三峡库区奉节到巴东段石漠化分布及驱动因子分析

王朋伟，牛瑞卿，江齐英，王 鹏

(1.中国地质大学 地球物理与空间信息学院，武汉 430074;2.水利部长江勘测技术研究所，武汉 430011)

石漠化是继沙漠化和水土流失之后的我国第三大生态问题［1］。袁道先指出石漠化是中国南方亚热带岩溶地区严峻的生态问题，导致了岩溶风化残积层土的迅速贫瘠化［2－3］。我国石漠化主要分布于长江流域和珠江流域，其中长江流域面积最大，为732.1万 hm2，占石漠化总面积的56.5%;珠江流域次之，为486.5万 hm2，占37.5%［4］。三峡库区奉节以东为震旦系到三叠系碳酸盐岩组成，本地区岩溶发育，生态系统脆弱，加上不合理的开发利用，导致喀斯特地区石漠化发育。已有的研究通过建立石漠化解译标志、改进植被指数、或者建立光谱关系模型等［5－6］进行石漠化信息提取或者划分影响石漠化的指标体系，然后将各因子叠加后定量化于石漠化判读［7－8］。以上所提的方法在某些方面满足了石漠化调查的需要，然而存在无法建立石漠化与各驱动因子之间如何反馈定量化信息［9］的问题。本文利用RS与GIS技术研究三峡库区奉节到巴东段石漠化分布特征，以及利用数据挖掘的方法获取该地区石漠化影响因子对石漠化反馈作用，为当地政府和管理部门提供科学参考。

1 研究地区概况

奉节到巴东段处于震旦系到三叠系碳酸盐岩组成的川鄂褶皱山地，地势总体上自西北向东南降低，一般高程800～1 800 m。山脉走向亦受构造控制，大巴山呈NW至NWW向峥嵘耸立于库区之北，巫山山脉呈NE至NEE向绵延于鄂边境，长江河谷深切山地中，两岸山峰耸立，河谷狭窄，水流湍急。属中亚热带湿润季风气候，研究区面积为618.1 km2。

2 石漠化及驱动因子提取

有很多因子对石漠化产生影响［10］，本文选择岩性、居民区影响、坡度、植被作为研究的主要因子。气象、土壤、社会经济等也能够影响石漠化的发展，然而，由于研究区域小、影像分辨率低等特点，可以忽略它们的差异。石漠化规则挖掘流程见图1。

图1 石漠化规则挖掘流程Fig.1 Flow chart of rules-mining for rock desertification

2.1 数据介绍

遥感影像:奉节到巴东 LandSat5－TM影像(2004年4月22日，轨道号为126/38，1～5，7波段分辨率30 m，第6波段分辨率60 m，太阳高度角58.854 439 9°)。

等高线、地质数据:1∶50 000 等高线、1∶200 000标准分幅地质图，主要包括地层时代岩性、断层分布、褶皱等。

2.2 影像预处理

2.2.1 辐射校正

对于LandSat5－TM来说，随着时间的推移，星载传感器的光电变化系统的灵敏度特性会发生偏差，这可以通过地面定期测定，并根据测量值进行校正。光谱辐射值亮度与图像DN值之间的关系为

式中:Gain为增益系数，Bias为偏移系数，在遥感数据获取时，同时得到并记录在遥感数据的头文件中。计算表观反射率ρ公式如下:

其中L是根据图像DN值计算出来，D为日地之间距离(天文单位)，ESUN为大气层顶的平均太阳光谱辐射度(见表1)，θ是太阳天顶角。

表1 LandSat5－TM的大气层顶平均太阳光谱辐射度Table 1 Average solar spectral irradiances at the atmospheric top by landSat5－TM

