趙孟云
?
北京市植被覆蓋動(dòng)態(tài)變化與污染氣體濃度關(guān)系分析研究
趙孟云
(昆明理工大學(xué) 國(guó)土資源工程學(xué)院,云南 昆明 650093)
選用北京市Landsat-5和Landsat-8遙感影像為基礎(chǔ),獲取2000、2010、2016年三年的遙感數(shù)據(jù),根據(jù)最大似然法和最小距離法進(jìn)行分類,計(jì)算歸一化植被指數(shù),分析出北京市近幾年植被覆蓋變化情況。北京市植被從2000年到2010年呈現(xiàn)上升的趨勢(shì),到2016年又呈現(xiàn)下降的趨勢(shì)。再獲取某時(shí)間點(diǎn)的污染氣體濃度,在Arcgis中進(jìn)行分析處理,得出某時(shí)間點(diǎn)氣體污染物的濃度示意圖,分析表明,大氣中污染氣體的濃度和植被覆蓋率呈現(xiàn)正相關(guān)。
歸一化植被指數(shù);污染氣體濃度;正相關(guān);最大似然法
植被是陸地生態(tài)系統(tǒng)的重要組成部分,植被覆蓋度是指單位面積內(nèi)植被地上部分的垂直投影面積所占的百分比值[1]。近年來(lái),隨著北京市城區(qū)的擴(kuò)建,對(duì)生態(tài)環(huán)境影響也越來(lái)越大,隨之而來(lái)的是周邊環(huán)境的破壞,導(dǎo)致植被覆蓋的減少。在環(huán)境領(lǐng)域方面的研究,地理信息系統(tǒng)(GIS)和遙感(RS)技術(shù)具有很高的應(yīng)用價(jià)值,GIS用于環(huán)境評(píng)價(jià)與監(jiān)測(cè)比較形象直觀,環(huán)境評(píng)價(jià)結(jié)合GIS與遙感技術(shù)[2],可以實(shí)現(xiàn)環(huán)境監(jiān)測(cè)的動(dòng)態(tài)化,因此RS-GIS技術(shù)的出現(xiàn)真正為環(huán)境監(jiān)測(cè)做到了動(dòng)態(tài)化、實(shí)時(shí)化。NDVI(normalized difference vegetation index)由于檢測(cè)靈敏度高,范圍較寬,可消除地形、陰影干擾和削弱太陽(yáng)高度角及大氣帶來(lái)的噪音等,常被用來(lái)反映植物生長(zhǎng)狀況和空間分布密度等是植被指數(shù)衛(wèi)星遙感中最具明確意義的指數(shù)之一[3-4],在利用 NDVI 對(duì)植被覆蓋進(jìn)行監(jiān)測(cè)評(píng)價(jià)方面,國(guó)內(nèi)外已進(jìn)行大量的研究與試驗(yàn)[5-9],為監(jiān)測(cè)區(qū)域及全球植被和生態(tài)環(huán)境提供了可靠的數(shù)據(jù)[10]。
本文選擇的是2001年,2010年,2016年北京市地區(qū)遙感影像圖,在GIS功能的基礎(chǔ)上,探討從遙感影像探討了從遙感圖像提取生態(tài)環(huán)境狀態(tài)信息時(shí)的波段選取、波段組合及圖像處理等信息提取方法[11],得到北京市歸一化植被指數(shù)。在此基礎(chǔ)上以生態(tài)環(huán)境空間數(shù)據(jù)庫(kù)為基礎(chǔ),依次計(jì)算出植被覆蓋指數(shù)、以及大氣濃度和植被覆蓋率的關(guān)系從而來(lái)分析北京市的環(huán)境現(xiàn)狀及其動(dòng)態(tài)監(jiān)測(cè)。綜合反映了植被的生長(zhǎng)狀況、覆蓋狀況和植被種類等方面,同時(shí)具有時(shí)空上的連續(xù)性。植被覆蓋變化會(huì)因?yàn)闅夂蜃兓?、大氣污染以及人類活?dòng)的變化而變化[10]
北京市在華北平原的最北段,在全球的地理位置是位于北緯39°56¢,東經(jīng)116°20¢,其市域占據(jù)著山地和平原兩種類型,山區(qū)面積約占全市總面積的62%。在氣候方面北京市由于特殊的地理位置使北京市處于暖溫帶大陸性氣候,這就決定了北京市每年的水量適中,季節(jié)分明。北京市是全國(guó)的政治、文化中心,北京市共管轄17個(gè)區(qū),其中海淀區(qū)和朝陽(yáng)區(qū)是北京市的經(jīng)濟(jì)政治文化中心,氣人口眾多,建筑面積遼闊,相應(yīng)的植被覆蓋率低,其他區(qū)域人口密度相對(duì)稀少。本文結(jié)合北京市行政界限,分析出植被覆蓋和大氣污染濃度的直接關(guān)系。
