基于MODIS数据的济南市年最大植被覆盖度动态监测

王欣平 ， 邵凤娈 ， 毛志红， 张 莎， 张志勇

(1.河北师范大学 资源与环境科学学院，石家庄050024； 2.济南大学 资源与环境学院,济南250000; 3.河北省环境演变与生态建设实验室，石家庄 050024)

基于MODIS数据的济南市年最大植被覆盖度动态监测

王欣平1,3， 邵凤娈2， 毛志红1， 张 莎1,3， 张志勇1,3

(1.河北师范大学 资源与环境科学学院，石家庄050024； 2.济南大学 资源与环境学院,济南250000; 3.河北省环境演变与生态建设实验室，石家庄 050024)

植被覆盖度是反映地表植被覆盖状况的重要指标，也是衡量区域环境质量与水土保持情况的重要因子。以济南市MODIS数据为数据源，应用像元二分模型计算，获得济南市不同年份最大植被覆盖度。应用一元线性回归方法，通过数据统计，分析2001—2013年间济南市最大植被覆盖变化状况，并分析了主要变化驱动因子。结果表明：2001—2013年济南市最大植被覆盖度空间分布具有显著的区域性，大部分地区以稳定为主，局部地区变化较大；济南市植被覆盖度变化与降水的相关性较小，与气温的相关性较高，受人为影响大；植被覆盖度空间分布受地形影响：地势平缓地带，植被覆盖度与坡度负相关，在地势较高地区，植被覆盖度与坡度正相关。根据植被生长需求的特殊性，可以因地制宜、因时制宜地调整植被布局，改善济南市生态环境。

植被覆盖度；归一化植被指数；像元二分模型；动态监测；济南市

0 引言

植被覆盖度是被(包括叶、茎、枝)在地面的垂直投影面积占研究区总面积的百分比[1]，是获取地表植被覆盖空间分布及其变化趋势的重要指标，对于揭示地表植被空间变化规律、分析气候驱动作用、评价研究区整体环境质量具有重要意义[2]。

遥感测量作为一种较成熟的植被覆盖度量算方法，其中植被覆盖度与植被指数的相关分析及回归模型应用较广泛[3]。利用植被指数直接估算植被覆盖度，方法简单且容易操作，更具实践性和应用性。目前主要的植被指数有：RVI(比值植被指数)、NDVI(归一化植被指数)、SAVI(土壤调节植被指数)、EVI(环境植被指数)和PVI(垂直植被指数)[4]，其中NDVI值与植被的分布密度呈显著线性相关，可以消除大部分与辐亮度相关的影响，增强对植被的辨别能力，是研究区域植被覆盖的重要指数，应用较广泛。钱广强等[5]运用3S技术，从土地利用变化角度，解析豫北内黄县1979—2007年植被覆盖度动态变化规律。后期，王晓江等[6]利用MODIS-NDVI数据，对内蒙古大青山自然保护区内的植被覆盖度年际变化进行了研究。

本研究以济南市为例，对2001—2013年每年内的最大植被覆盖度进行定量分析研究。利用NDVI的像元二分模型[7]，计算济南市不同年份的最大植被覆盖度，监测动态变化，分析最大植被覆盖变化与气温、降水的相关性以及地形对植被覆盖度的影响。研究植被覆盖度变化能够为济南市生态环境规划提供参考，为更加合理地规划城市绿地类型及布局、改善生态环境提供依据。

1 研究区概况

济南市位于山东省中西部，包括济南市区、章丘市以及商河、济阳、平阴三县。介于北纬36°01′～37°32′、东经116°11′～117°44′(图1)。全市土地面积799 851 hm2，其中耕地366 995 hm2，林地76 182 hm2。济南市属暖温带大陆性季风气候，年平均气温13.5～15.5 °C，年均降水量600～900 mm，全年日照时数2 200～2 500 h，无霜期230 d左右[8]。降水主要集中在夏季，有利于植被繁殖生长。植被类型主要为农作物和山地森林两大类。

