河北壩上草原植被覆蓋度時(shí)空變化特征分析

趙根莊，王 云,董 碩,牛志達(dá)

（1. 河北省基礎(chǔ)地理信息中心 河北省空間地理數(shù)據(jù)工程技術(shù)研究中心，河北 石家莊 050031；2. 河北省第三測(cè)繪院，河北 石家莊050032；3. 河北師范大學(xué)，河北 石家莊 050024；4. 中建龍江建設(shè)工程集團(tuán)有限公司，黑龍江 哈爾濱 150090）

0 引 言

植被是連接大氣、水分、土壤、生物的紐帶，作為生態(tài)系統(tǒng)存在的基礎(chǔ)，對(duì)一個(gè)地區(qū)的生態(tài)環(huán)境狀況具有一定的指示作用。植被覆蓋度是指植被（包括葉、莖、枝）在地面的垂直投影面積占總面積的百分比[1]。研究植被覆蓋度的時(shí)空變化，能準(zhǔn)確地揭示地表植被的生長(zhǎng)狀況，對(duì)植被的動(dòng)態(tài)變化監(jiān)測(cè)及地區(qū)的生態(tài)環(huán)境評(píng)價(jià)有重要意義。

地表實(shí)測(cè)是植被覆蓋度的傳統(tǒng)測(cè)量方法，一般包括目估法、采樣法、儀器法等。傳統(tǒng)方法能夠獲取地區(qū)最詳細(xì)、最準(zhǔn)確的數(shù)據(jù)，但耗時(shí)耗力，只適于小范圍應(yīng)用。隨著遙感技術(shù)的成熟，高時(shí)間分辨率和高空間分辨率的影像數(shù)據(jù)獲取技術(shù)不斷完善，遙感測(cè)量在大范圍植被覆蓋度的研究中得到廣泛應(yīng)用[2]。遙感測(cè)量對(duì)植被覆蓋度的估算模型主要有植被指數(shù)模型、經(jīng)驗(yàn)?zāi)Ｐ?、亞像元模型以及混合光譜模型和光譜梯度差模型等[3]。近年來不少學(xué)者借用遙感技術(shù)對(duì)草原植被覆蓋度做了研究：李曉松[4]等利用高光譜影像，對(duì)不同歸一化差異植被指數(shù)（Normalized Difference Vegetation Index，NDVI）和最小二乘法估測(cè)荒漠化地區(qū)植被覆蓋度的能力做了比較；李營(yíng)[5]等基于SPOT_VGT，利用時(shí)間序列NDVI動(dòng)態(tài)變化監(jiān)測(cè)方法，分析了呼倫貝爾盟草原植被覆蓋的時(shí)空演變特征；陳學(xué)兄[6]以SPOT4影像為數(shù)據(jù)源，利用MVC法、一元線性回歸分析法和插值法，揭示了陜西省1998～2008年的植被覆蓋度動(dòng)態(tài)變化和空間分布規(guī)律；穆少杰[7]基于MODIS-NDVI數(shù)據(jù)反演了內(nèi)蒙古2001～2010年的植被覆蓋度，分析了空間格局及變化規(guī)律。

張家口壩上草原是保存完整的天然草原，是華北北部治理風(fēng)沙、水土流失和建設(shè)防護(hù)林工程的重要地段。目前對(duì)壩上草原植被覆蓋度的研究較少，且都是基于MODIS影像數(shù)據(jù)對(duì)NDVI的研究，把實(shí)測(cè)數(shù)據(jù)與Landsat影像數(shù)據(jù)結(jié)合起來，并研究植被覆蓋度時(shí)空動(dòng)態(tài)的還未見。因此本文以張家口壩上草原為研究區(qū)，通過采集2014年7月31日～8月8日的植被生長(zhǎng)旺盛期的實(shí)測(cè)數(shù)據(jù)，結(jié)合Landsat OLI和TM遙感影像數(shù)據(jù)，采用相關(guān)分析建立遙感數(shù)據(jù)獲得的NDVI值與植被覆蓋度之間的相關(guān)關(guān)系模型，根據(jù)兩者的關(guān)系模型和近6年Landsat遙感影像，得到壩上草原植被覆蓋度空間分布圖及年際變化圖，并對(duì)植被覆蓋度的空間分布做空間自相關(guān)分析，度量高、低植被覆蓋度的聚集、離散程度，進(jìn)而利用趨勢(shì)分析的方法得到植被覆蓋度2009～2014年變化趨勢(shì)圖，從而對(duì)壩上草原植被覆蓋度的整體變化趨勢(shì)、空間分布及其年際間的動(dòng)態(tài)變化進(jìn)行分析，為壩上草原草地資源的動(dòng)態(tài)監(jiān)測(cè)和評(píng)價(jià)提供科學(xué)依據(jù)。

