李 晶，崔綠園，閆蕭蕭，楊 震，董金瑋，鄧曉娟

(1. 中國(guó)礦業(yè)大學(xué)(北京)地球科學(xué)與測(cè)繪工程學(xué)院，北京 100083； 2. 中國(guó)科學(xué)院地理科學(xué)與資源研究所，北京 100101)

植被在地球上的能量交換和生態(tài)循環(huán)中起著重要作用[1]，對(duì)于生態(tài)脆弱的草原礦區(qū)而言，植被受氣候、采礦、放牧等人類活動(dòng)的影響較大。利用多光譜遙感數(shù)據(jù)得到的植被覆蓋度(fraction of vegetation coverage,FVC)作為衡量植被狀況、指示植被動(dòng)態(tài)變化的指標(biāo)[2- 4]應(yīng)用廣泛。文獻(xiàn)[5—9]分別對(duì)沙漠化地區(qū)、陰山北麓草原區(qū)、內(nèi)蒙古大青山自然保護(hù)區(qū)、甘南草原區(qū)、淮南礦區(qū)等地的植被覆蓋度動(dòng)態(tài)變化進(jìn)行了研究。從方法上看，利用線性混合理論對(duì)混合光譜進(jìn)行應(yīng)用和解釋是較為普遍的方法，像元二分模型在構(gòu)建時(shí)NDVIveg(NDVI for “pure” vegetation pixel)和NDVIsoil(NDVI for “pure” bare soil pixel)的取值也得到重視[10- 12]。在典型區(qū)域長(zhǎng)時(shí)序植被覆蓋度變化研究中傳統(tǒng)的靜態(tài)多時(shí)相比較研究仍有應(yīng)用[13- 14]，但此種方法對(duì)于草原區(qū)FVC變化分析時(shí)易受到氣溫、降水等年際物候差異等的影響，難以科學(xué)揭示生態(tài)是否退化及其驅(qū)動(dòng)因素等根本問題。已有的研究中對(duì)FVC進(jìn)行了分級(jí)[15- 16]，這些基于分級(jí)的分析能夠在一定程度上表現(xiàn)區(qū)域植被演化特征，但難以進(jìn)一步提高定量表達(dá)的精度。此外，多數(shù)長(zhǎng)時(shí)序植被覆蓋度研究中只采用一種趨勢(shì)分析方法，如回歸分析、Sen趨勢(shì)度和Manner- Kendall趨勢(shì)檢驗(yàn)相結(jié)合的方法等[17- 19]，多種分析方法的對(duì)比研究較少。

針對(duì)上述問題，本文以內(nèi)蒙古呼倫貝爾市寶日希勒露天礦區(qū)為例，基于1985—2015年年度最大合成NDVI數(shù)據(jù)，采用一元線性回歸法和Sen+Mann- Kendall法，進(jìn)行FVC的長(zhǎng)時(shí)間序列分析，并對(duì)比兩種趨勢(shì)分析方法的差異。研究結(jié)果有助于獲取科學(xué)評(píng)價(jià)長(zhǎng)時(shí)序煤炭開發(fā)活動(dòng)對(duì)地表生態(tài)影響的基礎(chǔ)數(shù)據(jù)，同時(shí)為類似區(qū)域長(zhǎng)時(shí)序植被變化監(jiān)測(cè)及FVC變化趨勢(shì)分析提供方法參考。

1 研究區(qū)概況與數(shù)據(jù)獲取

1.1 研究區(qū)概況

寶日希勒礦區(qū)位于內(nèi)蒙古自治區(qū)呼倫貝爾市陳巴爾虎旗，地理坐標(biāo)為49°10′N—49°40′N，119°10′E—120°30′E，礦區(qū)面積約為255 km2。

考慮到礦區(qū)開采可能影響周邊區(qū)域，本文以自然地形界線和行政界線劃定研究邊界，即以莫爾格勒河和海拉爾河為研究區(qū)北、西、南的界線，東側(cè)以陳巴爾虎旗和海拉爾區(qū)的鄉(xiāng)鎮(zhèn)行政邊界為界線劃定研究區(qū)，總面積約為1792 km2，地勢(shì)由東北向西南逐漸降低，地跨森林草原與干旱草原兩個(gè)地帶。

1.2 數(shù)據(jù)來源

本文原始數(shù)據(jù)為1985—2015年的Landsat TM、ETM+、OLI遙感影像數(shù)據(jù)。為消除年際間物候差異等的影響，經(jīng)中科院地理科學(xué)與資源研究所陸地表層格局與模擬實(shí)驗(yàn)室進(jìn)行影像處理后，得到各監(jiān)測(cè)年年度最大合成NDVI數(shù)據(jù)。由于1993年和2012年的圖像質(zhì)量不佳，因此研究中使用了29 a的年度最大合成數(shù)據(jù)。

