全 文 ：书基于３犛技术的甘南草地覆盖度动态变化研究
王浩１，李文龙１，杜国祯２，朱晓丽１
（１．兰州大学草地农业科技学院 草地农业生态系统国家重点实验室，甘肃 兰州７３００２０；
２．兰州大学干旱与草地生态教育部重点实验室，甘肃 兰州７３００００）
摘要：以像元二分法模型为基础，构建了基于改进归一化植被指数（ＮＤＶＩ）的植被覆盖度定量估算模型，并利用
ＭＯＤＩＳ卫星遥感数据，基于３Ｓ技术（ＧＩＳ，ＲＳ，ＧＰＳ）空间分析功能，分级计算得到了甘南２００２，２００４，２００６，２００８年
的草地植被覆盖度，分析了甘南２００２－２００８年植被覆盖度变化的空间动态演变过程和趋势。结果表明，２００２－
２００８年，甘南植被覆盖度质量总体呈下降趋势，一级盖度植被的退化比较严重，草地植被的演变情况主要由优等植
被覆盖（一、二级）向低等植被覆盖（四、五级）演变。研究结果揭示了甘南州草地退化状况日趋严重的事实，为相关
研究和政府草地管理提供了有效依据。
关键词：草地植被覆盖度；ＮＤＶＩ；ＭＯＤＩＳ；３Ｓ技术
中图分类号：Ｓ８１２０５　　文献标识码：Ａ　　文章编号：１００４５７５９（２０１２）０３００２６１２
　　植被是陆地生态系统的主要组分，是生态系统变化的指示器。在世界陆地面积中，林地约占３０％，草地占
２５％，耕地占１２％左右。这些绿色植物，对保护生态环境和生态的良性循环，发挥着巨大的作用。我国是世界上
第二草地大国，草地面积占世界草地面积的１２．４％，总面积为４亿ｈｍ２，其中北方３．１３亿ｈｍ２。我国草地面积
占国土面积的４１％，为耕地面积的２倍，对我国边疆民族的繁荣昌盛、生态环境的保护和畜牧饲养业的发展，都
发挥着重要的作用［１］。
植被覆盖度是反映植被基本情况的客观指标，在许多研究中常将其作为基本的参数或因子。植被覆盖度极
其精确测算研究主要具有以下意义：１）作为科学研究必要的基础数据，为生态、水保、土壤、水利、植物等领域的定
量研究提供基础数据，确保相关研究成果、模型理论更加科学可信；２）作为生态系统变化的重要标志，为区域或全
球性地表覆盖变化、景观分析等前沿问题的研究提供指示作用，促进自然环境研究不断深入发展。
根据监测手段，测量植被覆盖度的方法可分为地面测量和遥感测量２种方法［２］。地面测量法又可分为目估
法、采样法、仪器法和模型法；遥感测量又分为回归模型法、植被指数法和像元分解法［３］。其中遥感测量方法的出
现，使得大面积，大区域植被指数提取及监测成为可能，因此正逐渐成为近来研究的热点，得到了广泛的应用［４６］。
首先描述植被覆盖度地面测量方法的是 Ｍｕｌｅｒ和Ｐｌｅｔｅｒｓ［７］。Ｄｙｍｏｎｄ等［８］使用栅格点采样法测量了草地
的植被覆盖度；Ｅｌｖｉｄｇｅ和Ｃｈｅｎ［９］使用相片随机取点法测量了灌木与林木的植被覆盖度；Ｐｕｒｅｖｄｏｒ等［１０］使用截
点法测量植被覆盖度。仪器法中Ｚｈｏｕ和Ｒｏｂｓｏｎ［１１］利用数码相机获得植被覆盖的数码照片，并通过光谱纹理分
类器自动监测草地植被覆盖度。Ｃｏｓｈ和Ｂｒｕｔｓａｅｒｔ［１２］使用农业数码相机对美国干旱生态系统植被覆盖度进行了
长期监测，获得了准确有效的结果。遥感测量方面Ｇｒａｅｔｚ等［１３］基于 ＭＳＳ５波段，用线性回归的方法估计了澳大
利亚南部半干旱地区不同区域的植被覆盖度，简单线性回归方程的２个参数因区域的不同而有所不同；Ｓｈｏｓｈａ
ｎｙ和Ｌａｖｅｅ［１４］在密西西比河与干旱生态系统之间的气候突变区域，运用ＴＭ 遥感前４个波段的直接光谱信息，
建立了估算植被覆盖度的多元线性模型，模型相关系数达到了０．８８，并认为这种模型适合存在很大气候梯度的
区域。Ｄｙｍｏｎｄ等［１５］在新西兰地区用ＳＰＯＴ影像建立了植被覆盖度与ＮＤＶＩ的非线性模型，并利用该模型估计
了新西兰地区的植被覆盖度。
２６－３７
２０１２年６月
　　　草　业　学　报　　　
　　　ＡＣＴＡＰＲＡＴＡＣＵＬＴＵＲＡＥＳＩＮＩＣＡ　　　
第２１卷　第３期
Ｖｏｌ．２１，Ｎｏ．３
收稿日期：２０１１０２０２；改回日期：２０１１０３３０
基金项目：国家自然科学基金 （３０９７０４９１，３０９７０４７８），中央高校基本科研业务专项基金 （２２３０００８６０１９８），国家教育部博士点基金
（２００７０７４００３１），教育部“春晖计划”（Ｚ２００８１６２０２３）和国家科技部科技支撑重点项目（７７４００００４３２１４）资助。
作者简介：王浩（１９８６），男，甘肃兰州人，在读硕士。Ｅｍａｉｌ：ｈａｏｗａｎｇ０９＠ｌｚｕ．ｅｄｕ．ｃｎ
通讯作者。Ｅｍａｉｌ：ｗｌｅｅ＠ｌｚｕ．ｅｄｕ．ｃｎ
我国有关植被覆盖的研究也取得了长足的发展，估算法简单易行，我国过去许多历史资料中的植被覆盖度均
是用该方法获得的。但目测估算法主观随意性大，精度与测量者的经验密切相关。章文波等［１６］对目测估算的精
度研究结果表明，个人目测估算植被覆盖度的最大绝对误差可达４０％。随着遥感技术的发展，空间测量越来越
多的应用于植被覆盖度的研究之中。我国的线形回归模型法估算植被覆盖度大都是基于植被指数进行的。池宏
康［１７］通过分析沙地反射机理，建立了鄂尔多斯高原地区沙地油蒿（犃狉狋犲犿犻狊犻犪狅狉犱狅狊犻犮犪）群落盖度与修正后的土壤
调节植被指数（ＭＳＡＶＩ）之间的线性关系模型。查勇［１８］在环青海湖地区研究时，首先以地面遥感的反演结果为
基础，对ＴＭ影像进行校准，即：犐犡＝（犕犡－犕ｍｉｎ）（犐ｍａｘ－犐ｍｉｎ）／（犕ｍａｘ－犕ｍｉｎ）＋犐ｍｉｎ，式中，犐为影像值；犕 为实测
光谱值。然后建立了草地实测植被覆盖与校准的 ＮＤＶＩ之间的相互关系，实现了从地面遥感到空中遥感的转
变，取得了良好的效果。杨胜天等［１９］则用ＳＰＯＴ５和ＱｕｉｃｋＢｉｒｄ遥感图像对“北京一号”提取的植被覆盖度进行
了修正，精度比只应用植被指数转换的模型提高了２２．７％。陈晋等［２０］则在Ｇｕｔｍａｎ和Ｉｇｎａｔｏｖ［２１］研究的基础
上，基于土地覆盖分类选择合适的亚像元结构在北京市海淀区进行了植被覆盖度的估算，相对Ｇｕｔｍａｎ和Ｉｇｎａ
ｔｏｖ［２１］单纯使用等密度亚像元模型，估算精度提高了５．８％。
１　材料与方法
１．１　研究区概况
