利用MODIS NDVI進行淮南礦區植被覆蓋度動態監測

汪桂生，仇凱健(安徽理工大學測繪學院，安徽 淮南 232001)

礦產資源對我國的經濟建設起到了重要的積極推動作用，其保證程度和健康程度關系到國民經濟長期穩定和國家戰略安全。然而，礦產資源開發在促進工業經濟發展的同時，也造成地表變形、沉陷甚至坍塌等問題，同時改變了原有生態環境結構或狀態，使植被等地表覆蓋衰退甚至枯死，物種多樣性衰落，土地退化，生態系統遭到破壞[1-3]。這些由開采引起的生態環境問題影響著礦區人民的生活水平，威脅著區域的可持續發展。傳統的礦區環境監測采用實地調查、采樣等方式開展，不僅效率低下，還僅僅停留在離散點狀監測，無法形成對環境變化的綜合分析。為此，許多學者利用遙感技術在一些典型礦區開展了生態環境擾動監測，利用目視解譯、計算機圖像分類等方法提取植被覆蓋、土壤屬性、土地利用類型、景觀指數等表征參數[4-6]。植被是地表最為顯著且易受人類活動擾動的景觀。植被監測是礦區最為重要的環境監測工作之一，目前已經廣泛開展了基于遙感的監測[7-10]。

淮南礦區是我國重要的能源基地之一。礦業的開發已經給區域生態環境造成了顯著的影響，形成了大面積的地表沉陷、煤矸石和粉煤灰堆，致使大氣和水質質量下降[11-12]。目前，針對淮南礦區已經開展了土壤侵蝕、土地利用等有關研究[13-15]。利用遙感技術對近十年淮南礦區植被覆蓋度的變化進行動態監測，對礦區復墾效果進行評估，可以為淮南市及淮南礦區今后的可持續化發展方案的制定提供參考，對礦區環境治理、生態修復與重建具有重要意義。

1 研究區概況

淮南礦區位于我國華東地區淮南市的北部，安徽省中部，地跨淮河中游，距離省會合肥95 km，地理位置介于116°21′E—117°11′E，32°32′N—33°0′N之間(如圖1所示)，屬于亞熱帶季風氣候區。該地區是以煤炭開采、火力發電及其相關產業為主導的工礦區，為華東地區的工業發展打下了堅實基礎。

圖1 淮南礦區位置

2 數據源與方法

2.1 數據源

本研究使用MODIS衛星產品中的MOD13Q1數據，主要用于檢測地表植被覆蓋的狀況。數據來源于美國LPDAAC(land process distributed active archive center)網站，共有12個圖層，空間分辨率為250 m，維度為4800行4800列，數據格式為HDF，所采用的投影為正弦投影。這里使用的為歸一化植被指數(NDVI)數據，并在此基礎上反演植被覆蓋度，以進行淮南礦區植被覆蓋的時空演變分析。

由于開展研究需要要素制圖、范圍界定、圖像裁剪等，因此還收集了研究區基礎矢量數據。礦區界線矢量數據來源于文獻[16]。為了對結果進行驗證，研究中還選擇了部分樣本進行實地調查，獲得了不同土地利用下植被覆蓋的直觀信息。

2.2 研究方法與流程

2.2.1 像元二分模型

像元二分模型是目前常用的一種用于估算植被覆蓋度的一種模型[17]。該模型的思想是把地表看作有植被覆蓋和無植被覆蓋兩類，實際采用遙感方式計算時，其計算方式如下

(1)

式中，NDVIsoil為無植被覆蓋區域或裸土的NDVI值；NDVIveg為純凈植被像元的NDVI值，可以用來作為NDVI的最大值。其計算公式分別為

(2)

NDVIveg=

(3)

利用該模型計算植被覆蓋度的關鍵是計算NDVIsoil和NDVIveg。當區域內可以近似取VFCmax=100%、VFCmin=0%時，式(1)可變為

(4)

式中，NDVImax和NDVImin分別為區域內最大和最小的NDVI值。由于不可避免會存在噪聲，NDVImax和NDVImin一般取一定置信度范圍內的最大值與最小值，置信度的取值主要根據圖像實際情況來確定。實際估算時，需要視影像分辨率加以確定，在低分辨率影像上，近似取最大和最小值，而在較高分辨率影像上需要依據土地類型分地表覆蓋類型加以確定。

2.2.2 研究流程

在收集研究區2005年、2008年、2011年、2014年植被生長周期MODIS NDVI數據的基礎上，對其進行格式轉換、裁剪等預處理，并生成覆蓋研究區的MODIS NDVI數據集，進而利用生長周期的年均NDVI數據并結合像元二分模型估算植被覆蓋度，在此基礎上采用統計分析、重分類等地理信息系統(GIS)空間分析方法進行植被的時序演化、覆蓋轉移和空間演變分析，所設計的技術路線如圖2所示。

