近20,年鄂西地区植被覆盖度时空变化特征分析
钟 静，皇永波，郭明强,2,3,4
（1.湖北地信科技集团股份有限公司， 湖北 武汉 430074；
2.自然资源部城市国土资源监测与仿真重点实验室， 广东 深圳 518034；
3.中国地质大学（武汉）地理与信息工程学院，湖北 武汉 430074；
4.国家地理信息系统工程技术研究中心，湖北 武汉 430074）
目前植被覆盖度的估算以传统地面测量和遥感反演为主，传统FVC测量方法主要依靠地面测量，包括目视估测法、采样法、仪器法、照相法等[1-5]。遥感技术反演FVC 主要使用像元二分法和NDVI 数据进行计算，并根据统计学的数据分析方法探讨时序FVC变化规律和原因[6-9]。近年来诸多学者使用遥感技术结合卫星遥感影像反演FVC，并分析FVC在时间和空间上的变化。但由于研究区域的环境不同，FVC的时空变化规律呈现区域差异性的特点。文献[10]基于MOD13Q1数据产品和国家气象站降水数据，采用像元二分模型、一元线性回归模型和Hurst 指数，分析了2000—2019 年黄河流域FVC 空间格局、时序变化和发展趋势，发现黄河流域FVC 年际变化呈明显的上升趋势，在空间上呈从西北至东南阶梯状增大的分布态势。文献[11]基于4期TM∕OLI影像，提取NDVI，采用像元二分模型计算FVC，发现大青山FVC总体改善，FVC空间格局总体上呈东高西低，南高北低的分布特征，FVC 随海拔升高呈增加趋势，且与坡度正相关。文献[12]基于卫星遥感影像提取生长季植被指数计算FVC，并对FVC的空间分布特征、面积占比、变化趋势等进行分析，研究表明，2000—2017年间黑河中下游均存在低覆盖植被向其他类型覆盖植被转化现象，高植被覆盖区域面积增加，植被覆盖情况整体趋好。文献[13]利用2000—2019 年MODIS∕EVI 数据，基于像元二分法获取FVC，运用线性回归分析揭示了FVC 变化规律，结果表明2000—2019 年新疆平均FVC 空间分布差异明显，新疆FVC 呈上升趋势，变化平稳，极高覆盖度区域主要分布在西北部、北部以及南疆的绿洲地区，东疆波动较大。
本文基于2000—2020 年（每年4—10 月）MODIS13Q1 遥感数据，使用像元二分模型[3-4]、斜率模型[1-2]、马 尔 可 夫 转 移 矩阵 模 型[14-15]、Hurst 指数[16-17]等模型方法，对2000—2020年来湖北省西部区域92 250 km2的FVC时空变化规律进行分析，探讨鄂西植被的独特变化规律，分析规律的可靠性和持续性，并判断区域内植被环境的稳定性。
湖北省地势大致为东、西、北三面环山，中间低平，向南敞开、北有缺口的不完整盆地，地势高低相差悬殊[18-19]。本研究区域覆盖恩施州、十堰市、神农架林区、襄阳市、宜昌市，总面积约为92 250 km2，是鄂西生态文化旅游圈的核心地区，森林茂密，植被覆盖率高，在全省占有重要地位。十堰市、恩施州、神农架林区是国家级水土保持防治重点区域，植被变化的监测和空间分布分析尤为重要。本研究区主要为山体区域，西北山地为秦岭东延部分和大巴山的东段，秦岭东延部分称武当山脉，岭脊海拔一般在1 000 m以上，最高处为武当山天柱峰，海拔1 621 m；
大巴山东段由神农架、荆山、巫山组成，神农架最高峰为神农顶，海拔3 105 m；
西南山地为云贵高原的东北延伸部分，主要有大娄山和武陵山，一般海拔高度700～1 000 m，最高处狮子垴海拔为2 152 m。研究区内主要植被类型有亚热带常绿阔叶林、亚热带常绿落叶阔叶混交林等[20]。
本文采用的MODIS13Q1 的遥感卫星数据来源于LAADS DAAC 官网（https:∕∕ladsweb.modaps.eosdis.nasa.gov∕），空间分辨率为250 m，时间分辨率为16 d。由于最大NDVI 可较好地反映该年度植被长势最好季节的植被覆盖情况，尽可能规避大气、云层、太阳高度角等因素造成的数据在短时间偏低情况，最大限度保障数据质量，因此使用最大值合成法（MVC）处理NDVI 影像数据来分析研究区域FVC 在时间和空间上变化规律和特征[21]。由于研究区7、8、9月份的NDVI影像受云雾遮挡较为严重，影像合成最大值易受云雾影响，且研究区常年平均温度较高，考虑4、5月份植被比较茂密，因此本文选取2000年、2002年、2005年、2007年、2010年、2012年、2015年、2017年、2020年每年4—10月份的MODIS13Q1遥感卫星影像作为数据源，使用ArcPy 工具批量提取NDVI，并使用arcpy.ProjectRaster_management 函数进行投影坐标转换，将MODIS13Q1 原始影像转换为CGCS2000 高斯克吕格114E投影坐标系，最后使用最大值合成法获取每年的NDVI最大值。
