河西干旱区植被覆盖度时空格局分析

于 惠，吴玉锋，金 毅，牛莉婷

（甘肃省水土保持科学研究所，甘肃 兰州 730020）

植被覆盖度 (vegetation fractional coverage，VFC)是生态环境评价的一个重要参量，是指示土地退化和沙漠化的一个敏感指标，对区域生态系统稳定及环境变化具有重要的影响[1-2]。因此，及时准确监测植被覆盖度的时空变化，对资源可持续利用、经济可持续发展和生态恢复具有重要应用价值。

植被覆盖度估算方法主要包括地面测量和遥感监测两种。地面测量方法易受时间、天气和交通等状况的影响，很难在大范围内开展，且该方法都是以多个稀疏离散的样方和样点的平均值代替整个区域的植被覆盖度，不能快速、准确、客观地反映区域的植被覆盖度变化情况。遥感技术的出现和发展，为大范围的植被覆盖度估算提供了新的思路。目前，常用的遥感监测方法主要有经验模型法和混合像元分解法等。经验模型法是基于数理统计原理，通过建立遥感光谱值与实测植被覆盖度的经验关系来反演植被覆盖度[3]。该方法所需参数较少，易于实现，因此广泛应用于植被覆盖度的估算，并达到了较好的反演效果[4-10]。但其缺点在于使用该方法提取植被覆盖度时，需要大量的实测数据做支撑，且普适性相对较差。混合像元分解法认为遥感影像中一个像元通常包含多种地物类型，而每种地物对传感器获取的光谱信息都有贡献，通过分析像元中各种典型地物所占比例，加权得到植被覆盖度[11]。此类方法中应用最为广泛的是像元二分模型法，它假定传感器所观测到的每个像元信息是绿色植被覆盖和无植被覆盖两部分的线性组合。该模型参数简单、计算方便，能够在一定程度上消除土壤等背景因素的影响，在不同区域的应用中表现出较高的精度和稳定性，但其难点在于区域内纯植被和纯土壤像元光谱值的确定[12-16]。基于像元二分模型，唐世浩等[17]提出了三波段梯度差法 (three band gradient difference vegetation index, TGDVI)，TGDVI是根据地物的光谱特性，提出的一种根据绿、红、近红外3个波段梯度差与全植被覆盖之比来估算植被覆盖度的方法。相较于像元二分模型，该方法饱和点较高，但在低覆盖区域的反演精度偏低。根据三波段梯度差法，古丽等[18]研究干旱区荒漠植被的光谱特征发现，除了近红外和红波段外，在短波红外波段植被和非植被也有显著的差别，因此采用短波红外波段代替绿波段提出了改进的三波段最大梯度差法 (modified TGDVI，MTGDVI)。该方法进一步增大了植被与非植被区的差异，在不同尺度上估算的植被覆盖度与实测值的一致性较好，然而在土壤湿度增加时，反演精度有所下降[18-23]。

河西地区位于我国西北气候干旱区，植被覆盖稀疏、破碎。河西地区草地生态系统是我国北方重要的生态屏障，阻挡着腾格里、巴丹吉林和库姆塔格三大沙漠入侵内陆的步伐。研究该区植被覆盖度的变化，对于维护区域生态平衡和生态环境恢复等方面都具有重要的科学指导意义。因此，有必要比较不同干旱区植被覆盖度估算方法在河西地区的应用效果，以此准确获取该区的植被覆盖度。本研究以河西地区为试验区，利用MODIS数据和野外样地实测数据，系统分析经验模型、像元二分模型和修正的三波段最大梯度差法在区域内的适用性，从而找到适用于该区草地植被覆盖度的估算方法，并分析2001-2015年干旱区草地植被覆盖度时空动态特征，以期为干旱区草地资源和生态环境的动态监测和评价提供科学基础。

1 研究区概况

河西地区位于甘肃省西北部，东起乌鞘岭，西与新疆维吾尔自治区相连，南依祁连山、阿尔金山分水岭北坡，北接腾格里和巴丹吉林沙漠。地理位置为 92°12′-103°54′ E，37°09′-42°48′ N。东西长约 1 000 km，南北宽 40～120 km，平均海拔1 500 m左右。该区具有大陆性气候和青藏高原气候综合影响的特点，属于干旱少雨、蒸发强烈的强沙尘暴多发地区。年平均气温为5～10 ℃，年平均降水量138 mm，个别地区在50 mm以下。年日照时数 3 000～4 000 h，多年平均太阳总辐射量值约为 7 161 MJ·(m2·a)-1， ≥0 ℃ 年积温多年平均值为 3 564 ℃·d，平均蒸发量超过 1 000 mm[24]。区域内土壤大区为西北干旱漠土，走廊西部分布有棕色荒漠土，中部为灰棕荒漠土，东部则为灰漠土、淡棕钙土和灰钙土[25]。

