崔慧珍，關(guān)勝況，王冰琰

(河南理工大學(xué)，河南 焦作454000)

隨著經(jīng)濟的快速增長，對煤炭資源的需求不斷增大，由于沒有土地復(fù)墾及再利用規(guī)劃，產(chǎn)生了大量的礦區(qū)廢棄地［1－3］。礦區(qū)廢棄地是一種極端裸地、植被稀少、水土流失嚴(yán)重，造成礦區(qū)水體、土壤和大氣的嚴(yán)重污染，引發(fā)一系列經(jīng)濟、生態(tài)、社會等方面的問題。如何在礦區(qū)廢棄地上進行快速、高效的生態(tài)恢復(fù)與重建己成為當(dāng)前生態(tài)環(huán)境保護所面臨的緊迫任務(wù)。Larsson等［4］分別從TM、MSS和SPOT衛(wèi)星圖像數(shù)據(jù)估算植被指數(shù)，并建立了阿拉伯森林地區(qū)植被指數(shù)與覆蓋率的關(guān)系模型。Ji等［5］提出監(jiān)測植被生長狀態(tài)的歸一化植被指數(shù)(NDVI)，該指數(shù)常被用來進行區(qū)域和全球的植被狀態(tài)研究，同時也為廢棄礦區(qū)植被覆蓋變化的監(jiān)測提供了依據(jù)。

國內(nèi)利用遙感技術(shù)進行對礦區(qū)環(huán)境調(diào)查和監(jiān)測也取得了較大的成就。甘甫平等［6］根據(jù)植被在685 nm附近的最大吸收深度相對地劃分植被污染程度。2009年，韓云霞等［7］研究了露天煤礦開采形成的廢棄地對生態(tài)環(huán)境的影響。本文以雙鴨山市廢棄礦區(qū)為研究對象，基于MODIS數(shù)據(jù)，利用NDVI對當(dāng)?shù)刂脖贿M行了定量分析。采用分類方法對土地利用進行了時間和空間特征分析，取得了較好的監(jiān)測效果。

1 計算原理

本文采用的MODIS(Moderate－resolution Imaging Spectroradiometer)數(shù)據(jù)是搭載在Terra和Aqua兩顆衛(wèi)星上的中分辨率成像光譜儀，是美國地球觀測系統(tǒng)(EOS)計劃中用于觀測全球生物和物理過程的重要儀器。它具有36個中等分辨率水平的光譜波段，每1～2 d對地球表面觀測一次，獲取陸地和海洋溫度、初級生產(chǎn)率、陸地表面覆蓋、云、汽溶膠、水汽和火情等目標(biāo)的圖像。

植被指數(shù)的種類非常多，選擇植被指數(shù)的基本原則是:不能存在飽和現(xiàn)象，應(yīng)最大限度地反映地表植被的分布情況，排除大氣等因素的干擾。植被指數(shù)的計算模型較多，有比值植被指數(shù)RV、差值植被指數(shù)DVI、歸一化植被指數(shù)NDVI以及近幾年倍受關(guān)注的增強植被指數(shù)EVI等。由于NDVI對植被覆蓋度的檢測范圍較寬，有較好的時相和空間適應(yīng)性，其一直被用來監(jiān)測植被變化情況，是遙感估算植被覆蓋度研究中最常用的植被指數(shù)［8－11］。因此，本文使用NDVI植被指數(shù)，既能很好地反映地表綠色植被的分布情況，而且部分消除了由天氣變化、傾斜、觀測姿態(tài)所造成的誤差。

根據(jù)植被的反射光譜特征，通常使用植被的紅光、近紅外波段的反射率和其他因子的組合所獲得的植被指數(shù)來提取植被信息。歸一化植被指數(shù)最初是由Rouse等［12］提出。歸一化植被指數(shù)(Normalized Difference Vegetation Index，簡稱NDVI)，又稱標(biāo)準(zhǔn)化植被指數(shù)。其計算公式為:

式中:NIR為近紅外通道反射率;R為紅色通道反射率。歸一化植被指數(shù)與植被分布的密度呈線性相關(guān)，它是植物生長狀態(tài)及植被空間分布密度的最佳指示因子。

