宋吉梅，夏 楠，海文月，唐夢(mèng)迎

(1.新疆大學(xué)地理科學(xué)學(xué)院，烏魯木齊 830017；2. 新疆智慧城市與環(huán)境建模普通高校重點(diǎn)實(shí)驗(yàn)室，烏魯木齊 830017；3. 新疆環(huán)境保護(hù)科學(xué)研究院，烏魯木齊 830011)

【研究意義】荒漠地區(qū)由于極度缺水導(dǎo)致植被稀少，荒漠化也越嚴(yán)重。對(duì)干旱區(qū)而言，植被在穩(wěn)定生態(tài)系統(tǒng)中發(fā)揮著至關(guān)重要的作用[1]。因此，在研究中獲取植被覆蓋信息，對(duì)區(qū)域環(huán)境承載力的評(píng)估和因地制宜進(jìn)行生態(tài)環(huán)境保護(hù)具有重大意義。運(yùn)用遙感技術(shù)提取植被覆蓋信息已被業(yè)界廣泛認(rèn)可，其中基于混合像元理論的像元二分法對(duì)植被覆蓋度的估算能達(dá)到一定的精度要求[2-4]，但將該方法用于稀疏植被覆蓋區(qū)的估算時(shí)，結(jié)果偏差較大[5-6]。這是由于像元二分模型對(duì)大量分散的植被像元信息缺乏有效識(shí)別，同時(shí)干旱區(qū)植被葉面積小，所反射的有效光譜信息較少。像元三分模型能提取出干旱區(qū)大量分散的干枯植被信息，進(jìn)而識(shí)別出裸地和干枯植被，相比像元二分法，其對(duì)混合像元的識(shí)別更加接近地表真實(shí)情況?！厩叭搜芯窟M(jìn)展】為提高稀疏植被的遙感監(jiān)測(cè)精度，Guerschman等[7]于2015年根據(jù)植被存在光合植被(PV)、非光合植被(NPV)、裸地(BS)的特征，利用中分辨率成像光譜儀(Moderate-resolution imaging spectroradiometer，MODIS)產(chǎn)品數(shù)據(jù)和混合像元三分法開展反演植被信息的研究，得到誤差較小的實(shí)驗(yàn)結(jié)果，能夠滿足對(duì)稀疏草原區(qū)的fPV和fNPV的時(shí)空分布估算要求。Cao等[8]通過分析MODIS紅光、近紅外、短波紅外波段的特征提出干枯燃料指數(shù)DFI，其估算NPV的精度可達(dá)80%。王光鎮(zhèn)等[9]在此基礎(chǔ)上通過NDVI和DFI構(gòu)建NDVI-DFI指數(shù)結(jié)構(gòu)特征，隨后總結(jié)出NPV的2種常用估算方法：光譜混合分析法和光譜指數(shù)法[10]。鄭國雄等[11]采用高光譜數(shù)據(jù)運(yùn)用線性光譜混合模型(Linear spectral mixture model，LSMM)提取PV和NPV信息，肯定了高光譜數(shù)據(jù)對(duì)于區(qū)分NPV和BS的優(yōu)勢(shì)。以上研究對(duì)于NDVI-DFI像元三分模型的提出和應(yīng)用提供了一定的理論基礎(chǔ)和方法依據(jù)?！颈狙芯壳腥朦c(diǎn)】在荒漠—綠洲交錯(cuò)地帶，植被對(duì)土壤保持和荒漠化防治有較大的影響，運(yùn)用遙感手段監(jiān)測(cè)新疆荒漠綠洲交錯(cuò)帶植被覆蓋度的變化以及檢驗(yàn)像元三分模型在該區(qū)域的適用性。【擬解決的關(guān)鍵問題】本研究選取2008—2017年不同時(shí)相的Landsat8影像，運(yùn)用NDVI-DFI像元三分模型對(duì)準(zhǔn)噶爾盆地東部荒漠綠洲交錯(cuò)帶的地表植被覆蓋度進(jìn)行遙感監(jiān)測(cè)，通過交互式目視解譯并運(yùn)用高分2號(hào)影像提取植被指數(shù)評(píng)價(jià)模型精度，可以為使用像元三分模型在新疆荒漠綠洲交錯(cuò)區(qū)域提取植被信息的區(qū)域適用性提供參考，也可為該區(qū)在新發(fā)展機(jī)遇下的生態(tài)質(zhì)量評(píng)估和綠色發(fā)展提供數(shù)據(jù)支撐。

