基于RS与GIS密云区植被盖度动态演变及其预测研究

龚文峰,吴　娟,王笑峰,刘　涛,王鑫鑫,刘芳平

(黑龙江大学 水利电力学院，哈尔滨 150086)



基于RS与GIS密云区植被盖度动态演变及其预测研究

龚文峰,吴娟,王笑峰,刘涛,王鑫鑫,刘芳平

(黑龙江大学 水利电力学院，哈尔滨 150086)

基于RS和GIS技术，以密云区2001年和2010年两期Landsat TM5遥感影像为主要数据源，在定量反演研究区归一化植被指数(NDVI)基础上，研究该区域植被覆盖度并分析其时空演变，并基于马尔科夫模型完成其植被盖度动态预测。结果表明：密云区整体植被状况较好，中高覆盖和高盖度植被是研究区植被覆盖的主体，占总面积89.39%，近10 a密云区植被盖度总体呈上升趋势，高盖度面积增加448.87 km2，其它类型的植被盖度面积减少，中高盖度植被面积减少最大，为401.01 km2，且植被盖度重心总体向高覆盖度移动。基于马尔科夫模型的预测发到2091年，各植被类型的面积比例达到相对稳定状态，分别为0.48%、1.75%、2.68%、6.94%和88.15%，高盖度植被占据绝对的优势地位。

RS；GIS；密云区；植被盖度；马尔科夫模型

植被是陆地生态系统的主要组成部分,也是其他生物生存的基础，具有截流降雨、减缓径流、防沙治沙、保持水土等功能[1]。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[2]，是刻画陆地表面植被数量的一个重要参数[3]。作为重要的生态气候参数，植被覆盖率是许多全球及区域气候数值模型中所需的重要信息，也是描述生态系统的重要基础数据[4]。因此，掌握植被覆盖度的变化规律，对评价人类生存环境质量、调节生态过程具有重要的实际意义[5-7]。

然而传统的估算植被盖度方法主要是地面测量，包括目估法、采样法、仪器法等[8-9]，这些方法不但费时费力，而且很难给出较大尺度上的宏观植被分布信息[10]，但随着空间信息技术飞速发展，尤其遥感技术的迅猛发展，监测区域面积大、周期时间短和获取植被信息快速准确等这些遥感技术特征被广泛用于城市植被监测研究[11-12]。近年来，利用遥感的手段进行植被盖度动态监测日趋成熟，并开展了基于遥感植被盖度动态监测研究[13-16]，但基于Markov模型预测未来植被盖度变化的研究相对较少。

密云区境内的密云水库是北京市最大的饮用水源基地，它保障着首都1/ 3 的供水需求。然而随着城市化进程的加速和经济的快速发展，近年来人们对其周边土地不合理的开发利用以及采矿、筑路、盲目扩大旅游业等，导致了库区周围，尤其是库东北、北部地区的水土流失严重[17]。密云区作为首都重要饮用水源地和生态涵养发展区，研究该区域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[18-19]。基于此，本文在RS和GIS技术的支持下，以密云区2001年和2010年Landsat TM遥感影像为重要数据源，定量反演归一化差异植被指数(Normalized Difference Vegetation Index -NDVI)，并计算分析植被盖度时空演变规律，并基于Markov模型预测探究未来植被盖度演变趋势，旨在为该研究区域生态环境保护和土地利用结构优化提供技术参考。

1　研究区域概况

密云区位于北京市东北部，地理位置为E:116°39′33″-117°30′25″，N:40°13′7″-40°47′57″，地处华北平原与蒙古高原的过渡地带，属燕山山地与华北平原交接地，密云区属于山区，东、西、北三面环山，中部低缓，西南开阔，地势自北向西南倾斜，呈簸箕形。密云区属暖温带半湿润大陆性季风气候区，年平均气温10.8 ℃，年太阳总辐射量约为135.0 kcal/cm2，年平均降水量为661.3 mm，平均降水日数为75 d，无霜期平均为177 d。

2　数据处理与研究方法

2.1数据来源及处理

以研究区1∶50 000的地形图作为基础地理参照数据，基于遥感处理软件ENVI 5.1支持下，对2001年和2010年9月的Landsat TM遥感影像进行几何精校正和自动匹配处理，保证其几何精度，且影像投影方式为横轴墨卡托投影UTM(Zone48N)。在此基础上，完成遥感影像的大气校正、图像掩膜裁剪和去云及阴影等预处理。

