2013—2020 年北京市植被覆盖时空变化特征分析

王妍妍, 张 霞,2,3, 尚国琲,2,3

1. 河北地质大学 土地科学与空间规划学院, 河北 石家庄 050031; 2. 河北省高校生态环境地质应用技术研发中心,河北 石家庄 050031; 3. 河北省农业干旱遥感监测国际联合研究中心, 河北 石家庄 050031

0 引言

陆地生态系统的重要组成部分之一是植被, 它通过光合作用、 呼吸作用与生物圈其他自然要素形成紧密联系, 在生态系统的能量流动和物质循环中扮演着重要角色, 它根据生态系统中水、 热、 气等的基本情况, 调控其外部与内部之间的物质、 能量交换[1]。 植被覆盖度的变化是地球内部与外部相互作用的综合结果, 是表征区域生态系统环境变化的重要物理量[2],其中内部作用包括土壤母质、 土壤类型等, 外部作用包括降水、 气温等[3]。

运用传统的地面调查法研究植被覆盖度成本较高, 且不适合大面积区域; 而利用遥感监测法成本较低, 且具有更新信息快速、 获取便捷等其他优点, 已经成为监测植被覆盖变化的重要手段[4]。 应用卫星遥感技术动态监测区域植被覆盖度的变化情况, 能够为林业资源管理与生态修复等提供基础数据和科学决策依据[5]。 归一化植被指数 (Normalized Difference Vegetation Index, NDVI) 是在植被覆盖变化分析中最常用的指标之一, 综合反映了区域植被覆盖密度和植被生 长 状 况[6]。 此 外, 植 被 覆 盖 度 (Vegetation Fraction Coverage, VFC) 也是对区域植被长势进行量化的重要指标, 它是指包括乔、 灌、 草和农作物在内所有植被的冠层、 枝叶在生长区域地面的垂直投影面积占研究统计区域面积的百分比[7], 常被作为最基本的参数因子来进行研究。

通过像元二分模型[8]计算归一化植被指数并提取植被覆盖度已广泛应用于植被覆盖动态监测研究中[9], 目前常用的遥感数据有NOAA AVHRR、 EOS MODIS、 Landsat TM/OLI 等。 AVHRR 数据从1982 年开始获取, 时间序列最长, 较完整, 但空间分辨率为8 km, 常被用来对大范围的植被进行动态监测;MODIS 数据从2000 年开始获取, 其空间分辨率比AVHRR 数据要高, 但是没有Landsat TM/OLI 的高,OLI 遥感数据因其空间分辨率为30 m 而被广泛用来监测小范围的植被动态变化。

北京市是我国的重要直辖市, 集首都、 国家中心城市, 中国政治中心、 文化中心、 国际交往中心、 科技创新中心[10]于一市, 对北京市植被覆盖度变化进行分析具有深远的意义, 有利于评价区域环境质量。因此本文使用Landsat 8 OLI 数据, 基于ENVI 5.3 与ArcGIS10.8 图像处理软件对北京市2013—2020 年的植被覆盖进行动态监测, 分析近些年来北京市植被覆盖时空变化特征。 这有助于评价北京市的生态环境, 为治理优化提供可循依据。

1 研究区概况及数据来源

1.1 研究区概况

北京市总面积约16 410 km2, 横跨115°25′～ 117°30′E、 纵跨39°26′～ 41°03′N, 中心位于116°25′29″E,39°54′20″N。 北京市地处华北平原北部, 与渤海湾毗邻, 北部靠近辽东半岛, 南部与山东半岛相邻, 并与天津市一起被河北省环绕。 如图1 为北京市地理位置及行政区划图。

图1 北京市地理位置及行政区划图Fig.1 Geographical location and administrative division map of Beijing

截至2020 年, 北京市共有16 个市辖区, 见图1,山区面积10 200 km2, 约占总面积的62%, 平原区面积为6 200 km2, 约占总面积的38%。 北京市西部、 北部和东北部三面环山, 地势西北高、 东南低, 多条河流发源于西北部山地, 流经东南部这片向渤海倾斜的平原, 最后分别汇入渤海。 北京的气候为暖温带半湿润半干旱季风气候, 夏季高温多雨, 冬季寒冷干燥,春、 秋短促。

