謝志輝,李功權(quán)

(長江大學 地球科學學院,湖北 武漢 430100)

0 引言

地震會對人民生命財產(chǎn)和城市安全造成嚴重威脅,受災程度與震級大小、自我防范意識強弱、建筑物抗震等級、預防措施等因素有關,而災情信息的準確獲取對應急救援預案的制定具有重要意義。地震發(fā)生在城市時,直接表現(xiàn)為震區(qū)燈光強度減弱,而減弱的幅度與地震等級具有相關性,所以利用夜間燈光數(shù)據(jù)提取災情信息對輔助救援決策的制定具有重要意義。地震發(fā)生在山區(qū),則會引起山體滑坡、泥石流和病蟲害等次生災害,使災區(qū)出現(xiàn)植被破壞、倒伏等現(xiàn)象,導致災區(qū)的生態(tài)系統(tǒng)遭到破壞[1]。生態(tài)系統(tǒng)破壞最直接的表現(xiàn)形式是地表植物生長情況的好壞,由于生態(tài)系統(tǒng)的脆弱性和敏感性,被破壞植被的自我修復是一個長期的過程,而植被生長情況可以利用植被指數(shù)來定量評價[2]。

植被指數(shù)多用于植物生長監(jiān)測、作物類型的判定、作物估產(chǎn)等方面,目前常用的植被指數(shù)包括增強型植被指數(shù)(Enhanced Vegetation Index,EVI)和歸一化植被指數(shù)(Normalization Difference Vegetation Index,NDVI)。利用中分辨率成像光譜儀(Moderate Resolution Imaging Spectroradiometer,MODIS)獲取的EVI可以有效反映地表植被特征,多用于研究不同區(qū)域的植被變化情況。目前越來越多的學者應用該數(shù)據(jù)對自然環(huán)境進行研究,如朱林富等[3]利用MODIS-EVI數(shù)據(jù)探究了重慶植被覆蓋季節(jié)變化趨勢和空間分部特征,指出重慶植被覆蓋變化的季節(jié)差異性明顯;馬昊翔等[4]利用MODIS-EVI數(shù)據(jù)和氣象數(shù)據(jù),基于殘差趨勢分析方法探究了氣候因素和人類活動對研究區(qū)域植被變化規(guī)律的影響,指出青海省生長季草地EVI與溫度和降水相關性顯著;蘇俊磊等[5]利用MODIS-EVI數(shù)據(jù)分析了西江流域植被時空變化的影響因素,指出重大自然災害和自然條件對植被的生長具有較大影響;伍宜丹等[6]基于MODIS-EVI數(shù)據(jù),利用莫蘭指數(shù)和熱點分析法對四川省增強型植被指數(shù)時空變化的影響因素進行分析,指出生態(tài)工程建設是其變化的主要驅(qū)動力;曹艷萍等[7]利用MODIS增強型植被指數(shù),結(jié)合水文數(shù)據(jù)分析了華北平原植被生長狀況與水文分布之間的關系,指出植被生長受水文要素、人類活動(灌溉、土地利用)雙重影響;李京忠等[8]利用多源遙感數(shù)據(jù)分析了震后植被的空間恢復度,得出植被恢復會在地震發(fā)生后一段時間內(nèi)存在一定的滯后性這一結(jié)論。

目前主要的夜間燈光數(shù)據(jù)有美國軍事衛(wèi)星(Defense Meteorological Satellite Program,DMSP)搭載的操作線掃描傳感器(Operational Linescan System,OLS)獲得的燈光影像、美國國家極地軌道合作衛(wèi)星(Suomi National Polar-Orbiting Partnership,Suomi-NPP)搭載的可見光近紅外成像輻射儀(Visible Infrared Imaging Radiometer Suite,VIIRS)獲取的NPP-VIIRS影像,以及武漢大學發(fā)射的珞珈1號衛(wèi)星獲取的圖像數(shù)據(jù)。NPP-VIIRS與DMSP-OLS相比,空間分辨率更高,對夜間燈光的探測能力更強,有效降低了DMSP-OLS所引發(fā)的數(shù)據(jù)飽和問題[9-11]。珞珈一號夜間燈光影像的130 m高空間分辨率可以更加清晰地反映城市的空間結(jié)構(gòu),但較大范圍和較長時間跨度的存檔數(shù)據(jù)較少,難以進行長時間尺度的研究。

