濟南市植被覆蓋時空變化特征研究
2020-12-23 05:41:45李世偉尼加提·穆合塔爾周迪
綠色科技 2020年14期
李世偉 尼加提·穆合塔爾 周迪
摘要：以2008～2017年時序Landsat影像為數據源，利用像元二分模型提取植被覆蓋度，采用趨勢分析、M-K檢驗以及重心轉移模型對濟南市2008～2017年植被覆蓋的時空變化特征進行了研究。結果表明：時間上，植被覆蓋度f在0.5左右浮動，總體呈平緩下降趨勢，沒有突變年份;Ⅲ級（0.35
關鍵詞：植被覆蓋度;像元二分模型;時空變化;濟南市
中圖分類號：TP79
文獻標識碼：A?文章編號：1674-9944（2020）14-0008-06
1?引言
一個地區的植被覆蓋狀態對于揭示其地表植被的變化趨勢，評價區域的生態環境有著重大的意義，評價植被覆蓋情況的重要指標是植被覆蓋度（Vegetation Coverage，VC）[1]。植被覆蓋度是指植被垂直投影面積占研究區總面積的百分比，它是區域氣候數值模型中的重要參數，也是描述生態系統的重要基礎數據[2]。
對區域植被覆蓋的時空變化特征研究是確保社會經濟健康發展的重要驅動力之一。近年來，國內外學者利用植被覆蓋度對植被覆蓋時空變化特征進行了大量的研究，研究方法主要有植被指數法[3～12]、線性光譜混合模型法[13～16]、混合像元分解法[18～20]等。其中，像元二分模型是混合像元分解法的一種計算模型，它的計算方法簡單，模型參數易得，結果準確可靠，利用高分辨率光學遙感影像，可應用于中小尺度區域的植被覆蓋度計算[20]。
濟南市是華北平原環境變化相對敏感的地區之一，對其植被覆蓋時空變化特征的研究不僅有助于掌握該區域的生態環境變化情況，直觀、清晰地了解濟南的植被覆蓋狀況及變化趨勢，得到濟南市植被覆蓋的整體和局部特征，也能為濟南市經濟平穩綠色發展、城市合理規劃、資源開發和環境保護提供理論支持和數據參考。
2?研究區概況與數據
2.1?研究區概況
濟南，簡稱“濟”，是山東省的省會，位于北緯36°01′～37°32′，東經116°11′～117°44′（圖1）。濟南市南靠泰山，北傍黃河，地勢南高北低，可分為北部臨黃平原帶、中部山前平原帶和南部山區丘陵帶。濟南市植被根據其分布區域及植物組成進行分類，可分為森林植被，灌木植被，草甸植被和農業植被4種類型。濟南的農業植被約占全市總面積的38%，森林植被占17%左右，灌木和草地植被占18%[21，22]。
2.2?數據源與預處理
本研究所用的數據主要包括遙感數據和其他數據。其中，遙感數據為地理空間數據云（http：//www.gscloud.cn）提供的2008～2017年的時序Landsat影像，共10景（表1），空間分辨率為30m，坐標系統為WGS_1984_UTM_ZONE_50N，含云量均在10%以下，圖像質量良好。考慮到濟南市種植的農作物主要為冬小麥，在6～7月份成熟和收割，黃色的成熟小麥和收割后的裸露地表都會影響植被覆蓋度的提取[6];同時，濟南市在5月下旬、6月上旬的植被覆蓋已經趨近于夏季平均水平，且7、8月份為濟南市的雨季，多陰雨天氣，云量普遍比較大。因此影像的選取時間大部分是5月末、6月初，影像的獲取時間接近，植被處于同一物候期，植被覆蓋變化在時間和空間上都有較好的可比性。
其他的數據包括來自于濟南市統計局的濟南市統計年鑒（2009～2018年）、來自于國家基礎地理信息系統網站（http：//www.ngcc.cn）的濟南市行政區劃圖以及來自于地理空間數據云的濟南市DEM數據（GDEMV2 30M），其坐標系統與遙感影像一致。
數據的預處理包括對Landsat 7影像的去條帶處理，遙感影像的輻射定標、大氣校正、圖像鑲嵌、影像裁剪以及DEM數據的拼接和裁剪等。
3?研究方法
3.1?歸一化植被指數的計算
