基于遥感的长治县植被覆盖度时空变化研究

白 杰，段永红，王 宇

（山西农业大学资源环境学院，山西 太谷 030801）

长治县随着城市的加速扩张、工农业活动日益频繁，城市环境问题日益严重，水体污染逐步加深。其仅有的城市湿地面积日益缩小，功能逐渐退化，自然景观和文化遗产也遭受到较大的破坏。

植被是地球陆地生态系统的主体，并且是最具特色的一部分。它被认为是生态环境系统中组成成分中比较重要的部分，植被在地表的能量互换和生物地球化学循环等过程中承担着关键的角色，与某些气候、地貌、土壤条件相适应，由多种因素控制的[1]。

植被覆盖是植被变化最直接的反映，大面积的植被覆盖的变化（退化与恢复）表现了自然演变和人类行为对生态环境的影响[2]，针对植被研究分析出其中对植被变化产生影响的影响因子，可以根据动力机制为植被建设做出科学合理的决策，提供严谨的科学依据用以种植林种植和保护。维护人类良好的生存环境，使丰富的自然资源持续利用，是当前人类的主要任务[3-5]。其中，在使用遥感图像进行植被研究以及植物物候研究中得到广泛应用，如FAIRBANKS等[6]利用1 km分辨率的NDVI，选取加利福尼亚4类代表性的植被，使用逐步回归方法建立了NDVI与植被丰富度之间的关系。结果发现，不同植被类型有着不同的相关性，在区域尺度上可以使用较低分辨率的NDVI来监测植被物种多样性的长期变化。PUREVD等[7]通过各植被指数与植被覆盖度进行二次多项式回归，结果表明，NDVI与TSAVI可以最好的估算大范围的草地植被覆盖情况。因此，针对区域植被覆盖度动态变化研究的课题就显得尤为重要。

本研究采用2004—2014年遥感影像数据，应用遥感和GIS手段对长治县地区近10 a的植被覆盖状况进行分析，预测长治县未来植被覆盖的发展方向和规律，为保护当地植被提供真实的数据依据，以及为制定转变经济发展方向的相关策略提供现实依据。

1 研究内容和方法

本研究探讨长治县区域植被覆盖的变化情况，为了凸显植被覆盖群落在地球表面的现实状况，植被覆盖就成为了比较综合性的量化指标[8]。植被覆盖度是一种监督检测的指标，最常应用于生态环境中[9]。本研究利用RS和GIS技术，主要研究对象是NDVI，对2004—2014年的区域植被覆盖变化进行了分析，预测长治县未来植被覆盖的发展方向和规律，从而为有效保护县区种植林地的植被覆盖提供参考依据。

利用遥感数据LANDSAT 5和LANDSAT 8，经过数据预处理的辐射定标、图像裁剪、大气校正和地物分类等步骤，为计算植被覆盖度奠定基础，通过计算NDVI，进而计算出植被覆盖度，根据相关文献及长治县的具体情况得到植被覆盖度分级类型，然后分别在土地利用类型和各乡镇的时空变化下研究植被覆盖度的时空变化情况。

2 研究区域概况

长治县属于山西省长治市12个县区之一，位置为东南部方向，位于上党盆地的南部和太行山的西侧地区。长治县内的雄山主峰海拔最高，为1 419.5 m，上秦张河滩海拔最低，为908 m，差值达511.5 m。从综合情况看，县域内平均海拔达到1 166 m。长治县地下水储量丰富，据不完全数据统计，可采储量达5 950万m3。该县水文地质条件复杂，煤的开采导致植被覆盖变小[10]。

3 数据源选取与预处理

3.1 植被指数概念

植被指数是利用卫星不同波段探测数据组合而成的，是反映植物生长状况的指数[11]。植被指数按不同的监测方法和计算方法可分为多种植被指数[12]。除了本研究中运用的归一化指数NDVI，植被指数SAVI、比值植被指数RVI、垂直植被指数PVI和全球植被指数GVI也被广泛运用于生产生活中。NDVI则是使用最广泛、效果也较好的一种。其对植被覆盖度的检测幅度较宽，有较好的时间和空间适应性。

NDVI是植物生长状态与植被空间分布密度的最佳指示因子，它与植被分布密度呈线性相关，并且能监测植被生长状态、植被覆盖度和消除部分辐射误差等。

3.2 数据选取

研究工作中NDVI数据采用地理空间数据云上LANDSAT 5 TM和LANDSAT 8 OLI_TIRS这2期时相相近的遥感影像系列数据为主要数据来源。空间分辨率为30 m，时间序列为2004—2014年。长治县遥感数据在2004年左右的LANDSAT 7 TM图像有坏点，不能进行图像处理；2014年LANDSAT 8 OLI_TIRS数据的完整性与准确性已经有了很大的提高。而且本试验研究的是植被，为了所得到的数据更加精确，2期数据均采用8月份植被最茂盛时期且云量也少的遥感图像。

