林思乡，徐涵秋，林中立

(福州大学环境与资源学院、福州大学遥感信息工程研究所、福建省水土流失遥感监测评估与灾害防治重点实验室，福建 福州 350108)

长汀水土流失区地表裸土动态变化及生态分析

林思乡，徐涵秋，林中立

(福州大学环境与资源学院、福州大学遥感信息工程研究所、福建省水土流失遥感监测评估与灾害防治重点实验室，福建 福州 350108)

为了对福建省长汀县水土流失进行动态监测，并对其治理成效进行评价，基于Landsat卫星影像和遥感信息技术，将裸土指数(NDSI)和不透水面指数(NDISI)相结合，提取长汀县2001—2013年的地表裸土信息，从而对该县近12 a来的地表裸土进行时空变化分析；同时基于遥感生态指数(RSEI)对长汀县裸土变化的生态响应进行分析。结果表明：长汀县地表裸土面积在12 a间有了大幅度的减少；而生态状况则随之好转，生态级别为优、良等级所占的面积比例均有上升。回归分析表明，各年份的地表裸露度与RSEI生态值都呈现明显的线性负相关关系，说明长汀县近12 a生态质量的改善与地表裸土面积的大量减少有直接的关系。

水土流失；裸土指数；不透水面指数；遥感生态指数；长汀县

水土流失在当今的生态环境问题中已经日益突出。严重的水土流失会造成生态环境恶化，引发灾害，具有很大的危害性。由于特殊的自然地理条件和社会经济因素，水土流失已成为中国主要的环境问题之一。水土流失造成地表出现大面积的裸露土壤。因此，如何快速并准确地定位裸土区域，进行地表裸土的时空变化分析，对于水土流失的治理工作尤其重要[1]。目前，凭借着能够实现大面积观测的特点，卫星遥感对地观测技术已经成为相关政府部门开展水土流失综合治理工作时获取数据的重要手段[2]。近年来，与水土流失、生态分析相关的遥感研究也陆续展开。吴清泉等[3]应用SPOT影像数据，动态监测了长汀县水土流失区；李晓松等[4]基于遥感和GIS技术，对赤城县的水土流失现状、空间分布及其变化原因进行了分析；徐涵秋[5]基于Landsat卫星数据和遥感指数法，从裸土面积、裸露强度和破碎度3方面对长汀县地表裸土时空变化进行了研究；白艳芬等[6]以青海湖环湖地区为研究区，通过遥感与GIS技术提取生态因子，计算出研究区的生态综合脆弱度；孟岩等[7]基于中巴资源卫星影像数据，通过遥感技术方法提取反映生态环境状况的相关指数，对垦利县生态环境进行定量评价。

为了掌握长汀县水土流失区地表裸土的动态变化情况，本文基于遥感空间信息提取技术，对该县2001—2013年地表裸土的时空动态变化进行分析，并利用新近提出的遥感生态指数RSEI[8]对长汀县这一期间的生态变化进行分析。这不仅可以客观地考察福建省政府2000年的政策对长汀县水土流失治理带来的效应，还可以对长汀县今后的水土保持工作和生态环境保护提供科学的决策依据。

1 基本原理与方法

1.1 研究区概况

长汀县是福建省龙岩市的山区县，总面积约3090 km2。长汀县属中亚热带季风气候区，年平均降水量1550～1750 mm，平均气温为18.3 ℃，在地形上呈中间低凹、四周隆起的盆地特征。长汀县是我国南方典型的红壤水土流失区，长期以来一直是福建省水土流失治理的重点实验区。

1.2 遥感影像处理与裸土信息提取

本次研究使用Landsat系列卫星影像。遥感影像获取的时间分别为：2001年10月12日(ETM+)、2004年10月 12日(TM)和2013年10月 5日(Landsat 8)。长汀县水土保持工作在2000年被福建省委省政府纳入为民办实事项目后加大了水土流失治理工作的力度，因此本次研究选择的时间段能够有效地评价该政策对该县的水土流失治理工作所带来的效应。

使用Chander等[9-10]提出的模型和参数对TM和ETM+影像数据进行辐射校正，将影像的DN值转化成反射率；对于2013年的Landsat 8影像，采用USGS网站最新提供的反演模型进行辐射校正。统一采用最邻近像元法和二次多项式进行影像之间的配准，RMSE均小于0.5个像元。

目前，针对裸土信息提取的遥感指数主要有归一化土壤指数NDSI(Normalized Difference Soil Index)[11]、裸土指数BI(Bare Soil Index)[12]和归一化裸地指数NDBaI(Normalized Difference Bareness Index)[13]。经过试验对比，发现NDSI较适合本次研究区的裸土信息提取，因此用该指数进行裸土提取，其公式为：NDSI=(MIR-NIR)/(MIR+NIR)，式中，MIR为中红外波段的反射率；NIR为近红外波段的反射率，分别对应于TM5、TM4波段。

