饒品增，蔣衛(wèi)國，賈 凱，王曉雅

(1. 環(huán)境演變與自然災(zāi)害教育部重點實驗室 北京 100875；2. 北京師范大學(xué) 地理學(xué)院，北京100875；3. 北京師范大學(xué) 地理科學(xué)學(xué)部，北京 100875)

2013年黑龍江省洪水對植被影響評估*

饒品增1,2,3，蔣衛(wèi)國1,2,3，賈 凱1,2,3，王曉雅1,2,3

(1. 環(huán)境演變與自然災(zāi)害教育部重點實驗室 北京 100875；2. 北京師范大學(xué) 地理學(xué)院，北京100875；3. 北京師范大學(xué) 地理科學(xué)學(xué)部，北京 100875)

洪水災(zāi)害會對植被造成嚴(yán)重的破壞。利用Landsat 7/8數(shù)據(jù)和MNDWI方法提取了2013年東北地區(qū)松花江流域的洪水淹沒范圍，并基于此統(tǒng)計分析了黑龍江省各個市縣的植被受災(zāi)情況。研究結(jié)果表明：此次洪水對黑龍江省植被造成了嚴(yán)重的破壞，其中遭受破壞的主要植被類型包括旱地植被、草本濕地植被、水田和落葉闊葉林；植被遭受破壞最嚴(yán)重的城市為佳木斯市，最嚴(yán)重的兩個縣或縣級市為大慶市的肇源縣和佳木斯市的同江市。

洪水；植被； MNDWI；評估；黑龍江省

洪澇災(zāi)害是世界上發(fā)生非常頻繁，危害非常嚴(yán)重的自然災(zāi)害之一[1]。尤其是在中國，洪澇災(zāi)害事件頻繁發(fā)生，加上我國洪災(zāi)易發(fā)區(qū)人口密度較大、基礎(chǔ)設(shè)施落后等原因，洪澇災(zāi)害常引起大量的人口傷亡和經(jīng)濟(jì)損失。目前針對洪澇災(zāi)害的監(jiān)控主要有兩種手段：水文站點觀測和遙感監(jiān)測。水文站點觀測主要是通過獲取洪澇災(zāi)害區(qū)的水文站點水位數(shù)據(jù)來探究該站點周邊的洪水情況，其優(yōu)點是能夠獲取精確的水位數(shù)據(jù)來評估洪水過程及規(guī)模，缺點是站點數(shù)據(jù)為點數(shù)據(jù)，其數(shù)值很難代表一個較大流域的實時洪水淹沒過程。當(dāng)研究區(qū)域水文站點較少時，這種方法不太適用。遙感監(jiān)測相對于水文站點觀測，其數(shù)據(jù)精度較低，但它獲取的是洪水淹沒的面數(shù)據(jù)，能最直接地反映洪水淹沒范圍，因而該種方法隨著遙感影像精度的提高，正逐步應(yīng)用到洪水監(jiān)測中來[2]。目前，很多遙感衛(wèi)星具有較高的時間和空間分辨率，可以全天時、全天候地對洪水進(jìn)行監(jiān)測、預(yù)報和災(zāi)后損失評估，能為防災(zāi)救災(zāi)決策過程提供準(zhǔn)確詳細(xì)的區(qū)域背景狀況和災(zāi)情信息[3-4]。常用的遙感影像數(shù)據(jù)有Landsat、MODIS、AVHHR、SPOT、雷達(dá)衛(wèi)星以及我國的環(huán)境衛(wèi)星系列等。其中，第一顆Landsat衛(wèi)星發(fā)射于1972年，40多年來Landsat前后發(fā)射了8顆衛(wèi)星，目前還在運行的有Landsat 5/7/8，由于其分辨率較高(30 m左右)，而且可以免費獲取，是目前應(yīng)用于洪澇監(jiān)測最廣泛的遙感數(shù)據(jù)源之一。