图1 研究区地理位置
2.1 基于像元二分模型的FVC反演分析方法
本文使用像元二分模型对NDVI 数据进行FVC 反演，FVC是指植被所占像元的比率，模型公式为：
式中， NDVIsoil为完全是裸土或无植被覆盖区域的NDVI值；
NDVIveg为完全被植被所覆盖的像元的NDVI值，即纯植被像元的NDVI值。
理论上， NDVIveg的值应为NDVImax；
NDVIsoil的值应为NDVImin，由于NDVI 图像的像元存在一定的噪声，因此设置一个置信范围对NDVIsoil和NDVIveg进行取值。本文选取NDVI 统计频率的0.5%和99.5%作为NDVIsoil和NDVIveg的值[20-22]。
2.2 基于马尔科夫模型的FVC等级转移分析方法
为研究FVC的动态变化，使用马尔科夫模型分析FVC 等级的面积占比情况，此模型又称为转移矩阵，可以定量的分析FVC等级间的动态转换，其中马尔可夫模型在本文中的计算方法如表1所示。表中a1…an为FVC等级；
Bij为相应年份下两种植被覆盖类型的转化面积，i为起始年份；
j为终止年份；
FVC等级的面积分析由相同FVC 等级下的转出量减转入量计算得到，两者相减为负则面积减少，为正则面积增加。Bnn为FVC等级的稳定区域在相应FVC等级中的面积占比[20]。
表1 FVC的转移矩阵计算表
2.3 基于斜率分析的FVC变化趋势分析方法
本文FVC变化趋势采用斜率分析方法，对时序的FVC数据逐像元计算斜率，斜率公式如下[23-24]：
斜率b计算完成后对b图像逐像元进行F检验，判断回归方程斜率b的显著性，显著性高低代表斜率b的可靠性程度，F检验公式如下：
式中，U为误差平方和；
Q为回归平方和；
yi为第i年的FVC；
yi为第i年FVC的回归值；
yˉ为FVC平均值；
n为年份数量。
根据F检验的值和F检验表对比分析，将（0.005＜b＜0.015，p＜0.05）定为轻微增长；
（0.015＜b＜0.1，p＜0.05）为显著性增长；
（-0.015＜b＜-0.005，p＜0.05）为轻微减少；
（-0.1＜b＜-0.015，p＜0.05）为显著减少[17]。
2.4 基于百分比F模型的FVC退化与改善分析方法
使用FVC变化百分比F模型分析FVC的退化与改善的情况，公式如下：
式中，F为变化百分比，F值分为5个等级，即明显改善（15%）、变化不明显（-15%，15%）、轻度退化（-25%，-15%）、中度退化（-35%，-25%）和重度退化（-35%）[18]。
2.5 基于极差分析（R/S）的H 指数分析方法
本文使用重新标度的极差分析（R/S）方法计算2000—2020 年时序FVC 最大值的赫斯特（Hurst）指数H，根据Hurst 指数分析其自相似性与长程依赖性，即可判断FVC 最大值的变化是否具有持续性，R/S公式如下[25]：
其中H取值为0～1，当H=0.5 时，则时间序列为相互独立、方差有限的随机序列；
当0.5＜H＜1时，表明时间序列变化具有持续性，未来的变化将与过去的变化趋势相一致；
当0＜H＜0.5 时，表明时间序列具有反持续性，即过去的变化不具有可持续性。
3.1 FVC时间变化结果分析
根据公式（1）计算出研究区所有年份的FVC，为清晰地表明不同等级FVC 的分布及变化特征，将FVC数据的像元值按0～0.2、0.2～0.4、0.4～0.6、0.6～0.8、0.8～1.0划分为5个等级。根据等级参数对FVC影像进行颜色分割显示[20,22]。由图2可以看出，2000—2020年鄂西地区的高FVC主要分布在较高的山体区域，中低FVC和低FVC主要分布在山体的南部区域，中FVC主要分布在山体的中部区域；
同时高FVC、高FVC的覆盖范围明显增加[26-28]。
图2 2000—2020年植被覆盖度各分级区域变化图
根据2000年、2002年，2005年、2007年、2010年、2012 年、2015 年、2017 年、2020 年的FVC 空间分布数据，使用ENVI 统计各FVC 等级的像元数量，分析各等级FVC的面积占比，绘制FVC等级随时间变化的面积变化折线图，如图3a 所示。根据ENVI 统计平均FVC，使用公式（5）极差分析（R∕S）的Hurst指数和一元线性回归分析方法，分析平均FVC随时间变化趋势和变化的偶然性，如图3b所示。
