赛罕乌拉荒漠化土地遥感调查研究

张秋颖 包亮 周梅 王青梅

[摘要]本文以赛罕乌拉国家自然保护区为研究对象，利用赛罕乌拉2009年8月份TM和SPOT影像，通过目视解译、监督分类与特征值提取法监测赛罕乌拉荒漠化土地类型，发现风蚀荒漠化和水蚀荒漠化是研究区内主要的荒漠化类型，面积为87.59km2，占研究区总面积的8.7%。其中，风蚀荒漠化土地分布在新立营子北部及南部山坡和临近的锡林郭勒盟西乌旗附近地区，占研究区荒漠化土地总面积的73.36%；水蚀荒漠化土地，分布在呼热艾勒村后及山坡上和必图村附近，占研究区荒漠化面积的26.64%。

[关键词]赛罕乌拉 荒漠化 监督分类 特征值提取

[中图分类号]S717.19+3 [文献码] B [文章编号] 1000-405X（2014）-7-239-2

1前言

荒漠化是由于气候变化和包括人类活动在内的种种因素造成的干旱、半干旱及亚湿润干旱地区的土地退化，己成为当今世界最为严重的环境与社会经济问题之一，涉及全球约36×108km2的土地面积[1]。中国是世界受荒漠化影响最严重的国家之一，荒漠化土地总而积达86.16×104km2，荒漠化问题己严重阻碍了社会经济的可持续发展。因此，世界各国对荒漠化都进行了积极的防治，其中荒漠化调查和监测作为荒漠化防治的基础性工作，其方法与手段也突破了传统的方式。航空、航天技术的发展为荒漠化遥感监测提供了丰富的多光谱、高空间分辨率的遥感影像资料，这些遥感数据以其准确性和适时性以及覆盖区域的广泛性和完整性在荒漠化监测中得到广泛应用[2-5]。

目前基于遥感的荒漠化监测研究主要集中在两个方面：一是荒漠化土地目视解译。如朱丽运用TM遥感影像，结合实地调查，进行人机交互判读，得到鄂托克旗2000年和2005年的风蚀荒漠化景观类型数据[6]；二是基于单指标或多指标的荒漠化综合评价。Tripathyetal在对印度Gulbarga地区荒漠化监测中，利用Landsat、MSS和印度资源卫星数据，提取地表反照率、归一化植被指数，利用土壤通用侵蚀方程和气象数据获取土壤侵蚀速率和土壤水分，通过GIS的数据融合获得了研究区荒漠化三级分类[7]；赛罕乌拉国家自然保护区成立于1997年，是一个以保护珍稀濒危野生动植物及森林、草原、湿地等多样生态系统为主的国家级自然保护区。自保护区成立以来，该区的自然环境和野生生物资源保护工作取得了明显的进展，但随着近年来经济发展和放牧等人为干扰加剧的影响，区内进一步规划发展也面临着新的挑战。本文针对研究区的地理环境特点，结合实地调查采样并建立特征影像，为减少误差，利用目视解译与特征值提取相结合的方法直接提取研究区内各类型的荒漠化土地，为保护区环境保护方案的制订提供依据，对研究区自然资源可持续发展保护意义重大。

2研究区概况

赛罕乌拉自然保护区位于内蒙古自治区赤峰市巴林右旗北部，地处大兴安岭岭南山地，地理坐标为东经118°18′～118°55′，北纬43°59′～44°27′，保护区总面积为10.04万公顷，属中温带半湿润温寒气候区森林生态类型自然保护区，气候特点为冬季漫长寒冷，降雪量少；夏季短促炎热，降水量集中；秋季气温下降快，霜冻来临早。保护区年平均气温2℃，7月份最热，平均气温18℃，最高气温达29℃；1月份最冷，平均气温-18℃，最低气温-32℃。年有效积温1800℃。无霜期为100天左右。年平均降水量为400㎜，多集中在6月至8月份，夏季降水历年平均在300㎜左右，历年平均降水日数为72天，年均蒸发量2050 ㎜，是我国少有的以保护森林、草原、湿地等多种生态系统、多样物种及西辽河源头重要水源涵养地为主体的山地型综合性自然保护区。