综合考虑下，2004年选取8月30日的LANDSAT 5 TM数据，2014年选取8月10日的LANDSAT 8 OLI_TIRS数据更完整，图像更清晰。

2004年LANDSAT 5 TM在ENVI 5.1加载321波段显示，321波段是RGB合成，即真彩色合成，其中，3波段代表红色，2波段代表绿色，1波段代表蓝色，通过321波段的合成，可以得到自然的彩色合成图像。2014年LANDSAT 8 OLI_TIRS在ENVI 5.1加载432波段显示，432波段合成真彩色图像，接近地物真实色彩。

3.3 数据预处理

波谱、时间、空间以及辐射分辨率成为遥感系统的障碍，所以，对表面信息的多样性的提取是很困难的，数据中会产生一定的差错。遥感数据的准确率会对图像的分析有着决定性的影响。因此，在实际图像分析和应用之前，有必要对遥感图像进行预处理[13]。

遥感图像数据运用ENVI软件进行辐射定标、图像裁剪、大气校正和地物分类等过程进行数据预处理，使最后数据更加精确[14]。本研究2004，2014年遥感数据采用TM432波段进行重新组合分类，分为城市、植被、水体和其他；最终得到的遥感图像中，不同的颜色代表不同的地物[15]。为对比方便，本研究在ENVI中对每一种地物类型的训练区颜色都以波段显示的本色来选择，2004，2014年土地利 用分类结果如图1所示。

4 植被覆盖度模型的建立与计算

4.1 NDVI的计算

归一化植被指数（NDVI）不仅能够准确地表示出植被目前的生长情况，而且在一定空间区域内，植被所占百分比也能清晰的显示出来[16]。NDVI不仅与植被单位空间内分布的数量呈线性相关关系，同时还能得出植物生长状况和植被覆盖度的最终结果，一定程度上减少因辐射的误差而产生的影响[17]。

大气校正完毕后，计算NDVI值。在ENVI的toolbox中搜索NDVI，选取大气校正后的数据文件，2004年为TM数据，文件类型就选择LANDSATTM，红波段为3波段，近红外波段是4波段；2014年为OLI数据，文件类型就选择LANDSAT OLI，红波段为4波段，近红外波段为5波段。然后设置输出路径NDVI.dat。选取相对应的波段，最后得出NDVI值。

理论上来讲，NDVI取值范围在-1～1。在toolbox中搜索compute statistics，选择直方图，可以得到NDVI的取值范围有部分处于1～1之外，ENVI中计算NDVI会有少量的异常值，即有小于-1和大于1的值。因此，需要进行去除异常值的处理，即要将小于-1的值和大于1的值均变为0，在-1和1之间的值不变。计算NDVI公式如下。

这一过程为波段运算。其中，b1指的是NDVI初次计算的值，LT，GT，GE，LE 为计算过程中的运算符，b最终得到的即为NDVI去异常值后的结果，设置输出路径NDVI去除异常值.dat。最后，在统计数据中就会发现去除异常值后的取值范围在-1～1。

4.2 植被覆盖度的计算

植被覆盖度通常是指森林面积占土地总面积之比，一般用百分数表示[18]。目前已经发展了很多利用遥感测量植被覆盖度的方法[19]，较为实用的方法是利用植被指数近似估算植被覆盖度。下面是李苗苗等[20]在像元二分模型的基础上研究的模型。

其中，NDVIsoil表示土壤或土地中无绿色植物的情况下裸露地面情况下的NDVI值，NDVIveg表示图像中的所有像元全部都为植物所占时的NDVI值。2个值的计算公式如下。

其中，b1为城市掩膜，b2为植被掩膜，b4为其他掩膜。

计算植被覆盖度，需要进行波段运算。

其中，b1表示NDVI去异常值后的值，b2表示NDVIsoil，b3 表示 NDVIveg。

植被覆盖度的取值范围理论上为0～1[20]，但经统计，计算出的植被覆盖度存在异常值，因此，要进行去异常值的步骤，将小于0的值变为0，大于1的值变为1。去异常值后的植被覆盖如图2所示。

