植被覆蓋與空氣濕度關系實證研究TOC\o"1-2"\h\u8757摘要 1279661緒論 1206731.1研究背景 1118581.2研究目的 2152331.3研究意義 2101742相關概念 3223642.1植被指數 372762.2歸一化植被指數 3324322.3植被覆蓋度 3317372.4濕度 4119173.研究區域與方法 449843.1研究區域 4150953.2研究方法 474654.數據選取及預處理 667084.1濕度數據的獲取 6284494.2遙感數據的選取 6100824.3數據的預處理及計算 7184195.結果分析 8324975.1蘭州新區植被覆蓋度分析 8291445.2海南五指山計算結果分析 9275696.結果比較 10307007.結語 1220887參考文獻 12摘要：空氣濕度是環境中的一個重要因素。植被覆蓋度是勘測地表植被情況的重要指標，是感染土壤侵蝕的最重要因素，對地區變化和環境監測有重要意義。本文通過大量數據的比較，通過對蘭州2013和2017年植被覆蓋度的研究，以及對海南2008年這一年植被覆蓋度的討論。這些植被覆蓋與什么有關呢？我們發現，植被覆蓋與空氣濕度密切相關，這是最主要的因素。也就是說，濕度與植被覆蓋的關系是反比例關系。用數據說話，我們通過蘭州新區和海南兩個城市同一個月份好多數據的比較，得出結論：濕度越高，植被越好。關鍵詞：濕度；植被覆蓋度；蘭州；海南1緒論1.1研究背景我是土生土長的海南人，過來蘭州讀書后發現這邊和海南在植被種植方面有些區別。在蘭州求學的四年時間里，我發現，蘭州的植被覆蓋不好，而海南的植被覆蓋好；夏天的時候，蘭州植物的葉子很茂盛，但入冬后，植物葉子就變得很稀少了；大二的時候，學院組織了植樹活動，第一次見到這么光禿禿的山，有些感慨；為什么蘭州山上的樹長得這么少，草也沒有幾棵；因為學校就在黃河邊上，閑來無事的時候，常常跟同學去黃河邊邊上走走逛逛，走的時間多了，逛的時間久了，我就發現了一個問題，為什么黃河邊上的土地是濕的，但也長不出茂盛的草呢？種種疑問在心中堆積了很久，所以借著這次畢業論文的機會，想把這些問題簡單的了解了解。1.2研究目的本研究是在對蘭州和海南島濕度的基礎上，在自然條件較差、人為干擾頻繁的蘭州新區和海南島具有獨特地理位置的情況下調查植被覆蓋度的變化，并進一步探討了植被覆蓋度和濕度的定量關系。1.3研究意義濕度是影響植被覆蓋度的特征指標。探討了植被指數與濕度的關系，對于理解植被活動、碳循環、水分循環、植被動態等作用機制具有重要意義。蘭州新區是蘭州未來發展的預留地。但地處內陸的西北半干旱區干旱少雨，植被少，環境敏感脆弱。因此，在半干旱地區，不僅要防范該地區的生態風險，而且要促進城市的綠化和可持續發展。另外，以往對蘭州新區的研究主要集中在土地利用景觀模式的變更，環境安全的評價、生態服務的功能價值、濕度、植被等方面。且對于濕度與植被關系的研究不多。所以，本文對蘭州新區的生態建設活動具有一定的科學指導意義。五指山地處海南島中部，為海南第一峰，有“海南屋脊”之稱。海南島的天然林分布地區眾多，五指山市是最重要地區之一。因為海南島生物物種種類眾多，河流眾多，因此五指山的環境保護十分重要。2相關概念2.1植被指數植被指數是對地表植被活動的簡單、有效和經驗的度量REF_Ref25599\r\h[1]。這些參數可以有效地評價地表植被的生長活性。包括主要生產力分析、干旱監測等。