基于Landsat影像的NDVI对植被与影响因子交互耦合的响应

林玉英 胡喜生 邱荣祖 张正雄 林 乔 林金国

(1.福建农林大学交通与土木工程学院， 福州 350002； 2.福建农林大学材料工程学院， 福州 350002)

0 引言

植被是陆地最重要的生态系统，是土壤圈、水圈和大气圈的物质循环和能量流动的枢纽，在保持水土、涵养水源、调节大气等方面发挥了重要作用[1-2]，研究植被时空动态变化具有重要的科学意义和现实价值，能够为区域生态环境的可持续发展提供科学依据[3-4]。遥感影像数据由于其可获取性、覆盖面积广、时空分辨率高，已被广泛应用于大时空尺度的植被覆盖变化的监测研究[5-6]。其中利用植被在红波段与近红外波段的反射特征构建的归一化植被指数(Normalized difference vegetation index，NDVI)，已经成为监测植被覆盖情况及其生长状况的最佳遥感指数[7-8]，广泛应用于不同尺度植被覆盖时空变化及其对气候因子响应机制的研究[2,9-10]。研究表明NDVI指数不仅可以反映植被覆盖的时间序列变化，还可以在像元水平进行可视化，为植被覆盖定量动态监测提供有力的工具[11]。

然而，以往研究大多基于GIMMS NDVI、SPOT-VGT NDVI或MODIS NDVI等产品数据[7, 12-13]，时间分辨率高，而空间分辨率偏低，适用于中大尺度区域的研究，在小尺度区域研究中精度偏低。利用Landsat系列数据反演的精度可达到30 m，可用于中小尺度区域的研究，但其回访周期较长，在多云多雨的中国南方地区可用数据较少[14]。当前采用Landsat系列数据提取NDVI指数的研究主要集中在各种空间尺度上植被覆盖的变化监测及其退化原因的分析[15-16]。植被NDVI值随着土地覆盖类型变化而变化，同一覆盖类型(如森林)在不同地形地貌条件下也可能存在差异[17]，然而对不同植被类型的NDVI指数进行对比的研究鲜见报道，对植被NDVI指数在不同植被类型与不同林分特征(如起源、林龄、郁闭度)和坡度等因子相互耦合情况下响应机制的研究更少见报道。

福建省是我国南方重点林区，森林覆盖率位居全国第一，研究区位于福建省闽江上游沙溪支流区域，森林覆盖率高达77%，位居全省第一，是全省重要林业产业基地与全国重点林区。本文基于2007年、2012年和2016年具有较高空间分辨率(30 m)的Landsat影像数据，以像元为基本计算单元，采用像元二分模型法，分析闽江上游区域植被NDVI指数的时空变化特征及其对影响因子交互耦合的响应机制，以期为闽江流域植被监测和生态保护提供科学依据。

1 研究区概况

闽江上游地处福建省中西部，位于武夷山脉与戴云山脉之间的汇水区，东经116°22′～118°39′，北纬25°29′～27°07′。境内沙溪等5条河流汇于沙溪河，为闽江上游水源地。研究区为南方重点林业市县(区)、全国重点毛竹基地之一，全国南方林区综合改革试验区。全区大部分属亚热带气候，年平均气温14～19℃，年平均降雨量1 500～1 900 mm，年平均日照时间1 800 h。地带性植被以属中亚热带常绿阔叶树种樟科和壳斗科为主，人工林以马尾松林、杉木林和毛竹林为主。

2 研究方法

2.1 数据来源

遥感数据来源于中国科学院计算机网络信息中心地理空间数据云平台(http:∥www.gscloud.cn)提供的Landsat TM和Landsat OLI数据。由于卫星遥感影像受天气的影响较大，获取具有合适的时间间隔、物侯相近、云量又少的影像非常困难，尤其在多云多雨的中国南方地区可用数据更少。为此，本研究尽量选取云量少且处在生长季的影像，经筛选，符合要求的只有2007年5月7日、2012年8月3日和2016年3月28日的卫星影像，云量分别为0、0.23%、0。另外，2007年、2012年和2016年的森林二类调查矢量数据库来源于三明市林业局，用于提取不同森林植被的空间分布情况，以及提取林分特征(如林龄、郁闭度)和坡度等影响因子。

