謝志輝,李功權(quán)

(長(zhǎng)江大學(xué) 地球科學(xué)學(xué)院,湖北 武漢 430100)

0 引言

地震會(huì)對(duì)人民生命財(cái)產(chǎn)和城市安全造成嚴(yán)重威脅,受災(zāi)程度與震級(jí)大小、自我防范意識(shí)強(qiáng)弱、建筑物抗震等級(jí)、預(yù)防措施等因素有關(guān),而災(zāi)情信息的準(zhǔn)確獲取對(duì)應(yīng)急救援預(yù)案的制定具有重要意義。地震發(fā)生在城市時(shí),直接表現(xiàn)為震區(qū)燈光強(qiáng)度減弱,而減弱的幅度與地震等級(jí)具有相關(guān)性,所以利用夜間燈光數(shù)據(jù)提取災(zāi)情信息對(duì)輔助救援決策的制定具有重要意義。地震發(fā)生在山區(qū),則會(huì)引起山體滑坡、泥石流和病蟲害等次生災(zāi)害,使災(zāi)區(qū)出現(xiàn)植被破壞、倒伏等現(xiàn)象,導(dǎo)致災(zāi)區(qū)的生態(tài)系統(tǒng)遭到破壞[1]。生態(tài)系統(tǒng)破壞最直接的表現(xiàn)形式是地表植物生長(zhǎng)情況的好壞,由于生態(tài)系統(tǒng)的脆弱性和敏感性,被破壞植被的自我修復(fù)是一個(gè)長(zhǎng)期的過程,而植被生長(zhǎng)情況可以利用植被指數(shù)來定量評(píng)價(jià)[2]。

植被指數(shù)多用于植物生長(zhǎng)監(jiān)測(cè)、作物類型的判定、作物估產(chǎn)等方面,目前常用的植被指數(shù)包括增強(qiáng)型植被指數(shù)(Enhanced Vegetation Index,EVI)和歸一化植被指數(shù)(Normalization Difference Vegetation Index,NDVI)。利用中分辨率成像光譜儀(Moderate Resolution Imaging Spectroradiometer,MODIS)獲取的EVI可以有效反映地表植被特征,多用于研究不同區(qū)域的植被變化情況。目前越來越多的學(xué)者應(yīng)用該數(shù)據(jù)對(duì)自然環(huán)境進(jìn)行研究,如朱林富等[3]利用MODIS-EVI數(shù)據(jù)探究了重慶植被覆蓋季節(jié)變化趨勢(shì)和空間分部特征,指出重慶植被覆蓋變化的季節(jié)差異性明顯;馬昊翔等[4]利用MODIS-EVI數(shù)據(jù)和氣象數(shù)據(jù),基于殘差趨勢(shì)分析方法探究了氣候因素和人類活動(dòng)對(duì)研究區(qū)域植被變化規(guī)律的影響,指出青海省生長(zhǎng)季草地EVI與溫度和降水相關(guān)性顯著;蘇俊磊等[5]利用MODIS-EVI數(shù)據(jù)分析了西江流域植被時(shí)空變化的影響因素,指出重大自然災(zāi)害和自然條件對(duì)植被的生長(zhǎng)具有較大影響;伍宜丹等[6]基于MODIS-EVI數(shù)據(jù),利用莫蘭指數(shù)和熱點(diǎn)分析法對(duì)四川省增強(qiáng)型植被指數(shù)時(shí)空變化的影響因素進(jìn)行分析,指出生態(tài)工程建設(shè)是其變化的主要驅(qū)動(dòng)力;曹艷萍等[7]利用MODIS增強(qiáng)型植被指數(shù),結(jié)合水文數(shù)據(jù)分析了華北平原植被生長(zhǎng)狀況與水文分布之間的關(guān)系,指出植被生長(zhǎng)受水文要素、人類活動(dòng)(灌溉、土地利用)雙重影響;李京忠等[8]利用多源遙感數(shù)據(jù)分析了震后植被的空間恢復(fù)度,得出植被恢復(fù)會(huì)在地震發(fā)生后一段時(shí)間內(nèi)存在一定的滯后性這一結(jié)論。

