/( ’+-$ &+().’ 0%’.: #$*/>=$ #$’ )*/-’&& /0 "’&#%"=6 1+(’.,，+ @A( "’&#’: &+().’ )./# %& -$/&’"
*+":/(., 0*/( ’+-$ BA( &+().’ )./#，+": #$’" + CD( "’&#’: &+().’ )./# %& 0>*#$’* -$/&’" 0*/( ’+-$ @A( &+().’ )./#6
7%#$%" #$’&’ &+().’ )./#& /0 :%00’*’"# &%E’&，#$*’’ C( &+().’ )./#& +*’ -$/&’" 0*/( ’+-$ CD( &+().’ )./#，0%;’ C( &+().’
)./#& +*’ -$/&’" 0*/( ’+-$ @A( &+().’ )./#，+": #’" C( &+().’ )./#& +*’ -$/&’" 0*/( ’+-$ BA( &+().’ )./#6 F/* ’+-$ C(
&+().’ )./#，+ :%=%#+. -+(’*+ %& )/&%#%/"’: +# + GH(’#’* $’%=$# 0*/( #$’ $’*4+=’ <%#$ %#& .’"& :%*’-#’: ;’*#%-+.., :/<"<+*:&
#/<+*:& #$’ =*/>": +": #+3%"= )%-#>*’& /0 #$’ $’*4+=’6 I$’ ;’=’#+#%/" 0*+-#%/"+. -/;’*+=’ %& ’&#%(+#’: 0*/( #$’ )+##’*"& /0
#$’ %(+=’& #$>& #+3’" 4, #$’ -+(’*+6 J+&’: /" #$’ :+#+ #$>& /4#+%"’: 0*/( #$’ +4/;’H:’&-*%4’: 0%’.: (’+&>*’(’"# +": #$’
:+#+ /4#+%"’: #$*/>=$ K?ILM *’(/#’ &’"&%"=，#$’ ’N)’*%’"#%+. (/:’. /0 ;’=’#+#%/" 0*+-#%/"+. -/;’*+=’ %& ’&#+4.%&$’:6
I$’ )*/-’:>*’& 0/* #$’ ’&#+4.%&$(’"# /0 #$’ (/:’. +*’ +& 0/../<&：
（C）#$’ -+.->.+#%/" /0 #$’ ;’=’#+#%/" 0*+-#%/"+. -/;’*+=’ %":%-+#’: 4, ’+-$ :%=%#+. )$/#/ #+3’" +# #$’ 0%’.: (’+&>*’(’"#
+": #$’ ;’=’#+#%/" 0*+-#%/"+. -/;’*+=’ /0 ’+-$ &+().’ 0%’.: 4+&’: /" %#& )+*#%->.+* &%E’，>&%"= #$’ (/:’. /0 ’N#*+-#%"=
;’=’#+#%/" 0*+-#%/"+. -/;’*+=’；
（G）#$’ -+.->.+#%/" /0 #$’ ;+*%/>& ;’=’#+#%/" %":%-’& （!"#，$%"#，$%&#）%":%-+#’: 4, #$’ K?ILM；
（@）#$’ (+#-$ /0 #$’ &+().’ 0%’.:& +": #$’%* -/**’&)/":%"= +*’+& /0 K?ILM %(+=’ )%N’.& +--/*:%"= #/ #$’ &+().’
0%’.:&O *’&)’-#%;’ &%E’&；
（8）#$’ -+.->.+#%/" /0 #$’ (’:%+"& /0 #$’ ;’=’#+#%/" %":%-’& /0 + )+*#%->.+* &+().’ 0%’.:O& -/**’&)/":%"= +*’+ /0 K?ILM
%(+=’ )%N’.& ，4+&’: /" #$’ &%E’ /0 #$+# )+*#%->.+* &+().’ 0%’.:；
（D）#$’ ’&#+4.%&$(’"# /0 #$’ *’=*’&&%/" (/:’. （%"-.>:%"= #$’ .%"’+. (/:’. +": #$’ "/".%"’+* (/:’.）4’#<’’" #$’
;’=’#+#%/" 0*+-#%/"+. -/;’*+=’ ;+.>’& :’*%;’: 0*/( #$’ 0%’.: (’+&>*’(’"# +": #$/&’ :’*%;’: 0*/( #$’ K?ILM :+#+，4+&’: /"
#$’ &%E’ /0 #$+# )+*#%->.+* &+().’ 0%’.:；
（B）#$’ +:(%"%&#*+#%/" /0 + &%="%0%-+"-’ #’&# /" #$’ *’=*’&&%/" (/:’. #$>& ’&#+4.%&$’:6
