基于GIS-RS的三峡库区消落带植被覆盖时空演变过程*

官冬杰，瞿思佳，杨姗姗，和秀娟

(1.重庆交通大学 建筑与城市规划学院，重庆 400074；2.北京师范大学 减灾与应急管理研究院，北京 100875)

0 引 言

近年来，湿地生态环境问题凸现，水库的大规模修建，往往会带来生物多样性变化迅速、旅游产业资源极端恶化和水土流失灾害加剧等严重威胁着库区的生态安全和生态景观的问题，其中，消落带的生态环境问题就是由于水库水位涨落的影响而出现的。

河岸带的概念最早出现在1960年，R.R.LOWRANCE[1]认为河岸生态系统是一种具有鲜明特色的湿地类型，往往形成农业带和河流之间的缓冲区，有助于减少非点源污染，河岸带可以为水文分析与污染影响分析提供一项重要系统指标；S. V. GREGORY等[2]通过研究，开始指出河岸带归属于一种生态系统；国内最早提出水位涨落带的研究学者是刘宗群[3]，他将水位涨落带划定为由于库水位的变化，地下水位剧烈升降影响的区域，并按水文特征分为地下水涨落带和库水涨落带，其中库水涨落带就是目前通用的“消落带”。研究消落带环境对更精确的水体范围提取方法要求更高，目前水体信息提取的方法很多，如许静等[4]选取Landsat ETM+为数据源，详细分析了水体与背景地物的波谱特征差异。但是，综合国内外研究现状，由于技术的限制，研究通常选择集中平原、沙漠、城市等较为开阔平坦、地物类型相对较少、土地覆被相对单一以及易于分辨的区域，而针对水库消落带等条带状、植物类型丰富多变的研究相对比较少见[5-8]；研究模型中像元二分模型是最简单且应用最多的混合像元分解方法，但该模型忽略了地表的复杂性，选取极值点进行估算，对结果会造成很大的不确定性，而且对于不同的气候、植被区域，极值的选取更是重点和难点[9-11]。作为世界最大的人工消落带，三峡库区消落带研究仍然处于初始阶段，研究方向主要集中于生态环境问题、土地利用、土壤环境、生态重建4个大方向展开[12-15]，而研究成果中可用于操作的技术不多，大部分仍然是理论[16-20]。本研究基于三峡库区前期的消落带研究成果之上，探讨三峡库区消落带的植被覆盖度时空演变研究方法，并利用CA-Markov模型对水库消落带植被演变趋势进行模拟，为支持三峡水库环境决策提供理论与数据依据。

1 材料与方法

1.1 研究区域概况

研究区三峡水库涪陵段地处重庆市中东部，属于三峡库区腹地，位于东经106°56′-107°43′、北纬29°21′-30°01′之间。东邻丰都县，南接南川区、武隆县，西连巴南区，北靠长寿区、垫江县。幅员面积2 941.46 km2，东西宽74.5 km，南北长70.8 km，多年平均流量达11 200 m3/s。此外，涪陵区地处四川盆地和山地过渡地带，海拔最高1 977 m，最低138 m，多在200～800 m之间。

1.2 基础数据获取

三峡库区消落带因水位涨落影响植被生长，最繁盛的时间为每年的7—9月份，而根据Landsat 7传感器接收影响质量，排除云量干扰较大的7月份影像，所以选取每年8—9月份遥感影像数据作提取，本研究采用2003、2004、2008、2010、2013年8月或9月的Landsat 7影像数据进行分析，数据来源于地理空间数据云的Landsat4-5TM数据，该数据经过系统辐射校正和地面控制点几何校正，并且通过DEM进行了地形校正，且大地测量校正依赖于精确的地面控制点和高精度的DEM数据，详细影像信息如表1：

