基于像元二分法的鹽池縣植被覆蓋度與地質災害點時空格局分析

張曉東， 劉湘南， 趙志鵬， 趙銀鑫， 馬玉學， 劉海燕

(1.中國地質大學(北京)信息工程學院，北京 100083; 2.寧夏回族自治區地質調查院,銀川 750021)

0 引言

引發地質災害的因素主要有地質構造、地形地貌、巖土類型、植被、水文、氣象以及人類活動等因素[1]。植被作為生態環境最重要的組成部分之一，與一定的氣候、地貌和土壤條件相適應，對地表環境的依賴性大，在地質災害的發育過程中起著十分重要的作用，植被覆蓋程度及其變化不僅是區域生態系統環境變化的重要指標，也是影響區域地質災害發生頻率與規模的重要因子之一，常被選作地質災害易發性和危險性評估的重要指標[2-4]。目前關于植被覆蓋度與地質災害之間關系的研究相對較少，多數研究[5-7]認為植被覆蓋度越低，越容易發生地質災害； 但張國平等[8]認為地質災害更多發生在高植被覆蓋度區域。因此，目前對于植被覆蓋度與地質災害時空格局關系尚未達成統一認識[9]。

寧夏回族自治區鹽池縣地處農牧交錯區，自然環境敏感性強，生態地質環境極為脆弱，是全區地質災害較為發育的地區之一，滑坡、崩塌及泥石流等災害隱患分布廣泛。近年來，鹽池縣植被恢復明顯，區域植被類型和結構發生了重大變化，但在以往的地質災害工作中，對植被覆蓋度與地質災害點時空格局關系的研究很少涉及。因此，深入了解研究區植被覆蓋度與地質災害點的關系，對該區域地質災害防治有重要的現實意義。本文利用Landsat TM/OLI遙感數據，基于像元二分模型對鹽池縣4個時期的植被覆蓋度變化進行分析； 同時，結合研究區地質災害體(滑坡、崩塌、泥石流及地面塌陷)數據，進一步探討植被覆蓋度與地質災害體的關系，以期為鹽池縣地質災害防治提供理論方法和科學依據。

1 研究區概況及數據源

1.1 研究區概況

鹽池縣位于寧夏回族自治區東部，毛烏素沙漠南緣，與內蒙古自治區、陜西省和甘肅省接壤，總面積約6 757.6 km2。地形總體呈南部高、北部低，中部高、東西兩側低的特點，北部為鄂爾多斯緩坡丘陵，地勢平緩起伏，南部為黃土丘陵區，溝壑縱橫, 地質環境條件十分脆弱，水土流失嚴重。氣候屬典型中溫帶大陸性季風氣候，常年干旱少雨，風大沙多，年平均氣溫為8.4 ℃，年均無霜期為160 d； 多年平均降水量為250～350 mm，從南向北、從東南向西北遞減，年平均蒸發量為2 403.7 mm。土壤主要有灰鈣土、黑壚土和風沙土。植被在區系上屬亞歐草原區亞洲中部亞區，主要植被類型有干草原、荒漠草原、沙生和隱域性植被4種。地層區劃屬華北地層區，以車道—阿色浪斷裂為界，西側為鄂爾多斯西緣地層分區桌子山—青龍山地層小區，東側為鄂爾多斯地層分區鹽池—環縣地層小區； 境內出露最老地層為中元古界王全口組，奧陶系、二疊系、三疊系和侏羅系僅零星出露，白堊系主要分布在縣城東部蘇步井—紅溝梁—佟記圈—青山一帶，第四系地層分布廣泛。