2.2.2 几何校正

利用研究区地形图校正影像，使其保持具有相同的投影坐标系统。影像坐标系统从WGS84转到西安80坐标，使地形图、地质图、遥感影像具有相同区域与坐标系统。

2.3 岩性因子划分

石漠化影响最显著的因素是岩性作用。本研究区主要地层为从志留系到三叠系之间，本地层碳酸盐组划分规则见表2。图2是根据表2规则生成的岩性分类图。

图2 岩性分类图Fig.2 Classification of lithology

2.4 水体与居民区影响因子提取

(1)水体提取:本研究区主要水体为长江以及长江支流，为了快速提取水体，本文根据钟春棋(2008)等利用单波段阈值法和多波段增强图阈值法进行水体信息提取的差异［11］，从而确定出最佳水体综合提取方法，即综合利用多波段(TM2+TM3＞TM4+TM5)和单波段TM2建立起适合山区水体提取方法。

(2)居民区提取:快速、准确、客观地提取居民地信息是基于居民地与背景地物谱间差异原理。根据陈洁丽(2010)等提出利用波段3、波段4、波段5的差异，提出一种新的建筑指数(New Built－up Index，NBI)，并利用该指数提取居民区信息［12］。

式中:TM3，TM4，TM5分别为TM影像的红波段、近红外波段和短波红外波段。本文对此方法进行改进，加入NDVI作为限制因素准确定位居民区位置。居民区=(NDVI＜α ＆＆ NBI＞β)，α，β分别为随机在居民区采样的平均值。水体与居民区划分见图3。

图3 水体与居民区分布图Fig.3 Distribution of water and residential area

(3)居民住宅缓冲区:易表达人类活动，间接反映人类干扰程度。越接近居民区，人类干扰越强烈，石漠化越强。居民区影响因子获取:500，1 000，1 500，2 000，2 500，3 000 m，大于 3 000 m 作为缓冲区。图4为利用GIS的Buffer功能生成的影响区图。

图4 居民区影响区Fig.4 Areas influenced by residential area

表2 岩性分组表Table 2 Lithology grouping

2.5 像元二分植被覆盖度反演模型

像元二分模型假设一个像元信息由土壤与植被2部分信息组成。通过遥感传感器所观测到的信息S，可以表达为由绿色植被成分所贡献的信息Sv与由土壤成分所贡献的信息Ss2部分组成，将S线性分解为Sv和Ss2部分:S=Sv+Ss。已有研究表明将NDVI引入二元植被覆盖度反演模型［13］，因此计算覆盖度的公式表示为

即图像中每个像元的NDVI值可以看成是植被覆盖部分和无植被覆盖部分的NDVI的加权均值，其中NDVIsoil为无植被覆盖区域的NDVI值，即无植被的纯净像元NDVI值;而NDVIveg则代表完全被植被覆盖所覆盖的像元NDVI值，即纯植被象元的NDVI值，计算植被覆盖公式如下:

本次研究的影像由于没有当地的实测数值，通过选取训练区的方法获取研究取得NDVIsoil和NDVIveg分别为0.165 695和0.667 447(如表3)，以及生成的植被覆盖度图(见图5)。

图5 植被覆盖度Fig.5 Gradation of vegetation coverage

2.6 坡度信息获取

地形是影响石漠化发生和发展的主要自然因素之一，坡度是地形的表现，坡度表示了局部地表坡面的倾斜程度，坡度大小直接影响着地表物质流动与能量转换的规模与强度，是制约生产力空间布局的重要因子。利用arcgis坡度分析功能生成坡度。坡度划分等级为:0°～5°;5°～8°;8°～15°;15°～25°;25°～35°;35°～90°。图6 为生成的坡度分级图。

2.7 E－TVA石漠化增强指数

图6 坡度分级图Fig.6 Gradation of slope degrees

根据已有的文献知，石漠化与植被指数有密切的关系，可以利用植被指数图转化成石漠化指数图。Ts－EVI特征空间下的温度植被角TVA说明了植被指数与地面温度2种数据结合，可以衍生出更丰富的、清晰的地表信息［14］，能够反馈出石漠化信息。石漠化与植被覆盖度成反比，与温度成正比。具体计算如下。

