中国东北地区2007—2010年植被覆盖度及其变化1)

胡屾 刘骏 毛学刚

(国家林业局华东林业调查规划设计院，杭州，321001) (东北林业大学)



中国东北地区2007—2010年植被覆盖度及其变化1)

胡屾 刘骏 毛学刚

(国家林业局华东林业调查规划设计院，杭州，321001) (东北林业大学)

为研究中国东北地区植被覆盖变化特征，基于MODIS归一化植被指数(INDV)月合成数据，利用双组分线性混合模型估算中国东北地区2007—2010年植被覆盖度(fc)，并对4年间植被覆盖度时空变化规律进行分析。结果表明：(1)中国东北地区植被覆盖度整体处于较高水平，植被覆盖度平均在70%以上，并呈现出东高西低的分布特征；(2)2007—2011年，中国东北地区年最大植被覆盖度总体较稳定并有一定增长趋势，以稳定和轻微恢复为主。稳定及轻微恢复的面积占总面积的90%以上，出现了不同程度退化的面积在10%以下，主要出现在内蒙古自治区东北部以及中部，其原因与该地过度放牧等有关；(3)中国东北地区2007—2010的植被覆盖度变化波动不大，相对稳定；(4)中国东北地区2007—2010年间植被覆盖状况呈良性发展趋势。

归一化植被指数；东北地区；植被覆盖度；MODIS

NDVI; Northeastern China; Fractional vegetation cover; MODIS

植被不仅是生态系统存在的基础，还是生态系统的主要组成成分，具有减缓径流、截流降雨、保持水土、防沙等功能[1]。植被联结着土壤、大气和水分等自然过程，在生物地球化学循环、地表能量交换以及水文循环等过程中起着重要作用，对研究全球变化起到“指示器”的作用[2]。植被覆盖度是植物群落覆盖地表状况的一个综合量化指标，是研究区域或全球性水文、气象、生态等方面问题的基础数据，广泛应用于各种相关理论和模型中[3]。同时，在研究水土保持、生态环境调查、植被覆盖变化以及蒸散量等方面有广泛的应用。

植被覆盖度的估测方法主要有实地调查和遥感监测两种方法。由于植被覆盖情况具有明显的时空变化特征，传统实地抽样估计植被覆盖度的方法，很难获得大尺度区域的测量结果。相反，针对实地调查方法这些缺陷，遥感监测的方法因其良好的时间和空间连续性，能很好地完成对大尺度区域植被覆盖度的估计[4-7]。遥感技术具有快速、宏观、动态、实时、客观等特点，为监测和研究植被覆盖状况变化提供了一种新型而有效的方法，为研究植被覆盖度提供科学依据和技术支持[8-10]。目前，有许多利用遥感技术测量植被覆盖度的方法，其中应用最广泛的方法，是植被覆盖度与光谱指数的相关分析法以及回归模型法[11-13]。但这两种方法只适用于特定区域或特定植被类型，且模型复杂、操作时间长、变量多、难测量等问题，不易推广。在定量处理遥感图像植被覆盖度方面，主要有混合像元分解和植被指数(IV)法。前者是基于光谱混合模型，通常认为地面目标大小，是小于遥感图像的空间分辨率，遥感图像的像元特征可以反映土地覆盖特征的综合信息，但测量精度直接受混合像元分解技术成熟度的影响；后者是通过建立植被覆盖度与植被指数之间的关系，这种方法被广泛采用。

中国东北地区位于东北亚区域的中心地带，地理位置十分重要。总面积为1.454×106km2，约占全国土地总面积的13%。拥有丰富的自然资源、农业资源和工业资源。研究中国东北地区植被覆盖状况及其变化规律，可以为科学合理的保护和利用中国东北地区的林业、农业及土地资源等提供帮助，为中国东北地区的生态建设提供参考。本研究采用2007—2010年MODIS归一化植被指数(INDV)月合成数据，应用双组分线性混合模型，对中国东北地区的植被覆盖状况进行研究。通过对中国东北地区2007—2010年的植被覆盖度的时空变化特征分析，旨在揭示中国东北地区植被覆盖度变化规律，明确其变化方向。

