中国新疆及中亚五国干旱区草地覆盖度反演与分析

刘春静，张 丽，周 宇，张炳华，侯小丽,3

(1.山东农业大学信息科学与工程学院，山东 泰安 271018；2.中国科学院遥感与数字地球研究所，数字地球重点实验室，北京 100094; 3.山东农业大学林学院，山东 泰安 271018)

中国新疆及中亚五国干旱区草地覆盖度反演与分析

刘春静1,2，张 丽2，周 宇2，张炳华2，侯小丽2,3

(1.山东农业大学信息科学与工程学院，山东 泰安 271018；2.中国科学院遥感与数字地球研究所，数字地球重点实验室，北京 100094; 3.山东农业大学林学院，山东 泰安 271018)

摘要：干旱区的草地覆盖度较低，在光谱信息中表现较弱，增加了反演的难度。本研究在中国新疆及中亚五国干旱区对比4种植被覆盖度反演模型发现，像元二分模型能够较好地提取大范围内的植被覆盖度信息。在此基础上，反演2000―2013 年中国新疆及中亚五国干旱区草地覆盖度并分析草地状况。研究发现，中国新疆及中亚五国草地覆盖度区域性差异较大，整体呈现退化趋势，退化区域主要分布在哈萨克斯坦的北部和西北部地区以及部分流域地区。不同等级草地覆盖度变化趋势为中等、中高和高植被覆盖度的草地有向低、中低植被覆盖度的草地转换。从国家及地区角度分析，哈萨克斯坦草地显著退化，而中国中国新疆的草地覆盖度均值在平稳中显著增长。

关键词：MODIS；像元二分模型；植被覆盖度；草地退化

中国新疆及中亚五国深居亚欧大陆腹地，具有典型的大陆性气候特征，突出表现为降水稀少、极其干燥、光照充足、蒸发量大、温度变化剧烈、水资源分布极其不均匀。独特的地理位置和自然条件，使其具有丰富的自然资源和能源的同时[1-2]，又易受全球气候变化和人类活动的影响，成为生态环境脆弱区。随着人类活动的加强，该地区生态环境发生了显著变化，尤其是苏联解体后，中亚五国原有的政策体制被打乱，部分区域的生态环境出现了明显的退化甚至恶化现象[3-4]。中亚五国已经成为亚洲乃至世界上生态环境恶化最严重的区域之一[5]，日益引起国际社会的关注[6]。中亚五国作为“丝绸之路经济带”的核心区域，具有重要的战略地位。随着“丝绸之路经济带”建设的逐步推进，中国和中亚五国都将进入经济快速增长时期；而伴随着人类活动加剧，脆弱的生态环境将面临更为严峻的考验，因此，对中亚五国生态环境进行有效的监测与分析就势在必行。而中国新疆和中亚五国地区主要的植被类型为草地，作为可再生的自然资源，草地不仅是发展畜牧业的物质基础，更有涵养水分、防风固沙等生态功能，具有极其重要的经济和生态价值。中国新疆和中亚五国干旱区草地生态系统十分脆弱，易受人类活动和全球气候变化的影响，甚至部分地区的草地已经退化，这已成为制约畜牧业持续发展及生态环境改善的重要因素。

植被是表征陆地生态系统的重要指标[7]。本研究选取植被覆盖度作为监测指标，分析中国新疆及中亚五国干旱区草地覆盖度状况及其变化趋势。植被覆盖度作为区域以及全球生态系统环境变化中的一个重要的敏感因子，是衡量植被覆盖和生长状况的重要生态学参数和量化指标，能够在一定程度上反映生态环境质量的优劣状况[8-9]。