目前主要的夜間燈光數(shù)據(jù)有美國(guó)軍事衛(wèi)星(Defense Meteorological Satellite Program,DMSP)搭載的操作線掃描傳感器(Operational Linescan System,OLS)獲得的燈光影像、美國(guó)國(guó)家極地軌道合作衛(wèi)星(Suomi National Polar-Orbiting Partnership,Suomi-NPP)搭載的可見光近紅外成像輻射儀(Visible Infrared Imaging Radiometer Suite,VIIRS)獲取的NPP-VIIRS影像,以及武漢大學(xué)發(fā)射的珞珈1號(hào)衛(wèi)星獲取的圖像數(shù)據(jù)。NPP-VIIRS與DMSP-OLS相比,空間分辨率更高,對(duì)夜間燈光的探測(cè)能力更強(qiáng),有效降低了DMSP-OLS所引發(fā)的數(shù)據(jù)飽和問題[9-11]。珞珈一號(hào)夜間燈光影像的130 m高空間分辨率可以更加清晰地反映城市的空間結(jié)構(gòu),但較大范圍和較長(zhǎng)時(shí)間跨度的存檔數(shù)據(jù)較少,難以進(jìn)行長(zhǎng)時(shí)間尺度的研究。

近些年來,夜間燈光數(shù)據(jù)為災(zāi)后影響及災(zāi)區(qū)恢復(fù)重建等遙感監(jiān)測(cè)提供了一種新視角,它不僅可以快速識(shí)別受地震影響區(qū)域,還可用于災(zāi)區(qū)震后恢復(fù)重建的監(jiān)測(cè)及評(píng)估。如杜若華等[12]利用NPP-VIIRS和社會(huì)經(jīng)濟(jì)統(tǒng)計(jì)數(shù)據(jù)分析了2013—2019年魯?shù)榈貐^(qū)災(zāi)后燈光數(shù)據(jù)的時(shí)空變化特征,指出夜間燈光數(shù)據(jù)可以實(shí)現(xiàn)災(zāi)后臨時(shí)安置點(diǎn)建設(shè)、房屋恢復(fù)重建、基礎(chǔ)設(shè)施建設(shè)等過程監(jiān)測(cè);唐堯等[13]利用多源遙感數(shù)據(jù)對(duì)長(zhǎng)寧縣地震受災(zāi)情況進(jìn)行提取分析,探討了遠(yuǎn)測(cè)數(shù)據(jù)在重大地質(zhì)災(zāi)害應(yīng)用中的優(yōu)勢(shì)與不足;李曉雪等[14]利用NPP-VIIRS數(shù)據(jù)計(jì)算夏河5.7級(jí)地震后的燈光指數(shù),分析了震后破壞度和燈光指數(shù)之間的關(guān)系,指出NPP-VIIRS數(shù)據(jù)在縣級(jí)尺度地震災(zāi)情信息獲取方面具有較大的應(yīng)用潛力;張景發(fā)等[15]介紹了地震前后遙感圖像的變化檢測(cè)方法,為震后災(zāi)區(qū)的快速評(píng)估提供了可行的方法;聶高眾等[16]通過一系列研究發(fā)現(xiàn)中國(guó)中西部地區(qū)易受地震影響,由于經(jīng)濟(jì)和減災(zāi)能力差,地震會(huì)給當(dāng)?shù)貛砭薮蟮膿p失;阿里穆斯等[17]通過研究中國(guó)西南部少數(shù)民族地區(qū)的地震破壞影響,認(rèn)為地震對(duì)自然條件差、經(jīng)濟(jì)薄弱地區(qū)的破壞性較大;張小詠等[18]利用顯著性變化檢測(cè)法分析震后夜間燈光數(shù)據(jù),發(fā)現(xiàn)該方法不僅可以宏觀提取地震的破壞范圍,而且可以反映震后受災(zāi)人口的空間分布情況;張寶軍[19]利用DMSP/OLS數(shù)據(jù)分析了2003—2013年極重災(zāi)區(qū)夜間燈光分布范圍和強(qiáng)度的變化特點(diǎn),發(fā)現(xiàn)災(zāi)后夜間燈光指數(shù)與受災(zāi)人口等災(zāi)情指標(biāo)存在較顯著的相關(guān)關(guān)系。

地震的發(fā)生給人們生活各方面帶來了巨大影響,因此開展震后恢復(fù)評(píng)估至關(guān)重要。多源遙感數(shù)據(jù)在震后的恢復(fù)評(píng)估中具有獨(dú)特的優(yōu)勢(shì),但是關(guān)于這方面的應(yīng)用研究比較少?；诖?本文以2019年6月17日長(zhǎng)寧MS6.0地震災(zāi)區(qū)為研究區(qū),以多源遙感數(shù)據(jù)中的NPP-VIIRS月度合成數(shù)據(jù)和MODIS-EVI數(shù)據(jù)為基礎(chǔ)數(shù)據(jù)源,經(jīng)過預(yù)處理后確定最優(yōu)擬合模型對(duì)數(shù)據(jù)的可行性進(jìn)行驗(yàn)證,再通過提取的燈光指數(shù)和植被指數(shù)來分析地震前后長(zhǎng)寧縣各鄉(xiāng)鎮(zhèn)的變化,評(píng)估震后經(jīng)濟(jì)和生態(tài)恢復(fù)情況,并探究震中不同緩沖區(qū)的破壞和恢復(fù)情況,以期為全面獲取地震災(zāi)情信息和災(zāi)后評(píng)估提供一種新的思路和方法。