2 研究區(qū)概況

雙鴨山市因盛產(chǎn)煤而馳名中外，雙鴨山(見圖1)位于黑龍江省東北部，東隔烏蘇里江與俄羅斯比金市相望，南與七臺河市、雞西市毗鄰，西與佳木斯市相連，北臨遼闊的三江平原，南面是連綿的群山。

3 礦區(qū)植被覆蓋分析

本文采用了2000年和2009年的MODIS數(shù)據(jù)，先對1波段和2波段進行定標(biāo)計算出反射率，分別記為L1和L2。歸一化植被指數(shù)NDVI的計算公式為:

式中:A為增益;DN為波段常數(shù);B為偏移。在HDFView中的可查詢到MODIS數(shù)據(jù)的 A、B值。利用ERDAS中的 Modeler模塊編寫 model可以計算出NDVI值。目前常見的MODIS影像有36個光譜通道，所給 MODIS 數(shù)據(jù)中，第一波段(0.62 ～0.67 μm)為葉綠素主要吸收的紅外波段，第二波段(0.841～0.876 μm)是近紅外波段，對綠色植被差異敏感，是植被通用的波段，因此選擇這2個波段計算植被指數(shù)。

圖1 雙鴨山地區(qū)地理位置圖

由式(2)對第一、第二波段進行輻射定標(biāo)，根據(jù)式(3)計算兩期的NDVI(見圖2、圖3)，然后對其進行重投影并截取研究區(qū)區(qū)域，并對研究區(qū)的NDVI值進行分級比較(見圖4、圖5)。

由圖4、圖5中的NDVI分級圖分別對2000年和2009年的NDVI值進行統(tǒng)計分析，統(tǒng)計結(jié)果如表1所示。

圖2 2000年NDVI圖

圖3 2009年NDVI圖

圖4 2000年NDVI分級圖

圖5 2009年NDVI分級圖

表1 2000年和2009年NDVI累積概率分布表

由圖4、圖5中的NDVI兩期的分級圖和表1中的兩期NDVI可知，2009年與2000年相比較，NDVI值在－1～0之間的低植被區(qū)面積明顯減少，而從0～1的中植被區(qū)和高植被區(qū)面積明顯增加，研究區(qū)的環(huán)境治理恢復(fù)有明顯的效果。NDVI和植被覆蓋度具有相關(guān)性，所以可以算出2009年的植被覆蓋度。

4 土地利用變化分析

與監(jiān)督分類和專家分類相比，非監(jiān)督分類過程的自動化條件和變量程度較高，人為干預(yù)較少。因此，本文采用了非監(jiān)督方法進行分類，非監(jiān)督分類運用算法是完全按照像元的光譜特性進行統(tǒng)計分類。使用該方法時，原始圖像的所有波段都參與分類運算，分類結(jié)果往往是各類像元數(shù)大體等比例。對所截取的研究區(qū)評價待估價對象對評，調(diào)出非監(jiān)督分類對話框顯示分類圖像，打開分類圖像屬性表調(diào)整字段顯示順序，給各個類別賦予相應(yīng)的顏色，確定類別的專題意義和準(zhǔn)確程度(見圖6、圖7)。

圖6 2000年分類圖

圖7 2009年分類圖

圖6、圖7中，綠色代表森林，藍(lán)色代表水體，棕色代表居民區(qū)，粉色代表植被，紫色代表裸地。根據(jù)其分類對2000年和2009年的土地利用變化狀況進行統(tǒng)計(見表2)。

通過表2可知，2000年和2009年的土地利用狀況有所轉(zhuǎn)變。隨著人口的增長，居民區(qū)的覆蓋范圍有所增加，森林和水體覆蓋率有微小的改變，裸地面積有所減少，但是整體植被覆蓋范圍有所增加。在這9年中，廢棄礦區(qū)環(huán)境恢復(fù)有一定的效果，植被恢復(fù)取得了一定的成績。

表2 土地利用變化表

5 結(jié)論

本文通過研究區(qū)的自然地理、地質(zhì)環(huán)境、土壤植被狀況的了解，確定了研究方法。利用研究區(qū)2000年和2009年的MODIS數(shù)據(jù)，對其第一、第二波段進行輻射定標(biāo)，并通過NDVI，獲得了植被覆蓋度在時間和空間上的變化特征。最后由非監(jiān)督方法分類分析得出結(jié)論:

