*植被狀況區劃及預測模型研究

白晉晉，徐明德，白 波，趙文江，張月婷

(太原理工大學 環境科學與工程學院，山西 晉中 030600)

植被覆蓋度(FVC)是影響大氣與地表之間碳、水、能量交換的重要植被參數[1]，被廣泛運用于監測和分析植被結構的時空變化[2]。

近年來，有關FVC的研究逐漸深入，許多學者分析了FVC時空動態變化及其與氣候因子[3-7]、退耕還林等植被恢復工程[8-10]的關系，探討了Markov模型[11]、CA-Markov模型[12]、BP人工神經網絡模型[13]對FVC動態變化預測的適用性。但已有研究大都以FVC時空變化、驅動力及空間格局分析為主，較少從區域角度出發認識局部植被現狀，對植被的分區管控以靜態格局為依據而忽視了不同狀況植被間相互作用的動態過程。在FVC預測方面，Markov模型在區域尺度上進行預測，難以實現空間可視化，CA-Markov模型、BP人工神經網絡模型雖實現了空間預測，但模型構建復雜，推廣受限。

針對上述問題，本文以沁水縣為例，引入“源-匯”理論及MCR模型探討植被狀況的評估及劃分，構建像元趨勢外推模型，分析其對FVC動態預測的適用性并預測研究區未來FVC的動態趨勢。

1 研究區與數據

1.1 研究區概況

沁水縣位于山西省東南部，地理坐標為北緯35°24′-35°04′，東經111°55′-112°47′.縣境內地形地貌復雜，溝壑縱橫，以山區、丘陵區為主，全縣地勢西南、東北高，東南低，呈扇形展開。沁水縣屬溫帶季風氣候，日照充足，雨量充沛，溫度適宜，多年平均日照2 077 h，氣溫10.6 ℃，降雨501 mm.沁水縣的地理位置如圖1所示。

圖1 沁水縣地理位置圖Fig.1 Location map of the Qinshui county

1.2 數據來源與預處理

遙感數據采用1990年、1993年、2001年、2002年、2004-2008年、2010年、2013年、2016年Landsat TM/ETM+/OLI影像以及2002年、2006年、2010年、2013年5天合成的MODIS數據，影像選取植被長勢穩定、云量少的8-9月份數據，均來源于地理空間數據云。

采用的Landsat系列遙感影像均為L1T級數據，已完成輻射矯正、幾何校正，在ENVI中對遙感影像進行大氣校正，以消除大氣影響。

2 研究方法

2.1 FVC計算方法

利用校正后的遙感影像數據，用公式(1)計算NDVI：

(1)

式中：I為歸一化植被指數；aNIR，aR分別為近紅外波段和紅色波段；歸一化植被指數(mormalized difference vegetution indec,NDVI).

基于像元二分模型[14]，采用公式(2)計算，植被覆蓋度FVC，公式中用VFC表示：

(2)

式中：IS，IV分標表示裸地和純植被覆蓋區的NDVI值，結合沁水縣實際情況，IS，IV采用置信區間[1%，99%]對應的NDVI值。通過公式(2)計算FVC，參考已有研究[8]，結合沁水縣植被覆蓋實際情況，將FVC劃分為5個等級：裸地Ⅰ(<10%)、低植被覆蓋Ⅱ(10%～30%)、中低植被覆蓋Ⅲ(30%～50%)、中植被覆蓋Ⅳ(50%～70%)、高植被覆蓋Ⅴ(>70%).

2.2 植被狀況評估及區劃方法

目前FVC的研究著重分析靜態空間格局，而忽視了動態的生態過程。本文運用“源-匯”理論、MCR模型分析高植被覆蓋斑塊在研究區內擴散的潛在趨勢，依據其擴散所受阻力的大小評估植被狀況并進行分區。

按照“源-匯”理論[15]，結合沁水縣FVC動態過程，將Ⅴ級FVC斑塊劃分為“源”，其它等級斑塊劃分為“匯”。

采用MCR模型計算“源”在擴散過程中所受阻力，以此來反映“源”到研究區內某一點的易達性，阻力值越小表明“源”越易到達該點[16]。此次研究中，MCR模型實質反映了不同區域Ⅰ、Ⅱ、Ⅲ、Ⅳ級植被覆蓋演變為Ⅴ級的難易程度，最小累積模型MCR，公式中用MCR

MCR=fmin∑(Dij×Ri) .

(3)

式中：Dij為從“源”j到空間某一等級FVC像元i的實地距離；Ri為像元i的阻力系數；fmin表示最小累積阻力與生態過程的正相關函數。

本文以各級FVC與“源”等級差值作為設定阻力系數的依據，等級差值越大，阻力越大；反之，阻力越小。以1為最小阻力系數，100為最大阻力系數，根據FVC等級進行取值，Ⅰ，Ⅱ，Ⅲ，Ⅳ，Ⅴ級阻力系數分別取100，70，50，30，1，以此得到阻力面圖層如圖2所示。

圖2 阻力面圖Fig.2 Resistance surface map

利用Arcgis軟件成本距離分析模塊，按照MCR模型計算得到最小累積阻力圖層，以平均值、標準差為閾值將研究區劃分為3大區域：小于平均值為保護區，大于標準差為重點恢復區，其余為恢復區。

2.3 像元趨勢外推預測模型

2.3.1 模型構建

趨勢外推法是預測長期變化的主要方法，根據時間序列的變化趨勢，選擇合適的曲線模型對未來變化進行預測[17]。本文基于像元級別的時間序列，根據植被生長特點構建改進的Logistic曲線模型，在像元尺度上對研究區FVC進行預測，模型如下：

(4)

式中：F'k為FVC預測值；a，b為模型參數；c為常數，取值1.087；k為年份序數，k=1，2，…，n.

