路域植被覆蓋度時空變化遙感定量反演

郭云開，王 楊

(長沙理工大學交通運輸工程學院，湖南長沙410004)

一、引 言

路域植被是路域生態系統中最主要的生態元素，能較好地還原路域生態系統。路域植被覆蓋度是衡量地表植被的重要指標，具有明顯的時空分異特征，能夠反映公路沿線區域植被的生長環境狀況，對于區域環境變化和監測研究具有重要意義［1］。植被指數作為植被覆蓋度的最佳指示因子，能有效地提取綠色植被信息，并提高植被解譯的準確度和可靠度［2］。各種研究表明，歸一化植被指數(NDVI)能較準確地反映植被類型和生長情況，與植被覆蓋度等有很好的相關關系［3］。

定量遙感反演和動態監測技術，以其快速、宏觀、實時、動態、客觀的特點，為植被覆蓋變化及周邊環境響應的動態監測研究提供了便捷的途徑［4］。本文利用NDVI建立植被覆蓋度定量估算的模型，對路域植被覆蓋度進行了定量反演和分級，利用統計數據對研究區進行了植被覆蓋度時空變化分析，通過主成分分析法尋找路域植被蓋度時空變化的主要驅動因子，進而揭示了高速公路的建設運營對路域環境的影響。研究表明，利用路域植被覆蓋度時空變化遙感定量反演進行路域環境質量評價是切實可行的。

二、原理及模型

1.植被覆蓋度反演模型

像元二分模型是混合像元分解模型中最常用的線性模型。根據像元二分模型的原理，假設混合像元由植被和非植被兩部分信息構成，這兩部分信息因子線性合成即為遙感器觀測所得的光譜信息，其權重為各面積在像元中所占的比率［5］。用公式表達為

式中，S為通過傳感器觀測所得到的光譜信息;Sv是綠色植被信息;Ss是非植被貢獻信息。因此，該像元的植被覆蓋度fc即為植被信息所占的百分比，非植被信息比例即為1。

設Sveg全部由植被覆蓋的純像元遙感信息構成，Sv表示混合像元中綠色植被遙感信息［7］。兩者關系可以表示為

同理，設Ssoil為裸露土壤純像元貢獻的遙感信息，混合像元的非植被所貢獻的信息Ss可以表示為

將式(2)與式(3)代入式(1)，可得

對式(4)進行變換，得到植被覆蓋度計算公式

式中，Sveg和Ssoil都是參數。此模型只保留了植被覆蓋度的信息，而削弱了土壤光譜信息、植被類型和大氣噪聲等的影響［8］。

2.主成分分析基本原理

主成分分析，即用較少的綜合變量來反映原來變量的有用信息，這些較少指標相互無關，是原變量重新組合的［9］。它在數學上是一種借助于正交變換降維的統計方法，將各觀測變量進行線性組合，將協方差陣變換成對角型陣，對此多維系統進行降維處理，根據特征方程得到的特征根確定主成分，將標準化的指標變量轉化為主成分。主成分分析數學模型為

式中，X的協方差陣Σ的特征值所對應的特征向量為a1i，a2i，…，api(i=1，…，m);原始觀測變量經過標準化處理得到ZX1，ZX2，…，ZXp。

三、植被覆蓋度信息提取

1.試驗區簡介

本研究選取長沙—湘潭高速公路作為試驗區，長潭高速于1994年興建，1996年開始通車［10］。公路從規劃建設到交付運營，沿線區域的人類活動、經濟活動范圍大大加大，速度加快，改變了原來生態系統的能量流、信息流和物質流的傳輸方式和通道，從而對路域生態環境的影響進一步加劇［11］。

2.數據源及預處理

本研究選用了成像時間分別為2003年7月31日和2010年10月11日的兩期研究區SPOT 5影像。兩幅遙感影像圖像清晰，質量較好，云量都在20%以下，基本無其他因素影響。兩期影像成像時間跨度較大，完全可以代表研究區公路運營以后路域植被覆蓋度變化和土地利用情況，具有可比性。

