基于NDVI像元二分模型的矿区植被覆盖动态监测

黎良财 ，邓 利 ，曹 颖 ，肖万娟 ，陈翠玉 ，李宏志

（1.北京林业大学 林学院，北京 100083；2. 广西生态工程职业技术学院，广西 柳州 545004；3. 北京市地质研究所，北京 100875）

基于NDVI像元二分模型的矿区植被覆盖动态监测

黎良财1,2，邓 利2，曹 颖3，肖万娟2，陈翠玉2，李宏志1

（1.北京林业大学 林学院，北京 100083；2. 广西生态工程职业技术学院，广西 柳州 545004；3. 北京市地质研究所，北京 100875）

运用泗顶铅锌矿区TM/ETM1991年、1999年、2005年和2010年时间序列影像提取NDVI值，以像元二分模型由NDVI值反演出各时相植被覆盖度，在ENVI软件下进行植被覆盖度分级并计算各级覆盖度转移概率矩阵，进而监测矿区地表覆被变化过程。结果表明：20年间矿区植被覆盖度整体处于较高覆被，且呈现先快速后缓慢增加的趋势，其中：大部分中低覆被类型向较高覆被类型转移，较高覆被类型向高覆被类型转移。该方法可以快速、定量地反映矿区植被覆盖及变化情况，为矿区生态环境评价和治理提供技术支持。

植被覆盖度；NDVI；像元二分模型；泗顶铅锌矿区；动态监测

矿产资源是国民经济和社会发展的重要物质基础。随着矿产资源的开发，在促进经济发展和社会进步的同时，也引发了采矿区植被破坏、地表沉陷、地下水位下降、水土流失和土地荒漠化、石漠化等问题，已严重影响了矿区及周边群众的生产生活，制约了经济和社会的可持续发展[1-2]。植被是连接土壤、大气和水分等土地覆盖要素的自然“纽带”，其动态变化在一定程度上指示着土地覆盖的动态变化[3]。作为反映地表植被覆盖的重要指标——归一化植被指数(Normalized Difference Vegetation Index, 简称NDVI)，可通过对遥感影像数据的处理而提取，进而通过数学模型计算植被覆盖度[4]。在利用NDVI对植被覆盖进行监测评价方面，国内外已进行大量的研究与试验[5-11]，但对矿区的研究较少，目前国内仅对西北煤矿区进行了少量研究[12-14]。

本研究通过对南方有色金属矿区近20年来地表植被覆盖的动态监测，分析矿区植被覆盖的时空变化规律，为矿区地表的植被覆盖调查评价、植被修复和生态保护等提供基本数据和理论依据。

1 研究区概况

泗顶铅锌矿区位于广西融安县城泗顶镇，东经 109°25′16″～ 109°39′30″， 北 纬 24°56′42″～25°7′41″。矿区地处石灰岩山区，地貌为外围环形突起，中间洼地的峰林地，是闻名中外的典型层控型铅锌矿床。泗顶铅锌矿是中国有色金属工业总公司所属的中型企业，于1960年由国家建成投产，由于超期服役28年，可采资源已近枯竭，于2005年12月15日政策性关闭破产。矿区属中亚热带季风气候，常年温暖潮湿，年均气温17.8℃，年降水量1 899 mm，年日照时数1 414～2 094 h，水热条件优越，有利于植物生长[15]。但由于矿产的过度开发与疏于治理也造成了很多环境问题，周边土壤受重金属污染严重，一些不适应的树种渐渐死去，优势树种也由于人为砍伐越来越少。近年来，随着人们对环境尤其是森林生态的重视，出现了许多天然次生林以及人工林。

2 材料与方法

2.1 数据源选择

研究选用的遥感影像为Landsat5/7卫星的TM/ETM数据产品，级别为Level 1T（L1T），L1T数据经过系统辐射校正和地面控制点几何校正，并且通过DEM进行了标准地形校正，地图投影为UTM–WGS84，成像时间分别为1991年10月 5日（TM）、1999年 10月 19日（ETM）、2005年10月11日（TM）和2010年11月2日（ETM,SLC-Off）；辅助数据有泗顶铅锌矿区矢量图层，Shapefile格式。

