利用MODIS NDVI进行淮南矿区植被覆盖度动态监测

汪桂生，仇凯健(安徽理工大学测绘学院，安徽 淮南 232001)

矿产资源对我国的经济建设起到了重要的积极推动作用，其保证程度和健康程度关系到国民经济长期稳定和国家战略安全。然而，矿产资源开发在促进工业经济发展的同时，也造成地表变形、沉陷甚至坍塌等问题，同时改变了原有生态环境结构或状态，使植被等地表覆盖衰退甚至枯死，物种多样性衰落，土地退化，生态系统遭到破坏[1-3]。这些由开采引起的生态环境问题影响着矿区人民的生活水平，威胁着区域的可持续发展。传统的矿区环境监测采用实地调查、采样等方式开展，不仅效率低下，还仅仅停留在离散点状监测，无法形成对环境变化的综合分析。为此，许多学者利用遥感技术在一些典型矿区开展了生态环境扰动监测，利用目视解译、计算机图像分类等方法提取植被覆盖、土壤属性、土地利用类型、景观指数等表征参数[4-6]。植被是地表最为显著且易受人类活动扰动的景观。植被监测是矿区最为重要的环境监测工作之一，目前已经广泛开展了基于遥感的监测[7-10]。

淮南矿区是我国重要的能源基地之一。矿业的开发已经给区域生态环境造成了显著的影响，形成了大面积的地表沉陷、煤矸石和粉煤灰堆，致使大气和水质质量下降[11-12]。目前，针对淮南矿区已经开展了土壤侵蚀、土地利用等有关研究[13-15]。利用遥感技术对近十年淮南矿区植被覆盖度的变化进行动态监测，对矿区复垦效果进行评估，可以为淮南市及淮南矿区今后的可持续化发展方案的制定提供参考，对矿区环境治理、生态修复与重建具有重要意义。

1 研究区概况

淮南矿区位于我国华东地区淮南市的北部，安徽省中部，地跨淮河中游，距离省会合肥95 km，地理位置介于116°21′E—117°11′E，32°32′N—33°0′N之间(如图1所示)，属于亚热带季风气候区。该地区是以煤炭开采、火力发电及其相关产业为主导的工矿区，为华东地区的工业发展打下了坚实基础。

图1 淮南矿区位置

2 数据源与方法

2.1 数据源

本研究使用MODIS卫星产品中的MOD13Q1数据，主要用于检测地表植被覆盖的状况。数据来源于美国LPDAAC(land process distributed active archive center)网站，共有12个图层，空间分辨率为250 m，维度为4800行4800列，数据格式为HDF，所采用的投影为正弦投影。这里使用的为归一化植被指数(NDVI)数据，并在此基础上反演植被覆盖度，以进行淮南矿区植被覆盖的时空演变分析。

由于开展研究需要要素制图、范围界定、图像裁剪等，因此还收集了研究区基础矢量数据。矿区界线矢量数据来源于文献[16]。为了对结果进行验证，研究中还选择了部分样本进行实地调查，获得了不同土地利用下植被覆盖的直观信息。

2.2 研究方法与流程

2.2.1 像元二分模型

像元二分模型是目前常用的一种用于估算植被覆盖度的一种模型[17]。该模型的思想是把地表看作有植被覆盖和无植被覆盖两类，实际采用遥感方式计算时，其计算方式如下

(1)

式中，NDVIsoil为无植被覆盖区域或裸土的NDVI值；NDVIveg为纯净植被像元的NDVI值，可以用来作为NDVI的最大值。其计算公式分别为

(2)

NDVIveg=

(3)

利用该模型计算植被覆盖度的关键是计算NDVIsoil和NDVIveg。当区域内可以近似取VFCmax=100%、VFCmin=0%时，式(1)可变为

(4)

式中，NDVImax和NDVImin分别为区域内最大和最小的NDVI值。由于不可避免会存在噪声，NDVImax和NDVImin一般取一定置信度范围内的最大值与最小值，置信度的取值主要根据图像实际情况来确定。实际估算时，需要视影像分辨率加以确定，在低分辨率影像上，近似取最大和最小值，而在较高分辨率影像上需要依据土地类型分地表覆盖类型加以确定。

2.2.2 研究流程

在收集研究区2005年、2008年、2011年、2014年植被生长周期MODIS NDVI数据的基础上，对其进行格式转换、裁剪等预处理，并生成覆盖研究区的MODIS NDVI数据集，进而利用生长周期的年均NDVI数据并结合像元二分模型估算植被覆盖度，在此基础上采用统计分析、重分类等地理信息系统(GIS)空间分析方法进行植被的时序演化、覆盖转移和空间演变分析，所设计的技术路线如图2所示。