1 研究區(qū)域與數(shù)據(jù)處理

1.1 研究區(qū)域情況

長(zhǎng)寧縣位于四川省宜賓市的中心地帶,地勢(shì)南高北低,主要河流有長(zhǎng)寧河等。2019年年末全縣總?cè)丝诔?0萬,生產(chǎn)總值(GDP)超170億元,森林覆蓋率達(dá)到65.4%。2019年6月17日長(zhǎng)寧縣發(fā)生了MS6.0地震,震中位于雙河鎮(zhèn)(104.90°E,28.34°N),震源深度16 km,四川、重慶、貴州、云南等省份均有震感。這次地震造成長(zhǎng)寧縣各地道路塌陷,房屋嚴(yán)重?fù)p毀,人民群眾的生命和財(cái)產(chǎn)安全遭受威脅。

1.2 數(shù)據(jù)源

(1) NPP-VIIRS夜間燈光影像數(shù)據(jù)。該數(shù)據(jù)下載自美國(guó)國(guó)家地球物理數(shù)據(jù)中心(https://ngdc.noaa.gov/eog/dmsp/downloadV4composites.html),選取2013年5月—2020年11月共91期NPP-VIIRS月度合成影像產(chǎn)品。

(2) MODIS-EVI數(shù)據(jù)。該數(shù)據(jù)來自美國(guó)國(guó)家航空航天局(https://ngdc.noaa.gov/eog/viirs/download_ut_mos.html)提供的MOD13Q1數(shù)據(jù),選取16天合成的空間分辨率250 m的EVI數(shù)據(jù),2017年3月—2019年11月共60期影像。

(3) 其他數(shù)據(jù)。四川省標(biāo)準(zhǔn)地圖服務(wù)網(wǎng)站下載的四川審(2016)027號(hào)長(zhǎng)寧縣地圖;宜賓市地震檢測(cè)中心獲取的2019年長(zhǎng)寧縣MS6.0地震災(zāi)情數(shù)據(jù);宜賓市統(tǒng)計(jì)局獲取的長(zhǎng)寧縣2019年統(tǒng)計(jì)年鑒數(shù)據(jù)。

1.3 數(shù)據(jù)預(yù)處理

由于NPP-VIIRS夜間燈光數(shù)據(jù)存在背景噪聲和異常極大值,本研究將亮度值(0.3×10-9)W·cm-2·sr-1作為閾值,小于該閾值的像元賦值為0,用來消除背景噪聲的影響[20]。選取北京、上海和深圳三市的最大像元灰度值作為去除研究區(qū)異常極大值的參考閾值,將研究區(qū)內(nèi)異常極大值重新賦值為3×3鄰域內(nèi)柵格的最大值。對(duì)去噪后的NPP-VIIRS數(shù)據(jù)進(jìn)行投影變換和重采樣,利用行政區(qū)劃進(jìn)行掩膜裁剪,得到長(zhǎng)寧縣的燈光強(qiáng)度分布情況。以2019年6月的燈光數(shù)據(jù)為例,利用分區(qū)幾何統(tǒng)計(jì)得到長(zhǎng)寧縣各鄉(xiāng)鎮(zhèn)的平均燈光值(圖1)。由圖1可知,長(zhǎng)寧縣各鄉(xiāng)鎮(zhèn)的夜間燈光值主要集中在長(zhǎng)寧鎮(zhèn)、龍頭鎮(zhèn)和雙河鎮(zhèn)。

利用MRT(MODIS Reprojection Tool)工具對(duì)MODIS-EVI數(shù)據(jù)進(jìn)行裁剪、重采樣并轉(zhuǎn)換成Albers投影。投影坐標(biāo)系轉(zhuǎn)換成WGS84,空間分辨率選擇250 m,輸出TIFF格式。采用時(shí)間序列諧波分析法(HANTS)對(duì)EVI數(shù)據(jù)進(jìn)行濾波處理,消除云和大氣的干擾[21]。由于影像質(zhì)量導(dǎo)致EVI數(shù)據(jù)異常值,將存在異常值的影像數(shù)據(jù)重新賦值為前后兩期正常影像的3×3鄰域內(nèi)柵格的平均值,最后利用處理好的EVI數(shù)據(jù)探討季節(jié)性周期對(duì)植被指數(shù)的影響,評(píng)估數(shù)據(jù)的可利用性。

