張亞男，王 旭，甄 瑩

(遼寧工程技術(shù)大學(xué)測(cè)繪與地理科學(xué)學(xué)院，遼寧 阜新 123000)

沙化土地泛指不受氣候條件制約、地理位置限定的地區(qū)，因自然環(huán)境和人為活動(dòng)因素導(dǎo)致土地呈現(xiàn)以沙(礫)狀態(tài)物為主要標(biāo)志的退化土地[1]。其引發(fā)的生物量減少、可利用環(huán)境資源漸進(jìn)枯竭與人類生存環(huán)境惡化已引起世界各國(guó)的關(guān)注。遼西北地區(qū)沙化土地按成因及所處地理位置主要分布于科爾沁南緣，并且有逐漸向外擴(kuò)展的趨勢(shì)。及時(shí)了解遼西北沙化土地現(xiàn)狀及變化趨勢(shì)，快速獲取沙化土地信息對(duì)于制定防沙治沙戰(zhàn)略具有重要意義。

遙感領(lǐng)域的發(fā)展為土地沙化信息獲取提供了新的技術(shù)手段，其以觀測(cè)范圍廣、獲取速度快、信息量大等優(yōu)勢(shì)，使得大面積沙化土地評(píng)價(jià)與分類成為可能[2]。目前沙化土地信息提取方法有常規(guī)提取法、綜合評(píng)價(jià)模型法、神經(jīng)網(wǎng)絡(luò)法、決策樹法、光譜混合分析法、NDVI閾值法等[3]。這些方法均是基于單個(gè)像元的光譜特征，忽略了像元間的相關(guān)性，無法避免“同物異譜”“異物同譜”的解譯問題。

為此，本文引入面向?qū)ο蠖喑叨确指罴夹g(shù)，將具有多種關(guān)系特征、語(yǔ)義特征和幾何特征的鄰域像素集合作為基本處理單元，即對(duì)象；并且通過計(jì)算對(duì)象的多維指數(shù)構(gòu)建二值邏輯運(yùn)算判斷規(guī)則，依據(jù)地物分類體系，分層次提取出沙化土地信息；在此基礎(chǔ)上，對(duì)沙化土地分等定級(jí)，并提出一種新的植被蓋度反演模型，充分利用二階抽樣調(diào)查與遙感影像譜間結(jié)構(gòu)，高精度地自動(dòng)提取出沙化土地分等定級(jí)信息。

1 研究區(qū)概況與數(shù)據(jù)

1.1 研究區(qū)概況及影像數(shù)據(jù)

遼西北地區(qū)位于科爾沁沙地南緣，受自然和人為因素影響，該地區(qū)土地沙化較為嚴(yán)重，風(fēng)沙危害較大，干旱、水土流失嚴(yán)重，生態(tài)環(huán)境十分脆弱。遼西北地區(qū)氣候日趨干熱化，當(dāng)?shù)乇頊囟瓤焖倩厣龝r(shí)地表土壤易發(fā)生凍融變異，造成土質(zhì)黏度降低，成為導(dǎo)致當(dāng)?shù)赝恋厣郴囊粋€(gè)重要因素[4]。

圖1 研究區(qū)地理位置示意圖

1.2 野外數(shù)據(jù)獲取

為驗(yàn)證本文方法，于2017年6月下旬對(duì)研究區(qū)進(jìn)行了樣地調(diào)查和實(shí)地考察，野外數(shù)據(jù)獲取時(shí)間與影像獲取時(shí)間基本同步。由于遼西北面積較大，采取二階抽樣[5]，即將研究區(qū)最大外接矩形按面積等分成20組，抽取5組作為第一性抽元，再將每組第一性抽元等分9份，抽取4份作為第二性調(diào)查單元，布設(shè)面積為150 m×150 m。調(diào)查內(nèi)容包括樣地位置、氣候類型、沙化土地類型、植被蓋度等信息。植被蓋度采用樣線法測(cè)定，獲得20個(gè)野外調(diào)查樣地?cái)?shù)據(jù)。結(jié)合影像譜間結(jié)構(gòu)和野外實(shí)測(cè)樣地中心控制點(diǎn)坐標(biāo)獲得沙化土地目視解譯庫(kù)。如圖2所示。

