阜新市重點(diǎn)沙化地區(qū)遙感監(jiān)測

呂 冰

(廣州南方測繪儀器有限公司，廣東 廣州 510665)

?

阜新市重點(diǎn)沙化地區(qū)遙感監(jiān)測

呂 冰

(廣州南方測繪儀器有限公司，廣東 廣州 510665)

利用2003/2008/2013年中、高分辨率，多源、多尺度遙感影像、地理國情普查數(shù)據(jù)以及其它專題資料，采取內(nèi)、外業(yè)相結(jié)合的方式，利用決策樹模型提取不同地區(qū)沙化信息。最終通過該沙化信息了解研究區(qū)沙化現(xiàn)狀，實(shí)現(xiàn)沙化動態(tài)監(jiān)測，并結(jié)合相應(yīng)的防沙治沙措施分析不同方法對不同地物類型防沙效果的優(yōu)劣，方便決策者因地制宜地制定防沙治沙方法，以便取得最優(yōu)的治理效果。此外，在現(xiàn)有環(huán)境穩(wěn)態(tài)的基礎(chǔ)上，建立沙化轉(zhuǎn)移矩陣，在環(huán)境穩(wěn)態(tài)不改變的條件下，預(yù)測研究區(qū)沙化趨勢。結(jié)果表明，2016年沙化狀態(tài)有所減輕。

沙化；遙感監(jiān)測；決策樹；預(yù)測

中國是世界上土地沙漠化較重的國家之一，國家采取一系列措施，投入大量的人力物力來治理沙化，因此迫切地需要實(shí)時(shí)掌握其治理成效，以便隨時(shí)調(diào)整治理策略，提高沙化治理效率。為了實(shí)現(xiàn)大尺度實(shí)時(shí)監(jiān)測，在研究土地沙漠化的過程中，遙感技術(shù)可以實(shí)時(shí)監(jiān)測沙化區(qū)域變化情況，可以最快的速度對其結(jié)果進(jìn)行更新，其較強(qiáng)的時(shí)效性大大降低監(jiān)測的經(jīng)濟(jì)成本，提高監(jiān)測以及相關(guān)治理的效率。此外，快速獲取已經(jīng)沙化或者有沙化趨勢的土地分布范圍和面積，定期、及時(shí)地掌握沙化土地以及有沙化趨勢地區(qū)的現(xiàn)狀和動態(tài)變化信息，能夠?yàn)闆Q策、監(jiān)督和管理提供及時(shí)、準(zhǔn)確和全面的信息，為防沙治沙提供可行的方案[1-3]。

1 研究區(qū)概況

阜新市地處遼寧省西北部，處于溫帶半濕潤、半干旱大陸性季風(fēng)氣候區(qū)，四季分明，雨熱同季，光照充足，冬季寒冷少雪，以北風(fēng)為主導(dǎo)風(fēng)向；春季干旱少雨，多大風(fēng)天氣；夏季炎熱多雨，西南風(fēng)為主；秋季較涼，降水明顯減少。阜新屬于東北平原，地勢北高南低，東西丘陵，中、南部為平原，北部是沙土地。大體可以概括為“三丘、三沙、四平洼”。主要土壤類型為風(fēng)沙土、草甸土等，由于土壤沙化形成沙生植被。

2 研究方法

2.1 遙感監(jiān)測指標(biāo)確定

目前用于獲取植被覆蓋的方法主要是計(jì)算植被指數(shù)(VI)。植被指數(shù)是植被在可見光、近紅外波段的反射強(qiáng)度與土壤背景之間差異的表現(xiàn)，可以通過紅外和近紅外波段組合獲得。通過植被指數(shù)求出植被蓋度，從而獲得沙漠化程度信息，其中NDVI是最為常用的植被指數(shù)[4-5]。

NDVI是檢測植被生長狀態(tài)、植被覆蓋度和消除部分輻射誤差等土地覆蓋植被狀況的一種遙感指標(biāo)，利用植被在第三波段大于第四波段的光譜亮度值，能表現(xiàn)出植物冠層的背景影響。

(1)

