盐城海岸带植被覆盖度时空变化及其与土地利用变迁响应研究

贺肖芳，陈 燕，朱 敏，宋新山，王宇晖

（东华大学，上海 201620）

盐城海岸带植被覆盖度时空变化及其与土地利用变迁响应研究

贺肖芳，陈 燕，朱 敏，宋新山，王宇晖

（东华大学，上海 201620）

以2001年、2009年TM遥感影像为基本数据源，在RS和GIS技术支持下，运用归一化植被指数（NDVI）和像元二分模型法获取植被覆盖度变化信息，采用人工目视解译和监督分类相结合提取土地利用信息，在分析了植被覆盖度和土地利用变化特征的基础上，将两者结合起来对其驱动力及其响应关系进行了分析。结果表明：近10年，盐城海岸带植被覆盖度整体有所提升，2001年研究区植被覆盖度呈现西南高东北低之势，中、高覆盖度占总面积的55.2%；2009年植被覆盖度相较2001年有明显变化，东北片区的植被覆盖度明显升高，西南部分地区有所下降。其中林地以中覆盖为主，占比30.72%，其他用地类型均以高植被覆盖度为主。分析发现，以湿地为主的土地利用变迁及人为干扰用地功能变化是其植被覆盖度变化的主要影响原因。

植被覆盖度；遥感；归一化植被指数；海岸带

植被覆盖度是衡量地表植被状况的直观指标，也是评价区域生态环境优劣的重要因子，对区域水土保持、水源涵养、森林气候等生态功能调节具有重要意义[1-3]。海岸带作为陆地与海洋的交汇地带，是生物多样性最丰富、生产力最高和最具价值的生态系统之一，但也是全球环境变化最为敏感的地区之一[4]。植被资源是海岸带自然资源的重要组成部分，进行植被覆盖度的变化研究对海岸带综合资源开发和生态系统保护与修复具有非常重要的意义。

江苏盐城海岸带位于中国海岸带的中部，全长582 km，占全省海岸线总长度56%，其滨海湿地是全球平均生物生产量最高的生态系统之一。人口稠密、资源丰富、具有极高的资源开发价值和环境调节功能，富有“东方湿地之都”与“江苏黄金海岸”称号。近年来随着盐城市人口的不断增加，海岸带土地利用类型不断变化，植被盖度也随之遭受不同程度的破坏。因此，从时空尺度上对盐城海岸带植被覆盖度进行定量分析，并探究其在不同土地利用类型下的空间分异现象及两者相互影响驱动关系，对于评价盐城海岸带生态系统环境质量有重要的理论和实际意义，也能为维持研究区生态系统稳定性提供给科学依据，为同类型的海岸带可持续发展决策提供参考。

1 研究数据及方法

1.1 数据来源及预处理

本研究以盐城海岸带为研究区域，以2001年和2009年Landsat TM 卫星影像为主要数据源，数据预处理包括数据读取、辐射定标、大气校正（FLAASH模型）、波段合成、影像镶嵌、研究区裁剪等。其它数据包括盐城市行政边界、盐城市1∶50000基础地图（2006）等。图像处理及数据分析软件分采用ENVI5.0、ArcGIS9.3等。

1.2 研究方法

1.2.1 植被指数选取及计算

植被指数（Vegetation Index）是遥感数据光谱信息（某种特定波段）的线性或非线性组合，携带了丰富的地表植被结构、功能信息，与植被的盖度、生物量等有较好的相关性[5]。目前常用于植被覆盖度遥感监测的植被指数主要有：NDVI、PVI、MVI、GEMI、SAVI、MSAVI、TSAVI 等，其 中 NDVI （Normalized Difference Vegetation Index，归一化植被指数）因其对土壤背景的变化灵敏度高、检测范围宽、能减少太阳光照差异和地形差异的影响等多方优点而被广泛应用于植被覆盖度的动态监测[6]，是单位像元内的植被类型、覆盖形态、生长状况等的综合反映。其定义为公式（1）：