!" #$’ ’&#+4.%&$(’"# /0 #$’ ’N)’*%’"#%+. (/:’.，#$’ 0/../<%"= #;’=’#+#%/" %":%-’& （$%"#，$%&#，!"#）+": #$’ ;’=’#+#%/" 0*+-#%/"+. -/;’*+=’ +": #$’ ’00’-#& /0 #$’ &%E’& /0 #$’ &+().’ )./#&
/" #$’ ’N)’*%’"#%+. (/:’.6 !" +::%#%/"，+ -/()+*%&/" %& (+:’ 4’#<’’" #$’ ’N)’*%’"#%+. (/:’. +": #$’ &>4H)%N’. (/:’. <$%-$
%& ->**’"#., %" <%:’ >&’ #/ #’&# #$’ +)).%-+4%.%#, /0 #$’ &>4H)%N’. (/:’. 0/* #$’ #’()’*+#’ #,)%-+. &#’))’ /0 1/*#$ 2$%"+6 I$’
*’&>.#& /0 #$’ -/()+*%&/" &$/<：
（C）F/* #$’ (/"%#/*%"= /0 #$’ ;’=’#+#%/" 0*+-#%/"+. -/;’*+=’ /0 =*+&&.+": /0 #$’ #’()’*+#’ #,)%-+. &#’))’ /0 1/*#$
2$%"+，%# %& +))*/)*%+#’ #/ >&’ ;’=’#+#%/" %":’N $%"#，<$%-$ %& (/*’ ’00’-#%;’ +": *’.’;+"# #$+" !"# +": $%&#；
（G）I$’ ’&#+4.%&$(’"# /0 ’N)’*%’"#%+. (/:’. /0 #$’ ;’=’#+#%/" 0*+-#%/"+. -/;’*+=’ %& (>-$ +00’-#’: 4, #$’ -$/%-’ /0
:%00’*’"# &%E’& 0/* #$’ &+().’ )./#& /" #$’ ’+*#$6 7%#$ *’=+*: #/ #$’ #’()’*+#’ #,)%-+. &#’))’ /0 1/*#$ 2$%"+，#/ -$//&’ .+*=’
&+().’ )./#& 0*/( #$’ *’&’+*-$ +*’+ +": &’.’-# #$’%* (’:%+"& -+" ’.%(%"+#’ #/ &/(’ ’N#’"# #$’ "’=+#%;’ ’00’-#& 4*/>=$# +4/>#
4, + (%&(+#-$ /0 #$’ :+#+ /0 #$’ 0%’.: (’+&>*’(’"# +": #$’ :+#+ /0 #$’ *’(/#’ &’"&%"= (’+&>*’(’"# &/ +& #/ ’"$+"-’ #$’
&%="%0%-+"-’ .’;’. /0 #$’ -/**’.+#%/" -/’00%-%’"# 4’#<’’" #$’ ;’=’#+#%/" %":%-’& +": #$’ ;’=’#+#%/" 0*+-#%/"+. -/;’*+=’6
（@）2/()+*’: <%#$ #$’ ’N)’*%’"#%+. (/:’. /0 ;’=’#+#%/" 0*+-#%/"+. -/;’*+=’ 4+&’: /" .+*=’H&%E’ &+().’ )./#&，#$’
+-->*+-, /0 &>4H)%N’. (/:’. %& *’.+#%;’., <’+3’* 0/* #$’ ’&#%(+#%/" /0 #$’ ;’=’#+#%/" 0*+-#%/"+. -/;’*+=’ /0 #$’ #’()’*+#’
#,)%-+. &#’))’ /0 1/*#$ 2$%"+6
()* +,%-#：;’=’#+#%/" 0*+-#%/"+. -/;’*+=’ /0 =*+&&.+":；:%=%#+. )$/#/；&+().’ &%E’；K?ILM %(+=%"’ :+#+；;’=’#+#%/"
%":’N；’N)’*%’"#%+. (/:’.；&>4H)%N’. (/:’.
DB9P @ 期 P P P 张云霞P 等：地面测量与 K?ILM影像综合计算植被盖度 P
土地利用与覆盖变化 （!"##：!$%& "’( ) #*+(, #-$%.(）研究在“国际地圈与生物圈计划”（/012：
/%3(,%$34*%$5 0(*614*’7-(,( 25$%）和“国际全球环境变化人文计划”（/892：/%3(,%$34*%$5 8:;$% 94;(%’4*%
25$%）的推动下正在全面而深入地开展。随着全球变化研究的深入，土地利用 )覆盖变化研究越来越受到重
视。它作为全球环境的下垫面影响因子，其变化对全球环境演变带来最直接的影响，并且是产生生态灾害
（如水灾，森林火灾和土地退化）的重要原因。在 /012 和 /892 报告中将 !"## 作为其核心研究计划，阐明
了进行多空间尺度的土地利用与覆盖变化研究的必要性。