1 研究區(qū)概況及數(shù)據(jù)來源

1.1 研究區(qū)概況

壩上草原位于北京北部、內(nèi)蒙古高原最南端的區(qū)域，西起張家口市的尚義，中挾康保、張北、沽源，東至承德市的豐寧、圍場(chǎng)，位于E114°35′～116°45′，N41°00′～42°20′，平均海拔1 500 m左右，總面積18 214 km2。該地區(qū)年平均氣溫約1.4～4℃，無霜期80～110 d，年降水量400 mm左右[8]。由于處于華北平原和內(nèi)蒙古高原交界的地方，地勢(shì)驟然升高，壩上草原形成了草甸草原和干草原，干草原旱禾苗居多，草層高度為15～40 cm，草甸草原主要為多年生草本植物，高度為30～60 cm。森林植被覆蓋度8%～12%，圍場(chǎng)地帶達(dá)到30%～70%。壩上草原污染極少，生態(tài)系統(tǒng)完整。植被的多少，直接影響到周邊的生態(tài)環(huán)境，壩上地區(qū)地處農(nóng)區(qū)與牧區(qū)的過渡帶，東部季風(fēng)氣候和西北大陸性氣候交匯，溫帶濕潤(rùn)氣候向溫帶干旱氣候過渡，對(duì)氣候變化十分敏感。干旱寒冷、大風(fēng)霜凍等自然災(zāi)害和近些年的人為破壞，使壩上地區(qū)成為中國北方生態(tài)最為脆弱的地帶[9]。

1.2 試驗(yàn)概況

野外實(shí)驗(yàn)工作在2014年7月31日～8月8日進(jìn)行，這時(shí)植被生長(zhǎng)最旺盛。為保證采樣點(diǎn)選取的合理性，實(shí)驗(yàn)前期首先分析壩上地區(qū)土地利用現(xiàn)狀圖、植被類型圖和遙感影像，實(shí)驗(yàn)過程中，根據(jù)地形地貌等實(shí)際情況，最終選擇了52個(gè)大約250 m×250 m的樣地進(jìn)行實(shí)地取樣，樣地盡量覆蓋壩上草原地區(qū)，樣地分布如圖1所示，并在每個(gè)樣地選取3～5個(gè)直徑為0.5 m的樣方，樣方均勻散布在樣地中，共185個(gè)樣方。

圖1 研究區(qū)范圍及樣地分布Fig.1 Study area and sampling distribution

1.3 數(shù)據(jù)來源

1.3.1 草原植被高光譜和草原植被覆蓋度測(cè)定

本研究使用美國SOC710便攜式可見/近紅外高光譜成像光譜儀測(cè)定植被光譜，光譜范圍400～1 000 nm，光譜分辨率4.687 5 nm。測(cè)量植被高光譜時(shí)，要求天氣晴朗、無風(fēng)無云，植被覆蓋盡量均勻，傳感器探頭垂直向下，在樣方中心正上方約1 m位置處，測(cè)量時(shí)正對(duì)太陽入射方向，每次測(cè)量前后都用參考板進(jìn)行校正，并且用GPS在每個(gè)樣方中心記錄下地理坐標(biāo)和海拔高度。

植被覆蓋度采集的樣方需與高光譜采集的樣方一致。在植被高光譜和地理坐標(biāo)測(cè)量完成后，用數(shù)碼相機(jī)進(jìn)行拍照，以計(jì)算植被覆蓋度，拍照時(shí)數(shù)碼相機(jī)處于樣方中心上方，與地面垂直，距離植被冠層約0.5 m。與其他地表實(shí)測(cè)方法相比，數(shù)碼相機(jī)測(cè)量植被覆蓋度的精度最高。尤其在植被覆蓋度較低的情況下，數(shù)碼相機(jī)的優(yōu)勢(shì)更明顯[10]。

1.3.2 Landsat影像的下載與處理

本文研究所用的遙感數(shù)據(jù)源于美國國家航空航天局（National Aeronautics and Space Administration，NASA）提供的Landsat-8 OLI_TIRS和Landsat4-5 TM衛(wèi)星16d合成的數(shù)據(jù)，可見光波段空間分辨率為30 m，選取的數(shù)據(jù)要求云量較少，時(shí)間段在7月10日～8月20日植被的生長(zhǎng)季。與MODIS數(shù)據(jù)相比，Landsat空間分辨率更高，對(duì)壩上草原這種小范圍地區(qū)植被覆蓋度的研究更加精準(zhǔn)[11]。

