基于“3S”技術(shù)的和田河流域植被空間格局研究*

馮娟,王福娥,高婧

（1.中國地質(zhì)大學長城學院信息工程系,河北保定071000;2.太原市麒達環(huán)保工程技術(shù)有限公司,山西太原030027;3.交通銀行新疆區(qū)分行,烏魯木齊 830000）

隨著“3S”技術(shù)的日趨成熟,在植被空間格局研究中具有獨特的優(yōu)勢。遙感尤其是衛(wèi)星遙感技術(shù)在這方面可發(fā)揮得天獨厚的優(yōu)勢,并且目前衛(wèi)星遙感的空間分辨率從幾百米到幾分米,時間分辨率小到天、小時,光譜分辨率到幾微米,這些都為植被信息的有效提取創(chuàng)造了重要的條件。同時RS所具有的強大的信息采集和獲取能力,以及GPS的實時定位采集技術(shù),二者都可以作為GIS的重要數(shù)據(jù)源和更新手段,再結(jié)合GIS具有的強大的空間分析能力,這些都為植被空間格局的研究創(chuàng)造了有利的條件。本文研究旨在總結(jié)前人研究成果的基礎(chǔ)上,借助遙感影像及其GIS技術(shù),對和田河流域植被分布特征有一個更為全面地認識。此外本項研究在方法思路上與前人的研究有所不同,是將RS技術(shù)與GIS技術(shù)及GPS技術(shù)相互結(jié)合,獲取植被信息,在時間、人力、物力上節(jié)約許多。這一方法可以因地制宜地應用于對其它地區(qū)植被空間格局研究中,并且研究成果可以為該流域的治理決策提供詳實的基礎(chǔ)數(shù)據(jù)和科學依據(jù),為森林植被的合理經(jīng)營、科學管理和實現(xiàn)可持續(xù)發(fā)展提供服務。

1 研究區(qū)概況

和田河流域位于塔克拉瑪干沙漠主風向的下風向,是新疆的極干旱區(qū)。流域位于塔克拉瑪干沙漠南緣、昆侖山的北麓,塔里木盆地的西部,地理位置位于 77°25′-81°43′E 、34°28′-40°28′N[17]。其上中游地區(qū)主要由發(fā)源于昆侖山北麓的玉龍喀什河,以及發(fā)源于喀喇昆侖山北麓的喀拉喀什河的流經(jīng)區(qū)域構(gòu)成,兩河匯合后成為和田河的下游。流域土地總面積48 870 km2,行政區(qū)域包括和田市、和田縣、墨玉縣、洛浦縣及新疆生產(chǎn)建設(shè)兵團47團、皮山縣、阿克蘇地區(qū)的阿瓦提縣一部分。流域東鄰克里雅河流域,南以昆侖山和喀喇昆侖山與西藏和克什米爾為界,西與葉爾羌河流域接壤,北入塔里木盆地腹地,和田河是我國塔里木河三大源流之一[1]。

2 和田河流域植被數(shù)據(jù)的獲取及處理

2.1 矢量數(shù)據(jù)的獲取

收集和田河流域的位置圖,1∶50萬地形圖,將其掃描生成數(shù)字地圖,并且導入到Supermap 2003地信軟件里進行校正,然后矢量化,得到和田河流域基礎(chǔ)地物要素的矢量圖層,包括道路、河流、居民區(qū)等,并根據(jù)地形圖進行屬性的錄入,最后制作出和田河流域的基礎(chǔ)底圖。

2.2 屬性數(shù)據(jù)的獲取

收集研究區(qū)的經(jīng)濟數(shù)據(jù)、人口數(shù)據(jù)、水文、降水、溫度、土壤等相關(guān)屬性數(shù)據(jù)。

2.3 實測數(shù)據(jù)的獲取

主要通過野外實地調(diào)查,基于“3S”工作平臺,即集成GPS技術(shù)、RS技術(shù)、GIS技術(shù)的便攜野外測量兼室內(nèi)數(shù)據(jù)處理、分析的系統(tǒng)。它包括GIS、RS、GPS三個子系統(tǒng)。硬件部分由筆記本電腦或PDA、GPS天線、手持GPS機、數(shù)碼像機、攝像機等組成,軟件包括OZI、MAPROUT 、MAPEDIT、ERDAS、ENVI、SUPERMAP2003、ARCGIS等GIS、RS和GPS的軟件。另外還包括相應區(qū)域的衛(wèi)星遙感影像、基礎(chǔ)地理信息等數(shù)據(jù)。野外測量時系統(tǒng)通過GPS天線接受空間衛(wèi)星實時傳輸?shù)目臻g數(shù)據(jù),然后傳輸給OZI軟件,經(jīng)過OZI軟件處理后可以獲取空間數(shù)據(jù),使用衛(wèi)星影像進行實時對比分析,建立解譯標志,使用遙感軟件進行影像處理,地理信息系統(tǒng)軟件進行實時數(shù)據(jù)修改,屬性錄入。通過3S平臺能實時地獲得精確度很高的四維(X坐標、Y坐標、高程、時間)數(shù)據(jù)和屬性信息,并能實時實地進行遙感分析,矢量和屬性數(shù)據(jù)的修改。通過“3S”平臺獲取研究區(qū)域的地理坐標、高程、植被等信息。此外還要記錄包括道路交叉口、河流、林地等具有典型特征的控制點信息[2]。

