北京市植被覆蓋動態變化與污染氣體濃度關系分析研究

趙孟云

?

北京市植被覆蓋動態變化與污染氣體濃度關系分析研究

趙孟云

（昆明理工大學 國土資源工程學院，云南 昆明 650093）

選用北京市Landsat-5和Landsat-8遙感影像為基礎，獲取2000、2010、2016年三年的遙感數據，根據最大似然法和最小距離法進行分類，計算歸一化植被指數，分析出北京市近幾年植被覆蓋變化情況。北京市植被從2000年到2010年呈現上升的趨勢，到2016年又呈現下降的趨勢。再獲取某時間點的污染氣體濃度，在Arcgis中進行分析處理，得出某時間點氣體污染物的濃度示意圖，分析表明，大氣中污染氣體的濃度和植被覆蓋率呈現正相關。

歸一化植被指數；污染氣體濃度；正相關；最大似然法

0 引言

植被是陸地生態系統的重要組成部分，植被覆蓋度是指單位面積內植被地上部分的垂直投影面積所占的百分比值[1]。近年來，隨著北京市城區的擴建，對生態環境影響也越來越大，隨之而來的是周邊環境的破壞，導致植被覆蓋的減少。在環境領域方面的研究，地理信息系統（GIS）和遙感（RS）技術具有很高的應用價值,GIS用于環境評價與監測比較形象直觀，環境評價結合GIS與遙感技術[2]，可以實現環境監測的動態化，因此RS-GIS技術的出現真正為環境監測做到了動態化、實時化。NDVI（normalized difference vegetation index）由于檢測靈敏度高，范圍較寬，可消除地形、陰影干擾和削弱太陽高度角及大氣帶來的噪音等，常被用來反映植物生長狀況和空間分布密度等是植被指數衛星遙感中最具明確意義的指數之一[3-4]，在利用 NDVI 對植被覆蓋進行監測評價方面，國內外已進行大量的研究與試驗[5-9]，為監測區域及全球植被和生態環境提供了可靠的數據[10]。

本文選擇的是2001年，2010年，2016年北京市地區遙感影像圖，在GIS功能的基礎上，探討從遙感影像探討了從遙感圖像提取生態環境狀態信息時的波段選取、波段組合及圖像處理等信息提取方法[11]，得到北京市歸一化植被指數。在此基礎上以生態環境空間數據庫為基礎，依次計算出植被覆蓋指數、以及大氣濃度和植被覆蓋率的關系從而來分析北京市的環境現狀及其動態監測。綜合反映了植被的生長狀況、覆蓋狀況和植被種類等方面，同時具有時空上的連續性。植被覆蓋變化會因為氣候變化、大氣污染以及人類活動的變化而變化[10]

1 研究區概況

北京市在華北平原的最北段，在全球的地理位置是位于北緯39°56￠，東經116°20￠，其市域占據著山地和平原兩種類型，山區面積約占全市總面積的62%。在氣候方面北京市由于特殊的地理位置使北京市處于暖溫帶大陸性氣候，這就決定了北京市每年的水量適中，季節分明。北京市是全國的政治、文化中心，北京市共管轄17個區，其中海淀區和朝陽區是北京市的經濟政治文化中心，氣人口眾多，建筑面積遼闊，相應的植被覆蓋率低，其他區域人口密度相對稀少。本文結合北京市行政界限，分析出植被覆蓋和大氣污染濃度的直接關系。

2 數據和方法

2.1 數據介紹

本次實驗數據基于Landsat-5和Landsat-8遙感影像數據。Landsat-5衛星是美國于1984年發射的光學對地觀測衛星[12]，Landsat8衛星包含OLI（Operational Land Imager陸地成像儀）和TIRS（Thermal Infrared Sensor熱紅外傳感器）兩種傳感器[13]。獲取2000、2010、2016年三年遙感數據作為基礎研究數據，氣體濃度數據地理空間數據云空間插值數據的獲取。

表1 研究區遙感影像參數表

Tab.1 Parameter table of remote sensing image in study area

2.2 研究內容和技術路線

本文研究內容路線如下：

圖1 技術路線流程圖

2.3 NDVI計算和數據反演

（1）輻射定標

遙感影像首先進行輻射定標和大氣校正，輻射定標即通過影像灰度值來計算輻射強度，Landsat- 5TM定標計算公式為[14]：

式中：λ——為波段值，Lλ——接受輻射強度，Qλ——以DN表示的經過量化標定的像元值，gain——衛星的增益系數，offset——偏移系數[17]。

（2）歸一化植被指數的計算[15]

式中NIR為近紅外波段，Red為紅光波段。Landsat8紅光波段與近紅外波段分別為B4，B5。

（3）模型估算

利用植被指數近似估計植被覆蓋度進行計算，采用如下公式：

NDVImin為最小歸一化植被指數值、NDVImax最大歸一化植被指數值[16]。

通過對ETM+數據提取的NDVI植被指數進行直方分布圖分析，在NDVI頻率累積表上取一定頻率的NDVI為NDVImin和NDVImax[17]。NDVI頻率累積表上分別取頻率為5%、95%的NDVI值為NDVImin、NDVImax值[18]。