2.2歸一化植被指數歸一化植被指數是反映植被大尺度變化的標準，它廣泛應用于大規模植被覆蓋度監測等相關研究。其應用是比較完善的，可為探究植被覆蓋度的發展供給理論支撐，植被指數是運用遙感得到的，我們用植被的光譜實行了一連串的籌算。以下是模型的計算公式：NDVI=（NIR-R）/（NIR+R）,其中：NIR和R分別表示為近紅外波段反射率值與紅波段的反射率值。該公式可以減少云層、日照角度和地形的影響，對綠色植被非常敏感。NDVI的數值變化可以直接反映植被覆蓋的變化程度。2.3植被覆蓋度植被覆蓋度是指植被垂直投射面積占整個統計區域面積的百分比。它是定量的植被數據，能夠反映研究區的植被變化REF_Ref30834\r\h[2]。植被是探究水文、氣象、環境問題的好指標，反映了研究區植被的變化。此外，應當包括土地種植的垂直投影面積，反映了研究區域內環境變化的總體情況。植被覆蓋度的測量方法包括地表測量和遙感監測，分為目測法、抽樣法、測量法、遙感法等。在對植被進行調查后，對整個標本區域的植被進行了評價。與長距離測量相比，進行高精度的現場測量是優點。缺點是測量的尺寸小、主觀、工作中大的困難和難以廣泛傳達。2.4濕度空氣濕度是指空氣中的水蒸汽量和空氣的干燥度或濕度。在一定的溫度下，一定體積的空氣中有大量的蒸汽，表示空氣干燥。蒸汽越高，濕度越高，空氣的濕度和脫水程度就叫做濕度。潤濕蒸汽的蒸汽重量表示蒸汽總重量（體積）的比例。人體的相對濕度在70%以下。3.研究區域與方法3.1研究區域海南五指山市位于五指山山腹地[3]，屬于熱帶山區氣候，冬天無寒冷天，夏天無炎暑天，春回大地，一年中的平均溫度為22.4攝氏度。我國降水量大，光線充足。地勢由東向西，平均高度316米。山區以山地、丘陵區和低地盆地為主，分別占91%、6%和3%。山峰林立，海拔1000米以上有44座山，水源、水系眾多，河流120多條，森林資源豐富，熱帶雨林眾多。蘭州新區在蘭州、新寧、銀川中部，位于永登縣與皋蘭縣之間。大陸氣候寒冷，風沙肆虐；年平均氣溫6.9攝氏度，早上和晚上的溫度相差比較大；年平均降水量300mm至350mm之間；年平均蒸發了1880mm。低含量的有機物質容易導致土壤侵蝕。低生物量、低的植被覆蓋率和地形溝壑的自然特征增加了該地區生態結構的脆弱性。在研究區域生態綠化建設的不斷成長中，蘭州新區森林覆蓋率和綠化率分別達到13.54%和11.7%，一些地區的環境質量得到了明顯改善[4]。3.2研究方法3.2.1植被覆蓋度遙感估算模型[5]像元分解模型的理論是，像元由圖像的多個部分構成，任何部分信息都是從遙感器中觀察到的。通過對像元和像元模型進行分解壓縮，能夠布局遙感信息（波段或植被指數）。基于二元像元模型，如果一個像素的信息可以由土壤和植被構成，則傳感器所觀察到的信息如下：S=fc×Sveg＋(1－fc)×植被覆蓋度的計算公式由式（1）導出:fc=S?3.2.2植被指數(NDVI)法估算植被覆蓋度[6歸一化植被指數是指兩個比值，分別是近紅外光譜與R值之差與可見光波段與R值之和的比值。公式如下:NDVI=NIR?RNIR+R由像元二分模型可知，一個像元的NDVI值可以表示為兩部分：綠色植被和非植被覆蓋。歸一化植被指數可代入式(2):fc=NDVI?其中NDVIsoil為非植被像元的NDVI值，純植被像元的NDVI值為NDVI對于大多數類型的暴露表面，理論上它們的NDVIsoil值應該是接近于零，通常在-0.1到0.2之間。