2 数据的获取

数据来源于美国地质勘探局官网：EOS/Terra卫星拍摄的eMODIS-NDVI影像数据，该产品已经过几何校正、辐射校正和大气校正，为250 m空间分辨率10 d合成的植被指数数据，是目前最高分辨率的植被数据产品。该数据可直接用于植被覆盖度的计算，简化计算过程。辅助分析图有2001—2012年间MCD12Q1(分辨率500 m)济南市土地利用类型数据和ASTER GLOBAL DEM(分辨率30 m)高程数据，其中土地利用类型数据作为区域内林地、草地、灌丛和农田等各类植被生态系统空间分布的参考，不做数据统计。2001—2013年的气象数据来自于国家气象局。

图1 研究区位置图Fig.1 Location of study area

卫星影像由高空拍摄形成，影像质量受到高空大气状况的影响，选取的卫星图像要求画质清晰。同时，进行植被遥感定量分析还要考虑植被在一年中不同季节的生长变化。济南市8—9月份植物生长量达到年内的最大值，气温还未影响到植被的绿度，这个时期的NDVI值可以代表年内最大NDVI值。最大NDVI值可以有效地消除云层覆盖和物候变化带来的植被覆盖影响，因此选取8、9月份数据，利用归一化指数NDVI进行植被覆盖度变化分析[9]。本研究基于2001—2013年年内最大植被覆盖度值进行对比，主要选取每年9月上旬的影像数据。2009，2011年9月上旬的数据质量不佳，因此选择对应年份8月下旬的数据。利用上述8月下旬和9月上旬的NDVI数据，计算得出的植被覆盖度作为济南市年内最大植被覆盖度。MODIS数据经过格式转换、叠加、矢量图裁剪等预处理后，得到了济南市2001—2013年NDVI最大状态的遥感影像数据。

气象数据包括温度和降水2个部分，其中温度数据是2001—2013年每天的日均温，通过加和求平均值得出各月均温。降水数据是2001—2013年内每天的降水量，相加求和求得各月总降水量。

3 研究方法

3.1 利用NDVI估算植被覆盖度

根据像元二分模型的定义，一个像元的NDVI值是植被覆盖信息与裸地信息的组合，利用NDVI植被指数产品直接计算植被覆盖度(fc)，公式如下[7]：

fc=(I-Isoil)/(Iveg-Isoil) 。

(1)

式中：Iveg为纯植被覆盖区域的NDVI值 ，Isoil为裸地的NDVI值。

在试验中，如果采用研究区域Imax和Imin来取代Iveg和Isoil值，试验结果中会出现异常值，因此一般采用给定置信度区间内的最大和最小值[10]。置信区间的选择依据是：研究区植被覆被状况和遥感影像的质量[11]。本研究Imin的取值为：NDVI图像中累积概率在0.5%以上对应的DN值；Imax的取值为：NDVI图像中累积概率在99.5%时所对应的DN值。然后根据像元二分模型，用IDL结构语言构建植被覆盖度估算模型。

按照式(1)，计算得出济南市2001—2013年间每年最大植被覆盖度，参考相关研究成果[12-13]，最大植被覆盖度划分为5级，并分别对每个等级命名(表1)。

表1 植被覆盖度等级划分Tab.1 The grade division of vegetation coverage

3.2 斜率法分析植被覆盖度变化趋势

利用一元线性回归分析法[14]，得到济南市2001—2013年植被覆盖度变化斜率，通过斜率分析济南市13年内的植被变化趋势，斜率计算方法如下：

(2)

式中：θslope为趋势斜率值;n为试验年数;fci表示第i年的植被覆盖度。利用fc在时间序列上的变化反映植被覆盖度的年际变化，θslope>0代表植被覆盖度逐年增加，θslope<0代表植被覆盖度逐年减小。采用F检验，对趋势的显著性进行检验，F检验计算公式为：

F=U×(n-2)/Q。

(3)

