近来淮北市植被变化遥感动态监测与分析

近来淮北市植被变化遥感动态监测与分析（精选5篇）

篇1：近来淮北市植被变化遥感动态监测与分析

近20年来淮北市植被变化遥感动态监测与分析

通过遥感技术对淮北市主城区(相山建成区)间植被变化进行统计分析,从而得出结论,并对所得结果进行了分析.

作 者：方刚 陈建永 FANG Gang CHEN Jian-yong 作者单位：方刚,FANG Gang(中国矿业大学,环境与测绘学院,江苏,徐州,221008;宿州学院,地理与环境科学系,安徽,宿州,234000)

陈建永,CHEN Jian-yong(宿州学院,地理与环境科学系,安徽,宿州,234000)

刊 名：资源开发与市场英文刊名：RESOURCE DEVELOPMENT & MARKET年，卷(期)：25(1)分类号：Q948.15+6关键词：淮北市主城区 植被指数 动态监测与分析 遥感

篇2：近来淮北市植被变化遥感动态监测与分析

使用18年的PATHFINDER 8km NDVI研究了宁夏全区及4个区域的植被变化特征,结果表明:①宁夏全区植被具有明显的一年一季的季节特征,生长季为5月上旬至10月中旬,植被指数的年变幅为0.05～0.25;不同区域存在不同的季节特征,中部植被指数峰值仅为0.2,灌区植被指数最晚达到峰值;南部山区植被指数最早达到峰值,贺兰山区表现出明显的`森林植被特征,NDVI变化幅度较灌区和南部山区小,冬季植被指数又较其他区域高.近18年来,全区平均生长季已延长一句,主要表现为生长季在春季提早一旬开始.②在1982-19,宁夏全区年平均植被指数有增加的趋势,表明宁夏全区植被基本保持稳定或略有改善,20世纪90年代相对于80年代,平均植被指数有所增加,生长季平均植被指数80年代以负距平为主,90年代以正距平为主;中部植被指数最低,贺兰山区植被指数最高.灌区、贺兰山区和南部山区的植被指数均较全区平均NDVI高,灌区、南部山区和中部均表现出与全区类似的植被增长趋势,而贺兰山区植被从1982-1988年呈增长趋势,之后呈下降趋势.

作 者：范锦龙 张晓煜 FAN Jin-long ZHANG Xiao-yu 作者单位：范锦龙,FAN Jin-long(中国气象局中国遥感卫星辐射测量和定标重点开放实验室,中国气象局国家卫星气象中心,北京,100081)

张晓煜,ZHANG Xiao-yu(宁夏气象科学研究所,宁夏,银川,750000)

篇3：近来淮北市植被变化遥感动态监测与分析

植被是环境重要组成因子, 是反映区域生态环境的最好标志之一, 也是土壤, 水文等要素的解译标志[1]。植被具有截留降雨、减缓径流、防沙治沙、保土固土等功能, 是维持生态环境、发挥有效生态效能的功能体, 快速、有效地获取植被覆盖的宏观状况, 对于维护生态环境的稳定性非常重要[2]。植被覆盖度是衡量地表植被状况的一个最重要的指标, 是区域生态系统环境变化的重要指标。因此, 获取地表植被覆盖及其变化信息, 对于揭示地表空间变化规律, 探讨变化的驱动因子, 分析评价区域生态环境具有重要现实意义[3]。而城市水源地植被对水源地在保持水土、涵养水源等生态效能方面起着关键作用, 城市水源地的生态与环境状况的优劣会直接影响到城市的水资源安全以及水源地控制区域的居民生产、生活水平, 因此对城市水源地植被保护显得异常重要, 对城市水源地的植被覆盖度的动态监测可以快速而宏观了解其植被状况以评价其生态环境质量。

对于植被覆盖度的测算方法大致经历了简单目测估算、仪器实地测量和遥感解译分析3个阶段。传统的对于植被覆盖度的测算方法不能满足大范围、高效率、高时效的动态监测, 遥感技术为植被覆盖度的测量提供了一个新的发展方向, 尤其是为大范围的植被覆盖度监测提供了可能。鉴于遥感技术在植被覆盖度研究中的重要地位, 越来越多的专家学者围绕区域植被并以植被覆盖度为监测指标, 展开了一系列研究。汪明霞、王卫东在对植被覆盖度的提取方法研究中总结出目前常用的计算植被覆盖度的方法, 包括地表实测方法和遥感监测方法, 其中地表实测法有目估法、采样法、仪器法、模型法等。遥感检测方法有回归模型法、植被指数法、像元分解模型法等[4]。H.Larsson分别由TM遥感监测图像、多光谱监测图像和SPOT5遥感监测图像估算了阿拉伯地区森林的NDVI值, 并得到了精度较高的统计模型[5]。马明国等利用AVHRR数据有效的动态监测中国西北植被覆盖度在近21年间的年际变化, 并模拟了其变化趋势[6]。一些研究也表明利用遥感监测方法估算植被覆盖度具有非常理想的效果。

