基于神东中心区植被覆盖变化的多时相遥感监测

付新雷

1．中国神华生态环境遥感监测中心，北京 100085

2．神华地质勘查有限责任公司，北京 100085

矿区开采过程中修建简易公路、砍伐树木、搭建工棚、堆放废石弃渣等，对地表植被破坏较大。植被作为连接土壤、大气和水分等生态环境要素的自然“纽带”，其动态变化在一定程度上反映了矿区生态环境的动态变化。依靠传统的地面样方实测方法来估算矿区的植被覆盖度要投入巨大的人力、财力，且精度不高，难以在大范围内快速提取所需信息，因此可利用卫星遥感技术对矿区环境变化实施监测，通过数学模型计算植被覆盖度［1］。Rouse 等［2］提出监测植被生长状态的归一化植被指数(NDVI)，该指数常被用来进行区域和全球的植被状态研究。Duncan等［3］曾研究了墨西哥荒漠地区灌木林覆盖率与NDVI的关系，得到了较好的关系模型;Larson等［4］分别从TM、MSS和SPOT卫星图像数据估算植被指数，并建立了阿拉伯森林地区植被指数与覆盖率的关系模型。笔者针对神东中心区干旱、半干旱的自然条件，对2002—2012年植被覆盖变化进行动态监测，分析植被覆盖的时空变化规律，为矿区植被覆盖调查评价、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

中国神华能源股份有限公司神东煤炭分公司开采活动主要位于内蒙古南部与陕西北部交界的神东矿区以及山西保德矿区，研究区(下称神东中心区)包括10个井田，如图1所示。

图1 神东中心区位置

神东中心区位于晋、陕、蒙3省区接壤地区，地处黄土高原和毛乌素沙漠的过渡地带，具有干旱、半干旱的大陆性气候特征，土壤贫瘠，风蚀和水蚀交互作用。中心区内植被类型以旱生、半旱生植被为主，生态环境先天脆弱，极为敏感，矿产资源开发易引发区内生态系统进一步退化。

2 数据选择与分析方法

2.1 数据源选择

数据主要包括遥感数据和相关的矢量数据。遥感数据采用了多种数据源(美国陆地卫星Landsat的TM/ETM+影像和中国环境一号卫星CCD1影像)。Landsat数据和CCD1数据均有近红外通道和红光通道，分辨率统一，见表1。两者可以综合使用监测神东中心区植被覆盖。矢量数据为神东中心区井田范围，为Shapefile格式，面积1 096.61 km2。

表1 遥感数据源信息

2.2 数据预处理

2.2.1 条带修复与裁剪

由于Landsat-7 ETM+机载扫描行校正器(SLC)故障导致2003年5月31日之后获取的影像数据条带丢失，所以需要对2005-07-29数据进行条带修复。再通过神东中心区矢量图层对5期数据进行裁剪，得到神东中心区遥感影像。

2.2.2 辐射定标

遥感影像通常给出的是像元DN值，需要将DN值转换成对应像元的表观幅亮度，可根据各传感器提供的辐射定标系数进行计算［5］(计算方法和操作流程略)。

2.2.3 大气校正

从水体或植被中提取生物物理变量，必须对遥感数据进行大气校正，否则可能会丢失这些重要成分的反射率(或出射率)的微小差别信息，研究中大气校正采用了FLAASH模型，具体操作过程参照《ENVI遥感图像处理方法》教程。

2.3 分析方法

2.3.1 归一化植被指数(NDVI)

根据绿色植物在近红外通道具有高反射而在红光通道具有强吸收的光谱特征，采用红光、近红外通道的反射率来提取植被信息。采用NDVI指数模型，计算公式为

式中：ρNIR为近红外通道地表反射率，ρR为红光通道地表反射率。NDVI是植物生长状态及植被空间分布密度的最佳指示因子，可用来定性和定量评价植被覆盖及其生长活力［6-7］。

2.3.2 植被覆盖度

采用像元二分模型法，对神东中心区植被覆盖度进行估算，公式为

式中：fc为植被覆盖度;NDVIsoil为纯土壤覆盖或无植被覆盖区域的NDVI值，即无植被像元NDVI值;而NDVIveg则代表完全被植被所覆盖的像元NDVI值，即纯植被像元的NDVI值。对NDVI值累积频率统计给定置信区间，求该区间内的最大值和最小值来确定全植被覆盖和无植被覆盖的NDVI值。选择累积百分比2.5% ～97.5%为置信区间，认为累积百分比小于2.5%的近似为无植被覆盖，大于97.5%的为全植被覆盖，并取此时对应的NDVI值为纯土壤覆盖像元的NDVIsoil值和纯植被覆盖像元的NDVIveg值［8-10］。

对5期NDVI计算结果进行统计分析，得到不同时期的NDVIsoil值与NDVIveg值，并根据各自的NDVIsoil值与NDVIveg值，按式(2)计算得出不同时期的植被覆盖度分布图。

2.3.3 覆盖程度分级

根据《生态环境状况评价技术规范(试行)》(HJ/T 192—2006)行业标准的规定，将研究区植被覆盖划分为5级，见表2。根据各等级的阈值对植被覆盖度进行密度分割，得到5期植被覆盖等级图，如图2所示。