植被覆盖度(fractional vegetation cover,Fc)是指植被(包括叶、茎、枝)在地面的垂直投影面积占统计区总面积的百分比[10]。其测算方法的发展大致经历了简单目测估算、仪器测量计算和遥感解译分析3个阶段[11]。前两种方法费时、费力且精度不高，而遥感解译分析能反映不同空间尺度的植被覆盖度信息及其变化趋势，因此遥感解译分析方法成为获取区域乃至全球植被覆盖度参数的一个重要手段。目前,利用遥感手段反演植被覆盖度的方法很多，如：经验模型法是根据样点建立地表实测植被覆盖度与遥感信息之间的估算模型，特点是对实测数据依赖性强，小区域时精度较高，缺点是受观测时间、地点、大气状况和土壤状况影响显著，不利于直接推广使用[12]。像元二分模型是基于假设像元有植被和非植被组成，特点是应用比较广泛，可操作性强，不需要复杂推导的参数就可以适用不同种植被类型, 也适用于不同分辨率的遥感数据[13-14]，缺点是对高覆盖度的植被变化不太敏感；亚像元分解模型是根据像元的植被覆盖特点将像元二分模型进一步细分，特点是获得精度较高，缺点是需要大量的输入参数[15-16]。三波段最大梯度差法模型是基于地物体现在光谱上生物物理特性的基础上提出的一种根据绿、红、近红外3个波段梯度差来计算植被覆盖度的方法，特点是具有高饱和点和一定的背景消除力，算法简单，容易实现[17]，缺点是低覆盖区域的反演精度偏低。修正的三波段最大梯度差法模型是采用短波红外代替绿波段来增大植被-非植被区梯度差的差异，实现模型修正，特点是在不同尺度上反演的覆盖度信息与实测值的一致性较好，缺点是土壤湿度增加时，不能保持良好的反演效果[16-18]。FCD模型法是通过FCD值大小划分植被覆盖度等级，从而做出植被覆盖度等级图[19]，优点是能够表明植被的生长现象，精度较高，缺点是计算繁琐，应用较少[12]。

本研究首先基于野外实测数据对像元二分模型、亚像元分解模型、三波段最大梯度差法模型以及修正的三波段最大梯度差法模型进行对比，获得一种适宜该地区干旱区草地覆盖度的反演模型。进而，选用该模型反演了近14年(2000―2013年)中国新疆及中亚五国的草地覆盖度信息并进行定量分析，为研究区草地的合理利用和保护提供依据。

1研究区与方法

1.1研究区概况

本研究区(45-100° E，30-60° N)包括中国新疆和哈萨克斯坦、吉尔吉斯斯坦、乌兹别克斯坦、塔吉克斯坦、土库曼斯坦。研究区东与蒙古国和中国的甘肃、青海、西藏等省(区)接壤，西达里海东岸，南邻伊朗、阿富汗、巴基斯坦，北与俄罗斯相邻。研究区地域辽阔，地形条件复杂多样，横跨天山山脉，北部是哈萨克丘陵，南部是克孜勒库姆沙漠、卡拉库姆沙漠、塔克拉玛干沙漠，中部和西部是图兰平原与里海沿海平原(图1)。研究区的植被类型包括草地、农田、灌木等，其中草地面积约占整个中亚面积的50%。

中国新疆及中亚五国深居亚欧大陆腹地，日照充足，气温日较差很大，沙漠中极端高温可高达50 ℃[21]。同时，山脉和高原拦截了高空西风带输送的来自北冰洋和大西洋的微弱湿冷水汽，使得降水集中分布在迎风山坡，而背风坡和许多山间盆地等的降水量急剧减少[22]。各地年均降水量相差很大，年内降水量最多的月份也因地域而不同。在2000s后期，中亚大部分地区的气温经历了一次显著的增温过程，其中春季、秋季增温最为明显，而冬季气温无显著性变化[22]。因此，研究区的气温和降水在空间分布和时间演变上，不仅表现出了地区的整体性，也具有独立性[2]。

图1　研究区及野外数据采集线路图[20]

1.2数据源和研究方法

1.2.1数据源与预处理

1)野外实测数据:野外实测试验区位于中国新疆最北部的阿勒泰地区，地处85°31′37″-91°01′15″ E，44°59′35″-49°10′45″ N。属大陆性气候，冬季漫长寒冷，夏季短促、气温平和，无霜期较短，大风多，年日照较为丰富，年降水量垂直变化大，是中国新疆降水量相对较多的地区。野外数据采集路线如图1所示，获取时间为2013年7月22日-25日。根据地形情况、草地类型，选择具有代表性的样地，样方大小为1 m×1 m，精确记录每个样地的海拔、经纬度、草层高度等信息。

2)MODIS数据:本研究采用数据包括美国国家航空航天局(National Aeronautics and Space Administration，NASA)网站(http://ladsweb.nascom.nasa.gov)上下载的地表反射率产品MOD09A1(时间分辨率是8 d，空间分辨率是500 m，2000-2013年)、土地覆盖数据产品MCD12Q1(时间分辨率是1 年，空间分辨率是500 m)和叶面积指数产品MOD15A2(时间分辨率是8 d，空间分辨率是1 km)。本研究基于MOD09A1产品，采用最大值合成法，计算年最大化的NDVI产品。选用MCD12Q1产品中 IGBP(International Geosphere-Biosphere Program，国际地圈生物圈计划)分类方案，选取其中的草地作为研究类型。选用MOD15A2产品中叶面积指数(LAI)产品，用于计算亚像元分解模型。

