林 杰，董 波，潘 穎，楊 敏，朱 茜

（南京林業(yè)大學(xué)江蘇省南方現(xiàn)代林業(yè)協(xié)同創(chuàng)新中心/江蘇省水土保持與生態(tài)修復(fù)重點(diǎn)實(shí)驗(yàn)室，江蘇 南京 210037）

土壤侵蝕是全球范圍發(fā)生最廣、危害最嚴(yán)重的世界十大環(huán)境問題之一。植被覆蓋管理措施因子（vegetation cover and management factor，以下簡(jiǎn)稱C因子）用來表征植被對(duì)土壤的防蝕作用，是評(píng)價(jià)土壤侵蝕的關(guān)鍵參數(shù)，通用土壤侵蝕方程（universal soil loss equation，USLE）和修正的通用土壤侵蝕方程（revised universal soil loss equation，RUSLE）模型均將其作為重要的輸入?yún)?shù)［1］。目前，利用遙感數(shù)據(jù)大面積、快速、實(shí)時(shí)提取C因子的主要方法包括基于遙感分類的直接賦值法、基于光譜混合分析模型的估算法和基于植被覆蓋度的估算法等。WIJESUNDARA等［2］基于前人在伊斯蘭卡地區(qū)2001和2013年的實(shí)地測(cè)量值，根據(jù)24種土地利用類型賦予研究區(qū)不同的C值，但由于忽略了地形所導(dǎo)致的非均勻植被覆蓋和粗略的地圖分類問題，利用這種方法得出的C值精度較低。LU等［3］利用ETM影像通過混合像元分解法將地表分為裸土、綠色植被和陰影3個(gè)部分，然后建立C因子與這些組分的關(guān)系式，進(jìn)而估算區(qū)域C因子值，結(jié)果表明混合像元分解法能夠較為全面地反映C因子的空間變異信息，但是混合光譜分析本身有一些缺陷，如地物分類數(shù)有限、存在多重散射等。

長(zhǎng)期以來，在研究植被防蝕機(jī)制方面，一直使用水平植被覆蓋度作為 其 評(píng)價(jià)的主要指標(biāo)［1，4］。VATANDA?LAR 等［1］和 RAWAT 等［4］分別在半干旱流域和印度地區(qū)利用高分辨率影像提取歸一化植被指數(shù)（normalized difference vegetation index，NDVI）計(jì)算C因子值，從而計(jì)算研究區(qū)水土流失情況，結(jié)果表明利用傳統(tǒng)植被覆蓋度提取的C因子值比利用傳統(tǒng)賦值法更精確。但利用傳統(tǒng)植被覆蓋度時(shí)并沒有綜合考慮林地植被在空間分布上的復(fù)雜結(jié)構(gòu)特征，無(wú)法完全地表征地表枯枝落葉層。有學(xué)者認(rèn)為葉面積指數(shù)（leaf area index，LAI）是理想的土壤侵蝕評(píng)價(jià)指標(biāo)［5-7］。因此，如何提高區(qū)域尺度C因子的估算精度則成為利用USLE/RULSE預(yù)測(cè)土壤侵蝕準(zhǔn)確性的關(guān)鍵［8］。

林杰等［5］基于統(tǒng)計(jì)模型，構(gòu)建了LAI與C因子的量化耦合模型，結(jié)果表明LAI作為水土保持定量估算與評(píng)價(jià)的指標(biāo)是可行的。雖然統(tǒng)計(jì)模型法的使用簡(jiǎn)單快捷，但易受土壤背景等多種外在因素的影響，反演精度往往不高，缺少可移植性［9］。盡管物理模型方法理論基礎(chǔ)完善，模型參數(shù)物理意義明確，并可對(duì)作用機(jī)制進(jìn)行適當(dāng)?shù)臄?shù)學(xué)描述，但此類模型一般是非線性的，輸入?yún)?shù)多，方程復(fù)雜，適用性較差，且對(duì)非主要因素有過多的忽略或假定［10］。而神經(jīng)網(wǎng)絡(luò)在對(duì)復(fù)雜、非線性數(shù)據(jù)進(jìn)行擬合及模式識(shí)別方面有著無(wú)可比擬的優(yōu)勢(shì)［11］。楊敏等［12］基于 2013年 Landsat 8 Operational Land Imager（Landsat 8 OLI）數(shù)據(jù)構(gòu)建了基于后向反射（back propagation，BP）神經(jīng)網(wǎng)絡(luò)的LAI反演模型，反演精度明顯高于非線性回歸模型，模型有較高的空間可靠性。

