黎良財(cái) ，陸燈盛 ，張曉麗 ，鄧 利 ，張 瑩

（1.北京林業(yè)大學(xué) 林學(xué)院，北京 100083； 2.廣西生態(tài)工程職業(yè)技術(shù)學(xué)院，廣西 柳州 545004；3.密歇根州立大學(xué) 全球變化與對(duì)地觀測中心，密歇根 東蘭辛 48823）

基于時(shí)序遙感的喀斯特山區(qū)植被覆蓋研究

黎良財(cái)1，2，3，陸燈盛3，張曉麗1，鄧 利2，張 瑩1

（1.北京林業(yè)大學(xué) 林學(xué)院，北京 100083； 2.廣西生態(tài)工程職業(yè)技術(shù)學(xué)院，廣西 柳州 545004；3.密歇根州立大學(xué) 全球變化與對(duì)地觀測中心，密歇根 東蘭辛 48823）

為監(jiān)測喀斯特山區(qū)植被覆蓋度演化的過程與規(guī)律，以廣西壯族自治區(qū)柳江縣喀斯特山區(qū)1987年、1990年、1995年、2000年、2005年、2010年和2013年Landsat TM/ETM+/OLI時(shí)間序列遙感影像為數(shù)據(jù)源，經(jīng)輻射定標(biāo)、大氣校正等預(yù)處理后提取歸一化植被指數(shù)(Ndvi)，運(yùn)用混合像元分解模型由Ndvi值反演研究區(qū)各時(shí)相植被覆蓋度，再利用決策樹分類法對(duì)植被覆蓋度分級(jí)并計(jì)算各時(shí)期植被覆蓋度的分布特征、變化趨勢、轉(zhuǎn)移矩陣及植被覆蓋度與海拔、坡度的關(guān)系。結(jié)果表明：研究區(qū)平均植被覆蓋度由1987年的68.61%下降到1990年的61.46%再上升到2013年的66.92%；1987—2013年植被覆蓋度的變化服從雙峰分布，主要集中在-0.25～+0.25區(qū)間；植被覆蓋度的分布與海拔、坡度相關(guān)，呈現(xiàn)出植被覆蓋度隨海拔而升高，同時(shí)也隨坡度而升高的現(xiàn)象。該方法可以準(zhǔn)確、定量地反演植被覆蓋情況，可以為喀斯特地區(qū)長期植被動(dòng)態(tài)監(jiān)測提供參考。

植被覆蓋度；多時(shí)相遙感；像元分解模型；決策樹分類；喀斯特山區(qū)

喀斯特(Karst)是指由高溶解度的巖石和充分發(fā)育的次生孔隙度相結(jié)合并產(chǎn)生特殊的水文和地形的地區(qū)[1-2]。在全球三大喀斯特地形集中分布區(qū)中，中國西南地區(qū)是面積最大、喀斯特發(fā)育最強(qiáng)烈、景觀類型最多、生態(tài)環(huán)境最復(fù)雜、人地矛盾最尖銳的地區(qū)[3]。廣西位于中國西南喀斯特集中分布帶，全區(qū)109個(gè)縣(市、區(qū))中有75個(gè)縣份有巖溶出露，根據(jù)2005年對(duì)廣西喀斯特地區(qū)的遙感調(diào)查結(jié)果，廣西有巖溶土地面積8.33萬km2，占全區(qū)土地總面積的35.2%，是巖溶面積最多的?。▍^(qū)）之一?？λ固氐貐^(qū)具有土層薄、植被覆蓋低、水土流失嚴(yán)重、自然生態(tài)環(huán)境脆弱等特征[4]，加上人類社會(huì)經(jīng)濟(jì)活動(dòng)的影響，極易造成土地石漠化現(xiàn)象。