圖2 研究技術路線

3 研究結果

3.1 MODIS NDVI時序變化

植被作為地表覆蓋類型的一種，其也隨著時間的變化呈現出一定的變化趨勢。在生長的不同時間段內，其NDVI值將產生時序變化。江淮地區植被一般在3月中下旬開始生長；4—6月，由于灌溉、雨水和陽光都比較充足，植被長勢較快；7—9月，植被覆蓋達到鼎盛時期，NDVI值比較大；但10月以后，植被漸漸成熟，葉黃素含量增多，葉落生根，NDVI值就會降低。一些特殊地區，如西北干旱戈壁地區，植被一年四季都只是接近于0，變化不顯著。以2005年、2008年、2011年、2014年這4個監測節點，從時間角度分析淮南礦區近十年內植被覆蓋演變情況。2005—2014年年均NDVI情況如圖3所示。

圖3 2005—2014年年內月平均NDVI變化

從2005年NDVI變化折線圖可以看出，4—5月，NDVI值由0.28上升到0.3左右，這是植被增長時期的正常狀況；但是到5—6月，NDVI值呈下降趨勢，數值由0.3幾乎沿直線下降到0.17；6—7月間，又有增長的趨勢；7—8月漲幅較大，這也符合植被增長的規律；到了9—10月，由于植被進入成熟期，故NDVI值下降。但是中間的NDVI值在5—6月這個植被本應該增長的時候卻下降了。通過土地利用數據并結合實地考察發現，淮南礦區有著大量的耕地，到了5、6月，農作物到了收割的季節，因此，引起了NDVI值的急劇下降。類似地統計出2008年、2011年、2014年的狀況，也得到類似結果。通過對2008—2014年的年內NDVI值進行分析，發現這3個時期的走勢與2005年類似，都是在6月達到波谷，然后在8月達到波峰，表明植被的NDVI值變化具體受研究區內耕種收割活動影響。

通過使用2005—2014年每隔3年一景的遙感影像，對淮南礦區年際NDVI值的走勢進行分析(如圖4所示)，可以看出年NDVI值均在0.3以下，平均NDVI從2005—2008年有大幅度下降，植被生長狀況降低，2008—2014年的NDVI均值呈現上升的趨勢，這說明該地的植被覆蓋情況有所改善。

圖4 2005—2014年植被生長周期內年均NDVI變化

3.2 植被覆蓋度反演結果

為了更好地體現不同年份間植被的演變趨勢，利用植被像元二分模型對植被覆蓋度進行反演，先計算每年的NDVI均值，得到每年的NDVI值遙感影像。由于MODIS數據分辨率為250 m，故NDVImax和NDVImin分別以每景影像中統計結果的NDVI最大最小值進行計算。根據前人的研究[18-19]，將植被覆蓋度定義為5個等級：①無覆蓋(裸露地表或水體)，0

圖5 2005—2014年淮南礦區植被覆蓋度

根據統計結果，監測時間內區域平均植被覆蓋度分別為0.722 3、0.701 7、0.718 1、0.702 8，平均減幅為2.7%。對于上述植被覆蓋度等級的分級結果，在重分類的基礎上統計不同植被覆蓋度的面積，結果如圖6所示。可見較高植被覆蓋和高植被覆蓋規模較大，表明淮南礦區植被總體覆蓋度狀況良好，其中，中、低和無植被覆被面積在監測時間內保持穩定，其規模較小，面積均不足200 km2，較高覆蓋和高覆蓋面積廣大，占全區域面積的90%。較高覆蓋區域規模呈現先增加后減少的趨勢，而高覆蓋區域規模呈現先減少后增加的態勢，表明植被覆蓋在監測時期內呈現先減少后增加的態勢，這與NDVI的演化趨勢是一致的。

圖6 2005—2014年植被覆蓋度

3.3 植被覆蓋等級的面積轉移分析

為了得到不同時相植被覆蓋度的轉移矩陣，需要對不同等級的柵格數據進行編碼，這里規定無覆蓋編碼為1，較低覆蓋編碼為2，中等覆蓋編碼為3，較高覆蓋編碼為4，高覆蓋編碼為5，并利用柵格重分類工具完成編碼工作。完成編碼后，為了能求出不同等級植被覆蓋轉移情況，需要將較早年份的柵格編碼值乘以10再加上較晚年份的編碼值。如2005年的編碼值為1，2008年同樣地方的編碼為2，進行運算后的結果就變成12,12則代表該地方由無覆蓋變成了較低覆蓋，其中柵格計算功能可以由地圖代數中的柵格計算進行實現。2005—2008年、2008—2011年、2011—2014年面積轉移矩陣見表1、表2和表3。