其中，NIR代表近红外波段（0.7～1.1 μm），R代表红波段（0.4～0.7 μm）。

1.2.2 植被覆盖度计算与分级

遥感影像常包含不同覆盖类型的混合像元，分解混合像元可以提高遥感信息的解译精度。其中像元二分模型法[7]是混合像元分解中最简单的模型，它将一个像元的信息简化为植被覆盖与由非植被（裸土）覆盖2部分所贡献的信息。通过2部分信息线性加权合成，可将大气、土壤背景与植被类型等对遥感信息的影响降至最低，较好地保留了植被覆盖的信息。本研究选择基于归一化植被指数（NDVI）的像元二分模型法，采用如下转换公式（2）：

其中，NDVIsoil 为无植被覆盖区(裸土)NDVI值，NDVIveg 为完全植被覆盖的纯植被像元NDVI值。

但NDVIsoil与NDVIveg值常因地表湿度等影响随时间变化而变化，并不能直接取由NDVI灰度图统计出来的最大和最小值。因此采用近似替代法，统计NDVI值并选取累计概率为5%和95%的NDVI值作为相应的NDVIveg和NDVIsoil值。

参考《水土保持技术规范》等研究中植被覆盖度分级要求及盐城滨海湿地的植被覆盖特征，本研究将研究区的植被覆盖度划分为5个等级（如表1）：

表1 植被覆盖度分级Table 1 Classification of vegetation coverage

通过单波段密度分割（Density Slice）处理，生成盐城海岸带植被覆盖度分级图。

2 结果分析

2.1 盐城海岸带不同年际植被覆盖度变化提取

基于归一化植被指数（NDVI），选取累计概率为5%和95%的NDVI最大最小值，根据像元二分模型得到单波段植被覆盖度图像文件，密度分割后得到盐城海岸带01年至09年的植被覆盖度（图1）。

从地理分布可以看出，2001年研究区植被覆盖度呈现西南高东北低之势，2009年较2001年有明显变化，东北片区的植被覆盖度明显升高，而西南部分地区有所下降。研究区东北部由于滩涂自然演化及人为对滩涂的开发利用，而使得由旧黄河改道而产生的河滩转化为农田草地等可用土地，植被覆盖度相应明显增加；西南部是开发相对成熟的城市片区，随着人口剧增和经济区开发等，聚居地面积要求越来越高，部分森林、草地甚至是农田被开发居住及商用，植被覆盖度也受到较大影响。经定量统计分析得到表2：

图1 2001年、2009年盐城海岸带植被覆盖度Fig.1 Vegetation coverage of Yancheng coastal in 2001 and 2009

表2 2001年及2009年植被覆盖度Table 2 Vegetation coverage of Yancheng coastal in 2001 and 2009

通过表2可以看出，低植被覆盖度面积从2001年的15.16%下降到2009年的7.61%，中低覆盖度也由2001年的29.62%下降到2009年16.10%。与此同时，中覆盖度、中高覆盖度、高覆盖度都有所上升，中覆盖度由2001年的7.78%上升到2009年17.86%，中高覆盖从2001年的8.80%上升到2009年的18.35%，高覆盖度略微上升，从2001年的38.63%上升到2009年的40.08%。

2.2 盐城海岸带不同土地利用类型的植被覆盖度变化

2.2.1 盐城海岸带土地利用动态变化

土地利用程度表反映土地利用的广度和深度，它不仅反映土地利用中土地本身的自然属性，同时也反映人类因素与自然环境因素的综合效应[8]。本研究利用ArcGIS 9.3对盐城海岸带2001年与2009年遥感影像进行数据提取，采用人工目视解译和监督分类相结合，根据IPCC等依据综合划分为农田、草地、湿地、林地、聚居地及其它土地六大类。通过统计分析获得了2001年到2009年土地利用类型的时空变化动态（图2）。

图2 盐城海岸带2001年、2009年土地利用情况及变化动态Fig.2 Land-use dynamic change of Yancheng coastal in 2001 and 2009

