基于像元二分法和强度分析方法的内蒙古植被覆盖度时空变化规律分析

佟斯琴，包玉海，张巧凤，都瓦拉1. 东北师范大学环境学院//东北师范大学自然灾害研究所，吉林 长春 10117；2. 内蒙古自治区遥感与地理信息系统重点实验室，内蒙古 呼和浩特 010022；. 内蒙古师范大学地理科学学院，内蒙古 呼和浩特 010022；. 内蒙古自治区生态与农业气象中心，内蒙古 呼和浩特 010051



基于像元二分法和强度分析方法的内蒙古植被覆盖度时空变化规律分析

佟斯琴1， 2， 3，包玉海2， 3*，张巧凤3，都瓦拉4
1. 东北师范大学环境学院//东北师范大学自然灾害研究所，吉林 长春 130117；2. 内蒙古自治区遥感与地理信息系统重点实验室，内蒙古 呼和浩特 010022；3. 内蒙古师范大学地理科学学院，内蒙古 呼和浩特 010022；4. 内蒙古自治区生态与农业气象中心，内蒙古 呼和浩特 010051

摘要：以GIMMS NDVI3g数据为基础，利用像元二分模型和Intensity analysis方法，从时间间隔、植被覆盖度等级变化和转换3个层面分析了1982—2010年内蒙古植被覆盖度的变化。结果表明：由像元二分模型估算的植被覆盖度与实测值有较高的相关性（0.914）。1980s—1990s植被覆盖度增加的面积（49.2%）大于其减少的面积（43.3%），而在1990s—21世纪初植被盖度减少的面积（57.1%）大于增加面积（35.6%），表明1990年代的植被长势比其他两个年代好。1990s—21世纪初的植被年平均变化速率相对 1980s—1990s较快。1980s—1990s，高植被覆盖度的增加活跃，减少较平缓，而低植被覆盖度的增加和减少均较平缓；1990s—21世纪初，高覆盖度和低覆盖植被的增加较平缓，而减少变化较为活跃。研究期内低覆盖度植被以向高一等级转变为主，而高覆盖度则以向低级转换为主。

关键词：植被覆盖度；像元二分模型；强度分析；时空变化

引用格式：佟斯琴， 包玉海， 张巧凤， 都瓦拉. 基于像元二分法和强度分析方法的内蒙古植被覆盖度时空变化规律分析［J］. 生态环境学报， 2016， 25（5）: 737-743.

TONG Siqin， BAO Yuhai， ZHANG Qiaofeng， Duwala. Spatiotemporal Changes of Vegetation Coverage in Inner Mongolia Based on the Dimidiate Pixel Model and Intensity Analysis ［J］. Ecology and Environmental Sciences， 2016， 25（5）: 737-743.

植被是陆地生态系统的主体部分，植被覆盖度（Vegetation Coverage）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（Gitelson et al.，2002），它不仅是反映地表植被生长态势的直观量化指标，更是各类相关模型和生态系统描述的基础数据，被广泛应用于植被覆盖变化监测（江洪等，2006）、生态环境综合评价（王朗等，2010）、沙尘暴（张钛仁等，2010）和水土流失（张清春等，2002）等众多研究领域中。植被覆盖度可以表示植被的茂密程度及植物进行光合作用面积的大小，是表征陆地植被质量和具有一定密度的多种植物生长动态的重要参数。植被覆盖度的变化是区域生态环境变化的直接结果，它对区域生态环境变化具有重要指示作用（周伟等，2014）15-30。获取植被覆盖度的方法有很多，传统的植被覆盖度估算方式是通过地面实测数据，从而得出小区域和特定植被类型的植被覆盖度，这种方法测定精度较高，但耗费大量的时间和人力，在大范围地区难以通过此方法进行植被覆盖度测定（李苗苗，2003）。因此，随着遥感技术的发展应用，在区域尺度植被覆盖度的研究中出现了许多基于遥感数据的植被覆盖度估算方法（陈云浩等，2001；黎良财等，2012；张学珍等，2013），主要有回归模型法、植被指数法以及像元分解模型法（刘静等，2009；梁钊雄等，2011）。其中像元分解模型中的像元二分模型（贾坤等，2013；周伟等，201415-30；佟斯琴等，2015）是目前应用最为广泛也是最简单的植被覆盖度估算模型。