研究区甘南藏族自治州是全国十个藏族自治州之一，地处青藏高原东北边缘，南与四川阿坝州相连，西南与
青海黄南州、果洛州接壤，东面和北部与本省陇南、定西、临夏毗邻，地理坐标位于３３°０６′～３６°１０′Ｎ，１００°４６′～
１０４°４４′Ｅ。全州总面积４．５万ｋｍ２，处于青藏高原和黄土高原过渡地带，地势西北部高，东南部低。境内海拔
１１００～４９００ｍ，大部分地区在３０００ｍ以上。全州分３个自然类型区，南部为岷迭山区，群峦叠嶂，山大沟深，气
候比较温和，是全省重要林区之一；东部为丘陵山地，高寒阴湿，农林牧兼营；西北部为广阔的草甸草原，是全省主
要牧区。甘南州草地类型主要有暖性草丛、温性草甸草原、温性草原、高寒草甸、高寒灌丛草甸、低平地草甸类和
沼泽。州府合作市海拔２９６０ｍ，平均气温１．７℃，没有绝对无霜期。自治州成立于１９５３年，辖夏河、玛曲、碌曲、
卓尼、迭部、临潭、舟曲七县和合作市，９９个乡（镇、街道办）。州内有藏、汉、回、土、蒙等２４个民族，总人口６８．０１
万，其中藏族３６．７万，占总人口的５４．０％；农牧业人口５５．０万，占总人口的８０．９％［２２，２３］。
１．２　数据处理
遥感数据使用ＮＡＳＡ／ＭＯＤＩＳ（ｎａｔｉｏｎａｌａｅｒｏｎａｕｔｉｃｓａｎｄｓｐａｃｅａｄｍｉｎｉｓｔｒａｔｉｏｎ／ｍｏｄｅｒａｔｅｒｅｓｏｌｕｔｉｏｎｉｍａｇｉｎｇ
ｓｐｅｃｔｒｏｒａｄｉｏｍｅｔｅｒ，美国宇航局／中分辨率影像辐射度计）２００２，２００４，２００６，２００８年６月２５日—８月２８日的８ｄ
合成地表反射率数据产品（ＭＯＤ０９Ａ１），分辨率为５００ｍ×５００ｍ，空间位置在全球正弦曲线投影ＳＩＮ（ｓｉｎｕｓｏｉｄａｌ
ｐｒｏｊｅｃｔｉｏｎ）系统中的轨道编号为ｈ２６ｖ０５，该数据可以从ＮＡＳＡ对地观测系统数据共享平台下载。另有甘南州行
政边界图（图１），甘南州土地利用图和土壤类型图，土地利用图和土壤类型图由兰州大学草地农业科技学院草地
遥感实验室提供。
由于下载的 ＭＯＤＩＳ数据影像中存在云覆盖部分，会对估算结果产生影响，所以需要消除云区域对图像的影
响。利用ＡｒｃＧＩＳ９．２软件，在计算植被指数之前采用多景影像融合算法（最大像元法）将每月数据进行合成，以
其他影像中的无云区域替代估算影像中的云及云影区域，以提高估算精度并且得到该月最大植被指数合成图像。
最后将每月合成影像继续用最大像元法进行合成，得到每年最大ＮＤＶＩ指数图像进行盖度分析。
１．３　研究方法
１．３．１　植被覆盖度遥感监测模型　植被指数的建立是基于植被在红光和近红外波段反差较大的光谱特征。植
被在红光波段，随着植被的生长，其反射的红光能量降低。另一方面，植被对近红外波段的辐射吸收较少，反射的
近红外波段的能量随着植被的生长而增加。由于经植被冠层反射到达卫星传感器的辐射量与太阳辐射、大气条
件、植被冠层结构等因素有关，因此常采用２个或多个探测通道的卫星数据的组合来建立植被指数。在多种定义
的植被指数中，归一化植被指数（ＮＤＶＩ）是应用最广泛的一种。它被定义为近红外波段与可见光红波段数值之
差和这２个波段数值之和的比值。由 ＭＯＤＩＳ的第１波段（红光波段）和第２波段（近红外波段）生成的ＮＤＶＩ的
计算公式为：
７２第２１卷第３期 草业学报２０１２年
犖犇犞犐＝（犆犎２－犆犎１）／（犆犎２＋犆犎１） （１）
式中，犆犎２为近红外波段的反射率，犆犎１为红光波段的反射率［２４］。
比值形式的ＮＤＶＩ可以消除大部分与仪器定标、太阳角、地形、云阴影和大气条件有关的辐照度变化，增强
了对植被的响应能力。因此，它是监测地区或全球植被和生态环境的有效指标，是植物生长状态以及植物生长空
间分布密度的最佳指示因子，与植物分布密度呈线性相关［２５］。
图１　甘南藏族自治州
犉犻犵．１　犜犺犲犾狅犮犪狋犻狅狀犿犪狆狅犳犌犪狀狀犪狀
１．３．２　估算植被覆盖度　利用像元二分模型估算植被覆盖度。像元二分模型对影像辐射订正的影响不敏感，且
计算简便、结果可靠，因此得到了广泛应用。其基本原理是假定一个像元信息（Ｓ）只由植被和土壤两部分所贡
献，分别记为ＳＶ 和ＳＳ。犖犇犞犐狊狅犻犾代表着纯土壤覆盖像元的最小值，它应该是不随时间改变的，对于大多数类型的
裸地表面，理论上应该接近０。由于地表湿度、粗糙度、土壤类型、土壤颜色等条件的不同，犖犇犞犐狊狅犻犾会随着时空而
变化，为－０．１～０．２；犖犇犞犐狏犲犵代表着纯植被覆盖像元的最大值，理论上应该为１。由于植被类型的不同等因素，
犖犇犞犐狏犲犵值也会随着时间和空间而改变。因此，在实际应用中，犖犇犞犐狊狅犻犾和犖犇犞犐狏犲犵都是从 ＭＯＤＩＳ影像计算得
到的。设植被覆盖度为犉犆，纯植被覆盖信息为犛狏犲犵，纯土壤覆盖信息为犛狊狅犻犾，则有犛犞 ＝犉犆·犛狏犲犵和犛犛＝
（１－犉犆）·犛狊狅犻犾，又因犛＝犛犞＋犛犛，所以有：
８２ ＡＣＴＡＰＲＡＴＡＣＵＬＴＵＲＡＥＳＩＮＩＣＡ（２０１２） Ｖｏｌ．２１，Ｎｏ．３
犉犆＝（Ｓ－犛狊狅犻犾）／（犛狏犲犵－犛狊狅犻犾） （２）
把ＮＤＶＩ同像元二分模型相结合，得到基于ＮＤＶＩ的植被覆盖度像元二分模型：
犉犆＝（犖犇犞犐－犖犇犞犐狊狅犻犾）／（犖犇犞犐狏犲犵－犖犇犞犐狊狅犻犾） （３）
式中，犉犆 为所求的植被覆盖度，犖犇犞犐为像元的归一化植被指数。
１．３．３　犖犇犞犐狊狅犻犾与犖犇犞犐狏犲犵的取值　假设集合Ａ中有２个像元犪１与犪２，它们的植被覆盖度已知分别为犳犮１与
犳犮２，分别对这２个像元使用公式：
犉犆＝（犖犇犞犐－犖犇犞犐狊狅犻犾）／（犖犇犞犐狏犲犵－犖犇犞犐狊狅犻犾） （４）
犳犮１＝（犖犇犞犐１－犖犇犞犐狊狅犻犾）／（犖犇犞犐狏犲犵－犖犇犞犐狊狅犻犾） （５）
犳犮２＝（犖犇犞犐２－犖犇犞犐狊狅犻犾）／（犖犇犞犐狏犲犵－犖犇犞犐狊狅犻犾） （６）
对此方程组中的犖犇犞犐狊狅犻犾与犖犇犞犐狏犲犵求解得：
犖犇犞犐狊狅犻犾＝（犳犮２·犖犇犞犐１－犳犮１·犖犇犞犐２）／（犳犮２－犳犮１） （７）
犖犇犞犐狏犲犵＝［（１－犳犮２）犖犇犞犐２－（１－犳犮１）犖犇犞犐１］／（犳犮２－犳犮１） （８）
原则上像元犪１和犪２可以取集合中的任意像元，但从公式（７）可以看出，如果犳犮２－犳犮１的值越大，则计算所得
