基于Landsat遙感衛(wèi)星影像的南京市植被動(dòng)態(tài)變化研究

楊德菲, 潘潔, 楊存建, 肖澤宇, 沈彰, 李想, 徐婧儀

基于Landsat遙感衛(wèi)星影像的南京市植被動(dòng)態(tài)變化研究

楊德菲1, 潘潔2,*, 楊存建3, 肖澤宇1, 沈彰1, 李想1, 徐婧儀1

1. 南京林業(yè)大學(xué)風(fēng)景園林學(xué)院, 南京 210037 2. 南京林業(yè)大學(xué)林學(xué)院, 南京 210037 3. 四川師范大學(xué)地理與資源科學(xué)學(xué)院, 成都 610068

為探究南京市綠色植被覆蓋時(shí)空動(dòng)態(tài)變化規(guī)律, 基于Landsat影像, 借助ENVI、PCI、ArcGIS等軟件操作平臺(tái)構(gòu)建綠色植被信息提取模型, 利用模型提取了南京市2000年、2009年、2017年3期植被覆蓋信息, 并在此基礎(chǔ)上進(jìn)行了時(shí)空動(dòng)態(tài)變化及其驅(qū)動(dòng)因素分析。結(jié)果表明: (1)時(shí)間上, 南京市2000年、2009年、2017年植被覆蓋面積分別為4607 km2、4909 km2、4513 km2, 總體呈現(xiàn)出2000—2009年上升, 2009—2017年下降的趨勢(shì); (2)空間上, 2000—2009年: 南京市最北部、東部和南部植被呈現(xiàn)不同程度增加的趨勢(shì), 最南部明顯減少; 2009—2017年: 八卦洲以北區(qū)域植被增加, 居民點(diǎn)及城市中心附近植被減少。這種植被的空間變化是由于城市化進(jìn)程加快、農(nóng)業(yè)類(lèi)型變化、政策調(diào)控等綜合因素的作用。研究結(jié)果對(duì)南京市植被的規(guī)劃、建設(shè)和管理, 以及對(duì)南京市的生態(tài)環(huán)境建設(shè)具有參考價(jià)值。

衛(wèi)星遙感; 植被提取; 動(dòng)態(tài)變化; 生態(tài)建設(shè)

0 前言

綠色植被作為重要的自然資源在環(huán)境保護(hù)中具有重要的生態(tài)服務(wù)功能, 不僅能夠利用光合作用吸收二氧化碳釋放氧氣、吸附凈化空氣中的灰塵、防風(fēng)固沙減少地表徑流、減少噪聲污染、保護(hù)生物多樣性, 還在自然界的物質(zhì)循環(huán)、能量流動(dòng)方面起到重要作用。作為城市的重要組成部分, 綠色植被對(duì)其生態(tài)環(huán)境建設(shè)以及人居環(huán)境改善起著關(guān)鍵作用, 它們不僅具有綠化美化環(huán)境的景觀(guān)效益, 還具有促進(jìn)區(qū)域發(fā)展的社會(huì)經(jīng)濟(jì)效益[1]。此外, 綠色植被還與城市降溫效應(yīng)、地表溫度變化、氣候及水資源變化等存在相關(guān)性[2–5]。綠色植被的動(dòng)態(tài)變化研究可為生態(tài)建設(shè)、環(huán)境保護(hù)、災(zāi)后植被修復(fù)等提供決策支持和科學(xué)參考[6], 因此獲取和掌握綠色植被時(shí)空動(dòng)態(tài)變化信息具有重要意義。

