水土流失区生态修复后植被健康的遥感判别

（ 2）
式中： ρλ为经过大气校正的传感器处反射率； Lh为大
气影响的修正值，即各波段对应的最暗像元在传感
器处的光谱辐射值； dES 为日地天文单位距离； Esun λ 为波段 λ 的平均太阳光谱辐照度，可从官方手册获
取； θs为太阳天顶角，可从影像头文件中获取； τ 为 大气透射率，其计算公式为：
Abstract： This paper proposed a vegetation health index （ VHI） to rapidly monitor and assess vegetation health status in soil and water loss region based on remote sensing techniques and WorldView2 imagery． VHI was constructed by three factors，i． e．，the normalized mountain vegetation index， the nitrogen reflectance index and the reflectance of the yellow band，through the principal component transformation，in order to avoid the deviation induced by subjective method of weighted summation． The Hetian Basin of Changting County in Fujian Province，China，was taken as a test area to assess the vegetation health status in soil and water loss region using VHI． The results showed that the VHI could detect vegetation health status with a total accuracy of 91%． The vegetation of Hetian Basin in good，moderate and poor health status accounted for 10．1%，49．2% and 40．7%，respectively． The vegetation of the study area was still under an unhealthy status because the soil was poor and the growth of newly planted vegetation was not good in the soil and water loss region．
覆盖［1－3］，区域生态环境得到了较大改善［4－6］． 然而， 水土流失区由于长期土壤养分和水分的缺失，以致 植被生长恢复较为困难，生态修复效果仍不稳定． 因 此，需要及时地对植被的生长状况进行监测，准确判 别长势，适时发现健康状况不良的植被． 这对于巩 固 水土流失治理成效具有重要的现实意义．
小范围的植被健康调查主要通过人工来完成， 而大面积的植被健康度调查，目前只能借助遥感对
252
应用生态学报
28 卷
80%，因此在研究区选取乌石岽和罗地 2 个植被健 康状况差别较大的样地，使用美国 ASD （ Analytical Spectral Devices，Inc．） 公司生产的 FieldSpec HandHeld 2 手持式地物波谱仪野外实测了不同健康状况 马尾松的高光谱数据（ 图 2） ．其中，罗地选取的马尾 松植株较为高大，枝叶茂密，林下植被丰富，健康状 况良好； 而乌石岽选取的样地马尾松植株矮小，林下 植被稀疏，整体生长状况较差．
1期
胡秀娟等： 水土流失区生态修复后植被健康的遥感判别
251
地观测技术． 遥 感 凭 借 其 快 速、宏 观 的 优 势，可 有 效 地监测森林植被的健康状态［7］．然而，已有研究多集 中在对 区 域 生 态 系 统 或 森 林 整 体 健 康 水 平 的 评 价［8－9］，指标多且复杂，对植被生长状况的分析往往 只针对干旱胁迫或某种病虫害防治等单一情 况［10－ 14］，指标因子 的 选 取 也 是 因 人 而 异［15－ 19］，目 前 还缺少一种简便、直观、易操作的方法，以监测和评 估水土流失区地表植被的综合健康状况． 为此，本 文 基于 WorldView-2 卫星影像，构建 3 因子植被健康 指数，以期客观、快速地对区域地表植被进行健康状 况判别，监测和评估植被恢复情况，这对于水土流失 区的精准治理具有重要的指导意义．
1 研究地区与研究方法
1. 1 研究区概况 本研究以福建省长汀县水土流失最严重、植被
变化最显著的河田盆地为试验区． 试验区中心是一 凹陷地形，四周为群山所环抱，表现为盆地地貌特征 （ 图 1） ．盆地基底由花岗岩组成，岩石质脆，面蚀强 烈，风化后的土壤类型以红壤土和砂壤土为主． 由 于 长期的水土流失，致使盆地内土壤养分流失殆尽，植 被恢复比较困难，出现了不少 10 ～ 20 年只长高 1 m 多的“老头松”．由于生态修复种植的植被生长不良， 部分林地出现了“远看绿油油、近看水土流”的 现 象，变成了林下水土流失区． 这些独特现象的成因 主 要是植被恢复不健康．因此，本文将其作为试验区以 研究和判别植被的不同健康状况． 根据实地调研，该 区植被覆盖类型主要为马尾松（ Pinus massoniana） 林，其 他 为 杉 木 （ Cunninghamia lanceolata ） 、毛 竹 （ Phyllostachys edulis） 、杨 梅 （ Myrica rubra） 和 油 茶 （ Camellia oleifera） 等，绝大部分为常绿树种． 1. 2 数据预处理
关键词 生态； 遥感； 植被健康指数； 主成分分析； 河田盆地
