基于遙感的長治縣植被覆蓋度時空變化研究

白 杰，段永紅，王 宇

（山西農業大學資源環境學院，山西 太谷 030801）

長治縣隨著城市的加速擴張、工農業活動日益頻繁，城市環境問題日益嚴重，水體污染逐步加深。其僅有的城市濕地面積日益縮小，功能逐漸退化，自然景觀和文化遺產也遭受到較大的破壞。

植被是地球陸地生態系統的主體，并且是最具特色的一部分。它被認為是生態環境系統中組成成分中比較重要的部分，植被在地表的能量互換和生物地球化學循環等過程中承擔著關鍵的角色，與某些氣候、地貌、土壤條件相適應，由多種因素控制的[1]。

植被覆蓋是植被變化最直接的反映，大面積的植被覆蓋的變化（退化與恢復）表現了自然演變和人類行為對生態環境的影響[2]，針對植被研究分析出其中對植被變化產生影響的影響因子，可以根據動力機制為植被建設做出科學合理的決策，提供嚴謹的科學依據用以種植林種植和保護。維護人類良好的生存環境，使豐富的自然資源持續利用，是當前人類的主要任務[3-5]。其中，在使用遙感圖像進行植被研究以及植物物候研究中得到廣泛應用，如FAIRBANKS等[6]利用1 km分辨率的NDVI，選取加利福尼亞4類代表性的植被，使用逐步回歸方法建立了NDVI與植被豐富度之間的關系。結果發現，不同植被類型有著不同的相關性，在區域尺度上可以使用較低分辨率的NDVI來監測植被物種多樣性的長期變化。PUREVD等[7]通過各植被指數與植被覆蓋度進行二次多項式回歸，結果表明，NDVI與TSAVI可以最好的估算大范圍的草地植被覆蓋情況。因此，針對區域植被覆蓋度動態變化研究的課題就顯得尤為重要。

本研究采用2004—2014年遙感影像數據，應用遙感和GIS手段對長治縣地區近10 a的植被覆蓋狀況進行分析，預測長治縣未來植被覆蓋的發展方向和規律，為保護當地植被提供真實的數據依據，以及為制定轉變經濟發展方向的相關策略提供現實依據。

1 研究內容和方法

本研究探討長治縣區域植被覆蓋的變化情況，為了凸顯植被覆蓋群落在地球表面的現實狀況，植被覆蓋就成為了比較綜合性的量化指標[8]。植被覆蓋度是一種監督檢測的指標，最常應用于生態環境中[9]。本研究利用RS和GIS技術，主要研究對象是NDVI，對2004—2014年的區域植被覆蓋變化進行了分析，預測長治縣未來植被覆蓋的發展方向和規律，從而為有效保護縣區種植林地的植被覆蓋提供參考依據。

利用遙感數據LANDSAT 5和LANDSAT 8，經過數據預處理的輻射定標、圖像裁剪、大氣校正和地物分類等步驟，為計算植被覆蓋度奠定基礎，通過計算NDVI，進而計算出植被覆蓋度，根據相關文獻及長治縣的具體情況得到植被覆蓋度分級類型，然后分別在土地利用類型和各鄉鎮的時空變化下研究植被覆蓋度的時空變化情況。

2 研究區域概況

長治縣屬于山西省長治市12個縣區之一，位置為東南部方向，位于上黨盆地的南部和太行山的西側地區。長治縣內的雄山主峰海拔最高，為1 419.5 m，上秦張河灘海拔最低，為908 m，差值達511.5 m。從綜合情況看，縣域內平均海拔達到1 166 m。長治縣地下水儲量豐富，據不完全數據統計，可采儲量達5 950萬m3。該縣水文地質條件復雜，煤的開采導致植被覆蓋變小[10]。

3 數據源選取與預處理

3.1 植被指數概念

植被指數是利用衛星不同波段探測數據組合而成的，是反映植物生長狀況的指數[11]。植被指數按不同的監測方法和計算方法可分為多種植被指數[12]。除了本研究中運用的歸一化指數NDVI，植被指數SAVI、比值植被指數RVI、垂直植被指數PVI和全球植被指數GVI也被廣泛運用于生產生活中。NDVI則是使用最廣泛、效果也較好的一種。其對植被覆蓋度的檢測幅度較寬，有較好的時間和空間適應性。

