“3S”技术在喀斯特土地石漠化研究中的应用现状及展望

李仕蓉+王恩文+龚文琪

摘要：我国西南部喀斯特生态环境脆弱、单一、受人类活动影响较大，土壤石漠化严重，引起一系列的生态环境、社会经济问题，使喀斯特石漠化研究、防治变得刻不容缓。近些年，随着科技的进步、科学手段的不断丰富，“3S”技术即遥感（RS）、地理信息系统（GIS）、全球卫星定位系统（GPS）已广泛地应用于喀斯特石漠化研究中。本文综述了近年“3S”技术在喀斯特石漠化研究中的应用，并从喀斯特石漠化的预警、动态监测、空间布局、成因分析、空间格局分布等方面论述了“3S”技术在喀斯特石漠化科学技术研究、防治工作中的应用及理论创新。

关键词：喀斯特石漠化；“3S”技术；预警；动态监测；成因分析

中图分类号： S157.1；S127文献标志码： A文章编号：1002-1302（2014）06-0017-03

收稿日期：2013-09-05

基金项目：贵州省自然科学基金（编号：黔科合J字LKA[2012]16号）；贵州省哲学社会科学项目（编号：12GZYB60）；

作者简介：李仕蓉（1974—），男，土家族，贵州思南人，硕士，副教授，从事环境社会学的研究。E-mail：lishirong2214712@163.com。喀斯特石漠化是脆弱的生态环境，在人类不合理的社会经济活动干扰下造成人地矛盾突出、植被破坏、水土流失、土地生产力衰退丧失、地表呈现类似荒漠景观的岩石逐渐裸露的演变过程[1]。我国袁道先先生于20世纪80年代首次提出了“喀斯特石漠化”的概念，并用来表征从地表植被、土壤覆盖到岩石裸露荒漠化景观的喀斯特石漠化变迁过程。

贵州省地处我国西南部云贵高原地区，是目前世界上热带、亚热带地区，喀斯特石漠化分布面积最广、程度最高的高原山区。据有关资料记载，贵州省喀斯特石漠化面积占全省土地面积的73%，高达13万km2，喀斯特石漠化发育强烈、分布面积广，给当地的社会经济活动带来了强烈的影响，形成了喀斯特地区所特有的“喀斯特贫困”[2]现象，是实现和谐、全面小康社会亟待解决的社会经济问题。

1国内外研究现状

喀斯特石漠化在全球范围内分布较广，国外喀斯特石漠化区域主要集中在欧洲地中海周围，少量分布在英国约克郡石灰岩地区、加拿大东南部布鲁斯半岛、塔斯玛尼亚等地；我国喀斯特石漠化区域以西南部部分省份尤其是贵州最典型，如贵州西南州，广西、广东、湖南、四川局部等地均有分布。与国外喀斯特石漠化分布区相比，我国喀斯特石漠化分布规模更大、面积更广、生态环境更脆弱、人口更多、贫困程度更高。

在喀斯特石漠化研究与治理的工作中，由于重视较早，科学技术条件较好，国外取得了较多的研究成果和良好的治理效果，目前部分石漠化地区已经有了很大程度的恢复。我国从20世纪70年代开始，陆续开展了大量的喀斯特石漠化研究与治理工作。这些工作主要集中在石漠化现象描述、分布现状、动态监测、预警分析、成因、演化机制以及生态治理等方面，喀斯特石漠化研究展现出多角度、多样性、多元化的特点，取得了大量的研究成果[3]。

