基于主成分分析的云南省植被覆蓋異常區(qū)域提取

蘇宇鵬，黃義忠

(昆明理工大學(xué) 國(guó)土資源工程學(xué)院，云南 昆明 650093)

基于主成分分析的云南省植被覆蓋異常區(qū)域提取

蘇宇鵬，黃義忠*

(昆明理工大學(xué) 國(guó)土資源工程學(xué)院，云南 昆明 650093)

為了提取云南省的植被覆蓋異常區(qū)域，從地理國(guó)情監(jiān)測(cè)云平臺(tái)(http://www.dsac.cn/)MODIS產(chǎn)品下載器下載2007—2016年MOD13A3的時(shí)間序列植被指數(shù)數(shù)據(jù)，進(jìn)行數(shù)據(jù)的拼接與投影轉(zhuǎn)換處理，并用ArcGIS軟件提取并計(jì)算2007—2016年的歸一化植被指數(shù)(NDVI)。以NDVI為基礎(chǔ)數(shù)據(jù)，運(yùn)用主成分分析法對(duì)數(shù)據(jù)進(jìn)行降維壓縮處理，以刪減噪聲干擾的影響，增強(qiáng)數(shù)據(jù)有效信息的可視程度，最后結(jié)合其他輔助數(shù)據(jù)分析該地區(qū)植被異常變化情況。結(jié)果表明，利用主成分分析法進(jìn)行數(shù)據(jù)轉(zhuǎn)換，可以凸顯多時(shí)相數(shù)據(jù)集中局部變化的區(qū)域，并提取受自然或人為影響最突出的植被變化異常行為，從而識(shí)別出高度敏感的有石漠化或者土壤退化跡象的地區(qū)，為生物多樣性保護(hù)、植被變化監(jiān)測(cè)以及合自然和農(nóng)業(yè)資源的合理開(kāi)發(fā)等提供參考信息。

多時(shí)相時(shí)間序列； 歸一化植被指數(shù)； 云南

植被覆蓋的構(gòu)成與變化是影響生態(tài)系統(tǒng)功能的重要因素[1]。隨著涵蓋多光譜、多時(shí)相、高分辨率的衛(wèi)星遙感數(shù)據(jù)的出現(xiàn)，人們得以通過(guò)這種經(jīng)濟(jì)有效的方式來(lái)研究大范圍區(qū)域的土地覆蓋信息[2]。相較于空間、光譜或輻射維度，針對(duì)同一地區(qū)但跨越一定時(shí)間維度的遙感數(shù)據(jù)能夠提供更多的有關(guān)土地覆蓋狀況及變化的有用信息[3]。

歸一化植被指數(shù)(NDVI)是目前應(yīng)用最為廣泛的植被指數(shù)，其值一般為在-1～1。負(fù)值表示地面覆蓋為云、水、雪等，對(duì)可見(jiàn)光高反射；0表示有巖石或裸土等；正值表示有植被覆蓋，且隨覆蓋度增大而增大。NDVI數(shù)值和植物的蒸騰作用、太陽(yáng)光的截取、光合作用以及地表凈初級(jí)生產(chǎn)力等密切相關(guān)，因此，也常被用作反映農(nóng)作物長(zhǎng)勢(shì)和營(yíng)養(yǎng)信息的重要參數(shù)和衡量地表植被狀況的重要指標(biāo)，是描述生態(tài)系統(tǒng)的重要基礎(chǔ)數(shù)據(jù)，也是區(qū)域生態(tài)系統(tǒng)環(huán)境變化的重要指示[4]。

本試驗(yàn)以自然植被區(qū)(森林、灌叢、草地等)和農(nóng)用地為研究對(duì)象，提取受自然或人為影響最突出的植被異常變化行為，研究結(jié)果可以作為反映植被受環(huán)境應(yīng)力程度(植物應(yīng)對(duì)導(dǎo)致自身生長(zhǎng)負(fù)面影響的自然災(zāi)害或人為活動(dòng)的能力)的可視性模型參考，并可為監(jiān)測(cè)植物狀態(tài)和土地退化及荒漠化等提供有價(jià)值的信息。

