2001－2011年甘南草地植被覆蓋度動態變化分析

馬琳雅，崔霞，馮琦勝，梁天剛

（草地農業生態系統國家重點實驗室 蘭州大學草地農業科技學院，甘肅 蘭州730020）

植被是生態系統存在的基礎，它在陸地表面的能量交換、生物地球化學循環和水文循環過程中扮演著重要的生態角色。植被覆蓋度是植物群落覆蓋地表狀況的一個綜合量化指標。它是一個重要的生態氣候參數，許多全球及區域氣候數值模型和水文生態模型中都需要植被覆蓋度的信息［1－4］。因此，建立精準的植被覆蓋度估算模型對植被及相關領域的研究具有十分重要的意義。

草地植被覆蓋度有遙感測量和地面測量2種方法［5］。地面測量法又可分為目估法、采樣法、儀器法和模型法；遙感測量又分為回歸模型法、植被指數法和像元分解法［6］。地面實測方法估算植被覆蓋度需花費巨大的人力、財力，而且由于植被覆蓋度具有顯著的時空分異特點，該方法很難在較大的空間范圍內達到較高的精度，此外，受時間、區域和天氣條件的限制，局限性太大，不易大范圍推廣。遙感技術由于具有監測范圍廣、空間連續、周期性短、人力物力耗費較少的特點，為大范圍植被覆蓋信息的快速提取提供了便利。因此，探討利用遙感數據提取區域植被覆蓋度的方法不僅是當前建立區域生態模型的基礎工作，也是開展生態環境恢復評價研究的重點［7］。美國國家航空航天局自1991年開始對地觀測系統（Earth Observing System，EOS）計劃，重點觀測和研究領域包括水與能量循環、海洋、大氣化學、陸地表面、水和生態系統過程、冰川和極地冰蓋以及固體地球。中分辨率成像光譜儀（Moderate Resolution Imaging Spectroradiometer，MODIS）是EOS最關鍵的傳感器，它的主要任務是一日4次獲取主要包括大氣、海洋、陸地等地球系統相關要素變化的數據。同時，由于MODIS的數據格式、數據接收及處理技術全部公開和其在全球范圍內免費接收的政策，引起了世界各國科學家的濃厚興趣。我國有關部門對此也極為重視，先后建立了許多MODIS衛星數據接收處理系統并開展了MODIS的應用及研究。MODIS在生態環境質量監測、水環境質量監測、大氣氣溶膠、城市熱島效應研究等方面，以及在農作物估產、干旱及病蟲害監測、秸稈焚燒監測，牧區草地植被與環境變化動態、雪災監測、火災監測、病蟲害監測等領域已有廣泛應用［8－11］。

本項研究利用地面實測樣點數據和MODIS植被指數數據，在研究不同植被蓋度遙感監測模型基礎上，模擬分析2001－2011年甘南州草地生長季期間植被覆蓋度的時空變化特征，以期為甘南州草地資源恢復狀況的動態監測和評價提供科學依據。

1 材料與方法

1．1 研究區概況

甘南藏族自治州位于甘肅省西南部，地處青藏高原東北邊緣與黃土高原接壤帶。北緯33°6′～36°10′，東經100°46′～104°44′之間。地勢東南低西北高，海拔2800～3200m，年平均氣溫1～13℃。總面積4．5萬km2，草地總面積272．34萬hm2，占甘南州總面積的70．28%，可利用面積256．55萬hm2，占總草地面積的94．20%，其中80%以上的草場集中連片，且多為山原地貌，地形平坦開闊，有利于牲畜放牧，是甘肅省重要的畜牧業生產基地，也是全國主要的少數民族集聚的草原牧區之一［12－13］，不僅具有極高的經濟利用價值，而且是維護黃河、長江源頭地區生態安全的重要屏障。甘南有低平地草甸類、暖性草叢類、沼澤類、溫性草原類、溫性草甸草原類、高寒灌叢草甸類、高寒草甸類等7種草地類型，有黑鈣土、高山草甸土、高山灌叢草甸土等29種土壤類型。近30年來，由于人為和自然因素的雙重作用，甘南草地出現了嚴重退化，部分地區甚至出現了沙化和荒漠化的趨勢。已有資料顯示，目前甘南退化草地面積已達草地總面積的70%以上，其中重度、中度退化草地占退化草地的30%以上，從根本上制約了甘南經濟的發展，同時給依賴于甘南草地植被而存在發展的自然生態系統和社會經濟系統的安全埋下隱患［14］。

