基于Landsat影像的千将坪滑坡植被覆盖度变化监测

付珺琳 徐坚 赵登忠 李国忠 赵保成 徐健

摘要：

监测滑坡区植被生态恢复过程，可为滑坡区生态恢复提供科学依据。以湖北省秭归县千将坪滑坡为研究区，以多期空间分辨率为30 m的Landsat TM/OLI影像为数据源，计算归一化植被指数（NDVI），采用像元二分模型估算2002～2020年间9个时相的植被覆盖度数值，对滑坡区植被覆盖度变化趋势进行分析。结果表明：滑坡区平均植被覆盖度2002～2020年呈现先下降后上升的趋势，在2003年发生滑坡后平均植被覆盖度明显下降，之后逐渐上升，至2014年平均植被覆盖度已超过滑坡前水平。滑坡发生后，低植被覆盖区面积明显增加，高植被覆盖区毁损严重，经历近20 a生态恢复，至2020年研究区低植被覆盖区面积比例低于滑坡前，高植被覆盖区面积比例高于滑坡前，千将坪滑坡区植被生态总体恢复良好。

关键词：

植被覆盖度； Landsat； 动态监测； 像元二分模型； 千将坪滑坡； 三峡库区

中图法分类号：X171.4

文献标志码：A

DOI：10.15974/j.cnki.slsdkb.2023.03.018

文章编号：1006-0081（2023）03-0101-06

0 引 言

植被是生态环境的指示因子，通过植被信息监测，可以直观地展示环境变化情况［1］。植被覆盖度是植被垂直投影面积占地面总面积的比例，在生态环境监测、气候变化、土地利用、大气污染等多个领域有广泛应用。滑坡的发生必然会改变植被覆盖度，遥感技术能做到大范围、长时间且高效的監测，可规避传统方法精确性低以及耗费大量人力物力等缺点，目前已经成为植被覆盖度监测的重要方法。

本文以Landsat TM/OLI多时相影像作为数据源，结合像元二分模型，对湖北省秭归县千将坪滑坡2002～2020年滑坡发生前后陆地植被覆盖度进行长时序遥感监测，分析植被覆盖度变化规律，探究滑坡区域植被生态恢复状况，为滑坡区的生态恢复提供科学依据和数据支撑。

1 研究区概况

千将坪滑坡发生于2003年7月13日00∶20，地处湖北省秭归县沙镇溪镇千将坪村，E110°35′58″～110°36′32″，N30°58′03″～30°58′31″之间［2］。滑坡距青干河河口约3 km，距三峡大坝约41 km，所处斜坡向东南倾斜，坡度自上而下为 35°～15°。千将坪滑坡导致14人遇难10人失踪，青干河河道淤积断航，334省道宜巴公路长2.2 km的路段被毁，房屋倒塌量数以百计，22艘停泊在码头的渔船被毁，山林植被被局部破坏，经济损失高达5 000余万元。

千将坪滑坡地处秭归向斜盆地西南边缘，岩性为黄绿色泥岩砂岩互层［3-4］。千将坪滑坡平面似圈椅形，前缘高程约100 m，后缘高程约405 m，宽度410～480 m，总面积近68万m2［5］。该地区属亚热带大陆性季风气候，气候温暖湿润，四季分明，日照充足，雨水充沛，雨季集中在5～10月，全年总降水天数为120～140 d，年平均降水量为1 025 mm，年平均气温为18 ℃［6］。

千将坪滑坡是由三峡水库一期蓄水和强降雨共同作用导致的［7］。该斜坡地区滑体整体下滑后，势能降低，部分应力释放，因此滑坡现今整体稳定性良好，即使三峡水库水位每年175 m→145 m→175 m周期性变化，10多年来千将坪滑坡体依然保持稳定，再次发生失稳破坏的可能性不大。

2 数据与方法

2.1 数据选择及预处理

2.1.1 数据选择

Landsat遥感影像因获取简单、分辨率较高和在轨运行时间长等特点，在陆地植被覆盖度提取方面被广泛应用。本文选用滑坡前（2002年）、滑坡年（2003年）、恢复初期（2004，2005年）、恢复中后期（2008，2011，2014，2017，2020年）植被生长旺盛时期且云覆盖量少的9景遥感影像作为研究数据源，如表1所示。数据来源自地理空间数据云（http：∥www.gscloud.cn/）。

2.1.2 数据预处理

用Arcgis10.7和ENVI 5.3软件对影像进行预处理。先进行辐射定标，通过辐射定标处理把遥感影像的亮度灰度值转换为绝对辐射亮度值，以减少不同传感器、不同时间上获取影像的误差。再进行Flaash大气校正，消除由大气条件、太阳方位和倾角而引起的辐射误差，获取地物真实反射率数据。最后以千将坪滑坡区矢量边界为掩膜，裁剪经过预处理后的遥感影像，进而获得千将坪滑坡区植被覆盖影像。

