云南大理苍山保护区植被覆盖度动态变化遥感监测与分析

王一富， 袁 磊,2*

(1.云南师范大学信息学院，昆明 650000; 2.西部资源环境地理信息技术教育部工程研究中心，昆明 650000)

在山地地理系统中，植被(vegetation)可以说是系统中最重要、最敏感的部分，同时也是区域覆盖植物群落的总称[1]。它不但能够保护生态系统和自然环境，而且在防止水土流失、减缓径流方面也起着非常关键的作用[2-3]。众所周知，植被覆盖度(vegetation fractional cover，VFC)是在一定区域内对植被覆盖状况的关键衡量指标[4-5]，其变化是研究山区自然地理格局以及分析山地自然地理过程变化的关键[6-8]。

植被是遥感影像上重要的地物信息[9]。遥感数据获取速度快、周期短、覆盖范围广、分析便捷等特点，使遥感技术在大范围植被监测方面具备特别的优势，目前已经成为对植被覆盖变化进行监测的重要手段。近几年，在植被遥感监测方面的研究已经有了非常多的分析方法[10-14]。在众多方法之中，由于归一化植被指数在时空上具有连续性特点，所以经常用于监测植被生长状况[15]。如廖春贵等[16 ]对北部湾经济区植被覆盖变化的特征及驱动因素进行研究；阿拉努尔·艾尼娃尔等[17]利用MODIS陆地专题产品(MODIS/terra vegetation indices 16-Day L3 Global 250 m SIN Grid.，MOD13Q1)数据为基础研究了哈密市近17年来归一化植被指数(normalized difference vegetation index，NDVI) 的空间变化特征以及与气候因素的关系。同时，归一化植被指数能很好地反映植物状态和植物覆盖度，是衡量区域生态环境和地理系统的重要指标[18-19]。例如，郭秀丽等[20]基于NDVI像元二分法, 利用Landsat-TM数据反演了内蒙古自治区杭锦旗植被覆盖度；陈建军等[21]基于NDVI 与野外实测数据建立了植被覆盖度回归模型, 估算了疏勒河源区的植被覆盖度。目前中外相关研究已有很多，但对于高原地区的植被覆盖度研究相对较少，其海拔高、气候恶劣的特点使其在监测过程中有较大困难。

苍山位于大理自治州中部，其垂直分带性明显具有十分丰富的生物多样性，但其生态环境极其脆弱，生态地位极为重要，被誉为“世界屋脊的屋檐”。基于像元二分模型的原理，利用苍山保护区四期的landsat 5 TM遥感影像，并且结合NDVI计算植被覆盖度进而分析植被覆盖度的变化。这对研究大理苍山保护区的生态环境保护以及维护生物多样性具有重要的意义,同时也可为云贵高原、青藏高原高寒植被覆盖度监测和保护提供决策依据。

1 研究区概况

苍山平均海拔在3 500 m以上，位于云南省大理白族自治州的中部地区，被人们誉为“世界屋脊的屋檐”。苍山地理位置独特，面积广阔，总面积为57 710 hm2(1 hm2=10 000 m2)，其植被类型多样，主要有云南松、冷杉、杜鹃等，并且已经有7种植被被列入了国家重点保护野生植物名录。

大理苍山保护区的生物系统环境复杂多变，苍山相对高差较大，垂直分带性明显，使其具备差异较大的生态环境，致使其保护区内植物种类繁多，野生濒危动植物和特有物种众多。大理苍山于2012年1月12日成为候选世界公园，正式被列为世界地质公园是在2014年9月13日。

2 数据来源与处理

采用landsat 5 TM影像数据，以2001、2005、2009以及2011年的影像为数据源，这些数据都是空间分辨率为30 m，时间分辨率为16 d的影像。数据来源于地理空间数据云。使用遥感图像处理平台(environment for visualizing images,ENVI)ENVI4.8和ARCGIS10.3进行图像处理。在处理过程中，对遥感影像进行了坐标转换、辐射定标及大气校正，并且根据大理苍山自然保护区的矢量数据，对遥感图像进行了相应的裁剪。通过对大理苍山自然保护区的遥感图像进行分析，从而为植被覆盖度的计算提供相应的依据。研究技术路线如图1所示。