1.2.2草地覆盖度反演模型选用像元二分模型、亚像元分解模型、三波段最大梯度差法模型和修正的三波段最大梯度差法模型4种模型对中国新疆及中亚五国的草地覆盖度进行反演。

像元二分模型[13]:

式中：NDVIsoil是无植被像元的NDVI值，即完全被裸土覆盖的像元的NDVI值；NDVIveg是全植被像元的NDVI值，即完全被绿色植被覆盖的像元的NDVI值。

亚像元分解模型[23]：

式中：NDVIsoil为纯土壤的NDVI值；NDVI∞为高垂直密度植被(LAI→∞)的NDVI值；k为消光系数，其取值范围是0.8

三波段最大梯度差法模型[17]：

式中：Rnir、Rr、Rg分别代表近红外、红、绿波段的反射率；Inir、Ir、Ig分别代表近红外、红、绿波段的波长；A为植被覆盖面积比；d为像元梯度差；dmax为像元最大梯度差。

修正的三波段最大梯度差法模型[15-16]:

利用像元二分模型反演草地覆盖度时，由于影像上存在着噪声，为减少噪声影响，NDVIveg和NDVIsoil的取值应取置信度区间内的最大值和最小值。因此，从预处理的NDVI影像计算累计概率分布，从NDVI累计概率分布表中选取置信度为0.5%、1%、3%、5%的多组NDVIveg和NDVIsoil的值，将基于各组NDVIveg和NDVIsoil反演得到的植被覆盖度，与野外实测数据进行比较，最终确定选取累计概率为1%的NDVI值为NDVIsoil，而累计概率为99%的NDVI值为NDVIveg。在利用亚像元分解模型反演草地覆盖度时，结合模型条件和草地特点分析，本研究对象符合非密度模型条件，故选用非密度模型进行反演[24]，将预处理之后的NDVI和LAI产品带入公式反演草地覆盖度。在利用三波段最大梯度差法模型和修正的三波段最大梯度差法模型反演草地覆盖度时，由于后者是采用短波红外代替绿波段来增大植被-非植被区梯度差的差异，因此，利用MRT从MOD09A1产品中提取近红、红、绿、短波红外波段，结合各波段波长，分别反演草地覆盖度。另外，两模型的dveg是在d的频率累计表中，取累计频率为99.5%的d值作为dveg的值[18]。

1.2.3精度验证方法为了定量评估MODIS数据反演植被覆盖度的精度，本研究采用判定系数(R2)和均方根误差(RMSE)对反演结果进行精度评价。判定系数的大小决定了相关的密切程度。一元回归分析中，当R2越接近1时，表示相关的方程式参考价值越高；相反，越接近0时，表示参考价值越低。

均方根误差公式如下：

(1)

式中:yi为植被覆盖度反演值，yi′为植被覆盖度野外观测值，yi-yi′为绝对误差，反映了反演值偏离实测值的大小，n为野外实测样本数。RMSE的值越小,反演值越接近野外观测值，反演精度越高。

1.2.4草地覆盖度年际变化趋势采用线性拟合观测中国新疆及中亚五国2000-2013年最大草地覆盖度的变化趋势，计算公式为：

(2)

式中，n为监测时间段的年数；Fci为第i年的年最大草地覆盖度值；θslope是趋势的斜率，当θslope>0时，说明植被覆盖度在n年的变化趋势是增加的，即草地呈改善趋势，当θslope<0时，说明植被覆盖度在n年的变化趋势是减少的，即草地呈退化趋势。

为了解14 年来中国新疆及中亚草地覆盖度显著变化情况，对变化趋势进行显著性检验，根据显著性检验将结果分为5个等级：极显著减少(θslope<0，P≤0.01)；显著减少(θslope<0，0.010.05)；显著增加(θslope>0，0.010，P≤0.01)[25]。

2结果与分析

2.1草地覆盖度反演结果验证

利用野外实测数据经纬度坐标，从4种模型反演结果中提取对应点的草地覆盖度反演值。计算实测值和反演值的R2和RMSE，检验不同模型估算植被覆盖度的精度(表1)。

应用像元二分模型计算的草地覆盖度反演值与实测值的拟合精度最高，RMSE值最小(表2)。而其它3种方法的反演值与实测值的拟合精度相对较低，反演精度较低。

表1　4种模型的精度分析

分析反演值与实测值的差异及研究区的特点，发现应用亚像元分解模型得到的反演值中，低植被覆盖区的反演值比实测值偏大。应用三波段最大梯度差法模型得到的反演值比实测值偏小。虽然修正的三波段最大梯度差法模型有所改进，但是效果并不显著，分析认为可能是模型对草地覆盖度低的区域敏感程度不同，反演结果偏差较大，因此对干旱区稀疏草地覆盖度的反演适用性较低。基于以上对比分析结果，本研究最终选用像元二分模型作为中国新疆及中亚地区草地覆盖度的反演模型。

