陽泉市植被覆蓋遙感監(jiān)測與時序分析

中圖分類號：X87 文獻標志碼：A 文章編號：2095-2945（2025）21-0076-05

Abstract：Asanimportantpartof thecoal energyandheavychemical industry base，Yangquan City hasmadegreat contributionstothecountry'senergydemandandeconomicconstruction.Italsofacesecologicalandenvironmentalproblems. Therefore，usingremotesensingtechnologytoevaluatetheecologicalandenvironmentalgovernanceefectofYangquan Cityisof positivesignificancetoensuringthegreeandsustainabledevelopmentofthecity.ThisstudyselectedLandsatseriesimages from2005to2O22，andusedenhanedvegetationindex（EVI），unarylinearregresionandsignificancetestmethodstostiate thevegetationcoverageinthemunicipaldistrictofYangquanCityandtypicalareasinthepast2Oyears，andquantiatively evaluated the spatio-temporal evolution pattern and change trend of relevant areas.

Keywords： enhanced vegetation index; Landsat image;unary linear regression; significance test; Yangquan City

植被覆蓋作為衡量生態(tài)環(huán)境質(zhì)量的重要因子，對生態(tài)系統(tǒng)的結(jié)構(gòu)和功能具有一定影響，監(jiān)測植被覆蓋狀況對于評估生態(tài)環(huán)境動態(tài)變化具有重要意義。傳統(tǒng)植被覆蓋監(jiān)測方法常通過組織人力實地量測、分析對比等進行調(diào)查，實施周期長且耗時費力，成本較高，而遙感植被監(jiān)測技術具有監(jiān)測范圍廣、動態(tài)性強、成本低等優(yōu)勢，因而應用遙感技術監(jiān)測植被覆蓋狀況具有現(xiàn)實可行性。

陽泉市作為山西煤炭能源重化工基地的重要組成部分，在為國家能源需求和經(jīng)濟建設作出巨大貢獻的同時，同樣面臨著資源過度損耗、生態(tài)環(huán)境破環(huán)等嚴重的環(huán)境問題。為推動陽泉市發(fā)展模式轉(zhuǎn)變，確保綠色可持續(xù)發(fā)展持續(xù)推進，對該市的生態(tài)環(huán)境進行了及時治理，因此，亟需開展針對陽泉市范圍的長時間序列地表植被覆蓋狀態(tài)監(jiān)測。目前時序分析中常用的植被指數(shù)主要包括歸一化植被指數(shù)（NDVI）、土壤調(diào)節(jié)植被指數(shù)（SAVI）和增強型植被指數(shù)（EVI）等，NDVI是目前應用非常廣的植被指數(shù)，但存在易飽和、校正有限和噪音較多等缺點，而SAVI易丟失一部分植被信息，且其中的調(diào)節(jié)因子的取值受植被覆蓋度和土壤類型變化影響，不能完全準確表達植被狀況。EVI能夠減少大氣和土壤噪音的污染，對于時序監(jiān)測季節(jié)性更敏感，所監(jiān)測結(jié)果的時間序列曲線相對平滑，可有效提取植被覆蓋信息，已廣泛應用于氣象分析林地監(jiān)測[8]植被物候和草地變化監(jiān)測[等。對于長時間序列遙感影像監(jiān)測植被覆蓋信息模式主要有2種：一種是利用中低分辨率的MODIS數(shù)據(jù)進行大尺度、高頻次的植被覆蓋動態(tài)監(jiān)測和反演分析1；另一種是利用陸地衛(wèi)星Landsat影像進行較高空間分辨率的植被動態(tài)信息分類和變化監(jiān)測[1]。相對于MODIS數(shù)據(jù)而言，Landsat不僅空間分辨率較高，時間跨度長，而且能夠更加有效地提取植被信息，為植被覆蓋監(jiān)測提供了有力的數(shù)據(jù)支撐。

