基于多时相遥感影像的池州市植被时空动态演化分析

韩 平，蒋伟峰，韩伟杰，白如山

(阜阳师范大学 历史文化与旅游学院，安徽 阜阳 236037)

植被是保证生态系统正常运转的必不可少条件，其可以有效促进全球水循环、碳氧平衡以及维护生物的多样性，同时对提高区域环境质量和改善人居环境起着积极作用。因此，本文以区域植被为研究内容，通过利用NDVI和植被覆盖度两个指标来研究评价该区的植被变化状况。这对于该区制定科学合理的生态环境保护与可持续发展策略以及区域的长远规划等具有十分重要的意义。

提取区域的NDVI和植被覆盖度有多种方法，例如地面测量法、基于遥感影像的提取方法、植被指数转换等[1-3]。植被覆盖度的传统量算方法主要是地面测量但是限制性因素较多而且精度不高，难以实现对大面积地物信息的提取。而采用以遥感影像为基础数据的提取方法具有同步获取大区域范围内的地物信息并且受主观影响因素较小、精度较高等特点[4]。对此，国内外学者利用遥感影像对各地区的植被覆盖度状况进行了深入研究，对从遥感影像提取地物信息的方法与技术、植被指数转换等方面进行了探讨，并得出了一定的理论结果。

池州市是安徽省长江防护林工程的重要组成部分，植被的变化将深刻影响长江流域的生态稳定性。本研究以池州市不同时向遥感影像为基础，通过计算NDVI和利用像元二分模型估算区域植被覆盖度的方法来提取植被信息，并通过叠加和差值图像方法来量化植被变化数值，达到对区域植被动态监测的目的。

1 研究区概况

池州市在安徽省的西南部，地处30°40′27.27″N，117°29′44.47″E之间，平均海拔高程为13.78 m。东部与宣城、芜湖、铜陵市接壤，西部与江西省相接，东南部与黄山市为邻，北部与安庆市相连。研究区目前辖贵池区(池州市辖区)、东至县、石台县和青阳县，总面积8272平方公里(图1)，截至2018年3月，总人口为162万。池州市处在亚热带季风气候区，夏季湿润多雨，冬季温和少雨、全年雨量丰富，雨热同期，因此植被生物量丰富。

图1 池州市行政区划图

2 数据来源与研究方法

2.1 数据来源

根据研究内容对数据的要求，在下载研究区遥感影像时有一定标准：下载同种类型的遥感数据；云量等噪声大小不会影响最终数据精度；6、7、8月份为植被生物量最丰富的季节，因此优先选择6、7、8月份的一系列遥感数据。综合上述要求，在中国科学院遥感与数字地球研究所网站下载遥感影像作为基础数据，包括2006年Landsat 5池州市TM遥感影像至2018年Landsat 8的OLI遥感影像，一共18景。

2.2 研究方法

本文通过利用ENVI和ArcGIS软件进行一系列操作来获取研究区的数据。首先是下载研究区遥感影像以及获取池州市的最新的行政区划图(利用ArcGIS手动矢量化实现)；其次是在拼接的多景影像基础上，借助ENVI 5.1软件中的“Subset Data from ROIs”选项进行裁剪，获得最终的池州市遥感影像；然后在此基础上，进行一系列影像预处理工作，包括如标准假彩色合成、快速大气校正、辐射校正、几何校正、去云降噪等；最后利用工具箱的“band math”工具进行NDVI的提取，得到归一化植被指数专题图和年际NDVI变化图。同时在提取NDVI基础上进行植被覆盖度的计算，将专题图层导入ArcGIS，在GIS软件中按照国家所规定植被覆盖度的划分标准进行重分类。并将属性表count数值与单位像元所代表的实际大小相乘，得到最终分类后的面积。提取池州市2018年植被覆盖度的步骤与2006年相似。

3 研究过程

3.1 归一化植被指数的提取

植被指数作为衡量地区生态环境的重要指标之一，它能很好地反映出植被的生长状态。归一化植被指数是利用近红外波段与红光波段灰度值之差，除以近红外波段与红光波段灰度值之和[5](P348-358)，因可以有效地消除与大气状况相关的辐射变化的影响(如太阳高度角、卫星观测角等)，所以一般将其作为测度区域植被生长状态的指示因子。

正因此，本文选取NDVI作为研究池州市植被状况的评价因子之一。其取值范围是-1～1，负值表示地面覆盖度为云、水、雪等；0表示岩石或裸地；正值表示植被覆盖，当数值越接近1时，说明区域植被覆盖度越高、植被生长状况越好。植被指数的计算公式为：

NDVI=(NIR-R)/(NIR+R)

(1)