2.2 数据预处理

数据预处理包括辐射定标、大气校正和配准。对于2007年和2012年的Landsat TM的辐射校正采用CHANDER等[18]和CHARVZ[19]的模型和大气校正参数，对于2016年的Landsat OLI的辐射校正采用美国USGS提供的定标公式和参数(http:∥glovis.usgs.gov)，将影像的灰度(DN)转换为传感器处反射率，以减少不同时相影像之间在地形、光照和大气等方面引起的差异；不同时相影像之间的配准采用二次多项式和最邻近象元法[20- 21]，配准的均方根误差小于0.5个像元。

2.3 NDVI指数的提取

NDVI指数的标准算法为

NDVI=(ρNIR-ρR)/(ρNIR+ρR)

(1)

式中ρNIR——遥感影像中近红外波段的反射率

ρR——遥感影像中红光波段的反射率

由于受大气、地表状况、年份、季节和区域等条件影响，NDVI值随时间与空间而变化[22]。为了排除这些影响，不少研究采用累积归一化植被指数[5]、平均归一化植被指数和最大归一化植被指数来描述植被年际变化[7,23]。这些指标比较适用于具有高时间分辨率而空间分辨率低的数据，然而在时间分辨率较低而空间分辨率较高的Landsat遥感影像数据中运用难度较大。像元二分模型法因其具有操作简单、精度较高等优点在利用Landsat影像进行植被监测中得以广泛应用[15,22]。植被NDVI指数值随着物候的变化而变化，NDVI指数有一定的饱和现象，但在实际研究中很难找到饱和的影像，因此，本文假设所收集的三期影像均为饱和影像，则三期相应的NDVI指数最大和最小值即为饱和值和全裸土壤背景值，此时借助像元二分模型法，采用研究区域各时相NDVI指数的最大和最小值来取代NDVIveg和NDVIsoil计算各像元的植被NDVI指数值(即标准化后的值)，在一定程度上可以消除物候对NDVI指数值的影响[22]，使得2007年、2012年和2016年3个时期的NDVI指数具有可比性。像元二分模型为

NDVI′=(NDVI-NDVImin)/(NDVImax+NDVImin)

(2)

式中NDVI′——经标准化后的像元NDVI指数

NDVImax、NDVImin——各时相NDVI指数的最大和最小值

2.4 NDVI指数对植被与影响因子交互耦合的响应分析方法

基于森林资源二类调查矢量数据库，根据优势树种的情况，将植被类型划分为阔叶树林、马尾松林、杉木林、竹林、桉树林、檫树林、经济林、杂木林、灌木林、其他林地和非林地11类；根据森林起源，将植被类型分为天然林、人工林、飞播林和其他4类；根据龄级，将植被类型分为幼龄林、中龄林、近熟林、成熟林和过熟林5类；将植被郁闭度划分为5类：0～0.2、0.2～0.4、0.4～0.6、0.6～0.8和大于0.8；将坡度划分为5类：0～10°、11°～20°、21°～30°、31°～40°和大于40°；将立地等级划分为5类：肥沃、较肥沃、中等肥沃、瘠薄和其他。

在以上植被类型和影响因子分类的基础上，采用ArcGIS 10.2软件对植被与影响因子逐一进行融合，生成植被类型、森林起源、植被龄级、植被郁闭度、坡度和立地等级矢量数据图层，分别与NDVI指数空间分布图叠加，进而采用以表格显示分区统计工具即可汇总不同植被类型、不同影响因子的NDVI指数平均值。为了分析NDVI指数对植被与影响因子交互耦合的响应机制，首先，分别将植被类型矢量数据图层与植被龄级、植被郁闭度、坡度等因子进行相交叠加并融合，生成植被类型与各因子交互耦合的矢量数据图层，然后采用以表格显示分区统计工具汇总植被类型与各因子交互耦合情景下不同类别的NDVI指数平均值，对不同类型的NDVI指数进行对比分析，可以探索NDVI指数对植被与影响因子交互耦合的响应机制。技术路线图如图1所示。