NDVI是植物生長狀態與植被空間分布密度的最佳指示因子，它與植被分布密度呈線性相關，并且能監測植被生長狀態、植被覆蓋度和消除部分輻射誤差等。

3.2 數據選取

研究工作中NDVI數據采用地理空間數據云上LANDSAT 5 TM和LANDSAT 8 OLI_TIRS這2期時相相近的遙感影像系列數據為主要數據來源?？臻g分辨率為30 m，時間序列為2004—2014年。長治縣遙感數據在2004年左右的LANDSAT 7 TM圖像有壞點，不能進行圖像處理；2014年LANDSAT 8 OLI_TIRS數據的完整性與準確性已經有了很大的提高。而且本試驗研究的是植被，為了所得到的數據更加精確，2期數據均采用8月份植被最茂盛時期且云量也少的遙感圖像。

綜合考慮下，2004年選取8月30日的LANDSAT 5 TM數據，2014年選取8月10日的LANDSAT 8 OLI_TIRS數據更完整，圖像更清晰。

2004年LANDSAT 5 TM在ENVI 5.1加載321波段顯示，321波段是RGB合成，即真彩色合成，其中，3波段代表紅色，2波段代表綠色，1波段代表藍色，通過321波段的合成，可以得到自然的彩色合成圖像。2014年LANDSAT 8 OLI_TIRS在ENVI 5.1加載432波段顯示，432波段合成真彩色圖像，接近地物真實色彩。

3.3 數據預處理

波譜、時間、空間以及輻射分辨率成為遙感系統的障礙，所以，對表面信息的多樣性的提取是很困難的，數據中會產生一定的差錯。遙感數據的準確率會對圖像的分析有著決定性的影響。因此，在實際圖像分析和應用之前，有必要對遙感圖像進行預處理[13]。

遙感圖像數據運用ENVI軟件進行輻射定標、圖像裁剪、大氣校正和地物分類等過程進行數據預處理，使最后數據更加精確[14]。本研究2004，2014年遙感數據采用TM432波段進行重新組合分類，分為城市、植被、水體和其他；最終得到的遙感圖像中，不同的顏色代表不同的地物[15]。為對比方便，本研究在ENVI中對每一種地物類型的訓練區顏色都以波段顯示的本色來選擇，2004，2014年土地利 用分類結果如圖1所示。

4 植被覆蓋度模型的建立與計算

4.1 NDVI的計算

歸一化植被指數（NDVI）不僅能夠準確地表示出植被目前的生長情況，而且在一定空間區域內，植被所占百分比也能清晰的顯示出來[16]。NDVI不僅與植被單位空間內分布的數量呈線性相關關系，同時還能得出植物生長狀況和植被覆蓋度的最終結果，一定程度上減少因輻射的誤差而產生的影響[17]。

大氣校正完畢后，計算NDVI值。在ENVI的toolbox中搜索NDVI，選取大氣校正后的數據文件，2004年為TM數據，文件類型就選擇LANDSATTM，紅波段為3波段，近紅外波段是4波段；2014年為OLI數據，文件類型就選擇LANDSAT OLI，紅波段為4波段，近紅外波段為5波段。然后設置輸出路徑NDVI.dat。選取相對應的波段，最后得出NDVI值。

理論上來講，NDVI取值范圍在-1～1。在toolbox中搜索compute statistics，選擇直方圖，可以得到NDVI的取值范圍有部分處于1～1之外，ENVI中計算NDVI會有少量的異常值，即有小于-1和大于1的值。因此，需要進行去除異常值的處理，即要將小于-1的值和大于1的值均變為0，在-1和1之間的值不變。計算NDVI公式如下。

這一過程為波段運算。其中，b1指的是NDVI初次計算的值，LT，GT，GE，LE 為計算過程中的運算符，b最終得到的即為NDVI去異常值后的結果，設置輸出路徑NDVI去除異常值.dat。最后，在統計數據中就會發現去除異常值后的取值范圍在-1～1。

