苏宇鹏，黄义忠

(昆明理工大学 国土资源工程学院，云南 昆明 650093)

基于主成分分析的云南省植被覆盖异常区域提取

苏宇鹏，黄义忠*

(昆明理工大学 国土资源工程学院，云南 昆明 650093)

为了提取云南省的植被覆盖异常区域，从地理国情监测云平台(http://www.dsac.cn/)MODIS产品下载器下载2007—2016年MOD13A3的时间序列植被指数数据，进行数据的拼接与投影转换处理，并用ArcGIS软件提取并计算2007—2016年的归一化植被指数(NDVI)。以NDVI为基础数据，运用主成分分析法对数据进行降维压缩处理，以删减噪声干扰的影响，增强数据有效信息的可视程度，最后结合其他辅助数据分析该地区植被异常变化情况。结果表明，利用主成分分析法进行数据转换，可以凸显多时相数据集中局部变化的区域，并提取受自然或人为影响最突出的植被变化异常行为，从而识别出高度敏感的有石漠化或者土壤退化迹象的地区，为生物多样性保护、植被变化监测以及合自然和农业资源的合理开发等提供参考信息。

多时相时间序列； 归一化植被指数； 云南

植被覆盖的构成与变化是影响生态系统功能的重要因素[1]。随着涵盖多光谱、多时相、高分辨率的卫星遥感数据的出现，人们得以通过这种经济有效的方式来研究大范围区域的土地覆盖信息[2]。相较于空间、光谱或辐射维度，针对同一地区但跨越一定时间维度的遥感数据能够提供更多的有关土地覆盖状况及变化的有用信息[3]。

归一化植被指数(NDVI)是目前应用最为广泛的植被指数，其值一般为在-1～1。负值表示地面覆盖为云、水、雪等，对可见光高反射；0表示有岩石或裸土等；正值表示有植被覆盖，且随覆盖度增大而增大。NDVI数值和植物的蒸腾作用、太阳光的截取、光合作用以及地表净初级生产力等密切相关，因此，也常被用作反映农作物长势和营养信息的重要参数和衡量地表植被状况的重要指标，是描述生态系统的重要基础数据，也是区域生态系统环境变化的重要指示[4]。

本试验以自然植被区(森林、灌丛、草地等)和农用地为研究对象，提取受自然或人为影响最突出的植被异常变化行为，研究结果可以作为反映植被受环境应力程度(植物应对导致自身生长负面影响的自然灾害或人为活动的能力)的可视性模型参考，并可为监测植物状态和土地退化及荒漠化等提供有价值的信息。

1 材料与方法

1.1 研究区概况

云南省地处我国西南边陲，地理坐标21°～29°N，97°～106°E，东西横跨864.9 km，南北纵距990 km，总面积39.4万km2，气候类型多样，复杂的地形地貌造就了种类繁多的植被类型。受自然灾害(干旱、洪涝、风雨侵蚀等)和人类活动(工业化、火灾、过度耕作、土地撂荒等)的共同影响，云南省的一些地区已被列入全国生态脆弱区，这些地区的环境平衡十分脆弱，很容易受到干扰。

1.2 数据处理

本试验数据来自地理国情监测云平台(http://www.dsac.cn/)，通过Terra MODIS传感器，选取MOD13A3产品，选取时间为2007-01-01—2016-12-31，数据集版本为MODIS Collection 6，选取地区范围为H26V6和H27V6，以及MOD12Q1产品。

运用MODIS数据处理工具MRT将MODIS影像以每月为一组进行影像拼接，并提取Monthly Pixel Reliability和NDVI两个波段，最终输出为TIF格式并运行。接着把质量可靠性层中值设置为0的部分作为掩模，值为0的即为最优值，提取对应时间的NDVI最大值(因为NDVI最大值被认为是可以影响植被覆盖状态变化的可靠指标，也最能够展现自然变化、极端气候以及遭受人为破坏后的植被变化效果)。最后将12月的数据镶嵌到新的栅格当中，运用Mosaic To New Raster工具，添加12个月的数据生成1 a的NDVI数据栅格图像，共10幅。对2007—2016年的NDVI数据做单元统计(cell statistics)，统计平均值。

