基于像元二分模型的伏牛山地區植被覆蓋度變化

張成才, 婁 洋, 李 穎, 姬興杰, 董萌佳

(1.鄭州大學 水利科學與工程學院, 鄭州 450001; 2.中國氣象局 河南省農業氣象保障與應用技術重點開放實驗室, 鄭州 450003; 3.河南省氣象科學研究所,鄭州 450003; 4.河南省氣候中心, 鄭州 450001; 5.河南省白沙水庫管理局, 河南 禹州 461670)

植被作為地表生態系統重要的成分之一，與土壤、水、大氣等構成一個生態循環系統[1]。植被覆蓋受氣候變化和人類活動的影響較大，開展植被覆蓋研究揭示生態系統的變化特征成為了一個重要的研究領域。植被覆蓋度是指某一區域內植被(包括葉，莖等)投影面積與該地域面積之比，它可以清晰的反映研究區的植被情況，是一項重要的生態環境參數[2]。越來越多的學者選擇植被覆蓋度作為量化指標進行植被時空變化和區域生態的研究。植被覆蓋度反演主要有地面實測和遙感估算兩種方法。地面實測目前所采用的方法有目測法，采樣法，儀器法等，常用于小尺度測量。由于其精度較高，一般作為檢驗遙感估算覆蓋度的手段。遙感估算植被覆蓋度逐漸成為分析植被覆蓋度變化的主要方法[3]。它適用于大尺度反演植被覆蓋度，并且具有良好的時間和空間連續性，可以從多維度研究分析植被覆蓋度的差異及其變化的規律[4]。遙感估算目前所采用的方法有回歸模型法、植被指數法、混合像元法以及機器學習法等[5]。

目前，植被覆蓋度的研究成果主要包括了對植被覆蓋度動態變化的研究[6-7]、對植被覆蓋度變化與生態環境因子的關系進行探究[8-9]、以及對植被覆蓋度監測的研究[10-11]。趙舒怡等[12]對華北地區植被覆蓋度與干旱條件進行了相關分析。張曉東等[13]利用TM衛星遙感影像采用像元二分模型對伏牛山整體植被變化趨勢進行研究，阿多等[14]對華北平原氣候時空變化及其對植被覆蓋度的影響進行了分析。裴志林等[15]對黃河上游植被覆蓋度分布特征和影響因素進行了分析，發現氣候類環境因素對植被覆蓋度的影響較大。趙明偉等[16]對2001—2015年我國陸地植被覆蓋度時空變化及驅動力進行了分析，發現對于不同地區影響其植被覆蓋度變化的因素不盡相同。

伏牛山生態功能區對區域生態環境起著重要的調節作用，本文則在前人研究的基礎上基于像元二分模型采用MODIS數據反演伏牛山地區的植被覆蓋度，并采用一元回歸、Hurst指數、馬爾科夫矩陣等方法，分析研究該區域植被覆蓋度的時空變化規律，探究氣象因子對其的影響，為生態環境的監測提供依據并為下一步對研究區植被生態質量評估提供數據支撐。

1 研究區概況及數據來源

1.1 研究區概況

植被是陸地生態系統的主題，是保護生態系統的重要屏障。2014年《河南省主體功能區規劃》確定構建全省以“四區三帶”為主體的生態安全戰略格局，其中伏牛山生態區為河南省重點生態功能區。因此，本文選擇伏牛山生態區作為本文的研究區。研究區位于河南省西南部，見圖1。西與陜西省接壤、東至魯山縣、南召縣，南至淅川、內鄉縣與南陽盆地的北緣相連、北至陜縣、宜陽縣，面積約為34 471.5 km2。研究區溫涼濕潤，少旱區，地處中國南北氣候的過渡帶，屬于北亞熱帶向暖溫帶的過渡地帶。伏牛山山區氣溫：春季，4月份平均氣溫在5℃以上，平均每月增溫為5～6℃，是全年增溫最快的季節；夏季，氣溫達到最高，最熱月7月平均氣溫為26.5～28.5℃；秋季，9月基本上與4月相似，是氣溫日較差最大的季節。伏牛山山區年平均氣溫在12℃左右，山區年平均降水量在800～1 100 mm，7月、8月降水量為全年最多。植被屬暖溫帶落葉闊葉林向亞熱帶常綠闊葉林的過渡類型，生物多樣性十分豐富。主要植被類型分為7種，分別是針葉林，闊葉林，針闊葉混交林，竹林，灌叢及灌草叢，草甸，沼澤及水生植被[17]。伏牛山地區森林植被保存完好，森林覆蓋率達42%。