1．2 外業調查數據

圖1 研究區草地類型以及2006－2009年野外實測樣點分布圖Fig．1 The location of study area and samples of different grassland types

本文所用外業調查數據時間范圍為2006－2009年7－9月。根據甘南州不同草地類型所占面積比例以及分布特征選取樣地，設置樣地數目，依據植被的均一程度設置樣方數目，以便較大程度地代表不同地段的植被特點。每個樣地設置2～3個調查樣方，具體調查內容包括植被蓋度、草地類型、土壤質地、土地利用狀況、植物種類、群落組成等指標，并使用GPS記錄樣方的經緯度以及海拔。剔除明顯異常的記錄，2006年調查樣點70個，2007年108個，2008年121個，2009年141個，共440個樣點，高寒灌叢草甸的樣方大小為1m×1m，其余草地樣方均為0．5m×0．5m（圖1）。

1．3 MODIS植被指數合成數據

遙感數據使用美國宇航局（National Aeronautics and Space Administration，NASA）MODIS陸地產品組按照統一算法開發的月最大合成植被指數產品（MOD13A3），空間分辨率為1000m×1000m。覆蓋甘南全州的圖像空間位置在全球正弦曲線投影（SINusoidal projection，SIN）系統中的編號為h26v05，資料的版本為5．0，數據格式為EOS－HDF。時間序列為2001－2011年生長季（5－10月）的月合成數據。該數據可以從 NASA對地觀測系統數據共享平臺（EOS Data Gateway）下載（http：／／delenn．gsfc．nasa．gov／～imswww／pub／imswelcome／）。

MOD13A3產品包含歸一化植被指數（NDVI）和增強型植被指數（EVI）2種植被指數數據。其中，NDVI的計算公式為：

式中，NIR和Red分別為紅外波段和紅光波段經過大氣校正的地面反射率。

MODIS－EVI是對AVHRR－NDVI的繼承和改進，具體計算公式為：

式中，NIR、Red和Blue分別為經過大氣校正的近紅外紅光和藍光通道的反射值；L＝1，為土壤調節參數；參數C1和C2分別為6．0和7．5。

1．4 草地植被覆蓋度模型

1．4．1 像元二分模型 像元二分模型假定通過遙感傳感器所觀測到的信息可以表達為由綠色植被部分所貢獻的信息和由無植被覆蓋（裸土）部分所貢獻的信息兩部分組成。因此，植被覆蓋度估算公式可表示為［4］：

式中，VIsoil代表純土壤覆蓋像元的植被指數；VIveg代表純植被覆蓋像元的植被指數。

依據式（3），基于NDVI和EVI的像元二分模型法反演植被覆蓋度的估算公式可以表示為：

式中，NDVIsoil代表純土壤覆蓋像元的NDVI值；NDVIveg代表純植被覆蓋像元的NDVI值。

式中，EVIsoil代表純土壤覆蓋像元的EVI值；EVIveg代表純植被覆蓋像元的EVI值。

利用草地類型圖和土壤類型圖，可以確定不同草地類型的純植被覆蓋像元的植被指數，根據土壤類型圖可確定不同的土壤類型的裸土像元植被指數。

上述公式可以理解為任一像元的NDVI值是由植被和土壤兩部分的貢獻值所組成，理想狀況下，NDVIsoil或EVIsoil值接近于0，而NDVIveg或EVIveg值接近于1。但在實際工作中因缺少大面積地表實測數據作參考，所以通常對NDVI統計直方圖給定置信區間，求該區間內的最大和最小值來確定全植被覆蓋和全土壤的植被指數。本研究分草地類型和土壤類型計算NDVI和EVI圖像統計直方圖，然后選取積累百分數為0．5%和99．5%為置信區間。認為各土壤類型積累百分比小于0．5%的為近似純土壤覆蓋區植被指數，作為NDVIsoil或EVIsoil；各草地類型積累百分比大于99．5%的區域為純植被覆蓋區植被指數，作為NDVIveg或EVIveg。

