許積層，唐 斌，盧 濤

(1.中國(guó)科學(xué)院成都生物研究所，成都 610041;2.成都理工大學(xué)地球科學(xué)學(xué)院，成都 610059)

干擾是驅(qū)動(dòng)自然生態(tài)系統(tǒng)發(fā)展的重要因素之一［1］。地震尤其是大型地震作為一種典型的突發(fā)性劇烈擾動(dòng)，會(huì)造成自然生態(tài)系統(tǒng)結(jié)構(gòu)和功能部分或徹底的毀壞與瓦解，并將持續(xù)影響區(qū)域生態(tài)系統(tǒng)功能［2］。如果地震發(fā)生在山區(qū)，其對(duì)生態(tài)系統(tǒng)的影響就更加明顯。因?yàn)樯降厣鷳B(tài)系統(tǒng)往往脆弱性更強(qiáng)，抗干擾能力更弱，嚴(yán)重退化后恢復(fù)困難［3］。目前已有的關(guān)于地震對(duì)山地生態(tài)系統(tǒng)的研究表明，地震造成的生態(tài)系統(tǒng)退化實(shí)際上是地質(zhì)活動(dòng)與山地表生過程綜合驅(qū)動(dòng)的結(jié)果［4］。地處青藏高原和四川盆地過渡地帶的岷江上游地區(qū)是5.12汶川特大地震的重災(zāi)區(qū)，地震及其次生災(zāi)害在該區(qū)引發(fā)了大面積的滑坡、崩塌、泥石流等災(zāi)害，對(duì)區(qū)域植被及生態(tài)環(huán)境造成了巨大破壞［5-6］。

作為水陸之間的交錯(cuò)帶，河岸帶是陸地生態(tài)系統(tǒng)和水生生態(tài)系統(tǒng)之間進(jìn)行物質(zhì)、能量、信息交換的重要生態(tài)過渡帶，其與河流系統(tǒng)一起構(gòu)成連接整個(gè)流域上下游的廊道，并成為一個(gè)連續(xù)、獨(dú)特而完整的系統(tǒng)［7-8］。由于其結(jié)構(gòu)、功能上的特殊性，河岸帶已成為生物多樣性保護(hù)［9-10］以及流域生態(tài)水文功能實(shí)現(xiàn)［11-12］的熱點(diǎn)區(qū)域。與此同時(shí)，河岸帶植被作為河岸景觀基質(zhì)極易受到外部擾動(dòng)的影響，是潛在的敏感地段［13-14］。已有研究表明，岷江上游干旱河谷地區(qū)是受地震影響最為嚴(yán)重的區(qū)域之一［6，15］。但目前對(duì)于河谷地區(qū)河岸帶植被地震前后生態(tài)過程的變化及災(zāi)后植被恢復(fù)的進(jìn)程、速率以及特點(diǎn)等都還不清楚。

植被覆蓋度是描述植被質(zhì)量及反映生態(tài)系統(tǒng)變化的重要基本參數(shù)［16-17］。目前，植被指數(shù)和混合像元分解是提取植被覆蓋度的主要方法［18］。由于植被指數(shù)在用于植被蓋度估算時(shí)，往往存在背景污染、飽和及非線性等問題;相比之下，混合像元方法是基于光譜反射前向模型的像元內(nèi)不同組分豐度的最優(yōu)化求解，物理意義明確，所得結(jié)果即為各種地物的豐度［19-21］。其中，線性光譜混合模型(LSMM，Linear Spectral Mixture Model)目前是國(guó)內(nèi)外研究最深入、應(yīng)用最廣泛的混合像元分解模型，并已在山區(qū)［22-24］、干旱半干旱區(qū)［25-26］、城市及周邊［27-28］等不同區(qū)域的植被覆蓋度估算中得到成功應(yīng)用。