歸一化植被指數（NDVI）隨植被生物量的增加呈線性增加，能夠反映植被覆蓋特征、生長狀態及植被覆蓋度等信息，應用于區域及全球尺度的植被動態監測、
牧草和農作物面積及產量估算、物候特征識別等方面[16-20]。計算公式為：
式（1）中NIR為遙感影像中近紅外波段的亮度值，R為遙感影像種紅波段的亮度值。
本研究利用ENVI 5.3軟件的NDVI工具，分別計算2008～2017年的歸一化植被指數。NDVI的取值范圍為（-1，1），超出此范圍為異常值，利用Band Math工具剔除異常值。
3.2?基于像元二分模型的植被覆蓋度估算
像元二分模型的原理是利用歸一化植被指數和植被覆蓋度之間的高相關性來計算植被覆蓋度[3]：
式（2）中，f為植被覆蓋度，NDVIsoil為沒有植被覆蓋的區域或完全由裸土覆蓋的地表的NDVI值，NDVIveg則代表完全被植被所覆蓋的像元的NDVI值。在沒有實地測量數據的情況下，可以近似的取NDVI最小值為NDVIsoil，取NDVI最大值為NDVIveg。為了提高植被覆蓋度估算的準確性，在估算植被覆蓋度時，經過多次比較試驗以及文獻記載[16～20]，本研究選取 NDVI 圖像內累計頻率為 5% 的歸一化植被指數作為NDVIsoil，選取累計頻率為 95% 的歸一化植被指數作為NDVIveg。
參考環境保護部于2015年發布的《生態環境狀況評價技術規范》，本研究將所得的植被覆蓋度分為5級：Ⅰ級，低等覆蓋度（0% 3.3?Mann-Kendall檢驗 Mann-Kendall（M-K）檢驗是一種非參數檢驗方法，具有不需要樣本遵循一定的分布、不受少數異常值、計算簡單的干擾的優點，對于揭示時間序列的演變趨勢和突變情況有良好的表現，包括趨勢檢驗和突變檢測兩方面[22～24]。本研究對濟南市2008～2017年的植被覆蓋度進行M-K趨勢檢驗和突變檢測，得到詳細的時間變化趨勢。 3.3.1?Mann-Kendall趨勢檢驗 將計算得到的VC數據作為時間序列（x1，x2，…xn），n為時間序列長度，則定義統計量S： 當Z>0時，時間序列呈增長趨勢;Z<0時，時間序列呈減少趨勢。在給定置信水平α=0.05的水平下，當|Z|大于等于1.28、1.64、2.32時分別表示通過了信度90%、95%、99%的顯著性檢驗。 3.3.2?Mann-Kendall突變檢測 式（7）中，UFk遵從標準正態分布，在給定顯著性水平α=0.05的情況下，得到其臨界值Uα=±1.96。將歷年的UFk點連成一條曲線，將上述方法在時間序列的反序列中運用，并將計算結果乘以-1，得到UBk和相應的曲線。當UFk大于0時，序列為增加趨勢，反之為減少趨勢。若UFk 超過臨界值，則表示變化趨勢達到了顯著水平。當UFk 和UBk兩條曲線出現交點，且交點位于臨界值之間時，則交點對應的時間可認為是突變開始的時間。 3.4?重心轉移模型 在力學模型中，將研究區域劃分為幾個大小相等的單元，可以根據每個單元的中心坐標（Xi，Yi）和該單元的“重量”Mi建立重心模型[25]。使用VC來代替“重量”，可構建植被覆蓋度的重心模型，重心模型在植被覆蓋度的空間變化監測方面有獨特的優勢，能夠直觀的反映其變化規律[11]。重心模型的計算公式為： 其中，（x，y）為計算得到的重心對應的坐標，Mi為某單元對應的植被覆蓋度，（Xi，Yi）為該單元的中心坐標。本研究將濟南市隨機劃分成5000個大小相等的單元格，分別計算每個單元格對應的植被覆蓋度和坐標，并對濟南市2008～2017年的植被覆蓋度建立重心轉移模型，得到濟南市植被覆蓋度的重心轉移趨勢。 4?結果和分析 4.1?濟南市植被覆蓋時間變化特征 濟南市2008～2017年整體植被覆蓋變化程度不大，植被覆蓋度在0.5左右浮動，總體呈輕微下降趨勢，線性傾向率為～0.0025/年。