何利平, 簡 季

(成都理工大學 地球科學學院, 四川 成都 610059)

植被是區(qū)域覆蓋植物群落的總稱，是生態(tài)系統(tǒng)的重要組成部分，不僅影響全球的物質(zhì)與能量循環(huán)，而且對保持水土、碳的收支平衡、維持氣候及整個生態(tài)系統(tǒng)穩(wěn)定等方面都具有十分重要的作用[1-2]。植被覆蓋度(fraction of vegetation coverage， FVC)，通常被定義為植被(含葉、莖、枝)在地面的垂直投影面積占統(tǒng)計區(qū)總面積的比例[3]，是分析地表植被覆蓋的重要參數(shù)，可以用來監(jiān)測不同尺度的地表覆蓋狀況[4]，對區(qū)域生態(tài)系統(tǒng)環(huán)境變化具有突出的指示作用[5]植被覆蓋與生態(tài)環(huán)境之間有著緊密的聯(lián)系，植被覆蓋度作為生態(tài)系統(tǒng)表述的重要數(shù)據(jù)基礎，在植被動態(tài)監(jiān)測和區(qū)域生態(tài)環(huán)境評價等方面具有重要意義。歸一化植被指數(shù)(normalized difference vegetation index， NDVI)對植被的生物物理特征十分敏感，并且在時效、尺度方面具有較大優(yōu)勢，所以通常用來對區(qū)域尺度的植被覆蓋度進行估算[6]，大量研究[7-9]證實植被指數(shù)與植被覆蓋度之間具有較好相關性，因此使用植被指數(shù)來計算植被覆蓋度是適合的。近年來，眾多學者在利用遙感技術對植被覆蓋度進行動態(tài)監(jiān)測方面開展了大量研究，已經(jīng)取得了較多的成果。如李晶等[10]基于SPOT/VEGETATION NDVI數(shù)據(jù)，利用趨勢分析法、像元二分模型，綜合多種統(tǒng)計方法，對呼倫貝爾市植被覆蓋度時空變化及驅(qū)動力進行定性與定量分析。皮新宇等[11]提出一種基于多源遙感數(shù)據(jù)與時間混合分析的城市植被覆蓋度估算方法，通過時空融合、植被物候特征分析獲得最佳時序的GF-1NDVI數(shù)據(jù)，再基于時間序列的多源數(shù)據(jù)，采用時間混合分析方法估算城市植被覆蓋度。Niu Yaxiao等[12]利用機器學習算法從無人機多光譜影像中估算水分脅迫下內(nèi)蒙古玉米地植被覆蓋度，為基于無人機多光譜圖像的植被覆蓋度模型提供參考。李苗苗等[13]在對像元二分模型2個重要參數(shù)推導的基礎上，改進了已有模型的參數(shù)估算方法，建立了利用NDVI歸一化植被指數(shù)對定量植被覆蓋度進行估算的模型。谷歌地球引擎(GEE)作為全球尺度地球科學數(shù)據(jù)可視化計算分析的地理空間分析云平臺，以其海量衛(wèi)星數(shù)據(jù)存檔和強大的并行計算能力，為長時間序列的遙感監(jiān)測提供了技術便利。2013年，GEE開始應用于地球科學領域。Hensen等[14]最早利用12 a共654 178景Landsat影像，采用決策樹方法，在GEE平臺上實現(xiàn)了對2000—2012年30 m尺度的全球森林范圍和動態(tài)變化的識別和監(jiān)測。GEE擁有海量數(shù)據(jù)計算能力[15]，目前已廣泛應用于城市熱島效應[16]、局部地區(qū)生態(tài)環(huán)境狀況[17]、建筑用地提取[18]、生態(tài)環(huán)境監(jiān)測[19]、濕地湖泊系pH值估算等[20]方面的研究。

