APP下载

基于RS的环巢湖区域植被覆盖动态变化研究

2019-04-27刘刚王晴晴赵腾飞

安徽农学通报 2019年7期
关键词:动态变化遥感

刘刚 王晴晴 赵腾飞

摘 要:利用1995年、2005年、2013年同一季相的 TM 图像数据,通过遥感(Remote sensing,RS)技术,采用基于归一化植被指数 (NDVI)的像元二分模型,提取不同年份植被覆盖度信息,分析环巢湖区域1995—2013年植被覆盖动态变化情况及空间分布情况。结果表明,1995—2013年,环巢湖区域的植被覆盖度先升后降,城市及其边缘地区植被覆盖度低且下降迅速,部分乡镇植被覆盖则呈上升趋势。

关键词:环巢湖区域,遥感,归一化植被指数,植被覆盖,动态变化

中图分类号 Q948 文献标识码 A 文章编号 1007-7731(2019)07-0115-04

Abstract:In this paper,there were three TM image data in regions surrounding Chao Lake which were collected at the same season from 1995,2005 and 2013. The normalized vegetation index (NDVI) of different years were calculated based on two components sub—pixelmode1 through Remote sensing (RS) technology and then dynamic changes and spatial distribution of vegetation coverage were analyzed in regions surrounding Chao Lake from 1995 to 2013. The results showed that the vegetation coverage had a tendency to increase first and then decrease In and around the city,while some of the vegetation coverage had another tendency to increase in some towns in regions surrounding Chao Lake during 18 years form1995 to 2013.

Key words:Regions surrounding Chao Lake;Remote sensing;Normalized vegetation index;Vegetation coverage;Dynamic change

植被覆盖度是指植被,包括叶、茎、枝干在地面的垂直投影面积占统计区总面积的百分比[1],是衡量地表植被状况、生态系统健康的一个重要的指标。草地植被覆盖度的传统测量方法是地表实测法,主要分为3类,即采样法、仪器法和目视估测法[2]。传统方法区域植被覆盖率最常用的是样本估算法,即在研究区选取大量样方,用样方的覆盖率估算整个区域的覆盖率,这种方法具有耗时、耗力、误差大等缺点,不利于大尺度开展研究。利用遥感技术采用像元二分模型[3]进行区域植被覆盖的遥感估算,相对简单可靠,该方法假设1个像元的地表由有植被覆盖部分地表与无植被覆盖部分地表组成,利用遥感传感器观测到的光谱信息,通过各因子的权重计算各自面积在像元中所占的比率,在此基础上通过建立植被指数与植被覆盖度的转换关系来直接计算植被覆盖度。所用植被指数通过验证与植被覆盖度有较高的相关性[4,5],因此使用NDVI归一化植被指数估算植被覆盖度,可以方便、快捷、准确地大范围获取区域植被覆盖信息。环巢湖区域的植被覆盖度与巢湖的生态环境相关,因此研究环巢湖区域的植被覆盖度的变化有重要意义。本文以环巢湖区域为研究区,利用1995、2005年、2013年3期TM影像,提取不同年份植被覆盖度信息,分析环巢湖区域1995—2013年植被覆盖动态变化情况及空间分布情况。

1 研究区概况

研究区为环巢湖区域(包括巢湖水面及周边的白山镇、盛桥镇、槐林镇、散兵镇、银屏镇、天河街道、亚父街道、卧牛山街道、凤凰山街道、半汤街道、夏阁镇、中垾镇、烔炀镇、黄麓镇、中庙镇(2005年改为中庙街道)、长临河镇、大圩乡、义城镇、烟墩乡(2008年更名为烟墩街道)、合肥市经开区、桃花镇、上派镇、严店乡、三河镇、同大镇、桃花工业园)。研究区位于安徽省中部,长江流域下游左岸,地理坐标位于东经117°4′38″~117°58′11″,北纬31°18′50″~31°50′49″。地势总轮廓是东西长,南北窄,且西高东低,中部低洼平坦,形成巢湖盆地的态势。属北亚热带温润性季风气候。