植被作为生态系统的主要组分，是生态系统存在的基础，也是联结土壤大气和水分的自然“纽带”，它在
陆地表面的能量交换过程、生物地球化学循环过程和水文循环过程中扮演着重要的角色，在全球变化研究中
充当着“指示器”的作用。为了加强对环境过程的了解，必须对地表的生物和物理特征进行测量，将这些测量
值提供给水文、气象、生态和其它模型。植被盖度定义为观测区域内植被垂直投影面积占地表面积的百分比。
它是刻画陆地表面植被数量的一个重要参数，也是指示生态系统变化的重要指标。在考察土壤水分蒸发蒸腾
损失总量以及光合作用的过程时，植被盖度都是作为一个重要的控制因子而存在。植被盖度也是影响沉积物
侵蚀和增长机理的重要因子。而大面积草地植被盖度的测量对于干旱半干旱地区的牲畜饲养及农业和沙漠
化的意义也很重大，它是评估草地状况、土地退化和沙漠化的有效指数。在全球和区域变化监测的很多研究
中都要用到定量化的植被盖度信息［<］。地表实测的方法在地表植被调查中发挥着非常重要的作用，一直被
广泛使用。例如对于低植被盖度的区域，土壤的反射率常常会给植被生态属性的遥感定量化带来难以预料的
误差，因此植被生态属性的地面测量是非常重要的，它可以为卫星数据的解译和定量化提供一个背景［=］。但
是地表实测的缺点也非常明显> 它在时间和金钱上的花费都比较大，并且只能在很小的尺度范围内提供植被
结构和分布状况的变化信息。这种传统的方法显然不适合刻画大面积区域的植被变化情况。另外，一些地表
实测植被盖度的方法的可靠性也受到怀疑。?45’*% 等人详细讨论了各种地表实测方法的局限性［@］。#:,,$%
等人研究了地表实测植被盖度时，样方的大小对测量结果的影响。研究证明样方尺寸也是影响测量精度的一
个重要因素。另外 #:,,$%也指出一些地面测量方法得出的结果的差异性之大使得后来处理的遥感数据的说
服力及准确性大大降低［A］。不难看出，地表实测的方法由于受到其自身局限性的影响，不适宜作为一种独立
的测量方法在较大的空间尺度上进行植被盖度的研究。它必须与遥感数据相结合，才能真正发挥其作用。
从人们目前利用遥感资料测量植被盖度的方法来看，大致可以归纳为 @ 类，即经验模型法，植被指数法和
亚像元分解法。相对于后两种方法，经验模型法使用的时间较长。植被指数法和亚像元分解法是近些年被日
益广泛使用的方法。亚像元分解法可看作是在植被指数法基础上所做的改进。0:3;$% 等提出的利用亚像元
分解求取植被盖度的方法比较具有代表性。他根据不同亚像元的植被分布特征，将亚像元分为均一亚像元和
混合亚像元，而混合亚像元又进一步分为等密度、非密度和混合密度亚像元。针对不同的亚像元结构，分别建
立不同的植被盖度模型［B］。在定量化测量植被盖度时，并不存在某一标准的方法。现存的模型都是使用不
同的测量方法而建立的，而这些方法和模型都毫无例外的受到某些条件的限制。例如地面实测数据的精度和
遥感影像的分辨率等。
基于以上的认识，本研究选择我国北方温带典型草原作为研究对象，采用综合利用 CDEFG 影像、0/D、
02D、数字相机、野外植物群落样方等手段，基于不同尺度的样方，在地面实测数据与 CDEFG 遥感影像数据之
间建立植被盖度经验模型，并对利用不同方法的测量结果进行了对比分析，探讨了提高大尺度遥感测量植被
盖度精度的方法，实现了从小尺度的利用野外样方局地测量植被盖度到较大尺度的利用 CDEFG 影像进行景
观、区域测量植被盖度的尺度转换。此外，还就以下问题进行了较为深入的研究：（<）什么植被指数与植被盖
度之间的相关较显著？（=）地面样方的尺度对经验模型有什么影响？什么尺度的样方下植被指数与植被盖
度之间的相关性较好？
!" 研究区
研究区选择我国北方中温型草原带的典型草原亚带。典型草原分布区的气候具有内陆半干旱气候的典
HHI J 生J 态J 学J 报J J J =K 卷J
型特征，年均温在 ! "# $ % ! &# $’之间，最热月均温 ()# $ % "*# $’，最冷月均温 ! (+# $ % ! ",# $’，无霜期
($$ % (+$-；年降水量 ".$ % *.$//，年变幅较大，年蒸发量为 "$$$ % ""$$//，湿润度约为 $# + % $# &。
研究样区具体位置主要集中在典型草原区的中段（图 (），行政单元主要为内蒙古自治区锡林郭勒盟锡林
浩特市，并略涉及到与之毗邻的阿巴嘎旗、西乌珠穆沁旗的部分地区，东经 ((.0 % ((10，北纬 *+# .0 % *.0。植
被以蒙古草原植被区系成分占优势，包括羊草、丛生禾草草原；羊草、冷蒿草原；大针茅草原；克氏针茅草原；冷
蒿草原。主要建群种与优势种为大针茅（!"#$% &’%()#*）、克氏针茅（!"#$% +’,-./##）、羊草（01#(2(*2* -,234*）、狭
叶锦鸡儿（0%’%&%(% *2(.$1,--%）、糙隱子草（0-2#*".&2(2* *54%’’.*%）、冷蒿（6’"23#*#% 7’#&#)%）等等。
