基于像元二分法的盐池县植被覆盖度与地质灾害点时空格局分析

张晓东， 刘湘南， 赵志鹏， 赵银鑫， 马玉学， 刘海燕

(1.中国地质大学(北京)信息工程学院，北京 100083; 2.宁夏回族自治区地质调查院,银川 750021)

0 引言

引发地质灾害的因素主要有地质构造、地形地貌、岩土类型、植被、水文、气象以及人类活动等因素[1]。植被作为生态环境最重要的组成部分之一，与一定的气候、地貌和土壤条件相适应，对地表环境的依赖性大，在地质灾害的发育过程中起着十分重要的作用，植被覆盖程度及其变化不仅是区域生态系统环境变化的重要指标，也是影响区域地质灾害发生频率与规模的重要因子之一，常被选作地质灾害易发性和危险性评估的重要指标[2-4]。目前关于植被覆盖度与地质灾害之间关系的研究相对较少，多数研究[5-7]认为植被覆盖度越低，越容易发生地质灾害； 但张国平等[8]认为地质灾害更多发生在高植被覆盖度区域。因此，目前对于植被覆盖度与地质灾害时空格局关系尚未达成统一认识[9]。

宁夏回族自治区盐池县地处农牧交错区，自然环境敏感性强，生态地质环境极为脆弱，是全区地质灾害较为发育的地区之一，滑坡、崩塌及泥石流等灾害隐患分布广泛。近年来，盐池县植被恢复明显，区域植被类型和结构发生了重大变化，但在以往的地质灾害工作中，对植被覆盖度与地质灾害点时空格局关系的研究很少涉及。因此，深入了解研究区植被覆盖度与地质灾害点的关系，对该区域地质灾害防治有重要的现实意义。本文利用Landsat TM/OLI遥感数据，基于像元二分模型对盐池县4个时期的植被覆盖度变化进行分析； 同时，结合研究区地质灾害体(滑坡、崩塌、泥石流及地面塌陷)数据，进一步探讨植被覆盖度与地质灾害体的关系，以期为盐池县地质灾害防治提供理论方法和科学依据。

1 研究区概况及数据源

1.1 研究区概况

盐池县位于宁夏回族自治区东部，毛乌素沙漠南缘，与内蒙古自治区、陕西省和甘肃省接壤，总面积约6 757.6 km2。地形总体呈南部高、北部低，中部高、东西两侧低的特点，北部为鄂尔多斯缓坡丘陵，地势平缓起伏，南部为黄土丘陵区，沟壑纵横, 地质环境条件十分脆弱，水土流失严重。气候属典型中温带大陆性季风气候，常年干旱少雨，风大沙多，年平均气温为8.4 ℃，年均无霜期为160 d； 多年平均降水量为250～350 mm，从南向北、从东南向西北递减，年平均蒸发量为2 403.7 mm。土壤主要有灰钙土、黑垆土和风沙土。植被在区系上属亚欧草原区亚洲中部亚区，主要植被类型有干草原、荒漠草原、沙生和隐域性植被4种。地层区划属华北地层区，以车道—阿色浪断裂为界，西侧为鄂尔多斯西缘地层分区桌子山—青龙山地层小区，东侧为鄂尔多斯地层分区盐池—环县地层小区； 境内出露最老地层为中元古界王全口组，奥陶系、二叠系、三叠系和侏罗系仅零星出露，白垩系主要分布在县城东部苏步井—红沟梁—佟记圈—青山一带，第四系地层分布广泛。

1.2 数据源及其预处理

研究选用的遥感数据为美国地质调查局网站提供的1989年8月24日、1999年8月12日、2006年9月8日Landsat5 TM影像、2014年7月28日获取的Landsat8 OLI影像以及1999年8月11日的SPOT_VGT数据。地质灾害数据源于宁夏回族自治区国土资源厅支撑项目“宁夏盐池县地质灾害详细调查”对滑坡、崩塌、泥石流以及地面塌陷4类地质灾害点的统计结果，共计地质灾害点231个。其他非遥感信息源主要包括1∶5万地形图、行政区划图及水系图等。首先，在ENVI5.0中对4期遥感影像进行辐射定标，将像元灰度值转换为辐射亮度值； 然后，基于FLAASH大气校正模型对4期影像的可见光—近红外波段进行大气校正，形成反射率图像； 最后，利用1∶5万地形图为参考，采用二次多项式和最近邻法对影像进行配准，均方根误差控制在0.5个像元内，同时利用盐池县行政区划矢量数据提取研究区多波段遥感图像。研究所用数据均采用中央经线为105°E的高斯克吕格投影。

