中国西北地区不同土地利用类型的SINDVI值分析

　　摘要：植被指数SINDVI与土地利用类型之间必定存在一定的定量关系，掌握了这种定量关系将对区域农业、林业、水保、荒漠化以及生态环境与自然灾害等地表行为快速准确的监测有很大好处，为地方和国家掌控这些情况提供便利条件，为政府监督管理相关行业、及时调整相关政策提供有力的依据。本文采用西北五省2000年的NDVI数据和土地利用数据作为研究资料，对这一地区不同土地利用类型的SINDVI值做了简单分析，初步建立了一种土地利用类型与SINDVI之间的对应关系。
　　
　　关键词：SINDVI；土地利用类型；对应关系；中国西北
　　
　　1引言 
　　通过卫星遥感获得的多光谱数据经常被转换成归一化差异植被指数（NormalDeferenceVegetationIndex,NDVI），是因为NDVI不但对植被的生物物理特征十分敏感，而且可以有效降低因传感器观测角度、太阳辐射强度和土壤背景的不同而产生的影响[1]。因此，近年来，研究人员利用NDVI开展了中国西北地区植被活动年际变化的研究[2、3]。季节性综合归一化差异植被指数(SeasonallyintegratedNormalDeferenceVegetationIndex,SINDVI)是随着各种植被指数的产生而派生出来的表征在一个生长季节地表覆被特征的植被指数。SINDVI代表的是研究区每个像元在一个生长季节的NDVI之和。本文中的SINDVI是指2000年1月到2000年12月，中国西北地区的24个NDVI之和，通过Arcview软件将土地利用类型数据与SINDVI数据进行空间迭加，分析了土地利用类型的SINDVI值范围，初步建立了中国西北土地利用类型与SINDVI的定量关系。本文的研究结果可为西北地区快速监测农业、林业、水保、荒漠化以及生态环境与自然灾害等情况提供有力的帮助。
　　2研究区和数据
　　2.1研究区介绍
　　研究区为中国西北介于73º41′～111º15′E和31º39′～49º33′N之间东亚与中亚结合部，面积约为3.1×106km2，包括陕西、甘肃、新疆、青海和宁夏五省。研究区除新疆的中南部和青海外，绝大部分属于中温带气候区干旱半干旱地区[4]，主要气候特点为光热资源丰富，干燥少雨，蒸发强烈、昼夜温差大，是我国日照和太阳辐射最充足的地区，年日照时数达2200～3200h[5]，研究区多年平均降雨量为235mm。区内干旱区面积达80％以上，降水季节分配不均，一般连续最大四个月降水占全年降水量的40～70％。全区多年平均蒸发量高达1000～3000mm之间[6]。西北地区大部分地方植被覆盖率很低（有些地方植被覆盖率只有3%），植被保持水土、涵养水源和改善生态环境的能力极其微弱，导致了大面积土地荒漠化和越来越多的严重沙尘天气的发生[7]。
　　2.2遥感数据源
　　本研究应用的数据源是2000年全球总量监测和模拟研究组（theGlobalInventoryMonitoringandModelingStudies，GIMMS）收集处理的8km的15天的最大值合成NOAA/AVHRRNDVI全球数据集。这一数据集的特性是：它校正了由分辨率、天顶角、火山爆发引起的气溶胶变化和其它因素对NDVI值反映植被变化准确性的影响[8]。其原始数据是Platecareer投影，其分辨率为0.072727度，本研究为了便于量化斑块实际面积，将原始数据转化成亚尔勃斯锥形等范围投影（AlbersConicalEqualAreaprojection）。
　　2.3土地利用数据
　　土地利用数据由中国国家地理信息重点实验室提供的2000年1：100万矢量化数据。本数据将西北地区的土地分为28种利用类型。
　　
　　 
　　图1研究区土地利用图                                                                                                　　Fig1Thelanduseofstudyarea Fig2TheSINDVIimageofstudyarea
