基于多时相Landsat5/8影像的岷江汶川-都江堰段植被覆盖动态监测

彭文甫, 王广杰, 周介铭,*, 徐新良, 罗怀良, 赵景峰, 杨存建

1 四川师范大学, 西南土地资源评价与监测教育部重点实验室, 成都　610068 2 四川师范大学, 地理与资源科学学院, 成都　610068 3 中国科学院资源环境科学数据中心, 北京　100101



基于多时相Landsat5/8影像的岷江汶川-都江堰段植被覆盖动态监测

彭文甫1,2, 王广杰1,2, 周介铭1,2,*, 徐新良3, 罗怀良1,2, 赵景峰1,2, 杨存建1,2

1 四川师范大学, 西南土地资源评价与监测教育部重点实验室, 成都610068 2 四川师范大学, 地理与资源科学学院, 成都610068 3 中国科学院资源环境科学数据中心, 北京100101

摘要:植被覆盖度是衡量地表植被状况和指示生态环境变化的一个重要指标。基于像元二分模型，利用Landsat5/8遥感影像和DEM数据，对岷江汶川-都江堰段植被覆盖动态变化进行了监测，并结合高程、坡度和坡向数据，分析了汶川地震前后植被受损与恢复的空间动态格局变化。研究表明：植被覆盖总体良好，大部分区域的植被覆盖度均在中、高度以上，空间格局上呈现由汶川县东部、都江堰市西北部的龙门山区向两侧减少的总体趋势；地震造成植被受损面积达63808.7 hm2，且集中分布于海拔567—4331 m、坡度26—51°的范围以及东坡、北坡、南坡和西坡；震后5a，植被恢复面积17786.47 hm2，主要分布在海拔576—2180 m与3256—3793 m、坡度小于9°和26—51°以及东坡、东南坡和和南坡；高程和坡度对植被损毁与恢复的影响明显高于坡向。

关键词：植被覆盖度；像元二分模型；时空格局；岷江

陆地生态系统在维持整个地球系统结构、功能、环境以及人类生存方面发挥着重要作用[1]。植被是陆地生态系统中最基础和重要的组成部分，对全球变化的响应更加敏感[2- 3]。植被覆盖度(FVC)是描述地表植被覆盖的重要参数和指示生态环境变化的基本指标[4- 5]，在大气圈、土壤圈、水圈和生物圈中占据着重要的地位[6]，也在全球变化研究、地表过程模拟和水文生态模型中发挥着重要作用[7]。因此，区域及全球范围的FVC估算对植被及相关领域研究具有十分重要的意义[7]。目前，对地表植被覆盖状况的研究已经成为全球变化研究的热点问题[8]，相关学者对植被覆盖度变化进行了大量研究[9- 15]，对植被覆盖变化的原因分析给予了较大的关注，但是对植被覆盖时空格局演变特征的研究相对较少，植被覆盖动态变化的研究方法也有待于进一步深入[16]。

遥感技术能够获取不同尺度上的植被覆盖及其变化信息，成为区域及全球FVC估算的有效手段[7]。基于遥感技术的FVC估算方法主要有回归分析方法、混合像元分解法、机器学习方法等[17]，但目前尚无一种标准的方法用来估算FVC[7]。混合像元分解法从地物光谱混合模型的角度出发来最终估算植被在像元中所占的比例，不需要地面实测FVC数据建模，原理可靠，计算简便，易于推广应用[8,17]。

岷江汶川-都江堰段涉及部分岷江干旱河谷区域，自然环境复杂，区内降雨量差异显著，山体坡度大，易发生次生灾害，汶川地震中森林资源受破坏程度最大。由于受自然条件限制和过度的人类干扰，导致区内人口、资源与环境之间的矛盾日益尖锐[18]，生态系统已经严重退化[19]，成为长江上游典型的生态环境脆弱区[20]，对整个岷江流域乃至长江上游的生态安全和区域的可持续发展均构成严重威胁[21]。岷江汶川-都江堰段生态演变研究具有很好的价值，加之汶川地震影响以来鲜见5 a以上尺度植被覆盖度的估算与分析[22]。本研究利用可获得的三期六景Landsat5/8遥感数据，应用像元二分模型、遥感与GIS技术，对岷江汶川-都江堰段植被覆盖动态变化进行监测，并结合高程、坡度和坡向数据，对汶川地震前后植被受损与恢复的空间动态格局变化进行研究。

1研究区概况

岷江汶川-都江堰段(包括汶川县和都江堰市)地处青藏高原和四川盆地的过渡带上，面积约5295.86 km2, 经纬度102°15′—130°41′E，30°45′—31°42′N之间。地势起伏大，地势由北部、西部向东南部倾斜，海拔高程由都江堰市东南部的567 m上升到汶川县西北部的5944 m(图1)。汶川县属于横断山东北缘，新构造运动强烈，地貌为高山峡谷，地势由东南向西北上升，呈比较完整的垂直分带，可分不同的自然气候区，2000 m以下地区，年均气温13.5℃(北部)—14.1℃(南部)，无霜期247—269 d，雨量528.7—1332.2 mm，日照1693.9—1042.2 h。都江堰市地处岷江出山口，地跨川西龙门山地带和成都平原岷江冲积扇扇顶部位，属四川盆地中亚热带湿润气候区，历年最冷月平均气温4.6℃，最热月平均气温24.4℃。平均年降雨量为1243.80 mm。降雨量年内分配不均，年际总量变化不大；在空间分布上不均匀，由东南向西北，幅度在1100—1800 mm之间。