4.2 植被覆蓋度的計算

植被覆蓋度通常是指森林面積占土地總面積之比，一般用百分數表示[18]。目前已經發展了很多利用遙感測量植被覆蓋度的方法[19]，較為實用的方法是利用植被指數近似估算植被覆蓋度。下面是李苗苗等[20]在像元二分模型的基礎上研究的模型。

其中，NDVIsoil表示土壤或土地中無綠色植物的情況下裸露地面情況下的NDVI值，NDVIveg表示圖像中的所有像元全部都為植物所占時的NDVI值。2個值的計算公式如下。

其中，b1為城市掩膜，b2為植被掩膜，b4為其他掩膜。

計算植被覆蓋度，需要進行波段運算。

其中，b1表示NDVI去異常值后的值，b2表示NDVIsoil，b3 表示 NDVIveg。

植被覆蓋度的取值范圍理論上為0～1[20]，但經統計，計算出的植被覆蓋度存在異常值，因此，要進行去異常值的步驟，將小于0的值變為0，大于1的值變為1。去異常值后的植被覆蓋如圖2所示。

5 研究區植被覆蓋動態變化研究

5.1 植被覆蓋度分級及其標準

植被覆蓋度的分級標準已有大量的研究[21]，在這些研究中植被覆蓋度分級有關的閾值是有差異性的。通過了解這些資料里面所涉及到的閾值[22]，根據長治縣區域植被特點和上述分級結果，將植被覆蓋區分為高覆蓋度（70%以上）、中高覆蓋度（50%～70%）、中覆蓋度（30%～50%）、低覆蓋度（10%～30%）、極低覆蓋度（10%以下）5個等級來分析。

為了清晰地顯示出2004—2014年間，長治縣區域內植被覆蓋度的變化，對植被覆蓋度去異常值后的圖像進行偽彩色顯示，即進行密度分割。圖3進行了分級顯示，分別為2004，2014年的植被覆蓋度去異常值后的分級結果。

5.2 植被覆蓋度動態變化

在ENVI中對各種類型的植被覆蓋度進行綜合統計，用直方圖進行顯示。其中，面積是由矢量數據計算得出，面積比例也是從直方圖中得出。長治縣境域內的植被覆蓋度變化的研究結果如表1所示。

2004年長治縣按照面積排序，從低到高分別是低覆蓋度、極低覆蓋度、中覆蓋度、中高覆蓋度、高覆蓋度，其中，高覆蓋度面積達549.38 km2，低覆蓋度面積達23.15 hm2?？傮w上來看，長治縣植被覆蓋度以高覆蓋度為主，其面積占全區域面積的76.55%，中高覆蓋度占10.34%。高覆蓋度區域在縣區內分布比較均勻，而極低植被覆蓋區域則主要在城市居民集中的區域。從全縣區來看，2004年的植被覆蓋度很高，野生的種植林比較多，低和極低覆蓋度占比較小，植被整體狀況良好。

2014年長治縣按照植被覆蓋面積大小進行排列，從高到低分別是高覆蓋度、中高覆蓋度、中覆蓋度、低覆蓋度、極低覆蓋度，其中，高覆蓋度達421.42 km2，極低覆蓋度達36.27 km2?？傮w看來，境內的植被覆蓋度除了高覆蓋度類型占有的比例較大外，其他類型的面積均較低，隨著環境問題逐漸成為人們關注的熱點話題，城市居民更加重視周圍的生活環境，綠化面積也在不斷的增加，長治縣縣區的最南端高植被覆蓋度所占比例較大。但在城市居民區的很大區域范圍內，極低植被覆蓋度所占比例較大。近些年來，很多人造林應運而生，可見植被覆蓋率與國家地區的政策緊密相連，因此，有關部門對政策的制定與實施尤為重要，由于水儲蓄量的急劇下降，植被的正常穩步生長受到了很大的影響，全面的政策制定亟待解決，而且應該更合理的解決可持續發展問題。