圖1 研究區分布概況

1.2 數據來源及預處理

植被覆蓋度的變化受氣候影響較大。北半球植被覆蓋度與20世紀80,90年代相比，增長趨勢變緩，氣溫與降水等氣象因子是影響植被覆蓋度變化的主要驅動力[18-21]。

本研究采用的氣象基礎數據來源于河南省氣象局和中國氣象科學數據共享服務網[22]。氣象基礎數據包括了研究區域2000—2018年內共14個氣象站的4-9月的月均溫和月降水量數據。在ArcGIS中進行矢量化，并保證其坐標系與遙感數據的坐標系一致。運用克里金方法對氣溫和降水量數據進行克里金插值可以得到研究區域柵格化的月均溫和月降水量的分布。研究區氣象數據統計如圖2。研究區的降水與高溫是同步的，屬于雨熱同期的氣候，研究區平均氣溫4月最低，為16℃，7月最高為26.4℃，而研究區的月降水量4月最低為20.3 mm，7月最高為217 mm。

圖2 研究區2000-2018年月降水量和月均溫變化

本研究采用的遙感數據來源于NASA的MODIS合成產品MODIS13A1，它是分辨率為500 m的16 d合成的L3級產品。時間覆蓋范圍是2000年4月至9月到2018年4月至9月，共19 a。河南省對應的正弦投影系統為h27v05，使用MRT軟件進行投影轉換，并將投影轉換為Albers等面積割圓錐投影?；贏rcGIS工具根據研究區行政邊界對數據做裁剪處理并進行NDVI的MVC月合成，得到每月對應的NDVI值。

選用2017年7月的landsat8影像作為數據精度驗證，首先進行輻射定標，然后基于FLAASH大氣校正模塊對影像進行大氣校正，將landsat8影像變換坐標系、重采樣為500 m，并進行植被覆蓋度的計算。隨機選取54個點，分別提取landsat8的植被覆蓋度與同期的植被覆蓋度進行線性擬合，得到的擬合方程為y=0.496x+0.380 1,R2為0.71。說明利用MODIS數據基于像元二分模型計算的植被覆蓋度可信度較高。

2 研究方法

2.1 像元二分模型

利用基于標準化植被指數(NDVI)[23]的像元二分模型對伏牛山研究區植被覆蓋度(VFC)進行估算：

NDVI=NDVIveg+NDVIsoil

(1)

式中：NDVIsoil為完全是裸土或無植被覆蓋區域的NDVI值；NDVIveg表示完全被植被覆蓋的像元的NDVI值。模型中僅把像元劃分為兩類：裸土和純植被，這樣可以削弱大氣，植被類型等因素的影響。

NDVI=VFC×NDVIveg+(1-VFC)×NDVIsoil

(2)

按照所占比例分析計算，進行等式變化可得：

(3)

由于圖像中不可避免的存在噪聲，因此NDVI的極值并不一定是NDVImax與NDVImin。在取值時需要選取一定置信區間內的最大值與最小值。選取累積概率為1%，99%的NDVI值作為NDVImin和NDVImax?；谙裨帜Ｐ蛯ρ芯繀^植被覆蓋度進行估算，并將植被覆蓋度進行等級劃分，分為5個等級(表1)。

表1 植被覆蓋度等級劃分

2.2 馬爾科夫模型

對伏牛山地區的植被覆蓋度變化情況采用馬爾科夫模型進行分析，得到一個轉移矩陣，可以定量的表明不同等級的植被覆蓋度之間的變化情況。

(4)

Vij表示研究區第i種等級的植被覆蓋度和第j種等級的植被覆蓋度之間轉化的面積。n為覆蓋度的等級數量。i和j的取值為1,2,…,n。

2.3 一元線性回歸分析法

利用逐像元擬合年均VFC(植被覆蓋度)的變化斜率得到植被覆蓋度的時空變化數據，通過統計時空變化數據可以對每年的植被覆蓋度做出在年序上的時間變化趨勢分析。植被覆蓋的變化趨勢可以綜合反映研究區內植被的時空發展演變特征[24]。利用一元線性回歸分析法逐像元計算2000—2018年的趨勢斜率：

