南水北调是世界上规模最大的跨流域调水工程，分东线、中线和西线3部分。中线工程从汉江上游的丹江口水库调水至水资源匮乏的华北平原，以期从根本上缓解北方大面积地区水资源过度紧缺的状况，遏制生态环境恶化，促进社会经济发展(沈泽昊等，2006)。

我国学者对南水北调中线水源区的生态环境进行了大量研究。Dong等(2011)通过建立会计框架计算水源区生态系统服务补偿，开发了一个改进的流域标准模型。张胜利(2008)通过对秦岭火地塘林区径流的pH进行年际变化分析，发现水源区天然林径流中的部分元素浓度变化对水质影响不大，但Cd和Pd元素浓度上升需引起重视。Li等(2009)对水源区水环境状况、土地覆被和土壤侵蚀等生态环境问题进行分析，并提出了应对政策。周志强等(2012)基于遥感数据对水源区近10年植被覆盖度变化进行对比分析，发现植被覆盖度增幅特征表现为中部地区高、东西部地区低。森林是水源区的主要植被覆盖类型，在贯穿南水北调中线工程建设的近15年间，其空间分布及变化对水源区供水量和水质状况有很大影响，同时工程实施过程中所带来的水位等一系列变化也会影响水源区的森林格局，特别是其生态系统服务功能(申怀飞等，2013)，因此，对于贯穿中线工程建设前后近15年来水源区森林自然植被的变化研究非常必要。

遥感技术适用于大范围、大尺度、长时间序列的动态监测，是开展水源区森林现状及其变化分析的主要手段。Hansen等(2013)对Landsat TM影像进行分类，得到2000—2012年全球森林覆盖面积及其增加和减少量，并对每年森林的减少量及其变化趋势进行了分析。Sulong等(2002)基于Landsat TM遥感影像和航空照片对马来西亚红树林进行分类，得到14个类型，其分类精度分别达91.2%和87.8%。Desclée等(2006)采用SPOT-HRV数据，基于面向对象分类方法以及多光谱信号随机分析法提出森林土地覆被提取的新方法，并发现新方法优于基于像元的森林提取方法。面向对象分类方法在基于高分辨率影像的遥感信息提取中应用广泛(孙华等，2007；李春干等，2010；黄建文等，2006)，近年来也有一些学者利用该方法对中分辨率影像的遥感信息提取进行了研究(王久玲等，2014；谢家丽等，2014)。传统基于像元的分类方法以遥感影像中的单元像素为基本单元，参与分类的只有像素本身的光谱信息(黄瑾，2010)；而面向对象分类方法综合考虑了光谱特征以及紧密度和光滑度等几何特征，生成同质的对象多边形，与传统基于像元分类方法相比能够减少“椒盐现象”的出现(张雨霁等，2011)。

鉴于此，本研究选取2000年(中线工程建设之前的本底数据)、2010年(大坝加高工程完工及移民政策开始实施)和2015年(中线主干工程完成且通水前)3期具有代表性的数据，基于HJ-1 A/B CCD以及Landsat TM影像，采用面向对象决策树分类方法获得3期土地覆被，同时基于像元二分模型估算植被覆盖度，对南水北调中线水源区近15年的森林面积和质量变化进行动态监测分析，研究森林动态变化过程及其机制，以期为水源区森林生态系统保护和水质安全提供理论依据。

1 研究区概况

南水北调中线水源区根据流域界限划分，地理位置为31°20′—34°10′N，106°—112°E，总面积9.45万km²，包括陕西、四川、重庆、甘肃、湖北和河南5省1市(图 1)。水源区属于温暖半湿润的北亚热带季风气候区，5—10月为降雨多发季节，且在中部地区常出现暴雨。地貌由山脉、丘陵、低山、平原和盆地组成。植被种类繁多，垂直结构显著，主要由天然亚热带常绿阔叶林、落叶阔叶林、针叶林及其混交林组成，生物多样性丰富。整个水源区植被覆盖不均匀，北部和南部山区覆盖率高，中部低山丘陵区覆盖率低(Wang et al., 1999)。