NDVIveg的值可以隨時間或者空間的推移而發生變化。于是，在我們計算植被覆蓋度時，不可能固定和在同樣的場景中。在實際應用中，在沒有測量數據的情況下，假設NDVImax和NDVImin的取值是理想圖像中固定置信度的置信區間中的最高值和最低值，NDVIsoil值作為圖像中曝光的NDVImin，數據選取及預處理4.1濕度數據的獲取本文所涉及到的濕度數據均是從統計年鑒分享平臺（）中獲取的。從上圖中我們可以看出，2008、2013和2017年這三年中，無論是哪一年的哪一個月份，海南的平均相對濕度均比蘭州高，年平均亦是如此。而且，這三年的年平均數據中，蘭州的年平均濕度數據都在50至60之間，這個數據是有點低了的。相比較下，海南的年平均數據差不多都在80左右。4.2遙感數據的選取蘭州新區的遙感數據來自于地理空間數據云（）[3]。為了確保各個時期圖像的可比性，有助于提取地表植被，本文選擇了兩個1T級的LandsatOLI_TIRS影像圖，本研究使用的圖像數和行數分別是131、35,2013年8月8日和2017年8月3日是它們的成像時間。圖中的云分別為0.86%和6.33%，清晰度均高。在利用遙感數據進行植被監測時，TM遙感數據比較適合于區域和景觀植被的測量。因而，利用30m分辨率的遙感影像來評估五指山市的植被。為了充分理解總研究區植被變化的動態和數據的限制，本文選擇了2008年的遙感數據。4.3數據的預處理及計算4.3.1蘭州新區數據的預處理在蘭州新區，對兩個時期的遙感數據采用ENVI5.3軟件進行了歸一化處理，接著對每個周期的影像波段進行了大氣校正，進而得到可靠的地表反射率。然后，對于低分辨率多光譜圖像和高分辨率全色圖像，采用NNDiffuse

Pan

Sharpening融合方法進行重新采樣，得到圖像是高分辨率多光譜的。鑒于矢量邊界的研究區數據不足，利用ARCGIS10.2軟件繪制"蘭州新區.shp"文件，對研究區的shp文件，以及校正的多光譜波段表面反射圖像和熱紅外波段輻射圖像進行裁剪。本文選取了植被綠度、土壤濕度和地表熱度及干度為指標，構建了生態質量綜合指數。針對水體的特殊性，采用MNDWI水體指數對水體進行掩膜，以避免研究區內部分水域對主成分分析載荷分布的影響。另外，本研究還需要對輻射傳輸方程進行反演地表熱，但地表輻射率的獲取涉及到NDVI的估計。為此，通過遙感反演得到歸一化差分水分指數和NDVI歸一化植被指數。以下是計算公式:改進歸一化差異水體指數（MNDWI）:MNDWI=(ρGreen?ρ式中ρGreen、ρSWIRI分別為歸一化植被指數（NDVI）:NDVI=(ρNIR?ρ其中ρNIR和ρRed分別是它們近紅外和可見紅光波段的反射對于海南五指山而言，依據像元二分法遙感估算模型原理，推算了五指山市2008年的植被覆蓋度。具體步驟如下：1）根據五指山遙感影像的階段，推算出2008年的NDVI值；2）根據土地利用圖和土壤類型圖繪制NDVI地圖，為各自的土地利用類型和土壤類型提取NDVI值；3)分析了各單元NDVI值的計算值。根據累積頻率表，選取0.5%NDVI單元和99.5%NDVI；4）將上述值（NDVIsoil，NDVIveg）代入公式（4）中，計算區域植被蓋度。5.結果分析5.1蘭州新區植被覆蓋度分析植被覆蓋度不僅是該地區植被生長的直接反映，而且在監測環境變化中起著重要作用。對研究區兩個時期的植被覆蓋度進行計算解析，以明確不同時期植被覆蓋度的區別。