植被覆盖度是指植被(包括叶、茎、枝)在地面的垂直投影面积占统计区总面积的百分比(Gitelson et al., 2001; 陈巧等, 2006), 它是自然环境变化和人类活动综合作用的结果, 是描述生态系统的重要基础性指标(Sellers et al., 1996; 刘静等, 2009), 同时也是许多全球及区域水文气候模拟模型中不可或缺的重要变量。植被是地球系统五大圈层之一的生物圈的重要组成部分, 包括森林、灌丛、草地、农田和果园等, 既是生态环境的重要组成部分, 又是维持生态环境、发挥有效生态效能的功能体, 是衡量自然生态环境状况和性质的主要指示物, 其变化对全球能量循环及物质的生物化学循环具有重要的影响。对植被覆盖信息的监测具有重要的生态和社会意义(范锦龙等, 2009; 王莉雯等, 2008)。由于植被覆盖度具有显著的时空分异特点, 依靠传统的地面样方实测估算的方法存在着花费巨大人力、财力且精度不高的缺点。因此, 探讨利用遥感资料估算大面积植被覆盖度的方法已成为当前建立全球及区域气候、生态模型的基础工作之一(陈晋等, 2001)。遥感估算植被覆盖度的方法主要有经验模型法和植被指数转换法(张云霞等, 2003)。由于前者依赖于对特定区域的实测数据, 虽在小范围区域具有一定的精度, 但在推广应用方面却受到诸多限制。因此, 近年来发展起来的不依赖于植被覆盖度实测数据, 而直接由植被指数向植被覆盖度转换的方法正成为相关领域研究的一种趋势(盖永芹等, 2009)。

由于植被指数是通过卫星遥感等新技术手段间接地获取地面植被的覆盖信息, 是一种对植被覆盖的综合、抽象和概括度量, 不能直接度量植被覆盖状况, 需要通过一定的技术手段将植被指数转化为植被覆盖度(江洪, 2006)。近年来, 国内外在植被遥感监测方面开展了大量的研究, 涌现了许多植被覆盖变化监测的方法, 主要有:植被指数法、回归分析法、人工神经网络法、像元分解模型法等(谢晓华等, 2008), 其中, 将植被指数法和像元分解模型法结合起来估算植被覆盖度的方法得到较为普遍的推广(张本昀等, 2008; 胡健波等, 2009)。这种结合方法建立在遥感影像解译图基础上, 通过提取相应的影像波段, 然后建模得到复合植被指数模型, 最后经过植被指数转换方法估算植被覆盖度。本研究主要采用混合像元法来估算植被覆盖度, 在植被指数的选取上, 针对研究区的特点, 基于ITTO (international tropical timber organization)的FCD模型(forest canopy density mapping model)方法(Rikimaru et al., 1997), 构造可以消弱阴影和土壤背景影响的复合植被指数(VBSI)。实践证明:基于TM遥感影像的FCD模型所做的植被覆盖率图和使用野外调查数据的结果相比, 有着大约90%的精确度(Rikimaru, 1996; 李晓琴等, 2003)。

新疆是西部大开发的重要战略基地之一, 而渭干河-库车河三角洲绿洲是一个以农业为主、农牧结合的地区, 是新疆自治区最重要的粮棉生产基地之一, 促进农业发展是该地区长期的战略。本文选用了1989, 2001和2006年3期的渭干河-库车河三角洲绿洲TM / ETM +遥感影像图, 利用这3期的遥感影像图, 结合复合植被指数(VBSI), 计算植被覆盖度, 对渭干河-库车河三角洲绿洲植被覆盖度的动态变化进行遥感监测, 研究该绿洲这3个时期植被覆盖动态变化规律, 为西部新疆渭干河-库车河三角洲绿洲的生态建设和可持续发展提供决策支持。