下載的遙感數(shù)據(jù)產(chǎn)品已經(jīng)過系統(tǒng)輻射校正和地面控制點(diǎn)幾何校正，并且通過了高精度DEM數(shù)據(jù)的地形校正，在使用遙感數(shù)據(jù)計(jì)算NDVI時(shí)，還需在ENVI 5.0中對(duì)影像進(jìn)行輻射定標(biāo)、數(shù)據(jù)格式轉(zhuǎn)換、大氣校正等預(yù)處理。對(duì)處理好的影像進(jìn)行拼接和研究區(qū)掩膜處理，得到壩上地區(qū)的地表反射率影像數(shù)據(jù)，通過波段計(jì)算求得當(dāng)年的NDVI值。

2 研究方法

2.1 高光譜數(shù)據(jù)NDVI與影像NDVI提取

在SRAnalysis預(yù)處理軟件中對(duì)高光譜數(shù)據(jù)進(jìn)行光譜標(biāo)定、空間標(biāo)定和輻亮度標(biāo)定，將DN值轉(zhuǎn)換為反射率，在ENVI 5.0中平滑去噪后，即可求取高光譜曲線的近紅外波段和紅光波段光譜反射率的平均值。由于光譜儀獲得的光譜反射率數(shù)據(jù)中各個(gè)波段的范圍與Landsat遙感影像不一致，因此在計(jì)算NDVI前首先在ENVI 5.0中對(duì)光譜反射率數(shù)據(jù)按照Landsat-8 OLI的波譜范圍進(jìn)行重采樣，將近紅外波段和紅光波段范圍分別控制在0.85～0.88 μm，0.64～0.67 μm。然后根據(jù)NDVI計(jì)算公式在波段計(jì)算工具中計(jì)算實(shí)測(cè)的NDVI，計(jì)算公式為：

式中，ρNIR為近紅外波段的光譜反射率平均值，ρRED為紅光波段的光譜反射率平均值。

為獲得影像NDVI值，以建立實(shí)測(cè)NDVI與影像NDVI的關(guān)系模型，將采樣點(diǎn)與Landsat影像疊加，采樣點(diǎn)落在影像數(shù)據(jù)的某個(gè)像元中，在ArcGIS 10.0中利用點(diǎn)提取柵格像元值工具提取各實(shí)地測(cè)量樣方對(duì)應(yīng)的影像NDVI值。

2.2 提取實(shí)測(cè)植被覆蓋度

在PhotoShop中切除相片的邊緣部分，上、下、左、右四邊分別平行切除1/5，剩余部分用于計(jì)算植被覆蓋度。在ERDAS 9.2軟件中，使用Modeler創(chuàng)建計(jì)算模型，將照片轉(zhuǎn)化為灰度值，找出植被與非植被的分界點(diǎn)，設(shè)定閾值，將照片轉(zhuǎn)化為（0,1）的二值黑白圖，統(tǒng)計(jì)植被像元占照片總像元數(shù)的百分比，得到每個(gè)樣方的實(shí)測(cè)植被覆蓋度，其計(jì)算公式為[12]：

式中，PNveg為照片內(nèi)植被像元數(shù)，PNsum為照片總像元數(shù)。

2.3 植被覆蓋度空間自相關(guān)分析

空間自相關(guān)是指同一變量在不同空間位置上的相關(guān)性，用于度量空間單元屬性值的聚集離散程度。若某一空間單元的屬性值高（低），其相鄰空間單元的屬性值也高（低），則為正相關(guān)；若某一空間單元與相鄰空間單元的屬性值一高一低，趨勢(shì)相反，則為負(fù)相關(guān)[13]?？臻g自相關(guān)分析將研究對(duì)象的空間位置信息和屬性信息綜合考慮，是檢驗(yàn)?zāi)骋豢臻g單元的屬性值是否與相鄰空間單元的屬性值顯著相關(guān)的重要指標(biāo)，分為全局空間自相關(guān)分析和局部空間自相關(guān)分析，目前常用的參數(shù)主要有Moran's I指數(shù)，Geary'C指數(shù)和G系數(shù)統(tǒng)計(jì)量，本文中采用Moran's I指數(shù)進(jìn)行分析。

2.3.1 全局空間自相關(guān)

全局空間自相關(guān)是對(duì)屬性值在整個(gè)區(qū)域的空間分布特征的描述，Moran's I指數(shù)的公式如下：

式中，n表示空間單元的個(gè)數(shù)，xi和xj分別表示單元i與j的觀測(cè)值，為xi的平均值，Wij為單元i與j的空間關(guān)系權(quán)重矩陣。得到Moran's I指數(shù)后需要進(jìn)行顯著性檢驗(yàn)，一般采用標(biāo)準(zhǔn)化統(tǒng)計(jì)量z檢驗(yàn)，z統(tǒng)計(jì)量公式為：

