河西干旱區植被覆蓋度時空格局分析

于 惠，吳玉鋒，金 毅，牛莉婷

（甘肅省水土保持科學研究所，甘肅 蘭州 730020）

植被覆蓋度 (vegetation fractional coverage，VFC)是生態環境評價的一個重要參量，是指示土地退化和沙漠化的一個敏感指標，對區域生態系統穩定及環境變化具有重要的影響[1-2]。因此，及時準確監測植被覆蓋度的時空變化，對資源可持續利用、經濟可持續發展和生態恢復具有重要應用價值。

植被覆蓋度估算方法主要包括地面測量和遙感監測兩種。地面測量方法易受時間、天氣和交通等狀況的影響，很難在大范圍內開展，且該方法都是以多個稀疏離散的樣方和樣點的平均值代替整個區域的植被覆蓋度，不能快速、準確、客觀地反映區域的植被覆蓋度變化情況。遙感技術的出現和發展，為大范圍的植被覆蓋度估算提供了新的思路。目前，常用的遙感監測方法主要有經驗模型法和混合像元分解法等。經驗模型法是基于數理統計原理，通過建立遙感光譜值與實測植被覆蓋度的經驗關系來反演植被覆蓋度[3]。該方法所需參數較少，易于實現，因此廣泛應用于植被覆蓋度的估算，并達到了較好的反演效果[4-10]。但其缺點在于使用該方法提取植被覆蓋度時，需要大量的實測數據做支撐，且普適性相對較差。混合像元分解法認為遙感影像中一個像元通常包含多種地物類型，而每種地物對傳感器獲取的光譜信息都有貢獻，通過分析像元中各種典型地物所占比例，加權得到植被覆蓋度[11]。此類方法中應用最為廣泛的是像元二分模型法，它假定傳感器所觀測到的每個像元信息是綠色植被覆蓋和無植被覆蓋兩部分的線性組合。該模型參數簡單、計算方便，能夠在一定程度上消除土壤等背景因素的影響，在不同區域的應用中表現出較高的精度和穩定性，但其難點在于區域內純植被和純土壤像元光譜值的確定[12-16]。基于像元二分模型，唐世浩等[17]提出了三波段梯度差法 (three band gradient difference vegetation index, TGDVI)，TGDVI是根據地物的光譜特性，提出的一種根據綠、紅、近紅外3個波段梯度差與全植被覆蓋之比來估算植被覆蓋度的方法。相較于像元二分模型，該方法飽和點較高，但在低覆蓋區域的反演精度偏低。根據三波段梯度差法，古麗等[18]研究干旱區荒漠植被的光譜特征發現，除了近紅外和紅波段外，在短波紅外波段植被和非植被也有顯著的差別，因此采用短波紅外波段代替綠波段提出了改進的三波段最大梯度差法 (modified TGDVI，MTGDVI)。該方法進一步增大了植被與非植被區的差異，在不同尺度上估算的植被覆蓋度與實測值的一致性較好，然而在土壤濕度增加時，反演精度有所下降[18-23]。

河西地區位于我國西北氣候干旱區，植被覆蓋稀疏、破碎。河西地區草地生態系統是我國北方重要的生態屏障，阻擋著騰格里、巴丹吉林和庫姆塔格三大沙漠入侵內陸的步伐。研究該區植被覆蓋度的變化，對于維護區域生態平衡和生態環境恢復等方面都具有重要的科學指導意義。因此，有必要比較不同干旱區植被覆蓋度估算方法在河西地區的應用效果，以此準確獲取該區的植被覆蓋度。本研究以河西地區為試驗區，利用MODIS數據和野外樣地實測數據，系統分析經驗模型、像元二分模型和修正的三波段最大梯度差法在區域內的適用性，從而找到適用于該區草地植被覆蓋度的估算方法，并分析2001-2015年干旱區草地植被覆蓋度時空動態特征，以期為干旱區草地資源和生態環境的動態監測和評價提供科學基礎。

1 研究區概況

河西地區位于甘肅省西北部，東起烏鞘嶺，西與新疆維吾爾自治區相連，南依祁連山、阿爾金山分水嶺北坡，北接騰格里和巴丹吉林沙漠。地理位置為 92°12′-103°54′ E，37°09′-42°48′ N。東西長約 1 000 km，南北寬 40～120 km，平均海拔1 500 m左右。該區具有大陸性氣候和青藏高原氣候綜合影響的特點，屬于干旱少雨、蒸發強烈的強沙塵暴多發地區。年平均氣溫為5～10 ℃，年平均降水量138 mm，個別地區在50 mm以下。年日照時數 3 000～4 000 h，多年平均太陽總輻射量值約為 7 161 MJ·(m2·a)-1， ≥0 ℃ 年積溫多年平均值為 3 564 ℃·d，平均蒸發量超過 1 000 mm[24]。區域內土壤大區為西北干旱漠土，走廊西部分布有棕色荒漠土，中部為灰棕荒漠土，東部則為灰漠土、淡棕鈣土和灰鈣土[25]。

