基于RS和GPS的草原荒漠化監(jiān)測與重建

王雅瀾 趙占驁 韓玉婷 徐夢遙

摘 要：通過混合像元分析法提取阿壩州賈洛鄉(xiāng)1994年和2000年兩期多光譜影像遙感信息，對該地區(qū)土地荒漠化及植被反增長程度進行分析，劃分出土地荒漠化區(qū)、植被反增長區(qū)以及穩(wěn)定區(qū)三個區(qū)域，結(jié)合GPS，針對各區(qū)域荒漠化的不同程度設(shè)計自動化重建方案。結(jié)果指出該地區(qū)總體上草地荒漠化趨勢強于植被反增長，重度和中度土地荒漠化面積達到總面積的87.5%，中度和輕度植被反增長面積達到總面積的98.7%；土地荒漠化區(qū)位于西北部，植被增長區(qū)零散分布于東北部和西部。

關(guān)鍵詞：混合像元分析法；全球定位系統(tǒng)；荒漠化；自動化重建

中圖分類號：S812.6 文獻標志碼：A 文章編號：2095-2945（2019）01-0055-04

Abstract： through analysis of mixed pixels， extract the aba jallow township in 1994 and 2000， two multispectral imaging remote sensing information， the degree of land desertification and vegetation the growth in the region were analyzed， and divided the land desertification area， vegetation growth zone and region 3 area， combining with GPS， according to the regional desertification degree of different design automation reconstruction scheme. The results showed that the trend of grassland desertification was stronger than the negative growth of vegetation in the region as a whole. The desertification area is located in the northwest， and the vegetation growth area is scattered in the east， north and west.

Keywords： hybrid pixel analysis； Global positioning system； Desertification； Automated reconstruction

草地生態(tài)系統(tǒng)是指以多年生草本植物為主要生產(chǎn)者的陸地生態(tài)系統(tǒng)，具有防風固沙、調(diào)節(jié)氣候、凈化空氣等生態(tài)功能，對人類可持續(xù)生存和經(jīng)濟可持續(xù)發(fā)展具有重要作用，目前，我國草地面積近4*108hm2，草地荒漠化較為嚴重，在一些干旱、半干旱及半濕潤地區(qū)，草地荒漠化已經(jīng)嚴重威脅人類的生存環(huán)境[1]。目前，國內(nèi)外針對荒漠化治理的研究大多將遙感技術(shù)（Remote Sensing，RS）和人工治理相結(jié)合[2，3]，需要大量人力物力，時間長效率低，而將全球定位系統(tǒng)（Global Positioning System，GPS）與遙感技術(shù)結(jié)合，對草地荒漠化進行自動化治理，可大大減小人力物力，縮短工作時間，提高經(jīng)濟效益。

本研究以四川省阿壩自治州賈洛鄉(xiāng)為例，運用光譜混合分析法對研究區(qū)域進行大規(guī)模且長期的監(jiān)測，并確定荒漠化的程度，而后將GPS接收機和遙感圖像處理后得到的變量信息、傳感器以及作業(yè)機械設(shè)備等相結(jié)合，進行精準定位及有效治理。

1 研究區(qū)概況與數(shù)據(jù)預(yù)處理

研究區(qū)位于四川省阿壩州，主要鄉(xiāng)鎮(zhèn)為賈洛鄉(xiāng)，介于101°59′-102°13′E， 32°54′-33°10′N之間（圖1）。該區(qū)地處青藏高原東南緣，橫斷山脈北端與川西北高山峽谷的結(jié)合部，地貌以高原為主。該地丘狀高原屬大陸高原性氣候，四季氣溫無明顯差別，年平均氣溫0.8℃～4.3℃。土地利用類型以草地和濕地為主。

選取1994年8月和2000年9月陸地衛(wèi)星Landsat-5 TM影像為基本數(shù)據(jù)源。由于獲取的影像坐標投影系統(tǒng)為美國WGS-84系統(tǒng)，為糾正影像在中國地區(qū)的變形，對影像進行輻射定標、大氣校正、幾何精校正等影像預(yù)處理。