式中，E(I)和Var(I)分別為Moran's I的期望與方差。

Moran's I的值介于-1到1，大于0表示正相關(guān)，小于0為負(fù)相關(guān)，且絕對(duì)值越大空間分布的相關(guān)性越大，空間聚集性分布的現(xiàn)象越明顯。當(dāng)值趨于0時(shí)，無自相關(guān)，空間分布呈隨機(jī)性[14]。

2.3.2 局部空間自相關(guān)

局部空間自相關(guān)用來分析局部空間范圍內(nèi)某屬性值是否具有相關(guān)性，以計(jì)算空間單元與相鄰空間單元的相關(guān)程度， Local Moran's I指數(shù)計(jì)算公式為：

式中對(duì)于標(biāo)準(zhǔn)狀態(tài)分布S2=1，Zi和Zj是經(jīng)過標(biāo)準(zhǔn)差標(biāo)準(zhǔn)化的觀測(cè)值。Ii是Zi和周圍點(diǎn)觀測(cè)值平均數(shù)的積。Ii的顯著性也需通過z檢驗(yàn)加以判斷。若Ii顯著為正且Zi大于0，則高高集聚；若Ii顯著為正且Zi小于0，則低低集聚；若Ii顯著為負(fù)且Zi大于0，則高低集聚；若Ii顯著為負(fù)且Zi小于0，則低高集聚[15]。

2.4 植被覆蓋度年際趨勢(shì)變化分析

采用一元線性趨勢(shì)線，分析壩上草原6年間像元尺度的植被覆蓋度年際變化趨勢(shì)[16]。以時(shí)間為自變量，以植被覆蓋度為因變量，用最小二乘法計(jì)算出一元線性回歸方程的斜率b，即每個(gè)像元的植被覆蓋度年際變化值，計(jì)算公式如下：

式中，b為線性傾向值；xi為時(shí)間代表值，即2009，2010，…，2015分別為1，2，…，6；yi為像元i的植被覆蓋度；-x為年份代表值的平均數(shù)；-y代表對(duì)應(yīng)像元的多年平均值；n為樣本數(shù)。通過時(shí)間序列和植被覆蓋度序列的相關(guān)性，來分析植被覆蓋度年際趨勢(shì)變化的顯著性。b＜0說明植被覆蓋度隨時(shí)間變化呈減小趨勢(shì)，b值越小，下降越快；b＞0說明隨時(shí)間變化呈增加趨勢(shì)，b值越大，增長(zhǎng)越快[17]。

2.5 植被覆蓋度回歸模型

草地植被覆蓋度的估算模型主要有經(jīng)驗(yàn)?zāi)Ｐ头?、植被指?shù)法、像元分解模型法和FCD模型法。經(jīng)驗(yàn)?zāi)Ｐ头ㄓ纸谢貧w模型法，是根據(jù)實(shí)測(cè)樣方信息建立實(shí)測(cè)植被覆蓋度與遙感影像數(shù)據(jù)之間的回歸模型，將模型應(yīng)用到整個(gè)研究區(qū)，從而計(jì)算整個(gè)研究區(qū)的植被覆蓋度。植被指數(shù)法直接利用植被指數(shù)分級(jí)結(jié)果，來估算植被覆蓋度。像元分解模型法中最常用的是像元二分模型，假設(shè)遙感傳感器觀測(cè)到的地表信息由綠色植被和無植被覆蓋兩部分組成，根據(jù)像元二分模型植被覆蓋度估算公式計(jì)算得到植被覆蓋度。本文采用兩種經(jīng)驗(yàn)?zāi)Ｐ头▽?duì)壩上草原植被覆蓋度進(jìn)行估計(jì)，第一種方法首先對(duì)實(shí)測(cè)植被覆蓋度（Fc）和實(shí)測(cè)NDVI（NDVIASD）進(jìn)行回歸分析，再找出NDVIASD與Landsat影像數(shù)據(jù)計(jì)算的NDVI（NDVI）之間的關(guān)系，兩者結(jié)合，最終建立Fc與NDVI的回歸模型；第二種方法直接采用實(shí)測(cè)植被覆蓋度與Landsat影像數(shù)據(jù)計(jì)算的NDVI進(jìn)行回歸分析，構(gòu)建模型，對(duì)比兩種方法的估算精度，得到最優(yōu)估算模型。采集的實(shí)驗(yàn)數(shù)據(jù)分為兩組，一組是訓(xùn)練樣本，樣本個(gè)數(shù)為37，用于建立植被覆蓋度的回歸模型；另一組是測(cè)試樣本，樣本個(gè)數(shù)為15，進(jìn)行回歸模型精度檢驗(yàn)[18]。