!" 数据来源及处理
!# #" 数据来源
!# ## #" 地面数据来源
地面取样工作是在不同的样方尺度上进行。原则上讲，采样点的选取应遵循以下 + 条规则：（(）地面采
样点应能在遥感影像上实现精确定位，（"）地面采样点应该最大可能地体现植被和土壤的均质性，（+）采样点
的植被覆盖度应该处于一定的变化范围内。由于这些地面采样点要用来进行回归分析，所以地面采用点的数
目应该不少于 "$ 个。然而，就本研究而言，采样点的选择具有一定的局限性，因为研究区内范围有限，很难找
到足够数量的具有标志性的点满足前两条规则。为了满足采样点的植被盖度的变化范围，采样点的选取最后
采用了随机的方式。这无疑会对最后的回归关系的建立带来一定的负面影响。具体研究方法如下：
（(）样地设置参照地形图，同时借助 234定位，在研究区内分别针对植被盖度是高、中、低的地区进行随
机布样地，共计 *, 个样地（图 (）。
（"）在每块样地内采用嵌套的方式作样方，即 &$/ 的样方嵌套 +$/ 的样方，+$/ 的样方嵌套 (./ 的样
方。其中，(./的样方内作 + 个 (/样方；+$/的样方内作 . 个 (/ 的样方；&$/ 的样方内作 ($ 个 (/ 的样方
（图 "）。
（+）对于每一个 (/的样方，采用将数码相机架设在离草本层 "/高的位置，垂直对样方进行拍摄并记录
影像的方法测量植被盖度。
!# ## !" 遥感数据来源
研究所用的遥感数据是 54678 影像，由日本国立环境研究所提供，图像分辨率为 (./ 9 (./，时间是
"$$" 年 1 月 +$ 日，图像质量一般。
!# !" 数据处理
!# !# #" 地面数据处理
从数码相片上获取植被盖度信息是一项非常麻烦的事情。目前常用的是目视解译法，即：在一定的 2:4
软件和图像处理软件的支持下，将“植被多边形”尽可能准确完全地手工勾画出来，然后手工计算代表植被的
多边形的面积占总面积的百分比，将此值作为目视解译法的植被盖度估测值。尽管目视解译估计植被盖度的
精确度较高，但是由于其耗时耗力，在实践应用中局限性很大。
本研究运用数码相片的 82;值将代表绿色植被的像素和代表土壤、枯死植物以及阴影部分的像素区分
开，建立植被盖度信息提取模型，具体的条件设定如下：
（(）& < ’，& < 8，其中 &、’、8分别代表数码相片上绿、红、蓝组分的数值；
（"）& < 9，其中 9是阈值，代表被处理的数码相片的绿色组分的数值。在本研究中 9 值的范围是 +$ % *.。
阈值的设定范围取决于相片的亮度。
有一点要说明，由于相片亮度的不同，标准化 : 阈值是非常困难的事情。但在天气情况稳定的情况下，
在同一天内的一段连续时间内 ，相片的亮度的变化不会太大，因此 9值的变化也不会太大。
如果一个像素满足以上两个条件，那么该像素就可以被认定为代表绿色植被的像素。通过设定该条件，
可以生成仅代表植被和非植被两种像素的二值图，那么数码相片上的植被盖度就可以通过计算代表植被的像
1&,= + 期 = = = 张云霞= 等：地面测量与 54678影像综合计算植被盖度 =
素占总像素的比例而得到。
为了验证信息提取模型的估测精度，本研究从所有的数码相片中随机选取 !" 张代表不同盖度水平的相
片，每张相片分别采用目视解译法和植被盖度信息提取模型获取植被盖度信息，将植被盖度信息提取模型的
结果与目视解译法的结果相比较。目视解译的工作是在 #$%&’() *+ , 和 -.)/)0.)% *+ , 软件支持下进行的。
为了估测值的精确性，此项工作需要注意以下几点：（1）为了便于区分不同的地物，更好地识别出植物，需要
对照片进行了拉伸处理，增强各种地物之间的色彩与明暗差异，增大不同地物间的对比度，特别是植物与阴影
间的对比度；（"）必须制定统一的数字化的质量控制标准，由 !个人独立进行，这样每张相片都有 ! 个手工数
字化值，取这 !个值的平均值作为每张相片最后的手工数字化值。这样做可以减少由于人为因素带来的误
差；本研究是由 ! 个人独立进行，这样每张相片有 ! 个目视解译的结果，将 ! 个值的均值作为每张相片最后的
值。（!）目视解译时，相片应放大足够的倍数，以便勾画出的“植被多边形”的面积更精确。
!+ !+ !" 遥感数据处理
（1）几何校正和研究区的提取
首先以 123 万的地形图为基准，在图像指北旋转后，利用二次多项式和双线性内插法对 45678影像进行
图像到地图的几何校正，以纠正由于地球曲率和卫星观测角度的变化引起的遥感图象的扭曲现象。经重新选
点检验，误差要求在一个像元内。这些工作均是在 78945、7:;<及 48=<:>?软件支持下进行的。经过几何
校正和配准后的各遥感影像，通过与地理边界图的叠加提取出只包含研究区的信息。
表 #" $%&’(影像去除云污染的判断条件