國(guó)內(nèi)外許多學(xué)者就植被動(dòng)態(tài)變化方面展開(kāi)了大量的研究。如王君、楊曉梅、隋立春等人基于 Landsat TM/OLI 遙感影像數(shù)據(jù)分析了西安市植被覆蓋度的時(shí)空變化及其景觀(guān)格局的變化[7]; 曾學(xué)梅、丁文榮利用植被數(shù)據(jù)和氣象數(shù)據(jù)研究了云南石林縣植被覆蓋時(shí)空變化與氣候因子和人類(lèi)活動(dòng)的關(guān)系[8]; 馬秀秀、王雅萍、程結(jié)海等人通過(guò)計(jì)算歸一化植被指數(shù)(NDVI)值,利用像元二分模型,對(duì)臨汾市1998年、2007年和2018年的植被覆蓋度及其動(dòng)態(tài)變化進(jìn)行分析[9]。在南京市植被研究方面, 周文佐、潘劍君等人運(yùn)用NDVI與多波段組合的方式提取了南京2000年的植被信息, 對(duì)其空間分布進(jìn)行了分析[10]; 劉璐結(jié)合歷史資料以及前人研究成果對(duì)南京市紫金山植被變化進(jìn)行了研究討論[11]。目前就南京市植被研究而言, 還急需全域的動(dòng)態(tài)變化分析。隨著遙感技術(shù)的發(fā)展與應(yīng)用, 許多學(xué)者基于其他城市的遙感數(shù)據(jù), 已探究了多種植被信息的提取方法, 較為常用的為監(jiān)督分類(lèi)[12]和決策樹(shù)分類(lèi)法[13]。有的學(xué)者基于NDVI數(shù)據(jù)分析了珠江流域1982—2003年間的地表植物覆蓋的時(shí)空變化[14]。有的學(xué)者基于高分辨率影像, 根據(jù)植被與非植被的光譜差異構(gòu)造區(qū)分植被與非植被的最優(yōu)分離面, 從而實(shí)現(xiàn)植被信息的自動(dòng)化提取[15]。但就如何簡(jiǎn)便快速提取植被而言, 仍需深入研究。

為此, 本文以覆蓋南京市全域的2000年、2009年、2017年三期遙感衛(wèi)星影像為數(shù)據(jù)源, 通過(guò)影像特征分析、特征數(shù)據(jù)構(gòu)建與選取, 探討構(gòu)建南京市綠色植被提取模型, 分析提取效果。并在此基礎(chǔ)上, 對(duì)南京市植被時(shí)空動(dòng)態(tài)變化進(jìn)行分析, 揭示其時(shí)空動(dòng)態(tài)變化特征, 以為南京市的植被規(guī)劃、建設(shè)和管理服務(wù)。

1 研究區(qū)概況

南京市位于北緯31°14″至32°37″, 東經(jīng)118°22″至119°14″, 地處中國(guó)東部、長(zhǎng)江下游中部地區(qū), 是長(zhǎng)三角輻射帶動(dòng)中西部地區(qū)發(fā)展的國(guó)家重要門(mén)戶(hù)城市、“一帶一路”戰(zhàn)略與長(zhǎng)江經(jīng)濟(jì)帶戰(zhàn)略交匯的節(jié)點(diǎn)城市。南京南北直線(xiàn)距離150公里, 中部東西寬50至70公里, 南北兩端東西寬約30公里, 呈南北長(zhǎng)、東西窄, 正南北向形態(tài)。地形以低山緩崗為主, 南面是低山、崗地、河谷平原、濱湖平原和沿江河地等地形單元構(gòu)成的地貌綜合體。獨(dú)特的水熱條件、土壤類(lèi)型、地形地貌等的影響使得南京擁有豐富的植被資源[16]以及多樣的農(nóng)業(yè)類(lèi)型, 其主要植物群落為落葉闊葉林類(lèi)型, 林下常有的灌木層也多為落葉樹(shù)種, 主要農(nóng)業(yè)類(lèi)型包括蔬果栽培、茶葉種植、水產(chǎn)養(yǎng)殖等[17-18]。