年平均氣溫和年降水?dāng)?shù)據(jù)來源于資源環(huán)境數(shù)據(jù)云平臺(tái)(http:∥www.resdc.cn/)。

2 研究方法

2.1 植被覆蓋度計(jì)算

采用像元二分模型計(jì)算FVC，計(jì)算方法為[15]

(1)

式中，NDVIsoil為裸土或無植被覆蓋區(qū)域的NDVI值；NDVIveg為完全被植被所覆蓋像元的NDVI值。本文中依據(jù)NDVI頻率統(tǒng)計(jì)表，使用0.5%置信度確定NDVI值取值的置信區(qū)間。

2.2 植被覆蓋度時(shí)間變化特征分析

研究區(qū)在1985—2015年第i年各像元FVC均值采用下式計(jì)算

(2)

研究區(qū)FVC的時(shí)間變化特征分析采用轉(zhuǎn)移矩陣法，其中FVC等級(jí)劃分參考現(xiàn)有成果[16]并結(jié)合研究區(qū)實(shí)際情況確定分級(jí)界限，見表1。

表1 研究區(qū)植被覆蓋度分級(jí)等級(jí)

2.3 植被覆蓋度趨勢(shì)變化對(duì)比分析

本文采用一元線性回歸法[20]和Sen+Mann- Kendall法[21]進(jìn)行FVC趨勢(shì)變化分析。采用上述兩種方法結(jié)合進(jìn)行研究區(qū)的植被覆蓋度趨勢(shì)分析可以增強(qiáng)檢驗(yàn)的抗噪性，并在一定程度上提高檢驗(yàn)結(jié)果的準(zhǔn)確性[22]。

2.3.1 一元線性回歸法

一元線性回歸法計(jì)算如下[4]

(3)

式中，n為監(jiān)測(cè)時(shí)間。當(dāng)slope>0時(shí)，說明FVC呈增加趨勢(shì)，反之降低。

一元線性回歸法的趨勢(shì)檢驗(yàn)采用t檢驗(yàn)法[23]，計(jì)算方法如下

(4)

2.3.2Sen+Mann-Kendall法

Sen趨勢(shì)度計(jì)算如下[17]

(5)

式中,10表示時(shí)間序列呈上升趨勢(shì)，反之下降。

Mann- Kendall趨勢(shì)檢驗(yàn)統(tǒng)計(jì)量S的計(jì)算如下[19]

(6)

(7)

根據(jù)時(shí)間序列長(zhǎng)度n值大小的不同，顯著性檢驗(yàn)統(tǒng)計(jì)量的選取有所不同。本文時(shí)間序列長(zhǎng)度為29，采用檢驗(yàn)統(tǒng)計(jì)量Z來進(jìn)行趨勢(shì)檢驗(yàn)，檢驗(yàn)中取顯著水平α=0.05，Z1-α/2=Z0.975=1.96。

Z值計(jì)算方法如下

(8)

3 結(jié)果與分析

3.1 植被覆蓋度總體變化和多時(shí)相比較

研究區(qū)1985—2015年FVC均值的年際變化情況如圖1所示，F(xiàn)VC空間分布如圖2所示。

圖3選取FVC均值接近的1985、1995、2005和2015年4期數(shù)據(jù)進(jìn)行多時(shí)相FVC比較，并對(duì)1985年和2015年FVC作轉(zhuǎn)移矩陣。結(jié)果表明：研究區(qū)FVC年際差異大，1985—2015年高覆蓋的面積和中高覆蓋的面積共減少251.03 km2，其中157.23 km2變?yōu)榈椭当桓采w區(qū)域，52.87 km2變?yōu)闊o植被覆蓋區(qū)域，占總轉(zhuǎn)移面積的83.70%，F(xiàn)VC呈明顯下降趨勢(shì)，F(xiàn)VC低值區(qū)域也在不斷變化。通過氣象數(shù)據(jù)可知，1985、1995、2005和2015年研究區(qū)年平均氣溫分別為-1.814、1.312、0.211、0.743℃，年降水量分別為472.138、349.816、410.352、301.259 mm。結(jié)合圖2和氣象數(shù)據(jù)可得，F(xiàn)VC空間分布情況受氣溫和降水影響大，多時(shí)相的靜態(tài)對(duì)比無法準(zhǔn)確揭示草原的長(zhǎng)時(shí)序變化趨勢(shì)，據(jù)此判斷草原是否退化等容易引起誤判。相比之下，遙感時(shí)序分析方法將時(shí)序影像視為連續(xù)時(shí)態(tài)記錄的完整檔案，可以更為精確地獲取地物在時(shí)序上的變化趨勢(shì)和規(guī)律[24- 26]。