1 材料與方法

1.1 研究區(qū)概況

云南省地處我國(guó)西南邊陲，地理坐標(biāo)21°～29°N，97°～106°E，東西橫跨864.9 km，南北縱距990 km，總面積39.4萬(wàn)km2，氣候類(lèi)型多樣，復(fù)雜的地形地貌造就了種類(lèi)繁多的植被類(lèi)型。受自然災(zāi)害(干旱、洪澇、風(fēng)雨侵蝕等)和人類(lèi)活動(dòng)(工業(yè)化、火災(zāi)、過(guò)度耕作、土地撂荒等)的共同影響，云南省的一些地區(qū)已被列入全國(guó)生態(tài)脆弱區(qū)，這些地區(qū)的環(huán)境平衡十分脆弱，很容易受到干擾。

1.2 數(shù)據(jù)處理

本試驗(yàn)數(shù)據(jù)來(lái)自地理國(guó)情監(jiān)測(cè)云平臺(tái)(http://www.dsac.cn/)，通過(guò)Terra MODIS傳感器，選取MOD13A3產(chǎn)品，選取時(shí)間為2007-01-01—2016-12-31，數(shù)據(jù)集版本為MODIS Collection 6，選取地區(qū)范圍為H26V6和H27V6，以及MOD12Q1產(chǎn)品。

運(yùn)用MODIS數(shù)據(jù)處理工具M(jìn)RT將MODIS影像以每月為一組進(jìn)行影像拼接，并提取Monthly Pixel Reliability和NDVI兩個(gè)波段，最終輸出為T(mén)IF格式并運(yùn)行。接著把質(zhì)量可靠性層中值設(shè)置為0的部分作為掩模，值為0的即為最優(yōu)值，提取對(duì)應(yīng)時(shí)間的NDVI最大值(因?yàn)镹DVI最大值被認(rèn)為是可以影響植被覆蓋狀態(tài)變化的可靠指標(biāo)，也最能夠展現(xiàn)自然變化、極端氣候以及遭受人為破壞后的植被變化效果)。最后將12月的數(shù)據(jù)鑲嵌到新的柵格當(dāng)中，運(yùn)用Mosaic To New Raster工具，添加12個(gè)月的數(shù)據(jù)生成1 a的NDVI數(shù)據(jù)柵格圖像，共10幅。對(duì)2007—2016年的NDVI數(shù)據(jù)做單元統(tǒng)計(jì)(cell statistics)，統(tǒng)計(jì)平均值。

研究區(qū)的土地覆蓋類(lèi)型分布通過(guò)MOD12Q1三級(jí)數(shù)據(jù)土地覆蓋類(lèi)型產(chǎn)品(land cover data)得出。它是根據(jù)一年的Terra和Aqua觀測(cè)所得的數(shù)據(jù)，經(jīng)處理，用以描述土地覆蓋類(lèi)型[5]。該土地覆蓋數(shù)據(jù)集中包含了12個(gè)主要土地覆蓋類(lèi)型，為方便本次試驗(yàn)，重分為城市和建成區(qū)，常綠針葉林/常綠闊葉林，水，灌木/草地，落葉針(闊)葉林/落葉闊葉林，谷類(lèi)作物/闊葉作物，貧瘠和稀疏植被區(qū)，雪、冰等8個(gè)類(lèi)型。

1.3 主成分分析

將一個(gè)年際時(shí)相看作是一個(gè)波段，運(yùn)用GIS波段合成工具將10 a數(shù)據(jù)合成一個(gè)圖像，運(yùn)用主成分分析工具進(jìn)行分析并生成主成分影像。

計(jì)算所有時(shí)間序列的NDVI年際均值協(xié)方差矩陣(S)，然后計(jì)算S的特征值和特征向量，以獲得新的特征成分：

(MVCi,j,k2-μk1)。

式中，k1、k2是2個(gè)時(shí)間序列的數(shù)據(jù)，MVCi,j是i排和j列中全年NDVI最高值，n是行數(shù)，m是列數(shù)，μ是MVCi,j值的平均值。