李苗苗[18]等在像元二分模型的基礎上研究的模型為：

NDVIveg則代表完全被植被所覆蓋的NDVI值；NDVIsoil為裸地或者是沒有植被覆蓋的地方的值。

兩個值的計算公式為：

當區域內可以近似取VFCmax=100%，VFCmin= 0%[20]公式（4）可變為:

NDVImax和NDVImin分別為區域內一定置信度范圍內最大和最小的NDVI值。[19]

最后進行二值化，其公式為：

3 結果與分析

3.1 植被覆蓋變化

通過NNVI對歸一化植被植被指數的計算，結合模型從而計算出植被覆蓋率的情況，獲取2000、2010、2016年三年植被覆蓋率的計算，得出如圖2影像為利用研究區地區的矢量數據生成的ROI建立一個掩膜文件最后對二值化結果進行Raster Color Slice的結果如下：

圖2 2000、2010、2016年植被范圍圖

表2 三年植被覆蓋變化特征

Tab.2 Vegetation cover change characteristics in three years

表2是北京市2000年、2010年和2016年的三年植被覆蓋率各階段的所占的百分比，根據給定參數可以計算出北京市各個年份的占地類型。北京市植被覆蓋在2000、2010和2016植被覆蓋率在20%覆蓋度的基礎上變化趨勢如圖3所示：

圖3 北京市三年的植被覆蓋率的變化

3.2 空氣污染氣體濃度

在地理空間數據云大氣污染插值數據的基礎上，獲取空氣中污染氣體濃度，繪制北京市臭氧濃度專題圖，并獲取北京市行政區域圖。臭氧濃度的分布示意圖如圖4所示：

圖4 臭氧濃度的分布示意圖

圖5 北京市行政區域圖

3.3 數據分析

（1）結合圖3、表2可以發現北京市在2000年-2010年間北京市植被覆蓋率的變化趨勢是逐漸減少，覆蓋率從65.23%減少到62.62%，在2010-2016期間北京市植被覆蓋率又呈現稍微的增加趨勢，從62.62%逐漸增加到62.83%。

（2）結合圖2和圖5北京市行政區域圖得出，北京市植被覆蓋率最高的地方為延慶縣、昌平縣等偏西北地區，此處多為山地，人口密集程度較少；植被覆蓋較低的地區為海淀區、朝陽區等東南地區，此區域結合北京市實際情況，北京市主城區人口約占整個北京市人口的60%，人口密度的密集導致植被覆蓋的減少，此外還跟地形有關。

（3）結合圖2北京市植被覆蓋范圍圖和圖4北京市臭氧濃度分布示意圖顯示，植被覆蓋越高的地區，臭氧濃度相對較低，植被覆蓋越低的地區，臭氧濃度相對較高，基本上呈現負相關的趨勢。

（4）結合圖2、圖3、圖4、圖5得出近年來北京市植被覆蓋度整體較高，存在植被覆蓋率<0的地區存在，但是很少。人口越密集的地區例如海淀區、東城區、西城區、朝陽區植被覆蓋率越低，伴隨之臭氧濃度會變高，人口密度越低的地方，例如懷柔區、密云區、延慶區、昌平區等，植被覆蓋率就越高，臭氧濃度會降低。

4 結論

本次研究主要選用北京市Landsat-5和Landsat-8三期遙感影像作為基礎數據，通過對遙感影像的拼接裁剪、輻射定標、大氣校正等，計算出北京市的NDVI，然后在像元二分模型的基礎上，根據NDVI的值計算出整個北京市的植被覆蓋率，來得出北京市植被覆蓋的動態變化。

研究表明，北京市主城區的植被覆蓋率明顯大于市郊區，主要是由于人口差異的影像和地形的特征造成的。從北京市轄區向周地區人口逐漸降低，邊植被覆蓋率逐漸增加，海淀區、東城區、西城區、朝陽區、豐臺區人口占據整個北京市60%左右，建筑面積的增加從而導致植被覆蓋率較小，說明北京市植被覆蓋度和人口數量呈現負相關的關系。2010-2016年植被覆蓋率較為穩定，說明人們意識到了植被保護對生活環境的重要性。

研究根據地理空間數據云大氣污染插值數據制作臭氧濃度示意圖，結合《北京市統計年鑒》，分析得出人口數據、地形數據結合植被覆蓋率得出和大氣中臭氧濃度的關系。人口密度越大，地勢越平臺，植被覆蓋率越低，大氣中臭氧濃度就越大；人口密度越小，植被覆蓋率越大，大氣中臭氧濃度就越小。

緩解北京市臭氧等污染氣體的濃度，改善空氣質量應采取增加植被覆蓋度的措施，提高整個北京市綠化程度，同時控制城市人口密度，合理規劃建筑模式，間接調節整個北京市環境的壓力。

[1] 候靜, 杜靈通, 馬菁, 張學儉. 基于RS與像元二分模型的近20a寧夏植被覆蓋研究[J]. 水土保持通報, 2015, 35(05): 127-132.