1．4．2 回歸模型 回歸模型法屬于統計模型的一種，又稱經驗模型法，首先根據樣點建立地表實測植被覆蓋度與遙感信息之間的估算模型，通過對遙感數據的某一波段或波段組合（如NDVI、EVI等）與植被覆蓋度進行回歸分析［15－16］，建立經驗模型，然后將該模型推廣到整個研究區域，計算植被覆蓋度。

本文運用SPSS統計軟件的回歸分析方法，以甘南州為研究區域，將植被指數作為自變量，草地植被覆蓋度為因變量，根據各樣方的草地植被覆蓋度實測數據和其對應的NDVI和EVI等植被指數值，采用線性模型、指數函數、對數函數、乘冪函數模擬分析植被指數同草地植被覆蓋度之間的相關關系。

1．5 草地植被蓋度反演模型的精度評價

均方根誤差 （root－mean－square error，RMSE）以及觀測值與模型預測結果之間的相關系數r，常用來描述模型的不確定性，其中，RMSE常用來量化模型精度，而r常被用來評估模型的準確性。通過這2個指標，衡量各個模型的預測能力。RMSE的計算公式如下：

式中，E（yi）表示第i個實際觀測值，yi為模型反演出的第i個預測值，n是觀測樣本總數，RMSE數值越低，表明回歸模型更精確。

1．6 草地植被恢復狀況分級

依據甘南州草地植被特點，草地蓋度分為5個等級：低植被覆蓋度（0～20%）、較低植被覆蓋度（20%～40%）、中植被覆蓋度（40%～60%）、較高植被覆蓋度（60%～80%）、高植被覆蓋度（80%～100%）。

2 結果與分析

2．1 草地植被蓋度遙感反演模型

對植被指數、植被覆蓋度建立的模型效果進行F檢驗后，發現兩者差異顯著（P＜0．001）。

從回歸分析的比較結果（表1）可以看出，對數函數可以較好地模擬MODIS／NDVI和EVI與草地植被覆蓋度之間的相關關系。草地植被覆蓋度與MODIS－EVI的相關性大于其與MODIS－NDVI間的相關性，基于MODIS－EVI的對數模型的決定系數最高（R＝0．47），均方根誤差在所有模型中最低（RMSE＝7．49），而相關系數最高（r＝0．68）。由此可見，基于MODIS－EVI的對數模型為甘南州草地植被覆蓋度的最優模型。

2．2 最優統計模型與像元二分模型分區比較

按照甘南州草地植被覆蓋度狀況劃分為4個區間，對MODIS－EVI對數模型和像元二分模型進行精度評價的結果（表2，表3）表明，對數模型在不同區間內估算的草地植被覆蓋度均值基本與實測數值相近，而像元二分模型的差異較大；對數模型在不同區間內估算的草地植被覆蓋度的標準偏差均小于10，像元二分模型均大于10；在不同區間內，像元二分模型的均方根誤差均大于30，遠高于對數模型，當草地植被覆蓋度達70%以上時，對數模型估算的草地植被覆蓋度的RMSE小于10。以上研究結果表明，在不同的草地植被覆蓋狀況下對數模型均優于像元二分模型。草地植被覆蓋度越高，對數反演模型的誤差越小；當草地植被覆蓋度小于90%時，對數模型有高估草地蓋度的趨勢。

表1 甘南州草地植被覆蓋度反演模型精度比較Table 1 Comparison of the accuracy evaluation between grassland vegetation cover inversion models in Gannan Prefecture

表2 甘南州草地植被覆蓋度最優統計模型精度評價結果Table 2 Accuracy evaluation for the optimum statistical model of grassland vegetation cover in Gannan Prefecture

表3 甘南州草地植被覆蓋度像元二分模型精度評價結果Table 3 Accuracy evaluation for the pixel－based dimidiate model of grassland vegetation cover in Gannan Prefecture