传统的植被覆盖度变化研究方法主要基于转移矩阵，只给出某一种植被覆盖类型转至其他类型的面积，并不能提供定量的、系统的变化过程。2008 年Aldwaik et al.（2012）创建了Intensity analysis方法，运用转移矩阵分析某一区域不同时间段的土地类型在时间间隔、类型和转换3个层面的分析，得到不同土地变化强度规律。内蒙古草原是典型的中纬度温带干旱、半干旱草原生态系统，占全国草地面积22%，它不仅是我国畜牧业生产基地，也是我国重要的生态屏障。针对内蒙古植被覆盖变化，国内学者以遥感 NDVI（归一化植被指数）数据为基础做了大量研究（穆少杰等，2012；陈效逑等，2009；王军邦等，2010），然而仅限于植被 NDVI的时空变化特征，且由于遥感数据获取受局限，未能得到30年尺度的观测数据。因此，本文以1982 —2010年的GIMMS NDVI3g为数据源，在利用像元二分模型计算植被覆盖度的基础上，结合Intensity analysis方法，分析内蒙古植被覆盖度不同年代时空分布及变化，试图揭示内蒙古在 1982—2010年期间地表植被覆盖度的动态变化，以期为地方政府准确掌握区域生态变化态势、评估生态工程成效提供参考。

1　数据与方法

1.1 研究区概况

内蒙古自治区位于我国北部边疆（97°12′～126°04′E，37°24′～53°23′N），横跨东北、华北、西北地区，接邻8个省区，北与蒙古国和俄罗斯接壤，土地总面积为 1.183×106km2，占全国总面积的12.3%，在全国各省、市、自治区中排列第三，有9个地级市和3个盟（图1）。处于欧亚大陆内部，在东亚季风的影响下，除了大兴安岭北端地区属于寒冷的大陆性气候外，其他地区属于温带大陆性气候区。年平均气温在-5～10 ℃之间，自东北向西南递增；年平均降水量在35～530 mm之间，自东向西递减。

1.2 NDVI数据来源与数据预处理

遥感数据来源于全球总量监测和模拟研究组（Global Inventory Monitoring and Modeling Studies，GIMMS）收集处理的NOAA/AVHRR NDVI3g第三代全球植被数据集，获取时段为1981年7月—2013 年12月，是空间分辨率为8 km×8 km的15 d合成产品，从网站 http://ecocast.arc.nasa.gov上免费下载。该数据集已经过大气校正，辐射校正，几何校正，卫星轨道的漂移、云量、太阳高度角和火山爆发导致的气溶胶对数据质量的影响等处理（Tucker et al.，2005）。用最大合成法（李杭燕等，2009）（MVC）获取月NDVI值。由于内蒙古地区大部分植被在冬季几乎停止生长或被积雪覆盖（Zhou et al.，2001），本文选取每年的生长季，即4—10月份作为每年的研究时段，并对4—10月份NDVI取平均值获取年平均NDVI。本研究时间序列为1982—2010年，其中1980年代指的是1982—1990年，1990年代为1990—2000年，21世纪初为2001—2010年。

1.3 植被覆盖度计算

采用像元二分模型反演植被覆盖度。其基本原理是，假设每个像元都可分解为纯植被和纯土壤两个部分，所得到的光谱信息（如 NDVI）是以两种纯组分的面积比例加权的线性组合。其中，纯植被所占的面积百分比即为研究区的植被覆盖度（公式1）。具体可表示为：

