基于遥感的黄冈市市区植被指数提取与分析

周　欣

基于遥感的黄冈市市区植被指数提取与分析

周欣

（太原师范学院山西晋中030619）

植被生物量是评价生态环境的一项重要指标，对城市整体规划和制定城市发展战略具有重要意义。文章基于2007年、2013年、2018年3个不同时期的遥感影像数据，提取研究区2007年、2013年、2018年的归一化植被指数，并在此基础上对研究区的植被覆盖度进行估算，研究黄冈市市区植被分布格局，进而通过监督分类等方法分析2007年—2018年植被覆盖度空间变化及特征，探究引起植被变化的主要驱动因子。结果显示：2007年—2018年黄冈市市区植被覆盖增加，植被覆盖总面积增加6.918 1 km2，高植被覆盖面积减少38.125 8 km2；造成植被覆盖时空变化的主要原因是退耕还林还草政策、开垦荒地、城市化导致土地利用类型变更。

归一化植被指数；植被覆盖度；监督分类

作为陆地生态系统中的重要组成部分之一，植被在生态系统的物质循环和能量流动中发挥着重要的作用，调控着区域乃至全球的能量平衡、生物循环和水循环，同时也是一种对人类社会经济活动有着重要贡献的资源；并且，作为环境的一项重要组成因子，植被既能够准确地反映区域的生态环境，也可以作为土壤、水文等要素的一项解译标志[1]。因此，植被的变化可作为一种敏感指标，反映气候和人文因素对环境的影响。而植被调查，则是遥感研究的一个重要应用领域。由此，对遥感影像中的植被信息进行提取解译至关重要。

本文以黄冈市为研究对象，提取其市区2007年、2013年、2018年的植被信息进行对比分析，对城市绿地的消长进行动态监测，为科学、有效地管理城市以及进行城市规划提供可靠的科学依据和准确的评价标准，以期改善城市生态环境，促进人与自然和谐相处，建设生态城市。

1 研究区概况

黄冈市为湖北省下辖地级市，位于湖北省东部、大别山南麓、长江中游北岸，属亚热带湿润季风气候，雨热同期，降水丰沛，四季分明。黄冈市地势自北向南逐渐倾斜，黄冈北部和东部为大别山低山丘陵，东北部与豫皖交界为大别山脉，主脊呈西北—东南走向，罗田、英山的天堂寨主峰海拔1 729 m，为黄冈市最高点；中部为海拔100 m～250 m的丘陵岗地；南部为狭长的平原湖区，是长江冲积平原。黄冈市现辖七县（红安、罗田、浠水、英山、蕲春、黄梅、团风）、二市（武穴、麻城），黄州区、龙感湖管理区、黄冈高新区、黄冈临空经济区、白莲河示范区。经济发展目前仍处于起步阶段，以农业为基础。截至2021年年底，黄冈市全市常住人口578.82万人。2021年全市生产总值达2 541.31亿元，其中第一、二、三产业增加值分别为503.41亿元、807.41亿元、1 230.48亿元。

2 数据和方法

2.1 数据来源

2.1.1 遥感影像数据

遥感影像数据来自地理空间数据云，研究区的范围包括1个图幅的遥感数据影像，条带号为122，行编号为39；2007年选取7月8日的Landsat 5 TM数据，2013年选取8月9日的Landsat 8 OLI数据，2018年选取的则是4月17日的Landsat 8 OLI数据，3期数据云量均小于10％。遥感影像数据用于获取黄冈市市区各波段的地表反射率，计算归一化植被指数、植被覆盖度。

2.1.2 行政区划边界图

本文研究区范围为黄冈市市区，因此需要黄冈市市区的行政区划边界。黄冈市市区的行政区划边界为GCS_WGS_1984坐标系矢量数据，用于对遥感影像的裁剪，经此得到黄冈市市区的遥感影像。

