基于支持向量機和遙感的塔里木河流域下游沙質(zhì)荒漠變化的分析
——以大西海子庫區(qū)為例

崔永想，劉海隆,2*，汪傳建

(1 石河子大學(xué)水利建筑工程學(xué)院，新疆 石河子 832003；2 電子科技大學(xué)資源與環(huán)境學(xué)院，四川 成都 611731；3 石河子大學(xué)信息科學(xué)與技術(shù)學(xué)院，新疆 石河子 832003)

我國是世界上荒漠化比較嚴(yán)重的國家，荒漠化形勢十分嚴(yán)峻[1]。據(jù)第五次全國荒漠化和沙化監(jiān)測公報顯示，截止2014年新疆沙化土地面積為74.71萬km2，占據(jù)全國沙化土地總面積的43.4%，占新疆土地總面積的45%。新疆作為一帶一路的核心區(qū)，經(jīng)濟(jì)可持續(xù)發(fā)展勢必要兼顧生態(tài)環(huán)境的承載力；對荒漠化土地的發(fā)展趨勢進(jìn)行監(jiān)測和防治對生態(tài)環(huán)境保護(hù)具有迫切意義[2]。

遙感技術(shù)是沙質(zhì)荒漠化的重要監(jiān)測手段。以單位面積內(nèi)風(fēng)蝕地或流沙面積所占百分比、地表植被覆蓋度和地表景觀為指標(biāo)進(jìn)行沙質(zhì)荒漠化分類是一種常用的方法[3]，邵婷婷等[4]基于目視解譯進(jìn)一步提出了三分法的解譯標(biāo)準(zhǔn)。結(jié)合歸一化植被指數(shù)(NDVI)進(jìn)行定量監(jiān)測的方法也得到了發(fā)展，任艷群等[5]以新疆兵團(tuán)第八師石河子墾區(qū)150團(tuán)為研究區(qū)域，基于TM遙感影像選用NDVI、地表反照率(Albedo)等指標(biāo)建立了NDVI-Albedo特征空間，對研究區(qū)沙質(zhì)荒漠化的等級進(jìn)行劃分；岳輝等[6]基于NDVI-Albedo特征空間獲取DDI和VCADI在荒漠化和旱情監(jiān)測方面也有成功的應(yīng)用；杜子濤等[7]依據(jù)NDVI與植被覆蓋度的高相關(guān)性，以NDVI為沙質(zhì)荒漠化評價定量指標(biāo)，對科爾沁地區(qū)沙質(zhì)荒漠化等級進(jìn)行了劃分和動態(tài)監(jiān)測。綜上可知，當(dāng)前遙感監(jiān)測荒漠化的方法都取得了較好的效果，但在荒漠化定量分類方面仍顯略有不足。

植被覆蓋度是影響生態(tài)系統(tǒng)變化的重要參數(shù)，能夠綜合反映地面信息，且方便快捷提取，常被用于沙質(zhì)荒漠化劃分和監(jiān)測[7-9]。常用的植被覆蓋度提取方法有通過植被指數(shù)反演植被覆蓋度的植被指數(shù)法[10-12]和將植被指數(shù)、波段值等特征數(shù)據(jù)作為輸入數(shù)據(jù)進(jìn)行回歸提取的回歸模型法[13-16]，還有像元二分模型法[17]等，其中像元二分模型提取植被覆蓋度的方法簡單高效且成熟[18]。

傳統(tǒng)的圖像分類方法以經(jīng)驗風(fēng)險最小化為歸納原則，需求的樣本量較大。支持向量機方法則是建立在統(tǒng)計學(xué)習(xí)理論基礎(chǔ)之上的機器學(xué)習(xí)模型，不僅結(jié)構(gòu)簡單、泛化能力強，而且能較好解決少樣本、高維數(shù)和局部極小值等問題，具有較高精度等優(yōu)點而被廣泛應(yīng)用。梁懷翔等[19]將支持向量機與最小距離法和最大似然估計在遙感圖像分類中進(jìn)行對比，結(jié)果表明支持向量機取得了較好的精度和泛化能力；李穎等[20]運用支持向量機和人工神經(jīng)網(wǎng)絡(luò)對Landsat8 OLI多光譜影像光譜信息進(jìn)行土地利用分類，并取得了較好的實驗結(jié)果。