表1 長治縣縣區植被覆蓋度動態變化

5.3 植被覆蓋度在土地利用類型下的時空分布

以2004年為例，將地物分類的結果圖和植被覆蓋分類結果圖進行疊加分析，其結果如表2，3所示。

從表2可以看出，2004年耕地主要分布在高覆蓋度區域和中高覆蓋度區域，遠大于其他覆蓋度類型的面積，低覆蓋度面積最少，為0.69 km2；林地主要分布在高覆蓋度和中高覆蓋度區域，低覆蓋度類型面積為0.02 km2；草地及未利用地主要分布在中覆蓋度區域，在高覆蓋度區域面積為0.01 km2；建設用地主要分布在極低覆蓋度區域，而在中高覆蓋度面積為0.22 km2；水域主要分布在高覆蓋度區域，極低覆蓋度區域為1.83 km2，其他植被覆蓋度類型均低于1 km2。

從表3可以看出，2014年耕地主要分布在中高覆蓋度區域，遠高于其他植被覆蓋度類型；林地主要分布在高覆蓋度區域和極低覆蓋度區域，中高覆蓋度面積為6.09 km2，低覆蓋度類型面積為0 km2；草地及未利用地主要分布在中覆蓋度區域，其他區域面積均小于17 km2；建設用地主要分布在高覆蓋度和極低覆蓋度區域，中高覆蓋度面積為0.01 km2，中覆蓋度面積為0.38 km2；水域主要分布在高植被覆蓋度區域，極低覆蓋度區域為0.12 km2，中高覆蓋度、中覆蓋度和低覆蓋度區域均為0 km2。

表2 2004年植被覆蓋度在土地利用類型下的空間分布 km2

表3 2014年植被覆蓋度在土地利用類型下的空間分布 km2

綜上所述，2004—2014年，耕地的高覆蓋度面積從143.37km2降至31.74km2，中高覆蓋度面積基本不變，極低覆蓋度面積從23.55 km2降至0.3 km2；林地的高覆蓋度面積從17.45 km2增加到32.38 km2，極低覆蓋度面積從8.68 km2上升至31.52 km2，其他植被覆蓋度類型均有明顯下降，低覆蓋度類型2014年更是降至0 km2；草地及未利用地所有植被覆蓋度類型均有上升趨勢，其中，高覆蓋度從0.01 km2上升到8.95 km2，極低覆蓋度從1.08 km2增加到14.39 km2；建設用地的高覆蓋度和極低覆蓋度有所上升，高覆蓋度上升幅度更大，從13.84 km2增至30.12 km2；水域所有植被覆蓋度類型均下降，其中，中高覆蓋度、中覆蓋度和低覆蓋度均降至0 km2。

5.4 植被覆蓋度在各鄉鎮類型下的時空分布

以2004年為例，在ArcGIS軟件中，將長治縣鄉鎮的矢量數據經過面轉柵格，形成柵格鄉鎮圖。柵格鄉鎮圖與2004年植被覆蓋度分類結果圖進行疊加分析，并導出面積制表，得到各鄉鎮的各植被覆蓋度類型面積，如表4所示。同理，計算2014年各鄉鎮的各植被覆蓋度類型面積，如表5所示。

表4 2004年長治縣各鄉鎮植被覆蓋度類型所占面積 km2

從表4可以看出，長治縣各鄉鎮在2004年均是以高覆蓋度為主，其中，蔭城鎮所占面積最高，為35.38 km2，最低為工業園區，為 2.37 km2；在高覆蓋度中，蔭城鎮植被面積幾乎是工業園區面積的15倍之多；工業園區的中高覆蓋度面積為1.11 km2，除此之外在其他覆蓋類型中占比非常??；蘇店鎮在中高覆蓋度、中覆蓋度、低覆蓋度和極低覆蓋度中所占面積比較平均；北呈鄉的植被覆蓋度總體面積僅僅高于工業園區。西火鎮的高覆蓋度面積遠高于其他類型覆蓋度的面積，高覆蓋度面積為24.41 km2，中高覆蓋度面積為9 km2，低覆蓋度與極低覆蓋度面積在3 km2左右。

