姜青華

(安徽理工大學(xué)空間信息與測繪工程學(xué)院，安徽 淮南 232001)

引言

植被覆蓋率作為反映森林資源和綠化水平的重要指標(biāo)，其變化情況可以在一定程度上反映區(qū)域的發(fā)展。植被覆蓋率是表示綠色植物長勢和豐度的重要參數(shù)，與水土流失等環(huán)境問題密切相關(guān)[1]。在一定時(shí)序下，連續(xù)監(jiān)測植被覆蓋率的變化可直觀表示出環(huán)境變化對植被的影響，因此監(jiān)測植被覆蓋率的變化情況對環(huán)境保護(hù)具有重要意義[2]。傳統(tǒng)統(tǒng)計(jì)植被長勢和豐度的方法費(fèi)事費(fèi)力且時(shí)效性很低，無法做到及時(shí)、精確監(jiān)測。遙感技術(shù)具有獲取快捷、信息全面且能夠?qū)崿F(xiàn)不同空間尺度下地表覆蓋等信息的長時(shí)序變化監(jiān)測的優(yōu)點(diǎn)，已成為全球估算不同尺度下植被覆蓋率的主要技術(shù)之一[3]。遙感數(shù)據(jù)的獲取具有較高的時(shí)效性，利用遙感影像數(shù)據(jù)估算大區(qū)域植被覆蓋率及其變化的方法已經(jīng)成為當(dāng)前建立全球氣候監(jiān)測、生態(tài)恢復(fù)的重要工作[4]。

目前已有研究提出多種植被指數(shù)監(jiān)測植被覆蓋，主要分為不同波段的線性組合、基于高光譜遙感及熱紅外遙感發(fā)展、基于物理知識(shí)改進(jìn)發(fā)展3類[5]。其中，歸一化植被指數(shù)(NDVI)在研究植被方面具有突出優(yōu)勢，已在植被研究中得到了廣泛應(yīng)用[6]。通過對比分析不同時(shí)相的遙感資料，能夠很好地顯示出植被覆蓋率變化的時(shí)空分布特征，因此利用NDVI等植被指數(shù)并結(jié)合時(shí)間二分模型、一元線性回歸方程等方法已大量應(yīng)用于植被的長期監(jiān)測與時(shí)空監(jiān)測分析中[7]。在植被變化率的動(dòng)態(tài)監(jiān)測中，NDVI被稱為監(jiān)測植被和生態(tài)環(huán)境變化的靈敏參數(shù)[8]。已經(jīng)有研究表明，NDVI不僅是植被長勢及豐度敏感的特征參數(shù)，還與植被覆蓋率、植被葉面積指數(shù)、綠色植物生物量等植被指數(shù)密切相關(guān)[9]。NDVI的時(shí)序變化曲線也可一定程度的反映人為活動(dòng)和季節(jié)活動(dòng)變化情況[10]。而且，NDVI經(jīng)過比值計(jì)算，可減小由大氣效應(yīng)、傳感器觀測角、陰影、太陽高度角和地形變化等因素帶來的影響。通過歸一化處理后的植被指數(shù)，可降低傳感器定標(biāo)衰減(即儀器標(biāo)定誤差)變化對波段的影響及由地表二向反射和大氣效應(yīng)造成的不利影響，加強(qiáng)了對植被的監(jiān)測能力。

本文采用Landsat遙感影像數(shù)據(jù)，監(jiān)測了安徽省淮南市2005年、2010年、2015年、2017年和2020年5a植被覆蓋率及地表覆蓋類型，分析了近幾年研究區(qū)植被變化趨勢及植被、水體、居民區(qū)和裸地4種地表類型覆蓋變化，實(shí)現(xiàn)了大區(qū)域下植被覆蓋率的長時(shí)間序列變化監(jiān)測。結(jié)合研究區(qū)實(shí)際情況合理分析了植被覆蓋率變化影響因素并預(yù)測了未來幾年植被覆蓋率變化趨勢，為淮南市城市建設(shè)、環(huán)境保護(hù)、科學(xué)灌溉等提供一定的科學(xué)依據(jù)。