&)*+, #" -./0120 342/151426 47 ,8)6120 3+4./ 748 $%&’( /)5)
判断条件 6.@ ABCD&’D E)’C&/&)’ 目标 ?FA@E/
=G1"1*, 云 =H)BC
=G1#I,；=G"#*,；=G!#J, 云影 =H)BC 0.$C)K
L L L =G1，=G"，=G! L 代表传感器的波段 1、" 和 ! L 5/$’C ()M F$’C 1，
F$’C " $’C F$’C ! )( /.@ 0@’0)M M@0%@E/&N@HO
（"）去云污染
鉴于研究区是半干旱的典型草原区，J 月份时正
值雨季，所以很难获取完全晴空的遥感影像，去除云
污染是本研究必须要作的工作。被判定为被云污染
的像元将不参与后面模型的运算。这里，去除云污染
所用的方法是阈值法，判断条件见表 1。
（!）辐射匹配校正
通过一幅或几幅影像的准同步监测建立的遥感
定量模型，应用于其它时段的影像要取得满意结果，必须解决影像间的辐射匹配问题。不同的影像获取日，由
于大气状况变化、日照变化和传感器参数变化等的影响，引起影像数据灰度值分布范围非真实的变化。
在本项研究中采用的是 ?;;法（?FA@E/0 ;)&C )( ;@D@/$/&)’）［*］。?;;法是基于植被的存在性不会随时间
和地表的状况而改变的思想形成的。?;; 方法大体分 ! 步。第 1 步是确定地表无植被目标，其面积至少比
所用影像的空间分辨率大两倍。可以选取裸地、飞机场或高速公路作为目标。按照 ?;; 的定义这些目标的
植被盖度应该为零，然而，由于大气的影响这些目标可能不为零，需要进行调整。第 " 步，计算非零调整因子。
第 ! 步，将整幅影像减去调整因子，得到整幅影像的植被盖度图（如图 !）。
在本研究中，对于 45678影像，选取柏油马路作为 ?;;目标。柏油马路在 45678影像上可以非常清楚
地被观测到。计算柏油马路的植被盖度，然后将整幅植被盖度图减去这些值。?;; 目标的植被盖度值为影
像提供了一个校正的基线，使得各遥感影像可以作相应的调整。
9" 研究方法
9+ #" 植被指数的选取
基于遥感数据估测地表生物物理变量最常用的植被指数包括两类。其一是不同波段光谱反射值的比率
所形成的植被指数；其二是不同波段光谱反射值的线性组合而形成的植被指数。本研究所用的植被指数有
"#$（8$/&) ;@D@/$/&)’ <’C@P）、%&#$（:)MQ$H&R@C 9&((@M@’E@ ;@D@/$/&)’ <’C@P）和 %&’$（:)MQ$H&R@C 9&((@M@’E@
SM@@’ <’C@P），均属于第一类。其中，"#$和 %&#$是最常被用来定性和定量评价植被覆盖及其生长活力的
植被指数。而 %&’$与以往很多指数不同之处是该指数运用了红光和绿光通道。表 " 详细列出了本研究所用
I*T L 生L 态L 学L 报L L L "J 卷L
! ! ! 接彩版（"，#，$）
%&%! $ 期 ! ! ! 张云霞! 等：地面测量与 ’()*+影像综合计算植被盖度 !
的各种植被指数及其计算公式。
表 !" 植被指数清单
#$%&’ !" (’)’*$*+,- +-.’/ &+0*+-)
名称
!"#$
英文缩写
%&’()*+ ",,-$.)"/)0&
计算公式
1"(23("/)&’ 40-#3("
归一化植被指数
!0-#"()5$6 7)44$-$&2$ 8$’$/"/)0& 9&6$:
!"#$ （!$% ; %）&（!$% < %）
归一化差异绿度指数
!0-#"()5$6 7)44$-$&2$ =-$$& 9&6$:
!"’$ （’ ; %）&（’ < %）
比值植被指数
>"/)0 8$’$/"/)0& 9&6$:
%#$ % & !$%
? ? !$%表示近红外波段；% 表示红光波段；’ 表示绿光波段 ? !$% */"&6* 40- !$"- )&4-"-$6 ,"&6，% */"&6* 40- -$6 -"@ ,"&6，’ */"&6* 40- ’-$$&
-"@ ,"&6
1A !" 植被盖度经验模型的建立
基于不同尺度的样方，在地面实测的植被盖度值与植被指数值之间进行回归分析，建立 BCD%>数据植被
盖度经验模型。具体步骤如下：
（E）利用植被盖度信息提取模型计算野外实测的各张数码相片的植被盖度值，在不同的样方尺度上计算
各样方的植被盖度；
（F）计算 BCD%>数据的各种植被指数（!"#$，!"’$，%#$）；
（G）将地面样方与相应的 BCD%>影像像元在不同的尺度上相匹配，匹配方案见表 G。
（H）基于某一样方尺度，计算与地面样地相对应区域内的 BCD%>影像像元植被指数的均值；
表 1" 样方尺寸与 23#45影像像元匹配表
" " #$%&’ 1" 6$*78+-) 078’9’ %’*:’’- *8’ 0+;’ ,< 0$9=&’ 0+*’0 $-. =+/’&0