1 研究区概况

渭干河-库车河三角洲绿洲(以下简称渭-库绿洲)位于天山南麓, 塔里木盆地北部, 地理坐标41°06'—41°38' N, 81°26'—83°17' E, 是典型而完整的山前冲积扇平原, 辖阿克苏地区的库车、沙雅和新和3个县。研究区内下垫面条件基本相似, 地表起伏不大, 而且库车、沙雅、新和3县气象站呈“品”字状分布在绿洲区内, 对绿洲内部的农区具有较好的代表性。研究区示意图如图 1。渭干河出山口后呈辐射状分布, 形成东西长约64 km、南北宽约160 km的大扇裙绿洲, 地势北高南低, 平均海拔920 ~ 1 100 m。该绿洲深居内陆腹地, 具有降水稀少、蒸发强烈、温差大、风大沙多、日照时间长等特点, 为典型的大陆气候。多年平均降水量51.6 mm, 年内降水量60% ~ 70%集中在5—8月, 多年平均蒸发量为1 992.0 ~ 2 863.4 mm, 多年平均气温为10.5 ~ 11.40 ℃, 年极端最高气温41.5 ℃, 年极端最低气温为-28.9 ℃, 最多风向是东北风, 常见的大风风向是北风, 无霜期209.8 ~ 226.4天。渭干河-库车河三角洲绿洲历史上水草丰盛, 自20世纪70年代以来, 上游灌区生产发展较快, 人类活动的用水水平大大提高, 使之下游水源逐渐减少, 湖水干涸, 沙漠侵入, 原生植被退化, 逐渐演变为现在的荒漠植被类型, 并有进一步退化趋势(张飞等, 2006)。

2 数据来源及研究方法 2.1 数据来源及预处理

本研究的基础数据是渭-库绿洲1989年9月25日、2001年8月1日和2006年7月22日的Landsat TM / ETM +影像数据(三时相的TM / ETM +影像数据均摄于农作物、人工植被及天然植被生长较好时期, 完全可以代表该地区的植被生长状况, 植被变化具有可比性), 轨道号为145 /031。植被的生长发育期主要为5—10月, 大部分植被在6—9月达到年内的鼎盛期(杨光华等, 2009)。遥感图像的预处理:在ENVI4.5软件中, 对遥感数据进行去噪、辐射校正、直方图匹配以及剪裁等前期处理。数据源还包括:用于几何精校正及配准的1: 5万地形图及其矢量化数据; 检验分类精度的1988, 1995, 2002年1: 5万库车、新和和沙雅县土地利用图及其矢量化数据以及相关历年土地详查、人口、社会经济等统计资料、野外考察资料和与GPS点相对应的实地景观照片数据库等。

2.2 研究方法 2.2.1 FCD模型原理(Joshi et al., 2006)

FCD模型是基于森林的生物-物理特性而提出的, 主要包括4个指数:植被指数(NDVI)、裸土指数(bare soil index, BI)、阴影指数(shadow index, SI)和热量指数(thermal index, TI, 该指数使用较少)。这4个指数的特性和关系如图 2所示(江洪等, 2005)。根据研究中采用遥感影像的特性, 试验中利用绿波段(B₂)、红波段(B₃)、近红外波段(B₄)和短波红外波段(B₅)构造植被指数、裸土指数和阴影指数(李晓琴等, 2003; 江洪等, 2005)。

(1)

(2)

(3)

2.2.2 VBSI的构造

通过对VI, BI, SI的研究发现: SI与VI呈正相关, BI与VI呈负相关; 通过对VI, BI, SI的线性组合, 可以在一定程度上减弱影像阴影、土壤背景、岩石、建筑用地等对植被信息的影响。在试验的基础上, 构造出VBSI, 其基本公式为:

(4)

式中: n为修正系数, 根据实际情况和试验, 本研究取n =-0.1。

2.2.3 植被覆盖度遥感估算模型

像元二分模型是一种简单实用的遥感估算模型, 它假设1个像元的地表由有植被覆盖部分地表与无植被覆盖部分地表组成, 而遥感传感器观测到的光谱信息也由这2个组分因子线性加权合成, 各因子的权重是各自的面积在像元中所占的比率, 如其中植被覆盖度可以看作是植被的权重(江洪等, 2006; 乔锋等, 2006)。根据像元二分模型的原理, 通过遥感传感器所观测到的信息S, 就可以表达为由绿色植被成分所贡献的信息S_v与由土壤成分所贡献的信息S_s这2部分组成。混合像元法是将遥感影像的像元信息S简化为植被信息S_v和非植被信息S_s2部分, 即:

(5)

设一个像元中有植被覆盖的面积比例为f_c, 即该像元的植被覆盖度, 则非植被覆盖的面积比例就是1-f_c。如果全植被覆盖的像元信息为S_veg, 则混合像元的植被部分所贡献的信息S_v可以表示为S_veg与f_c的乘积:

(6)

同理, 如果完全无植被覆盖(全由土壤所覆盖的纯像元)的像元信息为S_soil, 混合像元的非植被信息S_s可以表示为S_soil与1-f_c的乘积:

(7)

将式(6)与式(7)代入式(5), 可得:

(8)

公式(8)可以理解为将S的线性分解为S_veg与S_soil2部分, 这2部分的权重分别为它们在像元中所占的面积比例, 即f_c与1-f_c。对于超过2种组成成分以上的像元, 公式(8)需要被修正。这种分析假定一个像元只包含植被或土壤2种成分。