表1 Landsat7 TM/ETM+遥感数据源Table 1 TM/ETM+ Landsat7 remote sensing data source

本研究采用的环境因子数据包括三峡水库2003年5月1日—2013年9月21日的水位数据资料，来自三峡水库观测站点统计数据。

1.3 数据处理

利用特征值法提取同一时期最高水位175 m(2010年10月31日)与最低水位145 m(2010年8月25日)的水体影像，输出到ArcGIS软件，求取中间差值矢量图像，通过剪裁得到具有清晰边界的涪陵区内三峡水库消落带范围，总面积20.49 km2，具体范围见图1。

图1 三峡水库消落带涪陵区段示意Fig. 1 Schematic diagram of Fuling section of Three Gorges Reservoir

1.4 植被覆盖度估算方法

1.4.1 线性混合光谱模型

采用半自动的端元提取方法的PPI算法，在先验知识的引导下对影像进行端元提取，对三峡库区消落带涪陵区段进行植被覆盖度的估算。主要包括最小噪声分离变换、纯像元指数计算与N维可视化分析三步骤。在N维可视化分析中通过线性光谱分解模块(spectral tools)[21-22]实现无约束条件的线性光谱分解模型求解。

1.4.2 波谱角分类模型

经过计算分类之后，将错分以及漏分的像元对象根据波段432假彩色合成影像手动划分到各类别中，分类结果显示植被空间分布格局，结果如图2。分别对5期影像的波谱角分类结果进行Kappa系数精度验证，5期影像的平均分类总体精度达到94.27%，平均Kappa系数达到0.925 9，总体而言分类精度较高，但无法避免因为消落带影像分辨率不高以及选取地物类型较少等因素的影响，因此分类效果较为理想。

图2 波谱角SAM模型分类结果Fig. 2 Spectral angle SAM model classification results

2 结果与分析

2.1 水库消落带植被的时空变化特征分析

结合三峡水库涪陵区消落带5期湿地植被空间分布格局图，分析统计每个时期内不同湿地土地利用类型的面积和面积比例，结果如表2。由表2统计可知，2003—2004年1年期间，陆生植物大幅度减少2.5 km2，湿生植物成倍增加，水体面积也减少2.4 km2，这一显著现象与2003年6月之后三峡工程首次蓄水，双线五级船闸通航，首批机组发电进入围堰挡水发电期事件密切相关；2004—2008年4年期间，三峡工程实行第2次蓄水并且开始首次175 m试验性蓄水，2008年水库水位达到172.8 m，此时陆生植被与湿生植被覆盖度同时稳定降低，面积相差在0.1 km2左右，水体面积与裸露土壤面积增幅达到9%；2008—2010年2年期间植被长势良好，陆生与湿生植物比例均有增长，裸露土壤大比例转化为植被覆盖区，又因降雨充沛的原因，且经历第3次特大洪峰，湿生植物比例上升超过陆生植物；从2010年三峡水库首次达到175 m正常蓄水位开始至2013年3年间，每月的出入库水量恒定，因此各类型面积增减幅度较稳定，陆生植物面积增加1.107 km2，湿生植物面积增加0.309 6 km2，裸露土壤面积减少0.279 9 km2，水体面积减少1.136 7 km2。总体来看，2003—2013年，植被覆盖度比例均在65%～85%以内呈现先小幅降低后又上升的趋势，生态环境变化较稳定。

表2 2003—2013年各土地利用类型面积统计Table 2 Statistical table of land use type area from 2003 to 2013

图3 5期湿地植被空间分布的局部示意与局部对比Fig.3 Local sketch map and local constrast map of spatial distribution of weland vegetation in five phase