岷江上游的干旱河谷地區(qū)由于天氣及云層掩蓋的影響，使得可用于植被覆蓋度分析的生長(zhǎng)季遙感影像受到了極大的限制，多數(shù)影像往往云量多且云層厚，部分甚至整景影像的信息幾乎都為云層所屏蔽，失去了使用價(jià)值［6］。本研究以受汶川5.12地震破壞最為嚴(yán)重的干旱河谷區(qū)河岸帶植被為研究對(duì)象，利用研究區(qū)可獲得的質(zhì)量較高的多時(shí)相TM影像，通過線性光譜混合分解模型提取受損植被及植被恢復(fù)信息，定量監(jiān)測(cè)其植被動(dòng)態(tài)及空間分布特征，以期為災(zāi)后岷江上游乃至相似地區(qū)的生態(tài)恢復(fù)與重建提供理論依據(jù)。

1 研究區(qū)概況

岷江上游干旱河谷區(qū)位于四川省阿壩藏族羌族自治州東部，為橫斷山區(qū)東北緣，大地構(gòu)造地貌上屬青藏高原與四川盆地的過渡地帶。該區(qū)的主要地質(zhì)構(gòu)造為新構(gòu)造運(yùn)動(dòng)強(qiáng)烈的龍門山斷裂帶，地震活躍，地貌類型以高山峽谷為主，嶺谷相對(duì)高度在1500—3000m之間［29］。在這種特殊地質(zhì)地貌以及大氣環(huán)流的共同作用下，焚風(fēng)效應(yīng)顯著，年降水量約500—600mm，僅為年蒸發(fā)量的1/3;土壤類型主要為貧瘠的山地棕壤土和山地褐土;植被類型多為帶刺、多毛、葉片角質(zhì)發(fā)達(dá)的灌木，及耐旱種類的草本［30］。

本研究選擇岷江上游干旱河谷的映秀汶川段為研究對(duì)象。河岸帶范圍的界定以岷江河道主干東西兩側(cè)各1.5km所限定的區(qū)域，具體范圍介于東經(jīng)103°27'— 103°36'、北緯31°3'— 31°30'之間，河谷長(zhǎng)度59.19km，涵蓋面積155.84km2。

2 研究方法

2.1 數(shù)據(jù)源及遙感數(shù)據(jù)處理

本研究分別選取成像時(shí)間為2007/09/18(震前)、2008/07/18(震后2個(gè)月)以及2011/08/28(震后3年)獲取的軌道號(hào)為130/38的3景Landsat 5 TM影像(數(shù)據(jù)來源于中國(guó)科學(xué)院計(jì)算機(jī)網(wǎng)絡(luò)信息中心國(guó)際科學(xué)數(shù)據(jù)服務(wù)平臺(tái)http://datamirror.csdb.cn/)。利用ENVI 4.6軟件對(duì)3個(gè)時(shí)相的TM遙感影像進(jìn)行幾何配準(zhǔn)，校正誤差嚴(yán)格限制在0.5個(gè)像素以內(nèi)。通過大氣輻射定標(biāo)將DN值轉(zhuǎn)換成反射率，從而消除傳感器造成的內(nèi)部誤差。同時(shí)采用光譜歸一化方法解決地表覆被類型的光譜變異。

DEM數(shù)據(jù)同樣來自于上述數(shù)據(jù)服務(wù)平臺(tái)，空間分辨率30m。利用ArcGIS 9.3軟件對(duì)其進(jìn)行圖像鑲嵌、投影轉(zhuǎn)換及研究區(qū)提取等處理，并提取海拔、坡度及坡向信息。

2.2 基于線性混合像元分解的植被蓋度提取

線性光譜混合模型能夠區(qū)分主要的地表覆被類型，并較好地分解混合像元，直接確定植被覆蓋度［31-32］。該模型是指像元的光譜反射率由構(gòu)成像元的端元(Endmember)的反射率及其所占像元面積百分比為權(quán)重值的線性組合，具體表達(dá)式為:

式中，Rib為第b波段第i像元的反射率;Fki為第i個(gè)像元第k個(gè)端元所占像元面積的比例;REkb為第b波段第k個(gè)端元的反射率;εib為第b波段第i像元的殘差值;n為端元數(shù)目，n≤波段數(shù)+1。