图1 NDVI指数对植被与影响因子交互耦合的响应分析技术路线Fig.1 Technical route of response of NDVI to interactive coupling of vegetation and impact factors

3 结果与分析

3.1 NDVI指数的时空变化规律

经统计，研究区的NDVI指数在研究期间逐渐提高，2007年、2012年和2016年的NDVI指数值分别为0.72、0.75和0.79。从空间上看，3个时期NDVI的空间分布格局较一致(图2)，其中NDVI低值区位于沙溪两侧带状的市辖区所在地、各乡镇居民集中点以及道路网络附近；而NDVI高值区主要位于山区，该区域人口分布较少、森林覆盖度较高。

图2 2007年、2012年和2016年NDVI的空间分布Fig.2 Spatial distribution maps of NDVI in 2007, 2012 and 2016

图3 2007年、2012年和2016年NDVI变化的空间分布Fig.3 Spatial distribution maps of changes of NDVI in 2007, 2012 and 2016

为了进一步分析NDVI指数的时间变化动态，进一步将各年份的NDVI指数按自然断点间隔分成5级，分别代表低、较低、中等、较高、高5个等级的植被覆盖度(表1)。总体来说，不同年份的NDVI等级为较高、高所占的比例均大于81%，说明研究区生态质量较好。这是因为该研究区为森林高覆盖区(近80%覆盖率)[24]。从时间来看，从2007年到2016年，NDVI等级为低、较低所占的面积前期(2007—2012)变化不大，而后期(2012—2016)上升较快，由2007年的4.6%到2012年的4.7%，2016年则上升到7.6%；NDVI等级为中等所占面积先降后升，先由2007年的9.3%下降到2012年的6.1%，随即上升到2016年的11.3%；而NDVI等级为较高、高所占的面积则先升后降，先由2007年的86.1%上升到2012年的89.2%，随即下降到2016年的81.1%。这说明虽然2007年、2012年和2016年的NDVI指数逐渐上升，然而研究区的生态质量呈现前期提高而后期下降的趋势。

表1 2007年、2012年和2016年各等级NDVI的面积及占比Tab.1 Area of different grades of NDVI in 2007, 2012 and 2016

由2007—2012年、2012—2016年和2007—2016年这3个时期NDVI指数随时间的变化结果来看(图3、表2)，2007—2012年期间，NDVI指数降低的面积达73.26 km2，约占研究区面积的6.4%，而NDVI指数提高的面积为207.20 km2，比例为18.1%；2012—2016期间，NDVI指数降低的面积达139.66 km2，约占研究区总面积的12.2%，而NDVI指数提高的面积只有112.19 km2，比例仅为9.8%。两个期间NDVI指数变化的分析结果与2007年、2012年和2016年各级NDVI面积的变化趋势结果一致，两者都表明研究区的生态质量呈现前期提高而后期下降的趋势。就整个研究年间(2007—2016年)而言，研究区的生态质量改善的面积大于恶化的面积，这与NDVI指数平均值在研究年间逐年提高的结果相符。具体表现为NDVI指数降低的面积达100.37 km2，约占研究区面积的8.8%；而NDVI指数提高的面积为186.00 km2，约占研究区面积的16.2%。

从空间上看，NDVI指数降低的地点主要分布在城区和各乡镇周边(图3中的红色图斑)，其中有一个很明显的特征是红色图斑连串呈带状特征，这些红色图斑主要分布在公路两侧。说明道路建设对植被造成一定的负面影响。而NDVI指数提高的地点遍布整个研究区(图3中绿色图斑)，位于研究区北部具有一片面积较大的区域(金丝湾省级森林公园)在2007—2016年间植被得到了显著改善。由此可见，植被恢复的原因在于：一方面得益于政府实施的森林保护政策，使得森林覆盖逐渐得到一定程度的恢复；另一方面城市中心部分的老城区经过不断绿化，其NDVI指数也得到改善。

表2 2007年、2012年和2016年NDVI变化的面积统计Tab.2 Changing area of NDVI in 2007, 2012 and 2016