式中：NIR是近紅外波段值;RED是紅光波段值。

歸一化建筑指數(shù)可以較為準(zhǔn)確地反映建筑用地信息，數(shù)值越大表明建筑用地比例越高，建筑密度越高。算式為

(2)

式中：NIR表示近紅外波段的反射率；MIR表示中紅外波段的反射率。

纓帽變換(K-T變換)可以完成不同程度沙化土地信息的提取。纓帽變換是基于主成分分析的線性變換，數(shù)據(jù)變換后的前3個(gè)特征分量KT1，KT2，KT3包含的信息分別代表亮度、綠度和濕度。KT1為亮度指數(shù)，反映地物總體反射率的綜合效果；KT2為綠度指數(shù)，與地面植被覆蓋、葉面積指數(shù)及生物量有很大關(guān)系；KT3為濕度指數(shù)，反映地面水分條件，它對土壤濕度和植被濕度最為敏感，常被用于沙化研究。以此3個(gè)分量作為TM數(shù)據(jù)進(jìn)行纓帽變換后的新空間，可以對植被、土壤等地面景物做更為細(xì)致、準(zhǔn)確的分析，應(yīng)用該種處理方法可增強(qiáng)影像深色區(qū)域的信息。

2.2 沙化分類體系的建立

輕度沙漠化：是指植被總蓋度>50%，沙漠化的程度較輕微，基本無風(fēng)沙流活動的沙化土地[6-7]；中度沙漠化：是指30%<植被總蓋度≤50%，沙漠化的程度正在進(jìn)一步發(fā)展中，植被有些退化的土地；重度沙漠化：是指10%<植被總蓋度≤30%，達(dá)到失衡狀態(tài)，風(fēng)沙流活動明顯或流沙紋理明顯可見的沙化土地。極重度沙漠化：是指植被總蓋度<10%，沙漠化的過程處于極重度，風(fēng)沙流活動的特別明顯。

2.3 繪制光譜特征曲線

本文在野外實(shí)驗(yàn)數(shù)據(jù)和沙漠化土地光譜機(jī)理理論的基礎(chǔ)上，通過對不同植被蓋度沙漠化地表光譜信息的分析，對不同類型的土地及背景資料進(jìn)行光譜灰度值采樣，了解和掌握研究區(qū)沙漠化土地的光譜特征，為沙漠化土地信息提取提供思路[8]。

由于地物的成分、走向紋理、狀態(tài)、表面特征及電磁波波段的不同，地物所發(fā)射出來的輻射值也有不同。利用光譜特征曲線能更好地確定不同沙化等級在不同植被指數(shù)之間的差異情況。

圖1為不同沙化等級光譜特征曲線圖，圖中不同沙化等級在各個(gè)波段和各個(gè)監(jiān)測指標(biāo)值中有明顯反差，由于NDVI值是浮點(diǎn)型數(shù)據(jù)，范圍在-1～1之間，而圖上特征值區(qū)間較大，因此產(chǎn)生歸一化植被指數(shù)顯示相差不大的情況。實(shí)際上，重度沙化的NDVI值趨近于0，能夠很好地反應(yīng)出土地覆蓋植被情況。

圖1 不同沙化等級光譜特征

根據(jù)獲取的輕度沙化的樣本點(diǎn)與影像進(jìn)行疊加，繪制輕度沙化不同用地類型的光譜特征曲線，如圖2所示。不同用地類型的輕度沙化樣本雖然光譜特征的變化趨勢相同，但是在KT1指標(biāo)中有明顯差異，因此，根據(jù)不同的用地類型，進(jìn)行輕度沙化信息提取，計(jì)算樣本點(diǎn)的KT1指標(biāo)平均值，以確定決策樹閾值。

圖2 輕度沙化不同樣本點(diǎn)光譜特征曲線

圖3為監(jiān)測區(qū)域中度沙化不同樣本點(diǎn)的光譜特征曲線圖，中度沙化的耕地和草地有著不同的光譜差異，因此，從不同用地類型中提取中度沙化信息。