2.2像元二分模型适应性分析

模型适应性分析是指检测该模型对不同时相的影像图得出的植被覆盖度效果是否一致[26]。为检测像元二分模型对不同时相的遥感影像反演草地覆盖度适应性，本研究采用2011年7月和2013年7月的MODIS地表反射率产品MOD09A1反演研究区草地覆盖度(图2)，对像元二分模型的适应性进行分析。

2013年哈萨克斯坦北部部分地区的草地覆盖度比2011年偏低(图2)，可能是受人类活动的影响。因此，为分析模型的适应性，从图2影像中选择一些有代表性、受人类干扰较少的区域进行对比分析(表2)。发现，应用像元二分模型反演的不同时相草地覆盖度误差为3.73%左右，准确性较高，表明像元二分模型适用于不同时相的遥感影像反演草地覆盖度的情况。

图2　2011年和2013年草地覆盖度

表2　不同时相数据对比分析

2.3草地覆盖度年际变化空间趋势分析

从研究区草地覆盖度总体变化来看(图3)，14年来，变化不显著的草地面积占草地总面积的比例高达85.13%。而极显著减少的草地有14.61万km2(占草地总面积的4.89%)，显著减少的草地有22.15万km2(占草地总面积的7.41%)，二者之和为36.76万km2，占草地总面积的12.30%。显著增加的草地有4.15万km2(占草地总面积的1.39%)，极显著增加的草地有3.52万 km2(占草地总面积的1.18%)，二者之和为7.67万 km2，占草地总面积的2.57%。

从各级显著性分布区域来看，极显著退化以及显著退化草地主要分布在哈萨克斯坦的北部和西北部地区以及部分流域地区，包括图尔盖高原、图尔盖洼地、哈萨克丘陵北部和南部、乌拉尔河-里海流域、额尔齐斯河流域，阿姆河-锡尔河流域、伊犁河流域的上游及下游部分地区。而这些地区的植被生长与气温呈显著负相关[27]，即2000s后期气温的上升对草地的生长起抑制作用，表现在：气温上升导致草地的呼吸作用高于光合作用以及蒸散发作用增强。

2000-2013年间，极显著增加和显著增加的草地较少，主要分布在中国新疆天山以北区域以及巴尔喀什湖流域的部分地区。分析中国新疆草地可知，从2000年开始不仅有退耕还林(草)政策的支持，而且降水量呈显著增加趋势[28]，从而促使了中国新疆草地的改善。

针对中国新疆及中亚草地退化显著增加的区域(包括显著增加和极显著增加区域)、显著减少的区域(包括显著减少和极显著减少区域)以及草地覆盖度均值进行比较分析(图4)，发现14 年间，显著减少的区域草地覆盖度均值年际变化波动较大且下降速率很快，达到-0.015 2·a-1(P<0.001)，明显大于研究区内草地覆盖度均值变化速率(-0.003 8·a-1，P=0.052)，说明显著减少的区域草地退化现象严重。而显著增加的区域的草地覆盖度均值上升速率较快，达到0.016·a-1(P<0.001)，说明显著增加的区域的草地改善显著。

图3　中国新疆及中亚五国草地退化评价图(2000-2013年)

图4　中国新疆及中亚五国干旱区草地覆盖度均值变化趋势图(2000-2013)

以植被覆盖度作为评价指标，对14年反演结果采用等间距法划分为以下5个等级：0～20%的草地覆盖度为低植被覆盖度、20%～40%的草地为中低植被覆盖度、40%～60%的草地为中等植被覆盖度、60%～80%的草地为中高植被覆盖度、80%～100%的草地为高植被覆盖度[13]。分别统计各等级的草地面积，及其占总草地面积的百分比，从而得到5个等级草地面积占总草地面积百分比变化趋势图(图5)。

可以看出，2000―2013年间，除了高植被覆盖度以外，其它等级的草地面积百分比变化趋势波动较大。中等、中高和高植被覆盖度分别以-0.000 6·a-1、-0.005 3·a-1(P<0.05)和-0.001 9·a-1的速率下降，而低、中低植被覆盖度分别以0.002 3·a-1和0.005 5·a-1(P<0.05)的速率上升。这表明，中等、中高和高植被覆盖度的草地有向低、中低植被覆盖度的草地转换的趋势，即中国新疆及中亚五国总体存在草地退化现象。