图2 研究技术路线

3 研究结果

3.1 MODIS NDVI时序变化

植被作为地表覆盖类型的一种，其也随着时间的变化呈现出一定的变化趋势。在生长的不同时间段内，其NDVI值将产生时序变化。江淮地区植被一般在3月中下旬开始生长；4—6月，由于灌溉、雨水和阳光都比较充足，植被长势较快；7—9月，植被覆盖达到鼎盛时期，NDVI值比较大；但10月以后，植被渐渐成熟，叶黄素含量增多，叶落生根，NDVI值就会降低。一些特殊地区，如西北干旱戈壁地区，植被一年四季都只是接近于0，变化不显著。以2005年、2008年、2011年、2014年这4个监测节点，从时间角度分析淮南矿区近十年内植被覆盖演变情况。2005—2014年年均NDVI情况如图3所示。

图3 2005—2014年年内月平均NDVI变化

从2005年NDVI变化折线图可以看出，4—5月，NDVI值由0.28上升到0.3左右，这是植被增长时期的正常状况；但是到5—6月，NDVI值呈下降趋势，数值由0.3几乎沿直线下降到0.17；6—7月间，又有增长的趋势；7—8月涨幅较大，这也符合植被增长的规律；到了9—10月，由于植被进入成熟期，故NDVI值下降。但是中间的NDVI值在5—6月这个植被本应该增长的时候却下降了。通过土地利用数据并结合实地考察发现，淮南矿区有着大量的耕地，到了5、6月，农作物到了收割的季节，因此，引起了NDVI值的急剧下降。类似地统计出2008年、2011年、2014年的状况，也得到类似结果。通过对2008—2014年的年内NDVI值进行分析，发现这3个时期的走势与2005年类似，都是在6月达到波谷，然后在8月达到波峰，表明植被的NDVI值变化具体受研究区内耕种收割活动影响。

通过使用2005—2014年每隔3年一景的遥感影像，对淮南矿区年际NDVI值的走势进行分析(如图4所示)，可以看出年NDVI值均在0.3以下，平均NDVI从2005—2008年有大幅度下降，植被生长状况降低，2008—2014年的NDVI均值呈现上升的趋势，这说明该地的植被覆盖情况有所改善。

图4 2005—2014年植被生长周期内年均NDVI变化

3.2 植被覆盖度反演结果

为了更好地体现不同年份间植被的演变趋势，利用植被像元二分模型对植被覆盖度进行反演，先计算每年的NDVI均值，得到每年的NDVI值遥感影像。由于MODIS数据分辨率为250 m，故NDVImax和NDVImin分别以每景影像中统计结果的NDVI最大最小值进行计算。根据前人的研究[18-19]，将植被覆盖度定义为5个等级：①无覆盖(裸露地表或水体)，0

图5 2005—2014年淮南矿区植被覆盖度

根据统计结果，监测时间内区域平均植被覆盖度分别为0.722 3、0.701 7、0.718 1、0.702 8，平均减幅为2.7%。对于上述植被覆盖度等级的分级结果，在重分类的基础上统计不同植被覆盖度的面积，结果如图6所示。可见较高植被覆盖和高植被覆盖规模较大，表明淮南矿区植被总体覆盖度状况良好，其中，中、低和无植被覆被面积在监测时间内保持稳定，其规模较小，面积均不足200 km2，较高覆盖和高覆盖面积广大，占全区域面积的90%。较高覆盖区域规模呈现先增加后减少的趋势，而高覆盖区域规模呈现先减少后增加的态势，表明植被覆盖在监测时期内呈现先减少后增加的态势，这与NDVI的演化趋势是一致的。

图6 2005—2014年植被覆盖度

3.3 植被覆盖等级的面积转移分析

为了得到不同时相植被覆盖度的转移矩阵，需要对不同等级的栅格数据进行编码，这里规定无覆盖编码为1，较低覆盖编码为2，中等覆盖编码为3，较高覆盖编码为4，高覆盖编码为5，并利用栅格重分类工具完成编码工作。完成编码后，为了能求出不同等级植被覆盖转移情况，需要将较早年份的栅格编码值乘以10再加上较晚年份的编码值。如2005年的编码值为1，2008年同样地方的编码为2，进行运算后的结果就变成12,12则代表该地方由无覆盖变成了较低覆盖，其中栅格计算功能可以由地图代数中的栅格计算进行实现。2005—2008年、2008—2011年、2011—2014年面积转移矩阵见表1、表2和表3。