1 材料與方法

1.1 研究區(qū)概況

淮南市位于安徽省中北部，長江三角洲腹地，屬于亞熱帶和暖溫帶的過渡地帶，共有洞山、妙山、八公山、武集、上窯等6個(gè)國有林場，林業(yè)用地面積約4282hm2。以八公山、舜耕山等大別山余脈為界，將淮南市分為山南地區(qū)和山北地區(qū)。本文選擇淮南山北及其周邊接壤地區(qū)作為主要研究區(qū)域，其中山北地區(qū)包含淮南老城區(qū)，發(fā)展歷史悠久，有多個(gè)大型礦區(qū)，且淮河以北多為平原地區(qū)，為地面監(jiān)測提供良好的條件。作為中國重要的產(chǎn)煤地區(qū)，經(jīng)濟(jì)結(jié)構(gòu)比較單一，為解決經(jīng)濟(jì)轉(zhuǎn)型和環(huán)境問題，淮南市已經(jīng)實(shí)施了大量生態(tài)保護(hù)工作與建設(shè)工程等工作。

圖1 研究區(qū)地理位置

1.2 數(shù)據(jù)來源

本研究通過美國地質(zhì)勘探局網(wǎng)站(https://earthexplorer.usgs.gov/)獲取十景空間分辨率為30m的2005年、2010年Landsat5 TM，2015年、2017年和2020年Landsat8 OLI遙感影像數(shù)據(jù)作為數(shù)據(jù)源(行列號(hào)分別為121/37、122/37)，結(jié)合研究區(qū)矢量數(shù)據(jù)及河流等地圖數(shù)據(jù)對研究區(qū)土地覆蓋利用和植被覆蓋狀況的時(shí)空變化進(jìn)行了監(jiān)測及分析。

1.3 研究方法

1.3.1 歸一化植被指數(shù)

現(xiàn)今，利用遙感資料監(jiān)測植被覆蓋率已成為主流研究方法之一，通常是利用植被參數(shù)來近似估算植被覆蓋率，如使用某一區(qū)域的NDVI[11]、葉面積指數(shù)LAI[12]、土壤調(diào)整植被指數(shù)SAVI[13]、大氣修正植被指數(shù)ARVI[14]等來估算這一區(qū)域植被覆蓋率。其中NDVI是最為常用的植被指數(shù)，計(jì)算公式：

NDVI=(NIR-R)/(NIR+R)

(1)

式中，NIR為近紅外波段地表反射率；R為紅外波段地表反射率。

研究表明，有植被覆蓋區(qū)域的NDVI值大于零，且植被覆蓋率越高，NDVI值越大；在巖石、裸土等地表上，可見光和近紅外的反射率相似，其NDVI值約等于零；而水汽、云、雪等地物上，可見光波段的反射率較高，NDVI值通常小于零。所以NDVI適用于大范圍的植被監(jiān)測且具有較好的指示性。

利用研究區(qū)5a的遙感影像，通過ENVI中對影像數(shù)據(jù)進(jìn)行輻射定標(biāo)、大氣校正及影像裁剪、拼接以獲取預(yù)處理過后數(shù)據(jù)，可更加準(zhǔn)確地表示出該地區(qū)的地物覆蓋信息。采用多波段遙感影像結(jié)合，可以直觀展現(xiàn)植被覆蓋范圍。同時(shí)結(jié)合多時(shí)相遙感數(shù)據(jù)對比，實(shí)現(xiàn)動(dòng)態(tài)監(jiān)測植被覆蓋率變化情況。

