水土流失地理国情监测关键技术研究

2016-02-26冯存均

测绘通报 2016年1期

关键词：国情土地利用植被

冯存均

(1. 浙江省地理信息中心，浙江杭州 310012; 2. 浙江省地理国情监测中心，浙江杭州 310012;

3. 地理国情监测国家测绘地理信息局重点实验室，浙江杭州 310012)

Research on Analysis of Soil Erosion Based on Geographic Conditions Monitoring

FENG Cunjun

水土流失地理国情监测关键技术研究

冯存均1,2,3

(1. 浙江省地理信息中心，浙江杭州 310012; 2. 浙江省地理国情监测中心，浙江杭州 310012;

3. 地理国情监测国家测绘地理信息局重点实验室，浙江杭州 310012)

Research on Analysis of Soil Erosion Based on Geographic Conditions Monitoring

FENG Cunjun

摘要：开展水土流失遥感监测，对水土流失情况及其防治效果进行动态监测和评估，是预防监督和治理工作的基础和前提，对保护生态环境具有重要意义。本文在地理国情监测框架下，利用多源多时相多分辨率异构数据，综合利用各类地理国情监测技术方法，研究形成了一套准工程化的水土流失分布提取及统计分析方法，并成功应用于某县级研究区；同时将高分辨率彩色航片、各类基础测绘等数据应用于水土流失变化驱动力分析，取得了显著成效。随着未来地理国情监测常态化工作的开展，地表覆盖、高精度地形地貌数据等地理国情监测成果也将为水土流失监测提供更直接、更丰富的数据支撑，进一步提高监测效率和精度。

关键词：水土流失；地理国情监测；高分辨率影像

水土流失是土地退化的根本原因，也是导致生态环境恶化的重要因素。我国是世界上水土流失最严重的国家之一，水土流失已成为中国的头号环境问题。开展水土保持监测，从保持水土资源和维护良好的生态环境出发，运用地面监测、遥感、全球定位系统、地理信息系统多种信息获取和处理手段，对水土流失的成因、数量、强度、影响范围、危害及其防治效果进行动态监测和评估，是水土流失预防监督和治理工作的基础和前提。

在周期性大范围水土流失监测方面，国内外已开展了大量研究、实践工作[1-3]。遥感技术具有多源性、宏观性、周期性、综合性及量化特征，因此大范围水保监测主要采用遥感技术。使用的遥感数据源有TM、HJ-1A/B等，空间分辨率为30 m。基于TM影像和高程数据，浙江省完成了2009年全省水土流失遥感普查工作，进一步佐证了遥感技术在水土流失监测中的可行性与优势。

2011年，国家测绘地理信息局、浙江省人民政府决定联合开展“浙江省地理国情监测试点”项目[4]，其中一个子课题就是从地理国情监测的视角开展水土保持监测的关键技术研究。与目前常见的水土流失遥感调查技术相比，地理国情监测可在以下几个方面为水土保持遥感动态监测提供更好的支持：①地理国情监测可为水土保持监测提供更加精确的数据支持。地理国情监测获取的多时相多分辨率卫星影像、高分辨率航片、基础地理信息数据可进一步提高成果准确度，也为分析水土流失变化原因提供了必要的数据源。②地理国情监测可为水土保持监测提供相应的技术支撑。地理国情监测中自动化、智能化的地理信息提取技术可应用于水土流失信息快速准确提取，时空分析技术将为多时相水土保持监测成果对比、趋势及驱动力分析提供重要支持[5]。

本文在地理国情监测框架下，以浙江省德清县为例，充分利用多源多分辨率遥感影像、基础地理信息数据、各类专题数据等，提取土地利用、植被覆盖度、坡度等水土流失关键影响因子，在此基础上根据水利部颁发的《土壤侵蚀分类分级标准》[6]进行2011年水土流失信息提取，并基于测绘与地理信息部门积累的多时相基础地理信息数据、高分辨率遥感影像进行2009—2011年水土流失变化情况统计和变化原因分析，研究探索一套更加精确、分析相对深入的水土流失遥感动态监测方案。

一、数据源分析

获取和处理的数据主要包括多源多时相多分辨率遥感影像、基础地理信息数据、各类专题数据等。

1. 多源多时相多分辨率遥感影像

选取2011年SPOT5原始影像(全色分辨率2.5 m、多光谱10 m)，用于提取植被覆盖度信息、土地利用信息等。

选取2011年0.2 m高分辨率彩色航片(少部分区域为2010年底的0.5 m分辨率彩色航片)、2009年SPOT5影像制作的DOM产品，用于水土流失变化原因分析。

2. 基础地理信息数据

高精细的地表高程模型(DEM)是计算高精度坡度信息的基础，也是关系到水土流失信息提取颗粒度的一项重要因子，本文采用2011年1∶10 000基础地理信息数据库中的5 m格网DEM数据用于坡度信息提取及遥感影像的高精度地形辐射纠正。

同时，还选取了2009年和2011年的1∶10 000数字线划图中的地类名称辅助点用于辅助土地利用信息提取、水土流失变化原因分析。

3. 各类专题数据

本文使用的各类专题数据主要包括水保样地调查数据、土地利用调查数据。

水保样地调查数据来源于第一次全国水利普查水土保持专项普查。调查时间主要集中在2011年，包含土地利用类别、植被种类、植被覆盖度、林木郁闭度等实地调查信息。本文主要用于土地利用信息、植被覆盖度、水土流失等级等的提取和验证。