2.1.3 数字高程数据

数字高程数据（DigitalElevationModel，DEM）来自地理空间数据云，选取的是GDEMDEM 30M分辨率数字高程数据，研究区的范围包括2个图幅的高程数据，分别为条带号114、行编号30和条带号115、行编号30。对DEM进行裁剪镶嵌处理，计算得到黄冈市市区的地面平均高程，用于大气辐射校正中大气校正模型参数设置。

2.2 数据处理

数据预处理主要包括辐射校正和遥感影像的裁剪镶嵌2部分，而辐射校正则主要包括了辐射定标和大气校正2个步骤。

2.2.1 辐射校正

（1）辐射定标

作为大气校正的准备过程，辐射定标实际上就是将图像的数字量化值转化为辐射亮度值，或者反射率，又或者表面温度等物理量的处理过程。本文利用ENVI 5.3软件的数据定标功能，对黄冈市市区的遥感影像进行定标。

（2）大气校正

遥感卫星拍摄到的原始遥感影像是太阳辐射通过大气入射到物体表面然后反射回到传感器而形成的，在这一过程中，大气气溶胶、地形和邻近地物等会影响到影像，造成光谱信号失真。因此，要了解物体准确的光谱属性就必须进行大气校正这一过程，消除大气和太阳等对光谱信号的影响，反演地物的反射率。FLAASH是由光学成像研究所-波谱科学研究所开发的大气校正模块，能够精确补偿大气影响。大气校正模型有很多种，相比其他大气校正模型计算方法（基于查找表、利用插值方法计算），FLAASH是直接移植了MODTRAN4中的辐射传输计算方法，具有可以选取代表研究区的大气模型和气溶胶类型的优点。范渭亮等在LandsatTM影像的基础上对毛竹林的生物量进行估算，并分析大气校正对毛竹林生物量遥感估算的影响，最终得到大气校正能有效地消除大气影响的结论[2]。

大气校正是将定标后的亮度值转为地表的真实反射率，本文在经过辐射定标处理得到的遥感影像基础上，通过运用ENVI 5.3软件中的FLAASH大气校正模块，对研究区进行大气校正，最终得到研究区真实的地物反射率数据。

2.2.2 图像裁剪

图像裁剪的目的是将研究区之外的部分去除，常用的方法是按照行政区划边界或自然区划边界进行图像分幅裁剪。本文则是通过ENVI 5.3软件的掩膜功能对遥感图像进行裁剪。根据黄冈市市区行政边界对经大气辐射校正后的3期原始遥感影像进行掩膜，得到黄冈市市区的遥感影像图。

2.3 黄冈市市区植被指数计算

2.3.1 归一化植被指数

不同种类的绿色植被对不同波长光的吸收率不同，近红外波段的光大部分会被植物反射，可见光波段的光则大部分会被植物吸收，而作为遥感监测地面植物生长和分布状况的方法，植被指数的设计原理便是利用这种特性，其是一种通过对近红外和红光波段反射率的线性或非线性组合得到的可以消除地物光谱产生的影响的特征指数[3]。经过多年的发展，现有植被指数多达几十种，其中最常用的主要有归一化植被指数（NormalizedDifferenceVegetationIndex，NDVI）、比值植被指数（RatioVegetationIndex，RVI）和差值植被指数（DifferenceVegetationIndex，DVI）等[4-12]。由于植被指数有助于增强遥感影像的解译力，因而，在遥感应用领域常被用来定性和定量评价植被覆盖及其生长活力，同时也已作为一种遥感手段广泛应用于植被覆盖密度评价、作物识别和作物预报等诸多方面[13]。

归一化植被指数作为一项评价植被生长状态、植被覆盖度等的重要指标，是通过增加近红外波段范围内绿叶的散射与红光波段范围内叶绿素吸收的差异，来增强植被信息的。同时由于归一化植被指数对绿色植被和低密度植被覆盖表现较为敏感，因此被常用于对区域和全球植被状态进行研究。而在众多种类的植被指数中，归一化植被指数也是被优先考虑的遥感监测指数。

基于浓密植被的红光反射小，其比值植被指数值存在无界增长的现象，Deering（1978）首先提出将简单的RVI经过非线性归一化处理后得到NDVI，并将其定义为近红外波段（NIR）与可见光红波段（RED）数值之差与这两个波段数值之和的比值，同时还将比值限定在[-1，1]区间范围内，计算公式如下[14]：

