济南市植被覆盖时空变化特征研究
2020-12-23李世伟尼加提·穆合塔尔周迪
李世伟 尼加提·穆合塔尔 周迪
摘要：以2008～2017年时序Landsat影像为数据源，利用像元二分模型提取植被覆盖度，采用趋势分析、M-K检验以及重心转移模型对济南市2008～2017年植被覆盖的时空变化特征进行了研究。结果表明：时间上，植被覆盖度f在0.5左右浮动，总体呈平缓下降趋势，没有突变年份;Ⅲ级（0.35
关键词：植被覆盖度;像元二分模型;时空变化;济南市
中图分类号：TP79
文献标识碼：A 文章编号：1674-9944（2020）14-0008-06
1 引言
一个地区的植被覆盖状态对于揭示其地表植被的变化趋势，评价区域的生态环境有着重大的意义，评价植被覆盖情况的重要指标是植被覆盖度（Vegetation Coverage，VC）[1]。植被覆盖度是指植被垂直投影面积占研究区总面积的百分比，它是区域气候数值模型中的重要参数，也是描述生态系统的重要基础数据[2]。
对区域植被覆盖的时空变化特征研究是确保社会经济健康发展的重要驱动力之一。近年来，国内外学者利用植被覆盖度对植被覆盖时空变化特征进行了大量的研究，研究方法主要有植被指数法[3～12]、线性光谱混合模型法[13～16]、混合像元分解法[18～20]等。其中，像元二分模型是混合像元分解法的一种计算模型，它的计算方法简单，模型参数易得，结果准确可靠，利用高分辨率光学遥感影像，可应用于中小尺度区域的植被覆盖度计算[20]。
济南市是华北平原环境变化相对敏感的地区之一，对其植被覆盖时空变化特征的研究不仅有助于掌握该区域的生态环境变化情况，直观、清晰地了解济南的植被覆盖状况及变化趋势，得到济南市植被覆盖的整体和局部特征，也能为济南市经济平稳绿色发展、城市合理规划、资源开发和环境保护提供理论支持和数据参考。
2 研究区概况与数据
2.1 研究区概况
济南，简称“济”，是山东省的省会，位于北纬36°01′～37°32′，东经116°11′～117°44′（图1）。济南市南靠泰山，北傍黄河，地势南高北低，可分为北部临黄平原带、中部山前平原带和南部山区丘陵带。济南市植被根据其分布区域及植物组成进行分类，可分为森林植被，灌木植被，草甸植被和农业植被4种类型。济南的农业植被约占全市总面积的38%，森林植被占17%左右，灌木和草地植被占18%[21，22]。
2.2 数据源与预处理
本研究所用的数据主要包括遥感数据和其他数据。其中，遥感数据为地理空间数据云（http：//www.gscloud.cn）提供的2008～2017年的时序Landsat影像，共10景（表1），空间分辨率为30m，坐标系统为WGS_1984_UTM_ZONE_50N，含云量均在10%以下，图像质量良好。考虑到济南市种植的农作物主要为冬小麦，在6～7月份成熟和收割，黄色的成熟小麦和收割后的裸露地表都会影响植被覆盖度的提取[6];同时，济南市在5月下旬、6月上旬的植被覆盖已经趋近于夏季平均水平，且7、8月份为济南市的雨季，多阴雨天气，云量普遍比较大。因此影像的选取时间大部分是5月末、6月初，影像的获取时间接近，植被处于同一物候期，植被覆盖变化在时间和空间上都有较好的可比性。
其他的数据包括来自于济南市统计局的济南市统计年鉴（2009～2018年）、来自于国家基础地理信息系统网站（http：//www.ngcc.cn）的济南市行政区划图以及来自于地理空间数据云的济南市DEM数据（GDEMV2 30M），其坐标系统与遥感影像一致。
数据的预处理包括对Landsat 7影像的去条带处理，遥感影像的辐射定标、大气校正、图像镶嵌、影像裁剪以及DEM数据的拼接和裁剪等。
3 研究方法
3.1 归一化植被指数的计算