研究区属于城市水源地保护区, 是工农业发展及人民生活的保障。近年来由于气候以及人为因素的影响, 研究区植被恢复受阻或遭到不同程度的破坏。再者, 迄今为止还未有专家学者对该区域进行植被覆盖度的变化分析的研究, 因此对渔洞水库流域进行植被覆盖度变化分析的研究变得尤为重要。

1 研究区概况

渔洞水库距昭通市区17.94km, 属金沙江水系, 控制流域面积709km2, 水库地势自西北向东南倾斜, 地形陡峻, 河谷深切。流域平均宽度8.8km, 平均海拔2240m, 最低海拔1 871m, 最高海拔4 040m。气候属亚热带、暖温带共存的高原季风立体气候, 年平均气温12.6 ℃, 1月平均气温2 ℃, 7月平均气温19.8℃, 极端最低气温-13.3℃, 极端最高气温33.5℃, ≥年平均日照1 900h, 年平均降雨量760mm。该流域包含永善县部分西部地区, 昭阳区中部地区以及鲁甸县东北部地区, 经纬度范围为 (103.31°E~103.61°E, 27.18°N ~27.58°N) , 如图1所示。

2 数据来源与处理

(1) 数据来源。选取美国USGS网站1996-2012年间同一时期6个时相landsat5和landsat7号卫星的TM/ETM数据 (轨道号为129, 41) , 影像获取时间分别为1996年1月16日、2000年1月11日、2004年1月30日、2008年1月9日、2010年3月19日以及2012年2月5日。这6景TM/ETM影像云覆盖量几乎为零, 并且获取时间都处于冬季, 植被生长状况相近, 能够降低由于气候、降雨等自然因素引起的季节性差异对植被长势的影响, 可以极大地提高研究的可靠性。另外从国际科学数据服务平台获取研究区30m分辨率的DEM数据提取流域边界以及水系。

(2) 数据预处理。遥感影像需针对不同用途做相应的处理, 本研究利用TM/ETM影像在ENVI4.8 软件中进行提取NDVI并计算植被覆盖度的操作中, 需对影像进行几何校正、图像融合、图像裁剪、直方图匹配等图像预处理, 此外还需进行辐射定标、大气校正, 具体操作参照参考文献[7]进行。

3 植被覆盖度计算

遥感估算植被覆盖度的关键在于:一是植被指数 (Vegeta-tion Index, VI) 的选择;二是植被指数与植被覆盖度之间转换关系的确定。对植被覆盖度进行遥感调查制图时, 通常利用归一化植被指数 (Normalized Difference Vegetation Index, ND-VI) 来建立其与植被覆盖度关系来进行[2]。众多专家学者在利用TM/ETM影像计算植被覆盖度所采用的方法是通过ND-VI像元二分模型来计算, 并取得令人满意的结果, 因此本研究利用所选6个时相TM/ETM遥感影像为数据源, 以归一化植被指数 (NDVI) 像元二分法为植被覆盖度估算模型, 计算出研究区不同时期的植被覆盖度。

3.1 归一化植被指数 (NDVI) 计算

植被指数 (VI) 指从多光谱遥感数据中提取的有关地表植被覆盖状况的定量数值, 通常是用红波段和近红外波段通过数学运算, 进行线性或非线性组合后得到[8]。植被指数是单位像元内的植被类型、覆盖形态、生长状况等的综合反映, 其大小取决于叶面积指数LAI (垂直密度) 和植被覆盖度Fvc (Fractional vegetation coverage) 等要素[9]。常用于植被覆盖度遥感监测的植被指数有:比值植被指数 (Ration Vegetation Index, RVI) 、归一化植被指数 (NDVI) 、差值植被指数 (DifferenceVegetation Index, DVI) 和正交植被指数 (Perpendicular Vegetation Index, PVI) 等[1]。目前最常用的表征植被状况的指标是NDVI, 它与植被覆盖度、生物量、叶面积指数密切相关, 能够反映植被的繁茂程度, 在一定程度上能够代表地表植被覆盖的变化, 完全能够用于研究区域甚至全球植被的时空变化[10]。

