瑪納斯河流域水土流失關鍵參數植被覆蓋度提取研究

謝富明

(新疆瑪納斯河流域管理局，新疆 石河子 832000)

植被覆蓋度(Vegetation fractural coverage，FVC)是指垂直方向上植被覆蓋面積占地面面積的比例[1]。作為描述植被結構的特征特征參數，FVC被廣泛用于解釋地表生物量、冠層形態、植被表型活性等，并且成為陸面過程建模中的重要輸入變量[2]。FVC也是地表退化的生態指示因子，其能直觀揭示區域植被健康程度、土壤侵蝕、地表物質流失等環境問題。遙感技術為區域尺度FVC的推導提供了可靠手段[2- 3]。當前MODIS，Landsat，SPOT，CBERS等光學遙感衛星為全球、洲際、國際、景觀等空間尺度上的年、季、月、旬、日等不同時間序列FVC獲取提供了主要數據源，基于此國際科研部門開發眾多FVC系列產品，如MODIS13，Landsat_Monthly_FVC等，然而這些成熟的數據產品均具有粗糙分辨率(30、250、500、1000m)的缺陷，難以滿足精細尺度需要。隨著遙感技術發展，歐空局(European Space Agency)研發了新一代對地觀測多光譜成像儀，其具有更窄、更多的探測波段，且能夠敏感探測10m分辨率的地物紋理信息，其開源的數據權限為獲取地表FVC信息提供了新途徑[3- 4]。本文以Sentine- 2為數據源，旨在提取瑪納斯河流域地區FVC空間分布信息，為區域資源環境監測提供技術參考。

1 研究區與研究方法

1.1 瑪納斯河流域

瑪納斯河流域地處西北內陸干旱地區，屬新疆腹地，北接準格爾盆地、南依天山，流域面積3.35萬km2，如圖1所示。區域受海陸位置與西伯利亞高壓影響形成溫帶大陸性干旱氣候，四季分明、干旱少雨、晝夜溫差大，年平均氣溫4.7～5.7℃，降水量186～356mm，蒸發量高達1156～1359mm。瑪納斯河為天山冰川雪蓋融水匯流而成內流河，屬冰川補給型水系，汛期集中在7—8月份，徑流量達1.27×109m3，其中冰雪貢獻率達35.3%。該地區地自然植被為溫帶草地、低灌林，植被覆蓋稀疏，人工植被為沙棘、胡楊，沿河流有綠洲密集分布。該區地勢南高北低，河流以南北流向為主。

1.2 Sentinel- 2遙感數據

哨兵2號(sentinel- 2)是歐洲 “全球環境與安全監測”(GMES)計劃的專用衛星系列中重要的在軌衛星之一。其攜帶2枚多光譜成像儀(MSI)，衛星高度為786km、寬幅290km，具有覆蓋可見光、紅邊、近紅、水蒸氣和短波紅外的13個波段，地面分辨率分別達10、20、60m，可實現5d的時點重訪。本研究從歐空局提供的開源數據網站(https://scihub.copernicus.eudhus#/home)獲取瑪納斯流域植被生長季節的多光譜影像，數據標識為(S2B_MSIL1C_20200619T045659_N0209_R119_T45TXK_20200619T083718； S2B_MSIL1C_20200619T045659_N0209_R119_T45TWK_20200619T083718；S2B_MSIL1C_20200619T045659_N0209_R119_T45TYK_20200619T083718)。區域內遙感影像云量低于5%，可滿足FVC提取的數據支持(圖1)。

圖1 瑪納斯河流域哨兵- 2數據的真彩色合成影像(波段4、3、2真彩色組合)

1.3 FVC理論模型

通用水土流失方程(RULSE)中對FVC為一模糊表征，當前并未形成統一普適方法[4- 6]。作為RULSE方程中的必須參量，國內外學者利用遙感技術開發了眾多物理和經驗模型，其中以Gutman and Ignatov[7]提出的線性混合模型具有物理意義直觀、模型簡易可操作的特點而備受推崇，其對FVC的定義如下：

(1)

式中，NDVI (normalized difference vegetation index)—像素水平的近紅(nir)與紅波段(red)的歸一化差值，其計算公式見式(2)；NDVIS和NDVIV分別表示高密度植被、裸土的NDVI。

在眾多的估計方法中。

(2)