洪水和植被具有相互作用的關(guān)系。其中植被具有吸收水分和抑制洪水?dāng)U散的作用，濃密的植被能減弱洪水造成的水土流失和下游淤積，起到固土和護(hù)坡的作用。過去，很多研究人員從定性和定量的兩個角度探討了植被對洪水的抑制作用。徐建華等[5]通過分析汾川河流域不同時期洪水和植被的相關(guān)關(guān)系來定性評估植被的減水減沙作用，結(jié)果表明植被條件較好會對降雨起到明顯的減水減沙作用。劉洋[6]利用水文模型DHSVM來探究植被覆蓋變化對新疆天山地區(qū)巴音布魯克盆地的水文過程影響，分析得不同植被覆蓋和水文徑流的相關(guān)關(guān)系。王清華等[7]利用水動力學(xué)模型MIKE11模擬了不同植被覆蓋率下的暴雨洪水過程，結(jié)果表明：黃土高原植被覆蓋率超過60%的王家河流域，能降低平均37%的洪水。

植被是自然環(huán)境中最重要的地表覆蓋之一，對環(huán)境和生態(tài)的保護(hù)具有重要價值。植被在抑制洪水的過程中，自身也會遭受破壞。然而，目前很少有研究人員探討洪水爆發(fā)過程中植被的受災(zāi)情況，即洪水對植被造成的影響，本文從另外一個角度來探討洪水對植被的影響。本文擬選取東北地區(qū)黑龍江省2013年發(fā)生的特大暴雨洪水事件，通過遙感手段獲取洪水災(zāi)害造成的植被受淹情況，探究此次洪水對黑龍江省植被的影響，并計算出了各個市縣的植被具體受災(zāi)情況，為洪水過后植被的防護(hù)及管理提供對策。

1 研究區(qū)概況

黑龍江省，位于中國東北地區(qū)，地處121°11′～135°05′E和43°2′～53°33'N之間，面積約為47.3萬km2。東面與內(nèi)蒙古自治區(qū)毗鄰，南面與吉林省交界，東部的烏蘇里江和北部的黑龍江為中國和俄羅斯的界河，水陸邊界長達(dá)3000km。黑龍江西北部為東北——西南走向的大興安嶺山地，東北部的三江平原和西部的松嫩平原，是中國最大平原——東北平原的一部分，平原占全省總面積的37.0%。黑龍江省為溫帶大陸性季風(fēng)氣候，少部分屬于寒帶地區(qū)，年平均溫度介于-5°～5°之間，夏季涼爽，冬季寒冷。年降水在400～650 mm之間，多集中在6-9月份，冬季以降雪為主。

松花江是黑龍江在中國境內(nèi)的最大支流，流域面積為55.72萬km2，涵蓋東北四省區(qū)黑龍江、吉林、遼寧和內(nèi)蒙古。松花江有南北兩源：北源嫩江發(fā)源于大興安嶺伊勒呼里山；南源第二松花江是松花江的正源，發(fā)源于長白山的白頭山。兩江在吉林省松原市匯合進(jìn)入松花江主干道，一路往東北方向從黑龍江省同江市注入黑龍江主干道，具體位置見圖1。

2013年，中國東北地區(qū)的降雨來的比較早，而且持續(xù)時間很長。至8月份，很多地方都出現(xiàn)了河湖水庫決堤垮壩的現(xiàn)象，造成大面積的農(nóng)田植被和人類生活用地淹沒。本文擬選取松花江流域黑龍江省段進(jìn)行分析，研究區(qū)域如圖1所示，探究此次洪水對黑龍江省的植被影響。

圖1 研究區(qū)示意圖

圖2 黑龍江省土地利用類型圖

2 數(shù)據(jù)及預(yù)處理

本研究需要的數(shù)據(jù)包括遙感數(shù)據(jù)、植被指數(shù)數(shù)據(jù)和土地利用數(shù)據(jù)。

(1)Landsat數(shù)據(jù)

本文從USGS官網(wǎng)(http://glovis.usgs.gov/)下載洪水時期(2013年8-9月)研究區(qū)的Landsat影像，要求云量<25%，包括Landsat 7和8，共15景；再下載2013年洪水前后及2014年同一時期研究區(qū)的Landsat影像，要求云量<25%，共15景(覆蓋整個研究區(qū))。具體數(shù)據(jù)格式見表1。

(2)植被數(shù)據(jù)