归一化植被指数 (NDVI) , 定义为近红外波段NIR (0.7~1.1μm) 与可见光红波段R (0.4~0.7μm) 数值之差和这两个波段数值之和的比值, 计算公式是:

NDVI值的范围是-1~1, 一般绿色植被区的范围是0.2~0.8[7]。

3.2 基于NDVI的植被覆盖度估算

目前, 大多数研究中均以归一化植被指数来计算植被覆盖度, 计算结果是可靠的。Bradley将NDVI与植被覆盖度作线性相关分析, 肯定了NDVI与植被覆盖度有良好的相关性[11]。植被覆盖度与NDVI植被指数的定量关系正是利用像元二分模型原理而得, 即任意像元的遥感信息理论上由纯植被和纯土壤所贡献, 参照文献[12]的方法, 公式如下:

式中:Fvc为植被覆盖度;NDVI为单位像元归一化植被指数值;NDVImin、NDVImax分别为最小、最大归一化植被指数值。

NDVImax代表研究区域内由全植被覆盖的单位像元的归一化植被指数值, 对于大多数类型的裸地表面, NDVImin理论上应该接近0, 并且是不易变化的, 但由于受地形、图像阴影等众多因素影响, NDVImin会随着空间而变化, 其变化范围一般为-0.1~0.2[11]。

由于获取的遥感影像中不可避免地存在着噪声, NDVImin与NDVImax并不能直接从NDVI灰度图统计出最大和最小值, 而是取给定置信度区间的最大值与最小值, 通过对TM/ETM数据提取的NDVI植被指数进行直方分布图分析, 在NDVI频率累积表上取一定频率的NDVI为NDVImin和ND-VImax[13]。置信度的取值主要由图像大小、图像清晰度等情况来决定[14]。本研究根据实际情况所取置信区间分别为累积频率为5%和95%, 所对应的NDVI值作为NDVImin和NDVImax的值。

4 结果与讨论

4.1 植被盖度分级标准及方法

杨胜天等依据不同的植被覆盖度值, 将其划分为高、中高、中、低覆盖类型, 当植被覆盖度大于75%时为高类;当植被覆盖度在60%~75% 之间时, 为中高类;当植被覆盖度在45% ~60%之间时, 为中类;当植被覆盖度小于45% 时, 为低类[15]。本研究参照前人的研究并结合研究区实测的植被覆盖度将每期渔洞水库流域植被覆盖度计算结果划分为5种级别:Ⅰ (0~0.1) , Ⅱ (0.1~0.25) , Ⅲ (0.25~0.4) , Ⅳ (0.4~0.6) 和Ⅴ (0.6~1) 。这5种级别分别对应五种类型的植被覆盖度, 即低植被覆盖度、中低植被覆盖度、中植被覆盖度、中高植被覆盖度和高植被覆盖度。对每一类型的植被覆盖度结果统计于表1中。

4.2 平均植被覆盖度的计算

平均植被覆盖度的变化直接反映了研究区域植被状况的优劣, 即平均植被覆盖度增加说明植被在总体上呈现增加的趋势, 平均植被覆盖度减少说明植被在总体上呈现减少的趋势。平均植被覆盖度能反映植被生物量的平均状况, 大多数植被覆盖度研究中以均值作为评价研究区植被覆盖情况的定量指标。平均植被覆盖度是指研究区每个像元所占总覆盖度的比例, 计算原理为植被覆盖度总和与研究区面积的比值, 用公式表示如下:

式中:n为像元个数;Fvci为第i个像元的植被覆盖度。

由于研究区水域面积比例不大, 约达到总流域面积的3.54%~5.18%, 对计算结果影响不大, 因此在计算中没有去除水域面积而是将水域作为总面积的子集进行计算。平均植被覆盖度的计算结果统计于表1中, 并作出平均植被覆盖度变化趋势图, 如图2所示。

4.3 不同时期平均植被覆盖度变化分析

从表1中的数据以及图2可得到如下结论:渔洞水库流域平均植被覆盖度呈先增加后减少的趋势, 转折点是2008年, 其中1996-2008年间, 平均植被覆盖度从0.306增加到0.376, 增加值为0.07, 且在这12年间平均植被覆盖度呈持续增长态势, 平均年增加约0.51%。2008-2012年间, 该区域平均植被覆盖度呈减少趋势, 从2008年的0.376减少至2012年的0.356, 平均年减少约0.50%, 仅2008-2010年, 平均植被覆盖度减少值为0.019, 而在2010-2012年间平均植被覆盖度变化不大。