本文基于Landsat數(shù)據(jù)運用支持向量機方法進(jìn)行分類、統(tǒng)計分析，并由于歸一化植被指數(shù)(NDVI)能夠較好探測稀疏植被[21]，故采用像元二分模型反演歸一化植被指數(shù)(NDVI)提取生態(tài)輸水段沙質(zhì)荒漠區(qū)[22]的植被覆蓋度，作為沙質(zhì)荒漠等級劃分的定量指標(biāo)，分析2000—2018年沙質(zhì)荒漠化的變化情況，并綜合自然、人文因素等數(shù)據(jù)，對沙質(zhì)荒漠的退化和恢復(fù)進(jìn)行評估。

1 研究區(qū)概況

研究區(qū)選取塔里木河流域內(nèi)大西海子水庫附近區(qū)域(N40°23′51.07″～N40°44′18.32″，E87°25′18.05″～E87°58′16.81″)，地面物質(zhì)組成以細(xì)粒沙壤土為主，區(qū)域總面積1 759.98 km2(圖1)。

圖1 研究區(qū)及采樣點位置示意圖

塔里木河是我國最長的內(nèi)陸河，干流全長1 321 km，下游段為恰拉至臺特瑪湖，主河道長約428 km。自2000年開始實施塔里木河生態(tài)輸水工程，至2018年已完成19次。研究區(qū)屬大陸性暖溫帶極端干旱沙漠氣候區(qū)，干燥多風(fēng)、晝夜溫差大[23]；東北側(cè)為庫魯克沙漠，西南側(cè)為塔克拉瑪干沙漠；年均降水量0～10 mm，年平均氣溫在11 ℃左右。

2 數(shù)據(jù)來源及處理

2.1 數(shù)據(jù)來源

所選遙感圖像數(shù)據(jù)為2000年8月9號和2010年9月6號的Landsat7 ETM和2018年9月20號的Landsat8 OLI影像，空間分辨率30 m×30 m，軌道號142-032(美國地質(zhì)勘探局，https://earthexplorer.usgs.gov/)，所選遙感圖像的云量均小于3%。地面植被覆蓋度數(shù)據(jù)采用樣方法，于塔里木河下游英蘇牧業(yè)村附近沿河布設(shè)樣帶，樣點布設(shè)垂直于河岸，共采集35個點數(shù)據(jù)。樣方大小為30 m×30 m，在樣方內(nèi)布設(shè)對角線，以植被在對角線上的投影長度占據(jù)總對角線的長度來近似代替樣方內(nèi)的植被覆蓋度。塔里木河下游的生態(tài)輸水量數(shù)據(jù)來源于李麗君等研究[24]，氣溫、降水等氣象數(shù)據(jù)來源于中國氣象數(shù)據(jù)網(wǎng)(http://data.cma.cn/)。鑒于研究區(qū)內(nèi)社會經(jīng)濟(jì)活動范圍較小，且新疆兵團(tuán)第二師團(tuán)場經(jīng)濟(jì)活動數(shù)據(jù)本次沒有搜集，故暫未對研究區(qū)經(jīng)濟(jì)數(shù)據(jù)進(jìn)行分析。

2.2 數(shù)據(jù)預(yù)處理

將下載的各研究年份遙感圖像進(jìn)行輻射定標(biāo)、大氣校正、圖像裁剪、圖像融合(將圖像空間分辨率提升至15 m)等圖像預(yù)處理；采用ENVI插件Landsat_ gapfill對部分缺失數(shù)據(jù)的圖像進(jìn)行數(shù)據(jù)修補。通過輻射定標(biāo)將傳感器記錄的無量綱DN值轉(zhuǎn)換為具有實際物理意義的輻射亮度值或反射率；采用FLAASH 模塊對影像進(jìn)行大氣校正，可有效消除大氣和太陽等因素對地物反射的影響，得到較為準(zhǔn)確的地物真實信息。用研究區(qū)矢量邊界(N40°23′51.07″～N40°44′18.32″，E87°25′18.05″～E87°58′16.81″)對圖像進(jìn)行裁剪，得到研究區(qū)2000年、2010年和2018年的衛(wèi)星圖像，然后將每年的多光譜波段數(shù)據(jù)與全色波段數(shù)據(jù)進(jìn)行圖像融合，把圖像分辨率提高至15 m×15 m，用于之后實驗的目視解譯及驗證。以上處理工作在ENVI5.3平臺完成。