2.2 归一化植被指数计算

归一化植被指数（NDVI）是植被生长状态及植被覆盖度最佳指示因子，能消除部分与太阳高度角、卫星观测角、地形、云影等与大气条件有关的辐射变化的影响［8］。定义为近红外波段（NIR）和可见光红光波段（RED）的反射率数值之差与反射率数值之和的比值［9］：

NDVI=NIR－RED/NIR+RED（1）

式中：NIR，RED依次对应近红外波段反射率和红光波段反射率。在Landsat TM影像中，红光波段和近红外波段是第3和第4波段；在Landsat OLI影像中，红光波段和近红外波段是第4和第5波段。

2.3 像元二分模型估算植被覆盖度

像元二分模型是一种常用的线性模型，因其计算简单结果可靠，广泛应用于估算植被覆盖度［10-11］。其基本原理为假定每一个像元光谱信息都由植被信息和非植被（裸土）信息组成，假定卫星传感器获得的像元信息由S表示，S由植被信息Sv和裸土信息Ss组成，即：

S=Sv+Ss（2）

假设一个像元中有植被覆盖的面积所占比例为FVC，则可认为此像元的植被覆盖度是FVC，裸土覆盖度则是1-FVC；设纯植被覆盖像元的遥感信息是Sveg，纯裸土覆盖像元的遥感信息是Ssoil［12-13］，可得：

Sv=FVC×Sveg（3）

Ss=1－FVC×Ssoil（4）

把公式（3）和（4）与（2）合并，转换后可得出：

FVC=S－Ssoil/Sveg－Ssoil（5）

在实际应用中，把NDVI值直接代入式（5），得到用NDVI估算植被覆盖度的公式［14］：

FVC=NDVI－NDVIsoil/NDVIveg－NDVIsoil（6）

式中：FVC取值范围通常为 ［0，1］；NDVIsoil为无植被覆盖区域的NDVI值；NDVIveg为纯植被覆盖区域的NDVI值。

NDVIveg理论上应该为1，但由于空间分布不均和植被类型差异等影响因素的存在，该值往往随时间空间变化；NDVIsoil理论上应接近于0，但由于受到大气、土壤类型、土壤颜色、地表湿度及粗糙度等影响，其值也会发生相应的变化，一般为-0.1～0.2［15-17］。因此，为减小误差，去掉极端值，给NDVIsoil和NDVIveg设立一个置信区间，本文设定置信度区间为5%～95%，区间最小值为NDVIsoil，区间最大值为NDVIveg。以此计算可得出千将坪滑坡区不同时期的植被覆盖度。

3 结果与分析

3.1 平均植被覆盖度变化分析

通过对滑坡区植被覆盖度的提取，从定量分析角度分别计算出2002～2020年9个时相的年平均植被覆盖度（图1）。总体上滑坡区平均植被覆盖度从2002～2020年近20 a间呈现先下降后上升的趋势。2002年平均植被覆盖度为0.827 8，说明滑坡前研究区植被覆盖情况良好。2003年滑坡后平均植被覆盖度下降至0.715 1，降幅为0.112 7，从而可推断滑坡地质灾害使该地区植被破坏严重。2003 ～2005年，平均植被覆盖度快速升高，由0.715 1增至0.802 4，逐渐接近滑坡前的水平。2005～2020年，平均植被覆盖度总体呈稳中有升趋势，至2014年平均植被覆盖度达到0.836 5，已超过滑坡前水平，2020年平均植被覆盖度达到最高值0.853 8。

3.2 不同等级植被覆盖度变化分析

为更好分析植被覆盖度变化特征，对照SL 190-2007《土壤侵蚀分类分级标准》 ，根据千将坪滑坡区实际情况将植被覆盖度分为5级：低植被覆盖度（0～0.30）、中低植被覆盖度（0.30～0.45）、中植被覆盖度（0.45～0.60）、中高植被覆盖度（0.60～0.75）、高植被覆盖度（0.75～1.00）。ENVI5.3和Arcgis10.7软件生成的分级结果如图2所示。

统计2002～2020年千将坪滑坡区各等级植被覆盖度面积和所占比例，如表2所示，并绘制了各等级植被覆盖度面积所占比例的变化趋势折线图，如图3所示。

由上述图表可知，滑坡区2002年中高、高植被覆盖区域共占91.54%，低、中低植被覆盖区域仅占3.36%。与2002年滑坡前相比，2003年滑坡后低、中低、中植被覆盖区域占比明显升高，面积比例依次从0.94%升至4.43%，2.42%升至15.57%，5.10%升至11.95%；中高植被覆盖区域基本保持不变；高植被覆盖区域占比显著下降，由77.18%降至53.42%。由此可见，千将坪滑坡发生后，低植被覆盖度面积大幅增加，高植被覆盖区毁损严重，滑坡对植被覆盖造成显著破坏。