植被作為生態(tài)系統(tǒng)的重要組成部分，是連接土壤，大氣和水分的自然“紐帶”，它具有涵養(yǎng)水源、減緩徑流、保持水土等重要作用；同時(shí)也是人民群眾農(nóng)、林、牧業(yè)生產(chǎn)的重要載體，成為巖溶地區(qū)可持續(xù)發(fā)展、實(shí)現(xiàn)小康社會(huì)的重要保障。目前，利用遙感技術(shù)對(duì)植被覆蓋進(jìn)行監(jiān)測與評(píng)價(jià)方面，國內(nèi)外已經(jīng)對(duì)林區(qū)、沙區(qū)、旱區(qū)、礦區(qū)進(jìn)行了許多的研究與試驗(yàn)[5-10]，但針對(duì)喀斯特山區(qū)的定量研究較少[11]。本文以全國巖溶石漠化綜合治理重點(diǎn)縣廣西柳江縣為研究區(qū)，基于多時(shí)序陸地衛(wèi)星影像對(duì)近26年來地表植被覆蓋進(jìn)行變化監(jiān)測，分析了植被覆蓋的時(shí)空變化規(guī)律，為巖溶山區(qū)的植被覆蓋調(diào)查評(píng)價(jià)、生態(tài)保護(hù)和綜合治理等提供基本數(shù)據(jù)和理論依據(jù)。

1 研究區(qū)概況

廣西壯族自治區(qū)柳江縣地處桂中巖溶盆地地區(qū)，109°58′～ 110°45′E，24°21′～ 24°26′N（見圖1A）。地勢由東、西南兩面向中部傾斜；地貌類型以巖溶丘陵為主，平原、丘陵、洼地、谷地、孤峰、殘丘交錯(cuò)分布，巖溶漏斗及落水洞極其發(fā)育（見圖1C）。氣候?qū)倌蟻啛釒Ъ撅L(fēng)氣候區(qū)，常年溫暖潮濕，雨熱充沛，年均降水量1 482.9 mm，特別是夏季的持續(xù)降雨容易造成水土流失。巖溶地區(qū)居住有瑤、壯等少數(shù)民族，各民族有多彩的文化背景，部分保留有刀耕火種、燒山放牧的習(xí)慣；隨著區(qū)域人口增長和經(jīng)濟(jì)發(fā)展，人地矛盾不斷加劇，特別是開墾采礦等人為活動(dòng)的影響，致使有限的石山植被遭受破壞，加速了石漠化的形成和自然災(zāi)害的發(fā)生，嚴(yán)重制約了柳江縣經(jīng)濟(jì)社會(huì)的可持續(xù)發(fā)展，阻礙了全面建設(shè)小康社會(huì)目標(biāo)的實(shí)現(xiàn)。近年來，隨著人們的環(huán)保意識(shí)增強(qiáng)和政府保護(hù)力度加大，許多石漠化治理的政策和措施在該縣執(zhí)行。

圖1 廣西柳江縣位置、衛(wèi)星影像和數(shù)字高程模型Fig.1 Location map, satellite image and DEM of Liujiang county

2 材料與方法

2.1 數(shù)據(jù)源選擇

本研究采用的遙感影像為Landsat5/7/8衛(wèi)星的TM/ETM+/OLI數(shù)據(jù)Level 1T（L1T）級(jí)別產(chǎn)品，L1T數(shù)據(jù)經(jīng)過系統(tǒng)輻射校正和地面控制點(diǎn)幾何校正，并且通過數(shù)字高程模型（DEM）進(jìn)行了標(biāo)準(zhǔn)地形校正[9]，采用統(tǒng)一橫軸墨卡托（UTM）地圖投影、世界大地系統(tǒng)（WGS）84坐標(biāo)，空間分辨率30 m。遙感影像獲取時(shí)間分別為1987年10月26日（TM）、1990年 9月 16日（TM）、1995年11月17日（TM）、2000年11月6日（ETM+）、2005年10月11日（TM）、2010年11月10日（TM）和2013年12月4日（OLI）；輔助數(shù)據(jù)有柳江縣行政區(qū)劃矢量圖層（Shape fi le格式）和ASTER GDEM 30米分辨率高程模型（IMG格式）。