2.6 模型精度評(píng)估

為驗(yàn)證植被覆蓋度反演模型的精度，檢驗(yàn)反演模型的模擬值與實(shí)測(cè)值之間的誤差情況，本文選取相關(guān)系數(shù)（R2）、標(biāo)準(zhǔn)誤差（SE）和總體預(yù)測(cè)精度（Precision）3個(gè)指標(biāo)進(jìn)行評(píng)價(jià)。其表達(dá)式[19-20]分別如下：

式中，n為樣本個(gè)數(shù)，Xi和Yi分別為實(shí)測(cè)值和模擬值，v為殘差。

3 結(jié)果與分析

3.1 植被覆蓋度回歸模型的構(gòu)建與精度檢驗(yàn)

3.1.1 植被覆蓋度回歸模型的構(gòu)建

運(yùn)用SPSS統(tǒng)計(jì)軟件中的回歸分析方法，選用一元線性函數(shù)、對(duì)數(shù)函數(shù)、指數(shù)函數(shù)、乘冪函數(shù)和二次多項(xiàng)式函數(shù)5種回歸方程，來擬合實(shí)測(cè)植被覆蓋度與實(shí)測(cè)NDVI、實(shí)測(cè)NDVI與Landsat影像計(jì)算得出的NDVI的相關(guān)關(guān)系。實(shí)測(cè)植被覆蓋度與實(shí)測(cè)NDVI擬合結(jié)果見表1。

表1 實(shí)測(cè)植被覆蓋度與實(shí)測(cè)NDVI回歸方程擬合結(jié)果Tab.1 Experimental vegetation coverage and the measured NDVI regression equation fi tting results

由表1可以看出，實(shí)測(cè)植被覆蓋度與實(shí)測(cè)NDVI兩者具有很好的相關(guān)性，且5個(gè)模型擬合結(jié)果都能通過極顯著性水平（0.01）的F檢驗(yàn)。其中二次多項(xiàng)式函數(shù)擬合最好，決定系數(shù)達(dá)到0.888，一元線性函數(shù)為0.887，兩者擬合結(jié)果相近，為計(jì)算簡(jiǎn)便，本文選取一次線性函數(shù)，其表達(dá)式如下：

實(shí)測(cè)NDVI與Landsat影像計(jì)算得出的NDVI擬合情況見表2。

表2 實(shí)測(cè)NDVI與Landsat影像NDVI回歸方程擬合結(jié)果Tab.2 Regression equation fi tting results of NDVI measured with Landsat image

從表2中可以看出，以上5種方程對(duì)實(shí)測(cè)NDVI與Landsat影像NDVI的擬合效果都不理想，因此選用三次多項(xiàng)式方程擬合，相關(guān)性較好，決定系數(shù)為0.752，可以通過極顯著性水平（0.01）的F檢驗(yàn)，其回歸模型的表達(dá)式如下：

將（11）式代入（10）式中，得到實(shí)測(cè)植被覆蓋度與Landsat影像計(jì)算得出的NDVI的相關(guān)關(guān)系，利用兩者的擬合方程可以對(duì)Landsat影像數(shù)據(jù)進(jìn)行柵格計(jì)算，得到壩上草原地區(qū)各年份植被生長(zhǎng)旺期的植被覆蓋度，從而對(duì)壩上草原的植被覆蓋度進(jìn)行遙感動(dòng)態(tài)監(jiān)測(cè)。實(shí)測(cè)植被覆蓋度與Landsat影像NDVI的回歸模型表達(dá)式為：

通過回歸模型計(jì)算出2014年Landsat影像的植被覆蓋度，實(shí)測(cè)植被覆蓋度與估算植被覆蓋度的擬合情況如圖2所示，兩者相關(guān)性的決定系數(shù)R2為0.805，標(biāo)準(zhǔn)誤差8.72%，可以用于植被覆蓋度估算。

圖2 植被覆蓋度預(yù)測(cè)與實(shí)測(cè)值的回歸關(guān)系（建模組）Fig.2 Regression relationship between predicted and measured values of vegetation coverage（modeling group）

3.1.2 傳統(tǒng)植被覆蓋度回歸模型的構(gòu)建

通過對(duì)實(shí)測(cè)植被覆蓋度與Landsat影像計(jì)算得出的NDVI進(jìn)行回歸分析，構(gòu)建傳統(tǒng)植被覆蓋度回歸模型，擬合結(jié)果見表3。

表3 實(shí)測(cè)植被覆蓋度與Landsat影像NDVI回歸方程擬合結(jié)果Tab.3 Regression equation fi tting results of experimental vegetation coverage and the NDVI measured with Landsat image

由表3可以看出，實(shí)測(cè)植被覆蓋度與Landsat影像NDVI構(gòu)建的傳統(tǒng)植被覆蓋度回歸模型中，二次多項(xiàng)式函數(shù)擬合最好，決定系數(shù)為0.642，其表達(dá)式如下：

