利用归一化植被指数分析地表植被覆盖的时空变化
2018-11-02胡德陛
胡德陛
(青海省有色地质矿产勘查院,青海 西宁 810004)
随着城市人口不断增加,城市化成为了发展的必然趋势,由此产生的建筑用地扩展,农用地、其他地类的减少是不可扭转的过程。20世纪80年代以来,随着改革开放和社会经济发展,城市化进程尤为迅速,合理利用土地是该城市社会经济持续有序发展的必要前提,要保持城市扩展与保护耕地两者之间的平衡,必须对区域土地地表覆盖类型及其变化进行监测研究,及时准确地获取城市扩张的最新动态信息[1]。
遥感技术伴随着航空、航天技术的发展而不断提高与完善,在近几十年内得到了迅速、全面的发展,越来越多地应用在了农业、气象、军事、城市监测等方面,显示出极其广泛的应用价值,良好的经济效益和巨大的生命力,是地球科学和资源环境学科开展研究的基础技术、信息科学的主要组成部分[2]。运用遥感的方法,对城区植被提取分析并进行动态监测,可以及时有效的反映城市植被的生长状况,为城市植被的整体规划提供可用于分析的科学数据和系统的评价标准,从而使得城市植被可以更好的用于服务城市。
1 研究区域与数据
青岛市地处山东半岛南部,太平洋黄海西岸,位于东经119(°)30(′)~121(°)00(′)、北纬35(°)35(′)~37(°)09(′)之间,全市地形主要为丘陵,地势东部高西部低,南北两部突起(丘陵区),中间稍低(平原区),其土地覆盖类型以林地、耕地、草地、建筑用地和裸土为主,其中耕地面积约为4 988 km2,林地面积约为1 353 km2,裸土面积约为722 km2。
本文利用2006-2014年同时期(3月底4月初)的landset5/landset8遥感影像[3],以4年左右为一个周期研究该区域的植被覆盖和变化情况。Landsat数据均来源于中科院遥感地球所数据共享中心,数据详情见表1。
表1 陆地卫星数据特征
2 研究方法
2.1 归一化植被指数
在获取遥感影像的过程中,传感器成像会受到成像时大气状况、太阳高度角和卫星轨道等不同因素的影响,使得遥感图像中记录的信号与目标实际信号之间存在一定差别,为了能够准确地表达目标区域地物的实际反射特征,再获取到目标区域的遥感影像之后,首先需要对遥感图像进行辐射定标等预处理,消除大气差异等不良因素对数据处理和信息提取带来的不利影响[4]。本文中在综合考虑了不同常用的遥感影像处理软件的情况下,选择了处理效率高且算法集成度高的ENVI对本文采用的遥感影像进行相关的预处理,通过大气校正和辐射校正等一系列的数据校正等预处理过程,初步完成对研究区遥感影像预处理,为后续准确估算植被覆盖做好相应的数据准备。
在植被遥感中,NDVI应用广泛,由于其对植被覆盖较为敏感,因此适用于植被类型变化的检测[5]。NDVI的定义为,近红外波段与红光波段数据之差与两者数据之和的比值,公式如下:
其中,NIR表示地物在近红外波段的反射率,R表示地物红光波段的反射率;NDVI的值是从-1到1之间的连续实数,负值表示地面有云、水、雪等对可见光高反射的物体;0值表示地面覆盖类型为岩石或是裸土等,NIR和R的值近似相等;正值表示地面覆盖类型为植被,且覆盖度越大,正值越大。
本文利用的Landsat卫星的遥感影像的光谱所对应的波段见表2,图1为青岛市2006年和2010年的NDVI分布图。
表2 波段光谱对应表
图1 各时期NDVI分布
2.2 植被覆盖度
植被覆盖度是指植被群落投影在地面上的面积占研究区域总面积的百分比。植被覆盖度是描述植被群落及生态系统的重要参数,在植被覆盖变化研究、生态环境调查以及其它研究领域,都有广泛的应用[6]。
依据像元二分模型,植被覆盖度的计算可根据以下公式:
其中,VFC表示由归一化植被指数计算得到的植被覆盖度,取值范围是0~1,NDVIsoil代表完全是裸土或是无植被覆盖区域的NDVI值,NDVIveg代表完全被植被所覆盖区域的NDVI值。
NDVIsoil在理论上来说应是零,并且不随地表覆盖类型和时间发生变化,NDVIveg代表着土地覆盖类型为全植被的区域的最大值,但考虑到植被的类型和覆盖程度,可以发现NDVIveg的值会受到时空的较大影响。在实际的应用中,对于特定类型的土地覆盖类型,NDVIveg的值可以根据土壤类型加以确定,NDVIveg的值也可以根据植被覆盖类型计算确定。因此,由NDVI计算植被覆盖度的公式可近似的表达为:
考虑到遥感影像由于不可去除的外界影响而存在误差,NDVImax和NDVImin的值一般由一定置信度内的NDVI值确定,而置信度的选择则取决于遥感影像的实际使用情况。参考其他案例并根据所选取的遥感影像,本文中,NDVImin取值5%的置信区间,NDVImax取值95%的置信区间。