(5)

式中：n是時間序列的長度(n=19)；VFCi是第i年的VFC值；Slope代表研究時段內每個像元的植被覆蓋度的變化趨勢，當Slope>0時，代表該像元處19 a間植被覆蓋度呈增長趨勢，反之則表示減少。顯著性趨勢檢驗采用F檢驗，若相關系數置信度達到95%，99%以上即p<0.05，p<0.01,則認為變化趨勢分別達到了顯著和極顯著水平。根據檢驗結果將變化趨勢分為5個等級：極顯著增加(p<0.01,Slope>0),極顯著減少(p<0.01,Slope <0)，顯著增加(0.010)，顯著減少(0.010.05)。

2.4 Hurst指數

自然界中具有長程依賴性的時間序列是普遍存在的，并在水溫，地球化學，氣候，地質和地震等領域廣泛運用[25]。而Hurst指數是描述長程依賴性的一種方法。Hurst指數可以反映出序列自相似性以及序列發展的相關強度[26]?；谥貥藰O差(R/S)分析法計算得到的Hurst指數可以反映序列自相似性及序列發展的相關強度，并能夠較好的判別時間序列數據的自相關性。若0

2.5 偏相關分析

偏相關分析是反映多個變量間的相關程度，將伏牛山地區的植被覆蓋度分別與氣溫和降水量逐像元的進行偏相關分析。偏相關系數的計算公式如下：

(6)

式中：rxy1,y2表示將變量y2固定，對變量x和變量y1進行偏相關分析得到的偏相關系數；rxy1是變量x和變量y1的簡單相關系數；rxy2是變量x和變量y2的簡單相關系數；ry1，y2是變量y1和變量y2的簡單相關系數。rxy1,y1取值范圍是[-1,1],當rxy1,y1>0則表示兩個變量間呈正相關，rxy1,y2<0則表示兩個變量間呈負相關。rxy1,y2越接近-1或1，說明兩個變量間的偏相關性越高。

3 結果與分析

3.1 植被覆蓋度分布特點

選取2000年、2010年、2018年為代表年，對其進行分析統計，可以得到研究區植被覆蓋度等級分布圖(圖3)，盧氏、欒川、嵩縣、西峽、南召、內鄉地區的較高覆蓋度和高覆蓋度的像元的個數較多，即植被覆蓋度高于0.6的地區主要集中在這些地區，說明這些地區植被覆蓋水平較高，同時也反映了伏牛山山區植被覆蓋度較高。對于伏牛山周邊的地區，即靈寶，洛寧，宜陽，汝陽等地區，其靠近伏牛山一側的植被覆蓋度要高于遠離伏牛山一側的植被覆蓋度。即研究區的植被覆蓋度總體上呈現中間高，四周低的特點，與伏牛山在研究區內的分布情況相一致，說明人類的生產生活等行為會對植被覆蓋度的變化產生較大的影響。

3.2 植被覆蓋度整體變化分析

根據同一地區不同時相的土地覆蓋現狀可以求得一個轉移矩陣。分析轉移矩陣，能夠得到兩個時相，不同土地覆蓋類型之間相互轉化的情況[27]。對研究區不同等級的植被覆蓋度計算其轉移矩陣并分析，可以得到植被覆蓋度的轉移矩陣見表2—3。

由表2可知2000—2010年研究區的植被覆蓋度有59.4%的區域沒有發生變化。低覆蓋度區轉出面積為116.25 km2,轉入面積為95.25 km2轉出面積大于轉入面積，表明低覆蓋度區域在減少，當地植被覆蓋度水平在上升。較低覆蓋度區轉出面積為2 902.25 km2，轉入面積為273.75 km2，其中轉出到中覆蓋度區的面積占較低覆蓋度區轉出面積的92.25%，表明較低覆蓋度區變化較大，變化趨勢是向良性發展的。中覆蓋度區轉出面積為6 539.5 km2，轉入面積為2 831.5 km2，轉出到較高覆蓋度區的面積占中覆蓋度區轉出面積的97.3%，表明研究區內生態環境較好，植被覆蓋度呈增長的趨勢。較高覆蓋度區轉出面積為158.5 km2，轉入面積為7 650.5 km2。轉入面積大于轉出面積，較高覆蓋度區的面積有大幅度的增加。表明當地生態環境得到改善，大部分劣等覆蓋度區轉為較高覆蓋度區。高覆蓋度區轉出面積為1 147 km2，轉入面積為12.5 km2。高覆蓋度區的轉出面積大部分轉為了較高覆蓋度區。表明較高覆蓋度區和高覆蓋度區相互轉化較多。