2.3 基于支持向量機的遙感分類

支持向量機是一種基于統(tǒng)計學(xué)理論為基礎(chǔ)的機器學(xué)習(xí)模型，能夠?qū)⒌途S空間線性不可分的數(shù)據(jù)通過變化映射到高維特征空間，構(gòu)造最優(yōu)超平面使數(shù)據(jù)變得線性可分，使分類樣本之間間隔最大化，是常用的人工智能算法。支持向量機擁有線性函數(shù)、多項式函數(shù)、徑向基函數(shù)和Sigmoid函數(shù)，具有解決樣本少、高維數(shù)、非線性等優(yōu)點，并具有較強的泛化能力。該方法在遙感圖像的分類中應(yīng)用廣泛。

SVM最優(yōu)分類函數(shù)：

(1)

線性核函數(shù)：

K(xi,x)=xi*x，

(2)

多項式核函數(shù)：

K(xi,x)=[(xi*x)+1]d，

(3)

徑向基核函數(shù)：

K(xi,x)=exp(-γ||xi-x||)，

(4)

Sigmoid核函數(shù)：

K(xi,x)=tanh(γxix+e),

(5)

上式中d為多項式參數(shù)，γ為Gamma參數(shù)且γ>0，e為偏移值。

采用支持向量機方法提取土地分類及信息變化，提取土地類型主要為耕地、沙質(zhì)荒漠、水體、建設(shè)用地(房屋、道路、部分裸地等)、其他(林地、草地和灘地等)等。對照高分融合影像及Google Earth影像解譯結(jié)果進(jìn)行評價，總體分類精度及Kappa系數(shù)的結(jié)果(表1)表明，支持向量機4種核函數(shù)中徑向基核函數(shù)的分類效果較好，故采用徑向基核函數(shù)進(jìn)行SVM分類。分類結(jié)果如圖2所示。

表1 SVM四種核函數(shù)總體分類精度、Kappa系數(shù)

圖2 基于SVM的2000年、2010年和2018年土地利用分類結(jié)果

2.4 沙質(zhì)荒漠的等級劃分

(1)植被蓋度的計算。植被覆蓋度的提取采用像元二分模型，NDVI、VFC的計算公式[25]如下：

NDVI=(BNIR-BRED)/(BNIR+BRED)，

(6)

VFC=(NDVI-NDVIs)/(NDVIv-NDVIs)，

(7)

式(6)中BNIR為遙感圖像近紅外波段的反射率值，BRED為遙感圖像紅外波段的反射率值；式(7)中NDVIs為無植被覆蓋像元的NDVI值,NDVIv為純植被覆蓋像元的NDVI值。

將實測35個地面采樣點植被覆蓋度與提取的遙感圖像的植被覆蓋度進(jìn)行相關(guān)性分析，結(jié)果(圖3)相關(guān)系數(shù)為0.883，表明相關(guān)性較好。

圖3 植被覆蓋度實測值與提取值的相關(guān)分析

(2)沙質(zhì)荒漠的等級劃分。

根據(jù)前人研究結(jié)果[9]，植被覆蓋度對沙質(zhì)荒漠進(jìn)行等級劃分可以采用表2中指標(biāo)。

依據(jù)植被覆蓋度對沙質(zhì)荒漠進(jìn)行等級劃分，結(jié)果見表2。

表2 沙質(zhì)荒漠化分類體系

3 結(jié)果與分析

3.1 沙質(zhì)荒漠與不同土地利用類型之間的轉(zhuǎn)化

(1)沙質(zhì)荒漠化等級劃分。

采用像元二分模型結(jié)合感興趣區(qū)ROI的制作將研究區(qū)內(nèi)水體、耕地、建設(shè)用地剔除，依據(jù)沙質(zhì)荒漠化分類體系，得到不同沙質(zhì)荒漠化等級(圖4)。

圖4 沙質(zhì)荒漠化等級

對分類結(jié)果進(jìn)行統(tǒng)計，結(jié)果見表3。

表3 SVM徑向基核函數(shù)分類統(tǒng)計結(jié)果

由表3可知：沙質(zhì)荒漠為研究區(qū)主要地物，占據(jù)了研究區(qū)70%以上的面積；耕地和其他分別約占10%，水體和建設(shè)用地分別約占2%；在19年間不同時間段沙質(zhì)荒漠面積不斷減少，所占比例不斷降低；年均增長率為-0.54%，沙質(zhì)荒漠化不斷逆轉(zhuǎn)，但水體、耕地、建設(shè)用地和其他地類則與之相反，均呈現(xiàn)擴(kuò)張趨勢，年均增長率分別為1.79%、1.67%、1.84%、3.49%。生態(tài)和生存環(huán)境均有效改善。