的犖犇犞犐狊狅犻犾与犖犇犞犐狏犲犵的误差越小。当犳犮１取０且犳犮２取１时，此时像元１为无植被像元，而像元２为完全植被覆
盖像元，将犳犮１与犳犮２代入公式（７）与（８），得到 犖犇犞犐狊狅犻犾＝犖犇犞犐１，犖犇犞犐狏犲犵＝犖犇犞犐２，正好符合 犖犇犞犐狊狅犻犾与
犖犇犞犐狏犲犵的定义。
由于对每个像元集合Ａ而言都不可能找到无植被像元与完全植被覆盖的像元，因此在对集合Ａ进行植被覆
盖度的估算时，取犖犇犞犐１为集合中像元ＮＤＶＩ最小的值，犖犇犞犐２为集合中像元ＮＤＶＩ的最大值，由于ＮＤＶＩ与
ｆｃ具有线性关系，此时它们所对应的犳犮１与犳犮２也应当是集合中像元植被覆盖度的最小值与最大值。用犳犮ｍｉｎ表示
犳犮１，犳犮ｍａｘ表示犳犮２。此时犳犮ｍｉｎ和犳犮ｍａｘ也不一定分别为０和１。也就是说，取犪１为集合Ａ中具有ＮＤＶＩ最小值的
像元，犪２为集合Ａ中具有ＮＤＶＩ最大值的像元。取犖犇犞犐１为犖犇犞犐ｍｉｎ，犖犇犞犐２为犖犇犞犐ｍａｘ，犳犮１取犳犮ｍｉｎ，犳犮２取
犳犮ｍａｘ，代入公式（７）和（８），得到公式（９）和（１０）：
犖犇犞犐狊狅犻犾＝（犳犮ｍａｘ·犖犇犞犐ｍｉｎ－犳犮ｍｉｎ·犖犇犞犐ｍａｘ）／（犳犮ｍａｘ－犳犮ｍｉｎ） （９）
犖犇犞犐狏犲犵＝［（１－犳犮ｍｉｎ）犖犇犞犐ｍａｘ－（１－犳犮ｍａｘ）犖犇犞犐ｍｉｎ］／（犳犮ｍａｘ－犳犮ｍｉｎ） （１０）
此时就需要确定犳犮ｍａｘ、犳犮ｍｉｎ、犖犇犞犐ｍａｘ与犖犇犞犐ｍｉｎ这４个参数，犳犮ｍａｘ与犳犮ｍｉｎ即估计集合Ａ中像元植被覆盖度
可能的最大值与最小值。植被覆盖度的最大值和最小值与地区、时相、图像空间分辨率和植被类型等有关系。不
同的地区，植被覆盖度的最大值会有所不同，而对于本研究而言，由于研究区为连片的草地，且时相均为夏季，因
此该研究中的植被覆盖度最大值可以达到１００％。研究区又存在水体和沙地，所以植被覆盖度的最小值可以近
似取０。
当犳犮ｍａｘ可以近似取得１００％，且犳犮ｍｉｎ可以近似取得０时，将参数犳犮ｍａｘ与犳犮ｍｉｎ代入公式（９）、（１０）得：
犖犇犞犐狊狅犻犾＝犖犇犞犐ｍｉｎ （１１）
犖犇犞犐狏犲犵＝犖犇犞犐ｍａｘ （１２）
此时，犖犇犞犐狊狅犻犾就等于犖犇犞犐ｍｉｎ，而犖犇犞犐狏犲犵就等于犖犇犞犐ｍａｘ。
由于遥感影像中存在噪声的影响，可以产生过高或过低的ＮＤＶＩ值，如果用这些值来计算植被覆盖度会得
到错误的结果，为了避免发生这些错误，在对犖犇犞犐ｍｉｎ与犖犇犞犐ｍａｘ取值时，并不直接取集合Ａ中的ＮＤＶＩ最大值
与最小值，而是取给定置信度的置信区间内的最大值与最小值。置信度的取值主要由图像大小，图像清晰度等情
况来确定。置信度的选取要保证取到集合中ＮＤＶＩ的最大值和最小值，并且要保证集合中有足够的像元个数，
以满足ＮＤＶＩ最大值的像元植被覆盖度可以达到１００％，具有ＮＤＶＩ最小值的像元植被覆盖度可以达到０。因此
对于那些像元个数不够多的集合，就需要将它们并入其他集合。
１．４　甘南州植被覆盖度计算
１．４．１　估算流程　１）计算ＮＤＶＩ值；２）确定一个置信度（０．５％），作出影像中每个像元集合（集合中像元的犖犇
犞犐狊狅犻犾与犖犇犞犐狏犲犵都是相同或相近的）的 ＮＤＶＩ概率分布，计算置信区间内的最大值与最小值犖犇犞犐ｍａｘ与犖犇
９２第２１卷第３期 草业学报２０１２年
ＶＩｍｉｎ；３．取犖犇犞犐狊狅犻犾＝犖犇犞犐ｍｉｎ，犖犇犞犐狏犲犵＝犖犇犞犐ｍａｘ，
图２　植被覆盖度计算流程
犉犻犵．２　犉犾狅狑犮犺犪狉狋狅犳犮犪犾犮狌犾犪狋犻狅狀狅犳狏犲犵犲狋犪狋犻狅狀犮狅狏犲狉犪犵犲
代入公式计算整个像元集合的植被覆盖度。植被覆盖
度计算流程如图２所示。
１．４．２　甘南植被覆盖度估算结果　通过利用二分像
元模型法估算得到甘南州２００２，２００４，２００６，２００８年的
植被覆盖度。根据甘南土地利用类型图及估算的植被
覆盖度图，以及国家“土地利用现状调查技术规程”，全
国“草场资源调查技术规程”，“全国沙漠类型划分原
则”的条款为指导依据，并结合甘南植被特有的生态特
征，将甘南植被覆盖度分级。
一级：植被覆盖度大于６０％，高产草地，密灌木
地，密林地，属于优等覆盖、高覆盖度植被。二级：植被
覆盖度为３０％～６０％，为中高产草地，中高覆盖度。
三级：植被覆盖度为１５％～３０％，中低产草地，沼泽类
草地，中覆盖度。四级：５％～１５％，相当于强度侵蚀
区，轻度沙漠化土地、中产草地、低郁闭度林地，零星植
被，差覆盖度。五级：植被覆盖度小于５％，相当强度、
中度沙漠化土地、裸岩、居民地、水体、裸土，低产草地，
属劣等覆盖。
由于甘南地区近年来一直在实行“退耕还林”政
策，所以林地面积逐年增加，又因为本研究所取时间段
为２００２－２００８年，所以２００８年时，研究区域在研究时
间段内林地面积已为最大值。因此，采用２００８年土地利用类型图，将林地部分从统计结果中去除，以避免人为因
素对植被覆盖度统计结果的影响。２００８年土地利用类型图，由兰州大学草地农业科技学院草地遥感实验室依据
２００８年甘南ＴＭ遥感影像绘制而成。
２　结果与分析
２．１　以ＮＤＶＩ为依据的覆盖度分级图
甘南州２００２，２００４，２００６，２００８年以ＮＤＶＩ为依据的覆盖度分级图如图３所示。
２．２　精度检验
在计算覆盖度之前，为保证计算结果的准确性，事先对甘南地区进行了监督分类，将甘南地区分为植被与非
植被两部分。其中植被部分用来计算覆盖度，非植被部分则在计算完成后，按照分级标准一并归于覆盖度小于
５％的第５等级之中。利用分类误差矩阵对监督分类的准确性进行了检验，分类误差矩阵可以说明选择区域中有
多少个像元分别属于相应的类别。从分类误差总体的百分比来说，如果误差矩阵值小于８５％，则分类模板的精
度太低，需要重新建立。所以对甘南地区的监督分类，均是在保证其误差矩阵值大于８５％的情况下进行的，因此
分类结果较为准确。
为检验估算结果的精确性，利用２００６和２００８年实测数据与估算数据进行对比。实测数据采集于７月１０日
－７月２５日，采集时利用１ｍ×１ｍ的样方，每个实测点采集重复３次。由于实测数据所选样方大小为１ｍ×１
ｍ，而 ＭＯＤＩＳ影像数据像元大小为５００ｍ×５００ｍ，所以在选取实测数据样点时，利用甘南地区高程数据对样点