近些年來,夜間燈光數(shù)據(jù)為災后影響及災區(qū)恢復重建等遙感監(jiān)測提供了一種新視角,它不僅可以快速識別受地震影響區(qū)域,還可用于災區(qū)震后恢復重建的監(jiān)測及評估。如杜若華等[12]利用NPP-VIIRS和社會經(jīng)濟統(tǒng)計數(shù)據(jù)分析了2013—2019年魯?shù)榈貐^(qū)災后燈光數(shù)據(jù)的時空變化特征,指出夜間燈光數(shù)據(jù)可以實現(xiàn)災后臨時安置點建設、房屋恢復重建、基礎設施建設等過程監(jiān)測;唐堯等[13]利用多源遙感數(shù)據(jù)對長寧縣地震受災情況進行提取分析,探討了遠測數(shù)據(jù)在重大地質(zhì)災害應用中的優(yōu)勢與不足;李曉雪等[14]利用NPP-VIIRS數(shù)據(jù)計算夏河5.7級地震后的燈光指數(shù),分析了震后破壞度和燈光指數(shù)之間的關系,指出NPP-VIIRS數(shù)據(jù)在縣級尺度地震災情信息獲取方面具有較大的應用潛力;張景發(fā)等[15]介紹了地震前后遙感圖像的變化檢測方法,為震后災區(qū)的快速評估提供了可行的方法;聶高眾等[16]通過一系列研究發(fā)現(xiàn)中國中西部地區(qū)易受地震影響,由于經(jīng)濟和減災能力差,地震會給當?shù)貛砭薮蟮膿p失;阿里穆斯等[17]通過研究中國西南部少數(shù)民族地區(qū)的地震破壞影響,認為地震對自然條件差、經(jīng)濟薄弱地區(qū)的破壞性較大;張小詠等[18]利用顯著性變化檢測法分析震后夜間燈光數(shù)據(jù),發(fā)現(xiàn)該方法不僅可以宏觀提取地震的破壞范圍,而且可以反映震后受災人口的空間分布情況;張寶軍[19]利用DMSP/OLS數(shù)據(jù)分析了2003—2013年極重災區(qū)夜間燈光分布范圍和強度的變化特點,發(fā)現(xiàn)災后夜間燈光指數(shù)與受災人口等災情指標存在較顯著的相關關系。

地震的發(fā)生給人們生活各方面帶來了巨大影響,因此開展震后恢復評估至關重要。多源遙感數(shù)據(jù)在震后的恢復評估中具有獨特的優(yōu)勢,但是關于這方面的應用研究比較少?；诖?本文以2019年6月17日長寧MS6.0地震災區(qū)為研究區(qū),以多源遙感數(shù)據(jù)中的NPP-VIIRS月度合成數(shù)據(jù)和MODIS-EVI數(shù)據(jù)為基礎數(shù)據(jù)源,經(jīng)過預處理后確定最優(yōu)擬合模型對數(shù)據(jù)的可行性進行驗證,再通過提取的燈光指數(shù)和植被指數(shù)來分析地震前后長寧縣各鄉(xiāng)鎮(zhèn)的變化,評估震后經(jīng)濟和生態(tài)恢復情況,并探究震中不同緩沖區(qū)的破壞和恢復情況,以期為全面獲取地震災情信息和災后評估提供一種新的思路和方法。

1 研究區(qū)域與數(shù)據(jù)處理

1.1 研究區(qū)域情況

長寧縣位于四川省宜賓市的中心地帶,地勢南高北低,主要河流有長寧河等。2019年年末全縣總?cè)丝诔?0萬,生產(chǎn)總值(GDP)超170億元,森林覆蓋率達到65.4%。2019年6月17日長寧縣發(fā)生了MS6.0地震,震中位于雙河鎮(zhèn)(104.90°E,28.34°N),震源深度16 km,四川、重慶、貴州、云南等省份均有震感。這次地震造成長寧縣各地道路塌陷,房屋嚴重損毀,人民群眾的生命和財產(chǎn)安全遭受威脅。