式中，VFC表示植被覆盖度；NDVI、NDVIsoil和NDVIveg分别表示任意像元、纯土壤像元和纯植被像元的NDVI。也可得：

式中，NDVImax和NDVImin分别为区域内NDVI的最大值和最小值。由于不可避免存在噪声，NDVImax和NDVImin一般取一定置信度范围内的最大值与最小值，置信度的取值主要根据图像实际情况来定。参考李苗苗（2003）提出的估算NDVImax和NDVImin的方法，提取研究区统计结果中NDVI值的累积概率为5%和95%的NDVI值作为NDVImin和NDVImax。

根据内蒙古土地利用图、估算的植被覆盖度图以及“全国沙漠化类型划分”原则，结合内蒙古植被类型分布，将内蒙古植被覆盖度分为以下5个等级（表1）。

图1　研究区地理位置及实测点分布图Fig. 1　Location of study area and distribution of field survey points

表1　植被覆盖度等级划分Table 1　Classification of vegetation coverage degrees in Inner Mongolia

强度分析（Intensity analysis）是基于时间点上的要素分布情况进行的分析，要求各时间点上的分类标准要一致。因此，本文将在内蒙古地区 1982 —2010年的逐年植被覆盖度的空间分布的基础上，求得1980年代（1980s）、1990年代（1990s）和21世纪初均值，作为3个时间点的植被覆盖度分布；并对每个年代的植被覆盖度划分等级；利用ArcGIS空间叠加分析模块进行叠加计算，分别得到 1980s —1990s和1990s—21世纪初两个个时间段的植被覆盖度转移矩阵（表2），满足Intensity analysis分析的前提。

表2　两个研究时段内的植被覆盖度转移矩阵（像元）Table 2　Transition matrix of vegetation coverage in three study periods （pixel）

1.4 强度分析方法及数据预处理

强度分析方法是一种定量分析土地利用/土地覆盖变化，适用于两个或两个以上时间段以及两个或两个以上不同类型的分析，包括3个层面的分析，即时间间隔、类别、转换层面。第1个层面分析每个时间间隔的总体变化规模和变化速率的大小，称之为间隔层面，计算每个时间间隔的年变化强度之后与均值线对比其变化速率的快慢。由公式1计算每个时间段的变化面积百分比；公式2给出了变化速率均值线，如果St的值在每个时间点t都相等的话，则St的值等于U，这是强度分析的基本逻辑，并适用于类别层面和转换层面的分析。

St为时间段［Yt， Yt+1］的年变化强度；J为类别数量；下标i表示某时间段初始时间点的类别；下标j表示某时间段终止时间点的类别；下标m表示向其他等级转换的类别；下标n表示由其他类别转换而来的类别；T为时间段的数量；下标t是［Yt， Yt+1］期间的某一时间点，范围是［1， T-1］；Yt为时间点 t的年份。

U为时间Intensity analysis均值线的值。

第2个层面为类别层，分析每个类别在某一个时间段增加（公式5）或减少的程度（公式6），并将其与均值线对比可知其变化速率的缓急情况。

Gtj为［Yt，Yt+1］中j等级的年总增加强度。

Ltij为从时间点Yt的i等级转换至时间点Yt+1的j等级的像元个数。

第3个为转换层面，分析某一类别转换为另一类别和其他类别转入该类别的程度，并找出在某一特定时间间隔内哪种类别的转换尤为强烈。

Rtin为［Yt， Yt+1］中i等级至n（i≠n）等级的年转换强度。

Wtn为［Yt， Yt+1］中从时间点Yt的非n等级至n等级的统一转换强度。

Qtmj为［Yt， Yt+1］中m等级至（m≠j）等级的年转换强度。

Vtm为［Yt， Yt+1］中从时间点Yt+1的m等级至所有非m等级的统一转换强度。

2　结果分析

2.1 植被覆盖度计算结果验证

为验证NDVI像元二分模型应用于植被覆盖度反演是否有效，本研究在锡林郭勒境内选取 30个（图2）1 m×1 m样方进行实地采样验证，考察时间为2013年8月16—17日，使用GPS定位，获得采样点的经纬度坐标。最后根据经纬度坐标将从影像上获取的估算结果与实地测量结果进行相关性分析，选取的影像为 2013年 8月上旬的数据（geo13aug15a.n11-VI3g）。结果表明，应用 NDVI像元二分模型估算的结果与实测值间有较高的相关性，相关系数达到了 0.914，表明用像元二分模型估算的植被覆盖度是可靠的，该结果与刘玉安等人（2012）的结果较一致。