通過(guò)下式計(jì)算每個(gè)成分的方差所占總數(shù)據(jù)集的比例：

式中λi是S的特征值。

一系列新圖層通過(guò)下式進(jìn)行相乘，對(duì)于每個(gè)像元，S的特征向量是給定像元的初始值：

Pi=∑i=1Pkμk,i。

式中，Pi表示成分i的MVC值，μk,i是數(shù)據(jù)k分量i的特征向量，Pk是數(shù)據(jù)k的MVC值。

通過(guò)下式計(jì)算相關(guān)系數(shù)(R)：

式中vark是數(shù)據(jù)k的方差。

2 結(jié)果與分析

主成分分析顯示，前2個(gè)主成分的方差累積值為83.338%(表1)，包含了絕大部分信息量，所以確定采用前2個(gè)主成分進(jìn)行結(jié)果分析。

表1 各項(xiàng)主成分的所含信息

如圖1所示，第一主成分的變化反映了光合作用有效能積累量的趨勢(shì)，與每年圖像的相關(guān)系數(shù)都很高，而且全部為正數(shù)，在2011和2012年達(dá)到最大值，分別為0.362 32、0.375 05，之后逐年減少。第二主成分在2007—2012年與特征向量呈正相關(guān)，最大值為2007年的0.568 93，在2013—2016年與特征向量呈負(fù)相關(guān)，最小值為2016年的-0.446 26，表明2012年后研究區(qū)植被覆蓋急劇惡化。

圖1 關(guān)鍵主成分特征向量的變化趨勢(shì)

第一主成分(PC1)方差占整個(gè)數(shù)據(jù)集的63.233%(表1)。一般地，PC1的最大值多出現(xiàn)在森林地區(qū)或長(zhǎng)期穩(wěn)定的氣候生態(tài)區(qū)域，而在灌木、草地、農(nóng)作物地區(qū)，尤其是在生長(zhǎng)一年生作物的地區(qū)，PC1值變低。如圖2所示，PC1的最大值集中出現(xiàn)在滇西、滇西南、滇南以及昭通北部地區(qū)和滇東南一些地區(qū)，結(jié)合土地覆蓋類(lèi)型情況，說(shuō)明滇西、滇西南大部分地區(qū)森林植被覆蓋度好，又因地處山區(qū)，受人類(lèi)的耕地建設(shè)等影響較小，得以保持相對(duì)穩(wěn)定。數(shù)值低的地區(qū)主要分布在滇西北的德欽縣、香格里拉縣、賓川縣、祥云縣、元謀縣等地區(qū)，滇中的昆明周邊縣市區(qū)和昆明市東川區(qū)、曲靖市、陸良縣、路南彞族自治縣、瀘西縣、彌勒縣等地區(qū)，以及滇南的建水縣、開(kāi)遠(yuǎn)市、蒙自縣、丘北縣、文山縣、硯山縣等地，主要是受城鎮(zhèn)建設(shè)、植被類(lèi)型影響，植被覆蓋比較差，累積值較低?？梢?jiàn)，PC1與年均NDVI值較符合(圖3)，在一定程度上也與土地覆蓋類(lèi)型相符合。

圖2 研究區(qū)第一主成分分布

圖3 研究區(qū)2007—2016年NDVI均值分布

第二主成分(PC2)方差占總數(shù)據(jù)集的20.115%。多數(shù)情況下，它是由于人為因素的改變所致。人為干擾既會(huì)有積極驅(qū)動(dòng)的方面，也會(huì)有消極影響的方面。能夠朝積極的方向推動(dòng)NDVI變化的人類(lèi)活動(dòng)包括灌溉、施肥以及有效管理，與之相反，土體擾動(dòng)(整地、松土、翻耕、挖除樹(shù)根等活動(dòng))、劇烈的土地利用變化和森林火災(zāi)等會(huì)導(dǎo)致NDVI向負(fù)方向移動(dòng)。第二主成分的特征向量曲線顯示出下降的趨勢(shì)(圖1)，說(shuō)明這些變化主要是消極的，導(dǎo)致植被所能承受的環(huán)境應(yīng)力程度逐步下降。PC2的值越高，表明NDVI的變化幅度越大，植被所能承載的環(huán)境應(yīng)力越??；值越低，表明變化幅度越小，植被所能承載的環(huán)境應(yīng)力越大。如圖4所示，變化程度較大的地區(qū)有滇西北昭通大部地區(qū)以及滇東南羅平、宗師、丘北、硯山、文山、西疇、麻栗坡、廣南、富寧，還有寧蒗彝族自治縣和滇西南臨滄、永德、施甸一線。這些地區(qū)在強(qiáng)烈的耕作或地質(zhì)、氣候環(huán)境下，土地利用急劇變化。目前，這樣的區(qū)域被認(rèn)為是具有高度敏感的石漠化跡象或者土壤退化跡象的地區(qū)。