綜上，本文首次利用Landsat影像分析提取了陽泉市2005—2022年中的13個年份的植被覆蓋信息，從時空分析的角度人手，定量分析了陽泉市近20年間植被覆蓋信息的空間變化規(guī)律、時序特征及顯著性，評估分析其影響效應，對城市生態(tài)環(huán)境治理效果評估和城市群綠色可持續(xù)發(fā)展具有積極意義。

1研究區(qū)域與數(shù)據(jù)

1.1 研究區(qū)域概況

陽泉市位于山西省東部，北與忻州市毗鄰，東隔太行山與河北省相望，西接太原市，南鄰晉中市，地處黃土高原東緣，屬于山西東部山地，境內(nèi)地貌以山地為主，其余為丘陵和平原。該市是山西煤炭能源重化工基地的重要組成部分，是京津塘及沿海發(fā)達地區(qū)向內(nèi)地幅射的重要通道。地理坐標范圍為經(jīng)度 E112^°54^′. ，E114^°04^′ 、緯度 N37^°40^′～N38^°31^′ 。陽泉市屬暖溫帶半濕潤大陸性季風氣候，四季分明，現(xiàn)轄平定、盂縣2縣及城、礦、郊3區(qū)和經(jīng)濟技術開發(fā)區(qū)，全市面積4559km² ，人口141.44萬人。

1.2 數(shù)據(jù)概況

本研究采用遙感影像數(shù)據(jù)源來自美國NationalAeronautics and Space Administration（NASA）的陸地衛(wèi)星計劃中Landsat5專題測繪儀（TM）和Landsat8陸地成像儀（OLI），TM傳感器影像空間分辨率在可見光、近紅外與短波紅外為 30m ，在熱紅外波段為 120m OLI傳感器影像空間分辨率除全色波段外均為 30m 。Landsat影像下載網(wǎng)址 https：//earthexplorer.usgs.gov/，數(shù)據(jù)類型為Level2，已經(jīng)過輻射校正與幾何校正等預處理。矢量數(shù)據(jù)為陽泉市行政區(qū)劃矢量，DEM數(shù)據(jù)為ASTER GlobalDigital Elevation Model Version3（ASTER GDEM V3）。

為確保影像能夠覆蓋研究區(qū)并有效排除云的干擾，同時保證時序分析的有效性，選取影像云量均小于 10% ，成像時間集中在處于植被生長季節(jié)的6月一10月份，一幅完整全區(qū)影像需要進行鑲嵌拼接和裁剪等處理。受限于覆蓋陽泉市遙感影像數(shù)據(jù)源的時空分辨率和成像質(zhì)量，共選取了Landsat影像的13個時相，具體包括：2005年、2006年、2007年、2008年、2009年、2010年、2011年、2013年、2014年、2015年、2016年、2019年和2022年。

2 研究方法

2.1植被指數(shù)及覆蓋度計算

2.1.1增強型植被指數(shù)

增強型植被指數(shù)（Enhanced Vegetation Index， E- VI是植被生長狀態(tài)好壞的指示因子，同時其與植被覆蓋度之間存在顯著的相關關系，常用于表征地表植被覆蓋信息。其計算公式為

式中 ：ρ_NIRρ_RED 和 ρ_BUE 分別代表近紅外波段、紅光波段和藍光波段的反射率。

2.1.2 植被覆蓋度

植被覆蓋度（VegetationCover，VC）是指單位面積內(nèi)植被地上部分在地面的垂直投影面積占統(tǒng)計區(qū)總面積的百分比，可以表征植被群落等的生長態(tài)勢，是反映人居生態(tài)環(huán)境的重要指標。采用二分模型來估算植被覆蓋度[13]，其理論假設每個像元信息包括土壤與植被2部分，具體計算公式為

式中： EVI 表示增強型植被指數(shù)； EVI_veg 表示純凈植被像元的 EVI 值； EVI_soil 表示純裸土像元的 EVI 值； VC 表示植被覆蓋度。本文取累積直方圖中頻率為 5% 和99% 的 EVI 值作為 EIV_soil 和 EVI_veg 的取值。