2.2.1 端元選取

端元的選擇是線性光譜混合模型的關(guān)鍵，并直接關(guān)系到端元的擬合精度。本研究根據(jù)TM影像信息所包含的主要地表覆被類型選擇端元。具體步驟為:(1)將3個(gè)時(shí)相的TM影像進(jìn)行最小噪聲變換(MNF)，進(jìn)而獲得6個(gè)MNF主成分，通過目視檢驗(yàn)和特征值分析，有超過90%的影像信息集中在前3個(gè)主成分，而后3個(gè)主成分主要為噪音;(2)將MNF變換后得到的前3個(gè)主成份進(jìn)行像元純度指數(shù)(PPI)計(jì)算，利用PPI計(jì)算結(jié)果進(jìn)入MNF空間進(jìn)行N維散度分析，在MNF空間中的PPI多面體頂點(diǎn)選擇端元，頂點(diǎn)位置分別對(duì)應(yīng)研究區(qū)域的3種主要地表覆被類型:植被、土壤以及陰影，其光譜特征如圖1所示;(3)利用上述3個(gè)端元對(duì)前3個(gè)主成份的MNF影像進(jìn)行分解，得到植被、土壤和陰影3個(gè)分量的影像。

2.2.2 精度評(píng)價(jià)

已有研究表明，通過地面實(shí)際測(cè)量得到混合像元的比例非常困難［33］。尤其是對(duì)缺少站點(diǎn)實(shí)測(cè)數(shù)據(jù)且空間異質(zhì)性較強(qiáng)的山區(qū)來說，利用實(shí)測(cè)資料進(jìn)行的精度評(píng)價(jià)其結(jié)果往往不具有代表意義。因?yàn)檫b感影像表現(xiàn)出的是面狀信息，以點(diǎn)狀資料進(jìn)行的精度評(píng)價(jià)只能反映局部信息，而無法從整體上對(duì)其特點(diǎn)及質(zhì)量做出有效評(píng)價(jià)［34］。因此，本文采用均方根誤差(RMSE)評(píng)價(jià)的方法來進(jìn)行模型擬合精度驗(yàn)證。結(jié)果表明，3個(gè)時(shí)相TM影像分解的RMSE均值(表1)，均小于0.025，符合線性光譜混合模型精度評(píng)價(jià)要求［22］。說明通過線性光譜混合模型的方法對(duì)研究區(qū)植被蓋度的變化進(jìn)行動(dòng)態(tài)監(jiān)測(cè)是可行的。

表1 線性光譜混合分析的均方根誤差統(tǒng)計(jì)表Table 1 Statistical RMSE of linear spectral unmixing analysis

一般認(rèn)為，植被分量與可以有效探測(cè)植被覆蓋狀況的NDVI存在密切關(guān)系［32］。為了進(jìn)一步驗(yàn)證所選擇線性光譜混合分解模型的正確性及植被分量的可靠性，在各時(shí)相植被分量影像和NDVI影像上，隨機(jī)選擇了250個(gè)點(diǎn)進(jìn)行線性擬合，結(jié)果決定系數(shù)R2均大于0.8(P=0.000)，表明本研究所選擇的模型及植被分量都是較為可靠的(圖2)。

圖2 各時(shí)相植被分量與植被指數(shù)的回歸圖Fig．2 The linear regression between GV fraction and NDVI derived from TM images in 2007，2008 and 2011

2.3 植被受損及恢復(fù)信息提取

根據(jù)研究區(qū)的實(shí)際情況及野外實(shí)地調(diào)查驗(yàn)證，采用影像密度分割的方法，當(dāng)2007—2008年度區(qū)域的植被分量減少量≥10%時(shí)，將其判別為受損區(qū)。在提取出的植被受損區(qū)中，當(dāng)2008—2011年度區(qū)域植被分量增加量＞0時(shí)，將其判別為植被恢復(fù)信息。具體植被受損及恢復(fù)等級(jí)分類(表2)。

表2 滑坡體受損與恢復(fù)植被覆蓋度分級(jí)Table 2 The classification of the damage and recovery vegetation fraction

3 結(jié)果與分析

3.1 植被受損評(píng)價(jià)

分析結(jié)果表明(圖3，表4)，地震造成汶川—映秀段河岸帶植被的總受損面積為2736.61hm2，占研究區(qū)總面積的17.56%。其中以中度、高度植被受損為主，二者的面積為2181.80hm2，占總受損面積的79.76%，且主要集中分布在汶川—映秀段的南半段河岸;而低度受損植被的面積比例僅為20.24%。