2 研究方法

2.1 數据的获得及预处理 采用1995年、2005年、2013年3年同期(9月份)的30m分辨率Landsat TM卫星影像。利用土地利用图对卫星影像进行预处理,将遥感影像DN值转化为对应像元的辐射亮度值进行辐射定标[6],然后进行大气校正和几何校正。

2.2 NDVI的提取 利用植被指数近似估算植被覆盖度[7],常用的植被指数为NDVI,能较好的反映植被覆盖度的变化[8],本文使用ENVI5.1的Bandmath工具计算,计算公式如下:

NDVI=(BNIR-BRED)/(BNIR+BRED) (1)

NDVI的值在-1~1之间。一般情况下,NDVI小于0,认为是水体;比较小的、接近于0的,认为是裸土。植被覆盖区域NDVI比较大,植被覆盖较好的区域NDVI大于0.7。

2.3 植被覆盖度估算 采取像元二分模型[9-12]进行植被覆盖度计算,公式如下:

VFC=(NDVI-NDVIsoil)/(NDVIveg-NDVIsoil) (2)

其中,NDVIsoil为完全是裸土或无植被覆盖区域的NDVI值,NDVIveg则代表完全被植被所覆盖的像元的NDVI值,即纯植被像元的NDVI值。2个值的计算公式如下:

NDVIsoil=(VFCmax*NDVImin-VFCmin*NDVImax)/(VFCmax-VFCmin) (3)

NDVIveg=(1-VFCmin)*NDVImax-(1-VFCmax)*NDVImin)/(VFCmax-VFCmin) (4)

研究区域内VFCmax和VFCmin近似为VFCmax=100%,VFCmin=0%。公式(2)可变为:

VFC=(NDVI-NDVImin)/(NDVImax-NDVImin) (5)

NDVImax和NDVImin分别为研究区域内最大和最小的NDVI值。本文对研究区域3年的NDVI值进行统计,分别取累积概率为5%和95%的NDVI值作为NDVImin和NDVImax,由此可以把整个区域分为3个部分。当NDVI小于NDVImin,VFC取值为0;NDVI大于NDVImax,VFC取值为1;NDVI在两者之间,采用(5)式进行计算,分别得到1995年、2005年、2013年的植被覆盖度图。对植被覆盖图分类处理(表1),小于10%为无植被覆盖(NFC),10%~30%为低植被覆盖(MFC),30%~50%为中植被覆盖(LFC),50%~80%为较高植被覆盖(HFC),80%~100%为高植被覆盖(FFC)。

3 结果分析

3.1 植被覆盖度动态变化 从表2和图3中可以看出,1995年、2005年、2013年FFC所占比例均超过57%,说明环巢湖区域有较高的植被覆盖度,生态环境总体较好。其中FFC的面积从1995年的1213.76km2,增加到2005年的1435.44km2,但到2013年有所下降,仅为1134.25km2。

从图2、表3和表4可以看出1995至2005年,FFC面积增大,FFC主要转出为HFC,转出面积为111.63km2,占总面积的9.2%;主要转入为HFC,转入面积329.66km2,转入大于转出,总体来看环巢湖地区HFC转为FFC,表明该区域对高植被覆盖的林地及耕地的生态恢复大于破坏。MFC主要转出为HFC,转出面积65.28km2,NFC的主要转出为LFC,转出面积7.61km2,说明低植被覆盖和无植被覆盖减少。

从图2、表5和表6可以看出2005—2013年,FFC面积大大减少,主要转出类型为HFC,转出面积332.81km2,占22.5%,说明研究区内对高覆盖度的植被的破坏大于生态恢复。研究区内MFC的主要转为HFC,转入面积24.03km2,NFC的主要转入是LFC,转入面积为2.71km2,说明区内有HFC、LFC转入低植被覆盖和无植被覆盖,生态环境有所退化。

3.2 植被覆盖空间分布特征 从图4可以看出,夏阁镇、中垾镇、严店乡、三河镇、同大镇、银屏镇植被覆盖度较高,而亚父街道、卧牛山街道、凤凰山街道、经开区、桃花工业园植被覆盖度较低,且经开区和桃花工业园呈持续快速下降趋势,但白山镇、盛桥镇、同大镇呈缓慢上升趋势。