2.2 一元線性回歸及顯著性檢驗

為進一步發(fā)現(xiàn)植被生態(tài)參量隨時間變化的演變規(guī)律和發(fā)展趨勢，采用一元線性回歸對研究區(qū)植被指數(shù)進行趨勢分析，通過對影像參量中每個像元進行時序建模，構(gòu)建一元線性回歸方程并求取趨勢系數(shù)，以反映參量的變化趨勢[14]，具體計算公式為

式中： n 為影像時間段的總年數(shù)； i 為年序號； EVI_i 為第i 年對應的增強型植被指數(shù)值;slope為趨勢系數(shù)，正值表示分析參量隨時間變換呈上升態(tài)勢，負值表示分析參量隨時間變化呈下降態(tài)勢。

采用F檢驗對變化趨勢的顯著性進行評估，顯著性反映了趨勢性變化置信度的高低，計算公式為

式中： n 為總年數(shù)； y_i 為第 i 年的實際觀測值； 為平均值； 為第 i 年的回歸預測值。

評判效果時需要將slope值與顯著性檢驗結(jié)果進行疊置分析，此處將所得變化趨勢的顯著性等級定義為9個，分別是：極顯著減少 _{（slopelt;0）} amp; Plt;0.05 ；顯著減少 （slopelt;0 amp; 0.050 amp; Plt;0.05 ）;顯著增加（slopegt;0amp;0.050amp; 0.1

3 結(jié)果與分析

3.1增強型植被指數(shù)結(jié)果與時序變化分析

將經(jīng)過預處理的Landsat影像作為數(shù)據(jù)源，經(jīng)式（1）計算得到陽泉市2005—2022年增強型植被指數(shù)值，并以行政單位為基礎，分別計算陽泉市各區(qū)縣的年平均E-VI值，所得結(jié)果如圖1所示。由年平均EVI值變化曲線可以發(fā)現(xiàn)，EVI均值整體呈波動上升趨勢，植被覆蓋狀況從高到低依次為盂縣、平定縣和陽泉市市轄區(qū)。從2005到2022年，盂縣、平定縣和陽泉市市轄區(qū)3地的EVI值的增長率分別為 62.61%.66.96% 和 57.58% ，增長速度分別為 1.25%.1.18% 和 1.03% ，其中，盂縣的增長率和增長速度均為最高，改善效果明顯。

3.2植被覆蓋度結(jié)果與分析

經(jīng)式（2）對EVI值結(jié)果進行植被覆蓋度估算，分別以陽泉市2005年、2010年、2016年和2022年共4年的植被覆蓋度進行分析。將陽泉市植被覆蓋度結(jié)果劃分為4個等級，分別為： ① 裸地，即無植被覆蓋區(qū)（ VC=0 ； ② 低植被覆蓋（ 0

觀察圖2分析發(fā)現(xiàn)，陽泉市整體植被覆蓋情況較好，且隨著時間的推移，植被覆蓋度呈現(xiàn)遞增趨勢，空間格局異質(zhì)性增加，反應近年來陽泉市生態(tài)環(huán)境呈現(xiàn)日益改善趨勢。同時，各區(qū)縣的主要城鎮(zhèn)建成區(qū)有蔓延趨勢，主要集中在人口聚居比較集中的3個區(qū)域：孟縣縣城（A）陽泉市市區(qū)（B）和平定縣縣城區(qū)（C），3個區(qū)域中變化比較明顯的是盂縣縣城，主要原因與城市化水平提高建成區(qū)不透水面增加有關。