對EVI分段分析 MODIS EVI對數模型（y＝33．658lnx＋112．65）的精度評價結果表明，研究區草地植被蓋度模型的總精度可達93．31%。當EVI大于0．5時，估算精度可達90%以上；當EVI小于0．5時，估計精度達80%以上。EVI值越高，模型反演精度越高，說明草地植被覆蓋度越大，模型反演精度越高（表4）。由此可見，EVI更適用于植被覆蓋度較高地區的草地監測，EVI對數模型可很好地模擬甘南州草地植被生長狀況（5－10月）及其覆蓋度變化動態。

表4 甘南州草地植被覆蓋度最優擬合模型精度評價結果Table 4 Accuracy evaluation for the optimum simulated model of grassland vegetation cover in Gannan Prefecture

2．3 草地植被蓋度月際時空變化特征

通過對EVI對數模型計算的甘南州草地植被11年（2001－2011）生長季期間月平均覆蓋度（圖2）的分析表明，甘南州在11年生長季期間的月平均草地蓋度最高值為99．77%，最低為7．69%。總體上看，甘南草地植被覆蓋狀況較好，由西向東草地植被總體呈減少趨勢，高植被覆蓋度地區集中分布在甘南西南部和中部地區，生長季期間不同月份的高植被覆蓋度地區的統計面積存在較大變化，其中7、8月高植被覆蓋度區域的分布較廣。

甘南州近11年期間的草地植被覆蓋度最大值出現在2010年7月，達到90．28%；最小值出現在2002年10月，為59．34%。草地植被覆蓋度的標準偏差介于6．02%～10．32%（表5），總體上看，不同年份相同月份的草地植被覆蓋度變化不大。在草地植被生長季，草地蓋度月平均值具有先上升達到峰值后再下降的特點，其變化趨勢呈拋物線形狀。5月牧草開始返青，草地植被在5、6月期間迅速生長，6月草地植被覆蓋度比5月上升約20．67%，6月到7月持續增長，增加率達10．46%；7月和8月為盛草期，在此期間草地植被覆蓋度達到最大值，8月后天氣轉冷，植被開始凋落，覆蓋度有下降趨勢，但較為緩慢；9月草地植被覆蓋度比8月下降約8．57%，9月后草地植被覆蓋度下降明顯，到10月時下降19．82%。

在近11年間5月的草地植被覆蓋度變化范圍介于61．95%～70．66%，6月為72．35%～83．42%，7月達86．43%～90．28%，8月為85．84%～89．17%，9月為75．42%～83．37%，10月為59．34%～66．53%。通過比較分析發現，在5月份草地植被覆蓋度變化較大，浮動范圍約為30%；6月和9月的草地植被覆蓋度變化范圍較為相近，浮動范圍約為25%左右；7月和8月的草地植被覆蓋度變化范圍較為接近，浮動范圍均在20%以內；10月的草地植被覆蓋度變化范圍約為23%。這是因為不同植被生長期有差異，草地植被多在5月開始返青，長勢迅速，因此該月草地植被蓋度變化最大；在盛草期內變化幅度較小，各種植被均接近其所能達到的最大植被覆蓋度；在秋季，各種類型的草地先后進入枯草期，草地植被覆蓋度變化較小。

圖2 甘南州2001－2011年草地植被生長季期間的月平均蓋度空間分布Fig．2 The spatial distribution of average monthly grassland vegetation cover in Gannan Prefecture during growing seasons from 2001to 2011

表5 甘南州2001－2011年草地植被覆蓋度統計Table 5 Result of grassland vegetation cover during 2001－2011in Gannan Prefecture %

2．4 草地植被蓋度年際變化特征

圖3 甘南州2001－2011年8月高植被覆蓋度和較高植被覆蓋度區面積對比Fig．3 Comparison of grassland area in August during 2001－2011 between high vegetation cover and higher vegetation cover levels in Gannan Prefecture

甘南州近11年來，草地生長季低植被覆蓋度區的面積較小，8月高和較高植被覆蓋區面積達23314．45和3497．82km2，分別占全州草地總面積的86．48%和12．97%，其余3個等級的植被平均覆蓋區占全州草地總面積的0．55%。說明甘南州盛草期絕大部分區域草地植被覆蓋度較高，植被覆蓋狀況良好。