本次實(shí)驗(yàn)數(shù)據(jù)基于Landsat-5和Landsat-8遙感影像數(shù)據(jù)。Landsat-5衛(wèi)星是美國(guó)于1984年發(fā)射的光學(xué)對(duì)地觀測(cè)衛(wèi)星[12],Landsat8衛(wèi)星包含OLI(Operational Land Imager陸地成像儀)和TIRS(Thermal Infrared Sensor熱紅外傳感器)兩種傳感器[13]。獲取2000、2010、2016年三年遙感數(shù)據(jù)作為基礎(chǔ)研究數(shù)據(jù),氣體濃度數(shù)據(jù)地理空間數(shù)據(jù)云空間插值數(shù)據(jù)的獲取。
表1 研究區(qū)遙感影像參數(shù)表
Tab.1 Parameter table of remote sensing image in study area
本文研究?jī)?nèi)容路線如下:
圖1 技術(shù)路線流程圖
(1)輻射定標(biāo)
遙感影像首先進(jìn)行輻射定標(biāo)和大氣校正,輻射定標(biāo)即通過(guò)影像灰度值來(lái)計(jì)算輻射強(qiáng)度,Landsat- 5TM定標(biāo)計(jì)算公式為[14]:
式中:λ——為波段值,Lλ——接受輻射強(qiáng)度,Qλ——以DN表示的經(jīng)過(guò)量化標(biāo)定的像元值,gain——衛(wèi)星的增益系數(shù),offset——偏移系數(shù)[17]。
(2)歸一化植被指數(shù)的計(jì)算[15]
式中NIR為近紅外波段,Red為紅光波段。Landsat8紅光波段與近紅外波段分別為B4,B5。
(3)模型估算
利用植被指數(shù)近似估計(jì)植被覆蓋度進(jìn)行計(jì)算,采用如下公式:
NDVImin為最小歸一化植被指數(shù)值、NDVImax最大歸一化植被指數(shù)值[16]。
通過(guò)對(duì)ETM+數(shù)據(jù)提取的NDVI植被指數(shù)進(jìn)行直方分布圖分析,在NDVI頻率累積表上取一定頻率的NDVI為NDVImin和NDVImax[17]。NDVI頻率累積表上分別取頻率為5%、95%的NDVI值為NDVImin、NDVImax值[18]。
李苗苗[18]等在像元二分模型的基礎(chǔ)上研究的模型為:
NDVIveg則代表完全被植被所覆蓋的NDVI值;NDVIsoil為裸地或者是沒(méi)有植被覆蓋的地方的值。
兩個(gè)值的計(jì)算公式為:
當(dāng)區(qū)域內(nèi)可以近似取VFCmax=100%,VFCmin= 0%[20]公式(4)可變?yōu)?
NDVImax和NDVImin分別為區(qū)域內(nèi)一定置信度范圍內(nèi)最大和最小的NDVI值。[19]
最后進(jìn)行二值化,其公式為:
通過(guò)NNVI對(duì)歸一化植被植被指數(shù)的計(jì)算,結(jié)合模型從而計(jì)算出植被覆蓋率的情況,獲取2000、2010、2016年三年植被覆蓋率的計(jì)算,得出如圖2影像為利用研究區(qū)地區(qū)的矢量數(shù)據(jù)生成的ROI建立一個(gè)掩膜文件最后對(duì)二值化結(jié)果進(jìn)行Raster Color Slice的結(jié)果如下:
圖2 2000、2010、2016年植被范圍圖
表2 三年植被覆蓋變化特征
Tab.2 Vegetation cover change characteristics in three years
表2是北京市2000年、2010年和2016年的三年植被覆蓋率各階段的所占的百分比,根據(jù)給定參數(shù)可以計(jì)算出北京市各個(gè)年份的占地類型。北京市植被覆蓋在2000、2010和2016植被覆蓋率在20%覆蓋度的基礎(chǔ)上變化趨勢(shì)如圖3所示:
圖3 北京市三年的植被覆蓋率的變化
在地理空間數(shù)據(jù)云大氣污染插值數(shù)據(jù)的基礎(chǔ)上,獲取空氣中污染氣體濃度,繪制北京市臭氧濃度專題圖,并獲取北京市行政區(qū)域圖。臭氧濃度的分布示意圖如圖4所示:
圖4 臭氧濃度的分布示意圖
圖5 北京市行政區(qū)域圖