表2 研究區2000年、2010年植被覆蓋度轉移矩陣

表3 研究區2010年、2018年植被覆蓋度轉移矩陣

由表3可知2010—2018年研究區的植被覆蓋度有66.32%的區域沒有發生變化。低覆蓋度區轉出面積為118 km2，轉入面積為271.5 km2，轉出面積小于轉入面積，低覆蓋度區域的面積有所增加。較低覆蓋度區轉出面積為393.75 km2，轉入面積為926.25 km2，其中由中覆蓋度區轉為較低覆蓋度區占較低覆蓋度區轉出面積的85.4%，劣等植被面積有所增加。中覆蓋度區轉出面積為3 202.25 km2，轉入面積為2 215.5 km2，中覆蓋度區面積有所下降。較高覆蓋度區轉出面積為7 823 km2，轉入面積為2 439 km2，轉出面積大于轉入面積，且轉出面積是轉出面積的3.2倍，表明較高覆蓋度區面積下降嚴重。高覆蓋度區轉出面積為102.75 km2，轉入面積為5 787.5 km2，轉入面積為轉出面積的56倍，表明高植被覆蓋度區面積增加明顯，生態環境日益改善，生態治理有一定的效果。

綜上可知，2000—2010年低覆蓋度區、較低覆蓋度區及中覆蓋度區的面積在減少，較高覆蓋度區和高覆蓋度區的面積在增加，研究區的植被覆蓋度呈上升趨勢。2010—2018年較低覆蓋度區和高覆蓋度區的面積增加顯著，而較高覆蓋度區的面積有所下降，低覆蓋度區和中覆蓋度區的面積有所變化，但變化不大，研究區的植被覆蓋度整體呈上升趨勢。即近19 a研究區內的較多低水平植被覆蓋度區轉化為高水平植被覆蓋度區，說明了當地十分重視保護生態環境。

3.3 植被覆蓋度年際變化特征

由像元二分模型計算得到研究區2000—2018年植被覆蓋度分布圖。使用一元線性回歸分析算法逐像元的分析覆蓋度變化并進行顯著性檢驗，得到研究區覆蓋度變化趨勢圖，見圖4。研究區植被覆蓋度整體呈逐年上升的趨勢，呈增加趨勢的地區占整個研究區的68%，5%的區域其植被覆蓋度呈不同程度的下降。對Slop進行F檢驗，并對研究區的植被覆蓋度不同變化趨勢進行等級劃分，統計不同等級的植被覆蓋度區域所占比重和其面積。73%的研究區域通過了顯著性檢驗，其中極顯著增加的區域和顯著增加的區域所占比重分別為47%和21%，通過顯著性檢驗且呈下降趨勢的區域(極顯著減少區域占比2%，顯著減少3%)。下降的地區主要集中在靈寶市城區，洛寧東部地區，宜陽東部地區，欒川縣城區，內鄉縣城區以及鎮平縣城區，說明這些地區19 a來城鎮化水平不斷提升。未來為了更好的保護研究區內的森林等自然資源，需要控制城鎮用地的擴張。

3.4 植被覆蓋度變化趨勢

基于重標極差(R/S)分析法逐像元計算研究區的Hurst指數，并繪制研究區植被覆蓋度的Hurst指數空間分布圖。研究區的Hurst指數范圍為0～0.98，平均值為0.47，其中Hurst指數大于0.5和小于0.5的像元分別占研究區的65%和35%。將Hurst指數與通過顯著性檢驗的Slop結合，可以對研究區內植被覆蓋度的未來趨勢進行預測，預測結果如圖5所示。研究區未來覆蓋度增加的地區僅占整體研究區的26.5%。未來覆蓋度減少的區域占比為46.3%，接近一半的區域其植被覆蓋度將延續減少的發展趨勢。