1 材料與方法

1.1 研究區(qū)概況

本文研究區(qū)選定新疆戈壁典型區(qū)域準(zhǔn)東經(jīng)濟(jì)技術(shù)開發(fā)區(qū)(圖1)，該區(qū)位于新疆卡拉麥里山南麓的開闊地帶(88°30′～90°30′E，44°01′～45°00′N)，研究區(qū)面積約1.44×104km2，位于吉木薩爾縣、奇臺(tái)縣和木壘縣境內(nèi)，地形平坦，海拔500～700 m，歷年年均潛在蒸發(fā)量(2050 mm)遠(yuǎn)大于歷年平均年均降水量(185 mm)[12]，氣候極為干旱，生態(tài)極其脆弱。土壤有機(jī)質(zhì)含量均很低(表層土壤含量小于2%)，野外自然生長(zhǎng)植物多為荒漠地區(qū)典型植被，常見的植物種類包括叢生的駱駝刺(AlhagisparsifoliaShap.)和鹽生假木賊(Anabasissalsa)，荒漠地區(qū)的地帶性植被琵琶柴(Reaummuriasoongorica)，對(duì)防風(fēng)固沙有一定作用的白梭梭(Haloxylonpersicum)和刺旋花(Convolvulustragacanthoides)等植物。該地區(qū)煤炭資源儲(chǔ)量巨大，含煤面積901 km2，內(nèi)設(shè)5個(gè)露天礦、3個(gè)井工礦和3個(gè)后備區(qū)，其中露天礦的預(yù)計(jì)開采量達(dá)2×107t/年。2005年12月當(dāng)?shù)貨Q定建設(shè)準(zhǔn)東煤電煤化工產(chǎn)業(yè)帶，于2009年9月開始開采。

左圖黃色方框?yàn)闇?zhǔn)東經(jīng)濟(jì)技術(shù)開發(fā)區(qū)，右圖為該區(qū)域2017年7月份假彩色圖像The yellow box on the left is a reference to Zhundong-Xinjiang Economic & Technological Development Zone, and the right is a false color image of the region for July 2017圖1 研究區(qū)示意圖Fig.1 The image of study area

1.2 數(shù)據(jù)來源和處理

本文選擇共4景Landsat TM/OLI衛(wèi)星影像作為數(shù)據(jù)源，空間分辨率30 m、時(shí)間分辨率16 d，均從美國地質(zhì)調(diào)查局(USGS)網(wǎng)站(https://glovis.usgs.gov/)下載。4景影像獲取時(shí)間分別為2008年7月29日和8月7日，2017年7月31日和8月9日，影像拍攝期間研究區(qū)植被生長(zhǎng)狀況良好，且影像含云量低(含云量<5%)，總體質(zhì)量較高。分別對(duì)每景影像進(jìn)行輻射定標(biāo)和大氣校正后得到對(duì)應(yīng)像元的地表真實(shí)反射率值，之后用同一年的兩景影像拼接、鑲嵌，獲得可以覆蓋整個(gè)研究區(qū)2008年和2017年植被生長(zhǎng)旺季的遙感影像。研究所使用的高分二號(hào)影像數(shù)據(jù)從北京迅捷時(shí)代科技有限公司付費(fèi)獲取，影像拍攝時(shí)間為2017年7月27日。