表3進(jìn)一步顯示了因地震而造成的植被受損的空間分布特征?？梢园l(fā)現(xiàn)，多達(dá)74.92%的植被受損集中分布在海拔1100—1700m之間，海拔1100m以下及1700m以上植被受損面積僅為25.08%。其中植被受損最為嚴(yán)重的區(qū)域集中在海拔1300—1500m，面積為758.52hm2;其次分布在海拔1100—1300m，受損面積752.83hm2。坡度25—55°的區(qū)間是植被受損的主要分布區(qū)，受損面積占總受損面積的82.65%。其中受損最為嚴(yán)重的區(qū)域分布在35—45°之間，占總受損面積的42.89%;其次是在坡度25—35°之間的植被受損，占總受損面積的21.64%。就坡向而言，超過50%的植被受損發(fā)生在東坡、東南坡和西坡。其中東坡植被受損面積最大，面積為644.03hm2，占總受損面積的23.53%;其次是東南坡，受損面積占總受損面積的15.90%。

表3 植被受損沿海拔、坡度、坡向的空間分布特征Table 3 Proportion of vegetation damage in relation to elevation，slope and aspect with different gradient

3.2 植被恢復(fù)評(píng)價(jià)

分析結(jié)果表明(圖3，表4)，地震3a后(2011年)，跟震前(2007年)相比，研究區(qū)的植被恢復(fù)了56.20%，恢復(fù)面積為1538.08hm2，其中以中度、低度的植被恢復(fù)為主，面積為1496.50hm2，占總恢復(fù)面積比例的97.29%。從總體恢復(fù)比例來看，低度受損的植被經(jīng)過3a后已基本恢復(fù)，在全區(qū)河岸兩邊都有出現(xiàn);中度受損的植被面積恢復(fù)了57.45%，主要集中分布在汶川—映秀段的南半段河;植被高度恢復(fù)的比例僅為5.33%，分布較為零散。

3.3 植被恢復(fù)與地形因子的關(guān)系

為進(jìn)一步了解植被受損區(qū)植被的恢復(fù)狀況，本研究分析了植被恢復(fù)率與海拔、坡度及坡向的關(guān)系。從表5可知，植被恢復(fù)主要發(fā)生在1100—1700m的海拔區(qū)間，面積為1198.60 hm2，占總恢復(fù)面積的77.93%。并且，植被恢復(fù)程度與海拔總體上呈負(fù)相關(guān)，即海拔越高，植被恢復(fù)率越低。低度恢復(fù)主要發(fā)生在海拔小于1100m的區(qū)域，比例為58.34%;中度植被恢復(fù)主要分布在海拔1100—2380m。海拔從1100m增至1900m，低度恢復(fù)比例逐漸增大，而中度恢復(fù)比例逐漸減小。

圖3 2007—2008年植被受損分級(jí)與2008—2011年植被恢復(fù)分級(jí)Fig．3 Spatial distribution of damaged vegetation between 2007—2008 and recovery pattern between 2008—2011

表4 植被受損及恢復(fù)狀況統(tǒng)計(jì)Table 4 Statistics of classified vegetation damages and recovery status

表5 植被恢復(fù)與海拔的關(guān)系Table 5 Relationship between vegetation recovery and elevation

從表6可知，植被恢復(fù)主要發(fā)生在25—55°之間，面積為1291.12hm2，占總恢復(fù)面積的83.94%。并且，植被恢復(fù)與坡度呈現(xiàn)出正相關(guān)性。對(duì)整個(gè)研究區(qū)來說，坡度小于25°的區(qū)域，植被低度恢復(fù)占主導(dǎo)，植被恢復(fù)狀況相對(duì)較差;而坡度大于25°的區(qū)域中，植被中度恢復(fù)占主導(dǎo)。隨著坡度的增大，低度恢復(fù)比例逐漸減小，而中度、高度恢復(fù)比例逐漸增大。

