矿业城市植被覆盖度空间提取及时空分析——以徐州市为例

徐嘉慧,王世东

(河南理工大学测绘与国土信息工程学院，河南 焦作 454000)

我国矿业城市是资源型城市的主要组成部分，在城市群中占据了举足轻重的位置。矿业城市不仅供应了举国所需的能源和原材料，而且加快了区域经济社会的协调发展和城市化进程。我国经济实力的快速提升，大批就业岗位的产生及社会的稳定和和谐发展都离不开矿业城市的有力支撑。但矿产资源的长期开采造成了矿区生态环境的污染和破坏，打破了原有的生态平衡，严重影响了社会的可持续发展。

利用遥感技术可以对矿区开采造成的生态影响提供准确的数据[1]。在国外，Legg[2]通过遥感的手段，对地表采矿所导致的环境问题进行了定性评价；Venkataraman等[3]综合遥感数据和基础数据定性分析了矿区开发对矿区地表植被、土地利用和土质的影响水平。在国内，杜培军等[4]探讨了3S技术在矿区生态环境重建和环境评价方面应用的可行性和优越性；王晓红等[5]对高分辨率卫星数据在矿山开发状况及环境监测中的应用效果进行了比较；陈华丽等[6]利用时间序列遥感图像，定量分析了矿区周边生态的时空变化；张杰林等[7]通过光谱建模和高光谱数据挖掘技术，研究了煤矿区污染源的时空分布状况并对矿区环境进行了综合评价。目前，社会各界人士将目光主要放在了矿区的土地利用变化方面，只有少数人研究植被的变化状况。植被覆盖度可以衡量城市不同地区的植被量，其等级划分可以用来统计城市植被分布健康情况[8]。矿区的植被覆盖度是生态变化的重要评价参数，也是衡量矿业城市生活质量和城市文明的重要标志，是一座城市可持续发展的重要环境因素。因此，研究矿业城市的植被覆盖时空变化可有效反映城市转型发展的变化趋势，为生态环境保护提供支持。

由于时空覆盖的广泛性和数据可用性，遥感数据可以在评估城市植被面积、类型和分布方面发挥重要作用，为动态、实时监测与评价城市植被空间信息提供了有效手段。谷歌地图引擎(Google Earth Engine,GEE)[9]提供大量多尺度、多源遥感数据，如Landsat TM/OLI，MODIS和Sentinel-1/2等，并进行实时更新，可以在线处理数据，与传统的下载数据、进行预处理的遥感软件相比，GEE解译速度快，受空间限制少。本研究基于Landsat遥感影像，计算NDVI提取城市植被信息，在此基础上对1984～2018年徐州市的植被覆盖情况进行时空异质性分析，并和其影响因素不透水面进行相关性分析，旨在明确徐州市植被覆盖动态变化规律和特征，为徐州市城市建设和可持续发展提供的科学依据。

1 材料和方法

1.1 研究区概况

徐州市有百余年的煤炭开采史，是国家老工业基地、江苏省能源基地和唯一的煤炭产地，为江苏省乃至华东地区煤炭供应提供了保障。但随着煤炭资源的枯竭，煤炭开采形成大面积的采煤塌陷湿地，出现采煤塌陷区域农田荒废、基础设施破坏、生态恢复难度大、矿区周边水土流失严重等问题，严重影响周边生态环境。资源枯竭型矿业城市徐州市推进城市功能转型，由单一的矿业经济型城市向多功能生态型城市转变，其绿色发展方向的转变对开展植被覆盖度变化研究具有典型性和重要意义。徐州矿区主要分布在徐州市九里区、铜山区和贾汪区等区域。笔者以徐州市区为研究对象，其中包括泉山区、云龙区、鼓楼区、九里区、贾汪区和铜山区(图1)。