研究区的土地覆盖类型分布通过MOD12Q1三级数据土地覆盖类型产品(land cover data)得出。它是根据一年的Terra和Aqua观测所得的数据，经处理，用以描述土地覆盖类型[5]。该土地覆盖数据集中包含了12个主要土地覆盖类型，为方便本次试验，重分为城市和建成区，常绿针叶林/常绿阔叶林，水，灌木/草地，落叶针(阔)叶林/落叶阔叶林，谷类作物/阔叶作物，贫瘠和稀疏植被区，雪、冰等8个类型。

1.3 主成分分析

将一个年际时相看作是一个波段，运用GIS波段合成工具将10 a数据合成一个图像，运用主成分分析工具进行分析并生成主成分影像。

计算所有时间序列的NDVI年际均值协方差矩阵(S)，然后计算S的特征值和特征向量，以获得新的特征成分：

(MVCi,j,k2-μk1)。

式中，k1、k2是2个时间序列的数据，MVCi,j是i排和j列中全年NDVI最高值，n是行数，m是列数，μ是MVCi,j值的平均值。

通过下式计算每个成分的方差所占总数据集的比例：

式中λi是S的特征值。

一系列新图层通过下式进行相乘，对于每个像元，S的特征向量是给定像元的初始值：

Pi=∑i=1Pkμk,i。

式中，Pi表示成分i的MVC值，μk,i是数据k分量i的特征向量，Pk是数据k的MVC值。

通过下式计算相关系数(R)：

式中vark是数据k的方差。

2 结果与分析

主成分分析显示，前2个主成分的方差累积值为83.338%(表1)，包含了绝大部分信息量，所以确定采用前2个主成分进行结果分析。

表1 各项主成分的所含信息

如图1所示，第一主成分的变化反映了光合作用有效能积累量的趋势，与每年图像的相关系数都很高，而且全部为正数，在2011和2012年达到最大值，分别为0.362 32、0.375 05，之后逐年减少。第二主成分在2007—2012年与特征向量呈正相关，最大值为2007年的0.568 93，在2013—2016年与特征向量呈负相关，最小值为2016年的-0.446 26，表明2012年后研究区植被覆盖急剧恶化。

图1 关键主成分特征向量的变化趋势

第一主成分(PC1)方差占整个数据集的63.233%(表1)。一般地，PC1的最大值多出现在森林地区或长期稳定的气候生态区域，而在灌木、草地、农作物地区，尤其是在生长一年生作物的地区，PC1值变低。如图2所示，PC1的最大值集中出现在滇西、滇西南、滇南以及昭通北部地区和滇东南一些地区，结合土地覆盖类型情况，说明滇西、滇西南大部分地区森林植被覆盖度好，又因地处山区，受人类的耕地建设等影响较小，得以保持相对稳定。数值低的地区主要分布在滇西北的德钦县、香格里拉县、宾川县、祥云县、元谋县等地区，滇中的昆明周边县市区和昆明市东川区、曲靖市、陆良县、路南彞族自治县、泸西县、弥勒县等地区，以及滇南的建水县、开远市、蒙自县、丘北县、文山县、砚山县等地，主要是受城镇建设、植被类型影响，植被覆盖比较差，累积值较低。可见，PC1与年均NDVI值较符合(图3)，在一定程度上也与土地覆盖类型相符合。

