基于遙感的黃岡市市區植被指數提取與分析

周　欣

基于遙感的黃岡市市區植被指數提取與分析

周欣

（太原師范學院山西晉中030619）

植被生物量是評價生態環境的一項重要指標，對城市整體規劃和制定城市發展戰略具有重要意義。文章基于2007年、2013年、2018年3個不同時期的遙感影像數據，提取研究區2007年、2013年、2018年的歸一化植被指數，并在此基礎上對研究區的植被覆蓋度進行估算，研究黃岡市市區植被分布格局，進而通過監督分類等方法分析2007年—2018年植被覆蓋度空間變化及特征，探究引起植被變化的主要驅動因子。結果顯示：2007年—2018年黃岡市市區植被覆蓋增加，植被覆蓋總面積增加6.918 1 km2，高植被覆蓋面積減少38.125 8 km2；造成植被覆蓋時空變化的主要原因是退耕還林還草政策、開墾荒地、城市化導致土地利用類型變更。

歸一化植被指數；植被覆蓋度；監督分類

作為陸地生態系統中的重要組成部分之一，植被在生態系統的物質循環和能量流動中發揮著重要的作用，調控著區域乃至全球的能量平衡、生物循環和水循環，同時也是一種對人類社會經濟活動有著重要貢獻的資源；并且，作為環境的一項重要組成因子，植被既能夠準確地反映區域的生態環境，也可以作為土壤、水文等要素的一項解譯標志[1]。因此，植被的變化可作為一種敏感指標，反映氣候和人文因素對環境的影響。而植被調查，則是遙感研究的一個重要應用領域。由此，對遙感影像中的植被信息進行提取解譯至關重要。

本文以黃岡市為研究對象，提取其市區2007年、2013年、2018年的植被信息進行對比分析，對城市綠地的消長進行動態監測，為科學、有效地管理城市以及進行城市規劃提供可靠的科學依據和準確的評價標準，以期改善城市生態環境，促進人與自然和諧相處，建設生態城市。

1 研究區概況

黃岡市為湖北省下轄地級市，位于湖北省東部、大別山南麓、長江中游北岸，屬亞熱帶濕潤季風氣候，雨熱同期，降水豐沛，四季分明。黃岡市地勢自北向南逐漸傾斜，黃岡北部和東部為大別山低山丘陵，東北部與豫皖交界為大別山脈，主脊呈西北—東南走向，羅田、英山的天堂寨主峰海拔1 729 m，為黃岡市最高點；中部為海拔100 m～250 m的丘陵崗地；南部為狹長的平原湖區，是長江沖積平原。黃岡市現轄七縣（紅安、羅田、浠水、英山、蘄春、黃梅、團風）、二市（武穴、麻城），黃州區、龍感湖管理區、黃岡高新區、黃岡臨空經濟區、白蓮河示范區。經濟發展目前仍處于起步階段，以農業為基礎。截至2021年年底，黃岡市全市常住人口578.82萬人。2021年全市生產總值達2 541.31億元，其中第一、二、三產業增加值分別為503.41億元、807.41億元、1 230.48億元。

2 數據和方法

2.1 數據來源

2.1.1 遙感影像數據

遙感影像數據來自地理空間數據云，研究區的范圍包括1個圖幅的遙感數據影像，條帶號為122，行編號為39；2007年選取7月8日的Landsat 5 TM數據，2013年選取8月9日的Landsat 8 OLI數據，2018年選取的則是4月17日的Landsat 8 OLI數據，3期數據云量均小于10％。遙感影像數據用于獲取黃岡市市區各波段的地表反射率，計算歸一化植被指數、植被覆蓋度。

2.1.2 行政區劃邊界圖

本文研究區范圍為黃岡市市區，因此需要黃岡市市區的行政區劃邊界。黃岡市市區的行政區劃邊界為GCS_WGS_1984坐標系矢量數據，用于對遙感影像的裁剪，經此得到黃岡市市區的遙感影像。

2.1.3 數字高程數據

數字高程數據（DigitalElevationModel，DEM）來自地理空間數據云，選取的是GDEMDEM 30M分辨率數字高程數據，研究區的范圍包括2個圖幅的高程數據，分別為條帶號114、行編號30和條帶號115、行編號30。對DEM進行裁剪鑲嵌處理，計算得到黃岡市市區的地面平均高程，用于大氣輻射校正中大氣校正模型參數設置。