(1)增强型植被指数(EVI):是一个同时校正土壤和大气影响的反馈机制指数。该指数能够综合消除土壤、阴影和大气的影响，减小噪声。表示为

式中:ρ*为大气校正的的反射值;L=1，为土壤调节参数;参数 C1，C2分别为6.0和7.5。

(2)Ts－EVI特征空间下温度植被角度:TM影像的热红外波段(第6波段)的DN计算出辐射亮度L，然后根据辐射亮值计算传感器温度，计算过程如下:首先根据L计算传感器温度

T单位为K，k1和k2是计算常数。Ts－EVI特征空间下温度植被角度为

(3)定义E－TVA:岩溶石漠化在TM图上特征明显，通常以TM743合成假彩色图像，无石漠化为比较饱和的绿色，色调均匀;微石漠化为绿色中略带紫色斑点或斑块;轻度石漠化为绿色中带有红紫色斑点或斑块;中度石漠化多为斑杂状影像，绿色斑块与洋红色斑块相互混杂;重度石漠化总体上呈红紫色，其中零星带有绿色斑点［15］。根据TM743这些特点，利用直方图匹配方法增强TVA形成E－TVA，石漠化效果更加明显。图7是生成的石漠化分级图。

图7 石漠化分级图Fig.7 Gradation of rock desertification

表3 训练区NDVI值Table 3 NDVI values of training area

从石漠化分级图中可以看出，通常距离居民地越远石漠化发生概率越低;中、重度石漠化主要分布在沿江两岸，因为这些地区人类活动强烈且有脆弱的地质环境(主要是碳酸盐岩夹碎屑岩)。

3 石漠化与驱动因子关系分析

对石漠化指标的量化和客观化方面研究较少，主要以定性为主，各因素对石漠化影响主要依靠经验获得，难以衡量其大小的客观指标，这也为石漠化研究的数据分析带来困难。基于石漠化的特点，利用数据挖掘的方法，科学、合理地寻找出石漠化等级与各个因子之间的关系。如图8。

图8中的网络线，表示各种因子与石漠化等级之间的关联强度，线的粗细表示了关联强弱。粗线表示关联强，细线次之。如图中碳酸盐岩夹碎屑岩－重度石漠化、居民地影响等级(0～500)－重度石漠化、植被等级(0.8～1)－无石漠化等的线均粗，说明它们之间关系紧密。这种关联图是一种比较直观的表达式。从图8中可以看出哪些属性等级对石漠化影响更强烈，但不能综合反应石漠化多因素影响，下面采用决策树C5.0算法综合研究各因子对石漠化影响规则。

决策树(Decision Tree，DT)根据信息增益熵的原理对属性进行分组，然后采用“分而治之”的方法将问题的搜索空间分为若干子集;也是一种简单但却广泛使用的分类技术，它直接提供了在什么样的条件下会得到什么样的结果这样规则的方法。本文以“if then”语句表示其规则，其意义是:如果“if”中的前提条件满足，则得出“then”中的结论。

决策树的构造［16］:①计算分类所需的信息熵;②计算每个属性X的条件熵;③计算属性X的信息增益和信息增益率;④归纳决策树;⑤设定迭代次数T，利用Boosting技术产生一系列决策树模型，得到精度更高的复合决策树模型。

图8 石漠化因子关联图Fig.8 Correlation between rock desertification and influencing factors

从图9可看出植被在石漠化研究中信息增益率最大，这是石漠化外部表现的原因;居民影响、坡度、岩性影响增益率基本差不多。说明植被对石漠化的解释程度相对其它几个变量较大，反映各个指标对判别的相对重要性。

表4为影响因子与石漠化强度的规则集，抽取部分规则解释如下:

