利用NDVI与EVI再合成的植被指数算法

杨杰，张莹莹，王建雄，康雄，曹俊涛

(1.云南农业大学 水利学院，昆明 650201；2.云南省高校农业遥感与精准农业工程研究中心，昆明 650201；3.云南农业大学 外语学院，昆明 650201)

0 引言

植被作为自然地理环境中重要组成部分，影响着自然生态环境的能量平衡，并在水土流失、土壤侵蚀等方面发挥着重要作用[1]。21世纪以来，遥感技术广泛应用于农业研究、生态监测、区域规划等方面，为大面积植被检测、量化提供有效的手段[2]。诸多国内外学者通过植被指数研究植被覆盖变化，已取得大量结果。Benewinde等[3]利用归一化植被指数(normalized difference vegetation index， NDVI)变化趋势和土地利用变化分数(land use/land cover change， LULCC)对布基纳法索大草原植被覆盖降低原因进行研究，表明降低原因与人类活动、气候和地形条件有关；杜英坤等[4]通过对石家庄1995—2015年期间植被覆盖变化进行监测，表明石家庄植被覆盖度均值增加了3.71%，且人为因素是变化的主要因素；许婧等[5]基于NDVI数据对西双版纳植被覆盖变化趋势进行研究，表明西双版纳月变化呈典型底部单峰式分布，年变化呈波动上升趋势；张佳琦等[6]基于NDVI数据和同期降水、气温对三江平原NDVI时空变化及气候变化响应特征进行了分析，表明近15年三江平原NDVI呈缓慢上升趋势且NDVI与降水相关性最高；李辉等[7]利用增强型植被指数(enhanced vegetation index， EVI)影像数据对鄂温克旗地表植被覆盖演化进行研究，结果表明2000—2014年鄂温克旗地区植被指数呈增加趋势，东部地区的EVI增幅大于西部，EVI下降地区主要分布在西北地区；李丹利等[2]比较了若尔盖地区NDVI和EVI遥感数据在植被生育期分析中的差异，表明NDVI和EVI数据空间分布特征相似，在植被生长旺季EVI较NDVI更敏感。

以往的研究多单独使用NDVI、EVI来进行植被覆盖变化研究分析，NDVI具有能在大范围内较为精确反映植被生长状况的特点，对季节性和年变化研究有重大意义，但当地面植被茂密时，NDVI植被指数会出现饱和现象[8]；EVI能较好地解决NDVI的饱和问题，但同时也会将类似于植被光谱特征的像素点提取出来，最终影响植被变化分析结果[9]。整体上来说NDVI、EVI单独使用时，对研究植被覆盖变化效果都有欠缺，这就需要将2种植被指数进行再合成。针对单独使用NDVI、EVI对云南省植被覆盖变化分析出现的饱和问题，使用EVI与NDVI植被合成指数(vegetation index，VI)对研究植被覆盖变化具有重要意义。云南省作为全国生物多样性保护重点地区，植被茂密、覆盖度高，可较好地对比各种植被指数对覆盖变化的差异和精度，本文选取2009—2015年云南省MODIS EVI与MODIS NDVI中国合成产品数据，在时间上通过植被指数归一化再合成、空间上通过植被指数向量分析法对云南省月植被覆盖变化进行趋势分析，最后对比方差、变异系数来评价EVI、NDVI和VI的精度。

1 研究区概况

云南省位于中国西南边陲，经纬度跨度为21°N～29°N和97°E～109°E，受东南季风、西南季风以及青藏高原区的影响，形成了复杂而多样的地理生态环境。云南省除干热河谷外，整体气温分布呈北凉南热的特征，滇东北、滇东南及红河南部气温年均日较差较小，滇中高原和滇西地区较大；受冬夏两季大气环流的控制和影响，降水在季节上和地域上的分配极不均匀，6—8月(湿季)降水量最多，约占全年降水量的60%，11—次年4月(旱季)，降水量仅占全年的10%～20%，地域上呈东、西、南三面降水多，由中部到北部逐渐减少的总体趋势[10-11]。云南省植被以雨林、阔叶林、针叶林和灌木草丛为主，热带雨林和季雨林分布在滇东南及滇南23°N，滇西南25°N的热带区域，常绿阔叶林分布在热带以北的区域，区域面积较大，云南省林地资源分布见图1。