图1 技术路线Fig.1 Technology route

2.1 坐标转换

研究选用Landsat TM数据为D_WGS_1984投影坐标系，矢量数据为GCS_Xian_1980地理坐标系，因此，需要转换坐标系，将两种数据的坐标进行统一定义，将坐标统一定义为D_WGS_1984坐标系。

2.2 辐射定标

辐射定标的目的是为了将遥感器得到的测量值转变成与地表反射率等有关的相对值的转变过程。辐射定标是根据从下载的数据中的MTL文件中在ENVI中的landsat calibration中输入各种参数来进行的。

2.3 大气校正

为了进一步消除大气对地物反射所造成的影响，要对遥感影像数据进行大气校正[22]。在大气校正的环节中，主要采用黑暗像元法(利用ENVI中的dark subtract)。这是通过从其他像元中减去黑暗像元值以及黑暗像元增加的像元值来进一步减小大气对遥感图像的影响的过程。

2.4 影像裁剪

图像裁剪的目的是为了将研究区域范围之外的部分去除。根据对研究区的矢量数据对研究区范围进行不规则裁剪。主要采用在ENVI中用矢量数据生成感兴趣区来完成图像的裁剪(图2)。

图2 影像裁剪Fig.2 Video clipping

3 研究方法

在数据源处理的基础上，运用NDVI计算植被指数，并通过采用改进的像素二分模型估算出大理苍山保护区的植被覆盖度。根据植被覆盖度计算结果，进一步分析了大理苍山保护区植被覆盖度的变化及其原因。

3.1 NDVI计算

归一化植被指数(NDVI)是现在应用最为普遍的植被指数[23]。这个指数能够对植被的生长状况进行良好的反馈，同时还能够更加直观地显示植被的分布情况。对于植被在不同时期的动态变化也能够分析得比较全面。由于本研究主要是对在不同时间段苍山保护区的植被覆盖度整体的变化情况进行相应的分析，所以在计算时选择归一化植被指数较为适宜，计算公式为

(1)

式(1)中：NIR代表的是近红外波段；Red代表的是红光波段。

计算苍山的NDVI时，Landsat TM对应的是4波段和3波段，计算公式为NDVI=(B4-B3)/(B4+B3)。

3.2 植被覆盖度遥感估算

植被覆盖度主要是指植被的垂直投影面积在统计区总面积中所占的百分比[24]。采用像元二分模型法对大理苍山自然保护区植被覆盖度进行估算。

利用像素二分模型估算植被覆盖率的方法简单可靠，这种植被遥感估算模型具有很强的实用性[25]。目前，遥感技术已广泛应用于植被覆盖度的测量，但植被指数是计算植被覆盖度最常用的方法之一。NDVI的使用比较常见，以下模型的使用是通过像元二分模型衍生而来。

VFC=(NDVI-NDVImin)/(NDVImax-NDVImin)

(2)

用NDVIsoil代表无植被区域的NDVI；NDVIveg代表纯植被区域的NDVI。计算NDVIsoil和NDVIveg的公式为

(3)

NDVIveg=

(4)

运用式(2)模型来估算植被覆盖度，就要确定NDVIsoil和NDVIveg。

在确定最大和最小值时，要分两种情况来讨论：

(1)当VFCmax=100%，VFCmin=0%时，式(2)可变为

VFC=(NDVI-NDVImin)/(NDVImax-NDVImin)

(5)

式(5)中：NDVImax为区域内最大的NDVI值；NDVImin为最小值。

(2)当不能取VFCmax=100%，VFCmin=0%时，如果有实测数据，则VFCmax和VFCmin的值则是在实测数据里取其中的最大值以及最小值。如果没有实测数据，则取一定置信度范围内的NDVImax和NDVImin。