所处位置进行筛选，当样点位于坡度小于１０°地区时，可视为该地区地势较为平缓，与 ＭＯＤＩＳ数据具有可比性，
予以选用。实测数据由传统样方法获得，具有采样点的经纬度坐标，利用实测数据的经纬度坐标在ＡｒｃＧＩＳ软件
下提取估算结果影像中的覆盖度信息并和实测数据进行比较，检验估算结果的精确性。精度检验结果见表１，２，
其中样点编号为所选取样点在所有采样点中的顺序。
０３ ＡＣＴＡＰＲＡＴＡＣＵＬＴＵＲＡＥＳＩＮＩＣＡ（２０１２） Ｖｏｌ．２１，Ｎｏ．３
图３　２００２－２００８年甘南植被覆盖度分级图（已去除林地）
犉犻犵．３　犞犲犵犲狋犪狋犻狅狀犮狅狏犲狉犪犵犲犮犾犪狊狊犻犳犻犮犪狋犻狅狀犿犪狆狅犳犌犪狀狀犪狀２００２－２００８（犠犻狋犺狅狌狋犳狅狉犲狊狋）
　　２００８年估算值平均为９３％，实测值平均为９０％，误差值平均为７％（表１），２００６年估算值平均为９４％，实测
值平均为９１％，误差值平均为９％（表２），说明利用遥感二分像元模型对甘南州植被覆盖度进行估算具有可行
性。
２．３　植被覆盖度年际变化
通过估算甘南州２００２，２００４，２００６和２００８年的植被部分覆盖度并在ＥＲＤＡＳＩＭＡＧＩＮＥ软件下对各植被部
分覆盖度图进行属性统计，结果表明，２００２年甘南州平均植被覆盖度为６１．２７％，２００４年为６３．３２％，２００６年为
６３．６５％，２００８年为６２．２５％。
１３第２１卷第３期 草业学报２０１２年
２．４　各年度分级植被覆盖度变化
通过统计并计算甘南２００２，２００４，２００６和２００８年的各级植被覆盖度并对２００２与２００８年，２００６与２００８年各
级植被覆盖度面积和所占比例进行比较（表３）。
表１　２００８年植被覆盖度估算值与实测值对照
犜犪犫犾犲１　犜犺犲犮狅狀狋狉犪狊狋犫犲狋狑犲犲狀犲狊狋犻犿犪狋犻狅狀狏犪犾狌犲犪狀犱犵狉狅狌狀犱狋狉狌狋犺狏犪犾狌犲狅犳狏犲犵犲狋犪狋犻狅狀犮狅狏犲狉犻狀２００８
序号
Ｎｕｍｂｅｒ
样点编号
Ｓａｍｐｌｅｐｏｉｎｔ
ｎｕｍｂｅｒ
估测值
Ｅｓｔｉｍａｔｅｄ
ｖａｌｕｅ（％）
实测值
Ｍｅａｓｕｒｅｄ
ｖａｌｕｅ（％）
误差
Ｅｒｒｏｒ
（％）
坡度
Ｓｌｏｐｅ
（°）
序号
Ｎｕｍｂｅｒ
样点编号
Ｓａｍｐｌｅｐｏｉｎｔ
ｎｕｍｂｅｒ
估测值
Ｅｓｔｉｍａｔｅｄ
ｖａｌｕｅ（％）
实测值
Ｍｅａｓｕｒｅｄ
ｖａｌｕｅ（％）
误差
Ｅｒｒｏｒ
（％）
坡度
Ｓｌｏｐｅ
（°）
１ ６ ７２ ６８ ４ ６．０８ １６ ７５ ９０ ８２ ８ ５．４７
２ ９ ９８ ９１ ７ ９．６２ １７ ７６ １００ ８２ １８ ５．８５
３ １０ １００ ９３ ７ ３．４３ １８ ８１ ９７ ９５ ２ ０．３８
４ １１ １００ １００ ０ ５．２２ １９ ８２ ８７ １００ １３ ８．６１
５ １５ ９１ ９５ ４ ３．３７ ２０ ８４ １００ ９８ ２ ０．１７
６ １６ ９４ ８０ １４ ６．２４ ２１ ８５ １００ ９８ ２ ４．７０
７ １７ １００ ９６ ４ ５．８１ ２２ ８７ １００ ９０ １０ ０．８６
８ １８ １００ ８９ １１ ４．００ ２３ ８８ １００ ９３ ７ ３．０９
９ ２０ １００ ９８ ２ ４．６０ ２４ ９０ ９６ ９５ １ ２．４０
１０ ２１ １００ ９０ １０ ５．４８ ２５ ９５ １００ ９０ １０ １．７４
１１ ２２ ８５ ９３ ８ ２．４２ ２６ ９７ １００ ９３ ７ ０．６５
１２ ３４ １００ １００ ０ ３．４１ ２７ ９８ ８３ ９８ １５ ８．４４
１３ ３５ ５２ ６０ ８ ５．２５ ２８ １０２ １００ ９６ ４ ５．０７
１４ ３７ １００ ９５ ５ １．０４ ２９ １０４ １００ ９８ ２ ７．８２
１５ ３８ ５２ ５９ ７ ０．２７ ３０ １０５ １００ ９５ ５ ３．８５
表２　２００６年植被覆盖度估算值与实测值对照
犜犪犫犾犲２　犜犺犲犮狅狀狋狉犪狊狋犫犲狋狑犲犲狀犲狊狋犻犿犪狋犻狅狀狏犪犾狌犲犪狀犱犵狉狅狌狀犱狋狉狌狋犺狏犪犾狌犲狅犳狏犲犵犲狋犪狋犻狅狀犮狅狏犲狉犻狀２００６
序号
Ｎｕｍｂｅｒ
样点编号
Ｓａｍｐｌｅｐｏｉｎｔ
ｎｕｍｂｅｒ
估测值
Ｅｓｔｉｍａｔｅｄ
ｖａｌｕｅ（％）
实测值
Ｍｅａｓｕｒｅｄ
ｖａｌｕｅ（％）
误差
Ｅｒｒｏｒ
（％）
坡度
Ｓｌｏｐｅ
（°）
序号
Ｎｕｍｂｅｒ
样点编号
Ｓａｍｐｌｅｐｏｉｎｔ
ｎｕｍｂｅｒ
估测值
Ｅｓｔｉｍａｔｅｄ
ｖａｌｕｅ（％）
实测值
Ｍｅａｓｕｒｅｄ
ｖａｌｕｅ（％）
误差
Ｅｒｒｏｒ
（％）
坡度
Ｓｌｏｐｅ
（°）
１ ０ １００ ７５ ２５ ２．４５ １６ ３７ ８５ １００ １５ ７．２７
２ ３ １００ ９６ ４ ２．０９ １７ ３８ １００ ７５ ２５ ９．４０
３ ６ ８８ ９０ ２ ２．１２ １８ ４０ ８６ １００ １４ ９．１８
４ ７ ８８ ９５ ７ ３．３６ １９ ４２ ８９ １００ １１ ５．８２
５ ８ １００ ９５ ５ ５．１３ ２０ ４６ ９１ ９８ ７ ３．３０
６ ９ １００ ８０ ２０ ３．１５ ２１ ５２ ９５ ９０ ５ ０．８１
７ １０ ９２ ９５ ３ ２．３９ ２２ ５７ １００ ９０ １０ ５．７９
８ １２ １００ ８５ １５ ７．９７ ２３ ６４ ８２ ９５ １３ ４．３９
９ １３ ８２ ７５ ７ １．７０ ２４ ６５ ９９ ９８ １ ０．１２
１０ １４ １００ ９０ １０ ８．９８ ２５ ６６ １００ ９８ ２ １．６３
１１ １６ １００ ８５ １５ ５．８０ ２６ ６８ １００ ９０ １０ ８．２０
１２ ２７ １００ ９８ ２ ２．０９ ２７ ７０ ９３ ８５ ８ ４．４１
１３ ２９ １００ １００ ０ ５．１１ ２８ ７３ ９６ ８５ １１ ３．９２
１４ ３１ ７０ ９３ ２３ ０．８５ ２９ ７５ １００ ９８ ２ ２．２０
１５ ３２ １００ ９５ ５ ０．９５ ３０ ７６ ８１ ８３ ２ ０．６１
２３ ＡＣＴＡＰＲＡＴＡＣＵＬＴＵＲＡＥＳＩＮＩＣＡ（２０１２） Ｖｏｌ．２１，Ｎｏ．３
表３　２００２，２００４，２００６，２００８年各级植被覆盖度面积及变化
