2000—2018年准噶尔盆地植被覆盖度时空变化遥感监测

张清岚，周纪云，豆培建，岳胜如

(塔里木大学 水利与建筑工程学院，新疆 阿拉尔 843300)

植被是地表环境的主要构成部分，在地表的氮、碳、水、氧等能量交换和物质循环过程中扮演着不可替代的角色。植被覆盖随时间和空间的变化，在一定程度上反映地球表面生态环境的演变规律[1]。植被覆盖度(Fraction of vegetation coverage, FVC)指的是植被(包括枝、叶、茎)向地面正射投影所得面积与统计区总面积之比[2,3]，是用来反映植被长势和植被覆盖度的主要参数，并且是植被覆盖遥感监测中最重要、最敏感的指标[4]。

基于遥感技术的植被覆盖度估算和时空变化特征研究已经取得了很多成果，数据源包括SPOT、TM、LANDSAT、MODIS、雷达等。研究成果如杨强[5]等基于中分辨率MODIS数据的加强植被指数，采用线性混合像元模型对内蒙古锡林郭勒植被覆盖度进行了估算，影像处理分析后得到2000—2013年植被覆盖度资料，并对该地区植被覆盖情况时空变化进行了分析。张耀[6]基于1987—2015年Landsat时序影像，对1987—2013年山西平朔矿区植被覆盖度的时空变化趋势进行了分析，评价矿区植被恢复状况和植被长势。

1 研究区概况及数据来源

1.1 研究区概况

准格尔盆地位于祖国西北，南依北天山，东北邻阿尔泰山，为封闭式内陆盆地，其形状略呈三角形，古尔班通沙漠位于其腹地，地理坐标大约位于45°N，86°E。准格尔盆地属于中温带气候，年日照时数约3 000 h。盆地西部、北部、南部年均气温均低于8℃，东部区域是寒潮通道，年均温日较差12℃～14℃。

1.2 数据来源与数据处理

1.2.1 数据来源

MODIS NDVI数据：本研究使用的遥感影像数据来源于LAADS DAAC官网，该影像数据是采用最大值合成法(Maximum value compositing,MVC)的MOD 13A3产品。

1.2.2 数据预处理

首先，利用MODIS Reprojection Tools(MRT)工具(MODIS影像处理专用工具)对114景NDVI数据进行数据拼接、数据格式转换(转为TIF)、坐标转换、投影转换(转为横轴墨卡托投影)等处理。其次，将拼接后的月合成的NDVI数据和研究区矢量化边界(.shp)导入到遥感影像处理软件ENVI中，经过裁剪得到2000—2018年研究区影像。最后，利用ENVI—IDL进行异常值剔除和归一化处理裁剪后的影像，从而得到[-1,1]值域的NDVI数据。

2 研究方法

2.1 生长季时序植被指数空间数据提取

对NDVI年际变化研究。本研究采用常用的最大值合成方法(MVC)，第i年NDVI最高值的计算方法见公式(1)：

(1)

式中：NDVIi是第i年NDVI最大合成值；NDVIt为各像元植被6～8月份月合成最大NDVI值；d为第i年月合成NDVI影像总数。

2.2 植被覆盖度空间分布特征分析

研究区近19年间第i年植被覆盖度平均值，其计算公式(2)：

(2)

对研究区2000—2018年的植被覆盖度情况进行分级统计，采用的植被覆盖度分级标准为水利部2008年颁布的《土壤侵蚀分类分级标准》，该标准将植被覆盖度分为5个等级，即75%～100%(高植被覆盖)、60%～75%(中高植被覆盖)、45%～60%(中等植被覆盖)、30%～45%(中低植被覆盖)、0%～30%(低植被覆盖)。考虑到研究区植被覆盖整体较低，为细化研究成果对低植被覆盖区进一步分为0%～15%(低植被覆盖1)和15%～30%(低植被覆盖2)，另根据光谱的反射率特征，负值的区域为水域。