图1 云南省林地资源分布图

2 材料与方法

2.1 数据与处理

1)数据来源。MODEV1M与MODND1M影像数据集均属于地理空间数据云(http：//www.gscloud.cn)。其中MODEV1M为中国EVI月合成产品，由MODEV1D计算得到，计算方法为取月内最大值，坐标系为EPSG：4326(WGS84)，空间分辨率为250 m。MODND1M为中国NDVI月合成产品，由MODND1D计算得到，计算方法为取月内每天最大值，坐标系为EPSG：4326(WGS84)，空间分辨率为500 m。2组数据集时间跨度均为2009—2015年。同时，本次研究还用到了云南省行政区划图进行影像裁剪和分区统计，以及云南省林地资源分布图(图1)，通过查阅《云南省年鉴》获取云南省历史降水、气温、极端气象资料。数据详细信息见表1。

表1 数据源详细信息表

2)数据预处理。用ENVI 5.3软件将MODIS EVI数据集进行重采样，使250 m空间分辨率变为500 m；通过ArcGIS对全国2009—2015年每月NDVI与重采样后的每月EVI遥感图像进行格式和投影变换；叠加云南省行政区划图，通过掩膜裁剪提取得到云南省月NDVI与月EVI；采用最大值合成法(maximum value composite， MVC)、均值合成法合成每月NDVI与EVI值。

①最大合成法。MVC算法简单，使用方便，广泛应用在NDVI的初步除噪过程中，但对于连续多日多云天气容易出现较大误差[12-13]。对NDVI、EVI影像数据取像元最大值合成而成的，可最小化大气散射和云的影响，拟合缺损值，计算公式如式(1)、式(2)所示。

NDVIY(i，j)=max(NDVIX(i，j))

(1)

EVIY(i，j)=max(EVIX(i，j))

(2)

②均值合成法[14]。对NDVI、EVI影像数据取像元平均值合成而成的，可避免极端值的影响，计算公式如式(3)、式(4)所示。

NDVIY(i，j)=mean(NDVIX(i，j))

(3)

EVIY(i，j)=mean(EVIX(i，j))

(4)

式中：Y代表1—12月中某一个月；X代表2009—2015年相同月份的影像数据。

2.2 研究方法

1)植被指数归一化再合成。本研究提出一种植被指数再合成法，用于植被指数在时间维度上合成，即对NDVI和EVI数据进行非线性归一化处理，可增强二者之间的差异，提高植被覆盖变化监测的灵敏度，提升模型的收敛速度，有利于对植被覆盖情况进行综合对比评价。同时可进一步消除地形、观测角、大气衰减和云/阴影的影响。计算合成植被指数VI的计算如式(5)所示。

(5)

2)植被指数向量分析法。本研究提出一种植被指数向量分析法，用于植被指数在空间维度上合成，它可同时对NDVI和EVI的差异进行分析，计算并确定二者变化强度与方向特征，其本质是一种特征向量空间变化研究方法。通过利用不同时相遥感图像的NDVI和EVI量测与计算，描述从第一时间到第二时间二者变化的方向与数量，每个像元可生成一个带有变化方向和强度的向量(图2)，以提取植被覆盖变化信息。

图2 植被指数向量合成图

每个像元的变化方向θ反映了其EVI和NDVI的变化是正向还是负向，视2种植被指数对合成向量的权重相等，则135°<θ<315°时认为植被覆盖减少；-45°<θ<135°时认为植被覆盖增加；θ=-45°或θ=-135°时认为植被覆盖不变。变化大小则为VI向量在45°与225°方向上的投影，如图3所示。

图3 合成植被指数大小与方向

2.3 植被覆盖变化趋势分析方法

1)方差与标准差评价。方差和标准差是测算植被指数(EVI、NDVI、VI)离散趋势的重要指标，通过比较方差和标准差来定量的评价各植被指数对研究植被覆盖波动性的大小和敏感程度。方差越大,表明波动性越大，敏感程度越高。

