楊 惠，董彥鋒，胡伍生，龍鳳陽，陳 陽

(東南大學交通學院，江蘇 南京 211100)

0 引 言

泰山被譽為“五岳之首”，聳立在山東中部，海拔超過1 500 m，為我國東部最著名的山岳。泰山位于我國夏綠林區(qū)的中部，植被種類豐富，地貌起伏很大，地表形態(tài)自南向北有規(guī)律變化。這些植被在水源涵養(yǎng)、減緩徑流、蓄洪防旱、降解污染、維持生物多樣性方面有不可替代的作用。研究泰山地區(qū)植被指數(shù)與地形因子之間的關(guān)系，可為該區(qū)環(huán)境治理、生態(tài)保護、預(yù)防水土流失等災(zāi)害以及實現(xiàn)泰山地區(qū)植物資源的可持續(xù)利用等提供科學依據(jù)，也可為生態(tài)環(huán)境的監(jiān)測保護與可持續(xù)發(fā)展提供參考和借鑒[1]。

2013年2月11日，幾經(jīng)波折的Landsat 8衛(wèi)星在美國加州成功發(fā)射，3月18日獲得了第一幅遙感影像。全新的Landsat 8衛(wèi)星影像收窄了近紅外波段和全色波段的光譜范圍，將輻射分辨率從8 bit提高到12 bit，擴大了全色影像中植被和非植被信息的反差，避免了極亮/極暗區(qū)的灰度過飽和現(xiàn)象，更好地顯示了細節(jié)信息[2]。植被是生態(tài)系統(tǒng)最重要的組成部分，也是遙感影像上的重要地物信息[3]。Landsat 8 OLI衛(wèi)星影像近紅外波段排除了0.825 μm處水汽吸收的影像，在NDVI植被提取時，具有更高準確度。植被的空間分布在很大程度上受地形條件制約，尤其在山區(qū)，地形控制了太陽輻射和降水的空間再分配過程，使得植被隨地形表現(xiàn)出一定規(guī)律性，在較小地域范圍內(nèi)，此規(guī)律性尤為明顯。利用DEM自動提取地形因子進行空間分析，具有快速、科學、客觀等特點[4]，為分析植被的空間分布特征提供了重要支撐。

1 研究區(qū)概況與研究方法流程

1.1 研究區(qū)概況

研究區(qū)域位于山東省中部、泰安市境內(nèi)，主要以泰山區(qū)、岱岳區(qū)為研究對象(圖1)。其陸地面積達2 000多平方米。泰山地區(qū)南高北低，南部受斷裂影響，上升幅度大，山脈陡峭峻拔；北部山嶺起伏低、坡度緩和。泰山地區(qū)屬于溫帶季風氣候，具有明顯的垂直變化趨勢：山下四季分明，而山上卻春秋相連，由于海拔高程變化，由山腳到山頂土壤資源呈現(xiàn)規(guī)律化的帶狀分布，造成不同地段植被資源差異化。泰山屬于華北植物區(qū)系，由于受黃海、渤海影響，雨量充裕，是干、濕交替的過渡帶，植物生長茂密，森林覆蓋率達80%以上。因此，研究分析泰山地區(qū)植被指數(shù)與地形因子的空間關(guān)系對地形格局特征和空間分布研究都具有重要意義。

圖1 泰安市研究區(qū)域范圍示意圖

1.2 研究方法流程

首先定義植被指數(shù)的概念，利用遙感軟件通過兩個波段探測值的不同組合可得到不同的植被指數(shù)。常用的兩個波段反射率比值法有：比值植被指數(shù)(RVI)、綠度植被指數(shù)(GVI)、垂直植被指數(shù)(PVI)、土壤調(diào)節(jié)植被指數(shù)(SAVI)、歸一化植被指數(shù)(NDVI)[5]等，在分析它們各自優(yōu)缺點及適應(yīng)范圍后，本實驗選用“歸一化植被指數(shù)法(NDVI)”。

