冬奥会崇礼生态核心区植被覆盖时空变化遥感监测_谭炳香.pdf

第 58 卷 第 4 期2 0 2 2 年 4 月林业科学SCIENTIASILVAESINICAEVol.58,No.4Apr.,2 0 2 2doi:10.11707/j.1001-7488.20220415收稿日期:2021-11-21;修回日期:2022-03-17。基金项目:科技基础资源调查专项(2019FY202501,2019FY202504)。郄光发为通讯作者。冬奥会崇礼生态核心区植被覆盖时空变化遥感监测谭炳香1沈明潭1郄光发2戚瞾1贺晨瑞1(1.中国林业科学研究院资源信息研究所国家林业和草原局林业遥感与信息技术重点实验室北京 100091;2.中国林业科学研究院北京 100091)摘要:【目的】基于植被覆盖度遥感定量估测结果,统计分析植被覆盖度的时空变化特征和地形分异效应,探讨植被覆盖变化的驱动因素,为研究区生态规划和生态环境保护、森林防火提供参考依据。【方法】以北京冬奥会崇礼生态核心区为研究区,以 GF-1 WFV 和 Sentinel-2 多光谱影像为数据源,采用像元二分模型法对研究区 2014、2016 和 2020 年 3 个时期的植被覆盖度进行遥感估测,结合数字高程模型,利用差值指数、马尔科夫模型、植被覆盖动态度和地形分布指数分析植被覆盖度的时空变化特征及其在地形上的分异性。【结果】1)研究区植被覆盖度在空间上呈显著差异性,表现为中部低、四周高的分布格局,与整个研究区的地形地貌特征紧密相关,山区植被覆盖度高,平原区或山谷等人类活动区植被覆盖度相对偏低。2)研究区植被整体以中、中高和高植被覆盖度为主,3个时期 3 种植被覆盖等级面积占比分别为 81.59%、90.00%和 86.88%,均大于 80%,植被覆盖处于较好水平,生长状况良好。3)海拔梯度上,20142016 年改善型和明显退化型在海拔 1 800 m 以下区域有分布优势,在海拔1 800 m 以上区域无分布优势;轻微退化型在海拔 1 700 m 以下和 2 000 m 以上区域有分布优势;20162020 年改善型和退化型在海拔 1 700 m 以下区域有分布优势,明显退化型表现出极强分布优势;20142020 年明显改善型在海拔 1 700 m 以下区域有分布优势,在海拔 2 000 m 以上区域分布优势较弱,而明显退化型在海拔 1 700 m 以下区域表现出强优势分布,在海拔 1 700 m 以上区域则无分布优势。4)20142016 年和 20162020 年植被覆盖退化主要分布在坡度小于 8的平缓区域,8以上区域无分布优势,其他植被覆盖度变化类型在坡度上趋于稳定。5)坡向上,20142016 年改善型植被在阳坡和半阳坡有分布优势,明显退化型在阴坡有分布优势,20162020 年轻微改善型在阳坡和半阳坡有分布优势,明显退化型和轻微退化型在阴坡有分布优势;20142016 年改善型在阳坡和半阳坡有分布优势,轻微退化型在阴坡和半阴坡有分布优势。【结论】1)植被覆盖度在空间上呈中间低、四周高的分布格局,在时间上表现为 2014、2016 和 2020 年不同等级间的植被覆盖度结构平稳,局部植被覆盖度出现降低现象,总体趋势为植被覆盖度增加。2)植被覆盖度在海拔、坡度和坡向不同等级上呈规律性分布,植被覆盖变化类型与地形因子存在显著差异,明显减少型区域聚集在坡度小于 8、海拔 1 5331 700 m 区域,在坡向上没有明显表现出分异性,主要为土地利用方式转换所致;植被覆盖明显改善型聚集在阳坡和半阳坡地区,说明人工造林效果比较明显。3)森林防火重点区域为植被覆盖度高的山区。关键词:植被覆盖度;像元二分模型;地形分异特征;遥感;崇礼区中图分类号:S757文献标识码:A文章编号:1001-7488(2022)04-0141-11Temporal and Spatial Changes Monitoring of Vegetation Coverage for the Ecological Core Area of Chongli Winter Olympic Games Tan Bingxiang1 Shen Mingtan1 Qie Guangfa2 Qi Zhao1 He Chenrui1(1.Key Laboratory of Forestry Remote Sensing and Information System,National Forestry and Grassland AdministrationResearch Institute of Forest Resources Information Techniques,CAFBeijing 100091;2.Chinese Academy of ForestryBeijing 100091)Abstract:【Objective】Based on the results of remote sensing quantitative estimation of vegetation coverage,the