(2)沙質(zhì)荒漠與不同土地利用類型之間的轉(zhuǎn)化。

通過土地利用轉(zhuǎn)移矩陣獲取不同年份間的變化信息，結(jié)果見表4、表5。

表4 2000—2010年土地利用面積轉(zhuǎn)移矩陣 單位：km2

由表4可知:相較于2000年，2010年沙質(zhì)荒漠共減少103.36 km2，達(dá)86.09%；主要轉(zhuǎn)為耕地和其他用地，分別減少24.55 km2和78.37 km2，占99.57%，總體生態(tài)環(huán)境向好發(fā)展。

表5 2010—2018年土地利用面積轉(zhuǎn)移矩陣 單位：km2

由表5可知:相較于2010年，2018年沙質(zhì)荒漠一共減少37.92 km2，達(dá)42.35%；主要轉(zhuǎn)向耕地和水體，減少27.09 km2和9.71 km2，占97.05%，總體生態(tài)環(huán)境向好發(fā)展。

2000—2018年間沙質(zhì)荒漠轉(zhuǎn)出面積141.28 km2，占比100%，為其他各類面積增長之和。

以上結(jié)果表明：沙質(zhì)荒漠化逆轉(zhuǎn)，生態(tài)環(huán)境質(zhì)量改善。

3.2 不同等級沙質(zhì)荒漠的時間變化與其轉(zhuǎn)化

(1)不同等級沙質(zhì)荒漠的時間變化情況。

依據(jù)前文的沙質(zhì)荒漠化等級劃分標(biāo)準(zhǔn)進(jìn)行劃分并統(tǒng)計，結(jié)果見表6。

表6 不同沙質(zhì)荒漠化等級分類統(tǒng)計結(jié)果

由表6可知：2000—2018年19年間，重度沙質(zhì)荒漠面積和占比先減少后增加，中度沙質(zhì)荒漠面積和占比先增加后減少，重度和中度沙質(zhì)荒漠年均增長率分別為-0.19%和-1.02%，都存在沙質(zhì)荒漠化逆轉(zhuǎn)的現(xiàn)象；輕度沙質(zhì)荒漠面積和占比先增加后減少，年均增長率為1.25%；非沙質(zhì)荒漠面積和占比基本沒有變化；未分類土地面積和占比則不斷增長，年均增長率為2.01%；輕度沙質(zhì)荒漠和未分類土地面積不斷增加。

以上結(jié)果表明：重度和中度沙質(zhì)荒漠化不斷逆轉(zhuǎn)，輕度、非沙質(zhì)荒漠和未分類土地面積則不斷增長；生態(tài)環(huán)境有效改善。

(2)不同等級沙質(zhì)荒漠的轉(zhuǎn)化。

通過轉(zhuǎn)移矩陣獲取不同年份間的沙質(zhì)荒漠的變化信息，結(jié)果見表7、表8。

表7 2000—2010年沙質(zhì)荒漠化面積轉(zhuǎn)移矩陣 單位：km2

由表7可知：重度和非沙質(zhì)荒漠分別轉(zhuǎn)出392.32、1.23 km2，共減少393.55 km2；中度和輕度沙質(zhì)荒漠分別轉(zhuǎn)入326.66、57.79 km2，未分類轉(zhuǎn)入9.1 km2，共增加393.55 km2。重度沙質(zhì)荒漠占轉(zhuǎn)出99.69%，減少最多；中度和輕度沙質(zhì)荒漠分別占轉(zhuǎn)入的83%和14.68%，中度沙質(zhì)荒漠增加最多。

綜上可知：重度沙質(zhì)荒漠化不斷逆轉(zhuǎn)，中度和輕度沙質(zhì)荒漠面積增加，非沙質(zhì)荒漠和未分類面積變化較小，表明生態(tài)環(huán)境有效改善。

表8 2010—2018年荒漠化面積轉(zhuǎn)移矩陣 單位：km2

由表8可知:重度沙質(zhì)荒漠和未分類分別轉(zhuǎn)入353.17、89.53 km2，共增加442.7 km2。中度和輕度沙質(zhì)荒漠分別轉(zhuǎn)出398.93、45.07 km2，非沙質(zhì)荒漠轉(zhuǎn)出1.3 km2；共減少442.7 km2。重度沙質(zhì)荒漠占轉(zhuǎn)入的79.78%，增加最多；中度沙質(zhì)荒漠占轉(zhuǎn)出的90.11%，減少最多。表明生態(tài)環(huán)境有所惡化。