4 结果分析

4.1 2001—2013年最大植被覆盖度均值空间分布

2001—2013年最大植被覆盖度均值空间分布如图2所示。从等级划分可以看出济南市在13年中最大植被覆盖度平均水平的空间区域差异。参照2001—2012年济南市土地利用类型数据和济南市地貌图(图3)，济南市高植被覆盖度地区面积达236 854.25hm2，占全市土地面积的29.6%，主要分布在市域北部的商河县和济阳县，植被以农田和草地为主，济阳县和商河县境内地势平缓，有利于农作物的生长，形成了以农作物为主的高植被覆盖区。在章丘市的西北部有大片农田和白云湖公园，也形成了一个高植被覆盖区，其他地区零星分布有林地，构成了高植被覆盖度斑块，如济南市南部山区和平阴湿地公园。中高植被覆盖度地区分布范围最广，面积达418 612.51hm2，占全市土地面积的52.3%，主要分布在市区周边大部分地区，以及章丘市和平阴县大部分地区，市区周边主要以经济作物为主，其中南部山地丘陵地带以落叶阔叶林和常绿针叶林为主；章丘市和平阴县部分山地有林区覆盖，其他覆盖区以农田为主，镶嵌少量灌丛。中等植被覆盖度地区分布范围较小，面积100 348.39hm2，占全市土地面积的12.6%，环绕于城镇和村庄建筑群以外，以灌草为主，植被生长受人为影响大，难以形成植被密集区。中低植被和低植被覆盖地区总体面积为44 035.85hm2，仅占全市土地面积的5.5%，主要分布在居民活动区，城镇和乡村建筑占绝大比例，植被覆盖面积较低。

图2 2001—2013年济南市最大植被覆盖度均值空间分布Fig.2 Spatial distribution of the mean of the annual maximum vegetation coverage in Jinan City from 2001 to 2013

图3 济南市地貌图Fig.3 The geomorphologic map of Jinan City

4.2 植被覆盖度年际变化

2001—2013年,济南市年最大植被覆盖度变化趋势如图4所示。13年间，济南市植被覆盖度波动幅度大致在0.65～0.75之间，波动范围较小，总体缓慢上升。在上升过程中2009年增幅较大，2010年出现急剧下降，下降原因与气温和降水量突变有一定关系。

图4 2001—2013年济南市年最大植被覆盖度年际变化Fig.4 Interannual variation of annual maximum vegetation coverage in Jinan City from 2001 to 2013

利用一元线性回归分析公式(2)，对2001—2013年的济南市植被覆盖度图进行逐像元拟合，得出每个像元植被覆盖度的变化趋势(图5)。从图5可以看出，济南市植被覆盖度稳定发展，阶段时间内有增长或下降，θslope≥0的像元占总像元数的63%，θslope<0的像元占总像元数的37%，只有极少数地区出现了较大幅度的增长和下降。由公式(3)得到显著性检验(图6)。结合图2分析得出植被覆盖度的变化状况：基本稳定区占到总面积的82.3%，主要集中在商河县和济阳县的高植被覆盖度地区，并且以农耕区为主；农作物种植区，由于人为作用影响较大，受气候等因素的影响较小，每年的种植面积和密度基本保持不变。提升和明显提升的区域主要集中在济南市区和章丘市西部，占总面积的13.6%，属于植被中高覆盖度区，主要是山地和平原的交接地带，平原区为济南市区中心地带，本区域植被覆盖度的增加主要是由于城市绿化工程的实施，在济南市“十五”和“十一五”环境规划中加强了生态城市建设，通过绿化工程的实施，建立了高标准的城市绿化体系；山地植被覆盖度增加，主要是由于实施了退耕还林、封山育林和防护林体系建设等绿化工程，对防治水土流失和发展生态旅游具有重要意义。植被覆盖度降低和明显降低的地区所占面积很小，仅为4.1%，而且分布相对分散，主要由于城镇化建设和乡村建筑用地面积增加，造成局部植被覆盖度降低。

图5 济南市最大植被覆盖度年际变化趋势Fig.5 Interannual trends of he tmaximum vegetation coverage in Jinan City