1 研究区概况

中国东北地区包括黑龙江、吉林、辽宁省以及内蒙古自治区的部分地区(呼伦贝尔盟、兴安盟、通辽市和赤峰市)。该地区位于东北亚区域的中心地带，地理位置约位于115°33′35″～134°58′28E，38°43′15″～53°33′35″N。中国东北地区以东北平原、丘陵和山地为主。中国东北地区地处中温带与寒温带，属温带季风气候，四季分明，夏季温热多雨，冬季寒冷干燥。因东北地区湿度较低，太阳辐射较高，所以夏季依然是高温天气。东部地区的长白山挡住了西北寒风，冬季气温极低，山区气温可达-40 ℃以下。年降水量为400～800 mm，降水量自西向东有减少的趋势。

2 研究方法

2.1 数据收集及处理

遥感数据：计算植被覆盖度的基础数据采用MODIS NDVI数据产品。该产品采用MODIS的蓝、红、近红外反射率3个波段的数据(3波段的中心分别为469、645和858 nm)，由经过水、云、重气溶胶、以及云阴影掩膜处理的双向大气校正表面反射率计算获得。该数据来源于中国科学院计算机网络信息中心国际科学数据镜像网站(http://www.gscloud.cn)。数据空间分辨率为1 km，时间序列为2007—2010年，数据范围中国东北地区，投影方式采用UTM/WGS-84投影。

数据处理：尽管MODIS NDVI数据经过严格的预处理，并采用最大值合成法将多天的NDVI数据进行合成，但是得到的产品仍然受云、气溶胶及水汽等影响。尤其是合成期内，一直有云存在的情况下，云成为对NDVI产品影响最大的噪声，这些噪声使得合成后的NDVI随时间变化呈无规律状态，相邻值高低变化没有规律。因此，本研究采用TIMESAT软件的基于滤波函数的平滑法，针对每个像元进行时间序列拟合，处理后的数据，在时间序列上是平滑的，符合实际规律。

2.2 植被覆盖度计算模型

植被覆盖度的计算，采用简单的线性混合模型。该模型假设每个像素的反射率为所有子像素反射率按百分比进行加权的总和。对于植被覆盖度的来说，每个像素被假定包含两个组分即有植被覆盖区和无植被覆盖区，这样混合模型变为有2个组分线性模型，且2个组分是相互独立的。双组分线性混合模型方程可表示为：

R=Rcanopyfc+Ropen(1-fc)+ε。

(1)

式中：R为像元的反射率；Rcanopy为有植被覆盖区的反射率；Ropen为无植被覆盖区的反射率；fc为植被覆盖度；ε为像元内无意义的剩余分量。

双组分线性混合模型表明，某个波长的像元的光谱响应是由来自有植被覆盖区和无植被覆盖的光谱相应的线性组合，两个分量的对应覆盖度分别为fc和1-fc。

地物的反射率随波长变化显著，使用不同的光谱波段可能会产生多种植被覆盖度[14]。此外，即使在某些波长Rcanopy和Ropen也会受植被湿度、土壤水分及质地等影响[15-16]。为减少这些因素的影响，采用IV估算植被覆盖度比较合适[17-19]。采用IV作为所有植被指数的代表，并替换反射率R，则有如下公式：

IV=IVcanopyfc+IVopen(1-fc)+ε。

(2)

式中：IV为植被指数；IVcanopy为有植被覆盖区的植被指数；IVopen为无植被覆盖区的植被指数；fc为植被覆盖度；ε为像元内的无意义剩余分量。

对于本研究区域的植被，无意义剩余分量可被忽略ε，采用两个组分比较合理[2]。植被覆盖度(fc)可以表示为：

(3)

INDV又称标准化植被指数，它是植被生长状态及植被覆盖度的最佳指示因子[14]。因此，本研究采用INDV计算植被覆盖度：

(4)

