基于RS和GIS的木兰县植被盖度定量研究

张云

（国家林业局调查规划设计院 北京 100714）

基于RS和GIS的木兰县植被盖度定量研究

张云

（国家林业局调查规划设计院 北京 100714）

以木兰县1989年和2011年两景Landsat TM遥感影像为主要数据，基于RS和GIS技术，在定量反演归一化植被指数（NDVI）的基础上，获取植被盖度等级图并进行动态分析。研究结果表明：近22年来NDVI在 0.2～0.3面积增加的最多，为141.41 km2，在0.4～0.5减少的最多，为340.29 km2，低盖度植被区域面积增加的最多，高盖度植被区域面积减少的最多。该研究成果对深入了解该区生态环境质量变化具有重要的意义。

NDVI；植被盖度；遥感监测

植被盖度 ( Vegetation coverage)通常是指植被冠层垂直投影面积占基准地表单位面积的比例或百分数[1]，是刻画陆地表面植被数量的一个重要参数[2]，而且也是指示生态环境质量及其变化的一个重要指标，对地形、 地貌、土壤、 水文条件、 气候以及人为活动等的影响最为敏感[3-4]。因此，借助于RS和GIS技术获取植被盖度及其变化信息，对于评价区域生态环境等具有重要现实意义[5-6]。基于此，本文借助遥感监测方法，以木兰县1989和2011年两期Landsat TM遥感影像为主要数据源，通过波段运算获取归一化植被指数（NDVI），在此基础上定量研究木兰县的植被盖度及其变化特征，为松花江流域生态环境的维持、资源合理利用、生态保护的优化调配以及可持续利用提供科学依据。

1 研究区域概括

1.1 研究区域概况

木兰县位于黑龙江省中南部，松花江中游北岸，地处127°31’-128°18’E，45°54’-46°36’N，幅员面积3600平方公里，北部为山区，东南部为丘陵，西南部为平原，大体呈北高南低的地势走向。均属松花江水系，主要河流有木兰达河白杨木河，气候属中温带大陆性季风气候。年平均温度为1--3℃，极端最高温度35.5℃，极端最低温度-42℃。年平均降雨量为596.2毫米，无霜期127天，自然资源十分丰富。林地面积252万亩，主要有松、柞、椴、槐、杨、榆、桦等树种。

2 数据处理与研究方法

2.1 数据来源

对于研究区域而言，8-9月份植被长势好，这个时期的遥感数据能够较好地体现植被的生长状况，同时又考虑到遥感数据的成像质量和云量的多少，本次研究采用1989年9月和2010年8月份的Landsat TM5 数据作为主要数据源，这两景影像能够很好地反映出当地的植被覆盖和土地利用情况[7]。此外，还收集了研究区域土地利用现状图、地形图（1:50000）和部分GPS实测的野外调查的样点数据。

2.2 遥感图像处理

在ERDAS IMAGE9.2 中，把经过校正后的地形图作为地理参照数据，根据地形图选取地面控制点，利用二次多项式和双线性内插法完成两期遥感图像Landsat TM的几何校正，将影像的坐标系转换为西安80坐标系，误差控制在半个像元之内，用遥感软件 ENVI中的FLAASH模块完成遥感影像的大气校正。根据研究区域的边界，通过掩膜（mask）完成研究区遥感图像的裁剪处理。

2.3 植被盖度的估算

本次研究对于植被盖度的计算，主要是通过归一化植被指数来测算，归一化植被指数NDVI（Normalized Difference Vegetation Index）又称标准化植被指数，其中NDVI的计算公式如下[8-9]：式中CH3代表Landsat TM影像第三通道的反射值，为近红外波段； CH4代表Landsat TM影像第四通道的反射值，为红外波段。

利用ERDAS IMAGE9.2 的Model模块，对NDVI进行计算，进而获得植被盖度，其计算公式为[10]：

式中：NDVI为所求像元的归一化植被指数；NDVImin、NDVImax分别为归一化植被指数值的最小值和最大值，NDVImin对应的区域为非植被覆盖区，多为裸地和未利用地等，NDVImax对应的区域多为植被覆盖的区域，多为林地和农作物生长茂盛的耕地。

