引用本文
程洋, 陈建平, 皇甫江云, 童立强. .基于RS和GIS的岩溶石漠化恶化趋势定量预测——以广西都安瑶族自治县典型岩溶石漠化地区为例[J]. 国土资源遥感, 2012,24(3): 135-139
CHENG Yang, CHEN Jian-ping, HUANGFU Jiang-yun, TONG Li-qiang. .Quantitative Prediction of Karst Rocky Desertification Deterioration Based on RS and GIS: A Case Study of Typical Karst Rocky Desertification Area of Du’an County, Guangxi[J]. REMOTE SENSING FOR LAND & RESOURCES,2012,24(3): 135-139  
Permissions
Copyright©2012, 《国土资源遥感》编辑部
《国土资源遥感》编辑部
基于RS和GIS的岩溶石漠化恶化趋势定量预测——以广西都安瑶族自治县典型岩溶石漠化地区为例
程洋1,2, 陈建平1,2, 皇甫江云3,4, 童立强5
1.中国地质大学(北京)国土资源与高新技术研究中心,北京 100083
2.北京市国土资源信息开发研究重点实验室,北京 100083
3.北京林业大学林学院,北京 100083
4.贵州省饲草饲料工作站, 贵阳 550001
5.中国国土资源航空物探遥感中心,北京 100083
陈建平(1959-),男,教授,博士生导师,主要从事矿产资源定量评价和“3S”技术应用的教学与研究工作。E-mail: 3s@cugb.edu.cn。

第一作者简介: 程洋(1987-),男,硕士研究生,主要从事“3S”技术集成应用方面的研究。E-mail: chengyang66666@sina.com。

收稿日期: 2011-11-24
摘要

以广西壮族自治区都安瑶族自治县典型岩溶石漠化地区为例,以1999年和2009年获取的两个时相的TM数据为数据源,以遥感(RS)和地理信息系统(GIS)为技术手段和平台,以碳酸盐岩类型、土地利用类型、岩溶地貌类型、地形坡度和人口聚居密度为石漠化恶化的影响因子,运用层次分析—确定性系数(analytical hierarchy process-certainty factor,AHP-CF)法计算待预测区的石漠化恶化易发指数(rocky desertification deterioration index,RDDI),以RDDI为参数实现岩溶石漠化恶化趋势的定量预测。预测结果可为制定有前瞻性和针对性的岩溶石漠化地区生态环境保护和恢复规划提供科学依据,有利于推进石漠化防治工作的进程。

关键词: 遥感; 地理信息系统; 岩溶石漠化; 层次分析—确定性系数法; 定量预测
中图分类号:TP79 文献标志码:A 文章编号:1001-070X(2012)03-0135-05 doi: 10.6046/gtzyyg.2012.03.24
Quantitative Prediction of Karst Rocky Desertification Deterioration Based on RS and GIS: A Case Study of Typical Karst Rocky Desertification Area of Du’an County, Guangxi
CHENG Yang1,2, CHEN Jian-ping1,2, HUANGFU Jiang-yun3,4, TONG Li-qiang5
1.Institute of High and New Techniques Applied to Land Resources, China University of Geosciences, Beijing 100083, China
2.Beijing Key Laboratory of Development and Research for Land Resources Information, Beijing 100083, China
3.Forestry College, Beijing Forestry University, Beijing 100083, China
4.Forage and Feed Station of Guizhou Province, Guiyang 550001, China
5.China Aero Geophysical Survey and Remote Sensing Center for Land and Resources, Beijing 100083, China
Abstract

Taking Du’an County of Guangxi as the study area,using the TM remote sensing images acquired in 1999 and 2009 as the data source, adopting RS and GIS as the technical means and platform, and utilizing the carbonate rock type, land use type,karst landform type,slope of the terrain and population density as the influencing factors, the authors calculated the rocky desertification deterioration index(RDDI) by using the analytical hierarchy process-certainty factor(AHP-CF) method,and then predicted the trend of rocky desertification deterioration quantitatively with RDDI as parameters. The prediction results can provide a scientific basis for making a prospective and specific plan concerning ecological environment protection and recovery and promote the work of rocky desertification prevention and control.