反映植被生長狀況的指數(shù)包括葉面積指數(shù)(LAI)和總初級生產(chǎn)力(GPP)等。葉面積指數(shù)是指單位面積上植被綠色葉面積之和，可有效反映植物光合作用變化、植被類型和植被健康狀況等信息；總初級生產(chǎn)力是指植被通過光合作用累積有機(jī)物的量，它反映了植被在自然條件下的生產(chǎn)能力。

本文采用北京師范大學(xué)梁順林等人生產(chǎn)的2001年至2014年1 km分辨率每8 d合成GLASS產(chǎn)品[8]。它是基于美國 NOAA 氣象衛(wèi)星AVHRR、美國地球觀測系統(tǒng)的MODIS、中國風(fēng)云三號氣象衛(wèi)星等主要遙感數(shù)據(jù)及其它地表反射率遙感數(shù)據(jù)融合而成的產(chǎn)品。其覆蓋范圍為全球陸地，時間分辨率為 每8 d，每年可得46景產(chǎn)品，空間分辨率為 1 km×1 km(2000年至今)或 5 km×5 km(1981年至今)。本文擬選取分辨率為1 km×1 km的LAI和GPP數(shù)據(jù)(2000年-2014年)，用于探究此次洪水對植被的影響。

(3)土地利用數(shù)據(jù)

為了探究洪水災(zāi)害對植被具體類型及其他土地利用類型的影響，本文收集了黑龍江省2010年的生態(tài)十年環(huán)境感監(jiān)測土地分類調(diào)查數(shù)據(jù)，數(shù)據(jù)來源于環(huán)境保護(hù)部衛(wèi)星環(huán)境應(yīng)用中心。該數(shù)據(jù)為矢量數(shù)據(jù)，本文中對數(shù)據(jù)進(jìn)行預(yù)處理，將矢量數(shù)據(jù)轉(zhuǎn)化成分辨為30m的柵格數(shù)據(jù)，并將分類數(shù)據(jù)統(tǒng)一為I級分類，如圖2所示。

3 方法和技術(shù)路線

利用遙感手段提取洪澇受災(zāi)信息關(guān)鍵問題是遙感影像中水體信息的識別。水體信息遙感識別方法主要有單波段法、多波段法和水體指數(shù)法三種[9-11]，目前最常用的方法為水體指數(shù)法。水體指數(shù)法基于水體光譜特征分析，選取與水體識別密切相關(guān)的多個波段，分析水體與遙感光譜值之間的映射關(guān)系，構(gòu)建水體指數(shù)的數(shù)學(xué)模型，由閾值法直接實現(xiàn)水體信息的提取，是最受關(guān)注的水體識別方法，常用的水體指數(shù)包括NDWI和MNDWI等[12-13]。其中，MNDWI 指數(shù)是徐涵秋在2005年提出的[14]，為改進(jìn)的歸一化差異水體指數(shù)，用中紅外波段代替了近紅外波段，來提取水體，結(jié)果發(fā)現(xiàn)其水體提取效果比NDWI好?；诖?，本文擬采用MNDWI識別水體信息。

選取合適的水體指數(shù)是洪水淹沒范圍提取的第一步，如何確定洪澇水體淹沒范圍則需要進(jìn)一步考慮。對于一次洪水過程，其時間前后理論上均為正常水體，但并不一定完全可靠。由于季節(jié)的不同，水體面積也不相同，為此還需要考慮年際情況，即比較往年同一時期的水體淹沒范圍。往年同一時期的水體和洪水前后期的水體均可看作為正常水體。為此，本文將往年同期水體和洪水前后期的淹沒面積最大的水體看作是正常水體。此外，對于洪澇時期水體，需要考慮的是，洪水在不同天的淹沒范圍存在區(qū)別，淹沒面積最大的水體往往不能代表整個洪澇過程的水體淹沒范圍。所以，本文將洪澇時期內(nèi)所有期水體淹沒的最大范圍看作為洪澇水體淹沒范圍。

圖3 技術(shù)路線圖

本文研究技術(shù)路線如圖3所示，主要可分為兩部分：洪水淹沒水體提取和洪水對植被的影響評估。洪水淹沒水體提取采用的是MNDWI指數(shù)，通過人工目視解譯的方法去除云和陰影。植被影響評估主要從時間和地理空間單元兩方面分析洪水對黑龍江省不同植被種類的影響。