2 像元分解與信息提取

2.1 混合像元分解模型

本研究選擇線性混合像元分解模型對混合像元進行分解，而端元選取的優(yōu)良將會直接影響到模型的結(jié)果。端元同時受到端元庫大小、分類準確性以及計算機計算性能等因素的影響[4，5]，為了得到更為精確的結(jié)果，本文根據(jù)前人研究定義了一套能夠代表地表上大部分地物組成的光譜組分，模擬出圖像內(nèi)地物的光譜變化[6-8]。

對每一景圖像進行最小噪聲分離進行MNF變換，轉(zhuǎn)換后前四個波段占所轉(zhuǎn)方差的92%以上，達到純凈像元提取要求，選擇PPI的方法，提取出較為純凈的像元，最后，進行N維可視化，手動選擇出5個端元，分別是：亮植被（BV），暗植被（DV），亮裸地（BS），暗裸地（DS）和水體（Water）。亮植被包括水分含量高的植被，如草地，沼澤和灌木。暗植被包括含水量低的植被，如枯萎的草甸和衰老灌木。亮裸地包括具有高反射率和低水分含量的砂土。暗裸地包括低反射率和含水量高的裸土。水體包括河流，湖泊和濕地。如圖2所示的端元波譜分別是從1994年8月和2000年9月的影像數(shù)據(jù)中提取的。

2.2 混合像元分解結(jié)果

為了找到經(jīng)過混合像元分解之后分解質(zhì)量最好的分量組分，對每個TM影像利用三組不同的端元組合進行解混。三個組合分別是：（1）五個端元；（2）亮植被，亮裸地，暗裸地和水體；（3）亮植被、亮裸地和水體。對這三個組合分別進行誤差統(tǒng)計對比分析得到表1。

通過目視檢驗，可評估出從不同端元組合分解后的結(jié)果的誤差范圍和分布。最終選擇有五個端元的組合，該組合能夠在合理誤差范圍內(nèi)得到最理想的地物分類。在圖像解混之后，亮植被分量和亮裸地分量能夠分別指示出植被反增長區(qū)域的分布形式（圖3）與草地荒漠化區(qū)域（圖4）。

3 荒漠化分級評價

本文引入變化向量模型對光譜混合分析結(jié)果進行更為形象直觀的表達，變化向量分析（Change Vector Analysis，CVA）是一種通過比較兩期圖像中對應(yīng)的像元所包含的波段信息來生成變化量和變化方向的技術(shù)[9]。通過亮植被和亮裸地分量的豐度圖像來監(jiān)測1994年到2000草地荒漠化和植被反增長情況。根據(jù)研究區(qū)荒漠化和植被反增長評價結(jié)果采用自然斷點分類法對上述模型得到的荒漠化結(jié)果值進行聚類分級，將研究區(qū)內(nèi)的草地荒漠化和植被反增長分別分為3個等級即：重度荒漠化，中度荒漠化，輕度荒漠化；重度植被反增長，中度植被反增長，輕度植被反增長。

利用兩期數(shù)據(jù)的亮植被和亮裸地分量，運用變化向量模型得到研究區(qū)6年來草地荒漠化與植被反增長（表2、圖5）?？梢钥闯隹?，草地荒漠化與植被反增長都在進行當中，總體上草地荒漠化趨勢強于植被反增長。整個研究區(qū)內(nèi)，草地荒漠化面積為269.15km2，占整個研究區(qū)面積的41.74%，其中86.91km2的區(qū)域荒漠化現(xiàn)象嚴重占荒漠化總面積的32.29%，中度荒漠化區(qū)域的面積為148.78km2占荒漠化總面積的55.28%，輕度荒漠化區(qū)域面積為33.46km2占荒漠化總面積的12.43%。重度荒漠化區(qū)域主要分布在西北地區(qū)，對研究區(qū)脆弱的亞高山牧場生態(tài)環(huán)境有嚴重威脅；中度荒漠化區(qū)域主要分布在重度荒漠化區(qū)域向輕度荒漠化區(qū)域的過度地帶。植被反增長總面積為29.2km2占整個研究區(qū)面積的4.53%，其中重度植被反增長面積為0.39km2占植被反增長總面積的1.34%，中度植被反增長面積為22.37km2占植被反增長總面積的76.61%，輕度植被反增長面積為6.44km2占植被反增長總面積的22.05%。中度和輕度植被反增長主要分布在研究區(qū)的東北地區(qū)，此處主要以濕地為主。

