城市植被覆蓋度變化檢測與分析

劉 輝

（遼寧省自然資源事務服務中心—遼寧省基礎測繪院，遼寧 錦州 121003）

0.引言

植被是人類生存環境的重要組成部分，它能夠防沙固土，凈化空氣，防止水土流失。對植被進行監測和保護對于治理環境問題具有重要的意義，在生態系統中占有舉足輕重的作用。植被覆蓋度變化分析是當今衡量地表狀況的重要手段，它能很好地反映出城市生態環境變化，是評價環境健康狀況的主要指標。

作為衡量生態環境的重要指標，植被覆蓋度在植被變化監測方面引起了國內外廣大學者的關注。傳統的獲取植被覆蓋度的主要方法是地面測量，主要包括目估法、采樣法和儀器法等[1]。實地測樣方法估算植被覆蓋度的變化要耗費巨大的人力、物力，并且在大區域的測量中難以保證精度。遙感解譯方法是利用遙感解譯技術提取研究區的植被光譜信息，然后建立與植被覆蓋度的關系，之后獲取植被覆蓋度數據方法。當今提取植被覆蓋度最普遍的方法就是遙感解譯方法，該方法主要包括經驗模型法、植被指數法、像元分解模型法[2]。Wittich等人針對不同的土地利用類型建立了植被覆蓋度與NDVI的經驗模型，并用NOAA AVHRR數據計算了研究區的植被覆蓋度[3]。劉玉安等利用“北京一號”小衛星數據，基于像元二分模型對淮河上游植被覆蓋度進行了估算[4]。王寧等在計算得到的歸一化植被指數NDVI的基礎上建立像元二分模型，用實測數據對估算到的植被覆蓋度進行驗證，結果表明使用此模型進行植被覆蓋度監測是可行的[5]。本文采用三期Landsat影像，基于像元二分模型和土地利用分類兩種方法提取植被覆蓋度，分析城市十年間的植被覆蓋度變化情況以及發展趨勢。

1.技術路線

利用城市地區2007年、2011年、2016年三期Landsat遙感影像數據，對圖像進行預處理后計算每期影像的歸一化植被指數NDVI，并以此為基礎建立像元二分模型，估算三期影像的植被覆蓋度，并分析植被覆蓋度的時空變化，并進一步對其影響因素進行分析和討論。技術路線（如圖1所示）：

2.數據準備

本文選取了2007年9月和2011年9月的Landsat TM影像以及2016年9月的Landsat OLI影像，空間分辨率分別為15米和30米，比較適合城市尺度的監測應用。下載影像的軌道號分別為120/30和120/31，三個時相共計6景影像，影像含云量均為0，影像質量良好。由于研究的是植被覆蓋度，所以影像時相選在能夠較好反映植被生長狀況的季節，本文選取的6景影像都是在9月份獲取的。以2007年9月影像作為基準影像，分析至2011、2016年的植被生長變化情況。

3.城市植被覆蓋度估算

3.1 基于像元二分模型植被覆蓋度提取

像元二分模型比較簡單，應用廣泛。許多研究人員通過建立像元二分模型對不同研究區的植被覆蓋度進行估算，經過驗證，都得到了較高的精度。本文基于此模型，利用三期影像，研究城市十年來的植被覆蓋度變化情況。

通過對影像分析可知：城市內部分區域完全被植被覆蓋或覆蓋度較高，部分區域植被覆蓋度較低或完全為裸地，所以研究區域內植被覆蓋度最大值取1，植被覆蓋度最小值取0。NDVI的最大值和最小值分別為純植被的NDVI值和純土壤的NDVI值。在確定NDVI的最大值和最小值時具有較大的主觀性，有些學者根據累計像元數達到5位數來獲取閾值，而本文采用的是根據像元累加數的比重劃分，置信度為95%和5%。再根據植被指數與植被覆蓋度之間的關系得到植被覆蓋度。

3.1.1計算不同時相的NDVI圖像

NDVI計算公式利用影像的紅色波段和近紅外波段，其中，Landsat TM中，紅外波段為3，近紅外波段為4；Landsat OLI中，紅外波段為4，近紅外波段為5。由于影像中有水體、背景、建筑等地物，所以會出現NDVI異常值的情況，為使NDVI值在-1—1之間，利用下式避免異常值的出現。

