基于Landsat8 OLI数据的植被覆盖度时空变化分析

曾强国，高子让，丁锋

摘 要 本文以湖南省益阳市赫山区为研究对象，采用基于NDVI的像元二分模型方法，使用2013年、2015年和2017年同时间序列Landsat8 OLI影像，通过计算NDVI值、植被覆盖度、植被覆盖等级，探究植被覆盖度的时空变化。研究结果表明，赫山区植被覆盖度整体呈现上升趋势，但各地区的差异逐步增大，符合当地实际情况。

关键词 植被覆盖度; NDVI;像元二分模型法;Landsat8;植被覆盖变化等级

中文分类号：P66;X37 文献标识码：A

Spatiotemporal Variation of Vegetation Coverage Based on Landsat8 OLI Data

Zeng Qiangguo， Gao Zirang， Ding Feng

（ The Second Surveying and Mapping Institute of Huanan Province， Changsha Hunan 410119）

Abstract： Heshan District， Yiyang City， Hunan Province was taken as the research object. Based on NDVI and Dimidiate Pixel Model（DPM）， in 2013， 2015 and 2017， at the same time sequence Landsat8 OLI image contrast， through calculation， vegetation coverage， vegetation NDVI value level， to explore the spatial and temporal variations of vegetation coverage. The results show that the vegetation coverage of Heshan District is increasing as a whole， but the difference of vegetation coverage in different areas is gradually increasing. The monitoring results are in line with the local actual situation.

Keywords： vegetation coverage; NDVI; Dimidiate Pixel Model（DPM）; Landsat8; vegetation coverage grade

植被作为陆地生态系统的重要组成部分，在维持和促进区域生态平衡可持续发展方面发挥着重要作用。近年来，遥感技术成为植被信息快速获取的重要手段。遥感影像提取植被覆盖信息的方法和结果，因卫星遥感影像及空间分辨率不同而存在差异。

植被信息提取研究随着遥感技术的发展在不同研究区域广泛应用，然而针对植被信息提取技术的时空变化研究相对欠缺。为探索Landsat8 OLI影像植被覆盖时空变化情况，本文选取湖南益阳市赫山区2013年、2015年和2017年8月份的影像进行实验，同时对比分析实验与实地调查结果，明确中分辨率影像植被提取效果的时空差异性，为多源遥感数据的多尺度生态遥感融合应用提供支撑。

1 研究区概况及数据预处理

1.1 研究区概况

赫山区隶属于湖南省益阳市，位于湘中偏北，地处洞庭湖畔，东邻湘阴、望城，南接寧乡，西接桃江，北临资水。地理坐标为112°10′00″E～112°44′00″E，28°16′00″N～28°40′00″N。区境西南为雪峰山余脉，最高点碧云峰海拔502 m;中部地面起伏平缓，丘岗与平原相间;东北部为滨湖平原，平坦开阔，耕地连片，土壤肥沃，为全区主要农产品基地。

1.2 数据源及数据预处理

Landsat8太阳同步近极地圆轨道卫星由美国航空航天局（NASA）于2013年2月11日发射升空，重访周期16天，搭载OLI陆地成像仪和TIRS热红外传感器。卫星全色分辨率15 m，多光谱分辨率30 m，轨道高度705 km，幅宽170 km×180 km，过境时间为09：45—10：15。本次研究影像获取时间均为2013年、2015年和2017年8月，影像的轨道号均为124/40，质量较好，云量均小于10%。Landsat8影像的各波段参数如表1所示。

Landsat8数据的预处理运用ENVI5.3软件实现，包括辐射定标、大气校正、配准和裁剪等。大气校正采用 FLAASH（Fast Line-of-sight Atmospheric Analysis of Spectral Hypercubes）大气校正模块下的MODTRAN辐射传输模型。

2 研究方法

2.1 归一化植被指数

归一化植被指数（NDVI）是植被生长状态及植被覆盖度的最佳指示因子，已广泛应用于区域植被覆盖度定量估算[1]。NDVI的取值范围为[-1，1]，随植被覆盖程度的提升而增大，其计算公式为：