圖2 樣本調(diào)查方式示意圖

2 研究方法

2.1 沙化程度等級(jí)

依據(jù)《第四次全國(guó)荒漠化和沙化規(guī)程》，將研究區(qū)按照植被蓋度fc將沙化程度分等定級(jí)分為4個(gè)類型：輕度沙化(fc>40%)、中度沙化(25%

2.2 沙化土地目視解譯庫(kù)

依據(jù)野外調(diào)查數(shù)據(jù)及影像譜間結(jié)構(gòu)信息，按照沙化等級(jí)形成沙化土地目視解譯庫(kù)。圖3為選取的沙化樣本圖斑實(shí)例，其中(a)、(b)、(c)分別為耕地、草地、林地樣本，即為輕度沙化，(d)為中度沙化樣本，(e)為重度沙化樣本，(f)為極重度沙化樣本。

圖3 沙化土地目視解譯庫(kù)

2.3 基于面向?qū)ο蠓椒ǖ牡匚锓诸?/h3>

面向?qū)ο蠖喑叨确指罴夹g(shù)通過對(duì)遙感影像分割，獲得同質(zhì)性區(qū)域即分割對(duì)象[6-7]。基于水體指數(shù)(NDWI)[8]、居民地指數(shù)(RRI)[9]、植被指數(shù)(NDVI)[10]、形狀指數(shù)(Shape index)[11]多維指數(shù)相結(jié)合的二值邏輯運(yùn)算方法將地物對(duì)象進(jìn)行分類。

二值運(yùn)算符即判斷命題只有真、假二值，不會(huì)出現(xiàn)其他情況[12]。通過分析不同地物在各指數(shù)上的分布特點(diǎn)，將地物進(jìn)行分類。提取出的水體、植被、居民地及交通用地二值圖分別設(shè)為A、B、C、D。真命題取值為1，假命題取值為0，依據(jù)二值邏輯運(yùn)算符得到裸地信息二值圖為E，如圖4所示。

圖4 地物分類流程

基于面向?qū)ο蠓椒ǎ瑢?duì)影像進(jìn)行了分類，并且依據(jù)植被蓋度可將裸地定級(jí)為極嚴(yán)重沙化土地，而植被覆蓋地區(qū)的沙化等級(jí)需依照植被蓋度進(jìn)行劃分，水體、居民地、交通用地被歸為非沙化土地。

2.4 沙化土地分等定級(jí)信息提取

依據(jù)沙化程度分等定級(jí)表，植被蓋度是描述沙化程度的重要指標(biāo)[13]。目前，基于植被指數(shù)反演植被蓋度的方法主要有經(jīng)驗(yàn)?zāi)Ｐ头╗14]、植被指數(shù)轉(zhuǎn)換法[15]和混合像元分解法[16]。本文結(jié)合野外調(diào)查數(shù)據(jù)與沙化土地目視解譯庫(kù)，依據(jù)二分法原理，提出一種新的植被蓋度反演模型，即修改型植被蓋度反演模型。

2.4.1 像元二分法模型

像元二分法模型是最簡(jiǎn)單的遙感估算模型，它表示一個(gè)像元的地表與影像上的光譜信息對(duì)應(yīng)，由植被覆蓋區(qū)域和非植被覆蓋區(qū)域線性加權(quán)組合而成，植被蓋度即植被在整個(gè)研究區(qū)域的權(quán)重[17]。像元光譜信息為H，若純像元中全由植被覆蓋的信息為Hveg，裸地信息為Hsoil，則植被蓋度fc的計(jì)算公式為

(1)

二分法模型充分表達(dá)了遙感信息與植被蓋度的關(guān)系，其中參數(shù)Hsoil與Hveg也具有實(shí)際意義，即純像元中土壤與植被反映的遙感信息，最大限度地削弱土壤、大氣等對(duì)估算模型的影響。

2.4.2 修改型植被蓋度反演模型

修正型土壤調(diào)節(jié)植被指數(shù)(MSAVI)也是由遙感信息推算而獲得的反映地表植被分布的定量值，同步減弱大氣、土壤背景的影響。因此，本文將MSAVI作為參數(shù)引入到植被蓋度反演模型中，提出一種修改型植被蓋度反演模型為

(2)

