青土湖綠洲植被指數適用性及優選研究

楊麗娟 黃峰 潘若云

摘要 [目的]為精準評價青土湖綠洲植被恢復情況，開展植被指數適用性及優選研究。[方法]基于2013—2019年植被生長旺季的Landsat8-OLI遙感數據，分析歸一化植被指數、比值植被指數、大氣阻抗植被指數等8種常用植被指數;采用趨勢分析法研究各植被指數的變化特征，通過評價植被指數時空變化特征與綠洲實際恢復特征的一致性研究各植被指數的適用性;基于各植被指數的變化率及趨勢顯著性，評價不同植被指數檢測青土湖綠洲恢復的敏感性。[結果]增強植被指數、歸一化植被指數、土壤調節指數和修改型土壤調節指數對青土湖綠洲植被覆蓋變化相對敏感，是適用于青土湖綠洲、能有效檢測綠洲植被覆蓋變化的植被指數。[結論]研究成果可為青土湖生態輸水調控及綠洲恢復管理提供一定的技術支撐和科學參考。

關鍵詞 植被指數;適用性;敏感性;生態輸水;青土湖

中圖分類號 Q948 ?文獻標識碼 A

文章編號 0517-6611（2020）19-0065-04

doi：10.3969/j.issn.0517-6611.2020.19.018

Abstract [Objective] In order to evaluate the vegetation restoration in Qingtu Oasis accurately，the study on the applicability and optimization of vegetation index in Qingtu Oasis was carried out.[Method]Based on the Landsat8OLI remote sensing data of the flourishing vegetation season from 2013 to 2019，the normalized difference vegetation index，ratio vegetation index，atmospherically resistant vegetation index and the other 5 vegetation indexes were analyzed.Then the trend analysis was used to study the variation characteristics of each vegetation index.The applicability of each vegetation index was studied by evaluating the consistency between the temporal and spatial variation characteristics of vegetation index and the actual recovery characteristics of oasis.Based on the change rate and trend significance of each vegetation index，the sensitivity of different vegetation indexes to detect the recovery of Qingtu Lake Oasis was evaluated.[Result]The enhanced vegetation index，normalized difference vegetation index，soiladjusted vegetation index and modified soiladjusted vegetation index were relatively sensitive to the change of vegetation cover in Qingtu Oasis，which were suitable for effectively detecting the change of vegetation cover in Qingtu Oasis.[Conclusion]The research results can provide certain technical support and scientific reference for ecological water conveyance regulation and oasis restoration management of the Qingtu Lake.

Key words Vegetation index;Applicability;Sensitivity;Ecological water conveyance;Qingtu Lake

基金項目 國家重點研發計劃（2017YFC0406101）。

作者簡介 楊麗娟（1999—），女，江蘇南通人，從事水務工程研究。*通信作者，副教授，博士，碩士生導師，從事文水資源、生態水文研究。

收稿日期 2020-03-31

植被指數（vegetation index，VI）是對地表植被狀況的簡單有效的度量，也是評價干旱區生態輸水效應的常用指標[1]。當前已有歸一化植被指數、土壤調節植被指數、比值植被指數等上百種植被指數產品應用于科研生產實踐，不同的植被指數由于地理環境、植被覆蓋度、植被生長狀況等因素的影響，對于不同的地區有不同的適用性和敏感性[2] 。郭玉川等[3] 研究了歸一化植被指數、增強植被指數等4種指數反演植被覆蓋度的精度，建議選擇歸一化植被指數以評估塔里木河生態輸水后的生態恢復程度;林茜等[4] 在塔里木河流域通過評估歸一化植被指數、比值植被指數等和植被覆蓋度的相關性，建議選擇歸一化植被指數以獲取植被信息。