2 研究方法 2.1 数据源

以美国地质勘探局网站下载的美国陆地卫星Landsat TM(2000年)数据和中国资源卫星应用网站下载的国产环境灾害卫星HJ-1 A/B CCD(2010、2015年)数据为数据源。Landsat TM数据为2000年4—8月影像，空间分辨率30 m，7个光谱波段。HJ-1 A/B数据为2010和2015年4—8月影像，空间分辨率30 m，4个光谱波段。此外，将ASTER遥感数据立体像对生成的30 m空间分辨率数字高程模型(DEM)和坡度(SLOPE)数据作为土地覆被分类系统的辅助数据，该数据从日本地球遥感数据分析中心(ERSDAC)(http://ersdac.or.jp/)获得。

基于ERDAS ATCOR3模型，对遥感影像进行辐射校正(钮立明等，2011)。采用二次多项式纠正模型和最邻近像元重采样方法，基于几何校正后的Landsat TM数据，对HJ-1 A/B CCD数据进行几何精纠正(张周威等，2013；杨佩国等，2013)，投影坐标为UTM-WGS84，配准误差小于1个像元，均在15 m以内。

在中国气象数据共享网(http://www.cma.gov.cn/2011qxfw/2011qsjgx/)下载得到2000、2010和2015年水源区内8个降水站点24 h日降水量数据，计算得到每个站点的年降水量，并将所有站点年降水量的平均值作为水源区相应年份的年降水量。

2015年6月，在研究区开展野外调查，采集具有代表性且分布均匀的土地覆被样本点(30 m× 30 m，共166个)数据，包括土地覆被类型、样点中心位置(GPS，空间精度为10 m)、采样点照片及周围环境属性。同时，获取植被覆盖度样本点(30 m× 30 m，共17个)数据，包括基于鱼眼照片计算的植被覆盖度、植被类型、样点中心位置及周围环境属性。2000年，采用Google Earth软件，共选取2 110个土地覆被样本点。2010年，基于高分辨率Rapideye(分辨率5 m)遥感影像，共选取508个土地覆被样本点。

2.2 土地覆被

以世界粮农组织(FAO)土地覆被分类系统(LCCS)(吴炳方等，2014；吴炳方，2017a；2017b)为基础，结合水源区生态环境、遥感数据分辨率和时相等因素，提出适用于南水北调中线水源区的土地覆被分类系统，包括森林、草地、水体、耕地、建设用地和裸地六大类。其中，森林包括乔木林和灌木林，草地包括草丛和草本绿地，水体包括湿地、水库、坑塘、河流和水渠，耕地包括水田和旱地，建设用地包括居住地、工业用地和交通用地、采矿场，裸地包括裸土和裸岩。

利用多尺度分割技术，考虑遥感影像上各类地物目标的光谱和几何特征，将影像分割成由同质不规则多边形组成的不同尺度对象层，其中，尺度参数取10，形状异质性指数权重系数取0.1，紧实度指数权重系数取0.5(Zhang et al., 2014；苏簪铀，2009；郭亚鸽等，2012)。

在多尺度分割对象层基础上，利用特征指数(Kallel et al., 2007)并结合分割对象的几何、纹理特征，通过决策树分离过程，不断去除非确定信息，提取特定目标地物。选用归一化植被指数(normalized difference vegetation index，NDVI)(Rouse et al., 1973)和比值植被指数(ratio vegetation index，RVI)提取水体(NDVI < 0)；选用归一化水体差异指数(normalized difference water index，NDWI)(McFeeters，1996)和插值植被指数(difference vegetation index，DVI)区分植被(NDWI>0.05)和非植被(NDWI < 0)；选用NDVI并结合4月和8月2季的波段特征提取耕地；选用第4近红外波段和第3红外波段的光谱特征同时考虑垂直植被指数(perpendicular vegetation index，PVI)区分森林和草地；选用归一化建筑物差异指数(normalized difference built-up index，NDBI)(Kallel et al., 2007)并结合对象的几何、纹理特征区分建设用地和裸地。以上方法均在eCongnition 8.0软件中实现(Zhang et al., 2014)。

采用上述面向对象决策树分类方法获取2010年土地覆被数据。对于2000和2015年土地覆被监测采用变化检测方法，在完成多尺度分割的前提下，基于2010年土地覆被分类结果，通过对比2期对象的光谱信息，提取变化的分割对象，再基于上述面向对象决策树分类方法对提取出的变化对象进行分类。