圖3 中度沙化不同樣本點(diǎn)光譜特征曲線

如圖4所示，裸土樣本1為水域周圍存在的泥土地表，而裸土樣本2為沙質(zhì)地表，二者存在相同的光譜特性，因此對重度沙化區(qū)域進(jìn)行直接提取。

圖4 重度沙化不同樣本點(diǎn)光譜特征曲線

2.4 沙化信息提取

2.4.1 建立沙化信息提取模型

利用濕度指數(shù)將研究區(qū)域的水體區(qū)域和非水體區(qū)域進(jìn)行區(qū)分：非水體區(qū)域中，通過綠度指數(shù)可將研究區(qū)域的植被覆蓋區(qū)域與非植被覆蓋區(qū)域進(jìn)行劃分；植被區(qū)域中根據(jù)歸一化植被指數(shù)將研究區(qū)中的輕度沙化和中度沙化區(qū)域提取出來；而非植被覆蓋區(qū)中，利用歸一化建筑指數(shù)，將研究區(qū)域中的非沙化用地和重度沙化區(qū)域劃分出來。模型如圖5所示。

2.4.2 研究區(qū)域信息提取成果

根據(jù)決策樹分類模型，結(jié)合不同沙化等級的地物光譜特征曲線，基于沙化體系分類標(biāo)準(zhǔn)，對三期多光譜影像進(jìn)行沙化提取(見圖6)，成果如下：

1)2003年沙化總面積為541.07 km2，其中，輕度沙化面積為250.769 km2，占總面積的43.96%；中度沙化面積為224.049 km2，占總面積的39.3%；重度沙化面積為66.252 km2，占總面積的11.6%。

2)2008年沙化總面積為543.731 km2，其中，輕度沙化面積為428.647 km2，占總面積的75.248%；中度沙化面積為87.753 km2，占總面積的15.405%；重度沙化面積為27.331 km2，占總面積的4.798%。

3)2013年研究區(qū)域總面積為570.4 km2，其中沙化總面積為548.296 km2，輕度沙化面積為464.770 km2，占總面積的81.5%；中度沙化面積為82.725 km2，占總面積的14.5%；重度沙化面積為0.818 km2，占總面積的0.14%。

圖5 決策樹分類模型

圖6 三期多光譜影像沙化提取結(jié)果

2.5 精度驗(yàn)證

野外檢驗(yàn)過程實(shí)際是分兩個(gè)階段完成的，分別在遙感解譯前和遙感解譯后。圖7為樣本點(diǎn)的分布圖，選取的原則為滿幅均勻選取。本文研究區(qū)總面積為570.4 km2，于2015年7月，采集野外樣本點(diǎn)為274個(gè)，計(jì)算樣本點(diǎn)的植被總蓋度。以樣本點(diǎn)為中心，取100 m×100 m的樣方區(qū)域，計(jì)算該樣方的植被總蓋度作為樣本點(diǎn)的植被蓋度，根據(jù)樣本點(diǎn)的植被蓋度，結(jié)合《遼寧省第五次荒漠化和沙化監(jiān)測實(shí)施細(xì)則》中的技術(shù)指標(biāo)，確定監(jiān)測區(qū)域沙化等級分類規(guī)則，從中選取不同用地類型、不同等級共50個(gè)有代表性的樣本點(diǎn)作為計(jì)算機(jī)自動化信息提取監(jiān)督分類樣本點(diǎn)，其它224個(gè)作為精度檢驗(yàn)點(diǎn)。

圖7 野外樣本點(diǎn)分布圖

本文精度評價(jià)選取總體精度指標(biāo)和Kappa系數(shù)指標(biāo)進(jìn)行客觀的精度驗(yàn)證。Kappa系數(shù)作為一個(gè)綜合性指標(biāo)，它是通過利用一種離散的多元技術(shù)從客觀的角度對分類成果進(jìn)行評估，充分利用混淆矩陣中的所用數(shù)據(jù)對成果數(shù)據(jù)進(jìn)行精度描述[9]，Kappa系數(shù)算式為

(3)

式中：n代表用于精度評價(jià)的總對象數(shù)目;k表示混淆矩陣的總列數(shù)即分類總類別數(shù)目，aii代表混淆矩陣對角線上對象的數(shù)目即正確分類對象數(shù)目，ai+和a+i分別代表混淆矩陣中第i行與第i列的總對象數(shù)目。Feinstein所提出的Kappa系數(shù)分類標(biāo)準(zhǔn)如表1所示,表2為精度評價(jià)結(jié)果。