1.2 數據源及其預處理

研究選用的遙感數據為美國地質調查局網站提供的1989年8月24日、1999年8月12日、2006年9月8日Landsat5 TM影像、2014年7月28日獲取的Landsat8 OLI影像以及1999年8月11日的SPOT_VGT數據。地質災害數據源于寧夏回族自治區國土資源廳支撐項目“寧夏鹽池縣地質災害詳細調查”對滑坡、崩塌、泥石流以及地面塌陷4類地質災害點的統計結果，共計地質災害點231個。其他非遙感信息源主要包括1∶5萬地形圖、行政區劃圖及水系圖等。首先，在ENVI5.0中對4期遙感影像進行輻射定標，將像元灰度值轉換為輻射亮度值； 然后，基于FLAASH大氣校正模型對4期影像的可見光—近紅外波段進行大氣校正，形成反射率圖像； 最后，利用1∶5萬地形圖為參考，采用二次多項式和最近鄰法對影像進行配準，均方根誤差控制在0.5個像元內，同時利用鹽池縣行政區劃矢量數據提取研究區多波段遙感圖像。研究所用數據均采用中央經線為105°E的高斯克呂格投影。

2 研究方法

2.1 像元二分模型

像元二分模型[10]是基于線性混合像元分解模型的一種計算植被覆蓋度的常用方法。 Gutman和Ignatov[11]發現了植被覆蓋度與歸一化差值植被指數(normalized difference vegetation index,NDVI)之間的半經驗關系，并構建了從NDVI中提取植被覆蓋度fc的混合像元模型，即

fc=(NDVI-NDVIsoil)/(NDVIveg-NDVIsoil) ，

(1)

式中：NDVIveg和NDVIsoil分別為完全被植被覆蓋的NDVI和完全被裸土覆蓋的NDVI。NDVIsoil在理論上應該接近0且不隨時間變化,但是受大氣狀況、地表粗糙度、地表水分狀況以及太陽輻射等多種因素的影響,NDVIsoil隨空間和時間而變化, 其變化范圍一般在-0.1～0.2，因此應該根據不同研究區的具體情況來確定NDVIsoil的值[12]； 而NDVIveg則與植被類型、分布特征以及季節變化密切相關，因此Gillies等[13]提出了式(2)計算植被覆蓋度，即

fc=(NDVI-NDVImin)/(NDVImax-NDVImin) 。

(2)

式中NDVImax和NDVImin分別為NDVI的最大值和最小值。

本研究分別對4期NDVI影像數據進行直方圖統計分析，確定NDVImax和NDVImin在累積概率95%和5%處，將其分別設置為NDVIveg和NDVIsoil的值，其中最大值為純植被覆蓋區值，最小值為純裸土覆蓋區值(表1)。將1999年8月11日的SPOT_VGT數據重采樣為30 m，并計算其植被覆蓋度。隨即生成19個點，分別提取1999年TM和SPOT_VGT的植被覆蓋度并進行線性擬合，擬合方程為y=0.867 6x+0.015 5，R2=0.740 1，表明利用像元二分模型獲得的植被覆蓋度具有較高的可信度，精度能夠滿足本研究的要求。

表1 研究區不同時期遙感影像NDVIveg和NDVIsoilTab.1 NDVIveg and NDVIsoil of remote sensingimages in different periods

2.2 植被覆蓋度等級劃分

參照水利部頒布的《土壤侵蝕分類分級標準SL190—2007》和國家林業局頒布的《第四次全國荒漠化和沙化監測技術規定》，結合鹽池縣植被覆蓋的實際情況，將研究區植被覆蓋度等級劃分為5級： Ⅰ級(0≤fc<10%)為無植被覆蓋區(裸地)； Ⅱ級(10%≤fc<20%)為極低植被覆蓋度； Ⅲ級(20%≤fc<30%)為低植被覆蓋度； Ⅳ級(30%≤fc<40%)為中植被覆蓋度； Ⅴ級(fc≥40%)為高植被覆蓋度。

2.3 植被覆蓋度動態變化等級劃分

采用差值法對4期遙感影像進行差值運算，量化各個時期植被覆蓋度的變化，記Δfc為植被覆蓋變化值，則

Δfc=fcf-fcl，

(3)