2.2 數(shù)據(jù)處理與信息提取

2.2.1 影像裁剪

利用柳江縣行政區(qū)劃矢量圖作為掩膜，經(jīng)過與遙感圖像投影坐標(biāo)統(tǒng)一后，對(duì)1987-2013年7個(gè)時(shí)期影像及數(shù)字高程模型進(jìn)行裁剪，得到研究區(qū)范圍的影像數(shù)據(jù)，面積為253 723 hm2，見圖1B、1C。

2.2.2 輻射定標(biāo)

常用遙感影像的像元值是經(jīng)過量化的、無量綱的DN值，利用DN值只能進(jìn)行影像內(nèi)部的相對(duì)比較，而對(duì)多時(shí)相、多區(qū)域、多種傳感器的遙感數(shù)據(jù)進(jìn)行定量分析時(shí)，需要將DN值轉(zhuǎn)換成對(duì)應(yīng)的輻射亮度值，這個(gè)計(jì)算過程即為輻射定標(biāo)，是保持?jǐn)?shù)據(jù)一致性和數(shù)據(jù)精度的一項(xiàng)重要的基礎(chǔ)工作[9]。由于L1級(jí)產(chǎn)品的DN值是由輻射亮度經(jīng)線性變換得到的，因此從L1級(jí)產(chǎn)品計(jì)算輻射亮度只需利用相關(guān)參數(shù)進(jìn)行線性反變換即可，見公式（1）[9,12-13]：

式（1）中，Lλ：輻射亮度；DN：像元灰度值；Gain：增益；Bias：偏置。

2.2.3 大氣校正

衛(wèi)星在接受訊號(hào)的過程中受到大氣的影響，致使接受的訊號(hào)失真，為了獲得真實(shí)的地表反射率，必須去除大氣對(duì)訊號(hào)的影響[9,14]。常見的大氣校正方法有基于輻射傳輸模型的MODTRAN模型、LOWTRAN模型、ATCOR模型和6S模型等；基于簡化輻射傳輸模型的黑暗像元法；基于統(tǒng)計(jì)學(xué)模型的反射率反演等[9]。本研究使用了MODTRAN4+輻射傳輸模型，可對(duì)多光譜、高光譜數(shù)據(jù)及航空影像進(jìn)行快速大氣校正，能有效消除大氣和光照等因素對(duì)地物反射的影響，獲得地物較為準(zhǔn)確的反射率和輻射率、地表溫度等[9,15]。

2.2.4 Ndvi提取

植被指數(shù)是利用葉冠的光學(xué)參數(shù)提取的獨(dú)特的光譜信號(hào)，是遙感領(lǐng)域中用來表征地表植被覆蓋、生長狀況的一個(gè)簡單又有效的度量參數(shù)[9,16]。綠色植物在近紅外波段具有高反射而在紅外波段具有強(qiáng)吸收，在利用多光譜圖像提取植被信息時(shí)多采用紅外/紅波段圖像作比值，比值處理以后可以消除部分輻射誤差[9]。本研究采用歸一化植被指數(shù)（Normalized Difference Vegetation Index，Ndvi）模型，計(jì)算公式如下：

式（2）中，NIR為近紅外波段反射率，R為紅色波段反射率。Ndvi取值介于（-1，1）之間，正值表示有植被覆蓋，且隨覆蓋度增大而增大[9]。

2.2.5 植被覆蓋度反演

植被覆蓋度是喬木、灌木和草本植物地上部分（枝、葉、莖）垂直投影的面積占地面的比率。遙感測定植被覆蓋度的方法大致有3種：經(jīng)驗(yàn)?zāi)Ｐ头ā⒅脖恢笖?shù)法和像元分解模型法[17]。其中，像元分解模型法不依賴實(shí)測數(shù)據(jù)，可以廣泛使用；像元分解模型中又以像元二分模型最常見，它假定一個(gè)像元的信息可以表達(dá)為由綠色植被和無植被覆蓋（裸土）兩部分組成，像元二分模型估算植被覆蓋度時(shí)多采用Ndvi數(shù)據(jù)，此時(shí)植被覆蓋度Fc的計(jì)算公式為[18]：

