平原绿化工程建设下的归一化植被指数动态变化分析——以浙江省海宁市为例

谭 莹,徐 军,毛华英

(浙江省森林资源监测中心,杭州 310020)

植被是陆地生态系统的主体,是覆盖地表的植物群落的总称,在生态系统中扮演着物质能量循环流动的枢纽。植被覆盖度不仅能反映地表植被分布特征,也能在一定程度上反映区域的生态环境状况,因此获取地表植被覆盖度现状并监测其动态变化,对于发现地表植被空间分布变化,研究分析变化原因,进一步评价区域生态环境有重要意义[1-6]。目前,归一化植被指数(NDVI)作为监测植被动态变化的常用指标,已被应用在各种级别的尺度上,研究植被覆盖动态变化[7-11]。随着城市化进程的不断推进,大规模城市开发建设给城市的生态环境带来了前所未有的压力[7-11]。在这样的形势下,海宁市积极响应浙江省建设“森林浙江”的号召,大力推进平原绿化工程建设。本文对海宁市开展平原绿化工程前后(2010—2016年)的植被变化进行了研究,利用归一化植被指数(NDVI)数据,采用线性像元二分模型计算海宁市植被覆盖度,并分析其空间变化特点及变化原因,以期掌握海宁市生态现状,为生态环境建设规划和布局提供参考。

1 研究区概况

海宁市地处长江三角洲杭嘉湖平原,内陆面积668km2,其中平原占87.94%,山丘占1.81%,水域占10.25%。地形狭长,东西长 51.65km,南北宽28.94km。地势平坦,自西南向东北倾斜。其中高阳山最高,海拔253.3m,其他在200m以下。海宁地处亚热带季风气候区,四季分明,冬夏较长,春秋较短,降水季节变化明显。境内除东南部丘地和沿江高地外,平原地域气候差异较小,气候条件优越。海宁市自2010开展平原绿化建设工程以来,全市累计投入绿化资金10多亿元,全市创建省级森林城镇2个、森林村庄5个、绿化示范村31个和嘉兴市级绿化示范村63个。先后获得“全国绿化先进集体”、“全国平原绿化先进单位”、“全国林业生态建设先进县市”、“国家园林城市”和“省级森林城市”等称号。

2 数据与方法

2.1 遥感数据源

由于海宁市平原绿化工程跨度时间6年,即2010—2016年。因此使用两期遥感卫星影像数据,分别为2010年Landsat-5 TM和 2016年的Landsat-8 OLI,轨道号为118039,119038和119039的影像(海宁市涉及3景影像)。两期数据时相均为5月份,其平均云量均低于10%,且正值植物生长旺季,符合本次研究的要求。

2.2 数据预处理

采用的Landsat-5 TM 及Landsat-8 OLI数据已经做过辐射校正和几何校正,根据需求需对影像进行辐射定标、大气校正、拼接、裁剪等处理。首先,利用ENVI 5.1中辐射定标工具,进行定标类型、辐射亮度值、大气表观反射率设置,输出辐射定标后的影像；其次,用ENVI 5.1中的FLAASH工具对辐射定标后的影像进行大气校正,得到地表反射率,主要的输入参数包括传感器类型、成像日期及时间、中心经纬度、海拔高度、大气模型、气溶胶模型、初始能见度等；然后,用ENVI 5.1的Mosaic工具将研究区涉及的两期3景影像分别进行拼接,再根据海宁市的矢量行政界线进行裁剪得到研究区的2010年和2016年两期影像[12]。

2.3 植被覆盖度(FVC)计算

采用线性像元二分模型来计算海宁市的植被覆盖度(FVC)[13-18]。线性像元二分模型的原理是假设任一像元由纯土壤和纯植被两部分组成,则像元的 NDVI值为两部分NDVI值以面积为比例的加权平均和,而纯植被所占的面积比即为研究区的FVC值,由此得出公式(1),并推演得到估算FVC的模型即公式(2)[13-18]。

NDVI=NDVIsoil×(1-FVC)+NDVIveg×FVC

(1)

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

(2)

