干旱荒漠区植被恢复动态遥感监测

陈 芳，马全林，张德魁，刘有军，靳虎甲

(甘肃省荒漠化防治重点实验室 甘肃省治沙研究所,甘肃 兰州 730030)

20世纪70年代以来，土地荒漠化被认为是重大的环境问题，许多国际性会议的主要议题都是如何控制荒漠化。中国是受荒漠化危害最严重的国家之一，荒漠化不仅造成生态系统失衡，而且给工农业生产和人民生活带来严重影响，这一现实成为制约我国中西部地区，特别是西北地区经济和社会协调发展的重要因素[1-2]。植被是干旱荒漠区生态环境的综合反映，也是区域荒漠化扩展或逆转的基本表征，通过人工措施保护、恢复、建设植被是防止荒漠化的最有效、最经济、最持久、最稳定的措施[3]。准确地掌握植被恢复区植被覆盖动态变化特征，进一步了解有关沙漠化逆转的过程及其机理，是对传统荒漠化机制研究的重要补充，对揭示沙漠化逆转机制具有重要意义。

本研究以腾格里沙漠东南缘植被恢复区典型区为例，以遥感图像处理和地理信息系统技术作为理论基础，选择3个时段陆地卫星遥感影像资料进行几何精校正，图像预处理、植被指数提取、植被盖度的分类以及变化比较分析，揭示该研究区植被覆盖变化状况，从而对区域植被恢复效果进行监测，为进一步的植被恢复和景观建设提供依据，为生态系统的可持续管理提供宏观的依据。

1 研究区概况

研究区选择在甘肃省古浪县东北部的明沙咀，位于腾格里沙漠南缘，地理坐标为37°32′～37°35′ N,103°38′～103°42′ E，总面积2.146×105hm2，海拔1 730～1 810 m。区内气候属大陆性干旱气候，年平均气温6 ℃，年平均降水量175 mm，地下水位埋深67 m。研究区的地貌类型为流动沙丘、半固定和固定沙丘、干河床和风蚀沙地，土壤类型以风沙土为主；天然植被包括中亚紫菀木(Asterothamnuscentrali-asiaticus)、短花针茅 (Stipabreviflora)、白刺(Nitrariatangutorum)、黑沙蒿(Artermisiaordosica)、圆头沙蒿(A.sphaerocephala)、沙芦草(Agropyronmongolicum)、刺蓬(Cornulacaalaschanica)和沙米(Agriophyllumsquarrosum)等。1982年开始，采用低密度造林[花棒(Hedysarumscoparium)，1 650 株/hm2]+封育措施对沙化土地进行治理，经过25年的自然演替更新，现已形成以灌木、半灌木为主的沙生植被[4-5]。

2 研究方法

2.1数据源 本研究数据源于1987、2003和2008年3期的Landsat 5 TM影像，所选图像均无云、波段齐全、层次清楚，对比分明，时相分别为1987年9月18日、2003年9月14日和2008年9月11日，空间分辨率为30 m。另准备了研究区1∶10万地形图作为几何校正和野外定位的大地坐标参考。

2.2遥感图像预处理 考虑到研究区域及研究内容，为了更好地反映植被信息，选择TM543波段作假彩色合成。在ERDAS下对3幅图像进行主成分变换(KL变换)、3×3低通滤波及缨帽转换等图像增强处理。

因为地形、地球曲率和传感器使得TM影像产生一定程度的形变,并且3幅图像均为2级产品，因此，需用几何方法校正图像，将其表达在平面上，完成带坐标的影像。本次采用早期经过几何精校正的TM影像作为参考，通过采集地理坐标控制点校正图像，校正系统采用二次多项式，像元重采样采用双线性内插法，最终影像几何纠正误差控制在一个像元以内，再经图像分幅裁剪完成图像预处理，最后得到研究区遥感影像图。

