全 文 ：书新疆阜康荒漠植被指数特征和时空过程分析
钱育蓉１，２，杨峰３，于炯１，贾振红１，李建龙２，帕力旦·吐尔逊１
（１．新疆大学软件学院，新疆 乌鲁木齐８３０００８；２．南京大学生命科学学院，江苏 南京２１００９３；３．四川农业大学农学院，四川 成都６１１１３０）
摘要：研究天山北坡典型荒漠区草地植被覆盖变化，对于荒漠区草畜平衡及畜牧业可持续发展具有重要现实意义。
采用１９９０，１９９９和２００８年同时相ＴＭ／ＥＴＭ＋遥感影像，经辐射校正和几何校正后，基于荒漠植被指数特征和垂
直地带性特征，进行了专家知识决策树分类，研究了阜康市典型荒漠草地、农田等地物近２０年间的归一化植被指
数（ＮＤＶＩ）和面积变化特征。结果表明，１）经辐射校正后的 ＮＤＶＩ与实际地物情况更接近，大致呈高山草甸＞农
田＞温性草甸＞平原荒漠＞山前荒漠的规律；２）近２０年间农区面积大量占用平原荒漠草地和山前荒漠，新增农田
面积２９６．３ｋｍ２，是１９９０年耕地总面积的１．５４倍；３）高山冰盖消融随即转变成为高山草甸类型的趋势明显，２０年
间减少冰雪区７４．７ｋｍ２，是１９９０年冰雪区总面积的０．３４５倍，这也印证了近２０年来全球变暖的说法。
关键词：天山北坡；ＮＤＶＩ指数；数字高程模型；决策树；草地遥感；全球变暖
中图分类号：Ｓ８１２．２９ 文献标识码：Ａ 文章编号：１００４５７５９（２０１３）０３００２５０８
犇犗犐：１０．１１６８６／ｃｙｘｂ２０１３０３０４
草地资源是我国西北干旱半干旱地区生态安全的重要屏障，也是草地畜牧业发展的重要物质基础。然而，受
亚洲内陆极端干旱气候的影响，西北荒漠草地植被覆盖稀疏、结构简单、生态脆弱性明显［１］，近年来随着人类活动
的日益频繁，天然草地的退化现象也日益加剧，严重退化、沙漠化、盐碱化的草地已超过８００万ｈｍ２，每年还在以
ｌ０万ｈｍ２ 的速度增加［２］，大面积的草地退化现象不仅直接影响牧民的生产活动与牧区的经济发展，也会诱发许
多区域性生态灾难［３］。卫星遥感手段使得大面积、长时间的草地退化动态监测和精确评价成为可能［４６］，归一化
植被指数（ｎｏｒｍａｌｉｚｅｄｄｉｆｆｅｒｅｎｃｅｖｅｇｅｔａｔｉｏｎｉｎｄｅｘ，ＮＤＶＩ）也成为国内外学者进行草地遥感研究的重要手段［７］。
采用ＮＤＶＩ可以对植被进行分类、分级和面积产量估算［８，９］，然而当地物类型复杂或者植被类型存在“同谱异物”
和“同物异谱”现象时，仅仅采用植被指数的分类方法会增加分类结果的不确定性。本研究拟根据研究区草地植
被分布的垂直地带性规律，基于植被指数特征和植被垂直地带性特征构建决策树草地分类体系，分析和研究荒漠
区草地植被光谱特征和面积变化动态，这些工作将有助于加深对干旱半干旱地区荒漠化草地生态系统的了解，为
制定合理的应对策略和措施提供科学依据，达到预警、调节和最大限度地减小不良影响的作用［１０，１１］。
本研究以新疆天山北坡东段———阜康市为实验区，深入分析了各类典型草地植被指数特征，并结合各草地类
型的地理分布特征，采用基于专家知识的草地分类模型对近２０年间的３张同季相遥感影像进行了分类和比较研
究，基于３Ｓ技术（ＲＳ，ＧＩＳ，ＧＰＳ）综合分析了研究区各类地物的时间和空间变化特征，着重分析了冰雪区、耕地、
平原荒漠和山前荒漠等类型面积变化的趋势和主要原因，以期为大面积监测评估荒漠草地动态和制定草地利用
方式提供科学依据，实现干旱半干旱地区的牧区草畜平衡和畜牧业经济可持续发展。
１ 材料与方法
１．１ 研究区概况
阜康市位于新疆维吾尔自治区中北部，天山东段北麓，准噶尔盆地南缘，地理坐标为北纬４３°４５′～４５°３０′、东