2 研究方法

2.1 像元二分模型

像元二分模型[10]是基于线性混合像元分解模型的一种计算植被覆盖度的常用方法。 Gutman和Ignatov[11]发现了植被覆盖度与归一化差值植被指数(normalized difference vegetation index,NDVI)之间的半经验关系，并构建了从NDVI中提取植被覆盖度fc的混合像元模型，即

fc=(NDVI-NDVIsoil)/(NDVIveg-NDVIsoil) ，

(1)

式中：NDVIveg和NDVIsoil分别为完全被植被覆盖的NDVI和完全被裸土覆盖的NDVI。NDVIsoil在理论上应该接近0且不随时间变化,但是受大气状况、地表粗糙度、地表水分状况以及太阳辐射等多种因素的影响,NDVIsoil随空间和时间而变化, 其变化范围一般在-0.1～0.2，因此应该根据不同研究区的具体情况来确定NDVIsoil的值[12]； 而NDVIveg则与植被类型、分布特征以及季节变化密切相关，因此Gillies等[13]提出了式(2)计算植被覆盖度，即

fc=(NDVI-NDVImin)/(NDVImax-NDVImin) 。

(2)

式中NDVImax和NDVImin分别为NDVI的最大值和最小值。

本研究分别对4期NDVI影像数据进行直方图统计分析，确定NDVImax和NDVImin在累积概率95%和5%处，将其分别设置为NDVIveg和NDVIsoil的值，其中最大值为纯植被覆盖区值，最小值为纯裸土覆盖区值(表1)。将1999年8月11日的SPOT_VGT数据重采样为30 m，并计算其植被覆盖度。随即生成19个点，分别提取1999年TM和SPOT_VGT的植被覆盖度并进行线性拟合，拟合方程为y=0.867 6x+0.015 5，R2=0.740 1，表明利用像元二分模型获得的植被覆盖度具有较高的可信度，精度能够满足本研究的要求。

表1 研究区不同时期遥感影像NDVIveg和NDVIsoilTab.1 NDVIveg and NDVIsoil of remote sensingimages in different periods

2.2 植被覆盖度等级划分

参照水利部颁布的《土壤侵蚀分类分级标准SL190—2007》和国家林业局颁布的《第四次全国荒漠化和沙化监测技术规定》，结合盐池县植被覆盖的实际情况，将研究区植被覆盖度等级划分为5级： Ⅰ级(0≤fc<10%)为无植被覆盖区(裸地)； Ⅱ级(10%≤fc<20%)为极低植被覆盖度； Ⅲ级(20%≤fc<30%)为低植被覆盖度； Ⅳ级(30%≤fc<40%)为中植被覆盖度； Ⅴ级(fc≥40%)为高植被覆盖度。

2.3 植被覆盖度动态变化等级划分

采用差值法对4期遥感影像进行差值运算，量化各个时期植被覆盖度的变化，记Δfc为植被覆盖变化值，则

Δfc=fcf-fcl，

(3)

式中：fcf为前一时期植被覆盖度；fcl为后一时期植被覆盖度。Δfc可分为以下6个等级[14]： 1为严重退化[-1，-0.15]，2为中度退化(-0.15，-0.05]，3为轻微退化(-0.05，0]，4为轻微改善(0，0.05]，5为中度改善(0.05，0.15]，6为极度改善(0.15，1]。

3 结果与分析

3.1 植被变化分析

3.1.1 植被覆盖度时空格局变化

基于像元二分模型计算盐池县4个时期的植被覆盖度并进行等级划分，对各等级面积进行统计(表2)。结果表明，研究区植被覆盖度整体表现出东部相对较高、西部较低的特点，覆盖等级较高的植被主要分布在研究区东南的麻黄山地区以及东北部的盐池县城周边。25 a间整体植被覆盖度呈现增加趋势，东南部和西北部植被增加明显，中西部地区植被出现退化现象，但不同时期的植被覆盖度有上升也有下降。1989—1999年间植被覆盖度增加，主要集中在研究区中西部，而南部的麻黄山地区出现了一定程度的下降； Ⅰ级、Ⅱ级植被面积减少，Ⅲ级和Ⅳ级植被面积明显增加。1999—2006年间植被退化，植被覆盖度下降，主要分布在盐池县的西部以及南部； Ⅰ级、Ⅱ级植被面积明显增加，Ⅲ级、Ⅳ级和V级植被面积减少。2006—2014年间植被覆盖度增加，植被恢复明显，主要分布在研究区东北、西南以及东南部地区； Ⅰ级、Ⅱ级植被面积减少，Ⅲ级、Ⅳ级和V级植被面积明显增加，植被再次处于恢复状态。总体来看，25 a来研究区植被覆盖度整体偏低且呈先增加、后减小、再增加的特征，植被表现为恢复—退化—恢复的过程。