图3 FVC随时间变化折线图
从图3a和表2可以看出，2000—2020年植被的转移变化主要发生在中高FVC 和高FVC 等级上，其中，中高FVC向高FVC转移了20 391.7 km2，向中FVC转移了744.4 km2；
高FVC 向中高FVC 转移了2 987.7 km2，但由于中高FVC 的转移情况，高FVC 的面积增加了17 442.5 km2，中高FVC 的面积减少了18 181.8 km2；
其余3 个等级的FVC 面积变化不大，低FVC 减少了2.6 km2，中低FVC 增加了244.67 km2，中FVC 减少了517.2 km2。从图3b中可以看出，FVC回归分析方程的相关性系数为0.673 8，且显著性分析p值小于0.05，因此在20 a 间平均FVC 总体呈现出增加的变化趋势，平均值被覆盖度增加了0.025。使用公式（5）计算的hurst 指数的结果为0.634 4＞0.5，表明研究区的时序FVC的变化具有持续性，未来的变化将与过去的变化趋势相一致。
表2 鄂西地区2000年和2020年FVC转移矩阵分析
3.2 FVC空间分布变化趋势分析
使用时序最大FVC数据的斜率b和最大FVC退化分析F值进行变化趋势分析，使用斜率b分析植被覆盖度的变化趋势，退化分析F值分析植被的变化趋势，二者结合定量分析植被的变化趋势和变化量。
根据公式（2）计算斜率b的结果如图4a 所示，并对斜率进行F值检测，得出图4b 的检测结果。根据2.3章节中显著性划分范围对F检测结果统计分析，FVC 显著性减少的面积为1 380.1 km2，轻微减少的面积为3 579.375 km2，轻微增加的面积为44 359.26 km2，显著增加的面积为3 069.375 km2，不显著性变化的面积为39 862 km2。
图4 FVC随空间变化图
根据公式（4）的计算结果，研究区2000—2020年植被的退化与改善的情况如图5所示，可以明显看出大部分区域处于稳定变化状态，面积为79 852 km2；
明显改善的区域主要分布在十堰市的建成区，总面积为8 764 km2；
退化的区域主要分布在河道水域周围，总面积为3 057 km2。
图5 植被退化和改善图
结合植被退化分析成果和最大值FVC 变化趋势，可以分析出研究区最大植被覆盖度增长区域占研究区面积51.41%，植被稳定变化区域占总面积86.56%，说明FVC的增长并未对植被的变化产生较大影响，研究区内植被保持着较高的覆盖率，植被环境的抵抗强度较高。
本文基于2000—2020 年NDVI 数据，利用像元二分模型、斜率模型、马尔可夫转移矩阵模型、赫斯特指数等方法，揭示了鄂西地区近20 a来FVC时空变化规律，并动态统计分析不同等级FVC的面积占比。结论如下：
1）2000—2020 年间研究区域的平均FVC 增加了0.025，可看出研究区内的FVC呈现增长的趋势。总体FVC增长直接体现在中高FVC向高FVC转移上。
2）研究区内时序FVC 的赫斯特指数为0.63，结合（1）的结论，表明研究区的FVC 呈现规律性的增长趋势，并非偶然性的变化。
3）研究区植被退化与恢复分析结论中，植被稳定的区域面积为79 852 km2，结合（1）的结论，研究区内FVC处于增长的趋势，但对于植被的改善情况并无明显的增加，表明研究区植物处于旺盛的状态，在研究期间变化较为稳定。
从上述的动态分析可以发现，鄂西实验区整体而言植被资源丰富，FVC呈现稳定增长的趋势，具有显著的时空变化规律。
猜你喜欢斜率植被显著性基于植被复绿技术的孔植试验及应用河北地质(2022年2期)2022-08-22物理图像斜率的变化探讨物理之友(2020年12期)2020-07-16基于显著性权重融合的图像拼接算法电子制作(2019年24期)2019-02-23基于视觉显著性的视频差错掩盖算法西南交通大学学报(2018年5期)2018-11-08绿色植被在溯溪旅游中的应用现代园艺(2017年23期)2018-01-18一种基于显著性边缘的运动模糊图像复原方法苏州科技大学学报(自然科学版)(2017年1期)2017-03-20求斜率型分式的取值范围福建中学数学(2016年7期)2016-12-03论商标固有显著性的认定知识产权(2016年8期)2016-12-01基于子孔径斜率离散采样的波前重构光学精密工程(2016年1期)2016-11-07MMC-MTDC输电系统新型直流电压斜率控制策略电测与仪表(2016年6期)2016-04-11