1.2 数据来源

遥感数据来源于地理空间数据云(http: / /www.gscloud. cn/) Landsat 8 OLI 数据, Landsat 8 于2013年2 月11 日发射升空, 搭载OLI 与TIRS 两个传感器。OLI 陆地成像仪包括9 个波段, 空间分辨率为30 m,其中包括一个15 m 的全色波段, TIRS 热红外传感器包括2 个波段, 空间分辨率为100 m。

本研究选择2013—2020 年Landsat 8 OLI 北京市9月的遥感影像, 这个时期植被处于繁茂时期, 长势较好, 在遥感影像中特点明显, 比较容易区分。 所选遥感影像云覆盖度均小于10%, 符合实验要求。 行政区划矢量数据从中国科学院资源环境科学与数据中心(http: / /www. resdc. cn/) 获取。

2 数据处理

2.1 数据预处理

利用ENVI5.3 软件对2013—2020 年北京市的遥感影像数据进行预处理, 通常包括波段叠加、 辐射定标、 大气校正、 影像镶嵌和掩膜, 得到符合要求的研究区遥感影像, 用来提取NDVI 与植被覆盖度。

应用FLAASH 设置分别对2013—2020 年8 期遥感影像进行辐射定标, 将图像的亮度灰度值转化为绝对的辐射亮度。 很多情况下, 往往需要多景影像才能完成对整个研究区域的覆盖, 此时, 需要将不同的影像文件无缝地拼接成一幅完整的包含研究区域的影像,本文是将大气校正后的两景或三景遥感影像进行镶嵌, 得到包含完整个研究区域的影像。 进而, 利用研究区域的矢量边界在镶嵌完的影像中裁剪出研究区。

2.2 NDVI 的提取

对预处理完的2013—2020 年8 景多光谱遥感影像数据, 基于ENVI 5.3 软件中的NDVI 计算工具或者波段运算工具, 逐景提取归一化植被指数NDVI, 计算公式为[11]:

NDVI =(NIR - R)/(NIR + R) (1)

NDVI 提取完后, 进而利用ENVI 5.3 的统计工具, 统计各景影像的NDVI 均值、 最大值、 最小值,分析2013—2020 年NDVI 的变化情况。

2.3 植被覆盖度计算及分级

统计完NDVI 值后, 由前人经验知, NDVI 与植被覆盖度之间存在极显著性相关关系, 因此, 基于NDVI 运用像元二分模型对植被覆盖度进行计算。 许宏健[12]等对像元二分模型做出详细的解释, 其表达式为:

VFC =(NDVI - NDVISoil)/(NDVIVeg- NDVISoil)(2)

式中, VFC 表示植被覆盖度(Vegetation Fraction Coverage), NDVIVeg表示全植被覆盖像元的NDVI 值,NDVISoil表示裸土像元NDVI 值[12]。 在理想条件下,纯植被的VFC 近似为100%, 纯裸土的VFC 近似为0,可得NDVISoil= NDVImin, NDVIVeg=NDVImax, 转化为求研究区域NDVI 的最小值与最大值[13]。

为了获取NDVImax和NDVImin, 参考相关文献,取累计直方图5%和95%的置信度区间, 作为研究区域的NDVImin和NDVImax, 代入公式(2) 计算植被覆盖度。

根据以上结果, 将植被覆盖度分为五个等级, 分级标准为: 0～0.2 为低植被覆盖度、 0.2 ～0.4 为较低植被覆盖度、 0.4 ～0.6 为中等植被覆盖度、 0.6～0.8为较高植被覆盖度、 0.8～1.0 为高植被覆盖度[14]。

3 结果分析

3.1 北京市植被覆盖空间变化特征

根据以上植被覆盖度分级标准并基于ENVI 5.3以及ArcGIS10.8 软件, 依次将2013—2020 年8 景影像进行植被覆盖度分级显示, 便于直观分析其空间变化。 如图2、 3 分别为2013—2016 年与2017—2020 年北京市植被覆盖度等级图。