2.3 植被覆盖度时空变化趋势分析

对近19年研究区植被覆盖度空间变化规律基于像元进行模拟，使用的方法是一元线性回归趋势分析，即利用最小二乘原理逐像元拟合每个像元的斜率，从而得到变化率，进而达到对研究区植被覆盖变化的空间特征分析的目的，其计算公式(3)：

(3)

式中：θslope为变化斜率；n=19为监测年数；i=1，2…，19为年序号；fci为第i年植被覆盖度。显然，植被覆盖度减少斜率为负，植被覆盖度上升则斜率为正。

3 研究结果

3.1 植被覆盖度空间分布特征

分析发现，准格尔盆地及周边区域植被覆盖度空间特征差异明显，整体呈现北、西、南覆盖度高，中部低的特征。经多年平均数据统计发现，研究区水域面积约占总面积的1.6%，低植被覆盖度1区域约占总面积的40.9%，低植被覆盖度2区域约占总面积的23.6%，中低植被覆盖度区域约占总面积的12.3%，中等植被覆盖度区域约占总面积的9.1%，中高植被覆盖度区域约占总面积的6.1%，高等植被覆盖度区域约占总面积的2.0%，可知研究区植被覆盖度水平较低。

3.2 植被覆盖度时空变化趋势

利用公式(3)基于像元分析，植被覆盖呈下降区域面积87 999 km2，占研究区面积的17.3%，主要分布在研究区东北、西、西南地区。从变化结果考虑，2018年与2000年植被覆盖度差值，差值为正则植被覆盖度增加；反之差值为负，则植被覆盖度减小。植被覆盖度值减小区域面积138 932 km2，占研究区面积的27.3%，主要分布在研究区东北、中南部地区。

2000—2018年准格尔盆地及周边区域各植被覆盖度等级面积时序变化分析结果表明，研究区水域、中低植被覆盖、中等植被覆盖、高植被覆盖区域面积无显著变化。低植被覆盖度1与低植被覆盖度2区域面积波动较大，低植被覆盖度1第一个谷值出现在2013年，第二个谷值出现在2016年；低植被覆盖度2则在2013、2016年出现两次峰值；低植被覆盖度1区域面积呈下降趋势，低植被覆盖度2区域面积变化不显著。中高植被覆盖度面积在2012年以后出现较为明显的增加。平均植被覆盖度在2001、2008、2011年出现谷值，2013、2017年出现峰值，且平均覆盖度在2012年以后出现较为显著的增加。中等植被覆盖度面积随时序变化密切，且呈增加趋势；α低2、α中低、α高小于置信水平5%的临界值，则可以认为低植被覆盖度2、中低植被覆盖度、高植被覆盖度面积随时序变化没有显著的变化趋势；α中高、α平均大于置信水平1%的临界值，且变化率为正值，则中高植被覆盖度面积、平均植被覆盖度随时序变化关系密切，呈增加趋势。

4 结论

对准格尔盆地及周边区域植被覆盖度时空变化特征进行定性定量分析，主要结论如下：

第一，基于最大值合成法合成的生长季NDVI数据反映植被覆盖状况较为准确，其与7月份平均NDVI相关性最好，相关系数为0.985。

第二，准格尔盆地及周边区域植被覆盖度空间差异明显，呈现北、西、南覆盖度高，中部低的空间特征，平均植被覆盖度较低。

第三，采用基于最小二乘原理，逐像元拟合每个像元的斜率和2000、2018年植被覆盖度差值两种方法分析表明，植被覆盖度减小区域主要分布在研究区东北、西、中南部，约占研究区面积的20%。

第四，研究区水域、低植被覆盖度1面积显著减少；低植被覆盖度2、中低植被覆盖度、高植被覆盖度面积没有显著变化；中等植被覆盖度、中高植被覆盖度面积显著增加。

综上分析，研究区近19年平均植被覆盖度呈现增加趋势。