影像預處理在軟件 ENVI 4.8支持下，采用FLAASH對遙感影像進行大氣校正，通過對比視覺效果、地物光譜前后曲線和利用NDVI分析實際校正效果，表明FLAASH模型能較好地消除大氣影響。與其他方法相比，其對遙感影像有更好的校正作用［12］。通過選取地面控制點(GCP)，采用多項式方法實現了對影像的幾何精校正。在ArcGIS軟件支持下，生成研究區的邊界矢量圖。在此基礎上，對兩幅影像進行研究區裁剪，得到同一研究區經過預處理的不同時期的兩幅SPOT 5影像。

3.NDVI估算植被覆蓋度

近紅外波段NIR與可見光紅波段R數值之差和這兩個波段數值之和的比值即為歸一化植被指數［5］。其公式為

根據上述像元二分模型的基本原理，一個混合像元的NDVI值由植被覆蓋信息NDVIveg與非植被(裸土)信息NDVIsoil兩部分組成。將歸一化植被指數引入式(5)可得

式中，NDVIsoil為非植被像元的NDVI值;NDVIveg為綠色植被像元的NDVI值。

實際應用中，由于不可避免地存在噪聲影響，一般NDVImax與NDVImin的值為圖像中給定置信度的置信區間內最大值與最小值。取影像中裸露樣地的NDVImin值作為NDVIsoil，NDVIveg值取影像中理想綠色植被全覆蓋樣點的NDVImax值。置信度的取值，主要根據圖像噪聲、清晰度、大小等實際情況來確定。綜合考慮分析了研究區2個時相的影像，研究中取頻率為0.6%的值為NDVImin，取頻率為99.9%的值為NDVImax。

在ENVI軟件的支持下，對影像進行NDVI計算，得到研究區不同時相的NDVI灰度圖。根據NDVI估算植被覆蓋度遙感模型的基本原理，反演研究區2個時相影像的植被覆蓋度，得到這兩個時期的植被覆蓋圖。

四、植被覆蓋度時空變化反演

1.植被覆蓋度分級

土壤被侵蝕程度能夠反映地表植被覆蓋度情況，這也是對土壤侵蝕分類分級的一個主要標準。本研究根據水利部2008年頒布的《土壤侵蝕分類分級標準》(SL190-2007)中非耕地林草蓋度與土壤侵蝕分級指標，結合研究區實際情況，以及參考其他學者［13］的研究，對研究區植被覆蓋度進行了分級，具體分級標準見表1。

表1 植被覆蓋度分級標準

根據上述分級方法，將植被覆蓋度計算結果轉化為植被覆蓋度分級圖，如圖1所示。

圖1 研究區植被覆蓋度分級圖

2.植被覆蓋度動態變化反演

根據研究區植被覆蓋度分級統計圖，統計了各蓋度植被所占的面積比(見表2)、2003年和2010年各等級蓋度植被所占面積柱形圖(如圖2所示)，以及各等級蓋度植被相互轉化面積統計(見表3)。

圖2 2003年、2010年各等級覆蓋度植被所占面積柱形圖

表2 研究區各等級植被覆蓋度統計表 (%)

表3 各等級覆蓋度植被相互轉化面積表 km2

3.植被覆蓋度變化驅動力研究

就研究區實際調研情況來看，造成研究區植被覆蓋度變化的主要是由高速公路建設運營帶來的社會經濟因素和自然因素。本研究選取公路里程、高速公路里程、民用汽車擁有量、私人汽車擁有量作為人類活動驅動因子，城區面積、建成區面積、地區生產總值作為社會經濟因素驅動因子，綠地面積、年降水總量、森林覆蓋率、平均氣溫代表自然因素驅動因子。統計數據全部來自湖南省年鑒，通過SPSS軟件，利用主成分分析法分析結果見表4～表6。

主成分分析結果表明，公路里程、高速公路里程、民用汽車擁有量、私人汽車擁有量、城區面積、建成區面積、綠地面積、森林覆蓋率、地區生產總值在第一主成分有較高載荷，平均氣溫在第二主成分有較高載荷，年降水量在第三主成分有較高載荷。這說明在時間尺度較小的情況下，影響路域環境時空變化的主要驅動力因子是公路建設運營帶來的人為活動和地區發展引起的經濟增長，降水、天氣等自然因素次之。圖3數據表明，隨著高速公路的建設，建成區面積逐漸增大，地區生產總值穩步提高，說明高速公路建設成為推動地區經濟發展的主要因素，驗證了主成分分析法所得結論。