2.2 内蒙古植被覆盖度变化格局

图3为1982—2010年内蒙古各年代植被覆盖度空间分布图，从图中可以看出，植被覆盖度高等级出现在研究区东部，低等级出现在西部，总体上呈由研究区东部向西部植被覆盖度逐渐减小的趋势。为更深入地探讨近30年内蒙古植被覆盖度时空变化，利用ArcGIS的分类统计工具，对内蒙古地区不同时期、不同等级的植被覆盖度进行面积统计（表3）。结果表明，在3个年代均表现为高覆盖度植被面积占比最大，其次是中高覆盖度、低覆盖度、中覆盖度，中低覆盖度面积最小；中高和高覆盖度植被的面积占研究区总面积的60%以上，表明内蒙古植被长势较好。

图2　植被覆盖度估算结果与实测结果相关性分析Fig. 2　Correlation analysis between the estimation and measurement of vegetation coverage

图3　内蒙古各年代植被覆盖度等级分布图Fig. 3　Spatial distribution of vegetation coverage degree in each decade in Inner Mongolia

表3　各年代植被覆盖度等级面积统计Table 3　Area statistics of vegetation coverage degrees in each decade

不同等级植被盖度在不同年代的面积变化表现为在1980s—1990s间，中低、中和中高覆盖度面积有不同程度的减少，而低和高覆盖度植被面积增加，中低、中和中高覆盖度减少的面积有99%转为高覆盖度，表明1990s的植被长势比1980s的好。结合空间变化图4（a）可知，1980s—1990s内蒙古地区植被覆盖呈增加的面积（49.2%）大于减少的面积（43.3%），主要分布在呼伦贝尔北部、锡林郭勒盟、通辽和赤峰南部、呼和浩特市、乌兰察布中南部、巴彦淖尔南部、鄂尔多斯东部和阿拉善少数零星区域；除了阿拉善盟额济纳旗西部和大兴安岭东侧的某些像元之外，其他地区植被覆盖度减少。

1990s—21世纪初高植被覆盖度减少面积最大（表3），其次是低覆盖度和中覆盖度，中低和中高覆盖度增加。本研究低覆盖度指的是沙漠化土地、低产草地等，主要分布在内蒙古西部位于荒漠地区的阿拉善盟。结合图4（b）得出，进入21世纪以来，内蒙古植被盖度呈减少的面积（57.1%）大于增加面积（35.6%），植被盖度减少的地区主要分布在内蒙古中西部，结合前段1980s—1990s的分析结果可知，以中覆盖度和中高覆盖度为主的锡林郭勒盟植被盖度减少最明显，这是由于 21世纪初期锡林郭勒地区采矿活动加剧及受沙尘暴和干旱等气候灾害的影响，导致草场退化、沙化现象日益明显（杨强等，2015）；植被覆盖增加的地区位于内蒙古西部，以低和中低覆盖度等级为主，该地区植被盖度增加除气候要素的影响之外生态恢复工程的实施是植被恢复的关键（Tian et al.，2015）。

2.3 强度分析结果

1980s—1990s和1990s—21世纪初两个时间段的间隔分析如图5所示，0的左侧表示每个时段的整体变化面积，而延伸到0的右侧的条形图表示每个时间间隔年变化面积的强度，若强度条在均值线（图中虚线）的左侧，则认为该时间段的变化相对缓慢；若在均值线的右侧，则认为该时间段的变化相对较快。内蒙古植被覆盖度在1980s—1990s的变化面积小于1990s—2010年，且1990s—21世纪初的变化速率相对1980s—1990s较快。