1.2 數(shù)據(jù)源

(1) NPP-VIIRS夜間燈光影像數(shù)據(jù)。該數(shù)據(jù)下載自美國國家地球物理數(shù)據(jù)中心(https://ngdc.noaa.gov/eog/dmsp/downloadV4composites.html),選取2013年5月—2020年11月共91期NPP-VIIRS月度合成影像產(chǎn)品。

(2) MODIS-EVI數(shù)據(jù)。該數(shù)據(jù)來自美國國家航空航天局(https://ngdc.noaa.gov/eog/viirs/download_ut_mos.html)提供的MOD13Q1數(shù)據(jù),選取16天合成的空間分辨率250 m的EVI數(shù)據(jù),2017年3月—2019年11月共60期影像。

(3) 其他數(shù)據(jù)。四川省標準地圖服務網(wǎng)站下載的四川審(2016)027號長寧縣地圖;宜賓市地震檢測中心獲取的2019年長寧縣MS6.0地震災情數(shù)據(jù);宜賓市統(tǒng)計局獲取的長寧縣2019年統(tǒng)計年鑒數(shù)據(jù)。

1.3 數(shù)據(jù)預處理

由于NPP-VIIRS夜間燈光數(shù)據(jù)存在背景噪聲和異常極大值,本研究將亮度值(0.3×10-9)W·cm-2·sr-1作為閾值,小于該閾值的像元賦值為0,用來消除背景噪聲的影響[20]。選取北京、上海和深圳三市的最大像元灰度值作為去除研究區(qū)異常極大值的參考閾值,將研究區(qū)內(nèi)異常極大值重新賦值為3×3鄰域內(nèi)柵格的最大值。對去噪后的NPP-VIIRS數(shù)據(jù)進行投影變換和重采樣,利用行政區(qū)劃進行掩膜裁剪,得到長寧縣的燈光強度分布情況。以2019年6月的燈光數(shù)據(jù)為例,利用分區(qū)幾何統(tǒng)計得到長寧縣各鄉(xiāng)鎮(zhèn)的平均燈光值(圖1)。由圖1可知,長寧縣各鄉(xiāng)鎮(zhèn)的夜間燈光值主要集中在長寧鎮(zhèn)、龍頭鎮(zhèn)和雙河鎮(zhèn)。

利用MRT(MODIS Reprojection Tool)工具對MODIS-EVI數(shù)據(jù)進行裁剪、重采樣并轉(zhuǎn)換成Albers投影。投影坐標系轉(zhuǎn)換成WGS84,空間分辨率選擇250 m,輸出TIFF格式。采用時間序列諧波分析法(HANTS)對EVI數(shù)據(jù)進行濾波處理,消除云和大氣的干擾[21]。由于影像質(zhì)量導致EVI數(shù)據(jù)異常值,將存在異常值的影像數(shù)據(jù)重新賦值為前后兩期正常影像的3×3鄰域內(nèi)柵格的平均值,最后利用處理好的EVI數(shù)據(jù)探討季節(jié)性周期對植被指數(shù)的影響,評估數(shù)據(jù)的可利用性。

基于四川省標準地圖服務網(wǎng)站下載的審圖號為四川審(2016)027號的標準地圖制作,底圖無修改圖1 2019年6月長寧縣夜間燈光強度Fig.1 Light intensity at night in Changning County in June 2019

2 研究方法

2.1 技術路線

如圖2所示,對預處理好的NPP-VIIRS和MODIS-EVI數(shù)據(jù)進行可行性評價分析,進一步探究季節(jié)性對植被生長情況的影響,最后通過計算夜間燈光指數(shù)和植被指數(shù)來評價震后的破壞和恢復情況。

圖2 主要技術流程Fig.2 Main technical process

2.2 數(shù)據(jù)可行性評價分析

(1) 夜間燈光數(shù)據(jù)可行性評價

首先,在ArcMap中計算2013—2020年不同月份長寧縣的燈光總強度(Total Night-time Light,TNL),列于表1。然后,為進一步驗證地震災害的發(fā)生對夜間燈光數(shù)據(jù)的影響程度,探討時間和TNL的相關關系,以2013—2020年8月份為例,將TNL與時間進行相關性檢驗和回歸分析(圖3)。為排除地震災害發(fā)生年份對整體數(shù)據(jù)產(chǎn)生的干擾,圖3中去除了2019年的數(shù)據(jù)。由圖3可知,二者具有很強的相關關系,線性和非線性模型得到的“確定系數(shù)”R2均超過0.91,其中非線性模型的擬合優(yōu)度最高,達到0.969 43。最后,基于非線性回歸模型計算得出2019年5—11月長寧縣燈光總強度預測值,并與實測值進行對比(表2)。由表2可知,該時段長寧縣燈光指數(shù)實際觀測值小于預測值,這是由于6月17日長寧MS6.0地震造成了電力系統(tǒng)破壞,進而反映在燈光總強度降低上。這對利用夜間燈光數(shù)據(jù)評價地震災害恢復提供了可能。