2 數(shù)據(jù)與方法

2.1 數(shù)據(jù)來(lái)源與處理

本研究主要利用南京市2000年10月10日、2009年10月3日、2017年10月9日共三期的Landsat衛(wèi)星遙感影像及南京市行政邊界等矢量數(shù)據(jù), 其中衛(wèi)星遙感數(shù)據(jù)來(lái)源為中科院地理空間數(shù)據(jù)云平臺(tái)(http://www. gscloud.cn/)。為使影像質(zhì)量符合研究要求, 所選數(shù)據(jù)均為十月份的影像且影像云量極低, 因?yàn)榇藭r(shí)南京市植被覆蓋明顯且陰影范圍較小, 各類(lèi)植被都呈綠色, 有利于避免植被受季相變化帶來(lái)的影響。影像跨度近二十年, 有利于進(jìn)行植被的動(dòng)態(tài)變化分析。

對(duì)遙感影像進(jìn)行了預(yù)處理: (1)圖像配準(zhǔn), 將三期遙感影像與南京市行政邊界數(shù)據(jù)統(tǒng)一到相同的坐標(biāo)系和投影下; (2)圖像裁剪, 利用南京市行政邊界數(shù)據(jù)對(duì)遙感影像進(jìn)行了掩膜裁剪。

2.2 研究方法

2.2.1 歸一化植被指數(shù)

歸一化植被指數(shù)(Normalized Difference Vege-tation Index, NDVI)是最常用的植被指數(shù), 可用于檢測(cè)植被生長(zhǎng)狀態(tài)、植被覆蓋度和消除部分輻射誤差等。在NDVI影像上植被與非植被的影像特征差異較為明顯, NDVI計(jì)算可以將多光譜數(shù)據(jù)變換成一個(gè)單獨(dú)的圖像波段, 用于顯示植被分布[19]。為了便于顯示, 本文構(gòu)建了如下的改進(jìn)歸一化植被指數(shù)(GNDVI)模型:

式中,為近紅外波段,為紅外波段。

利用該模型和三期遙感影像數(shù)據(jù), 生成三期GNDVI數(shù)據(jù)。

2.2.2 植被信息提取模型

通過(guò)試驗(yàn)發(fā)現(xiàn), 利用閾值法從GNDVI中提取植被, 其結(jié)果會(huì)造成將堤壩等部分構(gòu)筑物誤提為植被, 致使提取精度不高。進(jìn)一步通過(guò)對(duì)植被和部分構(gòu)筑物的光譜采樣特征分析發(fā)現(xiàn), 構(gòu)筑物在TM3波段上的亮度值比植被高, 具有較好的區(qū)分性。因此, 選用GNDVI與TM3特征數(shù)據(jù)構(gòu)建植被提取模型, 如下所示:

IF GNDVI(i, j)>1 AND TM3(i, j)<2

THEN 該像元(,)為植被 (2)

式中,,為影像數(shù)據(jù)中像元的行列號(hào),1、2均為通過(guò)試驗(yàn)確定的閾值。

利用以上植被提取模型及2000年的GNDVI、TM3數(shù)據(jù)對(duì)2000年的衛(wèi)星遙感影像進(jìn)行提取, 通過(guò)試驗(yàn), 當(dāng)1和2分別取值為128和38時(shí), 所提取的植被較為準(zhǔn)確, 漏提和多提較少, 且能夠避免將部分構(gòu)筑物誤提為植被。同樣, 經(jīng)反復(fù)試驗(yàn)得到2009年和2017年的1、2分別取值為128、60和127、81時(shí), 能將其植被信息提取出來(lái)。采用目視判讀的方法對(duì)2000年的提取結(jié)果進(jìn)行點(diǎn)位精度評(píng)價(jià), 在目視判讀為植被的隨機(jī)20個(gè)點(diǎn)中, 有1個(gè)未被提取, 漏提誤差為5%; 有5個(gè)為多提, 多提誤差為25%, 故總的提取點(diǎn)位精度為85%。同樣方法, 得到2009年和2017年植被提取的點(diǎn)位精度分別為87.5%、90%。三期提取結(jié)果精度較高, 存在極少漏提現(xiàn)象和少數(shù)多提現(xiàn)象。

