覆盖度

覆盖度 (专业名词)也叫“植被覆盖度” ，指植被（包括叶、茎、枝）在地面的垂直投影面积占统计区总面积的百分比。植被的覆盖度可分为高、中高、中、低四种覆盖类型。覆盖度的检测主要有地表实测法和遥感监测法。植被覆盖度是衡量地表植被状况的一个重要指标，是描述生态系统的重要基础数据，也是区域生态系统环境变化的重要指示，对水文、生态、区域变化等都具有重要意义。

覆盖度分类

把植被覆盖度分为高、中高、中、低四种覆盖类型。

当植被覆盖度大于 75%时，为高类

当植被覆盖度在 60%～75%之间时，为中高类

当植被覆盖度介于 45%～60%之间时，为中类

当植被覆盖度小于 45% 时，为低类

测量方法

1地表实测方法

地表实测方法主要用于较小范围内的植被覆盖度监测，对于较大范围内的植被覆盖度监测，它常作为遥感监测的辅助手段，为遥感监测提供基础数据，对建立植被覆盖度经验模型及遥感覆盖度监测的精度评价和验证，有着很重要的意义。当前，较为熟知的地表实测方法有目估法、采样法、仪器法、模型法。

1.1 目估法

目估法是根据经验目估判别植被覆盖度的方法，具体分为传统目估法、相片目估法、椭圆目估法和网格目估法。传统目估法是在野外划定一定区域，由经验判断植被覆盖度；相片目估法是多人根据同一野外相片估算植被覆盖度，然后计算其平均值；椭圆目估法是在植被稀疏的情况下，把地表植物近似看成椭圆形，估算样地植被盖度；网格目估法是将样地划分为若干网格，估算各网格样地的植被盖度均值。总的来说，目估法简单易行，但估算精度受人为的影响比较大。

1.2 采样法

采样法是根据地面的实际测量计算植被覆盖度的方法。常见的采样法有样点法和阴影法。样点法是将一根根样针在植被中垂直放下，接触到植物枝叶的样针数占总样针数的百分数即为植被覆盖度；阴影法是正午时将一根刻度尺放于地表，在平行于行播作物行距方向，以一定距离向前移动，并读取尺子上阴影长度，总阴影长度占尺子总长度的百分数即为植被覆盖度。由此可见，采样法的测量程序复杂、费时费力，受到的条件制约多、效率不高，但是精度相对高。

1.3 仪器法

仪器法是利用感光传感器捕捉光通过植被冠层的情况，据此计算植被的覆盖度。该方法通常采用数码相机作为传感器，利用计算机的图像处理软件进行处理，因此较为经济，测量效率也高，而且测量结果有较高精度。这使该方法成为当前地表实测方法的主要方法。

1.4 模型法

模型法是对地面的实际测量数据进行分析，利用数理统计的方法得到植被覆盖度的时空分布规律，并对其进行分析，得到相关经验模型的测量方法。该方法只适用于某一特定的区域与植被类型，不易推广。

2遥感监测方法

近年来，遥感技术的发展和大量不同类型卫星对多时段、多波段的对地观测，为国内外学者在植被覆盖度遥感监测方面创造了有利条件，并发展了大量通过大范围遥感监测提取植被覆盖度的方法。常用的遥感监测方法有回归模型法、植被指数法、像元分解模型法等。

2.1 回归模型法

回归模型法又称为统计经验模型法。它利用单一波段或几个波段的遥感监测数据，计算出植被指数（NDVI）和植被覆盖度，并通过回归分析得到相应的统计模型，然后利用空间的外延模型，推求更大区域的植被覆盖度。依据回归所利用的方法，回归模型法分为线性与非线性两种。线性回归模型的应用比较广泛。

2.2 植被指数法

植被指数法是根据植物的光谱特征，直接选取与植被覆盖度有良好相关性的植被指数，并通过植被指数与植被覆盖度的关系，估算植被覆盖度。回归模型法中已经说明植被指数与植被覆盖之间存在一定的相关性，但是与关系模型相比，植被指数法不需要建立相应回归模型，且不受区域时间和植被类型的限制，更易于使用。

2.3 像元分解模型法

像元分解模型法的原理是，在某种假定情况下，将遥感图像中的一个实际像元分解成由多个组分构成的遥感数据信息，用这些遥感信息构建像元分解模型，从而估算出植被覆盖度。