temporal and spatial characteristics of vegetation coverage and topographic differentiation effects were analyzed statistically,and the driving factors of vegetation coverage changes were also discussed,which were expected to provide a reference for ecological planning,ecological environmental protection and forest fire prevention in the study area.【Method】In this 林业科学58 卷study,Chongli core area of Beijing Winter Olympic Games was taken as the research area,GF-1 WFV and Sentinel-2 multispectral images were used as data sources,and the pixel dichotomy method of DNVI was used to estimate the vegetation coverage of the study area in 2014,2016 and 2020.Combined with digital elevation model,the spatial and temporal variation characteristics of vegetation cover and its topographic differentiation were analyzed by difference index,Markov model,dynamic attitude of vegetation cover and topographic distribution index.【Result】1)The spatial difference of vegetation coverage in the study area is significant,showing a pattern of low vegetation coverage in the middle and high vegetation coverage in the periphery,which is closely related to the topography and geomorphology of the whole study area.The vegetation coverage in the mountainous area is high,while that in the plain area or the mountain base is the area of human activities,and the vegetation coverage is relatively low.2)The vegetation status of the study area was mainly dominated by middle and high vegetation coverage.In 2014,2016 and 2020,the areas covered by the three planting grades accounted for 81.59%,90.00%and 86.88%,respectively.The vegetation coverage of the three periods in the study area was at a good level(more than 80%),indicating that the vegetation growth status in the study area was perfect.3)For the elevation gradient,from 2014 to 2016,the improved type and the significantly degraded type had a distribution advantage below 1 800 m,but there was no distribution advantage above 1 800 m,and the slightly degraded type had a distribution advantage below 1 700 m and above 2 000 m.From 2016 to 2020,the improved type and degraded type under 1 700 m had a