我國河西走廊石羊河流域尾閭青土湖自生態輸水以來，水域及綠洲面積在一定程度上得到恢復，整體植被覆蓋度有所增加。

鑒于不同植被指數在不同區域識別植被特征的適用性差異以及檢測植被覆被變化的敏感性差異，為科學準確地評估石羊河流域生態輸水對其尾閭青土湖綠洲的恢復效應，開展植被指數適用性及優選研究。筆者選取在干旱、半干旱地區較為常用的8種植被指數開展比較研究，遴選適用于檢測青土湖地區植被覆蓋變化的指數，為生態輸水調控提供參考，也為其他流域合理選取植被指數、科學監測植被覆蓋變化提供借鑒。

1 資料與方法

1.1 研究區概況

青土湖綠洲位于石羊河流域尾閭（圖1），地處甘肅省民勤縣東北部，在巴丹吉林沙漠東南部、騰格里沙漠西部，地理位置39°04′～39°09′N、103°36′～103°39′E[5] 。青土湖地區年均氣溫7.8 ℃，降水稀少且主要集中在7—9月，多年平均降水量僅110 mm[6] ，全年盛行西北風，屬于溫帶大陸性干旱氣候[7] 。

青土湖曾是石羊河流域最大的湖泊，水域面積超過400 km2。后來因氣候變化和流域上、中游不合理用水等因素影響，湖泊面積開始萎縮，加上紅崖山水庫的修建，青土湖地表水補給源逐漸消失，于1959年徹底干涸[8] 。青土湖干涸導致民勤地區失去了天然的生態屏障，植被減少、荒漠化加劇，生態系統嚴重退化[6] 。為促進當地生態恢復，2010年9月石羊河流域綜合治理工程有計劃地向下游生態輸水，青土湖開始形成人工季節性水面，區域環境質量明顯好轉[9] 。

1.2 數據選取與方法

1.2.1 遙感影像。

選取青土湖生態輸水后2013—2019年逐年的Landsat8-OLI遙感數據，下載于美國地質調查局提供的網站https：//earthexplorer.usgs.gov/。衛星訪問地球的周期為16 d，TM1～TM9的9個波段空間分辨率均為30 m。根據青土湖綠洲的經緯度范圍，選擇的OLI數據行號為131，列號為33。綜合考慮云量信息和植被信息，收集整理7、8月份的遙感影像資料。利用ENVI 5.3軟件預處理遙感影像，主要包括輻射定標、大氣校正、圖像裁剪、去除異常值等。

1.2.2 植被指數。

選取在干旱、半干旱地區較為常用的歸一化植被指數、比值植被指數、大氣阻抗植被指數等8種植被指數，其計算公式如表1所示，其中，NIR、RED、GREEN和BLUE分別是近紅外波段（0.845～0.885 μm）、紅光波段（0.630～0.680 μm）、綠光波段（0.525～0.600 μm）和藍光波段（0.450～0.453 μm）的反射率;L是土壤亮度校正因子，隨綠色植被數量的變化而變化，采用Huete[13]建議的L最佳取值0.5;C1、C2是大氣修正參數;l為土壤調節參數，取值分別為6.0、7.5和1.0[17] ;γ為光學路徑的效應因子，取決于氣溶膠的類型，采用Kaufman等[12]推薦的取值1。NDVI、ARVI、SAVI、MSAVI2、NDGI和EVI取值為-1～1，非正值代表裸地或者水體，正值表示有綠色植被，且越接近1表示植被覆蓋度越大[12-15] 。RVI取值在0～2和8～30時無綠色植被覆蓋，在2～8時表示有植被覆蓋，且數值越接近8表示植被覆蓋度越大[11] 。DVI取值隨植被覆蓋的增加而增加[17]。