2.2 數據處理

數據預處理主要包括輻射校正和遙感影像的裁剪鑲嵌2部分，而輻射校正則主要包括了輻射定標和大氣校正2個步驟。

2.2.1 輻射校正

（1）輻射定標

作為大氣校正的準備過程，輻射定標實際上就是將圖像的數字量化值轉化為輻射亮度值，或者反射率，又或者表面溫度等物理量的處理過程。本文利用ENVI 5.3軟件的數據定標功能，對黃岡市市區的遙感影像進行定標。

（2）大氣校正

遙感衛星拍攝到的原始遙感影像是太陽輻射通過大氣入射到物體表面然后反射回到傳感器而形成的，在這一過程中，大氣氣溶膠、地形和鄰近地物等會影響到影像，造成光譜信號失真。因此，要了解物體準確的光譜屬性就必須進行大氣校正這一過程，消除大氣和太陽等對光譜信號的影響，反演地物的反射率。FLAASH是由光學成像研究所-波譜科學研究所開發的大氣校正模塊，能夠精確補償大氣影響。大氣校正模型有很多種，相比其他大氣校正模型計算方法（基于查找表、利用插值方法計算），FLAASH是直接移植了MODTRAN4中的輻射傳輸計算方法，具有可以選取代表研究區的大氣模型和氣溶膠類型的優點。范渭亮等在LandsatTM影像的基礎上對毛竹林的生物量進行估算，并分析大氣校正對毛竹林生物量遙感估算的影響，最終得到大氣校正能有效地消除大氣影響的結論[2]。

大氣校正是將定標后的亮度值轉為地表的真實反射率，本文在經過輻射定標處理得到的遙感影像基礎上，通過運用ENVI 5.3軟件中的FLAASH大氣校正模塊，對研究區進行大氣校正，最終得到研究區真實的地物反射率數據。

2.2.2 圖像裁剪

圖像裁剪的目的是將研究區之外的部分去除，常用的方法是按照行政區劃邊界或自然區劃邊界進行圖像分幅裁剪。本文則是通過ENVI 5.3軟件的掩膜功能對遙感圖像進行裁剪。根據黃岡市市區行政邊界對經大氣輻射校正后的3期原始遙感影像進行掩膜，得到黃岡市市區的遙感影像圖。

2.3 黃岡市市區植被指數計算

2.3.1 歸一化植被指數

不同種類的綠色植被對不同波長光的吸收率不同，近紅外波段的光大部分會被植物反射，可見光波段的光則大部分會被植物吸收，而作為遙感監測地面植物生長和分布狀況的方法，植被指數的設計原理便是利用這種特性，其是一種通過對近紅外和紅光波段反射率的線性或非線性組合得到的可以消除地物光譜產生的影響的特征指數[3]。經過多年的發展，現有植被指數多達幾十種，其中最常用的主要有歸一化植被指數（NormalizedDifferenceVegetationIndex，NDVI）、比值植被指數（RatioVegetationIndex，RVI）和差值植被指數（DifferenceVegetationIndex，DVI）等[4-12]。由于植被指數有助于增強遙感影像的解譯力，因而，在遙感應用領域常被用來定性和定量評價植被覆蓋及其生長活力，同時也已作為一種遙感手段廣泛應用于植被覆蓋密度評價、作物識別和作物預報等諸多方面[13]。

歸一化植被指數作為一項評價植被生長狀態、植被覆蓋度等的重要指標，是通過增加近紅外波段范圍內綠葉的散射與紅光波段范圍內葉綠素吸收的差異，來增強植被信息的。同時由于歸一化植被指數對綠色植被和低密度植被覆蓋表現較為敏感，因此被常用于對區域和全球植被狀態進行研究。而在眾多種類的植被指數中，歸一化植被指數也是被優先考慮的遙感監測指數。