distribution advantage,and the obvious degraded type showed a strong distribution advantage.From 2014 to 2020,the significantly improved type had a distribution advantage below 1 700 m and had a weak distribution advantage above 2 000 m,while the significantly degraded type showed a strong dominance distribution below 1 700 m and had no distribution advantage above 1 700 m.4)From 2014 to 2016,the improved type had a dominant distribution on sunny and semi-sunny slopes,while the slightly degraded type had a dominant distribution on shady and semi-shady slopes.5)From 2014 to 2016,the improved vegetation had a dominant distribution on sunny slope and semi-sunny slope,and the significantly degraded vegetation had a dominant distribution on shady slope.From 2016 to 2020,the slightly improved vegetation had a dominant distribution on sunny slope and semi-sunny slope,and the significantly degraded and slightly degraded vegetation had a dominant distribution on shady slope.【Conclusion】1)The vegetation coverage was spatially low in the middle and high in the surrounding areas.The structure of vegetation coverage among different levels in 2014,2016 and 2020 was stable,but the local vegetation coverage was seriously degraded.The overall trend is to increase vegetation coverage.2)The vegetation coverage of the study area showed a regular distribution at different levels of altitude,slope and aspect;there are significant differences between the types of vegetation coverage changes and topographical factors.Obviously the degraded areas gathered where the slope is less than 8 and the altitude is 1 533-1 700 m,but do not show obvious differentiation in the slope direction,mainly due to the construction land for the Winter Olympics venues.Obviously improved vegetation coverage is concentrated in sunny and semi-sunny slope areas,indicating that the effects of artificial afforestation are more obvious.3)The focus of forest fire prevention is in the mountainous areas with a high vegetation coverage.Key words:fraction vegetation cover(FVC);dimidiate pixel model;topographic differentiation features;remote sensing;Chongli植被覆盖度(fraction vegetation cover,FVC)指单位面积内植被地上部分(包括叶、茎、枝)在地表的垂直投影面积占统计区总面积的百分比(Gitelson et al.,2002),是量化植被覆盖地表状况的重要指标,是衡量地区生态环境质量变化的重要参数,也是森林防火的重要参考因子。