3.1.2獲取閾值

選取三期去除異常值處理的NDVI圖像，統計每個NDVI值出現的概率。本文選擇的置信度為5%和95%。

其中，5%對應的值為NDVI最小值，95%對應的值為NDVI最小值。得出2007年、2011年和2016年的NDVI概率分布情況，找出NDVImax、NDVImin。三期NDVI最大值與最小值統計情況（如表1所示）：

表1 NDVI閾值統計

3.1.3植被覆蓋度計算

三個監測期的NDVI參數值已經確定，根據式（1）來計算植被覆蓋度。首先，將整個研究區分為三個部分：當NDVI值小于NDVImin時，植被覆蓋度取值為0；當NDVI值大于NDVImax時，植被覆蓋度取值為1。對三期植被覆蓋度圖像進行統計，得到2007年城市的平均植被覆蓋度為55.77%，2011年平均植被覆蓋度為54.82%，2016年平均植被覆蓋度為51.20%。2007年、2011年和2016年的植被覆蓋度圖（如圖2所示）：

圖2 2007年、2011年和2016年的植被覆蓋度圖

3.1.4植被覆蓋度分級

在上述植被覆蓋度圖的基礎上，按照分級標準，將植被覆蓋度分為五個等級：0-0.2、0.2-0.4、0.4-0.6、0.6-0.8、0.8-1.0。并為每類設置不同顏色，顏色越深代表的植被覆蓋度越大。覆蓋度所對應的地物類別如下：一級為低植被覆蓋，植被覆蓋度為0-0.2，對應于裸地、居民區、建筑、交通道路、水體、荒草地等；二級為中低植被覆蓋度，植被覆蓋度為0.2-0.4，對應荒地、居民點、農田等；三級為中植被覆蓋度，植被覆蓋度為0.4-0.6，對應農田、低產草地、旱地、退化土地等；四級為中高植被覆蓋，植被覆蓋度為0.6-0.8，對應高產草地、林地、農田等地物；五級為高植被覆蓋度，植被覆蓋度為0.8-1.0，對應林地、高產草地、灌木林、優質耕地等。得到2007年、2011年、2016年植被覆蓋度分級圖（如圖3所示）：

圖3 2007年、2011年和2016年的植被覆蓋度分級圖

3.1.5精度驗證

檢驗植被覆蓋度計算精度使用的是同期的高分影像，該影像的空間分辨率為1米。將高分影像上分布的五個級別的植被與上面得到的植被覆蓋度分類圖進行地理配準，檢驗對應區域的分類級別與高分影像上的地物是否匹配。通過比較發現，地物與各分類級別吻合度較高。因此，得出像元二分模型提取的植被覆蓋度精度基本可靠。

3.2 基于遙感圖像分類結果的植被覆蓋度提取

3.2.1監督分類

根據監督分類的原理，將影像分為兩類：植被和非植被。在對遙感影像進行分類時，選擇能夠代表各類地物特征的樣本區域來判別選取各類地物是否合適。本文研究的三期影像兩類地物分離度都在1.9以上，分離性好。采用最大似然分類器并對分類結果圖進行分類后處理。

3.2.2分類精度驗證

本文采用分類結果疊加和混淆矩陣兩種方法來驗證分類精度。

（1）分類結果疊加

將分類結果與原圖進行疊加，著重檢查原圖與分類結果圖中易于判別的地物，如，道路、河流等，查看重疊程度，目視判讀分類的精度。這種精度檢驗方法準確性較低。

（2）混淆矩陣

計算混淆矩陣可以使用一幅地表真實圖像或地表真實的感興趣區域，本文將分類結果與原圖進行疊加，選擇吻合度較高的分類結果計算混淆矩陣。通過精度驗證，三期影像總體分類精度均在80%以上，Kappa系數也在0.68以上，總體精度可靠。

3.2.3植被覆蓋度提取

根據三期的植被分類結果，統計植被的占比，總體估算三期影像的植被覆蓋度。可以得出：2007年植被面積為3578.17km2，占所有類別的34.49%，則2007年植被覆蓋度為34.49%；2011年植被面積3295.84km2，占所有類別的31.77%，植被覆蓋度估算為31.77%；2016年植被面積為3020.02km2，占所有類別的29.11%，2016 年植被覆蓋度估算結果為29.11%。可以看出，從2007年到2016年城市植被覆蓋度總體呈現下降趨勢。