以泰山地區(qū)為例，主要依據(jù)DEM數(shù)據(jù)與Landsat 8遙感影像數(shù)據(jù)，借助RS和GIS技術(shù)，對泰山地區(qū)NDVI值與海拔、坡度以及坡向之間的關(guān)系進行定量分析，以便深入了解泰山地區(qū)植被的空間變化規(guī)律，為分析生態(tài)環(huán)境提供決策信息(圖2)。

圖2 遙感反演的技術(shù)路線圖

2 實驗方法與結(jié)果分析

2.1 數(shù)據(jù)來源與預(yù)處理

從地理空間數(shù)據(jù)云網(wǎng)站下載2014年7月11日的Landsat 8 OLI原始影像，共11個波段。該期遙感影像質(zhì)量良好，植被信息豐富，云量為11.19，適合研究泰山地區(qū)的植被指數(shù)。研究區(qū)全境位于條帶號122，行編號35的影像覆蓋范圍內(nèi)，地圖投影采用UTM-WGS 84投影坐標系，數(shù)據(jù)產(chǎn)品已經(jīng)經(jīng)過系統(tǒng)校正和幾何校正[6]。從CGIAR-CSI網(wǎng)站下載空間分辨率為90 m的DEM數(shù)據(jù)，然后對數(shù)據(jù)進行預(yù)處理，處理過程如下。

(1)利用ENVI 5.1遙感軟件對影像進行Radiometric Calibration輻射定標和后續(xù)Flaash大氣校正[7]，去除大氣和溫度等因素對地物反射的干擾，再將前7個空間分辨率為30 m的多光譜波段和第8個空間分辨率為15 m的全色波段重采樣成一幅高分辨率多光譜圖像，然后利用Spectral工具下的Vegetation提取影像的歸一化植被指數(shù)值。

(2)利用ArcGIS軟件將DEM數(shù)據(jù)進行坐標投影系統(tǒng)的轉(zhuǎn)換，利用data management tools工具Raster工具下的resample將90 m分辨率的DEM插值為30 m分辨率的DEM數(shù)據(jù)與NDVI柵格數(shù)據(jù)，統(tǒng)一投影坐標系統(tǒng)和空間分辨率，為后期疊合分析做準備。

(3)利用ArcGIS 10.1軟件從全國行政矢量圖中切割出感興趣區(qū)。用遙感軟件的subset工具將感興趣區(qū)域作為ROI分別與歸一化植被指數(shù)遙感影像圖和DEM數(shù)據(jù)進行配準，裁剪出研究區(qū)域。

2.2 植被NDVI分級

由于Landsat 8 OLI是16位影像，位數(shù)過大，所以采用ENVI軟件下的決策樹分類功能并結(jié)合泰山地區(qū)植被景觀類型圖、土地利用圖等對提取的歸一化植被指數(shù)進行重新分級(表1)。

表1 NDVI分級表

由于分級時輸出的遙感影像選擇的是浮點型，因此遙感影像中的NDVI值的范圍為-1≤NDVI≤1，負值表示地面覆蓋有云、雪和水體等，對可見光高反射；0表示有巖石或裸土等；正值表示有植被覆蓋，且隨覆蓋度增大而增大；當NDVI值達到0.3以上時，植被生長狀況良好。2014年7月11日泰山地區(qū)的NDVImax為0.55，NDVImin為-0.043，將所有不大于0值的非植被覆蓋區(qū)域NDVI值一并歸為0值，對NDVI進行分級，然后利用ArcGIS軟件出圖。

2.3 地形因子的分級

除了數(shù)字高程模型(DEM)所代表的海拔高程之外，基于DEM所提取的地形因子也在一定程度上影響著植被分布。地形因子主要有微觀和宏觀兩種類型的表面因素。宏觀地形因子是對指定大小區(qū)域的描述，涉及分析窗口選擇集的形狀和大小，其并沒有絕對的標準分析窗口。基于它的不確定性，此研究僅選用幾個微觀地形因子做點單位信息的空間分析[8]。此實驗選用海拔、坡度和坡向作為研究對象。