表6 植被恢復(fù)與坡度的關(guān)系Table6 Relationship between vegetation recovery and slope

從表7可知，就坡向而言，東坡的植被恢復(fù)面積最大，共363.31hm2，其次是東南坡，面積為273.01hm2。而北坡、西坡及西北坡植被的恢復(fù)狀況不佳，主要以低度恢復(fù)占主導(dǎo)。其余坡向則以植被的中度恢復(fù)占主導(dǎo)。

表7 植被恢復(fù)與坡向的關(guān)系Table 7 Relationship between vegetation recovery and aspect

4 結(jié)論與討論

本研究通過線性光譜混合模型對(duì)512汶川地震后岷江河谷的河岸帶植被進(jìn)行監(jiān)測(cè)，較好地解決了傳統(tǒng)遙感影像中普遍存在的混合像元問題。通過對(duì)3個(gè)時(shí)相TM影像線性光譜分離的植被覆蓋度分析，發(fā)現(xiàn)因植被受損有74.92%發(fā)生在海拔1100—1700m范圍，有82.65%集中于坡度25—55°之間，及超過50%的受損分布在東坡、東南坡和西坡;地震3a后，總體來說，滑坡體植被恢復(fù)了56.20%，其中以中、低度植被恢復(fù)為主。

坡度是導(dǎo)致滑坡及隨后植被恢復(fù)進(jìn)程的重要因素［35-38］。本研究植被受損最為集中的范圍與前人對(duì)于滑坡發(fā)生的坡度范圍基本一直，他們的研究表明坡度20—50°范圍最易發(fā)生滑坡［39-41］。這從側(cè)面證明，地震對(duì)植被的擾動(dòng)主要以滑坡的方式體現(xiàn)。本研究中植被恢復(fù)與坡度呈正相關(guān)，這與Lu等的研究結(jié)果類似。這主要是因?yàn)檫M(jìn)行植被恢復(fù)狀況分析時(shí)，其DEM數(shù)據(jù)仍是震前的。而實(shí)際上，坡度大的地方往往最容易發(fā)生滑坡，而滑坡后的坡度往往都比以前的小，因此出現(xiàn)恢復(fù)狀況與坡度呈正相關(guān)的情況。植物恢復(fù)與海拔總體上呈負(fù)相關(guān)，可能主要是因?yàn)殡S著海拔的增高，越遠(yuǎn)離河谷區(qū)，相應(yīng)地深切割減弱的緣故。植被恢復(fù)狀況與坡向的關(guān)系不顯著，這說明就本研究區(qū)來說，坡度及海拔對(duì)植被恢復(fù)的影響效應(yīng)強(qiáng)于坡向。

本研究中所采用的線性光譜分離(LSU)的方法仍然值得進(jìn)一步研究。首先，陰影干擾歷來都是遙感數(shù)據(jù)處理中難點(diǎn)，線性光譜混合分析技術(shù)也難以完全解決該問題。與其他多數(shù)研究一樣，本文對(duì)陰影的處理，也是把陰影作為一類端元單獨(dú)提?。?2-23，31］。雖然陰影的影響僅局限在陰影范圍內(nèi)，基本能保證非陰影區(qū)的精度，但如何消除陰影對(duì)線性光譜混合分析的影響，值得進(jìn)一步研究。其次，本研究中，將2007—2008年度植被覆蓋度降低的閾值設(shè)置為10%，當(dāng)降低幅度大于10%時(shí)，判別為植被受損區(qū)。這樣變忽略了植被覆蓋度下降幅度介于0—10%之間的區(qū)域。之所以設(shè)定這樣的閾值，是因?yàn)楦鶕?jù)分析結(jié)果，植被豐度下降幅度介于上述區(qū)間的區(qū)域面積僅占整個(gè)研究區(qū)面積的0.7%，且往往出現(xiàn)分布不合理的情況，如分布在河道、建設(shè)用地及未受損植被區(qū)。但盡管如此，如何提高線性光譜分離方法對(duì)信息識(shí)別精度，值得深入研究。

［1］ Turner M G.Disturbance and landscape dynamics in a changing world.Ecology，2010，91(10):2833-2849.