归一化植被指数（NDVI）随植被生物量的增加呈线性增加，能够反映植被覆盖特征、生长状态及植被覆盖度等信息，应用于区域及全球尺度的植被动态监测、
牧草和农作物面积及产量估算、物候特征识别等方面[16-20]。计算公式为：
式（1）中NIR为遥感影像中近红外波段的亮度值，R为遥感影像种红波段的亮度值。
本研究利用ENVI 5.3软件的NDVI工具，分别计算2008～2017年的归一化植被指数。NDVI的取值范围为（-1，1），超出此范围为异常值，利用Band Math工具剔除异常值。
3.2 基于像元二分模型的植被覆盖度估算
像元二分模型的原理是利用归一化植被指数和植被覆盖度之间的高相关性来计算植被覆盖度[3]：
式（2）中，f为植被覆盖度，NDVIsoil为没有植被覆盖的区域或完全由裸土覆盖的地表的NDVI值，NDVIveg则代表完全被植被所覆盖的像元的NDVI值。在没有实地测量数据的情况下，可以近似的取NDVI最小值为NDVIsoil，取NDVI最大值为NDVIveg。为了提高植被覆盖度估算的准确性，在估算植被覆盖度时，经过多次比较试验以及文献记载[16～20]，本研究选取 NDVI 图像内累计频率为 5% 的归一化植被指数作为NDVIsoil，选取累计频率为 95% 的归一化植被指数作为NDVIveg。
参考环境保护部于2015年发布的《生态环境状况评价技术规范》，本研究将所得的植被覆盖度分为5级：Ⅰ级，低等覆盖度（0% 3.3 Mann-Kendall检验 Mann-Kendall（M-K）检验是一种非参数检验方法，具有不需要样本遵循一定的分布、不受少数异常值、计算简单的干扰的优点，对于揭示时间序列的演变趋势和突变情况有良好的表现，包括趋势检验和突变检测两方面[22～24]。本研究对济南市2008～2017年的植被覆盖度进行M-K趋势检验和突变检测，得到详细的时间变化趋势。 3.3.1 Mann-Kendall趋势检验 将计算得到的VC数据作为时间序列（x1，x2，…xn），n为时间序列长度，则定义统计量S： 当Z>0时，时间序列呈增长趋势;Z<0时，时间序列呈减少趋势。在给定置信水平α=0.05的水平下，当|Z|大于等于1.28、1.64、2.32時分别表示通过了信度90%、95%、99%的显著性检验。 3.3.2 Mann-Kendall突变检测 式（7）中，UFk遵从标准正态分布，在给定显著性水平α=0.05的情况下，得到其临界值Uα=±1.96。将历年的UFk点连成一条曲线，将上述方法在时间序列的反序列中运用，并将计算结果乘以-1，得到UBk和相应的曲线。当UFk大于0时，序列为增加趋势，反之为减少趋势。若UFk 超过临界值，则表示变化趋势达到了显著水平。当UFk 和UBk两条曲线出现交点，且交点位于临界值之间时，则交点对应的时间可认为是突变开始的时间。 3.4 重心转移模型 在力学模型中，将研究区域划分为几个大小相等的单元，可以根据每个单元的中心坐标（Xi，Yi）和该单元的“重量”Mi建立重心模型[25]。使用VC来代替“重量”，可构建植被覆盖度的重心模型，重心模型在植被覆盖度的空间变化监测方面有独特的优势，能够直观的反映其变化规律[11]。重心模型的计算公式为： 其中，（x，y）为计算得到的重心对应的坐标，Mi为某单元对应的植被覆盖度，（Xi，Yi）为该单元的中心坐标。本研究将济南市随机划分成5000个大小相等的单元格，分别计算每个单元格对应的植被覆盖度和坐标，并对济南市2008～2017年的植被覆盖度建立重心转移模型，得到济南市植被覆盖度的重心转移趋势。 4 结果和分析 4.1 济南市植被覆盖时间变化特征 济南市2008～2017年整体植被覆盖变化程度不大，植被覆盖度在0.5左右浮动，总体呈轻微下降趋势，线性倾向率为～0.0025/年。