3.2 不同植被类型NDVI指数的时空变化规律

不同植被类型具有不同的生物学特性，其NDVI指数有所差别[13,25]，为此，本研究分别统计2007年、2012年和2016年不同植被类型的NDVI指数平均值(图4)。不同植被类型的NDVI指数由大到小依次为：阔叶树林、灌木林、马尾松林、竹林、杉木林、杂木林、桉树林、其他林地、经济林、檫树林、非林地。NDVI是植被覆盖、植被光合作用强度、生物量、绿度等参数的综合反映[9,26]，阔叶树林和灌木林由于具有较高的盖度、绿度等，因此NDVI指数较高；而经济林、檫树林则为单层林且郁闭度较小，因此NDVI指数也较低。不同植被类型的NDVI指数年变化规律表明(表3)，阔叶树林、灌木林、马尾松林、竹林、杉木林等增长较快，在2007—2016年年间这些植被类型的NDVI指数均至少提高了12.8%；而檫树林、桉树林和非林地的NDVI指数值在研究后期均下降，其中檫树林下降最快，比例高达15.8%。这主要是由于研究区早期将檫树作为一种人工栽培树种，森林经营管理较好，然而其经济效益不如杉木、马尾松等南方主要用材树种，导致了一方面檫树林面积逐渐萎缩，另一方面其生长质量也逐渐下降，因此研究后期檫树林的NDVI指数急速下降。21世纪初桉树林在闽西北地区大力推广，种植面积不断扩大，然而由于其抗寒能力问题以及市场价格走低，2012年左右以后桉树林逐渐被取代，这可能是导致其NDVI指数前期下降而后期稳定的原因。

图4 不同植被类型2007年、2012年和2016年NDVI变化Fig.4 Variation of NDVI of different types of vegetation in 2007, 2012 and 2016

植被类型NDVINDVI变化率/%2007年2012年2016年2007—2012年2012—2016年2007—2016年阔叶树林0.780.800.902.612.515.4灌木林0.780.810.883.88.612.8马尾松林0.750.780.874.011.516.0竹林0.750.800.866.77.514.7杉木林0.740.780.845.47.713.5杂木林0.750.750.8209.39.3桉树林0.780.750.75-3.80-3.8其他林地0.710.760.757.0-1.35.6经济林0.720.740.742.802.8檫树林0.760.800.645.3-20.0-15.8非林地0.560.600.507.1-16.7-10.7

3.3 NDVI指数的影响因子

为进一步探讨林分因子和地形地貌因子对NDVI指数的影响，本研究对NDVI指数对不同森林起源、不同龄级、不同郁闭度、不同坡度、不同立地等级的响应机制进行了对比分析(表4)。结果表明，人工林的NDVI指数明显大于天然林的，前者NDVI指数为0.93，而后者为0.88；NDVI指数随着林龄的增加逐渐增加，呈现出从幼龄林的0.80快速提高到中龄林的0.86，而后增速不明显的规律；NDVI指数随着郁闭度的增加也呈现逐渐增加的规律，这与随着林龄变化的规律类似，NDVI指数首先由郁闭度(0～0.2)的0.71迅速提升到郁闭度(0.2～0.4)的0.82，再到郁闭度(0.4～0.6)的0.86，而后随着郁闭度的增加，NDVI指数基本保持稳定；NDVI指数随着坡度的增加而增加，在坡度平缓的地方，由于受人为干扰较大，其NDVI指数较低，而在坡度较大的地方，NDVI指数较高，该研究结果与豫西山地植被NDVI随着坡度增加而增大的规律一致[17]；然而，随着立地等级的提高，NDVI指数呈现相反的趋势，原因有待结合森林景观空间分布进一步深入探索。