式中:NDVIsoil为纯土壤像元的NDVI值,NDVIveg为纯植被像元的NDVI值。像元二分模型的应用关键是如何确定NDVIsoil和NDVIveg值。对于纯裸地像元,NDVIsoil值理论上应该是接近于0,且不容易变化。但现实中由于受众多因素影响,区域上的NDVIsoil值在-0.1～0.2 之间变化。NDVIveg代表着全植被覆盖像元的最大值,由于植被类型等的影响,NDVIveg值也会随着时间和空间而改变。这2个值的计算公式分别为:

NDVIsoil=(FVCmax×NDVImin-FVCmin×

NDVImax)/(FVCmax-FVCmin)

(3)

NDVIveg=((1-FVCmin)×NDVImax-

(1-FVCmax)×NDVImin)/(FVCmax-FVCmin)

(4)

1)当区域内可以近似取FVCmax=100%,FVCmin=0%时,式(3)可变为:

FVC=(NDVI-NDVImin)/(NDVImax-

NDVImin)

(5)

式中,NDVImax和NDVImin分别为区域内最大、最小的NDVI值。由于不可避免地存在噪声,一般取一定置信度范围内的最大值与最小值,置信度的取值根据具体图像来定。

2)当区域内不能近似取FVCmax=100%,FVCmin=0%时,根据实测数据作为FVC的最大值与最小值,对应图像的NDVI作为NDVImax和NDVImin。当没有实测数据时,取一定置信度范围内的NDVImax和NDVImin,根据经验估算FVCmax和FVCmin。

根据影像的具体情况,对两期影像分别取置信区间[5%,95%]之间的NDVI的最大值和最小值作为参数代入公式(5)进行运算,利用ENVI的band math模块计算输出两期植被覆盖度灰度图,如图1所示。再将得到的植被覆盖度划分为5个等级,即FVC<0.2为极低覆盖度,0.2≤FVC< 0.4为低覆盖度、0.4≤FVC<0.6为中覆盖度、0.6≤FVC<0.8为高覆盖度和FVC≥0.8为极高覆盖度[19-20]。使用ENVI软件中的color slices对已经获得的植被覆盖度灰度图(图1)分别做密度分割,得到研究区两期植被覆盖度等级图(图2)。

图1 植被覆盖度灰度图

图2 植被覆盖度等级图

3 结果与分析

3.1 植被覆盖度总体变化

对海宁市两期植被覆盖等级图进行统计,得到全市植被平均覆盖度、各覆盖度等级的面积、占全市面积比例以及变化情况,结果如表1和图3所示。

表1 2010—2016年海宁市植被覆盖度变化统计表Tab.1 The statistics of vegetation coverage from 2010 to 2016 in Haining City

图3 2010—2016年海宁市植被覆盖度等级面积对比图

总体来看,海宁市2010—2016年6年间平均植被覆盖度由0.26上升到0.29,提升了11.5%,平均植被覆盖度显著增加。反映了海宁市自2010年来大力开展平原绿化工程建设,成效显著,植被覆盖度得到提升。从2010—2016年,海宁市极低覆盖度植被的面积略有减少,低覆盖度和中覆盖度被植被的面积减少较多,其所占全市土地面积的比例在6年间分别降低了0.55%,5.13%和8.03%。而高覆盖度和极高覆盖度植被的面积则分别增加了3 589.88 hm2和8 284.05 hm2,占全市土地面积比例在6年间分别增加了4.14%和9.56%。低、中覆盖度被植被的面积减少及高、极高覆盖度植被的面积的增加,说明海宁市的植被覆盖度不仅是量的提升,也是质的提升。

3.2 植被覆盖度转移分析

为了进一步摸清海宁市6年间各级植被覆盖度的相互转移面积和比例,对两期植被覆盖度等级图进一步分析计算,得到两期转移矩阵(表2)。

从表2可以看出,6年间变化率比较大的是低覆盖度、中覆盖度和高覆盖度植被,分别变化了95.89%,83.12%和57.69%。其中,低覆盖度植被主要转向中、高覆盖度植被,分别转移了38.54%和38.20%；中覆盖度植被主要转向高、极高覆盖度植被,分别转移了47.27%和33.80%；高覆盖度植被除了主要转向极高覆盖度植被,转移了47.22%,还有很大一部分仍为高覆盖度植被,有42.31%未转移。极低覆盖度植被绝大部分(94.13%)未转移,且极低覆盖度植被主要是水体造成的；极高覆盖度植被也是大部分(66.09%)未转移,转移部分也主要转向高覆盖度植被。总体来说,在2010—2016年间海宁市的植被类型是从中、低覆盖度植被转向高、极高覆盖度植被。