表1 2005—2008年不同植被覆蓋程度面積轉移矩陣 km2

上述表中對角線元素表示沒發生面積轉移植被覆蓋，可以對比對角線元素和矩陣其他位置的元素值，發現沒有發生轉變的植被覆蓋比例最大，其中較高覆蓋共有約700～800 km2沒有發生轉變，占整個研究區面積的50%，是未發生轉變的主要植被覆蓋類型。從每行來看，淮南礦區無覆蓋、較低覆蓋、中覆蓋的分布面積較少，而較高覆蓋和高覆蓋面積合計超過1000 km2，占據淮南礦區的大部分范圍。

表2 2008—2011年不同植被覆蓋程度面積轉移矩陣 km2

表3 2011—2014年不同植被覆蓋程度面積轉移矩陣 km2

從表1看出，2005年的無覆蓋等級大多轉化為較低覆蓋，約6.625 km2；較低覆蓋大都轉化為中等覆蓋，約18.75 km2；中等覆蓋大都轉化為較高覆蓋，約有37.4375 km2；較高覆蓋轉化為高覆蓋面積為51.187 5 km2；高覆蓋向較高覆蓋轉化規模最大，達332.75 km2。總體來說，2008年的植被覆蓋較2005年有所降低，高覆蓋向較高覆蓋轉化為主要方向。

從表2可以看出，相對于2005—2008年，2008—2011年間的較高植被覆蓋轉化為高覆蓋的規模增加，達226.75 km2，而高覆蓋轉化為較高覆蓋減少了，這說明2008—2011年植被覆蓋情況有所好轉。但是無覆蓋區和較低覆蓋及中覆蓋區均沒有向高覆蓋進行轉化的，而且向較高植被轉化也比較低，說明較低覆蓋區域的植被覆蓋情況并沒有發生明顯好轉。

從表3可以看出，2011—2014年間，較高覆蓋與高覆蓋之間的轉化基本持平，這說明到了2014年底，淮南礦區植被覆蓋已經達到了一個平衡，而且相對于2008—2011年來說，較低覆蓋的面積有減少的趨勢，高覆蓋沒有轉變的面積也由200多平方千米提升到360多平方千米。而且，大部分分布情況也集中在較高和高植被覆蓋區域，且高覆蓋類型向無植被覆蓋的和低植被覆蓋的面積也已經變成0，大部分覆蓋區域都保持自己的覆蓋程度不變。不過，對于低覆蓋和無覆蓋區域，雖說面積相對于以前年份有所減少，但是向較高植被覆蓋類型轉換還是相對較少。

3.4 植被演化特征分析

為了進一步分析植被的時空演化特征，利用植被生長周期內年均植被覆蓋數據進行差值處理，獲得監測時間內植被覆蓋演變時空分布。結合文獻分級標準[20-21]，根據新的屬性值進行動態演變分類，將演變趨勢劃分為7個動態演變類型監測類型，即重度退化(<-0.3)、一般退化(-0.3≤D<-0.15)、輕度退化(-0.15≤D<-0.05)、穩定(-0.05≤D<0.05)、輕微改善(0.05≤D<0.15)、一般改善(0.15≤D<0.3)和明顯改善(D≥0.3)7個等級，其結果如圖7所示。

結果表明，淮南礦區植被的植被覆蓋度從2005—2008年減少顯著，最大減少值達0.724，表明區域內植被退化明顯，植被退化區域主要位于礦區西北部的潘集、謝家集礦一帶。2008—2011年間及2011—2014年間，輕度退化在第一階段表現顯著，其空間上主要分布于礦區中南部，在西部潘集礦等少量地區，植被退化依舊嚴重，其退化程度處于較高水平，表明礦山開采對地表植被覆蓋具有顯著的擾動特性和持續性。

將上述結果加以統計，獲得監測時間內植被覆蓋演化的分級規模，如圖8所示。從圖中可見，監測時間內研究區植被覆蓋以穩定為主，其面積保持在900 km2，表明研究區主體植被覆蓋穩定。2005—2008年間，植被輕度退化比較顯著，其規模超過450 km2，表明植被在此期間變化以輕度退化為主。2008—2011年及2011—2014年，除穩定區域外，輕微改善的面積分別約為350和250 km2，而輕度退化的面積分別約為150和350 km2，植被的輕度退化與輕度改善現象交替演變趨勢明顯，重度退化面積雖然較小，但是在監測期內改變不明顯，這些地區位于礦區的核心區，是礦區環境監測和修復需要重點關注的區域。