式（1）中，4为近红外波段，3为可见光红波段。通过计算得到NDVI图像，在图像中灰白色图斑代表着这一部分植被覆盖率比较高。

在ENVI 5.3中，基于已处理过的黄冈市市区遥感影像，将近红外波段与可见光红波段代入公式（1）中，得到黄冈市市区归一化植被指数。对结果进行规范化处理后，可知2007年—2018年间黄冈市市区的NDVI值总体上是呈上升趋势的，植被覆盖面积有所增加，而NDVI的分布则呈现出北高南低、西南低东北高的特征。

2.3.2 植被覆盖度

作为生态学中的一个重要参数，植被覆盖度（FractionalVegetationCover，FVC）被定义为植被（包括叶、茎、枝）在地面的垂直投影面积占统计区总面积的百分比[15]。赵鹏祥等通过比较密度分割、差值运算、植被指数这三种影像增强方法，得出了植被指数提取植被信息效果较好的结论[16]。同时，已有大量研究表明NDVI与FVC成正比，对于同一种植被，NDVI越大，说明FVC值越高，植被的长势越好[17]。基于植被指数适宜性研究结果，NDVI是植被信息提取的最佳植被指数，有较好的时相和空间适应性，因此本文最终选用NDVI来进行FVC的估算[18]。FVC作为一个衡量地表植物覆盖状况的综合量化指标，是一种可以描述植被群落和生态系统的重要参数。Gutman等提出了FVC和NDVI之间的关系[19]，即

作文是高中语文教学的重要组成部分，也是教学的重点和难点，在语文高考中占据较多的分值比例。但从目前作文教学现状得知，当前很多高中生在作文方面都表示不知如何下笔，即使下笔，作文内容也缺乏深意，较为空洞。之所以出现上述情况和语文教师采取的教学策略有着紧密联系，因而教师需要根据学生的实际情况对其有效引导，促使其在作文中表达思想观点，提高写作质量。

式（2）中，NDVI为纯土壤像元的NDVI值，NDVI为纯植被像元的NDVI值，为所求地块的植被指数值。

由于另外Choudhury等与Gillies等使用不同的方法和数据集，均得到相同的结果，植被覆盖度与式（2）的理想平方关系即[20-21]

Choudhury等与Gillies等利用该式对美国太平洋地区的森林覆盖度进行了估算，采用不同类型的植被指数，并结合NOAA/AVHRR的遥感数据，估算该地区的森林覆盖度。最后研究结果表明，归一化植被指数与森林覆盖度相关性最高，但是在植被较为稀疏的研究区对FVC进行平方，容易使植被覆盖度变小。

本文的研究区虽然位于市区，但植被覆盖度较高，因而本文参考Choudhury等与Gillies等的研究，选择运用式（3）对FVC进行平方，使数据更加精确。同时，由于NDVI与NDVI提取难度较大，因而本文参考Sobrino等的取值，NDVI与NDVI分别选取0.05与0.7的经验值进行计算[22]。

在ENVI 5.3软件中，基于得到的NDVI遥感影像，掩膜水体后运用式（3）进行计算，对得出来的结果进行规范化处理后，可得黄冈市市区植被覆盖度北高南低，在2007年—2018年的11年间，高植被覆盖区域转化为低植被覆盖区域；2007年—2013年的6年间，部分中低植被覆盖区域转化为高植被覆盖区域，高植被覆盖区域面积有所增加；2013年—2018年间高植被覆盖区域面积大大减少，高植被覆盖区域转化为低植被覆盖区域。

3 黄冈市市区植被覆盖时空变化分析

本文为了了解植被覆盖分布状况，对提取到的黄冈市市区植被信息进行时空变化分析，进而对其植被覆盖进行分级；为了探究植被覆盖分布与地形、土地利用类型的关系，对提取到的DEM数据、FVC值和土地利用类型进行剖面线分析；同时为了研究黄冈市市区植被覆盖区域的演变，先进行了监督分类，然后进行转移矩阵运算，分析各类土地11年间的演变情况。

