基于Logistic模型的茂蘭保護區植被變化分析

楊云

（成都理工大學 地球科學學院，四川成都 610059）

業務探討 BUSINESS DISCUSSION

基于Logistic模型的茂蘭保護區植被變化分析

楊云

（成都理工大學 地球科學學院，四川成都 610059）

基于多時相的茂蘭保護區TM遙感影像數據，用監督分類的方法對1999年和2015年的影像進行分類。利用ArcGIS軟件的空間分析模塊對兩期影像的土地利用分類結果進行疊加分析，統計各類別多年的變化。結合研究區整個時段的降水、溫度、地形、交通網等因素。使用SPSS軟件的Logistic模型進行統計回歸分析，得出影響研究區植被變化的因素，并分析影響機制。本研究為茂蘭保護區的生態保護與環境治理政策的制定提供科學依據。

ArcGIS；Logistic回歸；植被變化；遙感

茂蘭國家自然保護區是一個典型的喀斯特地貌地區,是一個相當脆弱的生態系統。一旦遭到破壞將難以恢復，甚至會形成石漠化，嚴重影響其生態環境。因此保護和發展茂蘭保護區森林資源,對于研究森林植被恢復途徑，保持森林群落完整的原生狀態，形成生態-經濟-社會等方面全面協調可持續發展的局面具有積極意義。本論文通過對茂蘭不同時期的影像進行解譯分析，以及對氣候、水文、居民點等資料的綜合分析，得出引起茂蘭地區多年間有林地變化的主導因素，為人們保護和管理茂蘭喀斯特森林及其遺傳資源具有重要參考價值。

1 區域概況

茂蘭國家級自然保護區位于貴州省黔南布依族苗族自治州荔波縣境內，毗鄰廣西木倫國家級自然保護區，與廣西壯族自治區環江縣接壤，地理位置為東經107°52′10″～108°45′40″，北緯25°09′20″～25°20′50″。全區總面積為21285公頃，森林的覆蓋率達87.4%。中亞熱帶季風濕潤氣候，全年的平均氣溫為15.3℃，全年的降水量為1752.5毫米，海拔高度在430-1078米之間，主要保護對象為喀斯特森林及珍稀動植物。

2 數據與研究方法

2.1 數據處理

從美國地質勘探局網站上下載1999年和2015年兩期30米分辨率的TM遙感影像數據，并利用ENVI對兩期遙感影像分別做輻射定標和大氣校正，以消除傳感器本身產生的誤差和消除遙感圖像由大氣散射引起的誤差，提高影像數據的質量，便于影像分類。然后用研究區矢量邊界來裁剪校正后的影像數據，最后目視解譯將影像分為有林地、草地、旱地、水田、建設用地五類。數字高程模型數據來源于地理空間數據云平臺，分辨率為30米。本論文共使用130個研究區內均勻分布的樣本點，其中75個點作為監督分類的樣本點，55個點作為分類后精度檢測的樣本點。利用ENVI對影像做監督分類，用混淆矩陣對分類后的數據做精度驗證。這里以影像的像元為單位選擇驗證樣本，行列對應類型的數值為驗證樣本中分類正確的像元數，類型不同的行列數值為驗證樣本中錯分的像元數量。在混淆矩陣結果中有六個精度指標，分別說明分類的整體情況和精度大小。

2.2 數據選取指標

影響森林植被空間分布的因素有很多種，概括起來包括自然因素和社會經濟因素兩類。自然因素主要包括地形、降水、溫度等。地形對植被的空間分布影響明顯,研究區內植被主要集中分布在海拔較低的山坡丘陵地帶,區域的降水量、溫度以及坡向都會在不同程度上影響植被的分布，且陽坡的植被長勢顯著高于陰坡。因此選取海拔、降水、溫度、坡度以及坡向作為Logistic回歸模型自然因素方面的因子,其中坡度、海拔、坡向三個因子通過D EM提取，降水、溫度數據來源于中國氣象數據網。社會經濟因素選取距道路距離作為回歸模型的影響因子。將1999年和2015年茂蘭保護區的T M遙感影像作土地利用類型分類，分類后的兩期數據利用ArcGIS空間分析模塊作疊加分析，并選取1999年其他類型轉變為2015年森林的分布范圍作為回歸模型的因變量。

表1 土地利用轉移矩陣

土地利用變化矩陣 2015 1999 有林地 草地 水田 旱地 建設用地 總和有林地 166.31 0.78 0.02 0.15 0.00 167.27草地 10.63 13.53 0.25 1.08 0.00 25.50單位（km） 水田 0.27 0.43 1.31 1.40 0.13 3.54旱地 2.41 2.43 0.80 2.49 0.12 8.24建設用地 0.10 0.04 0.03 0.10 0.17 0.43總和 179.72 17.22 2.41 5.22 0.42 204.98