2.3 植被覆盖度

植被覆盖度为单位面积内植被面积的垂直地面投影，包括树冠和树根区域(Zhang et al., 2013)。本研究运用像元二分模型估算水源区植被覆盖度。根据像元二分模型原理，遥感传感器观测到的信息S可由植被覆盖S_v和无植被覆盖(裸土)S_s2部分构成，即：

$ S={{S}_{\text{v}}}+{{S}_{\text{s}}}。$

(1)

假设f_c为像元的植被覆盖度，则裸土覆盖的面积比例为1-f_c。如果完全由植被覆盖的纯像元所得到的遥感信息为S_veg，则混合像元植被部分所贡献的信息S_v可以表示为：

$ {{S}_{\text{v}}}={{f}_{\text{c}}}\times {{S}_{\text{veg}}}。$

(2)

同理可得，如果完全由裸土覆盖的纯像元所得到的遥感信息为S_soil，则混合像元裸土部分所贡献的信息S_s可以表示为：

$ {{S}_{\text{s}}}=\left(1-{{f}_{\text{c}}} \right)\times {{S}_{\text{soil}}}。$

(3)

将式(2)和(3)代入式(1)，有：

$ S={{f}_{\text{c}}}\times {{S}_{\text{veg}}}+\left(1-{{f}_{\text{c}}} \right)\times {{S}_{\text{soil}}}。$

(4)

因此，植被覆盖度可以通过变换式(4)得到：

$ {{f}_{\text{c}}}=\frac{\left(S-{{S}_{\text{soil}}} \right)}{\left({{S}_{\text{veg}}}-{{S}_{\text{soil}}} \right)}。$

(5)

S_veg和S_soil是像元二分模型的重要参数，只要知道这2个参数就可以根据式(5)估算植被覆盖度(周志强等，2012；Jing et al., 2011；Tømmervik et al., 2003)。

NDVI是反映植被长势、冠层形态和生物量等信息的常用植被指数之一(Gutman et al., 1998；贾宝全等，2012)。本研究选取NDVI作为植被覆盖度估算的植被指数，根据像元二分模型(吴昌广等，2012；胡玉福等，2015)，一个像元的NDVI也可由植被覆盖NDVI_veg和无植被覆盖(裸土) NDVI_soil2部分构成，将NDVI代入式(5)，可得：

$ {{f}_{\text{c}}}=\frac{\left(\text{NDVI}-\text{NDV}{{\text{I}}_{\text{soil}}} \right)}{\left(\text{NDV}{{\text{I}}_{\text{veg}}}-\text{NDV}{{\text{I}}_{\text{soil}}} \right)}。$

(6)

理论上，NDVI_veg表示植被像元其最大值可取1，同时NDVI_soil表示裸土其值可取0，但是受不同植被类型、季节、地表湿度、粗糙度以及大气影响，其取值也会发生变化，不能采用固定的NDVI_veg和NDVI_soil(Zha et al., 2003；Rundquist，2002)。因此，本研究根据NDVI数据频率统计表，取累积频率2%的值为NDVI_soil，取累积频率98%的值为NDVI_veg。

此外，在植被覆盖度监测中，考虑遥感影像获取时间对植被覆盖度变化的影响，特别选取3期时间较为相近的遥感数据，其中2015年选用5月12—23日的影像、2010年选用5月20日—6月28日的影像、2000年选用5月10—12日的影像。在对比分析3期植被覆盖度监测结果时，可以忽略植被因不同生长季引起的差异。

2.4 精度验证与变化分析

采用Kappa分析方法分别对2000、2010和2015年3期土地覆被监测结果进行精度验证。Kappa分析在精度评价中使用离散的多元方法(Congalton et al., 1983)，生成一个统计量K，K是遥感分类图和参考数据之间的一致性或精度的量度。

基于ArcGIS空间分析和统计分析工具，对3期森林面积及其植被覆盖度变化进行分析讨论。依据3期土地覆被数据，定量描述森林面积的增减量，并采用转移矩阵分析森林类型的转移途径和幅度。通过3期植被覆盖度数据，对水源区近15年来森林植被质量变化进行分析。