3.1 植被覆盖分级

参考《土壤侵蚀分类分级标准》（SL 190—2007）中植被覆盖度等级划分标准、其他相关研究结果，并结合黄冈市市区自身的植被覆盖特点和FVC值分布宽度，本文将研究区植被覆盖度分成5级：低覆盖度（＜10％）、中低覆盖度（10％～30％）、中覆盖度（30％～50％）、中高覆盖度（50％～70％）、高覆盖度（＞70％），之后根据等级划分标准对计算得到的黄冈市市区植被覆盖度数据在ENVI5.3中进行运算，获取研究区植被覆盖分级情况。结果显示，黄冈市市区植被覆盖度呈现出了明显的空间差异性，水域、坑塘、河流由于常年被水体覆盖因而植被覆盖度为零；建设用地由于植被稀疏，植被覆盖度较低，这一现象在城市建成区最为典型；高植被覆盖度区域主要分布在黄冈市市区的北部。同时，对比3期分级图可以发现，低植被覆盖度区域面积比重有所增加，高植被覆盖度区域面积比重有所减少，其中南部区域低植被覆盖度面积比重增长最多，高植被覆盖度面积比重减少最多，大部分中、高植被覆盖度区域向低植被覆盖度区域转化。

基于黄冈市市区植被覆盖分级数据，对黄冈市市区3年各植被覆盖度等级对应分级面积进行统计，得到结果如表1所示。

表1黄冈市市区2007年、2013年、2018年植被覆盖度分级面积（单位：km）

年份覆盖度低覆盖中低覆盖中覆盖中高覆盖高覆盖 2007年31.203 945.569 753.573 468.822 1105.121 8 2013年58.289 446.037 735.992 840.310 1124.430 4 2018年109.179 963.888 341.417 129.729 766.996 0

表2黄冈市市区2007年、2013年、2018年植被覆盖度分级平均值

年份覆盖度低覆盖中低覆盖中覆盖中高覆盖高覆盖 2007年0.033 4690.190 5560.395 6990.593 8290.856 092 2013年0.026 6840.182 1290.390 2670.594 7540.906 410 2018年0.021 2780.182 2270.384 4120.586 4490.913 185

分析表1、表2可知，11年间黄冈市市区的植被覆盖总面积呈现上升趋势，11年共增加了6.920 1 km2；但是植被覆盖度的稳定性有所降低，中高植被覆盖度区域面积以及高植被覆盖度区域面积大量减少。

3.2 植被覆盖变化驱动力分析

随着经济发展，人口的流入，城市用地扩张，建设用地增加，进一步导致了高植被覆盖面积减少，而退耕还林还草政策又使得植被覆盖总面积有所增加，进而影响了黄冈市市区植被分布情况。为了进一步分析植被随土地利用分布变化的特点，本文对处理好的黄冈市市区遥感影像进行监督分类，对土地利用类型进行分类处理，接着对处理好的监督分类影像在ENVI软件中进行转移矩阵计算，得到数据如表3、表4所示。

表3黄冈市市区2007年—2013年土地利用类型转移矩阵数据表

2013年2007年裸地/km2水体/km2植被/km2耕地/km2建设用地/km2 裸地/km23.101 45.024 72.334 65.612 49.163 8 水体/km21.404 072.787 51.560 60.953 11.782 0 植被/km21.757 716.168 513.144 510.947 65.984 1 耕地/km23.014 110.789 216.523 156.397 620.844 9 建设用地/km26.580 816.271 19.849 617.047 850.319 9

表4黄冈市市区2013年—2018年土地利用类型转移矩阵数据表

2018年2013年裸地/km2水体/km2植被/km2耕地/km2建设用地/km2 裸地/km23.636 98.255 74.329 965.286 012.410 1 水体/km20.415 849.630 52.156 40.531 01.906 2 植被/km21.756 83.359 715.886 314.603 46.506 1 耕地/km26.990 34.956 317.859 663.112 516.911 0 建设用地/km212.437 112.285 011.770 222.793 462.335 8