表1 長寧縣不同時間段燈光總強度Table 1 TNL of Changning County during different period

表2 2019年5—11月燈光總強度實測值和預測值Table 2 Measured and predicted values of TNL from May to November,2019

圖3 線性和非線性預測模型與TNL的線性擬合效果Fig.3 Linear fitting effect between prediction models and TNL

(2) MODIS-EVI數(shù)據(jù)的可行性評價

受季節(jié)性、周期性和數(shù)據(jù)質(zhì)量的影響,同一研究區(qū)各月的植被指數(shù)會產(chǎn)生差異,這對利用植被指數(shù)評估震后恢復情況提出了挑戰(zhàn)。為驗證地震的發(fā)生是否對研究區(qū)植被產(chǎn)生影響,利用2017和2018年MODIS-EVI數(shù)據(jù)來驗證季節(jié)對植被的影響程度,并與2019年數(shù)據(jù)進行對比分析(圖4)。由圖4可知,2017年和2018年各月EVI變化趨勢大致相同,但從2019年6月中旬開始植被指數(shù)較往年出現(xiàn)波動并下降,這是由于地震災害對植被生長產(chǎn)生了干擾,進而反映在植被指數(shù)的變化上。

圖4 2017—2019年不同月份EVI總和變化量Fig.4 Total change of EVI in different months of 2017,2018,and 2019

2.3 燈光指數(shù)

夜間燈光影像數(shù)據(jù)可反映為TNL、平均相對燈光強度(I)和綜合燈光指數(shù)(Compounded Night Light Index,CNLI)等。燈光灰度值大于0的區(qū)域為有效燈光區(qū)域,可以通過燈光指數(shù)的變化來研究該區(qū)域在一段時間內(nèi)的發(fā)展變化,或評價地震破壞和震后恢復情況。TNL指研究區(qū)域燈光總強度,燈光面積比(S)指燈光像元面積和區(qū)域總面積的比值,CNLI指平均燈光強度(I)和燈光面積比(S)的乘積。其計算公式如下:

(1)

(2)

CNLI=I×S

(3)

S=AN/A

(4)

式中:DNi和ni分別表示研究區(qū)內(nèi)第i級灰度像元值和像元數(shù);DNmin和DNmax分別表示研究區(qū)內(nèi)夜間燈光像元最小和最大燈光灰度值;A表示研究區(qū)行政面積;NL和AN分別為研究區(qū)在區(qū)間[DNmin,DNmax]的像元總數(shù)和燈光像元總面積。

2.4 植被指數(shù)

雖然MODIS-NDVI的應用研究富有成效,但NDVI在低植被覆蓋區(qū)易受土壤背景和植被冠層的影響,在高植被覆蓋區(qū)則容易飽和,對大氣影響的糾正也不徹底。而EVI削弱了氣溶膠和土壤背景的影響,并克服了植被飽和現(xiàn)象,能敏感地監(jiān)測稀疏植被和茂密植被,可以彌補NDVI的不足[23]。因此可以基于MODIS-EVI數(shù)據(jù),從 EVI變化率、植被覆蓋度(Fractional Vegetation Cover,FVC)和植被覆蓋恢復率(Vegetation Cover Recovery Rate,VCRR)幾個維度來評價長寧縣的震后植被恢復情況。

(1) EVI變化率

MODIS-EVI減少了大氣、土壤背景以及像元異常值的影響,增強了濃密植被生長變化的監(jiān)測和稀疏植被的區(qū)分,所以MODIS-EVI比MODIS-NDVI更接近實際的植被覆蓋變化。EVI計算公式為:

(5)