Keyword: RS; GIS; rocky desertification; AHP-CF; quantitative prediction
0 引言

岩溶石漠化是在南方热带、亚热带脆弱的岩溶环境中, 在不合理的人类活动基础上造成的植被退化、土壤侵蚀和大面积的基岩裸露的环境变化过程。其本质特征是土地生产力下降, 出现类似沙漠的石漠化景观[1, 2]。岩溶石漠化是土地荒漠化的主要类型之一, 已严重威胁到我国西南岩溶山区人民的生存环境, 必须推进该地区石漠化综合治理。岩溶石漠化的成因及其演变机理的研究是进行有效的石漠化综合治理的前提。近年来, 许多学者对岩溶石漠化成因及其演变机理进行了研究[3, 4, 5, 6], 证明了地层岩性、地形坡度、水文地貌、土地利用类型和人口密度是岩溶石漠化发生和发展的主要驱动因子, 但这些研究以单因子作用的定性分析为主, 多因子综合作用的定量研究偏少, 不利于石漠化综合治理。因此有必要进行多因子的石漠化恶化趋势定量预测, 为制定有前瞻性和针对性的生态环境保护和恢复规划提供科学依据, 推进石漠化防治工作的进程。

广西都安瑶族自治县是全国岩溶地貌发育最为典型的地区之一, 也是典型的岩溶石漠化高发区之一。本文以其境内的岩溶区为研究区进行基于遥感(RS)和地理信息系统(GIS)的石漠化恶化趋势定量预测, 具有重要的现实意义。

1 研究思路

首先, 基于RS技术提取石漠化信息, 制作1999— 2009年的石漠化演变图, 以无石漠化恶化区为待预测区; 然后, 以GIS为平台, 综合分析石漠化恶化与碳酸盐岩类型、土地利用类型、岩溶地貌类型、地形坡度和人口聚居密度这5种影响因子的关系; 再运用层次分析法(analytical hierarchy process, AHP)计算上述5种因子的权重, 利用确定性系数(certainty factor, CF)定量地评价石漠化恶化对5种因子中各亚类因子的敏感性(即通过AHP-CF法定量化地表达石漠化发生恶化时5种因子的组合条件); 最后, 计算待预测区的石漠化恶化易发指数, 实现待预测区石漠化恶化趋势定量预测。

2 石漠化信息提取和演变分析

本次研究使用的遥感数据为1999年9月和2009年1月获取的2个时相的TM数据。2景图像上云量覆盖均小于5%, 无明显噪声, 图像质量较好。1月和9月不是庄稼的茂盛期, 也没有积雪覆盖, 有利于人机交互解译时对耕地的修正。

植被在TM4(0.76~0.90 μ m)波段反射率较高, 绝大多数矿物在TM5(1.55~1.75 μ m)波段反射率较高(对裸露基岩反映较好), 故选取TM5/TM4运算为石漠化信息增强方法, 采用二次图像信息分析分类方法[7]提取石漠化信息; 然后通过人机交互解译提高石漠化信息的提取精度, 减少“ 同物异谱” 和“ 同谱异物” 现象带来的误差; 最后分别制作1999年和2009年的石漠化现状图。

1999— 2009年的石漠化演变图见图1。按石漠化演变情况, 将研究区划分为石漠化恶化区和无石漠化恶化区。

图1 1999— 2009年研究区岩溶石漠化演变图Fig.1 Map of Karst rocky desertification evolution from 1999 to 2009 in the study area

在图1中, 无石漠化恶化区和石漠化恶化区的面积分别为3 544.72 km2和260.18 km2, 分别占总碳酸盐岩区面积的93.12%和6.86%。其中, 石漠化恶化区面积与碳酸盐岩总面积的比例高于广西的平均水平[5], 表明研究区石漠化恶化状况较为严重。