1.3.2 像元二分模型

像元二分模型是使用較為廣泛的遙感估算模型之一，模型假設(shè)每個(gè)像元所表示的地面區(qū)域都是由有植被覆蓋和無植被覆蓋2個(gè)部分組成，傳感器所接收到的地物反射光譜信息也是由這2個(gè)部分不同的反射光譜信息疊加組合形成，各地物反射光譜信息的權(quán)重表示各地物所占部分在這個(gè)像元中所占的比例，因此植被覆蓋率可用來表示植被所占比例[15]。

利用像元二分模型估算植被覆蓋率公式：

VFC=(NDVI-NDVIsoil)/(NDVIveg-NDVIsoil)

(2)

式中，NDVIsoil為裸地或無植被覆蓋區(qū)域的NDVI值；NDVIveg為完全被植被所覆蓋區(qū)域(即純植被像元)像元的NDVI值。

利用像元二分模型計(jì)算植被覆蓋率的關(guān)鍵是計(jì)算NDVIsoil和NDVIveg?？梢越埔暈橐韵?種情況。

第1種是假設(shè)某個(gè)區(qū)域的地表植被覆蓋率最小值近似為0，最大值可近似視為完全覆蓋，則植被覆蓋率公式：

VFC=(NDVI-NDVImin)/(NDVImax-NDVImin)

(3)

式中，NDVImax為該區(qū)域內(nèi)的NDVI最大值；NDVImin代表該地區(qū)NDVI最小值。由于部分混合像元的存在會(huì)對成果產(chǎn)生干擾，通常依照遙感資料的實(shí)際情況來選取一定適用范圍，取其最大值與最小值作為NDVImax和NDVImin。

第2種情況是假設(shè)某個(gè)區(qū)域內(nèi)植被覆蓋率的最小值不能取0，最大值未被植被完全覆蓋。在有實(shí)測數(shù)據(jù)的情況下，依靠實(shí)測數(shù)據(jù)選取植被覆蓋率的最大值和最小值分別對應(yīng)圖像的NDVI極值。若無實(shí)測數(shù)據(jù)，選取一定適用區(qū)域依據(jù)經(jīng)驗(yàn)估算植被覆蓋率極值。

由于NDVIsoil和NDVIveg會(huì)因植被類型不同而隨時(shí)間和空間發(fā)生改變，因此估算植被覆蓋率時(shí)，即使取同一景遙感影像，2個(gè)值仍不能取為固定。通常需結(jié)合土壤背景和土地覆蓋類型圖及野外實(shí)測數(shù)據(jù)，根據(jù)像元二分模型中的2種情況分別求解。

1.3.3 貝葉斯分類

由于影響研究結(jié)果的因素較多，為提高研究精度，需要對研究區(qū)的土地覆蓋類型進(jìn)行監(jiān)督分類。監(jiān)督分類是用已知區(qū)域中有關(guān)訓(xùn)練區(qū)的土地類型、光譜特征數(shù)據(jù)及其它輔助數(shù)據(jù)為樣本，擬合出未知區(qū)域的各類土地覆蓋類型的多元統(tǒng)計(jì)特征(如均值、方差和協(xié)方差矩陣等)，以這種多元統(tǒng)計(jì)值作為樣本，對未知區(qū)域的各個(gè)像元進(jìn)行相似特征分類。這種分類方法充分利用了對已知區(qū)域的各種信息，提前規(guī)劃待分類的土地覆蓋類型，當(dāng)已知區(qū)域的土地覆蓋類型具有普遍性時(shí)，可以成為整個(gè)區(qū)域的土地覆蓋類型分類的依靠。

最大似然分類法又稱為貝葉斯(Bayes)分類，是使用最為廣泛的監(jiān)督分類的方法之一[16]。根據(jù)Bayes準(zhǔn)則對遙感影像進(jìn)行分類，計(jì)算各像元?dú)w屬在每個(gè)組(類)的概率(或稱歸屬概率)，將該像元標(biāo)本歸屬在概率最大的一組進(jìn)行分類。計(jì)算表示類別函數(shù)的概率密度公式:

(4)