4 研究结果与分析

图3 4期NDVI影像Fig.3 NDVI images of 4 stages

图4 4期植被覆盖度的图像Fig.4 Vegetation coverage images of 4 stages

研究是利用ENVI4.8进行计算的，根据式(1)，得到了4期NDVI影像(图3)。对于大理苍山保护区植被覆盖度的研究是在没有实测数据的情况下进行的，需要在计算出来的NDVI中确定一个置信区间进行研究，置信区间设定的目标是为了排除异常值。理论上来说，对于纯裸土和纯植被而言，NDVIsoil和NDVIveg取值分别为0和1，但是在实际中，这两个值一般不会是一个确定值，这主要是气候、光照以及其他环境因素所导致的结果，它们会随着环境和图像质量的情况而有所变化。为了避免图像的影响，在研究中不直接使用NDVI分布值中的最大值和最小值，在选择这两个值时采用NDVI概率分布的方法，得到表1所示的NDVI取值。然后把这些值运用到式(4)中，并且在ENVI中的Band math进行运算得到图4所示的4期植被覆盖度影像。

植被覆盖度是研究区每个像元所占总像元的比例。将4期的植被覆盖图从ENVI中用标签图像文件格式(tag image file format,TIFF)保存，然后导入ArcMap中，在ArcMap中将图像进行重分类，将植被归为一类，非植被归为另一类，打开属性表，属性表里直接显示出植被像元数和非植被像元数，统计整理数据如表2所示。

根据表2统计出来的各个年度像元的数量来计算年平均植被覆盖度，结果如表3所示。

表1 NDVI的取值Table 1 The NDVI value

表2 各年份像元的个数Table 2 The number of picture element per gear

植被覆盖度的动态变化能够直接反映研究区内植被生长状况的优劣，植被覆盖度增加和减少表明研究区域的植被在整体上呈现出增加和减少的趋势。根据表3的数据制成折线图，可以清楚地观测出植被覆盖度地年际变化趋势(图5)。

表3 植被覆盖度Table 3 Vegetation coverage

图5 4期的植被覆盖度Fig.5 Vegetation coverage of 4 stages

由图3和图4可以看出，苍山东侧的植被覆盖度远远高出西侧。这是由于苍山东侧临近洱海受到水气等条件的影响，气候相对湿润，使得苍山东侧更适宜植被生长。从图5结合表3可以看出，2001—2005年的植被覆盖度的值呈上升趋势，且上升幅度较大，植被覆盖度由2001年的0.32增加到2005年的0.38，增加了0.06，2005—2009年有所下降，但下降幅度较小，仅由0.38下降到0.35，减少了0. 03，植被覆盖度变化较小。2009—2011年，从0.35上升到0.45，增加了0.1，涨幅明显增大。因此，从整体上看，2001—2010年植被覆盖度仍然处于上升状态，说明植被的长势较好。由于在2007年苍山斜阳峰发生大规模火灾，毁坏植被面积达到2 000多亩，从而导致在2005—2009年这段时间植被覆盖度下降比较严重。这使得苍山的植被在很长一段时间内得不到恢复，因此在2005—2009年这个时期植被覆盖度呈下降的趋势。而在后来的4年间植被覆盖度的值增加较大，是由于苍山植被的良好长势，植被得到了很好的恢复。

5 结语

利用landsat5 TM遥感影像数据，采用基于归一化植被指数结合像元二分模型的方法估算出2001、2005、2009和2011年大理苍山研究区的植被覆盖度，并获得了研究区植被覆盖度的遥感图像。从研究结果分析得出，2001—2011年的植被覆盖度大体上呈上升趋势。这是多种因素综合作用的结果。因此通过对大理苍山保护区植被覆盖度的动态变化遥感监测，能够看出近年来植被覆盖度的年际变化，对保护苍山的植被和生物多样性具有重要应用价值。