经８７°４６′～８８°４４′。阜康市东界吉木萨尔县，西与米泉市接壤，南至博格达峰与乌鲁木齐市相连，北部伸入准噶
尔盆地与富蕴县毗邻，市区东西相距７６ｋｍ，南北绵长１９８ｋｍ，行政区总面积８８４４．８５ｋｍ２，总人口１６．９４万人，
第２２卷 第３期
Ｖｏｌ．２２，Ｎｏ．３
草 业 学 报
ＡＣＴＡＰＲＡＴＡＣＵＬＴＵＲＡＥＳＩＮＩＣＡ
２５－３２
２０１３年６月
收稿日期：２０１２０５３０；改回日期：２０１２１１０２
基金项目：新疆高校科研计划项目（ＸＪＥＤＵ２０１２Ｉ１０），新疆大学博士启动基金（ＢＳ１００１２８），国家自然科学基金项目（６１２６２０８８和６１０６３０４２），国家
重点基础研究发展计划项目（９７３项目，２０１０ＣＢ９５０７０２）和ＡＰＮ全球变化基金项目（ＡＲＣＰ２０１１０６ＣＭＹＬｉ）资助。
作者简介：钱育蓉（１９８０），女，山东武城人，副教授，博士。Ｅｍａｉｌ：ｑｙｒ＠ｘｊｕ．ｅｄｕ．ｃｎ
通讯作者。Ｅｍａｉｌ：ｙｕｊｉｏｎｇ＠ｘｊｕ．ｅｄｕ．ｃｎ，ｊｚｈｈ＠ｘｊｕ．ｅｄｕ．ｃｎ
是汉、回、维、哈等２０多个民族的聚居地（图１）。
研究区地势自东南向西北缓缓倾斜，海拔自５４４５ｍ降至４５０ｍ，地势起伏大，其地貌南部为天山支脉博格
达山、中部为山前冲积平原、北部大部分为古尔班通古特沙漠，从山区过渡为平原再至沙漠（图１），构成典型的干
旱半干旱的自然景观。其特点是：冬季寒冷漫长，夏季炎热，春秋季节不明显，气温年、日较差在平原和沙漠地区
大，春秋季气温变化剧烈，降水量分布不均，山区多，平原次之，沙漠最少。春夏多风，光照充足，热量丰富。年均
气温在平原区为６．７℃，在山区为２．５４℃。年均降水量２０５ｍｍ，南部山区年平均降水量５３０ｍｍ，中部平原区年
平均降水量１８７．５ｍｍ，北部沙漠边缘年平均降水量１３２ｍｍ，降水的年季变化和季节变化大，年均无霜期１７４ｄ。
阜康市纵跨高山、中山、沙漠、绿洲这４种截然不同的自然地理景观区，草地面积占总面积的９０％以上，其类
型发育比较完全，基本上可以代表我国新疆大部分地区草地资源的类型、分布及其地貌特征，因而将其作为典型
研究样区具有特别意义。
１．２ 数据源及预处理
用于研究区荒漠草地光谱和时空特征分析的资料主要包括：１）数字图件：遥感数字图像和地形图资料；２）实
地调查数据：包括ＧＰＳ定点数据和植被、土壤类型信息；３）统计数据：２００５－２００９年的阜康市统计年鉴及新疆５０
年的统计资料。
其中数字图件包括：１）３幅卫星遥感影像分别为：１９９０年９月７日的ＴＭ图像、１９９９年８月２３日的ＥＴＭ＋
图像以及２００８年９月２４日的ＴＭ图像；２）覆盖全部研究区的３１幅１∶５００００的地形图（包含１２个图层）。预处
理过程包括：１）将３１幅地形图拼接，并提取１２个图层中的边界、等高线、居民点和道路信息：边界图层用于对遥
感图像中的研究区域进行裁减，等高线图层用于生成数字高程模型（ｄｉｇｉｔａｌｅｌｅｖａｔｉｏｎｍｏｄｅｌ，ＤＥＭ）以辅助遥感信
息进行草地类型的划分，道路图层用于对３幅遥感图像进行几何精校正，而居民点图层用于对比分析草地退化与
过牧之间的关系。２）对３幅遥感图像进行辐射校正和几何校正，并将研究区域切割出来待分析（图２）。
１．３ 辐射校正
从理论上讲，未经过任何校正的ＤＮ（ｄｉｇｉｔａｌｎｕｍｂｅｒ）值只是进入传感器中的辐射能的一种数字转换形式，不
能本质地反映地物的辐射特性，而经过辐射校正后的反射率能本质地反映各种草地的辐射特性［１２］。为了正确评
价研究区地表植被在不同时期、不同传感器中所表现的辐射特征，必须对遥感图像进行辐射量的校正，以定量估
测地表植被的真实辐射量。首先根据公式（１）进行传感器段辐射校正，计算辐射亮度（Ｌ）：
犔＝犌犪犻狀×犇犖＋犅犻犪狊 （１）