图6 济南市最大植被覆盖度年际变化的显著性检验Fig.6 Significance test on interannual variabilityof the maximum vegetation coverage in Jinan City

5 植被覆盖度时空变化驱动因子分析

5.1 植被覆盖度时间变化与水热因子的相关性分析

适宜的水分供应和热量供应，是植被正常生长的必要条件，气候变化会对植被的长势产生直接影响。为了解13年间水热因子对济南市植被覆盖度的影响，采用SPSS软件将每年的最大植被覆盖度与降水、气温进行Pearson相关分析，分析结果对指导农业布局或生态环境规划具有重要意义，为济南市生态环境更加健康合理发展提供依据。

5.1.1 植被覆盖度与降水的相关性分析。济南市降水年内分配很不均匀，降水主要集中在夏季。最大植被覆盖度与降水的关系整体相关不明显(表2)。降水对植被生长的影响具有累积效应和滞后性，因此，采用分段方式[15]统计济南市最大植被覆盖度与不同时段降水量的相关性更具有科学性。由于7—8月是降水集中期，所以,分别进行了统计。从表2可以看出植被覆盖度与3—4月份降水量的正相关最大，所以这个时期降水充沛会对全年的植被生长起到关键作用。在图4中2009年的最大植被覆盖度明显高于2010年，而在历年降水量中2009年3—4月份的降水量明显高于2010年同期降水量，造成2010年最大植被覆盖度明显下降。一般情况下植被覆盖度与降水量呈正相关，但是随着济南市城镇面积的扩大以及其他人为作用对植被的影响，造成了正相关性不明显，甚至出现负相关性，说明人为因素对植被覆盖度影响越来越明显，甚至超过自然因素。

表2 2001—2013年分段降水量与最大植被覆盖度的相关系数Tab.2 The correlation coefficient of precipitation and the maximum vegetation coverage from 2001 to 2013

5.1.2 植被覆盖度与气温的相关性分析。生长季的气温对植被覆盖度的影响较大，因此,重点选取4—8月份气温与最大植被覆盖度的相关性。为了更全面地了解植被生长与气温的关系，加入各个组合月进行分析[16](表3)。7—8月份是济南市气温最高的月份，温度过高会导致植物叶面气孔关闭，光合作用原料减少，光合速率下降，植物生长受到影响。同时蒸腾作用加大，造成植被水分损失，植被生长受到抑制，造成植被覆盖度减少。最大植被覆盖度与6月的平均气温正相关系数最高，这个时期热量适宜，是植被生长的最佳时期。2009年6月份的平均气温明显高于2010年6月份，造成了2010年最大植被覆盖度突然大幅度下降(图4)。

从济南市历年统计年鉴可知，济南市未利用土地逐年被转变为耕地和建筑用地。2001—2013年，建筑用地面积逐年递增，耕地面积增加近30 000 hm2。所有植被类型中农作物又占有绝大比例。因此,植被覆盖度受人为影响深远，会削弱自然因素与植被覆盖度的相关性[17]。所以,济南市的降水和气温因子对植被覆盖度的驱动作用没有表现出非常明显的规律。

5.2 地形特征对植被覆盖度空间分布的影响

济南市地形复杂，分析植被覆盖度在不同高程和坡度下的分布规律，可以更科学地指导济南市植被布局规划。根据济南市DEM影像，济南市高程(m)划分为：洼地(-90～0 m)，平原(0～100 m)，山前过渡带(100～200 m)，丘陵(200～500 m)，低山(500～910 m)5个等级。利用DEM影像求得济南市坡度(°)空间分布图，同样分为5个等级：极缓坡(0°～10°)，较缓坡(10°～15°)，较陡坡(15°～25°)，陡坡(25°～32°)，极陡坡(32°～67°)。

表3 2001—2013年月均温与最大植被覆盖度的相关系数Tab.3 The correlation coefficient of average temperature and the maximum vegetation coverage from 2001 to 2013