（1） 2003～2005年，作为恢复初期，植被恢复速度较快，逐渐向滑坡前水平发展。表现为低、中低植被覆盖区面积比例明显下降，低植被覆盖区面积占比从最大值4.43%降至0.27%，中低植被覆盖区面积占比从最大值15.57%降至5.50%，中高、高植被覆盖区面积比例明显上升，中高植被覆盖区面积占比从14.63%上升到17.18%，高植被覆盖区面积占比从最小值53.42%上升到66.98%。

（2） 2005～2011年，各等级植被覆盖区面积变化幅度均低于2003～2005年滑坡恢复初期，恢复速度降低。中低植被覆盖区域占比由5.50%降低到2.02%，中植被覆盖度区域占比由10.07%降低到7.92%，中高植被覆盖度区域占比由17.18%上升到22.01%，高植被覆盖度区域面积比例波动上升，由66.98%上升到67.38%，但高植被覆盖度区域面积始终小于滑坡前水平。

（3） 2011～2020年，滑坡区植被覆盖恢复较为平稳，稳中有升，表现为高植被覆盖区占比大幅上升，由67.38%升至82.01%，而其他等级植被覆盖区占比逐步降低，至2014年，各等级植被覆盖区面积占比与滑坡前基本相同。至2020年，低、中低、中、中高植被覆盖区面积均小于滑坡前，高植被覆盖区面积超过滑坡前，植被生态恢复良好。

3.3 原因分析

从现有的研究结果可知，在恢复过程中植被由早期的快速增长到后期逐步稳定。千将坪滑坡发生后，5 a来整体植被覆盖度快速接近滑坡前水平，但滑坡体上部依然为中低植被覆盖度，说明植被大多都能自然恢复，但不同区域的恢复速度和恢复程度会存在一定差异。2008～2020年，整体植被覆盖度稳定增长，逐渐超过滑坡前，滑坡体上部植被损坏最严重的地方也基本恢复至滑坡前水平，说明此地区未受到明显人为干扰，无大型工程建设或开发等破坏环境的现象。随着植被的自然恢复，滑坡体生态环境也得到改善。

4 结 论

本文采用像元二分模型获取了千将坪滑坡区2002～2020年间9个时相的植被覆盖度，并将植被覆盖度划分成5个等级。据此分析了滑坡区年平均植被覆蓋度变化情况、不同等级植被覆盖区面积变化情况，得出结论如下。

（1） 通过分析千将坪滑坡区平均植被覆盖度的变化可知，总体上滑坡区平均植被覆盖度从2002～2020年呈现先下降后上升的趋势。2002年植被平均覆盖度为0.827 8，2003年滑坡后下降至0.715 1，说明滑坡对植被覆盖破坏显著，多年生态恢复后，至2014年平均植被覆盖度达到0.836 5，超过滑坡前。2020年平均植被覆盖度为0.853 8，是历史最高。

（2） 统计分析研究区不同等级植被覆盖度的变化可知，与2002年滑坡前相比，2003年滑坡发生后高植被覆盖区面积比例由77.18%下降到53.42%，低、中低植被覆盖区面积合计占比由3.36%上升到20%，说明滑坡导致低植被覆盖区面积显著增加，高植被覆盖区面积大幅减少。经过近20 a漫长的生态重建，至2020年滑坡区低、中低、中、中高等级植被覆盖区面积比例均小于滑坡前，高植被覆盖区面积比例大于滑坡前值。低、中低、中植被覆盖区面积共降低了11 784.48 m2，高植被覆盖区面积增长了32 525.17 m2，植被恢复良好。

（3） 千将坪滑坡植被稳定增长的主要原因是植被的自然恢復，滑坡后无人为干扰，无大型工程建设或开发等破坏环境的现象。

参考文献：

［1］ 张嵩，马保东，陈玉腾，等.超贫磁铁矿区植被覆盖度变化的遥感监测［J］.测绘与空间地理信息，2018，41（6）：126-128，131.

［2］ 杨日红，杨金中，王治华.千将坪滑坡特征信息遥感提取及滑坡成因机理分析［J］.地球与环境，2007（1）：85-90.

［3］ 侯珍珠，胡志强，肖诗荣，等.三峡库区秭归县千将坪滑坡软化模型实验研究［J］.三峡大学学报（自然科学版），2019，41（3）：36-40.