式（3）中， [Ndvi]為影像中各像元的Ndvi值；[Ndvi]_soil為全裸土覆蓋像元的Ndvi值；[Ndvi]_veg為純植被覆蓋像元的Ndvi值。

對(duì)于大多數(shù)類型的裸地表面，理論[Ndvi]_soil值應(yīng)該接近0，然而由于大氣、地表溫濕度、粗糙度、土壤類型、土壤顏色等條件的影響， [Ndvi]_soil會(huì)隨著時(shí)間和空間而變化[9,19]。[Ndvi]_veg代表全植被覆蓋像元的最大值，由于植被類型的不同，季節(jié)的變化，葉冠背景的污染等因素，[Ndvi]_veg也會(huì)隨時(shí)間和空間而改變[9,20]。因此，對(duì)于各個(gè)時(shí)期的遙感影像不宜采用固定的[Ndvi]_soil和[Ndvi]_veg值。本文對(duì)每期Ndvi圖像進(jìn)行統(tǒng)計(jì)，以1%和99%為置信度，計(jì)算得各年度[Ndvi]_soil和[Ndvi]_veg閾值見表1。將[Ndvi]_soil和[Ndvi]_veg值代入（3）式，即可反演出1987—2013年廣西柳江縣植被覆蓋度。

表1 純裸土和純植被像元的Ndvi閾值Table 1 Threshold value in Ndvi image for pure soil and pure vegetation pixel

2.2.6 植被覆蓋度分級(jí)

參照巖溶地區(qū)石漠化分級(jí)標(biāo)準(zhǔn)中關(guān)于植被覆蓋度的劃分，將研究區(qū)植被覆蓋度分為如下級(jí)別，即低覆蓋度（LVC，VC＜30%，對(duì)應(yīng)重度石漠化），中低覆蓋度（LMVC，30%≤VC＜50%，對(duì)應(yīng)中度石漠化），中高覆蓋度（MHVC，50%≤VC＜70%，對(duì)應(yīng)輕度石漠化），高覆蓋度（HVC，70%≤VC＜90%，對(duì)應(yīng)潛在石漠化），全覆蓋度（FVC， VC≥90%，對(duì)應(yīng)無石漠化）。在建立分級(jí)的實(shí)際工作中，由于全覆蓋度（FVC）閾值區(qū)間較窄可合并入高覆蓋度（HVC），因此可將研究區(qū)植被覆蓋度分為LVC、LMVC、MHVC和HVC（70%≤VC≤100%）4個(gè)等級(jí)。基于以上分級(jí)閾值，構(gòu)造簡單的決策樹算法對(duì)研究區(qū)植被覆蓋度進(jìn)行分級(jí)，結(jié)果見圖2。

圖2 植被覆蓋度分級(jí)決策樹算法及分級(jí)結(jié)果Fig.2 Decision tree algorithm and result for vegetation coverage images classi fi cation

3 結(jié)果與分析

3.1 植被覆蓋度特征分析

在ENVI軟件支持下對(duì)研究區(qū)1987—2013年植被覆蓋度、植被覆蓋度等級(jí)圖進(jìn)行統(tǒng)計(jì)，可以得出各時(shí)期植被覆蓋度分級(jí)分布與平均分布情況，結(jié)果見表2和圖3。研究區(qū)植被覆蓋度大致經(jīng)歷了三個(gè)演變階段：（1）1987年到1990年大幅下降時(shí)期，植被覆蓋度從68.61%下降到61.46%，減少7.15%；（2）1990年到2005年緩慢上升時(shí)期，植被覆蓋度從61.46%持續(xù)上升到67.80%，增加6.34%；（3）2005年到2013年的平穩(wěn)波動(dòng)期，植被覆蓋度先降低2.05%再上升1.17%，總體減少0.88%。