土地利用调查数据时相为2004年，主要用于辅助土地利用信息提取。

此外本文还使用了县级行政区划等数据，用于地类单元统计。

二、水土流失信息提取

水土流失信息提取主要包括数据预处理、评价因子提取、水土流失评价及成果统计等环节，如图1所示。

图1　水土流失信息提取流程

1. 数据预处理

对2011年SPOT5遥感影像进行辐射定标、基于暗像元的大气纠正、基于高精细DEM数据的几何光学模型地形辐射纠正，以便获取表征实际物理量的植被NDVI指数信息。

2. 评价因子提取

主要提取土地利用、植被覆盖度、坡度3项水土流失关键影响因子。

针对土地利用因子，根据《土壤侵蚀分类分级标准》，仅需提取水田、水体、城镇及农村用地等地类图斑。本文基于SPOT5影像、土地利用调查数据、彩色航空影像、基础地理信息DLG数据等，以计算机自动分类为主、人工修正为辅的方法提取土地利用信息。在自动分类中，根据地类光谱特征差异情况，综合使用基于专家知识的决策树法和最大似然法进行自动分类，提高了分类效率。

针对植被覆盖度因子，基于前述获得的植被NDVI指数，采用像元二分模型进行提取。即假设影像上每个像元的信息可以分为土壤与植被两部分。通过遥感传感器所观测到的信息S，就可以表达为由绿色植被成分所贡献的信息Sveg与由土壤成分所贡献的信息Ssoil这两部分。将S线性分解为Ssoil、Sveg两部分，即

S=Ssoil+Sveg

通过比例换算关系可知，植被覆盖度fc计算公式为

fc=(S-Ssoil)/(Sveg-Ssoil)

植被NDVI指数可作为观测信息S的近似线性表征，在NDVI影像基础上，结合实地植被覆盖度采样调查数据，可获取上述fc计算公式中土壤与植被两个未知参量，然后根据该参量即可计算各个像元的植被覆盖度信息。

针对坡度因子，本文基于5 m格网DEM数据，先计算每个像元的坡度信息，并进行坡度分级，采用自动分区分片并行计算方式进行快速矢量化，最终采用无缝拼接技术快速合成全区坡度分级成果。

在完成土地利用、植被覆盖度因子提取后，采用实地验证方式进行采样验证。

3. 水土流失评价及成果统计

在完成土地利用、植被覆盖度、坡度3种因子的提取后，根据《土壤侵蚀分类分级标准》计算各单元水土侵蚀等级并进行成果统计，如图2所示。

在完成水土流失图斑提取后，采用实地验证、高分辨率影像验证等方式对其进行采样验证。

研究区水土流失图斑分布如图3所示，统计结果见表1。

图2　水土流失综合评价流程

图3　2011年研究区水土流失分布

等级面积/km2比例/(%)无明显902.3796.21轻度16.051.71中度13.821.47强烈3.770.40极强烈1.500.16剧烈0.410.05

研究区内不同坡度、不同高程各级水土流失区面积占比情况如图4、图5所示。分析可知，剧烈程度高的水土流失区往往分布在坡度较大的区域。不同高程上各级水土流失区的分布差异明显弱于坡度因素。

图4　2011年研究区内不同坡度各级水土流失分布区占比

图5　2011年研究区内不同高程各级水土流失分布区占比

三、水土流失变化分析

本文对比分析2011年水土流失分布与2009年对应监测成果，从变化面积、转移矩阵、变化强度及分布等方面对研究区内水土流失变化情况进行统计；并辅助多期高空间分辨率遥感影像和基础地理信息数据，选取水土流失变化典型区域，分析变化原因。

研究区内水土流失总面积减少9.55 km2，各等级面积对比如图6所示，各等级变化矩阵见表2。

图6　研究区水土流失面积对比

水土流失变化强度是水土流失等级变化显著程度的度量，每个水土流失变化图斑的变化强度等于变化前后水土流失等级的差值，流失减弱取正数，流失增强则取负数。研究区内两期强度变化如图7所示。减弱1个等级的图斑总面积占总变化面积的36.52%。

表2　研究区水土流失面积变化矩阵　km2

图7　研究区水土流失变化强度面积统计

变化在空间上的分布如图8所示。针对典型变化区域，本文基于多期1∶10 000数字线划图、多期卫星影像及高分辨率彩色航片对变化原因进行实证研究和分析总结。采用该方法可以判断导致等级变化的总体原因(如图9所示)，通过归纳总结可得出水土流失等级变化的总体驱动力，为水土保持工作提供决策依据。

图8　研究区水土流失变化强度分布

四、结束语

本文在地理国情监测框架下，利用多源多时相多分辨率异构数据，综合利用各类地理国情监测技术方法，研究形成了一套准工程化的水土流失分布提取及统计分析方法，并成功应用于某县级研究区。本文充分挖掘测绘与地理信息行业获取的高分辨率彩色航片、各类基础测绘数据等的优势，将其应用于水土流失变化驱动力分析研究。研究结果表明，基于此类高分影像和多期调绘数据，结合实证研究和变化统计方法，对区域变化驱动力分析具有显著成效。随着地理国情普查工作的不断推进，形成的地表覆盖、高精度地形地貌数据也将为水土流失遥感监测的土地利用因子、坡度因子提取提供更加直接、更加丰富的数据支撑，进一步提高监测的效率和精度。