甘南州草地植被變化主要集中在高、較高和中植被覆蓋度的區域之間。從圖3可以看出，高和較高2種等級的植被覆蓋度有相互轉化趨勢。2002，2005，2008，2011年高植被覆蓋度地區面積明顯減小，2005年達到最低值，而較高植被覆蓋度的情況正好相反，2002，2005，2008，2011年明顯增大，2005年達到最高值。且二者有逐漸靠攏趨勢，11年間的前期互相轉化幅度較大，后期互相轉化幅度較小。在不同年份的生長季，草地植被覆蓋度變化幅度較為接近，只有2001年6月數值偏低。

分析草地植被覆蓋度年平均值的結果表明，2001－2011年的年平均草地植被覆蓋度呈緩慢上升趨勢（y＝76．271x0．0106，r＝0．81），近3年（2009－2011年）草地植被覆蓋度分別為78．17%，78．27%，78．02%，較其他年份略有上升（表5），近3年的高植被覆蓋度區域的面積略有下降，較高植被覆蓋度區域的面積略有上升，同時中、低植被覆蓋度區域的面積有增大趨勢。

3 討論

本文在甘南地區植被覆蓋度統計模型與像元二分模型比較的研究結論，與宋莎［15］對新疆石河子地區的研究結果相似。甘南地區和石河子地區利用像元二分模型法反演的研究區植被覆蓋度精度遠遠不及經驗模型的反演精度，從一定程度上反映出像元二分模型法對于反演部分地區的植被覆蓋度存在不足。

統計模型法應用簡單，易于計算，在較小的空間范圍內具有較高的精度，但有一定的局限性，模型的準確性依賴于特定區域或特定植被類型的大量實測數據，受觀測時大氣狀況、土壤狀況的影響顯著，且隨時間、地域、植被類型、生長季節的變化而變化，不易推廣［16］。而估算植被蓋度的像元二分模型是在若干假設和近似條件下基于遙感植被指數建立起來的，其中植被指數與植被蓋度、葉面積指數之間又存在著較為復雜的關系，因此，利用亞像元分解法獲得的植被蓋度的精度與研究區植被生長狀況、計算植被指數的遙感數據空間分辨率、確定裸地與植被純端元植被指數閾值的準確性等因素緊密相關，該方法的優勢是受地域范圍的限制較小，可以實現大范圍的植被蓋度監測，但精度較低［17］。

在植被蓋度外業調查中，在地面作大樣方并取其中值的方法在一定程度上可以克服由于地面測量和遙感測量之間發生空間位置錯配而產生的影響［18－20］。對地表均質性較差的地區，通常植被蓋度很高的斑塊與植被蓋度相當低的斑塊相鄰，從而導致同一個像素包含大量光譜噪聲。無論采用統計模型還是像元二分模型，均會產生較大的誤差。所以在這些地區采用這種方法是不適宜的。但是，對于均質性較好的甘南高原或中國北方典型草原而言，該方法還是很有效的。有利于提高植被指數與植被蓋度之間相關系數的顯著水平，所以利用植被指數NDVI監測草地的植被蓋度是比較適宜的，它優于比值植被指數（ratio vegetation index，RVI），也比歸一化差異綠度指數（normalized difference green index，NDGI）的效果好。與基于大尺度地面樣方的NDVI的植被蓋度經驗模型相比，利用像元二分模型估測甘南或中國北方溫帶典型草原植被蓋度的精度低于統計模型。像元二分模型的估測誤差較大，并且估測精度的波動較大［21］。已有研究證明，MODIS－EVI使植被指數與不同覆蓋程度植被的線性關系得到明顯改善，尤其在高覆蓋區表現良好［22］。甘南州被譽為“亞洲最優質的天然牧場”，草地植被類型較為豐富，植被覆蓋度較高，本研究發現EVI的統計模型優于其像元二分模型，也優于NDVI的統計模型和像元二分模型，基于MODIS－EVI的統計模型適于甘南草地植被覆蓋度的動態監測。植被指數在草地生長季具有一定的變化規律，植被長勢越好，植被指數越高，EVI對數模型可以較好地反映甘南地區草地植被生長過程及其蓋度變化規律。然而，用于建模及精度評價的野外實測采樣點的選取應遵循以下3條規則：1）地面采樣點應能在遙感影像上實現精確定位；2）地面采樣點應該最大可能地體現植被和土壤的均質性；3）采樣點的植被覆蓋度應該處于一定的變化范圍內。由于用于建模的地面采樣點要進行回歸分析，所以地面采樣點的數目應該不少于20個。為了滿足研究區植被蓋度的變化范圍，采樣點的選取最好采用隨機方式［22］。符合以上野外調查原則的觀測數據，可用于建立統計模型和檢測模型精度。