其中，2012、2014和2015年的植被覆盖度明显低于平均水平，这与当年降水偏少有着很重要的关系。 为了进一步说明济南市的植被覆盖变化趋势，对2008、2011、2014和2017年不同等级植被覆盖度的面积及比例进行了统计（表2和图3），结果表明：Ⅰ级植被覆盖度呈现减少的趋势，降幅为0.6%;Ⅱ级植被覆盖度呈现先降低后增加的趋势，总体有较少面积的增加，增幅为0.3%;Ⅲ级植被覆盖度呈现先降低后增加的趋势，总体有较大面积的增加，增幅为3.4%;Ⅳ级植被覆盖度呈现先降低后增加的趋势，总体有0.3%的降幅;Ⅴ级植被覆盖度呈现先增加后降低的趋势，总体有较大面积的减少，降幅为2.8%。 为了反映不同等级植被覆盖度的转化情况和转移过程，对2008～2017年济南市不同植被覆盖度等级面积计算转移矩阵（表3）。统计分析结果表明：2008～2017年间，Ⅰ级、Ⅳ和Ⅴ级植被覆盖度的转出面积大于转入面积，表示面积呈减少趋势，转出的面积分别占2008年对应面积的3.3%、1.3%和11.3%;Ⅱ级和Ⅲ级植被覆盖度的转入面积大于转出面积，表示面积呈增加趋势，转入的面积分别占2008年对应面积的2.5%和17%。说明从2008年到2017年，Ⅰ级、Ⅱ级和Ⅳ级植被覆盖的变化比较稳定，Ⅲ级和Ⅴ级植被覆盖变化程度比较大。Ⅲ级植被覆盖度的转入来源主要是Ⅳ级和Ⅴ级覆盖度，分别占转入面积的43.1%和24.1%;Ⅴ级植被覆盖度的转出去向主要是Ⅲ级和Ⅳ级覆盖度，分别占转出面积的31.2%和58.8%，说明植被覆盖程度总体上有轻微的下降。 为了得到更详细的济南市植被覆盖变化趋势，利用MATLAB软件对2008～2017年植被覆盖度进行M-K检验。计算得到S=-7，在置信度α=0.05的情况下，计算得出Z=-0.537<0，因此植被覆盖度在2008-2017年间呈降低的趋势;而|Z|=0.537<1.28，说明植被覆盖度降低的趋势没有达到显著水平。 通过进一步计算各年的UFk值和UBk值并绘制曲线时序图（图4），可以得到：UFk曲线的各点没有超出置信度α=0.05水平下的阈值线，说明植被覆盖度没有显著变化的趋势;除了2011年和2013年的UFk值大于0以外，其余各年的UFk值都小于0，说明植被覆盖度整体呈现下降的趋势;UFk曲线和UBk曲线从2008年开始并没有交点，说明2008-2017年间植被覆盖度的变化趋势比较平缓，没有突变点。 4.2 济南市植被覆盖空间分布特征 为了研究济南市2008～2017年植被覆盖度的空间分布特征，对济南市多年平均植被覆盖度在不同地形带的面积分布进行了统计（表4）。结果表明：在北部的临黄平原带分布的植被覆盖等级主要是Ⅲ级、Ⅳ级和Ⅴ级，所占比例分别是18.4%、23.0%和34.4%，这主要是因为济南北部的临黄平原带，地形平坦、土壤肥沃，耕地分布广;在中部的山前平原带分布的植被覆盖等级主要是Ⅰ级、Ⅱ级和Ⅲ级，所占比例分别是30.7%、18.8%和21.3%，这主要是因为济南市经济比较发达的中部主城区以及平阴、长清和章丘的城区大多分布于此，植被覆盖相比于其它地形带较少;在南部的山区丘陵带分布的植被覆盖等级主要是Ⅲ级、Ⅳ级和Ⅴ级，所占比例分别是20.3%、22.8%和33.1%，这主要是因为济南市南部的山区丘陵带是泰山山脉的北翼，地形以丘陵、山地为主，森林茂密、植被覆盖率高。 为了分析济南市植被覆盖变化趋势的空间分布情况，对济南市2008～2017年的植被覆盖变化率进行统计分析（图5）。