通過回歸模型計(jì)算出2014年Landsat影像的植被覆蓋度，實(shí)測(cè)植被覆蓋度與估算植被覆蓋度的擬合情況如圖3所示，兩者相關(guān)性的決定系數(shù)R2為0.802，標(biāo)準(zhǔn)誤差9.84%，估算精度相對(duì)較低。

圖3 傳統(tǒng)植被覆蓋度預(yù)測(cè)與實(shí)測(cè)值的回歸關(guān)系（建模組）Fig.3 Regression relationship between predicted and traditional measured values of vegetation coverage（modeling group）

3.2 植被覆蓋度回歸模型的精度檢驗(yàn)

3.2.1 植被覆蓋度回歸模型精度檢驗(yàn)

通過R2、SE、Precision檢驗(yàn)植被覆蓋度回歸模型的預(yù)測(cè)結(jié)果與實(shí)測(cè)植被覆蓋度的誤差情況及估算精度進(jìn)行檢驗(yàn)，樣本檢驗(yàn)結(jié)果表明，驗(yàn)證組中實(shí)測(cè)值與預(yù)測(cè)值的擬合方程決定系數(shù)R2為0.807，標(biāo)準(zhǔn)誤差10.64%，估算精度為76.64%。由此可以看出，實(shí)測(cè)植被覆蓋度與Landsat影像NDVI的回歸模型可以較好地模擬兩者的關(guān)系，對(duì)植被覆蓋度估算較為準(zhǔn)確[21]。

3.2.2 傳統(tǒng)植被覆蓋度回歸模型精度檢驗(yàn)

檢驗(yàn)傳統(tǒng)植被覆蓋度回歸模型的預(yù)測(cè)結(jié)果與實(shí)測(cè)植被覆蓋度的誤差情況，樣本檢驗(yàn)結(jié)果表明，驗(yàn)證組中實(shí)測(cè)值與預(yù)測(cè)值的擬合方程決定系數(shù)R2為0.789，標(biāo)準(zhǔn)誤差11.12%，估算精度為62.69%。

植被覆蓋度的實(shí)測(cè)值與兩個(gè)模型預(yù)測(cè)值差異對(duì)比具體見表4。

表4 植被覆蓋度實(shí)測(cè)值與模型預(yù)測(cè)值對(duì)比Tab.4 Comparison of measured values of vegetation coverage and the predicted values of the models

對(duì)比兩種植被覆蓋度回歸模型的模擬精度，通過實(shí)測(cè)NDVI構(gòu)建植被覆蓋度回歸模型，植被覆蓋度的估算精度高于傳統(tǒng)的植被覆蓋度回歸模型。

3.3 壩上草原多年平均植被覆蓋度的空間分布特征

通過精度對(duì)比，選用第一種反演方法對(duì)影像NDVI進(jìn)行回歸模型計(jì)算，得到的壩上草原2009～2014年6年間7～8月植被生長(zhǎng)季的平均植被覆蓋度空間分布狀況如圖4所示。由圖中可以看出，壩上草原植被覆蓋度總體狀況較好，從東到西呈減少趨勢(shì)，壩東和壩中植被覆蓋度狀況明顯好于壩西，壩緣優(yōu)于壩中，尤以沽源、豐寧明顯。圍場(chǎng)、豐寧和沽源植被覆蓋度整體處于較高水平，圍場(chǎng)、豐寧的壩緣地區(qū)植被覆蓋度最高，張北西北部較低，尚義北部和康保北部的植被覆蓋度最低。

圖4 2009～014年壩上草原植被覆蓋度空間分布Fig.4 Spatial distribution of grassland vegetation coverage in Bashang from 2009 to 2014

壩上植被覆蓋度的這種空間格局受當(dāng)?shù)氐娜宋囊蛩睾偷匦蔚孛?、水熱條件等自然因素的共同影響。從氣象數(shù)據(jù)來看，從西向東，壩上草原的年降水量依次遞增。沽源的閃電河水庫、豐寧的濕地、圍場(chǎng)的月亮湖使得這3個(gè)地區(qū)水源豐富，草被生長(zhǎng)茂盛。從地形來看，壩上東南高，西北低，沽源、豐寧南沿山脈，草地發(fā)育較好?？当１辈渴堑蜕角鹆陞^(qū)，東部緩坡丘陵，植被覆蓋度較低，南部為波狀平原，植被覆蓋度好于丘陵區(qū)。尚義、張北境內(nèi)有最大的淖，尚義地處赤城深斷裂帶兩側(cè)，壩上為高原區(qū)，地面灘、洼、崗、丘交錯(cuò)，地表徑流壩下比壩上多，因此尚義境內(nèi)壩上地區(qū)植被覆蓋度較低[22]。