2.4 遙感數(shù)據(jù)的收集與處理

選取覆蓋研究區(qū)域的TM/ETM+影像數(shù)據(jù),影像分辨率為15 m,進行和田河流域植被分布現(xiàn)狀的研究,選取SPOT影像數(shù)據(jù)進行研究區(qū)植被覆蓋度空間格局分析。

3 植被信息提取及分布現(xiàn)狀研究

植被信息的提取過程:根據(jù)地物光譜特征,結(jié)合研究區(qū)域特點及其本文的分類體系,采用ENVI非監(jiān)督分類ISODATA(Iterative Self-OrganizingData Algorithm)-人工交互合并與修正法[3]。該方法首先進行非監(jiān)督分類,然后在此基礎(chǔ)上對屬于同一類別的地物像元進行合并,對錯分的像元進行修正分類。將分類結(jié)果矢量圖層從SUPERMAP中導出為SHP格式,然后在EXCEL中制作透視表,進行統(tǒng)計分析(表1)。

從植被分布可以看出,和田河流域的主要植被類型是胡楊、檉柳、其他灌木。和田河兩岸分布有大片的胡楊和檉柳。其中本文研究區(qū)的總面積為2 253 529.60 hm2,其中胡楊面積68 680.75 hm2,占 3.05%,檉柳面積 15 689.72 hm2,占 0.70%,其他灌木地面積2 781.05 hm2,占0.12%,農(nóng)田面積17 144.09hm2,占0.76%,及荒漠面積2 107 698.42 hm2,占 93.53%,河流總面積為41 535.57 hm2,占 1.84%。

表1 各主要植被類型面積統(tǒng)計 hm2

4 基于遙感影像二次分類的植被覆蓋度空間格局分析

文中二次分類,是相對于一次分類而言,指先對SPOT影像進行重新采樣,將影像像元變大,由原來的10 m到現(xiàn)在的15 m,然后對重采樣后的影像再進行一次分類。對遙感影像進行二次分類后,可以明確劃分出樣區(qū)地類的邊界。將二次分類后的柵格數(shù)據(jù)集,利用ARCGIS的柵格轉(zhuǎn)成矢量的工具,即ARCGIS空間分析工具集中的Convert工具,將二次分類結(jié)果轉(zhuǎn)成矢量(.shp格式),對矢量數(shù)據(jù)集進行處理(光滑、重采樣、拓撲查錯等),確定三個樣區(qū)地類的矢量界限。根據(jù)二次分類的結(jié)果,最終將樣區(qū)一劃分為21塊地類(包含水域),將樣區(qū)二劃分為16塊地類(包含水域),將樣區(qū)三劃分為8塊地類(包含水域)。

根據(jù)二次分類確定的地類界限,與一次分類的結(jié)果進行掩膜裁剪即對一次分類后的柵格數(shù)據(jù)按地類進行了裁剪,這樣便可以統(tǒng)計出每塊地類的總像元個數(shù)及每塊地類內(nèi)植被所占的像元總個數(shù)。打開一次分類的柵格數(shù)據(jù)的屬性表,在Option選項中將其導出為DBF格式,統(tǒng)計出每塊地類的總像元個數(shù)及每塊地類內(nèi)植被所占像元的總個數(shù),則每塊地類的植被覆蓋度就等于植被所占像元總個數(shù)與地類總像元個數(shù)的比值。其結(jié)果如表2-4分別為樣區(qū)一、樣區(qū)二、樣區(qū)三的植被覆蓋度計算結(jié)果表。

5 樣區(qū)植被信息與樣區(qū)DEM的疊加

將樣區(qū)提取的植被信息與樣區(qū)DEM兩個圖層進行分區(qū)統(tǒng)計,計算出每塊地類內(nèi)植被所分布的高程范圍。選擇在ARCGIS中利用Spatial Analyst工具欄中Zonal Statistic工具進行分區(qū)統(tǒng)計,最后將分區(qū)統(tǒng)計的結(jié)果屬性表導出。進行統(tǒng)計計算并分析,其結(jié)果見表2-4。

5.1 創(chuàng)建垂直剖面圖

為了更直觀地反映植被覆蓋度隨著距河岸距離及河面高差的變化規(guī)律,本文建立了三個樣區(qū)的剖面圖,利用ARCGIS中3DAnalyst工具,即在ARCMAP內(nèi)容表上選擇樣區(qū)的DEM圖層,單擊Interpolate Line按鈕,在DEM 表面拖出一條數(shù)字化線,雙擊鼠標結(jié)束數(shù)字化線。然后單擊Create Profile Graph按鈕即可生成研究區(qū)的剖面。最后右擊剖面圖標題欄,選擇Properties命令對生成的剖面圖進行修改[4]。如圖1-3為三個樣區(qū)的剖面圖,圖中X軸代表距離河岸的距離,Y軸代表對應點的高程,數(shù)值為每塊地類的植被覆蓋度。

