青土湖绿洲植被指数适用性及优选研究

杨丽娟 黄峰 潘若云

摘要 [目的]为精准评价青土湖绿洲植被恢复情况，开展植被指数适用性及优选研究。[方法]基于2013—2019年植被生长旺季的Landsat8-OLI遥感数据，分析归一化植被指数、比值植被指数、大气阻抗植被指数等8种常用植被指数;采用趋势分析法研究各植被指数的变化特征，通过评价植被指数时空变化特征与绿洲实际恢复特征的一致性研究各植被指数的适用性;基于各植被指数的变化率及趋势显著性，评价不同植被指数检测青土湖绿洲恢复的敏感性。[结果]增强植被指数、归一化植被指数、土壤调节指数和修改型土壤调节指数对青土湖绿洲植被覆盖变化相对敏感，是适用于青土湖绿洲、能有效检测绿洲植被覆盖变化的植被指数。[结论]研究成果可为青土湖生态输水调控及绿洲恢复管理提供一定的技术支撑和科学参考。

关键词 植被指数;适用性;敏感性;生态输水;青土湖

中图分类号 Q948  文献标识码 A

文章编号 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 国家重点研发计划（2017YFC0406101）。

作者简介 杨丽娟（1999—），女，江苏南通人，从事水务工程研究。*通信作者，副教授，博士，硕士生导师，从事文水资源、生态水文研究。

收稿日期 2020-03-31

植被指数（vegetation index，VI）是对地表植被状况的简单有效的度量，也是评价干旱区生态输水效应的常用指标[1]。当前已有归一化植被指数、土壤调节植被指数、比值植被指数等上百种植被指数产品应用于科研生产实践，不同的植被指数由于地理环境、植被覆盖度、植被生长状况等因素的影响，对于不同的地区有不同的适用性和敏感性[2] 。郭玉川等[3] 研究了归一化植被指数、增强植被指数等4种指数反演植被覆盖度的精度，建议选择归一化植被指数以评估塔里木河生态输水后的生态恢复程度;林茜等[4] 在塔里木河流域通过评估归一化植被指数、比值植被指数等和植被覆盖度的相关性，建议选择归一化植被指数以获取植被信息。

我国河西走廊石羊河流域尾闾青土湖自生态输水以来，水域及绿洲面积在一定程度上得到恢复，整体植被覆盖度有所增加。

鉴于不同植被指数在不同区域识别植被特征的适用性差异以及检测植被覆被变化的敏感性差异，为科学准确地评估石羊河流域生态输水对其尾闾青土湖绿洲的恢复效应，开展植被指数适用性及优选研究。笔者选取在干旱、半干旱地区较为常用的8种植被指数开展比较研究，遴选适用于检测青土湖地区植被覆盖变化的指数，为生态输水调控提供参考，也为其他流域合理选取植被指数、科学监测植被覆盖变化提供借鉴。

1 资料与方法

1.1 研究区概况

青土湖绿洲位于石羊河流域尾闾（图1），地處甘肃省民勤县东北部，在巴丹吉林沙漠东南部、腾格里沙漠西部，地理位置39°04′～39°09′N、103°36′～103°39′E[5] 。青土湖地区年均气温7.8 ℃，降水稀少且主要集中在7—9月，多年平均降水量仅110 mm[6] ，全年盛行西北风，属于温带大陆性干旱气候[7] 。

青土湖曾是石羊河流域最大的湖泊，水域面积超过400 km2。后来因气候变化和流域上、中游不合理用水等因素影响，湖泊面积开始萎缩，加上红崖山水库的修建，青土湖地表水补给源逐渐消失，于1959年彻底干涸[8] 。青土湖干涸导致民勤地区失去了天然的生态屏障，植被减少、荒漠化加剧，生态系统严重退化[6] 。为促进当地生态恢复，2010年9月石羊河流域综合治理工程有计划地向下游生态输水，青土湖开始形成人工季节性水面，区域环境质量明显好转[9] 。

1.2 数据选取与方法

1.2.1 遥感影像。

选取青土湖生态输水后2013—2019年逐年的Landsat8-OLI遥感数据，下载于美国地质调查局提供的网站https：//earthexplorer.usgs.gov/。卫星访问地球的周期为16 d，TM1～TM9的9个波段空间分辨率均为30 m。根据青土湖绿洲的经纬度范围，选择的OLI数据行号为131，列号为33。综合考虑云量信息和植被信息，收集整理7、8月份的遥感影像资料。利用ENVI 5.3软件预处理遥感影像，主要包括辐射定标、大气校正、图像裁剪、去除异常值等。

1.2.2 植被指数。

选取在干旱、半干旱地区较为常用的归一化植被指数、比值植被指数、大气阻抗植被指数等8种植被指数，其计算公式如表1所示，其中，NIR、RED、GREEN和BLUE分别是近红外波段（0.845～0.885 μm）、红光波段（0.630～0.680 μm）、绿光波段（0.525～0.600 μm）和蓝光波段（0.450～0.453 μm）的反射率;L是土壤亮度校正因子，随绿色植被数量的变化而变化，采用Huete[13]建议的L最佳取值0.5;C1、C2是大气修正参数;l为土壤调节参数，取值分别为6.0、7.5和1.0[17] ;γ为光学路径的效应因子，取决于气溶胶的类型，采用Kaufman等[12]推荐的取值1。NDVI、ARVI、SAVI、MSAVI2、NDGI和EVI取值为-1～1，非正值代表裸地或者水体，正值表示有绿色植被，且越接近1表示植被覆盖度越大[12-15] 。RVI取值在0～2和8～30时无绿色植被覆盖，在2～8时表示有植被覆盖，且数值越接近8表示植被覆盖度越大[11] 。DVI取值随植被覆盖的增加而增加[17]。