1.3 研究方法

1.3.1 歸一化植被指數(shù) 歸一化植被指數(shù)(NDVI，Normalized difference vegetation index)不僅具有較強(qiáng)的植被指示性，能很大程度上反應(yīng)植被的生長(zhǎng)狀態(tài)，而且具有較強(qiáng)的區(qū)域?qū)嵱眯?，?duì)于區(qū)域內(nèi)植被的空間分布密度有良好的表征作用。因此，NDVI作為一個(gè)因子用來觀測(cè)PV時(shí)，具有很好的指示性。NDVI計(jì)算公式如下：

NDVI=(BandNIR+BandR)/(BandNIR+BandR)

(1)

式中：R和NIR分別對(duì)應(yīng)Landsat8影像的Band4和Band5，是地物在紅光、近紅外波段的反射率值。

1.3.2 干枯燃料指數(shù) 干枯燃料指數(shù)(Dead fuel index,DFI)是根據(jù)干枯植被在多光譜遙感圖像的波段響應(yīng)特征而建立的，其主要是NPV的高光譜數(shù)據(jù)響應(yīng)特征(PV的反射率值在650和850 nm處小于NPV和BS，在1650 nm 處大于NPV和BS，NPV的反射率值于2100 nm處介于PV和BS中間)在多光譜波段的推廣。DFI的計(jì)算如下[8]：

DIF=100×(1-BandSWIR2/BandSWIR1)×BandR/BandNIR

(2)

式中：SWIR1和SWIR2分別對(duì)應(yīng)Landsat8影像的Band6和Band7，是地物在短波紅外1、短波紅外2的反射率值。

1.3.3 使用NDVI-DFI指數(shù)結(jié)構(gòu)特征判識(shí)遙感圖像的不同端元 NDVI-DFI指數(shù)結(jié)構(gòu)特征認(rèn)為每個(gè)待測(cè)像元的構(gòu)成包括PV、NPV以及BS 3個(gè)組分，3個(gè)組分構(gòu)成的空間形狀接近于三角形(圖2)，NDVI和DFI的值滿足線性函數(shù)，DFI指數(shù)的值域可包含較大的負(fù)值。在這個(gè)三角形中各組分的分布位置取決于其DFI和NDVI值的高低：NDVI、DFI均低的BS組分處在空間中左下角的位置；NDVI低、DFI高的NPV分布在左上角；NDVI高、DFI低的PV則位于整個(gè)三角形的中間偏右下。

圖2 NDVI-DFI指數(shù)結(jié)構(gòu)特征Fig.2 NDVI-DFI index structure characteristics

1.3.4 遙感判識(shí)效果的實(shí)地調(diào)查驗(yàn)證 為驗(yàn)證NDVI-DFI像元三分模型對(duì)PV、NPV和BS 3種地物識(shí)別的準(zhǔn)確度，筆者于2017年7月前往準(zhǔn)東經(jīng)濟(jì)技術(shù)開發(fā)區(qū)，選取研究區(qū)內(nèi)的建筑廠房區(qū)和農(nóng)田荒漠交接帶兩塊區(qū)域進(jìn)行實(shí)地調(diào)查(圖3)，并和NDVI-DFI像元三分模型反演結(jié)果進(jìn)行對(duì)比分析。

圖3 研究區(qū)2017年實(shí)地調(diào)查驗(yàn)證照片F(xiàn)ig.3 Validation photos from 2017 field investigation in the study area

1.3.5 基于高清影像的重采樣驗(yàn)證 選擇空間分辨率較高(全色1 m、多光譜4 m)的高分2號(hào)影像數(shù)據(jù)，通過重采樣至30 m分辨率后計(jì)算得到NDVI值，并以此作為驗(yàn)證數(shù)據(jù)[13-14]對(duì)估算結(jié)果進(jìn)行驗(yàn)證(圖4)。其中區(qū)域一是農(nóng)田和荒漠交錯(cuò)帶，荒漠植被覆蓋相對(duì)密集下墊面特征比較典型，能很好地代表研究區(qū)植被覆蓋情況；區(qū)域二是建筑物區(qū)，以此來驗(yàn)證NDVI-DFI像元三分模型在城區(qū)或工業(yè)用地的植被覆蓋信息提取精度。使用ArcGIS 10.6軟件等間距隨機(jī)布點(diǎn)，在區(qū)域一選取85個(gè)點(diǎn)，在區(qū)域二選取50個(gè)點(diǎn)。