河西地區擁有各類天然草地面積9.8萬km2，占該區土地總面積的35.6%。其中可利用草地面積8.7 萬km2，山區草地面積占草地總面積的38.7%。受地形和氣候等因素的影響，草地類型呈多樣性(圖1)。

2 數據與方法

2.1 Terra/Aqua MODIS 地表反射率產品

MODIS數據采用來自NASA地表過程數據中心(LP DAAC)L3級的地表反射率產品MOD09A1，

圖 1 河西地區草地類型和野外采樣點分布圖Figure 1 The distribution of grassland types and field sampling sites in Hexi arid area

涵蓋了可見光、近紅外和短波紅外1～7 波段的地表反射率等數據。投影方式為正弦曲線投影，時間分辨率為8 d，空間分辨率為500 m。本研究采用的是空間位置在全球正弦投影系統中編號為h25v04、h25v05和h26v05的影像，數據格式是EOS-HDF，版本為V005，時間序列為2001-2015年5-10月15 個生長季。使用 MRT (MODIS Reprojection Tools)和ArcGIS軟件，對下載的MOD09A1產品進行格式轉換、拼接和地圖投影轉換等預處理。

2.2 草地實測數據與輔助數據庫

外業調查集中在2005、2006、2014和2015年7-8月草地生長季期間。采用路線監測的方法，選擇交通能夠到達，草地相對均質，面積大于1 km ×1 km的草地作為代表性樣地，每個樣地內設置3 個 0.5 m × 0.5 m 的樣方。樣地調查內容包括樣地所隸屬草地類型、地形、坡度、坡向、土壤質地、經緯度、海拔高度、植被覆蓋度等指標。2005、2006、2014和 2015年分別設置樣地 18、36、30和22個。將每個樣地內3個樣方的平均值作為1條數據記錄，最終得到樣本記錄106條(圖1)。輔助數據包括研究區1∶50萬草地類型圖、行政分區等相關空間數據庫。

2.3 植被覆蓋度反演方法和精度驗證

2.3.1 植被覆蓋度反演方法

本研究共使用了經驗模型法、像元二分模型法和改進的三波段最大梯度差法3種基于遙感的干旱區植被蓋度計算方法，結合實測樣方數據，比較這些方法提取河西地區草地植被蓋度的準確性，找出適用于該區的植被蓋度計算方法。

經驗模型法是利用光譜值與實測數據之間的相關關系來反演植被覆蓋度。本研究選擇包括NDVI、NDTI、DVI、TVI等在內的10種不同的植被指數，結合地面實測數據建立植被指數與植被覆蓋度之間的線性回歸模型，用以估算研究區植被蓋度。將106個樣點隨機分為兩部分，其中72個樣點用于模型構建，34個樣點用于驗證模型的精度。

像元二分模型法在估算植被覆蓋度時多采用NDVI值，其計算公式如下：

改進的三波段最大梯度差模型：

式中：A為植被覆蓋度，、和分別代表紅、近紅和短波紅外波段的反射率，、和

2.3.2 植被覆蓋度精度驗證

為了綜合衡量不同植被覆蓋度估算方法的精度，利用34個驗證樣本的野外實測結果與影像估算值進行統計分析。采用平均絕對誤差δ、均方根誤差RMSE及預測值和實測值之間的相關系數r作為驗證模型精度的指標[10, 21]，以此來評價不同方法在河西地區植被覆蓋度監測中的適應性。

2.4 草地植被覆蓋度時空動態特征

利用已建立的草地植被覆蓋度反演模型以及MODIS 地表反射率產品，結合研究區草地類型圖，分析研究區2001-2015年生長季草地植被覆蓋度的空間分布狀況和年際動態變化等特征。為分析河西地區草地植被覆蓋度年際變化情況，采用線性擬合的方法分析植被覆蓋度變化趨勢，即用線性擬合的斜率()表示年變化率，通過顯著性分析將植被覆蓋度變化情況劃分為5個等級[20]：極顯著退化 (＜-0.1%，P≤ 0.01)、顯著退化＜-0.1%，0.01＜P≤ 0.05)、保持不變 (P＞0.05)、顯著恢復 (＞0.1%，0.01＜P≤ 0.05)、極顯著恢復 (