2研究方法

2.1数据源及遥感数据处理

本文数据源包括遥感数据和其他数据。遥感数据包括2007年9月18日的两景Landsat TM 5影像，2008年8月18日两景Landsat TM5影像，2013年8月1日的两景Landsat 8影像，轨道编号为130/038、130/039。遥感和DEM数据(30m分辨率)来源于中国科学院遥感与数字地球研究所、中国科学院资源环境科学数据中心。其他数据包括1∶50000地形图、研究区行政边界矢量数据、2014年6—8月的野外采样数据等。

运用ENVI4.8对2007和2008 两期4景Landsat TM5遥感影像、ENVI5.1对2013年两景Landsat 8 影像进行几何配准，校正误差均严格限制在0.5个像元以内，重采样分辨率为30m；通过ENVI4.8和ENVI5.1定标工具进行辐射定标，将遥感数据的DN值转换成反射率，从而消除传感器造成的内部误差；通过大气校正，在一定程度上消除部分大气和光照等因素对地物反射的影响，获得较为真实的反射率等物理参数；对进行处理后的遥感数据进行拼接、裁剪，获得研究区遥感数据。

2.2NDVI计算与异常值处理

NDVI(Normalized Difference Vegetation Index)，又称归一化植被指数，反映植被生长状态的重要指标因子，是目前应用最为广泛的指标[23- 26]，通常被定义为近红外波段(NIR<0.7 mm)与可见光红光波段R(0.4—0.7 mm)反射率之差与反射率之和的比值[27]即：

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

(1)

NDVI值介于[-1,1]之间，数值越大代表植被的覆盖状况越好，植被的生物量越多[27]。经过计算得到的NDVI数据，由于大气校正后的结果有部分像元为负值，阴影区域的NDVI在[-1,1]之外成为异常值。为便于后续的计算和分析，本文统一将这部分像元的NDVI值变成背景值(0)，并在ENVI平台上通过Band Math：(NDVIlt-1)×0+(NDVIgt1)×0+(NDVIge-1 and NDVIle1)×NDVI，得到去除异常值后的NDVI数据。

2.3FVC计算

基于像元二分模型[28- 29]提取FVC的原理是假设一个像元的信息可分为植被覆盖像元与裸土覆盖像元两部分，那么该混合像元的遥感信息S就可以表达为植被信息Sv和裸土信息Ss两部分[30- 31]，即：

S=Sv+Ss

(2)

设纯植被覆盖像元的遥感信息为Sveg，纯裸土覆盖像元的遥感信息为Ssoil，混合像元中有植被覆盖的面积比例即该像元的植被覆盖度(FVC)；裸土覆盖度则为(1-FVC)，则混合像元中植被和裸地信息的计算可以分别表示为：

Sv=FVC×Sveg

(3)

Ss=(1-FVC)×Ssoil

(4)

因此，将公式(3)和(4)代入公式(2)，得到植被覆盖度FVC的计算公式：

FVC=(S-Ssoil)/(Sveg-Ssoil)

(5)

据相关研究[32]，植被覆盖度和NDVI之间存在极显著的线性相关关系，通常通过建立二者之间的转换关系，直接提取植被覆盖度信息。因此，根据像元二分法原理，将NDVI带入公式(5)，变换得到计算植被覆盖度的公式[33]：

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

(6)

式中，NDVIveg为纯植被覆盖像元的NDVI值，NDVIsoil为裸土覆盖像元的NDVI值。

由于受大气、地表状况、年份、季节和区域等条件影响，NDVIsoil、NDVIveg值随时间与空间而变化[29,34]。本研究在统计影像NDVI值，区域NDVI累积概率分布表或直方图的基础上，以5%和95%的累积百分比为置信度区间，读取对应的像元值，从而分别确定为研究区有效的NDVIsoil和NDVIveg值(表1)。

2.4植被覆盖度等级划分

为更好的进行植被覆盖动态变化分析，在对研究区2007—2013年三期植被覆盖度计算基础上，根据FVC高低，结合实际情况，将FVC划分为5个等级[35]，即低植被覆盖度(0—0.2)、中低植被覆盖度(0.2—0.4)、中植被覆盖度(0.4—0.6)、中高植被覆盖度(0.6—0.8)、高植被覆盖度(0.8—1.0)，通过密度分割处理，生成植被覆盖度分级图和各等级面积统计结果。

2.5影像密度分割与差值影像计算方法

根据研究区的实际情况及野外调查验证，采用影像密度分割与差值影像算法的方法，提取植被覆盖度动态变化。考虑到相关研究将植被覆盖度降低的阈值设置为10%可能忽略了植被覆盖度下降幅度介于0—10%之间的区域[11]，本文将植被覆盖度差值为为负值时判别为受损信息，为正值时判别为植被恢复信息，零值时表示植被覆盖度几乎没有变化。