实际上，NDSI的波段构成与用来增强建筑不透水面信息的NDBI[14]是一致的。从图1a可以看出，土壤与不透水面在TM5波段的反射率都大于TM4波段的反射率。因此，利用NDSI进行裸土信息提取的过程中，会使裸土与不透水面两者都得到增强，导致二者混淆在一起。

首先通过NDSI与NDISI分别获取得到土壤和不透水面两者的增强影像，将增强后的裸土影像和不透水面影像合并成新影像，运用逻辑算法来剔除裸土信息中混有的建筑不透水面，最终得到裸土分布图。所采用的逻辑关系式为：

IfNDSI>t1andNDISI≤t2thenNDSI=1 else null

(1)

式中：t1为裸土的提取阈值；t2为不透水面的提取阈值。

从公式(1)可以看出，确定某像元是裸土的条件是该像元在裸土增强影像中的值必须大于t1，同时要满足其在不透水面增强影像中的值要小于等于t2。满足该条件的像元赋值1，确定为裸土，无法满足该条件的像元均被赋予null值予以剔除，这样就可以将建筑不透水面信息与裸土区分开来(图1d)。

图1 土壤与不透水面混淆分析

对于提取的裸土信息，使用高分辨率影像进行精度验证。利用2004年10月的SPOT 5高分辨率影像(10 m)验证2004年10月的裸土信息提取结果，2013年10月影像的提取结果则用Google Earth的2013年4月的高分辨率影像进行验证。由于2001年的影像没有同期高分辨率影像，所以采用不变像元法进行精度验证，即利用2004年SPOT影像验证2001年影像的提取结果，但在验证过程应选取土地覆盖类型无明显变化的像元。结果表明(表1)，3个年份所提取的裸土信息都有较高的精度。

表1 精度验证评价表

1.3 遥感生态指数RSEI

本文采用的遥感生态指数RSEI[8]由4个指标组成——湿度(Wet)、绿度(Green)、热度(LST)和干度(Dry)，分别用缨帽变换的湿度分量、NDVI植被指数、地表温度和裸土建筑指数来代表。RSEI采用主成分分析方法来集成以上4个指标，并用归一化的第一主成分(PC1)来代表：RSEI0=1-{PC1[f(Wet，NDVI，Dry，LST)]}；RSEI=(RSEI0-RSEI0_min)/(RSEI0_max-RSEI0_min)。因此，RSEI值介于0～1之间，RSEI值越接近0，生态越差，反之，生态越好。

2 结果与分析

2.1 裸土变化分析

2.1.1 裸土的面积变化 依次对研究区2001年、2004年、2013年的裸土信息提取影像(图2)进行统计，得到各年份研究区的裸土面积(表2)。从表2可以看出，长汀县地表裸土面积从2001年的128.59 km2降至2013年的60.17 km2，减少了53.21%。从图2也可以看出，2001—2013年这12 a间代表裸土的白色区域大部分消失。分时段来看，2001—2004年每年减少裸土面积达到9.24 km2，水土流失治理速度较快；2004—2013年每年减少4.52 km2，治理速度有所减缓。

表2 长汀县裸土面积

图2 研究区各年份裸土分布(白色区域代表裸土)

2.1.2 裸土的空间变化 采用遥感图像灰度差值法分析长汀县裸土的空间变化(图3)。图中白色代表裸土增加的区域，灰色代表裸土减少的区域，黑色为裸土不变的像元与非裸土像元。2001—2013年的裸土差值结果主要表现为灰色，说明这12 a来长汀县的裸土出现大量的减少。减少的裸土区域主要集中于中南部的河田镇和策武镇地区，而增加的裸土区域则主要集中在县城一带。

分阶段看，2001—2004年该县以灰色调为主，说明这阶段裸土面积有较明显减少。2004—2013年的差值影像灰、白分明，表明该阶段在裸土减少的同时也有新的裸土产生，裸土减少主要集中在中南部的河田镇，裸土的增加主要位于策武镇与县城的东北部。

长汀县的水土流失治理工作在新中国成立之前就已经开始，但不见成效。一直到1983年福建省政府以河田镇作为福建省水土流失治理试点后，其治理工作才有所见效。2000年以后，长汀县水土流失治理工作被福建省委省政府进一步列为全省为民办实事项目，其治理工作进入加速阶段。本次研究揭示的该县2001—2013年的裸土变化数据也充分说明长汀县水土保持工作在2000年被福建省纳入为民办实事项目后取得了明显的成效。但研究表明(表2)，该县在2004—2013年的治理速度有所减缓，2013年长汀县的地表裸土面积仍有60.17 km2，说明长汀县的水土流失治理仍是一个长期而艰巨的任务。