3.2 植被覆蓋度空間演化趨勢(shì)分析

1985—2015年FVC變化趨勢(shì)程度如圖3所示。一元線性回歸法和Sen+Mann- Kendall法趨勢(shì)檢驗(yàn)分析結(jié)果見表2。

表2 一元線性回歸法和Sen+Mann- Kendall法趨勢(shì)檢驗(yàn)分析結(jié)果

趨勢(shì)分析方法植被覆蓋度變化趨勢(shì)植被覆蓋度變化程度像元個(gè)數(shù)百分比/(%)一元線性回歸法slope<0,α<0.01極顯著減少668933.35slope<0,0.01<α<0.05顯著減少680313.42α>0.05變化不顯著97221248.83slope>0,0.01<α<0.05顯著增加84504242.45slope>0,α<0.01極顯著增加387271.95Sen+Mann-Kendall法β<0,|Z|>1.96嚴(yán)重退化1294086.50β<0,|Z|<1.96輕微退化2337254.92-1.96≤Z≤1.96變化不顯著67080940.51β≥0,|Z|<1.96輕微改善89087044.75β>0,|Z|>1.96明顯改善661043.32

從圖3可得FVC下降最集中區(qū)域?yàn)檠芯繀^(qū)中部寶日希勒礦區(qū)所在位置，其他大部分區(qū)域的FVC變化斜率在0值左右，兩種趨勢(shì)分析方法得到的研究區(qū)FVC變化程度基本一致，但Sen+Mann- Kendall法在植被退化和植被改善區(qū)域面積有所增加。一元線性回歸法分析結(jié)果表明，植被極顯著增加的區(qū)域占1.95%，植被極顯著減少的區(qū)域占3.35%，48.83%的地區(qū)植被變化不顯著；Sen+Mann- Kendall法趨勢(shì)檢驗(yàn)分析結(jié)果表明，植被嚴(yán)重退化區(qū)域占6.50%，40.51%的地區(qū)植被變化不明顯，植被明顯改善區(qū)域占3.32%。

兩種趨勢(shì)分析法分析結(jié)果的空間分布差異如圖4所示。

由圖4可得，Sen趨勢(shì)度法和一元線性回歸法所模擬的植被覆蓋度變化趨勢(shì)基本上是一致的，兩者之差在(-0.035 5，0.023 6)，絕大多數(shù)區(qū)域無差異。兩種趨勢(shì)分析法得出植被變化趨勢(shì)相同的像元占比78.10%，Sen+Mann- Kendall法較一元線性回歸法而言，植被退化面積占比和植被改善面積占比分別多了4.65%、3.67%；負(fù)值和正值反映出Sen趨勢(shì)度法在植被退化和植被改善上要比一元線性回歸法更為敏感，克服了一元線性回歸法易受噪聲影響的缺點(diǎn)。Sen+Mann- Kendall方法對(duì)于植被退化和植被改善的選擇更為敏感，植被變化不顯著的區(qū)域減少，結(jié)果更加精確。兩種方法得出的結(jié)論基本一致，均為30年間研究區(qū)的植被覆蓋度的改善面積大于植被覆蓋度的退化面積；在草原礦區(qū)長(zhǎng)時(shí)序植被覆蓋演化趨勢(shì)的分析中，Sen+Mann- Kendall方法能更準(zhǔn)確地反映其變化趨勢(shì)。

4 結(jié) 論

本文以寶日希勒礦區(qū)及周邊為研究區(qū)，應(yīng)用1985—2015年的Landsat TM、ETM+、OLI遙感影像數(shù)據(jù)進(jìn)行FVC的變化趨勢(shì)和空間差異分析，主要結(jié)論如下：

(1) 研究區(qū)平均FVC的線性趨勢(shì)并不十分顯著，整體呈波動(dòng)下降趨勢(shì)。

(2) 采用兩種趨勢(shì)方法分析30年間FVC演化趨勢(shì)，兩者結(jié)果基本一致，均為研究區(qū)中部寶日希勒礦區(qū)所在位置FVC退化明顯。

(3) 綜合比較兩種FVC趨勢(shì)分析方法的結(jié)果，Sen+Mann- Kendall法較一元線性回歸法而言，植被退化面積占比和植被改善面積占比分別多4.65%、3.67%，該方法在FVC改善和退化的反映上更為敏感，植被變化不顯著的區(qū)域減少，能監(jiān)測(cè)出輕微的植被變化趨勢(shì)，趨勢(shì)變化結(jié)果更加精確，更能準(zhǔn)確地反映草原礦區(qū)長(zhǎng)時(shí)序的FVC演化趨勢(shì)。