2.6地形因子等级划分

为了分析植被受损与恢复的地形因子响应，现对岷江汶川-都江堰段高程、坡度和坡向等地形因子分别进行不同等级划分。

(1)高程等级划分：采用等距离间隔方法，对断点值采取四舍五入方法，将高程划分为10等级：567—1105 m、1105—1642 m、1642—2180 m、2180—2719 m、2719—3256 m、3256—3793 m、3793—4331 m、4331—4869 m、4869—5406 m和5406—5944 m。

(2)坡度等级划分：采用等距离断点方法和对断点值采取四舍五入方法，将坡度划分为10等级：<9°、9—17°、17—26°、26—34°、34—43°，43—51°，51—60°、60—68°、68—77°和>77°。

(3)坡向划分：本研究把坡向综合成9种类型，即：平缓坡(-1°)，北坡(0—22.5°，337.5—360°)、东北坡(22.5—67.5°)、东坡(67.5—112.5°)、东南坡(112.5—157.5°)、南坡(157.5—202.5°)、西南坡(202.5—247.5°)、西坡(247.5—292.5°)和西北坡(292.5—337.5°)。

2.7精度验证

为验证FVC估算精度，2014年6—8月在植被覆盖高的季节，在研究区进行FVC调查，实测得到109个采样点。遥感估算FVC与实测FVC的相关性分析如图2。据图可见，FVC估算值与实测值之间存在显著相关，R2=0.758，表明基于遥感FVC估算具有较高的精度和可靠性，验证结果符合要求(图2)。

3结果与分析

3.1植被覆盖度动态变化

2007—2013年不同时期的岷江汶川-都江堰段的中高度、高度植被覆盖区分别占该区总面积的71.76%、70.68%和73.78%(表2)，反映了植被覆盖度情况良好，均在中、高度以上，其中高植被覆盖占研究区的比重较大，超过49%以上，但是不同等级、不同时段的植被类型变化趋势不同。2007—2008年中低、中、中高植被覆盖度面积呈下降趋势，占研究区面积的比重分别减少2.16%，2%和7.89%，其中的中高植被覆盖度面积减少尤其明显；而低、高植被覆盖度面积呈上升趋势，比重分别增加5.23%和6.81%。2008—2013年低、中植被覆盖度区域面积分别减少2.48%和0.87%；其余等级植被覆盖度面积增加，分别达0.25%、1.26%和1.84%，尤其以高、中高植被覆盖度区域面积增加显著。

3.2植被覆盖度空间格局变化

植被覆盖度在空间分布上呈现由汶川县东部、都江堰市西北部的龙门山区向两侧降低的总体趋势(图3)。中高度、高度植被覆盖区主要集中分布在的汶川县东部、都江堰市西北部的龙门山区，主要是这些区域未经开采过的山区林地，以及水热条件从龙门山区向两侧逐渐减少所致；而低植被覆盖区主要分布于汶川县西部，主要是降水减少与热量条件的限制；中低植被覆盖区主要分布于低植被覆盖区外围，也与水热条件限制有关；中植被覆盖区多分布于水热条件较好的河谷区和都江堰市西南部地区。

大面积的建筑用地、未经开发的或者植被破坏严重的裸地以及作物长势后期耕地区域导致低植被覆盖区与中低植被覆盖区的出现；2008年汶川地震导致汶川县东部、都江堰市西北部的龙门山区植被大面积受损，图中可见大面积红色区域出现；2013年龙门山区植被恢复良好，大面积红色区域减少，但2008年震后出现的滑坡、泥石流等地质灾害导致都江堰和汶川北部地区红色区域增加，表明植被恢复需要较长时间(图3)。

3.3植被覆盖度变化与地形特征关系

3.3.1植被覆盖度变化与高程

通过植被覆盖图与高程的空间叠加分析和统计分析，得到研究区植被覆盖度变化随高程关系数据(表3)和植被覆盖面积占研究区面积的比重随高程的变化关系(图4)。从图4 可知，植被覆盖总体上随高程增加呈现先增加后减少的趋势，在高程小于2180 m范围呈现增加趋势，高程大于2180 m以上区域，植被覆盖呈减小的趋势，尤其高程大于4869 m以上区域，植被覆盖呈显著减小，区内几乎全为低度植被覆盖及无植被覆盖。

同一高程范围内的不同年份、不同植被覆盖差异显著(表3)。高程567—1105 m范围内，2007年的低植被覆盖、2008年和2013年的高植被覆盖占研究区面积的比重达最大，分别达3.35%、5.57%和5.72%；高程1105—3793 m范围内，2007、2008和2013年高植被覆盖占研究区面积的比重最大，其中在高程1105—3256 m范围内，随高程的增加，高被覆盖占研究区面积的比重呈现增加趋势；高程大于3793 m以上，除低植被覆盖外，不同等级的植被覆盖占研究区面积的比重呈显著下降趋势，甚至无植被覆盖。

2007—2013年不同植被覆盖在不同高程呈现不同的变化趋势(表3)。低度植被覆盖在不同高程范围呈现波动变化趋势，除在高程4331—4869 m范围植被覆盖面积占研究区面积的比重分别达最大(4.12%、4.25%和4.39%)外，整体上随高程增加而减少趋势；中低度植被覆盖(0.2—0.4)分别在567—1105 m、3793—4331 m高程范围比重大最大(4.01%、0.97%和1.27%)，之后随高程增加，所占面积的比例呈下降趋势；中度植被覆盖在567—1105 m高程范围比重达最大(2.95%、1.71%和1.53%)，之后随高程增加，所占面积的比例呈下降趋势；中高度植被覆盖在不同高程范围体现不同的变化趋势。