由图3，对5期湿地植被空间分布的西部、中部、东北部和东南部局部对比分析发现：西部2003—2004年陆生植物、水体和裸土大面积地转化为湿生植物，2004—2008年中段湿生植物转化为裸土，2008—2010年湿生植物大部分转化为陆生植物，裸土部分转化为陆生植物，2010—2013年下端部分陆生植物转化为湿生植物，上端部分裸土转化为陆生植物，从10年跨度来看，陆生植物和裸土的数量没有太大变化，水体大部分转化为湿生植物；中部2003—2004年湿生植物大面积转化为水体，陆生植物部分转化为湿生植物，2004—2008年湿生植物大部分朝水体转换，靠近水体部分的陆生植物大面积转化为湿生植物，2008—2010年支流水体朝裸土和陆生植物转换，2010—2013年小部分支流的陆生植物由于水体的汇入转化为湿生植物，其余保持较稳定状态，从10年跨度来看，靠近水体部分陆生植物转化为湿生植物，水体中心的湿生植物消失，大致保持稳定状态；东北部2003—2004年下端支流附近陆生植物转化为湿生植物，上端干燥地区陆生植物和裸土小面积的互相转换，2004—2008年上端大面积的陆生植物转化为裸土，2008—2010年裸土几乎消失，大面积转化为陆生植物，靠近水体部分转化为湿生植物，2010—2013年，下端支流湿生植物部分转化为水体，其余地类保持稳定，从10年跨度来看，裸土几乎消失，陆生植物大致不变，水体数量明显增加；东南部2003—2004年大面积陆生植物和水体朝湿生植物转换，2004—2008年远离水体的湿生植物大部分转化为陆生植物，2008—2010年随着水体汇入支流，湿生植物逐渐取代陆生植物，零星的裸土也转化为湿生植物，2010—2013年中间段湿生植物被水体淹没转化为水体，陆生植物和湿生植物之间存在部分相互转换，从10年跨度来看，陆生植物大面积减少，减少部分转化为水体和湿生植物。

2.2 水库消落带地物类型质心转移变化分析

质点的移动可以在一定程度上表现出事物受到外力持续影响下的变化趋势，用于分析湿地土地利用格局的空间变化规律和趋势，本研究通过ArcGIS空间分析工具获取每种类型在每1年的质心位置(如图4)。由图可知：2003—2004年间，陆生植物质心向东北方偏移了4.12 km，2004—2008年间又向东南方偏移2.27 km，2008—2010年向西南方偏移6.14 km，2010—2013年又向东北方偏移返回3.52 km，位于2003年质心南方，整体偏移形成三角形路线；湿生植物在2003—2004年间，质心向正北方偏移仅有0.33 km，于2004—2008年间向西北方偏移1.62 km，2008—2010年向东北方偏移4 km，但在2010—2013年间又向西北偏移2.76 km，整体偏移受到东西方向的牵引，呈现出Z字形特征；裸露土壤质心偏移变化最大，整体往北方发展，在2003—2004年间向西南方偏移14.53 km，2004—2008年间又向东北方回移26.94 km，2008—2010年向西南偏西方偏移10.48 km，在2010—2013年又反折向东北方偏移11.34 km；水体质心在2003—2004年间，向西南方偏移了7.99 km，2004—2008年间又继续向西南方偏移10.95 km，2008—2010年回转东北方偏移13.98 km，2010—2013年又继续向西南方偏移5.81 km，主要发展趋势是往西南方向转移。

图4 不同时期消落带土地利用类型质心转移变化(坐标系为WGS_1984_UTM_Zone_48N)Fig. 4 Change of land use type of land use type in different periods (Coordinate system：WGS_1984_UTM_Zone_48N)

2.3 基于CA-Markov模型的消落带植被空间分布预测

本研究采用CA-Markov模型[23-24]，通过领域关系分析，在应用马尔科夫链在对未来土地利用数量结构准确预测的基础上，加强了空间格局的模拟能力。

根据2008年与2013年消落带湿地利用类型模拟预测得到各年的状态转移矩阵，图5是预测各年消落带湿地利用类型面积增量统计图，可以看出，以2013年为基础，对三峡水库消落带涪陵段的湿地利用类型分别做5、10、15、20年的预测。其中，预测2013—2018年5年间，水体和湿生植物的增加表明频繁水淹对植物的生长和演化具有很大的影响，长期水淹的陆生植物将逐渐转变为湿生植物。而从总体上来看陆生植物主要变化趋势是逐年减少，减少量也在逐年降低，湿生植物呈现在2018年先增加，之后逐年减少的趋势，裸露土壤基本上无变化，保持相对稳定水平，水体覆盖范围在逐年增加，且增幅较其他类型为最大，某种程度上说明消落带边坡稳定性较低，受水体作用影响大，有待进一步研究。