(1)與2000年相比，2009年雙鴨山礦區(qū)及周邊地區(qū)的NDVI值在0～1中的植被區(qū)和高植被區(qū)面積明顯增加，而－1～0之間的低植被區(qū)面積有所減少。

(2)通過NDVI分級圖和植被覆蓋度的變化圖可看出植被恢復(fù)效果明顯，雖然在居民區(qū)植被有輕微破壞，但是礦區(qū)植被覆蓋度有所增加，這是由于雙鴨山市政府在這9年中對礦區(qū)環(huán)境的重視和制定廢棄礦區(qū)環(huán)境恢復(fù)的相關(guān)政策的原因。

(3)通過對雙鴨山采取非監(jiān)督方法進行分類，得到了2000年和2009年土地利用變化狀況，可以清楚地得出環(huán)境恢復(fù)的區(qū)域，從而能夠準(zhǔn)確地制定計劃，方便其他礦區(qū)的環(huán)境恢復(fù)工作。

由于沒有獲取到研究區(qū)植被覆蓋度和土地利用現(xiàn)狀的實測數(shù)據(jù)，因此對植被覆蓋度和土地利用變化的估算結(jié)果只是進行了粗略的驗證，如果能實地測量植被覆蓋度和調(diào)查土地利用狀況會使估算結(jié)果的精度驗證更高。由于時間原因本文在利用數(shù)據(jù)方面時，只分析了兩期的MODIS數(shù)據(jù)，如果能夠分析2000年至2009年的9年數(shù)據(jù)，效果會更佳。

［1］ 蔡博峰，劉春蘭，陳操操，等.內(nèi)蒙古霍林河一號露天礦生態(tài)環(huán)境的遙感監(jiān)測與評價［J］.煤炭工程，2009(6):96－98.

［2］ 龐春雨.廢棄礦區(qū)建筑可持續(xù)利用研究［J］.煤炭技術(shù)，2013，32(8):154－155.

［3］ 張合兵，郝成元，張小虎.潞安礦區(qū)凈初級生產(chǎn)力和土地覆被變化及成因［J］.水土保持通報，2013，33(1)221－224.

［4］ Larsson H.Linear regressions for canopy cover estimation in Acacia woodlands using Landsat－TM，－MSS and SPOT HRV XS data［J］.Remote Sensing，1993，14(11):2129 －2136.

［5］ Ji L，Peters A J.Assessing vegetation response to drought in the northern Great Plains using vegetation and drought indices［J］.Remote Sensing of Environment，2003，87(1):85 －98.

［6］ 韓云霞，李民贊，李道亮.基于光譜學(xué)與遙感技術(shù)的礦區(qū)廢棄地土壤特性參數(shù)分析［J］.吉林大學(xué)學(xué)報:工學(xué)版，2009(1):48.

［7］ 郝成元，楊志茹.基于MODIS數(shù)據(jù)的潞安礦區(qū) NPP時空格局［J］.煤炭學(xué)報，2011，36(11):1840－1844.

［8］ CHEN Yanli，LONG Buju，PAN Xuebiao，et al.Differences between MODIS NDVI and AVHRR NDVI in monitoring grasslands change［J］.Journal of Remote Sensing，2010，15(4):831 －845.

［9］ 陳燕麗，龍步菊，潘學(xué)標(biāo)，等.基于 MODIS NDVI和氣候信息的草原植被變化監(jiān)測［J］.應(yīng)用氣象學(xué)報，2010，21(2):229－236.

［10］ 沙莎，郭鈮，李耀輝，等.三套NDVI長時間序列植被指數(shù)的對比—以瑪曲為例［J］.干旱氣象，2013，31(4):657－665.

［11］ 胡硯霞，黃進良，王立輝.基于MODIS NDVI時序數(shù)據(jù)的丹江口庫區(qū)物候格局研究［J］.中國農(nóng)業(yè)資源與區(qū)劃，2012，33(4):25－33.

［12］ Rouse J W，Haas R H，Schell J A，et al.Monitoring vegetation systems in the Great Plains with ERTS［J］.NASA special publication，1974，351:309.