分別對陽泉市4個時相的植被覆蓋度類型的面積和所占比例進行分析統(tǒng)計，具體結(jié)果見表1。分析表1可以發(fā)現(xiàn)，從2005年到2022年，裸地面積雖在2022年稍許上升，但整體仍呈緩慢下降趨勢，占比在10% 左右浮動；低植被覆蓋區(qū)域面積銳減，從2005年的 1 382.769 0km² 降至2022年的 287.127 0km² ，所占比例也大幅降低；中、高植被覆蓋區(qū)域面積呈振蕩上升趨勢，從2005到2022年其覆蓋面積占比的增幅均超過 10% 。從近20年的時間跨度來看，陽泉市綠地面積顯著增加，生態(tài)環(huán)境呈現(xiàn)改善趨勢。

3.3植被覆蓋空間格局演變特征分析

以分析計算所得的EVI為基礎數(shù)據(jù)，經(jīng)式（3）一式（4）計算得到研究區(qū)逐像元的時序EVI值的變化斜率值和顯著性檢驗因子 F 值，相關計算結(jié)果如圖3和圖4所示。根據(jù)一元線性回歸及顯著性檢驗的疊置分析等級劃分應為9個，但由于未檢測到極顯著不變、顯著不變和不顯著不變3個等級的結(jié)果，故將EVI值變化趨勢的顯著性劃設為極顯著減少、顯著減少、不顯著減少、不顯著增加、顯著增加和極顯著增加6個等級。

綜合分析圖3和圖4可以發(fā)現(xiàn)，2005—2022年陽泉市時序EVI值的趨勢系數(shù)范圍為-0.0445～0.1029，從陽泉市全市范圍來看，經(jīng)統(tǒng)計， 92.91% 的地區(qū)EVI趨勢系數(shù)大于0，剩余占地面積為 7.09% 的地區(qū)EVI的趨勢系數(shù)小于0，說明陽泉市總體EVI值呈現(xiàn)增長趨勢。其中，顯著增加和極顯著增加區(qū)域的面積占比分別為 15.94% 和 20.18% ，占比較大，顯著減少和極顯著減少區(qū)域的面積占比分別為 0.55% 和 1.17% ，占比很小，影響微弱。

從陽泉市各區(qū)縣范圍來看，盂縣EVI值增加和減少占比分別為 93.64%.6.36% ，極顯著增加和顯著增加占比為 16.86%，15.45% ；平定縣EVI值增加和減少占比分別為 94.02%.5.98% ，極顯著增加和顯著增加占比為23.33%.16.95% ;陽泉市市轄區(qū)EVI值增加和減少占比分別為 87.82%.12.18% ，極顯著增加和顯著增加占比為25.92%.15.64% 。根據(jù)對比可知，EVI值增加面積占比最高的是平定縣，極顯著增加和顯著增加在本區(qū)縣范圍內(nèi)占比最高的分別是陽泉市市轄區(qū)和平定縣。

從變化趨勢顯著性的等級劃分統(tǒng)計結(jié)果來看，E-VI值極顯著增加面積比重最高的是盂縣，占比45.57% ，平定縣和陽泉市市轄區(qū)占比分別為 35.76% 和 18.67% ;EVI值顯著增加面積比重最高的仍是盂縣，占比 52.87% ，平定縣和陽泉市市轄區(qū)占比分別為32.87% 和 14.26% 。由于孟縣在陽泉市市轄區(qū)3區(qū)縣中總的占地面積最大，因此其生態(tài)環(huán)境變化對整個陽泉市的影響比重較大。

4結(jié)論

本文以陽泉市為研究區(qū)域，依托LandsatTM/OLI時間序列遙感影像，從時空分析角度入手，研究了陽泉市2005—2022年近20年間時空演變格局和變化趨勢，主要結(jié)論如下：

1）揭示了陽泉市植被覆蓋的時序演變特征。近20年來，陽泉市EVI均值整體呈波動上升趨勢，植被覆蓋狀況從高到低依次為盂縣、平定縣和陽泉市市轄區(qū)，EVI值的增長率分別為 62.61% ！ 66.96% 和57.58% ，增長速度分別為 1.25%.1.18% 和 1.03% ，其中，盂縣的增長率和增長速度均為最高。通過對2005、2010、2016和2022年4個時相植被覆蓋度分析比較發(fā)現(xiàn)，陽泉市裸地面積呈緩慢下降趨勢，低植被覆蓋區(qū)域面積銳減，中、高植被覆蓋區(qū)域面積呈振蕩上升趨勢，表明陽泉市綠地面積顯著增加，生態(tài)環(huán)境呈現(xiàn)改善趨勢，且效果顯著。