植被覆盖度测量可采用地面测量和遥感估测 2种方法,地面测量常用于田间尺度,遥感估测常用于区域尺度。遥感估测植被覆盖度的方法很多,其中基于植被指数的混合像元二分模型法因参数意义明确、模型简单、结果可靠被广泛应用(李彩霞等,2021)。当前,植被覆盖度研究主要集中在分布格局(Shen et al.,2019;何国兴等,2021)、变化特征(Zhang et al.,2019;佟 斯 琴 等,2016)、驱 动 因 素(Hao et al.,2021)、现状评价(尚白军等,2021)、预测分析(Li et al.,2021)和生态监测应用(戚曌等,2021)等方面,从自然因素(Song et al.,2020;覃巧婷等,2021)、人为因素(张翀等,2021)或两因素共同作用(李彩霞等,2021)角度探讨植被覆盖变化的驱动力。在局部地区气候条件相对一致的前提下,地形是影响植被空241第 4 期谭炳香等:冬奥会崇礼生态核心区植被覆盖时空变化遥感监测间分布的主要生境因子之一(申丽娜等,2017),不同海拔、坡度和坡向植被生长所需物质能量与空间资源的差异以及人为活动决定植被的发展方向,植被覆盖变化在地形上具有明显分异规律(He et al.,2021;韩磊等,2021;杨灿等,2021)。河北省张家口市崇礼区地处我国北方农牧交错地带,为京津冀风沙源区、水源涵养区和 2022 年北京冬奥会主要举办地之一,该区生态环境相对脆弱,土地利用景观类型、植被覆盖度变化等均会给生态环境和人们生产生活带来影响。为实现冬奥核心区生态环境长久性优良的目标,20162019 年,崇礼区相继完成冬奥核心区绿化工程 3 万 hm2,森林覆盖率超过 80%,植被覆盖度大幅提高,生态环境得到明显改善,但冬奥会场馆、场地和配套设施建设难免对植被覆盖造成破坏,进而影响整个区域的生态环境。客观估测和分析冬奥会场地建设前后植被覆盖度的变化状况和驱动因素、分析植被覆盖度变化在不同地形上的分布特点和规律,能够对崇礼冬奥核心区全域生态景观的统筹规划建设效果做出科学评价,为今后生态资源保护和修复提供依据,对京津冀地区的水土保持、防风治沙、生态建设、森林防火等均具有重要参考价值。鉴于此,本研究以北京冬奥会崇礼生态核心区为研究区,基于冬奥会筹办前期(2014 年)、场馆等设施建设初期(2016 年)和建设后期(2020 年)植被生长旺盛期获取的遥感影像,采用像元二分模型法估测 3 个时期的植被覆盖度,并结合地形数据统计分析植被覆盖度的时空变化特征和地形分异效应,探讨植被覆盖变化的驱动因素,以期为研究区生态规划和生态环境保护、森林防火提供参考依据。1研究区概况 研究区位于河北省张家口市崇礼冬奥核心区(1141711534 E,40474117N),地形以低地丘陵为主,海拔 1 533 2 165 m,中间低、四周高。属东亚大陆性季风气候,年均降水量 450 500 mm,年均气温 3.7 ,存雪期 150 天以上,土壤多为棕壤和褐土。植被类型以天然次生林和人工林为主,乔木树种以华北落叶松(Larix principis-rupprechtii)、油松(Pinus tabulaeformis)、山杨(Populus davidiana)和白桦(Betula platyphylla)为主。2研究方法2.1遥感数据获取与处理选用 2014 年 7 月 31 日(冬奥会筹办前期)获取的空间分辨率 16 m 的 GF-1 WFV L1A 级影像数据、2016 年 8 月 31 日(场馆建设初期)获取的 Sentinel-2A 影像数据 和 2020 年 9 月 14 日(场馆建设后期)获取的 Sentinel-2B L1C 级影像数据。Sentinel-2B L1C 级影像为正射校正后的产品,利用 SNAP 软件进行辐射定标、大气校正,生成 L2A 级影像,本研究选用其中空间分辨率为 10 m 的 2、3、4和 8 波段影像。GF-1 WFV 影像有少量厚云,为避免云量对植被覆盖度反演的影响,将厚云区域掩膜后用2014 年 7 月 27 日 的 GF-1 WFV 影 像 替 换。GF-1 WFV 影像数据经辐射校正、大气校正和正射校正,与预处理后的 Sentinel-2 数据进行影像配准,配准误差小于 0.5 个像元,重采样生成与 Sentinel-2 数据一致的 10 m 分辨率影像。研究区遥感影像见图 1。2.2地形数据处理从地理空间数据云网站下载空间分辨率 30 m的 ASTER GDEM 数字高程数据,重采样生成与影像一致的 10 m 分辨率 DEM 数据,以此提取坡度和坡向。