犜犪犫犾犲３　犃狉犲犪犪狀犱狏犲犵犲狋犪狋犻狅狀犮犺犪狀犵犲狊狅犳犱犻犳犳犲狉犲狀狋犾犲狏犲犾狊犻狀２００２－２００８
植被等级
Ｌｅｖｅｌ
２００２
面积
Ａｒｅａ（ｈｍ２）
百分比
Ｐｅｒｃｅｎｔａｇｅ（％）
２００４
面积
Ａｒｅａ（ｈｍ２）
百分比
Ｐｅｒｃｅｎｔａｇｅ（％）
２００６
面积
Ａｒｅａ（ｈｍ２）
百分比
Ｐｅｒｃｅｎｔａｇｅ（％）
２００８
面积
Ａｒｅａ（ｈｍ２）
百分比
Ｐｅｒｃｅｎｔａｇｅ（％）
１ １２４０１６７．０６ ４３．９２ １２５７０２８．９２ ４４．５２ １２３５５７６．６１ ４３．７６ １２４４８４４．９９ ４４．０９
２ ５２２６４４．０４ １８．５１ ３９６５８６．２６ １４．０５ ４２４３２９．７５ １５．０３ ４５０２２３．７４ １５．９５
３ ２８９５４８．００ １０．２５ ２３０５２４．８３ ８．１６ ２４０６２７．２４ ８．５２ ２４９９３５．１３ ８．８５
４ １９９４１４．９８ ７．０６ ２３４５８３．３８ ８．３１ ２６１７２２．５２ ９．２７ ２２０８７１．９７ ７．８２
５ ５７１７２５．４５ ２０．２５ ７０４７７６．９５ ２４．９６ ６６１２４４．２２ ２３．４２ ６５７６２４．５１ ２３．２９
　　研究结果显示，从长时间尺度上看，自２００２－２００８年，甘南面积变化最大的为五级植被，转出３７２７５３．６３
ｈｍ２，转入４５８６５２．６９ｈｍ２，面积增加８５８９９．０６ｈｍ２。面积变化最小的为一级植被，转出６２６０７１．５９ｈｍ２，转入
６３０７４９．５２ｈｍ２，面积增加４６７７．９３ｈｍ２。转化率最大的植被等级为五级，有１５．０２％的植被发生了改变。转化
率最小的为一级植被，有０．３８％的植被发生了改变。
从每２年为一周期的均匀时间尺度上看，２００２－２００４年，面积变化最大的为五级植被，增加了１３３０５１．５
ｈｍ２；面积变化最小的为一级植被，增加了１６８６１．８６ｈｍ２。转化率最大的为二级植被，达２４．１２％；转化率最小
的为一级植被，转化了１．３６％。２００４－２００６年，面积变化最大的为五级植被，减少了４３５３２．７３ｈｍ２；面积变化最
小的为三级植被，增加了１０１０２．４１ｈｍ２。转化率最大的为四级植被，达１１．５７％；转化率最小的为一级植被，转
化了１．７１％。２００６－２００８年，面积变化最大的为四级植被，减少了４０８５０．５５ｈｍ２；面积变化最小的为五级植被，
减少了３６１９．７１ｈｍ２。转化率最大的为四级植被，达１５．６１％；转化率最小的为五级植被，转化了０．５５％。
２．５　甘南各植被覆盖度等级分布动态变化
在ＡｒｃＭａｐ９．２空间分析模块下对甘南２００２，２００４，２００６，２００８年植被覆盖度每２年为１期进行运算，得到
２００２－２００８年各植被覆盖度等级面积的转移矩阵。转移矩阵可以定量地描述各覆盖度等级之间的相互演变情
况。各年度各覆盖度等级间的转移矩阵见表４～７。
表４　２００２－２００８年各植被覆盖度等级转移矩阵
犜犪犫犾犲４　犜犺犲狏犲犵犲狋犪狋犻狅狀犮狅狏犲狉犪犵犲犾犲狏犲犾狋狉犪狀狊犳犲狉犿犪狋狉犻狓，２００２－２００８
２００８年
Ｙｅａｒ
２００２年Ｙｅａｒ
一级Ｌｅｖｅｌ１
面积
Ａｒｅａ
（ｈｍ２）
百分比
Ｐｅｒｃｅｎｔａｇｅ
（％）
二级Ｌｅｖｅｌ２
面积
Ａｒｅａ
（ｈｍ２）
百分比
Ｐｅｒｃｅｎｔａｇｅ
（％）
三级Ｌｅｖｅｌ３
面积
Ａｒｅａ
（ｈｍ２）
百分比
Ｐｅｒｃｅｎｔａｇｅ
（％）
四级Ｌｅｖｅｌ４
面积
Ａｒｅａ
（ｈｍ２）
百分比
Ｐｅｒｃｅｎｔａｇｅ
（％）
五级Ｌｅｖｅｌ５
面积
Ａｒｅａ
（ｈｍ２）
百分比
Ｐｅｒｃｅｎｔａｇｅ
（％）
一级Ｌｅｖｅｌ１ ６１４０９５．４７ ４９．５２ ２２４７４９．５３ ４３．００ １１３２８６．４２ ３９．１３ ７９１６２．０２ ３９．７０ ２１３５５１．５５ ３７．３５
二级Ｌｅｖｅｌ２ １８９２５９．７４ １５．２６ １０１７８３．９７ １９．４７ ５５２８３．９４ １９．０９ ３３２６４．９９ １６．６８ ７０６３１．１０ １２．３５
三级Ｌｅｖｅｌ３ ９７６９６．７１ ７．８８ ５４０００．３６ １０．３３ ３３９１７．８５ １１．７１ １９４９３．７３ ９．７８ ４４８２６．４８ ７．８４
四级Ｌｅｖｅｌ４ ８３４１８．６６ ６．７３ ４３７８６．１７ ８．３８ ２８８６６．６０ ９．９７ ２１０５６．０４ １０．５６ ４３７４４．５０ ７．６５
五级Ｌｅｖｅｌ５ ２５５６９６．４８ ２０．６２ ９８３２４．８２ １８．８１ ５８１９３．１９ ２０．１０ ４６４３８．２ ２３．２９ １９８９７１．８２ ３４．８０
从２００２－２００８年，甘南一级植被转出面积为６２６０７１．５９ｈｍ２，其中１８９２５９．７４ｈｍ２ 由一级植被演变为二级
植被，占总转出面积的３０．２３％，２５５６９６．４８ｈｍ２ 由一级植被演变为五级植被，占总转出面积的４０．８４％；一级植
被转入面积为６３０７４９．５０ｈｍ２，一级植被总体转出面积略小于转入面积，但转出面积中向低等级覆盖演变比例
较大；二级植被覆盖转出面积为４２０８６０．８８ｈｍ２，其中２２４７４９．５３ｈｍ２ 由二级植被演变为一级植被，占总转出面
３３第２１卷第３期 草业学报２０１２年
积的５４．４％，转入面积３４８４３９．８ｈｍ２，主要转入面积１８９２５９．７４ｈｍ２，占转入面积的５４．３２％，主要为一级植被
转入。说明二级植被主要与一级植被发生转换，但转出大于转入；三级植被转出２５５６３０．１５ｈｍ２，其中主要转出
面积１１３２８６．４２ｈｍ２，占转出面积的４４．３２％，主要转出为一级植被；三级植被转入面积２１６０１７．２８ｈｍ２，其中主
要转入面积９７６９６．７１ｈｍ２，占转入面积的４５．２３％，主要由一级植被转入。四级植被转出１７８３５８．９４ｈｍ２，主要
转出７９１６２．０２ｈｍ２，占转出面积的４４．３８％，主要由四级植被转为一级植被。转入面积为１９９８１５．９３ｈｍ２，其中
主要转入８３４１８．６６ｈｍ２，占转入面积的４１．７５％，主要由一级转入。五级植被转出３７２７５３．６３ｈｍ２，主要转出面