基于濃密植被的紅光反射小，其比值植被指數值存在無界增長的現象，Deering（1978）首先提出將簡單的RVI經過非線性歸一化處理后得到NDVI，并將其定義為近紅外波段（NIR）與可見光紅波段（RED）數值之差與這兩個波段數值之和的比值，同時還將比值限定在[-1，1]區間范圍內，計算公式如下[14]：

式（1）中，4為近紅外波段，3為可見光紅波段。通過計算得到NDVI圖像，在圖像中灰白色圖斑代表著這一部分植被覆蓋率比較高。

在ENVI 5.3中，基于已處理過的黃岡市市區遙感影像，將近紅外波段與可見光紅波段代入公式（1）中，得到黃岡市市區歸一化植被指數。對結果進行規范化處理后，可知2007年—2018年間黃岡市市區的NDVI值總體上是呈上升趨勢的，植被覆蓋面積有所增加，而NDVI的分布則呈現出北高南低、西南低東北高的特征。

2.3.2 植被覆蓋度

作為生態學中的一個重要參數，植被覆蓋度（FractionalVegetationCover，FVC）被定義為植被（包括葉、莖、枝）在地面的垂直投影面積占統計區總面積的百分比[15]。趙鵬祥等通過比較密度分割、差值運算、植被指數這三種影像增強方法，得出了植被指數提取植被信息效果較好的結論[16]。同時，已有大量研究表明NDVI與FVC成正比，對于同一種植被，NDVI越大，說明FVC值越高，植被的長勢越好[17]?；谥脖恢笖颠m宜性研究結果，NDVI是植被信息提取的最佳植被指數，有較好的時相和空間適應性，因此本文最終選用NDVI來進行FVC的估算[18]。FVC作為一個衡量地表植物覆蓋狀況的綜合量化指標，是一種可以描述植被群落和生態系統的重要參數。Gutman等提出了FVC和NDVI之間的關系[19]，即

作文是高中語文教學的重要組成部分，也是教學的重點和難點，在語文高考中占據較多的分值比例。但從目前作文教學現狀得知，當前很多高中生在作文方面都表示不知如何下筆，即使下筆，作文內容也缺乏深意，較為空洞。之所以出現上述情況和語文教師采取的教學策略有著緊密聯系，因而教師需要根據學生的實際情況對其有效引導，促使其在作文中表達思想觀點，提高寫作質量。

式（2）中，NDVI為純土壤像元的NDVI值，NDVI為純植被像元的NDVI值，為所求地塊的植被指數值。

由于另外Choudhury等與Gillies等使用不同的方法和數據集，均得到相同的結果，植被覆蓋度與式（2）的理想平方關系即[20-21]

Choudhury等與Gillies等利用該式對美國太平洋地區的森林覆蓋度進行了估算，采用不同類型的植被指數，并結合NOAA/AVHRR的遙感數據，估算該地區的森林覆蓋度。最后研究結果表明，歸一化植被指數與森林覆蓋度相關性最高，但是在植被較為稀疏的研究區對FVC進行平方，容易使植被覆蓋度變小。

本文的研究區雖然位于市區，但植被覆蓋度較高，因而本文參考Choudhury等與Gillies等的研究，選擇運用式（3）對FVC進行平方，使數據更加精確。同時，由于NDVI與NDVI提取難度較大，因而本文參考Sobrino等的取值，NDVI與NDVI分別選取0.05與0.7的經驗值進行計算[22]。

在ENVI 5.3軟件中，基于得到的NDVI遙感影像，掩膜水體后運用式（3）進行計算，對得出來的結果進行規范化處理后，可得黃岡市市區植被覆蓋度北高南低，在2007年—2018年的11年間，高植被覆蓋區域轉化為低植被覆蓋區域；2007年—2013年的6年間，部分中低植被覆蓋區域轉化為高植被覆蓋區域，高植被覆蓋區域面積有所增加；2013年—2018年間高植被覆蓋區域面積大大減少，高植被覆蓋區域轉化為低植被覆蓋區域。

3 黃岡市市區植被覆蓋時空變化分析

本文為了了解植被覆蓋分布狀況，對提取到的黃岡市市區植被信息進行時空變化分析，進而對其植被覆蓋進行分級；為了探究植被覆蓋分布與地形、土地利用類型的關系，對提取到的DEM數據、FVC值和土地利用類型進行剖面線分析；同時為了研究黃岡市市區植被覆蓋區域的演變，先進行了監督分類，然后進行轉移矩陣運算，分析各類土地11年間的演變情況。