式中，犌犪犻狀为增益，单位 Ｗ／（ｍ２·ｓｒ·μｍ）；犅犻犪狊为偏置，单位 Ｗ／（ｍ
２·ｓｒ·μｍ），均从遥感图像头文件中获取，
犇犖 值（０～２５５）无量纲，从遥感图像中获取。其次，光照差异所引起的辐射差异根据公式（２）进行校正：
ρ＝
π×犔λ×犱２
犈犛犝犖λ×ｃｏｓθ
（２）
式中，ρ为大气上界的表观反射率值（后简称为表观反射率），无量纲，犱为日地距离参数（天文单位），无量纲，犈犛
犝犖λ为波长λ处大气层顶的平均太阳光谱辐射量，单位为 Ｗ／（ｍ２·μｍ），犔λ 为波长λ处大气层顶进入卫星传感
器的光谱辐射亮度，单位为 Ｗ／（ｍ２·ｓｒ·μｍ），θ为太阳天顶角，单位度。上述校正模型中相关参数可以通过查
阅文档或者计算得来［１２］，其主要技术参数如表１所列。
以１９９９年８月２３日的研究区ＥＴＭ＋数据为例，依照辐射校正中的校正步骤，将３处典型样地辐射校正前
后的数据对比：对照校正前后的ＴＭ３和ＴＭ４波段下的原始灰度犇犖 值、ρ和犔犻，并将校正前数据计算的ＮＤＶＩ
和校正后数据计算的ＮＤＶＩ进行比较（表２）。ＮＤＶＩ被定义为近红外波段（ＴＭ４）与可见光红波段（ＴＭ３）数值之
差和这２个波段数值之和的比值，即ＮＤＶＩ＝（ＴＭ４－ＴＭ３）／（ＴＭ４＋ＴＭ３）。
３处样点的具体地理位置为：１）水体，冰湖水库（以４４°２′３．１２″Ｎ，８７°９′２５．２５″Ｅ为中心位置选取了１８８１个
像素点）；２）农田，２２２团农场农田（以４４°１′２８．５２″Ｎ，８７°４′４．２２″Ｅ为中心位置选取了２５５８个像素点）；３）平原
荒漠，５个土疙瘩（以４４°０′１５．７７″Ｎ，８８°０′１８．９７″Ｅ为中心位置选取了１１２７个像素点）。
６２ ＡＣＴＡＰＲＡＴＡＣＵＬＴＵＲＡＥＳＩＮＩＣＡ（２０１３） Ｖｏｌ．２２，Ｎｏ．３
图１ 研究区概况示意图
犉犻犵．１ 犜犺犲狅狏犲狉狏犻犲狑狅犳狊狋狌犱狔犪狉犲犪
图２ 阜康市１９９０，１９９９和２００８年的遥感影像
犉犻犵．２ 犚犲犿狅狋犲狊犲狀狊犻狀犵犻犿犪犵犲狊狅犳犉狌犽犪狀犵犮犻狋狔犻狀１９９０，１９９９犪狀犱２００８
表１ 遥感数据技术参数
犜犪犫犾犲１ 犐犿犪犵犲犱犪狋犪狆犪狉犪犿犲狋犲狉狊
数据类型
Ｄａｔａｔｙｐｅ
成像时间Ｉｍａｇｅｔｉｍｅ
（年月日Ｙｅａｒｍｏｎｔｈｄａｙ）
太阳高度角
Ｓｏｌａｒｅｌｅｖａｔｉｏｎａｎｇｌｅ
太阳方位角
Ｓｏｌａｒｚｅｎｉｔｈａｎｇｌｅ
儒略日
Ｊｕｌｉａｎｄａｙ
日地距离（天文单位）
ＥａｒｔｈＳｕｎｄｉｓｔａｎｃｅｉｎａｓｔｒｏｎｏｍｉｃａｌｕｎｉｔｓ
Ｌ５ＴＭ １９９００９０７ ４４．０ １３８．０ ２４４８１４１．５ １．００５７
Ｌ７ＥＴＭ＋ １９９９０８２３ ５２．３ １４４．５ ２４５１４１５．５ １．０１４９
Ｌ５ＴＭ ２００８０９２４ ４２．０ １５２．０ ２４５４７３４．５ １．００１１
注：Ｌ５ＴＭ为Ｌａｎｄｓａｔ５的ＴＭ遥感图像；Ｌ７ＥＴＭ＋为Ｌａｎｄｓａｔ７的ＥＴＭ＋遥感图像。
Ｎｏｔｅ：Ｌ５ＴＭｉｎｄｉｃａｔｅｓｔｈｅＴＭｒｅｍｏｔｅｓｅｎｓｉｎｇｉｍａｇｅｆｒｏｍＬａｎｄｓａｔ５，ａｎｄＬ７ＥＴＭ＋ｉｎｄｉｃａｔｅｓｔｈｅＥＴＭ＋ｒｅｍｏｔｅｓｅｎｓｉｎｇｉｍａｇｅｆｒｏｍＬａｎｄｓａｔ７．
７２第２２卷第３期 草业学报２０１３年
表２ 典型地物的辐射校正前后犜犕３、犜犕４和犖犇犞犐对比
犜犪犫犾犲２ 犆狅犿狆犪狉犻狊狅狀狅犳犜犕３，犜犕４犪狀犱犖犇犞犐犫犲犳狅狉犲犪狀犱犪犳狋犲狉狉犪犱犻狅犿犲狋狉犻犮犮狅狉狉犲犮狋犻狅狀犪狋狋狔狆犻犮犪犾狊狌狉犳犪犮犲犳犲犪狋狌狉犲狊
类别Ｒｅｇｉｏｎ
波段３Ｂａｎｄ３
犇犖 犔犻 ρ
波段４Ｂａｎｄ４