表2 Logistic回歸模型的結果

變量B S.E,坡度坡向夏季均溫-11.198 3.147夏季平均降水量 0.167 0.090距道路距離海拔-0.008 0.002常量

2.3 Logistic回歸模型的運用

logistic回歸是一種廣義的線性回歸分析模型，二元Logistic回歸模型是針對二值響應變量建立的回歸模型，論文選擇1999年其他類型是否轉變為有林地作為模型的因變量，代入模型中的自變量可為定性或定量數據，Logistic回歸模型的數學表達式為

其中，P為事件發生的概率，α為模型的常數項，β為最終模型中變量的系數，X為代入模型的自變量。

3 結果與分析

3.1 茂蘭保護區植被的變化

利用ArcGIS的疊加分析將1999年和2015年的土地利用類型數據作聯合分析，得到土地利用轉移矩陣（表1）。從1999年到2015年有林地增加的數量來看，有大量的草地轉變為有林地，其面積為10.63km，水田、旱地、建設用地都有不同面積的轉變為有林地，有林地的面積增加共計12.45km。1999年部分有林地轉變為其他類型，面積為0.95km。

3.2 基于Logistic回歸模型的有林地變化分析

在ArcGIS中隨機生成200個均勻分布的隨機點，用隨機點與土地利用數據、溫度、降水、DEM、坡度、坡向、距道路距離的柵格數據圖層進行疊加，分別提取每個點對應的土地利用類型、溫度值、降水量、海拔高程值、坡度、坡向、距道路遠近的距離值，代入Logistic模型，將1999年其他類型是否轉變為有林地作為因變量，將溫度、降水、海拔、坡度、坡向、距道路距離作為自變量進行回歸分析。因為極端天氣最容易影響森林的分布變化，例如夏季的高溫能使植被缺水干渴死亡。所以研究選取的溫度值和降水值是研究區從1999年到2015年的夏季5月到8月4個月的平均溫度值和平均降水量。得到最終模型內變量的回歸系數表2所示。在表2中，B列系數是最終模型中變量的回歸系數，系數的正負表示自變量與因變量的相關關系正相關還是負相關，絕對值的大小表示影響程度，例如表2中夏季均溫的系數B=-11.198，表示自變量夏季均溫與因變量之間的關系為負相關。即隨著溫度的降低，對1999年其他類向有林地轉換越有利，有林地增加。S.E.為相應變量的標準誤差。從“Hosmer和Lemeshow檢驗”的檢驗結果顯著性檢驗的Sig=0.893＞0.5可以看出模型能夠較好的擬合數據。

從回歸模型的結果可以得出，影響茂蘭保護區1999年其他類型向有林地轉變的空間分布最主要的因素是保護區的夏季溫度均值，然后依次是保護區的坡向、坡度、夏季的平均降水量、海拔。在回歸系數中夏季的平均溫度和海拔都是負數，說明這兩個變量在引起1999年其他類向有林地的轉變中起著負面作用，例如溫度降低和海拔下降，有林地增加。其余變量都是起正面作用的，與有林地的增加是正相關關系，例如降水量增加，有林地增加。海拔起負面作用，可能是因為茂蘭保護區的喀斯特地貌引起的。而且保護區地處中亞熱帶季風濕潤氣候區，海拔越高，溫度、降水都會不同，所以海拔越低對有林地的空間分布影響越明顯。

4 結語

由土地利用變化矩陣(表1)可知，1999年和2015年間草地面積減少10.63km，主要轉變為有林地，而基于Logistic回歸模型分析影響有林地的空間分布變化最主要的因素是保護區的夏季溫度均值，坡向也是一個決定性的因素。所以加大保護區的保護力度，對保護區植被的空間分布有著重要意義。

[1]劉皓波.基于GIS和TM影像的植被變化分析----以江西省武寧縣為例[J].林業科技開發,2013,27(6)：76-79.

[2]蔡澤東.茂蘭自然保護區的保護與當地社區和諧發展研究[D].貴州師范大學,2007.

[3]鄭有飛,牛魯燕,吳榮軍.1982---2003年貴州省植被覆蓋變化及其對氣候變化的響應[J].生態學雜志,2009,28(9)：1773-1778.

[4]馬志勇,沈濤.基于植被覆蓋度的植被變化分析[J].測繪通報2007,(7)：45-48.

[5]趙占輕,黃玲玲,張旭東,郭志華,張小全.張家界女兒寨小流域植被變化驅動力[J].生態學報,2010,30(5)：1238-1246.

K909

A

1003-2177（2017）03-0060-03

楊云（1993—），男，漢族，四川成都人，碩士研究生在讀，研究方向：地圖學與地理信息系統。