截止2018年，重度、中度沙質(zhì)荒漠分別轉(zhuǎn)出39.15、72.26 km2，非沙質(zhì)荒漠轉(zhuǎn)出0.06 km2，輕度沙質(zhì)荒漠轉(zhuǎn)入12.72 km2，未分類轉(zhuǎn)入98.63 km2。

以上結(jié)果表明：重度和中度沙質(zhì)荒漠面積減少，其余各類面積均有所增加，沙質(zhì)荒漠化逆轉(zhuǎn)，生態(tài)環(huán)境有效改善。

4 討論

(1)本文研究利用支持向量機進(jìn)行2000年、2010年、2018年大西海子水庫面積和沙質(zhì)荒漠面積分析，二者呈現(xiàn)負(fù)相關(guān)關(guān)系，相關(guān)系數(shù)為-0.760。生態(tài)輸水的注入，作為導(dǎo)致大西海子水庫面積變化的主要支撐因素，水庫中的水面積增加，間接反映了環(huán)境的良性發(fā)展。

(2)2000—2018年間，重度沙質(zhì)荒漠年均增長率為-0.19%，中度沙質(zhì)荒漠年均增長率為-1.02%，輕度沙質(zhì)荒漠年均增長率為1.25%，未分類(耕地、水體、建設(shè)用地)土地年均增長率為2.01%，非沙質(zhì)荒漠面積沒有明顯變化。對19年年均降水量、年均氣溫和風(fēng)速等氣象及生態(tài)輸水?dāng)?shù)據(jù)的分析結(jié)果顯示，溫度和降水量均略有增加，而風(fēng)速有下降趨勢，這對植被的改善和沙質(zhì)荒漠的固定都具有正向影響。

(3)經(jīng)過年均降水量、年均氣溫、生態(tài)輸水與沙質(zhì)荒漠的趨勢及相關(guān)性分析，生態(tài)輸水與沙質(zhì)荒漠相關(guān)度最高，相關(guān)系數(shù)為-0.950。穩(wěn)定的輸水期對生態(tài)環(huán)境改善作用明顯，相反不穩(wěn)定期則使沙質(zhì)荒漠不同程度的轉(zhuǎn)化發(fā)生了較大起伏；顯示出持續(xù)性輸水是保證下游脆弱的生態(tài)環(huán)境穩(wěn)定好轉(zhuǎn)的根本途徑；這與李麗君等[24]研究結(jié)果一致。

5 結(jié)論

(1)利用機器學(xué)習(xí)模型支持向量機對研究區(qū)不同地物進(jìn)行了分類。2000—2018年間， 沙質(zhì)荒漠面積逆轉(zhuǎn)141.28 km2，耕地、建設(shè)用地、水體和其他類面積分別增加54.51、14.13、29.99、42.65 km2，表明沙質(zhì)荒漠向其他各類土地利用類型轉(zhuǎn)化，生態(tài)環(huán)境得到有效改善。

(2)基于支持向量機分類結(jié)果提取研究區(qū)沙質(zhì)荒漠區(qū)，利用像元二分模型對沙質(zhì)荒漠區(qū)進(jìn)行的量化分級表明，2000—2018年間，重度和中度沙質(zhì)荒漠面積分別減少39.15、72.26 km2，輕度沙質(zhì)荒漠和未分類面積(耕地、水體、建設(shè)用地)分別增加12.72、98.63 km2，非沙質(zhì)荒漠面積沒有明顯變化，表明沙質(zhì)荒漠化程度減輕，生態(tài)環(huán)境有明顯的改善。

(3)結(jié)合氣象和生態(tài)輸水?dāng)?shù)據(jù)的分析發(fā)現(xiàn)，生態(tài)輸水對植被覆蓋度變化、沙質(zhì)荒漠化逆轉(zhuǎn)起到了決定性作用，且持續(xù)性生態(tài)輸水是保障當(dāng)?shù)厣鷳B(tài)環(huán)境穩(wěn)定改善的決定因素。因此，合理調(diào)度分配生態(tài)輸水，對于當(dāng)?shù)刂脖换謴?fù)、沙質(zhì)荒漠化逆轉(zhuǎn)具有重要意義。