①痊愈：癥狀、體征、潰瘍及炎癥均消失。②顯效：癥狀、體征明顯減輕，潰瘍面消失，但存在炎癥。③有效：癥狀、體征有所改善，潰瘍面縮小≥50%。④無效：未達(dá)到有效標(biāo)準(zhǔn)。

圖4 精度驗(yàn)證區(qū)Fig.4 Verification area

2 結(jié)果與分析

2.1 區(qū)域內(nèi)端元特征值的確定

通過提取NDVI-DFI指數(shù)結(jié)構(gòu)特征各頂點(diǎn)純凈端元的平均指數(shù)值作為相應(yīng)端元的特征值(表1)。從表1可以看出，2008年和2017年在PV端的NDVI均比在NPV端和BS端大得多，這表明在1.2節(jié)中選取NDVI作為表征PV端的因子是可行的；同理，NPV端的DFI均大于PV和BS，說明干枯燃料指數(shù)DFI可以作為主要因子來觀測(cè)NPV。NDVI軸BS

表1 端元特征值信息統(tǒng)計(jì)

由2008年和2017年NDVI-DFI指數(shù)結(jié)構(gòu)特征散點(diǎn)圖(圖5)得出二者散點(diǎn)圖相近，表現(xiàn)為形狀較好的相似三角形。2017年三角形外圍有大量散點(diǎn)，表明該年與2008年地表環(huán)境存在一定差異，通過對(duì)端元值交互判讀發(fā)現(xiàn)，這些散點(diǎn)對(duì)應(yīng)的區(qū)域?yàn)闇?zhǔn)東煤礦區(qū)裸露地表堆積的煤炭和水體，同時(shí)NPV端散點(diǎn)不連續(xù)分布，說明研究區(qū)地表因子受人為影響而發(fā)生改變。有大量的散點(diǎn)分布于NDVI值在0～0.3，表明研究區(qū)較多分布稀疏植被。2008年和2017年，NDVI值和DFI值的變化關(guān)系整體分為兩個(gè)階段：第一個(gè)階段為同向增長(zhǎng)，NDVI值在0～0.3內(nèi)，隨著NDVI的增大DFI也相應(yīng)增大；第二個(gè)階段為負(fù)相關(guān)，NDVI值介于0.3～0.8，此時(shí)隨著NDVI值的增大DFI值逐漸減小，且2017年的整體變化率大于2008年。

圖中紅色代表散點(diǎn)分布集中區(qū)域，越靠近藍(lán)紫色散點(diǎn)分布越分散The red color in the figure represents the region where the scattering points are concentrated.The closer you get to the bluish-purple scattering points, the more dispersed they are圖5 準(zhǔn)東經(jīng)濟(jì)技術(shù)開發(fā)區(qū)NDVI-DFI指數(shù)結(jié)構(gòu)特征散點(diǎn)圖Fig.5 Scatter plots of NDVI-DFI characteristic space of Zhundong Economic-Technological Development Park