3 石漠化恶化与各类影响因子的关系

根据以往研究经验, 选择碳酸盐岩类型、土地利用类型、岩溶地貌类型、地形坡度和人口聚居密度为石漠化恶化的影响因子; 综合分析各石漠化恶化区与各类影响因子之间的相关关系, 统计出石漠化恶化发生率(Ppa), 即每个影响因子对应区域内的石漠化恶化区面积与该因子总面积的比值(表1)。

在表1中, 碳酸盐岩类型按灰岩、白云岩和碎屑岩的比例分类; 土地利用类型按1984年土地利用分类体系分类; 岩溶地貌类型按相对高程、坡度、海拔及组合形态分类; 坡度等级参照国际地理学联合会地貌调查与地貌制图委员会的分类标准, 将研究区分为(0° , 0.5° ]的平原、(0.5° , 2° ]的微斜坡、(2° , 5° ]的缓斜坡、(5° , 15° ]的斜坡、(15° , 35° ]的陡坡和(35° , 55° ]的峭坡共6个坡度等级; 人口聚居密度按研究区每个250 m× 250 m网格中的居民户数分级。

表1 各类因子的石漠化恶化发生率及其CF值 Tab.1 Karst rocky desertification deterioration rate and CF value
4 石漠化恶化趋势预测
4.1 基于AHP法的石漠化恶化影响因子权重计算

层次分析法(AHP)是美国运筹学家A.L.Saaty在20世纪70年代提出的一种定性与定量相结合的决策分析方法[8]。它将复杂问题分解为若干因子, 通过各因子之间的重要性的比较和计算, 得出各因子的权重。

1)构建层次结构分析模型。以石漠化恶化趋势为目标层U, 以碳酸盐岩类型、土地利用类型、岩溶地貌类型、地形坡度和人口聚居密度为因子Vi(i=1, 2, 3, 4, 5, 分别代表碳酸盐岩类型、土地利用类型、岩溶地貌类型、地形坡度以及人口聚居密度), 构建石漠化恶化趋势的层次结构分析模型。

2)建立判断矩阵。根据层次结构分析模型建立判断矩阵, 对于“ 石漠化恶化趋势” 目标U, 根据以往研究经验, 比较两两因子之间的相对重要性并将其量化。指标层V对目标层U的判断矩阵为

AU-V=(vij)(5× 5)= 13595131353151315319151511315131331, (1)

式中: vij为因子i与因子j的相对重要性的量化标度; 标度1, 3, 5, 7, 9分别表示因子i与因子j相比, 因子i比因子j同等重要、稍微重要、明显重要、强烈重要和极端重要; 标度1/3, 1/5, 1/7和1/9分别表示因子i与因子j相比, 因子j比因子i稍微重要、明显重要、强烈重要和极端重要。例如: v13=5, 表明因子1(碳酸盐岩类型)比因子3(岩溶地貌类型)明显重要; v45=1/3, 表明因子5(人口聚居密度)比因子4(地形坡度)稍微重要。

3)求解各因子的单排序权重值向量。解出判断矩阵的最大特征值对应的特征向量, 并通过一致性检验和归一化后, 得到“ 石漠化恶化趋势” 目标层下各因子的单排序权重值向量RT=(0.495 96, 0.232 30, 0.148 49, 0.041 36, 0.081 88)。

4.2 石漠化恶化影响因子CF值的计算

确定性系数(CF)是由Shortlife和Buchanan 1975年提出、由Heckerman 1986年改进的一个概率函数, 用来分析影响某一事件发生的各因子的敏感性[8]。在应用CF进行石漠化恶化趋势预测时, 存在这样一种假定: 石漠化恶化的发生可以根据过去石漠化恶化与确定为诱发因子的数据集(碳酸盐岩类型、土地利用类型、岩溶地貌类型、地形坡度和人口聚居密度)之间的统计关系来确定(即未来石漠化恶化在达到相似的因子环境条件时, 将发生石漠化恶化)。CF函数具体表示为