犇犖 犔犻 ρ
ＮＤＶＩ
犇犖 犔犻 ρ
平原荒漠Ｐｌａｉｎｄｅｓｅｒｔ １３４．００ １２０．００ ３．０８０ １１０．００ １００．００ ３．８４０ －０．０９８４ －０．０８７４ ０．１０９９
农田Ｆａｒｍｌａｎｄ ５８．３４ ４９．０４ １．２６３ ７２．７３ ６４．４３ ２．４６６ ０．１０９８ ０．１３５６ ０．３２２４
水体 Ｗａｔｅｒ ６１．６８ ５２．１９ １．３４４ ２２．６８ １５．９１ ０．６０９ －０．４６２３ －０．５３２６ －０．３７６４
２ 结果与分析
２．１ 辐射校正及年际间植被光谱指数对比
虽然校正后水体ＮＤＶＩ值略有增加，但是增幅较小，ＮＤＶＩ值仍然为负（表２）；农田的ＮＤＶＩ值校正后增幅
最大，说明校正后ＮＤＶＩ能够更好地突出农作物的绿色植被光谱特征；荒漠植被虽然较稀疏，但校正后ＮＤＶＩ值
仍呈现正值。因此，经过辐射校正后的反射率能本质地反映地物的辐射特性，不但增强了图像清晰度，提高了视
觉效果，还有利于遥感信息提取和专题解译［１３］，经校正后表观反射率计算而成的植被指数也能更好地反映地物
情况，这也是遥感图像预处理中将ＤＮ值转换为表观反射率的主要原因。
２．２ 荒漠植被指数特征比较
图３ 典型样地上１９９０，１９９９和２００８年的犖犇犞犐值
犉犻犵．３ 犖犇犞犐狏犪犾狌犲狅犳狋狔狆犻犮犪犾狊狆狅狋狊犻狀１９９０，１９９９犪狀犱２００８
１：平原荒漠ＩＰｌａｉｎｄｅｓｅｒｔＩ；２：平原荒漠ＩＩＰｌａｉｎｄｅｓｅｒｔＩＩ；３：山前荒漠
Ｐｉｅｄｍｏｎｔｄｅｓｅｒｔ；４：温性草甸 Ｔｅｍｐｅｒａｔｅｍｅａｄｏｗ；５：高寒草甸 Ａｌｐｉｎｅ
ｍｅａｄｏｗ；６：农田Ｆａｒｍｌａｎｄ．
为了比较分析研究区在近２０年间的天然草地
变化动态，提取１９９０，１９９９和２００８年的同时相
ＮＤＶＩ值进行不同草地类型间对比。参考１９９０－
２０１０年阜康市草原站草原普查日志和草原站样地
选取，结合春、秋两季实地考察后的类别初判，荒漠
植被指数特征研究分别在６处具有代表性的样地上
开展：１）平原荒漠Ｉ；２）平原荒漠ＩＩ；３）山前荒漠；４）
温性草甸；５）高寒草甸；６）农田。所选样地面积分别
为１９．５，４１．６，３７．５，３０．７，１４．１和１９．４ｋｍ２，其中
由于平原荒漠区域面积广大，该类型草地选取了２
处典型代表样地。６处样地在１９９０，１９９９和２００８
年的ＮＤＶＩ均值如图３所示。
经辐射校正的各类型植被ＮＤＶＩ值均大于零，
与ＤＮ值直接计算出来的荒漠区植被呈负ＮＤＶＩ值
相比，经辐射校正的ＮＤＶＩ值与实际地物情况更接
近。同时，同一类型草场不同年份的 ＮＤＶＩ值不
同，这一结果与黄敬峰等［１４］于１９８９－１９９１年对天山北坡天然草场的ＮＤＶＩ分析结果相同，均表明不同的光谱植
被指数反映了不同年份因气候条件差异引起的产草量变化（图３）。
１９９９年ＮＤＶＩ值和１９９０，２００８年相比有一定差距，尤其是荒漠草地的差距较大，１９９９年的平原荒漠和山前
荒漠草地ＮＤＶＩ值在０．１３左右，明显低于１９９０和２００８年的约０．４５。考虑到１９９９年ＮＤＶＩ值来源为ＥＴＭ＋
遥感影像，而１９９０和２００８年数据来源为ＴＭ遥感影像，２种传感器的数值接收、处理过程存在一定的差异，因此
１９９０和２００８年数据的可比性更强。
在各类型样地上，１９９０年９月７日的ＮＤＶＩ值均比２００８年９月２４日的略高，其主要原因一方面是２张图片
的获取时间相差近半个月，进入秋季后气温和降水量均减少而导致，另一方面考虑到２００８年是旱年，累计年降水
量仅为１２６．７ｍｍ，与１９９０年的１９３．２ｍｍ相比更为干旱，一定程度上限制了植被的生长。