2.2 数据处理过程

2.2.1 修补与裁剪

所选用遥感数据中，由于2010年ETM影像机载扫描行校正器（Scan Lines Corrector，简称SLC）发生故障，导致获取的图像出现数据重叠和大约25%的数据丢失，因此首先需要采用SLCOff模型进行校正（修补后如图1B）。然后以泗顶铅锌矿区Shapefile矢量图为掩膜（如图1A），经过与遥感图像投影坐标系统一后，对四个时期影像进行裁切，得到覆盖矿区范围的遥感影像，面积为281.8 km2。

图1 泗顶铅锌矿区矢量图与Landsat影像Fig.1 Vector graphics and Landsat image of Siding Zinc-lead Mine

2.2.2 辐射定标

遥感影像通常给出的是像元DN值，利用DN值只能进行同景影像内部的相对比较，而对多时相、 多区域、多种传感器的遥感数据，需要将图像DN值转换成对应像元的辐射亮度值，这个转换过程就称为辐射定标，是保持数据一致性和数据精度的一项重要的基础工作。由于L1级产品的DN值是由辐射亮度经线性变换得到的，因此从L1级产品计算辐射亮度只需利用相关参数进行线性反变换即可，具体可分两步计算[16-17]：

（1）计算辐射亮度

（2）计算行星反射率

式中，Lλ：辐射亮度 单位W·m-2·sr-1·um-1；VDN：图像的像元灰度值，无量纲，取值范围 0～255；Vgain：增益，单位 W·m-2·sr-1·um-1，Vgain=(Lmax-Lmin)/255，Lmax和Lmin分别是波段最大和最小光谱辐射值，单位与增益相同；VBias：偏置，单位W·m-2·sr-1·um-1，VBias=Lmin；ρ：行星反射率，无量纲；d：日地天文单位距离，无量纲，d=1-0.01674*cos(0.9856*(TJD-2451545)*π/180/36525)，TJD为遥感成像的儒略日(Julian Day)，可以通过儒略日算法模块获得；AESUN,λ：太阳光谱辐射量，单位W·m-2·sr-1·um-1；ASZ：太阳天顶角，单位为度，ASZ=90-太阳高度角，太阳高度角可以从遥感数据的头文件中获得。

对于公式（1）、（2）中所用参数的取值，见表1，表2所列。

表1 Landsat5-7 TM/ETM辐射定标参数Table 1 Parameters for TM/ETM sensor calibration

表2 TM图像序列的儒略日、日地距离和太阳天顶角取值Table 2 The values of TJD, d and ASZ in TM data acquisition_date

以上计算可在ENVI软件的basic tools-＞preprocessing-＞ calibration utilities -＞landsat calibration和basic tools-＞band math功能模块中实现。

2.2.3 大气校正

卫星在接受讯号的过程中受到大气的影响，致使卫星接受的讯号失真，为了获得真实的地表反射率，必须去除大气对遥感图像信息的影响[18]。常见的大气校正方法有基于辐射传输模型的MODTRAN模型、LOWTRAN模型、ATCOR模型和6S模型等；基于简化辐射传输模型的黑暗像元法；基于统计学模型的反射率反演等。本研究的大气校正采用了ENVI软件的FLAASH工具，基于MODTRAN4+辐射传输模型，可对多光谱、高光谱数据及航空影像进行快速大气校正，能有效消除大气和光照等因素对地物反射的影响，获得地物较为准确的反射率和辐射率、地表温度等，具体操作过程参照《ENVI遥感图像处理方法》教程[19]。

2.3.4 NDVI提取

植被指数是利用叶冠的光学参数提取的独特的光谱信号，是遥感领域中用来表征地表植被覆盖、生长状况的一个简单又有效的度量参数[20]。绿色植物在近红外波段具有高反射而在红外波段具有强吸收，在利用多光谱图像提取植被信息时多采用红外/红波段图像作比值，比值处理以后可以消除部分辐射误差。本研究植被指数的计算采用归一化植被指数模型，计算公式如下：

式中，NIR为近红外通道反射率，R为红色通道反射率。NDVI取值介于（-1，1）之间，负值表示地表覆盖为云、水、雪等，对R反射高而对NIR吸收强；0表示地表为岩石或裸土覆盖，NIR和R通道反射率近似相等；正值表示有植被覆盖，且随覆盖度增大而增大[15]。

NDVI的提取可在ENVI软件的Transform-＞NDVI工具中计算，输出数据类型选择浮点型。

2.3.5 植被覆盖度计算

归一化植被指数（NDVI）与植被覆盖度有显著正相关关系[21-22]，可以采用像元二分模型法将NDVI改算为植被覆盖度。像元二分模型假设一个像元的信息可以分为土壤与植被两部分，通过遥感传感器所观测的信息S就可以表达为由土壤成分所贡献的信息Ss和由植被成分所贡献的信息Sv两部分。