,< 23#45
样方大小
D+$ *)5$ 04 *"#I($ *)/$*
BCD%>影像（像元 J像元）
BCD%> )#"’)&$（K):$( J K):$(）
EL# J EL# E 像元 J E 像元 EI):$( J EI):$(
GM# J GM# F 像元 J F 像元 FI):$( J FI):$(
NM# J NM# H 像元 J H 像元 HI):$( J HI):$(
（L）基于该样方尺度，建立地面实测植被盖度值
与 BCD%>数据植被指数值之间的回归模型；本研究
选用的线性模型表达式为 ( O ) < *+；非线性模型选取
的是二次多项式回归模型，其表达式为 ( O )+F < *+ <
,，其中 (代表植被盖度；+ 代表植被指数；)，* 和 , 为
参数。
（N）对回归模型进行显著性检验。
1A 1" 亚像元分解模型
假设像元中植被覆盖部分其植被类型一致但密
度有不同变化，由于 -.$ P P Q，设植被覆盖度为 /0，于是有 !"#$ O /0!"#$0 <（E ; /0）!"#$M，即：
/0 1
!"#$ 2 !"#$M
!"#$0 2 !"#$M
（E）
其中，!"#$0 O !"#$Q ;（!"#$Q ; !"#$M）$:I（! 3·-.$）。
可见混合像元植被低密度条件下，植被覆盖度的计算不仅需要 !"#$M、!"#$Q，还需要确定消光指数 3 和
叶面指数 -.$。研究表明，对于典型草原，3 值在 MA R S EA G 之间［L，T，R］。参考国内外文献本文近似取值 4 O
EU M［V］。-.$的计算方法参见参考文献［EM］。
通过分析可以看出 -.$值的大小是选择高密度、低密度植被盖度模型的关键。参考 =3/#"&的研究［L］，本
文对研究区典型地物进行分析，结果表明：当 -.$ W GA M 后应用高密度模型的计算误差可忽略。因此本研究以
-.$ O GA M 作为选择高密度、低密度模型的阈值［T］，发展了一套估算植被盖度的亚像元模型。其流程如图 H 所
示，主要包括：图像预处理，-.$计算，盖度计算模型选择，参数确定，区域 /0计算和后处理等步骤。
1A >" 评价植被盖度经验模型估测精度的方法
在研究区内选取 EE 个样点作为检测点，在这些点上将植被盖度经验模型与亚像元分解模型的估测结果
MTV ? 生? 态? 学? 报? ? ? FT 卷?
图 !" 利用亚像元分解模型估算 #$%&’影像植被盖度流程
()*+ !" (,-. /0123 -4 563)713)8* 95*5313)-8 421/3)-81, /-9521*5 -4 #$%&’ )71*5 :6)8* 6:;<=)>5,
与地面实测数据相比较，利用得到的误差来评价模型的优劣。特别说明的是这些检验点的选择遵循以下的原
则：（?）均匀分布；（@）植被盖度在一定的变化范围内。在分析误差时，用到了以下公式：
绝对误差 ! " ! # $! " （@）
平均误差 ! ?%$
%
& ! ?
!& （A）
标准差 ! ?% # ?$
%
& ! ?
（!& # $!）
@
! ） （!）
切尾平均 ! ?% # @’$
%#’
& ! ’(?
!& （B）
四分位极差 ! !（A% ) !）# !（% ) !） （C）
式中，!表示地面实测的结果；$!表示植被盖度经验模型或亚像元分解模型运算的结果。
式（A）D式（C）是评价误差的指标。各式中的 !& 均指绝对误差值，%! 表示误差的算术均值，% 表示样
本数。
所谓切尾平均是截去样本两端较小比例的数据后的算术平均。先将观测值按由小到大的次序排列，然后
截去上侧 *+及下侧 *+的观测值，其中 *是事先选定的数。一般取 * E ?F。对更大的样本，用 * E @B。本研究
中 *取值为 ?F。’ E［%* G ?FF］表示不超过 %* ) ?FF 的最大整数，F#* H BF。在此处引入切尾均值、四分位极差的
原因是考虑到许多实际数据中，总是存在异常值或错误的数据，算术平均值和极差或标准差对这些问题比较
敏感。一个不好的数据可以将均值从其余数据的中心移动任意大的距离。而切尾平均对异常值是稳健的。
如果某一个数据加上一个大的扰动，切尾平均只有轻微的变化。而四分位极差也具有稳健性的特性。
!" 结果分析
!+ #" 信息提取模型的估测精度
图 A 是针对一张数码相片，分别利用目视解译法和信息提取模型估测植被盖度的结果。
图 B 是分别采用目视解译法和信息提取模型估测 A@ 张数码相片植被盖度的对比。表 ! 列出了利用信息
提取模型估测上述 A@ 张数码相片植被盖度的相对误差。此处假设目视解译的结果是植被盖度的真实值，可
以看出，A@ 张数码相片的最大相对误差是 @F+ !I，最小相对误差是 ?I，平均相对误差是 ?C+ !I，相对误差小
?JK" A 期 " " " 张云霞" 等：地面测量与 #$%&’影像综合计算植被盖度 "