规则2如果植被覆盖度在“0.4 ～0.6”之间，中等覆盖，且坡度比较陡，大约在“35°～ 90°”之间，此处的岩性为纯碳酸盐区，比如石灰岩、白云岩或灰岩与白云岩互层，且距离居民区比较远，则该地区可被认为是无石漠化区，发生石漠化概率小。

规则15如果植被覆盖度低，坡度在“15°～25°”，且该地区岩性为碳酸盐岩夹碎屑岩，居民地影响较大，大概距居民地为“500～1 000 m”，则可认为此区域发生中度石漠化概率大。

上面规则集反映了石漠化驱动因子与石漠化的关系集合，同时也反映了石漠化的脆弱性。岩性、坡度影响因子的变动都会对石漠化产生影响，特别是居民地影响较为强烈，从起因上看，是潜在的自然因素基础上叠加人类工程活动所致，其发展趋势取决于人地关系的协调。

图9 变量重要性Fig.9 Importance of variables

表4 石漠化与驱动因子规则集Table 4 Rule sets of the influencing factors of rock desertification

4 结果与讨论

(1)利用E－TVA模型提取石漠化因子，然后采用概率统计和C5.0决策数模型生成便于人们理解的关联图和规则集。从关联图中可以得到各个因子指标对石漠化影响程度，然而这种关系只是单独性，没有考虑到石漠化综合因素反馈的结果;而规则集中可以清晰地看出因子的定量指标综合对石漠化等级的影响。从规则集与变量重要性中可以看出植被对石漠化影响最为明显，植被覆盖度是岩溶石漠化最直接的表现之一。石漠化的产生不是某种孤立的因素造成的，而是多种因素综合作用所形成的。

(2)从规则集得出如下规律:植被覆盖度可以直观反映石漠化程度;碳酸盐含量较高的岩性对石漠化影响强烈;距居民影响区越近影响越强烈;坡度在“35°～90°”发生石漠化概率低，而坡度在“15°～35°”易发生石漠化。

(3)石漠化遥感信息提取精度与获取的石漠化指标度因子密切相关，而且受石漠化指标度分段方法的影响，有待后续研究进一步完善。

［1］刘 拓，周光辉，但新球，等.中国岩溶石漠化——现状、成因与防治［M］.北京:中国林业出版社，2009:1－21.(LIU Tuo，ZHOU Guang-hui，DAN Xin-qiu，et al.Rock Desertification in the Subtropical Karst of China:Status，Causes and Prevention［M］.Beijing:Chinese Forestry Press，2009:1 －21.(in Chinese))

［2］YUAN Dao-xian.Rock Desertification in the Subtropical Karst of South China［J］.Z.Geomorph.N.F，1997，108:81－90.

［3］袁道先.岩溶石漠化问题的全球视野和我国的治理对策与经验［J］.草业科学，2008，25(9):19 －25.(YUAN Dao-xian.Global View on Karst Rock Desertification and Integrating Control Measures and Experiences of China［J］.Pratacultural Science，2008，25(9):19 － 25.(in Chinese))

［4］国家林业局.岩溶地区石漠化状况公报［N］.中国绿色时报，2006－06－21(2).(State Forestry Administration.State of the Karst Rocky Desertification Area［N］.Green Times，2006－06－21(2).(in Chinese))

［5］况顺达，戴传固，王尚彦，等.岩溶石漠化遥感信息增强技术探讨［J］.贵州地质，2009，26(1):44 －48.(KUANG Shun-da，DAI Chuan-gu，WANG Shang-yan，et al.Enhancement of Remote Sensing Information Technique of Rocky Desertification［J］.Guizhou Geology，2009，26(1):44 －48.(in Chinese))

［6］夏学齐，田庆久，杜凤兰.石漠化程度遥感信息提取方法研究［J］.遥感学报，2006，10(4):469 －473.(XIA Xueqi，TIAN Qing-jiu，DU Feng-lan.Retrieval of Rock-Desertification Degree from Multi-spectral Remote Sensing Images［J］.Journal of Remote Sensing，2006，10(4):469 －473.(in Chinese))