在區(qū)域尺度對(duì)C因子進(jìn)行準(zhǔn)確估算仍然是個(gè)難點(diǎn)，而區(qū)域尺度上的高質(zhì)量時(shí)間序列C因子的合理估算及空間分布特征是預(yù)測(cè)流域與區(qū)域土壤侵蝕動(dòng)態(tài)變化的關(guān)鍵環(huán)節(jié)。南京市是長(zhǎng)江下游地區(qū)重要的城市之一，隨著經(jīng)濟(jì)的快速發(fā)展，各類不合理的生產(chǎn)建設(shè)活動(dòng)造成不同程度的水土流失，土壤侵蝕狀況較為嚴(yán)峻［13］。馬力等［14］和邵方澤等［15］基于RUSLE模型計(jì)算了南京市2001—2008年和2006—2014年水土流失及空間分布情況，結(jié)果表明近年來由于南京市水土保持措施的實(shí)施和植被覆蓋的增加，全市水土流失控制效果顯著，生態(tài)環(huán)境明顯改善，但人類活動(dòng)仍增加了部分地區(qū)的土壤侵蝕強(qiáng)度。因此，筆者以南京市為研究區(qū)，采用BP神經(jīng)網(wǎng)絡(luò)方法，基于研究區(qū)1988—2013年遙感數(shù)據(jù)，構(gòu)建LAI和C因子的反演模型，利用137Cs同位素示蹤技術(shù)分析并評(píng)價(jià)C因子遙感定量反演模型的反演精度，最終獲取區(qū)域尺度高質(zhì)量時(shí)間序列C因子，對(duì)比分析了年際間C因子變化及其驅(qū)動(dòng)因子，以期為區(qū)域尺度土壤侵蝕動(dòng)態(tài)變化的遙感監(jiān)測(cè)提供新方法。

1 研究區(qū)概況與數(shù)據(jù)資料

1.1 研究區(qū)概況

南京市位于長(zhǎng)江下游中部地區(qū)，江蘇省西南部，介于31°14"～32°37"N、118°22"～119°14"E之間。全市行政區(qū)域總面積約為6 587.02 km2。地形以低山、丘陵為骨架，以環(huán)狀山、條帶山和箕狀盆地為主要特色。氣候?qū)儆诒眮啛釒Ъ撅L(fēng)氣候區(qū)，四季分明，雨量充沛，年平均氣溫為16℃，年平均降水時(shí)間為117 d，年平均降水量為1 106 mm，無(wú)霜期為237 d［16-18］。南京北、中部廣大地區(qū)土壤為黃棕壤（地帶性土壤），南部與安徽省接壤處有小面積紅壤。植被類型屬于常綠落葉闊葉混交林。南京地區(qū)人口密集，屬于農(nóng)業(yè)活動(dòng)強(qiáng)烈區(qū)，自然植被在歷史上屢遭嚴(yán)重破壞，幾乎全部消失，現(xiàn)有植被多屬次生性質(zhì)，其中人工林面積大于自然恢復(fù)的次生林。境內(nèi)現(xiàn)有林業(yè)用地約為840 km2，其中用材林和生態(tài)林約為570 km2，經(jīng)濟(jì)林和竹林約為210 km2。用材林和生態(tài)林樹種主要有馬尾松、黑松、杉木、國(guó)外松、麻櫟、刺槐、水池杉和柏類等，經(jīng)濟(jì)林以茶果桑為主，竹林以毛竹為主，集中于丘陵山區(qū)。