1.4 數據處理

本研究獲取的Sentinel- 2數據是LC水平數據，需要經過預處理才能投入使用。采用歐空局開發的專業軟件SANP對Sentinel- 2數據進行預處理(https://github.com/senbox-org)。具體處理流程為:①采用import工具將獲取的影像導入SNAP平臺后后利用Radiance工具進行輻射校正，以剔除云層反射影響；②再利用Topgraphic correction工具進行地形校正、從而消除地形陰影；③利用resampling工具對3景處理后的影像進行重采樣，設置采樣分辨率為10m，采樣方法為cubic；④最后利用moascking工具將3景影像拼接，并將其轉換為dat格式，以備后續在ENVI5.5軟件中進行FVC提取。

2 結果與分析

2.1 基于ENVI平臺的瑪納斯河流域FVC提取流程

利用線性模型提取區域VFC的關鍵在于確定NDVIs和NDVIv兩個特征參數。由于遙感數據在探測地表過程中不可避免接收到一些噪聲信息，因此通常采用一定置信區間內的NDVI值來替代NDVIs和NDVIv。假設自然條件下FVCmax和FVCmin介于0～100%之間，以累積置信概率為5%和90%的NDVI值作為NDVIs和NDVIv。在ENVI中的操作流程如下：

(1) File-> Open As-> Sentinel-2-> MSI。

(2) 在ENVI主菜單中選擇Toolbox/Radiometric Correction/ Radiometric Calibration進行輻射定標，利用FLAASH Atmospheric Correction工具輸入相關參數，得到大氣校正后的文件FLS_img。

(3) 在Toolbox 中選擇/Raster Management/Subset Data via ROIs輸入FLS_img裁剪，利用Spatial Subset via ROI parameters工具導入研究區矢量邊界，裁剪出區域影像Cli_img.

(4) 利用 Toolbox 中的Spectral/Vegetation/NDVI工具將 Cli_img數據導入后提取NDVI。

(5) 由于大氣校正后局部背景得到的NDVI會偏離[-1，1]的正常范圍，因此在Basic tools中利用band math工具輸入以下函數(Cli_img lt-1)+(Cli_img gt 1)得到去除背景的NDVI，即Bla_img。再輸入函數(Bla_img lt-1)*0+(Bla_img gt 1)*0+(Bla_img ge-1 and Bla_img le 1)*Bla_img，進而得到去除異常值后的NDVI。

(6) 按照Basic Tools→Statistics →Compute Statistics操作，在彈出的對話框中選擇區域矢量邊界文件，利用SubROI工具生成掩膜文件MasNDVI_img，并勾選Basic stats和Histgram。

(7) 根據以上操作得到區域各像素水平NDVI的累積分布。依據累積分布曲線梯度變化情況，確定NDVIs為0.23587， 即NDVI值小于NDVIs則為土壤，NDVI大于0.8039時為純林覆蓋。

(8) 進而以Cli_img數據為基礎，在bandmath工具中輸入函數:(b1 lt 0.23587)*0+(b1 gt 0.8039)*1+(b1 ge 0.23587 and b1 le 0.8039)*((b1-0.23587)/(0.8039-0.23587)，從而運算得到研究區FVC，如圖2所示。

圖2 研究區瑪納斯河流域基于哨兵-2數據的FVC空間分布圖

2.2 瑪納斯河流域FVC空間分布特征

利用ArcGIS平臺的柵格分析工具，統計得多研究區高覆蓋度(FVC>0.8)區像元個數為0，區域有4.86%的像元為中高植被覆蓋區(FVC∈[0.6，0.8])，中植被覆蓋面積(0.4

3 結論

瑪納斯河流域為典型的內陸時令河發育而來的干旱綠洲-沙漠景觀區，區域地表疏松、植被初級生產力低下，土地退化嚴重。水土流失該地區主要生態問題之一，在本區表現為季節性水土流失。作為涵養水源、保持土壤、截留減蝕的重要生態因子，FVC對該流域水土流失演替乃至環境變化具有重要影響。為精確提取區域FVC，本文闡述了基于遙感技術與Sentinel- 2影像的提取流程，該方案簡潔、高效，避免了傳統實地調查造成的時間延滯、植物損壞，比采用Landsat、MODIS影像具有更高的空間分辨率。