对于一个由土壤和植被两部分组成的混合像元，像元中有植被覆盖的面积比例为该像元的植被盖度 fc，而土壤覆盖的面积比例为（1-fc）。设全由植被覆盖的纯像元所得的遥感信息为Sveg，混合像元的植被成分所贡献的信息Sv可以表示为：

同理，土壤成分所贡献的信息Ss可以表示为：

将式（5）与式（6）代入式（4）中得到：

对式（7）进行变换，可以得到计算植被盖度公式为：

将归一化植被指数（INDVI）代入式（7）可以被近似为：

VNDVIsoil应该是不随时间改变的，对于大多数类型的裸地表面，理论VNDVIsoil的值应该接近零。然而由于大气影响及地表温度、湿度、粗糙度、土壤类型、土壤颜色等条件的不同，VNDVIsoil会随着时间和空间而变化，VNDVIsoil的变化范围一般在0.1～ 0.2[23]。因此，采用一个确定的VNDVIsoil值是不可取的，理想的调整方法是从图像中计算VNDVIsoil。VNDVIveg代表着全植被覆盖像元的最大值，由于植被类型的不同，季节的变化，叶冠背景的污染，包括潮湿地面、雪、枯叶等因素，VNDVIveg值也会随着时间和空间而改变，因此VNDVIveg值的确定也存在着与VNDVIsoil值类似的情况[24]。

将（9）式变换得到fc= (INDVI–VNDVIsoil)/(VNDVIveg–VNDVIsoil)，由于研究区存在完全的植被覆盖区域和完全非植被覆盖区域，根据提取的INDVI时序数据，确定纯植被像元VNDVIveg约等于NDVImax， 纯裸地像元NDVImin约等于VNDVIsoil。

在ENVI软件的basic tools-＞band math功能模块中输入公式（9），NDVIveg和NDVIsoil用各期NDVI数据的最大值和最小值代入计算，即可输出植被覆盖度图像，数据类型选择浮点型。

2.3 植被覆盖度分级

从植被覆盖度（fc）的定义可以看出，fc的值介于［0，1］之间，根据前人的研究[25-26]，将植被覆盖度定义为5个等级：（1）无覆被（裸露地表或水体），fc≤0.1；（2）低覆被，0.1＜fc＜=0.3；（3）中覆被，0.3＜fc≤0.5；（4）较高覆被，0.5＜fc≤0.8；（5）高覆被，0.8＜fc≤1.0。根据各等级的阈值，在ENVI软件下对植被覆盖度图像进行密度分割，得到植被覆盖等级图（如图2）。

图2 泗顶铅锌矿区各时期植被覆盖等级Fig.2 Vegetation cover age grades in Siding Zinc-lead Mine in different periods

3 结果与分析

3.1 植被覆盖度特征

对四期遥感数据计算的矿区植被覆盖等级图进行统计，得到各覆盖度等级的面积；以植被覆盖度图像面积加权计算整个矿区植被平均覆盖度，结果见表3和图3。

由表3和图3可知，泗顶铅锌矿区1991年到2010年20年间平均植被覆盖度由0.65上升到0.76，整体处于较高覆被。从1991年到1999年，植被覆盖度增加较快，约提高10%，原因是上世纪90年代初广西全区大力开展“造林灭荒、绿化达标”运动，使植被覆盖度显著提高，效果持续发挥。从1999年到2005年，植被覆盖度保持平稳，小幅下降0.9%，原因可能是泗顶铅锌矿可采资源逐渐枯竭后，开采其他小矿点造成植被破坏。从2005年到2010年，植被覆盖度又缓慢上升约3%，这与2002年后当地开始实行退耕还林等林业政策和2005年泗顶铅锌矿停产关闭减少植被破坏等叠加效应有关。

表3 1991～2010年泗顶铅锌矿区植被覆盖度特征†Table 3 Characters of vegetation coverage in Siding Zinc-lead Mine during 1991～2010

图3 1991～2010年泗顶铅锌矿区植被覆盖度变化趋势Fig.3 Vegetation coverage changes of Siding Zinc-lead Mine during 1991～2010