3.3.2植被覆盖度变化与坡度

植被覆盖面积占研究区面积的比重随坡度的变化增加呈现减小的趋势(图5，表4)。由图5可知，坡度小于9°的区域，植被覆盖面积占研究区面积的比重最大，达24%以上；坡度9—17°范围的比重显著下降趋势；坡度17—51°范围的比重增加，最大值达17%以上；坡度大于51°以上的区域的比重下降，尤其是坡度在60°以上的区域的比重呈显著的下降趋势，几乎全为低度植被覆盖及无植被覆盖。

由表4可知，2007年中高、高植被覆盖度主要分布在坡度小于9°和34—51°的区域，分别占研究区面积的13.08%和27.31%，而坡度大于60°区域，植被覆盖仅占研究区面积的2.89%；2008年中高、高植被覆盖度主要分布在坡度小于9°的区域，高植被覆盖度主要分布在坡度34—51°的区域，分别占研究区面积的16.72%和21.26%，而坡度大于60°的区域，植被覆盖近占研究区面积的2.89%；2013年中高植被覆盖度主要分布在坡度小于9°区域，高植被覆盖度主要分布在坡度小于9°和34—51°区域，分别占研究区面积的6.61%和33.20%，，而坡度大于60°的区域，植被覆盖近占研究区面积的2.89%。

3.3.3植被覆盖度变化与坡向

研究区植被覆盖度随着坡向变化呈现不同的趋势，研究区植被覆盖主要集中分布在东坡、南坡和西坡(图6)，在这3个坡向的植被覆盖面积占研究区面积的比重超过51%以上，东北坡、东南坡、西南坡和西北坡植被覆盖较少。总体而言，阴坡和阳坡所接收的太阳辐射能量的不同，导致了不同坡向的温度差异，阳坡的植被覆盖度大于阴坡；北坡不利于地表受热，日照的强度较南坡低、时间也相对较短，因而获得的太阳辐射总量低于南坡[12]。

不同植被覆盖在不同的坡向具有不同的变化特点，其中高植被覆盖在不同坡向均占最大比重(表5)。2007—2013年低植被覆盖分布在东坡和南坡，分别占研究区面积的比重达4.45%、6.14%和4.61%；中低植被覆盖主要分布在东坡和南坡，分别占研究区面积的比重达2.86%、2.03%和2.07%；中植被覆盖主要分布在东坡、南坡和西坡，分别占研究区面积的比重达4.8%、3.91%和3.45%；中高植被覆盖主要分布在东坡、西坡、南坡，分别占研究区面积的比重达11.02%、7.03%和7.55%；高植被覆盖度主要分布在西坡、南坡和东坡，分别占研究区面积的比重达25.88%、28.92%和30.07%。

3.4植被受损与恢复的地形因子影响分析

3.4.1植被受损分析

2007—2008年间表征为植被覆盖度受损的红色调区域明显超过了表征为植被覆盖度增加的蓝色调区域(图7), 显示了因地震造成的植被受损空间特征；汶川地震造成岷江汶川-都江堰段中高植被、中植被和中低植被受损，研究区植被受损面积为63808.7 hm2，占总面积的12.05%(表6)。

进一步分析可知，植被受损以中高植被受损为主，面积为41784.67 hm2，占植被受损面积的65.48%，主要分布于汶川县东部、都江堰市西北部地区(图7 2007—2008年的红色部分)；低植被覆盖度区域增加，主要由于地震导致的滑坡、泥石流等次生地质灾害对植被的破坏。

植被受损在不同的高程、坡度和坡向具有显著的空间分布特征。植被受损主要分布于高程567—4331 m，植被受损面积分别达61479 hm2，占研究区受损面积的96.34%，而高程大于4331 m的植被受损面积仅占3.65%(表6)。其中，植被受损最为严重的区域集中在海拔567—1105 m，面积为17687.83 hm2；其次，分布在海拔3256—4331 m，受损面积17359 hm2。拟合植被受损面积与高程，发现二者具有较强的相关性，满足对数关系：

y=-5755.8ln(x)+15075,R2=0.6748

式中，y为植被受损面积(hm2)，x为高程(m)。

坡度<51°的范围是主要的植被受损区域，约占植被受损面积的91.23%。其中，受损最为严重的区域分布在26—51°之间，占总受损面积的50.1%；其次，在坡度0—9°之间的植被受损，占总受损面积的32.81%(表6)。拟合植被受损与坡度，也具有较强的相关性，满足二次曲线关系：

y=74.912x2-2383.2x+16605,R2=0.5959

式中，y为植被受损面积(hm2)，x为坡度(°)。

就植被受损的坡向分析，东坡和北坡的植被受损面积为23442.57 hm2，占研究区受损面积的36.74%；其次，南坡和西坡的植被受损面积为17489.99 hm2，占研究区受损面积的27.41%(表6)。拟合植被受损与坡向，相关性较弱，满足弱二次曲线关系：

y=-46.665x2-83.881x+8987,R2=0.1814

式中，y为植被受损面积(hm2)，x为坡向。

3.4.2植被恢复分析

2008—2013年反映植被恢复的面积增加较多(图7 2008—2013年绿色区域)，局部区域植被覆盖度变化级差甚至达到了-4级(图7 2008—2013年所示红色部分)，表明局部区域植被覆盖度出现急剧下降的态势。