其中，2012、2014和2015年的植被覆蓋度明顯低于平均水平，這與當年降水偏少有著很重要的關系。 為了進一步說明濟南市的植被覆蓋變化趨勢，對2008、2011、2014和2017年不同等級植被覆蓋度的面積及比例進行了統計（表2和圖3），結果表明：Ⅰ級植被覆蓋度呈現減少的趨勢，降幅為0.6%;Ⅱ級植被覆蓋度呈現先降低后增加的趨勢，總體有較少面積的增加，增幅為0.3%;Ⅲ級植被覆蓋度呈現先降低后增加的趨勢，總體有較大面積的增加，增幅為3.4%;Ⅳ級植被覆蓋度呈現先降低后增加的趨勢，總體有0.3%的降幅;Ⅴ級植被覆蓋度呈現先增加后降低的趨勢，總體有較大面積的減少，降幅為2.8%。 為了反映不同等級植被覆蓋度的轉化情況和轉移過程，對2008～2017年濟南市不同植被覆蓋度等級面積計算轉移矩陣（表3）。統計分析結果表明：2008～2017年間，Ⅰ級、Ⅳ和Ⅴ級植被覆蓋度的轉出面積大于轉入面積，表示面積呈減少趨勢，轉出的面積分別占2008年對應面積的3.3%、1.3%和11.3%;Ⅱ級和Ⅲ級植被覆蓋度的轉入面積大于轉出面積，表示面積呈增加趨勢，轉入的面積分別占2008年對應面積的2.5%和17%。說明從2008年到2017年，Ⅰ級、Ⅱ級和Ⅳ級植被覆蓋的變化比較穩定，Ⅲ級和Ⅴ級植被覆蓋變化程度比較大。Ⅲ級植被覆蓋度的轉入來源主要是Ⅳ級和Ⅴ級覆蓋度，分別占轉入面積的43.1%和24.1%;Ⅴ級植被覆蓋度的轉出去向主要是Ⅲ級和Ⅳ級覆蓋度，分別占轉出面積的31.2%和58.8%，說明植被覆蓋程度總體上有輕微的下降。 為了得到更詳細的濟南市植被覆蓋變化趨勢，利用MATLAB軟件對2008～2017年植被覆蓋度進行M-K檢驗。計算得到S=-7，在置信度α=0.05的情況下，計算得出Z=-0.537<0，因此植被覆蓋度在2008-2017年間呈降低的趨勢;而|Z|=0.537<1.28，說明植被覆蓋度降低的趨勢沒有達到顯著水平。 通過進一步計算各年的UFk值和UBk值并繪制曲線時序圖（圖4），可以得到：UFk曲線的各點沒有超出置信度α=0.05水平下的閾值線，說明植被覆蓋度沒有顯著變化的趨勢;除了2011年和2013年的UFk值大于0以外，其余各年的UFk值都小于0，說明植被覆蓋度整體呈現下降的趨勢;UFk曲線和UBk曲線從2008年開始并沒有交點，說明2008-2017年間植被覆蓋度的變化趨勢比較平緩，沒有突變點。 4.2?濟南市植被覆蓋空間分布特征 為了研究濟南市2008～2017年植被覆蓋度的空間分布特征，對濟南市多年平均植被覆蓋度在不同地形帶的面積分布進行了統計（表4）。結果表明：在北部的臨黃平原帶分布的植被覆蓋等級主要是Ⅲ級、Ⅳ級和Ⅴ級，所占比例分別是18.4%、23.0%和34.4%，這主要是因為濟南北部的臨黃平原帶，地形平坦、土壤肥沃，耕地分布廣;在中部的山前平原帶分布的植被覆蓋等級主要是Ⅰ級、Ⅱ級和Ⅲ級，所占比例分別是30.7%、18.8%和21.3%，這主要是因為濟南市經濟比較發達的中部主城區以及平陰、長清和章丘的城區大多分布于此，植被覆蓋相比于其它地形帶較少;在南部的山區丘陵帶分布的植被覆蓋等級主要是Ⅲ級、Ⅳ級和Ⅴ級，所占比例分別是20.3%、22.8%和33.1%，這主要是因為濟南市南部的山區丘陵帶是泰山山脈的北翼，地形以丘陵、山地為主，森林茂密、植被覆蓋率高。 為了分析濟南市植被覆蓋變化趨勢的空間分布情況，對濟南市2008～2017年的植被覆蓋變化率進行統計分析（圖5）。