“3S”技术包括地理信息系统（GIS）、遥感（RS）及全球定位系统（GPS）三大独立系统，是三者英文缩写的简称。其三大独立系统在空间信息管理中特色各异，皆可独立完成自身的功能，也有各自的不足。GIS与RS能够进行空间信息获取和处理，GIS是一种管理、分析处理空间数据的计算机系统，能够高效管理并进行灵活数据分析，拥有较强的空间查询、分析和综合处理能力，但难以用来直接获取数据；RS是一种获取大面积内区域信息的手段，有特定的光谱波段，有所限制，并且难以精确定位和进行高精确度的分类；GPS是一种准确定位的系统装置，能准确定位，对空间数据分析有非凡的意义，但其无法进行空间数据和区域信息等地理属性的获取[4]；三者有效结合能够实现三大独立系统技术的综合，发挥更大的作用。

本文从“3S”技术在喀斯特石漠化中应用研究的角度综述了“3S”技术在喀斯特石漠化预警、动态监测、空间布局、成因分析、空间格局分布等方面，论述了“3S”技术在喀斯特石漠化的科学技术研究、防治工作中的应用及理论创新。

2“3S”技术在喀斯特石漠化研究中的应用

“3S”技术中3个独立系统的有机结合形成了一个系统，从而实现多种技术的综合。“3S”技术在喀斯特石漠化研究、调查、治理中的应用，使“3S”技术得到了新的应用空间。如喀斯特石漠化的环境安全评价、动态监测、空间预警、石漠化成因分析、等级分级等“3S”技术在喀斯特石漠化中的综合多方面的应用。

2.1喀斯特生态安全评价

GPS精准定位，RS获取空间、地域的环境生态安全等方面遥感监测数据，这些数据在GIS系统中进行编辑、处理，从而达到生态安全评价的可视化。周旭等在前人研究的基础上，在利用“3S”技术进行安全评价的研究中提出喀斯特景观生态安全评价体系，结合“3S”理论，以“3S”应用发展状况为基础，提出了“3S”技术支持下的退化景观生态安全评价技术框架[5]。左伟等利用RS获取生态安全评价指标数据，结合已有喀斯特生态环境研究及相关成果，建立某一特定区域的生态安全评价的评价模型，实现区域的生态安全评价。在RS和GIS的方法和基础上，通过对区域生态安全综合评价、评价结果的尺度转换等模型的建立，利用模型的运算获得小流域生态环境系统的安全等级综合评价结果[6]。

2.2石漠化遥感动态监测

喀斯特石漠化动态监测是“3S”技术一个重要应用方向。RS的动态监测已经成功在植被动态变化、环境因素变化、海岸线变化、土地覆盖及利用变化等领域得到运用，三者结合的“3S”技术是土地资源调查和土地覆盖、利用、动态变化的动态监测的一种高效、精确的监测手段。

胡娟等利用从地球资源卫星CBERS-02上获得的遥感数据，用GIS系统进行遥感影像、TM和SPOT解译，在对黔南喀斯特石漠化的抽样调查及动态监测中显示出喀斯特石漠化的准确分布信息，与RS最佳波段（RGB：431）组合影像对照喀斯特石漠化演变与更替，为黔南布依族自治州喀斯特石漠化动态监测的实际应用提供了准确可靠的监测及预测数据[7]。

左羽利用“3S”技术，结合计算机网络，在毕节地区构建出一个分布式生态环境动态监测系统，实现了集成生态环境动态监测技术在喀斯特石漠化动态监测中的应用。该分布式生态环境动态监测系统在网络平台基础上集成“3S”技术软件搭建软件平台进行喀斯特石漠化动态监测，以遥感数据为主要信息源，以地面GPS核查数据为辅，建立毕节地区喀斯特生态环境基础数据库，通过该分布式生态环境动态监测系统可实时在线获取毕节地区喀斯特石漠化动态监测结果[8]，及时准确地获取、管理、分析石漠化变化数据。

2.3喀斯特石漠化预警

通过解译遥感影像获取喀斯特资源环境信息，在调查收集相关经济、社会等指标数据基础上，采用“3S”技术对农地石漠化警情进行分析预测，结果表明“3S”技术已成功运用于喀斯特石漠化预警。例如，闫妍等采用“3S”技术和神经网络方法（3S-ANN）对广西壮族自治区都安县土地石漠化进行预警并分析预测[9]。