Ｒemote sensing detection of vegetation health status after ecological restoration in soil and water loss region． HU Xiu-juan1，2，3 ，XU Han-qiu1，2，3 * ，GUO Yan-bin1，2，3 ，ZHANG Bo-bo1，2，3 （ 1College of Environment and Ｒesources，Fuzhou University，Fuzhou 350116，China； 2Institute of Ｒemote Sensing Information Engineering，Fuzhou University，Fuzhou 350116，China； 3Fujian Provincial Key Laboratory of Ｒemote Sensing of Soil Erosion and Disaster Protection，Fuzhou University， Fuzhou 350116，China） ．
本文由国家科技支撑计划项目（ 2013BAC08B01-05） 和福州大学科技 发展基金项目（ 2014-XY-10） 资助 The work was supported by the National Science and Technology Support Plan （ 2013BAC08B01-05） and the Science and Technology Development Foundation of Fuzhou University （ 2014-XY-10） ． 2016-06-15 Ｒeceived，2016-10-25 Accepted． * 通讯作者 Corresponding author． E-mail： hxu@ fzu．edu．cn
Key words： ecology； remote sensing； vegetation health index （ VHI） ； principal component analysis； Hetian Basin．
福建省长汀县是我国南方典型红壤水土流失 区，自 20 世纪 80 年代至今，通过近 35 年的努力，水 土流失治理取得了显著成效，大量裸露土壤被植被
水土流失区生态修复后植被健康的遥感判别
胡秀娟 徐涵秋 1，2，3
1，2，3*
郭燕滨 张博博 1，2，3
1，2，3
（ 1 福州大学环境与资源学院，福州 350116； 2 福州大学遥感信息工程研究所，福州 350116； 3 福建省水土流失遥感监测评估与
灾害防治重点实验室，福州 350116）
摘 要 基于遥感技术和 WorldView-2 卫星影像，提出一个新型植被健康指数（ VHI） ，以快 速、大面积地监测与评价水土流失区的植被健康状况． 该指数由归 一 化 山 地 植 被 指 数、氮 素 反 射指数和黄光波段反射率 3 个因子构成，通过主成分变换将 3 个因子集成为 VHI，以避免主 观加权求和集成法所产生的偏差．将 VHI 应用于福建省长汀县河田盆地一带，对水土流失区 的植被健康状况进行监测．结果表明： VHI 可以很好地揭示植被的健康状况，其判别总精度可 达 91%．河田盆地健康等级为好、中、差的植被面积占植被总面积的比例分别为 10．1%、49．2% 和 40．7%，说明研究区的植被健康总体状况仍不理想，主要因为水土流失区土壤贫瘠、新种植 的植被生长不良．
研究表明，当植被处于不健康状态时，植物体内 的叶绿素浓度和水分含量会发生明显变化，光谱曲 线的形状特征也会随之发生改变［23］． 植物的叶色素 主要包括叶绿素、类胡萝卜素和花青素等，其含量可 以较好地体现植物叶片的生理状况． 健康有活力的 叶片叶绿素含量较高，而当植物叶片开始衰老或遭 受胁迫时，叶绿素含量降低，类胡萝卜素和花青素增 多，因此，健康状态差的叶片会发黄，甚至枯死叶片 会呈现红色或棕色［24－25］． 表现在植物的光谱曲线上 会出现以下特征： 健康植被的光谱曲线中的“绿峰” 和“红谷”更加清晰，在近红外波段的反射率强； 不 健康植被的“绿峰”略降，“红谷”的谷底上升，近红 外 波 段 的 反 射 率 大 幅 降 低； 在 黄 光 波 段 处 （ 585 ～ 625 nm） ，不健康植被的反射率超过了健康植 被，说明植物松针中叶绿素含量降低、颜色枯黄，生 长状态较差（ 图 2） ．
应 用 生 态 学 报 2017 年 1 月 第 28 卷 第 1 期 Chinese Journal of Applied Ecology，Jan． 2017，28（ 1） ： 250－256
http： / / www．cjae．net DOI： 10．13287 / j．1001－9332．201701．020
τ = cosθs·π
（பைடு நூலகம்3）
180
1. 3 植被健康判别指数的构建
1. 3. 1 判别因子的选取 根据河田盆地的最新林分
图资料，马 尾 松 在 研 究 区 中 的 植 被 面 积 比 例 超 过
图 1 试验区影像（ a） 及其三维地貌特征（ b） Fig．1 Image of the test area （ a） and its 3D-perspective （ b） of the Hetian Basin．
外波段外，还增加了深蓝、黄、红边波段，并将近红外
波段细分为 2 个波段．
采用 WorldView-2 官方手册提供的模型对影像 进行辐射校正［20］． 首先将影像中每个像元的灰度值
（ DN） 转换成像元在传感器处的光谱辐射值（ Lλ ） ．其 计算公式为：
K·q
Lλ = Δλ
（ 1）
式中： K 为每个波段的绝对辐射校正因子； q 为像元
的 DN 值； Δλ 为波段 λ 的有效带宽．K 和 Δλ 均可从
影像的头文件中获取．
进一步将大气顶部的 Lλ 转换为传感器处的反
射率，并 采 用 Chavez［21］ 的 COST 模 型 进 行 大 气 校
正［22］，其计算公式为：
ρλ
（ =
Lλ －Lh） ·dES 2·π Esun λ ·cosθs ·τ
本文选用的 WorldView-2 影像日期为 2011 年 12 月 13 日，覆盖面积 297．39 km2．影像无云覆盖，质
量较好．WorldView-2 影像有 8 个 2 m 分辨率的多光
谱波段和 1 个 0．5 m 分辨率的全色波段，其传感器
除了一般高分辨率卫星影像常见的蓝、绿、红和近红