2.4 植被覆盖度分类

根据水利部1996年颁布的《土壤侵蚀分类分级标准》[11]，结合地面野外调查资料和水土流失强度，并参考已有的文献，将植被盖度分为四级[12]，分别为：Ⅰ级（水域）：植被覆盖度0；Ⅱ级（低盖度植被区域）：植被覆盖度0-0.62，主要是裸土、低产草地、灌木林地、撂荒地和居民用地等； Ⅲ级（中盖度植被区域）：植被覆盖度0.62-0.82，主要是中高产草地、林地和部分农田等，一般呈片状或块状分布；Ⅳ级（高盖度植被区域）：植被覆盖度0.82-1，主要是密林地和优良耕地等，呈现片状或块状分布。在ArcGIS 9.2 中完成植被盖度的分类。

3 结果与分析

3.1 NDVI的统计分析

表1 1989年和2011及其变化统计表

根据研究的需要，在ArcGIS的支持下，本文将NDVI分为7个类别，分别为1级（NDVI= -1）、2级（-1～0.1）、3级（0.1～0.2）、4级（0.2～0.3）、5级（0.3～0.4）、6级（0.4～0.5）、7级（NDVI＞0.5）。从表1的统计可知：7级在两期数据所占的面积比例都是最大，分别为49.94%和54.04%，其次是6级，而2级的面积比例最小，前后期分别为0.58%和0.48%。1级的面积，1989年比2011年减少了61.19 km2，减少的区域主要集中在松花江水域区域；6级的面积减少了340.29 km2，为各级面积减少的最大者；2级为各级面积减少的最小。3、4、5、7级面积处于增加的状态，其中4级面积增加的最大；1级、6级的面积处于减少状态，其中6级面积减少最多。

3.2 植被盖度精度评价

为了检验利用植被指数（NDVI）定量反演植被覆盖度的准确性，本文采用随机抽样的方法，在四个不同级别的植被覆盖区域采样，然后借助手持GPS对采样点进行野外实测调查，通过误差矩阵分析完成植被盖度定量精度评价，经过分析得知各植被盖度等级的分类精度都在 90%以上，该结果表明基于NDVI定量反演出的植被盖度能够反映该研究区域的植被覆盖的实际情况。

3.3 植被盖度面积变化趋势

表2 1989年和2011年植被盖度及其变化统计表

基于对研究区域相隔22年影像的处理与定量反演，提取植被类型为：水域、低植被盖度、 中植被盖度和高植被盖度4类。由表2的统计可知：高植被盖度所占的面积比例最大，其土地类型主要是高密林地和优良耕地，分别为65.10%和45.78%，呈现片状或块状分布，该植被盖度类型具有较高的面积比例；1989年高盖度植被构成研究区域的基本景观，在2011年面积减少了614.13 km2，没有构成基本景观，面积比例为19.32%。水域的面积最小，分别为159.75和103km2，低盖度植被和中盖度植被面积呈现增加的趋势，其中低盖度植被面积增加最多，从1989年的123.17 km2增加到2011年的610km2，面积增加了486.83 km2，而中植被盖度的面积增加了184.05 km2，增加的比例为5.59%。

3.4 松花江流域植被空间变化特征

基于GIS定量分析植被盖度面积动态变化的基础上，进一步分析其变化规律和动态变化趋势，并揭示其空间演变模式，有助于掌握研究区域植被盖度的总体发展状态。对于水域而言，面积减少主要集中在松花江沿岸的滩涂地带，减少的原因主要源于受天气等自然状况的影响，但是人类对松花江流域沿岸的干扰也不容小视，滩涂地（湿地）转成耕地是其主要的变化轨迹，在土地利用过程中，由于人类的不合理利用，致使松花江沿岸部分湿地的消失，从而导致水面的消失而河道发生变形，致使某些河段的河道变窄，水域面积变小。高盖度植被减少的区域人口数量相对比较密集的区域，在野外的调查中，发现部分存在有毁林开荒的现象，主要是集中分布于距离居民点较近的一些片林地带，受经济利益的趋势，不合理的人类活动致使植被覆盖度高的林地转化为农田，此外部分覆盖度高的林地因人为影响而退化为灌木林地也是其中的一个原因。低高度植被增加的区域主要集中在城区周边的农田地带和海拔较高的山地区域，对于高海拔的山地区域而言，其面积增加的多为一些弃耕地和撂荒地，弃耕地（撂荒地）转成林地主要该区域的土地利用演变模式，由于该区域受到地形等自然条件的影响，人类的开发活动受到了一定限制，使“退耕还林”和“退耕还草”等生态工程得以实施，这也表明“退耕还林”等工程在研究区域取得了一定成效。中植被盖度增加区域集中在木兰县的部分林区和城市近郊的原高盖度植被覆盖区域，主要源于“退耕还林”和“退耕还草”等生态政策的推行，原高盖度植被受到人为不合理的干扰，特别是高密的林地被破坏，高密植被类型呈现一定的程度的稀疏化，且破碎程度增加，并有部分林地转变为耕地，随着天保工程和“退耕还林”等生态政策的推行，稀疏植被区域向中盖度植被区域转变，也一定程度上也表明该区域生态环境恶化的趋势得到了一定程度的缓解。