表1 Kappa系數(shù)分類標(biāo)準(zhǔn)

表2 精度評價(jià)結(jié)果

3 分析與預(yù)測

3.1 2003、2008、2013年沙化動態(tài)變化分析

根據(jù)3年的信息提取成果，對比分析研究區(qū)域沙化等級變化，2003—2013年研究區(qū)域沙化變化面積對比分析見表3。

表3 2003—2013年沙化等級面積對比表 km2

如表3所示，2003年研究區(qū)域輕度沙化和中度沙化面積比例接近1∶1，同時(shí)重度沙化土地面積為66.252 km2，占總面積的11.6%；2008年監(jiān)測區(qū)域輕度沙化比例大幅度增加，重度沙化土地面積也有所減輕，占總面積的4.8%；2013年重度沙化土地面積縮減到0.818 km2，僅占總面積的0.14%。中度沙化與2008年相比持平，具體變化信息見表4、表5。

表4 2003—2008年沙化等級面積轉(zhuǎn)移矩陣 km2

表4為2003—2008年監(jiān)測區(qū)域沙化等級狀態(tài)轉(zhuǎn)移矩陣，橫軸為2003年等級走向，縱軸為2008年不同等級來源。從表4中可以看出，2003年的中度沙化土地中有151.879 km2在2008年中轉(zhuǎn)變?yōu)檩p度沙化土地；2003年重度沙化土地中有44.541 km2在2008年中轉(zhuǎn)變?yōu)檩p度沙化土地，17.379 km2轉(zhuǎn)變?yōu)橹卸壬郴恋?，轉(zhuǎn)變趨勢較明顯。

表5 2008—2013年沙化等級面積轉(zhuǎn)移矩陣 km2

表5為2008—2013年監(jiān)測區(qū)域沙化等級狀態(tài)轉(zhuǎn)移矩陣，橫軸為2008年等級走向，縱軸為2013年不同等級分布。從表5中可以看出，2008年中的中度沙化土地的45.348 km2在2013年轉(zhuǎn)化為輕度沙化土地；2008年中的重度沙化土地的22.803 km2在2013年轉(zhuǎn)化為輕度沙化土地，3.907 km2轉(zhuǎn)化為中度沙化土地；從表5的情況來看，2008年與2013年中度沙化面積變化不大，而實(shí)際上是等級存在變化，而面積保持平穩(wěn)狀態(tài)。

表6為2003—2008年重度沙化土地轉(zhuǎn)為輕度沙化面積及2008—2013年重度沙化轉(zhuǎn)為輕度和中度沙化面積。

表6 2003—2008/2008—2013重度沙化轉(zhuǎn)為 輕度和中度面積統(tǒng)計(jì) km2

3.2 2018年沙化預(yù)測分析

研究區(qū)域沙化預(yù)測分析模型是基于馬爾科夫鏈模型的基礎(chǔ)上建立的。馬爾科夫模型是一種應(yīng)用較廣的隨機(jī)模型，是具有無后效性和時(shí)齊性的隨機(jī)過程。它通過對系統(tǒng)不同狀態(tài)的初始概率以及狀態(tài)之間的轉(zhuǎn)移概率的研究來確定系統(tǒng)各狀態(tài)變化的趨勢，從而達(dá)到對未來趨勢預(yù)測的目的。其基本方程為

(4)

表7 沙化等級轉(zhuǎn)移概率矩陣 km2

根據(jù)表7，結(jié)合監(jiān)測區(qū)域沙化現(xiàn)狀，對2018年監(jiān)測區(qū)域沙化等級面積情況進(jìn)行預(yù)測，預(yù)測成果如表8所示。

表8 2018年監(jiān)測區(qū)域沙化等級預(yù)測統(tǒng)計(jì) km2

2018年輕度沙化面積將達(dá)到469.526 km2，占總面積的82.4%，中度沙化面積減少，沙化程度減輕，而重度沙化所占比例近乎為0，阜新市重點(diǎn)沙化區(qū)域沙化程度未來將會進(jìn)一步減輕。