通过表3、表4可知，相比2007年，2013年和2018年转化为植被最多的土地类型为水体、耕地和建设用地；受退耕还林还草政策影响，部分耕地转化为植被，同时因保护环境政策影响，部分裸地转化为植被；由于鼓励开垦荒地，部分植被转化为耕地、裸地；城市扩张使得建设用地面积扩大，部分植被转化为建设用地；部分由水体转化为植被的区域，可能是因为水田在作物生长后期被覆盖，另一部分则是由于湖泊水量减少退化为草地；但总体上，植被覆盖面积还是有所增加。

结合表1、表3和表4分析可发现，2007年—2018年间低植被覆盖度、中低植被覆盖度区域面积分别增加77.976 km2、18.318 6 km2，中植被覆盖度区域面积减少12.156 3 km2，中高植被覆盖度、高植被覆盖度区域面积分别减少39.092 4 km2、38.125 8 km2，其中黄冈市市区南部区域中高植被覆盖度区域与高植被覆盖度区域面积减少最多，其最主要原因便是植被与建设用地、耕地的土地利用类型转化。

由于2007年选取的是7月数据，2013年选取的是8月数据，7月、8月正是黄冈地区早稻成熟，中稻、小麦即将成熟的时期，农作物较为密集，2018年选取的是4月数据，部分耕地的农作物较为低矮稀疏，部分耕地还未种植农作物，而朱蕾等实验证明了作物生长到一定高度，农田的植被覆盖度较高[23]，因而2007年和2013年植被覆盖总面积、中高植被覆盖面积和高植被覆盖面积可能会有所增加，而2018年植被覆盖面积转化为耕地面积，中高植被覆盖度区域与高植被覆盖度区域面积有所减少。

4 结论

本文应用归一化植被指数提取黄冈市市区植被覆盖度得出，2007年—2018年黄冈市市区植被覆盖度总体呈现上升趋势，植被覆盖总面积增加，但植被覆盖度的稳定性在降低。主要结论如下：

（1）黄冈市市区的植被覆盖情况，从空间上看，黄冈市市区植被覆盖状态良好，植被质量良好，2018年中高植被覆盖度区域和高植被覆盖度区域所占面积为96.7257 km2，占了植被覆盖总面积的31.1％。

（2）2007年—2018年低植被覆盖度区域面积增加77.976 km2，中低植被覆盖度区域面积增加18.318 6 km2，中植被覆盖度区域面积减少12.156 3 km2，中高植被覆盖度区域面积减少39.092 4 km2，高植被覆盖度区域面积减少38.125 8 km2。不同植被覆盖度等级区域之间相互转化，研究区内植被覆盖在2007年是以中高植被覆盖度和高植被覆盖度为主，但是11年间低植被覆盖度、中低植被覆盖度区域面积不断增加，且中高植被覆盖度区域和高植被覆盖度区域逐渐转化为低植被覆盖度区域，影响了区域环境生态平衡。

（3）根据监督分类结果分析，不同土地利用类型相互转化，植被覆盖度稳定性较低，但在退耕还林还草政策支持下，植被覆盖总面积呈稳定上升趋势。

[1]胡婵娟,郭雷.植被恢复的生态效应研究进展[J].生态环境学报,2012,21(9):1640-1646.

[2]范渭亮,杜华强,周国模,等.大气校正对毛竹林生物量遥感估算的影响[J].应用生态学报,2010,21(1):1-8.

[3]ROUSE J W,HAAS R H,SCHELL J A,et al.Monitoring vegetation systems in the great plains with ERTS[C]//FRE-DEN S C,MERCANTI E P,BECKER M A.The Third Earth Resources Technology Sa-tellite-1 Symposium.Washington DC:NASA,1974:309-317.

[4]MULLER DOMBOIS D,ELLENBERG H.Aims and met-hods of vegetation ecology[M].New York:Wiley,1974:80.