1.2 LAI野外實(shí)測(cè)數(shù)據(jù)

LAI數(shù)據(jù)的野外測(cè)定采用美國(guó)LI-COR LAI-2200植物冠層分析儀。野外實(shí)測(cè)數(shù)據(jù)采集均在7—9月進(jìn)行，與遙感影像獲取時(shí)間基本同步。其中，2009年樣點(diǎn)數(shù)為19個(gè)，主要分布在銅山林場(chǎng)；2010年樣點(diǎn)數(shù)為37個(gè)，主要分布在江寧區(qū)和銅山林場(chǎng)；2013年樣點(diǎn)數(shù)為111個(gè)，主要分布在聚寶山、紫金山、幕府山、將軍山、吉山、方山、東善橋林場(chǎng)、朱門山、銅山和老山等地。所有樣點(diǎn)測(cè)定時(shí)間均選擇在6：30—9：00或16：30—19：00，盡量避免因太陽(yáng)光線直射而引起的測(cè)試誤差。分別在每個(gè)樣地的4個(gè)角和中心位置各測(cè)量1次，取5次平均值作為測(cè)試結(jié)果。鑒于遙感影像的空間分辨率為30 m，因此設(shè)置采樣間距均大于30 m，每個(gè)樣點(diǎn)均由GARMIN手持GPS接收機(jī)定位，坐標(biāo)系為WGS-84，各樣點(diǎn)重復(fù)測(cè)定2次，取其平均值作為測(cè)試結(jié)果。

1.3 遙感影像數(shù)據(jù)及預(yù)處理

1.3.1 遙感影像數(shù)據(jù)

所選用的遙感影像數(shù)據(jù)為L(zhǎng)andsat 5 Thematic Mapper（Landsat 5 TM）和 Landsat 8 OLI數(shù)據(jù)，共 10景影像數(shù)據(jù)。10景影像成像時(shí)間分別為1988-07-05、1994-07-22、2000-10-10、2002-07-12、2004-10-21、2006-08-08、2007-07-26、2009-10-03、2010-08-19和2013-08-11；除成像時(shí)間2013-08-11對(duì)應(yīng)的傳感器為L(zhǎng)ANDSAT_8_OLI外，其余成像時(shí)間對(duì)應(yīng)的傳感器均為L(zhǎng)ANDSAT_5_TM；10景影像的分辨率均為30 m，軌道號(hào)均為120/38。影像選取要求如下：選取時(shí)間為當(dāng)年7—9月，是植被生長(zhǎng)最茂盛且降雨最集中的月份，也是最容易發(fā)生水土流失的月份；為了保證反演精度，研究區(qū)還要盡量選取無(wú)云覆蓋的高質(zhì)量影像，但由于2000、2004和2009年7—9月沒有符合質(zhì)量要求的影像，故這3 a選擇了10月的影像。

1.3.2 其他數(shù)據(jù)源

南京市1986、1996、2002和2013年4期土地利用數(shù)據(jù)中，前3期土地利用數(shù)據(jù)由中國(guó)科學(xué)院提供，2013年土地利用數(shù)據(jù)是以2013年Landsat 8 OLI數(shù)據(jù)為基礎(chǔ)，參考Google Earth高分辨率影像和2002年土地利用數(shù)據(jù)以及國(guó)家科技基礎(chǔ)條件平臺(tái)——地球系統(tǒng)科學(xué)數(shù)據(jù)共享平臺(tái)獲取2013年土地覆被數(shù)據(jù)，進(jìn)行人機(jī)交互解譯獲得，經(jīng)實(shí)地采樣驗(yàn)證，解譯精度在88%以上。

1.3.3 遙感數(shù)據(jù)預(yù)處理

大氣校正是通過遙感影像獲取地面真實(shí)反射率必不可少的步驟，對(duì)植被定量遙感尤為重要。采用FLAASH（fast line-of-sight atmospheric analysis of spectral hypercubes）模型進(jìn)行大氣校正。同時(shí)，以校正好的南京市2007年TM遙感影像（高斯投影，橢球體為krosovsy）為標(biāo)準(zhǔn)底圖，采用二次多項(xiàng)式擬合法，對(duì)影像進(jìn)行幾何精糾正，誤差控制在0.5個(gè)像元內(nèi)。最后，用南京市行政區(qū)劃界線矢量數(shù)據(jù)進(jìn)行裁切，得到研究區(qū)10景影像數(shù)據(jù)。