四川省是我國西部地區(qū)經(jīng)濟發(fā)展的重要支柱，在四川省委召開的十一屆三次全會上，作出構建“一干多支，五區(qū)協(xié)同”的區(qū)域發(fā)展新格局部署。經(jīng)濟的發(fā)展必然伴隨著對自然資源的消耗，如何在發(fā)展經(jīng)濟的同時，科學協(xié)調(diào)人與自然的關系，是長久以來的需要我們解決的難題。因此，本文基于GEE云處理平臺，使用Landsat遙感衛(wèi)星數(shù)據(jù)以及相關輔助數(shù)據(jù)，運用一元線性回歸趨勢分析、像元二分模型等方法，對2009—2020年四川省植被覆蓋度的分布特征及時空變化特征進行分析，旨在為四川省的生態(tài)環(huán)境質(zhì)量評價與治理等提供可靠參考，促進“五區(qū)協(xié)同”發(fā)展，推動成都平原經(jīng)濟區(qū)、川南經(jīng)濟區(qū)、川東北經(jīng)濟區(qū)、攀西經(jīng)濟區(qū)、川西北生態(tài)示范區(qū)協(xié)同發(fā)展。

1 研究區(qū)概況及數(shù)據(jù)來源

1.1 研究區(qū)概況

四川省(26°03′—34°19′N，97°21′—108°12′E)位于中國西南地區(qū)內(nèi)陸，地處長江上游。該省位于中國大陸地勢三大階梯中的第一級青藏高原和第二級長江中下游平原的過渡地帶，東西地貌差異大，地形復雜多樣，地勢西高東低，由山地、丘陵、平原、盆地和高原構成。氣候復雜多樣，地帶性和垂直變化比較明顯，根據(jù)水熱條件和光照條件差異，全省可分為3大氣候，分別為四川盆地中亞熱帶濕潤氣候，川西南山地亞熱帶半濕潤氣候，川西北高山高原高寒氣候。四川境內(nèi)土壤類型眾多[21]，主要自然植被共有8個植被型、18個群系綱、48個群系組[22]，生物資源比較豐富。根據(jù)四川省委召開的十一屆三次全會中提出的構建“一干多支，五區(qū)協(xié)同”的區(qū)域發(fā)展新格局，將四川省分為成都平原經(jīng)濟區(qū)、川南經(jīng)濟區(qū)、川東北經(jīng)濟區(qū)、攀西經(jīng)濟區(qū)以及川西北生態(tài)示范區(qū)共5個區(qū)域。

1.2 數(shù)據(jù)源

遙感影像數(shù)據(jù)來源于美國地質(zhì)調(diào)查局，在GEE平臺中，針對2009—2020年的Landsat影像，通過JavaScript API在線訪問四川省2009，2013，2017和2020年的影像數(shù)據(jù)，影像空間分辨率為30 m，時間分辨率為16 d。影像為地表反射率圖像(surface reflectance， SR)，已經(jīng)輻射校正、大氣校正以及幾何精校正，其中Landsat 5和Landsat 8衛(wèi)星影像分別有577景和1 945景。

影像數(shù)據(jù)獲取和預處理主要包括去云處理、植被指數(shù)計算、影像合成與鑲嵌等。首先根據(jù)成像日期篩選出每年1月1日至12月31日的影像數(shù)據(jù)，使用Landsat影像中通過CFMASK算法生成的質(zhì)量評價波段進行去云處理。然后基于GEE平臺在線計算歸一化植被指數(shù)(normalized difference vegetation index， NDVI)，并利用最大值合成法(maximum value compositing， MVC)將每年多時相的NDVI數(shù)據(jù)進行合成，進一步消除云霧、大氣以及衛(wèi)星傳感器角度等對數(shù)據(jù)帶來的影響，影像的拼接、裁剪也在線完成。

2 研究方法

2.1 植被指數(shù)空間數(shù)據(jù)提取

利用最大值合成法(maximum value compositing, MVC)[23]，對植被指數(shù)的年際變化進行研究，第i年植被覆蓋度的取值計算方法為：

(1)

2.2 植被覆蓋度遙感反演模型

目前比較常用的植被覆蓋度遙感估算方法有機器學習法、混合像元分解模型法、植被冠層模型法等。本文利用像元二分模型估算研究區(qū)植被覆蓋度，該模型是混合像元分解模型法中最具有代表性的一種線性模型，在很大程度上削弱了土壤背景、大氣和植被類型的影響，應用范圍比較廣泛。像元二分模型[13]基本原理是假設一個像元的光譜信息由植被與非植被光譜信息線性加權合成，而它們在像元面積中所占的比例就是線性加權的權重，其中植被覆蓋區(qū)域在像元中所占的比例即為該像元的FVC。由此推算出植被覆蓋度計算公式為：

