-
植被在维持生态系统稳定方面发挥着主导作用[1],但因早期社会经济发展的需要以及对森林重要性缺乏认识,经营方式并不科学,并造成森林资源不同程度的破坏,神农架就是一个很具有代表性的例子[2]。为促进生态环境的恢复,不同地区实施了一系列环境优化治理政策[3],如天然林保护工程,退耕还林工程等[4]。了解植被的恢复状况以及经营方式的适宜性对地区可持续发展有着重要意义[5]。
神农架林区从采伐到保护经历了不同的发展阶段,对研究生态环境变化,人为协助森林经营活动,促进生态环境恢复的成效等有着重要的研究价值,本研究通过分析其植被覆盖度变化趋势,结合不同时期的政策和人类活动,研究神农架近20年的植被覆盖度变化。在空间维度上,因1999年神农架林区内设立了自然保护区,为更好地突出该措施的保护效用,本研究将神农架划分为3个研究区域——神农架林区、神农架自然保护区内和神农架自然保护区外,分别进行植被覆盖度变化的统计分析;在时间纬度上,从1999年、2007年、2019年3个时间点进行植被覆盖度的变化研究,为以后的森林经营活动改善提供更加科学的依据。
HTML
-
以1999年、2007年和2019年3个时期的Landsat系列遥感影像为数据源,时相比较接近,均已进行正射校正,仅做大气校正,然后用神农架林区、神农架自然保护区内、神农架自然保护区外3个矢量边界图分别裁剪每个时期的遥感影像;其中1999年和2019年的图像中部分区域被云以及云的阴影所覆盖,很大程度地降低了数据的准确性,需要做去云处理,采用的方法是选取同年其它时间无云的遥感影像替换有云区域,使用数据的具体信息见表1。因不同时期遥感影像存在轨道偏移现象,且不能完全覆盖研究区,所以以覆盖面最小的2019年Landsat8影像为基准,获取3个时期相同覆盖面积的研究区影像。图2为神农架自然保护区内、保护区外和神农架林区各个时期的标准假彩色影像。
项目
Items卫星
Satellite传感器
Sensor成像时间
Imaging time波段
Band空间分辨率
Spatial resolution/m原数据
Original dateLandsat7 TM 1999−09−01 Band1,2,3,4,5,7 30 Landsat5 ETM+ 2007−09−15 Band1,2,3,4,5,7 30 Landsat8 OLI 2019−08−15 Band1,2,3,4,5,6,7 30 去云数据
Dates of eliminating cloudLandsat5 ETM+ 1999−08−8 Band1,2,3,4,5,7 30 Landsat8 OLI 2019−07−18 Band1,2,3,4,5,6,7 30 Table 1. Detailed information of remote sensing data covering Shennongjia Forest Region
-
在分析不同时期的植被覆盖度变化时,为了突出生态环境恢复治理的成效,减少客观因素的影响,将考虑海拔分布差异性对植被的影响,从“地理空间数据云”网站下载了30 m分辨率的DEM数据,因不同植被覆盖度等级的面积差异过大,所以根据海拔范围的极大值和极小值,将其划分为均等的5个等级,划分标准见表2,然后生成保护区内、保护区外和整个林区的海拔等级分布图,具体结果见图3。
划分类别
Classification低海拔区域
Lower attitude area较低海拔区域
Low attitude area中海拔区域
Middle attitude area较高海拔区域
High attitude area高海拔区域
Higher attitude area取值范围 Ranges/m 350~910 910~1 470 1 470~2 030 2 030~2 590 2 590~3 150 Table 2. Standard for classification of elevation classes
-
采用归一化植被指数(NDVI)和像元二分法模型(VFC)提取神农架林区的植被覆盖度。NDVI的计算原理是采用线性拉伸的方法增加近红外和红外的对比度,利用近红外波段强反射和红光波段强吸收的特点,获取两个波段反射值之差与两个波段反射值之和的比值,具体计算方法见公式(1)[14]。
式中:NDVI表示归一化植被指数;ρNIR表示近红外波段的地表反射率;ρR表示红外波段的地表反射率。取值范围在[−1,1]之间,当NDVI为负值时,表示该区域有水、雪或云雾等,红光波段的反射率比近红外的高;当NDVI接近于0时,表示该区域为岩石或裸露的土壤,近红外和红光波段的反射率较为接近;当NDVI大于0时,表示该区域有植被覆盖,且随着NDVI值的增加,植被覆盖程度越高。
像元二分法模型(VFC)的计算原理是以像元为单位,将其看成由植被和土壤两部分组成,然后对遥感信息进行分解,建立像元二分法模型,进而得到植被覆盖度[15],取值范围为[0,1],具体计算方法见公式(2)[16]。
式中:VFC表示植被覆盖度;NDVIsoil表示纯裸地覆盖像元的NDVI值;NDVIveg表示纯植被覆盖像元的NDVI值;由公式(2)可以看出,该方法的关键因素是NDVIsoil与NDVIveg值的选取,一种方法是在确定为裸地和密集植被的区域内取几个像元值的均值作为NDVIsoil与NDVIveg的值,另一种方法是为减少噪声的影响,统计区域NDVI值的累计百分比,通过选取置信区间的方式来确定,区间最大值为NDVIveg值,最小值为NDVIsoil值[17]。本研究采用第二种方法,置信区间为(5%~95%)。理论上植被覆盖度应该大于等于0,但有时会出现小于0或大于1的异常值,针对这种情况,通常人为地将小于0的值赋值为0,大于1的值赋值为1。为了更加直观地表示出植被覆盖度的变化情况,将各个时期的区域植被覆盖度计算结果按照表3的标准进行等级划分。