2.4不同国家/区域草地覆盖度变化

本研究选取草地面积以及草地面积占国土面积的百分比都相对较大的哈萨克斯坦(77.5%)、塔吉克斯坦(43.3%)、吉尔吉斯斯坦(80.7%)以及中国中国新疆(23.9%)进行分析，得到其草地覆盖度均值变化趋势图(图6)。

可以看出，14年间吉尔吉斯斯坦、塔吉克斯坦、哈萨克斯坦的草地覆盖度均值趋势变化波动很大，相对而言，中国新疆地区的草地覆盖度均值变化比较平缓。哈萨克斯坦的草地覆盖度均值以-0.0055·a-1(P<0.05)的速率下降，呈现出显著退化的趋势，而吉尔吉斯斯坦、塔吉克斯坦和中国中国新疆分别以0.000 4·a-1、0.001 8·a-1、0.001 9·a-1(P<0.05)的速率上升，呈现出改善的趋势。吉尔吉斯斯坦的草地覆盖度均值明显高于其他地区，基本上在55%左右，这与吉尔吉斯斯坦的水资源十分丰富有着密切的联系[29]。

图5　各等级草地面积占总草地面积百分比的变化趋势图(2000-2013年)

图6　中国新疆、吉尔吉斯斯坦、塔吉克斯坦和哈萨克斯坦草地覆盖度均值变化趋势图

哈萨克斯坦在2004-2006年间发生的旱灾[30]造成该时间段的草地退化严重，导致草地覆盖度逐年下降，2006年覆盖度均值仅为39.86%，而多年平均值为42.13%。并且，自2000年开始，其人口呈现出稳步增长的趋势，2001-2004年其城镇化水平开始进入缓慢上升阶段，2005-2011年城镇化水平进入快速上升阶段[31]。人类活动改变着该地区的土地利用格局，对草地退化影响较大(图3)。哈萨克斯坦作为中亚的畜牧大国，以肉类和蛋类为主的畜牧产品产量逐年(2005-2012年)增加[32]，使得该国草地生态系统的压力更大。同时，自然条件的严酷以及频繁的转场和过度放牧，加重了草地退化，不利于草地生态环境可持续发展。塔吉克斯坦在2000、2001、2008年的年降水量小于300 mm[30,33]，在一定程度上影响草地生长，造成该地区草地覆盖度较低，3年草地覆盖度均值都低于多年平均值。研究结果同徐浩杰[27]对亚洲中部部分植被退化以及张丽萍等[3]关于哈萨克斯坦草地退化的研究结果一致。而中国新疆的草地覆盖度均值在平稳中显著增长，分析认为从2000年开始不仅有退耕还林(草)政策的支持，而且降水量呈显著增加趋势[28]，从而促使了中国新疆草地的改善。

3结论与展望

本研究结合中国新疆及中亚五国干旱区草地特点，对比4种植被覆盖度反演模型(像元二分模型、亚像元分解模型、三波段最大梯度差法模型以及修正的三波段最大梯度差法模型)发现，应用像元二分模型反演的草地覆盖度精度最高，并且该模型适应性好，能够较好提取大范围内的植被覆盖度信息。进一步选用像元二分模型对中国新疆及中亚五国干旱区草地覆盖度进行多年反演(2000―2013年)。基于反演结果，分析中国新疆及中亚五国草地覆盖度空间变化趋势可知，研究区内草地覆盖度区域性差异较大，但整体呈现为退化趋势，退化区主要分布在哈萨克斯坦的北部和西北部地区以及部分流域地区，包括图尔盖高原、图尔盖洼地、哈萨克丘陵北部和南部、乌拉尔河-里海流域、阿姆河-锡尔河流域、额尔齐斯河流域以及伊犁河流域的上游及下游部分地区。哈萨克斯坦境内的退化主要表现为极显著退化，而中国中国新疆北部部分地区草地覆盖状况有变好的趋势。不同等级草地覆盖度的变化趋势：中等、中高和高植被覆盖度的草地，有向低、中低植被覆盖度的草地转换的趋势，即中国新疆及中亚地区总体存在草地退化现象。从国家/地区角度分析，哈萨克斯坦草地退化严重(2000―2013年)，而中国中国新疆的草地覆盖度均值在平稳中增长。

随着“丝绸之路经济带”的逐步推进，越来越多的关注聚焦在中亚地区，了解中国新疆及中亚五国生态状况和演变过程，是促进该地区社会经济可持续发展的重要部分。因此，在下一步工作中，获取研究区更广泛的野外验证数据，进一步提高验证数据精度，利用更高分辨率的遥感数据以及人文数据分析研究区草地的变化趋势及其对气候和人类活动的响应是今后需要研究的方向。

参考文献References：

[1]张建财,张丽,郑艺,田向军,周宇.基于LPJ模型的中亚地区植被净初级生产力与蒸散模拟.草业科学,2015,32(11):1721-1729.