为研究植被覆盖变化类型在垂直方向上的分布规律,将海拔划分为 1 533 1 700 m、1 701 1 800 m、1 8011 900 m、1 9012 000 m 和 2 0012 165 m 5 个梯度;研究区坡度为 0 38.81,参考水 土 保 持 综 合 治 理 规 划 通 则(GB/T 157722008),以 8为缓坡和斜坡划分界限,将坡度划分成25这 5 个等级,将坡向分为平地(-1)、阴坡(337.5 360、0 22.5、22.5 67.5)、半 阴 坡(67.5 112.5、295337.5)、半阳坡(112.5 157.25、247.5 292.5)和阳坡(157.5 202.5、202.5 247.5)(赵 文 慧 等,2016),因 平 地 所 占 面 积 极 小(共0.77 km2),将其归为阳坡。2.3植被覆盖度估测与变化分析基 于 归 一 化 植 被 指 数(normalized difference vegetation index,NDVI)的像元二分模型法反演植被覆盖度,采用植被覆盖动态度指数对比不同时期植被覆盖度变化,利用差值指数计算不同时期植被覆盖的变化程度,应用马尔科夫模型分析不同等级植被覆盖度之间的转换关系,运用地形分布指数分析不同植被覆盖度变化类型在地形上的分异特征,最后分析研究区 20142020 年 6 年间植被的变化情况。2.3.1归一化植被指数归一化植被指数(NDVI)是植被生长态势和丰度的直接指示因子,与植被生长状况、生物量和分布呈显著线性关系(申丽娜等,2017),在植被覆盖度反演中具有很好提取效果,计341林业科学58 卷算公式如下:NDVI=NIR-RNIR+R。(1)式中:NIR 为近红外波段反射率(GF-1 4b,Sentinel-2A 8b);R 为红光波段反射率(GF-1 3b,Sentinel-2A 4b)。NDVI 的取值范围为-1,1,负值表示该区域有水、雪或云雾等,接近 0 表示该区域为岩石或裸露土壤,大于 0 表示该区域有植被覆盖,且随着 NDVI增加,植被覆盖度增大。2.3.2像元二分模型像元二分模型以像元为单位,将像元看成由植被和土壤 2 部分组成,通过对遥感信息进行分解,建立像元二分模型(李苗苗等,2004),进而得到植被覆盖度,计算公式如下:FVC=NDVI-NDVIsNDVIv-NDVIs。(2)式中:FVC 为植被覆盖度;NDVIs为纯裸地覆盖像元的 NDVI;NDVIv为纯植被覆盖像元的 NDVI。NDVIs和 NDVIv的选取很关键,通常采用 2 种方法:一是在确定为裸地和密集植被的区域内取几个像元值的均值作为 NDVIs和 NDVIv;二是为减少噪声影响,统计整个研究区影像 NDVI 的累计百分比,通过选取置信区间方式来确定,区间最大值为NDVIv,区间最小值为 NDVIs。本研究 3 期影像的NDVIs和 NDVIv均选取置信区间 2%98%对应的 NDVI(王欣平等,2016)。为进一步研究植被覆盖变化,参照王国芳等(2020)的划分标准,结合研究区实际植被覆盖情况,将植被覆盖度划分为 5 个等级,见表 1。图 1研究区 2014、2016 和 2020 年标准假彩色影像Fig.1Standard false-color images of 2014,2016 and 2020 for the study area表 1植被覆盖度等级划分Tab.1Classification of FVC grades等级Grade名称Name植被覆盖度取值范围Range of FVC描述Description低植被覆盖度 Lower FVCFVC0.3裸地、建筑用地、道路和水体等 Bareland,building,road,and water et al.中低植被覆盖度Low FVC0.3FVC0.6草地、疏灌丛和疏林地等Grassland,shrub,and open forest et al.中植被覆盖度Middle FVC0.6FVC0.75耕地植被、灌木地和疏林地等Cropland,shrub,and open forest et al.中高植被覆盖度Hight FVC0.751 表示 i 植被覆盖度变化类型在 e 地形因子下有分布优势,K 越大优势越强;K1 表示 i 植被覆盖度变化类型在 e 地形因子下无分布优势,K=1 表示分布稳定。3结果与分析3.1植被覆盖度空间分布特征利用式(1)、(2)计算得到研究区 2014、2016 和2020 年植被覆盖度等级空间分布(图 2),不同等级植被覆盖度面积统计结果见表 2;3 个时期不同等级植被覆盖度面积变化量以及利用式(3)计算得到的不同时期植被覆盖动态度见表 3。从图 2 可以看出,研究区各年度植被覆盖度分布较均匀,高植被覆盖度主要位于华北落叶松林、油松林等乔木林分布范围,植被覆盖度高于 90%;中高植被覆盖度分布在高植被覆盖度区域周围的人工幼林和灌丛杂草植被带;低植被覆盖度、中低植被覆盖度和中植被覆盖度大部分集中在新开发建设地区及周边区域,多为建设用地、耕地或荒山荒地等。低或较低植被覆盖度区域主要与土地利用类型有关,如建设用地区域植被少,符合常理性认知。