河西地区拥有各类天然草地面积9.8万km2，占该区土地总面积的35.6%。其中可利用草地面积8.7 万km2，山区草地面积占草地总面积的38.7%。受地形和气候等因素的影响，草地类型呈多样性(图1)。

2 数据与方法

2.1 Terra/Aqua MODIS 地表反射率产品

MODIS数据采用来自NASA地表过程数据中心(LP DAAC)L3级的地表反射率产品MOD09A1，

图 1 河西地区草地类型和野外采样点分布图Figure 1 The distribution of grassland types and field sampling sites in Hexi arid area

涵盖了可见光、近红外和短波红外1～7 波段的地表反射率等数据。投影方式为正弦曲线投影，时间分辨率为8 d，空间分辨率为500 m。本研究采用的是空间位置在全球正弦投影系统中编号为h25v04、h25v05和h26v05的影像，数据格式是EOS-HDF，版本为V005，时间序列为2001-2015年5-10月15 个生长季。使用 MRT (MODIS Reprojection Tools)和ArcGIS软件，对下载的MOD09A1产品进行格式转换、拼接和地图投影转换等预处理。

2.2 草地实测数据与辅助数据库

外业调查集中在2005、2006、2014和2015年7-8月草地生长季期间。采用路线监测的方法，选择交通能够到达，草地相对均质，面积大于1 km ×1 km的草地作为代表性样地，每个样地内设置3 个 0.5 m × 0.5 m 的样方。样地调查内容包括样地所隶属草地类型、地形、坡度、坡向、土壤质地、经纬度、海拔高度、植被覆盖度等指标。2005、2006、2014和 2015年分别设置样地 18、36、30和22个。将每个样地内3个样方的平均值作为1条数据记录，最终得到样本记录106条(图1)。辅助数据包括研究区1∶50万草地类型图、行政分区等相关空间数据库。

2.3 植被覆盖度反演方法和精度验证

2.3.1 植被覆盖度反演方法

本研究共使用了经验模型法、像元二分模型法和改进的三波段最大梯度差法3种基于遥感的干旱区植被盖度计算方法，结合实测样方数据，比较这些方法提取河西地区草地植被盖度的准确性，找出适用于该区的植被盖度计算方法。

经验模型法是利用光谱值与实测数据之间的相关关系来反演植被覆盖度。本研究选择包括NDVI、NDTI、DVI、TVI等在内的10种不同的植被指数，结合地面实测数据建立植被指数与植被覆盖度之间的线性回归模型，用以估算研究区植被盖度。将106个样点随机分为两部分，其中72个样点用于模型构建，34个样点用于验证模型的精度。

像元二分模型法在估算植被覆盖度时多采用NDVI值，其计算公式如下：

改进的三波段最大梯度差模型：

式中：A为植被覆盖度，、和分别代表红、近红和短波红外波段的反射率，、和

2.3.2 植被覆盖度精度验证

为了综合衡量不同植被覆盖度估算方法的精度，利用34个验证样本的野外实测结果与影像估算值进行统计分析。采用平均绝对误差δ、均方根误差RMSE及预测值和实测值之间的相关系数r作为验证模型精度的指标[10, 21]，以此来评价不同方法在河西地区植被覆盖度监测中的适应性。

2.4 草地植被覆盖度时空动态特征

利用已建立的草地植被覆盖度反演模型以及MODIS 地表反射率产品，结合研究区草地类型图，分析研究区2001-2015年生长季草地植被覆盖度的空间分布状况和年际动态变化等特征。为分析河西地区草地植被覆盖度年际变化情况，采用线性拟合的方法分析植被覆盖度变化趋势，即用线性拟合的斜率()表示年变化率，通过显著性分析将植被覆盖度变化情况划分为5个等级[20]：极显著退化 (＜-0.1%，P≤ 0.01)、显著退化＜-0.1%，0.01＜P≤ 0.05)、保持不变 (P＞0.05)、显著恢复 (＞0.1%，0.01＜P≤ 0.05)、极显著恢复 (