从整体上看，2011年植被盖度在低盖度植被区域（Ⅱ级）和中盖度植被区域（Ⅲ级）的面积都比1989年有所增加，分别为增加了15.32%和5.79%。并且低盖度植被区域（Ⅱ级）面积增加最大；高盖度植被区域和水域面积比1989年有所减少，其中高植被盖度区域（Ⅳ级）减少最多，为19.41%。

4 结论

（1）NDVI在0.1～0.4和NDVI＞0.5的面积处于增加状态，其中0.2～0.3面积增加的最大；NDVI在-1～0.1和0.4～0.5的面积处于减少状态，其中0.4～0.5面积减少最多。

（2）2011年在低盖度植被区域和中盖度植被区域的面积都比1989年的有所增加，且在低盖度植被区域增加的最大；高盖度植被区域和水域面积比1989年有所减少，其中高植被盖度区域减少的最多。

[1] Purevdorj T, Tateishi R, Ishiyama T, et al. Relationships between percent vegetation cover and vegetation indices[J]. International Journal of Remote Sensing,1998,19 (18):3519-3535.

[2]张云霞,李晓兵,陈云浩.草地植被盖度的多尺度遥感与实地测量方法综述[J].2003,18(1):85-93.

[3] Li F, Wang P, Wang J, et a l. Effect s of irrigation before sowing and plastic film mulching on yield and water uptake of spring w heat in semiarid Loess Plateau o f China[J].Agricultural Water Management, 2004, 67(2) :77-88.

[4] 邓飞,全占军,于云江.20 年来乌兰木伦河流域植被盖度变化及影响因素[J].水土保持研究,2011,18(3):137-141.

[5] 马超飞,马建文,布和敖斯尔.USLE模型中植被覆盖因子的遥感数据定量估算[J].水土保持学报, 2001,21( 4):6-9.

[6] 高清竹,段敏杰,李玉娥等.1981- 2006年藏西北地区草地植被盖度动态变化分析[J].中国农业气象,2010,31(4): 582-585.

[7] 李苗苗,吴炳方,颜长珍,等.密云水库上游植被覆盖度的遥感估算[J].资源科学,2004,26（4）: 153-159.

[8] 李晓兵,陈云浩,史培军,等.多尺度遥感综合监测我国北方典型草原区植被盖度[J].植物学报（英文版）,2003,45(10):1146-1156.

[9] Gutman G，Ignatov A. The derivation of the green vegetation fraction from NOAA/AVHRR data for use in numerical weather prediction models[J]. International Journal of Remote Sensing，1998,19:1533-1543.

[10]卢中正,张光超,高会军,等.毛乌素沙地东缘植被盖度变化研究[J].地球信息科学,2001,12⑷:42-44.

[11] GB/SL190-1996,土壤侵蚀分类分级标准[S].

[12] 盖永芹,李晓兵,张立,等.土地利用/覆被变化与植被盖度的遥感监测—以北京市密云县为例[J].资源科学,2009, 31(3): 523-529.

Quantitatively analyzed vegetation coverage of Mulan country based on RS and GIS

Zhang yun
Academy of Forest Inventory and Planning, State Forestry Administration, Beijing 100714

The Landsat TM images of 1989 and 2011 in study region were as major data resource, the Normalized Difference Vegetation Index (NDVI) was quantitatively retrived based on RS and GIS , on this basis, the classification of vegetation coverage was obtained and studied its dynamics changes, the study results shown: the increasing area of NDVI (0.2～0.3) was greatest during 12 years, which was 141.41 km2, on the contrary, the reduced area of NDVI (0.4～0.5) was 340.29 km2, the lower vegetation coverage region covered the greatest increasing area, while the reduced area of higher vegetation coverage was maximum. Then the results has the very important significance for deeply understanding the ecological environment quality change of study region.

NDVI, vegetation coverage, RS monitoring

TP753

：B

：1004-7743（2013）02-0072-04

2013-03-02