对式(8)进行变换, 可以得到以下计算植被覆盖度的公式:

(9)

其中S_veg与S_soil都是参数, 因而可以根据公式(9)利用遥感信息来估算植被覆盖度。像元二分模型的一大优点就是削弱大气、土壤背景与植被类型等的影响。遥感信息普遍都受到这些因素的影响, 如何消除这些影响一直是研究者们亟待解决的问题。像元二分模型是通过引入参数S_soil与S_veg来削弱这些影响的。S_soil包含了土壤的信息, 包括土壤类型、颜色、亮度、湿度等因素对于遥感信息的贡献; 而S_veg包含了植被的信息, 包括植被类型、植被结构等有关植被的因素对于遥感信息的贡献; 两者又同时受到大气的影响, 均包含了一定的大气对于遥感信息的贡献。像元二分模型实际上是基于S_soil与S_veg这2个调节因子所做的线性拉伸, 即将大气、土壤背景与植被类型等对遥感信息的影响降至最低, 只留下植被覆盖度的信息(李苗苗等, 2004; 牛宝茹等, 2005)。

2.2.4 利用VBSI估算植被覆盖度

由于VBSI是一种由遥感传感器所接收的地物光谱信息经过线性组合而形成的复合植被指数, 反映地表植被状况的定量值。根据像元二分模型, 将复合植被指数VBSI代入公式(8)可以被近似为:

(10)

即图像中每个像元的VBSI值可以看成是有植被覆盖部分的VBSI与无植被覆盖部分的VBSI的加权平均, 其中有植被覆盖部分的VBSI的权重即为此像元的植被覆盖度, 而无植被覆盖部分的VBSI的权重即为1-f_c。其中, VBSI_soil为裸土或无植被覆盖区域的VBSI值, 即无植被像元的VBSI值; 而VBSI_veg则代表完全被植被所覆盖的像元的VBSI值, 即纯植被像元的VBSI值。由公式(9)变换可得利用VBSI计算植被覆盖度的公式:

(11)

结合土地覆盖分类, VBSI_veg和VBSI_soil分别取给定置信区间积累百分数为0.5%和99.5%内的最大值和最小值代替(李红, 2009), 从而减少模型的误差, 分别计算出1989, 2001和2006年3个时期的植被覆盖度。

2.2.5 植被盖度等级的划分

根据水利部颁布的《土壤侵蚀分类分级标准》, 国家《土地利用现状调查技术规程》、全国《草场资源调查技术规程》, 同时结合干旱区绿洲植被特有的生态特征, 将研究区植被盖度分为5级, 分类标准如下(蔡体久等, 2005) : Ⅰ级为极低覆盖度区, 植被盖度小于10%, 主要是强度沙化土地、裸地; Ⅱ级为低覆盖度区, 植被盖度10% ~ 30%, 主要是低产草地、疏林地、荒耕地, 属差等植被; Ⅲ级为中覆盖度区, 植被盖度30% ~ 50%, 主要是中产草地、低郁闭林地, 属于中等植被; Ⅳ级为中高覆盖度区, 植被盖度50% ~ 70%, 主要是滩地、中高产草地、林地, 属于良等植被; Ⅴ级为高覆盖度地区, 植被盖度70%以上, 主要是密林地、高产草地, 属优等植被。

3 结果与分析 3.1 渭-库绿洲植被覆盖度估算结果及其精度验证

对于VBSI和植被覆盖度的计算, 利用ENVI软件中的band math模块对图像直接进行计算实现公式(11), 从而获得渭-库绿洲植被覆盖度栅格图(图 3)。研究区1989, 2001及2006年3个时相的平均植被覆盖度分别为40.17%, 38.9%和53.6%。由于影像采集时间跨度小, 笔者对此进行了实地野外考察, 以实测值对遥感估算结果进行验证。研究中根据实际情况, 在2006年7月在研究区应用GPS、数码相机(应与地面垂直的角度拍摄)等进行实地采点, 并采用专家判读获取采点地物的植被覆盖度。考虑到目估法测量植被覆盖度的精度和可靠性不是很稳定(章文波等, 2001a; 2001b), 故研究中对实测植被覆盖度主要围绕0, 0.25, 0.50, 0.75和1.00共5个等级范围进行采点验证。经野外实地验证, 该方法总体精度达到83.52%, 说明基于VBSI指数的混合像元法估算植被覆盖度能满足区域尺度的植被覆盖度调查要求。