4 結(jié)果與分析

4.1 洪澇水體淹沒范圍提取

鑒于上面提到的水體信息遙感識別方法的內(nèi)容，我們采用MNDWI提取水體。其操作流程如下：①下載洪水時期(2013年8-9月)及非洪水時期(2013年7月或10月，2014年同一時期)的Landsat影像；②采用MNDWI指數(shù)提取洪水期和非洪水期(洪水發(fā)生前后和往年同期)的影像水體，然后人工目視解譯去除云層陰影和建筑物陰影，并參考無云影像修補(bǔ)被陰影遮蓋的水體；③將洪水期提取的水體影像進(jìn)行疊加得到洪水淹沒的最大范圍影像，并選取非洪水期的最大淹沒水體，掩膜洪水淹沒最大范圍影像從而獲得由洪水引起的水體淹沒范圍。

圖4是用Landsat影像和MNDWI水體指數(shù)方法提取得到的洪水淹沒區(qū)范圍圖。從圖4中可以看出，洪水淹沒區(qū)域分布在松花江河道兩旁，主要發(fā)生在松花江的上游河道匯流處和松花江匯入黑龍江主干河道處。

圖4 2013年遙感監(jiān)測水體結(jié)果

4.2 洪水對植被指數(shù)的影響

利用洪水淹沒范圍圖掩膜2000-2014年每8d的植被指數(shù)數(shù)據(jù)，對每一副影像求像元平均值，統(tǒng)計分析可得下圖5。由圖5a可知2000-2014年淹沒區(qū)的幾個植被指數(shù)變化具有很強(qiáng)的年周期性，而且LAI和GPP兩者的一致性很好。2013年的LAI和GPP在15年內(nèi)都比較低，僅次于2009年，可見2013年受到了夏季植被受到了洪水影響。圖5b中，展示了2012-2014年的LAI和GPP的變化規(guī)律及洪水期所處的時間位置(時間為2013年8月5日到9月30日)，發(fā)現(xiàn)洪水期剛好處在植被指數(shù)從峰值急劇下降的階段，這與當(dāng)?shù)氐闹脖晃锖蜃兓嘘P(guān)。7月底8月初，東北地區(qū)植被生長達(dá)到最旺盛時段，然后植被快速枯黃，至10月底，植被基本已完全枯黃，植被指數(shù)也進(jìn)入“低谷階段”。2013年和2012年對比，LAI和GPP的峰值都明顯下降，可見洪水對植被造成了比較明顯的影響；2014年和2013年對比，LAI和GPP的峰值均有較明顯的提高，但與2012年兩個指數(shù)峰值還存在一定差距，可見2014年洪水淹沒區(qū)域的植被得到了明顯的回升，但回升幅度還沒有完全達(dá)到洪水前狀況。

為了探究洪水時期內(nèi)的植被變化，我們統(tǒng)計出了2000-2014年8月5日到9月30日的LAI和GPP的平均值變化情況(表2、圖6)。表2中變化值為洪水期間植被指數(shù)最大值減去最小值的值(由于每年8月5日到9月30日的植被指數(shù)均呈下降趨勢，所以變化值實際為洪水期初始日減去最終日的值)。由表2和圖5可知，2013年的LAI值是2000-2014年第二低的，僅次于2009年；而GPP值則是最低的。整體上看，2013年的LAI和GPP值均在趨勢線以下，說明洪水對植被的影響是負(fù)面的，其直線距離可以粗略地認(rèn)為是洪水對植被指數(shù)造成的影響大小。其中LAI的受洪水影響值為0.31，GPP為14.88 gC/m/d(注意：該值為粗略估值，由于決定系數(shù)R2均很少，其解釋程度較低)。