式中：fc为植被覆盖度；INDV为归一化植被指数；INDVcanopy为有植被覆盖区的归一化植被指数；INDVopen为无植被覆盖区的归一化植被指数。

INDVopen与INDVcanopy值随时间和空间的变化而变化，因此，它们的取值不能采用一个确定的值。原始图像中一般都含有噪声等干扰，为避免图像中因噪声的影响而产生的过低或过高的INDV值，INDVopen与INDVcanopy的取值不能取统计结果中的最大与最小值。通常取给定的置信度的置信区间内的最大和最小值[20]。根据INDV频率累计表，INDVopen取值为频率0.5%的INDV，INDVcanopy取值为频率99.5%的INDV值，即为无植被覆盖和全植被覆盖像元的INDV值。

2.3 植被覆盖度的分级

植被覆盖度的分级标准已经有大量的研究[21-24]，植被覆盖度分级的阀值选取也因地区的不同而不同。本研究参考K. Kensuke et al[24]阀值的选择标准，并结合中国东北地区植被特点，将植被覆盖度划分为5个等级(见表1)。

表1 植被覆盖度分级标准

2.4 标准差分析

由于植被生态系统是一种动态平衡状态，对于不同区域具有不同的稳定程度和动态变化幅度。为反映植被覆盖度变化的稳定程度，引入标准差来表示植被覆盖变化的离散程度。其值越小，说明植被覆盖时间序列离散程度越小，变化越平稳，反之则波动性越大。植被覆盖度的标准差计算公式为：

(5)

根据标准差Sfc取值，将植被覆盖变化划分为5个等级，即：变化小(Sfc≤0.1)、变化较小(0.1

3 结果与分析

3.1 植被覆盖度空间分布特征

由图1可知，中国东北地区2007—2010年平均植被覆盖度为74%。总体来看，中国东北地区植被覆盖状况良好，植被覆盖度从东部向西部呈减少趋势，具有东高西低的特点。其中，低度、中低度、中度的植被覆盖度分布，主要分布在东北地区的西部和西南部的干旱、半干旱候区，大部分位于内蒙古自治区内，其面积分别为1.318×105、8.26×104、1.125×105km2，分别占中国东北地区总面积的9.06%、5.68%和7.74%。中高度及高度的植被覆盖度分布较为零散，主要分布在中国东北地区中部及内蒙古自治区、黑龙江省和吉林省的交界处，还包括辽宁省的西北部以及内蒙古自治区的北部，面积为2.084×105km2，占中国东北地区总面积的14.33%。高植被覆盖度主要分布在黑龙江省、吉林省、辽宁省的大部，以及内蒙古自治区的东北部，面积为9.193×105km2，占中国东北地区总面积的63.20%。从各等级植被覆盖度分布情况来看，东北地区植被覆盖状况主要以高植被覆盖度为主，表明了中国东北地区良好的植被覆盖状况。但可以明显的看出中国东北地区的内蒙古自治区的部分植被覆盖以低度及中低度植被覆盖度为主，说明此地区植被覆盖状况较差。

图1 中国东北地区植被覆盖度分布特征

3.2 植被覆盖度年际间变化

由表2、图2可知，总体上4年间中国东北地区植被覆盖度呈稳定并有一定增长趋势，以稳定和轻微恢复为主，稳定和轻微恢复的面积占总面积的91.03%，说明4年来中国东北地区总体植被保护情况良好。有11.42%的地区出现了一定程度的恢复，分布相对零散，主要分布在临近水源的水源相对较好的地区，说明植被的恢复工作与加强退耕还林还草等措施有关，也与地区地理环境特点和气候特点有重要关系。但是，仍有8.15%区域，植被出现了不同程度的退化，其中有0.08%的区域植被出现了严重退化现象。退化主要出现在内蒙古自治区的东北部以及中部，而这部分区域植被覆盖度大部分以低度和中低度植被覆盖度为主，而植被退化现象也相对明显，这与人们保护植被的意识不强，过度放牧、砍伐森林等破坏植被的行为有密切关系。