(1)結(jié)合圖3、表2可以發(fā)現(xiàn)北京市在2000年-2010年間北京市植被覆蓋率的變化趨勢(shì)是逐漸減少,覆蓋率從65.23%減少到62.62%,在2010-2016期間北京市植被覆蓋率又呈現(xiàn)稍微的增加趨勢(shì),從62.62%逐漸增加到62.83%。
(2)結(jié)合圖2和圖5北京市行政區(qū)域圖得出,北京市植被覆蓋率最高的地方為延慶縣、昌平縣等偏西北地區(qū),此處多為山地,人口密集程度較少;植被覆蓋較低的地區(qū)為海淀區(qū)、朝陽(yáng)區(qū)等東南地區(qū),此區(qū)域結(jié)合北京市實(shí)際情況,北京市主城區(qū)人口約占整個(gè)北京市人口的60%,人口密度的密集導(dǎo)致植被覆蓋的減少,此外還跟地形有關(guān)。
(3)結(jié)合圖2北京市植被覆蓋范圍圖和圖4北京市臭氧濃度分布示意圖顯示,植被覆蓋越高的地區(qū),臭氧濃度相對(duì)較低,植被覆蓋越低的地區(qū),臭氧濃度相對(duì)較高,基本上呈現(xiàn)負(fù)相關(guān)的趨勢(shì)。
(4)結(jié)合圖2、圖3、圖4、圖5得出近年來(lái)北京市植被覆蓋度整體較高,存在植被覆蓋率<0的地區(qū)存在,但是很少。人口越密集的地區(qū)例如海淀區(qū)、東城區(qū)、西城區(qū)、朝陽(yáng)區(qū)植被覆蓋率越低,伴隨之臭氧濃度會(huì)變高,人口密度越低的地方,例如懷柔區(qū)、密云區(qū)、延慶區(qū)、昌平區(qū)等,植被覆蓋率就越高,臭氧濃度會(huì)降低。
本次研究主要選用北京市Landsat-5和Landsat-8三期遙感影像作為基礎(chǔ)數(shù)據(jù),通過(guò)對(duì)遙感影像的拼接裁剪、輻射定標(biāo)、大氣校正等,計(jì)算出北京市的NDVI,然后在像元二分模型的基礎(chǔ)上,根據(jù)NDVI的值計(jì)算出整個(gè)北京市的植被覆蓋率,來(lái)得出北京市植被覆蓋的動(dòng)態(tài)變化。
研究表明,北京市主城區(qū)的植被覆蓋率明顯大于市郊區(qū),主要是由于人口差異的影像和地形的特征造成的。從北京市轄區(qū)向周地區(qū)人口逐漸降低,邊植被覆蓋率逐漸增加,海淀區(qū)、東城區(qū)、西城區(qū)、朝陽(yáng)區(qū)、豐臺(tái)區(qū)人口占據(jù)整個(gè)北京市60%左右,建筑面積的增加從而導(dǎo)致植被覆蓋率較小,說(shuō)明北京市植被覆蓋度和人口數(shù)量呈現(xiàn)負(fù)相關(guān)的關(guān)系。2010-2016年植被覆蓋率較為穩(wěn)定,說(shuō)明人們意識(shí)到了植被保護(hù)對(duì)生活環(huán)境的重要性。
研究根據(jù)地理空間數(shù)據(jù)云大氣污染插值數(shù)據(jù)制作臭氧濃度示意圖,結(jié)合《北京市統(tǒng)計(jì)年鑒》,分析得出人口數(shù)據(jù)、地形數(shù)據(jù)結(jié)合植被覆蓋率得出和大氣中臭氧濃度的關(guān)系。人口密度越大,地勢(shì)越平臺(tái),植被覆蓋率越低,大氣中臭氧濃度就越大;人口密度越小,植被覆蓋率越大,大氣中臭氧濃度就越小。
緩解北京市臭氧等污染氣體的濃度,改善空氣質(zhì)量應(yīng)采取增加植被覆蓋度的措施,提高整個(gè)北京市綠化程度,同時(shí)控制城市人口密度,合理規(guī)劃建筑模式,間接調(diào)節(jié)整個(gè)北京市環(huán)境的壓力。
[1] 候靜, 杜靈通, 馬菁, 張學(xué)儉. 基于RS與像元二分模型的近20a寧夏植被覆蓋研究[J]. 水土保持通報(bào), 2015, 35(05): 127-132.
[2] 李明詩(shī), 孫力, 常瑞雪. 基于Landsat圖像的南京城市綠地時(shí)空動(dòng)態(tài)分析[J]. 東北林業(yè)大學(xué)學(xué)報(bào), 2013, 41(06): 55-60.
[3] 李曉松, 李增元, 高志海, 白黎娜, 王琫瑜. 基于NDVI與偏最小二乘回歸的荒漠化地區(qū)植被覆蓋度高光譜遙感估測(cè)[J]. 中國(guó)沙漠, 2011, 31(01): 162-167.
[4] 方紅亮, 田慶久. 高光譜遙感在植被監(jiān)測(cè)中的研究綜述[J]. 遙感技術(shù)與應(yīng)用, 1998(01): 65-72.