式中:Pblue、Pred、Pnir分別表示藍色、紅色、近紅外波段的反射率;L是土壤調(diào)節(jié)參數(shù),取值為1;C1、C2是氣溶膠阻力項的系數(shù),取值分別為6和7.5;G是增益或比例因子,取值2.5。

(2) 植被覆蓋度(FVC)

利用像元二分法模型來估算植被的覆蓋度時,根據(jù)像元二分模型原理,每個像元的EVI值可表示為有植被覆蓋部分的EVI與無植被覆蓋部分的EVI兩部分一元線性加權(quán)合成[24-25],其計算公式為:

EVI=(1-FVC)×EVIsoil+FVC×EVIveg

(6)

(7)

式中:EVIsoil為無植被覆蓋像元的EVI值;EVIveg表示植被完全覆蓋像元的EVI值。受環(huán)境和其他因素的影響,EVIveg和EVIsoil在不同的時空尺度上會發(fā)生相應變化,因此本文結(jié)合當?shù)氐耐恋乩脠D計算二者的值[26-27]。根據(jù)EVI累積頻率分布曲線,選取累積頻率0.5%和99.5%的EVI值分別作為EVIsoil和EVIvge。

(3) 植被覆蓋恢復率(VCRR)

計算VCRR可以用來評價震后植被的恢復情況[28],對研究震后生態(tài)恢復具有重要意義。由于植被生長情況受季節(jié)性影響較明顯,引入相對差(RRMSE)來評價地震年份植被覆蓋恢復率。其計算表公式為:

(8)

RRMSE=VCRRg-VCRRs

(9)

式中:EVIi表示震后i(i=6,7,…,11)月植被的覆蓋度;EVI1表示震后植被覆蓋度;EVI0表示震前植被覆蓋度;VCRRg表示2019年植被覆蓋恢復率;VCRRs表示2017年和2018年植被覆蓋恢復率均值。

3 結(jié)果與分析

3.1 長寧縣燈光指數(shù)變化分析

利用ArcMap統(tǒng)計分析工具,計算得到長寧縣2019年5—11月的5種燈光指數(shù)(表3),對研究區(qū)域的燈光強度變化、亮度像元個數(shù)、亮度像元面積和大型供電設施進行定量評價。從表3可以看出,TNL在長寧MS6.0地震前保持穩(wěn)定,地震發(fā)生后下降,在7月下降到最低點,從8月開始緩慢上升,10月基本恢復到震前水平,說明此次地震對長寧縣破壞性較大,并對光源載體造成了破壞,直接表現(xiàn)為CNLI和NNL的下降[22]。而CNLI、S、I和NNL的下降幅度較小,說明地震并沒有對大的光源載體造成毀滅性破壞,這與長寧縣夜間燈光主要集中在距離震中較遠的長寧鎮(zhèn)有關。

表3 2019年5—11月長寧縣5種燈光指數(shù)變化Table 3 Changes of five light indexes in Changning County from May to November 2019

為探究此次地震災害對宜賓市和四川省的影響,分別計算不同區(qū)域下2019年4—10月夜間燈光總量變化趨勢(圖5)。圖5顯示此次地震對長寧縣破壞性較大,在更大尺度范圍來看,宜賓市和四川省整體受影響較小,說明此次地震波及范圍較小。

圖5 四川省、宜賓市和長寧縣2019年4—10月 TNL變化率Fig.5 Change rate of TNL in Sichuan Province,Yibin City,and Changning County from April to October 2019

為探究此次地震災害對長寧縣各個鄉(xiāng)鎮(zhèn)的影響,在ArcMap中統(tǒng)計不同時間分辨率下各鄉(xiāng)鎮(zhèn)的TNL,計算得到其2019年5—11月TNL變化率(圖6)。圖6顯示長寧縣各鄉(xiāng)鎮(zhèn)6—7月的TNL指數(shù)變化率在負值以下,其中雙河鎮(zhèn)、富興鄉(xiāng)、竹海鎮(zhèn)和梅硐鎮(zhèn)TNL指數(shù)下降最為明顯,說明此次地震災害對這幾個鄉(xiāng)鎮(zhèn)的造成的破壞較大;梅白鄉(xiāng)、下長鎮(zhèn)和長寧鎮(zhèn)等由于距離震中較遠,并且受地形地貌所引發(fā)的山體滑坡危害較小,地震造成的破壞相對較小。值得注意的是各鄉(xiāng)鎮(zhèn),尤其是受災嚴重的鄉(xiāng)鎮(zhèn),TNL指數(shù)在震后幾個月的變化率均為正值且上升明顯,說明國家和社會救援力量的到達促進了災后重建項目的實施。

