景观林树冠覆盖特征与景观格局演变分析

杨华娟

(杭州市城乡建设设计院股份有限公司,浙江 杭州 310016)

河道是人类生存中的必要元素,也是生态系统的重要组成部分,在调节气候、减少污染方面具有不可替代的作用。由于河流中的水温低于气温,会出现冷热空气的分层,河面与地面的气压差使得空气从河面流向地面,导致河流附近形成风[1-2]。风作为自然界中的常见现象,对于耕地、城市等生态环境具有重要的影响作用。适当的风速有利于植物的授粉,平衡空气中的养分,但是当风速超过一定界限之后,形成强风甚至飓风,会对生物、生态造成一定的破坏[3-4]。因此,在大型河道附近设计景观林,不仅能够美化环境,还能够抗风防灾。河道抗风景观林是森林系统中重要的组成部分,对于大型河道来说,堤坝两岸的景观林能够降低气压差风速,维护大型河道周围的环境生态平衡。

众多学者已对河道景观林的相关内容进行了研究,如文献[5]中分析了阿克苏河流域的防护林景观格局变化,采取抽样方法基于遥感影像数据测定森林覆盖率,并通过分析农防林的带斑比和连接度获得了景观格局演变结果,计算防护林演变与理想规划存在的差距,分析了防护林的发展方向与增长空间;文献[6]中利用3S技术(遥感技术RS+地理信息系统GIS+全球定位系统GPS)对永定河沿岸第二道绿化隔离区内防护林的生态变化进行了动态监测,基于0.5 m分辨率的航拍照片和WorldView-2卫片信息预测了景观生态格局变化趋势,并利用景观格局指数、转移概率矩阵、土地利用动态度等多种景观分析方法在eCongnition遥感解译技术平台上对绿化隔离区内河道防护林的格局特征与变化原因进行了分析。

但是上述景观格局演变分析中景观格局演变指标众多,对不同类型景观林格局演变的估计结果与实际情况不符,准确性较差,为了提高景观林树冠覆盖特征与景观格局演变分析结果的准确性,分析大型河道抗风景观林的树冠覆盖特征,并以此为基础建立景观格局演变模型。

1 大型河道抗风景观林树冠覆盖特征提取

1.1 大型河道抗风景观林遥感影像预处理

在树冠覆盖特征提取的过程中,选择杭州市大型河道附近的抗风景观林作为研究对象。该大型河道的流域总面积达到394.5 km2,河道的海拔在313～449 m,该城市的年平均降水量为1 384 mm,生态环境良好,人类活动密集,属于温带季风气候[7-9]。在进行特征提取时,选择地理空间数据云网站(https://www.gscloud.cn)2010年5月、2016年5月、2020年5月的WorldView-2卫星遥感影像,空间分辨率为0.5 m,卫星遥感影像的影像轨道号为121/46、122/42、121/44。部分河道附近的抗风景观林卫星云图如图1所示。

图1 研究地区部分卫星云图Fig.1 Partial satellite cloud map of the study area

为了在后续的分析过程保证干扰误差最小,在选定的遥感图像中,从卫星传感器到接收器的传输需要在大气中完成。经过大气的折射和反射,图像会发生畸变。为了获得准确的林冠覆盖特征,需要对图像失真进行校正[10-11]。

图像发生畸变的主要原因是图像中的像素点位置发生了变化,像素位置的描述是由图像中坐标系所决定的。利用径向基函数(RBF,radial basis function)神经网络对畸变的像素坐标位置进行校正。利用空间分层随机抽样法,在拍摄的遥感图像中选定不同土地景观斑块的遥感图像,随机抽样20%作为校正样本,并根据空间分布均衡的原则对随机抽样结果进行人为调整,获取最终样本量。在校正过程中,首先基于OpenCV软件采用GrabCut分割和轮廓检测方法提取出图像GCP作为神经网络的原始坐标训练数据集。样本图像的坐标位置像素校正函数为

(xi,yi)=F(x0,y0),

(1)