2.3植被指数选择及植被盖度估算 目前遥感估算植被覆盖度的方法大致有两种：经验模型法和植被指数转化法。其中，经验模型法主要是通过建立实测植被覆盖度数据与植被指数的经验模型来求取大面积植被覆盖度；而植被指数转换法是在对光谱信号进行分析的基础上，通过建立植被指数与植被覆盖度的转换关系来直接估算植被覆盖度。由于植被指数转化法不依赖于实测的植被覆盖度数据，因而在实际工作中得到广泛应用[6-13]。本研究所采用的是目前比较广泛使用的一种根据归一化差值植被指数来计算植被覆盖度的方法[14-15]。

式中，ρNIR和ρRED分别为近红外和红波段反射率，F为植被覆盖度，NDVImin为最小植被指数，即裸土条件下的NDVI值；NDVImax为最大植被指数，即全植被覆盖条件下的NDVI值。

由于研究区为植被恢复封育区，所以在植被盖度等级划分上, 没有采取风蚀荒漠化评价分级等指标系统，而是根据外业调查和遥感植被盖度图的实际情况，将植被按盖度的大小分为低盖度植被(0≤F<25%)、中等盖度植被(25%≤F<50%) 和高盖度植被(F≥50%)3类。另外，考虑到农田是一特殊的植被群体，不同的作物有不同的种植与收获时间，仅仅依据农田的光谱数据很难准确解译出农田植被区。鉴于上述原因，再增设一类农田植被，这样研究区的植被共分为4类。对每一景影像，采用目视解译法区分农田植被区，然后利用ERDAS IMAGING的Modeler maker模块实现植被覆盖度的模型设计与计算，从而获得研究区植被覆盖度图。

3 结果与分析

3.1不同覆盖等级的面积变化分析 植被覆盖度的面积变化可以反映研究区生态环境状况，分类统计1987-2008年不同植被盖度等级土地面积，结果显示，在人为环境改良和自然两种因素的影响下，研究区1987-2008年植被覆盖具有较大变化，低盖度植被区面积逐步减少而高盖度植被区面积逐步增加，区域植被恢复效果明显。

1987、2003和2008年研究区内面积变化最为明显的是低盖度植被区，该类土地所占面积比率由1987年的35.68%减少到2008年的14.86%，面积共减少了4 467.24 hm2。随着“景电二期”工程的进行，区域中能被灌溉的低、中、高盖度植被区逐步被开垦为农田，全区农田植被面积迅速增加，逐步成为研究区内所占面积比率最大的植被覆盖类型；1987、2003和2008年，研究区高盖度植被区有明显的扩张趋势，所占面积比率分别为15.50%、17.72%和24.98%(表1)。

3.2植被覆盖类型的变化动态分析 为了进一步对植被覆盖度的空间变化进行监测和分析，在ArcGIS软件支持下，对1987、2003和2008年3期植被覆盖图像进行空间叠加运算，对区域植被变化性质进行监测及成因分析。

表1 研究区1987-2008年不同覆盖等级植被面积变化

按植被覆盖变化的性质，1987-2008年研究区植被覆盖变化的过程可总结为弃耕型(耕地转变成非耕地)、开荒型(非耕地转变成耕地)、植被退化型(多植被转化为少植被)和植被恢复型(少植被转化为多植被)等4种(表2)。根据遥感解译结果统计，从1987-2008年的21年间，研究区有55.57%的土地覆被类型没有变化，这主要是高盖度植被和农田植被，而其他约44.43%的植被覆盖类型发生了转化。转化最多的类型为植被恢复，转化面积占土地总面积的21.98%，其次是开荒型和植被退化型，分别占土地总面积的16.07%和5.06%，转化面积比率最低的是弃耕型，其面积仅占土地总面积的1.32%。