3.3 植被覆盖度变化稳定程度

由图3、表3可知，2007—2010年东北地区植被覆盖变化标准差整体呈西南部及西部高，中部高低并存，剩余部分较低的分布特点。主要以变化小和变化较小两种变化水平为主，占总面积的88.98%，主要分布在黑龙江省、吉林省和辽宁省的大部分地区，以及内蒙古自治区与黑龙江省交界处，其分布的区域与植被覆盖度稳定的区域位置基本一致。而变化中等、变化较大和变化大的地区共占总面积的11.02%，其分布区域与之前研究结果中植被覆盖度有明显变化的区域基本吻合。总体来看，中国东北地区2007—2010年植被覆盖度变化波动不大，相对稳定。

表2 植被覆盖度演变及统计

图2 中国东北地区植被覆盖变化

图3 植被覆盖度变化稳定程度

3.4 植被覆盖度年内变化

由图4、图5可知，1—7月份，中国东北地区植被覆盖度基本呈上升趋势，并在7月份达到最大值。一年中，植被覆盖度最高的时间段为7—8月份，之后植被覆盖度开始出现降低，10月份下降速度明显加快。这与中国东北地区自南向北跨越中温带与寒温带两个气温带的特点有很大关系。由于中国东北地区冬季普遍时间长且气温低，导致植被覆盖度变化时间较全国其他地区较早，植被覆盖度最低的月份为1月份和12月份。

表3 中国东北地区植被覆盖度变化标准差分级

2007—2011年植被覆盖度总体变化趋势基本一致，变化曲线均呈单峰型。总体上每年4月份植被活动开始明显增强，并在5—6月份植被增强速度明显加快，在7月份左右，植被覆盖度达到最大值，7—8月份为植被覆盖度最高时期，9月份植被覆盖度出现明显下降，之后逐渐降至最低值。每年最低植被覆盖度出现在1月和12月份左右。

3.5 各等级植被覆盖度动态变化

由表4可知，2007—2008年，中植被覆盖度、中高植被覆盖度和高植被覆盖度面积都有所增加，分别增加了3.53%、8.93%、0.99%，低、中低植被覆盖度面积减少，分别减少16.71%和15.24%，减幅较大；2008—2009年间，中植被覆盖度和中高植被覆盖度面积均有所减少，分别减少12.54%和22.51%；低、中低和高植被覆盖度面积均有所增加，分别增加10.64%、4.50%和7.62%；2009—2010年，除高植被覆盖度外，其他等级的植被覆盖度均有增加。总体分析2007—2010年间各等级植被覆盖度变化情况，低、中低、中高植被覆盖度的面积都有所减少，但中植被覆盖度和高植被覆盖度面积都呈增长状态。

3.6 各等级植被覆盖度的变化方向

为定量分析中国东北地区2007—2010年间各等级植被覆盖度的变化方向，引入转移矩阵来对各等级植被覆盖度的变化趋势做进一步分析。选择植被覆盖度较高的7月份和8月份的数据，根据中国东北地区各等级植被覆盖度面积，利用ArcGIS10.0中的空间分析功能，建立转移矩阵。由表5可知，对角线上的数据表示2007—2010年间各等级植被覆盖度未发生变化面积占总面积的比例，7月份分别为6.63%、1.69%、2.39%、6.23%、57.70%，共占总面积的74.64%；8月份分别为6.21%、1.85%、2.92%、8.15%、52.5%，共占总面积的71.64%。而对角线右侧上方的数据表示由低等级转移到高等级的面积占总面积的比例，即植被恢复的比例，7月份恢复的比例为13.66%，8月份恢复的比例为16.45%。反之，对角线左下方的数据表示由高等级转移为低等级植被覆盖度的面积占总面积的比例，即植被退化的比例，7月份退化的比例为11.70%，8月份退化的比例为11.91%。植被恢复比例总体大于植被退化的比例，说明中国东北地区2007—2010年间植被覆盖状况呈良性发展趋势。