4.4 植被覆盖度时空变化分析

根据以上分析结果, 将渔洞水库流域植被覆盖变化情况总结为两个重要时期, 将植被持续增加的时期叫做植被恢复期, 持续减少的时期叫做植被退化期, 并将这两个重要时期各级植被覆盖度变化情况进行对比, 并将结果统计于表2中。

表2中植被恢复期为1996-2008年, 植被退化期为2008-2012年, 变化总量为1996-2012年间植被覆盖度变化总量, 变化总量百分比为1996-2012年间植被覆盖度变化量占流域总面积的百分比。

从表2中可以看出1996-2012年间低植被覆盖度面积减少了39.182km2, 占流域总面积的5.536%, 变化幅度相对较大, 中低植被覆盖度面积减少了17.188km2, 中植被覆盖度面积增加了6.532km2, 中高植被覆盖度增加了13.51km2, 高植被覆盖度增加了36.328km2, 占流域总面积的5.133%。显然植被覆盖度呈明显的增加趋势。该区域在1996-2008年间植被恢复效果显著, 低植被覆盖度平均年下降面积为4.486km2, 高植被覆盖度平均年增加面积为3.883km2, 其他等级植被覆盖度变化较小;而2008年后植被处于退化趋势, 低植被覆盖度平均年增加面积为3.663km2, 高植被覆盖度平均年增加面积为2.567km2, 中低植被覆盖度面积有显著增加, 年平均增加面积为6.567km2, 其他等级植被覆盖度变化不大。

为了从空间上表达该研究区植被覆盖度变化情况, 根据植被覆盖度在1996-2012年间总体植被覆盖变化情况和植被恢复期与植被退化期的增减情况, 制作出植被覆盖度变化情况图, 如图3所示。

显而易见, 从图3可以知, 从总体上看, 在1996-2012年间, 该研究区植被覆盖度增加的区域主要集中在流域中部, 除少数局部地区外, 约58.11%的流域面积植被覆盖度都在增加。其中, 在1996-2008年间除少数边缘地区外大部分区域呈增加的趋势, 植被覆盖度减少区域主要集中在流域最南端、西北端以及渔洞水库库区。经统计计算得到1996-2008年间植被覆盖度减少的区域的面积为253.667km2, 植被覆盖度增加的区域的面积为431.716km2, 植被覆盖度不变的区域的面积为21.342km2。2008-2012年间该研究区植被覆盖度除少数区域增加外其余大部分区域减少, 并且局部地区呈连续的大面积减少状况, 植被覆盖度增加的区域的面积为334.571km2, 植被覆盖度减少的区域的面积为338.179km2, 而植被覆盖度不变的区域的面积为34.976km2。其中植被覆盖度不变的区域大多为水域, 主要在1996-2000年间变化, 水域面积由1996 年的约25.115km2增加为2000年的36.696km2, 增加面积约为流域面积的1.63%, 其他时间段变化不明显。

为了体现该研究区植被覆盖度变化区域的植被覆盖度等级状况, 特将植被恢复期与植被退化期两个重要时期的三期特征数据不同等级的植被覆盖度表现于图4中做对比分析。

1996年时低植被覆盖度区域主要集中于流域中部地区, 在1996-2008年间, 除少数特殊地域, 低植被覆盖度区域主要被中低植被覆盖度以及中植被覆盖度取代, 无植被或少植被区域明显减少, 而流域北部区域变化基本上无明显变化, 高植被覆盖度区域增加显著, 主要分布在流域东部、中偏西部以及东南部地区。在2008-2012年间, 流域西北部地区植被覆盖度等级有明显的下降情况, 而历年来高植被覆盖度集中的东部地区也呈现植被覆盖度等级明显下降的情况, 中部地区由中低植被覆盖度降为低植被覆盖度的区域很明显。

4.5 植被覆盖度变化原因分析

(1) 该研究区在植被恢复期间, 主要是由于气候、降雨等非人为因素的有利影响而使得植被获得生长的有利条件, 使得植被覆盖度增加;除此之外, 在此期间, 自1999年国家实施退耕还林 (草) 的植被建设工程对提高该流域植被覆盖起到积极的作用;另一方面, 由于人们环保意识及综合素质的提高, 对流域植被覆盖的提高也有积极作用。虽然在流域植被恢复期, 整体上看植被覆盖显著提高, 但局部地区也有减少的情况, 导致这种情况的原因是城镇建设, 耕地扩张等原因。