苏锋等以重庆奉节喀斯特石漠化山地为研究对象，以Landsat TM数字图像为基础数据源，对石漠化专题数据信息进行提取、分级，并运用Erdas imagine 8.1.5对获取的数据影像进行几何校正，提取相应调查区域，在ArcGIS平台上，人机交互判读对石漠化目视判读，得到重庆奉节地区石漠化分级预警结果[10]。经科学考证对比分析发现，所获得的石漠化预警结果与所调查区域喀斯特石漠化实际情况吻合，有力证明了“3S”技术应用预警模型具有较强预警能力，吻合程度高。

2.4喀斯特石漠化成因分析

我国喀斯特石漠化成因多样化，主要形成因子有喀斯特生态系统地质、土壤、水文气候、植被覆盖、地貌及人类活动等，国内大量学者认为应选择坡度、植被覆盖率、基岩裸露、平均土厚、农用价值等作为评价指标[11]。

2.4.1喀斯特生态系统地质我国西南部受地质构造及古环境变迁的影响，贵州等地裸露的碳酸盐岩地层齐全，岩层厚度大，分布面较广，喀斯特地貌十分发育。同时，我国喀斯特石漠化发生地自然地理条件独特，存在正负地形的反差，喀斯特石漠化程度不一。锥峰与洼地、谷底或峡谷组合，平面上正地形面积大于负地形面积。锥峰基座、峰顶高度不一，向区域地形坡向倾斜，峰坡多呈裸岩地或石旮旯地，石漠化现象严重。锥峰与洼地、谷地或峡谷组合的正地形面积约等于负地形，基座锥峰呈孤立状散布在洼地或谷地周围，相对高度一致，无明显偏向趋势，石漠化严重的荒山草坡或石旮旯地只是在村寨附近有发育较好的植被。锥峰与溶原、盆地或台地组合的正地形面积小于负地形，锥峰（丘峰）呈孤立状点缀在平坦的碳酸盐岩面上，峰顶等齐，无明显倾向，峰坡石漠化较严重，村寨附近有发育较好的植被。Liu等对贵州132个采样点分析资料进行计算，得出灰岩风化剥蚀速率为23.7～110.7 mm/千年，若按平均 61.68 mm/千年的剥蚀速率、平均酸不溶物3.9%计算，风化残积物2.47 mm/千年，丰华图层形成速度慢，约为 25 mm/千年，该指标奠定了喀斯特脆弱生态环境的地质基础[4]。

2.4.2喀斯特土壤因子不同喀斯特石漠化土壤因子是指不同土壤类型、土壤物理化学性质、石漠化景观格局和发生率等土地石漠化的影响因素。杨青青等将景观生态学理论与“3S”技术相结合研究了石漠化景观，结果发现，石漠化景观的土地石漠化主要以棕色石灰土、石质土为主。其中，棕色石灰土石漠化破碎程度最高，黑色石灰土连通度最高；石质土石漠化的平均斑块面积最大，破碎程度最低；斑块最分散以酸性粗骨土石漠化最为典型；黑色石灰土石漠化强度极大且极易发生，硅质岩粗骨土最易发生极大强度石漠化。石灰土、粗骨土以及石质土因本身较脆弱，常常石漠化现象严重。石漠化程度发生率从高至低依次为酸性粗骨土、黑色石灰土、石质土、棕色石灰、硅质岩粗骨土[12]。有研究表明，石漠化的发生与分布在不同土壤中存在明显的差异，土壤发生的特点是导致石漠化形成的主要自然因素。