2.2植被覆盖提取

归一化植被指数(NDVI)的计算公式为：

(1)

式中CH3为TM影像第三通道的反射值；CH4为TM影像第四通道的反射值[22]。利用植被盖度与归一化植被指数之间关系估算植被盖度，如下式：

(2)

式中NDVI为所求像元的归一化植被指数；NDVImin、NDVImax分别为非植被覆盖部分(裸地和未利用地)和植被覆盖部分(林地、草地等)归一化植被指数值的最小值和最大值。

2.3植被覆盖的分级

根据《土壤侵蚀分类分级标准》[20]，本文将植被盖度划分为5个等级，Ⅰ级(极低植被盖度水域)：植被覆盖度0～0.3，主要为水域；Ⅱ级(低盖度植被区域)：植被覆盖度0.3～0.45，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0.45～0.6，主要是低产草地、灌木林地和撂荒地；Ⅳ级(高盖度植被区域)：植被覆盖度0.6～0.75，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；Ⅴ级(高盖度植被区域)：植被覆盖度0.75～1，主要是密林地和优良耕地等，呈现片状或块状分布。在ArcGIS 9.3支持下，结合一类森林清查资料及高分辨率Google Earth图片，对分类的结果就进行了精度验证。

2.4马尔科夫模型

马尔科夫过程是一种遵循“无后效性原则”的特殊随机运动过程，将时间序列看作一个随机过程，能够定量地揭示各植被盖度类型之间的相互转化状况，进而预测植被盖度类型随时空的变化情况。该模型关键是确定植被盖度类型之间转化初始转移概率矩阵，其数学表达式为[21-23]:

(3)

式中n为研究区植被盖度类型的数目;Pij为初期到末期时段内由类型i转为类型j的转移概率，且满足以下条件:

(4)

对植被盖度类型预测的数学模型为:

(5)

式中P(k)为预测对象在k时刻的状态向量，P为转移矩阵概率，P(k+1)表示预测对象在k+1时刻的状态向量。

3　结果分析

3.1植被盖度空间分布

基于RS和GIS获取研究区域2001年和2010 年植被盖度图(图1)。由图1可见，研究区植被覆盖的主体是中高覆盖植被和高盖度植被，符合研究区域的土地利用结构特征，密云区的土地利用主要以林地和耕地为主，且森林覆盖率约70%[24-25]。2001年，密云区低覆盖度分布于密云西南部密云镇、十里堡、河南寨等居民用地，中盖度主要是耕地，分布在低覆盖度居民用地周围，中高盖度分布于密云区西北部古北口、新城子以及密云水库周围，高盖度植被主要呈大小不一的片状分布于西北部冯家峪、不老屯、石城，东部北庄和大城子，南部东邵渠。2010年，密云区极低盖度(水域)主要是密云水库以及河流。低盖度主要是居民用地，主要分布于密云镇、十里堡、河南寨，还有一小部分零星散落在各乡镇内。中盖度主要为耕地，主要呈包围状分布于低盖度居民用地周围，中高盖度面积较小，零星散落在高盖度植被区域内。高盖度植被呈片状分布于密云区北部山区、东部山区以及密云区南部东邵渠。密云区城区内的植被盖度由低盖度范围扩大，说明密云区城区植被盖度受到城镇化的推进的影响。密云区西北部和东部山区植被覆盖度均大幅度提升，植被盖度重心向高盖度植被转移。

图1　密云区植被盖度空间分布图Fig.1　Spatial distribution of vegetation coverage in Miyun District