［7］胡顺光，张增祥，夏奎菊.遥感石漠化信息的提取［J］.2010，12(6):870 －877.(HU Shun-guang，ZHANG Zengxiang，XIA Kui-ju.Information Extraction of Karst Rocky Desertification Using Remote Sensing［J］.Journal of Geo-Information Science，2010，12(6):870 － 877.(in Chi-nese))

［8］ZHANG Pan-pan，YU Yuan-man，XIAO Du-ning.Rocky Desertification Risk Zone Delineation in Karst Plateau Area:A Case Study in Puding County，Guizhou Province［J］.Chinese Geographical Science，2010，20(1):84 －90.

［9］熊平生，袁道先，谢师友.我国南方岩溶山区石漠化基本问题研究进展［J］.中国岩溶，2010，29(4):355－360.(XIONG Ping-sheng，YUAN Dao-xian，XIE Shi-you.Progress of Research on Rocky Desertification in South China Karst Mountain［J］.Carsologica Sinica，2010，29(4):355－360.(in Chinese))

［10］HUANG Q H，CAI Y L.Spatial Pattern of Karst Rock Desertification in the Middle of Guizhou Province，Southwestern China［J］.Environmental Geology，2007，52(7):1325－1330.

［11］钟春棋，曾从盛，柳铮铮.基于谱间特征与比值型指数的水体影像识别分析［J］.地球信息科学，2008，10(5):663－ 668.(ZHONG Chun-qi， ZENG Cong-sheng， LIU Zheng-zheng.Study on Terrestrial Water Information Identified Based on the Analysis of Spectral Signature and Ratio Index［J］.Geo-Information Science，2008，10(5):663 －668.(in Chinese))

［12］陈洁丽，刘永学，李满春，等.一种基于遥感数据快速提取居民地信息的新方法［J］.地理与地理信息科学，2010，26(5):72 － 74.(CHEN Jie-li，LIU Yong-xue，LI Man-chun，et al.A New Method of Extracting Residential Areas Based on Remote Sensing Image［J］.Geography and Geo-Information Science，2010，26(5):72 －74.(in Chinese))

［13］CARLSON T N，RIPLEY D A.On the Relation between NDVI，Fractional Vegetation Cover，and Leaf Area Index［J］.Remote Sensing of Environment，1997，62(3):241 －252.

［14］王长耀，骆成凤，齐述华，等.NDVI－Ts空间全国土地覆盖分类方法研究［J］.遥感学报，2005，9(1):93 －99.(WANG Chang-yao，LUO Cheng-feng，QI Shu-hua，et al.A Method of Land Cover Classification for China Based on NDVI-Ts Space［J］.Journal of Remote Sensing，2005，9(1):93 －99.(in Chinese))

［15］江 东，王乃斌，杨小唤，等.植被指数－地面温度特征空间的生态学内涵及应用［J］.地理科学进展，2001，20(2):146 －152.(JIANG Dong，WANG Nai-bing，YANG Xiao-huan，et al.Ecological Connotation and Application of the Vegetation Index-Surface Temperature Feature Space［J］.Progress in Geography，2001，20(2):146 －152.(in Chinese))

［16］鞠建华，戴传固.岩溶石漠化遥感监测与防护规划［M］.北京:地质出版社，2006:43－48.(JU Jian-hua，DAI Chuan-gu.Monitoring by Remote Sensing and Protection Programs for Rock Desertification in the Karst［M］.Beijing:Geology Press，2006:43 －48.(in Chinese))

［17］朱玉全，杨鹤标，孙 蕾.数据挖掘技术［M］.南京:东南大学出版社，2006，(1):102 －116.(ZHU Yu-quan，YANG He-biao，SUN Lei.Data Mining［M］.Nanjing:Southeast University Press，2006，(1):102 －116.(in Chinese ))