于 !"#的相片数占 !$% $#，相对误差小于 &"#的占 ’(% )#。所以，从整体上来看，信息提取模型的估测结果
与目视解译法的结果相差不大。
图 *+ 不同方法估测数码相片植被盖度的比较
+ ,-.% * + /0123452 06 7-6683812 982:075 603 852-942-1. ;8.8242-01
634<2-014= <0;834.8 06 7-.-24= >:020
!% "# 植被盖度经验模型的确定
表 * 列出了基于不同样方尺度和不同植被指数，植
被盖度盖度经验模型的回归系数和复相关系数以及残
差均方。从表 * 可知，?@ABC 影像的各植被指数与地
面实测植被盖度之间存在较好的相关关系。除了个别
的情况外，大多数情况下各植被指数与植被盖度的回归
模型的复相关系数均达到了 "% "! 甚至 "D ""* 的显著水
平。而且，!"#$和 !"%$与植被盖度存在正相关关系，
而 &#$与植被盖度存在负相关关系。特别是基于 ("9
E("9的样方尺度，基于 !"#$ 的经验模型的复相关系
数最大，非线性模型为 "% (*(，线性模型为 "% (**；而残
差均方则最小，不论是线性模型还是非线性模型均为 "D "!F)。图 ( 是 ("9 E("9样地尺度下，!"#$与植被盖
度的散点图。
# # 表 !# 信息提取模型估测数码相片植被盖度的相对误差列表
$%&’( ! # $)( *(’%+,-( (**.* ’,/+ .0 (/+,1%+,23 -(3(+%+,.2 0*%4+,.2%’
4.-(*%3( 0*.1 5,3,+%’ 6).+. 7/,23 ,20.*1%+,.2 (8+*%4+,23 1.5(’
相片号
G:020 1H9I83
相对误差（#）
C8=42-;8 83303
相片号
G:020 1H9I83
相对误差（#）
C8=42-;8 83303
! !)% ) !J !$% J
& !)% $ !$ &"% "
F !)% ) !) !"% *
’ &"% " &" &"% "
* &"% " &! !)% )
( &"% ’ && &"% "
J &"% " &F &"% "
$ &"% & &’ &"% "
) &"% " &* !)% )
!" &% $ &( &"% "
!! !% ) &J &"% "
!& &"% " &$ F% ’
!F $% & &) !)% )
!’ !% " F" &"% "
!* &"% " F! !(% J
!( &"% " F& &% !
!% 9# 植被盖度经验模型与亚像元分解模型的比较
图 J 是分别利用植被盖度经验模型以及亚像元
分解模型在 !! 个检验点上的误差。
表 ( 是对各模型误差的定量分析。为了便于分
析，此处误差指绝对误差。从表 ( 可以看出，在误差
算术平均值、切尾平均值以及四分位极差这 F 项指标
上，亚像元分解模型均大于线性植被盖度经验模型和
非线性植被盖度经验模型。
所以，从整体而言，亚像元分解模型的估测误差
较大，并且估测精度的波动较大。
基于以上分析，确定基于 ("9 E ("9 样地尺度，
基于 !"#$的经验模型为植被盖度经验模型，即：
’( ) * "+ "J(!"#$& , "+ *!(!"#$ , "+ !J! （J）
’( ) "+ ’$"!"#$ , "+ !J" （$）
!% !# 植被指数对于植被盖度经验模型的影响
图 $ 是基于不同的植被指数，各回归模型复相关
系数的比较。可以看出，对于线性经验模型而言，在
各样地尺度上，基于 !"#$的经验模型的复相关系数均大于同样地尺度下基于 !"%$ 和 &#$ 的模型的复相关
系数。对于非线性经验模型情形同样如此。
比较 !"%$和 &#$，两者似乎难分伯仲。从线性经验模型看，! E !（像元 E像元）的样地尺度下，两者差异
很小。在 & E &（像元 E像元）的样地尺度下，基于 &#$模型的复相关系数略大于基于 !"%$ 模型的相关系数，
而在 ’ E ’（像元 E像元）的样地尺度下，情况又正好相反。再看非线性回归模型，在各样地尺度下，基于 &#$
的模型的复相关系数均大于基于 !"%$的模型的复相关系数。
总之，对于 ?@ABC影像而言，不同的植被指数监测典型草原植被盖度，结果差别较大。与 !"%$ 和 &#$
相比，!"#$更加适于监测北方温带典型草原的植被盖度。而 !"%$ 与 &#$ 相比，对于不同的样地尺度和不同
的回归模型，各有优劣。但就非线性模型而言，基于 &#$的回归模型优于基于 !"%$的回归模型。
&J) + 生+ 态+ 学+ 报+ + + &J 卷+
表 !" 不同尺度样地下的 #$%&’影像植被盖度回归模型（! ! "#）