[5]PECH R P,GRAETZ R D,DAVIS A W.Reflectance mod-elling and the derivation of vegetation indices for an Aust-ralian semi-arid shrubland[J].International Journal of Remote Sensing,1986(7):389-403.

[6]WITTICH K P,HANSING O.Area-averaged vegetative cover fraction estimated from satellite data[J].International Journal of Biometerology,1995,38(3):209-215.

[7]EASTWOOD J A,YATES M G,TMSON A G,et al.The reliability of vegetation indices for monitoring saltmarsh vegetion cover[J].International Jounal of Remote Sensing,1997,18(18):3901-3907.

[8]LEPRIEUR C,KERR Y H,MASTORCHIO S,et al.Monit-oring vegetation cover across semi-arid regions:Comparison of remote observation from various scales[J].International Journal of Remote Sensing,2000,21(2):281-300.

[9]QI J,MARSETT R C,MORAN M S,et al.Spatial and tem-poral dynamics of vegetation in the San Pedro River basin area[J].Agricultural and Forest Meteorology,2000,105(1-3):55-68.

[10]PELKEY N W,STONEAND C J,CARO T M.Assessing habitat protection regimes in Tanzania using AVHRR NDVI composites:Comparisons at different spatial and temporal scales[J].International Journal of Remote Sensing,2003,24(12):2533-2558.

[11]NABRAN G P.Agrobiodiversity change in a saharan d-esert oasis,1919-2006:Historic shifts in tasiwit (Berber) and Bedouin crop inventories of Siwa, Egypt[J].Economic Botany,2007,61(l):31-43.

[12]KOMEIL R,TAJUL A M.Normalized Difference vegeta-tion change index:A technique for detecting vegetation cha-nges using Landsat imagery[J].CATENA,2019,178:59-63.

[13]梅安新,彭望琭,秦其明,等.遥感导论[M].北京:高等教育出版社,2001:64.

[14]DEERING D W.Rangeland reflectance characteristics measured by aircraft and spacecraft sensors[D].Texas:Texas A&M University,1978.

[15]张远东,徐应涛,顾峰雪,等.荒漠绿洲NDVI与气候､水文因子的相关分析[J].植物生态学报,2003,27(6):816-821.

[16]赵鹏祥,刘建军,王得祥,等.基于RS的绿地信息提取方法的研究:以延安市及环城地区为例[J].西北林学院学报,2003,18(2):91-94.

[17]吴云,曾源,赵炎等.基于MODIS数据的海河流域植被覆盖度估算及动态变化分析[J].资源科学,2010,32(7):1417-1424.

[18]胡良军,邵明安.论水土流失研究中的植被覆盖度量指标[J].西北林学院学报,2001,16(1):40-43.

[19]GUTMAN G,IGNATOV A.The derivation of the green vegetation fraction from NOAA/AVHRR data for use in n-umerical weather prediction models[J].International Journal of Remote Sensing,1998,19(8):1533-1543.

[20]CHOUDHURY B J.Relationships between vegetation in-dices,raditation absorption and net photosynthesis evaluated by a sensitivity analysis[J].Remote Sensing of Environment,1987,22(2):209-233.

[21]GILLIES R R,KUSTAS W P,HUMES K S.A verification of the "Triangle" method of obtaining surface soil water content and energy fluxes from remote measurements of the Normalized Difference Vegetation Index (NDVI) and surface[J].International Journal of Remote Sensing,1997,18(15):3145-3166.

[22]SOBRINO J A,JIMENEZ-MUNOZA J C,PAOLINI L.Land surface temperature retrieval from LANDSAT TM5[J].Remote Sensing of Environment,2004,90(4):434-440.

[23]朱蕾,徐俊锋,黄敬峰,等.作物植被覆盖度的高光谱遥感估算模型[J].光谱学与光谱分析,2008,28(8):1827-1831.

10.3969/j.issn.2095-1205.2022.09.04

TP79;Q948

A

2095-1205(2022)09-11-05

周欣（1997- ），女，汉族，湖北黄冈人，硕士研究生在读，研究方向为资源评价与开发。