玛纳斯河流域水土流失关键参数植被覆盖度提取研究

谢富明

(新疆玛纳斯河流域管理局，新疆 石河子 832000)

植被覆盖度(Vegetation fractural coverage，FVC)是指垂直方向上植被覆盖面积占地面面积的比例[1]。作为描述植被结构的特征特征参数，FVC被广泛用于解释地表生物量、冠层形态、植被表型活性等，并且成为陆面过程建模中的重要输入变量[2]。FVC也是地表退化的生态指示因子，其能直观揭示区域植被健康程度、土壤侵蚀、地表物质流失等环境问题。遥感技术为区域尺度FVC的推导提供了可靠手段[2- 3]。当前MODIS，Landsat，SPOT，CBERS等光学遥感卫星为全球、洲际、国际、景观等空间尺度上的年、季、月、旬、日等不同时间序列FVC获取提供了主要数据源，基于此国际科研部门开发众多FVC系列产品，如MODIS13，Landsat_Monthly_FVC等，然而这些成熟的数据产品均具有粗糙分辨率(30、250、500、1000m)的缺陷，难以满足精细尺度需要。随着遥感技术发展，欧空局(European Space Agency)研发了新一代对地观测多光谱成像仪，其具有更窄、更多的探测波段，且能够敏感探测10m分辨率的地物纹理信息，其开源的数据权限为获取地表FVC信息提供了新途径[3- 4]。本文以Sentine- 2为数据源，旨在提取玛纳斯河流域地区FVC空间分布信息，为区域资源环境监测提供技术参考。

1 研究区与研究方法

1.1 玛纳斯河流域

玛纳斯河流域地处西北内陆干旱地区，属新疆腹地，北接准格尔盆地、南依天山，流域面积3.35万km2，如图1所示。区域受海陆位置与西伯利亚高压影响形成温带大陆性干旱气候，四季分明、干旱少雨、昼夜温差大，年平均气温4.7～5.7℃，降水量186～356mm，蒸发量高达1156～1359mm。玛纳斯河为天山冰川雪盖融水汇流而成内流河，属冰川补给型水系，汛期集中在7—8月份，径流量达1.27×109m3，其中冰雪贡献率达35.3%。该地区地自然植被为温带草地、低灌林，植被覆盖稀疏，人工植被为沙棘、胡杨，沿河流有绿洲密集分布。该区地势南高北低，河流以南北流向为主。

1.2 Sentinel- 2遥感数据

哨兵2号(sentinel- 2)是欧洲 “全球环境与安全监测”(GMES)计划的专用卫星系列中重要的在轨卫星之一。其携带2枚多光谱成像仪(MSI)，卫星高度为786km、宽幅290km，具有覆盖可见光、红边、近红、水蒸气和短波红外的13个波段，地面分辨率分别达10、20、60m，可实现5d的时点重访。本研究从欧空局提供的开源数据网站(https://scihub.copernicus.eudhus#/home)获取玛纳斯流域植被生长季节的多光谱影像，数据标识为(S2B_MSIL1C_20200619T045659_N0209_R119_T45TXK_20200619T083718； S2B_MSIL1C_20200619T045659_N0209_R119_T45TWK_20200619T083718；S2B_MSIL1C_20200619T045659_N0209_R119_T45TYK_20200619T083718)。区域内遥感影像云量低于5%，可满足FVC提取的数据支持(图1)。

图1 玛纳斯河流域哨兵- 2数据的真彩色合成影像(波段4、3、2真彩色组合)

1.3 FVC理论模型

通用水土流失方程(RULSE)中对FVC为一模糊表征，当前并未形成统一普适方法[4- 6]。作为RULSE方程中的必须参量，国内外学者利用遥感技术开发了众多物理和经验模型，其中以Gutman and Ignatov[7]提出的线性混合模型具有物理意义直观、模型简易可操作的特点而备受推崇，其对FVC的定义如下：

(1)

式中，NDVI (normalized difference vegetation index)—像素水平的近红(nir)与红波段(red)的归一化差值，其计算公式见式(2)；NDVIS和NDVIV分别表示高密度植被、裸土的NDVI。

在众多的估计方法中。

(2)

