基于Landsat8 OLI數(shù)據(jù)的植被覆蓋度時空變化分析

曾強(qiáng)國，高子讓，丁鋒

摘 要 本文以湖南省益陽市赫山區(qū)為研究對象，采用基于NDVI的像元二分模型方法，使用2013年、2015年和2017年同時間序列Landsat8 OLI影像，通過計(jì)算NDVI值、植被覆蓋度、植被覆蓋等級，探究植被覆蓋度的時空變化。研究結(jié)果表明，赫山區(qū)植被覆蓋度整體呈現(xiàn)上升趨勢，但各地區(qū)的差異逐步增大，符合當(dāng)?shù)貙?shí)際情況。

關(guān)鍵詞 植被覆蓋度; NDVI;像元二分模型法;Landsat8;植被覆蓋變化等級

中文分類號：P66;X37 文獻(xiàn)標(biāo)識碼：A

Spatiotemporal Variation of Vegetation Coverage Based on Landsat8 OLI Data

Zeng Qiangguo， Gao Zirang， Ding Feng

（ The Second Surveying and Mapping Institute of Huanan Province， Changsha Hunan 410119）

Abstract： Heshan District， Yiyang City， Hunan Province was taken as the research object. Based on NDVI and Dimidiate Pixel Model（DPM）， in 2013， 2015 and 2017， at the same time sequence Landsat8 OLI image contrast， through calculation， vegetation coverage， vegetation NDVI value level， to explore the spatial and temporal variations of vegetation coverage. The results show that the vegetation coverage of Heshan District is increasing as a whole， but the difference of vegetation coverage in different areas is gradually increasing. The monitoring results are in line with the local actual situation.

Keywords： vegetation coverage; NDVI; Dimidiate Pixel Model（DPM）; Landsat8; vegetation coverage grade

植被作為陸地生態(tài)系統(tǒng)的重要組成部分，在維持和促進(jìn)區(qū)域生態(tài)平衡可持續(xù)發(fā)展方面發(fā)揮著重要作用。近年來，遙感技術(shù)成為植被信息快速獲取的重要手段。遙感影像提取植被覆蓋信息的方法和結(jié)果，因衛(wèi)星遙感影像及空間分辨率不同而存在差異。

植被信息提取研究隨著遙感技術(shù)的發(fā)展在不同研究區(qū)域廣泛應(yīng)用，然而針對植被信息提取技術(shù)的時空變化研究相對欠缺。為探索Landsat8 OLI影像植被覆蓋時空變化情況，本文選取湖南益陽市赫山區(qū)2013年、2015年和2017年8月份的影像進(jìn)行實(shí)驗(yàn)，同時對比分析實(shí)驗(yàn)與實(shí)地調(diào)查結(jié)果，明確中分辨率影像植被提取效果的時空差異性，為多源遙感數(shù)據(jù)的多尺度生態(tài)遙感融合應(yīng)用提供支撐。

1 研究區(qū)概況及數(shù)據(jù)預(yù)處理

1.1 研究區(qū)概況

赫山區(qū)隸屬于湖南省益陽市，位于湘中偏北，地處洞庭湖畔，東鄰湘陰、望城，南接寧鄉(xiāng)，西接桃江，北臨資水。地理坐標(biāo)為112°10′00″E～112°44′00″E，28°16′00″N～28°40′00″N。區(qū)境西南為雪峰山余脈，最高點(diǎn)碧云峰海拔502 m;中部地面起伏平緩，丘崗與平原相間;東北部為濱湖平原，平坦開闊，耕地連片，土壤肥沃，為全區(qū)主要農(nóng)產(chǎn)品基地。

1.2 數(shù)據(jù)源及數(shù)據(jù)預(yù)處理

Landsat8太陽同步近極地圓軌道衛(wèi)星由美國航空航天局（NASA）于2013年2月11日發(fā)射升空，重訪周期16天，搭載OLI陸地成像儀和TIRS熱紅外傳感器。衛(wèi)星全色分辨率15 m，多光譜分辨率30 m，軌道高度705 km，幅寬170 km×180 km，過境時間為09：45—10：15。本次研究影像獲取時間均為2013年、2015年和2017年8月，影像的軌道號均為124/40，質(zhì)量較好，云量均小于10%。Landsat8影像的各波段參數(shù)如表1所示。

Landsat8數(shù)據(jù)的預(yù)處理運(yùn)用ENVI5.3軟件實(shí)現(xiàn)，包括輻射定標(biāo)、大氣校正、配準(zhǔn)和裁剪等。大氣校正采用 FLAASH（Fast Line-of-sight Atmospheric Analysis of Spectral Hypercubes）大氣校正模塊下的MODTRAN輻射傳輸模型。

2 研究方法

2.1 歸一化植被指數(shù)