　　
　　3研究方法
　　第一步，对2000年24幅15d最大NDVI数据进行逐像元的相加，得到一幅每个像元的SINDVI数据，这一过程是通过C语言编程实现的。
　　第二步，在ENVI软件中处理SINDVI数据，得到能够被ARCVIEW软件识别与应用的格式（ASCII码）数据。
　　第三步，在ARCVIEW软件的景观分析模块中进行SINDVI的重分类（在重分类中将SINDVI分为9个类型，分别记为S1（SINDVI为0-0.01）、S2（SINDVI为0.01-1）、S3（SINDVI为1-2）、S4（SINDVI为2-4）、S5（SINDVI为4-6）、S6（SINDVI为6-8）、S7（SINDVI为8-10）、S8（SINDVI为10-12）、S9（SINDVI为12-16）。并进行了SINDVI与土地利用类型的空间迭加比较和转移矩阵的生成（表1）。
　　最后用EXCEL工具统计分析数据之间的关系。
　　4结果分析
　　4.1土地利用类型SINDVI分析
　　在西北受水分限制的大部分地区，SINDVI有一定的规律：人工植被普遍大于自然植被；灌溉农业区大于雨养农业区；降水量高的地区大于降水量低的地区；东南地区大于西北地区。
　　（1）旱地横跨了S1到S9，这可能是由于旱地作物的多样性引起的作物特性与季相的不同所致。其中，96.19%的山旱地SINDVI大于6，是旱地中SINDVI值最高的类型，平均SINDVI达到9.346；坡耕旱地与平原旱地依次次之，平均SINDVI分别为7.464和5.425，丘陵旱地的SINDVI最小为5.176。S9的旱地占旱地总面积的58.34%。SINDVI值大于4的滩地占滩地的比例近30%。
　　（2）水田当中，绝大部分SINDVI为8-12，山地水田与丘陵水田的SINDVI均大于8，分布最为集中，说明这两类水田的景观异质性最差，作物季相的均质性最好。而平原水田的SINDVI分布跨度较大，90%以上的SINDVI大于4，比例最大的依次为S5（38.28%）、S6（22.66%）和S8（21.88%）。
　　（3）林地可能因为树种和林分的不同而表现出不同的SINDVI值，从S1到S9都有林地分布，只是郁闭度大于30%的有林地和郁闭度大于40%的灌木林SINDVI集中在6-16之间，疏林地SINDVI最小（7.311），S6的疏林地占疏林地总面积的16.96%，灌木林（7.342），SINDVI值最大的是有林地（8.802），将近90%的在S6-S9之间。
　　（4）因为草地状况的差异性较大，表现出较分散的SINDVI，从S1到S9均有草地的分布。大部分高覆盖草地集中在S4-S7，分布较均匀；大部分中覆盖草地都为S4-S6，分别占了23.57%、23.01%和15.54%；低覆盖草地有76.74%的SINDVI在S4-S1之间。
　　
　　表12000年西北土地利用类型与SINDVI转移矩阵
　　 
　　（5）水体形态和水深的不同导致了不一致的SINDVI表现，总体上水体的SINDVI较低。河渠（5.107）、水库坑塘（4.117）、沼泽地（3.470）、滩地（2.763）、湖泊（1.943）、永久性冰川雪地（1.343）。有77%的河渠SINDVI在S4-S7上，比例分别为17.24%、17.24%、29.31%和13.79%；近80%的滩地SINDVI表现为S1-S4，比例分别为12.7%、15.08%、17.46%和34.13%；水库坑塘的SINDVI值较低在S2-S5之间；湖泊与冰川雪地大部分分布在S1-S4之间。
　　（6）农村居民点由于其面积较小而且周围通常都是SINDVI较高的农田，因此，其SINDVI比城镇用地和其它建设用地都高。农村居民点的SINDVI主要为S4-S6，分别为15.43%、35.19%和27.78%；城镇用地因设施的不同而有不同的SINDVI值，但为S4-S5的超过总面积的一半。