１９９０，１９９９和２００８年的典型草地ＮＤＶＩ值大致呈：高山草甸＞农田＞温性草甸＞平原荒漠＞山前荒漠的规
律，这基本符合荒漠草地的垂直地带性规律。
８２ ＡＣＴＡＰＲＡＴＡＣＵＬＴＵＲＡＥＳＩＮＩＣＡ（２０１３） Ｖｏｌ．２２，Ｎｏ．３
根据上述结论，各类型样地上ＥＴＭ＋图片计算出的ＮＤＶＩ值虽然整体低于ＴＭ图片的ＮＤＶＩ值，但是近２０
年间植被类型间ＮＤＶＩ规律保持不变，并且年际间ＮＤＶＩ数值与年降水量呈正相关关系。
２．３ 近２０年间主要地物的时空动态分析
２．３．１ 基于专家知识的草地分类 对研究区进行植
被类别划分时，采用基于专家知识的草地分类决策树
将地物类型分为７种：平原荒漠、山前荒漠、温性草甸、
高山草甸、农田、裸土／其他以及冰雪。由于３个时期
遥感影像 ＮＤＶＩ值具有 ＮＤＶＩ１９９０＞ＮＤＶＩ２００８＞ＮＤ
ＶＩ１９９９的规律（图３），参考草原站长期地面调查日志，
在研究区内选取的６处典型样地类型不发生变化的假
设下，根据样地统计结果设定地表覆盖分类的 ＮＤＶＩ
阈值（表３）；考虑到研究区草地具有明显的垂直地带
表３ 不同植被类型犖犇犞犐阈值
犜犪犫犾犲３ 犖犇犞犐狋犺狉犲狊犺狅犾犱狅犳犱犻犳犳犲狉犲狀狋狏犲犵犲狋犪狋犻狅狀狋狔狆犲狊
年份
Ｙｅａｒ
平原荒漠
Ｐｌａｉｎ
ｄｅｓｅｒｔ
山前荒漠
Ｐｉｅｄｍｏｎｔ
ｄｅｓｅｒｔ
温性草甸
Ｔｅｍｐｅｒａｔｅ
ｍｅａｄｏｗ
高山草甸
Ａｌｐｉｎｅ
ｍｅａｄｏｗ
农田
Ｆａｒｍｌａｎｄ
１９９０ ０．４３０ ０．４０ ０．４２ ０．４７ ０．６０
１９９９ ０．０９０ ０．０７ ０．２２ ０．２５ ０．４４
２００８ ０．３８５ ０．３５ ０．３６ ０．３９ ０．５０
性，将地形因子ＤＥＭ加入了草地类别的分类依据，按照天然草地分布的海拔特征进行５种地面植被的划分［１５］，
优化后形成了基于专家知识的草地分类决策树（图４）。
２．３．２ 时空动态特征分析 依照基于专家知识的ＮＤＶＩ和ＤＥＭ阈值划分（图４和表３）方法，对３幅遥感影像
（图２）进行了基于分类决策树的草地分类，之后还进行了相同类别的合并，以及农田斑块的３×３像素聚合操作，
得到分类结果如图５。对分类结果进行面积统计分析后得到图６，清楚的呈现出１９９０，１９９９和２００８年地表覆被
的总体变化情况：农田是变化最明显的区域，其他各地物类型均有不同程度的变化。
１）从遥感影像中获得的１９９０，１９９９和２００８年的农田面积分别为１９３，３３９和４８９ｋｍ２，总体呈上升趋势且增
幅较大，较前９年的增幅分别为７５．６％和４４．２％，这一结果与图２的目视解译结果相吻合。
２）１９９０，１９９９和２００８年的荒漠草地面积分别为３４２８，３２２５和２８３１ｋｍ２，呈依次减少的趋势，这与农田增
加占用荒漠草地面积有关，这一结论在图６中得到印证。
３）冰雪区面积在图５和６中均有显示和对比，以图５中标志性地物———天池为参照物观察雪线变化可以得
到结论：近２０年间雪线逐渐上移，山顶积雪量逐年减少。图６中１９９０，１９９９和２００８的冰雪面积分别为２１６．４，
１７６．６和１４１．４ｋｍ２，呈面积持续减少的趋势，且近２０年间减少的冰雪面积是１９９０年冰雪总面积的３４．５％，面
积减少比例较大。这两点充分说明了１９９０－２００８年高山冰盖消融面积大幅增加，消融后的土地随即转变成为高
山草甸类型，这也印证了近２０年来全球变暖的说法［１６］。
４）虽然温性草甸和山前荒漠的面积在３个年份中变化不稳定，但是两者在时空上呈年季间互补的规律（图５
和６），且两者面积总和在１９９０，１９９９和２００８年分别为１２８２，１２５７和１２４３ｋｍ２，总体呈下降的趋势，这与低山
区农田的开垦息息相关。