2 研究方法

2.1 LAI反演算法

Landsat 8 OLI多光譜遙感影像數(shù)據(jù)包括ETM+（enhanced thematic mapper）傳感器所有波段，只對(duì)部分波段進(jìn)行調(diào)整，增加藍(lán)波段（Band 1，0.433～0.453 μm）和短波紅外（Band 9，1.360～1.390 μm）2個(gè)波段。其中，調(diào)整比較大的波段是OLI Band 5（0.845～0.885 μm），排除0.825 μm處水汽吸收特征。因此，基于2013年Landsat 8 OLI數(shù)據(jù)所建的模型適用于前25 a的TM-LAI估算。應(yīng)用隱含層為2層的BP神經(jīng)網(wǎng)絡(luò)對(duì)1988—2013年南京市LAI進(jìn)行反演［12］，利用2009和2010年LAI實(shí)測(cè)數(shù)據(jù)檢驗(yàn)反演精度。為了排除不同時(shí)期影像間傳感器的差異和大氣等因素的影響，將BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練和模擬的歸一化部分做了相應(yīng)調(diào)整，即對(duì)每景影像分別做歸一化處理，以減小反射率差異對(duì)反演精度造成的影響。歸一化公式如下：

式（1）中，Xi，max和 Xi，min分別為第 i個(gè)神經(jīng)元各輸入分量的最大值和最小值；Xi和Xi"分別為第i個(gè)神經(jīng)元預(yù)處理前、后的輸入分量。

2.2 植被覆蓋度

2.2.1 傳統(tǒng)植被覆蓋度

傳統(tǒng)植被覆蓋度是基于NDVI根據(jù)像元二分模型法［19］計(jì)算得到的，計(jì)算公式為

式（2）中，fc為傳統(tǒng)植被覆蓋度；INDV，min為裸土或無(wú)植被覆蓋像元的NDVI值；INDV，max為全植被覆蓋像元的NDVI值，即純植被像元的 NDVI值。INDV，max和 INDV，min通常根據(jù)圖像大小、圖像清晰度等情況，以置信度截取NDVI的上、下限閾值分別近似代表INDV，max和INDV，min，在一定程度上消除遙感影像噪聲所帶來的誤差［20］。根據(jù)實(shí)際數(shù)據(jù)情況最終采用5%和95%的累計(jì)百分比為置信區(qū)間來計(jì)算 INDV，max和 INDV，min。

2.2.2 植被方向性覆蓋度

植被方向性覆蓋度與LAI之間存在一個(gè)經(jīng)典物理意義上的轉(zhuǎn)換公式。由CHEN等［21］和KUUSK等［22］提出，計(jì)算公式為

式（3）中，F(xiàn)cover（θ）為植被方向性覆蓋度；P（θ）為冠層空隙率；G（θ）為葉片在太陽(yáng)入射方向上的投影，表征葉子截光能力的大小；ILA為葉面積指數(shù)；θ為太陽(yáng)入射天頂角，當(dāng)植被葉片呈球形隨機(jī)分布時(shí)，G（θ）＝0.5，式（3）可簡(jiǎn)化為

因此，只要從遙感影像上反演出高精度的長(zhǎng)時(shí)間序列LAI，即可準(zhǔn)確地估算出植被喬、灌、草植被垂直覆蓋度的動(dòng)態(tài)變化。

2.3 植被覆蓋管理措施因子C

蔡崇法等［23］通過徑流小區(qū)的多場(chǎng)人工降雨和天然降雨資料與地表覆蓋度之間的相關(guān)關(guān)系，采用回歸分析方法建立C因子與植被覆蓋度f(wàn)c（以百分?jǐn)?shù)表示）之間的關(guān)系式：

通過LAI估算植被垂直覆蓋度，進(jìn)而估算植被覆蓋管理措施因子C。

2.4 植被覆蓋管理措施因子C值的實(shí)測(cè)值

2.4.1 基于137Cs的土壤侵蝕計(jì)算模型

土壤樣品采集于2014年5月，采樣點(diǎn)選在南京市銅山林場(chǎng)的山坡和附近耕地農(nóng)田，共32個(gè)采樣點(diǎn)，其中，背景值點(diǎn)8個(gè)，水稻田、菜地、林地、竹林和茶園的采樣個(gè)數(shù)分別為4、4、10、3和3，共160個(gè)土壤樣品。樣品137Cs含量測(cè)定均采用標(biāo)準(zhǔn)源對(duì)比法，采用中國(guó)原子能研究院標(biāo)準(zhǔn)源質(zhì)量和放射性活度。根據(jù)式（6）計(jì)算樣品中137Cs的放射性活度，進(jìn)而分耕作和非耕作土壤測(cè)定土壤流失速率［24］，然后根據(jù)耕作或非耕作土壤侵蝕模型［25-26］計(jì)算年土壤流失厚度。