3 干旱区植被覆盖度估算及时空变化特征

3.1 植被覆盖度估算方法精度分析

利用未参与建模的34个验证样本对不同植被覆盖度模型进行验证。采用平均绝对误差δ、均方根误差RMSE和相关系数r来评价模型准确度，将野外实测样本与不同模型的估算结果进行统计分析。比较不同植被覆盖度模型的计算精度，检验不同方法在河西地区的适用性(表1)。总体而言，经验模型法的估算精度最高，大部分经验模型的平均绝对误差和均方根误差较其他两种方法小，相关系数较大。其次为改进的三波段最大梯度差法，反演效果最差的为像元二分模型法，平均绝对误差和均方根误差均为所有方法中最大的，相关系数较小。说明基于MODIS NDVI的像元二分模型并不适用于干旱区草地植被盖度的估算，特别是在纯植被和裸土阈值的选择上还存在很大的不确定性。改进的三波段最大梯度差法在新疆荒漠植被区反演效果较好，但对河西地区草地植被覆盖度的估算精度并不理想，这一结果与该方法在其他地区的应用效果相一致[20-22]。虽然经验模型法对实测数据的依赖性大，但对于有大量实测数据的研究区而言，其估算模型的可靠性更高。

表 1 植被覆盖度估算方法精度分析结果Table 1 The results of accuracy analysis for estimation methods of vegetation fractional coverage

经验模型法中使用TVI植被指数的估算模型精度最高，估计值和实测值之间的平均绝对误差和均方根误差在10种植被指数中均最小，分别仅为0.102和0.123，相关系数则高达0.893。因此，确定转换植被指数TVI和植被覆盖度之间建立的回归模型为最优的覆盖度反演模型，利用SPSS软件统计分析反演模型的参数，各参数均通过了显著性检验，河西地区草地植被覆盖度的监测模型为：

3.2 植被覆盖度时空变化特征

3.2.1 植被覆盖度空间分布格局

利用建立的植被覆盖度反演模型和TVI指数，估算2001-2015年生长季最大植被覆盖度多年平均值(图2)。2001-2015年河西地区草地生长季植被最大覆盖度均值为42.6%，且空间分布差异明显。由东南向西北植被覆盖度逐渐降低，东南部草地植被覆盖度最大可达100%，西部和北部植被覆盖度最低仅为8.3%。研究区超过一半的草地生长季最大覆盖度多年平均值小于40%，主要分布在研究区北部地区。可见当地严酷的自然条件不利于草地植被的生长发育。其中，植被覆盖度小于20% 的草地占草地总面积的4.25%，集中分布在黑河和疏勒河流域的下游地区；植被覆盖度在20%～30%的草地占草地总面积的37.40 %，主要分布在石羊河和黑河流域下游地区、疏勒河北岸的马鬃山一带及阿尔金山东段地区；植被覆盖度在30%～40%的草地占草地总面积的18.63%，大面积分布在研究区西部的祁连山西段区域。植被覆盖度在40%～60%的草地占草地总面积的19.58%，主要分布研究区中部的平原地带和祁连山的中西段；覆盖度大于60%的草地占草地总面积的20.14%，集中分布在研究区东南部的祁连山国家级自然保护区境内。

图 2 2001-2015 年生长季草地植被最大覆盖度多年平均值空间分布格局Figure 2 The spatial distribution pattern of annual average coverage during growing season from 2001 to 2015

表 2 2001-2015 年不同草地类型生长季最大覆盖度多年平均值Table 2 The annual average coverage of different grassland types during growing season from 2001 to 2015

统计各草地类型植被覆盖度(表2)发现，河西地区植被覆盖度最高的草地为山地草甸，多年平均覆盖度为90.2%，标准偏差为12.1%；其次为高寒草甸和温性草原，平均植被覆盖度分别为74.7%和73.6%，不同的是温性草原的标准差较高寒草甸小。其余几类草地植被覆盖度均在50%以下，其中，温性荒漠植被覆盖度最低，平均植被覆盖度仅为30.6%，标准差为12.5%。植被覆盖度较高的几类草地，都分布在降水较为丰富的祁连山麓一带。