汶川地震5 a后，植被恢复面积达17786.48 hm2，占研究区面积的3.36%，但不同植被恢复状况不同。低植被区域的减少，中植被覆盖度区域面积恢复不明显，高、中高植被覆盖度区域面积增加显著，约占植被恢复面积的92.56%，反映了这两个等级的植被得到较大的恢复。

为了研究植被受损区的恢复状况，本文分析了植被恢复与高程、坡度与坡向等地形因子的关系(表7)。

由表7可知，植被恢复在不同高程具有不同的特点。总体而言，随着高程的增加，植被恢复面积呈递减趋势，即高程越高，植被恢复面积越少。研究区植被恢复主要发生在高程范围为576—2180 m的区域，植被恢复面积约10389.6 hm2，约占植被恢复面积的58.4%。总体而言，海拔越高，植被恢复率越低，植被恢复程度与海拔总体上呈负相关关系。采用植被恢复面积与高程进行拟合，具有强相关性，满足二次曲线关系，即：

y=9.2552x2-499.1x+4167.4,R2=0.8243

式中，y为植被恢复面积(hm2)，x为高程(m)。

植被恢复在不同的坡度体现不同状况(图8，表7)。植被恢复主要发生在坡度<60°的区域，植被恢复面积为17187.01 hm2，约占植被恢复面积的96.63%。其中，最主要的植被恢复发生在坡度26—51°的区域，植被恢复面积8261.29 hm2；其次，分布在<9°的区域，恢复面积约5940.55 hm2。坡度大于51°的区域，虽然震后已经5 a，但植被恢复依然比较困难(图8)。拟合植被恢复与坡度，具有较强相关性，满足对数关系：

y=27.537x2-729.6x+4731.3,R2=0.5959

式中，y为植被恢复面积(hm2)，x为坡度(°)。

据表7，东坡的植被恢复面积最大，约5345.86 hm2；其次，南坡和东南坡的植被恢复面积占总恢复面积的比例分别达14.51%和12.78%。而西南坡、西北坡的植被的恢复状况不佳，恢复面积仅占总恢复面积的比例分别达6.44%。拟合植被恢复与坡向，具有弱相关性，满足弱二次曲线关系：

y=-106.19x2+910.45x+786.86,R2=0.2894

式中，y为植被恢复面积(hm2)，x为坡向。

4结果与讨论

(1)基于Landsat5/8遥感数据，应用像元二分模型法估算出岷江汶川-都江堰段植被覆盖度，具有简便、适应性较强等优点，对于植被稀疏、土壤反射率大的地区更适合[36- 37]。遥感估算方法虽然可以弥补传统方法的不足，但由于岷江汶川-都江堰段云层覆盖等天气条件及对遥感数据的影响，研究区遥感影像的时相差异必然导致研究结果产生误差。虽然本研究采取了辐射定标、大气校正、NDVI异常值消除等方法，消除大气等因素对地物反射的影响，但如何消除云层覆盖对线性光谱混合分析的影响，值得进一步研究；植被与裸土NDVI值的确定是像元二分模型反演植被覆盖度的关键[17]，由于植被类型、生长状况和下垫面的复杂性和多样性，本研究应用像元二分法模型选择纯植被和裸土覆盖像元完全来自遥感数据，受气象条件的影响，少部分区域难以100%满足云量低于5%的要求，虽然精度检验符合要求，但FVC 估算值和实测值很难完全一致，反演的植被覆盖度仍有待进一步的检验，同时并未探究非密度和混合密度亚像元的情况[38]。

(2)植被覆盖度时空变化差异显著。岷江汶川-都江堰段大部分区域的植被覆盖度均在中、高度以上，且其多集中未经开采过的山区，植被覆盖总体良好，但不同等级的植被类型变化趋势不同；植被覆盖度在空间格局上呈现由汶川县东部、都江堰市西北部的龙门山区向两侧降低的总体趋势。中高度、高度植被覆盖区主要集中分布在汶川县东部、都江堰市西北部的龙门山区，低植被覆盖区主要分布于汶川县西部。

(3)植被覆盖与高程、坡度和坡向具有一定的关系。随着高程的增加，岷江汶川-都江堰段的植被覆盖度呈现出先增大后减小的趋势，中低度植被覆盖等级以上在高程4331—4869 m范围以上体现显著减少趋势；随着坡度的增加，植被覆盖度呈现减小的趋势，坡度小于9°的区域，集中分布有24%以上的植被，而坡度大于60°的区域，植被覆盖近占研究区面积的2.89%，几乎全为低度植被覆盖及无植被覆盖；随着坡向变化，植被覆盖呈现不同的趋势，植被覆盖主要分布于东坡、西坡和南坡，但不同年份的植被覆盖具有不同的变化特点。