表4 相關系數矩

表5 方差分解主成分提取分析表

表6 初始因子載荷矩陣

圖3 高速公路建設與經濟發展對照圖

五、結 論

1)2003—2010年，隨著高速公路建設和運營所帶來的人為活動和地區經濟的發展，使得路域兩側居民地、建設用地所占面積明顯增加，中、高覆蓋度植被面積持續減少，與地區實地發展變化情況相符。

2)利用多源多時相遙感數據對路域植被覆蓋度進行時空變化反演分析，反演結果與野外調研采樣結果相符，時空變化分析結論與地區實際自然、社會經濟發展趨勢吻合。說明利用定量遙感分析技術，對沿線路域植被覆蓋度進行評價分析是可行的。隨著定量遙感研究的不斷深入，定量分析方法能直觀地反映植被的生長變化過程。在公路規劃、建設和運營的整個過程中，定量遙感分析和動態監測技術對路域生態環境質量評價更具優越性和實用性。

3)在時間尺度較小的情況下，社會經濟發展因素的變化強度遠大于自然因素，是植被覆蓋度時空變化的主要驅動力。說明公路的建設運營對周圍地區環境的影響是不容忽視的，在今后的研究和環境維護工作中，應繼續努力關注路域生態環境的恢復和發展，采取相應的措施減緩和降低公路運營帶來的負面影響，使其危害降低到最低限度，使高速公路建設與周邊生態環境和諧發展，實現高速公路生態綠色通道的建設。

［1］何磊，苗放，李玉霞.岷江上游典型流域植被覆蓋度的遙感模型及反演［J］.測繪科學，2012(2)：120-122.

［2］任志明，李永樹，蔡國林.一種利用NDVI輔助提取植被信息的改進方法［J］.測繪通報，2012(7)：40-43.

［3］YUE Yuemin，ZHANG Bing，WANG Kelin，et al.Remote Sensing of Indicators for Evaluating Karst Rocky Desertification［J］.Journal of Remote Sensing，2011，15(4)：722-728.

［4］陳改英，郭達志.北京市昌平區土地利用/覆蓋變化的遙感監測與熱環境響應分析［J］.測繪通報，2011(11)：37-40.

［5］QUARMBY N A，TOWNSHEND J R G，SETTLE J J，et al.Linear Mixture Modelling Applied to AVHRR Data for Crop Area Estimation ［J］.International Journal of Remote Sensing，1992，13(3)：415-425.

［6］GUTMAN G，IGNATOV A.The Derivation of the Green Vegetation Fraction from NOAA/AVHRR Data for Use in Numerical Weather Prediction Models［J］.International Journal of Remote Sensing，1998，19(8)：1553-1543.

［7］郭偉偉，王秀蘭，馮仲科，等.基于NDVI的植被覆蓋度變化的研究與分析——以河北省張家口市為例［J］.測繪與空間地理信息，2012，35(7)：63-66.

［8］黃雄偉.基于GIS和RS的城市土地利用時空演化研究——以長沙為例［D］.北京：中國地質大學，2008.

［9］遲國泰，鄭杏果，楊中原.基于主成分分析的國有商業銀行競爭力評價研究［J］.管理學報，2009，6(2)：228-233.

［10］李云梅.植被輻射傳輸理論與應用［M］.南京：南京師范大學出版社，2005.

［11］KAISER M K.Environmental Changes，Remote Sensing，and Infrastructure Development：The Case of Egypt's East Port Said Harbour［J］.Applied Geography，2009，29(2)：280-288.

［12］郭云開，曾繁.基于FLAASH與QUAC模型的SPOT 5影像大氣校正比較［J］.測繪通報，2012(11)：21-23.

［13］李娟，龔純偉.蘭州市南北兩山植被覆蓋度動態變化遙感監測［J］.測繪科學，2011，36(2)：175-177.