表2 1989—2014年盐池县植被覆盖面积及其变化率Tab.2 Vegetation coverage area and rate of change in Yanchi County from 1989 to 2014

3.1.2 植被覆盖度动态变化特征分析

利用植被覆盖度差值法(式3)量化分析盐池县1989—2014年间的4期数据，揭示研究区25 a间植被覆盖度动态变化特征(图1)。

(a) 1989—1999年(b) 1999—2006年(c) 2006—2014年(d) 1989—2014年

图1盐池县不同时期植被覆盖度变化

Fig.1VegetationcoveragevariationofYanchiCountyindifferentperiods

结果表明： 1989—1999年间盐池县植被整体处于改善恢复状态，其中植被改善比例约57.22%，植被退化比例约42.78%，中度和极度改善面积约为2 590.98 km2，占植被改善面积的67%。从空间格局看，改善区域主要分布在盐池县中西部的惠安堡镇、冯记沟乡、王乐井乡及高沙窝乡，退化区域主要集中在南部的麻黄山地区。1999—2006年间盐池县植被明显退化，退化面积达4 997.56 km2，主要分布在盐池县西部以及南部； 植被改善面积相对较小，主要分布在研究区中东部盐池县周边，且以轻度和中度为主。2006—2014年间植被明显改善，改善面积为4 891.43 km2，其中中度改善和极度改善比例分别为34.21%和16.26 %，主要分布在研究区东北、西南以及东南部地区； 而退化面积较小，主要分布在研究区中部。1989—2014年间盐池县植被退化与改善并存，退化面积约3 276.78 km2，约占总面积的48.49%，以中度退化为主； 改善面积约3 480.84 km2，约占总面积的51.51 %且以中度改善为主，改善区域主要分布在大水坑镇、青山乡以及盐池县城周边，而退化区域主要分布于西南部的惠安堡镇和西北部的高沙窝镇地区，在西南部的麻黄山以及中部地区也出现退化现象。

3.1.3 植被覆盖度变化原因分析

盐池县植被变化的主要原因是植被恢复治理措施以及降水等多种因素。退耕还林还草、全县禁牧、人工封育以及大规模的治沙造林等活动对于植被的恢复起到了很大的促进作用，但在气候的影响下植被覆盖度波动明显，在干旱年份尤为突出。1989—1999年间，年均降水量呈增加趋势，年均气温稳定，有利于植被的恢复，使植被覆盖度高的区域面积增加、比例增大，植被覆盖度低的区域面积减少、比例降低，植被呈恢复趋势(图2(a))。2000—2006年间，年均降水量和气温自2002年后均呈下降趋势，且2006年年均降水量明显偏低，年均气温较高，致使该年份植被覆盖度出现明显下降，植被退化，主要表现为植被覆盖度高的区域面积减少、比例降低，而植被覆盖度低的区域面积增加、比例增高，植被呈退化趋势(图2(b))。2007—2014年间，年均降水量增加，年均气温也呈上升趋势，植被有一定程度恢复，表现为植被覆盖度高的区域面积增加、比例增大，植被覆盖度低的区域面积减少、比例降低，植被再次回归到恢复阶段(图2(c))。此外，人类活动也是造成植被覆盖度下降的重要原因之一，如位于惠安堡镇和冯记沟乡的马家滩矿区、积家井矿区、萌城矿区以及四股泉矿区，由于大量煤层的开采，地面已形成大型采空区塌陷，地表植被覆盖度较低。

(a) 1989—1999年 (b) 2000—2006年(c) 2007—2014年

图21989—2014年盐池县降水和气温变化(盐池站)

Fig.2PrecipitationandtemperaturevariationinYanchiCountyfrom1989to2014(YanchiStation)