3.2.2 草地植被覆盖度年际变化特征

2001-2015年河西地区草地植被覆盖度总体上呈现极显著的上升趋势，年增加率在0.36%(R2=0.552，P＜0.01)。覆盖度最低的年份出现在 2001 年(37.7%)，最高年份出现在2012年(45.6%)。可见退耕还林还草、封禁等政策的实施，在当地取得了一定的成果。分析不同草地类型植被覆盖度变化趋势(图3)，除温性草原、温性荒漠草原和山地草甸呈显著增加趋势外，其余草地类型植被覆盖度都呈极显著增加趋势。呈显著增加趋势的草地中温性草原增加速率最快，年增加率为0.51%(R2=0.302，P＜0.05)；山地草甸增加速率最低，每年增加 0.28%(R2= 0.394，P＜0.05)。极显著增加的草地中低地草甸增加速率最快，年增加率0.50% (R2= 0.919，P＜0.01)；其次为温性草原化荒漠，年增加率为 0.49% (R2= 0.497，P＜0.01)；高寒草原年增加率也较大为 0.46% (R2= 0.465，P＜0.01)；作为研究区分布范围最广的草地类型，温性荒漠植被覆盖度也呈现极显著增加趋势，年增加率为0.30% (R2=0.579，P＜0.01)；高寒草甸年增加率最低为 0.27%(R2= 0.541，P＜0.01)。

图 3 2001-2015年不同草地类型植被覆盖度年际变化特征Figure 3 Inter-annual variation of vegetation fractional coverage in different grassland types from 2001 to 2015

15年间河西地区草地植被覆盖度年变化率介于-1.23～0.27。变化率为正值表示植被覆盖度逐年增加，负值则表示逐年降低。虽然研究区草地植被覆盖度总体上呈增加趋势，但在空间分布上存在一定的异质性。根据植被覆盖度年变化率，统计分析了研究区植被覆盖度变化趋势(图4)。15年间研究区绝大部分草地植被覆盖度基本保持不变，占草地总面积的62.51%；三分之一以上的草地植被覆盖度呈逐年增加的趋势，其中极显著恢复的草地占19.28%，集中分布在中部黑河流域的中下游地区，以及疏勒河沿岸地带；显著恢复的草地占草地总面积的17.79%，主要分布在西部疏勒河流域内的马鬃山南部、阿尔金山和祁连山一带。仅有个别地区的草地呈退化趋势，其中显著退化草地占0.29%，极显著退化的草地占0.14%，退化草地主要分布在马鬃山北部和石羊河流域西部地区，在祁连山东段区域也有零星分布。由此可见，河西地区草地生长状况整体上有一定程度的改善，但局部地区的草地仍呈恶化趋势，究其

图 4 2001-2015年植被覆盖度年变化趋势分布格局Figure 4 The distribution pattern of annual variation trend of vegetation fractional coverage from 2001 to 2015

原因可能是由于长期以来对草地不合理的利用(如过度放牧)或大规模探、采矿活动，对局部地区植被造成了破坏。

分析15年间不同草地类型的植被变化状况，低地草甸植被变化最为明显，退化和恢复的草地所占面积比例都是所有草地类型中最高的，植被状况以恢复为主(50%以上)。温性荒漠有40%以上的区域植被得到改善。除低地草甸和温性荒漠外，其余几类草地的植被覆盖度基本保持不变(60%以上)，其中温性荒漠草原最稳定，其他依次为高寒草甸、温性草原、山地草甸、温性草原化荒漠、高寒荒漠和高寒草原(表3)。

表 3 不同草地类型植被变化面积比例Table 3 Statistical results of the area ratio of vegetation change in different grassland types%

4 结论

本研究针对干旱区草地植被，探讨了经验模型法、像元二分模型法和改进的三波段最大梯度差法3种干旱区植被覆盖度估算方法在河西地区的估算精度，发现基于TVI植被指数的经验模型总体精度最高，适用于河西地区草地植被覆盖度的估算。在此基础上，统计分析了近15年来草地植被盖度时空分布格局。结果表明，河西地区草地生长季植被最大覆盖度均值为42.6%，且空间分布差异明显，由东南向西北植被覆盖度逐渐降低；超过一半的草地生长季最大覆盖度小于40%，主要分布在研究区西北部地区，植被覆盖度最高的区域集中分布在东南部的祁连山国家级自然保护区境内。河西地区草地植被覆盖度总体上呈现极显著增加趋势，但在空间分布上存在一定的异质性；绝大部分草地植被覆盖度基本保持不变；30%以上的草地植被呈恢复趋势，集中分布在研究区中、西部地区；个别地区的草地呈退化趋势，零星分布在马鬃山北部、石羊河流域西部及祁连山东段地区。

总体而言，在有大量实测数据支持的区域，经验模型法对植被覆盖度的估算精度更高，但缺点在于不易在别的地区进行推广。在今后的工作中可以考虑结合多源卫星遥感资料及新型技术(如无人机)，着重研究利于在其他地区推广的植被覆盖度估算模型(如混合像元分解模型)，改进干旱区植被覆盖度估算方法。