2.2 生态变化分析

RSEI指数计算出3个研究年份的RSEI值分别为0.749、0.707、0.789，表明2001—2013年间，长汀县遥感生态指数RSEI虽有起伏，但总体呈上升的趋势，从2001—2013年其均值上升了约5.1%。为进一步分析长汀县的生态变化，将各年份的RSEI以0.2为间隔划分为5个层次，分别代表生态差、较差、中等、良、优。统计表明(表3)，长汀县生态级别为优、良等级所占的比例由81.73%上升至87.38%，增加了近6个百分点，而生态等级为差、较差、中等则呈总体下降的趋势。从长汀县3个年份的生态分级影像(图4)也可以看出，2001—2013年间生态优、良等级所占的面积有明显的增加，而中等及其以下生态等级所占的面积明显减少，尤其是中等、较差2个等级的面积出现大幅度减少。

图3 研究区裸土变化分析

RSEI级别2001年2004年2013年面积/km2百分比/%面积/km2百分比/%面积/km2百分比/%差(0～0.2)15.050.4911.830.3813.610.43较差(0.21～0.4)127.314.11125.274.0467.292.17中等(0.41～0.6)423.1713.67504.3216.29310.1210.02良(0.61～0.8)1249.0840.331541.1049.771219.6239.39优(0.81～1.0)1282.0441.40914.1329.521486.0147.99合计3096.65100.003096.65100.003096.65100.00

图4 长汀县各研究年份生态分级影像

长汀县的RSEI变化分析可以说明，该县的生态质量在这12 a间得到了改善。这显然与长汀县在这一期间裸土的大面积减少相呼应。地表裸露的减少能够降低地面的干度和热度，相应地提高了地面的绿度和湿度，从而使得RSEI值得到提高。福建水利信息网2012年公布的数据[16]：长汀县累计治理水土流失面积7.85万hm2，森林覆盖率由1986年的59.8%提高到现在的79.4%，治理区植被覆盖率由35%提高到91%，土壤侵蚀模数由8580 t·km-2·a-1下降到605 t·km-2·a-1，径流系数由0.52下降到0.35，生态质量大为改善。这与本研究基于RSEI的生态监测结果相一致，说明长汀县这一时段的水土流失治理，对该县生态质量的改善起到了积极的促进作用。

2.3 地表裸土与生态变化的相关性分析

为了能够定量地分析地表裸土变化所带来的生态效应，进一步采用徐涵秋[17]的方法将所求取的各年份地表裸土信息转换为地表裸露度，然后分别将其与各年份对应的RSEI生态值进行回归分析。

分别在地表裸露度和RSEI影像上以5×5的网格进行采样，每幅影像约采16000个样本，然后分别对其进行线性、指数、对数等多种函数的回归分析，结果表明线性关系是地表裸露度与RSEI生态值之间的最佳拟合关系(图5，方程均通过0.1%的显著性检验)。

图5 地表裸露度与RSEI生态值的回归分析

从图5的回归模型可以看出，各年份的地表裸露度与RSEI生态值都呈现明显的线性负相关关系。3个年份的R2值分别为：0.9301、0.9228、0.8419，表明二者之间的相关关系很强。其斜率也比较一致，稳定在-0.85左右，说明长汀县地表裸土变化对生态的影响相对稳定。地表裸露度的升高会造成RSEI生态值的相应降低；反之，则会促使RSEI生态值上升。因此，长汀县近12 a生态质量的改善与地表裸土面积的大量减少有直接的关系。

3 结论

本文将裸土指数与不透水面指数相结合，并通过逻辑关系运算进行研究区裸土信息的提取。使得裸土信息中混入的建筑不透水面信息能被有效剔除。因此，双指数法提取的裸土信息不会混有建筑用地等不透水面信息。

长汀县在2001—2013年间水土保持工作效果显著，12 a来地表裸土面积大幅度减少，从128.59 km2降至60.17 km2，减少了53.21%，面积净减了68.42 km2，年均减少5.70 km2，并以河田与策武镇地区的裸土减少最为明显。遥感生态指数RSEI对长汀县的生态质量评价表明，2001—2013年该县的生态质量得以改善，其RSEI值从2001年的0.749提高至2013年的0.789，上升了约5.1%。总体上看，对长汀县水土流失区近12 a来地表裸土与生态变化所进行的分析，能够客观地反映当地水土保持工作的进展以及福建省政府相关政策所带来的效应。

[1]徐涵秋.福建省长汀县河田盆地区近35年来地表裸土变化的遥感时空分析[J].生态学报，2013，33(10)：2946-2953.

[2]徐宪立，马克明，傅伯杰，等.植被与水土流失关系研究进展[J].生态学报，2006，26(9)：3137-3143.