式（6）中，A樣為樣品放射性活度，Bq·g-1；A標(biāo)為標(biāo)準(zhǔn)源放射性活度，Bq·g-1；T標(biāo)為標(biāo)準(zhǔn)源測(cè)量時(shí)間，s；W標(biāo)為標(biāo)準(zhǔn)源質(zhì)量，g；S標(biāo)為標(biāo)準(zhǔn)源計(jì)數(shù)；S樣為樣品測(cè)量計(jì)數(shù)；T樣為樣品測(cè)量時(shí)間，s；W樣為樣品質(zhì)量，g。

（1）非耕作土壤侵蝕模型

在自然條件下，137Cs在未擾動(dòng)穩(wěn)定的土壤剖面中的深度分布是隨著深度逐漸減小的，選擇張信寶［25］的非農(nóng)耕地土壤137Cs深度分布指數(shù)衰減形態(tài)模型，土壤流失速率（RSL，i， t·km-1·a-1）計(jì)算公式為

式（7）～（8）中，Δh為年土壤侵蝕厚度，cm·a-1；ρb為土壤容重，kg·cm-3；T為采樣年份，a；λ為137Cs分布的剖形指數(shù)，cm-1，取值0.27；A和Aref分別為單位面積土壤中137Cs含量和土壤137Cs背景值，Bq·m-2。

（2）耕作土壤侵蝕模型

選擇楊浩等［26］基于質(zhì)量平衡的農(nóng)耕地土壤侵蝕模型。由于人為翻耕，137Cs在耕層中呈均勻分布，但分布深度大多比耕層深，則無(wú)侵蝕耕作剖面中Cref和侵蝕耕作剖面中Ct均分為兩個(gè)部分：一部分是均勻分布于耕層的Cref1（或Ct1），另一部分是入滲于耕層以下的Cin，即：

式（9）～（10）中，ρb為土壤容重，kg·cm-3；Q為質(zhì)量活度濃度，Bq·kg-1；Hc為耕層厚度，cm；h為土壤流失總厚度，cm。

而137Cs流失量△C=Cref-Ct＝ρb×Q×h，整理得：

t時(shí)間以來土壤年均流失厚度Δh"（mm）和相應(yīng)的年均侵蝕速率即土壤流失速率（RSL，i"）為

式（12）～（13）中，T為采樣年份，a；T＞1 963 a時(shí)，1 963 a為137Cs輸入最大年份；Δh"為年均土壤侵蝕厚度，cm·a-1；ρb為土壤容重，kg·cm-3。

2.4.2 C因子的實(shí)測(cè)值

根據(jù)唐克麗［27］對(duì)C因子的定義，其計(jì)算公式為

根據(jù)式（6）～（14），計(jì)算得到銅山林場(chǎng)1963—2014年土壤流失速率和C因子值（表1）。如表1所示，銅山林場(chǎng)林地、茶園、竹林、水稻田和菜地C因子均值分別為 0.074 1、0.061 2、0.044 8、0.308 6和0.756 5。各土地利用類型C因子值由大到小依次為菜地、水稻田、茶園、竹林和林地。

2.5 精度評(píng)價(jià)方法

平均相對(duì)誤差（MAPE，EMAP）、均方根誤差（RMSE，ERMS）和相關(guān)系數(shù)（R）被用來衡量和刻畫模型精度，其計(jì)算公式分別為

式（15）～（17）中，xi(c)為模型反演值C；xi為C因子實(shí)測(cè)值；-x為C因子實(shí)測(cè)值的平均值；n為樣本個(gè)數(shù)。

表1 銅山林場(chǎng)不同土地利用類型C因子值計(jì)算結(jié)果Table 1 Calculation results of C factor values of different land use types in Tong Mountain Forest Farm

3 結(jié)果與分析

3.1 植被覆蓋管理措施因子C的精度評(píng)價(jià)