由于植被受洪水影響時間比較短，理論上來說分析洪水年和其前后年的植被指數(shù)更加合理。對比2013年洪水期和前后一年的洪水期植被指數(shù)變化情況發(fā)現(xiàn)，2013年的LAI和GPP均是最低的，2012年最高，2014年其次，這和LAI和GPP年峰值是相對應(yīng)的。再比較2012、2013和2014年的洪水期前后的LAI和GPP變化值，表2中展示了LAI和GPP的變化值均為2012>2013>2014，這和均值是完全吻合的。一般來說，洪水過境對植被指數(shù)的破壞應(yīng)體現(xiàn)在變化值，但此處洪水期的LAI和GPP變化值均較小。主要有以下兩個原因：①松花江流域為季風(fēng)氣候，洪水主要受降水影響，洪水期發(fā)生在8月，但持續(xù)性降雨從6月就已經(jīng)開始了，植被前期就已經(jīng)受到影響；②洪水對植被造成了影響，但起主導(dǎo)作用的是物候變化，洪水結(jié)束對應(yīng)的時間為每年植被幾乎完全枯萎的階段，這時候洪水的影響已經(jīng)不明顯，前期影響較大后期影響較少從而導(dǎo)致其變化值相對較小。

圖5 研究區(qū)LAI和GPP變化曲線圖(2000-2016年)

表2 洪水淹沒區(qū)域植被指數(shù)隔年平均值

4.3 土地利用類型影響分析

為了簡化起見，本文土地利用數(shù)據(jù)只考慮I級分類，將洪水淹沒范圍影像和土地利用圖疊加。由圖7可知淹沒的耕地、濕地和人工表面占主要部分。

利用疊置分析的方法提取洪水淹沒范圍內(nèi)的土地利用數(shù)據(jù)，并統(tǒng)計洪水淹沒區(qū)域的土地覆蓋類型結(jié)果，如表3所示。

圖6 植被指數(shù)年際(8月5日-9月30日)變化

圖7 洪水淹沒地區(qū)土地利用圖

表3 受災(zāi)區(qū)域土地覆蓋利用類型分析結(jié)果

通過表3可以看出，受災(zāi)區(qū)域面積最大的土地覆蓋類型為耕地，占總面積達(dá)到了56.51%，面積為2130.11 km2，其中水田為479.00 km2，旱地為1651.11 km2。其次是濕地，為33.85%，面積為1276.18 km2，受洪水淹沒的主要濕地類型為草本濕地，占到了總面積的25.91%。再次是林地，占受淹總面積的4.59%，受淹的植被類型主要為落葉闊葉林。人工表面在這次洪水中受影響較為嚴(yán)重，受洪水淹沒的總面積為105.45 km2，占總面積的2.8%，其中居住地受洪水影響最為嚴(yán)重，達(dá)到85.53 km2。受淹最嚴(yán)重的人工表面主要為松花江干流河段周邊的幾個城市，包括哈爾濱市、佳木斯市及一些縣和縣級市等。

據(jù)上面統(tǒng)計結(jié)果顯示，受影響較大的地區(qū)基本都是植被覆蓋地區(qū)，可見洪水對植被影響較大。主要受淹植被(占總面積比大于1%)包括旱地、草本濕地、水田和落葉闊葉林。其中旱地受洪水影響最嚴(yán)重，而且旱地農(nóng)作物一般都是對水分要求較少，被淹必然會導(dǎo)致旱地農(nóng)作物大量死亡；草本濕地主要是指蘆葦沼澤等，受洪水影響會導(dǎo)致蘆葦?shù)炔蓊惪菸踔了劳?；水田主要是指水稻田?-9月份正是水稻結(jié)實收割階段，此過程中要求水量比較少，可見被洪淹沒會導(dǎo)致大面積的水稻無法結(jié)實或者結(jié)實后倒伏，基本上很難有收成；落葉闊葉林受洪水淹沒會造成低矮植被死亡，高大的植被的生長會受到一定影響，主要表現(xiàn)為葉子枯黃，光合作用能力較差。