圖6 長寧縣各鄉(xiāng)鎮(zhèn)2019年5—11月TNL變化率Fig.6 Change rates of TNL in different villages and towns of Changning County from May to November 2019

3.2 長寧縣植被指數(shù)變化分析

(1) EVI變化率分析

基于MODIS-EVI數(shù)據(jù)計算2019年5—11月長寧縣各鄉(xiāng)鎮(zhèn)EVI變化率(圖7),顯示在地震發(fā)生的月份(6月),由于植被處于旺盛生長期,植被變化的反饋不是很明顯,但是在7月,植被變化的負反饋趨于明顯,并且在后續(xù)月份仍然處于一個負反饋的階段。富興鄉(xiāng)、銅鑼鄉(xiāng)、雙河鎮(zhèn)、梅硐鎮(zhèn)和銅鼓鄉(xiāng)在地震發(fā)生后EVI減弱最為明顯,這與該地區(qū)植被覆蓋度高、地形坡度大,易造成山體滑坡等次生災害有關。

圖7 長寧縣各鄉(xiāng)鎮(zhèn)2019年5—11月EVI變化率Fig.7 Change rates of EVI in different villages and towns of Changning County from May to November 2019

(2)植被覆蓋度變化分析

為探究震后植被覆蓋度的變化,參照有關研究[29],將植被覆蓋度分為不同的等級。將長寧縣2017—2019年各個月份的植被覆蓋度數(shù)據(jù)按照10個等級進行統(tǒng)計分級,選取每年的8月進行展示(圖8)。圖8顯示2017年8月和 2018年8月的變化趨勢具有相似性,而2019年8月高覆蓋度比例較少、中低覆蓋度比例較多,說明高植被覆蓋地區(qū)在地震中受損較為嚴重。

圖8 長寧縣植被覆蓋度分級統(tǒng)計Fig.8 Classification statistics of vegetation coverage in Changning County

(3) 植被覆蓋恢復率

在ArcMap中統(tǒng)計長寧縣各鄉(xiāng)鎮(zhèn)震前(5月)和震后(8月、9月)的植被覆蓋度均值,再利用式(8)計算各鄉(xiāng)鎮(zhèn)不同年份植被覆蓋恢復率,利用式(9)計算相對差,進行分級統(tǒng)計顯示(圖9)。圖9顯示龍頭鎮(zhèn)、梅硐鎮(zhèn)、富興鄉(xiāng)、雙河鎮(zhèn)和硐底鎮(zhèn)植被覆蓋恢復率最低，說明地震發(fā)生后這些地區(qū)的植被破壞較嚴重，且在震后一定時間內(nèi)植被的生長狀況有惡化趨勢；雙河鎮(zhèn)雖位于震中位置，但是獲利于便捷的交通和豐富的水系條件，震后植被破壞恢復情況好于龍頭鎮(zhèn)和梅硐鎮(zhèn);長寧河流經(jīng)的銅鑼鄉(xiāng)、竹海鎮(zhèn)、開佛鄉(xiāng)和經(jīng)濟中心所在地的長寧鎮(zhèn)植被恢復情況較好。可以看出鄉(xiāng)鎮(zhèn)植被恢復情況不僅與震中距離的遠近有關,而且受地形地貌、水文條件和交通便利程度的影響。

注:該圖基于四川省標準地圖服務網(wǎng)站下載的審圖號為四川審(2016)027號的標準地圖制作,底圖無修改圖9 長寧縣各鄉(xiāng)鎮(zhèn)2019年5—9月植被覆蓋恢復率Fig.9 Vegetation coverage recovery rate of each township in Changning County from May to September 2019