5.2 回歸模型的構(gòu)建

5.2.1 植被覆蓋度與距河岸平均距離、河面平均高差間的單因素相關(guān)分析 從相關(guān)系數(shù)矩陣表中可以看出:植被覆蓋度與距離河岸的平均距離、距河面的平均高差之間的單相關(guān)系數(shù)分別為-0.831,-0.823,并且這兩個數(shù)據(jù)旁邊均有2個星號,表示在顯著水平為0.01時,統(tǒng)計檢驗的相伴概率小于等于0.01,即總體無顯著線性相關(guān)的可能性小于等于0.01。由于植被覆蓋度與距離河岸的平均距離、距河面的平均高差間的單相關(guān)系數(shù)為負但絕對值大于0.8,所以視為高度負相關(guān)。

表2 樣區(qū)1植被覆蓋度計算結(jié)果

表3 樣區(qū)2植被覆蓋度計算結(jié)果

表4 樣區(qū)3植被覆蓋度計算結(jié)果

圖1 樣區(qū)1剖面圖

5.2.2 植被覆蓋度與距河岸平均距離、河面平均高差間回歸模型的構(gòu)建 在SPSS 15.0中進行曲線擬合,首先利用SPSS 15.0中的分析,描述統(tǒng)計分析功能,對樣本數(shù)據(jù)進行標準化處理,并且將標準化處理后的數(shù)據(jù)保存為變量。然后利用SPSS 15.0的回歸工具條中的曲線估計工具Curve Estimation,進行曲線估計,最后通過比較相關(guān)系數(shù)的平方值(R2)來比較各模型的優(yōu)劣,相關(guān)系數(shù)的平方值越大,則模型越優(yōu)。

圖2 樣區(qū)2剖面圖

圖3 樣區(qū)3剖面圖

表5 相關(guān)分析矩陣表

通過比較,植被覆蓋度與距河岸距離間的回歸模型選擇冪函數(shù)模型Power,其一般表達式為:y=b0xb1,本文中為 y=1890.4x-0.6932(y——植被覆蓋度;x——距河岸的平均距離,R2=0.7124,R=-0.8440,見圖4)。植被覆蓋度與距河面高差間的回歸模型選擇三次曲線模型Cubic,其一般式為y=b0+b1x+b2x2+b3x3,本文中為 y=-0.329x3+6.0045x2-33.063x+62.366(y——植被覆蓋度;x——距河面的平均高 差,R2=0.6685,R=-0.8176,見圖5)。

圖4 植被覆蓋度與距河岸距離間的回歸模型

對建立的回歸模型進行F檢驗,結(jié)果表明,F檢驗的實際顯著性水平sigf值均為 0.0000＜0.001,通過了置信度為0.001的顯著性檢驗。說明植被覆蓋度與距河岸的距離及河面高差間總體上呈現(xiàn)顯著的負相關(guān),即隨著河岸距離及河面高差的增大,植被覆蓋度整體上呈現(xiàn)出逐漸降低的趨勢。

圖5 植被覆蓋度與距河面高差間的回歸模型

6 結(jié)論

(1)從水平方向來看,植被隨著其距河岸距離的增大,總體上植被的覆蓋度呈現(xiàn)出遞減的趨勢。本文中的3個樣區(qū),植被覆蓋度最高值為69.58%,且覆蓋度大于60%以上的植被主要分布在距離河岸600 m以內(nèi),覆蓋度介于50%～60%的植被分布范圍在距離河岸800 m以內(nèi)。覆蓋度介于40%～50%的主要分布于距河岸1 000 m以內(nèi)。而距離河岸的距離超過1 000 m以后,植被的覆蓋度都低于20%。這是由于隨著距離河岸距離的增加,地下水位降低,不利于植被的生長。

(2)從垂直方向,即距離河面高差方面考慮,覆蓋度為60%以上的植被分布范圍距離河面的高差不超過2 m。覆蓋度介于30%～60%的植被分布范圍距離河面的高差不超過4 m。當距離河面的高差高于10 m以后,植被的覆蓋度都低于20%。這也是因為距離河面高差越大,地下水位相對也較低,不利于植被吸收水分,進而影響植被生長。

(3)三個樣區(qū)中,植被覆蓋度在靠近河岸附近都有一個從最高值降低后然后又增加的規(guī)律,原因可能是由于河岸兩邊分布的是胡楊林,此處風速降低,發(fā)生風沙堆積作用,導致植被覆蓋度降低。

[1]肖晨曦.和田河流域灌叢沙堆粒度特征及成因的初步研究[D].烏魯木齊:新疆師范大學,2007.

[2]昝梅.基于DEM 的艾比湖階地研究[D].烏魯木齊:新疆師范大學,2007.

[3]張銀輝.縣級耕地遙感動態(tài)監(jiān)測方法研究[J].測繪通報,2002(3):25-27.

[4]吳秀芹,張洪巖,李瑞改,等.ArcGIS 9地理信息系統(tǒng)應用與實踐[M].北京:清華大學出版社,2007:347-348.