５）研究中将各种裸土归为一类，１９９０，１９９９和２００８年的裸土面积分别为２３５，１７２和２４４ｋｍ２，其中２００８年
裸土面积较大是由于遥感影像在农牧交错带有团状云朵覆盖，造成部分地面植被误分为裸地，但影响面积不大，
裸土总面积没有显著变化。
综上所述，近２０年间研究区主要地物类型面积变化显著，其中农区面积增长大量占用平原荒漠草地，山前荒
漠和温性草甸面积总体呈下降趋势，这与农区面积增长有关，上述面积的变化也可以通过对图２的目视对比观察
出来。同时，本研究中的分类方法将小块城市绿地归入农业用地类型，这也是导致农业用地面积增加的另一个原
因。
３ 讨论
３．１ 辐射校正后植被指数与生物量关系更加密切
本研究利用１９９０，１９９９和２００８年同时相ＴＭ／ＥＴＭ＋遥感影像，结合数字高程和地物光谱特征分析的结
果，基于专家知识建立分类决策树，提取研究区内各类地物近２０年间的时空变化特征。由于研究采用数据源跨
越时间较长，且来源于不同传感器，因此在对比分析之前进行了原始遥感数据的辐射校正，并分析了地面典型样
９２第２２卷第３期 草业学报２０１３年
图４ 基于专家知识的草地分类决策树
犉犻犵．４ 犌狉犪狊狊犾犪狀犱犮犾犪狊狊犻犳犻犮犪狋犻狅狀犱犲犮犻狊犻狅狀狋狉犲犲犫犪狊犲犱狅狀犲狓狆犲狉狋犽狀狅狑犾犲犱犵犲
类型ｘ的ＮＤＶＩ阈值记作Ｔｘ。ＮＤＶＩｔｈｒｅｓｈｏｌｄｏｆｃｌａｓｓｘｉｓｄｅｎｏｔｅｄｂｙＴｘ．
图５ １９９０，１９９９和２００８年的遥感影像分类
犉犻犵．５ 犆犾犪狊狊犻犳犻犮犪狋犻狅狀狅犳狉犲犿狅狋犲狊犲狀狊犻狀犵犻犿犪犵犲狊犻狀１９９０，１９９９犪狀犱２００８
０３ ＡＣＴＡＰＲＡＴＡＣＵＬＴＵＲＡＥＳＩＮＩＣＡ（２０１３） Ｖｏｌ．２２，Ｎｏ．３
点上草地植被及其光谱动态变化规律：近２０年间植被
图６ １９９０，１９９９和２００８年的土地覆盖类型面积图
犉犻犵．６ 犜犺犲犪狉犲犪狅犳犱犻犳犳犲狉犲狀狋犾犪狀犱犮狅狏犲狉
狋狔狆犲狊犻狀１９９０，１９９９犪狀犱２００８
１：平原荒漠 Ｐｌａｉｎｄｅｓｅｒｔ；２：农田 Ｆａｒｍｌａｎｄ；３：山前荒漠 Ｐｉｅｄｍｏｎｔ
ｄｅｓｅｒｔ；４：温性草甸 Ｔｅｍｐｅｒａｔｅｍｅａｄｏｗ；５：高寒草甸 Ａｌｐｉｎｅｍｅａｄｏｗ；
６：冰雪Ｓｎｏｗ＆Ｉｃｅ；７：裸地Ｓｏｉｌ．
类型间 ＮＤＶＩ值大致呈高山草甸＞农田＞温性草
甸＞平原荒漠＞山前荒漠的规律。经辐射校正的
ＮＤＶＩ值不但与实际地物更加接近，能较好地反映地
物的情况，还能够更加准确的表达其与草地生物量之
间的密切联系［１７］，为西北草地生态脆弱地区草畜平衡
研究提供科学依据。
３．２ 农业开垦逐年侵占天然草地资源
研究区主要草地类型面积在近２０年间变化显著，
其中农区面积增长大量占用平原荒漠草地和山前荒漠
趋势显著。根据分类结果统计，１９９０－２００８年新增农
田面积２９６．３ｋｍ２，是１９９０年耕地总面积的１．５４倍；
１９９０－２００８年减少的平原荒漠面积２７８．５ｋｍ２，减少
的山前荒漠总面积为３８．２ｋｍ２，这一结果不但与遥感
影像目视解译结果相吻合，还与年鉴数据中农作物播
种面积逐年增加相吻合。西北干旱区的开垦必须遵循
“人草畜协同进化”的原则，逐渐改良天然草地，通过实施种草养畜和牧民定居，使贫困农户摆脱越穷越垦，越垦越
穷的恶性循环，根本改变游耕陋习和烧荒陋习，降低陡坡垦殖率，这才是草地“三化”治理的根本途径［１８］。
３．３ 全球变暖对草地生态系统影响复杂
近２０年间研究区温性草甸的面积变化不显著，但是全球变暖导致的高山冰盖消融致使高山草甸类型面积逐
年增加，１９９０－２００８年新增的高山草甸面积为４３．４ｋｍ２，是１９９０年高山草甸总面积的０．１０３倍；而１９９０－２００８