(2) 该研究区在植被退化期间, 主要原因是降雨不足, 其次某些局部地区退化严重, 可能原因是耕地扩张和城镇建设等原因造成的。

5 结语

以渔洞水库流域为例, 综合运用遥感与GIS技术, 利用植被覆盖度对该流域1996-2012 年间植被覆盖度动态变化进行了分析, 主要得到以下认识。

(1) 该区域1996-2012年16 年间, 平均植被覆盖度呈先增加后减少的趋势, 其中1996-2008年间, 平均植被覆盖度从0.306增加到0.376, 增加值为0.07, 平均年增加值为0.51%;2008-2012 年间, 该区域平均植被覆盖度从0.376 减少至0.356, 增加值为0.02, 平均年减少值约0.50%, 年增长率和年减少率基本持平。总体上这16年间平均植被覆盖度增加值为0.05, 仍然呈现增长趋势。

篇4：天水市植被覆盖变化动态遥感监测

关键词：天水市；植被覆盖；动态变化；遥感监测

植被是地表生态系统的重要组成部分，有水土保持，调节气候和改善环境质量等作用。近10年来，随着关中—天水经济区的建设和发展，天水市区域植被覆盖度有着很大的变化。但天水植被覆盖面积有限，区域生态环境脆弱，植被覆盖在生态功能中扮演着重要的角色，生态保护显得尤为重要。分析植被覆盖变化可为该区域人地和谐发展及生态保护提供科学参考。

植被覆盖度是指植被植株冠层或叶面在地面的垂直投影面积占植被区总面积的比例，是评价生态环境优劣的重要指标，可反映地表植被分布规律，有利于分析和监测植被动态变化。[1]

其范围分布在0-1之间，数值越大表明植被覆盖度越高。

遥感技术是用先进的对地观测探测器为技术手段，对目标物进行遥远感知的整个过程。已广泛应用于资源、环境、生态研究的众多领域[2]

与实地调查和观测法相比，其在投入成本与及时监测植被覆盖变化等方面有着明显优势。

1 研究区概况

天水市位于甘肃东南部，属温带大陆性气候和亚热带气候的过渡地带，年平均气温11.5℃，年平均降水量574mm，海拔在1000到2100m之间。地貌区域分异很明显：东部与南部由于古老地层褶皱而隆起，形成了山地地貌；北部受地质沉陷和红土层、黄土层沉积的原因，形成了黄土丘陵地貌；中部受纬向构造带的断裂原因，形成了渭河地堑，经过第四纪河流发育与侵蚀堆积作用，形成了渭河河谷地貌。

2 数据来源及处理平台

本文数据来源于中国科学院对地观测与数字地球科学中心。遥感数据采用的是2006年6月Landsat7 ETM 和2013年6月 Landsat4-5 TM影像数据。使用Arcgis软件和Erdas软件处理数据。天水市2006年和2013年原始遥感图像如下：

图1 2006年原始图像 图2 2013年原始图像

3研究区植被变化遥感分析

关于遥感测量植被覆盖度的方法，Purevdorj等人将其归结为三种，分别是盖度—幅射关系模型法，植被指数法和混合模型法。其中植被指数法是使用植被指数直接来估算植被覆盖度的一种方法，其所用的植被指数可能是现有的植被指数，也可能是研究者为了测量植被覆盖度所发展出来的新植被指数。

本研究采用的方法是NDVI植被指数法，NDVI植被指数法经常被用来监测植被变化的情况，也是通过遥感来估算植被覆盖度的研究中常用的植被指数。其计算公式为：NDVI=NIR-R/NIR+R 其中，NIR为近红外波段（0.7～1.1?m），R为红波段（0.4～0.7?m）。NDVI计算结果会分布在0至1之间，一般说来，NDVI数值越高说明植被覆盖度越高、长势越好。

图像预处理包括图像几何校正，图像裁剪处理和图像镶嵌处理三个部分。由于遥感系统波谱、空间、时间及辐射分辨率的限制，因而很难精确地记录相对复杂地表的信息，所以数据获取过程中可能存在着一些误差。这些误差降低了遥感数据的图像分析的精度和质量。因此在图像处理和分析之前，先对遥感原始图像进行了预处理。通过图像增强技术，改善图像质量，突出所需要的信息，为进一步的图像判读做好准备，如下图：