4 讨论

植被覆盖度的遥感测量法是利用遥感技术提取研究区的植被覆盖信息,再将其与植被覆盖度建立相关关系,获得植被覆盖度。此方法能够便捷、大范围的监测植被覆盖度的变化。李苗苗等利用TM数据提取了密云水库上游的植被覆盖度,并进行了精度检验,精度高达85%[9]。刘广峰等以ETM+为数据源,基于植被指数(NDVI)建立像元二分模型,对毛乌素沙地进行了植被覆盖度提取,然后根据实地调查数据对提取结果进行了精度验证,平均精度为79.4%[11]。本文基于前人利用遥感影像反演植被覆盖度的研究和经验,通过卫星影像获得NDVI,使用遥感模拟的像元二分模型,计算1995年、2005年、2013年研究区内植被覆盖度,并在此结果的基础上进行了转移矩阵分析。研究发现,环巢湖区域1995年、2005年、2013年的高植被覆盖度所占面积均超过50%,说明环巢湖区域内的植被覆盖度总体较高。但2005—2013年间,高植被覆盖度所占面积大量减少,无植被覆盖和低植被覆盖和中植被覆盖增多,说明环巢湖区域植被覆盖度在减小,生态环境遭到了破坏。这可能受国家政策和环巢湖区域人类活动的影响,特别是城市扩展和建设存在着一定关系。自2002年起安徽省正式启动退耕还林工程,这可能是从1995到2005年环巢湖区域内植被覆盖度增加的主要原因,而进入2005年后,合肥进入大建设和大开发阶段,城市面积扩张迅速,导致环巢湖区域内植被覆盖度出现下降的趋势。

参考文献

[1]章文波,符素华,刘宝元.目估法测量植被覆盖度的精度分析[J].北京师范大学学报(自然科学版),2001,37(03):403-408.

[2]张云霞,李晓冰,陈云浩.草地植被盖度的多尺度遥感与实地测量方法综述[J].地球科学进展,2003,18(01):85-93.

[3]陈晋,陈云浩,何春阳,等.基于土地覆盖分类的植被覆盖率估算亚像元模型与应用[J].遥感学报,2001,5(6):416-422.

[4]查勇.草地植被变化遥感监测方法研究:以环青海湖地区为例[D].南京:南京师范大学,2003.

[5]程红芳,章文波,陈锋.植被覆盖度遥感估算方法研究进展[J].国土资源遥感,2008(1):13-17.

[6]黎良财,邓利,曹颖,等.基于NDVI像元二分模型的矿区植被覆盖动态监测[J].中南林业科技大学学报,2012,32(6):18-23.

[7]Purevdorj T,Tateishi R,Ishiyama T et al.Relationships between percent vegetation cover and vegetation indices[J].International Journal of Remote Sensing,1998,19(18):3519-3535

[8]劉玉安,黄波,程涛,等.基于像元二分模型的淮河上游植被覆盖度遥感研究[J].水土保持通报,2012,32(1):94-97.

[9]李苗苗,吴炳方,颜长珍,等.密云水库上游植被覆盖度的遥感估算[J].资源科学,2004,26(4):157-164.

[10]吴昌广,周志翔,肖文发,等.基于MODIS NDVI的三峡库区植被覆盖度动态监测[J].林业科学, 2012,48(1):22-28.

[11]刘广峰,吴波,范文义,等.基于像元二分模型的沙漠化地区植被覆盖度提取——以毛乌素沙地为例[J].水土保持研究,2007,14(2):268-271.

[12]姜烨,孙建国,李庆.基于像元二分模型的植被覆盖度遥感信息提取[J].科技信息,2013,(10):168-170.

(责编:王慧晴)

猜你喜欢

动态变化遥感
外出务工、家庭老人特征及农村家庭贫困的关联研究
侦查阶段“证据材料的动态变化”监督与控制研究
广西木材产量动态研究
动态变化的网络系统安全处理机制研究
中国“遥感”卫星今年首秀引关注
脑梗死后炎性因子的动态变化研究