结果表明：植被覆盖的变化率在空间上呈现南北高、中间低的分布规律;植被覆盖度增长率为0.5～1的区域主要分布于济南市的北部和西南部地区，占总面积的2.44%;植被覆盖度增长率为0～0.5的区域主要分布于济南市的北部和西南部地区，在中部地区也有广泛的分布，占总面积的29.67%;植被覆盖度增长率为0的区域广泛分布于济南全市，占总面积的41.25%;植被覆盖度增长率为-0.5～0的区域主要分布于济南市的中部偏北和东南部地区，占总面积的23.51%;植被覆盖度增长率为-1～-0.5的区域主要分布于济南市中部主城区的周边地区及济南市的中部偏北和东南部地区，占总面积的3.13%。说明济南市的北部和西南部地区的植被覆盖有逐渐增加的趋势，济南市中部除主城区以外地区的植被覆盖有逐渐减少的趋势。 为了得到济南市植被覆盖度的重心转移趋势，对济南市2008～2017年的植被覆盖度建立重心转移模型（图6）。可以看到，2008～2017年济南市植被覆盖度的空间重心分布存在不均衡性，转移情况比较复杂，整体呈现西移的趋势。2008～2009年植被覆盖度的重心向东转移，2009～2011年植被覆盖度的重心向西转移，2011～2013年植被覆盖度的重心先向东南后向东北转移，2013～2014年植被覆盖度的重心向西南方向有明显的转移，且转移距离比较长，2014～2017年间植被覆盖度的重心向东北方向有所回移。空间重心转移情况比较复杂表明济南市的植被覆盖重心年际波动较大，受自然和人为因素的影响比较大;植被覆盖度重心的西移说明济南市西部经济发达地区植被覆盖情况改善，人们在经济发展的同时，也加强了对环境的保护。 5 结论 本文利用Landsat影像和像元二分模型法计算得到了济南市2008～2017年的植被覆盖度情况，并采用趋势分析、M-K检验以及重心转移模型对济南市植被覆盖的时空变化特征进行研究。研究结果表明： 从时间变化特征来看，济南市2008～2017年整体植被覆盖变化程度不大，植被覆盖度在0.5左右浮动，总体呈轻微下降趋势;Ⅰ级、Ⅳ级和Ⅴ级植被覆盖度呈现减少的趋势，降幅分别为0.6%、0.3%和2.8%;Ⅱ级和Ⅲ级植被覆盖度呈现增加的趋势，增幅分别为0.3%和3.4%;Ⅲ级植被覆盖度的转入来源主要是Ⅳ级和Ⅴ级植被覆盖度，Ⅴ级植被覆盖度的转出去向主要是Ⅲ级和Ⅳ级植被覆盖度;M-K检验的结果表明，植被覆盖度在2008～2017年间呈降低的趋势，但降低的趋势没有达到显著水平，没有突变年份。 从时间分布特征来看，北部临黄平原带和南部山区丘陵带分布的植被覆盖等级主要是Ⅲ级、Ⅳ级和Ⅴ级，中部山前平原带分布的植被覆盖等级主要是Ⅰ级、Ⅱ级和Ⅲ级;植被覆盖的变化率在空间上呈现南北高、中间低的分布规律，济南市的北部和西南部地区的植被覆盖有逐渐增加的趋势，济南市中部除主城区以外地区的植被覆盖有逐渐减少的趋势;植被覆盖度的空间重心分布存在不均衡性，转移情况比较复杂，整体呈现西移的趋势。 参考文献 [1]王 柳，段 英.利用遥感影像进行植被分布分析[J].测绘与空间地理信息，2012，35（3）：140～142，146. [2]彭 飞，范闻捷，徐希孺，等.2000～2014年呼伦贝尔草原植被覆盖度时空变化分析[J].北京大学学报（自然科学版），2017，53（3）：563～572. [3]穆少杰，李建龙，陈奕兆，等.2001～2010年内蒙古植被覆盖度时空变化特征[J].地理学报，2012，67（9）：1255～1268. [4]李 杰，张 军，刘陈立，等.基于MODIS-NDVI的云南怒江流域植被覆盖时空变化特征研究[J].林业资源管理，2018（4）： 90～99. [5]Sun Y， Yang Y， Zhang L， et al. The relative roles of climate variations and human activities in vegetation change in North China [J]. Physics & Chemistry of the Earth， 2015（87/88）：67～68. [6]谷金芝，宫兆宁.2001～2015年华北平原植被覆盖度时空变化特征及影响因素分析[J].