結果表明：植被覆蓋的變化率在空間上呈現南北高、中間低的分布規律;植被覆蓋度增長率為0.5～1的區域主要分布于濟南市的北部和西南部地區，占總面積的2.44%;植被覆蓋度增長率為0～0.5的區域主要分布于濟南市的北部和西南部地區，在中部地區也有廣泛的分布，占總面積的29.67%;植被覆蓋度增長率為0的區域廣泛分布于濟南全市，占總面積的41.25%;植被覆蓋度增長率為-0.5～0的區域主要分布于濟南市的中部偏北和東南部地區，占總面積的23.51%;植被覆蓋度增長率為-1～-0.5的區域主要分布于濟南市中部主城區的周邊地區及濟南市的中部偏北和東南部地區，占總面積的3.13%。說明濟南市的北部和西南部地區的植被覆蓋有逐漸增加的趨勢，濟南市中部除主城區以外地區的植被覆蓋有逐漸減少的趨勢。 為了得到濟南市植被覆蓋度的重心轉移趨勢，對濟南市2008～2017年的植被覆蓋度建立重心轉移模型（圖6）。可以看到，2008～2017年濟南市植被覆蓋度的空間重心分布存在不均衡性，轉移情況比較復雜，整體呈現西移的趨勢。2008～2009年植被覆蓋度的重心向東轉移，2009～2011年植被覆蓋度的重心向西轉移，2011～2013年植被覆蓋度的重心先向東南后向東北轉移，2013～2014年植被覆蓋度的重心向西南方向有明顯的轉移，且轉移距離比較長，2014～2017年間植被覆蓋度的重心向東北方向有所回移。空間重心轉移情況比較復雜表明濟南市的植被覆蓋重心年際波動較大，受自然和人為因素的影響比較大;植被覆蓋度重心的西移說明濟南市西部經濟發達地區植被覆蓋情況改善，人們在經濟發展的同時，也加強了對環境的保護。 5?結論 本文利用Landsat影像和像元二分模型法計算得到了濟南市2008～2017年的植被覆蓋度情況，并采用趨勢分析、M-K檢驗以及重心轉移模型對濟南市植被覆蓋的時空變化特征進行研究。研究結果表明： 從時間變化特征來看，濟南市2008～2017年整體植被覆蓋變化程度不大，植被覆蓋度在0.5左右浮動，總體呈輕微下降趨勢;Ⅰ級、Ⅳ級和Ⅴ級植被覆蓋度呈現減少的趨勢，降幅分別為0.6%、0.3%和2.8%;Ⅱ級和Ⅲ級植被覆蓋度呈現增加的趨勢，增幅分別為0.3%和3.4%;Ⅲ級植被覆蓋度的轉入來源主要是Ⅳ級和Ⅴ級植被覆蓋度，Ⅴ級植被覆蓋度的轉出去向主要是Ⅲ級和Ⅳ級植被覆蓋度;M-K檢驗的結果表明，植被覆蓋度在2008～2017年間呈降低的趨勢，但降低的趨勢沒有達到顯著水平，沒有突變年份。 從時間分布特征來看，北部臨黃平原帶和南部山區丘陵帶分布的植被覆蓋等級主要是Ⅲ級、Ⅳ級和Ⅴ級，中部山前平原帶分布的植被覆蓋等級主要是Ⅰ級、Ⅱ級和Ⅲ級;植被覆蓋的變化率在空間上呈現南北高、中間低的分布規律，濟南市的北部和西南部地區的植被覆蓋有逐漸增加的趨勢，濟南市中部除主城區以外地區的植被覆蓋有逐漸減少的趨勢;植被覆蓋度的空間重心分布存在不均衡性，轉移情況比較復雜，整體呈現西移的趨勢。 參考文獻 [1]王?柳，段?英.利用遙感影像進行植被分布分析[J].測繪與空間地理信息，2012，35（3）：140～142，146. [2]彭?飛，范聞捷，徐希孺，等.2000～2014年呼倫貝爾草原植被覆蓋度時空變化分析[J].北京大學學報（自然科學版），2017，53（3）：563～572. [3]穆少杰，李建龍，陳奕兆，等.2001～2010年內蒙古植被覆蓋度時空變化特征[J].地理學報，2012，67（9）：1255～1268. [4]李?杰，張?軍，劉陳立，等.基于MODIS-NDVI的云南怒江流域植被覆蓋時空變化特征研究[J].林業資源管理，2018（4）： 90～99. [5]Sun Y， Yang Y， Zhang L， et al. The relative roles of climate variations and human activities in vegetation change in North China [J]. Physics & Chemistry of the Earth， 2015（87/88）：67～68. [6]谷金芝，宮兆寧.2001～2015年華北平原植被覆蓋度時空變化特征及影響因素分析[J].