［2］ Cochard R，Ranamukhaarachchi SL，Shivakoti GP，Shipin O V，Edwards P J，Seeland K T.The2004 tsunami in Aceh and Southern Thailand:a review on coastal ecosystems，wave hazards and vulnerability.Perspectives in Plant Ecology，Evolution and Systematics，2008，10(1):3-40.

［3］ Ouyang Z Y，Xu WH，Wang X Z，Wang WJ，Dong R C，Zheng H，Li D H，Li ZQ，Zhang H F，Zhuang CW.Impact assessment of Wenchuan Earthquake on ecosystems.Acta Ecologica Sinica，2008，28(12):5801-5809.

［4］ Bao W K.Ecological degradation and restoration and reconstruction countermeasures for severe calamity regions in Wenchuan Earthquake in Sichuan.Bulletin of Chinese Academy of Sciences，2008，23(4):324-329.

［5］ Wu N，Lu T，Luo P，Zhu D.A review of the impacts of earthquake on mountain ecosystems:taking 5.12 Wenchuan Earthquake as an example.Acta Ecologica Sinica，2008，28(12):5810-5819.

［6］ Lu T，Zeng H C，Luo Y，Wang Q，Shi F S，Sun G，Wu Y，Wu N.Monitoring vegetation recovery after China's May 2008 Wenchuan earthquake using Landsat TM time-series data:A case study in Mao County.Ecological Research，2012，27(5):955-966.

［7］ McClain M E，Boyer E W，Dent C L，Gergel SE，Grimm N B，Groffman P M，Hart SC，Harvey JW，Johnston CA，Mayorga E，McDowell W H，Pinay G.Biogeochemical hot spots and hot moments at the interface of terrestrial and aquatic ecosystems.Ecosystems，2003，6(4):301-312.

［8］ Ranalli A J，Macalady D L.The importance of the riparian zone and in-stream processes in nitrate attenuation in undisturbed and agricultural watersheds A review of the scientific literature.Journal of Hydrology，2010，389(3/4):406-415.

［9］ Elderd B D.The impact of changing flow regimes on riparian vegetation and the riparian species Mimulus guttatus.Ecological Applications，2003，13(6):1610-1625.

［10］ Helfield JM，Engstrom J，Michel JT，Nilsson C，Jansson R.Effects of river restoration on riparian biodiversity in secondary channels of the Pite River，Sweden.Environmental Management，2012，49(1):130-141.

［11］ Yeakley J A，Coleman D C，Haines B L，Kloeppel B D，Meyer JL，Swank W T，Argo B W，Deal JM，Taylor SF.Hillslope nutrient dynamics following upland riparian vegetation disturbance.Ecosystems，2003，6(2):154-167.

［12］ Hill A R，Duval T P.Beaver dams along an agricultural stream in southern Ontario，Canada:their impact on riparian zone hydrology and nitrogen chemistry.Hydrological Processes，2009，23(9):1324-1336.

［13］ Buijse A D，Coops H，Staras M，Jans L H，Van Geest GJ，Grift R E，Ibelings B W，Oosterberg W，Roozen F CJM.Restoration strategies for river floodplains along large lowland rivers in Europe.Freshwater Biology，2002，47(4):889-907.

［14］ Vidon P.Riparian zone management and environmental quality:a multi-contaminant challenge.Hydrological Processes，2010，24(11):1532-1535.

［15］ Yang X J，Chen L D.Using multi-temporal remote sensor imagery to detect earthquake-triggered landslides.International Journal of Applied Earth Observation and Geoinformation，2010，12(6):487-495.

［16］ Gao Q Z，Li Y E，Lin E D，Jiangcun WZ，Wan Y F，Xiong W，Wang B S，Li WF.Temporal and spatial distribution of grassland degradation in Northern Tibet.Acta Geographica Sinica，2005，60(6):87-95.

［17］ Donohue R J，Mcvicar T R，Roderick M L.Climate-related trends in Australian vegetation cover as inferred from satellite observations，1981—2006.Global Change Biology，2009，15(4):1025-1039.

［18］ Somers B，Asner G P，Tits L，Coppin P.Endmember variability in spectral mixture analysis:a review.Remote Sensing of Environment，2011，115(7):1603-1616.