表4 NDVI的影响因子Tab.4 Influence factors of NDVI

3.4 NDVI指数对植被与影响因子交互耦合的响应

植被类型一方面影响NDVI指数，另一方面也影响NDVI指数对林龄、郁闭度和坡度的响应机制[8, 10]。由图5可知，阔叶树林的NDVI指数随着年龄增加单调递增；马尾松林除了幼龄林NDVI指数异常外，也呈现随着林龄增加单调递增的趋势；杉木林和其他林地的NDVI指数到近熟林达到峰值，而后逐渐下降；桉树林的NDVI指数由幼龄林到中龄林迅速提升，而后提高比较缓慢，成熟林的NDVI指数达到最大，而后降低；而杂木林的NDVI指数值随着林龄的增长显现交错递增的趋势。从总体上看，不同植被类型大都表现为NDVI指数随着林龄增大而增大的趋势，然而不同植被类型的NDVI指数随着林龄增大的变化过程不尽相同，依次可以将植被划分为以下3种类型：稳步上升型，如阔叶树林和马尾松林；前期上升快而后期慢型，如桉树林；先升后降型，如杉木林和其他林地。

由图6可知，阔叶树林、马尾松林、杉木林和其他林地的NDVI指数呈现随着郁闭度的增加逐渐上升的趋势；而灌木林和桉树林的NDVI指数呈现随着郁闭度的增加逐渐下降的趋势；杂木林则比较没有规律。由此可见，并非林分郁闭度越高，NDVI指数越高，不同植被类型的NDVI指数对郁闭度的响应机制不同。

由图7可知，马尾松林的NDVI指数呈现随着坡度的增加而增加的趋势；而其他森林植被类型的NDVI指数呈现先随着坡度的增加而增加的趋势，在坡度为30°～40°处达到最高值，而NDVI指数在坡度大于40°的地方均呈现不同程度的下降。由此可以推测，马尾松林在坡度越陡的地方生长状况越好；而其他森林植被类型在坡度超过40°的地方生长质量开始下降。

图5 不同植被类型NDVI随林龄的变化规律Fig.5 Changes of NDVI with forest age for different types of vegetation

图6 不同植被类型NDVI随郁闭度的变化规律Fig.6 Changes of NDVI with forest canopy density for different types of vegetation

图7 不同植被类型NDVI随坡度的变化规律Fig.7 Changes of NDVI with slope for different types of vegetation

4 结论

(1)研究区的NDVI指数在研究期间逐渐提高，2007年、2012年和2016年的NDVI指数分别为0.72、0.75和0.79。NDVI较低区位于沙溪两侧带状的市辖区所在地、各乡镇居民集中点以及道路网络附近。

(2)从空间上看，不同年份的NDVI等级为较高、高所占的比例均大于81%，总体生态质量较好。从时间来看，研究区的生态质量呈现前期提高而后期下降的趋势。NDVI指数降低的地点主要分布在城区、各乡镇周边及公路两侧。不同植被类型的NDVI指数由大到小依次为：阔叶树林、灌木林、马尾松林、竹林、杉木林、杂木林、桉树林、其他林地、经济林、檫树林、非林地。

(3)NDVI指数随着林龄的增加逐渐增加，呈现出从幼龄林0.80快速提高到中龄林的0.86，而后增速不明显的规律；NDVI指数随着郁闭度的增加也呈现逐渐增加的规律，与随着林龄变化的规律类似，NDVI指数首先由郁闭度(0～0.2)的0.71迅速提升到郁闭度(0.2～0.4)的0.82，再到郁闭度(0.4～0.6)的0.86，而后随着郁闭度的增加，NDVI指数基本保持稳定；NDVI指数随着坡度的增加而增加；而随着立地等级的提高，NDVI指数呈现相反的趋势，其中的原因有待结合森林景观空间分布进一步深入探索。从总体上看，不同植被类型大都表现为NDVI指数随着林龄增大而增大的趋势，然而不同植被类型的NDVI指数值随着林龄增大的变化过程不尽相同，依次可以将植被划分为以下3种类型：稳步上升型，如阔叶树林和马尾松林；前期上升快而后期慢型，如桉树林；先升后降型，如杉木林和其他林地。不同植被类型NDVI指数值对郁闭度的响应机制不同。马尾松林的NDVI指数呈现随着坡度的增加而增加的趋势；而其他森林植被类型的NDVI指数呈现先随着坡度的增加而增加的趋势，在坡度为30°～40°处达到最高值，而NDVI指数在坡度大于40°的地方均呈现不同程度的下降。