由2001—2013年最大植被覆盖度均值求得不同等级高程和坡度交集下的植被覆盖度均值(表4)。在洼地分布地区，随坡度的增加，植被覆盖度有所下降。平原地区植被覆盖度整体降低，这与城镇建设占用大片土地和人类活动密集有关。植被覆盖度与坡度呈显著线性负相关，随着坡度的不断增加，植被覆盖度逐渐降低，在较陡坡与陡坡的过渡区域，也就是在25°的开荒限制坡度处，植被覆盖度发生明显的下降，说明平原区坡地的利用相对不足。山前过渡带，不适宜种植农作物，由于被强制开垦以及频繁的人类活动，育林力度较弱，山前过渡带植被覆盖较少，成为所有地貌类型中植被覆盖的凹陷区。丘陵区植被覆盖度有一定提升，植被类型由耕地向林灌木发展，在陡坡范围内提升最明显，且植被覆盖度与坡度呈显著正相关。低山地区，植被覆盖度在各个坡度等级范围内都有显著增加，随坡度增加而增加，与济南市荒山绿化工程的积极开展有密切关系。

表4 不同高程坡度交集下的植被覆盖度均值Tab.4 The mean of vegetation coverage under the different intersection of elevation and slope

6 结论

1)2001—2013年间，济南市的最大植被覆盖度总体缓慢上升。主要由于济南市山地植树造林工程的实施，原来的低植被覆盖度或者裸土区植被密度增加，逐渐向中高植被覆盖度发展。

2)不同等级植被覆盖度空间分布具有明显差异。高植被覆盖度，主要分布在平原地区的农作物种植区，不利于济南市整体环境的改善，需要适当地退耕还林；中高等级植被覆盖度主要集中在东南部大面积山地丘陵地区，林木密集有利于山区保持水土，涵养泉源；中等植被覆盖度、中低和低植被覆盖度主要位于建筑物密集区，要提高人工绿化力度，保证人均最低绿地面积，改善居住环境。特别是农村居住环境的改善，尽早实现济南市美丽乡村建设目标。

3)植被覆盖度与气候条件有一定相关性。不同时段的气温和降水对济南市最大植被覆盖度有不同的驱动作用。植被覆盖度与气温的相关性大于降水量，特别是济南市夏季异常的高温天气对植被的危害，应引起足够重视，适当种植耐热性高的植被。

4)植被覆盖度空间分布受地形影响明显。在地势平缓的平原区，植被覆盖度与坡度呈显著负相关，主要体现在农业种植区。在洼地和山前过渡带植被覆盖度与坡度轻微负相关。在地势较高的丘陵地区，植被覆盖度与坡度呈明显正相关性，这种分布特性可以有效地防止山地水土流失。低山地区正相关性轻微下降。鉴于济南市多样化地形，针对不同高程和坡度下的植被覆盖度状况，应提出不同治理和保护措施。

植被变化是一个长期连续的动态过程，利用遥感影像定量监测，可以更加高效便捷地获取植被变化数据，有利于统计研究区大面积、长时间植被变化情况，实时掌握植被变化动态。将遥感技术应用于资源与环境保护工作中，对于济南市建设生态文明城市、旅游功能的提升、改善生态环境具有重要意义。

[1] 张学珍,朱金峰.1982—2006年中国东部植被覆盖度的变化[J].气候与环境研究，2013,18(3):365-374.

[2] 李小亚,张勃，靳自宝.基于MODIS-NDVI的甘肃河东地区植被覆盖度动态监测[J].水土保持研究，2013,20(1):112-115.

[3] 苗正红,刘志明,王宗明，等.基于MODIS NDVI的吉林省植被覆盖度动态遥感监测[J].遥感技术与应用，2010,25(3):387-393.

[4] 任唯敏.植被指数计算区域植被覆盖度的适用性研究[D].西安：西北大学，2012.

[5] 钱广强,罗万银,王洪涛,等.基于3S的豫北内黄县近30年来植被覆被变化研究[J].地域研究与开发，2010,29(4):127-130.