歸一化植被指數(shù)（NDVI）是植被生長狀態(tài)及植被覆蓋度的最佳指示因子，已廣泛應(yīng)用于區(qū)域植被覆蓋度定量估算[1]。NDVI的取值范圍為[-1，1]，隨植被覆蓋程度的提升而增大，其計(jì)算公式為：

其中DNNir 表示近紅外波段，DNRed表示紅色波段，分別為研究區(qū)域Landsat8影像的第5波段和第4波段。

2.2 植被覆蓋度提取

植被覆蓋度（Vegetation Cover，VC）是指示生態(tài)環(huán)境變化的重要指標(biāo)之一。植被覆蓋度常用遙感估算方法有經(jīng)驗(yàn)?zāi)Ｐ头ā⒅脖恢笖?shù)法和混合像元分解法等，本文采用線性混合像元模型中的像元二分模型法來計(jì)算研究區(qū)的植被覆蓋度[2]。

像元二分模型指假定一個像元里的信息由綠色植被信息和非植被信息（裸土）組成，每個像元的NDVI值可以看作植被覆蓋部分的NDVI值和非植被的NDVI值的加權(quán)平均值[3]，即：

（2）

根據(jù)公式（2）可知像元二分法估算植被覆蓋度的公式如下：

其中，F(xiàn)VC表示植被覆蓋度，取值范圍一般為[0，1]。NDVIveg表示純植被覆蓋像元的NDVI值，理論上應(yīng)該接近于1。NDVIsoil表示裸土覆蓋像元的NDVI值，理論上應(yīng)接近于0。由于存在噪聲影響，遙感影像的NDVI值可能過高或者過低，需要選擇一定置信區(qū)間內(nèi)的最大最小值。根據(jù)之前研究，結(jié)合NDVI數(shù)據(jù)分析，選取NDVI值累計(jì)分布頻率95%和5%的NDVI值分別作為NDVIveg和NDVIsoil的值。

2.3 植被覆蓋度動態(tài)分析

采用差值法分析植被動態(tài)變化特征，公式如下：

其中，△FVC表示植被植被覆蓋度變化等級，△FVC1和△FVC2表示前后兩個時期的植被覆蓋度等級?！鱂VC值的取值范圍一般為[-2，2]，△FVC取值為[-2，-1），表示植被中度退化;△FVC取值為[-1，0），表示植被輕度退化;△FVC為0，表示植被無變化;△FVC取值為（0，1]，表示植被輕度改善;△FVC取值為（1，2]，表示植被重度改善[4]。

3 結(jié)果分析

3.1 植被指數(shù)的分析統(tǒng)計(jì)

根據(jù)公式（1），分別對各年度研究區(qū)域NDVI植被指數(shù)信息進(jìn)行計(jì)算，具體情況如下表2所示。

由表（2）可知，2013年、2015年和2017年8月赫山區(qū)的NDVI值均值分別為0.421 9、0.445 7和0.462 8，2013年至2017年NDVI值逐年增加，增加總量為0.040 9。對比2013年、2015年和2017年8月赫山區(qū)NDVI值的標(biāo)準(zhǔn)差值，2013年標(biāo)準(zhǔn)差最小為0.393 1，說明2013年NDVI值離散性小，更接近均值。實(shí)地調(diào)查得知，“十三五”規(guī)劃以來，赫山區(qū)著力打造風(fēng)景優(yōu)美的城市景觀帶和風(fēng)景名勝區(qū)，逐年推進(jìn)綠化工程。同時區(qū)域的發(fā)展使得內(nèi)部建筑密集，地物空間異質(zhì)性高，導(dǎo)致精細(xì)的植被信息難以精確提取，NDVI值的離散性也隨之增大。

根據(jù)不同年份的NDVI變化，制作赫山區(qū)2013年、2015年和2017年的植被指數(shù)分布圖，（如圖1-3）。

3.2 植被覆蓋度對比及分級

根據(jù)NDVI值的變化篩選相應(yīng)NDVIveg和NDVIsoil，2013年NDVIsoil取值為-0.008 974，NDVIveg取值為0.879 727。2015年NDVIsoil取值為-0.008 395，NDVIveg取值為0.901 388。2017年NDVIsoil取值為-0.013 768，NDVIveg取值為0.925 870。通過研究區(qū)域的NDVIveg和NDVIsoil和公式（4）分別計(jì)算各年度植被覆蓋度。計(jì)算可知，2013年植被覆蓋度的均值為0.444 9，標(biāo)準(zhǔn)差為0.432 3;2015年植被覆蓋度的均值為0.474 4，標(biāo)準(zhǔn)差為0.435 3;2017年植被覆蓋度的均值為0.5072，標(biāo)準(zhǔn)差為0.4530。

采用Arc GIS軟件的柵格計(jì)算器，計(jì)算影像的植被覆蓋度分布情況。將計(jì)算所得到的植被覆蓋度FVC分為五個等級：FVC<10%，低植被覆蓋度;10%≤FVC<30%，較低植被覆蓋度;30%≤FVC<50%，中植被覆蓋度;50%≤FVC<70%，較高植被覆蓋度;FVC≥70%，高植被覆蓋度。研究區(qū)的植被覆蓋度變化情況如表3所示。