[5] 霍艾迪, 張廣軍, 武蘇里, 岳曼. 利用MODIS-NDVI進(jìn)行沙化土地評(píng)價(jià)研究——以陜西省北部地區(qū)為例[J]. 干旱地區(qū)農(nóng)業(yè)研究, 2008(02): 154-158.
[6] 田野, 蘇紅旗, 田棟. Hadoop下海量遙感數(shù)據(jù)的處理[J]. 軟件, 2014, 35(03): 91-93.
[7] 曹丹陽(yáng), 霍然, 孫凌, 等. 衛(wèi)星可見(jiàn)光波段觀測(cè)模擬與分析系統(tǒng)設(shè)計(jì)與開(kāi)發(fā)[J]. 軟件, 2018, 39(3): 01-07
[8] J. Duncan, D. Stow, J. Franklin, A. Hope. Assessing the relationship between spectral vegetation indices and shrub cover in the Jornada Basin, New Mexico[J]. International Journal of Remote Sensing, 1993, 14(18).
[9] Rasim Latifovic, Kostas Fytas, Jing Chen, Jacek Paraszczak. Assessing land cover change resulting from large surface mining development[J]. International Journal of Applied Earth Observations and Geoinformation, 2004, 7(1).
[10] 金鑫. 銀川市2001-2009年間大氣環(huán)境及植被變化研究[D]. 南京信息工程大學(xué), 2012.
[11] 辛肖杰. 基于GIS的青海省海西州生態(tài)環(huán)境質(zhì)量評(píng)價(jià)研究[D]. 青海師范大學(xué), 2013.
[12] 陳俊, 王文, 李子揚(yáng), 李安. Landsat—5衛(wèi)星數(shù)據(jù)產(chǎn)品[J]. 遙感信息, 2007(03): 85-88+78.
[13] 孫小棋. Landsat衛(wèi)星圖像云層去除算法研究[D]. 安徽大學(xué), 2015.
[14] Gyanesh Chander, Brian L. Markham, Dennis L. Helder. Summary of current radiometric calibration coefficients for Landsat MSS, TM, ETM+, and EO-1 ALI sensors[J]. Remote Sensing of Environment, 2009, 113(5).
[15] 何志斌. 昆明市主城區(qū)熱島效應(yīng)特征及驅(qū)動(dòng)機(jī)制分析[J]. 軟件, 2018, 39(07): 152-156.
[16] 趙翠娥, 丁文榮. 基于ENVI和GIS技術(shù)的龍川江流域植被覆蓋度動(dòng)態(tài)監(jiān)測(cè)[J]. 林業(yè)調(diào)查規(guī)劃, 2013, 38(05): 14-18+44.
[17] 盧柳葉. 基于遙感數(shù)據(jù)的黃土高原植被覆蓋變化分析研究[D]. 西北農(nóng)林科技大學(xué), 2012.
[18] 王成波. 基于無(wú)人機(jī)可視光譜的玉米植被覆蓋度研究[D]. 昆明理工大學(xué), 2016.
[19] 李苗苗. 植被覆蓋度的遙感估算方法研究[D]. 中國(guó)科學(xué)院研究生院(遙感應(yīng)用研究所), 2003.
[20] 王寧, 陳民, 郝多虎, 段國(guó)賓, 王喆. 基于NDVI估算植被覆蓋度的研究——以滁州市為例[J]. 測(cè)繪與空間地理信息, 2013, 36(05): 51-54+57.
Analysis of the Relationship Between Dynamic Changes of Vegetation Cover and Pollution Gas Concentration in Beijing
ZHAO Meng-yun
(School of Faculty of Land Resource Engineering, Kunming University of Science and Technology, Kunming 650093, China)
Based on the remote sensing images of Beijing Landsat-5 and Landsat-8, the remote sensing data of 2000, 2010 and 2016 were obtained, classified according to the maximum likelihood method and the minimum distance method, and the normalized vegetation index was calculated to analyze Beijing. Changes in vegetation cover in recent years in the city. The vegetation in Beijing has shown an upward trend from 2000 to 2010, and it has shown a downward trend in 2016. The concentration of polluted gas at a certain point in time is obtained and analyzed in Arcgis to obtain a concentration diagram of the concentration of gaseous pollutants at a certain time. The analysis shows that the concentration of polluted gases in the atmosphere is positively correlated with the vegetation coverage.
Normalized vegetation index; Pollution gas concentration; Positive correlation; Maximum likelihood method
TP79
A
10.3969/j.issn.1003-6970.2018.11.041
趙孟云(1994-),女,碩士研究生,研究方向?yàn)榈乩硇畔⒓夹g(shù)及GIS工程。
趙孟云. 北京市植被覆蓋動(dòng)態(tài)變化與污染氣體濃度關(guān)系分析研究[J]. 軟件,2018,39(11):197-201