年减少的冰雪区面积为７４．７ｋｍ２，是１９９０年冰雪区总面积的０．３４５倍。另一方面，山区冰雪融水对水资源的稳
定起着重要作用［１６］，全球气候变暖背景下冰川储量不断减少造成的春夏季河流水流量增大，无疑会增加天然荒
漠草地的产草量，但是考虑到气候变暖对草地生态系统初级生产力、土壤呼吸、凋落物输入与分解、土壤碳库的诸
多影响［１９］，草地生态系统在全球变暖背景下做出的响应和受到的影响，不但复杂并且深刻，是未来草地生态系统
重点研究的方向。
参考文献：
［１］ 杨齐，赵万羽，李建龙，等．新疆天山北坡荒漠草地退化现状及展望［Ｊ］．草原与草坪，２００９，（３）：８６９１．
［２］ 杨峰，钱育蓉，李建龙，等．天山北坡典型荒漠草地退化特征及其成因［Ｊ］．自然资源学报，２０１１，２６（８）：１３０６１３１４．
［３］ 陈全功．中国草原监测的现状与发展［Ｊ］．草业科学，２００８，２５（２）：２９３８．
［４］ 戴声佩，张勃，王海军，等．中国西北地区植被时空演变特征及其对气候变化的响应［Ｊ］．遥感技术与应用，２０１０，２５（１）：
６９７６．
［５］ ＺｈａｎｇＪ，ＺｈａｎｇＱ，ＹａｎｇＬＨ，犲狋犪犾．ＳｅａｓｏｎａｌｃｈａｒａｃｔｅｒｓｏｆｒｅｇｉｏｎａｌｖｅｇｅｔａｔｉｏｎａｃｔｉｖｉｔｙｉｎｒｅｓｐｏｎｓｅｔｏｃｌｉｍａｔｅｃｈａｎｇｅｉｎＷｅｓｔ
Ｃｈｉｎａｉｎｒｅｃｅｎｔ２０ｙｅａｒｓ［Ｊ］．ＪｏｕｒｎａｌｏｆＧｅｏｇｒａｐｈｉｃａｌＳｃｉｅｎｃｅｓ，２００６，１６（１）：７８８６．
［６］ 邹滨，杨令宾，佟志军，等．半干旱环境下的土地利用／覆被时空变化研究—以吉林省榆通县为例［Ｊ］．遥感技术与应用，
２００７，２２（５）：６０２６０７．
［７］ 潘琛，杜培军，罗艳，等．一种基于植被指数的遥感影像决策树分类方法［Ｊ］．计算机应用，２００９，２９（３）：７７７７９７．
［８］ 李一静，曾辉，魏建兵．基于归一化植被指数变化分级的深圳市植被变化［Ｊ］．应用生态学报，２００８，１９（５）：１０６４１０７０．
［９］ 陈朝晖，朱江，徐兴奎．利用归一化植被指数研究植被分类、面积估算和不确定性分析的进展［Ｊ］．气候与环境研究，２００４，
９（４）：６８７６９６．
［１０］ 赵万宇，李建龙，陈亚宁．天山北坡区域生态承载力与可持续发展［Ｊ］．生态学报，２００８，２８（９）：４３６３４３７１．
［１１］ 高清竹，李玉娥，林而达，等．藏北地区草地退化的时空分布特征［Ｊ］．地理学报，２００５，６０（６）：９６５９７３．
１３第２２卷第３期 草业学报２０１３年
［１２］ 池宏康，周广胜，许振柱，等．表观反射率及其在植被遥感中的应用［Ｊ］．植物生态学报，２００５，２９（１）：７４８０．
［１３］ 阮建武，邢立新．遥感数字图像的大气辐射校正应用研究［Ｊ］．遥感技术与应用，２００４，１９（３）：２０６２０８．
［１４］ 黄敬峰，桑长青，金杰．天山北坡天然草场光谱植被指数的基本特征［Ｊ］．遥感技术与应用，１９９４，９（１）：２９３３．
［１５］ 赵万羽．天山典型荒漠草地退化特征、机理与恢复重建技术研究［Ｄ］．南京：南京大学，２００６：２５．
［１６］ 王璞玉，李忠勤，李慧林．气候变暖背景下典型冰川储量变化及其特征———以天山乌鲁木齐河源１号冰川为例［Ｊ］．自然资
源学报，２０１１，２６（７）：１１８９１１９８．
［１７］ 张艳楠，牛建明，张庆，等．植被指数在典型草原生物量遥感估测应用中的问题探讨［Ｊ］．草业学报，２０１２，２１（１）：２２９２３８．
［１８］ 皇甫江云，毛凤显，卢欣石．中国西南地区的草地资源分析［Ｊ］．草业学报，２０１２，２１（１）：７５８２．