式中：fcf為前一時期植被覆蓋度；fcl為后一時期植被覆蓋度。Δfc可分為以下6個等級[14]： 1為嚴重退化[-1，-0.15]，2為中度退化(-0.15，-0.05]，3為輕微退化(-0.05，0]，4為輕微改善(0，0.05]，5為中度改善(0.05，0.15]，6為極度改善(0.15，1]。

3 結果與分析

3.1 植被變化分析

3.1.1 植被覆蓋度時空格局變化

基于像元二分模型計算鹽池縣4個時期的植被覆蓋度并進行等級劃分，對各等級面積進行統計(表2)。結果表明，研究區植被覆蓋度整體表現出東部相對較高、西部較低的特點，覆蓋等級較高的植被主要分布在研究區東南的麻黃山地區以及東北部的鹽池縣城周邊。25 a間整體植被覆蓋度呈現增加趨勢，東南部和西北部植被增加明顯，中西部地區植被出現退化現象，但不同時期的植被覆蓋度有上升也有下降。1989—1999年間植被覆蓋度增加，主要集中在研究區中西部，而南部的麻黃山地區出現了一定程度的下降； Ⅰ級、Ⅱ級植被面積減少，Ⅲ級和Ⅳ級植被面積明顯增加。1999—2006年間植被退化，植被覆蓋度下降，主要分布在鹽池縣的西部以及南部； Ⅰ級、Ⅱ級植被面積明顯增加，Ⅲ級、Ⅳ級和V級植被面積減少。2006—2014年間植被覆蓋度增加，植被恢復明顯，主要分布在研究區東北、西南以及東南部地區； Ⅰ級、Ⅱ級植被面積減少，Ⅲ級、Ⅳ級和V級植被面積明顯增加，植被再次處于恢復狀態。總體來看，25 a來研究區植被覆蓋度整體偏低且呈先增加、后減小、再增加的特征，植被表現為恢復—退化—恢復的過程。

表2 1989—2014年鹽池縣植被覆蓋面積及其變化率Tab.2 Vegetation coverage area and rate of change in Yanchi County from 1989 to 2014

3.1.2 植被覆蓋度動態變化特征分析

利用植被覆蓋度差值法(式3)量化分析鹽池縣1989—2014年間的4期數據，揭示研究區25 a間植被覆蓋度動態變化特征(圖1)。

(a) 1989—1999年(b) 1999—2006年(c) 2006—2014年(d) 1989—2014年

圖1鹽池縣不同時期植被覆蓋度變化

Fig.1VegetationcoveragevariationofYanchiCountyindifferentperiods

結果表明： 1989—1999年間鹽池縣植被整體處于改善恢復狀態，其中植被改善比例約57.22%，植被退化比例約42.78%，中度和極度改善面積約為2 590.98 km2，占植被改善面積的67%。從空間格局看，改善區域主要分布在鹽池縣中西部的惠安堡鎮、馮記溝鄉、王樂井鄉及高沙窩鄉，退化區域主要集中在南部的麻黃山地區。1999—2006年間鹽池縣植被明顯退化，退化面積達4 997.56 km2，主要分布在鹽池縣西部以及南部； 植被改善面積相對較小，主要分布在研究區中東部鹽池縣周邊，且以輕度和中度為主。2006—2014年間植被明顯改善，改善面積為4 891.43 km2，其中中度改善和極度改善比例分別為34.21%和16.26 %，主要分布在研究區東北、西南以及東南部地區； 而退化面積較小，主要分布在研究區中部。1989—2014年間鹽池縣植被退化與改善并存，退化面積約3 276.78 km2，約占總面積的48.49%，以中度退化為主； 改善面積約3 480.84 km2，約占總面積的51.51 %且以中度改善為主，改善區域主要分布在大水坑鎮、青山鄉以及鹽池縣城周邊，而退化區域主要分布于西南部的惠安堡鎮和西北部的高沙窩鎮地區，在西南部的麻黃山以及中部地區也出現退化現象。