4 結(jié) 論

本文在已有沙化監(jiān)測理論和實(shí)踐的基礎(chǔ)上，對阜新市重點(diǎn)沙化地區(qū)變化監(jiān)測進(jìn)行研究。以Landsat系列遙感影像作為基本數(shù)據(jù)源，依據(jù)阜新地區(qū)沙化監(jiān)測技術(shù)指標(biāo)、地表覆蓋數(shù)據(jù)和地理國情要素?cái)?shù)據(jù)，對阜新市重點(diǎn)沙化地區(qū)進(jìn)行沙化遙感監(jiān)測，具體研究內(nèi)容包括：在野外樣地調(diào)查和分析沙化土地及常見地物光譜特征的基礎(chǔ)上，對影像進(jìn)行纓帽變換(K-T變換)，提取亮度、綠度、濕度特征變量，并提取歸一化植被指數(shù)等用于沙化信息提取及特征變換，建立決策樹分類模型，實(shí)現(xiàn)對研究區(qū)域三期沙化專題信息的自動提取。研究結(jié)果表明，沙化速度變緩，沙化土地有明顯改善。

[1] 朱金峰.巴丹吉林沙漠邊緣地區(qū)近20年土地沙漠化遙感監(jiān)測研究[D].蘭州：蘭州大學(xué)，2011.

[2] 朱金峰,王乃昂,陳紅寶,等.基于遙感的巴丹吉林沙漠范圍與面積分析[J].地理科學(xué)進(jìn)展,2010,29(9):1087-1094.

[3] 李金亞，徐斌.錫林郭勒盟草原沙化動態(tài)變化及驅(qū)動力分析：以正藍(lán)旗為例[J].地理研究,2011(2):10-14.

[4] GEIST H J，LAMBIN E F.Dynamic causal patterns of desertification[J].Bioscience ，2004 ，54 ：817-829.

[5] 韓蘭英，萬信，方峰，等.甘肅河西地區(qū)沙漠化遙感監(jiān)測評估[J].干旱區(qū)地理，2013,36(1):131-138.

[6] 陳麗珍，陳云.基于遙感技術(shù)的廈門市植被覆蓋變化監(jiān)測[J].測繪與空間地理信息，2015,38(1)：175-127.

[7] 劉斌，孫艷玲，王永財(cái)，等.基于SPOT/NDVI華北地區(qū)植被變化動態(tài)監(jiān)測與評價(jià)[J].干旱區(qū)資源與環(huán)境，2013，27(9)：98-103.

[8] 賈樹海，韓志根，呂默楠，等.基于決策樹的遼寧省北部沙漠化信息提取研究[J].生態(tài)環(huán)境學(xué)報(bào)，2011,20(1)：13-18.

[9] 張嚴(yán)俊,塔西甫拉提·特依拜，夏軍,等.中亞地區(qū)土地沙漠化遙感監(jiān)測：以土庫曼斯坦為例[J].干旱區(qū)地理，2013,36(4)：724-730.

[責(zé)任編輯：張德福]

Remote monitoring of desertification in Fuxin region

LYU Bing

(South Surveying and Mapping Instrument Co. Ltd., Guangzhou 510665, China)

A decision tree model is proposed to extract the desertification data from different regions by means of fieldwork and office work. The data covers kinds of high-resolution, multi-scale remote sensing images and the geographic census information in the years of 2003, 2008 and 2013. Thus the desertification information in given region will be obtained in order to make the dynamic monitoring. The relative preventions against different regions decide the final countermeasure in the optimum way. In addition, based on the current environmental steady-state, this paper establishes a desertification transfer matrix to predict the desertification trend in the targeted region. The results show this trend has been proportionally reduced since 2016.

desertification; remote monitoring; decision tree; prediction

10.19349/j.cnki.issn1006-7949.2017.02.007

2015-12-02

呂 冰(1974-)，男，工程師.

TP79

A

1006-7949(2017)02-0028-05

引用著錄：呂冰.阜新市重點(diǎn)沙化地區(qū)遙感監(jiān)測[J].測繪工程，2017，26(2)：28-32，36.