Zhang J C,Zhang L,Zheng Y,Tian X J,Zhou Y.Simulation of vegetation net primary productivity and evapotranspiration based on LPJ model in Central Asia.Pratacultural Science,2015,32(11):1721-1729.(in Chinese)

[2]陈曦,姜逢清,王亚俊,李耀明,胡汝骥.亚洲中部干旱区生态地理格局研究.干旱区研究,2013(3):385-390.

Cheng X,Jiang F Q,Wang Y J,Li Y M,Hu R J.Characteristics of the eco-geographical pattern in arid land of Central Asia.Arid Zone Research,2013(3):385-390.(in Chinese)

[3]张丽萍,李学森,阿依丁,沙吾列,加林,郑逢令.哈萨克斯坦受损草地生态系统可持续管理模式.新疆畜牧业,2013(1):61-63,11.

[4]舒拉,张丽萍.中亚干旱区主要生态环境问题及治理.草食家畜,2015(2):49-52.

Shu L,Zhang L P.Ecosystem management of arid Central Asia.Grass-feeding Livestock,2015(2):49-52.(in Chinese)

[5]周可法,张清,陈曦,孙莉.中亚干旱区生态环境变化的特点和趋势.中国科学·D辑:地球科学,2006(S2):133-139.

[6]杨恕,田宝.中亚地区生态环境问题述评.东欧中亚研究,2002(5):51-55.

[7]王玮,冯琦胜,郭铌,沙莎,胡蝶,王丽娟,李耀辉.基于长时间序列NDVI资料的我国西北干旱区植被覆盖动态监测.草业科学,2015(12):1969-1979.

Wang W,Feng Q S,Guo N,Sha S,Hu D,Wang L J,Li Y H.Dynamic monitoring of vegetation coverage based on long time-series NDVI data sets in northwest arid region of China.Pratacultural Science,2015,32(12):1969-1979.(in Chinese)

[8]朱敬芳,邢白灵,居为民,朱高龙,柳艺博.内蒙古草原植被覆盖度遥感估算.植物生态学报,2011,35(6):615-622.

Zhu J F,Xing B L,Ju W M,Zhu G L,Liu Y B.Remote-sensing estimation of grassland vegetation coverage in Inner Mongolia, China.Chinese Journal of Plant Ecology,2011,35(6):615-622.(in Chinese)

[9]吴见,刘民士,李伟涛.干旱半干旱区植被盖度信息提取技术研究.干旱区资源与环境,2013,27(9):92-97.

Wu J,Liu M S,Li W T.Research on vegetation coverage information extraction technologies for arid and semiarid area.Journal of Arid Land Resources and Environment,2013,27(9):92-97.(in Chinese)

[10]Gitelson A A,Kaufman Y J,Stark R,Rundquist D.Novel algorithms for remote estimation of vegetation fraction.Remote Sensing of Environment,2002,80(1):76-87.

[11]秦伟,朱清科,张学霞,李文华,方斌.植被覆盖度及其测算方法研究进展.西北农林科技大学学报：自然科学版,2006(9):163-170.

Qin W,Zhu Q K,Zhang X X,Li W H,Fang B.Review of vegetation covering and its measuring and calculating method.Journal of Northwest Agriculture and Forestry University：Natural Science Edition,2006(9):163-170.(in Chinese)

[12]程红芳,章文波,陈锋.植被覆盖度遥感估算方法研究进展.国土资源遥感,2008(1):13-18.

Cheng H F,Zhang W B,Chen F.Advances in researches on application of remote sensing method to estimating vegetation coverage.Remote Sensing for Land & Resources,2008(1):13-18.(in Chinese)

[13]李苗苗,吴炳方,颜长珍,周为峰.密云水库上游植被覆盖度的遥感估算.资源科学,2004,26(4):153-159.

Li M M,Wu B F,Yan C Z,Zhou W F.Estimation of vegetation fraction in the upper basin of Miyun Reservoir by remote sensing.Resources Science,2004,26(4):153-159.(in Chinese)

[14]蔡朝朝,安沙舟,蒲智,淮永建.基于TM NDVI的库尔勒市域植被覆盖动态变化.草业科学,2015，32(7):1069-1078.

Cai Z Z,An S Z,Pu Z,Huai Y J.A study on vegetation coverage change in Korla City based on the TM NDVI.Pratacultural Science,2015,32(7):1069-1078.(in Chinese)

[15]Jiapaer G,Chen X,Bao A.A comparison of methods for estimating fractional vegetation cover in arid regions.Agricultural and Forest Meteorology,2011,151(12):1698-1710.