1.4 数据处理

本研究获取的Sentinel- 2数据是LC水平数据，需要经过预处理才能投入使用。采用欧空局开发的专业软件SANP对Sentinel- 2数据进行预处理(https://github.com/senbox-org)。具体处理流程为:①采用import工具将获取的影像导入SNAP平台后后利用Radiance工具进行辐射校正，以剔除云层反射影响；②再利用Topgraphic correction工具进行地形校正、从而消除地形阴影；③利用resampling工具对3景处理后的影像进行重采样，设置采样分辨率为10m，采样方法为cubic；④最后利用moascking工具将3景影像拼接，并将其转换为dat格式，以备后续在ENVI5.5软件中进行FVC提取。

2 结果与分析

2.1 基于ENVI平台的玛纳斯河流域FVC提取流程

利用线性模型提取区域VFC的关键在于确定NDVIs和NDVIv两个特征参数。由于遥感数据在探测地表过程中不可避免接收到一些噪声信息，因此通常采用一定置信区间内的NDVI值来替代NDVIs和NDVIv。假设自然条件下FVCmax和FVCmin介于0～100%之间，以累积置信概率为5%和90%的NDVI值作为NDVIs和NDVIv。在ENVI中的操作流程如下：

(1) File-> Open As-> Sentinel-2-> MSI。

(2) 在ENVI主菜单中选择Toolbox/Radiometric Correction/ Radiometric Calibration进行辐射定标，利用FLAASH Atmospheric Correction工具输入相关参数，得到大气校正后的文件FLS_img。

(3) 在Toolbox 中选择/Raster Management/Subset Data via ROIs输入FLS_img裁剪，利用Spatial Subset via ROI parameters工具导入研究区矢量边界，裁剪出区域影像Cli_img.

(4) 利用 Toolbox 中的Spectral/Vegetation/NDVI工具将 Cli_img数据导入后提取NDVI。

(5) 由于大气校正后局部背景得到的NDVI会偏离[-1，1]的正常范围，因此在Basic tools中利用band math工具输入以下函数(Cli_img lt-1)+(Cli_img gt 1)得到去除背景的NDVI，即Bla_img。再输入函数(Bla_img lt-1)*0+(Bla_img gt 1)*0+(Bla_img ge-1 and Bla_img le 1)*Bla_img，进而得到去除异常值后的NDVI。

(6) 按照Basic Tools→Statistics →Compute Statistics操作，在弹出的对话框中选择区域矢量边界文件，利用SubROI工具生成掩膜文件MasNDVI_img，并勾选Basic stats和Histgram。

(7) 根据以上操作得到区域各像素水平NDVI的累积分布。依据累积分布曲线梯度变化情况，确定NDVIs为0.23587， 即NDVI值小于NDVIs则为土壤，NDVI大于0.8039时为纯林覆盖。

(8) 进而以Cli_img数据为基础，在bandmath工具中输入函数:(b1 lt 0.23587)*0+(b1 gt 0.8039)*1+(b1 ge 0.23587 and b1 le 0.8039)*((b1-0.23587)/(0.8039-0.23587)，从而运算得到研究区FVC，如图2所示。

图2 研究区玛纳斯河流域基于哨兵-2数据的FVC空间分布图

2.2 玛纳斯河流域FVC空间分布特征

利用ArcGIS平台的栅格分析工具，统计得多研究区高覆盖度(FVC>0.8)区像元个数为0，区域有4.86%的像元为中高植被覆盖区(FVC∈[0.6，0.8])，中植被覆盖面积(0.4

3 结论

玛纳斯河流域为典型的内陆时令河发育而来的干旱绿洲-沙漠景观区，区域地表疏松、植被初级生产力低下，土地退化严重。水土流失该地区主要生态问题之一，在本区表现为季节性水土流失。作为涵养水源、保持土壤、截留减蚀的重要生态因子，FVC对该流域水土流失演替乃至环境变化具有重要影响。为精确提取区域FVC，本文阐述了基于遥感技术与Sentinel- 2影像的提取流程，该方案简洁、高效，避免了传统实地调查造成的时间延滞、植物损坏，比采用Landsat、MODIS影像具有更高的空间分辨率。