通過實(shí)地走訪赫山區(qū)自然資源局，赫山區(qū)的發(fā)展情況與植被覆蓋度分布情況相符（如圖4-6）。由表3和圖4-6可知，2013年至2017年期間，赫山區(qū)的植被覆蓋度總體呈現(xiàn)增加趨勢，植被覆蓋的主體是低植被覆蓋和高植被覆蓋，中間的植被覆蓋的占比較少;且低植被覆蓋度、較低植被覆蓋度、中植被覆蓋度和較高植被覆蓋度都是減小，而高植被覆蓋度則 剛好相反;2017年，植被覆蓋度均值雖有所增加，但植被覆蓋度的離散程度變大，植被覆蓋度的標(biāo)準(zhǔn)差較2013年呈增加趨勢。

3.3 植被覆蓋度動態(tài)變化

根據(jù)公式（4）以及2013年、2017年度的植被覆蓋度，計(jì)算2013年至2017年植被覆蓋度變化等級，計(jì)算結(jié)果如表4所示。采用Arc GIS軟件的柵格計(jì)算器，制作2013年至2017年植被覆蓋度等級分布情況圖，具體如圖7所示。

由表4可知，2013年至2017年期間，植被覆蓋等級總體呈現(xiàn)輕度改善的現(xiàn)象。赫山區(qū)植被覆蓋重度退化和重度改善等級占比極小，可忽略不計(jì);植被覆蓋無變化等級占比最多，為72.99%;植被覆蓋輕度退化等級占6.72%，植被覆蓋輕度改善等級占比為20.29%，赫山區(qū)植被覆蓋度整體是變好趨勢。

根據(jù)圖7可知，2017年赫山區(qū)中心城區(qū)及西南部的植被覆蓋等級較2013年相比在逐步改善;赫山區(qū)東部及東南部植被覆蓋等級較2013年相比是逐步退化;赫山區(qū)中部地區(qū)植被覆蓋等級基本不變，與實(shí)地調(diào)研情況相符。

4 結(jié)論與討論

本文基于Landsat8影像及NDVI像元二分模型，估算赫山區(qū)2013年至2017年的植被覆蓋度，并對植被覆蓋度進(jìn)行分級、計(jì)算平均植被覆蓋度，據(jù)此獲得研究區(qū)的植被覆蓋度時空演變過程，得出如下結(jié)論：

（1）2013年至2017年期間，赫山區(qū)的NDVI均值呈現(xiàn)增加的趨勢，NDVI值的標(biāo)準(zhǔn)差增大，各地的NDVI差異性變大。

（2）2013年至2017年期間，赫山區(qū)的植被總體覆蓋情況良好且呈上升趨勢，但總體植被變化離散程度有所增加，具體表現(xiàn)為：低植被覆蓋度、較低植被覆蓋度、中植被覆蓋度和較高植被覆蓋度減小，高植被覆蓋度增加，且增幅大于減幅。

（3）2013年至2017年期間，赫山區(qū)的植被覆蓋變化等級整體逐步改善，大部分地區(qū)維持不變，局部地區(qū)退化，與實(shí)地情況相符。

本文也存在一定的不足，例如采用影像數(shù)據(jù)源單一，缺少多源數(shù)據(jù)的相互驗(yàn)證;影像分辨率較低，未能完全反映植被覆蓋的詳細(xì)變化趨勢等。未來將進(jìn)一步進(jìn)行局部精細(xì)化生態(tài)遙感監(jiān)測和分析，采用多源高分辨率遙感影像，以便于地物類型復(fù)雜區(qū)域的研究。本研究利用遙感手段監(jiān)測植被覆蓋度的時空變化，為及時、準(zhǔn)確獲取植被信息提供技術(shù)支持，為遙感應(yīng)用的推進(jìn)和生態(tài)遙感監(jiān)測分析提供了一定的參考。

參考文獻(xiàn)/References

[1]Zhang H K，Roy D P，Yan L，，etc.Characterization of Sentinel-2A and Landsat-8 top of atmosphere，surface，and nadir BRDF adjusted reflectance and NDVI differences[J].Remote Sensing of Environment，2018，215： 482-494.

[2]徐玲玲，延昊，錢栓.基于MODIS-NDVI的2000-2018年中國北方土地沙化敏感性時空變化[J].自然資源學(xué)報，2020，35（04）：925-936.

[3]郭永強(qiáng)，王乃江，儲曉升，等.基于Google Earth Engine分析黃土高原植被覆蓋變化及原因[J].中國環(huán)境科學(xué)，2019，39（11）：4804-4811.

[4]銀朵朵，王艷慧.溫帶大陸性半干旱季風(fēng)氣候區(qū)植被覆蓋度時空變化及地形分異研究[J].生態(tài)學(xué)報，2021，41（3）.