图4　1980s—1990s（a）和1990s—21世纪初（b）植被覆盖度空间变化特征Fig. 4　Spatial variation characteristics of vegetation coverage in the 1980s to 1990s （a） to the early 21st century （b）

图5　时间强度分析：1980s—1990s和1990s—21世纪初Fig. 5　Time intensity analysis for two time intervals: the 1980s—1990s and the 1990s—early 21stcentury

两个时段的内蒙古植被覆盖度等级变化规律如图6所示。0的左侧条形图为各等级植被覆盖度的年变化面积，0的右侧为年变化强度，通过均值线的为变化活跃，反之变化强度平缓。图 6a1、a2 为 1980s—1990s植被覆盖度等级增加和减少变化结果，低覆盖度、中低覆盖度和中覆盖度增加和减少的面积相当，中高覆盖度减少的面积稍大于其增加的面积，而高覆盖度增加的面积大于其减小的面积；除了低覆盖度植被，中低覆盖度、中覆盖度、中高覆盖度的增加和减少均较为活跃，高覆盖度的增加相对活跃、减少相对平缓。以上均说明 1990s的植被长势比1980s的好。

1990s—21世纪初内蒙古植被覆盖度等级层面分析结果为图 6b1、b2所示。低覆盖度、中覆盖度和高覆盖度减少的面积均大于其增加的面积，且减少强度较为活跃；中低和中高覆盖度增加的面积大于其减少的面积，增加强度相比其减少程度较为活跃。

图6　植被覆盖度等级变化强度分析（a：1980s—1990s ；b：1990s—21世纪初；1-增加；2-减少）Fig. 6　Category intensity analysis for two time intervals: a for the 1980s-1990s， b for the 1990s-early 21st century， 1 for gains and 2 for losses

由公式（7）～（10）计算出的转换层面的分析结果可知，一个植被覆盖等级在各个时间段与其他等级相互转换的强度，可以说明哪种转换更为强烈。为了更直观地显示各植被覆盖度等级间的转换规律，统计了各时间段占主导的转换形式。如表 4所示，不同植被覆盖度等级在两个时段内的主导转换是一致的，低植被覆盖度在 1980s—1990s和1990s—21世纪初以中低植被覆盖度之间的转换为主导；中低覆盖度以向低覆盖度和中覆盖度转换为主；中覆盖度以向中低和中高覆盖度转换为主导；中高覆盖度以向中和高覆盖度的转变为主导；而高覆盖度则以向中高覆盖度转换为主导。总体来说，研究期内内蒙古低覆盖度植被以向高一等级转变为主，中间等级的植被覆盖度以向低等级和高等级转换为主，而高覆盖度则以向低级转换为主。

表4　1982—2010年内蒙古各时间段主导植被覆盖度转换Table 4　Conversion of dominant vegetation coverage in Inner Mongolia during three time periods

3　结论与讨论

在遥感和GIS技术支持下，基于像元二模型和Intensity analysis方法，分析了内蒙古植被覆盖度在1982—2010年不同年代的时空变化特征，得出如下结论：

（1）证实了像元二分模型应用于植被覆盖度反演是有效的，具有较高的植被覆盖度估算精度，其实测值与估算值相关系数达到0.914。

（2）对内蒙古不同年代植被覆盖度而言，空间分布均有从东向西逐渐减小的特征；各类别面积大小有高覆盖度＞中高覆盖度＞低覆盖度＞中覆盖度＞中低覆盖度。

（3）1980s—1990s植被覆盖呈增加的面积（49.2%）大于减少的面积（43.3%），而在1990s—21世纪初植被盖度呈减少的面积（57.1%）大于增加面积（35.6），1990年代的植被长势比其他两个年代好。