4 分區(qū)自動化重建

由于GPS的精準定位，其在草原荒漠化的分區(qū)自動化重建中具有重要意義。本文根據(jù)土地荒漠化和植被反增長情況對研究區(qū)域進行區(qū)域劃定，分為土地荒漠化區(qū)、植被反增長區(qū)以及穩(wěn)定區(qū)三個區(qū)域（圖6），并利用GPS對各個區(qū)域設(shè)計草原自動化重建方案。

區(qū)域一為土地荒漠化區(qū)，主要分布在研究區(qū)西北部和南部地區(qū)，表現(xiàn)為嚴重的土地荒漠化且正處于荒漠化進程中。對于該區(qū)域應(yīng)利用GPS定期監(jiān)測荒漠化范圍及變化規(guī)律，對于荒漠化嚴重區(qū)域采用圍欄保護已出現(xiàn)嚴重荒漠化的草場地區(qū)，禁止或開放固定時間放牧，建立防風固沙防護工程，種植抗風抗旱的草種與樹木，對荒漠化地區(qū)進行引雨，增加降雨量，促進該地區(qū)脆弱的高寒牧區(qū)生態(tài)環(huán)境的恢復(fù)。區(qū)域二為植被反增長區(qū)，主要位于研究區(qū)的東北方，表現(xiàn)為良好的植被反增長情況。對于該區(qū)域應(yīng)對GPS劃定的正在填埋濕地范圍，進行搶救性保護；對還未被破壞的濕地，利用GPS圈出紅線，劃定保護范圍；對呈現(xiàn)出良好效果的草場保護措施也應(yīng)當繼續(xù)實施。區(qū)域三為穩(wěn)定區(qū)，主要位于區(qū)域一和區(qū)域二的過渡地區(qū)，荒漠化和反增長的區(qū)域程度均較輕，基本處于平衡趨勢。對于該區(qū)域內(nèi)監(jiān)測到的輕度荒漠化情況，需要立即實施及時有效的治理措施，嚴格控制畜牧量以緩解草場壓力，促使草地生態(tài)系統(tǒng)的自我恢復(fù)。

5 結(jié)束語

基于RS和GPS進行草原荒漠化自動化重建是一個復(fù)雜的科學問題，還有許多問題需要進行進一步的探討。本研究中所采用的線性混合像元分解模型是建立在假設(shè)相同的地物都具有相同的光譜特征的基礎(chǔ)上的，還存在一定的不足。

參考文獻：

[1]Gang C， Zhou W， Chen Y， et al. Quantitative assessment of the contributions of climate change and human activities on global grassland degradation [J].Environmental Earth Sciences，2014，72（11）：4273-4282.

[2]吳見，彭道黎.基于遙感的荒漠化評價技術(shù)研究進展[J].世界林業(yè)研究，2009，22（5）：34-39.

[3]牛星，高永，邢鐵鵬，等.荒漠化監(jiān)測與評價研究進展[J].內(nèi)蒙古林業(yè)科技，2010，36（3）：51-55.

[4]Roth K L， Dennison P E， Roberts D A. Comparing end member selection techniques for accurate mapping of plant species and land cover using imaging spectrometer data[J]. Remote Sensing of Environment，2012，127（4）：139-152.

[5]Schaaf A N， Dennison P E， Fryer G K， et al. Mapping plant functional types at multiple spatial resolutions using imaging spectrometer data[J]. GIS science & Remote Sensing，2011， 48（3）：324-344.

[6]樊風雷.基于線性光譜混合模型（LSMM）的兩種不同端元值選取方法應(yīng)用與評價——以廣州市為例[J].遙感技術(shù)與應(yīng)用，

2008，23（3）：272-277.

[7]Elmore A J， Mustard J F， Manning S J， et al. Quantifying vegetation change in semiarid environments - precision and accuracy of spectral mixture analysis and the normalized difference vegetation index[J]. Remote Sensing of Environment， 2000， 73（1）：87-102（16）.

[8]Elmore A J， Mustard J F. Precision and accuracy of EO-1 Advanced Land Imager （ALI） data for semiarid vegetation studies [J]. IEEE Transactions on Geoscience and Remote Sensing， 2003， 41（6）：1311 - 1320.

[9]Kuzera K， Rogan J， Eastman J R. Monitoring vegetation re-growing and deforestation using change vector analysis： Mt. St. Helens study area[C]. The Annual Conference Baltimore， ASPRS. 2005.