2)变异系数评价。变异系数(coefficient of variation， CV)是离散程度的归一化量度，可消除测量尺度和量纲的影响，即消除多种植被指数单位和平均数不同对评价离散程度比较的影响。变异系数越大，表明植被覆盖波动性越大，敏感程度越高。

3)回归分析法。对EVI max、EVI mean、NDVI max、VI(EVI max，NDVI max)、VI(EVI mean，NDVI max)的时序数据，采用最小二乘法拟合得到对应线性方程(y=kxi+b+εi)，通过k值来反映植被覆盖趋势，表达式如式(6)所示。

(6)

式中：y为植被指数时序数据；x为时间序列；k>0表示植被活动增高，k<0表示植被活动降低[13]。

3 结果与分析

3.1 NDVI与EVI相关性比较

因合成月NDVI与EVI值时使用最大值合成、均值合成2种方法，通过相关分析研究同种植被指数之间的相关性，确保不同合成法对同种植被指数合成结果基本一致。为选取植被指数再合成最佳NDVI与EVI，需要对NDVI与EVI二者进行相关性分析，寻求相关性最佳植被指数作为合成VI的基础数据，NDVI与EVI相关性散点图如图4，月结果如表2所示。

表2 不同合成方法下的月NDVI与EVI的相关性

图4 不同合成方法下的月NDVI与EVI相关性散点图

由表2可知，不同合成法对同一数据处理结果的相关性均达到了极显著水平，其中EVI max与EVI mean相关性最高为0.970，表明2种合成法对EVI数据集处理效果基本相同。EVI max与NDVI max相关性为-0.734、EVI mean与NDVI max相关性为-0.788，二者相关性均达极显著水平，可选择作为植被指数再合成最佳波段，且NDVI与EVI存在负相关性，这正是由于MODIS中国合成产品与MODIS标准陆地产品在月最大合成算法上的不同所引起的差异。

3.2 植被指数归一化再合成

通过上文不同合成法对EVI及NDVI相关性分析结果，选取EVI max与NDVI max、EVI mean与NDVI max作为合成植被指数(VI)的最佳波段，基于ArcGIS栅格计算器对其进行植被指数归一化再合成。回归方程、R2、回归方程系数k、月方差、月标准差和月变异系数结果如表3所示。结果表明，使用EVI mean与NDVI max再合成指数VI的k、月方差与月标准差均最大，月变异系数较单一植被指数最大，为0.551 45，对描述植被覆盖变化情况显著。回归方程系数k>0表明，云南省整体植被活动增高，植被覆盖度月变化呈增加趋势。

表3 不同植被指数评价指标

由图5可知，合成植被指数(VI)较单一植被指数而言起伏程度更大，整体波动情况更好地反映植被覆盖度季节性变化，存在明显的波峰和波谷，且5—7月出现了较大的升高，体现出植被生长旺盛的特点，对植被覆盖变化分析效果要优于其他植被指数。同时，云南省春季变化处于稳定状态，夏秋季整体呈增加趋势，冬季呈下降趋势，一年中植被覆盖先增后减，符合植被一年内生长状况。受光照、降水和气温等外界条件的综合影响，植被3月开始萌发，因降水少、温度低，植被生长受到抑制，植被覆盖增加缓慢；5—7月降水增加，温度升高，植被生长条件适宜，植被覆盖增加趋势明显；8—10月植被生长阶段完成，植被覆盖度保持稳定；11月降水减少，温度降低，同时植被进入成熟、结果时期，植被覆盖显著下降。

图5 云南省2009—2015年逐月NDVI、EVI、VI均值

3.3 植被指数向量合成

在进行植被指数向量合成时，因MODIS中国合成产品的特殊性，月合成ΔEVI需取其相反数，保证ΔEVI、ΔNDVI与实际覆盖变化情况的一致性。取3月与5月作为第一时间与第二时间，来描述春季变化情况，同样，取6月与8月描述夏季变化，9月与11月描述秋季变化，12月与2月描述冬季变化。基于EVI max和NDVI max向量合成结果如图6所示，基于EVI mean和NDVI max向量合成结果如图7所示，二者均为合成向量的投影大小变化，能在空间上直观反映植被覆盖变化情况。