表2 1987—2013年廣西柳江縣植被覆蓋度分級(jí)統(tǒng)計(jì)Table 2 Statistics table of different vegetation coverage in Liujiang county from 1987 to 2013 hm2

對(duì)研究區(qū)植被覆蓋度等級(jí)的面積和比例分析可知，從1987到2013年各個(gè)時(shí)期均以高植被覆蓋度（HVC）占優(yōu)勢，達(dá)到總面積的40%～53%左右；且植被覆蓋度等級(jí)表現(xiàn)出相同的趨勢，即高植被覆蓋度（HVC）＞中高植被覆蓋（MHVC）＞中低植被覆蓋度（LMVC）＞低植被覆蓋度（LVC）；各植被覆蓋度等級(jí)之間的動(dòng)態(tài)變化則引起研究區(qū)平均植被覆蓋度的變化。

3.2 植被覆蓋度與地形關(guān)系分析

圖3 1987—2013年廣西柳江縣植被覆蓋度等級(jí)分布及變化趨勢Fig.3 Variable trend and grade distribution of vegetation coverage from 1987 to 2013

為了揭示植被覆蓋度與地形的關(guān)系，在ArcGIS軟件空間分析工具支持下，對(duì)研究區(qū)數(shù)字高程模型提取海拔、坡度圖層，再將海拔、坡度圖層進(jìn)行分級(jí)；海拔分級(jí)根據(jù)研究區(qū)高程區(qū)間，按照自然裂點(diǎn)法分為5級(jí)；坡度分級(jí)參考《水土保持綜合治理規(guī)劃通則GB_T15772—1995》之標(biāo)準(zhǔn)，對(duì)研究區(qū)劃分為4個(gè)坡度級(jí)：微坡I（小于5°），緩坡 II（5°～ 15°），較陡坡 III（15°～25°），陡坡IV（大于25°）；然后將海拔、坡度級(jí)圖層和植被覆蓋度圖層進(jìn)行疊置分析與統(tǒng)計(jì)，統(tǒng)計(jì)結(jié)果見表3、表4。兩個(gè)統(tǒng)計(jì)表揭示了一個(gè)共同的規(guī)律：從1987年到2013年，廣西柳江縣植被覆蓋度隨著海拔、坡度的上升也隨之升高；這與貴州赤水河流域[21]、黃土高原文安驛流域[22]的同類研究結(jié)果不同。主要是因?yàn)閺V西柳江縣地處亞熱帶南緣，水熱豐富，整體海拔較低，非常適宜植被生長，而人類的生產(chǎn)經(jīng)營活動(dòng)更多在低海拔、緩坡度地區(qū)進(jìn)行，說明人類活動(dòng)對(duì)研究區(qū)植被覆蓋度起決定性作用。

表3 不同海拔高的植被覆蓋度統(tǒng)計(jì)Table 3 Average vegetation coverage in different elevation classes %

3.3 植被覆蓋度變化監(jiān)測與分析

為了分析廣西柳江縣植被覆蓋度的動(dòng)態(tài)變化，探索變化規(guī)律，通過變化檢測工具對(duì)1987—2013年以來7個(gè)時(shí)期的植被覆蓋度圖做初期末期差值運(yùn)算，將變化比例按照表5的標(biāo)準(zhǔn)進(jìn)行分級(jí)，并統(tǒng)計(jì)各級(jí)變化比例，如表5所示。

表4 不同坡度級(jí)的植被覆蓋度統(tǒng)計(jì)Table 4 Average vegetation coverage in different slope classes %

分析表5可以得出圖4的植被覆蓋度變化趨勢，即從1987—2013年除了河流等地物外其余地表的植被覆蓋度都處于動(dòng)態(tài)變化中，變化趨勢服從雙峰分布，變化主要集中在Change（+1）和Change（-1）區(qū)間，占柳江縣總面積的71.66%～88.92%；而變化幅度越大，變化的面積比例越小。