2.2 端元面積占比的估算分析

為統(tǒng)計(jì)PV、NPV、BS的具體覆蓋面積，將以上因子特征值作為計(jì)算變量代入像元三分模型中進(jìn)行運(yùn)算，分別給fPV、fNPV和fBS賦予不同的顏色進(jìn)行合成，彩色合成結(jié)果見圖6。RGB彩色合成圖中，綠色代表在此區(qū)域中PV的分布面積占比最大，紅色代表此區(qū)域中NPV的分布面積占比最大，藍(lán)色代表此區(qū)域中BS的分布面積占比最大。圖中的黑色區(qū)域是原先地面上被水體和陰影覆蓋的地方，在圖像上經(jīng)過掩膜對(duì)這些區(qū)域進(jìn)行屏蔽，使其不參與計(jì)算。由fPV、fNPV和fBS的估算結(jié)果得出，2008年fPV的分布區(qū)域主要是南部農(nóng)田耕種區(qū)；fNPV集中分布在農(nóng)田荒漠混交地、荒漠和山地；fBS主要集中在在準(zhǔn)東的北部、中部和東部。相比2008年，2017年fPV變化較少，面積增加5.32%，主要受耕地變化影響。fNPV和fBS變化顯著，其中fNPV在中部荒漠腹地增長(zhǎng)明顯，尤其是以東部芨芨湖綠洲為中心的大片區(qū)域，平均覆蓋度為0.52。研究區(qū)fNPV增長(zhǎng)顯著與該區(qū)域地理環(huán)境關(guān)系密切。準(zhǔn)東荒漠植被大多以短命草本和耐旱梭梭、琵琶柴和小喬等為主，干旱環(huán)境不利于植物殘?bào)w分解，在地表容易堆積大量NPV。fBS主要分布在北部戈壁平原，該區(qū)域?yàn)榇笃纳笆愕?，幾乎無植被生長(zhǎng)(相關(guān)數(shù)據(jù)通過ENVI軟件的統(tǒng)計(jì)工具得出)。

圖6 準(zhǔn)東經(jīng)濟(jì)技術(shù)開發(fā)區(qū)fPV、fNPV和fBS估算結(jié)果Fig.6 Evaluating result of fPV, fNPV and fBS in Zhundong Economic-Technological Development Park

2.3 植被覆蓋度估算結(jié)果分析

2.3.1 植被覆蓋度各等級(jí)面積占比和變化 統(tǒng)計(jì)分析fPV的反演結(jié)果，2008年和2017 年研究區(qū)的fPV值分別為9.28%和11.49%。根據(jù)相關(guān)研究[15-16]和研究區(qū)植被覆蓋特點(diǎn)，分別將2008年和2017年的fPV劃分為5個(gè)等級(jí)(表2)。2008年各等級(jí)植被占比最高的是I級(jí)植被，為84.11%(面積12 071.85 km2)，2017年分布最多的依然是I級(jí)植被，為74.78%(10 732.01 km2)，但是面積比2008年減少9.34%(1339.84 km2)。2008—2017年各等級(jí)植被覆蓋面積復(fù)合增長(zhǎng)率分別為-9.34%、9.27%、-0.36%、-0.55%和0.97%，植被覆蓋度減少的植被等級(jí)是I、III和IV級(jí)，增加的是II和V級(jí)。其中II級(jí)植被增長(zhǎng)1330.91 km2，增加面積最大，V級(jí)植被的面積增長(zhǎng)139.75 km2。上述結(jié)果說明，這十年間準(zhǔn)東地區(qū)植被覆蓋度變化總體上表現(xiàn)為增長(zhǎng)狀態(tài)，且植被覆蓋轉(zhuǎn)變是由低級(jí)向高級(jí)進(jìn)行。

表2 植被覆蓋度分級(jí)統(tǒng)計(jì)

2.3.2 植被覆蓋度的年際轉(zhuǎn)移狀況 使用 ENVI 經(jīng)典版的相關(guān)模塊(密度分割和轉(zhuǎn)移矩陣)得到不同等級(jí)植被覆蓋度面積轉(zhuǎn)移矩陣(表3)。相較于2008年，2017年共有11 408.95 km2的植被未發(fā)生變化(對(duì)角線之和)，變化的面積有2939.63 km2。從低級(jí)向高級(jí)轉(zhuǎn)變的過程中，I級(jí)轉(zhuǎn)向II級(jí)的面積最大，達(dá)1621.62 km2，占變化面積的55.16%，轉(zhuǎn)移面積第二大的是從IV級(jí)轉(zhuǎn)向V級(jí)的面積，為130.57 km2，占變化面積的4.44%，II級(jí)轉(zhuǎn)向III級(jí)的面積為105.06 km2，占總變化面積的3.57%；從高級(jí)向低級(jí)轉(zhuǎn)變的過程中，變化面積最大的轉(zhuǎn)移過程是從II級(jí)轉(zhuǎn)向I級(jí)，為208.89 km2，占變化面積的7.11%，變化面積第二大的是從III級(jí)轉(zhuǎn)向II級(jí)，為109.96 km2，占變化面積的3.74%，V級(jí)向II級(jí)的轉(zhuǎn)換面積，為76.58 km2，占變化面積的2. 61%。如上所述，2008—2017年植被覆蓋度的年際轉(zhuǎn)移情況是：從低級(jí)轉(zhuǎn)為高級(jí)的面積大于從高級(jí)轉(zhuǎn)為低級(jí)的面積，且主要為I級(jí)轉(zhuǎn)向II級(jí)，即總體上表現(xiàn)為恢復(fù)面積>退化面積。