图5 各预测年湿地利用类型面积增量变化统计Fig. 5 Statistical map of incremental change of wetland utilization type area in each forecast year

通过CA-Markov模型计算概率矩阵模拟预测得到的各年消落带湿地利用类型布局如图6，未来消落带中湿地利用类型中裸露土壤的综合变化剧烈，说明人为因素干扰很大；陆生植物的综合变化呈现小幅度的起伏，说明陆生植物的活跃性和稳定性较均衡，湿生植物的综合变化为增-减的模式，与水体的动态变化趋势一致，说明湿生植物的变化受到水体变化的直接制约。总体上4种消落带土地利用类型的综合动态度都在下降，说明各类型的活跃性降低，稳定性增强。

3 结 论

本研究以三峡水库涪陵区消落带为研究对象，获取2003、2004、2008、2010、2013年5期影像，以GIS和RS为基础，结合计量地理学、景观生态学等学科领域知识，在测试确定三峡水库消落带方法的基础上，对涪陵区段的消落带植被覆盖度进行提取以及对研究区湿地利用类型进行简单分类，研究三峡水库消落带湿地植被的时空演变过程和分析其时空变化特征，得到以下结论：

1) 采用特征值法提取出具有清晰边界的三峡库区涪陵段消落带；利用光谱混合模型估算植被覆盖度，该方法具有一定物理意义和理论基础，与常用的植被指数法相比更具优势，该模型的核心是端元选取，虽然五端元模型可以得出最优估算结果，但笔者所研究消落带区域范围过于狭窄，且植被类型较少，因此四端元模型更为适用，能得出最优估算效果；通过SAM 模型根据端元的光谱反射曲线对5期影像进行波谱角分类，平均分类总体精度达到94.27%，平均Kappa系数达到0.925 9，分类效果较为理想。

2) 基于GIS软件的综合分析、处理工具和可视化功能，展现了三峡水库消落带湿地植被在10年间的时空演变过程。结合三峡水库涪陵区实际情况，对湿地利用类型时空特征和质心转移变化进行分析得出，2004—2013年，植被覆盖度比例均在65%～85%以内呈现先小幅降低后又上升的趋势，因人为因素影响使得环境变化剧烈，生态系统内没有明显优势类型存在，但植被覆盖度的稳定性在逐年上升。

3) 基于CA-Markov模型以2013年为基础，对三峡水库消落带涪陵段的湿地利用类型做5、10、15、20年的预测，陆生植物主要变化趋势是逐年减少，减少量逐年降低，湿生植物是2018年前增加，之后逐年减少，裸露土壤基本无变化，保持相对稳定水平，水体覆盖范围在逐年增加，且增幅较其他类型为最大，某种程度上说明消落带边坡稳定性较低。

参考文献(References)：

[1] LOWRANCE R R，LEONARD R，SHERIDAN J.Managing riparian ecosystems to control nonpoint pollution[J].JournalofSoil&WaterConservation，1985，40(1)：87-91.

[2] GREGORY S V，SWANSON F J，MCKEE W A，et al.An ecosystem perspective of riparian zones-focus on links between land and water[J].BioScience，1991，41(8)：540-551.

[3] 刘宗群.三峡水库水位涨落带的景观生态分析及其对策[J].重庆环境科学，1993(2)：24-28.

LIU Zongqun.Landscape ecological analysis and countermeasures of Three Gorges reservoir water level fluctuation zone[J].ChongqingEnvironmentalScience，1993(2)：24-28.

[4] 许静，陈文惠，陈兴伟.图像机理方法提取水体信息的应用分析[J].地球信息科学学报，2009，11(1)：98-103.

XU Jing, CHEN Wenhui，CHEN Xingwei. Study of water body information extracting metheds based on spectrum characteristics[J].JournalofGeo-InformationScience,2009,11(1)：98-103.