［4］ 肖诗荣，刘德富，姜福兴，等.三峡库区千将坪滑坡地质力学模型试验研究［J］.岩石力学与工程学报，2010，29（5）：1023-1030.

［5］ 李会中，潘玉珍，王团乐，等.三峡库区千将坪滑坡成因与机制分析［J］.人民长江，2006（7）：12-14，20.

［6］ 李会中，王团乐，孙立华，等.三峡库区千将坪滑坡地质特征与成因机制分析［J］.岩土力学，2006，27（增2）：1239-1244.

［7］ 张振华，钱明明，位伟.基于改进破坏接近度的千将坪岸坡失稳机制分析［J］.岩石力学与工程学报，2018，37（6）：1371-1384.

［8］ 曾强国，高子让，丁锋.基于Landsat8 OLI数据的植被覆盖度时空变化分析［J］.国土资源导刊，2021，18（3）：30-34，91.

［9］ 苗正红，刘志明，王宗明，等.基于MODIS NDVI的吉林省植被覆盖度动态遥感监测［J］.遥感技术与应用，2010，25（3）：387-393.

［10］ 张珍珍，熊康宁，黄登红.近30年来梵净山植被覆盖时空变化及影响因素分析［J］.水土保持研究，2018，25（2）：183-189，389.

［11］ 李苗苗.植被覆盖度的遥感估算方法研究［D］.北京：中国科学院（遥感应用研究所），2003.

［12］ 彭文甫，周介铭，徐新良，等.成都平原及其周边区域植被覆盖动态监测［J］.地球与环境，2017，45（2）：193-202.

［13］ 温小乐，姜兴强，徐涵秋.基于TM影像的长乐市植被覆盖度变化研究［J］.遥感信息，2013，28（6）：56-61.

［14］ 彭文甫，王广杰，周介铭，等.基于多时相Landsat5/8影像的岷江汶川-都江堰段植被覆盖动态监测［J］.生态学报，2016，36（7）：1975-1988.

［15］ 陈峰.基于Landsat TM/OIL的济宁市植被覆盖度动态变化分析［J］.河南科技，2021，40（22）：129-133.

［16］ 吴昌广，周志翔，肖文发，等.基于MODIS NDVI的三峡库区植被覆盖度动态监测［J］.林业科学，2012，48（1）：22-28.

［17］ 杨磊，张梅，罗明良，等.基于MODIS NDVI的川中丘陵区植被覆盖度景观格局变化［J］.生态学杂志，2013，32（1）：171-177.

（编辑：李 晗）

Monitoring vegetation cover changes on Qianjiangping landslide based on Landsat images

FU Junlin1，XU Jian1，ZHAO Dengzhong2，LI Guozhong1，ZHAO Baocheng1，XU Jian1

（1.Institute of Spatial Information Technology Application，Changjiang River Scientific Research Institute，Wuhan 430010，China； 2.Science and Technology Exchange and International Cooperation Division，Changjiang River Scientific Research Institute，Wuhan 430010，China）Abstract：

In order to monitor the ecological recovery process of vegetation in landslide areas，and provide a scientific basis for the ecological recovery of landslide areas，Qianjiangping landslide in Zigui county，Hubei province was taken as the research area for study.The Landsat TM/OLI imagery with a spatial resolution of 30m was used as the data source to calculate the normalized vegetation index （NDVI），and an image dichotomous model was used to estimate the vegetation cover values for 9 time phases from 2002 to 2020，and to analyze the change of vegetation cover of this landslide area.The results showed that the average vegetation cover in the landslide area from 2002 to 2020 showed a trend of first decreasing and then increasing，with the average vegetation cover decreasing significantly after the landslide occurred in 2003，and then gradually increasing，until the average vegetation cover exceeded the level before the landslide in 2014.After the occurrence of the landslide，the area of low vegetation cover increased significantly，while the area of high vegetation cover was severely damaged.After nearly 20 years of ecological recovery，by 2020，the proportion of the area of low vegetation cover in the study area was lower than that before the landslide，while the proportion of the area of high vegetation cover was higher than that before the landslide.A generally recovery was shown in Qinajiangping landslide area.

Key words：

vegetation cover； Landsat； dynamic monitoring； image element dichotomous model； Qianjiangping landslide； Three Gorges Reservoir area

收稿日期：

2022-05-10

基金项目：

湖北省自然资源厅科研计划项目“三峡库区典型水土流失与滑坡区生态修复关键技术与应用示范”（ZRZY2021KJ10）

作者简介：

付珺琳，女，硕士，主要从事遥感、地理信息系统研究。E-mail：fujunlin12@163.com