在提取微觀坡面因子時，點位高程影響默認量值的大小。運用ArcGIS 10.1表面分析工具下的Slope和Aspect快速提取泰山地區(qū)的坡度和坡向，然后對高程、坡度和坡向進行重分類。

2.4 歸一化植被指數(shù)與地形因子的疊合分析

利用ArcGIS 10.1空間分析模塊的重分類功能將海拔、坡度以及坡向[9]進行重新分類，將做好掩膜處理的歸一化植被指數(shù)圖分別與重分類的海拔、坡度和坡向進行疊合分析，利用zonal statistical as table工具統(tǒng)計疊合分析數(shù)據(jù)，并利用數(shù)學統(tǒng)計方法分析結(jié)果，繪制圖像，分析泰山地區(qū)植被分布與地形因子的關(guān)系特征。

2.4.1 植被指數(shù)與海拔高度之間的關(guān)系

結(jié)合泰山地區(qū)海拔高程圖，采用自然截斷法將高程信息分為8個高程區(qū)，分別統(tǒng)計每一分區(qū)的植被指數(shù)信息量(圖3—5)。由圖3可看出，總體而言，歸一化植被指數(shù)值隨海拔升高而增加，海拔在79～150 m范圍內(nèi)，高程變化對植被指數(shù)影響相對較小，這是由于在該高程范圍內(nèi)主要分布著城鎮(zhèn)建設(shè)用地、道路、河流等非植被覆蓋地，且泰山腳下的城市建設(shè)用地周邊的植被比農(nóng)田用地植被覆蓋差，植被指數(shù)最高的區(qū)域位于海拔>1 037 m的高山區(qū)造成的。總體而言，泰山地區(qū)植被覆蓋較好，尤其在西北部海拔較高的泰山以及東南部徂徠山地區(qū)，生物多樣性豐富，生態(tài)系統(tǒng)穩(wěn)定，因為山區(qū)不適合人類生活，所以受人類活動影響小，植被覆蓋好。

圖3 泰山地區(qū)NDVI海拔分布統(tǒng)計圖

圖4 泰山地區(qū)NDVI坡度分布統(tǒng)計圖

圖5 泰山地區(qū)NDVI坡向分布統(tǒng)計圖

2.4.2 植被指數(shù)與坡度的關(guān)系

對泰山地區(qū)DEM重新插值成30 m空間分辨率后，泰山地區(qū)坡度大體分布在0°～75°之間，將坡度按照自然截斷法分成15級，統(tǒng)計每一級對應(yīng)的歸一化植被指數(shù)信息量。由圖4可以看出，對各段NDVI值分析如下。

(1)坡度0°～2°，NDVI值較低，此坡度段主要分布在泰山腳下的城市建設(shè)用地和農(nóng)田等，人口密集且河流、湖泊較多，植被覆蓋稀疏。

(2)坡度2°～9°，NDVI值相對較高，基本無水土流失現(xiàn)象，光照條件優(yōu)越，水資源豐富且土質(zhì)較好，適宜農(nóng)業(yè)植被生長。

(3)坡度9°～40°，NDVI值隨坡度遞增而增加，隨著坡度的遞增，植被生長受人類活動的影響越小，這部分區(qū)域主要適合森林植被以及一些具有水土保持功能的灌木類、草甸類生長。

(4)坡度40°～75°，NDVI值隨坡度遞增有略微下降的趨勢，該區(qū)主要位于北部泰山以及東南部徂徠山，植被覆蓋度較好，但坡度較陡，植被接受陽光少，故NDVI值隨坡度遞增而略有下降。

(5)植被指數(shù)最高的坡度范圍為36°～40°，因本研究采用的是7月遙感影像數(shù)據(jù)，此時山區(qū)樹木茂盛，海拔高，溫度降低，主要生長森林植被以及一些具有水土保持功能的灌木、草叢、草甸，生態(tài)系統(tǒng)穩(wěn)定，因此植被指數(shù)最高。