表3 不同等級(jí)植被覆蓋度的面積轉(zhuǎn)移矩陣

2.4 結(jié)果驗(yàn)證

2.4.1 典型土地利用類型區(qū)的判識(shí)效果調(diào)查 為進(jìn)一步探究像元三分模型對(duì)PV、NPV和BS 3種地物識(shí)別的準(zhǔn)確度，參考有關(guān)研究方法[3]利用像元二分法估算2017年的植被覆蓋度，將結(jié)果和用像元三分模型反演的結(jié)果進(jìn)行對(duì)比分析。從圖7可以看出，使用兩種方法估算的2017年植被覆蓋狀況，結(jié)果具有很高的相似性，由此說明兩種方法均可以在一定程度上估算研究區(qū)的植被覆蓋狀況。

圖7 基于兩種模型的fPV局部對(duì)比分析Fig.7 Comparison of fPV on the two models

為了更直觀的對(duì)比兩種方法，選擇兩處具有代表性的區(qū)域詳細(xì)分析。圖7中標(biāo)注的建筑區(qū)為準(zhǔn)東經(jīng)濟(jì)開發(fā)區(qū)東方希望產(chǎn)業(yè)園，該區(qū)域大部分為建筑廠房，像元三分模型結(jié)果將其解釋為裸地，而像元二分模型結(jié)果則將該區(qū)域判別為高植被覆蓋區(qū)，與實(shí)際情況顯著不符，說明像元二分模型易受建筑屋頂干擾從而對(duì)植被覆蓋過分估計(jì)。另一處選擇農(nóng)田和荒漠交接帶作為NPV覆蓋驗(yàn)證區(qū)，經(jīng)過野外調(diào)查獲知該區(qū)域?yàn)榱袒牡暮档?，早期種有玉米和小麥，地面上隨機(jī)散落大量的植物組織和部分分解產(chǎn)物。像元二分模型在該處的反演過程中存在部分信息缺失的情況，即對(duì)該區(qū)域是無分別的判讀，沒有區(qū)別出BS和NPV各自的空間分布特征。而在像元三分模型的估算結(jié)果中，既判定該區(qū)域同樣為極低的植被覆蓋，又同時(shí)得到BS和NPV的分布特征(圖7-D)。由此看來，針對(duì)此區(qū)域光合植被、非光合植被和裸地的分布特征，使用像元三分模型反演得到的結(jié)果更接近地面真實(shí)情況。

此前大多數(shù)學(xué)者通過像元三分模型估算稀疏草原植被覆蓋度，由于研究區(qū)域十分開闊，居民稀少，尤其是工廠建筑較少，從而忽略了像元三分模型的優(yōu)勢(shì)。本研究區(qū)北部為準(zhǔn)東經(jīng)濟(jì)技術(shù)開發(fā)區(qū)，存在大量煤電煤化工工廠，建筑屋頂易被識(shí)別為植被，而且經(jīng)NDVI計(jì)算的建筑屋頂依舊被識(shí)別為植被[17]。因此，像元三分模型不僅適用于低植被覆蓋區(qū)，而且可用于城區(qū)或工業(yè)用地的植被覆蓋信息提取。更者，該模型能夠估算干枯植被，也可為森林和草場(chǎng)火災(zāi)預(yù)警提供監(jiān)測(cè)手段。