积２１３５５１．５５ｈｍ２，占转出面积的５７．２９％，主要转出为一级植被，五级植被转入面积为４５８６５２．６９ｈｍ２，主要转
入２５５６９６．４８ｈｍ２，占转入面积的５５．７５％，主要由一级植被转入。五级植被总体转入大于转出，以转入为主。
表５　２００２—２００４年各植被覆盖度等级转移矩阵
犜犪犫犾犲５　犜犺犲狏犲犵犲狋犪狋犻狅狀犮狅狏犲狉犪犵犲犾犲狏犲犾狋狉犪狀狊犳犲狉犿犪狋狉犻狓，２００２－２００４
２００４年
Ｙｅａｒ
２００２年Ｙｅａｒ
一级Ｌｅｖｅｌ１
面积
Ａｒｅａ
（ｈｍ２）
百分比
Ｐｅｒｃｅｎｔａｇｅ
（％）
二级Ｌｅｖｅｌ２
面积
Ａｒｅａ
（ｈｍ２）
百分比
Ｐｅｒｃｅｎｔａｇｅ
（％）
三级Ｌｅｖｅｌ３
面积
Ａｒｅａ
（ｈｍ２）
百分比
Ｐｅｒｃｅｎｔａｇｅ
（％）
四级Ｌｅｖｅｌ４
面积
Ａｒｅａ
（ｈｍ２）
百分比
Ｐｅｒｃｅｎｔａｇｅ
（％）
五级Ｌｅｖｅｌ５
面积
Ａｒｅａ
（ｈｍ２）
百分比
Ｐｅｒｃｅｎｔａｇｅ
（％）
一级Ｌｅｖｅｌ１ ６０７３２１．５３ ４８．９７ ２３０７８４．３０ ４４．１６ １２１１２６．２３ ４１．８３ ８２９３１．４９ ４１．５９ ２１４８６５．３７ ３７．５８
二级Ｌｅｖｅｌ２ １６６３９０．７４ １３．４２ ９０２０５．５６ １７．２６ ４５６７９．５９ １５．７８ ２８２４９．１１ １４．１７ ６６０６１．２６ １１．５５
三级Ｌｅｖｅｌ３ ８８９７１．６６ ７．１７ ４８３５７．９９ ９．２５ ３１７４４．３５ １０．９６ １９２２７．８７ ９．６４ ４２２２２．９６ ７．３９
四级Ｌｅｖｅｌ４ ９０８１６．１２ ７．３２ ４６４５２．０６ ８．８９ ２８４９１．８４ ９．８４ ２２６３０．２３ １１．３５ ４６１９３．１３ ８．０８
五级Ｌｅｖｅｌ５ ２８６６６７．０１ ２３．１２ １０６８４４．９４ ２０．４４ ６２５０５．９９ ２１．５９ ４６３７６．２８ ２３．２６ ２０２３８２．７３ ３５．４０
表６　２００４—２００６年各植被覆盖度等级转移矩阵
犜犪犫犾犲６　犜犺犲狏犲犵犲狋犪狋犻狅狀犮狅狏犲狉犪犵犲犾犲狏犲犾狋狉犪狀狊犳犲狉犿犪狋狉犻狓，２００４－２００６
２００６年
Ｙｅａｒ
２００４年Ｙｅａｒ
一级Ｌｅｖｅｌ１
面积
Ａｒｅａ
（ｈｍ２）
百分比
Ｐｅｒｃｅｎｔａｇｅ
（％）
二级Ｌｅｖｅｌ２
面积
Ａｒｅａ
（ｈｍ２）
百分比
Ｐｅｒｃｅｎｔａｇｅ
（％）
三级Ｌｅｖｅｌ３
面积
Ａｒｅａ
（ｈｍ２）
百分比
Ｐｅｒｃｅｎｔａｇｅ
（％）
四级Ｌｅｖｅｌ４
面积
Ａｒｅａ
（ｈｍ２）
百分比
Ｐｅｒｃｅｎｔａｇｅ
（％）
五级Ｌｅｖｅｌ５
面积
Ａｒｅａ
（ｈｍ２）
百分比
Ｐｅｒｃｅｎｔａｇｅ
（％）
一级Ｌｅｖｅｌ１ ６３８４２３．１０ ５０．７９ １６６１０２．６５ ４１．８８ ８９３７３．９６ ３８．７７ ８９５９７．７０ ３８．１９ ２５２０７９．２０ ３５．７７
二级Ｌｅｖｅｌ２ １８５１３６．２１ １４．７３ ７７３３１．３３ １９．５０ ４７０６４．７８ ２０．４２ ３７２５１．３６ １５．８８ ７７５４６．０７ １１．００
三级Ｌｅｖｅｌ３ ９３４２６．３０ ７．４３ ４５１２２．４９ １１．３８ ２４５３８．６８ １０．６４ ２７３７４．３１ １１．６７ ５０１６５．４６ ７．１２
四级Ｌｅｖｅｌ４ １０４０９６．１６ ８．２８ ３６３４３．９８ ９．１６ ２３５４１．７５ １０．２１ ２９８６１．１９ １２．７３ ６７８７９．４４ ９．６３
五级Ｌｅｖｅｌ５ ２３５９４７．１５ １８．７７ ７１６８５．８１ １８．０８ ４６００５．６６ １９．９６ ５０４９８．８２ ２１．５３ ２５７１０６．７８ ３６．４８
从２００６－２００８年，甘南一级植被转出面积为６０９４１１．７８ｈｍ２，其中２２５３３９．０３ｈｍ２ 由一级植被覆盖转为五
级植被覆盖，占转出面积的３６．９８％。一级植被转入面积６１８６８０．１６ｈｍ２，其中２３６３０１．３０ｈｍ２ 由五级转入，占
转入面积的３８．１９％。从２００６－２００８年，甘南一级植被覆盖转入略大于转出。二级植被覆盖转出面积
３３７７９５．２９ｈｍ２，其中主要转出１８５１６０．７８ｈｍ２，占转出面积的５４．８１％，主要从二级植被覆盖转为一级植被覆
盖；二级植被覆盖转入面积３６３６８９．２８ｈｍ２，其中有１９４０２９．０２ｈｍ２ 由一级转入，占转入面积的５３．３５％。三级
植被覆盖转出面积２１２７０５．３７ｈｍ２，其中主要转出９３９９３．９３ｈｍ２，主要从三级植被覆盖转为一级植被覆盖，占
转出面积的４４．１９％；三级植被覆盖转入面积２２２０１３．２６ｈｍ２，其中１０１５９１．５５ｈｍ２ 由一级转入，占转入面积的
４５．７６％。从２００６－２００８年甘南三级植被覆盖以转入为主。四级植被覆盖转出２３２６９３．４７ｈｍ２，其中６０８８７．５２
４３ ＡＣＴＡＰＲＡＴＡＣＵＬＴＵＲＡＥＳＩＮＩＣＡ（２０１２） Ｖｏｌ．２１，Ｎｏ．３
ｈｍ２ 转出为五级植被覆盖，占转出面积的２６．１７％；四级植被转入面积１９１８４２．９２ｈｍ２，其中８８４５２．１８ｈｍ２ 由
一级转入，占转入面积的４６．１１％。四级植被覆盖以转出为主。五级植被覆盖面积转出４０９２５３．０４ｈｍ２，其中
２３６３０１．３０ｈｍ２ 转为一级植被覆盖，占转出面积的５７．７４％；五级植被覆盖转入４０５６３３．３３ｈｍ２，其中
２２５３３９．０３ｈｍ２ 由一级转入，占转入面积的５５．５５％；五级植被覆盖面积转出略大于转入。
表７　２００６—２００８年各植被覆盖度等级转移矩阵
犜犪犫犾犲７　犜犺犲狏犲犵犲狋犪狋犻狅狀犮狅狏犲狉犪犵犲犾犲狏犲犾狋狉犪狀狊犳犲狉犿犪狋狉犻狓，２００６－２００８
２００８年
Ｙｅａｒ
２００６年Ｙｅａｒ
一级Ｌｅｖｅｌ１
面积
Ａｒｅａ
（ｈｍ２）
百分比
Ｐｅｒｃｅｎｔａｇｅ
（％）
二级Ｌｅｖｅｌ２
面积
Ａｒｅａ
（ｈｍ２）
百分比
Ｐｅｒｃｅｎｔａｇｅ
（％）
三级Ｌｅｖｅｌ３
面积
Ａｒｅａ
（ｈｍ２）
百分比
Ｐｅｒｃｅｎｔａｇｅ
（％）
四级Ｌｅｖｅｌ４
面积
Ａｒｅａ
（ｈｍ２）
百分比
Ｐｅｒｃｅｎｔａｇｅ
（％）