图1 研究区地理位置

1.2 数据来源及处理

研究采用的数据包括：(1)徐州市区边界矢量数据，用于提取研究区的范围；(2)GEE(https://developers.google.com/earth engine/landsat)平台获取的Landsat系列遥感影像，传感器分别为Landsat 5-TM和Landsat 8-OLI，采用1984年、1992年、2009 年和2018年5月的4期共8景数据，云量均小于10%，用于提取城市植被和不透水面信息。针对原始遥感影像，考虑到传感器采集过程中的各种因素，需要对研究区数据进行预处理[10]。数据预处理包括：(1)通过GEE内部的API编程将选取的影像转换为大气表观反射率(Top of Atmosphere，TOA)[11]；(2)影像镶嵌裁剪，徐州市区由两幅影像镶嵌而成，同一时期的影像时间间隔应小于一个月，利用徐州市区矢量边界图与遥感影像叠加，掩膜裁剪出研究区域。

鉴于遥感影像仅仅反映当地瞬间的地面状况，天气会直接影响Landsat数据的质量，因此选择云层覆盖率较小的影像，同时提取植被信息需要植被景观呈明显绿色，以春夏季最为适宜，此段时间内，地物光谱信息明显，易于判读解译，获取的影像质量较好。

1.3 研究方法

1.3.1 归一化植被指数 归一化植被指数(Normailzed Difference Vegetation Index，NDVI )[12]可以有效反映植被覆盖状况，且计算简单，不涉及复杂的参数确定，应用最广泛，研究也最深入。本研究采用归一化植被指数构建像元二分模型。

(1)

式中，NIR是近红外波段的反射率，R是红光波段的反射率。

NDVI的取值为-1～1。当NDVI取值为负时，地面覆盖物一般为雪、云、水等地物，对可见光具有高反射；当NDVI为零时，地表覆盖表现为岩石或裸土；当NDVI为正时，地表有植被覆盖，NDVI的值随植被覆盖度增大而增大。

用分形理论的剖面线法，研究矿业城市徐州植被在不同剖面带上的空间分布差异情况，选取徐州重要地标彭城广场为轴线中心，各划定东西、南北方向上两条剖面线，提取两条剖面线上的植被覆盖信息，进一步探究徐州市植被的空间分布差异和动态变化情况。提取东西和南北两个方向剖面线上的NDVI。

1.3.2 植被覆盖率 植被覆盖率(FVC)是衡量地表植被覆盖的一个重要指标，是植被冠层垂直投影面积与地表总面积之间的比值，主要计算方法有混合像元分解法、线性回归法、基于NDVI二分像元法[14]。本研究采用较为实用的基于二分像元模型的植被覆盖率估算方法，计算公式如下：

(2)

式中，NDVIsoil为无植被覆盖区域的NDVI值， NDVIveg则为完全被植被覆盖区域的NDVI值。

1.3.3 植被覆盖度等级 为了直观地显示植被覆盖度的空间分布特征，有学者根据研究区地形、植被类型和生长状况等实际情况，将植被覆盖度分为不同等级[15]。本研究参考相关研究方案，结合徐州市区地形地貌特征和主要植被类型，选用以下标准作为徐州市的植被覆盖度等级划分方法(表1)。

表1 研究区的植被覆盖度等级

1.3.4 植被空间面积变化指标 植被变化面积：研究初期和末期的城市植被变化面积。公式如下：

s=Ub-Ua

(3)

式中，Ua和Ub为研究初期和末期的城市植被面积。

植被变化速度：在单位时间内以年为单位的城市植被面积变化情况。公式如下[16]:

(4)

式中，v为植被变化速度，T为时间间隔。

植被变化强度：在单位时间内以年为单位的植被面积增长速率。公式如下[17-18]：

(5)

式中，R为植被变化强度。

1.3.5 不透水面指数 矿业城市植被分布和面积变化情况与地表的其他因素如土地状况，河流，建筑分布也有很大的关系。其中在研究区内，不透水面对植被覆盖的影响较大，本研究采用生物物理成分指数(biophysical composition index,BCI)提取不透水面，BCI指数中，不透水面呈现较高的正值，植被则会呈现较低的负值；而裸土及岩石等将呈现接近零的值。