541林业科学58 卷表 2研究区不同等级植被覆盖度面积统计Tab.2Area statistics of FVC of different grades in the study area覆盖度等级FVC classes201420162020面积Area/km2占比Proportion(%)面积Area/km2占比Proportion(%)面积Area/km2占比Proportion(%)4.475.543.544.396.528.0710.3912.874.525.614.075.0512.2315.1511.0113.658.6010.6521.6826.8632.0639.7238.1347.2531.9439.5829.5636.6323.3828.98合计 Total80.71100.0080.71100.0080.71100.00表 3研究区不同等级植被覆盖度面积变化统计Tab.3Statistical of area change of different FVC grades in the study area覆盖度等级FVC classes变化量 Change amount/km2动态度 Dynamic degree(%)201420162016202020142020201420162016202020142020-0.932.982.05-10.4021.017.63-5.87-0.45-6.31-28.23-2.48-10.13-1.21-2.42-3.63-4.96-5.49-4.9510.386.0716.4523.954.7412.65V-2.37-6.18-8.55-3.71-5.23-4.46由表 2 可知,研究区各时期植被覆盖均以中(级)、中高(级)和高(级)为主,2014 年 3 种植被 覆 盖 度 等级的 面 积 之 和 为 65.85 km2,占 比81.59%,2016 年为 72.63 km2,占比 90.00%,2020年为 70.11 km2,占比 86.88%。3 个时期研究区中级以上植被覆盖度之和均大于 80%,说明植被生长状况良好。由表 3 可知,20142016 年,低(级)、中低(级)和中(级)植被覆盖度的面积减少,减少幅度 8.01%;中高植被覆盖度(级)的面积增加幅度大,达 10.38%;高植被覆盖度(V)的面积略有减少。整体来看,20142016 年研究区植被状况趋向好的发展。20162020 年,低植被覆盖度(级)的面积有所增加,增加动态度也最大,主要原因是土地利用性质转换,即由原来的农田、林地转变为建设用地,以满足冬奥会场馆和设施建设需要,同时也说明冬奥会场地主要在低植被覆盖区进行,对整体生态环境的影响最小。植被覆盖度减少的等级中,级的动态度最大,级植被覆盖度等级减少的面积最大,反映出滑雪道建设对中高植被覆盖区有一定影响。20142020 年 6 年间,中(级)、中高(级)和高(级)植被覆盖度的面积有增有减,三者综合植被覆盖度增加的面积比为 4.27%;低植被覆盖度(级)面积增加 2.05%,中低植被覆盖度(级)面积减少 6.31%,说明低和中低植被覆盖度的面积减少。整体来看,6 年间植被覆盖度是增加的。3.2植被覆盖度时间变化趋势利用式(4)计算得到 3 个时期植被覆盖度的统计结果(表 4)和变化程度(图 3)。由表 4 可知,研究区植被覆盖度变化类型以无明显变化为主;20142016 年和 20142020 年植被覆盖度改善面积大于退化面积;20162020 年因土地利用属性改变使植被覆盖增加面积略低于减少面积,但整体上 70%的区域植被覆盖度无明显变化。从图 3 可以看出,植被覆盖度改善区域主要分布在山区临时道路经植被恢复后的范围内或植被覆盖度低的荒山荒地等经人工绿化后的区域;退化区域主要集中在公路两侧扩增的冬奥会项目建设区域,植被覆盖面积连片减少。图 4 为研究区 2016 和 2020 年的局部真彩色影像,以图中红色圆圈为参照,其周围变化非常明显,原来的绿地(多为农田)转变为建设用地,成为冬奥会场馆设施。总之,不同植被覆盖度等级间均存在相互转移的关系,向相邻的低或高等级转移的面积大,跨等级转移的面积小。3.3植被覆盖度变化地形分异特征3.3.1不同海拔的植被覆盖度变化研究区植被覆盖度变化类型在垂直方向上的分布规律见图 5。20142016 年,2 000 2 165 m 海拔梯度发生退化面积大于改善面积,其他海拔梯度发生改善面积大于退化面积,植被覆盖度退化型在海拔 1 700 m 以下区域有分布优势,改善型在海拔 1 800 m 以下区域有分布优势;20162020 年,1 533 1 700 m 海拔梯度植被覆盖度变化最大,大面积发生退化,明显退化型在海拔 1 700 m 以下区域有强优势分布,轻微退化型在海拔 1 7001 800 m 和 2 000 m 以上区域有优势分布,退化型在海拔 1 800 m 以下区域有641第 4 期谭炳香等:冬奥会崇礼生态核心区植被覆盖时空变化遥感监测分布优势,明显改善型在海拔 2 000 m 以上区域有微弱分布优势;20142020 年,明显退化型大部分发生在海拔 1 700 m 以下区域,海拔 1 7002 000 m范围内植被覆盖度改善面积均大于退化面积,明显退化型在海拔 1 700 m 以下区域强优势分布,改善型在海拔 1 800 m 以下区域有分布优势,轻微改善型在海拔 2 000 m 以上区域有分布优势。