图4 2009年1—12月植被覆盖度分布

植被盖度各年各等级植被覆盖度的面积/104km22007年2008年2009年2010年2007—2008年变化量/104km2变化率/%2008—2009年变化量/104km2变化率/%2009—2010年变化量/104km2变化率/%2007—2010年变化量/104km2变化率/%低盖度13．8811．5612．7913．02-2．32-16．711．2310．640．231．80-0．86-6．20中低盖度8．667．347．678．26-1．32-15．240．334．500．597．69-0．40-4．62中盖度11．6312．0410．5311．650．413．53-1．51-12．541．1210．640．020．17中高盖度26．7529．1422．5823．892．398．93-6．56-22．511．315．80-2．86-10．69高盖度84．5485．3891．8988．650．840．996．517．62-3．24-3．534．114．86

图5 中国东北地区植被覆盖度年内变化趋势

表5 2007—2010年植被覆盖度转移矩阵%

4 结论

本研究以2007—2010年的MODIS NDVI为基础数据，基于双组分线性混合模型，估测了中国东北地区植被覆盖度，并对中国东北地区植被覆盖度进行空间制图，以及分析时间序列上不同等级植被覆盖度的分布及变化特征。2007—2010年中国东北地区植被覆盖度总体覆盖度处于较高水平，平均植被覆盖度在70%以上，空间分布上呈现出东高西低的特点；2007—2010年间中国东北地区植被覆盖度总体上呈稳定并有一定增长趋势，以稳定和轻微恢复为主；中国东北地区2007—2010年植被覆盖度变化波动不大，相对稳定；中国东北地区1—7月份植被覆盖度呈上升趋势，并在7月份达到最大值，之后植被覆盖度开始出现降低，这与东北地区自南向北跨越中温带与寒温带两个气温带的特点有很大关系；2007—2010年间低、中低、中高植被覆盖度的面积都有所减少，但中植被覆盖度和高植被覆盖度面积都呈增长状态，植被恢复比例总体大于植被退化的比例，中国东北地区2007—2010年植被覆盖状况呈良性发展趋势。

[1] ZHANG X F, LIAO C H, JONATHAN LI, et al. Fractional vegetation cover estimation in arid and semi-arid environments using HJ-1 satellite hyperspectral data[J]. International Journal of Applied Earth Observation and Geoinformation,2013,21:506-512.

[2] HIRANO Y, YASUOKA Y, ICHINOSE T. Urban climate simulation by incorporating satellite-derived vegetation cover distribution into a mesoscale meteorological model [J]. Theoretical and Applied Climatology,2004，79(3):175-184.

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

[4] 师庆东,陈利军,潘晓玲,等.利用20年遥感影像分析西部干旱区植被演变特征[J].资源科学,2003,25(5):84-88.

[5] 刘爱霞,王长耀,王静,等.基于MODIS和NOAA/AVHRR的荒漠化遥感监测方法[J].农业工程学报,2007,23(10):145-150.

[6] ZHANG Y S, INAKWU O A O, ELNAZIR R. Assessment of land surface temperature in relation to landscape metrics and fractional vegetation cover in an urban/peri-urban region usingLandsatdata[J]. International Journal of Remote Sensing,2013,34(1):168-189.

[7] 李恒凯,雷军,杨柳.基于Landsat影像的离子稀土矿区植被覆盖度提取及景观格局分析[J].农业工程学报,2016,32(10):267-276.

[8] BRIAN J, RYUTARO T, TOSHIYUKI K. Remote sensing of fractional green vegetation cover using spatially-interpolated endmembers[J]. Remote Sensing,2012,4(9):2619-2634.

[9] 李冰,刘镕源,刘素红,等.基于低空无人机遥感的冬小麦覆盖度变化监测[J].农业工程学报,2012,28(13):160-165.

[10] 刘峰,刘素红,向阳.园地植被覆盖度的无人机遥感监测研究[J].农业机械学报,2014,45(11):250-257.

[11] 谢秋霞,孙林,韦晶,等.基于遥感估算方法的干旱区植被覆盖度适应性评价[J].生态学杂志,2016,35(4):1117-1124.

[12] WU D, WU H, ZHAO X, et al. Evaluation of spatiotemporal variations of global fractional vegetation cover based on GIMMS NDVI data from 1982 to 2011[J]. Remote Sensing,2014,6(5):4217-4239.