3.2 植被覆盖度转移概率分析

为了摸清泗顶铅锌矿区20年间各级植被覆盖度的相互转移面积和比例，将矿区1991年和2010年植被覆盖度等级图（如图2）导入ENVI软件进行变化检测（basic tools-＞change detection-＞computer difference map），得到转移概率矩阵结果见表4，各期影像各覆盖度等级面积见图4。

表4 1991～2010年泗顶铅锌矿区植被覆盖度等级转移概率矩阵Table 4 Grade transfer probability matrix of vegetation coverage in Siding Zinc-lead Mine during 1991～2010

图4 1991～2010年泗顶铅锌矿区植被覆盖度等级面积对比Fig.4 Comparison vegetation coverage area of in Siding Zinc-lead Mine during 1991～2010

从表4和图4可以看出，1991年矿区以较高植被覆被类型为主导，面积占79%，中覆被和高覆被面积各占10%和11%，无覆被和低覆被面积合计不足1%；2010年矿区较高覆被和高覆被面积分别占54%和44%，无覆被、低覆被和中覆被面积合计不足2%。从植被覆盖度转移概率来看，2010年比1991年无覆被面积增加了75%，由于面积基数较小，可忽略；低覆被、中覆被和较高覆被面积分别减少51.35%、85.21%和31.55%；高覆被面积增加311.12%；总体上是由中低覆被类型向较高覆被类型转移，较高覆被类型向高覆被类型转移。

4 讨论与结论

遥感图像具有监测面积大、数据可比性强、获取快速和人为影响少等优点，可直观地反映区域植被的生长变化情况。利用TM/ETM时间序列影像提取NDVI值，运用像元二分模型可由NDVI值反演出各时相植被覆盖度，将植被覆盖度分级后可对区域植被覆被情况进行统计、评价和变化检测，进而监测矿区多时相地表覆被变化过程。

利用上述方法对1991年至2010年20年间泗顶铅锌矿区植被覆盖度的监测表明，矿区植被覆盖度整体处于较高覆被，且呈现先快速增加、后保持平稳略降、再缓慢增加的趋势，其中：大部分中低覆被类型向较高覆被类型转移，较高覆被类型向高覆被类型转移。

矿区的生态环境保护和治理工作取得了一定成效，还应积极保护好矿区现有林草植被，整治水土流失严重的石漠化耕地，促进陡坡退耕还林，实施低产林低效灌丛地改造，增强矿区生态功能，实现绿化美化亮化矿区环境，保障经济社会的可持续发展，创建和谐社会的目的。

[1] 刘圣伟，甘甫平，王润生. 用卫星高光谱数据提取德兴铜矿区植被污染信息[J].国土资源遥感,2004,(1):6-10.

[2] 王世昌，卢爱英，王世裕， 等. 偏关县矿区植被恢复研究[J].山西林业科技,2009,38(2):37-38.

[3] 陈朝晖，朱 江，徐兴奎.利用归一化植被指数研究植被分类、面积估算和不确定性分析的进展[J].气候与环境研究，2004,9(4):687-696.

[4] 蔡博峰，刘春兰，陈操操，等. 露天煤矿生态环境遥感监测与评价方法研究——以霍林河一号露天矿为例[J].中国矿业，2009, 18(6): 61-64.

[5] J. DUNCAN, D. STOW, J. FRANKLIN, et al. Assessing the relationship between spectral vegetation indices and shrub cover in the Jornada Basin, New Mexico[J]. International Journal of Remote Sensing, 1993,14(18):3395-3416.

[6] LARSSON H. Linear regressions for canopy cover estimation in Acacia woodlands using Landsat-TM,-MSS and SPOT HRV XS data[J]. International Journal of Remote Sensing,1993,14(11):2129-2136.

[7] Rasim Latifovic, Kostas Fytas, Jing Chen, et al. Assessing land cover change resulting from large surface mining development[J].International Journal of Applied Earth Observation and Geoinformation, 2005,7(1):29-48.

[8] Luciano Telesca, Rosa Lasaponara. Quantifying intra-annual persistent behaviour in SPOT-VEGETATION NDVI data for Mediterranean ecosystems of Southern Italy[J]. Remote Sensing of Environment, 2006, 101 (1):95-103.

[9] Lasaponara R. On the use of principal component analysis(PCA)for evaluating inter-annual vegetation anomalies from SPOT/NDVI temporal series[J]. Ecological Modelling, 2006,194(4):429-434.