傳統(tǒng)植被覆蓋度（fc）和植被方向性覆蓋度（Fcover）計(jì)算結(jié)果見圖1～2，基于NDVI和基于LAI的C因子估算結(jié)果見圖3～4。利用2013年銅山林場(chǎng)基于137Cs同位素示蹤獲取的C因子實(shí)測(cè)值檢驗(yàn)2種不同方法反演的精度（表2）。

由圖1～4可知，基于NDVI計(jì)算的fc在整體上偏大，得到的C值在整體上偏小，主要是由于當(dāng)植被覆蓋度較高時(shí)，NDVI對(duì)植被的敏感性降低，而且基于NDVI計(jì)算的fc反映的是水平面上的植被覆蓋度，不包含植被的垂直結(jié)構(gòu)信息。而南京市多為次生植被，以人工林為主，如馬尾松純林、杉木純林等，林下植被覆蓋較少，植被結(jié)構(gòu)簡(jiǎn)單，雖然在水平面上有較好的植被覆蓋度，但也會(huì)遭受嚴(yán)重的土壤侵蝕。而LAI不僅包含植被的水平覆蓋信息，還包括植被的垂直結(jié)構(gòu)信息。

圖1 基于NDVI的傳統(tǒng)植被覆蓋度分布Fig.1 The traditional vegetation coverage fcdistribution map based on NDVI

圖2 基于LAI的植被方向性覆蓋度分布Fig.2 The directional vegetation coverage Fcover distribution map based on LAI

圖3 基于NDVI的C因子分布Fig.3 The C factor distribution map based on NDVI

圖4 基于LAI的C因子分布Fig.4 The C factor distribution map based on LAI

基于LAI計(jì)算的Fcover是水平面上植被覆蓋和植被垂直結(jié)構(gòu)信息的綜合反映。表2顯示，當(dāng)基于fc反演的C值為0時(shí)，C實(shí)測(cè)值并不為0，說明基于fc來定量評(píng)價(jià)土壤侵蝕并不準(zhǔn)確。有些地區(qū)通過模型計(jì)算的土壤流失量很小，土壤侵蝕強(qiáng)度很輕，但事實(shí)上由于地表缺乏灌木和草本覆蓋，土壤裸露程度較高，仍然會(huì)發(fā)生中度甚至強(qiáng)烈以上等級(jí)的土壤侵蝕，這與趙其國(guó)［28］提出的“遠(yuǎn)看青山在，近看水土流”的情況相吻合。而基于LAI計(jì)算的C值與實(shí)測(cè)值接近，平均RMSE為30.017%，C值反演精度更高，說明LAI能綜合反映林地植被在空間分布上的復(fù)雜結(jié)構(gòu)特征，可以完全表征地表枯枝落葉層，研究結(jié)果與楊勤科等［6］提出的觀點(diǎn)一致。

表2 基于BP神經(jīng)網(wǎng)絡(luò)的C因子反演精度Table 2 The accuracy ofCfactor inversion based on BP neural network

通過疊加2013年南京市土地利用圖（圖5）并進(jìn)行統(tǒng)計(jì)分析發(fā)現(xiàn)：C值大于0.3的區(qū)域主要分布于建筑物較為密集、植被稀疏且植被結(jié)構(gòu)簡(jiǎn)單甚至無(wú)植被覆蓋的市區(qū)；C值小于0.05的區(qū)域主要分布在植被密集且結(jié)構(gòu)復(fù)雜的丘陵山區(qū)；有較高C值的區(qū)域主要集中在土地利用類型為居民點(diǎn)和城鎮(zhèn)建設(shè)用地的地區(qū)，尤其是新開發(fā)的生產(chǎn)建設(shè)用地，其次是山地丘陵區(qū)的工礦用地，未利用地也是土壤侵蝕較嚴(yán)重的地區(qū)；C值基本為0的區(qū)域主要是植被覆蓋較好且植被結(jié)構(gòu)復(fù)雜的山區(qū)。由此可見，南京市C值的分布與植被覆蓋和土地利用類型有著十分密切的關(guān)系。

3.2 長(zhǎng)時(shí)間序列植被覆蓋管理措施因子C的反演

利用BP神經(jīng)網(wǎng)絡(luò)和Fcover反演C值方法得到1988—2013年南京市C因子圖。2013年南京市C因子遙感估算結(jié)果見圖6，其他年份C因子圖從略。

