喀斯特石漠化是土地荒漠化的主要类型之一，它是在湿润、亚湿润地区，碳酸盐岩发育的喀斯特脆弱生态环境下，由于人类活动和/或气候变化等因素作用，造成地表植被持续退化乃至丧失，导致水土资源流失，土地生产力下降，基岩大面积裸露于地表(或砾石堆积)而呈现类似荒漠景观的土地退化过程^[1]。我国西南喀斯特区域在全球三大喀斯特集中分布区中连片裸露碳酸盐岩面积最大，是青藏高原隆起在南亚大陆亚热带气候区形成的一个海拔梯度大、地势格局复杂、生态脆弱的独特环境单元^{[1, 2, 3]}。喀斯特生态系统的脆弱性决定了喀斯特生态系统的易损性和退化喀斯特生态系统的难恢复性，它是我国西部生态建设中面临的十分突出的地域环境问题，也是西南喀斯特区域实现可持续发展的主要障碍之一^[4]。

植被是陆地生态系统中最基础的部分，所有其他生物都依赖于植被而生。植被覆盖度是指植被(包括叶、茎、枝)在地面的垂直投影面积占统计区总面积的百分比。植被覆盖度是衡量地表植被状况的主要指标之一，是描述生态系统的重要基础数据，也是区域生态系统环境变化的重要指标^[5]。植被覆盖度传统的测量方法是地面测量，但这种方法只能进行小区域的植被覆盖度监测，局限性太大，不易推广。随着遥感技术的发展，为植被覆盖度的监测提供了一个新的手段，特别是为大范围地区的植被覆盖度监测提供了可能。目前常用的遥感测量植被覆盖度的方法主要有：回归模型法、植被指数法与像元分解模型法。其中基于NDVI植被指数和像元分解模型的植被覆盖度遥感观测方法是一种比较新的遥感测量植被覆盖度的方法，国内外许多学者已使用该方法进行植被覆盖度的监测^{[6, 7, 8, 9, 10, 11, 12, 13, 14, 15]}。但是，在喀斯特区域的大面积地区的研究还不多见，并且细分为喀斯特和非喀斯特的对比分析的基本没有。本文以桂西北喀斯特区域的河池市为研究对象，利用基于NDVI的像元二分模型来计算不同时相的植被覆盖度，进而分别从喀斯特和非喀斯特区域定量地分析该区域的植被覆盖度及其景观格局时空动态变化特征，可解释该地区生态状况及其景观空间变异特征，以期找到该地区的喀斯特和非喀斯特区域各自的植被退化发生发展一定的规律性，为该地区的生态环境评价、生态治理保护、景观生态设计和社会经济发展提供一定的科学依据，也为今后研究其植被景观动态变化提供参考。

1 研究区概况与数据来源 1.1 研究区概况

河池市位于广西壮族自治区的西北部，地处云贵高原的东南麓斜坡地带，地理位置为106°34′—109°09′ E，23°41′—25°37′ N，全市总面积为3.35 万km²，占广西壮族自治区陆地面积的14.1%，总人口402万。全市地势西北高东南低，地形多样，结构复杂，山岭绵亘，岩溶广布，喀斯特面积占地区总面积的66%，属举世闻名的中国西南喀斯特区域之一。 河池市地处低纬，属亚热带季风气候区。年日照时数大部分地区都在1447—1600h之间，年平均气温一般都在16.9—21.5℃，南部与北部气温相差约6℃，大部分地方没有严冬。全地区年平均降雨量一般在1200—1600mm之间，多的地方超过2500mm，最少的地方也在1000mm以上，十分利于植物的生长。河池市拥有目前是西南地区唯一的喀斯特生态系统国家野外科学观测研究站，由于喀斯特生态系统的特殊性，现有的生态系统的研究、监测方法在该地区很难实现，需要建立一系列适合喀斯特生态系统研究、监测的技术规程。因此，对河池市现状植被景观格局研究具有重要意义。

1.2 数据源与处理方法 1.2.1 数据来源

包括1990年11月、2000年11月5日和2010年11月1日的Landsat TM 共3期遥感影像(空间分辨率为30m)，这3个年份的TM遥感影像只有在11月都是比较清晰，云层覆盖少的。河池市地质图、地形图、土地利用、野外调查等相关数据。