测绘与空间地理信息， 2018， 41（8）： 47～51. [7]Barbosaa H A， Huetea A R， Baethgen W E. A 20 year study of NDVI variability over the northeast region of Brazil [J]. Joural of Arid Environments， 2006（67）：288～307. [8] 張盛霖，项 俊，吴博文，等.基于遥感与GIS的黄冈市植被覆盖时空特征研究[J].湖北农业科学，2015，54（10）：2358～2362. [9] 高健健，穆兴民，孙文义.1981～2012年黄土高原植被覆盖度时空变化特征[J].中国水土保持，2016（7）：52～56. [10]罗增奇，成军锋，仇宽彪等.2000—2017年秦岭地区植被覆盖时空变化特征研究[J].陕西林业科技，2018，46（4）：14～21. [11]宋鹏飞，季 民，李 刚.山东省近10年植被覆盖度变化与气候因子相关性分析[J].测绘通报，2018（12）：109～113. [12]贾 路，任宗萍，李占斌，等.2000～2013年西安市植被覆盖度时空演变[J].水土保持研究，2019，26（6）：274～279. [13]王天星，陈松林，马 娅.基于改进线性光谱分离模型的植被覆盖度反演[J].地球信息科学，2008（1）：114～120. [14]杨 峰，李建龙，杨文钰等.基于线性光谱混合模型的荒漠草地覆盖度估测[J].农业工程学报，2012，28（7）：243～247. [15]姬翠翠，贾永红，李晓松，等.线性/非线性光谱混合模型估算白刺灌丛植被覆盖度[J].遥感学报，2016，20（6）：1402～1412. [16]胡玉福，蒋双龙，刘 宇，等.基于RS的安宁河上游植被覆盖时空变化研究[J].农业机械学报，2014，45（5）：205～215. [17]苏 嫄，王志杰.基于遥感和GIS的陕南地区近20年植被覆盖时空变化特征[J].水土保持研究，2018，25（1）：250～256. [18]赵健赟，张晓华，张 波，等.基于Landsat的三江源区植被覆盖时空变化分析[J].人民黄河，2018，40（7）：68～72，77. [19]Liu Huaipeng， Zhang Yongxin， Zhang Xiaoping. Monitoring vegetation coverage in Tongren from 2000 to 2016 based on Landsat7 ETM+ and Landsat8.[J]. Anais da Academia Brasileira de Ciencias，2018，90（3）. [20]杨旭超，张 军，李 杰，等.呈贡区近30年植被覆盖度时空变化特征与土地利用驱动[J].水土保持研究，2019，26（4）：232～238. [21]王欣平，邵凤娈，毛志红，等.基于MODIS数据的济南市年最大植被覆盖度动态监测[J].地域研究与开发，2016，35（1）：150～155. [22]济南市统计局.济南统计年鉴[J].北京：中国统计出版社，2009～2018. [23]尹 恒，杨占婷，任玮颖，等.基于小波变换和M-K检验的灰霾长期变化研究[J].科学技术与工程，2012，12（36）：9810～9814. [24]新素依尔·道恩德格.基于M-K检验和信息熵的乌鲁木齐市降水时空变化分析[J].陕西水利，2019（5）：41～42，45. [25]徐建華，岳文泽.近20年来中国人口重心与经济重心的演变及其对比分析[J].地理科学，2001（5）：385～389.