4.4 不同市縣植被受洪水影響

由4.3節(jié)可知，受洪水影響的主要植被類型包括草本濕地、水田、旱地和落葉闊葉林?；诖?，我們統(tǒng)計了受洪水影響地區(qū)四種植被類型的面積，見圖8。首先觀察各個地級市，受洪水影響最大的地級市為佳木斯市，四種植被類型受淹面積都超過了800 km2。其次是哈爾濱，其旱地受淹面積超過了1 000 km2，其他3種類型受淹面積較小。另外大慶市和鶴崗市植被受淹面積也較大，尤其是其中的旱地受淹面積所占比例較高。再觀察各個縣及縣級市發(fā)現(xiàn)，對縣級區(qū)域植被受淹面積進(jìn)行分級，分級標(biāo)準(zhǔn)見表4。據(jù)統(tǒng)計，得到輕微受災(zāi)、較輕受災(zāi)、較重受災(zāi)和嚴(yán)重受災(zāi)的縣個數(shù)分別為9、12、4和2個。其中，大慶市的肇源縣和佳木斯市的同江市是植被受災(zāi)最嚴(yán)重的兩個縣。肇源縣植被受災(zāi)面積為720.67 km2，旱地受災(zāi)最多；同江市植被受災(zāi)面積超過630.63 km2，草本濕地受災(zāi)最多。此外，佳木斯市的富錦市、綏濱縣和湯原縣以及哈爾濱市的通河縣植被受災(zāi)也很嚴(yán)重，均超過了300 km2。

表4 縣級區(qū)域植被受災(zāi)等級劃分

圖8 黑龍江各市縣植被受災(zāi)結(jié)果圖

5 結(jié)論與討論

本文選取2013年黑龍江省松花江流域特大洪水災(zāi)害事件來探討植被對該地區(qū)洪水災(zāi)害的影響。選取的數(shù)據(jù)主要包括LAI和GPP，以及相關(guān)的土地利用類型數(shù)據(jù)。通過一系列分析，得到以下結(jié)論：

(1)Landsat影像具有較高的時間和空間分辨率，可用于提取洪澇時期的水體，且提取效果較好。

(2)洪水對植被具有明顯的破壞作用，但這種破壞在黑龍江省松花江流域周期性相對較短，證明該地區(qū)植被的可恢復(fù)性較強(qiáng)。

(3)此次洪水主要影響的植被類型包括旱地植被、草本濕地植被、水稻和落葉闊葉林。其中影響最大的為旱地植被，面積為2 130.11 km2，占總受淹面積的56.51%，其中水田為479.00 km2，旱地為1 651.11 km2。其次是濕地，為33.85%，面積為1276.18 km2，其中受洪水淹沒的主要濕地類型為草本濕地，占到了總面積的25.91%。再次是林地，占受淹總面積的4.59%，受淹的植被類型主要為落葉闊葉林。

(4)統(tǒng)計黑龍江省各市縣的植被受災(zāi)情況，發(fā)現(xiàn)受災(zāi)最嚴(yán)重的是佳木斯市，其次是哈爾濱市；縣及縣級市里面，大慶的肇源縣和佳木斯的同江市是植被受災(zāi)最嚴(yán)重的兩個縣。另外，佳木斯市的富錦市、綏濱縣和湯原縣以及哈爾濱市的通河縣植被受災(zāi)也很嚴(yán)重，均超過了300 km2。

[1] 廖永豐，聶承靜，楊林生，等. 洪澇災(zāi)害風(fēng)險監(jiān)測預(yù)警評估綜述[J]. 地理科學(xué)進(jìn)展，2012，31(3):361-367.

[2] 趙陽，程先富. 洪水災(zāi)害遙感監(jiān)測研究綜述[J]. 四川環(huán)境，2012，31(4):106-109.

[3] 段萍，徐詠文，趙小敏，等. 鄱陽湖地區(qū)洪澇災(zāi)害遙感分析[J]. 地理空間信息， 2005， 3(4): 30-32.

[4] 孔凡明，蔣衛(wèi)國，李京，等. 基于 MODIS 的 2011 年泰國洪澇受災(zāi)信息提取與分析[J]. 災(zāi)害學(xué)，2013，28(2): 95-99.

[5] 徐建華，李曉宇，高亞軍. 從2013年7月汾川河洪水看植被的減水減沙效應(yīng)[J]. 人民黃河，2016，38(5):85-87.

[6] 劉洋. 新疆中天山地帶草原植被覆蓋變化對徑流的影響研究[D].烏魯木齊：新疆大學(xué)，2016.