1.2.2 数据处理

利用遥感软件ENVI对研究区遥感影像进行几何校正、投影变换，结合野外调查及地形图,并将其作为参考,将3期影像重采样，像元大小为30m×30m。利用GIS软件对研究区地质图进行数字化获得矢量化的研究区的喀斯特区域和非喀斯特区域边界，用于和研究区的植被覆盖度空间分布图进行叠加分析。

2 研究方法 2.1 基于像元二分模型的植被覆盖估算方法

像元二分模型^[16]假设影像上的一个像元的信息只由植被和无植被覆盖(裸土)两部分组成。如果其通过传感器所获得的信息为S，就可以表达为由植被所贡献的信息S_v，与由无植被覆盖(裸土)部分所贡献的信息S_s这两部分组成。将S线性分解，可用下面的公式表示：

对于一个由植被与无植被覆盖(裸土)组成的混合像元，像元中植被部分覆盖的面积比例为f_c，则无植被覆盖(裸土)部分覆盖的面积比例为1-f_c，假设全植被覆盖的纯像元所得的遥感信息为S_veg，则混合像元植被部分所贡献的信息S_v可表示为f_c与S_veg的乘积，用下面的公式表示：

同理，假设全由无植被覆盖(裸土)的纯像元，所获得的遥感信息为S_soil，则混合像元中无植被覆盖(裸土)部分所贡献的信息S_s可表示为1-f_c与S_soil的乘积，用下面的公式表示：

将公式(2)、(3)代入公式(1)，可得：

对公式(4)进行变换，可得以下计算植被覆盖度的公式：

式中,S_veg 和S_soil是像元二分模型的两个参数。像元二分模型削弱了大气、土壤背景与植被类型等的影响，只保留植被覆盖度的信息^[17]。

2.2 利用NDVI估算植被覆盖度^[18]

植被指数是利用植被在近红外波段(NIR)高反射和在红波段(Red)高吸收的特点，经过某种变换，增强植被信号，削弱噪音，由红光和红外波段的不同组合而成。归一化植被指数NDVI是目前使用得最为广泛的植被指数，它是植被生长状态及植被覆盖度的最佳指示因子。定义为近红外波段NIR与可见光红波段Red数值之差和这两个波段数值之和的比值，即公式：

根据像元二分模型，一个像元的NDVI值可以表达为由植被覆盖部分的信息与由无植被覆盖(裸土)部分的信息组成，因此可以将NDVI值代入公式(5)来计算植被覆盖度：

式中，NDVI_soil为无植被覆盖(裸土)区域的NDVI值，NDVI_veg为纯植被覆盖区域的NDVI值。本文就是采用此方法来计算研究区的植被覆盖度。

NDVI_soil对于大多数类型的裸地表面而言，理论上应该接近零，但由于受众多因素影响，其值一般在0.1—0.2^{[19, 20]}。NDVI_veg由于受植被类型的影响，其值也会随着时间和空间的变化而改变。在实际应用中，在没有实测数据的情况下，取NDVI_max与NDVI_min的值为图像中给定置信度的置信区间内最大值与最小值，NDVI_soil值取影像中裸露样地的NDVI_min；NDVI_veg值取影像中全覆盖样地的NDVI_max值作为理想植被全覆盖地^[7]。

本文结合研究区的植被指数的直方图(图 2)和置信区间的情况，得到河池市植被覆盖度模型中NDVI_soil和NDVI_veg的值见表 1。

2.3 植被覆盖度分级

根据本文基于像元二分模型的植被覆盖估算方法的原理，对河池市1990年、2000年和2010年的植被覆盖度进行估算，得到这3期的植被覆盖度。对所得到的3期植被覆盖度图进行重新分割,再结研究区的具体情况将植被覆盖度分为1低植被覆盖区(f_c﹤10%)、2较低植被覆盖区(10%≤f_c﹤30%)、3中植被覆盖区(30%≤f_c﹤50%)、4较高植被覆盖区(50%≤f_c﹤70%)和5高植被覆盖区(f_c≥70%)。根据上述分级方法，将植被覆盖度计算结果转化为植被覆盖度分级图(图 3)。