3.1 植被覆蓋分級

參考《土壤侵蝕分類分級標準》（SL 190—2007）中植被覆蓋度等級劃分標準、其他相關研究結果，并結合黃岡市市區自身的植被覆蓋特點和FVC值分布寬度，本文將研究區植被覆蓋度分成5級：低覆蓋度（＜10％）、中低覆蓋度（10％～30％）、中覆蓋度（30％～50％）、中高覆蓋度（50％～70％）、高覆蓋度（＞70％），之后根據等級劃分標準對計算得到的黃岡市市區植被覆蓋度數據在ENVI5.3中進行運算，獲取研究區植被覆蓋分級情況。結果顯示，黃岡市市區植被覆蓋度呈現出了明顯的空間差異性，水域、坑塘、河流由于常年被水體覆蓋因而植被覆蓋度為零；建設用地由于植被稀疏，植被覆蓋度較低，這一現象在城市建成區最為典型；高植被覆蓋度區域主要分布在黃岡市市區的北部。同時，對比3期分級圖可以發現，低植被覆蓋度區域面積比重有所增加，高植被覆蓋度區域面積比重有所減少，其中南部區域低植被覆蓋度面積比重增長最多，高植被覆蓋度面積比重減少最多，大部分中、高植被覆蓋度區域向低植被覆蓋度區域轉化。

基于黃岡市市區植被覆蓋分級數據，對黃岡市市區3年各植被覆蓋度等級對應分級面積進行統計，得到結果如表1所示。

表1黃岡市市區2007年、2013年、2018年植被覆蓋度分級面積（單位：km）

年份覆蓋度低覆蓋中低覆蓋中覆蓋中高覆蓋高覆蓋 2007年31.203 945.569 753.573 468.822 1105.121 8 2013年58.289 446.037 735.992 840.310 1124.430 4 2018年109.179 963.888 341.417 129.729 766.996 0

表2黃岡市市區2007年、2013年、2018年植被覆蓋度分級平均值

年份覆蓋度低覆蓋中低覆蓋中覆蓋中高覆蓋高覆蓋 2007年0.033 4690.190 5560.395 6990.593 8290.856 092 2013年0.026 6840.182 1290.390 2670.594 7540.906 410 2018年0.021 2780.182 2270.384 4120.586 4490.913 185

分析表1、表2可知，11年間黃岡市市區的植被覆蓋總面積呈現上升趨勢，11年共增加了6.920 1 km2；但是植被覆蓋度的穩定性有所降低，中高植被覆蓋度區域面積以及高植被覆蓋度區域面積大量減少。

3.2 植被覆蓋變化驅動力分析

隨著經濟發展，人口的流入，城市用地擴張，建設用地增加，進一步導致了高植被覆蓋面積減少，而退耕還林還草政策又使得植被覆蓋總面積有所增加，進而影響了黃岡市市區植被分布情況。為了進一步分析植被隨土地利用分布變化的特點，本文對處理好的黃岡市市區遙感影像進行監督分類，對土地利用類型進行分類處理，接著對處理好的監督分類影像在ENVI軟件中進行轉移矩陣計算，得到數據如表3、表4所示。

表3黃岡市市區2007年—2013年土地利用類型轉移矩陣數據表

2013年2007年裸地/km2水體/km2植被/km2耕地/km2建設用地/km2 裸地/km23.101 45.024 72.334 65.612 49.163 8 水體/km21.404 072.787 51.560 60.953 11.782 0 植被/km21.757 716.168 513.144 510.947 65.984 1 耕地/km23.014 110.789 216.523 156.397 620.844 9 建設用地/km26.580 816.271 19.849 617.047 850.319 9

表4黃岡市市區2013年—2018年土地利用類型轉移矩陣數據表

2018年2013年裸地/km2水體/km2植被/km2耕地/km2建設用地/km2 裸地/km23.636 98.255 74.329 965.286 012.410 1 水體/km20.415 849.630 52.156 40.531 01.906 2 植被/km21.756 83.359 715.886 314.603 46.506 1 耕地/km26.990 34.956 317.859 663.112 516.911 0 建設用地/km212.437 112.285 011.770 222.793 462.335 8