1.2.3 適用性及敏感性評價。

針對各個植被指數，采用一元線性回歸法逐像元擬合其變化趨勢，以綜合反映研究區域植被的時空演變情況。根據一元線性擬合線的斜率s與回歸分析顯著性P值將變化趨勢分為5個等級：顯著下降（s<0，P≤0.01）、下降（s<0，0.010.05）、上升（s>0，0.010，P≤0.01）[18] 。采用Kappa系數衡量不同植被指數分析成果的一致性，識別性能相近的植被指數;通過對比分析各植被指數所表征的植被覆蓋變化趨勢與植被實際動態變化特征的一致性，評估植被指數的適用性。由Kappa系數值表示一致性的程度：一致性程度極差（Kappa<0）、一致性程度微弱（0≤Kappa≤0.20）、一致性程度弱（0.20

2 結果與分析

2.1 植被指數適用性分析

生態輸水以來，青土湖綠洲植被呈較為顯著的恢復趨勢。植被覆蓋區域由湖區向外緣荒漠區擴展，總體呈擴大趨勢;距離湖區越近，植被覆蓋密度增加越顯著;距離湖區較遠的區域植被覆蓋密度增加不明顯[20-21] 。NDVI、RVI、SAVI、EVI和MSAVI2的分析成果與青土湖綠洲實際恢復情況較為一致（圖2），各指標分析成果之間的Kappa系數都在0.6～1.0，一致性程度達到高、極高水平（表2）。ARVI、NDGI、DVI的分析成果與青土湖綠洲實際恢復情況差異較大（圖2），且ARVI、NDGI、DVI、NDVI、RVI、SAVI、EVI、MSAVI2分析成果的Kappa系數都低于0.6，一致性較低，表明ARVI、NDGI、DVI在青土湖綠洲的適用性相對較差。其中，ARVI反映植被覆蓋在外圍荒漠區呈顯著下降趨勢，NDGI反映83%的區域植被覆蓋呈顯著下降趨勢，DVI在植被覆蓋較高的水域附近無明顯變化。

2.2 植被指數敏感性分析

各植被指數空間均值序列趨勢分析成果（圖3）表明，各指數均呈顯著上升趨勢。其中，EVI、NDVI、SAVI、MSAVI2的趨勢變化率基本一致，RVI、ARVI、DVI、NDGI的趨勢變化率相對較低，表明EVI、NDVI、SAVI和MSAVI2檢測青土湖綠洲恢復變化特征的性能基本一致，RVI、ARVI、DVI和NDGI檢測青土湖綠洲恢復變化特征的敏感性相對較低。

由于DVI對土壤背景的變化敏感，比較適合在低植被覆蓋區監測生態環境的變化。當植被覆蓋度較低時，DVI隨生物量的增加而增加，較高時DVI對植被的靈敏度下降。青土湖湖區附近自生態輸水以來植被覆蓋高且增加趨勢顯著[20] ，DVI在此情況下易飽和，因此DVI對湖區附近的敏感性較低。ARVI使用藍光波段和紅光波段的組合矯正大氣散射的影響，在該研究中外圍荒漠低植被覆蓋區的應用效果相對較差，可能在一定程度上受裸地背景的影響。NDGI選用紅光波段和綠光波段的亮度值作為波段組合的信息源，兩者亮度差異值較小，應用于檢測青土湖綠洲植被恢復的效果相對較差。因此DVI、ARVI和NDGI三者在青土湖綠洲的適用性和敏感性不足。

3 結論

生態輸水以來，青土湖綠洲的植被覆蓋區域由湖區向周圍荒漠擴大，總體覆蓋密度呈增加趨勢。NDVI、RVI、SAVI、EVI和MSAVI2能客觀反映這一變化趨勢，應用于評價青土湖綠洲生態恢復的適用性較好;ARVI、NDGI、DVI未能客觀反映青土湖綠洲恢復特征，其適用性相對較差。綜合植被指數空間均值變化率及趨勢顯著性評價，EVI、NDVI、SAVI、MSAVI2檢測青土湖綠洲植被覆蓋變化的敏感性相對較高，RVI的敏感性相對較弱。建議在青土湖生態恢復評價工作中選用EVI、NDVI等植被指數。

參考文獻

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

[2] 賀金蘭，張明月，田尉霞.基于遙感影像的不同植被指數比較研究[J].科技創新與應用，2017（6）：36-37.