[6] 王晓江,胡尔查,李爱平,等.基于MODIS NDVI的内蒙古大青山自然保护区植被覆盖度的动态变化特征[J].干旱区资源与环境，2014,28(8):61-65.

[7] 王宁,陈民,郝多虎,等.基于NDVI植被覆盖度的研究估算——以滁州市为例[J].测绘与空间地理信息，2013,36(5):51-54.

[8] 济南市统计局.2013济南统计年鉴[M].北京:中国统计出版社,2013.

[9] 贾宝全.基于TM卫星影像数据的北京市植被变化及其原因分析[J].生态学报,2013,33(5):1654-1665.

[10] 肖洋，熊勤犁，欧阳志云，等.基于MODIS数据的重庆市植被覆盖度动态变化研究[J].西南大学学报：自然科学版,2013,35(7):121-126.

[11] 李登科,范建忠,王娟.陕西省植被覆盖度变化特征及其成因[J].应用生态学报,2010,21(11):2896-2903.

[12] 李红,李德志,宋云,等.快速城市化背景下上海崇明植被覆盖度景观格局分析[J].华东师范大学学报：自然科学版，2009(6):89-100.

[13] 张本昀,喻铮铮,刘良云,等.北京山区植被覆盖动态变化遥感监测研究[J].地域研究与开发，2008,27(1):108-112.

[14] Mu S,Yang H,Li J,etal.Spatio-temporalDynamicsofVegetationCoverageandItsRelationshipwithClimateFactorsinInnerMongolia,China[J].JournalofGeographicalSciences,2013,23(2):231-246.

[15] 吴昌广,周志翔,肖文发,等.基于MODISNDVI的三峡库区植被覆盖度动态监测[J].林业科学，2012,48(1):22-28.

[16] 孙蓓蓓,邢立亭,边振.山东省植被覆盖度变化的气象驱动力分析[J].济南大学学报,2013,27(2):183-187.

[17] 孙睿,刘昌明,朱启疆.黄河流域植被覆盖度动态变化与降水关系[J].地理学报,2001,56(6):667-672.

DynamicMonitoringoftheAnnualMaximumVegetationCoverageinJinanCityBasedonMODISData

WangXinping1,3,ShaoFengluan2,MaoZhihong1,ZhangSha1,3,ZhangZhiyong1,3

(1.CollegeofResourcesandEnvironmentScience,HebeiNormalUniversity,Shijiazhuang050024,China; 2.CollegeofResourcesandEnvironment,JinanUniversity,Jinan250000,China;3.HebeiKeyLaboratoryofEnvironmentalChangeandEcologicalConstruction,Shijiazhuang050024,China)

Vegetation coverage is not only an important index to reflect the vegetation cover on the land surface, but also is an important factor to measure the regional environmental quality and soil and water conservation. In this study MODIS data of Jinan is selected as the data source to obtain the annual maximum vegetation coverage in different years based on the dimidiate pixel model. The study analyzes the change of vegetation coverage and the main driving factors from 2001 to 2013 by simple linear regression method and data statistics. The results shows that spatial distribution of the maximum vegetation coverage in Jinan has a significant regional features from 2001 to 2013, which is mainly due to stable development and larger changes in local region. Vegetation coverage change of Jinan is smaller correlation with precipitation, and higher with temperature and affected seriously by human. The spatial distribution of vegetation coverage is affected by topography. Vegetation coverage in Jian and slope is negative correlation in flat terrain area, and positive correlation on the higher ground. According to the special demand of the vegetation growth, vegetation layout can be adjusted to suit the local conditions and the right time, improving the ecological environment of Jinan.

vegetation coverage; NDVI; dimidiate pixel model; dynamic monitoring; Jinan City

2015-03-26；

2015-12-02

国家自然科学基金项目(21207049)；河北省高校重点学科建设项目

王欣平(1987-)，女，河北邢台市人，硕士研究生，主要从事遥感影像处理方面的研究，(E-mail)wangxp0707@163.com。

P237

A

1003-2363(2016)01-0150-06