其中DNNir 表示近红外波段，DNRed表示红色波段，分别为研究区域Landsat8影像的第5波段和第4波段。

2.2 植被覆盖度提取

植被覆盖度（Vegetation Cover，VC）是指示生态环境变化的重要指标之一。植被覆盖度常用遥感估算方法有经验模型法、植被指数法和混合像元分解法等，本文采用线性混合像元模型中的像元二分模型法来计算研究区的植被覆盖度[2]。

像元二分模型指假定一个像元里的信息由绿色植被信息和非植被信息（裸土）组成，每个像元的NDVI值可以看作植被覆盖部分的NDVI值和非植被的NDVI值的加权平均值[3]，即：

（2）

根据公式（2）可知像元二分法估算植被覆盖度的公式如下：

其中，FVC表示植被覆盖度，取值范围一般为[0，1]。NDVIveg表示纯植被覆盖像元的NDVI值，理论上应该接近于1。NDVIsoil表示裸土覆盖像元的NDVI值，理论上应接近于0。由于存在噪声影响，遥感影像的NDVI值可能过高或者过低，需要选择一定置信区间内的最大最小值。根据之前研究，结合NDVI数据分析，选取NDVI值累计分布频率95%和5%的NDVI值分别作为NDVIveg和NDVIsoil的值。

2.3 植被覆盖度动态分析

采用差值法分析植被动态变化特征，公式如下：

其中，△FVC表示植被植被覆盖度变化等级，△FVC1和△FVC2表示前后两个时期的植被覆盖度等级。△FVC值的取值范围一般为[-2，2]，△FVC取值为[-2，-1），表示植被中度退化;△FVC取值为[-1，0），表示植被轻度退化;△FVC为0，表示植被无变化;△FVC取值为（0，1]，表示植被轻度改善;△FVC取值为（1，2]，表示植被重度改善[4]。

3 结果分析

3.1 植被指数的分析统计

根据公式（1），分别对各年度研究区域NDVI植被指数信息进行计算，具体情况如下表2所示。

由表（2）可知，2013年、2015年和2017年8月赫山区的NDVI值均值分别为0.421 9、0.445 7和0.462 8，2013年至2017年NDVI值逐年增加，增加总量为0.040 9。对比2013年、2015年和2017年8月赫山区NDVI值的标准差值，2013年标准差最小为0.393 1，说明2013年NDVI值离散性小，更接近均值。实地调查得知，“十三五”规划以来，赫山区着力打造风景优美的城市景观带和风景名胜区，逐年推进绿化工程。同时区域的发展使得内部建筑密集，地物空间异质性高，导致精细的植被信息难以精确提取，NDVI值的离散性也随之增大。

根据不同年份的NDVI变化，制作赫山区2013年、2015年和2017年的植被指数分布图，（如图1-3）。

3.2 植被覆盖度对比及分级

根据NDVI值的变化筛选相应NDVIveg和NDVIsoil，2013年NDVIsoil取值为-0.008 974，NDVIveg取值为0.879 727。2015年NDVIsoil取值为-0.008 395，NDVIveg取值为0.901 388。2017年NDVIsoil取值为-0.013 768，NDVIveg取值为0.925 870。通过研究区域的NDVIveg和NDVIsoil和公式（4）分别计算各年度植被覆盖度。计算可知，2013年植被覆盖度的均值为0.444 9，标准差为0.432 3;2015年植被覆盖度的均值为0.474 4，标准差为0.435 3;2017年植被覆盖度的均值为0.5072，标准差为0.4530。

采用Arc GIS软件的栅格计算器，计算影像的植被覆盖度分布情况。将计算所得到的植被覆盖度FVC分为五个等级：FVC<10%，低植被覆盖度;10%≤FVC<30%，较低植被覆盖度;30%≤FVC<50%，中植被覆盖度;50%≤FVC<70%，较高植被覆盖度;FVC≥70%，高植被覆盖度。研究区的植被覆盖度变化情况如表3所示。