[13] 袁沫汐,邹玲,林爱文,等.湖北省地区植被覆盖变化及其对气候因子的响应[J].生态学报,2016,36(17):5315-5323.

[14] MAAS S J. Linear mixture modeling approach for estimating cotton canopy ground cover using satellite multispectral imagery[J]. Remote Sensing of Environment,2000,72(3):304-308.

[15] TOWNSHEND J R, MASEK J G, HUANG C Q, et al. Global characterization and monitoring of forest cover using Landsat data: opportunities and challenges[J]. International Journal of Digital Earth,2012,5(5):373-397.

[16] TOWNSHEND J R G, JUSTICE C O, GURNEY C, et al. The impact of misregistration on change detection[J]. IEEE Transactions on Geoscience & Remote Sensing,1992,30(5):1054-1060.

[17] HASHIM M, POUR A B, WEI C K. Comparison of ETM+ and MODIS data for tropical forest degradation monitoring in the peninsular malaysia[J]. Journal of the Indian Society of Remote Sensing,2014,42(2):383-396.

[18] 肖强,陶建平,肖洋.黄土高原近10年植被覆盖的动态变化及驱动力[J].生态学报，2016，36(23):7594-7602.

[19] 何宝忠,丁建丽,张喆,等.新疆植被覆盖度趋势演变实验性分析[J].地理学报,2016,71(11):1948-1966.

[20] 王新闯,刘文锴,杨会军,等. 河南省植被覆盖度及其景观格局时空变化[J].水土保持通报,2015,35(6):241-247.

[21] HUETE A, DIDAN K, MIURA T, et al. Overview of the radiometric and biophysical performance of the MODIS vegetation indices[J]. Remote Sensing of Environment,2002,83(1):195-213.

[22] ZHANG X, MARK A F, CRYSTAL B S, et al. Monitoring vegetation phenology using MODIS[J]. Remote Sensing of Environment,2003,84(4):471-47.

[23] SAMUEL L, GORDON B B, CLINE B. Soil feedback drives the mid-Holocene North African monsoon northward in fully coupled CCSM2 simulations with a dynamic vegetation model[J]. Climate Dynamics,2004,23(7/8):791-802.

[24] KENSUKE K, TSUYOSHI A, HIRO O Y, et al. Quantifying grazing intensities using geographic information systems and satellite remote sensing in the Xilingol steppe region， Inner Mongolia， China[J]. Agriculture,Ecosystems and Environment,2005,107(3):83-93.

1)国家自然科学基金项目(31300533)。

胡屾，男，1986年12月生，国家林业局华东林业调查规划设计院，助理工程师。E-mail：pidouhui@163.com。

毛学刚，东北林业大学林学院，讲师。E-mail：maoxuegang@aliyun.com。

2017年3月5日。

Q948.3

Extraction and Change of Vegetation Coverage of 2007-2010 in Northeast China//Hu Shen, Liu Jun(Research Institute of Forestry, State Forestry Administration, Hangzhou 321001, P. R. China); Mao Xuegang(Northeast Forestry University)//Journal of Northeast Forestry University，2017,45(7)：45-50.

责任编辑：王广建。

Combining the normalized difference vegetation index (NDVI) derived from MODIS data with two component linear mixed model (FVC), vegetation fraction during from 2007 to 2010 in Northeast China and its spatio-temporal variation rules were estimated and analyzed for vegetation coverage changes in Northeast China. The results show that: (1)FVC in Northeast China was at a high level with the average of above 70%, presented a distribution characteristic of lower in west and higher in east. (2)In 2007-2011, annual maximum FVC was relatively stable and had a certain growth trend to stabilize and slightly recover. More than 90% area of the total was stable and slight recovery, and less than 10% area had different degree of degradation due to the phenomenon of excessive grazing, mainly in the northeast and central of the Inner Mongolia Autonomous Region. (3)FVC in 2007-2011 in Northeast China was relatively stable, with little changes. (4)The vegetation coverage in Northeast China in 2007-2011 was with a positive trend.