2.4.2 高清影像重采樣的NDVI指數(shù)驗(yàn)證 將高分2號(hào)影像重采樣后計(jì)算得到的結(jié)果與像元三分法模型結(jié)果進(jìn)行定量分析(由ArcGIS軟件Extraction工具提取至點(diǎn)后統(tǒng)計(jì))。在驗(yàn)證區(qū)一(圖8-a)，二者相關(guān)系數(shù)為0.817(P<0.01)，二者趨于y=0.5796x+0.026直線，其決定系數(shù)R2為0.667；在驗(yàn)證區(qū)二(圖8-b)，二者相關(guān)系數(shù)為0.806(P<0.01)，二者趨于y=0.9826x+0.0105直線，其決定系數(shù)R2為0.6503。經(jīng)回歸分析進(jìn)行精度驗(yàn)證表明，像元三分模型對(duì)準(zhǔn)東經(jīng)濟(jì)技術(shù)開發(fā)區(qū)荒漠稀疏植被的估算結(jié)果滿足精度要求。

圖8 像元三分法計(jì)算結(jié)果與高分2號(hào)重采樣計(jì)算結(jié)果的關(guān)系Fig.8 The relation between the results of three-component pixel model calculation and GF-2 resampling calculation

3 討 論

在植被恢復(fù)過程中，I級(jí)向II級(jí)變化面積占比最大，其次為IV級(jí)向V級(jí)變化面積占比，但2個(gè)占比值大小相差懸殊(相差約50%)，表明植被稀疏地區(qū)大面積恢復(fù)為良好生態(tài)區(qū)是困難和漫長(zhǎng)的；生態(tài)退化過程中，II級(jí)向I級(jí)變化面積占比最大，其次為III級(jí)向II級(jí)變化面積占比，說明低植被覆蓋區(qū)生態(tài)條件很容易惡化，表現(xiàn)出植被覆蓋度越低，其生態(tài)脆弱性越嚴(yán)重。說明在治理修復(fù)時(shí)，應(yīng)將退化區(qū)域作為重點(diǎn)治理區(qū)域。郝家田等[18]在研究2009—2018年黃河流域林草植被覆蓋變化時(shí)發(fā)現(xiàn)，植被退化區(qū)域主要分布在林草低植被覆蓋度的毛烏素沙地、隴中黃土高原等，與本研究中生態(tài)退化主要發(fā)生在低植被覆蓋區(qū)這一結(jié)果有相似。其成因主要是：①低植被覆蓋區(qū)陸面表層保水性差、易蒸發(fā)失水，也易于水土流失(導(dǎo)致土壤肥力下降和土層變溥)；②低植被覆蓋區(qū)夜間因長(zhǎng)波輻射較大而散熱、晴日因接受太陽短波輻射多而增溫快，導(dǎo)致環(huán)境溫度變化幅度大，從而加大植物受低溫冷凍和高溫干旱的機(jī)率，造成植被難以存活、生長(zhǎng)繁茂起來。2008—2017年研究區(qū)整體植被覆蓋度變化呈增長(zhǎng)趨勢(shì)，且面積增加的主要是II級(jí)(低荒漠)植被，與前人的研究結(jié)果基本一致：崔燦等[19]在分析新疆1989—2017年荒漠植被的分布面積及時(shí)空變化特征時(shí)發(fā)現(xiàn)，1989—2017年新疆荒漠植被變化以低荒漠植被面積的增加為主，南疆低、高荒漠植被面積均呈顯著增加趨勢(shì)(P<0.01)，主要集中在準(zhǔn)噶爾盆地。張清嵐等[20]綜合運(yùn)用像元二分模型等方法對(duì)準(zhǔn)格爾盆地植被覆蓋度時(shí)空變化特征進(jìn)行定量分析，發(fā)現(xiàn)2000—2018年準(zhǔn)噶爾盆地平均植被覆蓋度呈現(xiàn)增加趨勢(shì)。進(jìn)一步分析研究區(qū)植被狀況得到改善的原因，近年來當(dāng)?shù)卦谏鷳B(tài)恢復(fù)方面做了較多的工作，并且成效相對(duì)顯著。2012—2016年，吉木薩爾縣引進(jìn)一種新的荒漠造林技術(shù)即不使用灌溉管件栽種梭梭，種植梭梭3.15×105株/公頃，成活率高達(dá)75%，防沙治沙效果十分顯著。2017年7月起，卡拉麥里山自然保護(hù)區(qū)實(shí)行封山育林工程，具體措施有：在現(xiàn)狀植被覆蓋較好的區(qū)域重點(diǎn)加強(qiáng)生態(tài)公益林建設(shè)，使原來的低級(jí)植被覆蓋逐漸轉(zhuǎn)向中高級(jí)；在沙漠邊緣地區(qū)，重點(diǎn)控制土地沙化；在城市里，逐步完善城市園林和綠地。這一系列積極的生態(tài)保護(hù)政策，有效地保持了當(dāng)?shù)氐纳乘?，在一定程度上推?dòng)了研究區(qū)植被狀況的改善。