式中，P(ωi)為先驗(yàn)概率，即在被分類的圖像中類別ωi出現(xiàn)的概率。

2 結(jié)果與分析

2.1 土地覆蓋類型變化

土地覆蓋指地表面覆蓋物，是一種以土壤、植被為主體，多種外界因素為輔的綜合體。土地覆蓋類型的監(jiān)測不僅可以研究地表覆蓋地物的變化情況，還可以更精確和直觀地表示出地表面的利用情況，能夠?yàn)樯鷳B(tài)環(huán)境、氣候變化、能量流動(dòng)、人類活動(dòng)等方面的研究提供參考依據(jù)[17]。

為了研究研究區(qū)的植被覆蓋率，采用最大似然分類對淮南市2005年、2010年、2015年、2017年和2020年5a Landsat遙感影像數(shù)據(jù)進(jìn)行土地覆蓋類型分類，將每年的遙感影像土地利用類型分為植被、居民區(qū)、水體和裸地4類，選擇不同的興趣區(qū)定義各不同類別的若干訓(xùn)練樣本，根據(jù)不同訓(xùn)練樣本間的光譜及紋理差異計(jì)算樣本的可分離性，因?yàn)樵谀恳暯庾g時(shí)某些位置的數(shù)據(jù)進(jìn)行采集合成處理時(shí)會(huì)有一些小的誤差，使分類結(jié)果呈現(xiàn)小而密集的斑塊，結(jié)合主要分析的方法進(jìn)行去斑塊的處理使圖像更加平滑。最后通過混淆矩陣進(jìn)行分類精度評(píng)價(jià)。經(jīng)過評(píng)定5a分類結(jié)果的Kappa系數(shù)均超過85%，表明選擇樣本較好地區(qū)分了不同地物類型，地物分類精度較高。

圖2為使用貝葉斯分類后的監(jiān)督分類圖。近年來，研究區(qū)4類土地覆蓋類型比例變化較為明顯。其中，植被的比例先減少后增加，主要變化集中于研究區(qū)中部及南部，呈現(xiàn)這種變化的原因主要是人為過度開采及居民地的不斷擴(kuò)張引起；居民區(qū)的變化主要集中于研究區(qū)中部及東部，呈現(xiàn)出不斷增加的趨勢；水體的區(qū)域大致不變，經(jīng)過研究區(qū)的河流主要有淮河、茨淮新河、東淝河和西淝河，近年河流水量較為充足，對流域內(nèi)植被及農(nóng)作物生長提供一定的有利條件；裸地的比例不斷減少，不少裸地開墾為農(nóng)田、建筑用地等類型，表明近年土地利用率不斷提高，人為因素對研究區(qū)土地覆蓋變化的影響較為明顯。

圖2 各年份監(jiān)督分類結(jié)果

2.2 植被覆蓋率變化監(jiān)測

植被覆蓋率指植被冠層的垂直投影面積與區(qū)域總面積之比，與植被空間分布、植被冠層形態(tài)(LAI、LAD)、太陽入射角與觀測角等參數(shù)有關(guān)[18]。通常用于植被生長量檢測、生態(tài)環(huán)境、氣候監(jiān)測等方面的研究。利用遙感資料數(shù)據(jù)探討植被覆蓋率的相關(guān)因素包含很多參數(shù)，如植被長勢和豐度、大氣效應(yīng)變化信息、土壤背景的反射光譜信息等。已有研究表明，當(dāng)植被覆蓋率<15%時(shí)，植被可以被通過NDVI監(jiān)測出來，但若植被覆蓋率較低，如干旱-半干旱地區(qū)，則其NDVI很難指示區(qū)域的植物生物量；當(dāng)植被覆蓋率達(dá)25%～80%時(shí)，其NDVI值隨植物量的增加呈線性迅速增加；當(dāng)植被覆蓋率>80%時(shí)，其NDVI值增加延緩而呈現(xiàn)飽和狀態(tài)，對植被檢測靈敏度下降。一般來說，作物生長初期NDVI將過高估計(jì)植被覆蓋率，而在作物生長的后期NDVI值偏低。因此，NDVI更適用于植被發(fā)育中期或中等覆蓋度(低～中等葉面積指數(shù))的植被檢測。