3 干旱區植被覆蓋度估算及時空變化特征

3.1 植被覆蓋度估算方法精度分析

利用未參與建模的34個驗證樣本對不同植被覆蓋度模型進行驗證。采用平均絕對誤差δ、均方根誤差RMSE和相關系數r來評價模型準確度，將野外實測樣本與不同模型的估算結果進行統計分析。比較不同植被覆蓋度模型的計算精度，檢驗不同方法在河西地區的適用性(表1)。總體而言，經驗模型法的估算精度最高，大部分經驗模型的平均絕對誤差和均方根誤差較其他兩種方法小，相關系數較大。其次為改進的三波段最大梯度差法，反演效果最差的為像元二分模型法，平均絕對誤差和均方根誤差均為所有方法中最大的，相關系數較小。說明基于MODIS NDVI的像元二分模型并不適用于干旱區草地植被蓋度的估算，特別是在純植被和裸土閾值的選擇上還存在很大的不確定性。改進的三波段最大梯度差法在新疆荒漠植被區反演效果較好，但對河西地區草地植被覆蓋度的估算精度并不理想，這一結果與該方法在其他地區的應用效果相一致[20-22]。雖然經驗模型法對實測數據的依賴性大，但對于有大量實測數據的研究區而言，其估算模型的可靠性更高。

表 1 植被覆蓋度估算方法精度分析結果Table 1 The results of accuracy analysis for estimation methods of vegetation fractional coverage

經驗模型法中使用TVI植被指數的估算模型精度最高，估計值和實測值之間的平均絕對誤差和均方根誤差在10種植被指數中均最小，分別僅為0.102和0.123，相關系數則高達0.893。因此，確定轉換植被指數TVI和植被覆蓋度之間建立的回歸模型為最優的覆蓋度反演模型，利用SPSS軟件統計分析反演模型的參數，各參數均通過了顯著性檢驗，河西地區草地植被覆蓋度的監測模型為：

3.2 植被覆蓋度時空變化特征

3.2.1 植被覆蓋度空間分布格局

利用建立的植被覆蓋度反演模型和TVI指數，估算2001-2015年生長季最大植被覆蓋度多年平均值(圖2)。2001-2015年河西地區草地生長季植被最大覆蓋度均值為42.6%，且空間分布差異明顯。由東南向西北植被覆蓋度逐漸降低，東南部草地植被覆蓋度最大可達100%，西部和北部植被覆蓋度最低僅為8.3%。研究區超過一半的草地生長季最大覆蓋度多年平均值小于40%，主要分布在研究區北部地區。可見當地嚴酷的自然條件不利于草地植被的生長發育。其中，植被覆蓋度小于20% 的草地占草地總面積的4.25%，集中分布在黑河和疏勒河流域的下游地區；植被覆蓋度在20%～30%的草地占草地總面積的37.40 %，主要分布在石羊河和黑河流域下游地區、疏勒河北岸的馬鬃山一帶及阿爾金山東段地區；植被覆蓋度在30%～40%的草地占草地總面積的18.63%，大面積分布在研究區西部的祁連山西段區域。植被覆蓋度在40%～60%的草地占草地總面積的19.58%，主要分布研究區中部的平原地帶和祁連山的中西段；覆蓋度大于60%的草地占草地總面積的20.14%，集中分布在研究區東南部的祁連山國家級自然保護區境內。

圖 2 2001-2015 年生長季草地植被最大覆蓋度多年平均值空間分布格局Figure 2 The spatial distribution pattern of annual average coverage during growing season from 2001 to 2015

表 2 2001-2015 年不同草地類型生長季最大覆蓋度多年平均值Table 2 The annual average coverage of different grassland types during growing season from 2001 to 2015

統計各草地類型植被覆蓋度(表2)發現，河西地區植被覆蓋度最高的草地為山地草甸，多年平均覆蓋度為90.2%，標準偏差為12.1%；其次為高寒草甸和溫性草原，平均植被覆蓋度分別為74.7%和73.6%，不同的是溫性草原的標準差較高寒草甸小。其余幾類草地植被覆蓋度均在50%以下，其中，溫性荒漠植被覆蓋度最低，平均植被覆蓋度僅為30.6%，標準差為12.5%。植被覆蓋度較高的幾類草地，都分布在降水較為豐富的祁連山麓一帶。