本研究應(yīng)用NDVI-DFI像元三分模型分析了新疆某戈壁區(qū)——準(zhǔn)東經(jīng)濟(jì)技術(shù)開發(fā)區(qū)2018—2017年的植被時(shí)空變化特征，植被等級(jí)年紀(jì)轉(zhuǎn)移狀況，并進(jìn)一步分析了當(dāng)?shù)厣鷳B(tài)條件改善的原因。研究結(jié)果驗(yàn)證了NDVI-DFI像元三分模型在新疆荒漠綠洲交錯(cuò)區(qū)域提取植被信息的區(qū)域適用性，也可為其他生態(tài)環(huán)境相類似的區(qū)域生態(tài)恢復(fù)治理提供參考。但由于數(shù)據(jù)量有限，本研究?jī)H分析了研究區(qū)的植被年際變化情況，沒有分析植被覆蓋度季節(jié)性轉(zhuǎn)移情況。因此，在今后的研究中將會(huì)選取多源遙感數(shù)據(jù)，增加時(shí)間序列的子序列，多尺度多角度分析研究區(qū)的植被覆蓋度，以期為當(dāng)?shù)厣鷳B(tài)質(zhì)量評(píng)估提供更全面的數(shù)據(jù)。

4 結(jié) 論

在干旱與半干旱地區(qū)，地表覆蓋著許多非光合植被(NPV)，主要包括枯草、枯葉、枯枝、枯干和凋落物等，這些也是評(píng)價(jià)區(qū)域植被生長(zhǎng)的重要組成部分[21]。像元三分模型不需要先驗(yàn)數(shù)據(jù)，且能夠較好地區(qū)分和估算地表光合植被覆蓋度(fPV)、非光合植被覆蓋度(fNPV)和裸土覆蓋度(fBS)，對(duì)干旱與半干旱區(qū)植被覆蓋度的反演結(jié)果更接近地面真實(shí)情況，因而具有科學(xué)性。本研究通過遙感方法構(gòu)建NDVI-DFI指數(shù)結(jié)構(gòu)特征解譯2008—2017年準(zhǔn)東荒漠植被稀疏地區(qū)植被覆蓋度得出如下結(jié)論。

(1)研究區(qū)NDVI-DFI指數(shù)結(jié)構(gòu)特征表現(xiàn)為三角形，與理論上的概念模型基本一致，符合像元三分模型的基本假設(shè)。即像元三分模型用于提取荒漠綠洲交錯(cuò)區(qū)稀疏植被覆蓋度信息也同樣適用。

(2)像元三分模型比像元二分模型具有區(qū)別建筑和非光合植被的優(yōu)勢(shì)，能夠完善由于NDVI錯(cuò)判建筑屋頂信息造成的影響。

(3)2008—2017年準(zhǔn)東地區(qū)植被覆蓋度有所增長(zhǎng)，植被等級(jí)的總體轉(zhuǎn)變是由低向高，且植被的恢復(fù)面積大于植被退化面積。