图3 预处理后的2006年图像 图4 预处理后的2013年图像

然后利用NDVI提取植被指数，最后得到的NDVI指数图如下：

图5 2006年植被DNVI指数图 图6 2013年植被DNVI指数图

4结果分析

用Arcgis对得到的NDVI指数进行重分类，分为5类，依次为0-0.2；0.2-0.4；0.4-0.6；0.6-0.8；0.8-1.0，得到各类指数对应的面积，如表1所示：

表1 2006年和2013年天水市植被覆盖面积

植被覆盖指数 2006年植被覆盖面积（km2） 2013年植被覆盖面积（km2）

0～0.2 10110 5048

0.2～0.4 1933 4177

0.4～0.6 1999 2340

0.6～0.8 1207 4827

0.8～1.0 916 1358

从上表可看出，2006—2013年，天水市植被覆盖发生了明显变化，植被覆盖面积呈增加趋势，其中植被指数低于0.2的低植被覆盖区域减少了将近一半。不同植被覆盖度等级变化中，高植被覆盖度面积有所增加，中植被覆盖区域和低植被覆盖区域的变化趋势主要是由低植被覆盖度向中植被覆盖度转变，表明天水市植被覆盖面积越来越大。

植被覆盖面积呈增加趋势的结果与天水市的植被变化调查结果相一致。这个变化很大程度上和土地利用的变化、相关政策与人类对资源的需求量与是否对资源进行了合理的开发利用等人为因素有关。近几年在相关政策的引导与推动下，天水市在发展经济的同时每年进行植树造林，植被覆盖面积增加的同时大气环境也有所改善。在今后的经济发展过程中，应该完善并加强生态环境保护措施，且须继续加强植树造林与种草面积，尽可能实现土地的合理利用。

参考文献

篇5：近来淮北市植被变化遥感动态监测与分析

1 研究区概况

辽宁省位于我国东北地区南部,处于东经118°53′~125°46′,北纬38°43′~43°26′。辽宁省陆地面积14.59万km2,占中国陆地面积1.5%,海岸带长达2 100 km。地势大致为自北向南、自东西两侧向中部倾斜,山地丘陵分列东西两厢,向中部平原下降,呈马蹄形向渤海倾斜,山地、丘陵和平原各占23%、16%、61%。辽宁除丹东-营口-锦州连线以南属暖温带湿润半湿润季风气候外,其余辽东、辽中、辽西地区分属温带湿润、半湿润、半干旱季风气候。境内雨热同季,日照丰富,积温较高,冬长夏暖,春秋季短,四季分明,雨量不均,东湿西干。无霜期4~7个月,始于4月中旬前后,年降水量500~1 000 mm,辽东山区1 000 mm以上,夏季降水占全年的60%以上。全省森林面积418.5万hm2,森林覆盖率为28.7%。

1.2 研究原理

归一化植被指数(Normal:zed difference vegetation index,NDVI)计算公式:

式中:ρR为红外波段,ρNIR为近红外波段,ρNIR和ρR分别对应于MODIS的CH1(0.62~0.67μm)通道和CH2(0.841~0.876μm)通道,生成的NDVI值在-1.0~1.0之间[7]。这2个波段主要反映地物对太阳辐射的反射特性,对应于植被光谱的反射低谷和反射高峰。CH2是植被遥感最理想的通道,但由于太阳高度角、卫星扫描角、大气削弱等诸方面影响,只用CH2的反射率遥感植被生长状况,结果不稳定且误差很大,理论和实际证明,采用双通道数据的各种组合得到的植被指数既能部分消除这些影响,又能加强对植被信息的反映。地物除了植被外,一般还可分为水体、云以及土壤等,可利用它们在可见光波段(CH1)和近红外波段(CH2)的光谱特性的不同将其剔除,水体CH2-CH1<0;云CH2-CH1≈0;土壤CH2-CH1>0,但与绿色植被相比也存在一定的区别,绿色植被在两波段上有陡坡效应,CH2和CH1波段值相差很大,一般情况下绿色植被的NDVI值比土壤的要大,并且随植被长势的变化和种类的不同,NDV值也发生变化。因此,NDVI值可作为有无植被及植被生长好坏的判据[6,7]。

3 数据处理与植被指数计算

3.1 遥感数据及地面观测资料

TERRA卫星MODIS是EOS系列卫星的主要探测仪器,共有36个光谱通道,分布在0.4~14.0μm波谱范围内,分辨率为250 m的第1波段(0.62~0.67μm)、第2波段(0.841~0.876μm)对植被比较敏感[8]。该文研究所用的遥感数据是美国地球资源观测系统(Earth Observation System,EROS)数据中心提供的空间分辨率为250 m的MODIS 1B数据,数据获取时间为2000—2009年5月下旬20景MODIS卫星遥感数据,截取区域为北纬37.95°~44.05°、东经117.90°~126.10°。气象资料包括辽宁省气象站观测的2000—2009年5月的月平均降水量。