(4)高程和坡度对植被损毁与恢复的影响明显高于坡向。汶川地震造成岷江汶川-都江堰段中高植被、中植被和中低植被受损严重，面积达63808.7 hm2，占研究区总面积的12.05%。超过90%的植被受损集中分布于高程567—4331 m和50%以上的植被受损分布于坡度26—51°的范围，这一结果与前人的研究结果基本一致[39- 41]；东坡和北坡的植被受损面积达36.74%，南坡和西坡的植被受损面积占研究区受损面积的27.41%。到2013年植被恢复面积达17786.48 hm2，占研究区面积的3.36%，其中以高植被和中高植被恢复为主，约占植被恢复面积的92.56%。植被恢复主要发生在高程范围为576—2180 m的区域，植被恢复面积约10389.6 hm2，约占植被恢复面积的58.4%，随着高程的增加，植被恢复面积呈递减趋势，总体上呈负相关；植被恢复主要发生在坡度小于9°和26—51°的区域范围。各地形因子之间还存在着相互联系和制约，对植被覆盖程度的影响是一个综合作用过程，虽然植被恢复与坡度之间具有较强的相关性，但不存在呈正相关的关系，这一结果与相关人员的研究结果不一致[11]。我们认为，受降水、热量条件、地形等因素的影响，适合于植被生长与恢复的区域集中在坡度小于51°的区域，而山体坡度大，易发生次生灾害，导致大量的植被损失，植被生长与恢复比较困难(图8)。植被恢复主要发生在东坡、南坡和东南坡，植被恢复面积为10201.55 hm2，约占植被恢复面积的57.35%，植被恢复与坡向具有较显著的关系。因此，植被恢复主要采用封育的方式进行植被恢复，少量区域采用人工造林的方式恢复植被。

(5)岷江汶川-都江堰段地处青藏高原和四川盆地的过渡带上，地震及其次生灾害在该区引发了大面积的滑坡、崩塌、泥石流等灾害，造成自然生态系统结构和功能的巨大破坏，并将持续影响区域生态系统功能[42- 43]。因此，基于多时像遥感数据、应用遥感与GIS技术，对地震导致的生态环境演变进行深入的研究，为灾后岷江上游乃至类似区域的生态恢复与重建提供理论依据。

参考文献(References):

[1]Steffen W, SandersonR A, Tyson P D, Jäger J, Matson P A, Moore B Ⅲ, Oldfield F, Richardson K, Schellnhuber H J, Turner B L, Wasson R J. Global Change and the Earth System: A Planet under Pressure. Berlin: Springer, 2004.

[2]Heimann M, Reichstein M. Terrestrial ecosystem carbon dynamics and climate feedbacks. Nature, 2008, 451(7176): 289- 292.

[3]高云, 谢苗苗, 付梅臣, 曹翊坤. 高原河谷城市植被时空变化及其影响因素——以青海省西宁市为例. 生态学报, 2014, 34(5): 1094- 1104.

[4]Gitelson A A, Kaufman Y J, Stark R, Rundquist D. Novel algorithms for remote estimation of vegetation fraction. Remote Sensing of Environment, 2002, 80(1): 76- 87.

[5]周伟, 刚成诚, 李建龙, 章超斌, 穆少杰, 孙政国. 1982—2010年中国草地覆盖度的时空动态及其对气候变化的响应. 地理学报, 2014, 69(1): 15- 30.

[6]秦伟, 朱清科, 张学霞, 李文华, 方斌. 植被覆盖度及其测算方法研究进展. 西北农林科技大学学报: 自然科学版, 2006, 34(9): 163- 170.

[7]贾坤, 姚云军, 魏香琴, 高帅, 江波, 赵祥. 植被覆盖度遥感估算研究进展. 地球科学进展, 2013, 28(7): 774- 782.

[8]钟莉娜, 赵文武. 基于NDVI的黄土高原植被覆盖变化特征分析. 中国水土保持科学, 2013, 11(5): 57- 62.

[9]Kobayashi H, Dye D G. Atmospheric conditions for monitoring the long-term vegetation dynamics in the Amazon using normalized difference vegetation index.Remote Sensing of Environment, 2005, 97(4): 519- 525.

[10]Zhang F, Tiyip T, Ding J L, Sawut M, Johnson V C, Tashpolat N, Gui D W. Vegetation fractional coverage change in a typical oasis region in Tarim River Watershed based on remote sensing. Journal of Arid Land, 2013, 5(1): 89- 101.

[11]许积层, 唐斌, 卢涛. 基于多时相Landsat TM影像的汶川地震灾区河岸带植被覆盖动态监测——以岷江河谷映秀-汶川段为例. 生态学报, 2013, 33(16): 4966- 4974.

[12]蔡宏, 何政伟, 安艳玲, 邓辉. 基于RS和GIS的赤水河流域植被覆盖度与各地形因子的相关强度研究. 地球与环境, 2014, 42(4): 518- 524.

[13]李杏鲜, 连晋姣, 黄明斌. 黄土高原中部降水梯度带植被覆盖度动态变化特征. 水土保持通报, 2014, 34(2): 272- 275.

[14]张学珍, 朱金峰. 1982—2006年中国东部植被覆盖度的变化. 气候与环境研究, 2013, 18(3): 365- 374.

[15]周淑琴, 荆耀栋, 张青峰, 吴发启. 毛乌素沙地南缘植被景观格局演变与空间分布特征. 生态学报, 2013, 33(12): 3774- 3782.