3 结果与分析 3.1 土地覆被及精度验证

基于上述遥感监测方法，获得水源区2000、2010和2015年土地覆被空间分布结果见图 2和表 1。利用土地覆被精度验证方法，得到水源区2000、2010和2015年土地覆被分类精度见表 2~4，其中，土地覆被2000、2010和2015年K分别为89.4%、86.9%和84.4%。3期森林分类精度比较稳定，2000年用户精度为98%，2010年用户精度为96%，到2015年用户精度为94%。

3.2 森林面积变化分析 3.2.1 森林面积整体变化分析

森林是水源区的主要植被覆盖类型，近15年来，森林面积持续增加，增幅达9.5%，森林覆盖率也从2000年的73.1%增加到2015年的79.7%。2000—2010年，森林面积大幅度增加，从69 083.4 km²增加到75 433.5 km²，但2010—2015年，森林面积增加缓慢，增量仅为182.3 km²(图 3)。

根据2000—2015年土地覆被转移矩阵(表 5)可以看出，增加面积主要来自草地，为5 544 km²，其次为耕地，为5 424 km²，建设用地贡献面积也达182 km²；然而，随着水源区大规模移民和区域经济不断发展，仍有2 435 km²的森林转化为耕地，增加的草地面积约1 992 km²来自森林，增加的水体面积约411 km²来自森林，建设用地约34.8%的增量也来自森林。因此，森林与耕地、草地、水体和建设用地的转换是近15年来导致水源区森林面积变化的主要原因。

3.2.2 森林面积分市变化分析

南水北调中线水源区主要包括安康、汉中、商洛、十堰和南阳5市。从各市森林面积变化(图 4、5)可知，2000—2015年，十堰市森林面积增量最大，达到1 383.9 km²，增幅9.4%，但2010—2015年，森林面积呈减少趋势，减量为722.6 km²。安康市是水源区森林面积最大的地区，3期面积分别为17 513.1、18 863.9和18 857.9 km²，2000—2015年，森林面积增量位列第二，为1 344.8 km²。南阳市森林面积最小，从2000年的3 004.6 km²增加到2015年的3 911.6 km²，增幅最大，达30.2%。2000—2010年，汉中市森林面积增加1 472.0 km²，但2010—2015年，森林面积小幅度减少，减少量为141.0 km²。2000—2015年，商洛市森林面积持续上升，面积增加296.6 km²，增幅为2.2%。

3.3 植被覆盖度变化分析

2000—2015年，水源区整体植被覆盖度增加17%，3期植被覆盖度分别为0.53、0.63和0.70，其中森林植被覆盖度增加显著，分别为0.67、0.80和0.84，增幅达25.4%。通过对植被覆盖度地面实测样点与遥感监测结果进行验证分析，得到2010年的精度验证结果为R²=0.816 1(周志强等，2012)，2015年基于17个验证点的精度验证结果为R²=0.789 4，如图 6所示。

本研究将植被覆盖度分成4个等级，分别为0~0.3、0.3~0.6、0.6~0.8和0.8~1.0，如图 7所示。通过对各等级森林植被覆盖度面积百分比进行分析，能够在不考虑森林面积变化的情况下获得森林植被长势信息。2000年，植被覆盖度在0.6~0.8之间的面积占森林总面积比例最大，为38.7%，但在2010以及2015年，植被覆盖度在0.8~1.0之间的面积比例最大，分别为62.2%和71.2%。近15年来，植被覆盖度在0.8~1.0之间的面积比例呈增加趋势，特别是2000—2010年，面积比例增加近1倍，增幅达94.1%。植被覆盖度在0.6~0.8之间，面积比例持续减少，到2015年，面积比例仅为22.7%，减幅达70.5%。植被覆盖度最小的0~0.3区间内，面积比例从2000年的7.1%减少到2015年的0.6%。