3 結(jié)果與分析

3.1 南京市三期植被現(xiàn)狀及其變化分析

2000—2017年南京市三期植被分布情況及數(shù)據(jù)統(tǒng)計(jì)結(jié)果如圖1和表1所示。由表1可知, 2000年的植被總面積為4607 km2, 占總面積的69.91%; 2009年的植被總面積為4909 km2, 占總面積的74.50%; 2017年的植被總面積為4513 km2, 占總面積的68.50%。總體上, 2000年到2009年植被面積增加了302 km2, 提高了4.59%; 2009年到2017年植被面積減少了396 km2, 降低了6.00%。

將2000年與2009年以及2009年與2017年的植被圖層分別進(jìn)行疊加統(tǒng)計(jì)分析, 其結(jié)果如表2、圖2和圖3所示。從表2可以看出, 2000—2009年植被轉(zhuǎn)入的區(qū)域共計(jì)1023 km2, 占總面積的15.53%; 植被轉(zhuǎn)出的區(qū)域共計(jì)721 km2, 占總面積的10.94%;植被不變區(qū)共計(jì)3886 km2, 占總面積的58.98%; 轉(zhuǎn)入高于轉(zhuǎn)出。2009—2017年植被轉(zhuǎn)入的區(qū)域共計(jì)480 km2, 占總面積的7.28%; 植被轉(zhuǎn)出的區(qū)域共計(jì)876 km2, 占總面積的13.29%; 植被不變區(qū)共計(jì)4033 km2, 占總面積的61.21%; 轉(zhuǎn)入低于轉(zhuǎn)出。

圖1 植被覆蓋圖(a南京市2000年植被覆蓋圖、b南京市2009年植被覆蓋圖、c南京市2017年植被覆蓋圖)

Figure 1 Vegetation coverage (a. The map of vegetation coverage of Nanjing in 2000; b. The map of vegetation coverage of Nanjing in 2009; c. The map of vegetation coverage of Nanjing in 2017)

表1 南京市三期植被面積統(tǒng)計(jì)

從圖2、圖3可以看出, 2000年到2009年植被轉(zhuǎn)入的區(qū)域主要分布在南京市最北部, 其次為東部和南部。由谷歌影像可知, 該區(qū)域2009年以前土地植被極為稀疏或農(nóng)田在影像對(duì)應(yīng)時(shí)期還未生長(zhǎng)農(nóng)作物。植被轉(zhuǎn)出的區(qū)域主要位于南京市最南部, 主要原因是2000年后農(nóng)田由莊稼種植變?yōu)榱怂a(chǎn)養(yǎng)殖。其次位于主城區(qū)周?chē)熬用顸c(diǎn)附近, 說(shuō)明由于城市的快速發(fā)展部分植被被建筑物或道路取代。植被不變區(qū)主要為覆蓋茂密森林的山體區(qū)域及其附近; 2009年到2017年植被轉(zhuǎn)入的區(qū)域位于八卦洲以北, 據(jù)谷歌影像可以推測(cè)其在2017年前為未長(zhǎng)農(nóng)作物的裸土地。植被轉(zhuǎn)出的區(qū)域主要分布在居民點(diǎn)及城市中心周?chē)Ｖ脖徊蛔儏^(qū)以郊區(qū)草地、農(nóng)田以及山體為主。

表2 南京市三期植被變化情況

圖2 南京市2000—2009植被變化圖

Figure 2 Changes of vegetation coverage in Nanjing from 2000 to 2009

圖3 南京市2009—2017植被變化圖

Figure 3 Changes of vegetation coverage in Nanjing from 2009 to 2017

3.2 植被空間變化類(lèi)型分析

對(duì)三期植被提取結(jié)果進(jìn)行編碼, 2000年、2009年、2017年有植被的分別為1, 2, 4, 無(wú)植被的均為0。將三個(gè)圖層相加得到植被空間變化類(lèi)型數(shù)據(jù), 其取值分別為0、1、2、3、4、5、6、7。各類(lèi)型的分布面積和占比情況如表3和圖4所示。制作植被空間變化類(lèi)型空間分布圖, 如圖5所示。