3.4 壩上草原植被覆蓋度空間自相關(guān)分析

通過GeoDa軟件對(duì)壩上草原6年平均植被覆蓋度進(jìn)行全局自相關(guān)分析，計(jì)算得Moran's I指數(shù)為0.519 498，并且可以通過0.01顯著水平的檢驗(yàn)，表明壩上植被覆蓋度呈顯著的空間正相關(guān)，即其空間分布存在明顯的聚集狀態(tài)：植被覆蓋度高的地區(qū)相鄰，植被覆蓋度低的地區(qū)相鄰。

對(duì)壩上草原植被覆蓋度進(jìn)行局部自相關(guān)分析，LISA聚集地圖和LISA顯著性地圖如圖5a，5b所示，可以直觀地反映出局部空間自相關(guān)的空間分布特征。在P≤0.05顯著性水平檢驗(yàn)的各類聚集區(qū)中，“高—高”聚集區(qū)和“低—低”聚集區(qū)占主導(dǎo)地位。植被覆蓋度高值聚集區(qū)主要分布在沽源、豐寧的壩緣地區(qū)和圍場(chǎng)，低值聚集區(qū)分布在壩西，主要包括康保北部、尚義北部、張北西南部?！暗汀摺本奂瘏^(qū)主要在沽源、豐寧、圍場(chǎng)的壩緣與壩中交界地帶，低植被覆蓋度地區(qū)被高植被覆蓋度地區(qū)包圍，具有空間負(fù)相關(guān)。

圖5 壩上草原植被覆蓋度的LISA聚集地圖與LISA顯著性地圖Fig.5 LISA cluster map and signif i cance map of grassland vegetation coverage in Bashang

3.5 壩上草原植被覆蓋度年際變化分析

以平均植被覆蓋度為指標(biāo)，分析2009～2014年壩上草原植被覆蓋度的多年動(dòng)態(tài)特征。2009～2014年壩上草原的平均植被覆蓋度年際變化曲線，如圖6所示。從中可以看出，各地區(qū)和壩上全區(qū)的年際變化基本一致。由于2009年壩上地區(qū)遭遇50年一遇的大旱，年平均降水量比往年同期偏少50%～80%，植被覆蓋度呈現(xiàn)最低值。2009～2013年，壩上植被覆蓋度持續(xù)增長(zhǎng)。2013年達(dá)到近6年最高值，為0.73，這是由于2013年氣溫比常年偏高0.7℃，日照接近常年，平均降水量比往年同期偏多20.4%，尤其是6月份，全市平均降水量與往年同期相比，偏多近一倍，這些都有利于植被的生長(zhǎng)，從而提高當(dāng)?shù)氐闹脖桓采w度。2014年入汛以來，河北省平均降水量151 mm，比往年同期減少了34%，出現(xiàn)了自2009年以來最嚴(yán)重的“卡脖旱”，壩上地區(qū)位于河北省西北部，是旱情最嚴(yán)重的區(qū)域，植被覆蓋度下降。總體來說，壩上草原植被覆蓋度在2009～2014年這6年期間，隨氣溫、降水等條件和人為影響不斷波動(dòng)變化，壩上草原平均植被覆蓋度2014年比2009年提高了近0.1。

圖6 2009～2014年平均植被覆蓋度年際變化Fig.6 Interannual variation of average of vegetation coverage from 2009 to 2014

各地區(qū)總體變化趨勢(shì)一致，但各個(gè)地區(qū)之間存在著明顯的空間差異，植被覆蓋度由高到低依次為：圍場(chǎng)，豐寧，沽源，張北，康保，尚義。在2009～2014年間，圍場(chǎng)植被覆蓋度最高，平均植被覆蓋度為0.77；尚義最低，平均植被覆蓋度為0.45，且尚義波動(dòng)幅度最大，波動(dòng)范圍為0.20～0.64；豐寧波動(dòng)幅度最小，波動(dòng)范圍為0.69～0.81。

3.6 壩上草原植被覆蓋度趨勢(shì)分析

2009～2014年6年間的壩上草原植被覆蓋度平均值的變化趨勢(shì)空間格局如圖7所示。從圖中可以看出，壩上全區(qū)植被覆蓋度有改善的趨勢(shì)。尚義、康保北部植被覆蓋度改善情況最好；沽源、圍場(chǎng)中部有輕微改善；康保西北部、張北西部植被覆蓋度有所退化，尤以張北退化最嚴(yán)重；豐寧、圍場(chǎng)植被覆蓋度一直處于良好狀態(tài)，較為穩(wěn)定，但是在2009～2014年間豐寧和圍場(chǎng)南部的植被覆蓋度有輕微退化跡象。