表5 2014年長治縣各鄉鎮植被覆蓋度類型所占面積 km2

由表5可知，長治縣各鄉鎮在2014年植被覆蓋面積中南宋鄉、郝家莊鄉、賈掌鎮、北呈鄉、西池鄉、韓店鎮和西火鎮高覆蓋度大于其他覆蓋度類型面積。南宋鄉高覆蓋度所占面積最高，為6.49 km2，最低為工業園區（0.24 km2）；工業園區在各種覆蓋度類型中面積均小于0.3 km2；蘇店鎮中高覆蓋度、中高覆蓋度和中覆蓋度類型面積在1 km2左右，差異不大，低覆蓋度為0.73km2，極低覆蓋度為0.5 km2；北呈鄉除高覆蓋度和中高覆蓋度類型外，其他植被覆蓋度類型小于0.3 km2；西火鎮高覆蓋度類型面積為4.57 km2，遠高于其他植被覆蓋度類型。

2004，2014年綜合對比發現，所有植被覆蓋度類型的面積有明顯的下降。蔭城鎮高覆蓋度面積從2004年最高的35.38 km2降至2014年的1.82 km2；2004年只有工業園區和北呈鄉2個鄉鎮的植被覆蓋度類型面積低于1km2，而在2014年增加到10個鄉鎮，多種植被覆蓋度類型均有這種情況產生。

6 結論

通過研究長治縣2004—2014年的植被覆蓋度時空變化變化情況，基于歸一化指數（NDVI），以2004年LANDSAT 5 TM和2014年LANDSAT 8 OLI_TIRS為數據源，計算NDVI，進而計算出研究區域的植被覆蓋度，得到研究區植被覆蓋度分級圖，并結合土地利用類型和長治縣各鄉鎮區域范圍，得出植被覆蓋度在土地利用類型下的時空分布和在各鄉鎮類型下的時空分布情況，為保護當地植被提供真實的數據依據，為制定轉變經濟發展方向的相關策略提供現實依據。

（1）研究中利用LANDSAT 5 TM（2004年8月）和LANDSAT 8 OLI_TIRS（2014年8月）2期時相相近的影像為數據源，NDVI為研究對象，進行輻射定標、圖像裁剪、大氣校正、土地利用分類的數據預處理操作，運用各種文獻參考數據，得出研究區高覆蓋度、中高覆蓋度、中覆蓋度、低覆蓋度和極低覆蓋度等5種植被覆蓋度分類情況及分類等級圖。

（2）利用研究區植被覆蓋度分級圖分別與土地利用類型和研究區各鄉鎮的矢量數據進行對比分析，通過獲得不同時間、不同土地利用類型和各鄉鎮類型下的植被覆蓋度面積分布對比可知，2004—2014年，耕地的高覆蓋度面積從143.37 km2降至31.74 km2；林地的高覆蓋度和極低覆蓋度面積有較大的增加趨勢，其他植被覆蓋度類型卻有明顯下降趨勢；草地及未利用地的所有植被覆蓋度類型均有較大的上升趨勢；建設用地的高覆蓋度和極低覆蓋度有所上升，高覆蓋度從13.84 km2增至30.12 km2；水域全部植被覆蓋度類型均下降，其中，中高覆蓋度、中覆蓋度和低覆蓋度降至0 km2。

研究區12個鄉鎮的所有植被覆蓋度類型的面積全部下降，且下降幅度非常明顯，2004年只有工業園區和北呈鄉2個鄉鎮有植被覆蓋度類型面積低于1 km2，而在2014年增加到10個鄉鎮，多種植被覆蓋度類型均有這種情況產生；2004年除了工業園區和北呈鄉，其他鄉鎮高覆蓋度面積均高于10 km2，到了2014年，12個鄉鎮高覆蓋度面積均低于7 km2，其中，7個鄉鎮低于2 km2；工業園區的植被覆蓋度由于發展工業的關系，植被覆蓋度面積長期處于所有鄉鎮的最后一位。

長治縣煤炭資源儲量比較豐富，為了經濟的發展，煤炭的開采成為提升人均收入的重要來源，但造成位于表層的地下水基本枯竭，生態環境破壞尤為明顯，研究區植被覆蓋度就從側面反映了這一現象。為了轉變這一現狀，省政府在2011年發布農林業的財政補貼政策，為農民種植林木提供經濟支持。隨著生活水平的提高，居民越來越重視生活環境，縣區周圍植被逐漸增多，進一步緩解了人類與環境的沖突。

［1］趙英時.遙感應用分析原理與方法[M].北京：科學出版社，2003.