[16]古丽·加帕尔,陈曦,包安明.干旱区荒漠稀疏植被覆盖度提取及尺度扩展效应.应用生态学报,2009,20(12):2925-2934.

Guli·Jiapaer,Chen X,Bao A M.Coverage extraction and up-scaling of spare desert vegetation in arid area.Chinese Journal of Applied Ecology,2009,20(12):2925-2934.(in Chinese)

[17]唐世浩,朱启疆,周宇宇,白香花.一种简单的估算植被覆盖度和恢复背景信息的方法.中国图象图形学报,2003,8(11):80-84.

Tang S H,Zhu Q J,Zhou Y Y,Bai X H.A simple method to estimate crown cover fraction and rebuild the background information.Journal of Image and Graphics,2003,8(11):80-84.(in Chinese)

[18]李向婷,白洁,李光录,罗格平,古丽·加帕尔,李均力.新疆荒漠稀疏植被覆盖度信息遥感提取方法比较.干旱区地理,2013,36(3):502-511.

Li X T,Bai J,Li G L,Luo G P,Guli·Jiapaer,Li J L.Comparison of methods based on MODIS for estimating sparse vegetation fraction across desert in Xinjiang.Arid Land Geography,2013,36(3):502-511.(in Chinese)

[19]李晓琴,孙丹峰,张凤荣.基于遥感的北京山区植被覆盖景观格局动态分析.山地学报,2003,21(3):272-280.

Li X Q,Sun D F,Zhang F R.Landscape pattern analysis on change in the fraction of green vegetation based on remotely sensed data in Beijing mountainous area.Journal of Mountain Science,2003,21(3):272-280.(in Chinese)

[20]Chen J Q,Wan S Q,Henebry G,Qi J G,Gutman G,Sun G,Kappas M.Dryland East Asia:Land Dynamics Amid Social and Climate Change.Beijing:Higher Education Press,2013.

[21]杨德刚,杜宏茹.中亚经济地理概论.北京:气象出版社,2013.

Yang D G,Du H R.An Outline of Economic Geography of Central Asia.Beijing:China Meteorological Press,2013.(in Chinese)

[22]胡汝骥,姜逢清,王亚俊,李均力,李耀明,阿布都米吉提·阿布力克木,罗格平,张建明.中亚(五国)干旱生态地理环境特征.干旱区研究,2014,31(1):1-12.

Hu R J,Jiang F Q,Wang Y J,Li J L,Li Y M,Abdumijiti·Abulikemu,Luo G P,Zhang J M.Arid ecological and geographical conditions in five countries of Central Asia.Arid Zone Research,2014,31(1):1-12.(in Chinese)

[23]Gutman G,Ignatov A.The derivation of the green vegetation fraction from NOAA/AVHRR data for use in numerical weather prediction models.International Journal of Remote Sensing,1998,19(8):1533-1543.

[24]陈晋,陈云浩,何春阳,史培军.基于土地覆盖分类的植被覆盖率估算亚像元模型与应用.遥感学报,2001,5(6):416-422.

Chen J,Chen Y H,He C Y,Shi P J.Sub-pixel model for vegetation fraction estimation based on land cover classification.Journal of Remote Sensing,2001,5(6):416-422.(in Chinese)

[25]穆少杰,李建龙,陈奕兆,刚成诚,周伟,居为民.2001-2010年内蒙古植被覆盖度时空变化特征.地理学报,2012,67(9):1255-1268.

Mu S J,Li J L,Chen Y Z,Gang C C,Zhou W,Ju W M.Spatial differences of variations of vegetation coverage in Inner Mongolia during 2001-2010.Acta Geographica Sinica,2012,67(9):1255-1268.(in Chinese)

[26]王奎阳.由SPOT5提取植被覆盖度技术研究.杭州：浙江大学硕士学位论文,2007.

Wang K Y.The picking vegetation fraction by SPOT5 DATA.Master Thesis.Hangzhou:Zhejiang University,2007.(in Chinese)

[27]徐浩杰.亚洲中部干旱区植被变化及其影响因素(2000-2012).兰州：兰州大学硕士学位论文,2014.

Xu H J.Variations of vegetation and its influence factors in the arid region of the Central Asia from 2000 to 2012.Master Thesis.Lanzhou:Lanzhou University,2014.(in Chinese)

[28]江远安,刘精,邵伟玲,余行杰,王胜利.1961-2013年新疆不同时间尺度降水量的气候特征及其历史演变规律.冰川冻土,2014,36(6):1363-1375.