綜合考慮試驗(yàn)區(qū)范圍廣、植被類型多、植被覆蓋狀態(tài)復(fù)雜及GPS定位的可行性，采取二階抽樣的方法進(jìn)行驗(yàn)證，對(duì)于選定區(qū)域內(nèi)兩個(gè)像元a1與a2，對(duì)應(yīng)的植被蓋度分別為fc1、fc2，代入式(2)中，得到方程組為

(3)

(4)

由已知的a1、a2及fc1、fc2，對(duì)上述方程組求解可得

(5)

(6)

其中，可取定像元a1為等于二階抽樣單元的MSAVI均值的像元，像元a2為等于二階抽樣單元均值相反數(shù)的像元。此時(shí)，對(duì)MSAVIsoil與MSAVIveg的確定即轉(zhuǎn)化成對(duì)E(fc)、E′(fc)、E(MSAVI)、E′(MSAVI) 4個(gè)參數(shù)的確定。通過計(jì)算研究范圍內(nèi)確定植被蓋度期望fc1=0.98和植被蓋度相反數(shù)為fc2=0.02，在經(jīng)過變換后的MSAVI影像中定位到對(duì)應(yīng)的像元，其對(duì)應(yīng)的修改型土壤調(diào)整植被指數(shù)均值為E(MSAVI)=0.427，其相反數(shù)為E(MSAVI)′=0.573，由此計(jì)算出MSAVIveg=0.431和MSAVIsoil=0.227。

2.4.3 提取與精度檢驗(yàn)

由于研究區(qū)內(nèi)植被蓋度置信區(qū)間為[0.02,0.98]，按照4級(jí)沙化等級(jí)對(duì)影像進(jìn)行沙化信息提取，提取結(jié)果如圖5所示。

為驗(yàn)證提取結(jié)果的準(zhǔn)確性，與所獲影像同一時(shí)期對(duì)樣地的植被蓋度進(jìn)行詳細(xì)調(diào)查。實(shí)際測(cè)設(shè)中，與地面垂直的角度用數(shù)碼相機(jī)拍攝樣點(diǎn)獲得的照片如圖6(a)所示，采用面向?qū)ο蠓椒ㄌ崛〉闹脖唤Y(jié)果如圖6(b)所示，以此計(jì)算植被蓋度。為了準(zhǔn)確定位，選取樣方圖像大小為5×5，即實(shí)地樣方為150 m×150 m，在樣方中連續(xù)均勻拍攝多張照片。以照片計(jì)算的平均值作為該樣方的植被蓋度，取其中心點(diǎn)坐標(biāo)對(duì)應(yīng)的樣方反演植被蓋度進(jìn)行精度驗(yàn)證。

圖6 樣地照片及分類結(jié)果

受拍攝條件限制，僅對(duì)低植被地區(qū)采樣驗(yàn)證，其植被蓋度實(shí)測(cè)表與反演植被蓋度數(shù)據(jù)見表1，計(jì)算均誤差、相關(guān)系數(shù)與協(xié)方差分別為0.084 9、0.902、0.028。經(jīng)過驗(yàn)證說明本文所用模型對(duì)植被蓋度反演精度較高，可用于相關(guān)植被蓋度遙感估算研究中。

表1 實(shí)測(cè)數(shù)據(jù)與反演數(shù)據(jù)對(duì)照

3 結(jié) 論

基于面向?qū)ο蟮亩喑叨确指罴夹g(shù)，結(jié)合多維指數(shù)相結(jié)合的二值邏輯運(yùn)算方法，將地物進(jìn)行有效分類，為沙化分等定級(jí)排除干擾信息。二階抽樣與遙感影像譜間結(jié)構(gòu)相互支撐，使外業(yè)數(shù)據(jù)采集操作性更強(qiáng)、定位更精準(zhǔn)。針對(duì)沙化分等定級(jí)，以MSAVI值為參數(shù),提出了一種新的植被蓋度反演模型，不需要估算葉面積指數(shù)等復(fù)雜的參數(shù)就可以適用于不同植被類型，并且排除了大氣對(duì)于土壤背景的影響。應(yīng)用此方法，遼西北沙化信息提取取得了較高精度，但仍然存在一些不足：

(1) 針對(duì)不同的土壤類型及植被類型密度、分布的不同，對(duì)MSAVIveg和MSAVIsoil的計(jì)算最好利用不同植被的植被蓋度實(shí)測(cè)資料，現(xiàn)場(chǎng)高大喬木的植被蓋度的測(cè)算需要進(jìn)一步研究。