表1 2005—2008年不同植被覆盖程度面积转移矩阵 km2

上述表中对角线元素表示没发生面积转移植被覆盖，可以对比对角线元素和矩阵其他位置的元素值，发现没有发生转变的植被覆盖比例最大，其中较高覆盖共有约700～800 km2没有发生转变，占整个研究区面积的50%，是未发生转变的主要植被覆盖类型。从每行来看，淮南矿区无覆盖、较低覆盖、中覆盖的分布面积较少，而较高覆盖和高覆盖面积合计超过1000 km2，占据淮南矿区的大部分范围。

表2 2008—2011年不同植被覆盖程度面积转移矩阵 km2

表3 2011—2014年不同植被覆盖程度面积转移矩阵 km2

从表1看出，2005年的无覆盖等级大多转化为较低覆盖，约6.625 km2；较低覆盖大都转化为中等覆盖，约18.75 km2；中等覆盖大都转化为较高覆盖，约有37.4375 km2；较高覆盖转化为高覆盖面积为51.187 5 km2；高覆盖向较高覆盖转化规模最大，达332.75 km2。总体来说，2008年的植被覆盖较2005年有所降低，高覆盖向较高覆盖转化为主要方向。

从表2可以看出，相对于2005—2008年，2008—2011年间的较高植被覆盖转化为高覆盖的规模增加，达226.75 km2，而高覆盖转化为较高覆盖减少了，这说明2008—2011年植被覆盖情况有所好转。但是无覆盖区和较低覆盖及中覆盖区均没有向高覆盖进行转化的，而且向较高植被转化也比较低，说明较低覆盖区域的植被覆盖情况并没有发生明显好转。

从表3可以看出，2011—2014年间，较高覆盖与高覆盖之间的转化基本持平，这说明到了2014年底，淮南矿区植被覆盖已经达到了一个平衡，而且相对于2008—2011年来说，较低覆盖的面积有减少的趋势，高覆盖没有转变的面积也由200多平方千米提升到360多平方千米。而且，大部分分布情况也集中在较高和高植被覆盖区域，且高覆盖类型向无植被覆盖的和低植被覆盖的面积也已经变成0，大部分覆盖区域都保持自己的覆盖程度不变。不过，对于低覆盖和无覆盖区域，虽说面积相对于以前年份有所减少，但是向较高植被覆盖类型转换还是相对较少。

3.4 植被演化特征分析

为了进一步分析植被的时空演化特征，利用植被生长周期内年均植被覆盖数据进行差值处理，获得监测时间内植被覆盖演变时空分布。结合文献分级标准[20-21]，根据新的属性值进行动态演变分类，将演变趋势划分为7个动态演变类型监测类型，即重度退化(<-0.3)、一般退化(-0.3≤D<-0.15)、轻度退化(-0.15≤D<-0.05)、稳定(-0.05≤D<0.05)、轻微改善(0.05≤D<0.15)、一般改善(0.15≤D<0.3)和明显改善(D≥0.3)7个等级，其结果如图7所示。

结果表明，淮南矿区植被的植被覆盖度从2005—2008年减少显著，最大减少值达0.724，表明区域内植被退化明显，植被退化区域主要位于矿区西北部的潘集、谢家集矿一带。2008—2011年间及2011—2014年间，轻度退化在第一阶段表现显著，其空间上主要分布于矿区中南部，在西部潘集矿等少量地区，植被退化依旧严重，其退化程度处于较高水平，表明矿山开采对地表植被覆盖具有显著的扰动特性和持续性。

将上述结果加以统计，获得监测时间内植被覆盖演化的分级规模，如图8所示。从图中可见，监测时间内研究区植被覆盖以稳定为主，其面积保持在900 km2，表明研究区主体植被覆盖稳定。2005—2008年间，植被轻度退化比较显著，其规模超过450 km2，表明植被在此期间变化以轻度退化为主。2008—2011年及2011—2014年，除稳定区域外，轻微改善的面积分别约为350和250 km2，而轻度退化的面积分别约为150和350 km2，植被的轻度退化与轻度改善现象交替演变趋势明显，重度退化面积虽然较小，但是在监测期内改变不明显，这些地区位于矿区的核心区，是矿区环境监测和修复需要重点关注的区域。