［１９］ 范月君，侯向阳，石红霄，等．气候变暖对草地生态系统碳循环的影响［Ｊ］．草业学报，２０１２，２１（３）：２９４３０２．
犞犲犵犲狋犪狋犻狅狀犻狀犱犲狓犳犲犪狋狌狉犲犪狀犱狊狆犪狋犻犪犾狋犲犿狆狅狉犪犾狆狉狅犮犲狊狊犪狀犪犾狔狊犻狊狅犳
犱犲狊犲狉狋犵狉犪狊狊犾犪狀犱犻狀狋犺犲犉狌犽犪狀犵犪狉犲犪狅犳犡犻狀犼犻犪狀犵
ＱＩＡＮＹｕｒｏｎｇ１，２，ＹＡＮＧＦｅｎｇ３，ＹＵＪｉｏｎｇ１，ＪＩＡＺｈｅｎｈｏｎｇ１，ＬＩＪｉａｎｌｏｎｇ２，ＰａｌｉｄａｎＴｕｅｒｘｕｎ１
（１．ＳｃｈｏｏｌｏｆＳｏｆｔｗａｒｅ，ＸｉｎｊｉａｎｇＵｎｉｖｅｒｓｉｔｙ，Ｕｒｕｍｑｉ８３０００８，Ｃｈｉｎａ；２．ＳｃｈｏｏｌｏｆＬｉｆｅＳｃｉｅｎｃｅ，
ＮａｎｊｉｎｇＵｎｉｖｅｒｓｉｔｙ，Ｎａｎｊｉｎｇ２１００９３，Ｃｈｉｎａ；３．ＣｏｌｅｇｅｏｆＡｇｒｉｃｕｌｔｕｒｅ，ＳｉｃｈｕａｎＡｇｒｉｃｕｌｔｕｒａｌ
Ｕｎｉｖｅｒｓｉｔｙ，Ｃｈｅｎｇｄｕ，Ｓｉｃｈｕａｎ６１１１３０，Ｃｈｉｎａ）
犃犫狊狋狉犪犮狋：ＣｈａｎｇｅｏｆｔｙｐｉｃａｌｄｅｓｅｒｔｇｒａｓｓｌａｎｄｉｎｔｈｅｎｏｒｔｈｅｒｎＴｉａｎｓｈａｎＭｏｕｎｔａｉｎｓｗａｓａｎａｌｙｓｅｄｔｏｇｉｖｅｓｏｍｅ
ｃｏｎｓｔｒｕｃｔｉｖｅｓｕｇｇｅｓｔｉｏｎｓｏｆｓｕｓｔａｉｎａｂｌｅｄｅｖｅｌｏｐｍｅｎｔｆｏｒｂｏｔｈｔｈｅｅｎｖｉｒｏｎｍｅｎｔａｎｄｌｉｖｅｓｔｏｃｋ．Ａｆｔｅｒｔｈｅｒａｄｉｏ
ｍｅｔｒｉｃａｎｄｇｅｏｍｅｔｒｉｃｃｏｒｒｅｃｔｉｏｎｏｆＴＭ／ＥＴＭ＋ｒｅｍｏｔｅｓｅｎｓｉｎｇｉｍａｇｅｓｉｎ１９９０，１９９９，ａｎｄ２００８，ｔｈｅｃｌａｓｓｉｆｉｃａ
ｔｉｏｎｏｆｌａｎｄｃｏｖｅｒｂａｓｅｄｏｎｄｅｃｉｓｉｏｎｔｒｅｅｓｗａｓｉｍｐｌｅｍｅｎｔｅｄｂａｓｅｄｏｎｔｈｅｖｅｇｅｔａｔｉｏｎｉｎｄｅｘｆｅａｔｕｒｅａｎｄｖｅｒｔｉｃａｌ
ｚｏｎｅ．ＴｈｅＮＤＶＩｖａｌｕｅｃａｌｃｕｌａｔｅｄｂｙｒａｄｉｏｍｅｔｒｉｃｃｏｒｒｅｃｔｅｄａｐｐａｒｅｎｔｒｅｆｌｅｃｔａｎｃｅｗａｓｃｌｏｓｅｔｏｔｈｅａｃｔｕａｌｓｕｒｆａｃｅ
ｆｅａｔｕｒｅｓａｎｄｇｅｎｅｒａｌｙｓｈｏｗｅｄｔｈｅｐａｔｔｅｒｎ：ａｌｐｉｎｅｍｅａｄｏｗ＞ｆａｒｍｌａｎｄ＞ｔｅｍｐｅｒａｔｅｍｅａｄｏｗ＞ｐｌａｉｎｄｅｓｅｒｔ
ｇｒａｓｓ＞ｐｉｅｄｍｏｎｔｄｅｓｅｒｔｇｒａｓｓ．Ｉｎｔｈｅｐａｓｔ２０ｙｅａｒｓ，ｉｎｃｒｅａｓｉｎｇｆａｒｍｌａｎｄａｒｅａｏｃｃｕｐｉｅｄｐｒｅｖｉｏｕｓｐｌａｉｎｄｅｓｅｒｔ
ｇｒａｓｓｌａｎｄａｎｄｐｉｅｄｍｏｎｔｄｅｓｅｒｔｇｒａｓｓｌａｎｄｔｏｔｈｅｅｘｔｅｎｔｔｈａｔｔｈｅｎｅｗａｇｒｉｃｕｌｔｕｒａｌｌａｎｄａｒｅａ（２９６．３ｋｍ２）ｈａｄｂｅ
ｃｏｍｅ１．５４ｔｉｍｅｓｔｈｅｔｏｔａｌａｒｅａｏｆｆａｒｍｌａｎｄｉｎ１９９０．Ｔｈｅｔｒｅｎｄｏｆｍｅｌｔｉｎｇａｌｐｉｎｅｉｃｅｔｒａｎｓｆｏｒｍｅｄｉｎｔｏａｌｐｉｎｅ
ｍｅａｄｏｗｂｅｃａｍｅｍｏｒｅａｐｐａｒｅｎｔ，ａｎｄｔｈｅｒｅｄｕｃｅｄｓｎｏｗａｎｄｉｃｅａｒｅａ（７４．７ｋｍ２）ｈａｓｒｅｄｕｃｅｄｔｏ０．３４５ｔｈａｔｉｎ
１９９０．
犓犲狔狑狅狉犱狊：ｎｏｒｔｈｅｒｎＴｉａｎｓｈａｎＭｏｕｎｔａｉｎｓ；ＮＤＶＩ（ｎｏｒｍａｌｉｚｅｄｄｉｆｆｅｒｅｎｃｅｖｅｇｅｔａｔｉｏｎｉｎｄｅｘ）；ＤＥＭ （ｄｉｇｉｔａｌｅｌｅ
ｖａｔｉｏｎｍｏｄｅｌ）；ｄｅｃｉｓｉｏｎｔｒｅｅ；ｇｒａｓｓｌａｎｄｒｅｍｏｔｅｓｅｎｓｉｎｇ；ｇｌｏｂａｌｗａｒｍｉｎｇ
２３ ＡＣＴＡＰＲＡＴＡＣＵＬＴＵＲＡＥＳＩＮＩＣＡ（２０１３） Ｖｏｌ．２２，Ｎｏ．３