通過表3、表4可知，相比2007年，2013年和2018年轉化為植被最多的土地類型為水體、耕地和建設用地；受退耕還林還草政策影響，部分耕地轉化為植被，同時因保護環境政策影響，部分裸地轉化為植被；由于鼓勵開墾荒地，部分植被轉化為耕地、裸地；城市擴張使得建設用地面積擴大，部分植被轉化為建設用地；部分由水體轉化為植被的區域，可能是因為水田在作物生長后期被覆蓋，另一部分則是由于湖泊水量減少退化為草地；但總體上，植被覆蓋面積還是有所增加。

結合表1、表3和表4分析可發現，2007年—2018年間低植被覆蓋度、中低植被覆蓋度區域面積分別增加77.976 km2、18.318 6 km2，中植被覆蓋度區域面積減少12.156 3 km2，中高植被覆蓋度、高植被覆蓋度區域面積分別減少39.092 4 km2、38.125 8 km2，其中黃岡市市區南部區域中高植被覆蓋度區域與高植被覆蓋度區域面積減少最多，其最主要原因便是植被與建設用地、耕地的土地利用類型轉化。

由于2007年選取的是7月數據，2013年選取的是8月數據，7月、8月正是黃岡地區早稻成熟，中稻、小麥即將成熟的時期，農作物較為密集，2018年選取的是4月數據，部分耕地的農作物較為低矮稀疏，部分耕地還未種植農作物，而朱蕾等實驗證明了作物生長到一定高度，農田的植被覆蓋度較高[23]，因而2007年和2013年植被覆蓋總面積、中高植被覆蓋面積和高植被覆蓋面積可能會有所增加，而2018年植被覆蓋面積轉化為耕地面積，中高植被覆蓋度區域與高植被覆蓋度區域面積有所減少。

4 結論

本文應用歸一化植被指數提取黃岡市市區植被覆蓋度得出，2007年—2018年黃岡市市區植被覆蓋度總體呈現上升趨勢，植被覆蓋總面積增加，但植被覆蓋度的穩定性在降低。主要結論如下：

（1）黃岡市市區的植被覆蓋情況，從空間上看，黃岡市市區植被覆蓋狀態良好，植被質量良好，2018年中高植被覆蓋度區域和高植被覆蓋度區域所占面積為96.7257 km2，占了植被覆蓋總面積的31.1％。

（2）2007年—2018年低植被覆蓋度區域面積增加77.976 km2，中低植被覆蓋度區域面積增加18.318 6 km2，中植被覆蓋度區域面積減少12.156 3 km2，中高植被覆蓋度區域面積減少39.092 4 km2，高植被覆蓋度區域面積減少38.125 8 km2。不同植被覆蓋度等級區域之間相互轉化，研究區內植被覆蓋在2007年是以中高植被覆蓋度和高植被覆蓋度為主，但是11年間低植被覆蓋度、中低植被覆蓋度區域面積不斷增加，且中高植被覆蓋度區域和高植被覆蓋度區域逐漸轉化為低植被覆蓋度區域，影響了區域環境生態平衡。

（3）根據監督分類結果分析，不同土地利用類型相互轉化，植被覆蓋度穩定性較低，但在退耕還林還草政策支持下，植被覆蓋總面積呈穩定上升趨勢。

[1]胡嬋娟,郭雷.植被恢復的生態效應研究進展[J].生態環境學報,2012,21(9):1640-1646.

[2]范渭亮,杜華強,周國模,等.大氣校正對毛竹林生物量遙感估算的影響[J].應用生態學報,2010,21(1):1-8.

[3]ROUSE J W,HAAS R H,SCHELL J A,et al.Monitoring vegetation systems in the great plains with ERTS[C]//FRE-DEN S C,MERCANTI E P,BECKER M A.The Third Earth Resources Technology Sa-tellite-1 Symposium.Washington DC:NASA,1974:309-317.

[4]MULLER DOMBOIS D,ELLENBERG H.Aims and met-hods of vegetation ecology[M].New York:Wiley,1974:80.

