基于GIS与遥感的福州市植被生态的综合分析

图8.坡度影像图

4 综合评价模型

由于各指标间存在一定的相关性，各指标反映的信息在一定程度上有重叠，给分析问题带来不必要的麻烦。本文采用主成分分析方法来确定影响植被生态的综合因素，并根据各主成分的贡献率来确定它们的权重。

4.1各个指标的标准化处理

由于评价指标与植被生态环境质量关系有正逆两种，且其算法也不同，不具备可比性，因此对评价

指标值要经过标准化处理，标准化处理公式如下：

a = (X-X min) /(X max-X min) ×100 (1) b = 100-(X-X min) /(X max-X min) ×100 (2)

与植被生态呈正相关的指标为植被指数、湿度指数(在其他植被生态环境指标相同的条件下，福州

市的湿度指数即水分状况与植被生态呈正相关)和高程(根据实地调查资料，福州市高程与植被覆盖呈正相关关系)，按(1)式进行标准化；与植被生态呈负相关的指标为热度指数、土壤亮度指数和坡度，按(2)式进行标准化。a，b分别为与植被生态呈正相关的指标(植被指数、湿度指数、高程)及与植被生态呈负相关指标(热度指数、土壤亮度指数、坡度)的标准化值，X为指标值，X max为指标最高阈值，X min为指标最低阈值。

4.2 主成分分析

利用 ENVI“Transform”菜单下的“Principal Component”功能(样本为30m×30m的所有像元)，对标准化后的植被指数、热度指数、湿度指数、土壤亮度指数、高程及坡度六个指标进行主成分分析，得到主成分得分影像。提取主成分的个数一般要求累积贡献率超过85%[3]，本文中提取了前四主成分，它们代表了反映植被生态指标的99.55%的原始信息，可信度很高。

表 1 旋转后的因子(主成分)负荷矩阵

5

指标 主成分1 主成分2 主成分3 -7.747 -0.707 -0.774 -3.643 0.170 0.193 74.452 2.26 98.74

主成分4 -0.804 0.609 0.245 1.295 0.273 -4.869 26.540 0.81 99.55

-8.700 4.989 坡度

40.984 2.041 土壤亮度指数

33.265 1.295 热度指数

4.230 -11.472 高程

5.078 -9.456E-02 湿度指数

9.643 -3.560 植被指数

2.999E+03 1.750E+02 特征值

91.16 5.32 贡献率（%）

91.16 96.48 累计贡献率（%）

由表1可知，第一主成分中土壤亮度指数和热度指数所占的比重远大于其他指标的系数，故第

一主成分是对地表裸露程度和热量状况的综合反映；第二主成分以坡度所占比重最大，它反映了坡度大小与植被生态的关系程度；第三主成分以植被指数所占比重最大，湿度指数次之，说明第三主成分是植被覆盖状况和水分状况的综合反映；第四主成分中高程所占的比重最大，说明第四主成分主要反映了海拔高度的大小。

4.3 综合得分

根据主成分分析所确定的权重值，建立福州市生态环境综合评价模型[4]:

上式中，E为评价单元生态环境综合评价指数，Pi(i = 1，2，3，4)为第i个主成分得分，Ai(i = 1， 2，3，4)为第i个主成分权重(贡献率)。在ENVI的支持下，利用上述植被生态环境综合评价模型计算福州市植被生态综合得分，得分越大，植被生态环境越好，得分越小，植被生态环境越差。

5专题制图

5.1密度分割

利用ENVI软件打开综合得分影像图，利用菜单Tools下的Color Mapping的子菜单Density Slice对综合得分影像图进行密度分割。密度分割的等级范围是在综合得分的基础上，结合实地考察的结果，确定福州市植被生态环境综合评价指数分级[5]（表2）。

表 2 福州市生态环境综合评价指数分级

综合评价分级 理想状态

良好状态 一般状态 较差状态

综合评价指数 ≥55 45～55 35～45 ≤35

特征

植被生态基本未受干扰破坏,生态系统结构完整,功能很强 植被生态基本未受破坏,生态系统结构尚完整,功能较强 植被生态受到少量破坏,生态系统可维持基本功能,在一般干扰

下尚可恢复

植被生态受到较大破坏,生态系统结构有较大变化,功能降低,受

损后恢复较困难

5.2 专题图Layout

利用Arcmap软件中的Layout功能对已经密度分割好的影像图生成专题图。

6

图9.福州市植被生态环境质量评价分级图

6结论与讨论

6.1结论

从以上的评价结果图可以知道，福州市植被生态质量的基本分布态势为西部和中部的植被生态普遍好于东部地区。植被生态环境较差的主要出现在居民点、水体、河流沿岸、沿海地区及半岛、岛屿等人为活动剧烈或自然条件(水分条件)较差的地区。这主要是由于福州城区、长乐、福清三地大部分地区，迫于人口和经济发展的压力，如城镇发展而占用耕地、园地、林地、草地等、毁林开荒、滥砍滥伐、过度开采以及天然火灾，生态环境破坏严重引起的。而永泰、闽清、闽侯三地的大部分地区由于海拔较高，人为干涉较少，植被生态环境则较好。这与实际情况相吻合，说明了采用此种方法进行福州市植被生态环境综合评价是可行的。

6.2讨论

区域植被生态环境的动态监测及趋势预测，是植被生态环境研究中重要而急需解决的问题。按照这种方法，编绘连续的不同时期的植被生态环境评价系列图，将会获得植被生态环境动态变化资料，据此可进行植被生态环境变化趋势预测。 参考文献

[1] 郝仕龙，曹连海，李春静.基于耗散结构理论的黄土丘陵区耕地利用变化分析[J].中国生态农业学

报，2010,18（1）:170-174.

[2] 江振蓝，沙晋明. 福州市植被生态的遥感分析[J].福建地理，2003,18（3）:3-6. [3] 徐建华.现代地理学中的数学方法[M].高等教育出版社，2006. [4] 赵英时 等.遥感应用分析原理与方法[M].科学出版社，2008. [5] 马荣华，胡孟春，庞志书等.海南岛生态环境质量分析评价[J].农村生态环境，2000,16（4）：11-14.

7

Comprehensive Analysis of Fuzhou’s Vegetation Eco-environment

Based on GIS and Remote Sensing Technology

Abstract: This paper took the vegetation ecological system of Fuzhou city as the research object. Four remote sensing indexes that affecting the vegetation ecological system as well as the elevation data and slope data were extracted based on the Landsat5 TM remote sensing image of 2006. And these six remote sensing

information images were stacked into one image, based on which the PCA analysis was made. Then the factors and weights of indexes were calculated and the evaluation model was built to analysis the vegetation ecological environment of Fuzhou city.

Key Words: Remote Sensing Index; Vegetation Ecology; Principal Component Analysis

8