3.1.3 植被覆蓋度變化原因分析

鹽池縣植被變化的主要原因是植被恢復治理措施以及降水等多種因素。退耕還林還草、全縣禁牧、人工封育以及大規模的治沙造林等活動對于植被的恢復起到了很大的促進作用，但在氣候的影響下植被覆蓋度波動明顯，在干旱年份尤為突出。1989—1999年間，年均降水量呈增加趨勢，年均氣溫穩定，有利于植被的恢復，使植被覆蓋度高的區域面積增加、比例增大，植被覆蓋度低的區域面積減少、比例降低，植被呈恢復趨勢(圖2(a))。2000—2006年間，年均降水量和氣溫自2002年后均呈下降趨勢，且2006年年均降水量明顯偏低，年均氣溫較高，致使該年份植被覆蓋度出現明顯下降，植被退化，主要表現為植被覆蓋度高的區域面積減少、比例降低，而植被覆蓋度低的區域面積增加、比例增高，植被呈退化趨勢(圖2(b))。2007—2014年間，年均降水量增加，年均氣溫也呈上升趨勢，植被有一定程度恢復，表現為植被覆蓋度高的區域面積增加、比例增大，植被覆蓋度低的區域面積減少、比例降低，植被再次回歸到恢復階段(圖2(c))。此外，人類活動也是造成植被覆蓋度下降的重要原因之一，如位于惠安堡鎮和馮記溝鄉的馬家灘礦區、積家井礦區、萌城礦區以及四股泉礦區，由于大量煤層的開采，地面已形成大型采空區塌陷，地表植被覆蓋度較低。

(a) 1989—1999年 (b) 2000—2006年(c) 2007—2014年

圖21989—2014年鹽池縣降水和氣溫變化(鹽池站)

Fig.2PrecipitationandtemperaturevariationinYanchiCountyfrom1989to2014(YanchiStation)

3.2 植被與地質災害點關系分析

3.2.1 地質災害空間分布特征

研究區共有地質災害點231處(隱患點217處，災害點14處)，其中滑坡125處，主要為小型黃土滑坡； 崩塌84處，包括黃土和基巖崩塌2類； 泥石流19處，均為溝谷型稀性泥石流； 地面塌陷3處。利用核密度計算方法生成鹽池縣地質災害點密度(圖3)。研究區地質災害點空間分布有2大特征： ①多沿溝谷線方向呈線性排列，主要分布在黃土丘陵區的河谷沖蝕岸邊及其支流或支溝中下游兩側，如在麻黃山地區，災害點主要沿苦水河溝、李家大灣溝、彭家溝、史家疙瘩溝、張南溝和曾家渠北溝等6條NW向溝谷分布； ②災害點空間分布具有區域聚集特征，災害點密度整體南高北低，且南部聚集，北部分散。具體來看，南部的麻黃山鄉、王家下灣和井溝地區災害點密度大于0.1個/km2，為高密度區域，災害點分布集中且聚集度強； 該地區人類活動強烈，劈山切坡修建公路、劈坡建房和開采煤炭資源等活動嚴重破壞了地表植被，對災害點的發育起到很大促進作用，是造成災害點在該區域密集的原因之一。北部的三道灣、土溝等地災害點分布相對分散，聚集度較低，災害點密度低于0.1個/km2。