将得到的植被盖度图按上文划定的5种覆盖度类型进行分类, 得到渭-库绿洲5种植被覆盖度等级面积及其变化率(表 1)。总的来说, 渭-库绿洲极低覆盖度和低覆盖度比重较大, 占总面积的1 /2多, 而中覆盖度和中高覆盖度比重次之, 占总面积的1/3多。

从各个时段来看: 1) 1989—2001年, 年均变化率最高的为中覆盖度和低覆盖度, 分别增加0.631%和减少0.869%;其次为极低覆盖度和中高覆盖度, 分别增加0.42%和减少0.2%, 高覆盖度变化最小。极低覆盖度和中覆盖度面积都略有增加, 由1989年的42.144万和21.371万hm²分别增加至2001年的48.736万和31.271万hm²。2) 2001—2006年, 年均变化率最高的为极低覆盖度和低覆盖度, 分别增加2.02%和减少1.669%;其次为中高覆盖度和中覆盖度, 分别增加0.349%和减少0.65%, 高覆盖度变化最小。极低覆盖度、中高覆盖度和高覆盖度面积都略有增加, 由2001年的48.736万, 20.421万和6.556万hm²分别增加至2006年的61.945万, 22.7万和6.915万²。3) 1989—2006年, 年均变化率最高的为极低覆盖度和低覆盖度, 分别增加0.891%和减少1.104%。高覆盖率变化最小, 年均变化率为0.008%;极低覆盖度和中覆盖度面积都有增加, 由1989年的42.144万和21.371万hm²分别增加至2006年的61.945万和27.023万hm², 虽然局部生态环境有一定改善, 但整体生态环境仍呈恶化趋势。

3.2 渭-库绿洲植被覆盖度动态变化分析

为了精确定量计算植被覆盖度的格局与变化, 笔者将不同时期植被覆盖等级图进行空间叠加运算, 最终求出不同时期植被覆盖度等级的转移矩阵, 见表 2~4。

从表 2可以看出:对角线数据均为植被覆盖度等级未变化部分(水体除外), 其面积为64.71万hm², 占总面积的49.5%, 这主要由极低覆盖度构成, 低覆盖度次之。植被退化面积(Ⅴ → Ⅳ, Ⅴ→Ⅲ, Ⅴ → Ⅱ, Ⅴ → Ⅰ, Ⅳ → Ⅲ, Ⅳ → → Ⅱ, Ⅳ→Ⅰ, Ⅲ→Ⅱ, Ⅲ→Ⅰ, Ⅱ→Ⅰ)为27.37万hm², 而植被恢复面积(Ⅰ → Ⅱ, Ⅰ → Ⅲ, Ⅰ → Ⅳ, Ⅰ→Ⅴ, Ⅱ→Ⅲ, Ⅱ→Ⅳ, Ⅱ→Ⅴ, Ⅲ→Ⅳ, Ⅲ→Ⅴ, Ⅳ→Ⅴ)为36.02万hm², 是植被退化面积的1.3倍。这表明1989—2001年这段时期是一种良性变化趋势。

从表 3可以看出:其未变化部分面积为72.76万hm², 占总面积的55.6%, 这主要由极低覆盖度构成, 中覆盖度次之。植被退化面积为22.90万hm², 而植被恢复面积为32.37万hm², 是植被退化面积的1.4倍。这表明2001—2006年这段时期也是一种良性变化趋势。

从表 4可以看出:其未变化部分面积为58.59万hm², 占总面积的44.8%, 这主要由极低覆盖度构成, 中高覆盖度次之。植被退化面积为26.36万hm², 而植被恢复面积为43.30万hm², 是植被退化面积的1.6倍。这表明1989—2006年这段时期良性变化趋势在逐步增加, 说明封育等恢复植被措施取得了成效。

3.3 渭-库绿洲植被覆盖度变化原因分析

随着理论研究和实地考察的逐渐深入, 研究认为:造成上述植被覆盖度变化的主要驱动因素为气候因素、人为因素以及经济利益和政策。

1) 气候因素:植被覆盖度变化和气候变化的响应关系研究一直是国内外全球变化研究的主要内容。研究区气候状况如图 4所示。在干旱半干旱地区, 水分条件是制约植被生长的瓶颈, 降水对植被空间分布具有决定性意义。渭-库绿洲位于天山南麓, 塔里木盆地北缘, 地势南低北高, 远离海洋, 周围为沙漠和砂石质戈壁所包围, 从而形成了极其干旱少雨的环境。在全球气候变化背景下, 渭-库绿洲的气候会更加温暖干燥, 这不但进一步加剧了该地区的土壤水分蒸发和植被蒸腾作用, 而且有可能加快土地朝着盐渍化方向发展的速度。