3.2 数据处理

RSD软件操作简单、方便,在图像处理上同样取得了很好的效果,不但可以处理栅格格式的遥感数据,还可以处理卫星扫描图幅数据(SWATH)、矢量格式空间数据和一些其他格式的数据。处理流程为:(1)创建辽宁省250 m分辨率蒙板,添加新层,打开待处理的图像,参数中投影采用UTM,坐标为WGS-84;(2)对图像进行滤波;(3)几何校正,该研究使用欧亚大陆水系进行校正;(4)对数据重采样,采用最近邻点法重采样;(5)找到感兴趣区,添加辽宁省矢量边界图,利用辽宁省地理信息数据对研究区进行提取。其中2000、2002、2004年5月下旬数据进行了拼接处理。对影像进行上述处理后,可在MODIS影像中提取出辽宁省的边界。

3.3 植被指数计算

在RSD遥感桌面系统中,计算流程为:(1)使用功能菜单中的数据处理→指数计算→归一化植被指数NDVI;(2)确定定标系数,图像数据头文件中reflectence-scales通道的2个系数即为定标系数;(3)输出NDVI图像;(4)对NDVI影像图进行密度分割,对负值不予分类,在影像中用黑色表示。图1为2009年5月下旬辽宁省NDVI分布图。以此类推,对2000—2008年逐年同一时期影像进行相同处理和计算,并对生成的NDVI影像进行叠加求平均,生成辽宁省NDVI均值分布图。图2为辽宁省近10年春季植被覆盖分布图。同理,对NDVI影像图相减可得相邻2年的植被指数值之差,用差值来反映年际间植被覆盖的变化情况,并根据NDVI变化值的分布情况,确定变化强度与NDVI变化值之间的关系,建立NDVI强度变化分级表(表1)。

变化强度值为一量化数值,它的作用是揭示NDVI年际变化强度。其中,数值从1~2为负向变化(差值小于0),其含义是NDVI年际减少,即植被覆盖减少或受到破坏;3为无变化,其含义为NDVI年际变化不大,即植被覆盖情况基本不变;变化强度从4~5为正向变化(差值大于0),其含义是NDVI年际增加,即植被覆盖增加或变好。

4 结果分析

4.1 近10年辽宁省春季植被覆盖特征

植被覆盖及其变化是区域生态系统环境变化的重要指示,植被覆盖等级是其最直观的表现手段之一。该研究将整个植被覆盖区分为3类(图2),分别为:一类植被区(高植被区),植被指数在0.7~1.0之间,主要分布在辽宁东部地区,即抚顺、本溪、丹东;二类植被区(中植被区),植被指数在0.3~0.7之间,在辽宁中部、东部以及西部小范围地区均有分布;三类植被区(低植被区),植被指数在0~0.3,主要分布在辽西北地区,即阜新、锦州、朝阳等地。

利用当年某时段的植被指数与多年平均值的差异程度作为衡量指标,可以判断当年作物长势优劣,评价作物长势状况的空间分布。由计算结果可以看出(图2),辽宁地区近10年的春耕期植被覆盖具有明显的地域性,辽宁东部地区植被指数大部分较高,属于高植被区,辽宁西部地区植被指数大部分较低,属于低植被区,这是由于辽宁省西部地区长期高温少雨,旱灾较重,中植被区分布比较分散。从图1、2可以看出,2009年辽宁省的植被指数分布与近10年的植被指数分布形势基本一致,辽宁东部地区总体来说植被指数较高,其中东南部部分地区略低,辽宁西部仍然属于低植被区。但2009年高植被区NDVI值较往年高植被区NDVI值严重减少,这表明2009年植被指数值较10年平均水平有所降低。

4.2 NDVI年际变化特征

通过分析同一月份NDVI年际变化图,可以发现同一区域内不同时期的NDVI变化强度情况,从而推断出植被覆盖与植被分布的变化情况。由于MODIS数据的空间分辨率相对偏低,在该研究中,不直接采用传统土地分类方法而是通过不同年份的NDVI值来分析植被覆盖的变化情况[9]。2000—2004年NDVI变化强度如图3~6所示,2004—2009年NDVI变化强度如图7~11所示。从图中可以看出,2000—2004年植被指数呈减少趋势,辽西地区负向变化区域面积较大,变化强度为中,而2002年辽宁省大部分地区植被指数增加,变化强度为中,整体来说植被覆盖基本稳定;2005—2008年植被指数变化呈增加的区域高于呈减少的区域,变化强度为中,2008年NDVI值相对较高;2009年辽宁省大部分地区呈负向变化,变化强度为中,植被指数减少情况较严重。