其中:(xi,yi)表示发生畸变后的像素点的坐标;(x0,y0)表示像素点的原始坐标;F表示利用RBF神经网络构建的校正函数,利用RBF神经网络进行训练得到校正函数,经过图像重构得到校正后的图像。其次结合Google Earth建立混淆矩阵对校正结果进行精度验证,如果验证结果显示校正图片的Kappa系数均在0.9以上,则达到遥感影像精度使用要求。最后借助ENVI5.1软件对图像进行影像的拼接与裁剪等处理,并根据实际情况选择波段组合方案,同时对影像进行2%的拉伸以增强解译效果。将图片分别采用波段3、4、5进行融合。

至此完成遥感影像的预处理与校正。

1.2 设定大型河道抗风景观林树冠覆盖特征描述指标

对大型河道抗风景观林景观格局演变进行分析,需要综合考虑树冠覆盖特征描述过程中的动态性和适普性。在建立描述指标的过程中,还需要从不同的空间尺度进行分析。因此设定的描述指标有面积变化指数、R响应指数、I响应指数以及P利用指数。

大型河道中面积变化指数的计算公式为

(2)

其中:SRTC表示遥感影像覆盖时间范围内的末期树冠覆盖面积;S′RTC表示遥感影像覆盖时间范围内的早期树冠覆盖面积。在面积变化指数中,根据IS值可以判定树冠覆盖面积的变化情况,该值大于1时,说明树冠覆盖面积增加,反之则减少,该指标可以直观地看出树冠覆盖面积的变化趋势和变化强度[12-14]。

描述指标中的R响应指数主要表示树冠覆盖对河道面积的影响程度,其计算公式为

(3)

其中:LR与L′R分别代表遥感影像覆盖时间范围内河道末期和初期的长度;SR与S′R分别代表遥感影像覆盖时间范围内河道末期和初期的面积;α与β分别代表河道长度与面积的权重系数,在权重系数的选取过程中,要考虑国家规划标准和河流的实际情况。权重系数应能综合反映流域附近风景林研究区长度对树冠覆盖率的影响。

I响应指数主要反应了河道景观林中树冠覆盖对不透水地表变化的响应程度,其计算公式为

(4)

其中:Si与S′i分别表示遥感影像覆盖时间范围内不透水地表末期和初期的面积。I响应指数大于1时,呈现出优势响应,否则呈现弱势响应。

P利用指数主要是指树冠覆盖与潜在树冠覆盖之间的量化对比关系,计算公式为

(5)

其中:SPUTC与S′PUTC分别代表遥感影像覆盖时间范围内树冠覆盖区域末期和初期的面积。在冠层覆盖特征分析中,对于靠近大型河道的陆地,不透水面的潜在冠层覆盖特征具有一定的不可预测性。在潜在林冠覆盖区,环江绿化建设系统一般采用立体布局。因此,在特征分析过程中,采用指数法对影响程度进行量化,可以更好地度量变量之间的潜在影响相关性。采取全取与系统相结合的样点抽取方法,即对于斑块个数超过1 000的土地覆盖类别,采用系统抽样方法,在每种地物类别之下,按照斑块数量的5%布设样点;对于斑块数目低于1 000的覆盖类别,则通过目视解译方法设置各样点。采用数据通过eCognition平台解译得到树冠覆盖面积栅格与矢量图。根据描述指标对研究区的树冠覆盖区域面积变化进行了计算和分析,获得研究时间范围内研究区的树冠覆盖率和河道绿化强度。

2 大型河道抗风景观林景观格局演变数值分析

大型河道抗风景观林的景观格局演变过程具有非常高的综合性与复杂性。大型河道可以看做是一个完整的地理生态圈,根据周边抗风景观的格局演变,可以反映出大江大河景观的空间异质性。在分析河道抗风景观森林覆盖特征的基础上,对景观格局演变进行了数值分析。

由于景观格局具有动态性和综合性,在分析过程中采用冠层覆盖特征描述指标作为景观格局指标。根据已得到的研究区遥感影像,再结合景观类型与树冠覆盖特征,得到了研究区内各个景观林冠层覆盖描述指标,如表1所列。

表1 研究区景观林演变数据描述指标

在分析景观林景观格局动态变化的过程中,树冠覆盖面积的年变化率的计算模型为

(6)