[5]PECH R P,GRAETZ R D,DAVIS A W.Reflectance mod-elling and the derivation of vegetation indices for an Aust-ralian semi-arid shrubland[J].International Journal of Remote Sensing,1986(7):389-403.

[6]WITTICH K P,HANSING O.Area-averaged vegetative cover fraction estimated from satellite data[J].International Journal of Biometerology,1995,38(3):209-215.

[7]EASTWOOD J A,YATES M G,TMSON A G,et al.The reliability of vegetation indices for monitoring saltmarsh vegetion cover[J].International Jounal of Remote Sensing,1997,18(18):3901-3907.

[8]LEPRIEUR C,KERR Y H,MASTORCHIO S,et al.Monit-oring vegetation cover across semi-arid regions:Comparison of remote observation from various scales[J].International Journal of Remote Sensing,2000,21(2):281-300.

[9]QI J,MARSETT R C,MORAN M S,et al.Spatial and tem-poral dynamics of vegetation in the San Pedro River basin area[J].Agricultural and Forest Meteorology,2000,105(1-3):55-68.

[10]PELKEY N W,STONEAND C J,CARO T M.Assessing habitat protection regimes in Tanzania using AVHRR NDVI composites:Comparisons at different spatial and temporal scales[J].International Journal of Remote Sensing,2003,24(12):2533-2558.

[11]NABRAN G P.Agrobiodiversity change in a saharan d-esert oasis,1919-2006:Historic shifts in tasiwit (Berber) and Bedouin crop inventories of Siwa, Egypt[J].Economic Botany,2007,61(l):31-43.

[12]KOMEIL R,TAJUL A M.Normalized Difference vegeta-tion change index:A technique for detecting vegetation cha-nges using Landsat imagery[J].CATENA,2019,178:59-63.

[13]梅安新,彭望琭,秦其明,等.遙感導論[M].北京:高等教育出版社,2001:64.

[14]DEERING D W.Rangeland reflectance characteristics measured by aircraft and spacecraft sensors[D].Texas:Texas A&M University,1978.

[15]張遠東,徐應濤,顧峰雪,等.荒漠綠洲NDVI與氣候?水文因子的相關分析[J].植物生態學報,2003,27(6):816-821.

[16]趙鵬祥,劉建軍,王得祥,等.基于RS的綠地信息提取方法的研究:以延安市及環城地區為例[J].西北林學院學報,2003,18(2):91-94.

[17]吳云,曾源,趙炎等.基于MODIS數據的海河流域植被覆蓋度估算及動態變化分析[J].資源科學,2010,32(7):1417-1424.

[18]胡良軍,邵明安.論水土流失研究中的植被覆蓋度量指標[J].西北林學院學報,2001,16(1):40-43.

[19]GUTMAN G,IGNATOV A.The derivation of the green vegetation fraction from NOAA/AVHRR data for use in n-umerical weather prediction models[J].International Journal of Remote Sensing,1998,19(8):1533-1543.

[20]CHOUDHURY B J.Relationships between vegetation in-dices,raditation absorption and net photosynthesis evaluated by a sensitivity analysis[J].Remote Sensing of Environment,1987,22(2):209-233.

[21]GILLIES R R,KUSTAS W P,HUMES K S.A verification of the "Triangle" method of obtaining surface soil water content and energy fluxes from remote measurements of the Normalized Difference Vegetation Index (NDVI) and surface[J].International Journal of Remote Sensing,1997,18(15):3145-3166.

[22]SOBRINO J A,JIMENEZ-MUNOZA J C,PAOLINI L.Land surface temperature retrieval from LANDSAT TM5[J].Remote Sensing of Environment,2004,90(4):434-440.

[23]朱蕾,徐俊鋒,黃敬峰,等.作物植被覆蓋度的高光譜遙感估算模型[J].光譜學與光譜分析,2008,28(8):1827-1831.

10.3969/j.issn.2095-1205.2022.09.04

TP79;Q948

A

2095-1205(2022)09-11-05

周欣（1997- ），女，漢族，湖北黃岡人，碩士研究生在讀，研究方向為資源評價與開發。