圖3 鹽池縣地質災害點密度

3.2.2 植被與地質災害點關系

對鹽池縣地質災害點密度與4個時期植被覆蓋度進行空間疊加分析，統計結果如圖4所示。 4個年份植被覆蓋度低的區域災害點數量多、密度高，植被覆蓋度高的區域災害點數量小、密度低。其中，無植被覆蓋區域災害點密度在2006年和2014年出現了明顯增加，尤其在2006年，該區域災害點密度達到了0.09 個/km2； 極低覆蓋度區域的災害點密度最高，在4個年份均為0.11個/km2左右； 低覆蓋區域的災害點密度相對穩定，只在2006年出現了下降，其余年份均保持在0.06個/km2左右； 中、高覆蓋度區域的災害點密度在4個年份中均較低，數值穩定在0.02個/km2左右。由此可見，無覆蓋、極低覆蓋度和低覆蓋度區域地質災害點密度較高，而在中、高植被覆蓋度區域災害點密度很低。綜上所述，4個年份中植被覆蓋度與地質災害點密度總體上呈負相關關系，即災害點密度隨著植被覆蓋度的增加而降低，植被覆蓋度越高，災害點密度越低； 相反，植被覆蓋度越低，災害點密度越高。

圖4 鹽池縣植被覆蓋度與地質災害點疊加統計

將研究區1989—2014年間植被覆蓋度變化與1989年的植被覆蓋度以及地質災害點密度進行疊加，統計得到1989年各個植被覆蓋度級別的詳細動態變化數據以及各個級別對應的災害點密度(表3)。結果表明：1989年無植被覆蓋區域植被改善明顯，災害點密度整體偏高，其中輕度改善區域災害點密度明顯高于其他區域； 極低覆蓋區域覆蓋度中度改善或極度改善面積約占該區域面積的36.13%，其中，中度改善區域災害點密度較高； 低覆蓋區域中度改善或極度改善面積僅占低覆蓋度區域的18.89%，但災害密度仍然在0.07個/km2左右； 中、高覆蓋區域改善面積偏小，占比較低，而退化面積較大，災害點密度明顯偏低。

表3 鹽池縣1989—2014年覆蓋度變化和1989年覆蓋度疊加面積與地質災害點密度統計Tab.3 Density of geological hazard points and areas on the overlay of vegetation coverage variationfrom 1989 to 2014 and vegetation coverage in 1989 of Yanchi County

4 結論

1)研究區植被覆蓋度整體偏低，空間上表現為東部相對較高、西部較低的特點，4個時期呈先增加、后減小、再增加的特征，植被表現為恢復—退化—恢復的反復過程，總體處于恢復趨勢，這與龐吉林等[15]的研究結論相一致。退耕還林還草、全縣禁牧和人工封育等活動對于植被的恢復起到了很大的促進作用，但植被覆蓋度受降水影響波動明顯。

2)植被覆蓋度與地質災害點呈現明顯的負相關關系，即植被覆蓋度越高，災害點密度越低，地質災害發生概率也越低。諸如劈山切坡修建公路、劈坡建房和開采煤炭資源等人類活動嚴重破壞了地表植被，使這些地區成為地質災害的易發區。因此，重視人類活動區植被的保護和恢復，努力提高植被覆蓋度，將對地方地質災害防治起到積極的推動作用。

3)本文在研究植被覆蓋度與地質災害點時空格局關系時，未能充分考慮水文、氣候和地表等因素，需要在以后研究中重點改進。

參考文獻(References)：

[1] Nandi A,Shakoor A.A GIS-based landslide susceptibility evaluation using bivariate and multivariate statistical analyses[J].Engineering Geology,2010,110(1/2):11-20.

[2] 賈貴義,全永慶,黎志恒,等.基于組合賦權法的白龍江流域甘肅段地質災害危險性評價[J].冰川凍土,2014,36(5):1227-1236.

Jia G Y,Quan Y Q,Li Z H,et al.Geo-hazards assessment for the Gansu segment in Bailongjiang River Basin by using combination weighting method[J].Journal of Glaciology and Geocryology,2014,36(5):1227-1236.

[3] 杜 軍,楊青華,嚴 嘉,等.基于GIS與信息量模型的汶川次生地質災害危險性評價[J].地球科學，2010,35(2):324-330.