研究分別采用累積頻率為98%和2%的NDVI值作為NDVI的2個(gè)極值，以分別代表NDVIsoil值和NDVIveg值，結(jié)合2.1節(jié)的土地覆蓋類型研究成果，利用ENVI和ArcGIS軟件對淮南市研究區(qū)2005年、2010年、2015年、2017年和2020年5a的植被覆蓋率密度進(jìn)行分割輸出，結(jié)果如圖3所示。

圖3 各年份植被覆蓋率

圖4表示由影像分辨率結(jié)合數(shù)理分析得到植被覆蓋的動(dòng)態(tài)比例。15a研究區(qū)的總體植被覆蓋率呈先減少后增加趨勢，在2005—2015年減少較為明顯，2015年后植被覆蓋增加但增勢緩慢，其中淮河流域沿岸植被覆蓋變化不穩(wěn)定。由此推斷，研究區(qū)植被在2005年后遭遇到了大面積的損壞，主要是氣候，降水量變化、礦產(chǎn)資源過度開采、人為破壞等因素造成的。在2015年之后經(jīng)過人為退耕還林，減少資源開采等人為因素干預(yù)，植被覆蓋率有所增加，主要集中于研究區(qū)中部及東部地區(qū)。預(yù)測在之后的年份中，淮南市山北地區(qū)的植被覆蓋率將仍以較慢的速度平緩增長。

圖4 植被覆蓋率變化趨勢圖

3 結(jié)論與討論

本文基于研究區(qū)近十幾年的Landsat遙感數(shù)據(jù)，以像元二分模型為基礎(chǔ)，依次分析了淮南市八公山、舜耕山等大別山余脈以北及其周邊地區(qū)植被生長季的累計(jì)NDVI的變化特征、土地覆蓋類型變化及植被覆蓋率與其變化趨勢。本次研究得出以下結(jié)論。

2005—2020年，研究區(qū)植被NDVI值整體上呈先降后增趨勢，其中變化穩(wěn)定或無顯著變化趨勢的區(qū)域主要分布在研究區(qū)北部和中部；不穩(wěn)定區(qū)域主要為淮河流域周邊地區(qū)，明顯增加的區(qū)域主要分布在研究區(qū)西部，明顯減少的區(qū)域多位于研究區(qū)淮河以南地區(qū)。

2005—2020年，研究區(qū)植被覆蓋率變化趨勢具有明顯的區(qū)域差異。植被主要覆蓋在研究區(qū)中西部地區(qū)，南部地區(qū)較少，淮南市生態(tài)保護(hù)與建設(shè)工程的實(shí)施對區(qū)域植被整體變化起到了積極作用。雖然淮南市生態(tài)保護(hù)工程明顯促進(jìn)了植被恢復(fù)，但就淮南市全區(qū)而言，植被覆蓋范圍仍然較少，區(qū)域植被變化仍主要受氣候、土壤、人為等因素控制。影響淮南市不同地區(qū)植被變化的主要因子是不同的，研究區(qū)植被的變化除了受降水、氣候的影響外，還受到礦產(chǎn)資源開采的影響。大面積的煤礦開采改變了土壤中的有機(jī)質(zhì)，引起了地面塌陷等系列問題，對植被造成了大面積的不可逆轉(zhuǎn)毀壞。

使用NDVI為參數(shù)來估算植被覆蓋率雖然優(yōu)勢較明顯，但尚存在局限性。雖然當(dāng)前遙感影像獲取便捷，但是在某些年份的研究中，仍存在數(shù)據(jù)受限的情況，對研究成果造成影響；高植被覆蓋率區(qū)域NDVI值接近飽和，降低了高植被覆蓋率區(qū)域的區(qū)別度，這也是接下來的研究方向與重點(diǎn)。