(2)

式中：FVC為像元植被覆蓋度取值； NDVI為混合像元的植被指數(shù)取值； NDVIveg為純植被像元的植被指數(shù)取值； NDVIsoil為純土壤像元的植被指數(shù)取值。

理論上看，NDVIveg和NDVIsoil的取值應為1和0，但實際上由于地表溫度、土壤類型、土壤顏色等條件的不同，值會發(fā)生相應的改變，取值一般在-0.1～0.2之間變動[24]。因此，本文采用給定置信度的置信區(qū)間內(nèi)的最大值和最小值的方法估算NDVIveg和NDVIsoil的取值，該方法在一定程度上可消除由遙感影像噪聲而產(chǎn)生的誤差[13]。結(jié)合四川省植被覆蓋實際狀況和植被指數(shù)頻率統(tǒng)計表，經(jīng)試驗對比﹐最終取NDVI年最大合成頻率累計表上累積頻率為5%的值為NDVIsoil，取NDVI年最大合成頻率累計表上累積頻率為95%的值為NDVIveg。

2.3 植被覆蓋度的時空變化趨勢分析

本文采用一元線性回歸趨勢分析法，基于像元對四川省2009—2020年植被覆蓋度時空變化趨勢進行定量分析，即采用最小二乘法擬合每個像元取值的斜率，以此來計算像元的變化率，最終揭示研究區(qū)植被覆蓋度變化的時空特征[25]。計算公式為：

(3)

式中：lslope為FVC變化斜率,即年際變化率;n為監(jiān)測年數(shù);fi為對應第i年的像元植被覆蓋度取值。lslope>0,表明在研究期間內(nèi)FVC呈增長趨勢;lslope<0,表明FVC呈下降趨勢;lslope=0,表明FVC沒有發(fā)生改變。lslope絕對值越大,表明研究期間FVC變化越明顯。

3 研究結(jié)果

3.1 植被覆蓋度時空分布特征

本文參考眾多相關研究成果，結(jié)合研究區(qū)植被覆蓋實際情況，采用等間距劃分法對植被覆蓋度進行分類[26-27]，將四川省植被覆蓋狀況劃分為低覆蓋、中低覆蓋、中覆蓋、中高覆蓋、高覆蓋共5種類型(表1)。

表1 四川省植被覆蓋度(FVC)類型分類

根據(jù)等間距劃分法對植被覆蓋度進行分級顯示的結(jié)果，統(tǒng)計出2009，2013，2017和2020年4個年份不同等級植被覆蓋度的面積及比例，并形成了的植被覆蓋分級圖，對圖1和表2進行分析可知，從總體來看，研究區(qū)植被覆蓋狀況較好，以中高、高植被覆蓋為主，比例約占全省面積的80%，而低、中低植被覆蓋區(qū)域較少，所占比例不到10%。低、中低植被覆蓋區(qū)域從2009—2020年，所占比例分別降低了0.45%和0.95%，變化不明顯，呈略微降低趨勢；中植被覆蓋區(qū)域2009—2017年所占比例逐漸下降，2020年有所回升，總體變化不大；中高植被覆蓋區(qū)域所占比例在2009，2013和2017年基本保持不變，在33%左右波動，2020年增長到35.47%；高植被覆蓋區(qū)域呈先增長后下降趨勢，于2013年達到最大比例49.02%。

圖1 四川省5大經(jīng)濟區(qū)2009—2020年植被覆蓋度等級分布

表2 四川省2009—2020年植被覆蓋分級面積及比例

對研究期間內(nèi)的2009—2020年4期植被覆蓋度數(shù)據(jù)求平均得到多年平均植被覆蓋度，對植被覆蓋度進行分級顯示得到多年平均植被覆蓋度分級圖(圖2)。