［1］de Roo A P J，Offermans R J E，Cremers D T．LISEM：A single－event physically based hydrological and erosion model for drainage basinsⅡ：Sensitivity analysis，validation and application［J］．Hydrological Processes，1996，10（8）：1119－1126．

［2］王浩，李文龍，杜國禎，等．基于3S技術的甘南草地覆蓋度動態變化研究［J］．草業學報，2012，21（3）：26－37．

［3］花立民．瑪曲草原植被NDVI與氣候和載畜量變化的關系分析［J］．草業學報，2012，21（4）：224－235．

［4］宋春橋，游松財，劉高煥，等．那曲地區草地植被時空格局與變化及其人文因素影響研究［J］．草業學報，2012，21（3）：1－10．

［5］陳云浩，李曉兵，史培軍．北京海淀區植被覆蓋的遙感動態研究［J］．植物生態學報，2001，25（5）：588－593．

［6］溫慶可，張增祥，劉斌，等．草地覆蓋度測算方法研究進展［J］．草業科學，2009，26（12）：30－36．

［7］王春香，張滌非，任萬輝．MODIS數據植被覆蓋度提取算法比較［J］．大氣與環境光學學報，2010，5（6）：457－462．

［8］趙彩霞，施昆，寧平．EOS－MODIS在環境科學中的應用與研究進展［J］．環境科學導刊，2008，27（2）：15－20．

［9］劉闖，文洪濤，趙立成，等．我國EOS－MODIS地面站建設的現狀、問題與對策［J］．遙感信息，2003，（4）：42－47．

［10］楊麗萍，楊玉永．EOS－MODIS數據農業應用進展及前景［J］．山東農業科學，2009，（1）：19－22．

［11］嚴建武，李春娥，袁雷，等．EOS－MODIS數據在草地資源監測中的應用進展綜述［J］．草業科學，2008，25（4）：1－4．

［12］梁天剛，崔霞，馮琦勝，等．2001－2008年甘南牧區草地地上生物量與載畜量遙感動態監測［J］．草業學報，2009，18（6）：12－22．

［13］孫海濤，蘇靜．甘南州產地檢疫存在的問題及對策分析［J］．青海畜牧獸醫雜志，2010，40（6）：47－48．

［14］朱建國，袁翀．甘南州發展草產業的前景與對策［J］．草業科學，2002，19（2）：26－28．

［15］宋莎．基于多源遙感數據的植被覆蓋度研究［D］．雅安：四川農業大學，2010．

［16］邢著榮，馮幼貴，楊貴軍，等．基于遙感的植被覆蓋度估算方法述評［J］．遙感技術與應用，2009，24（6）：849－854．

［17］顧祝軍，曾志遠．遙感植被蓋度研究［J］．水土保持研究，2005，12（2）：18－21．

［18］Musick H B．Assessment of Landsat Multispectral Scanner spectral indexes for monitoring arid rangeland［J］．IEEE．Transactions on Geoscience and Remote Sensing，1984，22（6）：512－519．

［19］Foran B D．Detection of yearly cover change with Landsat MSS on pastoral landscapes in Central Australia［J］．Remote Sensing of Environment，1987，23：333－350．

［20］Graetz R D，Pech R P，Davis A W．The assessment and monitoring of sparsely vegetated rangelands using calibrated Landsat data［J］．International Journal of Remote Sensing，1988，9（7）：1201－1222．

［21］張云霞，張云飛，李曉兵．地面測量與ASTER影像綜合計算植被蓋度［J］．生態學報，2007，27（3）：964－976．

［22］王正興，劉闖．植被指數研究進展：從AVHRR－NDVI到 MODIS－EVI［J］．生態學報，2003，23（5）：979－987．