由表3和圖4可知, 各類(lèi)型按面積由大到小的排序?yàn)? (1)三期均有植被的區(qū)域面積為3235 km2, 占49.10%; (2)09, 17均有植被的區(qū)域面積為798 km2, 占12.11%; (3)三期均無(wú)植被的區(qū)域?yàn)?44 km2, 占11.30%; (4)00, 09均有植被的區(qū)域?yàn)?51 km2, 占9.88%; (5)僅2000年有植被的區(qū)域?yàn)?56 km2, 占6.92%; (6)00, 17均有植被的區(qū)域?yàn)?65 km2, 占4.02%; (7)僅2009年有植被的區(qū)域?yàn)?25 km2, 占3.41%; (8)僅2017年有植被的區(qū)域?yàn)?15 km2, 占3.26%。通過(guò)分析得到: 三期均無(wú)植被的主要為道路、建筑物、水體和無(wú)農(nóng)作物覆蓋的農(nóng)田等; 僅2017年有植被的類(lèi)型說(shuō)明2009年到2017年間采取了相關(guān)的綠化措施; 僅2009年有植被的類(lèi)型說(shuō)明2000年到2009年間有植被生長(zhǎng)而到2017年卻遭到破壞; 2009年和2017年均有植被的類(lèi)型說(shuō)明2000年到2009年有植被增長(zhǎng), 一直到2017年均保持; 僅2000年有植被的類(lèi)型說(shuō)明2000年到2009年期間植被遭到破壞, 一直到2017年仍未恢復(fù); 2000年和2017年均有植被的類(lèi)型說(shuō)明2000年到2009年植被遭到破壞, 2009年到2017年恢復(fù); 2000年和2009年均有植被的類(lèi)型說(shuō)明2000年到2009年植被一直保持, 2009年到2017年間受到破壞; 三期均有植被的類(lèi)型主要為森林及植被狀態(tài)好的地區(qū)。

表3 南京市各植被空間變化類(lèi)型面積情況

由圖5可知各變化類(lèi)型的空間分布: 三期均無(wú)植被的主要為水體、城市居民區(qū)、道路等區(qū)域; 僅2017年有植被的區(qū)域主要位于八卦洲以北; 僅2009年有植被的區(qū)域主要位于南京市最北部, 少量分布在一些居民點(diǎn)附近; 2009, 2017年均有植被的區(qū)域主要分布在最北部, 其次為東、南部; 僅2000年有植被的區(qū)域主要分布在南京市最南端; 2000, 2017年均有植物的區(qū)域主要分布在八卦洲以北、城中心周邊區(qū)域以及居民點(diǎn)周?chē)? 2000, 2009年均有植被的區(qū)域主要位于南京市中部及南部; 三期均為植被的區(qū)域主要為森林茂密的山體及南京市周邊植被狀態(tài)較好的農(nóng)田。

4 討論

研究結(jié)果表明2000年到2017年近二十年期間, 植被覆蓋總面積呈現(xiàn)出2000—2009年上升, 2009—2017年下降的趨勢(shì)。2000—2009年植被轉(zhuǎn)入大于植被轉(zhuǎn)出, 研究認(rèn)為盡管部分原種植莊稼的農(nóng)田改為水產(chǎn)養(yǎng)殖致使植被減少, 但南京市生態(tài)建設(shè)方面的政策引導(dǎo)與調(diào)控起到了積極有效的作用。自2002年推行“綠色南京”工程以來(lái), 不僅實(shí)現(xiàn)了大面積的退耕還林、森林修復(fù), 還通過(guò)建設(shè)城市景區(qū)、增添綠化及景觀(guān)帶等方式大力地改善了南京市的人居生態(tài)環(huán)境。2009—2017年植被的轉(zhuǎn)入小于轉(zhuǎn)出, 其主要原因是這一時(shí)期城市發(fā)展進(jìn)程加快, 南京市除主城以外副城、新城以及高新產(chǎn)業(yè)園區(qū)的建設(shè)使得不少農(nóng)田、森林等被房屋、道路取代。