[2] 李明詩, 孫力, 常瑞雪. 基于Landsat圖像的南京城市綠地時空動態分析[J]. 東北林業大學學報, 2013, 41(06): 55-60.

[3] 李曉松, 李增元, 高志海, 白黎娜, 王琫瑜. 基于NDVI與偏最小二乘回歸的荒漠化地區植被覆蓋度高光譜遙感估測[J]. 中國沙漠, 2011, 31(01): 162-167.

[4] 方紅亮, 田慶久. 高光譜遙感在植被監測中的研究綜述[J]. 遙感技術與應用, 1998(01): 65-72.

[5] 霍艾迪, 張廣軍, 武蘇里, 岳曼. 利用MODIS-NDVI進行沙化土地評價研究——以陜西省北部地區為例[J]. 干旱地區農業研究, 2008(02): 154-158.

[6] 田野, 蘇紅旗, 田棟. Hadoop下海量遙感數據的處理[J]. 軟件, 2014, 35(03): 91-93.

[7] 曹丹陽, 霍然, 孫凌, 等. 衛星可見光波段觀測模擬與分析系統設計與開發[J]. 軟件, 2018, 39(3): 01-07

[8] J. Duncan, D. Stow, J. Franklin, A. Hope. Assessing the relationship between spectral vegetation indices and shrub cover in the Jornada Basin, New Mexico[J]. International Journal of Remote Sensing, 1993, 14(18).

[9] Rasim Latifovic, Kostas Fytas, Jing Chen, Jacek Paraszczak. Assessing land cover change resulting from large surface mining development[J]. International Journal of Applied Earth Observations and Geoinformation, 2004, 7(1).

[10] 金鑫. 銀川市2001-2009年間大氣環境及植被變化研究[D]. 南京信息工程大學, 2012.

[11] 辛肖杰. 基于GIS的青海省海西州生態環境質量評價研究[D]. 青海師范大學, 2013.

[12] 陳俊, 王文, 李子揚, 李安. Landsat—5衛星數據產品[J]. 遙感信息, 2007(03): 85-88+78.

[13] 孫小棋. Landsat衛星圖像云層去除算法研究[D]. 安徽大學, 2015.

[14] Gyanesh Chander, Brian L. Markham, Dennis L. Helder. Summary of current radiometric calibration coefficients for Landsat MSS, TM, ETM+, and EO-1 ALI sensors[J]. Remote Sensing of Environment, 2009, 113(5).

[15] 何志斌. 昆明市主城區熱島效應特征及驅動機制分析[J]. 軟件, 2018, 39(07): 152-156.

[16] 趙翠娥, 丁文榮. 基于ENVI和GIS技術的龍川江流域植被覆蓋度動態監測[J]. 林業調查規劃, 2013, 38(05): 14-18+44.

[17] 盧柳葉. 基于遙感數據的黃土高原植被覆蓋變化分析研究[D]. 西北農林科技大學, 2012.

[18] 王成波. 基于無人機可視光譜的玉米植被覆蓋度研究[D]. 昆明理工大學, 2016.

[19] 李苗苗. 植被覆蓋度的遙感估算方法研究[D]. 中國科學院研究生院(遙感應用研究所), 2003.

[20] 王寧, 陳民, 郝多虎, 段國賓, 王喆. 基于NDVI估算植被覆蓋度的研究——以滁州市為例[J]. 測繪與空間地理信息, 2013, 36(05): 51-54+57.

Analysis of the Relationship Between Dynamic Changes of Vegetation Cover and Pollution Gas Concentration in Beijing

ZHAO Meng-yun

(School of Faculty of Land Resource Engineering, Kunming University of Science and Technology, Kunming 650093, China)

Based on the remote sensing images of Beijing Landsat-5 and Landsat-8, the remote sensing data of 2000, 2010 and 2016 were obtained, classified according to the maximum likelihood method and the minimum distance method, and the normalized vegetation index was calculated to analyze Beijing. Changes in vegetation cover in recent years in the city. The vegetation in Beijing has shown an upward trend from 2000 to 2010, and it has shown a downward trend in 2016. The concentration of polluted gas at a certain point in time is obtained and analyzed in Arcgis to obtain a concentration diagram of the concentration of gaseous pollutants at a certain time. The analysis shows that the concentration of polluted gases in the atmosphere is positively correlated with the vegetation coverage.

Normalized vegetation index; Pollution gas concentration; Positive correlation; Maximum likelihood method

TP79

A

10.3969/j.issn.1003-6970.2018.11.041

趙孟云(1994-)，女，碩士研究生，研究方向為地理信息技術及GIS工程。

趙孟云. 北京市植被覆蓋動態變化與污染氣體濃度關系分析研究[J]. 軟件，2018，39（11）：197-201