2.4.3水文气候因子关于石漠化与山区气候关系研究中多数采用面上调查、定位观测和模拟试验相结合的方法。利用ArcMap输入地形空间等数据，结合气温和年降水模型可模拟推算出气温和降水量的关系，吴良林等将ArcMap Spatial Analyst模块中的Raster Calculator用以2008年广西壮族自治区河池市石漠化强度类型图与气候要素图进行叠加运算，得到河池市石漠化类型与气候因子的关系，图形统计结果显示，河池市石漠化发生率约与年均温度呈正比；他们还进行了石漠化与年均降水量关系统计分析，结果发现，河池市石漠化类型、石漠化率与年降水量呈正比[13]。

李森等发现，在模拟天然降雨条件下，裸地的土壤侵蚀量最高，其次是耕地，林地草地土壤侵蚀量最小。岩溶山区石漠化土壤侵蚀量和侵蚀速率是气候、土壤特性、植被条件、土地利用类型、地质环境和地形等可蚀性因子综合影响的结果，其中次降水量、连续30 min最大雨强为最强侵蚀力因子[14]。

2.4.4人为活动影响因子人为活动对喀斯特石漠化的影响主要表现在陡坡开荒、土地利用/土地覆盖变化等人类生产生活产生的影响。金光华认为，人为活动主要影响全区域生物化学循环、生态系统结构功能以及区域小气候等[11]。有研究发现，在人口密集区域（200人/km2），石漠化面积与人口密度呈正比；经济密度欠发达地区（<50万元/km2）各等级石漠化率居高不下，经济密度与石漠化发生率呈反比。

总之，在石漠化驱动力机制图谱研究中，从组成喀斯特生态系统的地质、岩性、植被、地貌、气候及人类活动等多个方面进行相关性分析。喀斯特石漠化是在脆弱的生态环境地质背景上由于人类的强烈扰动而形成的，是多种因子综合的结果。

2.5喀斯特石漠化空间分布格局

石漠化现状与空间分布格局是石漠化研究中最基本的研究内容，同时也是最重要的研究内容之一。蒋树芳等综合利用遥感影像资料和地理信息系统软件平台，根据石漠化分级指标，收集TM影像资料、地形图、地质资料图、土壤植被覆盖图、土地利用图、地貌坡度图及GPS实测数据库等资料，进行都安喀斯特石漠化RS与GIS一体化分析研究，通过统计各级别石漠化面积生成石漠化分级分布图和GIS数据库，并将石漠化面积、生成石漠化分级分布图及驱动因素图相叠加，最终生成都安石漠化空间分布格局图，在石漠化格局分布图中分别呈现浅红、绿红色星状；绿红色，红中带白色斑状，灰白、白色斑状（分别代表着轻度、中度、强度石漠化）[15]。

胡娟等采用程序批处理或按类型转换的方法，借助黔南州土地利用与石漠化关系对应图获取土地各等级石漠化分布的初步格局图。根据在1 ∶50 000或1 ∶200 000水文地质图获取有关喀斯特石漠化信息，在ArcView或ArcGIS软件平台上对行政区图、地质图、土地利用图、坡度图、植被图、土壤图、石漠化外业调查草图进行叠加，并进行人机交互解译，从而获得高精确度石漠化现状分布格局图。他们还利用“3S”技术对黔南州石漠化遥感资料解译获取高精确度石漠化现状分布格局图，研究表明黔南自治州喀斯特面积20 300.74 km2，占总面积的77.5%；非喀斯特面积5 905.59 km2，占总面积的225%[16]，与实际情况基本吻合。

陈起伟等利用获取的ASTER影像、1 ∶50 000地形图、地质图、GPS实测数据等资料，以县（市、区）为单位，采用ERDAS、ArcGIS软件进行人机交互判读解译，统计各等级石漠化面积，生成石漠化现状空间分布格局图及GIS数据库[17]。研究表明，“3S”技术可以通过石漠化遥感资料解译获取高精确度石漠化现状格局分布图。