通过转移矩阵和转移概率矩阵分析，更好地掌握了研究区2001年至2009年土地利用类型的流失去向与来源构成（如表3）。

通过表3转移矩阵可以看出，2009年农田增加的面积中，有1.156%来自林地，22.295%来自草地，72.429%来自湿地，3.049%来自聚居地，还有1.071%是通过淤涨增加的面积。同样了解到林地、草地、湿地、聚居地等土地类型的转变及其构成。而由于海水侵蚀而减少的面积中，主要损失的土地利用类型为湿地，占总损失的98.747%，剩余的1.253%是农田损失。

2.2.2 研究区不同Land-use下植被覆盖度

通过Overlay分析工具获取到研究区不同土地利用类型的植被覆盖度分布及NDVI平均值。

表3 盐城海岸带2001～2009年土地利用转移矩阵Table 3 Transfer matrix of Yancheng land use from 2001 to 2009

图3 盐城海岸带不同土地类型的植被覆盖度分布Fig.3 Distribution of vegetation coverage in different land types of Yancheng coastal

从图3可以看出，2001年各土地利用类型的植被覆盖度有明显差异，其中农田及林地以高覆盖度为主，草地以中覆盖度为主，占草地总面积27.85%；湿地以中低覆盖为主，占湿地总面积的44.27%；而聚居地以低覆盖为主，占比43.95%；2009年各土地利用类型的植被覆盖度与2001年有明显变化，其中林地以中低覆盖为主，占到林地总面积的30.72%，其他用地类型均以高植被覆盖度为主，其中草地的高植被覆盖度占到草地总面积的53.53%，湿地的高植被覆盖度占到湿地总面积的42.59%，农田的高植被覆盖度占到农田总面积的33.35%，聚居地的高植被覆盖度占到聚居地总面积的30.29%。

2.3 研究区植被覆盖度变化

通过盐城海岸带不同年际及不同土地利用类型的植被覆盖度变化分析可知，本研究区植被覆盖度的变化与其土地利用变化存在响应联系，土地利用变化是其植被覆盖度变化的主要影响来源及驱动力。2001年至2009年研究区农田总量虽然有所增加，但是其覆盖度却有所下降，是因其农业用地内部结构和布局不断调整，处于退耕还林的转型期；林地面积增加79.28 km2；草地逐渐从中低覆盖、中覆盖度向高覆盖度转型，与NDVI的均值变化相对应；研究区东北部植被覆盖变化区域主要为黄河的淤涨而生的光滩湿地，由于近年来人类对于滩涂的围垦开发，使其土地利用类型逐步转化为滨海草地、芦苇地、米草地、耕地等，植被覆盖度明显增加；而研究区西侧因交通、工业、经济等发展开发大面积的土地，部分草地和林地迁移为工业用地，植被覆盖度相应降低。

3 结论与讨论

本研究以盐城海岸带2001年、2009年两景TM影像为数据基础，采用归一化植被指数（NDVI）和像元二分模型法，从不同时间和空间尺度上对其近10年的植被覆盖度进行定量分析，并探究了其在不同土地利用类型下的空间分异现象。通过分析发现：（1）2001年至2009年，盐城海岸带NDVI（归一化植被指数）和植被覆盖度均有所提升，表明过去十年内盐城市合理利用土地资源，退耕还林等政策对研究区植被覆盖恢复、生态环境改善有一定成效。（2）结合土地利用迁移变化分析发现，研究区植被覆盖度的变化与其土地利用变化存在响应联系，用地功能的改变和土地转移过程中的干扰是植被覆被变化的主要原因。因此在未来盐城滨海海岸带的规划发展中，应合理开发利用土地，重点保护林地，坚持实施退耕还草、退耕还林政策，不断改善海岸带生态环境。

以遥感影像为数据源，相较于实地采样的传统植被监测方法，技术上具有信息源丰富、经济高效及客观科学等优势；基于归一化植被指数（NDVI）及像元二分模型法提取研究区植被覆盖信息，相较于经验模型法、混合光谱模型法等，方法上操作简单、精度较高、适合大尺度范围测量[8-11]。本研究中，植被覆盖度演变的驱动力研究主要侧重于土地利用变化的影响，相关气候、生物量等因素的影响及响应还需进一步探究。

[1]JIAPAER G, CHEN X, BAO A M. A comparison of methods for estimating fractional vegetation cover in arid regions[J].Agricultural and Forest Metcorology, 2011, 151(12): 1698-1710.