表2 2010—2016年海宁市植被覆盖度等级转移矩阵Tab.2 The vegetation coverage grade transition matrix from 2010 to 2016 in Haining City

4 讨论与结论

利用不同时期遥感影像数据获取NDVI 值,运用线性像元二分模型计算出研究区各时期的植被覆盖度,将植被覆盖度分级后,对研究区植被覆盖变化情况进行统计、分析和评价,进而监测研究区地表植被覆盖的变化过程。本研究利用上述方法对2010—2016年间海宁市植被覆盖度进行监测,监测结果表明,海宁市平均植被覆盖度增加显著,且植被类型是主要是从中、低覆盖度植被向高、极高覆盖度植被转移。这些都表明海宁市在开展平原绿化的6年间植被覆盖度有了较大的提升。在对平原绿化、植被生态化修复等工程项目进行评价时,可将植被覆盖度的动态变化结果作为参考因素进行评定,也可作为下一轮平原绿化工作的目标成效推算数据。

[1] 李辉霞,刘国华,傅伯杰.基于 NDVI 的三江源地区植被生长对气候变化和人类活动的响应研究[J].生态学报,2011,31(19):5495-5504.

[2] 李军媛,晏利斌,程志刚.陕西省植被时空演变特征及其对气候变化的响应[J].中国水土保持,2011(6):29-31.

[3] 周洪建,王静爱,岳耀杰,等.人类活动对植被退化/恢复影响的空间格局——以陕西省为例[J].生态学报,2009,29(9):4847-4856.

[4] 杨延征,赵鹏祥,郝红科,等.基于 SPOT-VGT NDVI 的陕北植被覆盖时空变化[J].应用生态学报,2012,23(7):1897-1903.

[5] 李双双,延军平,万佳.近10年陕甘宁黄土高原区植被覆盖时空变化特征[J].地理学报,2010,67(7):960-970.

[6] 宋富强,邢开雄,刘阳,等.基于 MODIS/NDVI的陕北地区植被动态监测与评价[J].生态学报,2011,31(2):354-363.

[7] 田庆久,闵祥军.植被指数研究进展[J].地球科学进展,1998,13(4):327-333.

[8] 李登科,郭铌.陕西 MODIS/NDVI 的区域分布和季节变化[J].中国沙漠,2008,28(1):108-112.

[9] 武永利,栾青,赵永强,等.近25年山西植被指数时空变化特征分析[J].生态环境,2008,17(6):2330-2335.

[10] 李一静,曾辉,魏建兵.基于归一化植被指数变化分级的深圳市植被变化[J].应用生态学报,2008,19(5):1064-1070.

[11] 贾宝全.基于TM卫星影像数据的北京市植被变化及其原因分析.生态学报,2013,33(5):1654-1666.

[12] 邓书斌.ENVI 遥感图像处理方法 [M].北京:科学出版社,2010:289-317.

[13] 李苗苗,吴炳方.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.

[14] 李苗苗.植被覆盖度的遥感估算方法研究[D].北京:中国科学院,2003.

[15] 马娜,胡云锋,庄大方,等.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动态变化[J].地理科学,2012,32(2):251-256.

[16] 邢著荣,冯幼贵,杨贵军,等.基于遥感的植被覆盖度估算方法述评[J].遥感技术与应用,2009,24(6):849-854.

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

[18] 张星星,何政伟,赵银兵,何雅枫.基于OLI 影像植被覆盖度估算探索[J].地理空间信息,2015,13(4):99-101.

[19] 李红,李德志,宋云,等.快速城市化背景下上海崇明植被覆盖度景观格局分析[J].华东师范大学学报:自然科学版,2009(6):89-100.

[20] 丁美青,陈松岭,郭云开.基于遥感的土地复垦植被覆盖度评价[J].中国土地科学,2009,23(11):72-75.