圖8 2005—2014年淮南礦區植被覆蓋演化規模統計

4 結 論

本文采用MODIS NDVI時間序列產品，結合像元二分模型分析淮南礦區2005—2014年近十年植被時空演變情況，得出以下結論：

(1) 淮南礦區植被年內NDVI均值在5—6月呈現下降趨勢，并在6月達到波谷，在6—8月呈上升趨勢，在8月份達到波峰，接著在9—11月由于植被成熟，NDVI月均值呈下降趨勢。

(2) 淮南礦區植被年際NDVI均值在2005—2008年呈下降趨勢，在2008—2015年呈穩步上升趨勢。監測時間內區域平均植被覆蓋度分別為0.722 3、0.701 7、0.718 1、0.702 8，平均減幅為2.7%。

(3) 淮南礦區較高覆蓋和高覆蓋面積廣大，占全區域面積的90%，較高覆蓋與高覆蓋區域轉換是區域植被覆蓋等級轉換的主要方向。

(4) 淮南礦區植被覆蓋演化以穩定為主，輕度退化和輕微改善交替發生，是區域植被覆蓋演化的主要方向。重度退化不足10 km2，主要分布于礦區核心地帶潘集和謝家集礦一帶。

參考文獻：

[1] YUDOVICH Y E，KETRIS M P.Mercury in Coal：A Review Part 2.Coal Use and Environmental Problems[J].International Journal of Coal Geology，2005，62(3):135-165.

[2] BIAN Z F，DONG J H，LEI S G，et al.The Impact of Disposal and Treatment of Coal Mining Wastes on Environment and Farmland.[J].Environmental Geology，2009，58(3):625-634.

[3] BIAN Z，INYANG H I，DANIELS J L，et al.Environmental Issues from Coal Mining and Their Solutions[J].Mining Science & Technology，2010，20(2):215-223.

[4] 陳華麗，陳剛，李敬蘭,等.湖北大冶礦區生態環境動態遙感監測[J].資源科學，2004，26(5):132-138.

[5] 周春蘭，張秋勁，徐亮,等.遙感技術在攀枝花礦區生態環境監測中的應用[J].四川環境，2012，31(S0)：23-27.

[6] 李學淵，趙博，陳時磊,等.基于遙感與GIS的礦山地質環境時空演變分析——以東勝礦區為例[J].國土資源遙感，2015，27(2):167-173.

[7] MONJEZI M，SHAHRIAR K，DEHGHANI H，et al.Environmental Impact Assessment of Open Pit Mining in Iran[J].Environmental Geology，2009，58(1)：205-216.

[8] CHAROU E，STEFOULI M，DIMITRAKOPOULOS D，et al.Using Remote Sensing to Assess Impact of Mining Activities on Land and Water Resources[J].Mine Water and the Environment，2009，29(1)：45-52.

[9] ERENER A.Remote Sensing of Vegetation Health for Reclaimed Areas of Seyit?mer Open Cast Coal Mine[J].International Journal of Coal Geology，2011，86(1):20-26.

[10] 姚峰，古麗·力帕爾，包安明，等.基于遙感技術的干旱荒漠區露天煤礦植被群落受損評估[J].中國環境科學，2013，33(4)：707-713.

[11] 崔龍鵬.對淮南礦區采煤沉陷地生態環境修復的思考[J].中國礦業，2007，16(6)：46-48，52.

[12] 葛沭鋒，王曉輝，耿宜佳.淮南礦區沉陷地生態治理研究[J].安徽農業科學，2015，43(4)：271-274.

[13] 范忻，汪云甲，張書建.淮南礦區土地利用變化遙感監測及驅動力分析[J].礦業研究與開發，2012,32(4):81-84.

[14] 汪煒，汪云甲，張業,等.基于GIS和RS的礦區土壤侵蝕動態研究[J].煤炭工程，2011，(11):120-122.

[15] 黃家政，趙萍，鄭劉根,等.淮南礦區土地利用/覆蓋時空變化特征及預測[J].合肥工業大學學報(自然科學版)，2014，37(8):981-986.

[16] 王曉輝，耿佳怡.淮南煤礦區土地利用變化分析[J].安徽農業科學，2015，43(36)：295-298.

[17] 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遙感應用研究所，2003.

[18] 丁美青,陳松嶺,郭云開.基于遙感的土地復墾植被覆蓋度評價[J].中國土地科學,2009，23(11)：72-75.

[19] 彭道黎,滑永春.北京延慶縣植被恢復動態遙感監測研究[J].中南林業科技大學學報，2008，28(4)：159-164.

[20] 李琳.北京郊區植被覆蓋度變化動態遙感監測[D].北京：北京林業大學，2008.

[21] 河保偏礦區植被覆蓋度演變趨勢與驅動力分析[D].太原：山西大學，2012.