2.4 景观变化分析

研究区3期的植被覆盖度分级后，分别利用ArcMap9.3和Fragstats3.3进行统计和景观特征分析。本文参考国内外相关学者的研究^{[21, 22, 23, 24, 25]}并结合研究区景观特征，从景观斑块类型水平上选择斑块类型面积(CA)、斑块数量(NP)、最大斑块指数(LPI)、平均斑块面积(MPS)；从景观水平上选择斑块数量(NP)、最大斑块指数(LPI) 、分形维数(PAFRAC)、蔓延度指数(CONTAG)、香农多样性指数(SHDI)、香农均匀度指数(SHEI)等指标进行了空间格局变化的剖析。具体计算方法及生态学意义参见FRAGSTATS 3.3使用说明书^[26]和参考文献^[27]。

3 结果与分析 3.1 植被覆盖度分级景观面积变化情况分析

在ArcMap9.3空间分析模块中进行逻辑运算，得到研究区3个时间段植被覆盖度分级后的景观面积变化图(图 3)。从图 3和表 2分析可以得出：30年来，研究区各植被覆盖度分区的变化有所差异。低植被覆盖区的比例从1990至2000年增加，2000—2010年减少，其3个时相的分布面积分别占整个区域的6.04%、7.72%、4.60%；无论喀斯特区域还是非喀斯特区域都具有同样的规律。1990—2000年和2000—2010年，较低植被覆盖区、中度植被覆 盖区和较高植被覆盖区的比例都在逐渐减少，减少的幅度差距不大；喀斯特区域和非喀斯特区域基本具有同样的规律，只是喀斯特区域的较低植被覆盖区2000—2010年略微增加。高植被覆盖区的比例则逐渐增加，但2000—2010年增加的幅度比1990—2000年增加的幅度要大，分布面积分别占整个区域的30.81%、39.95%、53.66%；非喀斯特区域具有同样的规律，但是喀斯特区域2000—2010年增加的幅度比1990—2000年增加的幅度要略小。总体来讲，30年来研究区植被覆盖度一直在增加，无论是喀斯特区域还是非喀斯特区域的高植被覆盖区总面积一直在增加，其他等级植被覆盖区的面积减少，非喀斯特区域较喀斯特区域变化更明显。这表明整个研究区景观的生态恢复是比较明显的，但是也可以看出喀斯特区域比非喀斯特区域的生态更容易被破坏并且恢复起来要更困难。

3.2 景观格局变化分析 3.2.1 类型水平上的格局变化

研究区同时期各景观类型的总面积和面积比例均显示出较高植被覆盖区和高植被覆盖区占据景观中的优势地位(表 2)，30年来无论是喀斯特区域还是非喀斯特区域的这两种类型总面积一直在增加；30年来研究区无论是喀斯特区域还是非喀斯特区域的高植被覆盖区的斑块数量一直在减少，其他等级植被覆盖区在增加，非喀斯特区域较喀斯特区域变化更明显；高植被覆盖区的斑块集中度在提高，优势地位加强，这说明整个研究区景观的生态恢复是比较明显的。30年来研究区的喀斯特区域和非喀斯特区域高植被覆盖区的MPS值在持续增加，其他等级在持续减少(表 3)，进一步说明其覆盖状况逐渐转好。从最大斑块指数分析结果(表 3)来看，高植被覆盖区和低植被覆盖区的LPI值在持续增加，其他等级在持续减少，3个时间段LPI的最大值都出现在高植被覆盖区；3个时段非喀斯特区域的高植被覆盖区和较高植被覆盖区的LPI值较喀斯特区域的要大；这反应出高植被覆盖区和较高植被覆盖区一直处于优势地位，高植被覆盖区并逐步增强，非喀斯特区域较喀斯特区域较高植被覆盖区和高植被覆盖区更具优势地位。总体来讲，无论是喀斯特区域还是非喀斯特区域的景观斑块数(NP)都是先增加后减少(表 3)，其中高植被覆盖区是一直减少的，较高植被覆盖区是一直增加的；其他等级的植被覆盖区变化各异，喀斯特区域较非喀斯特区域变化更明显，与面积、面积百分比结合分析，可知喀斯特区域的景观较非喀斯特区域更分散。