[10] 李忠峰，李雪梅，蔡运龙，等. 基于SPOT VEGETATION数据的榆林地区土地覆盖变化研究[J]. 干旱区资源与环境，2007, 21(2): 56-59.

[11] 霍艾迪, 张广军, 武苏里, 等. 利用MODIS-NDVI进行沙化土地评价研究——以陕西省北部地区为例[J]. 干旱地区农业研究， 2008, 26(2): 154-158.

[12] 胡振琪, 陈 涛. 基于ERDAS的矿区植被覆盖度遥感信息提取研究——以陕西省榆林市神府煤矿区为例[J]. 西北林学院学报， 2008, 23(2): 164-167.

[13] 吴立新，马保东，刘善军. 基于SPOT卫星NDVI数据的神东矿区植被覆盖动态变化分析[J]. 煤炭学报，2009, 34(9):1217-1222.

[14] 张晓克，胡海峰，康立勋，等. 基于SPOT卫星影像的矿区植被指数研究[J]. 山西农业科学，2010, 38(3): 48-51.

[15] 路 畅，王英辉，杨进文. 广西铅锌矿区土壤重金属污染及优势植物筛选[J]. 土壤通报，2010, 41(6): 1471-1475.

[16] 张兆明，何国金. Landsat5TM数据辐射定标[J]. 科技导报，2008, 26(7): 54-58.

[17] 韦玉春，黄家柱. Landsat5图像的增益、偏置取值及其对行星反射率计算分析[J]. 地球信息科学， 2006, 8(1): 110-113.

[18] 茅荣正，倪绍祥，蒋建军. LANDSAT-7 ETM+影像大气校正算法IDL的实现[J]. 测绘通报，2004, (1): 8-10.

[19] 邓书斌. ENVI遥感图像处理方法[M]. 北京: 科学出版社，2010, 289-317.

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

[21] 陈述彭，童庆禧，郭华东. 遥感信息机理研究[M]. 北京：科学出版社，1998: 345-349.

[22] 刘纪远, 庄大方. 基于GIS的中国东北植被综合分类研究[J].遥感学报, 1998, 2(4): 285-291.

[23] Toby N, Carlson, David A, et al. On the relation between NDVI,fractional vegetation cover and leaf area Index[J]. Remote Sensing of Environment,1997,62(3):241-252.

[24] Kaufman Y J, Tanre D. Atmospherically resistant vegetation index (ARVI) for EOS-MODIS[J]. IEEE Transactions on Geoscience and Remote Sensing,1992,30(2):261-270.

[25] 丁美青，陈松岭，郭云开. 基于遥感的土地复垦植被覆盖度评价[J]. 中国土地科学，2009, 23(11): 72-75.

[26] 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.

Vegetation dynamic monitoring in mining area based on NDVI serial images and dimidiate pixel model

LI Liang-cai1,2, DENG Li2, CAO Ying3, XIAO Wan-juan2, CHEN Cui-yu2, LI Hong-zhi1
(1. College of Forestry, Beijing Forestry University, Beijing 100083, China; 2. Guangxi Ecological Engineering Vocational and Technical College, Liuzhou 545004, Guangxi, China; 3. Beijing Institute of Geology, Beijing 100120, China)

∶ In order to monitoring the dynamic changing course of vegetation coverage in Siding Zinc-lead Mine, TM&ETM time serials images from the years 1991, 1999, 2005 and 2010 were used as information source. How to preprocess the satellite image, extract the NDVI data, inverse the vegetation coverage by using dimidiate pixel model and analysis vegetation coverage state transition matrix were studied, furthermore, the changing process of the mine area's vegetation coverage was monitored. The results show that the vegetation coverage in overall Mining area was at a higher level in past 20 years. The vegetation coverage variation tendency was increasing rapidly during 1991 to 1999 but slowly from 2005 to 2010, and transferring gradually from lower level to higher level. This method can be used for ecological environment evaluation and management in lager mining areas because it can monitor and analyze on vegetation coverage and its changes rapidly and quantitatively.

∶ vegetation coverage; NDVI; dimidiate pixel model; Siding zinc-lead mine; dynamic monitoring

S771.8；TP79

A

1673-923X(2012)06-0018-06

2012-03-24

柳州市科技基金 (2009021603)

黎良财(1978—)，男，湖北天门人，讲师，博士研究生，研究方向：3S技术在森林资源监测与评价中的应用；E-mail：llc100@163.com

[本文编校：吴 彬]