根據(jù)四川省區(qū)域發(fā)展新格局，分別對5大區(qū)域植被覆蓋度空間分布特征進行分析。川西北地區(qū)植被覆蓋度整體較高，植被生長狀況較好，呈自西向東逐漸良好趨勢，但部分地區(qū)植被覆蓋度相對較低。植被覆蓋度較高區(qū)域主要分布在森林、草地等植被生長旺盛的地區(qū)，如紅原縣，若爾蓋縣，阿壩縣等區(qū)域；而植被覆蓋度相對較低區(qū)域主要分布在高山地帶，氣溫低，常年積雪，而且部分地區(qū)海拔很高，土壤條件差，滿足植被生長條件的土壤覆蓋面積較少，導致植被覆蓋度較低。如德格縣中部，汶川縣與小金縣、理縣三縣交界處，康定市、瀘定縣交界處，巴塘縣等區(qū)域。攀西地區(qū)植被覆蓋度以高、中高植被覆蓋為主，植被生長狀況較好。這是由于該地區(qū)地理條件的限制，自然資源不易被開發(fā)，植被覆蓋度相對較高，如鹽邊縣，金陽縣，美姑縣，德昌縣等區(qū)域；而植被覆蓋度相對較低區(qū)域主要分布在攀西西部和南部部分冰雪覆蓋區(qū)域，植被難以生長，以及分布有較多的城鎮(zhèn)和耕地的谷地和平原地區(qū)，如西昌市邛海以北附近區(qū)域，攀枝花東區(qū)、西區(qū)等地區(qū)。

圖2 四川省5大經(jīng)濟區(qū)多年平均植被覆蓋度等級分布

川南經(jīng)濟區(qū)整體植被覆蓋度較高，植被生長狀況良好，整體上呈現(xiàn)出“南高北低”的分布特征。川南大部分地區(qū)為高、中高植被覆蓋，而低、中低植被覆蓋零散分布在長江沿岸以及城鎮(zhèn)分布地區(qū)。如龍馬潭區(qū)、江陽區(qū)交界處，貢井區(qū)、自流井區(qū)以及沿灘區(qū)交界處等區(qū)域。成都平原經(jīng)濟區(qū)植被覆蓋度呈現(xiàn)出由川西高原山地區(qū)域—平原周邊區(qū)域—沖積平原區(qū)域逐漸降低的趨勢。受人為活動和水熱條件的影響，高植被覆蓋區(qū)主要集中在高山高原地區(qū)。如平武縣、北川羌族自治縣、樂山市西南片區(qū)等區(qū)域，而低、中低植被覆蓋區(qū)多分布在平原地區(qū)，經(jīng)濟發(fā)展快，建設用地較多，植被覆蓋度較低。如成都市三環(huán)內(nèi)，綿陽市涪城區(qū)、江油市及游仙區(qū)交界處，德陽市旌陽區(qū)等區(qū)域。川東北經(jīng)濟區(qū)植被生長狀況較好，整體呈現(xiàn)“北高南低，東高西低”分布趨勢，植被覆蓋度以高、中高植被覆蓋為主，而低、中低植被覆蓋區(qū)域較少，主要集中在城鎮(zhèn)分布區(qū)域，如南充市順慶區(qū)、嘉陵區(qū)及高坪區(qū)三區(qū)交界處，閬中市中部，廣元市利州區(qū)等區(qū)域。

3.2 植被覆蓋度時空變化特征

基于一元線性回歸模型，計算出四川省2009—2020年植被覆蓋度變化趨勢，不同區(qū)域存在著不同的取值，即不同的變化趨勢[25]。Lslope為正值，則表示FVC呈增長趨勢，反之，則表示FVC呈下降趨勢。根據(jù)Lslope的取值，利用自然斷點分級法將FVC變化趨勢劃分為5類:Lslope≤-0.090 892，表示植被覆蓋變化呈明顯退化趨勢；-0.090 8920.077 579，表示明顯改善。根據(jù)利用自然斷點分級法對植被覆蓋變化情況進行分級的結(jié)果，得到FVC變化趨勢圖(圖3)及FVC變化面積和比例統(tǒng)計表(表3)。通過對圖3和表3進行分析可以得出，整體上，2009—2020年間，四川省大部分區(qū)域的植被覆蓋度呈基本穩(wěn)定狀態(tài)，而明顯退化、明顯改善、輕度退化區(qū)域面積所占比例較小。呈基本穩(wěn)定狀態(tài)區(qū)域分布較廣，面積高達215 397.205 7 km2，占該省面積的44.39%，所占比例最高。植被覆蓋有所改善的區(qū)域主要分布在川西北生態(tài)示范區(qū)、攀西經(jīng)濟區(qū)及川東北部分地區(qū)，植被覆蓋有所改善的區(qū)域面積高于退化區(qū)域，植被覆蓋呈增加趨勢的面積所占比例30.78%，其中有5.45%為明顯增加；植被覆蓋呈退化趨勢的區(qū)域主要分布在川西北部分地區(qū)﹑成都片區(qū)及川東北少數(shù)區(qū)域，面積所占比例為24.82%，其中明顯退化區(qū)域僅占4.96%，所占比例最少。從面積比例來看，植被覆蓋度呈基本穩(wěn)定區(qū)域面積所占比例最大，有所改善的區(qū)域多于植被覆蓋退化的區(qū)域。