基于四川省標(biāo)準(zhǔn)地圖服務(wù)網(wǎng)站下載的審圖號(hào)為四川審(2016)027號(hào)的標(biāo)準(zhǔn)地圖制作,底圖無修改圖1 2019年6月長(zhǎng)寧縣夜間燈光強(qiáng)度Fig.1 Light intensity at night in Changning County in June 2019

2 研究方法

2.1 技術(shù)路線

如圖2所示,對(duì)預(yù)處理好的NPP-VIIRS和MODIS-EVI數(shù)據(jù)進(jìn)行可行性評(píng)價(jià)分析,進(jìn)一步探究季節(jié)性對(duì)植被生長(zhǎng)情況的影響,最后通過計(jì)算夜間燈光指數(shù)和植被指數(shù)來評(píng)價(jià)震后的破壞和恢復(fù)情況。

圖2 主要技術(shù)流程Fig.2 Main technical process

2.2 數(shù)據(jù)可行性評(píng)價(jià)分析

(1) 夜間燈光數(shù)據(jù)可行性評(píng)價(jià)

首先,在ArcMap中計(jì)算2013—2020年不同月份長(zhǎng)寧縣的燈光總強(qiáng)度(Total Night-time Light,TNL),列于表1。然后,為進(jìn)一步驗(yàn)證地震災(zāi)害的發(fā)生對(duì)夜間燈光數(shù)據(jù)的影響程度,探討時(shí)間和TNL的相關(guān)關(guān)系,以2013—2020年8月份為例,將TNL與時(shí)間進(jìn)行相關(guān)性檢驗(yàn)和回歸分析(圖3)。為排除地震災(zāi)害發(fā)生年份對(duì)整體數(shù)據(jù)產(chǎn)生的干擾,圖3中去除了2019年的數(shù)據(jù)。由圖3可知,二者具有很強(qiáng)的相關(guān)關(guān)系,線性和非線性模型得到的“確定系數(shù)”R2均超過0.91,其中非線性模型的擬合優(yōu)度最高,達(dá)到0.969 43。最后,基于非線性回歸模型計(jì)算得出2019年5—11月長(zhǎng)寧縣燈光總強(qiáng)度預(yù)測(cè)值,并與實(shí)測(cè)值進(jìn)行對(duì)比(表2)。由表2可知,該時(shí)段長(zhǎng)寧縣燈光指數(shù)實(shí)際觀測(cè)值小于預(yù)測(cè)值,這是由于6月17日長(zhǎng)寧MS6.0地震造成了電力系統(tǒng)破壞,進(jìn)而反映在燈光總強(qiáng)度降低上。這對(duì)利用夜間燈光數(shù)據(jù)評(píng)價(jià)地震災(zāi)害恢復(fù)提供了可能。

表1 長(zhǎng)寧縣不同時(shí)間段燈光總強(qiáng)度Table 1 TNL of Changning County during different period

表2 2019年5—11月燈光總強(qiáng)度實(shí)測(cè)值和預(yù)測(cè)值Table 2 Measured and predicted values of TNL from May to November,2019

圖3 線性和非線性預(yù)測(cè)模型與TNL的線性擬合效果Fig.3 Linear fitting effect between prediction models and TNL

(2) MODIS-EVI數(shù)據(jù)的可行性評(píng)價(jià)

受季節(jié)性、周期性和數(shù)據(jù)質(zhì)量的影響,同一研究區(qū)各月的植被指數(shù)會(huì)產(chǎn)生差異,這對(duì)利用植被指數(shù)評(píng)估震后恢復(fù)情況提出了挑戰(zhàn)。為驗(yàn)證地震的發(fā)生是否對(duì)研究區(qū)植被產(chǎn)生影響,利用2017和2018年MODIS-EVI數(shù)據(jù)來驗(yàn)證季節(jié)對(duì)植被的影響程度,并與2019年數(shù)據(jù)進(jìn)行對(duì)比分析(圖4)。由圖4可知,2017年和2018年各月EVI變化趨勢(shì)大致相同,但從2019年6月中旬開始植被指數(shù)較往年出現(xiàn)波動(dòng)并下降,這是由于地震災(zāi)害對(duì)植被生長(zhǎng)產(chǎn)生了干擾,進(jìn)而反映在植被指數(shù)的變化上。