4 讨论

2000—2015年，南水北调中线水源区森林面积持续增加，增幅达9.5%。森林面积变化的主要原因，一是从2002年起，国家在丹江口水库上游实施退耕还林和封山育林等生态工程项目(王公华，2008)，建立了绿色生态屏障(杨云彦，2007)，特别是位于高山区的天然灌木在植树造林、封山育林等一系列政策影响下，逐渐形成小有规模的人工林(曹慕俊等，1980)；二是从2009年起，水源区开始大规模移民(任泽俭等，2008；王宝恩等，2006)，导致2010—2015年建设用地扩张明显，对森林造成一定破坏，特别是位于库区周边的地区，建设用地增幅最为显著；三是随着区域经济不断发展(刘平，2014)，位于河谷盆地内的居民区域向外扩张，使得森林、农田、草地向建设用地大范围转化。

在南水北调中线水源区5市中，十堰市和安康市的森林面积增量最大，这是因为十堰市、安康市大力实施退耕还林、植树造林、天然林保护、汉江绿化和生态修复等重点工程项目(余凌云，2011；张耀伟，2014)，效果显著。丹江口水库大坝加高后，淹没了大量农田及部分森林，且十堰市移民18余万人(任泽俭等，2008)，从而使2010—2015年十堰市库区移民新增建设用地和部分新增农田占用了森林面积。南阳市只包含西峡、淅川和内乡3县的部分地区，位于水源区的面积只占南阳市总面积的21.8%，导致南阳市森林面积与其他4市相比最小。

2010—2015年, 水源区植被覆盖度也呈增加趋势，其中森林植被覆盖度增幅达25.4%，这主要与水源区大力实施生态政策有关，包括退耕还林工程和天然林保护工程等。在政策开始实行的第一阶段，工作重点是对自然植被面积进行扩张和防护；取得一定成效后，工作重点转移到增加植被密度并维护植被长势上，如进行生态成果巩固以及规范化管理等(刘平，2014)。同时，参考水源区气象数据可以发现，2000、2010和2015年3期年均降水量分别为1 024.1、1 022.5和804.1 mm，2000和2010年降水量差别不大，且略高于2015年，充足的降水对植被长势具有促进作用。根据本研究结果，森林植被覆盖度在15年间呈增加趋势，特别是2000—2010年，植被覆盖度增幅达19.4%。

森林植被覆盖度显著增加，使水源区森林密度提升，高密度的森林植被能够在地表形成植被保护层，降低水源区土壤的水力侵蚀风险，同时，也能够有效拦截地表径流，对沟渠侵蚀发生具有削弱作用(Jian et al., 2015；Li et al., 2016)，从而提高水源区水土保持能力。此外，在山区森林密度增加，还能够防止大于15°的坡度区域出现风化现象(Gu et al., 2013)。近15年来，森林面积与森林植被覆盖度显著增加，可以对水源区空气净化、植被营养累积、固碳、森林保护及维护生物多样性等方面起到积极作用(Li et al., 2016)。

5 结论

1) 2000—2015年，水源区森林面积持续增加，增幅达9.5%，增加面积主要来自草地、耕地和建设用地，主要源于退耕还林和封山育林等生态工程项目的实施；然而，随着水源区大规模移民和区域经济不断发展，也使得约4 547 km²的森林转化为耕地、草地和建设用地。

2) 从水源区森林面积变化来看，丹江口水库位于十堰市，其退耕还林等生态修复工程效果显著，森林面积增量最大，达到1 383.9 km²。

3) 2000—2015年，水源区森林植被覆盖度增加，增幅达25.4%，且植被覆盖度在0.6以上的森林面积比例最大，到2015年达94.4%。水源区实施生态政策取得一定成效后，重点转移到增加植被密度并维护植被长势上。森林密度提升，提高了水源区水土保持能力，同时在固碳、植被营养累积、空气净化和维护生物多样性等方面也起到积极作用。

需要说明的是，本研究在对土地覆被监测结果进行精度验证时，因没有本底野外调查数据积累，只有2015年采用了实测的野外样地数据。在今后的监测工作中，应逐年获取水源区具有代表性的野外采样点，为后期的土地覆被分类和验证提供更多的地面数据支持。此外，水源区矿山、尾矿库和工厂的动态监测也很有必要，通过获取高分辨率遥感数据，对比分析因开采矿山或扩建工厂导致的森林面积变化，从而为南水北调中线水源区生态环境建设提出合理的治理及保护方案。