5 研究区植被覆盖动态变化研究

5.1 植被覆盖度分级及其标准

植被覆盖度的分级标准已有大量的研究[21]，在这些研究中植被覆盖度分级有关的阈值是有差异性的。通过了解这些资料里面所涉及到的阈值[22]，根据长治县区域植被特点和上述分级结果，将植被覆盖区分为高覆盖度（70%以上）、中高覆盖度（50%～70%）、中覆盖度（30%～50%）、低覆盖度（10%～30%）、极低覆盖度（10%以下）5个等级来分析。

为了清晰地显示出2004—2014年间，长治县区域内植被覆盖度的变化，对植被覆盖度去异常值后的图像进行伪彩色显示，即进行密度分割。图3进行了分级显示，分别为2004，2014年的植被覆盖度去异常值后的分级结果。

5.2 植被覆盖度动态变化

在ENVI中对各种类型的植被覆盖度进行综合统计，用直方图进行显示。其中，面积是由矢量数据计算得出，面积比例也是从直方图中得出。长治县境域内的植被覆盖度变化的研究结果如表1所示。

2004年长治县按照面积排序，从低到高分别是低覆盖度、极低覆盖度、中覆盖度、中高覆盖度、高覆盖度，其中，高覆盖度面积达549.38 km2，低覆盖度面积达23.15 hm2。总体上来看，长治县植被覆盖度以高覆盖度为主，其面积占全区域面积的76.55%，中高覆盖度占10.34%。高覆盖度区域在县区内分布比较均匀，而极低植被覆盖区域则主要在城市居民集中的区域。从全县区来看，2004年的植被覆盖度很高，野生的种植林比较多，低和极低覆盖度占比较小，植被整体状况良好。

2014年长治县按照植被覆盖面积大小进行排列，从高到低分别是高覆盖度、中高覆盖度、中覆盖度、低覆盖度、极低覆盖度，其中，高覆盖度达421.42 km2，极低覆盖度达36.27 km2。总体看来，境内的植被覆盖度除了高覆盖度类型占有的比例较大外，其他类型的面积均较低，随着环境问题逐渐成为人们关注的热点话题，城市居民更加重视周围的生活环境，绿化面积也在不断的增加，长治县县区的最南端高植被覆盖度所占比例较大。但在城市居民区的很大区域范围内，极低植被覆盖度所占比例较大。近些年来，很多人造林应运而生，可见植被覆盖率与国家地区的政策紧密相连，因此，有关部门对政策的制定与实施尤为重要，由于水储蓄量的急剧下降，植被的正常稳步生长受到了很大的影响，全面的政策制定亟待解决，而且应该更合理的解决可持续发展问题。

表1 长治县县区植被覆盖度动态变化

5.3 植被覆盖度在土地利用类型下的时空分布

以2004年为例，将地物分类的结果图和植被覆盖分类结果图进行叠加分析，其结果如表2，3所示。

从表2可以看出，2004年耕地主要分布在高覆盖度区域和中高覆盖度区域，远大于其他覆盖度类型的面积，低覆盖度面积最少，为0.69 km2；林地主要分布在高覆盖度和中高覆盖度区域，低覆盖度类型面积为0.02 km2；草地及未利用地主要分布在中覆盖度区域，在高覆盖度区域面积为0.01 km2；建设用地主要分布在极低覆盖度区域，而在中高覆盖度面积为0.22 km2；水域主要分布在高覆盖度区域，极低覆盖度区域为1.83 km2，其他植被覆盖度类型均低于1 km2。

从表3可以看出，2014年耕地主要分布在中高覆盖度区域，远高于其他植被覆盖度类型；林地主要分布在高覆盖度区域和极低覆盖度区域，中高覆盖度面积为6.09 km2，低覆盖度类型面积为0 km2；草地及未利用地主要分布在中覆盖度区域，其他区域面积均小于17 km2；建设用地主要分布在高覆盖度和极低覆盖度区域，中高覆盖度面积为0.01 km2，中覆盖度面积为0.38 km2；水域主要分布在高植被覆盖度区域，极低覆盖度区域为0.12 km2，中高覆盖度、中覆盖度和低覆盖度区域均为0 km2。

表2 2004年植被覆盖度在土地利用类型下的空间分布 km2

表3 2014年植被覆盖度在土地利用类型下的空间分布 km2

综上所述，2004—2014年，耕地的高覆盖度面积从143.37km2降至31.74km2，中高覆盖度面积基本不变，极低覆盖度面积从23.55 km2降至0.3 km2；林地的高覆盖度面积从17.45 km2增加到32.38 km2，极低覆盖度面积从8.68 km2上升至31.52 km2，其他植被覆盖度类型均有明显下降，低覆盖度类型2014年更是降至0 km2；草地及未利用地所有植被覆盖度类型均有上升趋势，其中，高覆盖度从0.01 km2上升到8.95 km2，极低覆盖度从1.08 km2增加到14.39 km2；建设用地的高覆盖度和极低覆盖度有所上升，高覆盖度上升幅度更大，从13.84 km2增至30.12 km2；水域所有植被覆盖度类型均下降，其中，中高覆盖度、中覆盖度和低覆盖度均降至0 km2。