3.4 植被覆蓋度轉(zhuǎn)移矩陣分析

為了明確廣西柳江縣1987—2013年間各級(jí)植被覆蓋度的相互轉(zhuǎn)移面積，利用變化檢測工具將1987—2013年植被覆蓋等級(jí)圖導(dǎo)入統(tǒng)計(jì)，可以得到植被覆蓋度等級(jí)相互轉(zhuǎn)化的轉(zhuǎn)移面積矩陣數(shù)量關(guān)系，見表6。

從1987年到2013年，呈現(xiàn)出高覆蓋度（HVC）向其他低覆蓋度（LVC，LMVC，HMVC）轉(zhuǎn)移的趨勢，凈轉(zhuǎn)移面積5 929 hm2，其中：低覆蓋度（LVC）增加3 569 hm2，中低覆蓋度（LMVC）增加1 338 hm2，中高覆蓋度（HMVC）增加1 022 hm2，故研究區(qū)整體植被覆蓋度降低。

表5 1987—2013年植被覆蓋度變化統(tǒng)計(jì)Table 5 Statistics table for Vegetation coverage change from 1987 to 2013 %

圖4 1987—2013年植被覆蓋度前后期變化等級(jí)分布Fig.4 Change level distribution of vegetation coverage from 1987 to 2013

表6 1987—1990年研究區(qū)植被覆蓋度等級(jí)轉(zhuǎn)移面積矩陣Table 6 Transfer area matrix for vegetation coverage from 1987 to 1990 單位：hm2

4 結(jié)論與討論

通過對(duì)中國南方廣西柳江縣喀斯特山區(qū)1987—2013年TM/ETM+/OLI遙感圖像進(jìn)行輻射定標(biāo)、大氣校正、植被指數(shù)提取等預(yù)處理，然后以像元分解模型反演地表植被覆蓋度，并采用決策樹分類算法對(duì)植被覆蓋度進(jìn)行分級(jí)分類，最后在ENVI和ArcGIS軟件的變化檢測及空間分析功能支持下，探討了研究區(qū)植被覆蓋度的分布特征、變化趨勢、轉(zhuǎn)移矩陣及植被覆蓋度與海拔、坡度的關(guān)系。研究結(jié)論表明：

（1）研究區(qū)植被覆蓋度大致經(jīng)歷了從1987年到1990年大幅下降時(shí)期、1990年到2005年緩慢上升時(shí)期和2005年到2013年的平穩(wěn)波動(dòng)期三個(gè)演變階段。（2）通過分析海拔、坡度與植被覆蓋度的關(guān)系，得出從1987年到2013年研究區(qū)植被覆蓋度隨海拔而升高，同時(shí)也隨坡度而升高的現(xiàn)象。（3）從1987年到2013年各個(gè)時(shí)間段植被覆蓋度處于動(dòng)態(tài)變化中，變化趨勢服從雙峰分布，變化主要集中在Change（+1）和Change（-1）區(qū)間。（4）從植被覆蓋度等級(jí)互相轉(zhuǎn)移的方向來看，從1987年到1990年，植被覆蓋度由高向低轉(zhuǎn)移的面積較多；從1990年到1995年、2000年、2005年，植被覆蓋度由低向高轉(zhuǎn)移的面積較多；從2005年到2013年，植被覆蓋度先由高向低轉(zhuǎn)移而后由低向高轉(zhuǎn)移。