图6 EVI max和NDVI max合成向量投影大小变化

图7 EVI mean和NDVI max合成向量投影大小变化

表4结果表明，基于EVI mean和NDVI max的向量合成相比基于EVI max和NDVI max的向量合成效果大致相同，二者标准差在春、秋和冬季基本一致，对描述覆盖度空间变化情况相当，但在夏季EVI mean和NDVI max的向量合成标准差为0.213 6，明显高于EVI max和NDVI max的向量合成结果，对描述植被覆盖在空间维度上的变化情况更佳。云南省植被覆盖变化地区差异性明显，3—5月处于春季，气温开始逐渐升高降水增多，滇东北、滇东南、滇西北、红河南部及西双版地区海拔较低，受气候影响较为显著，植被萌芽条件较好，植被覆盖显著增加，中西部高原地区受气候影响较弱，气温、降雨相对较低，抑制了植物的萌芽，植被覆盖略有降低的趋势；6—8月进入夏季，滇东北、滇南、滇西北降水急剧增加、日照时数增长，因高温与日照时数增长导致灼伤植物叶面，进而影响植物的光合作用；降水量过多导致植被生长受到抑制，植被覆盖明显降低，中部地区受气候条件影响较弱，植被生长状态趋于稳定，植被覆盖呈显著增加趋势；9—10月进入秋季，滇东南及滇南23°N，滇西南25°N的热带区域，降水量减少、温度降低、日照时数缩短，植被生长环境适宜，覆盖度显著增长，北部地区受气温降水影响植被覆盖呈降低趋势；11—次年2月为冬季，滇西南地处热带地区受亚热带季风气候影响，旱季干而不旱，植被生长趋于稳定，滇西北及中东部地区植物进入成熟、结果时期，植被覆盖度趋于稳定状态，滇东北与滇东南受冬季降温影响较大，植被覆盖呈显著降低趋势。

表4 向量合成法精度评价表

4 结束语

通过将EVI与NDVI在时间上和空间上进行再合成，利用合成植被指数与合成向量对云南省植被覆盖变化趋势进行系统性分析，得出以下结论。

1)MODIS中国EVI月合成产品与中国NDVI月合成产品存在极为显著的负相关性，反映植被覆盖状况相反。

2)时间序列分析表明，基于EVI mean与NDVI max再合成指数VI对植被覆盖变化趋势分析效果最好，使用EVI mean与NDVI max再合成指数VI的k、月方差与月标准差均最大，月变异系数较单一植被指数最大，为0.551 45，对描述植被覆盖变化情况显著。回归方程系数k>0表明，云南省整体植被活动增高，植被覆盖度月变化呈增加趋势，受温度、降水等自然因素的影响，植物生长特征与月变化基本匹配，春季植被覆盖呈缓慢增加趋势，夏、秋季整体呈显著增加趋势，冬季呈下显著降趋势。

3)空间分布分析表明，基于EVI mean和NDVI max的向量合成与基于EVI max和NDVI max的向量合成效果大致相同，二者标准差在春、秋和冬季基本一致，对描述覆盖度空间变化情况相当，但在夏季EVI mean和NDVI max的向量合成标准差为0.213 6，明显高于EVI max和NDVI max的向量合成结果，基于EVI mean与NDVI max植被指数向量合成对描述植被覆盖在空间维度上的变化情况最佳，云南省植被覆盖变化地区差异性明显，植被覆盖受地理位置、温度及降水影响显著，不同气候类型成为云南省植被覆盖空间变化的主要影响因素。

本研究利用EVI与NDVI进行时间与空间上的再合成，结果表明，植被覆盖变化分析通过合成植被指数研究较单一植被指数研究效果更佳，且结论对云南省植被监测研究、土地利用规划和生态保护具有重要参考价值，重在方法探讨。数据源选取为中国合成产品，未比较分析MODIS标准陆地产品数据是否具有相同的研究结果。同时，在向量合成法中未进行空间波动性分析，这是今后研究的重点。