上式NDVI表示归一化植被指数值，R表示红外波段的灰度值，NIR表示近红外波段的灰度值。

另外在进行NDVI提取时也应注意一些问题：一是公式输入与波段的匹配一致。不同数据源和不同卫星传感器所获取的波段有不同的输入类别。通过在实际操作和查阅中得到了一些常见卫星传感器的计算方法，对此：

基于Landsat5 TM 影像，公式(1)可转换为：

(2)

基于Landsat8 OLI 影像，公式(1)可转换为：

(3)

再将公式代入计算后得到池州市归一化植被指数分布图(图2)，同时点击“compute to the statistics”可得到研究区年平均NDVI数值，并统计各年均值生成NDVI年际变化折线图(图3)。

图2 池州市各年NDVI分布图

图3 池州市NDVI年际变化折线图

3.2 植被覆盖度的提取

植被覆盖度是指植被的重要投影面积占据地面总面积的比例，植被覆盖度的取值范围通常为0～1，数值越大，表明植被覆盖度越高[6]。本研究利用像元二分模型，在归一化植被指数的基础上提取池州市植被覆盖度，其基本原理是假设影像所对应地表上的每个像元都只有两种形式，即植被完全覆盖与无植被覆盖部分。各个像元的NDVI是指对有植被与无植被对应的NDVI值加权求和，权值为这两种植被覆盖类型在像元内所占的比值，所以计算植被覆盖度的数学公式可表达为：

(4)

式中：FV为像元的植被覆盖度，NDVI为像元的植被指数数值，NDVIsoil为无植被覆盖(裸地)区域的NDVI值，NDVIveg为植被完全覆盖(植被地)的像元NDVI值[7]。

图4 池州市植被覆盖度分布图

在计算植被覆盖度的过程中，NDVIsoil和NDVIveg的选择至关重要，将会直接影响最终的估算结果。从理论上看，NDVIsoil和NDVIveg的值是固定不变的即最小取值是0最大取值是1。但是在实际操作中则会受到多种因素的影响，如植被的种属差异、区域气候及天气状况的变化，或者同一地区在不同时间内的土壤性质发生改变等，这些都会影响我们最终的结果。正因如此，我们在置信度的取值上主要根据研究区影像的实际情况来确定，在没有大量实测数据作为参考依据的情况下，通常采用累积百分数5%和95%作为置信区间[7]。对此，本研究将无植被覆盖地区和植被完全覆盖地区的纯像元的累积百分数设为5%和95%，并根据公式(4)计算出池州市2006年和2018年的植被覆盖度。

3.2.1 植被覆盖度的等级划分

在提取池州市植被覆盖度之后对其进行等级划分，在参照国家有关部门对植被覆盖度的划分标准(表1)的前提下，利用ArcGIS 软件中spatial analyst tools重分类功能，对2006年及2018年池州市的植被覆盖度图层进行分类，选取间断点，将植被覆盖度一共划分为6个大类并赋予一定的颜色，生成分类后的植被覆盖度图层；然后设计专题图布局，插入图例、比例尺及指北针，并设计大小和位置；最后导出专题图，得到最终池州市植被覆盖度分布图(图4)。

表1 植被覆盖度等级划分标准

3.2.2 植被覆盖度的面积计算

为了以数值方式详细表述池州市2006年—2018年的植被覆盖度变化情况，本文利用ArcGIS软件对研究区植被覆盖度进一步量化，打开分类后植被覆盖度图层的属性表，添加面积字段，利用属性表中的字段计算器功能，将各分类像元总数和单位像元所表示的实际大小相乘(30m*30m，15m*15m两类实际大小)，那么研究区各等级植被覆盖度的面积大小(表2)就可计算出来。通过比较各等级植被覆盖度的面积，可以分析出池州市2006年—2018年植被覆盖度演化的时空特征。

表2 各等级植被覆盖度面积变化(单位：km2)

4 结果与分析

4.1 池州市归一化植被指数的时空格局

根据上文所得池州市2006年—2018年归一化植被指数分布图，可以观察到池州市2006年—2018年植被指数12年间的变化，从而可以推断出植被生长变化情况。从图2可以看到，在空间上池州市植被指数分布总体上呈现出明显的东南高，西北及沿江流域低的分布格局。其中，NDVI在0—1区间内的主要分布在东至县、石台县和青阳县以及池州市辖区东南部部分地区，而在-1—0区间的NDVI分布在贵池区北部和西部以及青阳县西部沿长江区域；在空间分布范围上，池州市2006年—2018年植被指数分布范围有一定变化，其中空间分布范围变化最大是NDVI在0.3—0.7区间内的，其分布空间2006年—2013年由池州市东南部逐渐向中部缩减，后在2014年—2018年逐渐恢复到原有位置，其余指数分布范围随此发生相应变化。总体来看，池州市植被指数分布相对均匀，说明2006年—2018年池州市植被生长状况总体呈向好态势。