圖4 研究區(qū)第二主成分分布

3 小結(jié)與討論

本研究從地理國(guó)情監(jiān)測(cè)云平臺(tái)(http://www.dsac.cn/)下載2007—2016年MOD13A3的時(shí)間序列植被指數(shù)數(shù)據(jù)，測(cè)算2007—2016年的歸一化植被指數(shù)(NDVI)，并以NDVI為基礎(chǔ)數(shù)據(jù)，運(yùn)用主成分分析法(PCA)分析云南省植被異常變化情況。結(jié)果表明，對(duì)單一變量的多時(shí)相圖像進(jìn)行主成分分析，第一主成分反映變量的一般特征信息[6]，而第二和其他主成分反映了一種權(quán)重逐漸減小的變化特征信息[7]。主成分分析法的運(yùn)用，可以凸顯多時(shí)相數(shù)據(jù)集中局部變化的區(qū)域，并提取受自然或人為影響最突出的植被變化異常行為，監(jiān)控在多元風(fēng)景地貌中的土壤退化現(xiàn)象?？梢?jiàn)，主成分分析法是一個(gè)有效的工具，可以從NDVI時(shí)間序列中提取有價(jià)值的年際變化信息。本研究充分體現(xiàn)了在局部比例尺下在環(huán)境分析方面NDVI時(shí)間序列的潛在應(yīng)用價(jià)值，研究方法、思路及成果也可為與之相關(guān)的植被環(huán)境保護(hù)方面的開(kāi)發(fā)決策等作輔助參考。

[1] 王紅說(shuō), 黃敬峰. 基于MODIS NDVI 時(shí)間序列的植被覆蓋變化特征研究[J]. 浙江大學(xué)學(xué)報(bào)(農(nóng)業(yè)與生命科學(xué)版), 2009, 35(1):105-110.

[2] LUNETTA R S, KNIGHT J F, EDIRIWICKREMA J. Land-cover characterization and change detection using multitemporal MODIS NDVI data[J]. Remote Sensing of Environment, 2006, 105(2):142-154.

[3] REED B C, BROWN J F, VANDERZEE D, et al. Measuring phenological variability from satellite imagery[J]. Journal of Vegetation Science, 1994, 5(5):703-714.

[4] 苗榮. 基于RTK的艾比湖周邊植被空間格局的研究[D]. 烏魯木齊：新疆師范大學(xué), 2010.

[5] 何早柯, 程勇翔, 韓忠玲. 新疆北疆景觀格局空間分異特性研究[J]. 石河子大學(xué)學(xué)報(bào)(自然科學(xué)版), 2016, 34(1):126-132.

[6] 延昊, 王長(zhǎng)耀. 遙感植被指數(shù)對(duì)多時(shí)相AVHRR數(shù)據(jù)主成分分析的影響[J]. 遙感學(xué)報(bào), 2002, 6(1):30-34.

[7] 李聰, 曹占洲, 丁林,等. 新疆地區(qū)多時(shí)相MODIS—NDVI數(shù)據(jù)主成分分析[J]. 氣象與環(huán)境科學(xué), 2012, 35(2):40-43.

(責(zé)任編輯：高 峻)

2017-09-07

蘇宇鵬(1991—)，男，河南靈寶人，碩士研究生，研究方向是空間定位數(shù)據(jù)分析與應(yīng)用，E-mail：315227101@qq.com。

黃義忠(1972—)，男，廣西桂林人，副教授，博士，從事土地資源管理與環(huán)境地質(zhì)方面研究工作，E-mail：hyizhong95@163.com。

文獻(xiàn)著錄格式：蘇宇鵬，黃義忠. 基于主成分分析的云南省植被覆蓋異常區(qū)域提取[J].浙江農(nóng)業(yè)科學(xué)，2017，58(11)：1965-1967，1973.

10.16178/j.issn.0528-9017.20171131

TP75

A

0528-9017(2017)11-1965-03