5.4 植被覆盖度在各乡镇类型下的时空分布

以2004年为例，在ArcGIS软件中，将长治县乡镇的矢量数据经过面转栅格，形成栅格乡镇图。栅格乡镇图与2004年植被覆盖度分类结果图进行叠加分析，并导出面积制表，得到各乡镇的各植被覆盖度类型面积，如表4所示。同理，计算2014年各乡镇的各植被覆盖度类型面积，如表5所示。

表4 2004年长治县各乡镇植被覆盖度类型所占面积 km2

从表4可以看出，长治县各乡镇在2004年均是以高覆盖度为主，其中，荫城镇所占面积最高，为35.38 km2，最低为工业园区，为 2.37 km2；在高覆盖度中，荫城镇植被面积几乎是工业园区面积的15倍之多；工业园区的中高覆盖度面积为1.11 km2，除此之外在其他覆盖类型中占比非常小；苏店镇在中高覆盖度、中覆盖度、低覆盖度和极低覆盖度中所占面积比较平均；北呈乡的植被覆盖度总体面积仅仅高于工业园区。西火镇的高覆盖度面积远高于其他类型覆盖度的面积，高覆盖度面积为24.41 km2，中高覆盖度面积为9 km2，低覆盖度与极低覆盖度面积在3 km2左右。

表5 2014年长治县各乡镇植被覆盖度类型所占面积 km2

由表5可知，长治县各乡镇在2014年植被覆盖面积中南宋乡、郝家庄乡、贾掌镇、北呈乡、西池乡、韩店镇和西火镇高覆盖度大于其他覆盖度类型面积。南宋乡高覆盖度所占面积最高，为6.49 km2，最低为工业园区（0.24 km2）；工业园区在各种覆盖度类型中面积均小于0.3 km2；苏店镇中高覆盖度、中高覆盖度和中覆盖度类型面积在1 km2左右，差异不大，低覆盖度为0.73km2，极低覆盖度为0.5 km2；北呈乡除高覆盖度和中高覆盖度类型外，其他植被覆盖度类型小于0.3 km2；西火镇高覆盖度类型面积为4.57 km2，远高于其他植被覆盖度类型。

2004，2014年综合对比发现，所有植被覆盖度类型的面积有明显的下降。荫城镇高覆盖度面积从2004年最高的35.38 km2降至2014年的1.82 km2；2004年只有工业园区和北呈乡2个乡镇的植被覆盖度类型面积低于1km2，而在2014年增加到10个乡镇，多种植被覆盖度类型均有这种情况产生。

6 结论

通过研究长治县2004—2014年的植被覆盖度时空变化变化情况，基于归一化指数（NDVI），以2004年LANDSAT 5 TM和2014年LANDSAT 8 OLI_TIRS为数据源，计算NDVI，进而计算出研究区域的植被覆盖度，得到研究区植被覆盖度分级图，并结合土地利用类型和长治县各乡镇区域范围，得出植被覆盖度在土地利用类型下的时空分布和在各乡镇类型下的时空分布情况，为保护当地植被提供真实的数据依据，为制定转变经济发展方向的相关策略提供现实依据。

（1）研究中利用LANDSAT 5 TM（2004年8月）和LANDSAT 8 OLI_TIRS（2014年8月）2期时相相近的影像为数据源，NDVI为研究对象，进行辐射定标、图像裁剪、大气校正、土地利用分类的数据预处理操作，运用各种文献参考数据，得出研究区高覆盖度、中高覆盖度、中覆盖度、低覆盖度和极低覆盖度等5种植被覆盖度分类情况及分类等级图。

（2）利用研究区植被覆盖度分级图分别与土地利用类型和研究区各乡镇的矢量数据进行对比分析，通过获得不同时间、不同土地利用类型和各乡镇类型下的植被覆盖度面积分布对比可知，2004—2014年，耕地的高覆盖度面积从143.37 km2降至31.74 km2；林地的高覆盖度和极低覆盖度面积有较大的增加趋势，其他植被覆盖度类型却有明显下降趋势；草地及未利用地的所有植被覆盖度类型均有较大的上升趋势；建设用地的高覆盖度和极低覆盖度有所上升，高覆盖度从13.84 km2增至30.12 km2；水域全部植被覆盖度类型均下降，其中，中高覆盖度、中覆盖度和低覆盖度降至0 km2。