測繪與空間地理信息， 2018， 41（8）： 47～51. [7]Barbosaa H A， Huetea A R， Baethgen W E. A 20 year study of NDVI variability over the northeast region of Brazil [J]. Joural of Arid Environments， 2006（67）：288～307. [8] 張盛霖，項?俊，吳博文，等.基于遙感與GIS的黃岡市植被覆蓋時空特征研究[J].湖北農業科學，2015，54（10）：2358～2362. [9] 高健健，穆興民，孫文義.1981～2012年黃土高原植被覆蓋度時空變化特征[J].中國水土保持，2016（7）：52～56. [10]羅增奇，成軍鋒，仇寬彪等.2000—2017年秦嶺地區植被覆蓋時空變化特征研究[J].陜西林業科技，2018，46（4）：14～21. [11]宋鵬飛，季?民，李?剛.山東省近10年植被覆蓋度變化與氣候因子相關性分析[J].測繪通報，2018（12）：109～113. [12]賈?路，任宗萍，李占斌，等.2000～2013年西安市植被覆蓋度時空演變[J].水土保持研究，2019，26（6）：274～279. [13]王天星，陳松林，馬?婭.基于改進線性光譜分離模型的植被覆蓋度反演[J].地球信息科學，2008（1）：114～120. [14]楊?峰，李建龍，楊文鈺等.基于線性光譜混合模型的荒漠草地覆蓋度估測[J].農業工程學報，2012，28（7）：243～247. [15]姬翠翠，賈永紅，李曉松，等.線性/非線性光譜混合模型估算白刺灌叢植被覆蓋度[J].遙感學報，2016，20（6）：1402～1412. [16]胡玉福，蔣雙龍，劉?宇，等.基于RS的安寧河上游植被覆蓋時空變化研究[J].農業機械學報，2014，45（5）：205～215. [17]蘇?嫄，王志杰.基于遙感和GIS的陜南地區近20年植被覆蓋時空變化特征[J].水土保持研究，2018，25（1）：250～256. [18]趙健赟，張曉華，張?波，等.基于Landsat的三江源區植被覆蓋時空變化分析[J].人民黃河，2018，40（7）：68～72，77. [19]Liu Huaipeng， Zhang Yongxin， Zhang Xiaoping. Monitoring vegetation coverage in Tongren from 2000 to 2016 based on Landsat7 ETM+ and Landsat8.[J]. Anais da Academia Brasileira de Ciencias，2018，90（3）. [20]楊旭超，張?軍，李?杰，等.呈貢區近30年植被覆蓋度時空變化特征與土地利用驅動[J].水土保持研究，2019，26（4）：232～238. [21]王欣平，邵鳳孌，毛志紅，等.基于MODIS數據的濟南市年最大植被覆蓋度動態監測[J].地域研究與開發，2016，35（1）：150～155. [22]濟南市統計局.濟南統計年鑒[J].北京：中國統計出版社，2009～2018. [23]尹?恒，楊占婷，任瑋穎，等.基于小波變換和M-K檢驗的灰霾長期變化研究[J].科學技術與工程，2012，12（36）：9810～9814. [24]新素依爾·道恩德格.基于M-K檢驗和信息熵的烏魯木齊市降水時空變化分析[J].陜西水利，2019（5）：41～42，45. [25]徐建華，岳文澤.近20年來中國人口重心與經濟重心的演變及其對比分析[J].地理科學，2001（5）：385～389.