-
遥感监测变化的基本原理是区域光谱信息变化与土地覆盖变化相结合[18],通过对不同治理背景下的植被覆盖度变化分析,反映了政策实施的适宜性,具体技术流程见图4。
等级编号
Grade number等级名称
Grade name植被覆盖度取值范围
Range of vegetation coverage类1 低植被覆盖度
Lower vegetation coverage0.00~0.20 类2 较低植被覆盖度
Low vegetation coverage0.20~0.40 类3 中植被覆盖度
Middle vegetation coverage0.40~0.60 类4 较高植被覆盖度
High vegetation coverage0.60~0.80 类5 高植被覆盖度
Higher vegetation coverage0.80~1.00 Table 3. Classification standard of vegetation coverage
2.1. 数据来源及处理
2.1.1. 遥感数据获取与处理
2.1.2. 海拔分布数据及处理
2.2. 研究方法
2.3. 研究技术路线
-
通过统计计算得到各个时期不同区域的植被覆盖度均值[19],结果见表4;根据表3的标准对各个区域的植被覆盖度分别进行了等级划分,各等级植被覆盖度面积统计结果见表5。
年份
Year保护区内
Nature reserve保护区外
Outside nature reserve整个林区
Wholeforest1999 90.29 87.12 87.82 2007 93.98 93.82 93.84 2019 95.89 96.28 96.17 Table 4. Statistical table of mean vegetation coverage of different regions in different periods
% 等级
Grade保护区内
Nature reserve保护区外
Outside nature reserve整个林区
Wholeforest1999年 2007年 2019年 1999年 2007年 2019年 1999年 2007年 2019年 低植被覆盖度 Lower vegetation coverage 0.35 0.19 0.09 0.79 0.36 0.20 0.70 0.32 0.18 较低植被覆盖度 Low vegetation coverage 0.94 0.15 0.07 1.46 0.30 0.22 1.35 0.27 0.19 中植被覆盖度 Middle vegetation coverage 3.58 0.57 0.19 4.29 0.88 0.46 4.13 0.82 0.40 较高植被覆盖度 High vegetation coverage 9.84 5.53 1.95 14.14 4.55 1.66 13.17 4.78 1.73 高植被覆盖度 Higher vegetation coverage 85.29 93.56 97.70 79.32 93.91 97.46 80.65 93.81 97.50 合计 Total 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 Table 5. Various periods of different regional vegetation coverage of each level area
% 由表4和表5可以看出,3个区域的植被覆盖度都呈增加趋势,1999年到2007年植被覆盖度增加速率更大,其中1999年保护区内的平均植被覆盖度最大,为90.29%,整个林区的植被覆盖度接近于保护区外的植被覆盖度;到了2007年,保护区内、外的植被覆盖度均有明显的增加且非常接近,在94.00%左右,而2007年到2019年,各个区域的植被覆盖度增加速率减缓,相对而言,保护区外增加的趋势更大,且接近于整个林区的植被覆盖度,整个林区的高植被覆盖度的面积达到97.5%,生态环境十分良好。
1999年保护区已经建立了17年,保护区内的生长环境很大程度地避免了人为方面的干扰,促使保护区内生态环境的恢复,因此植被覆盖度相比于保护区外的高;2000年神农架林区全面停止林木采伐,开始实施天然林保护工程和退耕还林工程,并开展补植、抚育活动,建设科学的数字化林业系统,促使森林优良化经营[20],使得2007年植被覆盖度急剧增长;2008年年初的雨雪冰冻灾害,7、8月份的山洪灾害以及10、11月份长江沿岸区域的强降水等一系列自然灾害的影响使得2007年至2019年植被增长缓慢,但在此期间实施的天然林保护工程二期延续了一期的政策,巩固了一期的成果,再加上退耕还林工程的持续实施,对植被自然灾害后的恢复提供了很大的帮助。
由各等级植被覆盖度分布结果(图5)可以看出,区域1999年的植被覆盖度都明显低于2007年和2019年的植被覆盖度,结合表4中的数据发现,不同时期各个区域的植被覆盖度等级分布中,高植被覆盖度和较高植被覆盖度均占研究区面积的90%以上,2007年和2019年甚至超过了98%,而且高植被覆盖度的面积是逐渐增加的,其余植被覆盖度等级的面积都是逐渐减少的,2019年低植被覆盖度、较低植被覆盖度和中植被覆盖度面积占比都不到1%,由此可以看出植被生长环境是趋于稳定的,生态系统恢复良好。
-