[5] QI J，MARSETT R C，MORAN M S，et al.Spatial and temporal dynamics of vegetation in the San Pedro river basin area[J].Agricultural&ForestMeteorology，2000，105(1)：55-68.

[6] 熊春妮.基于遥感的广州市 2005—2014 年植被覆盖度时空动态分析[J].城市环境与城市生态，2015(4)：7-10.

XIONG Chunni.Spatial and temporal dynamic analysis of vegetation coverage in Guangzhou city from 2005 to 2014 based on remote sensing[J].UrbanEnvironmentUrbanEcology，2015(4)：7-10.

[7] 杨静雅，李新国，闫凯，等.基于遥感与像元二分模型的新疆和静县草地植被覆盖度时空变化特征研究[J].西北林学院学报，2017，32(1)：210-217.

YANG Jingya，LI Xinguo，YAN Kai，et al.Temporal and spatial variation characteristics of grassland vegetation coverage in hejing of xinjiang based on remote sensing and dimidiate pixel model[J].JournalofNorthwestForestryUniversity， 2017，32(1)：210-217.

[8] 吴柏清，何政伟，闫静，等.基于遥感与GIS技术的水电站库区植被覆盖度动态变化分析[J].水土保持研究，2008，15(3)：39-42.

WU Boqing，HE Zhengwei，YAN Jing，et al.Dynamic analysis of vegetation coverage in the reservoir area of hydropower station based on remote sensing and GIS technology[J].ResearchonSoilandwaterconservation，2008，15(3)：39-42.

[9] 徐娜，丁建丽，刘海霞.基于NDVI和LSMM的干旱区植被信息提取研究——以新疆吐鲁番市为例[J].测绘与空间地理信息，2012，35(7)：52-57.

XU Na，DING Jianli，LIU Haixia.extraction of vegetation information in arid area based on NDVI and LSMM：a case study of Turpan[J].Geomatics&SpatialInformationTechnology，2012，35(7)：52-57.

[10] 魏石磊，翟亮，桑会勇，等.像元分解模型的植被覆盖度遥感估算[J].测绘科学，2016，41(1)：139-143.

WEI Shilei，HUO Liang，SANG Huiyong，et al.Remote sensing estimation of vegetation coverage based on pixel decomposition model[J].ScienceofSurveyingandMapping，2016，41(1)：139-143.

[11] 江辉，周光文，刘成林.鄱阳湖区植被覆盖的遥感动态研究[J].江西农业学报，2007，19(1)：103-106.

JIANG Hui，ZHOU Guangwen，LIU Chenglin.Study on dynamics of vegetation coverage by remote sensing in poyang lake area[J].ActaAgricultureJiangxi，2007，19(1)：103-106.

[12] F OKEKE，A KARNIELI.Methods for fuzzy classification and accuracy assessment of historical aerial photographs for vegetation change analyses.part I：algorithm development[J].InternationalJournalofRemoteSensing，2006，27(1)：153-176.

[13] PU RL，GONG P，TIAN Y，et al.Using classification and NDVI differencing methods for monitoring sparse vegetation coverage：a case study of saltcedar in Nevada，USA[J].InternationalJournalofRemoteSensing，2008，29(14)：3987-4011.

[14] 玛丽艳姑丽·阿西穆，塔西甫拉提·特依拜，买买提·沙吾提，等.基于 Markov 模型的植被覆盖动态变化预测研究[J].水土保持研究，2013，20(1)：121-125.

ASIMOW-M，TIYIP-T，MAIMAITI-S，et al.Prediction of vegetation cover change based on Markov mode[J].ResearchonSoilandwaterconservation，2013，20(1)：121-125.

[15] 程先富，张方方，邓良，等.安徽省霍山县植被覆盖度动态变化及预测[J].水土保持通报，2014，34(4)：104-109.

CHENG Xianfu，ZHANG Fangfang，DENG Liang，et al.Dynamic change and prediction of vegetation coverage in Huoshan county of Anhui province[J].BulletinofSoilandWaterConservation，2014，34(4)：104-109.