圖5 2013年南京市土地利用分布Fig.5 The land use distribution map of Nanjing in 2013

圖6 2013年南京市C值遙感估算結(jié)果Fig.6 Vegetation cover and management factor C by remote sensing inversion in 2013

為了定量反映1988—2013年不同數(shù)值范圍C值的變化趨勢(shì)，統(tǒng)計(jì)分析了全市C＜0.05和C＞0.3的區(qū)域面積變化趨勢(shì)（圖7）。如圖7所示，從全市來看，1988—2013年C＜0.05的抵抗土壤侵蝕能力較強(qiáng)的區(qū)域面積先由南京市總面積的15.66%（1988年）減小到9.43%（2006年以前），后逐漸增大到12.07%；而C＞0.3的抵抗土壤侵蝕能力較弱的區(qū)域面積先由南京市總面積的7.29%緩慢增大到9.22%（2002年）后迅速增大到12.31%（2002—2006年），然后緩慢減小至11.77%，這主要是受城市發(fā)展擴(kuò)張的影響。20世紀(jì)80—90年代，南京市城區(qū)不斷擴(kuò)張，面積擴(kuò)大，土地開發(fā)等生產(chǎn)建設(shè)活動(dòng)使植被遭受嚴(yán)重破壞，植被覆蓋度降低，植被垂直結(jié)構(gòu)遭到破壞，林分類型較好的區(qū)域逐漸減少，導(dǎo)致C＜0.05的區(qū)域面積不斷減少，而居民地等開發(fā)建設(shè)用地區(qū)域面積不斷增加，C＞0.3的區(qū)域面積不斷增加；進(jìn)入21世紀(jì)后，城市化速度加快，房地產(chǎn)開發(fā)加劇，城市面積迅速擴(kuò)張，導(dǎo)致C＞0.3的區(qū)域面積迅速增加；而到2006年前后隨著城市化的發(fā)展，國(guó)家政策以及人們意識(shí)的改變，“和諧社會(huì)”和“生態(tài)文明建設(shè)”等社會(huì)發(fā)展戰(zhàn)略目標(biāo)的提出，在加速城市建設(shè)的同時(shí)，注重植被保護(hù)和恢復(fù)，植被覆蓋度逐年增加，林下植被也得到一定恢復(fù)，使得C＜0.05的區(qū)域面積不斷增加。由于已建成居民地等區(qū)域面積不會(huì)減少，隨著增加綠化面積等措施的實(shí)施，各類植被類型的水土保持功能有所增強(qiáng)，C＞0.3的區(qū)域面積緩慢減少。

圖7 1988—2013年C值像元數(shù)百分比的年際變化趨勢(shì)Fig.7 The interannual change trend of the pixels number percentage of C value from 1988 to 2013

根據(jù)土地利用分類標(biāo)準(zhǔn)，利用南京市江寧區(qū)2005年土地利用圖，采用ArcGIS 10.2軟件將其與C因子圖進(jìn)行疊加，統(tǒng)計(jì)林地、疏林地和灌木林3種用地類型的平均C值。由于2000、2004和2009年遙感影像成像時(shí)間為10月，為了避免季節(jié)不同引起的C值差異，統(tǒng)計(jì)分析了 1988、1994、2002、2006、2007、2010和2013年7 a的變化趨勢(shì)，結(jié)果見圖8。

圖8 南京市江寧區(qū)不同林地類型C平均值的年際變化趨勢(shì)Fig.8 The interannual change trend chart of C mean value under different woodland types in Jiangning District，Nanjing City