（4）1990s—21世纪初的年平均变化速率相对1980s—1990s较快；1980s—1990s高植被覆盖度的增加活跃，减少变化较平缓，低植被覆盖度的增加和减少均较平缓。1990s—21世纪初，高覆盖度和低覆盖植被的增加较平缓，而减少变化较为活跃；研究期内低覆盖度植被以向高一等级转变为主，而高覆盖度则以向低级转换为主。

强度方法不仅强调类别变化的大小，更考虑不同等级变化的强度。采用该方法，可以对植被覆盖度变化规律进行深度分析，包括各个时间段植被覆盖度变化的快慢，植被覆盖度等级的总体变化活跃程度以及各植被覆盖度等级间的转换情况。但该方法仍存在很多不足之处，需做进一步完善，比如没有考虑到不同类别的聚合对结果的影响，以及数据本身的不确定性。应该在分析过程中加入空间位置的信息，从时空变化上进行完整的分析。在此基础上，结合气候变化和中国生态保护、治理政策，进一步深入研究内蒙古植被变化机制，进而为该地区植被恢复和灾害预警提供科学支撑。

参考文献：

ALDWAIK S Z， PONTIUS JR R G. 2012. Intensity analysis to unify measurements of size and stationarity of land changes by interval，category， and transition ［J］. Landscape and Urban Planning，106（1）:103-114.

GITELSON A A， KAUFMAN Y J， STARK R， et al. 2002. Novel algorithms for remote estimation of vegetation fraction ［J］. Remote Sensing of Environment， 80（1）: 76-87.

TIAN H J， CAO C X， CHEN W， et al. 2015. Response of vegetation activity dynamic to climatic change and ecological restoration programs in Inner Mongolia from 2000 to 2012 ［J］. Ecological Engineering， 82: 276-289.

TUCKER C J， PINZON J E， BROWN M E， et al. 2005. An extended AVHRR 8-km NDVI dataset compatible with MODIS and SPOT vegetation NDVI data ［J］. International Journal of Remote Sensing，26（20）: 4485-4498.

ZHOU L M， TUCKER C J， ROBERT K， et al. 2001. Variations in northern vegetation activity inferred from satellite data of vegetation index during 1981 to 1999 ［J］. Journal of Geophysical-Atmospheres，106（D17）: 20069-20083.

陈效逑， 王恒. 2009. 1982-2003年内蒙古植被带和植被覆盖度的时空变化［J］.地理学报， 64（1）: 84-94.

陈云浩， 李晓兵， 史培军， 等. 2001. 北京海淀区植被覆盖的遥感动态研究［J］. 植物生态学报， 25（5）: 588-593.

贾坤， 姚云军， 魏香琴， 等. 2013. 植被覆盖度遥感估算研究进展［J］. 地球科学进展， 28（7）: 774-782.

江洪， 王钦敏， 汪小钦. 2006. 福建省长汀县植被覆盖度遥感动态监测研究［J］. 自然资源学报， 21（1）: 126-132.

黎良财， 邓利， 曹颖， 等. 2012. 基于NDVI像元二分模型的矿区植被覆盖动态监测［J］. 中南林业科技大学学报， 32（6）: 18-23.

李杭燕， 颉耀文， 马明国. 2009. 时序NDVI数据集重建方法评价与实例研究［J］. 遥感技术与应用， 24（5）: 598-602.

李苗苗. 2003. 植被覆盖度的遥感估算方法研究［D］. 北京: 中国科学院研究生院.

梁钊雄， 王兮之. 2011. 佛山市植被覆盖度的遥感估算及变化分析［J］.佛山科学技术学院学报（自然科学版）， 29（2）: 1-7.

刘静， 银山， 张国盛， 等. 2009. 毛乌素沙地 17年间植被覆盖度变化的遥感监测［J］. 干旱区资源与环境， 23（7）: 162-167.

刘玉安， 黄波， 程涛， 等. 2012. 基于像元二分模型的淮河上游植被覆盖度遥感研究［J］. 水土保持通报， 32（1）: 93-97.