总之,2016 年以来低海拔区开发频繁,是植被变化的主要驱动力,明显退化型分布在海拔 1 700 m 以下区域,改善型分布在海拔 2 000 m 以上区域。表 4研究区植被覆盖度变化等级面积Tab.4Area statistics of FVC change in the study area变化等级Grade of change201420162016202020142020面积Area/km2占比Proportion(%)面积Area/km2占比Proportion(%)面积Area/km2占比Proportion(%)明显退化 Severely degraded2.703.345.687.046.488.02轻微退化 Slightly degraded7.309.048.5410.5812.1715.08无明显变化 Unchanged50.4062.4656.6570.2041.3051.1850.4062.4656.6570.2041.3051.18轻微改善 Slightly improved14.5818.077.509.2913.4416.66明显改善 Significantly improved5.727.082.342.897.319.06合计 Total80.71100.0080.71100.0080.71100.00图 3研究区 20142016、20162020 和 20142020 年植被覆盖度变化的空间分布Fig.3Spatial distribution of FVC changes in the study area in 20142016,20162020,and 201420203.3.2不同坡位的植被覆盖度变化坡度是地表径流和土壤侵蚀的重要影响因子,与植被覆盖度变化具有显著相关性(王欣平等,2016)。研究区不同坡度等级各植被覆盖度变化类型的面积和地形分布指数见图 6。1525坡度范围的面积最大,各坡度区间植被覆盖度均发生改善和退化。20142016年,05坡度带植被覆盖度退化面积大于改善面积,其他坡度带植被覆盖度改善面积大于退化面积,明显退化型和轻微退化型在小于 8坡度下有分布优势,05间 K 最大,说明植被明显退化在此坡度带出现的概率最大;20162020 年,0 5坡度带植被发生明显退化的面积最大,明显退化型和轻微退化型在小于 8坡度下有分布优势,小于 5范围内优势最大;20142020 年,0 5坡度带发生明显退化的面积最大,明显退化型在小于 8坡度下有分布优势,其他变化类型在各坡度带无显著分布优势。总之,坡度对明显退化型植被有显著分异作用,在小于 8坡度下有分布优势。3.3.3不同坡向的植被覆盖度变化研究区不同坡向各植被覆盖度变化类型的面积和地形分布指数见图 7。20142016 年,植被覆盖度在阳坡发生改善的面积最大,改善型在阳坡和半阳坡有分布优势,明显退化型在阴坡有分布优势;20162020 年,不同植被覆盖度变化类型在各坡向的面积分布差异较741林业科学58 卷图 4研究区 2016(左)和 2020 年(右)局部真彩色影像对比Fig.4Comparison of sub-true color images for the study area in 2016(left)and 2020(right)图 5研究区不同海拔等级的植被覆盖度变化类型面积Fig.5Area of FVC variation types at different elevation levels in the study area图 6研究区不同坡度等级的植被覆盖度变化类型面积Fig.6Area of FVC variation types at different slope levels in the study area小,轻微改善型在阳坡和半阳坡有分布优势,轻微退化型和明显改善型在阴坡有分布优势;20142020年,阳坡和半阳坡植被覆盖度改善面积大于退化面积,阴坡和半阴坡植被覆盖度退化面积大于改善面积,明显改善型和轻微改善型在阳坡和半阳坡有分布优势,轻微退化型在阴坡有分布优势。总之,植被841第 4 期谭炳香等:冬奥会崇礼生态核心区植被覆盖时空变化遥感监测图 7研究区不同坡向等级下的植被覆盖度变化类型面积Fig.7Area of FVC variation types in different aspect levels in the study area改善型主要分布在阳坡,植被退化型多分布在阴坡(其中一个原因是滑雪道多选择在阴坡修建,植被受人为扰动程度大)。4讨论本研究基于 3 个时期的遥感影像分别估测研究区植被覆盖度及其变化,分析不同海拔、坡度和坡向的植被覆盖度时空变化特征和分布规律。佟斯琴等(201