[16]张玲玲, 赵永华, 殷莎, 房舒, 刘晓静, 蒲苗苗. 基于移动窗口法的岷江干旱河谷景观格局梯度分析. 生态学报, 2014, 34(12): 3276- 3284.

[17]田海静, 曹春香, 戴晟懋, 郑盛, 陆诗雷, 徐敏, 陈伟, 赵坚, 刘迪, 朱红缘. 准格尔旗植被覆盖度变化的时间序列遥感监测. 地球信息科学学报, 2014, 16(1): 126- 133.

[18]杨兆平, 常禹, 杨孟, 胡远满, 布仁仓, 何兴元. 岷江上游干旱河谷景观边界动态及其影响域. 应用生态学报, 2007, 18(9): 1972- 1976.

[19]刘珊珊, 王芬, 张兴华, 宫渊波, 王燕, 尹艳杰, 李渊, 马金松, 郭挺. 放牧干扰对岷江上游山地森林-干旱河谷交错带土壤微生物量及呼吸熵的影响. 水土保持通报, 2014, 34(2): 63- 68.

[20]王青, 石敏球, 郭亚琳, 张宇. 岷江上游山区聚落生态位垂直分异研究. 地理学报, 2013, 68(11): 1559- 1567.

[21]陈小平, 杨素香, 何建社, 代英, 杨华. 岷江上游干旱河谷区生态环境现状及恢复对策研究. 四川林业科技, 2014, 35(2): 62- 65.

[22]Lu T, Zeng H C, Luo Y, Wang Q, Shi F S, Sun G, Wu Y, Wu N. Monitoring vegetation recovery after China′s May 2008 Wenchuan earthquake using Landsat TM time- series data: A case study in Mao County. Ecological Research, 2012, 27(5): 955- 966.

[23]Liang S L, Li X W, Wang J D. Advanced Remote Sensing: Terrestrial Information Extraction and Applications. Pennsylvania: Academic Press, 2012.

[24]王兮之, 梁钊雄. 基于MODIS数据的湟水流域植被覆盖变化研究. 干旱区资源与环境, 2010, 24(6): 137- 142.

[25]李营, 张峰, 王桥. 呼伦贝尔盟草原植被覆盖状况时空演变特征分析. 干旱区资源与环境, 2010, 24(6): 126- 131.

[26]任志明, 李永树, 蔡国林. 一种利用NDVI辅助提取植被信息的改进方法. 测绘通报, 2010, (7): 41- 43.

[27]Deering D W. Rangeland reflectance characteristics measured by aircraft and spacecraft sensors. Texas: Texas A&M University, College Station, 1978: 338- 338.

[28]杨尚武, 张勃. 基于SPOT NDVI的甘肃河东植被覆盖变化及其对气候因子的响应. 生态学杂志, 2014, 33(2): 455- 461.

[29]张丽, 何晓旭, 魏鸣. 基于NDVI的淮河流域植被覆盖度动态变化. 长江流域资源与环境, 2012, 21(Z1): 51- 56.

[30]丁艳梅, 张继贤, 王坚, 刘正军. 基于TM数据的植被覆盖度反演. 测绘科学, 2006, 31(1): 43- 45.

[31]汪明冲, 王兮之, 梁钊雄, 魏兴琥, 李辉霞. 喀斯特与非喀斯特区域植被覆盖变化景观分析——以广西壮族自治区河池市为例. 生态学报, 2014, 34(12): 3435- 3443.

[32]Gutman G, Ignatov A. The derivation of the green vegetation fraction from NOAA/AVHRR data for use in numerical weather prediction models. International Journal of Remote Sensing, 1998, 19(8): 1533- 1543.

[33]赵英时. 遥感应用分析原理与方法. 北京: 科学出版社, 2003: 1387- 1398.

[34]阳小琼, 朱文泉, 潘耀忠, 宋国宝. 基于修正的亚像元模型的植被覆盖度估算. 应用生态学报, 2008, 19(8): 1860- 1864.

[35]温小乐, 姜兴强, 徐涵秋. 基于TM影像的长乐市植被覆盖度变化研究. 遥感信息, 2013, 28(6): 56- 61.

[36]甘春英, 王兮之, 李保生, 梁钊雄, 李志文, 温小浩. 连江流域近18年来植被覆盖度变化分析. 地理科学, 2011, 31(8): 1019- 1024.

[37]Zribi M,Le Hégarat-Mascle S, Taconet O, Ciarlettia V, Vidal-Madjara D, Boussemab M R. Derivation of wild vegetation covers density in Semi- arid Regions: ERS2/SAR Evaluation. International Journal of Remote Sensing, 2003, 24(6): 1335- 1352.

[38]Di L P, Rundquist D C, Han L H. Modelling relationships between NDVI and precipitation during vegetative growth cycles. International Journal of Remote Sensing, 1994, 15(10): 2121- 2136.

[39]Owen L A, Kamp U, Khattak G A, Harp E L, Keefer D K, Bauer M A. Landslides triggered by the 8 October 2005 Kashmir earthquake. Geomorphology, 2008, 94(1/2): 1- 9.

[40]Huang R Q, Li W L. Analysis of the geo-hazards triggered by the 12 May 2008 Wenchuan Earthquake, China. Bulletin of Engineering Geology and the Environment, 2009, 68(3): 363- 371.