Jiang Y A,Liu J,Shao W L,Yu X J,Wang S L.Climatic characteristics and historical evolution of precipitation in different time scales in Xinjiang from 1961 to 2013.Journal of Glaciology and Geocryology,2014,36(6):1363-1375.(in Chinese)

[29]李湘权,邓铭江,龙爱华,章毅,雷雨.吉尔吉斯斯坦水资源及其开发利用.地球科学进展,2010,36(12):1367-1375.

Li X Q,Deng M J,You A H,Zhang Y,Lei Y.Analysis of water resources development in Kyrgyzstan and water problems.Advance in Earth Science,2010,36(12):1367-1375.(in Chinese)

[30]Lioubimtseva E,Henebry G M.Climate and environmental change in arid Central Asia:Impacts,vulnerability,and adaptations.Journal of Arid Environments,2009,73(11):963-977.

[31]叶尔肯·吾扎提,刘慧,刘卫东.1992-2011年哈萨克斯坦城镇化过程及其影响因素.地理科学进展,2014,33(2):181-193.

Yerken·Wuzhati,Liu H,Liu W D.Evaluation of Kazakhstan’s urbanization during 1992-2011 and its influencing factors.Progress in Geography,2014,33(2):181-193.(in Chinese)

[32]曲春红,张振兴.哈萨克斯坦农业发展概况.世界农业,2014(2):145-148.

Qu C H,Zhang Z X.Overview of the development of gricultural development in Kazakhstan.World Agriculture,2014(2):145-148.(in Chinese)

[33]鲜丽菊,穆振侠,姜卉芳,Lslom I.塔吉克斯坦近31年气候要素时空变化特征分析.水资源与水工程学报,2015(2):44-50.

Xian L J,Mu Z X,Jiang H F,Lslom I.Analysis of temporal and spatial evolution characteristics of climatic factor in Tajikistan for nearly 31 years.Journal of Water Resources and Water Engineering,2015(2):44-50.(in Chinese)

(责任编辑王芳)

Retrieval and analysis of grassland coverage in arid Xinjiang, China and five countries of Central Asia

Liu Chun-jing1,2, Zhang Li2, Zhou Yu2, Zhang Bing-hua2, Hou Xiao-li2,3

(1.College of Information Science and Engineering, Shandong Agricultural University, Tai’an 271018, China;2.Key Laboratory of Digital Earth Science, Institute of Remote Sensing and Digital Earth,Chinese Academy of Sciences, Beijing 100094, China;3.College of Forestry, Shandong Agricultural University, Tai’an 271018, China)

Abstract:Because the low grassland coverage in the arid region causes the weak spectral information, grassland coverage retrieval becomes quite difficult. Comparing four remote sensing retrieval models, we found that the pixel dichotomy model can generally retrieve grassland coverage with higher accuracy. We further produced time-series (2000-2013) of grassland coverage based on the pixel dichotomy model and analyzed grassland conditions over Xinjiang and five countries of Central Asia. Results showed that grassland coverage showed large spatial heterogeneity in the study area. Grassland generally showed degradation trends, especially in the northern and western regions and some basins of Kazakhstan. Grasslands with medium, medium-high, and high grassland coverage were converted into the grasslands with low and medium-low grassland coverage. Grasslands in Kazakhstan degenerated significantly, while the average value of grassland coverage in Xinjiang was significant growth steady.

Key words:MODIS; pixel dichotomy model; fractional vegetation cover; grassland degradation

DOI:10.11829/j.issn.1001-0629.2015-0503

*收稿日期：2015-09-08

基金项目：国家自然科学基金——基于多源遥感协同的草原生物量动态预测模型研究(41271372)

通信作者：张丽(1975-)，女，中国新疆伊犁人，研究员，博士，主要从事植被遥感研究。E-mail：zhangli@radi.ac.cn

中图分类号：S812

文献标志码：A

文章编号：1001-0629(2016)5-0861-10*1

Corresponding author:Zhang LiE-mail：zhangli@radi.ac.cn

刘春静,张丽,周宇,张炳华,侯小丽.中国新疆及中亚五国干旱区草地覆盖度反演与分析.草业科学,2016,33(5)：861-870.

Liu C J,Zhang L, Zhou Y,Zhang B H,Hou X L.Retrieval and analysis of grassland coverage in arid Xinjiang, China and five countries of Central Asia.Pratacultural Science，2016,33(5)：861-870.

接受日期：2016-01-04

第一作者：刘春静(1989-)，女，山东烟台人，在读硕士生，主要从事遥感应用方面的研究。E-mail: lcj821854727@163.com