3数据来源

TM影像具有丰富的波普信息，并可直观的反映沙化地表的形态、规模、分布和发展趋势，而SOPT影像具有较高的分辨率，通过影像处理，能够获取丰富的地面信息。因此本研究所综合采用赤峰市赛罕乌拉国家自然保护区2009年陆地卫星TM图像、2009年8月份SPOT影像，结合研究区边界线矢量数据以及当地的实地调查、地面监测资料及气象水文等资料，对赛罕乌拉自然保护区内荒漠化土地进行监测与调查分析。

4荒漠化信息提取过程

以2009年SPOT影像为基准图，对研究区2009年TM 遥感影像进行几何校正、配准、影像裁剪、数据融合等处理，利用ENVI进行监督分类，分类后处理，特征值分类等方法提取荒漠化信息，Acrgis作为辅助软件，完成了人机交互解译、特征图层提取和面积的计算等工作。

4.1选择最佳波段组合

多光谱遥感数据是沙地动态监测的数据源，从中提取的沙地信息是监测的基础数据。波段是否为最佳组合，直接影响沙地信息的提取和地物的分类。结合研究区域的实际情况，通过对单波段信息、波段间的相关性和OIF指数的分析，研究了提取物及其背景的特征，获得提取沙地信息的最佳波段组合为波段3、4、7。该组合形成的彩色图像地物信息丰富，沙地信息突出，易于目视解译，效果良好 [8]。

4.2图像几何校正与融合

以SPOT为基准图，校正的地物点选取了变化小、相对永久性的地物。如道路与道路交叉点，道路与河流交叉点、河流交汇点、水库等明显变化小的地物，所选地物控制点共130个，分布较均匀，总体误差控制在1个像元内，继而对研究区TM与SPOT5数据采用Gram-schmidt方法进行融合，融合后的地物较清晰、逼真。

4.3研究区荒漠化信息提取

赛罕乌拉国家自然保护区位于大兴安岭南部山地，山脉较多，且植被覆盖较好，土地类型为东部黄土区土地，经过实地荒漠化调查显示研究区内主要荒漠化类型为风蚀荒漠化和水蚀荒漠化，盐渍荒漠化面积较小，所以不做分类。本文对研究区的荒漠化土地采用计算机自动提取和人机交互式提取相结合的方法来完成，自动提取采用监督分类中的最小距离法，人工交互式提取是将计算机监督分类后的图像与已有资料在Arcgis软件中进行剔除处理。 影像中的居民点和水域面积较小，但易与荒漠化土地混淆，为了便于分类，将居民点与水域从影像中剔除，生成掩膜文件，将剩余的土地划分为植被覆盖和无植被覆盖两类，再将分离出来的无植被覆盖土地进行决策树分类，最后选取NDMI（土壤湿度指数）作为特征值，经过密度分割选取阈值，区分风蚀荒漠化和水蚀荒漠化土地。

4.3.1研究区荒漠化影像特征

研究区荒漠化土地主要集中分布在河滩地和坡度较小的山地附近。坡上土壤因降雨而松弛，或者被水流剥离，土壤粒子被冲到斜面下方，形成侵蚀沟道，冲走的土壤积存到水道或下游流域，形成冲积扇。研究区内盐渍荒漠化面积较小，主要分布在河滩两旁，且为季发性荒漠化土地。在遥感影像特征上荒漠化土地地表反射率较强烈，为白色或者暗棕色，连片状或是斑点状。

4.3.2荒漠化地区计算机信息提取

监督分类又称训练场法，是在已知荒漠化地区的影像上提取训练样本，通过选取的样本确定判别函数或判别式把影像中荒漠化地区像元点划归到同一类。即为提取的荒漠化信息。

4.3.3基于知识的分层分类提取

在作物估产、旱情监测等遥感应用中，运用热红外遥感、微波遥感等方法进行定量研究，提取土壤含水量。这些方法要求特定的遥感数据源及大量的实测数据。本文面向宏观的土地荒漠化信息提取，可利用 TM 数据的波段组合提取反映湿度的量。由于水体 对于TM5 波段强吸收，且 水体对TM2 波段（G）具有反射的特点，用这两个波段可提取土壤湿度指数 NDMI，其表达式为：