Du J,Yang Q H,Yan J,et al.Hazard evaluation of secondary geological disaster based on GIS and information value method[J].Earth Science,2010,35(2):324-330.

[4] 許 沖,戴福初,姚 鑫,等.基于GIS與確定性系數分析方法的汶川地震滑坡易發性評價[J].工程地質學報,2010,18(1):15-26.

Xu C,Dai F C,Yao X,et al.GIS platform and certainty factor analysis method based Wenchuan earthquake-induced landslide susceptibility evaluation[J].Journal of Engineering Geology,2010,18(1):15-26.

[5] 倪忠云,何政偉,趙銀兵,等.基于RS和GIS的丹巴縣植被蓋度與地質災害關系研究[J].物探化探計算技術,2011,33(2):217-221.

Ni Z Y,He Z W,Zhao Y B,et al.Study on the relationship between vegetation cover and geo-hazards in Danba County based on RS and GIS[J].Computing Techniques for Geophysical and Geochemical Exploration,2011,33(2):217-221.

[6] 曾令科,許 模,方 瓊,等.植被與地質災害發育分布關系初探[J].地質災害與環境保護,2010,21(3):97-100.

Zeng L K,Xu M,Fang Q,et al.Vegetation and development of geological hazards[J].Journal of Geological Hazards and Environment Preservation,2010,21(3):97-100.

[7] 張曉東,劉湘南,趙志鵬,等.遙感技術在寧夏中寧縣地質災害詳細調查中的應用[J].中國地質災害與防治學報,2015,26(3):120-126.

Zhang X D,Liu X N,Zhao Z P,et al.The application of RS technique for investigation of geological hazards in Zhongning County of Ningxia[J].The Chinese Journal of Geological Hazard and Control,2015,26(3):120-126.

[8] 張國平,徐 晶,畢寶貴.滑坡和泥石流災害與環境因子的關系[J].應用生態學報,2009,20(3):653-658.

Zhang G P,Xu J,Bi B G.Relations of landslide and debris flow hazards to environmental factors[J].Chinese Journal of Applied Ecology,2009,20(3):653-658.

[9] 李 凱,孫悅迪,江寶驊,等.基于像元二分法的白龍江流域植被覆蓋度與滑坡時空格局分析[J].蘭州大學學報(自然科學版),2014,50(3):376-382.

Li K,Sun Y D,Jiang B H,et al.Analysis on spatial-temporal patterns of the vegetation coverage and landslides in Bailongjiang River Basin based on the dimidiate pixel model[J].Journal of Lanzhou University(Natural Sciences),2014,50(3):376-382.

[10] Leprieur C,Verstraete M M,Pinty B.Evaluation of the performance of various vegetation indices to retrieve vegetation cover from AVHRR data[J].Remote Sensing Reviews,1994,10(4):265-284.

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

[12] Mu S J,Yang H F,Li J L,et al.Spatio-temporal dynamics of vegetation coverage and its relationship with climate factors in Inner Mongolia,China[J].Journal of Geographical Sciences,2013,23(2):231-246.

[13] Gillies R R,Kustas W P,Humes K S.A verification of the “triangle” method for 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.

[14] 賈寶全.基于TM衛星影像數據的北京市植被變化及其原因分析[J].生態學報,2013,33(5):1654-1666.

Jia B Q.Driving factor analysis on the vegetation changes derived from the Landsat TM images in Beijing[J].Acta Ecologica Sinica,2013,33(5):1654-1666.

[15] 龐吉林,張克斌,喬 娜,等.基于RS的鹽池縣近10年植被覆蓋度動態變化研究[J].水土保持研究,2012,19(4):112-115,121.

Pang J L,Zhang K B,Qiao N,et al.RS-based study on dynamics of the vegetation coverage in recent 10 years in Yanchi County[J].Research of Soil and Water Conservation,2012,19(4):112-115,121.