穆少杰， 李建龙， 陈奕兆， 等. 2012. 2001-2010年内蒙古植被覆盖时空变化特征［J］.地理学报， 67（9）: 1255-1268.

佟斯琴， 刘桂香， 包玉海. 2015. 2000-2012年鄂尔多斯禁牧区植被覆盖度变化监测［J］. 水土保持通报， 35（2）:136-140.

王军邦， 陶健， 李贵才， 等. 2010. 内蒙古中部MODIS植被动态监测分析［J］.地球信息科学学报， 12（6）: 835-842.

王朗， 傅伯杰， 吕一河， 等. 2010. 生态恢复背景下陕北地区植被覆盖的时空变化［J］. 应用生态学报， 21（8）: 2109-2116.

杨强， 王婷婷， 陈昊， 等. 2015. 基于MODIS EVI 数据的锡林郭勒盟植被覆盖度变化特征［J］. 农业工程学院， 31（22）: 191-198.

张清春， 刘宝元 ， 翟刚. 2002. 植被与水土流失研究综述［J］. 水土保持研究， 9（4）: 96-101.

张钛仁， 柴秀梅， 李自珍. 2010. 中国北方植被覆盖度特征及其与沙尘暴关系［J］. 高原气象， 29（1）: 137-145.

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

周伟， 刚成诚， 李建龙， 等. 2014. 1982-2010年中国草地覆盖度的时空动态及其对气候变化的响应［J］. 地理学报， 69（1）: 15-30.

DOI：10.16258/j.cnki.1674-5906.2016.05.002

中图分类号：X17

文献标志码：A

文章编号：1674-5906（2016）05-0737-07

基金项目：国家科技支撑计划子课题（2013BAK05B01）；国家自然基金项目（41461102）

作者简介：佟斯琴（1991年生），女（蒙古族），博士研究生，主要从事自然灾害风险评价与管理研究。E-mail: tsq118446@163.com

*通信作者，E-mail: baoyuhai@imnu.edu.cn

收稿日期：2016-04-11

Spatiotemporal Changes of Vegetation Coverage in Inner Mongolia Based on the Dimidiate Pixel Model and Intensity Analysis

TONG Siqin1， 2， 3， BAO Yuhai2， 3， ZHANG Qiaofeng3， Duwala4
1. College of Environmental Science， Northeast Normal University//Nature Disaster Research Institute，Northeast Normal University， Changchun 130117， China；2. Inner Mongolia Key Laboratory of Remote Sensing and Geographic Information System， Hohhot 010022， China；3. College of Geographical Science， Inner Mongolia Normal University， Hohhot 010022， China；4. Inner Mongolia Autonomous Region Ecological and Agricultural Meteorology Center， Hohhot 010051， China

Abstract：In this paper， based on the GIMMS NDVI3g data， using dimidiate pixel model and intensity analysis methods to analyze the changes of vegetation coverage in Inner Mongolia from 1982 to 2010 at three levels as time interval， category and transition. The results show that the vegetation coverage estimated by dimidiate pixel model has a high correlation with the measured values， which up to 0.836. The vegetation coverage's increased area （49.2%） is greater than the reduced area （43.3%） from 1980s to 1990s， while in 1990s to the 21stcentury the reduced area （57.1%） is greater than the increased area （35.6%）， indicating that the vegetation growth in the 1990s is better than the two other decades. From the intensity analysis we can see that the average annual rate of change in the 1990s-early 21stcentury was relatively faster than that of the 1980s-1990s. In the 1980s-1990s， the gain of high vegetation coverage was active and the loss was dormant； the gain and loss of low vegetation coverage was both dormant. In the 1990s-early 21stcentury the gain of high and low vegetation coverage both are dormant， while the losses were active. In two study periods， the low coverage of vegetation transition to a higher level， however the high vegetation coverage is converting to the lower coverage.

Key words：vegetation coverage； dimidiate pixel model； intensity analysis； spatiotemporal changes