4.城市植被覆蓋度變化檢測

本文以2007年、2011年和2016年三期影像作為影像數據源，分析了城市植被覆蓋度及變化情況。為了能夠更加明顯地表示每年植被覆蓋度的具體狀況，對三期植被覆蓋度各等級的面積、占比以及不同等級之間的變化關系進行了統計（如表2所示）：

表2 植被覆蓋度隨時間變化的情況

從表2可以看出：2007年—2016年植被覆蓋度變化明顯。一級、四級、五級植被覆蓋面積減少，二級、三級植被覆蓋面積增加。由此可以看出，植被破壞和保護并存，但整體來看，城市呈現植被退化的趨勢。三級植被覆蓋面積增加明顯，五級植被覆蓋面積減少明顯，可以看出，雖然低植被覆蓋面積增加了，但是總體來看，植被退化嚴重。

5.植被覆蓋度變化的驅動力分析及發展趨勢預測

5.1 城市植被覆蓋度變化驅動力

5.1.1自然因素

城市氣候干旱，降雨量少，風大沙多，地表土層主要是由巖石風化物和松散的泥沙沖積物組成，在大風和雨水的沖擊下很容易造成水土流失、土地退化等現象。在調查研究中發現，水土流失現象在坡度較大的地區很容易發生，坡度越大，土壤侵蝕越嚴重。雖然在植被生長期，干旱抑制了植被的生長，但在大風的作用下，地面失去植被的保護，導致土地進一步旱化，植被難以再次植入土壤，導致生態環境遭到破壞。

5.1.2人為因素

隨著城市化進程的加速，人口也大大增加。過度砍伐森林、毀草種田、不合理地開發土地資源導致城市植被覆蓋度下降。另外，畜牧業也是造成植被退化的重要原因，大面積的草地被開墾為荒地，牛、羊的草地面積迅速減少，草場被過度啃食、踐踏，使得草場的植被恢復力極度脆弱。再者，礦產資源不合理開發也是導致植被退化的主要原因，礦山周圍的植被、水體、自然景觀受到不同程度的影響，呈現植被退化趨勢。

5.2 城市植被覆蓋度發展趨勢

為了更加詳細地表示城市植被覆蓋度的變化趨勢，利用2007年、2011年、2016年三個時期的植被覆蓋度圖像，將植被覆蓋度圖兩幅間做差值運算，得到2007—2011年、2011—2016年、2007—2016年的植被覆蓋度變化圖（如圖5所示）：

圖5 2007—2011年、2011—2016年、2007—2016年植被覆蓋度演變圖

根據圖6得出：2007—2011年間，城市植被覆蓋狀況以輕微改善和一般改善類型為主，植被改善主要位于南部地區，南部地區主要是明顯改善類型，東北部地區和北部地區也有零星分布；植被退化區主要在西部地區和東北部地區。2011—2016年間，城市植被覆蓋狀況以一般改善和輕微改善為主，植被明顯改善地區位于城市中部地區和東北部地區。植被一般改善和輕微改善位于西北部和東北部地區，分布比較零散；植被退化區域主要位于西部和東北部，城市植被覆蓋發展趨勢以退化為主。2007—2016年間，植被退化比較嚴重，主要位于東北部地區和西部地區，主要以明顯退化為主，一般退化和輕微退化比較分散；植被明顯改善區主要位于南部地區，北部地區有零散分布，植被一般改善和輕微改善區位于西部地區和東北部，分布較為零散。

6.結束語

本文利用Landast TM/OLI遙感影像數據，應用植被歸一化植被指數和像元二分模型對城市植被覆蓋度狀況進行了估算和分析。通過像元二分模型，得到2007年、2011年和2016年三期影像植被覆蓋度，并對每期植被覆蓋度圖進行分級并統計各類別面積，從時間和空間的角度來分析2007—2016年十年間植被覆蓋度變化情況。由于影像的空間分辨率為15米和30米，因此，不可避免地會存在混合像元問題。另外，在本文中，由于沒有真實的土地利用分類圖對分類結果進行驗證，所以采用了手動選取分類結果與原圖疊加來進行驗證。此過程存在較大的主觀性，所以分類結果不夠精確。但是，通過圖像分類和像元二分模型法都得出城市植被覆蓋度呈現退化趨勢的結論，兩種方法的結論一致，所以根據本文方法提出的結論具有一定的可靠性。