[2]刘 斌,罗全华,常文哲,等. 不同林草植被覆盖度的水土保持效益及适宜植被覆盖度[J]. 中国水土保持科学,2008,6(6):68-73.

[3]丁一汇,李巧萍,董文杰. 植被变化对中国区域气候影响的数值模拟研究[J]. 气象学报, 2005, 63(5): 613-621.

[4]谷东起,赵晓涛,夏东兴. 中国海岸湿地退化压力因素的综合分析[J].海洋学报, 2003, 25(1): 78-85.

[5]贾宝全,马玉峰,仇宽彪. 伊金霍洛旗近15年来植被覆盖度的动态变化[J]. 干旱区地理, 2009, 32(4): 481-487.

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

[7]顾祝军,曾志远. 遥感植被盖度研究[J]. 水土保持研究, 2005,12(2): 18-21.

[8]樊玉山,刘纪远. 西藏自治区土地利用[M]. 北京：北京科学出版社.

[9]刘 琳,姚 波. 基于NDVI象元二分法的植被覆盖变化监测[J]. 农业工程学报，2010，26(13): 230-234.

[10]马 娜,胡云锋,庄大方,等.基于遥感和像元二分模型的内蒙古正蓝旗植被覆盖度格局和动态变化[J]. 地理科学, 2012,32(2): 251-256.

[11]黎良财,张晓丽,邓 利,等. 广西岩溶地区植被覆盖度与植被指数耦合模型研究[J]. 中南林业科技大学学报,2015,35(5):28-34.

Study on spatial and temporal vegetation coverage change of Yancheng coastal and response to its land-use dynamic change

HE Xiao-fang, CHEN Yan, ZHU Min, SONG Xin-shan, WANG Yu-hui
(DongHua University, Shanghai 201620, China )

Based on TM remote sensing images of Yancheng coastal in 2001 and 2009, with technical support of RS and GIS, the model of dimidiate pixel based on normalized difference vegetation index (NDVI) was applied in extracting the Spatial and Temporal Vegetation Coverage Change of study area in recent 10 years, as while, the land use information was extracted by using arti fi cial visual interpretation and supervised classi fi cation. In conjunction with the result of regional land cover and vegetation coverage change, the driving forces and response relationship between them were analyzed. The results show that: in recent 10 years, vegetation coverage of Yancheng coastal has been improved overall. In 2001, the vegetation coverage trend to be high in the southwest and low in the northeast,the area of edium and high coverage have accounted for 55.2%; In 2009, there are signi fi cant changes in vegetation cover compared to 2001, the vegetation coverage of the northeast area significantly increased, while the southwest part of the region declined. The forestland is covered by middle coverage, accounting for 30.72%, other land-use types are given priority to high vegetation coverage.The analysis found that the change of wetland dominated land use types and functions and human disturbance is the main in fl uence of the vegetation coverage changes.

vegetation coverage; remote sensing; normalized difference vegetation index; coastal

S728.6

A

1673-923X(2016)02-0101-05

10.14067/j.cnki.1673-923x.2016.02.019

http: //qks.csuft.edu.cn

2014-09-13

中央高校基本科研业务费（2232013D3-11）；国家自然科学青年基金(40801210)

贺肖芳，硕士研究生

陈 燕，博士，副教授；E-mail：chenyanhjxy@dhu.edu.cn

贺肖芳，陈 燕，朱 敏，等. 盐城海岸带植被覆盖度时空变化及其与土地利用变迁响应研究[J].中南林业科技大学学报，2016, 36(2): 101-105.

[本文编校：吴 彬]