为了表示出各个区域植被覆盖度在每个时期增加和减少的程度,分别用2007年的植被覆盖度值减去1999年的植被覆盖度值、2019年的植被覆盖度值减去2007年的植被覆盖度值和2019年的植被覆盖度值减去1999年的植被覆盖度值,从而获得各个时间段的植被覆盖度变化值,为了突出变化程度,把变化值进行等级划分,划分结果和取值范围分别为:明显增加(+0.20, +1.00],轻微增加(+0.10, +0.20],无变化[−0.10, +0.10],轻微减少[−0.20, −0.10),明显减少[−1.00, −0.20),差值分析后对每个结果进行统计(见表6),并生成植被覆盖度变化等级分布图(图6)。
等级
Grade1999年至2007年
From 1999 to 20072007年至2019年
From 2007 to 20191999年至2019年
From 1999 to 2019保护区内
Nature reserve保护区外
Outside nature reserve整个林区
Whole forest保护区内
Nature reserve保护区外
Outside nature reserve整个林区
Whole forest保护区内
Nature reserve保护区外
Outside nature reserve整个林区
Whole forest明显增加
Obviously increase6.69 10.56 9.69 1.60 2.77 2.51 9.17 14.31 13.15 轻微增加
Slightly increase9.00 15.72 14.21 5.97 6.03 6.01 10.16 17.59 15.92 无变化
No change81.69 72.35 74.44 91.37 89.45 89.88 80.12 67.33 70.21 轻微减少
Slightly reduced2.10 0.90 1.18 0.72 0.98 0.93 0.32 0.36 0.35 明显减少
Obviously decrease0.52 0.47 0.48 0.34 0.77 0.67 0.23 0.41 0.37 合计
Total100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 Table 6. Various periods each region level of vegetation coverage change in each area
% 由图6可以看出:1999—2019年各个区域的植被覆盖度均呈现大规模的增加,1999—2007年增加的更为明显。结合表5来看,1999—2007年相比于保护区内,保护区外有近25%的面积增加,轻微增加居多,而减少的面积不到3.00%,那是因为保护区自1982年设立以来,严格保护区域生态体系,减少人为干扰[21],而保护区外在2000年才停止全面采伐,所以1999年相比于保护区内,保护区外的植被覆盖度增长空间更大。2007—2019年各个区域植被覆盖增加的面积均不足10%,减少的面积也不超过2.00%,主要受自然灾害的影响。
1999—2019年近20年来,林区植被覆盖度是增加的,尤其是保护区外,其中增加的面积在30.00%以上,轻微增加的面积略高,减少的面积不足1.00%,而保护区97.00%以上面积的植被属于高植被覆盖度,因此可以看出自然保护区的设立、天保工程与退耕还林工程的实施等一系列人为协助森林经营活动的实施,对当地植被面积的增长和生态环境的维护有很大成效。
-
对比植被覆盖度变化等级分布图可以看出,植被增加的区域大部分都分布在低海拔区域,且不同植被覆盖度等级之间的面积相差极大,为了进一步分析植被覆盖度与海拔之间的关系,本研究将海拔范围进行均等划分,对每个时期不同区域各海拔等级的植被覆盖度进行均值计算,以此作为分析依据[22],具体结果见表7。
等级
Grade1999年
1999 year2007年
2007 year2019年
2019 year保护区内
Nature reserve保护区外
Outside nature reserve整个林区
Whole forest保护区内
Nature reserve保护区外
Outside nature reserve整个林区
Whole forest保护区内
Nature reserve保护区外
Outside nature reserve整个林区
Whole forest低海拔区域
Lower altitude71.14 70.24 70.39 86.36 84.27 84.44 90.61 88.87 89.01 较低海拔区域
Low altitude85.10 81.98 82.42 94.59 93.05 93.27 96.34 95.81 95.88 中海拔区域
Middle altitude95.88 93.22 93.72 97.78 96.93 97.09 98.20 98.41 98.37 较高海拔区域
Hight altitude92.83 91.46 91.98 92.97 92.33 92.57 95.03 95.13 95.09 高海拔区域
Highter altitude74.67 71.67 74.39 84.46 82.97 83.07 90.54 88.64 89.92 Table 7. Mean FVC of each elevation level of each region in each period
% 由表7可以看出:1999年各个区域在较低海拔区域、中海拔区域和较高海拔区域的植被覆盖度较高,极差值在25.00%左右。之后林区开始全面停止采伐,减少了人为方面的干扰,也给植被自然生长提供了一个良好的环境,在2007年和2019年两个时期,各海拔等级之间的植被覆盖度均值差异减小,2007年各海拔等级的极差值在15%以内,2019年各海拔等级的极差值在10%以内,由此可以看出,随着生态环境逐渐趋于稳定,不同海拔等级间的植被覆盖度差异逐渐减少,植被覆盖度与海拔之间的相关性并不显著。