图2 研究区第一主成分分布

图3 研究区2007—2016年NDVI均值分布

第二主成分(PC2)方差占总数据集的20.115%。多数情况下，它是由于人为因素的改变所致。人为干扰既会有积极驱动的方面，也会有消极影响的方面。能够朝积极的方向推动NDVI变化的人类活动包括灌溉、施肥以及有效管理，与之相反，土体扰动(整地、松土、翻耕、挖除树根等活动)、剧烈的土地利用变化和森林火灾等会导致NDVI向负方向移动。第二主成分的特征向量曲线显示出下降的趋势(图1)，说明这些变化主要是消极的，导致植被所能承受的环境应力程度逐步下降。PC2的值越高，表明NDVI的变化幅度越大，植被所能承载的环境应力越小；值越低，表明变化幅度越小，植被所能承载的环境应力越大。如图4所示，变化程度较大的地区有滇西北昭通大部地区以及滇东南罗平、宗师、丘北、砚山、文山、西畴、麻栗坡、广南、富宁，还有宁蒗彝族自治县和滇西南临沧、永德、施甸一线。这些地区在强烈的耕作或地质、气候环境下，土地利用急剧变化。目前，这样的区域被认为是具有高度敏感的石漠化迹象或者土壤退化迹象的地区。

图4 研究区第二主成分分布

3 小结与讨论

本研究从地理国情监测云平台(http://www.dsac.cn/)下载2007—2016年MOD13A3的时间序列植被指数数据，测算2007—2016年的归一化植被指数(NDVI)，并以NDVI为基础数据，运用主成分分析法(PCA)分析云南省植被异常变化情况。结果表明，对单一变量的多时相图像进行主成分分析，第一主成分反映变量的一般特征信息[6]，而第二和其他主成分反映了一种权重逐渐减小的变化特征信息[7]。主成分分析法的运用，可以凸显多时相数据集中局部变化的区域，并提取受自然或人为影响最突出的植被变化异常行为，监控在多元风景地貌中的土壤退化现象。可见，主成分分析法是一个有效的工具，可以从NDVI时间序列中提取有价值的年际变化信息。本研究充分体现了在局部比例尺下在环境分析方面NDVI时间序列的潜在应用价值，研究方法、思路及成果也可为与之相关的植被环境保护方面的开发决策等作辅助参考。

[1] 王红说, 黄敬峰. 基于MODIS NDVI 时间序列的植被覆盖变化特征研究[J]. 浙江大学学报(农业与生命科学版), 2009, 35(1):105-110.

[2] LUNETTA R S, KNIGHT J F, EDIRIWICKREMA J. Land-cover characterization and change detection using multitemporal MODIS NDVI data[J]. Remote Sensing of Environment, 2006, 105(2):142-154.

[3] REED B C, BROWN J F, VANDERZEE D, et al. Measuring phenological variability from satellite imagery[J]. Journal of Vegetation Science, 1994, 5(5):703-714.

[4] 苗荣. 基于RTK的艾比湖周边植被空间格局的研究[D]. 乌鲁木齐：新疆师范大学, 2010.

[5] 何早柯, 程勇翔, 韩忠玲. 新疆北疆景观格局空间分异特性研究[J]. 石河子大学学报(自然科学版), 2016, 34(1):126-132.

[6] 延昊, 王长耀. 遥感植被指数对多时相AVHRR数据主成分分析的影响[J]. 遥感学报, 2002, 6(1):30-34.

[7] 李聪, 曹占洲, 丁林,等. 新疆地区多时相MODIS—NDVI数据主成分分析[J]. 气象与环境科学, 2012, 35(2):40-43.

(责任编辑：高 峻)

2017-09-07

苏宇鹏(1991—)，男，河南灵宝人，硕士研究生，研究方向是空间定位数据分析与应用，E-mail：315227101@qq.com。

黄义忠(1972—)，男，广西桂林人，副教授，博士，从事土地资源管理与环境地质方面研究工作，E-mail：hyizhong95@163.com。

文献著录格式：苏宇鹏，黄义忠. 基于主成分分析的云南省植被覆盖异常区域提取[J].浙江农业科学，2017，58(11)：1965-1967，1973.

10.16178/j.issn.0528-9017.20171131

TP75

A

0528-9017(2017)11-1965-03