3.2 植被与地质灾害点关系分析

3.2.1 地质灾害空间分布特征

研究区共有地质灾害点231处(隐患点217处，灾害点14处)，其中滑坡125处，主要为小型黄土滑坡； 崩塌84处，包括黄土和基岩崩塌2类； 泥石流19处，均为沟谷型稀性泥石流； 地面塌陷3处。利用核密度计算方法生成盐池县地质灾害点密度(图3)。研究区地质灾害点空间分布有2大特征： ①多沿沟谷线方向呈线性排列，主要分布在黄土丘陵区的河谷冲蚀岸边及其支流或支沟中下游两侧，如在麻黄山地区，灾害点主要沿苦水河沟、李家大湾沟、彭家沟、史家疙瘩沟、张南沟和曾家渠北沟等6条NW向沟谷分布； ②灾害点空间分布具有区域聚集特征，灾害点密度整体南高北低，且南部聚集，北部分散。具体来看，南部的麻黄山乡、王家下湾和井沟地区灾害点密度大于0.1个/km2，为高密度区域，灾害点分布集中且聚集度强； 该地区人类活动强烈，劈山切坡修建公路、劈坡建房和开采煤炭资源等活动严重破坏了地表植被，对灾害点的发育起到很大促进作用，是造成灾害点在该区域密集的原因之一。北部的三道湾、土沟等地灾害点分布相对分散，聚集度较低，灾害点密度低于0.1个/km2。

图3 盐池县地质灾害点密度

3.2.2 植被与地质灾害点关系

对盐池县地质灾害点密度与4个时期植被覆盖度进行空间叠加分析，统计结果如图4所示。 4个年份植被覆盖度低的区域灾害点数量多、密度高，植被覆盖度高的区域灾害点数量小、密度低。其中，无植被覆盖区域灾害点密度在2006年和2014年出现了明显增加，尤其在2006年，该区域灾害点密度达到了0.09 个/km2； 极低覆盖度区域的灾害点密度最高，在4个年份均为0.11个/km2左右； 低覆盖区域的灾害点密度相对稳定，只在2006年出现了下降，其余年份均保持在0.06个/km2左右； 中、高覆盖度区域的灾害点密度在4个年份中均较低，数值稳定在0.02个/km2左右。由此可见，无覆盖、极低覆盖度和低覆盖度区域地质灾害点密度较高，而在中、高植被覆盖度区域灾害点密度很低。综上所述，4个年份中植被覆盖度与地质灾害点密度总体上呈负相关关系，即灾害点密度随着植被覆盖度的增加而降低，植被覆盖度越高，灾害点密度越低； 相反，植被覆盖度越低，灾害点密度越高。

图4 盐池县植被覆盖度与地质灾害点叠加统计

将研究区1989—2014年间植被覆盖度变化与1989年的植被覆盖度以及地质灾害点密度进行叠加，统计得到1989年各个植被覆盖度级别的详细动态变化数据以及各个级别对应的灾害点密度(表3)。结果表明：1989年无植被覆盖区域植被改善明显，灾害点密度整体偏高，其中轻度改善区域灾害点密度明显高于其他区域； 极低覆盖区域覆盖度中度改善或极度改善面积约占该区域面积的36.13%，其中，中度改善区域灾害点密度较高； 低覆盖区域中度改善或极度改善面积仅占低覆盖度区域的18.89%，但灾害密度仍然在0.07个/km2左右； 中、高覆盖区域改善面积偏小，占比较低，而退化面积较大，灾害点密度明显偏低。

表3 盐池县1989—2014年覆盖度变化和1989年覆盖度叠加面积与地质灾害点密度统计Tab.3 Density of geological hazard points and areas on the overlay of vegetation coverage variationfrom 1989 to 2014 and vegetation coverage in 1989 of Yanchi County

4 结论

1)研究区植被覆盖度整体偏低，空间上表现为东部相对较高、西部较低的特点，4个时期呈先增加、后减小、再增加的特征，植被表现为恢复—退化—恢复的反复过程，总体处于恢复趋势，这与庞吉林等[15]的研究结论相一致。退耕还林还草、全县禁牧和人工封育等活动对于植被的恢复起到了很大的促进作用，但植被覆盖度受降水影响波动明显。

2)植被覆盖度与地质灾害点呈现明显的负相关关系，即植被覆盖度越高，灾害点密度越低，地质灾害发生概率也越低。诸如劈山切坡修建公路、劈坡建房和开采煤炭资源等人类活动严重破坏了地表植被，使这些地区成为地质灾害的易发区。因此，重视人类活动区植被的保护和恢复，努力提高植被覆盖度，将对地方地质灾害防治起到积极的推动作用。

3)本文在研究植被覆盖度与地质灾害点时空格局关系时，未能充分考虑水文、气候和地表等因素，需要在以后研究中重点改进。

参考文献(References)：

[1] Nandi A,Shakoor A.A GIS-based landslide susceptibility evaluation using bivariate and multivariate statistical analyses[J].Engineering Geology,2010,110(1/2):11-20.

[2] 贾贵义,全永庆,黎志恒,等.基于组合赋权法的白龙江流域甘肃段地质灾害危险性评价[J].冰川冻土,2014,36(5):1227-1236.