取y'k=1/F'k，xk=c-k,則

y'k=a+bXk.

(5)

對公式(5)采用最小二乘法計算系數a，b，公式如下：

(6)

(7)

2.3.2 模型評價

采用殘差(ΔF)、均方根誤差(RMSE)評價像元趨勢外推模型，公式如下：

ΔF=F'k-Fk,

(8)

(9)

式中，m為采樣點數。

2.3.3 穩定狀態預測

根據式(4)預測模型性質，當k趨于無窮大時，F'k趨于極限值，即FVC不隨時間變化，達到穩定狀態。

(10)

3 結果分析

3.1 FVC反演結果驗證

選取2002年、2006年、2010年、2013年4期MODIS數據，計算研究區FVC，用于驗證Landsat系列數據計算的FVC結果。

從表1可看出，基于Landsat系列數據計算的FVC與基于MODIS數據計算結果相差較小，絕對差值均小于0.05，平均差值0.004 5，結果可靠。

表1 FVC反演結果驗證Table 1 Verification of FVC image derived from DPA model

3.2 區劃結果及管控建議

以2016年遙感數據計算的FVC為基礎，依據MCR模型及分區閾值對研究區進行劃分，通過圖斑聚合、扣除處理得到植被狀況區劃圖如圖3所示。

由圖3可知：保護區分布范圍最廣，主要在縣東北及西南區域，這些區域植被狀況較好，呈正向演變趨勢。對于保護區，要限制大規模砍伐樹木及開發建設活動，加強宣傳并進行適當的植樹造林、退耕還林等生態工程，同時可在局部區域進行適度開發建設活動，在保證植被健康的同時兼顧區域經濟發展。

恢復區主要分布于縣西北及東南區域，該區域地勢低，以丘陵為主，植被狀況較差，易受外界因素干擾。對于恢復區，要加強人為正向干擾，在區域內實施大范圍植樹造林等植被恢復工程并輔以相應管控措施，避免改擴建活動，逐步促進原有企業轉型，加快推進“一礦一企，治理一山一溝”廠礦區綠化工作。

圖3 植被狀況區劃圖Fig.3 Classification of vegetation status

重點恢復區較集中分布在嘉豐鎮、端氏鎮、鄭村鎮及山谷區域，該區域以裸地、低植被覆蓋及建筑物為主，人口集中，植被狀況差且難以恢復。對于重點恢復區，要實行嚴格管控制度，制定針對性植被恢復措施，原則上嚴禁開發建設活動及開墾放牧，加快推進企業跨區轉移，全面實施退耕還林還草、荒山造林、城鎮村綠化、通道綠化工程。

3.3 預測結果

采用1990年-2013年FVC數據構建像元趨勢外推預測模型，以遙感數據計算的2016年FVC為參照分析模型精度。

從圖4可看出像元趨勢外推模型預測圖與參照圖有相似的空間分布，對植被結構預測較好。

圖4 沁水縣2016年FVC空間分布Fig.4 Spatial patterns of the FVC in 2016

預測殘差空間分布(圖5(a))說明大部分區域預測偏差小，對低植被覆蓋區預測偏差較大。殘差直方圖(圖5(b))說明80%左右的殘差值集中分布在[-0.15，0.05]區間內。為進一步分析預測模型的準確性，利用ARCGIS采樣模塊在研究區內隨機選取500個點(圖6(a))，分別提取參照圖、預測圖FVC進行回歸分析(圖6(b))并計算RMSE.結果RMSE為0.098，R2為0.804，表明趨勢外推模型預測值與參照值吻合性較好，預測精度較高。

圖5 模型預測殘差分布Fig.5 2016 FVC comparison between the DPA model and pixel trend extrapolation model

圖6 2016年FVC預測值與參照值回歸分析Fig.6 Relationships between simulated (pixel trend extrapolation model) and reference (DPA model) values derived from the 2016 OLI image

運用像元趨勢外推模型對沁水縣2020年、2025年及穩定狀態FVC進行預測，圖7表明沁水縣2020年、2025年及穩定狀態FVC與2016年FVC空間分布相似，部分區域植被狀況改善，同時縣東南區域裸地范圍有所擴大。

圖7 沁水縣2020年、2025年及穩定狀態FVC預測圖Fig.7 Simulated FVC maps for 2020, 2025 and stable state

通過對沁水縣1990年-2016年FVC(圖8)分析知，1990年-2008年平均FVC從0.51快速增至0.70，2008年后呈波動狀態。對沁水縣2016年后植被狀況的預測結果顯示平均FVC呈緩慢上升趨勢，最終穩定在0.70左右。

圖8 沁水縣平均植被覆蓋度年際變化Fig.8 Changing trends of annual mean FVC in Qinshui County

4 結論

1) “源-匯”理論的引入將FVC靜態格局與動態過程有機結合起來，依據MCR模型的植被狀況評估及劃分既能深入認識區域植被現狀，又可針對區劃結果制定相應管控措施，克服了以FVC靜態格局為分區依據的局限性，區域劃分更加合理。

2) 像元趨勢外推模型預測結果與遙感數據反演結果具有相似的空間分布，二者吻合性好，預測精度較高，表明此模型對FVC的預測具有一定適用性。

3) 對沁水縣植被狀況的評估及預測表明，1990-2016年植被狀況總體改善，在外部干擾因素保持穩定的情況下，將達到穩定狀態。同時沁水縣東南方植被狀況較差，屬重點恢復區且有退化趨勢，因此迫切需要加強植被保護及恢復工作以實現區域可持續發展。