[7] 王清華，李懷恩，盧科鋒，等. 森林植被變化對徑流及洪水的影響分析[J]. 水資源與水工程學(xué)報，2004，15(2):21-24.

[8] Zhang X，Liang S，Zhou G，et al. Generating Global Land Surface Satellite incident shortwave radiation and photosynthetically active radiation products from multiple satellite data[J]. Remote Sensing of Environment，2014，152: 318-332.

[9] 王剛，李小曼，田杰. 幾種TM影像的水體自動提取方法比較[J]. 測繪科學(xué). 2008，33(3): 141-142.

[10] 吳賽. 基于EOS/MODIS的水體提取模型及其在洪災(zāi)監(jiān)測中的應(yīng)用[D]. 武漢：華中科技大學(xué)， 2005.

[11] 許超，蔣衛(wèi)國，萬立冬，等. 基于 MODIS 時間序列數(shù)據(jù)的洞庭湖區(qū)洪水淹沒頻率研究[J]. 災(zāi)害學(xué)，2016，31(1): 96-101.

[12] 王志輝，易善楨. 不同指數(shù)模型法在水體遙感提取中的比較研究[J]. 科學(xué)技術(shù)與工程，2007，7(4): 534-537.

[13] 丁莉東，吳昊，王長健，等. 基于譜間關(guān)系的MODIS遙感影像水體提取研究[J]. 測繪與空間地理信息， 2006，29(6): 25-27.

[14] 徐涵秋. 利用改進(jìn)的歸一化差異水體指數(shù)(MNDWI)提取水體信息的研究[J]. 遙感學(xué)報， 2005，9(5): 589-595.

Abstract:Floods can cause serious damage to vegetation. In this paper, Landsat 7/8 data and MNDWI method are used to extract the flood submerged area in Northeast China in 2013. Based on this statistical analysis, the vegetation disaster situation of each city and county in Heilongjiang Province is counted and analyzed. The results showed that the floods caused serious damage to vegetation in Heilongjiang Province. The main types of vegetation, including upland field, herbaceous wetland, paddy field and deciduous broad-leaved forest. What’s more, Vegetation is the most serious damage to the city of Jiamusi City, the most serious two counties for the Daqing City, Zhaoyuan County and Jiamusi City Tongjiang City.

Key words:flood; vegetation; Heilongjiang Province; MNDWI; assessment

Impact of Floods on Vegetation in Heilongjiang Province in 2013

RAO Pinzeng1, 2, 3, JIANG Weiguo1, 2, 3, JIA Kai1, 2, 3and WANG Xiaoya1,2,3

(1.KeyLaboratoryofEnvironmentalChangeandNaturalDisaster,Beijing100875,China;2.InstituteofGeography,BeijingNormalUniversity,Beijing100875,China;3.FacultyofGeographicalScience,BeijingNormalUniversity,Beijing100875,China)

饒品增，蔣衛(wèi)國，賈凱，等. 2013年黑龍江省洪水對植被影響評估[J]. 災(zāi)害學(xué)，2017，32(4)：195-201. [RAO Pinzeng，JIANG Weiguo and JIA Kai. Impact of Floods on Vegetation in Heilongjiang Province in 2013[J]. Journal of Catastrophology，2017，32(4)：195-201.

10.3969/j.issn.1000-811X.2017.04.033.]

X43；S718.54；S157.1

A

1000-811X(2017)04-0195-07

2017-03 -24

2017-05-31

國家重點研發(fā)計劃(2017YEB0504102)；國家自然科學(xué)基金(41571077)；中央高?；究蒲袠I(yè)務(wù)費專項基金

饒品增(1990-)，男，江西上饒人，碩士研究生，主要從事洪水災(zāi)害和水文遙感方面的研究. E-mail：raopinzeng@mail.bnu.edu.cn.

蔣衛(wèi)國(1976-)，男，湖南衡陽人，副教授，主要研究方向為洪水災(zāi)害及濕地生態(tài)遙感監(jiān)測與評價研究.E-mail：jiangweiguo@bnu.edu.cn

10.3969/j.issn.1000-811X.2017.04.033