分析1987—2013年26年間研究區(qū)政治、經(jīng)濟(jì)和政策的發(fā)展變化階段，可以發(fā)現(xiàn)對(duì)應(yīng)于植被覆蓋度變化的一些驅(qū)動(dòng)力：（1）1987—1990年處于改革開放前期，該時(shí)期對(duì)資源能源的需求大增以及環(huán)保意識(shí)薄弱使植被遭受濫砍亂伐、毀林開墾、采石挖礦等人類活動(dòng)破壞，植被覆蓋呈加速退化趨勢，特別是在海拔低、坡度平緩的地區(qū)受影響更嚴(yán)重。（2）1990年廣西全區(qū)開始“造林滅荒、綠化達(dá)標(biāo)”工程，1998年國家啟動(dòng)退耕還林、公益林保護(hù)與補(bǔ)償?shù)裙こ蹋?010年啟動(dòng)石漠化治理和農(nóng)村沼氣建設(shè)等工程，一方面保護(hù)增加了地表的植被覆蓋，另一方面減少了山區(qū)群眾對(duì)薪柴能源的需求，使植被覆蓋度穩(wěn)步增加并維持在高位波動(dòng)?？λ固厣絽^(qū)的生態(tài)環(huán)境非常脆弱，需要更加重視生態(tài)文明建設(shè)，使經(jīng)濟(jì)社會(huì)能夠可持續(xù)發(fā)展。

致謝：文中部分?jǐn)?shù)據(jù)來源于中國科學(xué)院計(jì)算機(jī)網(wǎng)絡(luò)信息中心國際科學(xué)數(shù)據(jù)鏡像網(wǎng)站（http://www.gscloud.cn）。

[1]D C Ford, P W Williams. Karst Geomorphology and Hydrology[M]. London: Unwin Hyman, 1989: 547-582

[2]D.C.福特, P.威廉姆斯, 宋林華.喀斯特的定義及其發(fā)展[J].地理譯報(bào), 1990(4): 6-11.

[3]王德爐, 朱守謙, 黃寶龍. 石漠化的概念及其內(nèi)涵[J]. 南京林業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版), 2004, 28(6): 87-90.

[4]王敬貴, 楊德生, 余順超, 等. 珠江上游喀斯特地區(qū)土地石漠化現(xiàn)狀遙感分析[J]. 中國水土保持科學(xué), 2007, 5(3): 1-6.

[5]J. Duncan, D. Stow, J. Franklin, et al. Assessing the relationship between spectral vegetation indices and shrub cover in the Jornada Basin, New Mexico[J]. International Journal of Remote Sensing, 1993,14(18): 3395-3416.

[6]Larsson H. Linear regressions for canopy cover estimation in Acacia woodlands using Landsat-TM,-MSS and SPOT HRV XS data[J]. International Journal of Remote Sensing, 1993, 14(11):2129-2136.

[7]Luciano Telesca, Rosa Lasaponara. Quantifying intra-annual persistent behaviour in SPOT-VEGETATION NDVI data for Mediterranean ecosystems of Southern Italy[J]. Remote Sensing of Environment, 2006, 101 (1): 95-103.

[8]Lasaponara R. On the use of principal component analysis(PCA)for evaluating inter-annual vegetation anomalies from SPOT/NDVI temporal series[J]. Ecological Modelling, 2006, 194(4):429-434.

[9]黎良財(cái), 鄧 利, 曹 穎, 等. 基于NDVI像元二分模型的礦區(qū)植被覆蓋動(dòng)態(tài)監(jiān)測[J]. 中南林業(yè)科技大學(xué)學(xué)報(bào), 2012,32(6): 18-23.

[10]游浩妍, 駱成鳳, 劉正軍, 等. 基于MODIS植被指數(shù)估算青海湖流域植被覆蓋度研究[J]. 遙感信息, 2012, 27(5): 55-60.

[11]易 勝. 基于RS和GIS巖溶地區(qū)植被覆蓋度分析——以湖南洛塔為例[D]. 桂林: 廣西師范大學(xué), 2005.

[12]韋玉春, 黃家柱. Landsat5圖像的增益、偏置取值及其對(duì)行星反射率計(jì)算分析[J]. 地球信息科學(xué), 2006, 8(1): 110-113.

[13]Zhang Zhaoming, He Guojin. Radiometric calibration of Landsat 5 TM Data [J]. Review Science & Technology, 2008,26(7):54-58.