圖4 2000-2018年研究區植被覆蓋度變化趨勢顯著性

圖5 研究區植被覆蓋度未來變化趨勢

統計各變化趨勢所占面積和比重可以發現，未來極顯著增加地區的面積為6 103.5 km2，所占比重為17.1%，主要分布在欒川縣，汝陽縣，盧氏縣，西峽縣和南召縣的伏牛山山區，由于對伏牛山山區的森林進行了多年的保護，這些地區的植被覆蓋度未來呈極顯著增長的趨勢。對于未來呈顯著增加趨勢的地區，其主要分布在伏牛山山區，所占面積為3 591.5 km2，占比僅為9.4%，這些地區植被覆蓋度未來轉向良性發展或者繼續保持當前良好的發展狀態。而未來極顯著減少和未來顯著減少的地區分布范圍較廣，其中未來極顯著減少占比高達32.4%，表明未來覆蓋度呈下降趨勢的地區占比較大。面對脆弱的生態環境，需要堅持退耕還林的政策，應該重視未來呈極顯著減少和顯著減少地區的生態環境治理。

3.5 植被覆蓋度與氣象因子的相關性分析

由于氣溫和降水都會對研究區內的植被覆蓋度的變化產生影響，將研究區內的植被覆蓋度分別與月降水量和月均溫進行偏相關分析，先選取代表年進分析，2000年植被覆蓋度與降水和均溫的平均偏相關系數分別為0.24，0.18，呈正相關的地區分別為78%和64%。2010年植被覆蓋度與降水和均溫的平均偏相關系數分別-0.13，0.54，呈正相關的地區分別為36%和84%。2018年植被覆蓋度與降水和均溫的平均偏相關系數分別為0.14，0.38，呈正相關的地區分別為60%和75%。然后對2000—2018年共19 a間的植被覆蓋度與降水和均溫進行偏相關分析，見圖6，植被覆蓋度與同期降水量和氣溫的平均偏相關系數分別0.067，0.097，呈正相關的所占比重分別為56.18%和63.97%。研究區內的植被覆蓋度與氣溫的相關程度更緊密。進一步對研究區內的森林區域進行研究，發現研究區內的森林區域的植被覆蓋度與氣溫的偏相關系數為0.12，呈正相關的區域占森林區的70%，與降雨的偏相關系數為-0.13，呈正相關的區域占森林區的27%，表明氣溫是影響森林覆蓋度的主要因子(圖7)。

圖6 2000-2018年研究區植被覆蓋度與降水量和溫度的偏相關系數

圖7 2000-2018年研究區森林地區植被覆蓋度與降水量和溫度的偏相關數

4 結論與討論

(1) 研究區植被覆蓋度整體較好。(2) 不同等級植被覆蓋度類型轉化的特點是由低水平覆蓋度區向高水平覆蓋度區的轉化。(3) 自2000—2018年，研究區植被覆蓋度變化趨勢以增長為主，研究區內一半以上的地區其植被覆蓋度呈現上升趨勢。(4) 研究區的植被覆蓋度變化的反向持續性要強于同向持續性，并且持續性明顯，未來植被覆蓋度的變化趨勢預計以減少為主。(5) 研究區植被覆蓋度的變化受氣溫影響較大。其中森林區域的植被覆蓋度同樣受氣溫的影響較大。這與阿多[14]等對華北平原氣候時空變化及其對植被覆蓋度的影響中的結論相一致即氣溫是影響森林生態區植被覆蓋度的主導因子。本文與其均采用了較長的時間序列，可以較為充分地反映研究區植被覆蓋度變化與氣象因子之間的相關關系。張曉東[13]等在對伏牛山植被覆蓋度的變化研究中，采用三期遙感影像，發現伏牛山地區的植被覆蓋度變化和溫度變化的關系不太明顯，其推測是由于植被覆蓋度的變化對氣溫的響應存有一定的滯后性導致的。由于采用的時間序列不同分析出的結果也不盡相同，綜上對植被覆蓋度與氣象因子的分析采用長時間序列的遙感數據較為合理，可以降低氣象因子的滯后性帶來的影響。本研究沒有考慮地形因素對研究區植被覆蓋度的影響，研究地形因素對植被覆蓋度的影響可作為以后的研究方向。