基于Logistic模型的茂兰保护区植被变化分析

杨云

（成都理工大学 地球科学学院，四川成都 610059）

业务探讨 BUSINESS DISCUSSION

基于Logistic模型的茂兰保护区植被变化分析

杨云

（成都理工大学 地球科学学院，四川成都 610059）

基于多时相的茂兰保护区TM遥感影像数据，用监督分类的方法对1999年和2015年的影像进行分类。利用ArcGIS软件的空间分析模块对两期影像的土地利用分类结果进行叠加分析，统计各类别多年的变化。结合研究区整个时段的降水、温度、地形、交通网等因素。使用SPSS软件的Logistic模型进行统计回归分析，得出影响研究区植被变化的因素，并分析影响机制。本研究为茂兰保护区的生态保护与环境治理政策的制定提供科学依据。

ArcGIS；Logistic回归；植被变化；遥感

茂兰国家自然保护区是一个典型的喀斯特地貌地区,是一个相当脆弱的生态系统。一旦遭到破坏将难以恢复，甚至会形成石漠化，严重影响其生态环境。因此保护和发展茂兰保护区森林资源,对于研究森林植被恢复途径，保持森林群落完整的原生状态，形成生态-经济-社会等方面全面协调可持续发展的局面具有积极意义。本论文通过对茂兰不同时期的影像进行解译分析，以及对气候、水文、居民点等资料的综合分析，得出引起茂兰地区多年间有林地变化的主导因素，为人们保护和管理茂兰喀斯特森林及其遗传资源具有重要参考价值。

1 区域概况

茂兰国家级自然保护区位于贵州省黔南布依族苗族自治州荔波县境内，毗邻广西木伦国家级自然保护区，与广西壮族自治区环江县接壤，地理位置为东经107°52′10″～108°45′40″，北纬25°09′20″～25°20′50″。全区总面积为21285公顷，森林的覆盖率达87.4%。中亚热带季风湿润气候，全年的平均气温为15.3℃，全年的降水量为1752.5毫米，海拔高度在430-1078米之间，主要保护对象为喀斯特森林及珍稀动植物。

2 数据与研究方法

2.1 数据处理

从美国地质勘探局网站上下载1999年和2015年两期30米分辨率的TM遥感影像数据，并利用ENVI对两期遥感影像分别做辐射定标和大气校正，以消除传感器本身产生的误差和消除遥感图像由大气散射引起的误差，提高影像数据的质量，便于影像分类。然后用研究区矢量边界来裁剪校正后的影像数据，最后目视解译将影像分为有林地、草地、旱地、水田、建设用地五类。数字高程模型数据来源于地理空间数据云平台，分辨率为30米。本论文共使用130个研究区内均匀分布的样本点，其中75个点作为监督分类的样本点，55个点作为分类后精度检测的样本点。利用ENVI对影像做监督分类，用混淆矩阵对分类后的数据做精度验证。这里以影像的像元为单位选择验证样本，行列对应类型的数值为验证样本中分类正确的像元数，类型不同的行列数值为验证样本中错分的像元数量。在混淆矩阵结果中有六个精度指标，分别说明分类的整体情况和精度大小。

2.2 数据选取指标

影响森林植被空间分布的因素有很多种，概括起来包括自然因素和社会经济因素两类。自然因素主要包括地形、降水、温度等。地形对植被的空间分布影响明显,研究区内植被主要集中分布在海拔较低的山坡丘陵地带,区域的降水量、温度以及坡向都会在不同程度上影响植被的分布，且阳坡的植被长势显著高于阴坡。因此选取海拔、降水、温度、坡度以及坡向作为Logistic回归模型自然因素方面的因子,其中坡度、海拔、坡向三个因子通过D EM提取，降水、温度数据来源于中国气象数据网。社会经济因素选取距道路距离作为回归模型的影响因子。将1999年和2015年茂兰保护区的T M遥感影像作土地利用类型分类，分类后的两期数据利用ArcGIS空间分析模块作叠加分析，并选取1999年其他类型转变为2015年森林的分布范围作为回归模型的因变量。

表1 土地利用转移矩阵

土地利用变化矩阵 2015 1999 有林地 草地 水田 旱地 建设用地 总和有林地 166.31 0.78 0.02 0.15 0.00 167.27草地 10.63 13.53 0.25 1.08 0.00 25.50单位（km） 水田 0.27 0.43 1.31 1.40 0.13 3.54旱地 2.41 2.43 0.80 2.49 0.12 8.24建设用地 0.10 0.04 0.03 0.10 0.17 0.43总和 179.72 17.22 2.41 5.22 0.42 204.98