[14]茅榮正, 倪紹祥, 蔣建軍. LANDSAT-7 ETM+影像大氣校正算法IDL的實(shí)現(xiàn)[J]. 測繪通報(bào), 2004(1): 8-10.

[15]鄧書斌. ENVI遙感圖像處理方法[M]. 北京: 科學(xué)出版社,2010.

[16]Guo Ni. Vegetation Index and its advances[J]. Arid meteorology,2003,21(4):71-75.

[17]Purevdorj Ts, Tateishi R, Ishiyama T, et al. Relationship between percent vegetation cover and vegetation indices[J]. International Journal of Rote Sensing, 1998,19(18): 3519-3535.

[18]程紅芳, 章文波, 陳 鋒. 植被覆蓋度遙感估算方法研究進(jìn)展[J].國土資源遙感, 2008(1): 13-18.

[19]Toby N, Carlson, David A, et al. On the relation between NDVI,fractional vegetation cover and leaf area Index[J]. Remote Sensing of Environment, 1997, 62(3): 241-252.

[20]Kaufman Y J, Tanre D. Atmospherically resistant vegetation index (ARVI) for EOS-MODIS[J]. IEEE Transactions on Geoscience and Remote Sensing, 1992, 30(2): 261-270.

[21]蔡 宏, 何政偉, 安艷玲, 等. 基于RS和GIS的赤水河流域植被覆蓋度與各地形因子的相關(guān)強(qiáng)度研究[J]. 地球與環(huán)境,2014, 42(4): 518-524.

[22]程圣東, 李占斌, 魯克新, 等. 文安驛流域植被覆蓋度時(shí)空分異及其與地貌因子關(guān)系研究[J]. 西安理工大學(xué)學(xué)報(bào), 2011,27(2): 145-150.

Study on the dynamics of vegetation coverage in the karst mountainous area based on multi-temporal remote sensing images

LI Liangcai1,2,3, LU Dengsheng3, ZHANG Xiaoli1, DENG Li2, ZHANG Ying1
(1.College of Forestry, Beijing Forestry University, Beijing 100083, China; 2.Guangxi Ecological Engineering Vocational and Technical College, Liuzhou 545004, Guangxi, China; 3.Center for Globe Change and Earth Observations, Michigan State University, East Lansing,MI 48823, USA)

This article explores the distribution characteristics and change tendency of vegetation coverage in the karst mountains area of Southwestern China, taking the Liujiang County of the Guangxi Zhuang Autonomous Region as an example. Landsat TM&ETM+&OLI time sequence images from 1987 to 2013 were used as the data source, and radiation calibration and atmospheric correction carried out.Then normalized difference vegetation index (NDVI) was extracted, and vegetation coverage inversed using mixed pixels decomposition model. And then vegetation coverage was divided into different grades by using the decision tree classi fi cation algorithm. Results showed that the vegetation coverage in overall study area dropped from 68.61% in 1987 to 61.46% in 1990, and then increased to 66.92% in 2013. Vegetation coverage changed between -0.25～+0.25 and obeyed a bimodal distribution from 1987 to 2013. It increased with altitude and slope. This method could accurately and quantitatively inverse vegetation coverage dynamics and can be used as reference for long-term dynamic monitoring of vegetation in karst areas.

vegetation coverage; multi-temporal remote sensing; mixed pixel decomposition model; decision tree classi fi cation; karst mountainous area

S771.8

A

1673-923X(2017)07-0011-07

10.14067/j.cnki.1673-923x.2017.07.002

2016-03-15

國家“863”項(xiàng)目（2012AA102001）；廣西林業(yè)廳項(xiàng)目（201438）

黎良財(cái)，副教授，博士研究生

張曉麗，教授，博士生導(dǎo)師；E-mail：Zhang-xl@263.net

黎良財(cái)，陸燈盛，張曉麗，等. 基于時(shí)序遙感的喀斯特山區(qū)植被覆蓋研究[J].中南林業(yè)科技大學(xué)學(xué)報(bào)，2017, 37(7): 11-17.

[本文編校：吳 毅]