1.2.3 适用性及敏感性评价。

针对各个植被指数，采用一元线性回归法逐像元拟合其变化趋势，以综合反映研究区域植被的时空演变情况。根据一元线性拟合线的斜率s与回归分析显著性P值将变化趋势分为5个等级：显著下降（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系数衡量不同植被指数分析成果的一致性，识别性能相近的植被指数;通过对比分析各植被指数所表征的植被覆盖变化趋势与植被实际动态变化特征的一致性，评估植被指数的适用性。由Kappa系数值表示一致性的程度：一致性程度极差（Kappa<0）、一致性程度微弱（0≤Kappa≤0.20）、一致性程度弱（0.20

2 结果与分析

2.1 植被指数适用性分析

生态输水以来，青土湖绿洲植被呈较为显著的恢复趋势。植被覆盖区域由湖区向外缘荒漠区扩展，总体呈扩大趋势;距离湖区越近，植被覆盖密度增加越显著;距离湖区较远的区域植被覆盖密度增加不明显[20-21] 。NDVI、RVI、SAVI、EVI和MSAVI2的分析成果与青土湖绿洲实际恢复情况较为一致（图2），各指标分析成果之间的Kappa系数都在0.6～1.0，一致性程度达到高、极高水平（表2）。ARVI、NDGI、DVI的分析成果与青土湖绿洲实际恢复情况差异较大（图2），且ARVI、NDGI、DVI、NDVI、RVI、SAVI、EVI、MSAVI2分析成果的Kappa系数都低于0.6，一致性较低，表明ARVI、NDGI、DVI在青土湖绿洲的适用性相对较差。其中，ARVI反映植被覆盖在外围荒漠区呈显著下降趋势，NDGI反映83%的区域植被覆盖呈显著下降趋势，DVI在植被覆盖较高的水域附近无明显变化。

2.2 植被指数敏感性分析

各植被指数空间均值序列趋势分析成果（图3）表明，各指数均呈显著上升趋势。其中，EVI、NDVI、SAVI、MSAVI2的趋势变化率基本一致，RVI、ARVI、DVI、NDGI的趋势变化率相对较低，表明EVI、NDVI、SAVI和MSAVI2检测青土湖绿洲恢复变化特征的性能基本一致，RVI、ARVI、DVI和NDGI检测青土湖绿洲恢复变化特征的敏感性相对较低。

由于DVI对土壤背景的变化敏感，比较适合在低植被覆盖区监测生态环境的变化。当植被覆盖度较低时，DVI随生物量的增加而增加，较高时DVI对植被的灵敏度下降。青土湖湖区附近自生态输水以来植被覆盖高且增加趋势显著[20] ，DVI在此情况下易饱和，因此DVI对湖区附近的敏感性较低。ARVI使用蓝光波段和红光波段的组合矫正大气散射的影响，在该研究中外围荒漠低植被覆盖区的应用效果相对较差，可能在一定程度上受裸地背景的影响。NDGI选用红光波段和绿光波段的亮度值作为波段组合的信息源，两者亮度差异值较小，应用于检测青土湖绿洲植被恢复的效果相对较差。因此DVI、ARVI和NDGI三者在青土湖绿洲的适用性和敏感性不足。

3 结论

生态输水以来，青土湖绿洲的植被覆盖区域由湖区向周围荒漠扩大，总体覆盖密度呈增加趋势。NDVI、RVI、SAVI、EVI和MSAVI2能客观反映这一变化趋势，应用于评价青土湖绿洲生态恢复的适用性较好;ARVI、NDGI、DVI未能客观反映青土湖绿洲恢复特征，其适用性相对较差。综合植被指数空间均值变化率及趋势显著性评价，EVI、NDVI、SAVI、MSAVI2检测青土湖绿洲植被覆盖变化的敏感性相对较高，RVI的敏感性相对较弱。建议在青土湖生态恢复评价工作中选用EVI、NDVI等植被指数。

参考文献

[1] 郭铌.植被指数及其研究进展[J].干旱气象，2003，21（4）：71-75.

[2] 贺金兰，张明月，田尉霞.基于遥感影像的不同植被指数比较研究[J].科技创新与应用，2017（6）：36-37.

[3] 郭玉川，何英，李霞.基于MODIS的干旱区植被覆盖度反演及植被指数优选[J].国土资源遥感，2011（2）：115-118.

[4] 林茜，郭飞，黄昌春，等.基于MODIS的植被指数对估测塔里木河中下游植被盖度的适用性[J].草业科学，2016，33（12）：2434-2441.

[5] 张华，张玉红，张改改.民勤绿洲青土湖植被优势种地上生物量估算[J].干旱区地理，2020，43（1）：201-210.

[6] 陈政融，刘世增，刘淑娟，等.芦苇和白刺空间格局对青土湖生态输水的响应[J].草业科学，2015，32（12）：1960-1968.

[7] 赵强，王乃昂，李秀梅，等.青土湖地区9500a BP以来的环境变化研究[J].冰川冻土，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] 刘淑娟，袁宏波，刘世增，等.石羊河尾闾水面形成区土壤颗粒的分形特征[J].水土保持通报，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] 趙军，杨建霞，朱国锋.生态输水对青土湖周边区域植被覆盖度的影响[J].干旱区研究，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.