［2］孫宏雨，王長耀，牛錚，等.中國地表植被覆蓋變化及其與氣候因子關系：基于NOAA時間序列數據分析[J].遙感學報，1998，2（3）：204-209.

［3］馬子清.山西植被[M].北京：科學技術出版社，2001.

［4］羅海江，方修琦，白海玲，等.基于VEGETATION數據的區域生態系統質量評價之二：生產能力指數評價[J].中國環境監測，2008，24（5）：61-64.

［5］ KAWABATA A，ICHII K，YAMAGUCHI Y.Global monitoring of the interannual changes in vegetation activities using NDVI and its relationships totemperature and precipitation[J].International Journal of Remote Sensing，2001，22：1377-1382.

［6］FAIRBANKS D H K，MEGWIRE K C.Pattems of floristic riehness in vegetation communites of California:regional seale ananlysis with multi-temporal NDVI [J].Global Eeology and Biogeograpy，2004，13：221-235.

［7］ PUREVDORJ T，TATEISHI R，ISHIYAMA T，et al.Relationships between percent vegetation cover and vegetation indices[J].International Journal of Remote Sensing，1998，19（18）：3519-3535.

［8］王仁卿，劉建，徐飛.中國植被研究的回顧與展望[M]//中國植物協會.生態文明建設中的植物學：現在與未來-中國植物學會第十五屆會員代表大會暨八十周年學術年會論文集.北京：科學出版社，2013.

［9］黃瑾，楊武年，張敏，等.普格縣植被覆蓋度遙感動態監測分析[J].地理空間信息，2009，7（2）：51-53.

［10］李仁堂.長治縣地下水資源開發利用與規劃 [J].山西水利，2010（6）：13-16.

［11］趙沛義，妥德寶，段玉，等.陰山北麓退耕地不同植被群落生態效應的長期定位試驗初報 [J].華北農學報，2006，21（Z）：113-115.

［12］亓興蘭，劉健，陳國榮，等.應用MODIS遙感數據監測馬尾松毛蟲害研究[J].西南林學院學報，2010（1）：1.

［13］郭妮.植被指數及其研究進展 [J].干旱氣象，2003，21（4）：71-75.

［14］羅亞，徐建華，岳文澤.基于遙感影像的植被指數研究方法評述[J].生態科學，2005，24（1）：75-79.

［15］高志強，劉紀遠.基于遙感和GIS的中國植被指數變化的驅動因子分析及模型研究 [J].氣候與環境研究，2000，5（2）：155-164.

［16］趙士洞，羅天祥.區域尺度陸地生態系統生物生產力研究方法[J].資源科學，1998，20（1）：23-34.

［17］GAMONJ A，PEUELASJ，FIELDCB.A narrow-waveband spectral index that tracks diurnal changes in photosynthetic efficiency[J].Remote Sens Environ，1992，41：35-44.

［18］田慶久，閔祥軍.植被指數研究進展 [J].地球科學進展，1998，13（4）：327-333.

［19］陳云浩，李曉兵，李京，等.面向航空遙感應用的可調節植被指數研究[J].中國礦業大學學報，2004，33（4）：438-442.

［20］李苗苗.植被覆蓋度的遙感估算方法研究[D].北京：中國科學院研究生院，2003.

［21］劉巍，尹林克，劉旭麗，等.G218國道新疆伊犁段路域植被類型及分布[J].天津農業科學，2015，21（6）：146-150.

［22］程素娜，張永彬，汪金花.基于遙感影像的城市綠地覆蓋信息提取方法[J].天津農業科學，2015，21（1）：48-51.