3.2植被盖度动态变化

植被覆盖变化总的态势见表1。由表1可见，研究区的中植被覆盖的面积变化高覆盖和高盖度植被主要分布于西北部和东部，源于该区域属于山区，受自然环境条件的影响，人为干扰相对较少，分布着大量的森林，故其植被盖度相对较高，两期的中高覆盖和高盖度植被面积之和分别为1 941.96 km2和1 989.83 km2，且所占的面积比例分别为87.23%和89.39%，在研究区域中占据处于绝对的优势地位，构成该区域的主体植被盖度，表明密云区的植被覆盖较好且得到很大程度的保护，这与密云水库作为北京市重要的饮用水源地有直接的关联。高盖度植被面积由2001年的1 284.92 km2增加到2010年的1 733.79 km2，增加448.87 km2，而其它类型的植被盖度面积都呈现一定程度的减少，其中中高盖度减少幅度最大，由2001年657.04 km2减少到2010年256.04 km2，减少401 km2，所占比例由29.51%降至11.50%。其中，中盖度和中高盖度植减少的区域主要集中分布于密云水库周围和密云区东北部山区以及潮河流域、白河流域，且中盖度和中高盖度植被主要转换为高盖度植被，主要源于“退耕还林”和“退耕还草”等生态工程的实施，致使该区域的植被盖度提升，说明区域生态环境质量有所好转，表明区域的天然林保护等生态工程已见成效。极低植被盖度减少的面积为28.65 km2，减少区域主要为密云水库面积，源于10 a间密云水库入库水量有所减少，水库水位下降了17 m，水库蓄水不及库容总量的1/3。总体而言，植被覆盖度年均变化量较大，高盖度植被区域的增加量最大，中高盖度植被区域的减少量最大，密云区植被盖度总体呈上升趋势，植被盖度重心向高覆盖度移动。

3.3植被覆盖模拟分析

3.3.1植被盖度转移概率

基于Arc GIS 9.3支持下，完成两期植被盖度数据的空间叠加分析，获取其变化信息和属性特征，构建转移概率矩阵(表2)，定量分析不同类型植被盖度间的转移频数，进而探究不同植被盖度之间的相互转化特征。

表1　密云区植被覆盖度面积统计

表2　密云区2001-2010年植被盖度变化转移矩阵

由表2可见，高盖度和极低盖度具有较高的保留率，分别为93.36%和68.63%，中高盖度是高盖度植被的最大转入来源，转移面积为489.79 km2，其次为中盖度植被，其转入率为19.52%，该结果表明随着北京市“十二五”时期环境保护和建设规划的实施，通过人工育林、封山育林、退耕还林还草和治理水土流失等生态措施，森林覆盖率得到了提高，在一定程度上表明区域的生态环境质量有所改善。极低盖度主体是密云水库，由于2000年以来水库水位不断下降，部分土地逐渐露出水面，库区周边的农民开始利用部分区域的土地进行农业生产，并形成了优质的耕地，致使16.59 km2的极低盖度转换为高盖度植被，这种局部不合理的土地利用转化对于密云水库极为不利，今后要加大“退耕还林”和“退耕还草”的力度，促使区域土地利用的合理化。低盖度和中盖度的保留率分别为46.25%和27.82%，中盖度植被是中高盖度和高盖度的主要转入来源，转移面积分别为43.75 km2和21.70 km2，转入中高盖度植被的面积最大，说明植被盖度由低等级向高等级转变，在一定程度上表明该区域的植被盖度得到一定程度的恢复，区域生态环境质量得到了提升。此外，中盖度也是低盖度植被的主要转入来源，转移面积为14.02 km2，随着密云区城镇化的快速发展，人类加大对中盖度植被的干扰程度，导致其部分农田被建成学校、道路、医院等居民用地建筑[26],造成区域生态环境质量有所恶化。低盖度植被的转入率和转出率相当，故其面积没有发生显著变化。中高盖度保留率最低，仅为20.65%，74.56%。中高盖度转化为高盖度，对高盖度植被增加的贡献最大，这种转化主要发生在密云东北山区、潮河流域以及白河流域，源于该区域积极实施“退耕还林，退耕还草”等林业生态措施。

3.3.2植被盖度动态预测

以2010年各植被盖度类型的面积百分比为起始向量，基于2001-2010年时间段转移概率构建初始状态矩阵(表2)，在MATLAB软件的支持下，以9 a为时间间隔为步长，运用马尔柯夫链模型，对密云区未来植被覆盖状态进行动态预测，预测2019年以后直到相对稳定平衡状态时研究区植被覆盖类型的变化趋势。