表3 四川省多年植被覆蓋度變化面積及比例

圖3 四川省2009—2020年四川省5大經(jīng)濟區(qū)植被覆蓋度變化趨勢

4 討論與結(jié)論

目前已有對四川省全域的植被覆蓋度進行研究，討論全省植被覆蓋度的總體變化情況。但并沒有依據(jù)目前四川省的5大經(jīng)濟分區(qū)做出具體分析，因此本研究基于GEE平臺對四川省5大經(jīng)濟區(qū)具體的植被覆蓋度空間分布特征進行分析討論，從而在區(qū)域尺度下，為四川省生態(tài)環(huán)境質(zhì)量評價與治理提供參考，以促進“五區(qū)協(xié)同”發(fā)展，進一步推動四川省的區(qū)域協(xié)調(diào)發(fā)展。

(1) 2009—2020年，四川省植被覆蓋度整體狀況良好，大部分區(qū)域處于高、中高植被覆蓋度，所占比例約為80%，而低、中低植被覆蓋度面積所占比例低于10%。不同地區(qū)存在著不同程度上的變化，其中攀西經(jīng)濟區(qū)的植被覆蓋增加最為明顯，川西北生態(tài)示范區(qū)、川東北經(jīng)濟區(qū)植被覆蓋情況也有一定的改善。

(2) 從空間分布上來看，四川省植被覆蓋度空間差異比較明顯，植被覆蓋度較低區(qū)域主要分布在成都平原經(jīng)濟區(qū)及川西北生態(tài)示范區(qū)的部分地區(qū)。這是因為成都平原經(jīng)濟區(qū)是四川省的經(jīng)濟活動中心，植被覆蓋度較低，比如成都市中心城區(qū)，而川西北部分地區(qū)受海拔、氣候等自然條件因素的影響，導致植被生長狀況較差。

(3) 從空間變化特征分析上來看，2009—2020年四川省植被覆蓋變化趨勢總體表現(xiàn)為相對穩(wěn)定狀態(tài)，呈改善、穩(wěn)定和退化趨勢的面積分別占四川省區(qū)域的30.78%，44.39%和24.82%，其中明顯退化區(qū)域僅占4.96%，植被覆蓋狀況有所改善的區(qū)域面積高于退化的區(qū)域。

(4) 與傳統(tǒng)的遙感信息提取方法相比，本文利用GEE云平臺，通過在線編程的方式即可實現(xiàn)遙感數(shù)據(jù)集的收集、處理及結(jié)果的輸出與下載，極大地提高了遙感影像處理的效率，為植被覆蓋度的大范圍、長時間序列的遙感動態(tài)變化監(jiān)測研究提供了廣闊前景。

為了提高區(qū)域植被覆蓋度，使生態(tài)環(huán)境可持續(xù)發(fā)展，需要對影響植被覆蓋度的主要影響因素采取相應措施，但本文主要利用遙感影像數(shù)據(jù)揭示了四川省2009—2020年的植被覆蓋度時空變化特征，并未討論分析影響植被覆蓋度變化的主要驅(qū)動力因素，因此，對區(qū)域植被覆蓋度變化進行驅(qū)動力分析是研究的下一步工作。此外，本研究主要利用Landsat數(shù)據(jù)對植被覆蓋度進行監(jiān)測，但隨著使用數(shù)據(jù)的分辨率的進一步提高，植被覆蓋度反演模型和結(jié)果的精度也會隨之提高，使用高光譜分辨率和高空間分辨率的數(shù)據(jù)或者利用多源數(shù)據(jù)對植被覆蓋度進行分析也是今后的發(fā)展趨勢。