2）分析了陽泉市植被覆蓋空間格局演變特征。從陽泉市全市范圍來看，占地面積 92.91% 的地區(qū)EVI值呈增長趨勢， 7.09% 的地區(qū)EVI的值呈下降趨勢；從陽泉市各區(qū)縣范圍來看，EVI值增加面積占比最高的是平定縣，極顯著增加和顯著增加在本區(qū)縣范圍內(nèi)占比最高的分別是陽泉市市轄區(qū)和平定縣。

參考文獻：

[1]羅新蘭，李英歌，殷紅，等.東北地區(qū)植被NDVI對不同時間尺度SPEI的響應[J].生態(tài)學雜志，2020，39（2）：412-421.

[2]李登科，王釗.退耕還林后陜西省植被覆蓋度變化及其對氣候的響應[J].生態(tài)學雜志，2020，39（1）：1-10.

[3]HUETEA，DIDANK，MIURA T，et al.Overview of theradiometric and biophysical performance of the MODIS veg-etation indices[J].Remote sensing of environment，2o02，83（1-2）：195-213.

[4]張佳華，張國平，王培娟.植被與生態(tài)遙感[M].北京：科學出版社，2010：14-15.

[5]楊怡，吳世新，莊慶威，等.2000-2018年古爾班通古特沙漠 EVI時空變化特征[J].干旱區(qū)研究，2019，36（6）：1512-1520.

[6]李紅軍，鄭力，雷玉平，等.基于EOS/MODIS 數(shù)據(jù)的 NDVI與 EVI比較研究[J].地理科學進展，2007（1）：26-32.

[7]MOREIRA A，F(xiàn)ONTANA D C，KUPLICH T M. Wavelet approach applied to EVI/MODIS time series and meteorological data[J].ISPRS journal of photogrammetry and remote sensing，2019，147：335-344.

[8]NEPITA-VILLANUEVA M R，BERLANGA-ROBLES C A， RUIZ-LUNA A，et al. Spatio-temporal mangrove canopy variation （2001-2016）assessed using the MODIS enhanced vegetation index（EVI）[J]. Journal of Coastal Conservation， 2019，23;589-597.

[9]ADOLE T，DASH J，ATKINSON PM.Characterising the land surface phenology of Africa using 500m MODIS EVI [J].Applied geography，2018，90：187-199.

[10]馬昊翔，陳長成，宋英強，等.青海省近10年草地植被覆蓋 動態(tài)變化及其驅(qū)動因素分析[J].水土保持研究，2018，25 （6）：137-145.

[11]HECK E，DE BEURS K M，OWSLEYBC，et al.Evaluation of the MODIS collections 5 and 6 for change analysis of vegetation and land surface temperature dynamics in North and South America [J]. ISPRS Journal of Photogrammetry and Remote Sensing，2019，156：121-134.

[12]HERMOSILLA T，WULDER M A，WHITE JC，etal. Prevalence of multiple forest disturbances and impact on vegetation regrowth from interannual Landsat time series （1985-2015）[J]. Remote Sensing of Environment， 2019，233： 111403.

[13]馬娜，胡云鋒，莊大方，等.基于遙感和像元二分模型的內(nèi)蒙 古正藍旗植被覆蓋度格局和動態(tài)變化[J].地理科學， 2012，32（2）：251-256.

[14] PENG J，CHEN S，LYU H，et al. Spatiotemporal patterns of remotely sensed PM2.5 concentration in China from 1999 to 2011 [J]. Remote sensing of environment， 2016，174：109-121.