2010年后的植被覆盖变化趋势是高盖度以下的植被类型面积均呈现减少的趋势，而高盖度面积呈现稳步增加的变化趋势，见表3。假若当前的自然条件和国家生态建设政策不出现太大的变动的情况下，研究区域各植被盖度类型在2091年达到相对平衡的稳定状态，即之后若干年该区域各植被盖度比例保持相对稳定，此时各植被覆盖类型比例分别为0.48%、1.75%、2.68%、6.94%和88.15%。可见高盖度所占比例最大，完全处于绝对的优势地位，说明密云区在水源保护林建设工程、京津风沙源治理工程和天然林保护等生态保护措施下，使得高盖度面积得以稳步增加，最终的预测结果不仅表明了该区域高盖度植被的未来发展趋势，更预测其对区域生态环境的动态影响作用，通过发挥森林植被的水土保持和水源涵养功能来改善北京市供水的质和量。极低盖度下降速度最快，根据预测趋势，密云水库水域面积达到稳定状态时只有10.76 km2，从2010年到2091年面积减少44.68 km2，面积减少的最大。如果照此预测结果趋势发展下去，将直接威胁到北京市的用水安全。然而近些年来，随着北京经济的高速发展，人口数量的不断膨胀，城市需水量的急剧增加，为解决日益突出的用水问题，水库流域内对地下水进行大量开采，直接导致研究区域的地下水位不断下降，密云水库面积大幅缩小，库容减少，直至2014年，南水北调中线工程正式通水后，每年补水密云水库(6～10)×108m3，密云水库的蓄水量逐渐递增，水库面积减小的情况得以改观，北京市水资源短缺问题将得以缓解。

表3　密云区各类植被盖度变化趋势预测

4　结　论

基于RS和GIS支持下，以密云区作为研究对象，借助归一化植被指数(NDVI)获取植被覆盖度状况，基于ArcGIS9.3定量分析研究区域植被盖度时空演变，并基于Markov模型预测探究未来植被盖度演变趋势，旨在为该研究区域为水土流失防治和重要水源保护提供理论依据。结果表明：中高覆盖植被和高盖度植被占据密云区的主体，面积比例分别为87.23%和89.39%。高盖度面积增加，为448.87 km2，而其它类型植被盖度面积均有不同程度减少，中高盖度植被面积减少最大，为401.01 km2。密云区植被盖度总体呈上升趋势，植被盖度重心向高覆盖度移动。

高盖度和极低盖度具有较高的保留率，分别为93.36%和68.63%；中高盖度保留率最低，仅为20.65%，74.56%中高盖度转化为高盖度；从2010年模拟到稳定平衡状态时，各植被覆盖类型比例分别为0.48%、1.75%、2.68%、6.94%和88.15%，高盖度所占比例最高，极低盖度下降速度最快。

致谢：中国西部环境与生态科学数据中心提供部分精度验证数据，谨表谢意。

[1]吴云,曾源.基于MODIS数据的海河流域植被覆盖度估算及动态变化分析[J].资源科学,2010,32(7):1417-1424.

[2]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.

[3]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].地球科学进展，2003,18(1):85-93.

[4]Sellers P J, S O Los, C J Tucker, et al. A revised land surface paramctcrization(Sib2)for atmospheric gems. Part II: The generation of global fields of terrestrial biophysical parameters from satellite data[J].JoarnaL of Climate, 1996, 9: 706-737.

[5]庞吉林,张克斌,乔娜,等.基于RS的盐池县10年植被覆盖度动态变化研究[J].水土保持研究,2012(4):112-116.

[6]胡江波.不同植被恢复模式对土壤肥力的影响[J].河南农业科学,2007, 3:69-72.

[7]王国芳.基于遥感技术的植被覆盖度的动态监测[J].山西农业科学,2015,43(5):592-595.

[8]马娜,胡云锋.基于遥感和像元二分模型的内蒙古正蓝旗植被覆盖度格局和动态变化[J].地理科学,2012,32(2): 251- 256.

[9]赵英时.遥感应用分析原理与方法[M].北京:科学出版社,2013.

[10] 史世莲,章文波,王国燕.北京地区植被盖度提取及其分布变化研究[J].遥感技术与应用,2014,29(5):866-872.

[11] Weng Q,Lu D.Schubring J Estimation of land surface temperature-vegetation abundance relationship for urban heat island studies[J].Remote Sensing of Environment,2004,89(4):467-483.