研究区12个乡镇的所有植被覆盖度类型的面积全部下降，且下降幅度非常明显，2004年只有工业园区和北呈乡2个乡镇有植被覆盖度类型面积低于1 km2，而在2014年增加到10个乡镇，多种植被覆盖度类型均有这种情况产生；2004年除了工业园区和北呈乡，其他乡镇高覆盖度面积均高于10 km2，到了2014年，12个乡镇高覆盖度面积均低于7 km2，其中，7个乡镇低于2 km2；工业园区的植被覆盖度由于发展工业的关系，植被覆盖度面积长期处于所有乡镇的最后一位。

长治县煤炭资源储量比较丰富，为了经济的发展，煤炭的开采成为提升人均收入的重要来源，但造成位于表层的地下水基本枯竭，生态环境破坏尤为明显，研究区植被覆盖度就从侧面反映了这一现象。为了转变这一现状，省政府在2011年发布农林业的财政补贴政策，为农民种植林木提供经济支持。随着生活水平的提高，居民越来越重视生活环境，县区周围植被逐渐增多，进一步缓解了人类与环境的冲突。

［1］赵英时.遥感应用分析原理与方法[M].北京：科学出版社，2003.

［2］孙宏雨，王长耀，牛铮，等.中国地表植被覆盖变化及其与气候因子关系：基于NOAA时间序列数据分析[J].遥感学报，1998，2（3）：204-209.

［3］马子清.山西植被[M].北京：科学技术出版社，2001.

［4］罗海江，方修琦，白海玲，等.基于VEGETATION数据的区域生态系统质量评价之二：生产能力指数评价[J].中国环境监测，2008，24（5）：61-64.

［5］ KAWABATA A，ICHII K，YAMAGUCHI Y.Global monitoring of the interannual changes in vegetation activities using NDVI and its relationships totemperature and precipitation[J].International Journal of Remote Sensing，2001，22：1377-1382.

［6］FAIRBANKS D H K，MEGWIRE K C.Pattems of floristic riehness in vegetation communites of California:regional seale ananlysis with multi-temporal NDVI [J].Global Eeology and Biogeograpy，2004，13：221-235.

［7］ 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.

［8］王仁卿，刘建，徐飞.中国植被研究的回顾与展望[M]//中国植物协会.生态文明建设中的植物学：现在与未来-中国植物学会第十五届会员代表大会暨八十周年学术年会论文集.北京：科学出版社，2013.

［9］黄瑾，杨武年，张敏，等.普格县植被覆盖度遥感动态监测分析[J].地理空间信息，2009，7（2）：51-53.

［10］李仁堂.长治县地下水资源开发利用与规划 [J].山西水利，2010（6）：13-16.

［11］赵沛义，妥德宝，段玉，等.阴山北麓退耕地不同植被群落生态效应的长期定位试验初报 [J].华北农学报，2006，21（Z）：113-115.

［12］亓兴兰，刘健，陈国荣，等.应用MODIS遥感数据监测马尾松毛虫害研究[J].西南林学院学报，2010（1）：1.

［13］郭妮.植被指数及其研究进展 [J].干旱气象，2003，21（4）：71-75.

［14］罗亚，徐建华，岳文泽.基于遥感影像的植被指数研究方法评述[J].生态科学，2005，24（1）：75-79.

［15］高志强，刘纪远.基于遥感和GIS的中国植被指数变化的驱动因子分析及模型研究 [J].气候与环境研究，2000，5（2）：155-164.

［16］赵士洞，罗天祥.区域尺度陆地生态系统生物生产力研究方法[J].资源科学，1998，20（1）：23-34.

［17］GAMONJ A，PEUELASJ，FIELDCB.A narrow-waveband spectral index that tracks diurnal changes in photosynthetic efficiency[J].Remote Sens Environ，1992，41：35-44.

［18］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.

［19］陈云浩，李晓兵，李京，等.面向航空遥感应用的可调节植被指数研究[J].中国矿业大学学报，2004，33（4）：438-442.

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

［21］刘巍，尹林克，刘旭丽，等.G218国道新疆伊犁段路域植被类型及分布[J].天津农业科学，2015，21（6）：146-150.

［22］程素娜，张永彬，汪金花.基于遥感影像的城市绿地覆盖信息提取方法[J].天津农业科学，2015，21（1）：48-51.