[3]吴清泉，陈明华，陈文祥，等.福建省水蚀区土壤侵蚀遥感监测技术探讨[J].水土保持通报，2007，27(4)：49-52.

[4]李晓松，姬翠翠，曾源，等.基于遥感和GIS的水土流失动态监测——以河北省赤城县为例[J].生态学杂志，2009，28(9)：1723-1729.

[5]徐涵秋.南方典型红壤水土流失区地表裸土动态变化分析——以福建省长汀县为例[J].地理科学，2013，33(4)：489-496.

[6]白艳芬，马海州，张宝成，等.基于遥感和GIS技术的青海湖环湖地区生态环境脆弱性评价[J].遥感技术与应用，2009，24(5)：635-641.

[7]孟岩，赵庚星.基于卫星遥感数据的河口区生态环境状况评价——以黄河三角洲垦利县为例[J].中国环境科学，2009，29(2)：163-167.

[8]徐涵秋.区域生态环境变化的遥感评价指数[J].中国环境科学，2013，33(5)：889-897.

[9]Chander G，Markham B L.Revised Landsat-5 TM radiometric calibration procedures and postcalibration dynamic ranges[J].IEEE Transactions on Geoscience and Remote Sensing，2003，41(11)：2674-2677.

[10]Chander G，Markham B L，Helder D L.Summary of current radiometric calibration coefficients for Landsat MSS，TM，ETM+，and EO-1 ALI sensors[J].Remote Sensing of Environment，2009，113(5)：893-903.

[11]Kearney M S，Rogers A S，Townshend J R G，et al.Developing a model for determining coastal marsh “health”[C]∥Third Thematic Conference on Remote Sensing for Marine and Coastal Environments C，Seattle，Washington，1995：527-537.

[12]Rikimaru A.Landsat TM data processing guide for forest canopy density mapping and monitoring model[C]∥ITTO workshop on utilization of remote sensing in site assessment and planning for rehabilitation of logged-over forest，Bangkok，Thailand，1996：1-8.

[13]Zhao H，Chen X.Use of normalized difference bareness index in quickly mapping bare areas from TM/ETM+[C]∥Geoscience & Remote Sensing Symposium.Igarss.Proceedings.IEEE International，2005：1666-1668.

[14]Zha Y，Gao J，Ni S.Use of normalized difference built-up index in automatically mapping urban areas from TM imagery[J].International Journal of Remote Sensing，2003，24(3)：583-594.

[15]Xu H Q.Analysis of impervious surface and its impact on urban heat environment using the normalized difference impervious surface Index (NDISI)[J].Photogrammetric Engineering and Remote Sensing，2010，76(5)：557-565.

[16]陈雷.全面总结推广长汀经验，扎实做好水土流失治理工作——在总结推广长汀水土流失治理经验座谈会上的讲话[EB/OL].[2012-05-17]http：//www.fjwater.gov.cn/jhtml/ct/ct_771_70731.

[17]徐涵秋.遥感监测地表裸露度动态变化及其热环境效应[J].农业工程学报，2012，28(23)：98-106.

Dynamics of Exposed Bare Soil Cover and Ecological Status in the Soil Loss Area of Changting County

LIN Si-xiang，XU Han-qiu，LIN Zhong-li

(CollegeofEnvironmentandResources，InstituteofRemoteSensingInformationEngineering，FuzhouUniversity，FujianProvincialKeyLaboratoryofRemoteSensingofSoilErosionandDisasterProtection，Fuzhou350108，Fujian，China)

To investigate and monitor the current situation of soil erosion in Changting county，and evaluate the progress of water-soil conservation work，this study combined the normalized difference soil index (NDSI) and the normalized difference impervious surface index (NDISI) to extract bare soil information，based on the time-series Landsat images of Changting county and remote sensing technology，and then analyzed the spatiotemporal variation of bare soil distribution from 2001 to 2013.Meanwhile，an ecological analysis of Changting county based on the remote sensing ecological index (RSEI) was conducted.Results show that the area of bare soil in Changting county has been greatly reduced，and the ecological status has been improved.The proportion of excellent and good ecological grades has raised，while the low ecological grades have an overall downward trend.Analysis of regression showed that surface exposed degree and RSEI value have presented a significant linear negative relationship.This clearly shows that the improvement of ecological quality has a direct relation with the substantial reduction of exposed bare soil areas of Changting county in this 12 years.

soil erosion；bare soil index；impervious surface index；remote sensing ecological index；Changting county

2014-11-20

国家科技支撑计划项目(2013BAC08B01-05)

林思乡(1990—)，男，福建漳州人，福州大学环境与资源学院硕士研究生，从事环境与资源遥感研究。E-mail：794800540@qq.com。

10.13428/j.cnki.fjlk.2015.03.002

S714.7

A

1002-7351(2015)03-0007-06