CF= Ppa-PpsPpa(1-Pps), Ppa≥PpsPpa-PpsPps(1-Ppa), Ppa< Pps, (2)

式中: Ppa为事件在数据类a中发生的概率(即不同类别因子单元中的石漠化恶化发生率); Pps为事件在整个研究区A中发生的先验概率(即研究区的石漠化恶化发生率)。

通过式(1)的函数变换可知CF的变化区间为[-1, 1]。正值代表事件发生确定性的增长(即石漠化恶化易发), 负值代表事件发生确定性的降低(即石漠化恶化不易发), 0值代表事件发生的先验概率与条件概率十分接近(表示此单元不能判断事件发生的确定性)。利用式(1)可以计算出石漠化恶化的各个影响因子的CF值(计算结果见表1中的后2列)。

4.3 石漠化恶化趋势预测

为了能定量化地评价待预测区的石漠化恶化易发性, 定义了石漠化恶化易发指数(RDDI), 其公式为

RDDI= ∑i=15RiCFi, (3)

式中: RDDI为每个评价单元(无石漠化恶化区与碳酸盐岩分布图、土地利用现状图、岩溶地貌分布图、坡度图和人口聚居密度图空间叠加分析后的最小单元)的石漠化恶化易发指数; Ri为根据层次分析法得到的各影响因子的权重; CFi为各类影响因子的CF值。

按式(3)计算得出每个评价单元的RDDI是一个量化的、处于[-1, 1]区间的石漠化恶化易发性评价指标, 是进行定量化石漠化恶化趋势预测的参数。RDDI处于[-1, 0)区间的为石漠化恶化不易发区, 处于(0, 1]区间的为石漠化恶化易发区。石漠化恶化易发区按评价单元数量平均分为2级, 分别为石漠化恶化低易发区和石漠化恶化高易发区。

根据式(1)— (3)和分级原则, 实现了待预测区的石漠化恶化趋势定量预测(图2)。

图2 研究区岩溶石漠化恶化趋势预测图Fig.2 Forecast map of Karst rocky desertification deterioration in the study area

广西都安瑶族自治县未来石漠化恶化易发区呈两条近南北向条带分布在县境内的西部和中部, 其中石漠化恶化低易发区和高易发区的面积分别为358.76 km2和299.27 km2, 分别占研究区总面积的10.15%和8.47%。这两个地区是未来进行生态环境保护和恢复的优先区和重点区。

5 结论

1)碳酸盐岩类型、土地利用类型、岩溶地貌类型、地形坡度和人口聚居密度是影响石漠化恶化的5种因子, 其权重分别为0.495 96, 0.232 30, 0.148 49, 0.041 36和0.081 88; 在前4种自然因子中, 灰岩夹白云岩、荒草地、低山峰丛洼地和坡度大于15° 的陡坡与峭坡分别是其主要因子(其CF值都是正值)。这与他人的研究成果基本一致[3, 4, 5, 6] , 表明本次研究的理论基础和方法正确, 定量化的石漠化恶化趋势预测结果可靠。

2)本次研究发现在低人口聚居密度区石漠化恶化易发(在人口聚居密度因子中, 只有0~10户因子的CF值是正值, 其余因子都是负值), 这与传统的石漠化恶化与人口密度正相关的认识不同。笔者认为, 造成这种差异的主要原因是: ①本次研究采用的人口聚居密度图(通过解译高分辨率卫星图像中的居民点房屋来推测居民户数, 再统计单位面积的居民户数绘制人口聚居密度图)比传统的以人数/km2为基础的人口密度图更能细化研究区的人口聚居密度, 有利于定量化分析人口聚居密度与石漠化恶化的关系。②研究区的实际情况比较特殊, 在解译居民点房屋的过程中发现, 研究区大规模的居民点附近都有地形较为平坦、耕作条件好的耕地成片分布, 少有石漠化发生; 而小规模的居民点(尤其是独居户和只有三五户聚居的居民点)附近大都缺少耕作条件好的耕地, 只能不合理地开垦坡度较大的丘陵和山地, 其结果造成严重的水土流失, 加剧了石漠化的发生。