表2 植被覆盖度分类表 %

3 结果与分析

3.1 神东中心区植被覆盖的动态变化特征

图2 2002—2012年神东中心区植被覆盖等级图

对5期植被覆盖等级图进行统计，得到各覆盖等级的面积，计算整个神东中心区内平均植被覆盖度，如表3所示。

表3 2002—2012年神东中心区植被覆盖度特征

神东中心区2002—2012年间平均植被覆盖度由38.20%上升到56.27%，整体处于中覆盖和中高覆盖水平。其中，2002—2005年植被覆盖程度总体偏低，以中植被覆盖类型为主导，面积占52.16%，其次为中高覆盖类型和极低覆盖类型，分别占20.00%和16.45%;2005—2010年植被覆盖程度变化幅度较小，总体上平稳提高，区内沙漠化程度有所减轻;2010—2012年植被覆盖程度增幅明显，特别是2012年，极低、低、中覆盖类型相比于 2010年分别减少了 3.22%、2.42%、15.97%，而中高、高覆盖类型分别增加了16.05%、5.56%，中高和高覆盖类型面积比重高达66.13%，具体见图3、图4。

图3 2002—2012年神东中心区植被覆盖度变化趋势

图4 2002—2012年神东中心区植被覆盖度等级面积对比

植被覆盖变化是降水因素和人类活动共同作用的结果。鉴于黄土高原地区年降水量整体趋于稳定［11］(2004 年除外)，如图5 所示。

图5 黄土高原地区年降水量变化趋势

可见，降水不是导致神东中心区植物覆盖上升的直接原因，植被覆盖情况整体改善缘于有利的人为因素，主要包括国家实施的退耕还林还草、围栏圈养和禁牧政策，以及神东煤炭分公司持续稳定的矿区环境保护投入与卓有成效的矿区环境治理工作，随着用于矿区环境保护的资金投入加大，自然情况日益好转，整个生态环境向良性方向发展。

3.2 神东中心区植被覆盖的各类型定量变化

为定量说明神东中心区各植被覆盖类型间的转化情况，计算2002、2012年的植被覆盖转移矩阵，见表4。

表4 神东中心区植被覆盖转移矩阵 km2

由表4可以看出，2002年极低植被覆盖类型面积为180.41 km2，截至2012年，21.71%仍为极低植被覆盖类型，78.29%向上级转化;低植被覆盖类型和中植被覆盖类型分别有1.91%和22.95%未发生变化，88.68%和70.73%向上级转化，明显高于向下级转化的9.41%和6.32%;中高植被覆盖类型中56.44%未发生变化，22.41%向下级转化，21.15%向上级转化，基本持平;高植被覆盖类型22.34%未发生变化，向下转化占77.66%。综上所述，整个生态环境向良性方向发展。

求取相同像元在2002、2012年2期植被覆盖图上的变化，将变化趋势分为7个等级，见表5。

表5 神东中心区2002—2012年植被覆盖变化趋势面积比例

由表5可以看出，2002—2012年，神东中心区植被覆盖退化区(包括轻微退化、中度退化和严重退化)的面积约占15.34%，而植被覆盖改善区(包括轻微改善、中度改善、明显改善)的面积高达64.01%。从空间分布上看，植被退化区主要分布在井田交界处的工业建筑区附近，并在井田内部零星分布;而植被改善区分布在井田内大部分地区，如图6所示。

图6 神东中心区2002—2012年植被覆盖变化空间分布

4 结论和建议

遥感数据具有监测面积大、数据可比性强、获取快速和人为影响少等特点，能够直观反映神东中心区植被的生长变化情况。采用Landsat TM/ETM+和HJ1A-CCD1时间序列影像提取NDVI值，运用像元二分模型反演2002—2012年间神东中心区内植被覆盖，对覆盖情况进行分级统计、评价和变化检测，进而监测神东中心区多时相地表覆盖变化过程。

监测结果表明，2002—2012年间神东中心区植被覆盖等级整体呈上升趋势，绝大部分地区的地表覆盖得到改善，神东中心区的生态环境治理工作成效显著。建议在取得成绩的同时，继续积极保护好区内现有林草植被，促进陡坡退耕还林，实施低产林低效灌丛地改造，增强区内生态功能，建设绿色矿区。

［1］Grove M．Social forestry and GIS［J］．Journal of Foresty，1992(12)：21-25．

［2］Rouse J W，Haas R H，Schell J A，et al．Monitoring vegetation systems in the great plains with ERTS［C］．Washington DC：NASA，1973：309-317．

［3］王治国，张云龙．林业生态工程学［M］．北京：中国林业出版社，2000：442-493．

［4］武红敢．刍议林业空间数据库的建设［J］．林业科技管理，2003(3)：22-27．

［5］张兆明，何国金．Landsat5-TM数据辐射定标［J］．科技导报，2008，26(7)：54-58．

［6］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．

［7］马保东，陈绍杰，吴立新．基于SPOT-VGT NDVI的矿区植被遥感监测方法［J］．地理与地理信息科学，2009，24(1)：84-87．

［8］Holben B N，Kaufman Y J，Kendall J D．NOAA-11AVH RR visible and near-IR in-flight calibration［J］．International Journal of Remote Sensing，1990，11(8)：1 511-1 519．

［9］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．

［10］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．

［11］万龙．黄土高原地区53年来降水量时空演变特征分析［D］．杨陵：西北农林科技大学，2011．