［19］ Hu JB，Chen W，Li X Y，He X Y.Urban vegetation coverage change inside the Third-Rind Road of Shenyang City，China:a study with linear spectral unmixing technique.Chinese Journal of Applied Ecology，2009，20(5):1140-1146.

［20］ Hu M G，Wang JF.Mixed-pixel decomposition and super-resolution reconstruction of RSimage.Progress in Geography，2010，29(6):747-756.

［21］ Byambakhuu I，Sugita M，Matsushima D.Spectral unmixing model to assess land cover fractions in Mongolian steppe regions.Remote Sensing of Environment，2010，114(10):2361-2372.

［22］ Roberts D A，Gardner M，Church R，Ustin S，Scheer G，Green R O.Mapping chaparral in the Santa Monica Mountains using multiple endmember spectral mixture models.Remote Sensing of Environment，1998，65(3):267-279.

［23］ Wan J，Cai Y L.Applying linear spectral unmixing approach to the research of land cover change in Karst area:A case in Guanling County of Guizhou Province.Geographical Research，2003，22(4):439-446.

［24］ Youngentob K N，Roberts D A，Held A A，Dennison P E，Jia X P，Lindenmayer D B.Mapping two Eucalyptus subgenera using multiple endmember spectral mixture analysis and continuum-removed imaging spectrometry data.Remote Sensing of Environment，2011，115(5):1115-1128.

［25］ Theseira M A，Thomas G，Sannier CA D.An evaluation of spectral mixture modelling applied to a semi-arid environment.International Journal of Remote Sensing，2002，23(4):687-700.

［26］ Xiao JF，Moody A.A comparison of methods for estimating fractional green vegetation cover within a desert-to-upland transition zone in central New Mexico，USA.Remote Sensing of Environment，2005，98(2/3):237-250.

［27］ Pu R L，Gong P，Michishita R，Sasagawa T.Spectral mixture analysis for mapping abundance of urban surface components from the Terra/ASTER data.Remote Sensing of Environment，2008，112(3):939-954.

［28］ Xie M M，Wang Y L，Li G C.Spatial variation of impervious surface area and vegetation cover based on SubPixel Model in Shenzhen.Resources Science，2009，31(2):257-264.

［29］ Zhang W H，Lu T，Ma K M，Zhou JY，Li SL.Analysis on the environmental and spatial factors for plant community distribution in the arid valley in the upper reach of Minjiang River.Acta Ecologica Sinica，2004，24(3):552-559.

［30］ Yang Z P，Chang Y，Yang M，Hu Y M，Bu R C，He X Y.Dynamics and influence width of dry valley landscape boundary in upper reaches of Minjiang River.Chinese Journal of Applied Ecology，2007，18(9):1972-1976.

［31］ Elmore A J，Mustard J F，Manning SJ，Lobell D B.Quantifying vegetation change in semiarid environments:precision and accuracy of spectral mixture analysis and the normalized difference vegetation index.Remote Sensing of Environment，2000，73(1):87-102.

［32］ Yingshi Z.A study on environmental change analysis in Sand Hill of Nebraska using remote sensing.Geographical Research，2001，20(2):213-219.

［33］ Hu T G，Zhang JS，Jia B，Pan Y Z，Dong Y S，Li L.Research on LSMM of remote sensing images based on different resolution.Geography and Geo-Information Science，2008，24(3):20-23.

［34］ Chen X N，Bao A M，Zhang H L，Liu M Y.A study on methods and accuracy assessment for extracting snow covered areas from MODISimages based on pixel unmixing:a case on the middle of the Tianshan Mountain.Resources Science，2010，32(9):1761-1768.

［35］ Dai F C，Lee CF.Landslide characteristics and，slope instability modeling using GIS，Lantau Island，Hong Kong.Geomorphology，2002，42(3/4):213-228.

［36］ Lee S.Application of logistic regression model and its validation for landslide susceptibility mapping using GIS and remote sensing data.International Journal of Remote Sensing，2005，26(7):1477-1491.

［37］ Chang K T，Chiang SH，Hsu M L.Modeling typhoon-and earthquake-induced landslides in a mountainous watershed using logistic regression.Geomorphology，2007，89(3/4):335-347.