2013年和2017年植被覆蓋率統計見表1。由表1可知，2013年和2017年的最低和最高土地覆蓋度分別為0和1。進一步對比兩個時期的平均植被覆蓋度和標準植被覆蓋度，2017年植被覆蓋度減少0.0621，減少率21.0152%，內部離散度增加0.01，上升率為3.8640%。這說明研究區植被脆弱性增加，植被覆蓋面積區別擴大，在很大程度上感染生態系統的穩定性，生態環境質量惡化。根據土地覆蓋基本數據的統計特征，按照一定的分類標準將土地覆蓋劃分為五個檔次。分析了研究區不同時期的植被覆蓋特征。表2顯示了兩個階段植被覆蓋面積和百分比的統計表。 起初，表2給出了研究區兩種植被覆蓋度水平的數目特征。如表2所示：2013年，植被覆蓋度較低或低于64.6047%，平均植被覆蓋率為22.8323%，植被覆蓋度高達12.5630%以上；2017年，植被覆蓋度低或低于75.54%，平均植被覆蓋度是12.91%，植被覆蓋度高或高于11.53%。結果表明，近年來研究區域的植被蓋度有所下降，尤其是在中等植被覆蓋度向低植被覆蓋度過渡的過程中。5.2海南五指山計算結果分析由上述計算過程，得到了五指山市植被覆蓋圖像（圖1）。我們可以看到，圖中2008年五指山市下方顏色比上方深，說明了在2008年這一年里，五指山市南邊植被覆蓋程度比北邊好。并且，將五指山植被覆蓋度劃分為：0%-20%（極低）、20%-40%（低）、40%-60%（中）、60%-80%（高度）和80%-100%（極高）這五個等級，從而獲得了五指山植被分類圖。計算每個區域的面積和百分比（表3）。根據表3對五指山市植被覆蓋度估算結果的統計分析，可見，2008年五指山市高植被覆蓋度和極高植被覆蓋度所占百分比是比較大的，分別占有33.04%和54.87%。而1.34%和2.06%分別是極低植被覆蓋度和低植被覆蓋度的占有率。說明了在2008年這一年中五指山市的整體植被覆蓋程度都是比較好的。造成該地區植被覆蓋變化的原因主要是20世紀末以前山體不多，加上人們的生產生活習慣差，以及當地人濫砍濫燒的現象，植被相對較小。上世紀90年代，海南省開始砍伐天然林。上世紀90年代末，森林成為生態省建設的主體和中心，政府也形成了對森林的控制權。直到2005年，各級政府和人民提高認識，采取一系列措施恢復和保護森林資源，包括保護山林、植樹造林和森林恢復。2008年圍繞生態城市建設目標，五指城市繼續加強重點建設，如查封、保護天然林、退耕還林等。加強森林資源保護和開發，促進森林事業快速發展。通過這些措施，該地區的植被覆蓋率正在上升。6.結果比較本文主要選取了蘭州和海南2008、2013和2017年的年平均相對濕度數據，以及2008年海南植被覆蓋度數據、2013和2017年蘭州植被覆蓋度數據。按照一定的分類標準，將植被覆蓋劃分為以下五個層次，下面我們將對這些數據進行分析。由圖2和圖3我們可以觀察到，2008全年海南的平均相對濕度差不多在75左右，與圖3的植被覆蓋度相聯系，2008年海南的植被覆蓋度無論是五個等級中的哪個等級，植被覆蓋度均在1500以上。反觀2013和2017年蘭州的平均相對濕度和植被覆蓋度而言，2013和2017年蘭州的年平均相對濕度分別是53和57，而且從圖3可以看出，無植被覆蓋、低植被覆蓋和中等植被覆蓋的植被覆蓋面積均為3位數。在植被覆蓋度中，高植被覆蓋度和全植被覆蓋度為2位數。從圖3可以看出，海南2008年植被的最大值、最