本文所提取的植被包括了城鄉(xiāng)綠化植被和農(nóng)村的農(nóng)作物植被, 沒(méi)有對(duì)植被類(lèi)型進(jìn)行細(xì)分, 未將農(nóng)作物區(qū)分開(kāi)來(lái), 未來(lái)的研究將對(duì)植被進(jìn)行類(lèi)型上的細(xì)分, 如分為喬木、灌木、草本。農(nóng)田因種植農(nóng)作物與否、農(nóng)作物類(lèi)型等會(huì)導(dǎo)致植被覆蓋的差異, 未來(lái)還需要對(duì)年內(nèi)的植被覆蓋, 特別是農(nóng)田的年內(nèi)植被覆蓋過(guò)程進(jìn)行研究。本文揭示出了植被的時(shí)空變化特征, 但是對(duì)植被動(dòng)態(tài)變化的生態(tài)效益還缺少定量化的分析, 以后將結(jié)合定位觀(guān)測(cè)數(shù)據(jù)加強(qiáng)該方面的分析。本文所用的遙感數(shù)據(jù)空間分辨率為30米, 就精細(xì)植被覆蓋變化而言, 以后還需要利用高分辨率遙感數(shù)據(jù)或多源數(shù)據(jù)協(xié)同來(lái)開(kāi)展研究。

圖4 南京市各植被空間變化類(lèi)型占比情況

Figure 4 Proportion of spatial variation types of vegetation in Nanjing

圖5 南京市2000—2009—2017植被空間變化類(lèi)型分布

Figure 5 Distribution of spatial variation types of vegetation during 2000, 2009 and 2017 in Nanjing

以此為基礎(chǔ), 進(jìn)一步還可以從彈性思維視角研究植被動(dòng)態(tài)變化與氣溫、空氣質(zhì)量等彈性因子的相關(guān)性, 探索綠色植被在城市受到極端干擾后自身修復(fù)方面所起的促進(jìn)作用, 并為我國(guó)城市的彈性建設(shè)提供新思路。

5 結(jié)論

本文利用南京市的三期衛(wèi)星遙感數(shù)據(jù), 構(gòu)建了植被提取模型, 提取了三期植被覆蓋信息, 并對(duì)南京市植被的時(shí)空變化進(jìn)行了分析, 得到以下結(jié)論:

(1)通過(guò)本文研究, 探索出了一種植被提取模型方法。利用該模型方法從南京市2000年、2009年、2017年三期衛(wèi)星影像中提取了三期植被信息, 其精度分別為85%、87.5%、90%。該模型方法具有應(yīng)用推廣價(jià)值。

(2)變化過(guò)程上, 南京市植被總面積呈現(xiàn)出2000—2009年增加, 2009—2017年下降的趨勢(shì)。2000年的植被總面積為4607 km2, 2009年的植被總面積為4909 km2, 2017年的植被總面積為4513 km2。2009年的植被在2000年的基礎(chǔ)上增加了302 km2,占總面積的4.58%; 2017年的植被在2009年的基礎(chǔ)上減少了396 km2, 占總面積的6.01%; 三期均有植被的區(qū)域面積為3235 km2, 占總面積的49.10%。

(3)空間分布上, 2000—2009年植被轉(zhuǎn)入的區(qū)域主要分布在南京市最北部, 其次為東部和南部。植被轉(zhuǎn)出的區(qū)域主要位于南京市最南部, 其次位于主城區(qū)周?chē)熬用顸c(diǎn)附近。植被不變區(qū)主要為有茂密森林覆蓋的山體區(qū)域及其附近; 2009—2017年植被轉(zhuǎn)入的區(qū)域位于八卦洲以北。植被轉(zhuǎn)出的區(qū)域主要分布在居民點(diǎn)及城市中心周?chē)Ｖ脖徊蛔儏^(qū)以郊區(qū)草地、農(nóng)田以及山體為主。