［38］ Wang H B，Sassa K，Xu W Y.Analysis of a spatial distribution of landslides triggered by the 2004 Chuetsu earthquakes of Niigata Prefecture，Japan.Natural Hazards，2007，41(1):43-60.

［39］ Khazai B，Sitar N.Evaluation of factors controlling earthquake-induced landslides caused by Chi-Chi earthquake and comparison with the Northridge and Loma Prieta events.Engineering Geology，2004，71(1/2):79-95.

［40］ Owen L A，Kamp U，Khattak G A，Harp E L，Keefer D K，Bauer M A.Landslides triggered by the 8 October 2005 Kashmir earthquake.Geomorphology，2008，94(1/2):1-9.

［41］ Huang R Q，Li WL.Analysis of the geo-hazards triggered by the12 May 2008 Wenchuan Earthquake，China.Bulletin of Engineering Geology and the Environment，2009，68(3):363-371.

參考文獻(xiàn):

［3］ 歐陽(yáng)志云，徐衛(wèi)華，王學(xué)志，王文杰，董仁才，鄭華，李迪華，李智琦，張宏鋒，莊長(zhǎng)偉.汶川大地震對(duì)生態(tài)系統(tǒng)的影響.生態(tài)學(xué)報(bào)，2008，28(12):5801-5809.

［4］ 包維楷.汶川地震重災(zāi)區(qū)生態(tài)退化及其恢復(fù)重建對(duì)策.中國(guó)科學(xué)院院刊，2008，23(4):324-329.

［5］ 吳寧，盧濤，羅鵬，朱單.地震對(duì)山地生態(tài)系統(tǒng)的影響——以5.12汶川大地震為例.生態(tài)學(xué)報(bào)，2008，28(12):5810-5819.

［16］ 高清竹，李玉娥，林而達(dá)，江村旺扎，萬運(yùn)帆，熊偉，王寶山，李文福.藏北地區(qū)草地退化的時(shí)空分布特征.地理學(xué)報(bào)，2005，60(6):965-973.

［19］ 胡健波，陳瑋，李小玉，何興元.基于線性混合像元分解的沈陽(yáng)市三環(huán)內(nèi)城市植被蓋度變化.應(yīng)用生態(tài)學(xué)報(bào)，2009，20(5):1140-1146.

［20］ 胡茂桂，王勁峰.遙感影像混合像元分解及超分辨率重建研究進(jìn)展.地理科學(xué)進(jìn)展，2010，29(6):747-756.

［23］ 萬軍，蔡運(yùn)龍.應(yīng)用線性光譜分離技術(shù)研究喀斯特地區(qū)土地覆被變化——以貴州省關(guān)嶺縣為例.地理研究，2003，22(4):439-446.

［28］ 謝苗苗，王仰麟，李貴才.基于亞像元分解的不透水表面與植被覆蓋空間分異測(cè)度—以深圳市為例.資源科學(xué)，2009，31(2):257-264.

［29］ 張文輝，盧濤，馬克明，周建云，劉世梁.岷江上游干旱河谷植物群落分布的環(huán)境與空間因素分析.生態(tài)學(xué)報(bào)，2004，24(3):552-559.

［30］ 楊兆平，常禹，楊孟，胡遠(yuǎn)滿，布仁倉(cāng)，何興元.岷江上游干旱河谷景觀邊界動(dòng)態(tài)及其影響域.應(yīng)用生態(tài)學(xué)報(bào)，2007，18(9):1972-1976.

［32］ 趙英時(shí).美國(guó)中西部沙山地區(qū)環(huán)境變化的遙感研究.地理研究，2001，20(2):213-219.

［33］ 胡潭高，張錦水，賈斌，潘耀忠，董燕生，李樂.不同分辨率遙感圖像混合像元線性分解方法研究.地理與地理信息科學(xué)，2008，24(3):20-23.

［34］ 陳曉娜，包安明，張紅利，柳梅英.基于混合像元分解的MODIS積雪面積信息提取及其精度評(píng)價(jià)——以天山中段為例.資源科學(xué)，2010，32(9):1761-1768.