3.2.2 草地植被覆蓋度年際變化特征

2001-2015年河西地區草地植被覆蓋度總體上呈現極顯著的上升趨勢，年增加率在0.36%(R2=0.552，P＜0.01)。覆蓋度最低的年份出現在 2001 年(37.7%)，最高年份出現在2012年(45.6%)。可見退耕還林還草、封禁等政策的實施，在當地取得了一定的成果。分析不同草地類型植被覆蓋度變化趨勢(圖3)，除溫性草原、溫性荒漠草原和山地草甸呈顯著增加趨勢外，其余草地類型植被覆蓋度都呈極顯著增加趨勢。呈顯著增加趨勢的草地中溫性草原增加速率最快，年增加率為0.51%(R2=0.302，P＜0.05)；山地草甸增加速率最低，每年增加 0.28%(R2= 0.394，P＜0.05)。極顯著增加的草地中低地草甸增加速率最快，年增加率0.50% (R2= 0.919，P＜0.01)；其次為溫性草原化荒漠，年增加率為 0.49% (R2= 0.497，P＜0.01)；高寒草原年增加率也較大為 0.46% (R2= 0.465，P＜0.01)；作為研究區分布范圍最廣的草地類型，溫性荒漠植被覆蓋度也呈現極顯著增加趨勢，年增加率為0.30% (R2=0.579，P＜0.01)；高寒草甸年增加率最低為 0.27%(R2= 0.541，P＜0.01)。

圖 3 2001-2015年不同草地類型植被覆蓋度年際變化特征Figure 3 Inter-annual variation of vegetation fractional coverage in different grassland types from 2001 to 2015

15年間河西地區草地植被覆蓋度年變化率介于-1.23～0.27。變化率為正值表示植被覆蓋度逐年增加，負值則表示逐年降低。雖然研究區草地植被覆蓋度總體上呈增加趨勢，但在空間分布上存在一定的異質性。根據植被覆蓋度年變化率，統計分析了研究區植被覆蓋度變化趨勢(圖4)。15年間研究區絕大部分草地植被覆蓋度基本保持不變，占草地總面積的62.51%；三分之一以上的草地植被覆蓋度呈逐年增加的趨勢，其中極顯著恢復的草地占19.28%，集中分布在中部黑河流域的中下游地區，以及疏勒河沿岸地帶；顯著恢復的草地占草地總面積的17.79%，主要分布在西部疏勒河流域內的馬鬃山南部、阿爾金山和祁連山一帶。僅有個別地區的草地呈退化趨勢，其中顯著退化草地占0.29%，極顯著退化的草地占0.14%，退化草地主要分布在馬鬃山北部和石羊河流域西部地區，在祁連山東段區域也有零星分布。由此可見，河西地區草地生長狀況整體上有一定程度的改善，但局部地區的草地仍呈惡化趨勢，究其

圖 4 2001-2015年植被覆蓋度年變化趨勢分布格局Figure 4 The distribution pattern of annual variation trend of vegetation fractional coverage from 2001 to 2015

原因可能是由于長期以來對草地不合理的利用(如過度放牧)或大規模探、采礦活動，對局部地區植被造成了破壞。

分析15年間不同草地類型的植被變化狀況，低地草甸植被變化最為明顯，退化和恢復的草地所占面積比例都是所有草地類型中最高的，植被狀況以恢復為主(50%以上)。溫性荒漠有40%以上的區域植被得到改善。除低地草甸和溫性荒漠外，其余幾類草地的植被覆蓋度基本保持不變(60%以上)，其中溫性荒漠草原最穩定，其他依次為高寒草甸、溫性草原、山地草甸、溫性草原化荒漠、高寒荒漠和高寒草原(表3)。

表 3 不同草地類型植被變化面積比例Table 3 Statistical results of the area ratio of vegetation change in different grassland types%

4 結論

本研究針對干旱區草地植被，探討了經驗模型法、像元二分模型法和改進的三波段最大梯度差法3種干旱區植被覆蓋度估算方法在河西地區的估算精度，發現基于TVI植被指數的經驗模型總體精度最高，適用于河西地區草地植被覆蓋度的估算。在此基礎上，統計分析了近15年來草地植被蓋度時空分布格局。結果表明，河西地區草地生長季植被最大覆蓋度均值為42.6%，且空間分布差異明顯，由東南向西北植被覆蓋度逐漸降低；超過一半的草地生長季最大覆蓋度小于40%，主要分布在研究區西北部地區，植被覆蓋度最高的區域集中分布在東南部的祁連山國家級自然保護區境內。河西地區草地植被覆蓋度總體上呈現極顯著增加趨勢，但在空間分布上存在一定的異質性；絕大部分草地植被覆蓋度基本保持不變；30%以上的草地植被呈恢復趨勢，集中分布在研究區中、西部地區；個別地區的草地呈退化趨勢，零星分布在馬鬃山北部、石羊河流域西部及祁連山東段地區。

總體而言，在有大量實測數據支持的區域，經驗模型法對植被覆蓋度的估算精度更高，但缺點在于不易在別的地區進行推廣。在今后的工作中可以考慮結合多源衛星遙感資料及新型技術(如無人機)，著重研究利于在其他地區推廣的植被覆蓋度估算模型(如混合像元分解模型)，改進干旱區植被覆蓋度估算方法。