BCI计算前需要做预处理，首先是研究区的水体掩膜，目的是最大程度上降低水体对不透水面提取的影响。McFeeters[18]提出归一化水体指数 (Normalized Difference WaterIndex,NDWI)，是将两个波段进行比值计算提取水体，该方法可以在一定程度上削弱植被信息，增强水体信息。徐涵秋通过研究地物光谱曲线发现，将短波红外波段代替近红外波段，可以较好的抑制建筑物的噪声，根据这一发现将进行修正，获得修正归一化水体差异指数MNDWI[20]：

(6)

式中，GREEN是绿光波段的反射率，MIR是中红外波段的反射率，本文利用MNDWI提取徐州市的水体，再通过人工经验选取阈值并生成掩膜文件去除水体信息。

其次进行缨帽变换(Tasselled Cap Transformation)，计算 BCI指数值[21]。Deng和Wu[22]提出将BCI指数用于提取不透水面信息，其指数由缨帽变换后的前三个分量：亮度、绿度、湿度构成的，这三个分量与地面景物关系密切。

(7)

(8)

(9)

(10)

其中，TC1是缨帽变换的亮度分量，反映出图像总体的反射值；TC2是缨帽变换的绿度分量，反映了绿色生物量的特征；TC3为缨帽变换的湿度分量，反映出湿度特征。得到BCI指数灰度值后，利用ENVI 5.1的Raster Color Slices对影像进行密度分割，研究不透水面分布情况。

2 结果与分析

2.1 研究区整体植被时空异质性分析

徐州市区植被在2009-2018年整体变化强度最大，1992-2009年整体变化强度最小(表2)。1984-1992年，九里区的变化强度最大，面积减少了8.69 km2；云龙区变化强度最小，面积减少了1.41 km2；铜山区绿地变化速度最快，面积增加了103.16 km2。1992-2009年，泉山区变化强度最大，面积减少了9.40 km2；铜山区的绿地变化强度最小，但变化速度最快，面积增加了48.04 km2。2009-2018年，泉山区的变化强度最大，面积增加了9.41 km2；贾汪区的植被变化强度最小，面积增加了7.02 km2。2009-2018年，研究区内各区域的植被面积都在增加，可预计未来一段时间，仍保持这种变化趋势。

表2 研究区历年植被变化指标

1984-2018年，泉山区，云龙区，鼓楼区整体变化不大；铜山区的植被面积一直在增加，变化速度最快；九里区和贾汪区在21世纪之前植被面积缓慢减少，21世纪之后，植被面积持续增加，植被覆盖情况有所改善，有矿区的辖区变化剧烈。

依据植被覆盖度等级，通过ArcGIS重分类得到徐州市的植被覆盖等级图(图2)。徐州市区的植被覆盖度在不同时期均呈现出明显的空间差异。低植被覆盖区域主要集中在泉山区的主城范围，徐州市中心城区的植被覆盖率最低，主要是低植被覆盖，中心城区人口密集，建筑用地面积较大，随着双城市中心的发展，城市建设面积增加，与研究区的整体植被覆盖度相比很不协调。高植被覆盖区域主要集中在西南方向的云龙湖风景区，包括滨湖公园、金山公园、珠山风景区，泉山森林公园等地，东北方向的彭祖园、淮海战役纪念塔、徐州汉文化景区等地。

图2 研究区植被覆盖度分级图

1984-2018年研究区的平均植被覆盖度由48.62%增加至53.42%，年均增加量为0.14%。无植被覆盖、中植被覆盖度和高植被覆盖度的区域面积变化较小，较高植被覆盖度的区域面积由1984年的25.06%增加至2018年的40.17%，低植被覆盖度的区域面积由1984年的24.15%降低至2018年的12.23%，低植被覆盖度向较高植被覆盖度转化(表3)。

表3 研究区各类植被覆盖度区域面积比例

3.2 基于剖面带的局部时空异质性分析

研究结果表明，研究区的植被变化较为规律，2009-2018年徐州市城市化进程加快，生态文明建设成果显著，NDVI曲线出现较大幅度的波动，2018年植被NDVI值在部分地段有所上升(图3，图4)。