[16] 林楠，姜琦刚，张红红，等.植被覆盖变化分析及其预测方法研究——以吉林东部为例[J].安徽农业科学，2012，40(25)：12591-12593.

LIN Nan，JIANG Qigang，ZHANG Honghong，et al.Analysis of vegetation cover change and its prediction method —a case study of eastern Jilin[J].JournalofAnhuiAgriculturalSciences，2012，40(25)：12591-12593.

[17] 石亮亮，杨存建.震区植被覆盖度动态变化及其受损研究——以芦山县为例[J].四川林业科技，2014，35(3)：21-26.

SHI Liangliang，YANG Cunjian.Study on dynamic change and damage of vegetation coverage in the earthquake area：a case study in lushan county[J].SichuanForestryScience&Technology，2014，35(3)：21-26.

[18] 孙雷刚，郑振华.基于RS的近30年滹沱河流域植被覆盖度动态变化研究[J].地理与地理信息科学，2014，30(6)：36-40.

SUN Leigang，ZHENG Zhenhua.The dynamic change of Vegetation covered in nearly 30 years of Hutuo river basin based on RS[J].GeographyandGeo-InformationScience，2014，30(6)：36-40.

[19] 符静，秦建新，张猛，等.2001—2013年洞庭湖流域植被覆盖度时空变化特征[J].地球信息科学学报，2016，18(9)：1209-1216.

FU Jing，QIN Jianxin，ZHANG Meng，et al.Spatial and temporal variation characteristics research of vegetation coverage in Dongting lake basin during 2001—2013[J].JournalofGeo-InformationScience，2016，18(9)：1209-1216.

[20] 高晓惠，相里斌，魏儒义，等.基于光谱分类的端元提取算法研究[J].光谱学与光谱分析，2011，31(7)：1995-1998.

GAO Xiaohui，XIANG Libin，WEI Ruyi，et al.Research on the algorithm of end element extraction based on spectral classification[J].SpectroscopyandSpectralAnalysis，2011，31(7)：1995-1998.

[21] 于龙，周宇峰，丁丽霞，等.基于波谱角分类的土地利用动态监测[J].浙江农林大学学报，2014，31(3)：386-393.

YU Long，ZHOU Yufeng，DING Lixia，et al.Dynamic monitoring of land use based on spectral angle classification[J].JournalofZheJiangA&FUnivercity，2014，31(3)：386-393.

[22] 汤洁，汪雪格，李昭阳，等.基于 CA-Markov 模型的吉林省西部土地利用景观格局变化趋势预测[J].吉林大学学报(地球科学版)，2010，40(2)：405-411.

YANG Jie，WANG Xuege，LI Zhaoyang，et al.Prediction of land use landscape pattern change in the west of Jilin province based on CA-Markov model[J].JournalofJilinUniversity(EarthScienceEdition)，2010，40(2)：405-411.

[23] 王强，刘红，张跃伟，等.三峡水库蓄水后典型消落带植物群落时空动态——以开县白夹溪为例[J].重庆师范大学学报(自然科学版)，2012，29(3)：66-69.

WANG Qiang，LIU Hong，ZHANG Yuewei，et al.Spatial-temporal dynamics of vegetation in the newly created water-level-fluctuation zone of three gorges reservoir：a case study in Baijia stream，Kaixian county，China[J].JournalofChongqingNormalUniversity(NaturalScience)，2012，29(3)：66-69.

[24] 蒙金华，张正栋，袁宇志，等.基于CA-Markov模型的流溪河流域景观格局分析及动态预测[J].华南师范大学学报(自然科学版)，2015，47(4)：122-127.

MENG Jinhua，ZHANG Zhidong，YUAN Yuzhi，et al.Landscape pattern analysis and dynamic prediction of river basin based on CA-Markov model[J].JournalofSouthChinaNormalUniversity(NaturalScienceEdition)，2015，47(4)：122-127.