(4)植被變化類(lèi)型上, 2000—2009—2017年三期植被時(shí)空變化圖中各變化類(lèi)型按占比從大到小依次為: 三期均有植被(49.10%)、2009, 2017年均有植被(12.11%)、三期均無(wú)植被(11.30%)、2000, 2009年均有植被(9.88%)、僅2000年有植被(6.92%)、2000, 2017年均有植被(4.02%)、僅2009年有植被(3.41%)、僅2017年有植被(3.26%)。

(5)變化原因上, 植被的轉(zhuǎn)出主要是由于城市的擴(kuò)張導(dǎo)致農(nóng)村城鎮(zhèn)化, 土地類(lèi)型以及農(nóng)業(yè)類(lèi)型的改變。植被轉(zhuǎn)入主要是由于國(guó)家和政府制定并實(shí)施了生態(tài)環(huán)境建設(shè)相關(guān)政策和法規(guī), 取得了顯著的成效。

[1] 閆慧杰. 植被在城市生態(tài)中的主要功能探究[J]. 科技經(jīng)濟(jì)導(dǎo)刊, 2019, 27(21): 103.

[2] 龐光輝, 蔣明卓, 洪再生. 沈陽(yáng)市植被覆蓋變化及其降溫效應(yīng)研究[J]. 干旱區(qū)資源與環(huán)境, 2016, 30(1): 191– 196.

[3] 李孝永, 匡文慧. 北京、天津和石家莊城市地表覆蓋組分與結(jié)構(gòu)特征對(duì)地表溫度的影響[J]. 生態(tài)學(xué)雜志, 2019, 38(10): 3057–3065.

[4] 陳懷亮. 黃淮海地區(qū)植被覆蓋變化及其對(duì)氣候與水資源影響研究[D]. 南京: 南京信息工程大學(xué), 2007: 1–187.

[5] 盧曉玲. 白城市地表植被與氣候因子的相關(guān)性研究[J]. 中國(guó)農(nóng)機(jī)化學(xué)報(bào), 2014, 35(1): 316–320.

[6] LUCA P, GIUSEPPE S, ELISABETTA F, et al. An Automatic Processing Chain for Near Real-Time Mapping of Burned Forest Area Using Sentinel-2 Data[J]. Remote Sensing, 2020, 12(4): 674–701.

[7] 王君, 楊曉梅, 隋立春, 等. 西安市1995—2016年植被覆蓋度動(dòng)態(tài)變化監(jiān)測(cè)及景觀(guān)格局分析[J]. 生態(tài)科學(xué), 2019, 38(6):81–91.

[8] 曾學(xué)梅, 丁文榮. 云南石林縣植被覆被時(shí)空變化及影響因素[J]. 河南大學(xué)學(xué)報(bào)(自然科學(xué)版), 2020, 50(1): 29–35.

[9] 馬秀秀, 王雅萍, 程結(jié)海, 等. 臨汾市近20年植被覆蓋度遙感估算及動(dòng)態(tài)變化分析[J]. 能源與環(huán)保, 2019, 41(11): 11–18.

[10] 周文佐, 潘劍君, 劉高煥. 南京市城市綠地現(xiàn)狀遙感分析[J]. 遙感技術(shù)與應(yīng)用, 2002, 17(1): 22–26.

[11] 劉璐. 南京紫金山植被變化及其對(duì)環(huán)境質(zhì)量的影響[J]. 福建農(nóng)業(yè), 2015(6): 209–211.

[12] 何予霄, 周江. ENVI中幾種監(jiān)督分類(lèi)方法精度比較[J]. 科技創(chuàng)新與應(yīng)用, 2018 (13): 22–24.

[13] 潘琛, 杜培軍, 羅艷, 等. 一種基于植被指數(shù)的遙感影像決策樹(shù)分類(lèi)方法[J]. 計(jì)算機(jī)應(yīng)用, 2009, 29(3): 777– 780+797.

[14] 王兆禮, 陳曉宏, 李艷. 珠江流域植被覆蓋時(shí)空變化分析[J]. 生態(tài)科學(xué), 2006, 25(4): 303–307.