通过实地走访赫山区自然资源局，赫山区的发展情况与植被覆盖度分布情况相符（如图4-6）。由表3和图4-6可知，2013年至2017年期间，赫山区的植被覆盖度总体呈现增加趋势，植被覆盖的主体是低植被覆盖和高植被覆盖，中间的植被覆盖的占比较少;且低植被覆盖度、较低植被覆盖度、中植被覆盖度和较高植被覆盖度都是减小，而高植被覆盖度则 刚好相反;2017年，植被覆盖度均值虽有所增加，但植被覆盖度的离散程度变大，植被覆盖度的标准差较2013年呈增加趋势。

3.3 植被覆盖度动态变化

根据公式（4）以及2013年、2017年度的植被覆盖度，计算2013年至2017年植被覆盖度变化等级，计算结果如表4所示。采用Arc GIS软件的栅格计算器，制作2013年至2017年植被覆盖度等级分布情况图，具体如图7所示。

由表4可知，2013年至2017年期间，植被覆盖等级总体呈现轻度改善的现象。赫山区植被覆盖重度退化和重度改善等级占比极小，可忽略不计;植被覆盖无变化等级占比最多，为72.99%;植被覆盖轻度退化等级占6.72%，植被覆盖轻度改善等级占比为20.29%，赫山区植被覆盖度整体是变好趋势。

根据图7可知，2017年赫山区中心城区及西南部的植被覆盖等级较2013年相比在逐步改善;赫山区东部及东南部植被覆盖等级较2013年相比是逐步退化;赫山区中部地区植被覆盖等级基本不变，与实地调研情况相符。

4 结论与讨论

本文基于Landsat8影像及NDVI像元二分模型，估算赫山区2013年至2017年的植被覆盖度，并对植被覆盖度进行分级、计算平均植被覆盖度，据此获得研究区的植被覆盖度时空演变过程，得出如下结论：

（1）2013年至2017年期间，赫山区的NDVI均值呈现增加的趋势，NDVI值的标准差增大，各地的NDVI差异性变大。

（2）2013年至2017年期间，赫山区的植被总体覆盖情况良好且呈上升趋势，但总体植被变化离散程度有所增加，具体表现为：低植被覆盖度、较低植被覆盖度、中植被覆盖度和较高植被覆盖度减小，高植被覆盖度增加，且增幅大于减幅。

（3）2013年至2017年期间，赫山区的植被覆盖变化等级整体逐步改善，大部分地区维持不变，局部地区退化，与实地情况相符。

本文也存在一定的不足，例如采用影像数据源单一，缺少多源数据的相互验证;影像分辨率较低，未能完全反映植被覆盖的详细变化趋势等。未来将进一步进行局部精细化生态遥感监测和分析，采用多源高分辨率遥感影像，以便于地物类型复杂区域的研究。本研究利用遥感手段监测植被覆盖度的时空变化，为及时、准确获取植被信息提供技术支持，为遥感应用的推进和生态遥感监测分析提供了一定的参考。

参考文献/References

[1]Zhang H K，Roy D P，Yan L，，etc.Characterization of Sentinel-2A and Landsat-8 top of atmosphere，surface，and nadir BRDF adjusted reflectance and NDVI differences[J].Remote Sensing of Environment，2018，215： 482-494.

[2]徐玲玲，延昊，钱栓.基于MODIS-NDVI的2000-2018年中国北方土地沙化敏感性时空变化[J].自然资源学报，2020，35（04）：925-936.

[3]郭永强，王乃江，储晓升，等.基于Google Earth Engine分析黄土高原植被覆盖变化及原因[J].中国环境科学，2019，39（11）：4804-4811.

[4]銀朵朵，王艳慧.温带大陆性半干旱季风气候区植被覆盖度时空变化及地形分异研究[J].生态学报，2021，41（3）.