[41]Khazai B, Sitar N. Evaluation of factors controlling earthquake-induced landslides caused by Chi-Chi earthquake and comparison with the Northridge and Loma Prieta events. Engineering Geology, 2004, 71(1/2): 79- 95.

[42]欧阳志云, 徐卫华, 王学志, 王文杰，董仁才，郑华，李迪华，李智琦，张宏锋，庄长伟．汶川大地震对生态系统的影响．生态学报, 2008,28(12):5801- 5809．

[43]Cochard R，Ranamukhaarachchi S L，Shivakoti G P，Shipin O V，Edwards P J,Seeland K T．The 2004 tsunami in Aceh and Southern Thailand: a review on coastal ecosystems, wave hazards and vulnerability．Perspectives in Plant Ecology, Evolution and Systematics，2008,10(1):3- 40．

Dynamic monitoring of fractional vegetation cover along Minjiang River from Wenchuan County to Dujiangyan City using multi-temporal landsat 5 and 8 images

PENG Wenfu1,2, WANG Guangjie1,2, ZHOU Jieming1,2,*, XU Xinliang3, LUO Huailiang1,2,ZHAO Jingfeng1,2, YANG Cunjian1,2

1KeyLaboratoryofLandResourcesEvaluationandMonitoringinSouthwest,MinistryofEducation,SichuanNormalUniversity,Chengdu610068,China2TheInstituteofGeographyandResourcesScience,SichuanNormalUniversity,Chengdu610068,China3DataCenterforResourcesandEnvironmentalSciences,ChineseAcademyofSciences,Beijing100101,China

Key Words:fractional vegetation cover (FVC); dimidiate pixel model; spatial-temporal pattern; Minjiang River

Abstract：The terrestrial ecosystem plays an important role in maintaining the structure, function, and environment of earth systems, and therefore, human survival. Fractional vegetation cover (FVC) is an important indicator of ecological changes in the environment, and an important spatial parameter of land surface vegetation status for various ecological models. It is very important to estimate the changes and patterns of FVC within the fragile ecological system of the Minjiang River, which is located in a transition zone between the Tibetan Plateau and Sichuan basin. FVC information in the arid valley of the Minjiang River was extracted from remote sensing data, DEM, and GIS technology following the dimidiate pixel model. The differentiation characteristics of the spatial and temporal dynamic patterns of FVC, vegetation damage caused by the Wenchuan earthquake, vegetation restoration, elevation, slope, and aspect were also quantitatively studied. The results showed that: (1) the vegetation coverage was generally good during the study period; there were variations in levels of FVC, and the FVC in most areas was above medium and high levels. The overall spatial pattern showed reduced FVC on either side of the Longmen Mountains, in eastern Wenchuan County, and northwestern Dujiangyan City. The FVC change tended to increase first, then decrease with increasing elevation rendering. Above the lower levels, FVC was mainly distributed at elevations of 4331—4869 m, where the FVC decreased with increasing slope. More than 24% of the vegetation coverage was distributed in the area where the slope was less than 9°; there was little or no vegetation coverage in areas where the slope was greater than 51°. The FVC also changed according to aspect. It was mainly distributed on the eastern, western, and southern slopes. (2) The area of vegetation damage caused by the Wenchuan earthquake was 63808.7 hm2. Severe damage to vegetation occurred mainly within the range of 567—4331 m elevation, on slopes of 26—51°, with eastern, northern, southern, or western aspects. (3) After five years of natural regeneration, 17786.47 hm2of the destroyed areas were recovered. The recovered vegetation area occurred mainly across elevation ranges of 567—2180 m and 3256—3793 m, on slopes of <9° or 26—51°, and eastern, southeastern, and southern aspects. (4) The results also showed that elevation and slope had significantly larger effects than aspect on vegetation damage or restoration. Although there was a certain correlation between the vegetation damage and restoration, the change patterns were complicated. The results provided very useful information for decision-making and policy-planning in the region of the Minjiang River, from Wenchuan County to Dujiangyan City, after the Wenchuan earthquake. Although the natural vegetation recovery is a slow process, some of the areas with earthquake-induced damage can be restored to their original condition through natural succession. Human intervention may not be a good way to address natural vegetation recovery in this area. Thus, vegetation restoration mainly involves closing the areas to promote natural vegetation restoration, or adopting artificial forestation to restore vegetation in a small area.

基金项目:国家自然科学基金资助项目(41371125)

收稿日期:2014- 09- 05; 网络出版日期:2015- 08- 05

*通讯作者

Corresponding author.E-mail: zjm@sicnu.ecu.cn

DOI:10.5846/stxb201409051756

彭文甫, 王广杰, 周介铭, 徐新良, 罗怀良, 赵景峰, 杨存建.基于多时相Landsat5/8影像的岷江汶川-都江堰段植被覆盖动态监测.生态学报,2016,36(7):1975- 1988.

Peng W F, Wang G J, Zhou J M, Xu X L, Luo H L, Zhao J F, Yang C J.Dynamic monitoring of fractional vegetation cover along Minjiang River from Wenchuan County to Dujiangyan City using multi-temporal landsat 5 and 8 images.Acta Ecologica Sinica,2016,36(7):1975- 1988.