图2 2013—2016 年北京市植被覆盖度等级图Fig.2 Vegetation coverage level diagram in Beijing from 2013 to 2016

由北京市植被覆盖度等级专题图, 可以看出植被覆盖度较高的地区集中在西北部和东北部, 主要是平谷区、 密云区、 怀柔区、 延庆区、 昌平区西部、 门头沟区和房山区门头沟区, 原因是北京市西部、 北部和东北部三面环山, 为北京市的郊区地带, 建设用地比中心城区少, 林地、 草地、 农用地较多, 因此植被覆盖度较高。 东南部是植被覆盖度较低的区域, 主要是海淀区、 朝阳区、 西城区、 东城区、 石景山区、 丰台区、 大兴区和通州区, 原因是东南部是平原地带, 东南地势比较低, 为北京市的中心城区域, 商业繁华,建设用地、 商服用地居多, 所以植被覆盖度较低, 仅为一些城区的绿化草地等。

图3 2017—2020 年北京市植被覆盖度等级图Fig.3 Vegetation coverage level diagram in Beijing from 2017 to 2020

3.2 北京市植被覆盖时间变化特征

结合北京市植被覆盖度等级分布图, 统计得到2013—2020 年北京市各等级植被覆盖度面积所占比例, 见表1。

从表1 可以看出, 2013—2020 年北京市高植被覆盖度(0.8～1.0) 区域所占比例均为最大的, 分别为27.52%、 45.33%、 42.63%、 23.99%、 40.18%、33.74%、 56.98%、 44.46%, 较高植被覆盖度(0.6 ～0.8) 次 之, 分 别 为 25.51%、 21.33%、 22.89%、22.83%、 26.21%、 27.39%、 15.18%、 24.21%, 说明北京市植被覆盖面积较大, 绿化良好, 这与北京的地形地势息息相关, 北京市山地、 林地较多, 植被覆盖度较高。

表1 2013—2020 年北京市各等级植被覆盖度面积所占比例Table 1 The proportion of vegetation coverage grade area in Beijing from 2013 to 2020

如北京市植被覆盖度等级比例条形图(图4) 所示, 从2013—2020 年, 北京市低植被覆盖度 (0 ～0.2) 百分比呈递减趋势, 较低植被覆盖度 (0.2 ～0.4) 百分比呈递减趋势, 较高植被覆盖度 (0.6 ～0.8) 和高植被覆盖度(0.8 ～1.0) 百分比呈递增趋势。 可以看出, 2013—2020 年北京市整体的植被覆盖情况在好转。

图4 2013—2020 年北京市植被覆盖度等级比例条形图Fig.4 Bar chart of vegetation coverage grade proportion in Beijing from 2013 to 2020

3.3 北京市植被覆盖转移变化分析

基于ArcGIS10.8 对2013—2015 年、 2015—2017年、 2017—2019 年、 2019—2020 年植被覆盖度等级影像利用栅格计算器制作转移图谱, 再对其重分类, 将其分为植被覆盖度未变化、 植被覆盖度变好、 植被覆盖度变差3 类。 植被覆盖度等级不变的分到未变化一类, 植被覆盖度等级升高的分到变好一类, 植被覆盖度等级降低的分到变差一类。 见图5 不同年份植被覆盖度变化图谱。

图5 不同年份植被覆盖度变化图谱Fig.5 Map of vegetation coverage changes in different years

可以看出, 2013—2015 年期间, VFC 未变化区域比重最大, 变好的区域次之, 很少的区域植被覆盖度变差; 2015—2017 年期间, 在上一阶段变差的区域重现变好, 恢复了以前的植被覆盖度, 仍然是未变化区域比重最大; 2017—2019 年期间, 西北部地区VFC 变好的区域较多; 2019—2020 年, 变化不太明显, VFC变好与变差区域较少, 没有发生较大的变化。 整体来看, 北京市植被覆盖度未变化区域占比重最大, 因为没有发生过严重的自然灾害以及人为灾害等重大事件, 全市的植被覆盖度不会发生大幅度改变; VFC 变好的区域比变差的区域要多, 说明全市整体植被覆盖度增强, 绿化较好, 越来越注重环境治理问题。