图8 2005—2014年淮南矿区植被覆盖演化规模统计

4 结 论

本文采用MODIS NDVI时间序列产品，结合像元二分模型分析淮南矿区2005—2014年近十年植被时空演变情况，得出以下结论：

(1) 淮南矿区植被年内NDVI均值在5—6月呈现下降趋势，并在6月达到波谷，在6—8月呈上升趋势，在8月份达到波峰，接着在9—11月由于植被成熟，NDVI月均值呈下降趋势。

(2) 淮南矿区植被年际NDVI均值在2005—2008年呈下降趋势，在2008—2015年呈稳步上升趋势。监测时间内区域平均植被覆盖度分别为0.722 3、0.701 7、0.718 1、0.702 8，平均减幅为2.7%。

(3) 淮南矿区较高覆盖和高覆盖面积广大，占全区域面积的90%，较高覆盖与高覆盖区域转换是区域植被覆盖等级转换的主要方向。

(4) 淮南矿区植被覆盖演化以稳定为主，轻度退化和轻微改善交替发生，是区域植被覆盖演化的主要方向。重度退化不足10 km2，主要分布于矿区核心地带潘集和谢家集矿一带。

参考文献：

[1] YUDOVICH Y E，KETRIS M P.Mercury in Coal：A Review Part 2.Coal Use and Environmental Problems[J].International Journal of Coal Geology，2005，62(3):135-165.

[2] BIAN Z F，DONG J H，LEI S G，et al.The Impact of Disposal and Treatment of Coal Mining Wastes on Environment and Farmland.[J].Environmental Geology，2009，58(3):625-634.

[3] BIAN Z，INYANG H I，DANIELS J L，et al.Environmental Issues from Coal Mining and Their Solutions[J].Mining Science & Technology，2010，20(2):215-223.

[4] 陈华丽，陈刚，李敬兰,等.湖北大冶矿区生态环境动态遥感监测[J].资源科学，2004，26(5):132-138.

[5] 周春兰，张秋劲，徐亮,等.遥感技术在攀枝花矿区生态环境监测中的应用[J].四川环境，2012，31(S0)：23-27.

[6] 李学渊，赵博，陈时磊,等.基于遥感与GIS的矿山地质环境时空演变分析——以东胜矿区为例[J].国土资源遥感，2015，27(2):167-173.

[7] MONJEZI M，SHAHRIAR K，DEHGHANI H，et al.Environmental Impact Assessment of Open Pit Mining in Iran[J].Environmental Geology，2009，58(1)：205-216.

[8] CHAROU E，STEFOULI M，DIMITRAKOPOULOS D，et al.Using Remote Sensing to Assess Impact of Mining Activities on Land and Water Resources[J].Mine Water and the Environment，2009，29(1)：45-52.

[9] ERENER A.Remote Sensing of Vegetation Health for Reclaimed Areas of Seyitömer Open Cast Coal Mine[J].International Journal of Coal Geology，2011，86(1):20-26.

[10] 姚峰，古丽·力帕尔，包安明，等.基于遥感技术的干旱荒漠区露天煤矿植被群落受损评估[J].中国环境科学，2013，33(4)：707-713.

[11] 崔龙鹏.对淮南矿区采煤沉陷地生态环境修复的思考[J].中国矿业，2007，16(6)：46-48，52.

[12] 葛沭锋，王晓辉，耿宜佳.淮南矿区沉陷地生态治理研究[J].安徽农业科学，2015，43(4)：271-274.

[13] 范忻，汪云甲，张书建.淮南矿区土地利用变化遥感监测及驱动力分析[J].矿业研究与开发，2012,32(4):81-84.

[14] 汪炜，汪云甲，张业,等.基于GIS和RS的矿区土壤侵蚀动态研究[J].煤炭工程，2011，(11):120-122.

[15] 黄家政，赵萍，郑刘根,等.淮南矿区土地利用/覆盖时空变化特征及预测[J].合肥工业大学学报(自然科学版)，2014，37(8):981-986.

[16] 王晓辉，耿佳怡.淮南煤矿区土地利用变化分析[J].安徽农业科学，2015，43(36)：295-298.

[17] 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遥感应用研究所，2003.

[18] 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.

[19] 彭道黎,滑永春.北京延庆县植被恢复动态遥感监测研究[J].中南林业科技大学学报，2008，28(4)：159-164.

[20] 李琳.北京郊区植被覆盖度变化动态遥感监测[D].北京：北京林业大学，2008.

[21] 河保偏矿区植被覆盖度演变趋势与驱动力分析[D].太原：山西大学，2012.