[12] Yuan F,Bauer M E.Comparison of impervious suface area and nomalized difference vegetation index as indicators of surface urban heat island effects in Landsat imagery[J].Remote Sensing of Environment,2007,106(3):375-386.

[13] 万红梅,李霞,董道瑞.基于多源遥感数据的荒漠植被覆盖度估测[J].应用生态学报,2012,23(12):3331-3337.

[14] 宋挺,黄君.基于LandsatETM+等影像的无锡市十年陆地生态环境遥感评价[J].环境监测管理与技术,2014, 26(5):28-32.

[15] 王晓峰,任志远.基于RS和GIS的榆林市植被覆盖度动态变化研究[J].陕西师范大学学报,2008(3):101-104.

[16] 刘亚玲,潘志华,范锦龙.阴山北麓地区植被覆盖动态时空分析[J].资源科学,2005,27(4):168-174.

[17] 张有全,宫辉力,赵文吉,等.基于GIS和USLE的密云县土壤侵蚀评价及空间特征研究[J].水土保持研究,2007(3):358-362.

[18] 马超飞,马建文,布和放斯尔.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.[19] 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.

[20] GB/SL190-1996,土壤侵蚀分类分级标准[S].

[21] 邬建国.景观生态学-格局、过程、尺度与等级[M].北京:高等教育出版社，2000.

[22] 史培军,宫鹏,李晓兵,等.土地利用/覆盖变化研究的方法与实践[M].北京:科学出版社,2000.

[23] 张叶,江晓波,邱枫.LUCC模型研究综述[J].资源开发与市场,2006,22(4):311-314.

[24] 卢玉东,尹黎明,何丙辉,等.利用TM影像在土地利用/覆盖遥感解泽波段选取研究[J].西南农业大学学报：自然科学版,2005,27(4):479-486.

[25] 何春阳,陈晋,陈石浩,等.土地利用/覆盖变化混合动态监测方法研究[J].自然资源学报,2001,16(3):255-262.

[26] 陈涛,牛瑞卿,李平湘,等.密云水库流域植被覆盖度变化对输沙量的影响[J].生态环境学报,2010,19(1): 152-159.

Vegetation coverage dynamic evolution and its forecastbased on RS and GIS in Miyun District

GONG Wen-Feng,WU Juan,WANG Xiao-Feng,LIU Tao,WANG Xin-Xin，LIU Fang-Ping

(SchoolofHydraulicandElectric-power,HeilongjiangUniversity,Harbin150080,China)

Remote sensing images of Landsat TM5 in 2001 and 2010 were used as the main data source of Miyun District, Beijing city of China. Based on RS and GIS, normalized differential vegetation index (NDVI) was quantitatively inversed from the remote sensing data, which was used to calculate the vegetation coverage, and then the dynamic evolution and spatial and temporal variation characteristics of vegetation coverage were analyzed in this paper. On this basis, Markov model was used for the quantitative forecast of the future vegetation coverage of the study region. The results were shown that: the vegetation in Miyun District is in good condition. The main types of vegetation accounting for 89.39% of the total area are mid-high, high vegetation coverage. The increasing area of high vegetation coverage was 448.87 km2, while areas for other types of vegetation coverage were decreased, among which the mid-high vegetation coverage has the great decreasing area of 401.01 km2.The whole vegetation in study area in 10 years are increased and the main focus moved to high vegetation coverage. The vegetation coverage tendency after 2010 is that expect for high vegetation , other kinds of vegetation has decreased year by year. This trend will last for a longtime until it reaches a relatively stable state, with the proportion 0.48%,1.75%,2.68%,6.94% and 88.15% for all types vegetation coverage, respectively, meanwhile, the high vegetation coverage occupied the absolute dominate position.

RS;GIS; Miyun District; vegetation coverage; Markov model

10.13524/j.2095-008x.2016.03.037

2016-04-21

国家高技术研究发展计划项目(2012AA102001);黑龙江省自然基金资助项目(D201410); 黑龙江省教育厅科学技术研究项目(1253153)

龚文峰(1976-),男，河南南阳人,教授,博士,研究方向：RS和GIS在资源与环境监测上的应用，E-mail:gwf101@163.com。

X87

A

2095-008X(2016)03-0025-07

网络出版地址：http:www.cnki.net/kcms/detail/23.1566.T.20160719.1132.006.html