NDMI=■ （公式1）

对照高分辨率SPOT影像评价，NDMI值：水体>水蚀荒漠化土地>风蚀荒漠化土地。

对NDMI影像进行密度分割。比对高分辨率SPOT影像与实地调查结果，并经过多次试验而得到的经验值，确定阈值在0.4912-0.5977之间的地区为风蚀荒漠化土地，阈值大于0.5977的地区为水蚀荒漠化土地，将提取出来的荒漠化影像进行分类。

4.3.4土地荒漠化類型的提取结果

将经过密度分割的NDMI影像输入到Arcgis进行Reclassify重分类，并生成图例，输出分类结果。

5结果与讨论

（1）本次赛罕乌拉土地荒漠化调查结果显示：研究区内荒漠化面积为87.59km2，占研究区总面积的8.7%，其中风蚀荒漠化为主要荒漠化类型，面积为64.25km2，占荒漠化总面积的73.36%，水蚀荒漠化为次要荒漠化类型，面积为23.3km2。风蚀荒漠化主要分布在临近锡盟边界附近、虎硕芒哈嘎查村附近和新立营子村附近的低山丘陵区，水蚀荒漠化主要分布在呼热艾勒村附近。

（2）赛罕乌拉属多样性的地带，只有通过遥感及地理信息系统等信息获取及分析的有效手段，通过对即时、高分辨率的影像数据的分析处理，才能够更好地了解到研究区荒漠化土地状况并对它的危害及其防治给予更有说服力的分析评价。在对 2009 年赛罕乌拉地区遥感影像进行解译时采取了基于知识的特征值提取方法，运用此方法区分荒漠化类型相对于目视解译省时省力且具有较高的精度，但是对遥感数据质量的要求较高。该次试验采用的数据源为 TM 遥感影像与SPOT影像相融合的影像，即保留了TM影像的多光谱信息，又提高了分辨率，增加了分类的精度。

（3）本文利用遥感图像，通过遥感技术和地理信息系统技术，对赛罕乌拉的土地荒漠化问题进行了初步的研究。虽得出了一定的结论，但是本文所选取的研究因子是很有限的，而在实际的环境中，情况更加复杂，与遥感调查结果存在一定的误差，因此，本文的结论是初步的和尝试性的，对该地区荒漠化的研究只具参考价值。

参考文献

[1]UNCCD. United Nations convention to combat desertification in those countries experiencing serious drought and/or descrtification particularly in Africa. Paris， 1994. http：// www.unccd.int/convention/text/convention.php.

[2]马力鹏，韩光庆，等.TM影像在河西地区荒漠化土地调查中的应用[J].中国沙漠，1996，16（4）：401-406.

[3]Tucker C J， Bhaskar J， Choudhurg. Satellite Remote Sensing of Drought Congdition [J] .Remote Sens Environ， 1987， 23： 243-251.

[4]张玉贵，Beernaert F R，刘华.TM影像的计算机屏幕解译与荒漠化监测[J].林业科学研究，1998.11（6）599-606.

[5]黄敬峰，蒋亨显，王人潮.干旱区土地利用遥感监测研究[J].干旱区研究，1999.16（2）：54-60.

[6]朱丽，李金霞，秦富仓，等.鄂托克旗风蚀荒漠化景观格局动态变化研究[J].中国沙漠，2009，29 （6）：1063-1063.

[7]Tripathy， G.K， Ghosh， T.K.， Shah，S.D.. Monitoring of desertification process in Karanataka State of India using multitemporal remote sensing and ancillary information using GIS[J].Intrational Journal of Remote Sensing， 1996， 17（12）：2243-2257.

[8]荆耀栋，周淑琴，吴发启，等.LANDSAT数据在沙地动态监测中提取沙地信息的最佳波段组合研究[J]. 中国农学通报，2011，27（17）：147-150.