分别 对2013—2015 年、 2015—2017 年、 2017—2019 年、 2019—2020 年植被覆盖度等级变化图进行统计, 计算植被覆盖度未变化、 植被覆盖度变好与植被覆盖度变差区域的栅格数量, 统计出每种类型所占的百分比。 见表2 植被覆盖度等级变化统计表, 可知,2013—2015 年, 未 变 化 占 49.99%, 变 好 的 占39.69%, 变差的占10.32%; 2015—2017 年, 未变化占57.57%, 变好的占20.32%, 变差的占22.10%;2017—2019 年, 未变化占58.21%, 变好的占31.37%,变差的占10.06%; 2019—2020 年, 未变化占65.76%,变好的占9.19%, 变差的占25.05%。 总体来看, 未变化占比最大, 变好的次之, 变差的最少。

表2 不同年份植被覆盖度变化统计表Table 2 Statistical table of vegetation coverage changes in different years

4 结论与展望

4.1 结论

本文利用2013—2020 年北京市的Landsat8 OLI 遥感影像, 经过影像预处理, 计算各年份归一化植被指数( NDVI), 并基于此运用像元二分模型方法估算各年份北京市植被覆盖度, 以此分析了其时空变化特征。 可以得到以下结论:

(1) 植被覆盖度较高的地区主要集中在北京市西北部和东北部, 包括平谷区、 密云区、 怀柔区、 延庆区、 昌平区西部、 门头沟区和房山区; 东南部是植被覆盖度较低的区域, 包括海淀区、 朝阳区、 西城区、东城区、 石景山区、 丰台区、 大兴区和通州区等中心城区。

(2) 从2013—2020 年, 北京市低植被覆盖度(0～0.2) 区域百分比与较低植被覆盖度(0.2～0.4) 百区域分比呈递减趋势, 较高植被覆盖度(0.6 ～0.8)区域和高植被覆盖度(0.8 ～1.0) 区域百分比呈递增趋势, 北京市整体的植被覆盖情况在好转。

(3) 根据不同年份植被覆盖度变化图谱及统计数据来看, 植被覆盖度未变化的区域占比最大, 变好的次之, 变差的最少, 北京市整体植被覆盖度在向好的方向发展。

以上结论表明2013—2020 年这8 年来, 植被覆盖较高的区域主要集中在西北部和东北部靠近山的市区, 东南部的中心城区植被覆盖度较低, 这为北京市政府治理优化环境提供了可参考的依据。 总体来看,北京市的NDVI 呈上升趋势, 地表植被覆盖情况进一步提升, 生态环境状况在逐渐改善。

4.2 不足与展望

由于知识的掌握和时间等方面的原因, 本文尚有很多不足之处, 仍需针对这些问题作出进一步的改进和完善, 主要在以下几个方面:

(1) 数据选择方面: 本研究所采用的数据为2013—2020 年Landsat 8 OLI 遥感影像, 时间序列比短, 后续可采用长时间序列的影像进行分析, 也可采用基于MODIS 数据的NDVI 产品对北京市植被覆盖时空变化特征进行分析; 由于影像云量的影响, 会对结果造成一定的误差, 可参照前人的研究结果进行对比分析。

(2) 数据处理方面: 本文数据处理采用传统的软件逐一对影像进行操作, 费时费力, 如果后续需要对时间序列较长的数据产品进行处理, 可运用编程的手段采取批处理的方法。

(3) 结果验证方面: 根据遥感影像计算出来的各年份北京市的NDVI 与植被覆盖度数据, 没有进行实地验证与参考统计资料, 查验分析结果是否合理。

基于以上几点, 在后续的研究工作中可通过连续多年的遥感影像数据, 采取批处理的方式对北京市植被覆盖时空变化进行研究, 并分析其驱动力因素以及 带来的影响。