[15] 姚方方, 駱劍承, 沈占鋒, 等. 高分辨率影像城市植被自動(dòng)提取算法[J]. 地球信息科學(xué), 2016, 18(2): 248–254.

[16] 閻傳海. 南京地區(qū)與連云港地區(qū)森林植被的比較研究[J]. 生態(tài)學(xué)雜志, 1996(3): 1–5.

[17] 楊國(guó)華. 南京植被性質(zhì)初探[J]. 南京師大學(xué)報(bào)(自然科學(xué)版), 1982(4): 90–96.

[18] 戎茸, 劉靜波, 黃忠陽(yáng), 等. 南京地區(qū)設(shè)施蔬菜發(fā)展特點(diǎn)、問(wèn)題及可持續(xù)發(fā)展對(duì)策[J]. 長(zhǎng)江蔬菜, 2019(10): 80–83.

[19]陳陽(yáng), 趙俊三, 陳應(yīng)躍. 基于ENVI的高分辨率遙感影像城市綠地信息提取研究[J]. 測(cè)繪工程, 2015, 24(4): 33–36.

A study on dynamic changes of vegetation in Nanjing based on Landsat images

YANG Defei1, PAN Jie3,*,YANG Cunjian2, XIAO Zeyu1, SHEN Zhang1, LI Xiang1, XU Jingyi1

1. The Institute of Landscape and Architecture, Nanjing Forestry University, Nanjing 210037, China 2. The Institute of Forestry, Nanjing Forestry University, Nanjing 210037, China 3. The Institute of Geography and Resources Science, Sichuan Normal University, Chengdu 610068, China

In order to explore temporal and spatial dynamic changes of green vegetation in Nanjing, this paper constructed a green vegetation information extraction model based on Landsat images by using ENVI, PCI and ArcGIS. Then this model was used to extract the coverage information of vegetation in Nanjing and to analyze the changes from 2000 to 2017. The results are as follows. (1) In general, the areas covered by vegetation in Nanjing in 2000, 2009, and 2017 were 4607 km2, 4909 km2, and 4513 km2respectively, showing an overall increase from 2000 to 2009 and a decrease from 2009 to 2017. (2)Spatially, vegetation in the northern, eastern and southern parts of Nanjing showed a trend of increasing to varying degrees from 2000 to 2017, and it decreased significantly in the southernmost part. Vegetation areas in north of Baguazhou increased and it decreased in residential areas and urban centers. The spatial changes of vegetation are due to comprehensive factors such as accelerated urbanization, changes in agricultural types, and policy adjustments. The research results are beneficial to the application of vegetation planning and management in Nanjing, and provide reference value for the ecological environment construction in Nanjing.

satellite remote sensing; vegetation extraction; dynamic changes; ecological construction

楊德菲, 楊存建, 潘潔, 等. 基于Landsat遙感衛(wèi)星影像的南京市植被動(dòng)態(tài)變化研究[J]. 生態(tài)科學(xué), 2021, 40(4): 177–183.

YANG Defei, YANG Cunjian, PAN Jie, et al. A study on dynamic changes of vegetation in Nanjing based on Landsat images[J]. Ecological Science, 2021, 40(4): 177–183.

10.14108/j.cnki.1008-8873.2021.04.020

K909

A

1008-8873(2021)04-177-07

2020-02-21;

2020-03-16

南京林業(yè)大學(xué)大學(xué)生創(chuàng)新訓(xùn)練計(jì)劃(2018NFUSPITP518); 國(guó)家重點(diǎn)研發(fā)計(jì)劃(2018YFB0505303); 國(guó)家自然科學(xué)基金項(xiàng)目（31470579）

楊德菲(1998—), 女, 四川成都人, 本科在讀, 主要從事景觀(guān)生態(tài)規(guī)劃研究, E-mail: 1521824481@qq.com

潘潔, 女, 博士, 副教授, 主要從事遙感與地理信息系統(tǒng)相關(guān)研究, E-mail: panjie_njfu@126.com