2) 人为因素:虽然渭-库绿洲严酷的自然条件在一定程度上制约了植被覆盖的空间分布量, 但人类活动也是不可忽视的因素, 更多时候甚至是主要因素。农业生产、生态建设等人类活动是改善渭-库绿洲植被覆盖度的极为重要的原因。近年来大规模实施的天然林保护、平原绿化、草地改良、塔里木河生态治理等生态建设工程所带来的生态效应正在呈现。

3) 经济利益和政策:近年来, 在经济利益的驱动下, 收益较高的棉花生产总体上呈快速上升态势, 结果导致部分天然绿洲和大量荒地转化为棉田; 另外, 新疆自治区政府“一黑一白一绿”(黑为石油, 白为棉花, 绿为绿化、植树造林)的发展战略, 也是驱动棉花面积扩张的重要因素之一; 人工绿洲转化为荒地或荒漠的主要原因, 则是因不合理利用土地, 部分耕地严重次生盐渍化或沙化弃耕造成的。

从渭-库绿洲1989, 2001和2006年植被覆盖度分级图并结合以上的分析可以发现:该绿洲17年间的植被覆盖度主要呈增高趋势。高覆盖度面积的增加主要是因为生态环境的改善有利于植被生长。随着社会经济的发展, 人们对环境保护、生态建设和可持续发展认识的不断提高和退耕还林还草措施的实施, 使得中覆盖度、高覆盖度面积有所增加。这说明近几年来的塔里木河水土保持重点工程建设和保护胡杨(Populus euphratica)林等生态建设工程在局部地区已经取得一定成效; 而极低覆盖度面积的增加主要是因为生态需水的问题。

4 结论

本文利用1989, 2001和2006年的Landsat TM / ETM +影像对渭-库绿洲17年来的植被覆盖度变化进行了定量研究, 对植被的变化情况进行动态分析。

1) 使用Landsat TM / ETM +遥感图像, 结合GIS技术, 基于FCD模型原理进行植被盖度的估算提取, 此方法不需要进行大面积的地面样区实测, 可以节省不少人力、物力和时间。结果表明:基于VBSI的混合像元法估算植被覆盖度的总体精度达到83.52%, 能满足区域尺度的植被覆盖度调查要求, 在植被覆盖度遥感监测中有着较好的应用前景。

2) 自1989年以来, 渭-库绿洲植被覆盖度出现了较大波动。平均植被覆盖度由1989年的40.17%上升为2006年的53.6%。这主要与气候因素、人为因素以及经济利益和政策有密切关系。

3) 从植被覆盖度空间情况看, 渭-库绿洲极低覆盖度和低覆盖度比重较大, 占总面积的1 /2多, 而中覆盖度和中高覆盖度比重次之, 占总面积的1 /3多。1989—2006年, 年均变化率最高的为极低覆盖度和低覆盖度, 分别增加0.891%和减少1.104%。高覆盖率变化最小, 年均变化率为0.008%。极低覆盖度和中覆盖度面积都有增加, 由1989年的42.144万和21.371万hm²分别增加至2006年的61.945万和27.023万hm², 虽然局部生态环境有一定改善, 但整体生态环境仍呈恶化趋势。

4) 植被覆盖度作为水土流失、景观格局等研究的重要影响因子, 对生态环境监测保护与可持续发展都有着重要意义。综合运用“3S”技术, 发挥其优势, 准确地为其他研究提供可靠依据, 是今后植被覆盖度的研究重点。

近几年的实地野外考察证明:用该方法对干旱区绿洲的环境质量进行评价, 可以防止盲目地开发, 为合理开发绿洲、可持续发展绿洲资源及改善绿洲生态环境等提供新的研究方法和科学的依据。随着社会经济的发展, 人们对环境保护、生态建设和可持续发展认识的不断提高, 有关专家学者对塔里木盆地北缘的盐渍化现状给予了特别的关注, 在深入实地考察的基础上, 从理论上提出大量的合理化建议和科学的防治措施(满苏尔·沙比提等, 2004a; 2004b; 2005; 黎明等, 2005; 陈小兵等, 2007)。今后, 渭-库绿洲(包括库车县, 沙雅县, 新和县)应大力研究治理盐渍化措施, 坚持大搞农田基本建设, 开展各种造林活动, 尤其是营造农田防护林, 使绿洲生态环境得到改良、恢复、呈现新的发展。

总之, 通过对研究区1989—2006年植被覆盖度的对比研究说明:只要人类采取科学的态度和积极措施来善待我们的家园, 生态环境就会得到较好的保护和改善。因此, 要积极“落实科学发展观, 统筹人与自然和谐发展”, 走可持续发展道路。