[3] 郭玉川，何英，李霞.基于MODIS的干旱區植被覆蓋度反演及植被指數優選[J].國土資源遙感，2011（2）：115-118.

[4] 林茜，郭飛，黃昌春，等.基于MODIS的植被指數對估測塔里木河中下游植被蓋度的適用性[J].草業科學，2016，33（12）：2434-2441.

[5] 張華，張玉紅，張改改.民勤綠洲青土湖植被優勢種地上生物量估算[J].干旱區地理，2020，43（1）：201-210.

[6] 陳政融，劉世增，劉淑娟，等.蘆葦和白刺空間格局對青土湖生態輸水的響應[J].草業科學，2015，32（12）：1960-1968.

[7] 趙強，王乃昂，李秀梅，等.青土湖地區9500a BP以來的環境變化研究[J].冰川凍土，2005，27（3）：352-359.

[8] YANG X M，LIU S Z，YANG T B，et al.Spatialtemporal dynamics of desert vegetation and its responses to climatic variations over the last three decades：A case study of Hexi region in Northwest China[J].Journal of arid land，2016，8（4）：556-568.

[9] 劉淑娟，袁宏波，劉世增，等.石羊河尾閭水面形成區土壤顆粒的分形特征[J].水土保持通報，2013，33（6）：285-289.

[10] ROUSE J W，JR，HAAS R H，SCHELL J A，et al.Monitoring vegetation systems in the Great Plains with ERTS[C]//Proceedings of third earth resources technology satellite1 symposium.Washington：NASA，1974：310-317.

[11] JORDAN C F.Derivation of leafarea index from quality of light on the foresr floor[J].Ecology，1969，50（4）：663-666.

[12] KAUFMAN Y J，TANRE D.Atmospherically resistant vegetation index （ARVI） for EOSMODIS[J].IEEE Transactions on Geoscience and Remote Sensing，1992，30（2）：261-270.

[13] HUETE A R.A Soil Adjusted Vegetation Index（SAVI）[J].Remote Sens Environ，1988，25（3）：295-309.

[14] JIANG Z Y，HUETE A R，LI J，et al.Interpretation of the modified soiladjusted vegetation index isolines in redNIR reflectance space[J].Journal of applied remote sensing，2007，1：1-12.

[15] RHEW I C，VANDER STOEP A，KEARNEY A，et al.Validation of the normalized difference vegetation index as a measure of neighborhood greenness[J].Annals of epidemiology，2011，21（12）：946-952.

[16] BECKER F，CHOUDHURY B J.Relative sensitivity of normalized difference vegetation Index （NDVI） and microwave polarization difference Index（MPDI） for vegetation and desertification monitoring[J].Remote sensing of environment，1988，24（2）：297-311.

[17] LIU H Q，HUETE A R.A feedback based modification of the NDVI to minimize canopy background and atmosphere noise[J].IEEE Trans Geosci Remote Sensing，1995，33：457-465.

[18] WOLTERS M，GARBUTT A，BAKKER J P.Saltmarsh restoration：Evaluating the success of deembankments in northwest Europe[J].Biological conservation，2005，123（2）：249-268.

[19] LANDIS J R，KOCH G G.The measurement of observer agreement for categorical data[J].Biometrics，1977，33（1）：159-174.

[20] 趙軍，楊建霞，朱國鋒.生態輸水對青土湖周邊區域植被覆蓋度的影響[J].干旱區研究，2018，35（6）：1251-1261.

[21] CHUNYU X Z，HUANG F，XIA Z Q，et al.Assessing the ecological effects of water transport to a lake in arid regions：A case study of Qingtu Lake in Shiyang River basin，Northwest China[J].International journal of environmental research and public health，2019，16（1）：1-14.