根据分类获得的同一月份年际变化强度图,并通过栅格数据统计,获得辽宁省春季的年际NDVI变化强度分布百分比(表2)。可以看出,辽宁省2000—2001年NDVI负向变化百分比大于正向变化,说明在这2年里,辽宁省的植被覆盖情况呈现下降趋势。2001—2002年NDVI正向变化大于负向变化,说明在这2年里,辽宁省的植被覆盖情况呈现增加状态。2002—2004年的NDVI负向变化又开始增大,但增幅不大,正、负向变化基本持平,说明植被的保持情况较为良好,植被覆盖稳定。2005—2008年NDVI正向变化百分比超过负向变化,并逐年增加,说明植被覆盖呈增加状态。而2008—2009年NDVI负向变化百分比远远超过正向变化,说明该年份内,辽宁省植被覆盖减少的情况较为严重。

(%)

4.3 NDVI变化与降水量的关系

造成辽宁省生态系统植被覆盖发生变化的原因很多,气候因素一般包括气候因素中的温度、降水、风速、蒸散等[10]。该文进一步研究了NDVI变化与降水量的关系,其中NDVI值为该年份5月下旬全省平均值,降水量值为4月及5月的总降水量。从图12可以看出,NDVI与降水量趋势基本一致,2000—2004年春季辽宁省地区NDVI变化趋势总体趋于稳定,NDVI值在0.1~0.2之间,降水量值在40~70mm之间,2001、2004年NDVI值相对较小,2001、2004年降水量同样相对较少,其他年份基本保持稳定;2005—2008年NDVI变化呈显著的上升趋势,值在0.2~0.5之间,降水量变化趋势与NDVI变化一致,值在40~95 mm之间,2008年降水量和NDVI均达到10年来的最大值;2009年NDVI值及降水量显著下降,降低到10年来的最低水平。综上所述,降水量在影响辽宁省春季植被指数变化的因素中占主导地位。

5 结论

该文利用MODIS-NDVI 10年数据对辽宁地区植被动态变化和空间分布进行初步研究,结果表明:辽宁省NDVI值在空间上具有明显的地域性,呈现东部高、西部低的态势;2000—2004年春季NDVI值逐年减少,但正负变化基本持平,植被情况较为良好,植被覆盖稳定;2005—2008年植被指数整体呈上升趋势,2008年NDVI值相对较高;在影响植被指数的气候因子中,降水量在影响辽宁省春季植被指数变化中占主导地位。2009年5月下旬NDVI值减少的情况较为严重,常年较好植被区NDVI值明显低于往年,常年干旱的辽西北地区发生了有史以来最严重的干旱,造成粮食减产,这主要由于2009年春季整个辽宁省降水量较往年严重减少。MODIS-NDVI数据适用于大范围、实时动态的植被覆盖变化动态监测,植被指数的研究为进一步获取辽宁省植被覆盖度、叶面积指数等其他生态参数提供了数据基础。

参考文献

[1]SELLERS P J.Canopy Reflectance,Photosynthesis and Transpiration[J].Int J Remote Sensing,1985(6):1335-1372.

[2]CHEN J M,CIHLAR J.A hotspot in a simple bidirectional reflectancemodel for satellite applications[J].Geophys Res.,1997:25907-25913.

[3]赵英时.遥感应用分析原理与方法[M].北京:科学出版社,2003.

[4]盛永伟,陈维英,肖乾广,等.利用气象卫星植被指数进行中国植被宏观分类[J].科学通报,1995,40(1):65-71.

[5]郭铌.植被指数及其研究进展[J].干旱气象,2003,4(21):71-75.

[6]王莉雯,卫亚星,牛铮.基于遥感的青海省植被覆盖时空变化定量分析[J].环境科学,2008,6(29):1754-1760.

[7]武晋雯.辽宁省耕地植被指数变化特征分析[J].气象科学,2006,6(26):279-285.

[8]杜灵通.MODIS 1B数据的预处理及归一化植被指数计算[J].沙漠与绿洲气象,2008,2(2):25-28.

[9]张春桂.应用MODIS数据监测福州地区土地利用/覆盖变化[J].中国农业气象,2006,27(4):300-304.