圖4 2017—2019年不同月份EVI總和變化量Fig.4 Total change of EVI in different months of 2017,2018,and 2019

2.3 燈光指數(shù)

夜間燈光影像數(shù)據(jù)可反映為TNL、平均相對(duì)燈光強(qiáng)度(I)和綜合燈光指數(shù)(Compounded Night Light Index,CNLI)等。燈光灰度值大于0的區(qū)域?yàn)橛行艄鈪^(qū)域,可以通過燈光指數(shù)的變化來研究該區(qū)域在一段時(shí)間內(nèi)的發(fā)展變化,或評(píng)價(jià)地震破壞和震后恢復(fù)情況。TNL指研究區(qū)域燈光總強(qiáng)度,燈光面積比(S)指燈光像元面積和區(qū)域總面積的比值,CNLI指平均燈光強(qiáng)度(I)和燈光面積比(S)的乘積。其計(jì)算公式如下:

(1)

(2)

CNLI=I×S

(3)

S=AN/A

(4)

式中:DNi和ni分別表示研究區(qū)內(nèi)第i級(jí)灰度像元值和像元數(shù);DNmin和DNmax分別表示研究區(qū)內(nèi)夜間燈光像元最小和最大燈光灰度值;A表示研究區(qū)行政面積;NL和AN分別為研究區(qū)在區(qū)間[DNmin,DNmax]的像元總數(shù)和燈光像元總面積。

2.4 植被指數(shù)

雖然MODIS-NDVI的應(yīng)用研究富有成效,但NDVI在低植被覆蓋區(qū)易受土壤背景和植被冠層的影響,在高植被覆蓋區(qū)則容易飽和,對(duì)大氣影響的糾正也不徹底。而EVI削弱了氣溶膠和土壤背景的影響,并克服了植被飽和現(xiàn)象,能敏感地監(jiān)測(cè)稀疏植被和茂密植被,可以彌補(bǔ)NDVI的不足[23]。因此可以基于MODIS-EVI數(shù)據(jù),從 EVI變化率、植被覆蓋度(Fractional Vegetation Cover,FVC)和植被覆蓋恢復(fù)率(Vegetation Cover Recovery Rate,VCRR)幾個(gè)維度來評(píng)價(jià)長(zhǎng)寧縣的震后植被恢復(fù)情況。

(1) EVI變化率

MODIS-EVI減少了大氣、土壤背景以及像元異常值的影響,增強(qiáng)了濃密植被生長(zhǎng)變化的監(jiān)測(cè)和稀疏植被的區(qū)分,所以MODIS-EVI比MODIS-NDVI更接近實(shí)際的植被覆蓋變化。EVI計(jì)算公式為:

(5)

式中:Pblue、Pred、Pnir分別表示藍(lán)色、紅色、近紅外波段的反射率;L是土壤調(diào)節(jié)參數(shù),取值為1;C1、C2是氣溶膠阻力項(xiàng)的系數(shù),取值分別為6和7.5;G是增益或比例因子,取值2.5。

(2) 植被覆蓋度(FVC)

利用像元二分法模型來估算植被的覆蓋度時(shí),根據(jù)像元二分模型原理,每個(gè)像元的EVI值可表示為有植被覆蓋部分的EVI與無植被覆蓋部分的EVI兩部分一元線性加權(quán)合成[24-25],其計(jì)算公式為:

EVI=(1-FVC)×EVIsoil+FVC×EVIveg

(6)

(7)

式中:EVIsoil為無植被覆蓋像元的EVI值;EVIveg表示植被完全覆蓋像元的EVI值。受環(huán)境和其他因素的影響,EVIveg和EVIsoil在不同的時(shí)空尺度上會(huì)發(fā)生相應(yīng)變化,因此本文結(jié)合當(dāng)?shù)氐耐恋乩脠D計(jì)算二者的值[26-27]。根據(jù)EVI累積頻率分布曲線,選取累積頻率0.5%和99.5%的EVI值分別作為EVIsoil和EVIvge。

(3) 植被覆蓋恢復(fù)率(VCRR)

計(jì)算VCRR可以用來評(píng)價(jià)震后植被的恢復(fù)情況[28],對(duì)研究震后生態(tài)恢復(fù)具有重要意義。由于植被生長(zhǎng)情況受季節(jié)性影響較明顯,引入相對(duì)差(RRMSE)來評(píng)價(jià)地震年份植被覆蓋恢復(fù)率。其計(jì)算表公式為:

(8)

RRMSE=VCRRg-VCRRs

(9)

式中:EVIi表示震后i(i=6,7,…,11)月植被的覆蓋度;EVI1表示震后植被覆蓋度;EVI0表示震前植被覆蓋度;VCRRg表示2019年植被覆蓋恢復(fù)率;VCRRs表示2017年和2018年植被覆蓋恢復(fù)率均值。

3 結(jié)果與分析

3.1 長(zhǎng)寧縣燈光指數(shù)變化分析

利用ArcMap統(tǒng)計(jì)分析工具,計(jì)算得到長(zhǎng)寧縣2019年5—11月的5種燈光指數(shù)(表3),對(duì)研究區(qū)域的燈光強(qiáng)度變化、亮度像元個(gè)數(shù)、亮度像元面積和大型供電設(shè)施進(jìn)行定量評(píng)價(jià)。從表3可以看出,TNL在長(zhǎng)寧MS6.0地震前保持穩(wěn)定,地震發(fā)生后下降,在7月下降到最低點(diǎn),從8月開始緩慢上升,10月基本恢復(fù)到震前水平,說明此次地震對(duì)長(zhǎng)寧縣破壞性較大,并對(duì)光源載體造成了破壞,直接表現(xiàn)為CNLI和NNL的下降[22]。而CNLI、S、I和NNL的下降幅度較小,說明地震并沒有對(duì)大的光源載體造成毀滅性破壞,這與長(zhǎng)寧縣夜間燈光主要集中在距離震中較遠(yuǎn)的長(zhǎng)寧鎮(zhèn)有關(guān)。

表3 2019年5—11月長(zhǎng)寧縣5種燈光指數(shù)變化Table 3 Changes of five light indexes in Changning County from May to November 2019

為探究此次地震災(zāi)害對(duì)宜賓市和四川省的影響,分別計(jì)算不同區(qū)域下2019年4—10月夜間燈光總量變化趨勢(shì)(圖5)。圖5顯示此次地震對(duì)長(zhǎng)寧縣破壞性較大,在更大尺度范圍來看,宜賓市和四川省整體受影響較小,說明此次地震波及范圍較小。

圖5 四川省、宜賓市和長(zhǎng)寧縣2019年4—10月 TNL變化率Fig.5 Change rate of TNL in Sichuan Province,Yibin City,and Changning County from April to October 2019

為探究此次地震災(zāi)害對(duì)長(zhǎng)寧縣各個(gè)鄉(xiāng)鎮(zhèn)的影響,在ArcMap中統(tǒng)計(jì)不同時(shí)間分辨率下各鄉(xiāng)鎮(zhèn)的TNL,計(jì)算得到其2019年5—11月TNL變化率(圖6)。圖6顯示長(zhǎng)寧縣各鄉(xiāng)鎮(zhèn)6—7月的TNL指數(shù)變化率在負(fù)值以下,其中雙河鎮(zhèn)、富興鄉(xiāng)、竹海鎮(zhèn)和梅硐鎮(zhèn)TNL指數(shù)下降最為明顯,說明此次地震災(zāi)害對(duì)這幾個(gè)鄉(xiāng)鎮(zhèn)的造成的破壞較大;梅白鄉(xiāng)、下長(zhǎng)鎮(zhèn)和長(zhǎng)寧鎮(zhèn)等由于距離震中較遠(yuǎn),并且受地形地貌所引發(fā)的山體滑坡危害較小,地震造成的破壞相對(duì)較小。值得注意的是各鄉(xiāng)鎮(zhèn),尤其是受災(zāi)嚴(yán)重的鄉(xiāng)鎮(zhèn),TNL指數(shù)在震后幾個(gè)月的變化率均為正值且上升明顯,說明國(guó)家和社會(huì)救援力量的到達(dá)促進(jìn)了災(zāi)后重建項(xiàng)目的實(shí)施。

圖6 長(zhǎng)寧縣各鄉(xiāng)鎮(zhèn)2019年5—11月TNL變化率Fig.6 Change rates of TNL in different villages and towns of Changning County from May to November 2019