图3为池州市各年NDVI平均值折线变化图，从图上可以观察到2006年—2018年池州市归一化植被指数均值主要集中在0.35—0.52之间波动，虽在2000年—2008年和2013年—2014年指数有波动，但总体趋于稳定增长趋势。对此为了分析研究区NDVI年际变化规律，对其进行趋势线拟合，图中虚线为趋势线，方程为y=0.0059x2-0.0738x+0.5909，r2=0.7735，方程开口向上且多数年份位于对称轴右侧，呈上升趋势，说明了近13年池州市的植被变化趋势正在不断变好。

4.2 池州市植被覆盖度的时间变化

对表2进行对比分析发现，2006年高植被覆盖度所占面积最大，为3861.25 km2；其次是中高植被覆盖度，为2535.05 km2；第三是中植被覆盖度，为1029.70 km2；最后依次相对较少的是低植被覆盖度、裸地、极低植被覆盖度。2018年中高植被覆盖度所占面积最大，3646.67 km2；其次是中植被覆盖度，为2980.58 km2；第三是低植被覆盖度，为604.88 km2；最后依次相对较少的是裸地、极低植被覆盖度、高植被覆盖度。从植被覆盖度等级的变化上来看，裸地和极低植被覆盖度的面积明显增加，这是和城市扩张、经济建设以及城市绿化的影响密切相关，并最终导致土地植被覆盖状况的改变。另外低植被覆盖度、中植被覆盖度、中高植被覆盖度也有一定增加，这主要是来自两个方面：一是人为的干预，如退耕还林、长江防护林建设以及种植经济林木等。二是从高植被覆盖度转化而来。除此之外，需要注意的是高植被覆盖度面积的减少，这需要我们在今后经济发展中特别注意对高值植被覆盖度区域的保护。同时结合图3研究区NDVI的年际变化规律我们可以发现，在研究早期经济的发展造成高值植被覆盖度面积减少的情况十分严峻，但是在研究中后期更加注重了生态与经济的协调发展，区域植被状况在逐年好转并且趋于稳定。这说明池州市的植被覆盖度总体上是好转的。

4.3 池州市植被覆盖度的空间变化

差值图像法是指对两个不同时相遥感图像之间通过减法或者加权减法运算生成的图像[8]。为了研究池州市植被的空间演化特征，在ENVI 5.1软件中利用流程化工具对池州市2006年、2018年的影像进行运算。从影像上可以观察到：极低、低、中、中高植被覆盖度的面积明显增加，部分地区存在植被覆盖度由高等级转至中等级。其中东至县、石台县和青阳县低、中植被增加最多。这种结果表明池州市政府自2006年—2018年以来在植被保护、生态修复方面的工作正逐渐取得成效，政府对森林植被的关注与保护的持续关注，推动了区域生态环境进一步好转。

5 结论

归一化植被指数和植被覆盖度是作为评价区域植被的重要指标。利用二者关系可以对区域植被状况进行量化分析，可以更加直观反映区域真实植被状况。本文利用归一化植被指数和植被覆盖度来评价池州市2006年—2018年植被情况，较为全面的演绎了池州市13年间植被覆盖度的演化过程。研究表明，池州市各等级植被覆盖度总体上呈现出正增长趋势，也从侧面说明了池州市在大力开展经济建设的同时更兼顾了对区域自然环境的保护，这是符合区域可持续发展要求的。

与此同时，池州市植被覆盖度在空间上呈现出分布不均衡的情况，这也要求池州市在制定近景或远景规划时要注意生态保护的空间均衡性。对此提出了几点参考建议：

一是注重池州城市建成区绿化设施的安排布局，扩大建成区的植被覆盖面积，提高绿地率。建立以当地树种(杉木、马尾松、三角枫等)为主导道路绿化格局，在池州市区和县城区域完善道路绿化工作；加大对城市绿地公园的升级与改造；增加小游园和游憩公园的数量。

二是政府生态环保等部门应积极与国土、市政、气象部门开展合作。发挥各部门在土地审批、城市绿化日常维护和植被动态监测中的作用，保证植被生物量的恒定；政府应积极出台相关植被保护条例，保护区域植被特别是珍稀树种。

三是对林区进行保护性开发，发放生态补偿金与发展特色林业经济(蘑菇、中药、特色养殖等)并重。使池州市在经济建设过程中，既能实现经济繁荣增长，又能推进生态文明建设。

四是积极打造池州市“杏花村”和“国家森林城市”的旅游城市形象。积极发展旅游业特别是生态旅游，并借此带动池州市的植被的保护与恢复工作。