表2 Logistic回归模型的结果

变量B S.E,坡度坡向夏季均温-11.198 3.147夏季平均降水量 0.167 0.090距道路距离海拔-0.008 0.002常量

2.3 Logistic回归模型的运用

logistic回归是一种广义的线性回归分析模型，二元Logistic回归模型是针对二值响应变量建立的回归模型，论文选择1999年其他类型是否转变为有林地作为模型的因变量，代入模型中的自变量可为定性或定量数据，Logistic回归模型的数学表达式为

其中，P为事件发生的概率，α为模型的常数项，β为最终模型中变量的系数，X为代入模型的自变量。

3 结果与分析

3.1 茂兰保护区植被的变化

利用ArcGIS的叠加分析将1999年和2015年的土地利用类型数据作联合分析，得到土地利用转移矩阵（表1）。从1999年到2015年有林地增加的数量来看，有大量的草地转变为有林地，其面积为10.63km，水田、旱地、建设用地都有不同面积的转变为有林地，有林地的面积增加共计12.45km。1999年部分有林地转变为其他类型，面积为0.95km。

3.2 基于Logistic回归模型的有林地变化分析

在ArcGIS中随机生成200个均匀分布的随机点，用随机点与土地利用数据、温度、降水、DEM、坡度、坡向、距道路距离的栅格数据图层进行叠加，分别提取每个点对应的土地利用类型、温度值、降水量、海拔高程值、坡度、坡向、距道路远近的距离值，代入Logistic模型，将1999年其他类型是否转变为有林地作为因变量，将温度、降水、海拔、坡度、坡向、距道路距离作为自变量进行回归分析。因为极端天气最容易影响森林的分布变化，例如夏季的高温能使植被缺水干渴死亡。所以研究选取的温度值和降水值是研究区从1999年到2015年的夏季5月到8月4个月的平均温度值和平均降水量。得到最终模型内变量的回归系数表2所示。在表2中，B列系数是最终模型中变量的回归系数，系数的正负表示自变量与因变量的相关关系正相关还是负相关，绝对值的大小表示影响程度，例如表2中夏季均温的系数B=-11.198，表示自变量夏季均温与因变量之间的关系为负相关。即随着温度的降低，对1999年其他类向有林地转换越有利，有林地增加。S.E.为相应变量的标准误差。从“Hosmer和Lemeshow检验”的检验结果显著性检验的Sig=0.893＞0.5可以看出模型能够较好的拟合数据。

从回归模型的结果可以得出，影响茂兰保护区1999年其他类型向有林地转变的空间分布最主要的因素是保护区的夏季温度均值，然后依次是保护区的坡向、坡度、夏季的平均降水量、海拔。在回归系数中夏季的平均温度和海拔都是负数，说明这两个变量在引起1999年其他类向有林地的转变中起着负面作用，例如温度降低和海拔下降，有林地增加。其余变量都是起正面作用的，与有林地的增加是正相关关系，例如降水量增加，有林地增加。海拔起负面作用，可能是因为茂兰保护区的喀斯特地貌引起的。而且保护区地处中亚热带季风湿润气候区，海拔越高，温度、降水都会不同，所以海拔越低对有林地的空间分布影响越明显。

4 结语

由土地利用变化矩阵(表1)可知，1999年和2015年间草地面积减少10.63km，主要转变为有林地，而基于Logistic回归模型分析影响有林地的空间分布变化最主要的因素是保护区的夏季温度均值，坡向也是一个决定性的因素。所以加大保护区的保护力度，对保护区植被的空间分布有着重要意义。

[1]刘皓波.基于GIS和TM影像的植被变化分析----以江西省武宁县为例[J].林业科技开发,2013,27(6)：76-79.

[2]蔡泽东.茂兰自然保护区的保护与当地社区和谐发展研究[D].贵州师范大学,2007.

[3]郑有飞,牛鲁燕,吴荣军.1982---2003年贵州省植被覆盖变化及其对气候变化的响应[J].生态学杂志,2009,28(9)：1773-1778.

[4]马志勇,沈涛.基于植被覆盖度的植被变化分析[J].测绘通报2007,(7)：45-48.

[5]赵占轻,黄玲玲,张旭东,郭志华,张小全.张家界女儿寨小流域植被变化驱动力[J].生态学报,2010,30(5)：1238-1246.

K909

A

1003-2177（2017）03-0060-03

杨云（1993—），男，汉族，四川成都人，硕士研究生在读，研究方向：地图学与地理信息系统。