如圖8所示，不同林地利用類型C因子由小到大依次為林地、灌木林和疏林地，基本符合C因子的實(shí)際分布特征。一般來講，森林的水土保持功效最大，灌木林次之，疏林地最差。從整體來看，1988—2013年江寧區(qū)林地、灌木林和疏林地C平均值大體上呈現(xiàn)先增大后減小趨勢(shì)，表明3種林地水土保持功效先降低后增加。根據(jù)C值統(tǒng)計(jì)結(jié)果，結(jié)合江寧區(qū)2005年土地利用分類圖可知，在2005年為疏林地的區(qū)域，1988、1994和2002年C因子的變化范圍最小值為0，說明該區(qū)域在2005年之前可能是林分類型較好的林地，植被結(jié)構(gòu)復(fù)雜，植被覆蓋度較高，導(dǎo)致這3 a平均C值小于2005年的計(jì)算結(jié)果。同樣地，2005年之后的C值變化范圍最大值可達(dá)1，表明該區(qū)域在2005年之后可能已經(jīng)不是林地，土地處于裸露狀態(tài)，導(dǎo)致平均C值增大。影響C值變化的主要原因是城市快速發(fā)展，尤其是2000年12月，南京市江寧縣經(jīng)國(guó)務(wù)院批準(zhǔn)，撤縣立區(qū)，城市快速發(fā)展，房地產(chǎn)開發(fā)項(xiàng)目大量增加，城市空間不斷擴(kuò)張，導(dǎo)致不同類型植被遭受不同程度的破壞，C值逐漸增大。而在2006年之后，隨著“綠色南京”工程、生態(tài)旅游建設(shè)、美麗鄉(xiāng)村建設(shè)等政策的實(shí)施以及人們環(huán)保意識(shí)的增強(qiáng)，植被有所恢復(fù)，植被種類開始增多，各植被類型保持水土的功能有所增加，C值逐漸減小。因此，C值的變化在不同程度上反映了江寧區(qū)土地利用的變化。

4 討論與結(jié)論

基于NDVI和LAI計(jì)算了fc和Fcover，分別對(duì)C進(jìn)行反演，并利用基于137Cs同位素示蹤技術(shù)計(jì)算的C因子實(shí)測(cè)值檢驗(yàn)反演精度，最后，基于LAI對(duì)南京市1988—2013年10期遙感影像進(jìn)行長(zhǎng)時(shí)間序列的植被覆蓋與C的反演，得出以下結(jié)論：

（1）基于NDVI計(jì)算的fc整體上偏大，C值整體上偏小，而基于LAI計(jì)算的C值與實(shí)測(cè)值接近，平均RMSE為30.017%，能更好地反映實(shí)際土壤侵蝕狀態(tài)。

（2）C值大于0.3的區(qū)域主要分布于建筑物較為密集、植被稀疏且植被結(jié)構(gòu)簡(jiǎn)單甚至無(wú)植被覆蓋的市區(qū)；C值小于0.05的區(qū)域主要分布于植被密集且植被結(jié)構(gòu)復(fù)雜的山區(qū)，南京市C值的分布與植被覆蓋和土地利用類型關(guān)系密切。

（3）從全市來看，1988—2013年C＜0.05的抵抗土壤侵蝕能力較強(qiáng)的區(qū)域面積先減小（2006年之前）后增大，C＞0.3的抵抗土壤侵蝕能力較弱的區(qū)域面積先緩慢增大（2002年之前）后迅速增大（2002—2006年），然后又緩慢減小。

（4）南京市江寧區(qū)不同土地利用類型C平均值由小到大依次為林地、灌木林和疏林地，符合C因子的實(shí)際分布特征；江寧區(qū)林地、灌木林和疏林地C因子平均值大體上呈現(xiàn)先增大后減小趨勢(shì)，表明3種林地的水土保持功效先降低后增加，符合南京市植被覆蓋和土地利用的發(fā)展變化規(guī)律。

由于TM和OLI遙感數(shù)據(jù)只能提供一個(gè)方向的數(shù)據(jù)，缺乏足夠的信息表征地表植被結(jié)構(gòu)特征，多角度的反射光譜對(duì)地物（特別是植被）結(jié)構(gòu)特征的估算及類型鑒別比垂直光譜具有明顯優(yōu)勢(shì)。多角度遙感可以獲取地面不同方向的反射數(shù)據(jù)，同時(shí)可以模擬和反演植被二向反射率函數(shù)，豐富地物的立體結(jié)構(gòu)特征，有助于分析和提取植被垂直分層覆蓋度信息，因而能夠有效地提高LAI等植被結(jié)構(gòu)參數(shù)的反演精度。因此，利用多角度遙感數(shù)據(jù)及物理模型，建立多角度LAI反演方法，構(gòu)建不同植被結(jié)構(gòu)LAI與C因子耦合模型，可為區(qū)域土壤侵蝕定量遙感監(jiān)測(cè)提供新途徑，也將是未來研究趨勢(shì)。