3 研究结果与分析
3.1 青岛市植被覆盖度
利用上文描述的方法,能够得到研究区不同时期的植被覆盖度分布图。为了使图像效果更易于解读,我们把植被覆盖度进行分级显示(图2),划分为0~0.1、0.1~0.3、0.3~0.45、0.45~0.6、0.6~1这5个级别,分别表示建筑用地和裸地、低等覆盖区域、中低等覆盖区域、中等覆盖区域以及高等覆盖区域。从图中我们可以快速的发现2006-2014年间植被覆盖度的分布区域和变化。
图2 各时期植被覆盖度分布
3.2 各区域植被覆盖度
为了分析青岛市植被覆盖度的区域变化,在计算完青岛市的整体植被覆盖度之后,需要分别计算青岛市各区域各时期的植被覆盖度。为此,我们直接使用青岛市七个分区域的矢量图,得到了青岛市各个区域不同时期的植被覆盖度分布图(见图3以黄岛区为例),在此基础上对各个区域分别进行统计分析,计算得到了2006-2014年青岛市各个区平均植被覆盖度(表3)。
3.3 植被分布空间特征
由表3,我们得知,青岛市各区域的平均植被覆盖度有所差异,其中平度市植被覆盖度最高,平均植被覆盖度为0.523,莱西市和胶州市的植被覆盖度次之,平均植被覆盖度分别为0.478和0.472,即墨市和黄岛市的植被覆盖度属于中低等,平均植被覆盖度分别为0.422和0.379,崂山市的植被覆盖度较低,平均植被覆盖度为0.286,青岛市区植被覆盖度最低,平均植被覆盖度仅为0.259。
表3 2006-2014年青岛市平均植被覆盖度统计
图3 黄岛区各时期植被覆盖度分布
在整体区域内,裸地区域和低等植被覆盖度的区域面积将会在接下来的一定时期内保持一个相对稳定的状态,中低等和中等植被覆盖度区域的面积则会有一个减少的趋势,但中等植被覆盖度的面积减少量应该较小,同时高等植被覆盖度区域的面积将以进一步扩大。
平度、崂山、黄岛、胶州四市的植被覆盖度表现出增加的趋势,且平度和崂山将会有较大幅度的增加;青岛市区和即墨市的植被覆盖度将会有减少的趋势,青岛市区则会出现较大幅度的较少;莱西市的植被覆盖度将会保持在一个相对稳定的范围内。
3.4 植被年际变化特征
2006-2014年间,青岛市各区域平均植被覆盖度发生了较大变化:黄岛、胶州、平度、崂山四市的平均植被覆盖度均表现为在2006-2010年间减小、在2010-2014年间增大的情况。即墨、莱西两市的平均植被覆盖度在2006-2010和2010-2014年间持续减小,并没有改善的迹象。青岛市区则是出现了平均植被覆盖度在2006-2010年间增大,在2010-2014年间减小的情况,但由于前者的增大量小于后者的减小量,使得青岛市区平均植被覆盖度在2006-2014年间的整体趋势是减小的。
尽管研究区域的植被覆盖度状况总体上是退化的,但这并不表明研究区域的植被覆盖度状况一直处在退化状态;相反,我们从数据上分析后发现,在经历了植被覆盖度状况的严重退化之后,研究区域的地表覆盖度呈现了改善的趋势,说明城市在发展的过程中已经开始认识到城市绿地的重要性,已开始着手改善城市植被覆盖度状况。同时各级植被覆盖度的面积变化也说明了在各时期植被状况的退化与转好并存,也从另一个方面说明了人类活动对植被状况的改善与破坏并存。
4 结 论
本研究利用三期的Landsat遥感数据,分析了2006-2014年间青岛市的植被覆盖度空间分布特征以及年际变化特征,并分析了产生这种变化的原因,总的来说,分析结果与实际情况符合程度较高。研究表明:
1)青岛地区植被覆盖度2006-2010年间呈现下降趋势,2010-2014年间植被覆盖度开始恢复。植被覆盖度空间分布不均匀,差异性较大,总体说来,青岛市区退化程度最强,即墨和莱西市退化程度次之,黄岛、胶州、平度和崂山在经历了退化期之后恢复较好,到2014年,黄岛、胶州和崂山地区已经接近了2006年的植被覆盖水平,平度地区甚至超过了2006年的植被覆盖水平;
2)植被覆盖度的变化受到多重因素的影响,其中城市化作用和城市的实施政策是造成植被覆盖度变化的主要因素,气候也会影响植被覆盖度的变化,同时,卫星遥感影像数据的局限性也会对植被覆盖度的变化产生影响;
另外,本文虽然直接利用Landsat遥感影像分析植被覆盖度的变化,但由于影像分辨率有限,未能进一步分析青岛市的植被类型和植被类型的空间分布特征和年际变化,同时由于数据资料的限制,未能进一步详细分析植被覆盖度和气候的动态变化关系,将在后续研究中考虑以上因素,完善相关研究。