五级Ｌｅｖｅｌ５
面积
Ａｒｅａ
（ｈｍ２）
百分比
Ｐｅｒｃｅｎｔａｇｅ
（％）
一级Ｌｅｖｅｌ１ ６２６１６４．８３ ５０．６８ １８５１６０．７８ ４３．６４ ９３９９３．９３ ３９．０６ １０３２２４．１５ ３９．４４ ２３６３０１．３ ３５．７４
二级Ｌｅｖｅｌ２ １９４０２９．０２ １５．７０ ８６５３４．４６ ２０．３９ ４７９１８．６１ １９．９１ ４２９５２．５９ １６．４１ ７８７８９．０６ １１．９２
三级Ｌｅｖｅｌ３ １０１５９１．５５ ８．２２ ４６５６５．７３ １０．９７ ２７９２１．８７ １１．６０ ２５６２９．２１ ９．７９ ４８２２６．７７ ７．２９
四级Ｌｅｖｅｌ４ ８８４５２．１８ ７．１６ ３３７５２．７９ ７．９５ ２３７０２．０４ ９．８５ ２９０２９．０５ １１．０９ ４５９３５．９１ ６．９５
五级Ｌｅｖｅｌ５ ２２５３３９．０３ １８．２４ ７２３１５．９９ １７．０４ ４７０９０．７９ １９．５７ ６０８８７．５２ ２３．２６ ２５１９９１．１８ ３８．１１
３　讨论
本研究利用犖犇犞犐狊狅犻犾和犖犇犞犐狏犲犵改进指数，对甘南２００２，２００４，２００６，２００８年的植被覆盖度进行了分析计算
并进行了精度分析，得到了甘南２００２－２００８年植被覆盖度变化的空间动态演变过程和趋势，结果证明以此种方
法对大面积高寒草地覆盖度变化进行研究是可行且准确的。
用犖犇犞犐狊狅犻犾和犖犇犞犐狏犲犵改进指数估算得到的植被覆盖度精确性较高，但是由于实测样方面积较小，所以不能
更好地证明结果的准确性。但足以证明犖犇犞犐狊狅犻犾和犖犇犞犐狏犲犵改进指数为基础的估算方法，很好的消除了土壤、地
表噪音、仪器定标、太阳角、地形、云阴影和大气条件等对结果的影响，增强了对植被的响应能力。
由面积变化及转移矩阵看出，除２００６年甘南五级植被覆盖度面积较２００４年大幅减少外，其余各年份甘南五
级植被覆盖面积均为增加趋势，且为所有覆盖度等级中增长最快的。一级和三级植被面积变化较小，且一级植被
转化率水平一直很低，说明中覆盖度植被长势稳定，高覆盖度植被虽变化较为平缓，但从转移矩阵中可以看出，每
年都有大量一级植被转入低覆盖度等级植被。转化率最大的植被等级多数时维持在二级、四级或五级植被，除说
明五级植被在大幅增加外，同时表明中高及中低覆盖度等级植被变化剧烈，从转移矩阵可以看出每年都有大量中
高及中低覆盖度等级植被分别转向高覆盖度等级植被和低覆盖度等级植被。综合考虑以上结果，高覆盖度等级
植被虽有转入，但总体质量持续下降，而低覆盖度等级植被区域（或裸地）则在大量持续增长，说明甘南州植被整
体呈退化趋势。
综上，以上研究基于多年的甘南植被覆盖度的计算及空间分析，在今后的研究中，可以考虑更高空间分辨率
影像的合成数据应用，进一步提高植被盖度的提取精度，该研究结果可以为甘南当地牧业可持续发展，草地生态
环境保护及生态恢复等研究和相关管理决策提供有效的参考。
参考文献：
［１］　任继周，侯扶江．草业科学的多维结构［Ｊ］．草业学报，２０１０，１９（３）：１５．
［２］　陈云浩，李晓兵，史培军．北京海淀区植被覆盖的遥感动态研究［Ｊ］．植物生态学报，２００１，２５（５）：５８８５９３．
［３］　温庆可，张增祥，刘斌，等．草地覆盖度测算方法研究进展［Ｊ］．草业科学，２００９，２６（１２）：３０３６．
［４］　ＬｉＷ，ＸｕＪ，ＸｕＤＤ．ＳｔｕｄｙｏｎｃｈａｎｇｅｓｉｎａｌｐｉｎｅｗｅｔｌａｎｄｌａｎｄｓｃａｐｅａｎｄｂｉｏｄｉｖｅｒｓｉｔｙｏｖｅｒｔｈｅｅａｓｔｅｒｎＴｉｂｅｔａｎｐｌａｔｅａｕｂａｓｅｄｏｎ
５３第２１卷第３期 草业学报２０１２年
ｒｅｍｏｔｅｓｅｎｓｉｎｇｔｅｃｈｎｏｌｏｇｙ［Ｊ］．ＩｍａｇｅａｎｄＳｉｇｎａｌＰｒｏｃｅｓｓｉｎｇ（ＣＩＳＰ），２０１０，８：３９６３３９６６．
［５］　徐丹丹，李文龙，王迅，等．垂直植被指数的计算和精度分析［Ｊ］．兰州大学学报（自然科学版），２０１０，４６（５）：１０２１０６．
［６］　李文龙，薛中正，郭述茂，等．基于３Ｓ技术的玛曲县草地植被覆盖度变化及其驱动力［Ｊ］．兰州大学学报（自然科学版），
２０１０，４６（１）：８５９０．
［７］　ＭｕｌｅｒＪＦ，ＰｌｅｔｅｒｓＣＭ．Ｑｕａｎｔｉｔａｔｉｖｅａｂｕｎｄａｎｃｅｓｅｓｔｉｍａｔｅｓｆｒｏｍｂｉｄｉｒｅｃｔｉｏｎａｌｒｅｆｌｅｃｔａｎｃｅｍｅａｓｕｒｅｍｅｎｔｓ［Ｊ］．ＪｏｕｒａｌｏｆＧｅｏ
ｐｈｙｓｉｃａｌＲｅｓｅａｒｃｈ，１９８７，９２（４）：６１７６２６．
［８］　ＤｙｍｏｎｄＪＲ，ＳｈｅｐｈｅｒｄＪＤ，ＱｉＪ．Ａｓｉｍｐｌｅｐｈｙｓｉｃａｌｍｏｄｅｌｏｆｖｅｇｅｔａｔｉｏｎｒｅｆｌｅｃｔａｎｃｅｆｏｒｓｔａｎｄａｒｄｉｚｉｎｇｏｐｔｉｃａｌｓａｔｅｌｉｔｅｉｍａｇｅｒｙ［Ｊ］．Ｒｅ
ｍｏｔｅＳｅｎｓｉｎｇｏｆＥｎｖｉｒｏｎｍｅｎｔ，２００１，７７（２）：２３０２３９．
［９］　ＥｌｖｉｄｇｅＣＤ，ＣｈｅｎＺ．Ｃｏｍｐａｒｉｓｏｎｏｆｂｒｏａｄｂａｎｄａｎｄｎａｒｒｏｗｂａｎｄｒｅｄａｎｄｎｅａｒｉｎｆｒａｒｅｄｖｅｇｅｔａｔｉｏｎｉｎｄｉｃｅｓ［Ｊ］．ＲｅｍｏｔｅＳｅｎｓｉｎｇ
ｏｆＥｎｖｉｒｏｎｍｅｎｔ，１９９５，５４（１）：３８４８．
［１０］　ＰｕｒｅｖｄｏｒＪＴＳ，ＴａｔｅｉｓｈｉＲ，ＩｓｈｉｙａｍａＴ．Ｒｅｌａｔｉｏｎｓｈｉｐｓｂｅｔｗｅｅｎｐｅｒｃｅｎｔｖｅｇｅｔａｔｉｏｎｃｏｖｅｒａｎｄｖｅｇｅｔａｔｉｏｎｉｎｄｉｃｅｓ［Ｊ］．Ｉｎｔｅｒｎａ
ｔｉｏｎａｌＪｏｕｒｎａｌｏｆＲｅｍｏｔｅＳｅｎｓｉｎｇ，２００１，２２（１７）：３４５７３４７０．
［１１］　ＺｈｏｕＱ，ＲｏｂｓｏｎＭ．Ａｕｔｏｍａｔｅｄｒａｎｇｅｌａｎｄｖｅｇｅｔａｔｉｏｎｃｏｖｅｒａｎｄｄｅｎｓｉｔｙｅｓｔｉｍａｔｉｏｎｕｓｉｎｇｇｒｏｕｎｄｄｉｇｉｔａｌｉｍａｇｅｓａｎｄａｓｐｅｃ
ｔｒａｌ—ｃｏｎｔｅｘｔｕａｌｃｌａｓｓｉｆｉｅｒ［Ｊ］．ＲｅｍｏｔｅＳｅｎｓｉｎｇ，２００１，２２（１７）：３４５７３４７０．
［１２］　ＣｏｓｈＭ Ｈ，ＢｒｕｔｓａｅｒｔＷ．Ｍｉｃｒｏｓｃａｌｅｓｔｒｕｃｔｕｒａｌａｓｐｅｃｔｓｏｆｖｅｇｅｔａｔｉｏｎｄｅｎｓｉｔｙｖａｒｉａｂｉｌｉｔｙ［Ｊ］．ＪｏｕｒｎａｌｏｆＨｙｄｒｏｌｏｇｙ，２００３，