图3 研究区东西向NDVI剖面线

图4 研究区南北向NDVI剖面线

东西向剖面线从铜山区西部开始，经过泉山区、彭城广场、鼓楼区，最终到达铜山区东部。剖面线西段NDVI值相对较低，近些年出现较大波动，因为铜山片区范围较大，内部差异也较大，采煤矿区多分布于此，1984-2000年，矿区环境恶劣，形成多处采煤塌陷地，裸土面积大。但随着社会经济的发展，铜山区于2010年撤县设区，该区植被也在不断变化，生态有所改善；剖面线中部NDVI值也较低，位于泉山区彭城广场的建筑面积较大，城市化高度饱和，大面积植被覆盖相对较少。

南北向剖面线从贾汪区北部开始，经过鼓楼区、泉山区、彭城广场，云龙湖风景区，最终到达铜山区南部。贾汪区煤矿的超限开采，导致了大量农田被毁，房屋倒塌以及道路产生裂缝，生态环境越来越差，其中以潘安湖公园最为严重，地面塌陷程度以及塌陷密集程度排名全市第一，该地区坑塘遍布，杂草丛生，而村庄的塌陷使得农民无法生活，形成了大片无人区，后果十分严重。2000年来，贾汪区注重塌陷地生态修复、环境综合治理，植被覆盖率增加明显，NDVI明显上升。

2.3 植被变化与不透水面的相关性分析

随着城市化进程的推进，不透水面逐渐向外扩张，1984年徐州市区的不透水面分布面积较小，主要集中在鼓楼区和泉山区，1984-2014年不透水面增速较快，且在东北、西南两个方向上的扩张速度最快，主要得益于行政区划调整，使得徐州市中心城区发展的用地制约得到一定程度缓解。

图5 研究区历年不透水面分布图

利用 2018年的徐州市影像提取的不透水面指数与归一化植被指数进行相关性分析(图6)。植被覆盖指数较高的区域与不透水面指数较低的区域分布比较吻合，BCI值与NDVI值具有线性关系，呈负相关关系，相关系数为0.957。由此可见，随着不透水面积的增加，植被覆盖面积也会相应地减少，城市建设对植被的增加有一定的抑制作用。

图6 BCI与NDVI的关系

3 讨论

徐州市低植被覆盖度变化较小，多年来约占研究区的25%，中植被覆盖度向高植被覆盖度转化。中心城区的植被覆盖率最低，低植被覆盖面积所占比例最大，市区边缘植被覆盖度较高。泉山区，云龙区，鼓楼区整体变化不大，铜山区的植被面积一直在增加，变化速度最快，九里区和贾汪区在21世纪之前植被面积先缓慢减少，21世纪之后，植被面积持续增加，植被覆盖情况有所改善，矿区由于煤炭产业作业量减少和生态环境进行修复，变化剧烈。

徐州是以煤炭资源的开采为主导，资源富集且组合条件优越的地区，但在一定程度上影响了植被的分布情况。煤炭资源的开采，使得矿区分布较多的铜山区，贾汪区和九里区的土地生态环境受到破坏，植被面积大幅度降低。城市化进程中，不透水面的急剧增加，也使得植被区域减少，位于市区的云龙区，鼓楼区和泉山区的植被减少主要是由于人口密集，建筑面积较大。

徐州既是再生型城市又是淮海经济区的中心城市，2020年完成枯竭型城市转型，其生态环境的改善将带动苏北的全面发展，进一步增强淮海经济区发展的辐射带动作用，也为其他资源枯竭型城市发展提供可借鉴的经验。

4 结论

基于Landsat遥感影像数据和NDVI像元二分法模型，对矿区城市徐州的植被覆盖情况进行估算并对比分析植被信息特征的时空变化。1984-2018年，研究区的整体植被覆盖度由48.62%增加至53.42%，年均增加量为0.14%，预计未来一段时间仍保持这种增加趋势，说明徐州市在发展同时，注重生态环境保护。