Jia G Y,Quan Y Q,Li Z H,et al.Geo-hazards assessment for the Gansu segment in Bailongjiang River Basin by using combination weighting method[J].Journal of Glaciology and Geocryology,2014,36(5):1227-1236.

[3] 杜 军,杨青华,严 嘉,等.基于GIS与信息量模型的汶川次生地质灾害危险性评价[J].地球科学，2010,35(2):324-330.

Du J,Yang Q H,Yan J,et al.Hazard evaluation of secondary geological disaster based on GIS and information value method[J].Earth Science,2010,35(2):324-330.

[4] 许 冲,戴福初,姚 鑫,等.基于GIS与确定性系数分析方法的汶川地震滑坡易发性评价[J].工程地质学报,2010,18(1):15-26.

Xu C,Dai F C,Yao X,et al.GIS platform and certainty factor analysis method based Wenchuan earthquake-induced landslide susceptibility evaluation[J].Journal of Engineering Geology,2010,18(1):15-26.

[5] 倪忠云,何政伟,赵银兵,等.基于RS和GIS的丹巴县植被盖度与地质灾害关系研究[J].物探化探计算技术,2011,33(2):217-221.

Ni Z Y,He Z W,Zhao Y B,et al.Study on the relationship between vegetation cover and geo-hazards in Danba County based on RS and GIS[J].Computing Techniques for Geophysical and Geochemical Exploration,2011,33(2):217-221.

[6] 曾令科,许 模,方 琼,等.植被与地质灾害发育分布关系初探[J].地质灾害与环境保护,2010,21(3):97-100.

Zeng L K,Xu M,Fang Q,et al.Vegetation and development of geological hazards[J].Journal of Geological Hazards and Environment Preservation,2010,21(3):97-100.

[7] 张晓东,刘湘南,赵志鹏,等.遥感技术在宁夏中宁县地质灾害详细调查中的应用[J].中国地质灾害与防治学报,2015,26(3):120-126.

Zhang X D,Liu X N,Zhao Z P,et al.The application of RS technique for investigation of geological hazards in Zhongning County of Ningxia[J].The Chinese Journal of Geological Hazard and Control,2015,26(3):120-126.

[8] 张国平,徐 晶,毕宝贵.滑坡和泥石流灾害与环境因子的关系[J].应用生态学报,2009,20(3):653-658.

Zhang G P,Xu J,Bi B G.Relations of landslide and debris flow hazards to environmental factors[J].Chinese Journal of Applied Ecology,2009,20(3):653-658.

[9] 李 凯,孙悦迪,江宝骅,等.基于像元二分法的白龙江流域植被覆盖度与滑坡时空格局分析[J].兰州大学学报(自然科学版),2014,50(3):376-382.

Li K,Sun Y D,Jiang B H,et al.Analysis on spatial-temporal patterns of the vegetation coverage and landslides in Bailongjiang River Basin based on the dimidiate pixel model[J].Journal of Lanzhou University(Natural Sciences),2014,50(3):376-382.

[10] Leprieur C,Verstraete M M,Pinty B.Evaluation of the performance of various vegetation indices to retrieve vegetation cover from AVHRR data[J].Remote Sensing Reviews,1994,10(4):265-284.

[11] Gutman G,Ignatov A.The derivation of the green vegetation fraction from NOAA/AVHRR data for use in numerical weather prediction models[J].International Journal of Remote Sensing,1998,19(8):1533-1543.

[12] Mu S J,Yang H F,Li J L,et al.Spatio-temporal dynamics of vegetation coverage and its relationship with climate factors in Inner Mongolia,China[J].Journal of Geographical Sciences,2013,23(2):231-246.

[13] Gillies R R,Kustas W P,Humes K S.A verification of the “triangle” method for obtaining surface soil water content and energy fluxes from remote measurements of the normalized difference vegetation index(NDVI) and surface[J].International Journal of Remote Sensing,1997,18(15):3145-3166.

[14] 贾宝全.基于TM卫星影像数据的北京市植被变化及其原因分析[J].生态学报,2013,33(5):1654-1666.

Jia B Q.Driving factor analysis on the vegetation changes derived from the Landsat TM images in Beijing[J].Acta Ecologica Sinica,2013,33(5):1654-1666.

[15] 庞吉林,张克斌,乔 娜,等.基于RS的盐池县近10年植被覆盖度动态变化研究[J].水土保持研究,2012,19(4):112-115,121.

Pang J L,Zhang K B,Qiao N,et al.RS-based study on dynamics of the vegetation coverage in recent 10 years in Yanchi County[J].Research of Soil and Water Conservation,2012,19(4):112-115,121.