２７６：１２８１３６．
［１３］　ＧｒａｅｔｚＲＤ，ＰｅｃｈＲＲ，ＤａｖｉｓＡＷ．ＴｈｅａｓｓｅｓｓｍｅｎｔａｎｄｍｏｎｉｔｏｒｉｎｇｏｆｓｐａｒｓｅｌｙｖｅｇｅｔａｔｅｄｒａｎｇｅｌａｎｄｓｕｓｉｎｇｃａｌｉｂｒａｔｅｄＬａｎｄｓａｔ
ｄａｔａ［Ｊ］．ＩｎｔｅｒｎａｔｉｏｎａｌＪｏｕｒｎａｌｏｆＲｅｍｏｔｅＳｅｎｓｉｎｇ，１９８８，９（７）：１２０１１２２２．
［１４］　ＳｈｏｓｈａｎｙＭ，ＬａｖｅｅＫＰ．Ｍｏｎｉｔｏｒｉｎｇｔｅｍｐｏｒａｌｖｅｇｅｔａｔｉｏｎｃｏｙｅｒｃｈａｎｇｅｓｉｎｍｅｄｉｔｅｒｒａｎｅａｎａｎｄａｒｉｄｅｃｏｓｙｓｔｅｍｓｕｓｉｎｇａｒｅｍｏｔｅ
ｓｅｎｓｉｎｇｔｅｃｈｎｉｑｕｅ：ｃａｓｅｓｔｕｄｙｏｆｔｈｅＪｕｄｅａｎｍｏｕｎｔａｉｎａｎｄｔｈｅＪｕｄｅａｎｄｅｓｅｒｔ［Ｊ］．ＪｏｕｒｎａｌｏｆＡｒｉｄＥｎｖｉｒｏｎｍｅｎｔｓ，１９９６，３３（１）：
９２１．
［１５］　ＤｙｍｏｎｄＪＲ，ＳｔｅｐｈｅｎｓＰＲ，ＮｅｗｓｅｍｅＰＦ，犲狋犪犾．ＰｅｒｃｅｎｔａｇｅｖｅｇｅｔａｔｉｏｎｃｏｖｅｒｏｆａｄｅｇｒａｄｉｎｇｒａｎｇｅｌａｎｄｆｒｏｍＳＰＯＴ［Ｊ］．Ｉｎ
ｔｅｒｎａｔｉｏｎａｌＪｏｕｒｎａｌｏｆＲｅｍｏｔｅＳｅｎｓｉｎｇ，１９９２，１３（１１）：１９９９２００７．
［１６］　章文波，符素华，刘宝元．目估法测量植被覆盖度的精度分析［Ｊ］．北京师范大学学报：自然科学版，２００１，３７（３）：４０２
４０８．
［１７］　池宏康．沙地油蒿群落覆盖度的遥感定量化研究［Ｊ］．植物生态学报，２０００，２４（４）：４９４４９７．
［１８］　查勇．草地植被变化遥感监测方法研究———以环青海湖地区为例［Ｄ］．南京：南京师范大学，２００３．
［１９］　杨胜天，李茜，刘昌明，等．应用“北京一号”遥感数据计算官厅水库库滨带植被覆盖度［Ｊ］．地理研究，２００６，２５（４）：５７０
５７８．
［２０］　陈晋，陈云浩，何春阳．基于土地覆盖分类的植被覆盖率估算亚像元模型与应用［Ｊ］．遥感学报，２００１，５（６）：４１６４２２．
［２１］　ＧｕｔｍａｎＧ，ＩｇｎａｔｏｖＡ．Ｔｈｅｄｅｒｉｖａｔｉｏｎｏｆｔｈｅｇｒｅｅｎｖｅｇｅｔａｔｉｏｎｆｒａｃｔｉｏｎｆｒｏｍ ＮＯＡＡ／ＡＶＨＲＲｄａｔａｆｏｒｕｓｅｉｎｎｕｍｅｒｉｃａｌ
ｗｅａｔｈｅｒｐｒｅｄｉｃｔｉｏｎｍｏｄｅｌｓ［Ｊ］．ＩｎｔｅｒｎａｔｉｏｎａｌＪｏｕｒｎａｌｏｆＲｅｍｏｔｅＳｅｎｓｉｎｇ，１９９８，１９（８）：１５３３１５４３．
［２２］　梁天刚，崔霞，冯琦胜，等．２００１２００８年甘南牧区草地地上生物量与载畜量遥感动态监测［Ｊ］．草业学报，２００９，１８（６）：
１２２２．
［２３］　王莺，夏文涛，梁天刚，等．基于 ＭＯＤＩＳ植被指数的甘南草地净初级生产力时空变化研究［Ｊ］．草业学报，２００９，１９（１）：
２０１２１０．
［２４］　黄靖，夏智宏．基于 ＭＯＤＩＳ遥感数据的武汉市植被覆盖变化监测分析［Ｊ］．气象与环境科学，２００９，３２（２）：１６２０．
［２５］　赵英时．遥感应用分析原理与方法［Ｍ］．北京：科学出版社，２００４：３７４３７５．
６３ ＡＣＴＡＰＲＡＴＡＣＵＬＴＵＲＡＥＳＩＮＩＣＡ（２０１２） Ｖｏｌ．２１，Ｎｏ．３
犚犲狊犲犪狉犮犺狅狀狋犺犲犮犺犪狀犵犲狅犳犵狉犪狊狊犾犪狀犱狏犲犵犲狋犪狋犻狅狀犮狅狏犲狉犪犵犲狌狊犻狀犵３犛狋犲犮犺狀狅犾狅犵狔犻狀犌犪狀狀犪狀
ＷＡＮＧＨａｏ１，ＬＩＷｅｎｌｏｎｇ１，ＤＵＧｕｏｚｈｅｎ２，ＺＨＵＸｉａｏｌｉ１
（１．ＳｔａｔｅＫｅｙＬａｂｏｒａｔｏｒｙｏｆＧｒａｓｓｌａｎｄＡｇｒｏｅｃｏｓｙｓｔｅｍｓ，ＣｏｌｅｇｅｏｆＰａｓｔｏｒａｌＡｇｒｉｃｕｌｔｕｒｅＳｃｉｅｎｃｅ
ａｎｄＴｅｃｈｎｏｌｏｇｙ，ＬａｎｚｈｏｕＵｎｉｖｅｒｓｉｔｙ，Ｌａｎｚｈｏｕ７３００２０，Ｃｈｉｎａ；２．ＫｅｙＬａｂｏｒａｔｏｒｙ
ｏｆＡｒｉｄａｎｄＧｒａｓｓｌａｎｄＥｃｏｌｏｇｙｏｆＭｉｎｉｓｔｒｙｏｆＥｄｕｃａｔｉｏｎ，Ｌａｎｚｈｏｕ
Ｕｎｉｖｅｒｓｉｔｙ，Ｌａｎｚｈｏｕ７３００００，Ｃｈｉｎａ）
犃犫狊狋狉犪犮狋：Ｕｓｉｎｇｔｈｅｄｉｍｉｄｉａｔｅｐｉｘｅｌｍｏｄｅｌａｎｄ３Ｓｔｅｃｈｎｉｑｕｅ（ＧＩＳ，ＲＳ，ＧＰＳ），ａｎｅｗｖｅｇｅｔａｔｉｏｎｃｏｖｅｒａｇｅａｎａ
ｌｙｚｅｍｏｄｅｌｗａｓｂｕｉｌｔｏｎｔｈｅｂａｓｉｓｏｆｔｈｅＮＤＶＩｖｅｇｅｔａｔｉｏｎｉｎｄｅｘ．ＴｈｅｖｅｇｅｔａｔｉｏｎｃｏｖｅｒａｇｅｗａｓｅｓｔｉｍａｔｅｄｉｎＧａｎ
ｎａｎｓｔａｔｅｉｎ２００２，２００４，２００６ａｎｄ２００８ｗｉｔｈＭＯＤＩＳｄａｔａａｎｄｔｈｅｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｔｈｅｖｅｇｅｔａｔｉｏｎｃｏｖｅｒａｇｅｄｙ
ｎａｍｉｃｓｗａｓａｎａｌｙｓｅｄ．Ｆｒｏｍ２００２ｔｏ２００８，ｔｈｅｄｅｔｅｒｉｏｒａｔｉｏｎｏｆｒａｎｇｅｌａｎｄｖｅｇｅｔａｔｉｏｎｃｏｖｅｒａｇｅｉｎＧａｎｎａｎｗａｓ
ｇｅｎｅｒａｌ，ａｎｄｔｈｅｄｅｇｒａｄａｔｉｏｎｌｅｖｅｌｏｆｔｈｅｆｉｒｓｔｓｔａｇｅｖｅｇｅｔａｔｉｏｎｗａｓｈｉｇｈ．Ｔｈｅｃｈａｎｇｅｉｎｇｒａｓｓｌａｎｄｖｅｇｅｔａｔｉｏｎ
ｃｏｖｅｒｒｅｆｌｅｃｔｅｄｔｈｅｔｒｅｎｄｏｆｃｏｎｖｅｒｓｉｏｎｆｒｏｍｈｉｇｈｓｔａｇｅ（ｔｈｅ１ｓｔａｎｄ２ｎｄｓｔａｇｅ）ｔｏｌｏｗｓｔａｇｅ（ｔｈｅ４ｔｈａｎｄ５ｔｈ
ｓｔａｇｅ）ｃｏｖｅｒａｇｅｓ．ＩｔｆｕｒｔｈｅｒｃｏｎｆｉｒｍｅｄｔｈａｔｔｈｅｇｒａｓｓｌａｎｄｖｅｇｅｔａｔｉｏｎｉｎＧａｎｎａｎａｒｅａｉｓｐｒｏｇｒｅｓｓｉｖｅｌｙｄｅｇｒａｄｉｎｇ
ｍｏｒｅｓｅｒｉｏｕｓｌｙ．Ｔｈｅｒｅｓｕｌｔｗｉｌｂｅｕｓｅｆｕｌｆｏｒｆｕｒｔｈｅｒａｃａｄｅｍｉｃｒｅｓｅａｒｃｈａｎｄｒａｎｇｅｌａｎｄｍａｎａｇｅｍｅｎｔ．
犓犲狔狑狅狉犱狊：ｒａｎｇｅｌａｎｄｖｅｇｅｔａｔｉｏｎｃｏｖｅｒａｇｅ；ＮＤＶＩ；ＭＯＤＩＳ；３Ｓｔｅｃｈｎｏｌｏｇｙ
７３第２１卷第３期 草业学报２０１２年