3)广西都安瑶族自治县未来石漠化恶化易发区呈两条近南北向条带, 分布在县境内的西部和中部。这些地区和已发生石漠化恶化的地区是未来进行生态环境保护和恢复的优先区和重点区。

4)本次研究实现了广西都安瑶族自治县石漠化恶化趋势的空间分布预测, 划分出了研究区的石漠化恶化易发区; 但没有指明易发区每个评价单元的恶化最主导因子, 这是本次研究的不足, 也是下一步研究的重点。

The authors have declared that no competing interests exist.

参考文献
[1] 袁道先, 蔡桂鸿. 岩溶环境学[M]. 重庆: 重庆出版社, 1988.
Yuan D X, Chai G H. Karst Environment[M]. Chongqing: Chongqing Press, 1988(in Chinese). [本文引用:1]
[2] 王世杰. 喀斯特石漠化概念演绎及其科学内涵的探讨[J]. 中国岩溶, 2002, 21(2): 101-105.
Wang S J. Concept Deduction and Its Connotation of Karst Rocky Desertification[J]. Carsologica Sinica, 2002, 21(2): 101-105(in Chinese with English Abstract). [本文引用:1]
[3] 童立强, 丁富海. 西南岩溶石山地区石漠化遥感调查与演变分析项目成果报告[R]. 北京: 国土资源部, 2002.
Tong L Q, Ding F H. Remote Sensing Investigation of Rocky Desertification and Evolution Analysis from Karst Mountainous Area in Southwest China[R]. Beijing: Ministry of Land and Resources, 2002(in Chinese). [本文引用:2]
[4] 刘春玲, 童立强, 聂洪峰, 等. 中国东部重要经济区带基础地质环境遥感调查与监测项目成果报告之二(石漠化遥感调查报告)[R]. 北京: 国土资源部, 2010.
Liu C L, Tong L Q, Nie H F, et al. Basic Geological Environment Investigation and Inspection in China Eastern Economic Zone(Remote Sensing Investigation of Rocky Desertification)[R]. Beijing: Ministry of Land and Resources, 2010(in Chinese). [本文引用:2]
[5] 胡宝清, 廖赤眉, 严志强, 等. 基于RS和GIS的喀斯特石漠化驱动机制分析——以广西都安瑶族自治县为例[J]. 山地学报, 2004, 22(5): 583-590.
Hu B Q, Liao C M, Yan Z Q, et al. Diving Mechanism Diagnosis of Karst Rocky Desertification in Du’an Yao Autonomous County of Guangxi Based on RS and GIS[J]. Journal of Mountain Science, 2004, 22(5): 583-590(in Chinese with English Abstract). [本文引用:3]
[6] 吴虹, 陈三明, 李锦文. 都安石漠化趋势遥感分析与预测[J]. 国土资源遥感, 2002(2): 15-19.
Wu H, Chen S M, Li J W. Remote Sensing Analysis and Prognosis of Desertification in Du’an[J]. Remote Sensing for Land and Resources, 2002(2): 15-19(in Chinese with English Abstract). [本文引用:2]
[7] 童立强. 西南岩溶石山地区石漠化信息自动提取技术研究[J]. 国土资源遥感, 2003(4): 35-38.
Tong L Q. A Method for Extracting Remote Sensing Informatin from Rocky Desertificationareas in Southwest China[J]. Remote Sensing for Land and Resources, 2003(4): 35-38(in Chinese with English Abstract). [本文引用:1]
[8] 《运筹学》教材编写组. 运筹学第三版[M]. 北京: 清华大学出版社, 2005.
Operations Research Teaching Material Compilation Group. Operations Research III[M]. Beijing: Tsinghua University Press, 2005(in Chinese). [本文引用:2]