李世伟 尼加提·穆合塔尔 周迪

摘要：以2008～2017年时序landsat影像为数据源，利用像元二分模型提取植被覆盖度，采用趋势分析、m-k检验以及重心转移模型对济南市2008～2017年植被覆盖的时空变化特征进行了研究。结果表明：时间上，植被覆盖度f在0.5左右浮动，总体呈平缓下降趋势，没有突变年份;Ⅲ级（0.350.75）植被覆盖面积减少较多。空间上，北部平原和南部山区分布的植被覆盖等级以高等级为主，中部平原分布的植被覆盖等级以低等级为主;植被覆盖的空间变化率呈现南北高、中间低的分布规律;植被覆盖的空间重心分布存在不均衡性，变化情况比较复杂，整体呈现西移的趋势。

关键词：植被覆盖度;像元二分模型;时空变化;济南市

中图分类号：tp79

文献标识碼：a?文章编号：1674-9944（2020）14-0008-06

1?引言

一个地区的植被覆盖状态对于揭示其地表植被的变化趋势，评价区域的生态环境有着重大的意义，评价植被覆盖情况的重要指标是植被覆盖度（vegetation coverage，vc）[1]。植被覆盖度是指植被垂直投影面积占研究区总面积的百分比，它是区域气候数值模型中的重要参数，也是描述生态系统的重要基础数据[2]。

对区域植被覆盖的时空变化特征研究是确保社会经济健康发展的重要驱动力之一。近年来，国内外学者利用植被覆盖度对植被覆盖时空变化特征进行了大量的研究，研究方法主要有植被指数法[3～12]、线性光谱混合模型法[13～16]、混合像元分解法[18～20]等。其中，像元二分模型是混合像元分解法的一种计算模型，它的计算方法简单，模型参数易得，结果准确可靠，利用高分辨率光学遥感影像，可应用于中小尺度区域的植被覆盖度计算[20]。

济南市是华北平原环境变化相对敏感的地区之一，对其植被覆盖时空变化特征的研究不仅有助于掌握该区域的生态环境变化情况，直观、清晰地了解济南的植被覆盖状况及变化趋势，得到济南市植被覆盖的整体和局部特征，也能为济南市经济平稳绿色发展、城市合理规划、资源开发和环境保护提供理论支持和数据参考。

2?研究区概况与数据

2.1?研究区概况

济南，简称“济”，是山东省的省会，位于北纬36°01′～37°32′，东经116°11′～117°44′（图1）。济南市南靠泰山，北傍黄河，地势南高北低，可分为北部临黄平原带、中部山前平原带和南部山区丘陵带。济南市植被根据其分布区域及植物组成进行分类，可分为森林植被，灌木植被，草甸植被和农业植被4种类型。济南的农业植被约占全市总面积的38%，森林植被占17%左右，灌木和草地植被占18%[21，22]。

2.2?数据源与预处理

本研究所用的数据主要包括遥感数据和其他数据。其中，遥感数据为地理空间数据云（http：//www.gscloud.cn）提供的2008～2017年的时序landsat影像，共10景（表1），空间分辨率为30m，坐标系统为wgs_1984_utm_zone_50n，含云量均在10%以下，图像质量良好。考虑到济南市种植的农作物主要为冬小麦，在6～7月份成熟和收割，黄色的成熟小麦和收割后的裸露地表都会影响植被覆盖度的提取[6];同时，济南市在5月下旬、6月上旬的植被覆盖已经趋近于夏季平均水平，且7、8月份为济南市的雨季，多阴雨天气，云量普遍比较大。因此影像的选取时间大部分是5月末、6月初，影像的获取时间接近，植被处于同一物候期，植被覆盖变化在时间和空间上都有较好的可比性。

其他的数据包括来自于济南市统计局的济南市统计年鉴（2009～2018年）、来自于国家基础地理信息系统网站（http：//www.ngcc.cn）的济南市行政区划图以及来自于地理空间数据云的济南市dem数据（gdemv2 30m），其坐标系统与遥感影像一致。

数据的预处理包括对landsat 7影像的去条带处理，遥感影像的辐射定标、大气校正、图像镶嵌、影像裁剪以及dem数据的拼接和裁剪等。

3?研究方法

3.1?归一化植被指数的计算

归一化植被指数（ndvi）随植被生物量的增加呈线性增加，能够反映植被覆盖特征、生长状态及植被覆盖度等信息，应用于区域及全球尺度的植被动态监测、

牧草和农作物面积及产量估算、物候特征识别等方面[16-20]。计算公式为：

式（1）中nir为遥感影像中近红外波段的亮度值，r为遥感影像种红波段的亮度值。

本研究利用envi 5.3软件的ndvi工具，分别计算2008～2017年的归一化植被指数。ndvi的取值范围为（-1，1），超出此范围为异常值，利用band math工具剔除异常值。

3.2?基于像元二分模型的植被覆盖度估算

像元二分模型的原理是利用归一化植被指数和植被覆盖度之间的高相关性来计算植被覆盖度[3]：

式（2）中，f为植被覆盖度，ndvisoil为没有植被覆盖的区域或完全由裸土覆盖的地表的ndvi值，ndviveg则代表完全被植被所覆盖的像元的ndvi值。在没有实地测量数据的情况下，可以近似的取ndvi最小值为ndvisoil，取ndvi最大值为ndviveg。为了提高植被覆盖度估算的准确性，在估算植被覆盖度时，经过多次比较试验以及文献记载[16～20]，本研究选取 ndvi 图像内累计频率为 5% 的归一化植被指数作为ndvisoil，选取累计频率为 95% 的归一化植被指数作为ndviveg。

参考环境保护部于2015年发布的《生态环境状况评价技术规范》，本研究将所得的植被覆盖度分为5级：Ⅰ级，低等覆盖度（0%

3.3?mann-kendall检验

mann-kendall（m-k）检验是一种非参数检验方法，具有不需要样本遵循一定的分布、不受少数异常值、计算简单的干扰的优点，对于揭示时间序列的演变趋势和突变情况有良好的表现，包括趋势检验和突变检测两方面[22～24]。本研究对济南市2008～2017年的植被覆盖度进行m-k趋势检验和突变检测，得到详细的时间变化趋势。

3.3.1?mann-kendall趋势检验

将计算得到的vc数据作为时间序列（x1，x2，…xn），n为时间序列长度，则定义统计量s：

当z>0时，时间序列呈增长趋势;z