表2 研究区1987-2008年植被盖度等级面积转化

从不同转化类型的关系看，开荒和弃耕是同时存在而方向相反的两种过程，如果开荒大于弃耕，则耕地面积增加，如果弃耕大于开荒，则耕地面积下降；而植被退化和植被恢复也是方向相反的两个相对过程，如果退化面积大于恢复面积，则植被总体上处于衰退,否则，总体上处于恢复。在21年中，开荒的面积远大于弃耕的面积，植被恢复面积也远高于植被退化的面积，可以看出，研究区植被恢复取得了明显的效果，植被总体上得到了恢复。

对不同时间段内植被盖度等级转化面积而言，植被盖度等级变化趋势基本一致，但是其转化速率存在较大差异。1987-2003年，研究区植被退化的面积比率为8.55%，2003-2008年则减少为5.08%，但区域内植被恢复的面积所占比率却从1987-2003年的13.54%增加到2003-2008年的18.86%。对于弃耕型和开荒型，其1987-2003年间的转化面积均高于2003-2008年。

4 结论

1)在人工抚育与封育相结合的植被恢复下，1987-2008年研究区高盖度植被区有明显扩张趋势，其所占面积比率从1987年的15.50%增加到2008年的24.98%；同时，受“景电二期”工程的影响，区域能被灌溉的低、中、高盖度植被区逐步被开垦为农田，全区农田植被面积迅速增加，成为研究区内所占面积比率最大的植被覆盖类型。

2)在ArcGIS软件支持下，对1987-2003年和2003-2008年两个阶段的植被盖度等级面积转化对比分析，1987-2003年间，研究区植被退化的面积比率为8.55%，2003-2008年则减少为5.08%，但区域内植被恢复的面积所占比率却从1987-2003年的13.54%增加到2003-2008年的18.86%。植被恢复面积远高于植被退化的面积，植被总体得到恢复。

[1]朱震达.中国的脆弱生态带与土地荒漠化[J].中国沙漠,1991,4(1):11-12.

[2]王涛,赵哈林.中国沙漠化研究的进展[J].中国沙漠,1999,19(4):299-311.

[3]孙保平，关文彬，赵廷宁,等.21世纪中国荒漠化预防及治理技术研究展望[J].中国农业科技导报，2000,2(1):54-57.

[4]王继和,马全林,杨自辉,等.干旱区沙漠化土地逆转植被的时空格局及其机制研究[J].中国沙漠,2004,24(6):729-733.

[5]满多清，吴春荣，徐先英,等.腾格里沙漠东南缘荒漠植被盖度月变化特征及生态恢复[J].中国沙漠，2005，25(1):140-144.

[6]高志海,魏怀东,丁峰.TM 影像VI提取植被信息技术研究[J].干旱区资源与环境,1998,12(3):98-104.

[7]刘普海.应用遥感理论目视解译TM图像的研究[J].甘肃农业大学学报,2002,37(1):40-43.

[8]李昀,愈联平,陈兴荣,等.基于3S技术的景泰县草地资源现状评价[J].草业科学,2010,27(4):64-68.

[9]唐世浩,朱启疆,周宇宇,等.一种简单估算植被覆盖度和恢复背景信息的方法[J].中国图像图形学报,2003,8(11):1304-1308.

[10]温庆可,张增祥,刘斌,等.草地覆盖度测算方法研究进展[J].草业科学,2009,26(12):30-36.

[11]彭道黎,滑永春.北京延庆县植被恢复动态遥感监测研究[J].中南林业科技大学学报,2008,28(4):159-164.

[12]王涛,张生军,王天明,等.新疆不同植被NDVI的变化及其与气候因子的关系[J].草业科学,2009,26(5):26-31.

[13]梁天刚,崔霞,冯琦胜,等.2001-2008年甘南牧区草地地上生物量与载畜量遥感动态监测[J].草业学报,2009,18(6):12-22.

[14]王兮之,杜国桢,梁天刚,等.基于RS和GIS的甘南草地生产力估测模型构建及其降水量空间分布模式的确立[J].草业学报,2001,10(2):95-102.

[15]李海亮,赵军.草地遥感估产的原理与方法[J].草业科学,2009,26(3):34-38.