3.2 長(zhǎng)寧縣植被指數(shù)變化分析

(1) EVI變化率分析

基于MODIS-EVI數(shù)據(jù)計(jì)算2019年5—11月長(zhǎng)寧縣各鄉(xiāng)鎮(zhèn)EVI變化率(圖7),顯示在地震發(fā)生的月份(6月),由于植被處于旺盛生長(zhǎng)期,植被變化的反饋不是很明顯,但是在7月,植被變化的負(fù)反饋趨于明顯,并且在后續(xù)月份仍然處于一個(gè)負(fù)反饋的階段。富興鄉(xiāng)、銅鑼鄉(xiāng)、雙河鎮(zhèn)、梅硐鎮(zhèn)和銅鼓鄉(xiāng)在地震發(fā)生后EVI減弱最為明顯,這與該地區(qū)植被覆蓋度高、地形坡度大,易造成山體滑坡等次生災(zāi)害有關(guān)。

圖7 長(zhǎng)寧縣各鄉(xiāng)鎮(zhèn)2019年5—11月EVI變化率Fig.7 Change rates of EVI in different villages and towns of Changning County from May to November 2019

(2)植被覆蓋度變化分析

為探究震后植被覆蓋度的變化,參照有關(guān)研究[29],將植被覆蓋度分為不同的等級(jí)。將長(zhǎng)寧縣2017—2019年各個(gè)月份的植被覆蓋度數(shù)據(jù)按照10個(gè)等級(jí)進(jìn)行統(tǒng)計(jì)分級(jí),選取每年的8月進(jìn)行展示(圖8)。圖8顯示2017年8月和 2018年8月的變化趨勢(shì)具有相似性,而2019年8月高覆蓋度比例較少、中低覆蓋度比例較多,說明高植被覆蓋地區(qū)在地震中受損較為嚴(yán)重。

圖8 長(zhǎng)寧縣植被覆蓋度分級(jí)統(tǒng)計(jì)Fig.8 Classification statistics of vegetation coverage in Changning County

(3) 植被覆蓋恢復(fù)率

在ArcMap中統(tǒng)計(jì)長(zhǎng)寧縣各鄉(xiāng)鎮(zhèn)震前(5月)和震后(8月、9月)的植被覆蓋度均值,再利用式(8)計(jì)算各鄉(xiāng)鎮(zhèn)不同年份植被覆蓋恢復(fù)率,利用式(9)計(jì)算相對(duì)差,進(jìn)行分級(jí)統(tǒng)計(jì)顯示(圖9)。圖9顯示龍頭鎮(zhèn)、梅硐鎮(zhèn)、富興鄉(xiāng)、雙河鎮(zhèn)和硐底鎮(zhèn)植被覆蓋恢復(fù)率最低，說明地震發(fā)生后這些地區(qū)的植被破壞較嚴(yán)重，且在震后一定時(shí)間內(nèi)植被的生長(zhǎng)狀況有惡化趨勢(shì)；雙河鎮(zhèn)雖位于震中位置，但是獲利于便捷的交通和豐富的水系條件，震后植被破壞恢復(fù)情況好于龍頭鎮(zhèn)和梅硐鎮(zhèn);長(zhǎng)寧河流經(jīng)的銅鑼鄉(xiāng)、竹海鎮(zhèn)、開佛鄉(xiāng)和經(jīng)濟(jì)中心所在地的長(zhǎng)寧鎮(zhèn)植被恢復(fù)情況較好?？梢钥闯鲟l(xiāng)鎮(zhèn)植被恢復(fù)情況不僅與震中距離的遠(yuǎn)近有關(guān),而且受地形地貌、水文條件和交通便利程度的影響。

注:該圖基于四川省標(biāo)準(zhǔn)地圖服務(wù)網(wǎng)站下載的審圖號(hào)為四川審(2016)027號(hào)的標(biāo)準(zhǔn)地圖制作,底圖無修改圖9 長(zhǎng)寧縣各鄉(xiāng)鎮(zhèn)2019年5—9月植被覆蓋恢復(fù)率Fig.9 Vegetation coverage recovery rate of each township in Changning County from May to September 2019