　　（7）未利用土地的SINDVI基本上都在6以下，并因为地表覆被不同而不同。绝大多数沙地、戈壁、盐碱地、裸岩石砾地的SINDVI值都在0-0.01之间。沼泽地因为地表植被和土壤类型的不同表现为较宽的SINDVI值范围。其中，S1的沙地占沙地总面积的74.77%。
　　（8）从表1中我们可以看出土地利用类型的SINDVI有一定的规律性，基本上是与植被的覆盖度成一定的正相关关系。我们把每一个土地利用类型看作一个整体1，然后9个类型的SINDVI占每种土地利用类型的百分比为各自的权重，SINDVI类型的SINDVI值取本类的平均值，比如，我们取S8的SINDVI值为11，取S9的SINDVI=14，以此来计算有植被覆盖的土地利用类型的具体SINDVI值排序如下：
　　山地水田（11.23）＞丘陵水田（10）＞山地旱地（9.35）＞有林地（8.80）＞坡耕旱地（7.50）＞灌木林（7.35）＞疏林地（7.33）＞平原水田（6.80）＞农村居民点（6.14）＞其它林地（6.04）＞高覆盖草地（5.91）＞平原旱地（5.43）＞丘陵旱地（5.18）＞河渠（5.14）＞中覆盖草地（4.72）＞水库坑塘（4.18）＞城镇用地（3.97）＞沼泽地（3.52）＞滩地（2.83）＞低覆盖草地（2.41）。在没有植被覆盖的土地利用类型中SINDVI值湖泊（2.02）＞裸土地（1.47）＞永久性冰川雪地（1.46）＞裸岩石砾地（0.78）＞盐碱地（0.77）＞戈壁（0.67）＞沙地（0.49）。
　　
　　5结论
　　（1）利用8km的遥感数据来研究中国西北地区不同土地利用类型SINDVI值的方法是可行的，其研究结果是符合客观实际的，达到了我们研究的预期目的。
　　（2）SINDVI不仅与地面覆被类型、覆盖度有关，而且与土壤背景有关。所以同一种土地利用类型可能因其覆盖度、土壤背景和生长环境的不同而表现出不同的SINDVI值，或者不同的土地利用类型因其覆盖度、土壤背景和生长环境的原因而表现出同一的SINDVI值，即同物异谱和异物同谱现象的存在，以及SINDVI数据的空间分辨率高低共同影响着土地利用类型的SINDVI表现。
　　（3）中国西北地区气候和地貌类型复杂性、地表覆盖的多样性、旱地、林地的景观异质性和破碎度较高，难以完全在8km的SINDVI数据中反映出来，降低了研究结果的精确性。
　　（4）如果西北地区土地利用类型的SINDVI经过精确的校验以后，建立一种适合于本地区的土地利用类型——SINDVI——降水——气温的对应关系，将给西北生态环境的监测和环境质量的监控提供一种简便快捷的方法，这一关系的建立将给生态环境监督管理部门对环境变化的快速反应和决策赢得时间。
　　（5）影响土地利用类型SINDVI量化精确性的因素：1）提取土地利用数据的遥感资料与提取SINDVI数据的遥感资料时空分辨率的高低与同步性；2）SINDVI重分类的步长；3）影像解译的误差。
　　参考文献
　　[1] 马明国,王建,王雪梅.基于遥感的植被年际变化及其与气候关系研究进展[J].遥感学报,2006,10(3):421-431
　　[2] 邓朝平,郭铌，王介民，马金辉.近20余年来西北地区植被变化特征分析[J].冰川冻土.2006，28（5）：686~693
　　[3] 李珍存,等.1982-2003年中国西北地区植被动态变化格局分析。遥感技术与应用,2006,21(4):332-337
　　[4] 李震,阎福礼,范湘涛.中国西北地区NDVI变化及其与温度和降水的关系[J].遥感学报,2005,9(3):8-13
　　[5] 储茂东,师守祥.论西北地区资源优势与可持续发展[J].地域研究与开发,1997(9):28-31.
　　[6] 王浩,等.西北地区水资源合理配置和承载力研究[M].郑州:黄河水利出版社,2003.
　　[7] 吕世华,陈玉春.西北植被覆盖对我国区域气候变化影响的数值模拟[J].高原气象,1999,18(3):416-