%()*+ !" ’+,-+../01 203+*. 04 5+,+6(6/01 4-(76/01(* 705+-(,+ 04 #$%&’ /2(,+ 813+- 3/44+-+16 .(29*+ ./:+（! ! "#）
模型
$%&’(
植被指数
)’*’+,+-%. -.&’/
样地尺度（像元 0像元）
1,23(’ 4-5’ （3-/’( 0 3-/’(）
" # $ % &"
线性 6-.’,7 ’()* 8 0 8 #9 :;# #9 8;: — #9 ;<:!! #9 #8=:
" 0 " #9 =8" #9 8<# — #9 >#"!!! #9 #8;8
= 0 = #9 =?# #9 8<# — #9 >;;!!! #9 #8:@
非线性 A%. (-.’,7 8 0 8 #9 8>8 #9 ";@ #9 8;8 #9 ;<@!! #9 #8="
" 0 " #9 #;: #9 :?< #9 8>@ #9 >#"!!! #9 #8;8
= 0 = B #9 #<> #9 ;8> #9 8<8 #9 >;>!!! #9 #8:@
线性 6-.’,7 ’(+* 8 0 8 #9 ;@; #9 #;: — #9 ;#" 0 " #9 ?8? #9 #:> — #9 ;;"! #9 #8>;
= 0 = #9 @=? #9 #88 — #9 >#?!!! #9 #8;=
非线性 A%. (-.’,7 8 0 8 89 8>8 B #9 "#> #9 8;= #9 ;:?! #9 #8;"
" 0 " 89 >#< B #9 8"8 #9 8=" #9 ;<#!! #9 #8>#
= 0 = #9 ":: #9 ?8" #9 #"< #9 >#?!!! #9 #8;=
线性 6-.’,7 %)* 8 0 8 B 89 ":" #9 #?> — #9 ;#>! #9 #8;@
" 0 " B 89 <"< #9 #<; — #9 ;<= 0 = B 89 @#< #9 #>" — #9 ;@?!! #9 #8;<
非线性 A%. (-.’,7 8 0 8 ;9 @"= #9 8@; #9 8=8 #9 ;=8! #9 #8;8
" 0 " <9 ;?< B #9 #?: #9 8:; #9 ;@>!! #9 #8;:
= 0 = >9 @;" B #9 :@= #9 88@ #9 >8"!!! #9 #8;"
C C !表示显著水平为 #9 #";，!!表示显著水平为 #9 #8，!!!表示显著水平为 #9 ##;；% 代表复相关系数；&"代表残差均方 C ! 1+,.&4 D%7
4-*.-D-E,.E’ (’F’( %D #9 #";，!! 1+,.&4 D%7 4-*.-D-E,.E’ (’F’( %D #9 #8，,.& !!! 1+,.&4 D%7 4-*.-D-E,.E’ (’F’( %D #9 ##;；% 4+,.&4 D%7 2G(+-3(’ E%77’(,+-%.
E%’DD-E-’.+，&" 4+,.&4 D%7 7’4-&G,( 4G2 %D 4HG,7’
图 >C >#2 0 >#2样方尺度下 I1JKL植被盖度与植被指数散点图
M-*9 > C 1E,++’7 N’+O’’. F’*’+,+-%. D7,E+-%.,( E%F’7,*’ ,.& F’*’+,+-%.
-.&’/ %D I1JKL G.&’7 >#2 0 >#2 4,23(’ 4-5’
图 M-*9 < C K77%7 %D 2%&’(4 D%7 ’4+-2,+-.* F’*’+,+-%. D7,E+-%.,( E%F’7,*’
N,4’& %. I1JKL &,+,
表 ;" 基于 #$%&’数据的各植被盖度估测模型的误差比较（! ! 88）
%()*+ ;" &--0- 7016-(.6 (201, 203+*. 40- +.6/2(6/1, 5+,+6(6/01 4-(76/01(* 705+-(,+ )(.+3 01 #$%&’（! ! 88）
指标
P.&’/
亚像元分解模型的误差
JQ’ ’77%7 %D 4GNR3-/’( 2%&’(
线性模型的误差
JQ’ ’77%7 %D (-.’,7 2%&’(
非线性模型的误差
JQ’ ’77%7 %D .%. (-.’,7 2%&’(
算术平均 I7-+Q2’+-E ,F’7,*’ #9 #@# #9 #<< #9 #?8
标准差 1+,.&,7& S’F-,+-%. #9 #;? #9 #># #9 #>:
切尾平均 J7-2 ,F’7,*’ #9 #?: #9 #>> #9 #<8
四分位极差 TG,7+-(’ 7,.*’ #9 #?# #9 #<; #9 #<;
<9 !" 样地尺度对经验模型的影响
图 @ 是不同样地尺度下，各回归模型复相关系数的比较。可以看出，植被指数与植被盖度之间建立的回
:<@C : 期 C C C 张云霞C 等：地面测量与 I1JKL影像综合计算植被盖度 C