圖7 2009～2014年平均植被覆蓋度變化趨勢(shì)Fig.7 Trends of average of vegetation coverage from 2009 to 2014

隨著氣溫、降水趨于正常，植被生長(zhǎng)條件得到改善，國家推行“退耕還林還草”政策，形成了《水土保持法》《草原法》《退耕還林條例》等為主的生態(tài)建設(shè)法律體系，政府采取了一系列保護(hù)措施，極大地推動(dòng)了壩上草原生態(tài)環(huán)境的建設(shè)，人們保護(hù)植被的意識(shí)也日益增強(qiáng)。2009～2014年平均植被覆蓋度變化趨勢(shì)統(tǒng)計(jì)結(jié)果見表4，從表4的統(tǒng)計(jì)結(jié)果看出，2009～2014年壩上草原的植被覆蓋度得到改善。在ArcGIS 10.0中利用自然分割法對(duì)植被覆蓋度的改善情況進(jìn)行分級(jí)，嚴(yán)重退化地區(qū)面積為570.875 km2，比重占3.134%；一般退化地區(qū)面積為4 025.362 km2，比重占22.100%；無明顯變化地區(qū)面積為6 907.316 km2，比重占37.923%；一般改善地區(qū)面積為4 728.686 km2，比重占25.960%；明顯改善地區(qū)面積為1 981.998 km2，比重占10.882%。從整體上看，退化地區(qū)面積比重為25.23%，改善地區(qū)面積比重為36.84%，無明顯變化地區(qū)面積比重為37.92%，近6年來壩上草原的植被覆蓋度整體好轉(zhuǎn)[23]。

表4 2009～2014年平均植被覆蓋度變化趨勢(shì)統(tǒng)計(jì)結(jié)果Tab.4 Statistical results of average vegetation coverage changes from 2009 to 2014

4 結(jié)束語

本文基于2014年7月31日～8月8日壩上草原植被高光譜和植被覆蓋度的實(shí)測(cè)數(shù)據(jù)，結(jié)合Landsat遙感影像，建立影像NDVI和植被覆蓋度的回歸模型，并利用回歸模型對(duì)Landsat遙感影像NDVI進(jìn)行柵格計(jì)算，得到壩上草原2009～2014年6年間的植被覆蓋度，對(duì)植被覆蓋度的時(shí)空動(dòng)態(tài)變化進(jìn)行分析。Landsat遙感影像分辨率為30 m，精度較高，可以實(shí)現(xiàn)對(duì)壩上草原植被覆蓋度的快速、精準(zhǔn)監(jiān)測(cè)。不足之處在于時(shí)間序列較短，有待進(jìn)一步處理分析。通過分析，得出的結(jié)論如下：

1）利用2014年采集的實(shí)測(cè)植被覆蓋度與實(shí)測(cè)NDVI構(gòu)建簡(jiǎn)單的線性函數(shù)，該模型R2達(dá)到0.89；實(shí)測(cè)NDVI與Landsat影像NDVI之間三次擬合，R2為0.75?；谏鲜鰞蓚€(gè)回歸方程得到植被覆蓋度的估算模型，標(biāo)準(zhǔn)誤差為10.6%，預(yù)測(cè)精度達(dá)到89.80%。該模型可以用于估算壩上草原植被覆蓋度。

2）壩上地區(qū)的植被覆蓋度從西向東逐漸增大，豐寧、沽源的壩緣優(yōu)于壩中，分布格局較為明顯。植被覆蓋度情況由高到低依次為圍場(chǎng)，豐寧，沽源，張北，康保，尚義。

3）壩上草原植被覆蓋度呈顯著正相關(guān)，存在明顯的空間聚集現(xiàn)象。“高-高”聚集區(qū)和“低-低”聚集區(qū)占主導(dǎo)地位。“高-高”聚集區(qū)主要分布在沽源、豐寧的壩緣地區(qū)和圍場(chǎng)，“低-低”聚集區(qū)分布在壩西。

4）從各年份平均植被覆蓋度可以看出，2009年由于遭遇大旱迅速降落至近6年以來的最低值，2009～2013年持續(xù)增長(zhǎng)，2013年植被覆蓋度達(dá)到近6年的最高值，2014年降水量減少，植被覆蓋度再次下跌。

5）2009年以來，壩上大部分地區(qū)的植被覆蓋度有改善趨勢(shì)，其中改善地區(qū)面積占?jí)紊峡偯娣e的36.84%，基本不變的占37.92%，退化的占25.23%。在空間上存在明顯差異[24]，沽源、豐寧植被覆蓋度改善最明顯，康保西北部、張北西部、尚義東部和圍場(chǎng)植被覆蓋度有所退化。