石漠化是在湿润、半湿润气候和碳酸盐岩发育的环境中, 由于人类活动和气候变化等因素影响, 造成地表植被退化、土壤侵蚀、地表水流失和基岩大面积出露, 形成类似石质荒漠景观的土地退化过程^[1]。近年来, 我国对生态环境保护问题非常重视, 对石漠化也加强了治理, 尤其是从21世纪初开始, 退耕还林政策的实施, 使我国西南的石漠化状况得到显著缓解和改善。利用遥感技术提取石漠化强度及其分布信息, 并在此基础上进行石漠化程度的动态监测, 具有重要意义。

石漠化遥感信息的提取方法有很多, 从机理上讲, 石漠化信息提取的实质是混合像元分解^[1], 其方法有多种, 线性光谱分解模型比较常用, 其原理是把混合像元光谱看作各端元组分的线性组合。

植被覆盖度是指植被(包括叶、茎、枝)在地面的垂直投影面积占统计区总面积的百分比^[2]。作为地表植被覆盖状况的一个重要指标, 植被覆盖度能生动地描述生态系统的现状及区域生态系统环境变化, 多用于荒漠化的调查评价, 例如牛宝茹等^[3]建立了干旱区植被覆盖度提取模型。本文将植被覆盖度运用于石漠化遥感信息提取, 研究结果表明, 该方法无需估算叶面积指数等需要复杂推导的参数就可以有效、准确地提取研究区石漠化分布状况的信息。

利用遥感数据估算植被覆盖度的方法主要有经验模型法、植被指数转换法和混合像元分解法^[3]。经验模型法依赖于特定区域的大量实测数据, 在小范围区域有一定的精度, 在大范围监测和推广应用时却受到诸多因素的限制; 植被指数法不需要进行大面积的地面样方实测, 但其精度略低于经验模型法; 混合像元分解法根据植被和土壤在不同波段的反射光谱情况, 选择植被与土壤光谱反射差别较大的红光波段和近红外波段作为植被盖度信息提取的信息源^[4]。像元线性分解模型是一种简单实用的遥感估算模型, 它假设一个像元的地表由有植被覆盖地表与无植被覆盖地表组成, 而遥感传感器观测到的光谱信息也由这两个组分因子线性加权合成, 各因子的权重是各自的面积在像元中所占的比率^[5]。

本次研究所用的遥感数据为2009年1月30日获取的云南隆林各族自治县的中巴02B星多光谱CCD数据, 空间分辨率为19.5 m , 幅宽113 km, 数据质量较好。对遥感数据进行了数据预处理, 包括几何纠正、辐射校正、去云及波段组合优选等。

当最大植被覆盖度f_gmax可以近似地取100%, 且最小植被覆盖度f_gmin可以近似地取0 时, 可得NDVI_g=NDVI_max和NDVI_o=NDVI_min; 当f_gmin与f_gmax不能近似地取100%与0时, 需要有一定量的实测数据, 那么只需取一组实测数据中的植被覆盖度的最大值与最小值, 并在图像中找到这两个实测数据所对应像元的NDVI值^[2]。因此, 计算植被覆盖度的式(9)变为:

f_g=(NDVI-NDVI_min)/(NDVI_max-NDVI_min) (10)

本次研究的图像所取参数属于第二种情况, 但由于没有当地的实测数值, 通过选取训练区的方法获得研究区的NDVI_max与NDVI_min的值分别为0.508和0.054(如表1)。

表1

Tab.1

表1(Tab.1)

表1 训练区NDVI值 Tab.1 NDVI values in training area NDVI 训练区编号 均值 1 2 3 4 5 6 7 NDVImax 0.487 0.492 0.510 0.508 0.504 0.554 0.504 0.508 NDVImin 0.053 0.076 0.027 0.062 0.049 0.067 0.045 0.054

表1 训练区NDVI值 Tab.1 NDVI values in training area

为提高分类的可靠程度, 在计算植被覆盖度时对图像光谱进行了线性扩展, 以增大像元的亮度反差, 即

f_g=255(NDVI-NDVI_min)/(NDVI_max-NDVI_min)(11)

非石漠化区域主要包括纯植被覆盖区域、水体、裸岩石砾地及耕地等。根据前人提出的石漠化等级分类方法^[4], 按植被覆盖度将研究区域分为10类, 阈值根据经验确定。本研究中植被覆盖度最高的为1.0, 即纯植被覆盖区为第1类; 随植被覆盖度的降低, 类级依次增加, 第10类为纯土壤裸露表面或阴影。通过交互解译, 剔除第10类中的阴影区。再将分类结果与土地利用现状图做相交分析, 以分离出耕地区域, 得到石漠化区域(如图1~4所示)。

图1

Fig.1

	Figure Option ViewDownloadNew Window
	图1 02B星B3(R)、B4(G)、B2(B)合成图像Fig.1 Composite image of B3(R)、B4(G)、B2(B)of CBERS-02B

图2

Fig.2

	Figure Option ViewDownloadNew Window
	图2 植被覆盖度Fig.2 Vegetation coverage image

图3

Fig.3

	Figure Option ViewDownloadNew Window
	图3 植被覆盖度等级Fig.3 Map of vegetation coverage levels

图4

Fig.4

	Figure Option ViewDownloadNew Window
	图4 石漠化区域Fig.4 Rocky desertification area

从前文提取的石漠化范围可知, 该研究区中石漠化区域植被覆盖度的分类等级为3~8级。根据以往经验和实际情况, 对石漠化区域分类结果进行合并, 将3级定为轻度石漠化, 4~5级合并定为中度石漠化, 6~8级合并定为重度石漠化(如图5所示)。

图5

Fig.5

	Figure Option ViewDownloadNew Window
	图5 石漠化等级Fig.5 Map of rocky desertification levels

(1)本文以NDVI为参数, 运用基于像元线性分解模型估算植被覆盖度的方法, 综合遥感图像光谱和纹理信息进行交互解译, 提取石漠化信息, 并对石漠化区域分类分级。技术路线简单, 可操作性强, 无需估算叶面积指数等需要复杂推导的参数就可以提取研究区石漠化分布, 也适用于不同分辨率的遥感数据。

(2)因为研究区并不是理想的纯植被覆盖度为100%、纯土壤覆盖度为0的状态, 所以需要实测最大及最小的植被覆盖度, 以反算相应的NDVI。在缺少实测数据的前提下, 通过选择训练区来统计该值, 因此训练区的正确选择对石漠化信息提取的效果有重要影响, 直接决定后期石漠化区域分类效果。必须反复试验, 以选取恰当的阈值。

(3)植被指数转换时最小植被指数是裸土地的植被指数, 理论上应为0, 但是每一个区域都可能存在水体等比裸土地亮度值更低的区域, 需要去除。阴影也是影响石漠化信息提取效果的重要因素, 本文所选数据阴影较少, 对研究影像不大, 但在西南山地丘陵地区气候湿润多雨的条件下, 获取少云、少阴影、图像清晰的优质遥感数据较难, 因此降低阴影对石漠化信息提取影响的方法还有待进一步研究。