2.4.3 植被指數(shù)與坡向的關(guān)系

坡向按角度計算，將坡向按45°夾角，由北開始順時針方向旋轉(zhuǎn)8個坡向，加上平面分為9級：平面、北(337.5°～22.5°)、東北(22.5°～67.5°)、東(67.5°～112.5°)、 東南(112.5°～157.5°)、南(157.5°～202.5°)、西南(202.5°～247.5)、西(247.5°～ 292.5°)、西北(292.5°～337.5°)，從圖5可以看出NDVI值與坡向的關(guān)系：泰山地區(qū)平坡植被覆蓋差，主要原因是平坡分布在河流、湖泊等非植被覆蓋區(qū)。植被在北坡、東北坡植被覆蓋量高，隨后依次是東坡、東南坡、南坡，這主要是太陽輻射量的差異造成的。泰山地區(qū)位于北半球，北部以及東北部是背光坡，泰山南部以及西南部屬于向光坡(又名陽坡)，所以二者之間的溫度和植被存在很大區(qū)別。南坡或西南坡接受的太陽輻射強，溫度較高，水分蒸發(fā)就比較快，導(dǎo)致植被生長環(huán)境干熱，不是植被生長的最佳坡向，植被指數(shù)低。北坡受太陽輻射少，生長環(huán)境陰涼，受山脈阻隔，有充足的水分滿足植被繁殖。因此，植被指數(shù)NDVI值最高。

3 結(jié) 語

(1)基于Landsat 8 OLI遙感影像，利用RS和GIS技術(shù)，對泰山地區(qū)植被指數(shù)的空間特征進行分析，主要運用了疊合分析法來研究不同分級的海拔、坡度和坡向區(qū)間內(nèi)NDVI值的變化情況。主要研究結(jié)論如下：① 泰山地區(qū)總體上植被指數(shù)(NDVI)值較好；② 植被指數(shù)隨海拔的升高而增加，NDVI值較低的地區(qū)主要分布在海拔較低、坡度平緩的城市建設(shè)用地等人口密集地區(qū)；③ 總體上，NDVI值隨坡度的遞增先升高后降低，在坡度40°左右時，NDVI值最好；④ 坡向?qū)DVI值影響明顯，東北坡植被指數(shù)最高。

(2)數(shù)據(jù)分析的結(jié)果可為治理泰山地區(qū)的環(huán)境、保護植物資源，維護生態(tài)平衡提供理論支持，對有關(guān)部門進行生態(tài)環(huán)境的監(jiān)測保護與可持續(xù)發(fā)展都有積極意義。

[1] 畢如田,武俊嫻,曹毅,等.涑水河流域地形因子對植被指數(shù)變化的影響[J].中國農(nóng)學通報,2012,28(35):257-263.

[2] 徐涵秋,唐菲.新一代Landsat系列衛(wèi)星:Landsat 8遙感影像新增特征及其生態(tài)環(huán)境意義[J].生態(tài)學報,2013,33(11):3249-3257.

[3] 陳濤, 牛瑞卿, 李平湘,等.密云水庫流域2000—2005年植被覆蓋度變化監(jiān)測[J].環(huán)境科學與技術(shù),2011, 34(S2):190-195.

[4] Urban D L, Miller C, Halpin P N, et al. Forest gradient response in Sierran landscapes: the physical template.[J]. Landscape Ecology, 2000, 15(7):603-620.

[5] Gitelson A A, Kaufman Y J, Stark R, et al. Novel algorithms for remote estimation of vegetation fraction[J]. Remote Sensing of Environment, 2002, 80(1):76-87.

[6] 楊亞莉,趙寧,成曉倩.基于FLAASH模型的SPOT6衛(wèi)星影像大氣校正及評價[J].現(xiàn)代測繪, 2015，38(2):3-6.

[7] 張彥彥,許海蓬,王磊,等.連云港海州灣滸苔遙感監(jiān)測研究[J].現(xiàn)代測繪, 2017，40(5)：23-27.

[8] 解鵬,楊俊.基于空間景觀格局的耕地圖斑地形因子自動化提取工藝[J].測繪通報, 2013(8):81-83.

[9] 劉學軍,王葉飛,曹志東,等.基于DEM的坡度坡向誤差空間分布特征研究[J].測繪通報,2004(12):11-13.