其中:T表示时间序列。在景观林格局演变的分析过程中,还需要计算出河道抗风景观林景观格局的变化速度,其模型为

(7)

其中:ΔVui-j表示抗风景观林中第i种景观林类型在研究期内的景观格局类型转换的总面积之和;Vui表示研究初期第i种景观类型的面积之和。将表1中的遥感影像覆盖时间范围内景观林在研究末期和研究初期的面积变化等数据代入式(6)和式(7)中,可获得树冠覆盖面积的年变化率和河道抗风景观林景观格局的变化速度。同时根据表1中的其他数据分析景观变化情况,如比较I响应指数、R响应指数、P利用指数,若I响应指数大于R响应指数,则说明树冠覆盖对于河道附近不透水地表的影响优于河道本身;若P利用指数大于1,则具有空间差异性,说明地表的树冠覆盖率更高。斑块形状指数反应斑块之间的偏离程度与复杂性,能够从侧面反应出研究区景观林的格局演变态势。

3 实例测试

3.1 测试准备

为了验证大型河道抗风景观林格局演化分析模型的有效性,在研究区大型河道周围选择了部分抗风景观林进行了试验。通过当地环境遥感动态实时监测项目,获取了景观林的野外数据,并按照我国生态系统观测的标准方法对目标景观林进行了分析和调查。

选取景观林完整并具有代表性的流域地段,且选择植被分布类型较多的区域。该试验区域的山地坡度较大,地势较高,山脚与山顶的气温温差较大,景观林类型多样,包括针叶林、阔叶林、针阔混合林以及灌木林4种类型,如图2所示。

图2 试验区域的山地植被分布Fig.2 Distribution of mountain vegetation in theexperimental area

试验设置对比区域为4个(见图2中标示序号),图像遥感区域尺寸均为100 m×100 m。对得到的遥感数据进行校正,将校正过程中的像元误差控制在0.5以内。将某对比区域的遥感影像利用设计的建模分析方法进行处理,得到校正前与校正后的遥感影像如图3所示。

图3 遥感影像校正前后对比Fig.3 Comparison of remote sensing image before and after correction

图3中,在2010—2020年期间,以其树冠覆盖特征与景观格局演变情况作为分析数据,并使用设计的景观格局演变分析模型对2010—2020年的树冠覆盖指数进行估计。为了验证所提模型的预测有效性,使用了常规应用的北京城区医院绿地林木树冠覆盖与城市森林结构分析方法(简称文献[14]中方法)作为对照,并将不同覆盖归一化指数的频率预测结果进行统计,预测频率的计算公式为

(8)

其中:N表示模型得到的覆盖情况预测值;Nmax表示模型分析结果下植被占比最大值;Ns表示裸土占比。

将两种模型分析得到的各项数值代入式(8)可得不同覆盖指数下的频率,并根据选取的对比区域实际树冠覆盖变化情况进行预测准确度的分析。

3.2 试验结果与对比

在上述的试验环境下,得到了两种模型分析下4种景观林归一化植被指数的变化情况,其与实际情况的频率统计结果如图4所示。

图4 不同模型得到的4种景观林景观格局演变结果对比分析Fig.4 Comparative analysis of landscape pattern evolution results of fourlandscape forests obtained by different models

从4种景观林的格局演变预测结果来看,不同类型景观林下,设计的景观格局演变分析模型的预测结果都更加贴近于实际的演变情况,说明设计的基于树冠覆盖特征的景观格局演变模型在格局演变的预测中具有更强的准确性。

4 结语

大型河道抗风景观林建设是保护城市生态的重要工作,景观林的抗风能力与树冠的覆盖特征息息相关。对河道抗风景观林的景观格局演变进行分析与预测可有效掌握河道区域的土地植被变化情况,为景观林的建设决策提供有效的数据参考。针对传统格局演变分析模型所存在的问题,研究分析了抗风景观林树冠覆盖特征,并以此为基础建立格局演变分析模型,验证了不同类型景观林条件下,预测的景观格局演变结果与实际情况,保证了模型在实际应用过程中的有效性。