3.3 震中緩沖區(qū)TNL和EVI指數(shù)變化分析

為了進一步探討距離震中遠近對TNL和EVI的影響,選取距離震中5 km、10 km和15 km的緩沖區(qū),計算不同緩沖區(qū)2017、2018和2019年5—11月TNL、EVI的變化率(圖10)。從圖10(a)可以看出,2019年5—6月不同緩沖區(qū)TNL和EVI變化趨勢均與2017和2018年同時期相似,相對比較平穩(wěn)。從圖10(b)可以看出,地震發(fā)生后,即2019年6—7月不同緩沖區(qū)TNL和EVI下降程度大于2017和2018年,且2019年TNL的下降趨勢明顯大于EVI,表現(xiàn)出距離震中越近下降越明顯的趨勢;由于不同緩沖區(qū)植被密度、種類和地形的影響,EVI指數(shù)沒有呈現(xiàn)距離震中越近下降越明顯的趨勢。從圖10(c)、(d)、(e)可以看出,2019年7—10月震后TNL恢復明顯,其中9—10月TNL基本與2017和2018年同時期的變化趨勢基本一致,說明震后燈光恢復良好;從7—8月開始,EVI下降顯著性增加。由圖10還可以看出,震后長寧縣各緩沖區(qū)的TNL恢復情況明顯高于EVI,且在一段時間內(nèi)EVI一直呈下降趨勢。這是由于植被易受地震所引發(fā)的山體滑坡、病蟲害、和泥石流等次生災害的影響,地震災害對植被的影響具有長期性和滯后性,有關部門應長期跟蹤災后植被的生長情況,并采取積極有效的措施確保災后的生態(tài)環(huán)境恢復建設。從積極方面來看,隨著震中距的增加植被和燈光受影響程度都有所下降,兩種數(shù)據(jù)在評價地震災害恢復方面都具有一定的參考意義。

圖10 TNL和EVI緩沖區(qū)變化率Fig.10 Change rates of TNL and EVI in different buffer areas

4 結(jié)論

本文基于NPP-VIIRS月度合成數(shù)據(jù)、MODIS-EVI數(shù)據(jù)和統(tǒng)計年鑒數(shù)據(jù),對2019年6月長寧MS6.0地震前后燈光指數(shù)和植被指數(shù)的變化進行分析,得出如下主要結(jié)論:

(1) 研究區(qū)域內(nèi)整體的燈光總強度在地震發(fā)生后呈現(xiàn)明顯的下降趨勢,但在2019年9月基本恢復到震前水平;地震造成的破壞區(qū)域集中在雙河鎮(zhèn)、富興鄉(xiāng)、竹海鎮(zhèn)和梅硐鎮(zhèn),與官方統(tǒng)計受災嚴重鄉(xiāng)鎮(zhèn)(富興鄉(xiāng)、雙河鎮(zhèn)、梅硐鎮(zhèn)和硐底鎮(zhèn))基本一致。

(2) 長寧縣是高植被覆蓋地區(qū),雖然植被覆蓋度受季節(jié)和周期性的影響,但在地震發(fā)生后該地區(qū)的植被覆蓋度與往年相比變化比較明顯。通過對EVI指數(shù)的變化率分析,顯示植被并沒有在震后短時間內(nèi)呈現(xiàn)一個急劇下降的趨勢,而是一個長期的變化反饋。通過對震后各鄉(xiāng)鎮(zhèn)的植被覆蓋恢復率變化分析，得知龍頭鎮(zhèn)和梅硐鎮(zhèn)震后一定時間內(nèi)植被恢復最差，水系分布較豐富的銅鑼鄉(xiāng)、竹海鎮(zhèn)、開佛鄉(xiāng)和經(jīng)濟中心所在地的長寧鎮(zhèn)震后植被恢復情況較好。

(3) 對不同緩沖距離下夜間燈光數(shù)據(jù)和植被數(shù)據(jù)的分析顯示,不同緩沖區(qū)內(nèi),TNL和EVI都呈現(xiàn)出距離震中越近破壞度越大的特征,其中TNL的反饋最為明顯,EVI的反饋具有一定的滯后性。不同區(qū)域內(nèi)的植被由于季節(jié)性、植被種類、地勢和地貌等復雜因素,其受地震的影響在小范圍內(nèi)存在一定區(qū)域異質(zhì)性。

(4) 通過對NPP-VIIRS和MODIS-EVI分別進行處理和分析,預測長寧地震破壞和恢復情況,為震后從多維角度進行恢復評估提供了可能。