3.2.2 景观水平上的格局变化

在景观格局分析软件Fragstats3. 3中，计算研究区各时段景观水平上的格局指数(表 4)。30年来，研究区NP和PAFRAC的值在非喀斯特区域一直在增加，表明在经济增长的同时，人类干扰也在加大，使得斑块数量增多，形状复杂化，分布更加分散。研究区中喀斯特区域的LPI从1990年的0.9855增加到2000年的2.8868进而增加到2010年的5.7339，非喀斯特区域的LPI从1990年的4.1842缓慢增加到2000年的4.9395进而大幅增加到2010年的8.9506。这说明研究区景观异质性减弱，破碎度降低，景观优势度增加。研究区中各景观组分的PAFRAC和LSI都相差不大，说明研究区的斑块形状主要取决于自然地貌及自然环境条件。蔓延度指数(CONTAG)反映景观中不同组分的聚集程度，其值大说明景观由少数聚集的大斑块组成，其值小说明景观由许多分散的小斑块组成；30年来，无论是喀斯特区域还是非喀斯特区域的蔓延度指数(CONTAG)都是增加的，表明景观整体呈现聚集的趋势。景观多样性指数反映了景观组分的多少和各景观组分所占比例的差异，其值越大，景观内各组分所占比例越均匀；30年来，研究区景观整体的SHDI和SHEI值都在减少，但是差异都不大，表明景观越来越由少数植被覆盖等级类型所控制。

4 结论与讨论

本文以桂西北河池市为研究对象，文中按照喀斯特区域和非喀斯特区域，分别提取了1990年、2000年和2010年的植被覆盖度，根据研究区的具体情况，划分为低植被覆盖区、较低植被覆盖区、中植被覆盖区、较高植被覆盖区和高植被覆盖区5级。结论如下：

(1)30年来，研究区植被覆盖度一直在增加，低植被覆盖区、较低植被覆盖区、中度植被覆盖区、较高植被覆盖区的面积比例总体呈现出减少的趋势，斑块数量呈增加的趋势；高植被覆盖区面积上在增加，斑块数量在减少。研究区高植被覆盖区和较高植被覆盖区一直处于优势地位，高植被覆盖区并逐步增强，非喀斯特区域较喀斯特区域较高和高植被覆盖区更具优势地位。

(2)30年来，研究区无论是喀斯特区域还是非喀斯特区域的景观斑块数(NP)都是先增加后减少，其中高植被覆盖区是一直减少的，较高植被覆盖区是一直增加的；其他等级的植被覆盖区变化各异，喀斯特区域较非喀斯特区域变化更明显，与面积、面积百分比结合分析，可知喀斯特区域的景观较非喀斯特区域更分散。

(3)研究区景观斑块形状主要取决于自然地貌及自然环境条件，异质性减弱，破碎度降低，景观优势度增加；景观整体的聚集度增加，景观越来越由少数植被覆盖等级类型所控制。

本文研究结果表明：30年来，研究区无论是喀斯特区域还是非喀斯特区域的斑块数量30年来都是先增加后减少的。总体来看，研究区植被景观的生态恢复是比较明显的，这与30年来研究区的经济社会发展的实际情况是相吻合的。由于喀斯特生态系统的特殊性，也可以看出非喀斯特区域较喀斯特区域变化更明显；喀斯特区域的景观较非喀斯特区域更分散、更复杂。可解释该研究区的喀斯特区域的生态状况较非喀斯特区域更容易被破坏，并且恢复起来更困难。本研究可为我国西部生态脆弱区的生态环境评价、生态治理保护、景观生态设计和社会经济发展提供一定的科学依据，也为今后研究其植被景观动态变化提供参考，具有一定的意义。

本研究用Landsat TM数据，通过影像中的最大值和最小值来代替像元二分模型中的两个参数S_veg 和S_soil，进一步消除大气、土壤背景、植被类型和季节变化等的影响，有利于分析研究区的植被覆盖变化趋势、植被覆盖度及其景观格局变化。但研究区域受云影响时间较长，每年只选11月份的3期影像，难免也会受农作物物侯期和植被生长周期的影响。此外，Landsat数据空间分辨率为30m，对于小斑块植被难以识别，植被覆盖变化还受到自然和人为多种因素影响,对此有待深入研究。