3.3 震中緩沖區(qū)TNL和EVI指數(shù)變化分析

為了進(jìn)一步探討距離震中遠(yuǎn)近對(duì)TNL和EVI的影響,選取距離震中5 km、10 km和15 km的緩沖區(qū),計(jì)算不同緩沖區(qū)2017、2018和2019年5—11月TNL、EVI的變化率(圖10)。從圖10(a)可以看出,2019年5—6月不同緩沖區(qū)TNL和EVI變化趨勢(shì)均與2017和2018年同時(shí)期相似,相對(duì)比較平穩(wěn)。從圖10(b)可以看出,地震發(fā)生后,即2019年6—7月不同緩沖區(qū)TNL和EVI下降程度大于2017和2018年,且2019年TNL的下降趨勢(shì)明顯大于EVI,表現(xiàn)出距離震中越近下降越明顯的趨勢(shì);由于不同緩沖區(qū)植被密度、種類和地形的影響,EVI指數(shù)沒有呈現(xiàn)距離震中越近下降越明顯的趨勢(shì)。從圖10(c)、(d)、(e)可以看出,2019年7—10月震后TNL恢復(fù)明顯,其中9—10月TNL基本與2017和2018年同時(shí)期的變化趨勢(shì)基本一致,說明震后燈光恢復(fù)良好;從7—8月開始,EVI下降顯著性增加。由圖10還可以看出,震后長(zhǎng)寧縣各緩沖區(qū)的TNL恢復(fù)情況明顯高于EVI,且在一段時(shí)間內(nèi)EVI一直呈下降趨勢(shì)。這是由于植被易受地震所引發(fā)的山體滑坡、病蟲害、和泥石流等次生災(zāi)害的影響,地震災(zāi)害對(duì)植被的影響具有長(zhǎng)期性和滯后性,有關(guān)部門應(yīng)長(zhǎng)期跟蹤災(zāi)后植被的生長(zhǎng)情況,并采取積極有效的措施確保災(zāi)后的生態(tài)環(huán)境恢復(fù)建設(shè)。從積極方面來看,隨著震中距的增加植被和燈光受影響程度都有所下降,兩種數(shù)據(jù)在評(píng)價(jià)地震災(zāi)害恢復(fù)方面都具有一定的參考意義。

圖10 TNL和EVI緩沖區(qū)變化率Fig.10 Change rates of TNL and EVI in different buffer areas

4 結(jié)論

本文基于NPP-VIIRS月度合成數(shù)據(jù)、MODIS-EVI數(shù)據(jù)和統(tǒng)計(jì)年鑒數(shù)據(jù),對(duì)2019年6月長(zhǎng)寧MS6.0地震前后燈光指數(shù)和植被指數(shù)的變化進(jìn)行分析,得出如下主要結(jié)論:

(1) 研究區(qū)域內(nèi)整體的燈光總強(qiáng)度在地震發(fā)生后呈現(xiàn)明顯的下降趨勢(shì),但在2019年9月基本恢復(fù)到震前水平;地震造成的破壞區(qū)域集中在雙河鎮(zhèn)、富興鄉(xiāng)、竹海鎮(zhèn)和梅硐鎮(zhèn),與官方統(tǒng)計(jì)受災(zāi)嚴(yán)重鄉(xiāng)鎮(zhèn)(富興鄉(xiāng)、雙河鎮(zhèn)、梅硐鎮(zhèn)和硐底鎮(zhèn))基本一致。

(2) 長(zhǎng)寧縣是高植被覆蓋地區(qū),雖然植被覆蓋度受季節(jié)和周期性的影響,但在地震發(fā)生后該地區(qū)的植被覆蓋度與往年相比變化比較明顯。通過對(duì)EVI指數(shù)的變化率分析,顯示植被并沒有在震后短時(shí)間內(nèi)呈現(xiàn)一個(gè)急劇下降的趨勢(shì),而是一個(gè)長(zhǎng)期的變化反饋。通過對(duì)震后各鄉(xiāng)鎮(zhèn)的植被覆蓋恢復(fù)率變化分析，得知龍頭鎮(zhèn)和梅硐鎮(zhèn)震后一定時(shí)間內(nèi)植被恢復(fù)最差，水系分布較豐富的銅鑼鄉(xiāng)、竹海鎮(zhèn)、開佛鄉(xiāng)和經(jīng)濟(jì)中心所在地的長(zhǎng)寧鎮(zhèn)震后植被恢復(fù)情況較好。

(3) 對(duì)不同緩沖距離下夜間燈光數(shù)據(jù)和植被數(shù)據(jù)的分析顯示,不同緩沖區(qū)內(nèi),TNL和EVI都呈現(xiàn)出距離震中越近破壞度越大的特征,其中TNL的反饋?zhàn)顬槊黠@,EVI的反饋具有一定的滯后性。不同區(qū)域內(nèi)的植被由于季節(jié)性、植被種類、地勢(shì)和地貌等復(fù)雜因素,其受地震的影響在小范圍內(nèi)存在一定區(qū)域異質(zhì)性。

(4) 通過對(duì)NPP-VIIRS和MODIS-EVI分別進(jìn)行處理和分析,預(yù)測(cè)長(zhǎng)寧地震破壞和恢復(fù)情況,為震后從多維角度進(jìn)行恢復(fù)評(píng)估提供了可能。