(2) 二階抽樣野外數(shù)據(jù)獲取時(shí)，每個(gè)樣方內(nèi)的拍照數(shù)量盡量大于10，否則植被蓋度的反演值與實(shí)測(cè)值誤差會(huì)超過誤差均值。

參考文獻(xiàn)：

[1] 國(guó)家林業(yè)局.防沙治沙技術(shù)規(guī)范：GB/T 21141—2007[S].北京:中國(guó)標(biāo)準(zhǔn)出版社,2007.

[2] 張端陽(yáng),潘振祥.遙感技術(shù)在礦業(yè)活動(dòng)動(dòng)態(tài)監(jiān)測(cè)中的應(yīng)用[J].測(cè)繪通報(bào)，2015(6):72-74.

[3] 吳見,彭道黎.土地沙化遙感信息提取技術(shù)研究進(jìn)展[J].世界林業(yè)研究,2009，22(4):47-52.

[4] 王煒航,王詠林,趙凈民.遼西北地區(qū)土地沙漠化現(xiàn)狀及防治對(duì)策[J].地質(zhì)與資源,2010，19(1):50-52.

[5] 朱爽,張錦水.面向省級(jí)農(nóng)作物種植面積遙感估算的分層方法[J].農(nóng)業(yè)工程學(xué)報(bào),2013，29(2):184-191.

[6] 宋翠玉,李培軍,楊鋒杰,等.基于多元局部二值模式的遙感圖像紋理提取與分類[J].遙感技術(shù)與應(yīng)用，2011,26(3):322-327.

[7] 李慧,唐韻瑋,劉慶杰,等.一種改進(jìn)的基于最小生成樹的遙感影像多尺度分割方法[J].測(cè)繪學(xué)報(bào),2015,44(7):791-796.

[8] QIAO C，LUO J，SHENG Y，et al.An Adaptive Water Extraction Method from Remote Sensing Image Based on NDWI[J].Journal of the Indian Society of Remote Sensing，2012，40(3):421-433.

[9] 熊俊楠,韋方強(qiáng),江玉紅,等.基于譜間特征與多種指數(shù)分析的居民地信息提取方法[J].測(cè)繪科學(xué),2013，38(2)：311-320.

[10] KE Y，IM J，LEE J，et al.Characteristics of Landsat 8 OLI-derived NDVI by Comparison with Multiple Satellite Sensors and In-situ Observations[J].Remote Sensing of Environment，2015，164:298-313.

[11] 張雨霽,李海濤,顧海燕.基于決策樹的面向?qū)ο笞兓畔⒆詣?dòng)提取研究[J].遙感信息,2011(2):91-94.

[12] 莫蓁蓁,賀麗敏,李振山.干旱區(qū)沙質(zhì)草地植被覆蓋變化模擬:Ⅱ.應(yīng)用[J].中國(guó)沙漠,2008,28(3):423-429.

[13] 王海賓,黃國(guó)勝,程志楚,等.基于多源遙感數(shù)據(jù)森林蓋度的尺度轉(zhuǎn)換[J].東北林業(yè)大學(xué)學(xué)報(bào),2014(9):58-61.

[14] 江洪,王欽敏,汪小欽,等.多山地區(qū)植被覆蓋度遙感估算研究[C]∥全國(guó)遙感技術(shù)學(xué)術(shù)交流會(huì).貴陽(yáng):貴州人民出版社，2005：141-145.

[15] 何穎清,秦雁,扶卿華,等.動(dòng)態(tài)端元組合混合像元分解法在植被覆蓋度動(dòng)態(tài)監(jiān)測(cè)中的應(yīng)用:以長(zhǎng)汀縣為例[J].熱帶地理,2016,36(5):860-868.

[16] 李苗苗,吳炳方,顏長(zhǎng)珍,等.密云水庫(kù)上游植被覆蓋度的遙感估算[J].資源科學(xué)，2004，26(4):153-159.

[17] LAOSUWAN T，UTTARUK P.Estimating Tree Biomass via Remote Sensing，MSAVI 2，and Fractional Cover Model[J].Iete Technical Review，2014，31(5):362-368.