2.6喀斯特石漠化程度、等级划分

根据陈述彭、刘纪远等的“遥感图像植被指数（NDVI）与植被覆盖率呈现正相关，而喀斯特石漠化程度与植被覆盖率呈现显著负相关关系”等研究结果，吴良林等以NDVI作为石漠化等级的判别标准，根据2008年LANDSAT-TM影像资料，采用ERDAS系统平台中TM4、3波段进行植被指数计算，通过研究TM5、4、3合成图像提取相关石漠化数据，经GPS定位，野外校验NDVI与植被覆盖率之间的对应关系，他们还建立了NDVI与植被覆盖率的关系模型，并分析计算出植被覆盖度分级阈值，利用植被覆盖地域与NDVI间的对应关系，成功引入喀斯特石漠化分级规则[13]。NVDI与石漠化程度分级如表1所示。表1喀斯特石漠化遥感影像解译NVDI与石漠化程度分级

石漠化等级植被覆盖率（%）NVDI植被结构遥感影像特征无石漠化>60>0.30乔木、灌木呈饱和度较高的绿色，条带状或块状轻度石漠化41～600.16～0.30乔草+乔灌呈饱和度中等的绿色，零星分布灰白斑点或小斑块中度石漠化20～400.09～0.15疏草+疏灌饱和度较低的绿色，零星分布绿色斑点或小斑块，分布较多灰白色斑点或小斑块重度石漠化<20<0.09疏草呈灰白色或紫色、极淡的绿色

胡宝清等参考了土地生产能力下降和土地质量变化情况，针对遥感影像TM5、4、3波段假彩色合成资料的特点，选取植被覆盖度、基岩裸露率、植被类型及退化率等，作为利用遥感影像强度作为喀斯特石漠化分级的判别指标，所以将广西喀斯特石漠化分为轻度、中度、重度石漠化3个等级，并根据这些分级指标与遥感影像解译，生成了1 ∶100 000石漠化分级分布图。利用此图可以清楚地看出都安县轻度、中度、强度石漠化的比例分别为17.39%、8.5%、3.28%[18]。

3展望

为了打破“生态破坏与贫困”僵局，我国在喀斯特地区生态、资源可持续发展、生态重建方面开展了大量的理论研究工作与工程示范，主要包括“湖南龙山县洛塔乡模式”“贵州罗甸县大关村模式”“广西来宾小平阳模式”等，以及在喀斯特小流域综合治理中如贵州毕节总结的宝贵经验与措施。但喀斯特石漠化现象依然严峻，今后的研究及治理模式探讨还有待于从以下几个方面加强：（1）关于喀斯特土地石漠化预警理论、预警指标的构建。预警方法等尚处于探索阶段，还须要继续努力进行更多的探索与研究，以完善这一套理论与方法，为喀斯特农地石漠化治理和农业优化调控提供科学的理论依据。（2）在石漠化发展过程中，应用遥感影像解译、GIS数据库、GPS定位检验以及数理统计方法，对某一区域喀斯特石漠化变化的空间格局、分布进行定位化、定量化的分析，获取原始数据的方法不够精确，导致分析结果还不够精准，还须加强研究与实践。（3）“3S”技术对石漠化程度与自然环境过程、人类活动影响等驱动机制的分析仅限于定性分析阶段，还须进一步研究定量分析等方法，深入剖析喀斯特石漠化影响因子、驱动机制，以便为喀斯特石漠化发展状况及防治提供更准确、更深入的支撑。

参考文献：

[1]袁道先，蔡桂鸿. 岩溶环境学[M]. 重庆：重庆科技出版社，1988.

[2]韩清延. 典型岩溶区农地石漠化预警分析与优化调控研究[D]. 南宁：广西师范学院，2010.

[3]Xiong Y J，Qiu G Y，Mo D K，et al. Rocky desertification and its causes in karst areas：a case study in Yongshun County，Hunan Province，China[J]. Environmental Geology，2009，57（7）：1481-1488.

[4]Liu Y S，Wang J Y，Deng X Z. Rocky land desertification and its driving forces in the karst areas of rural Guangxi，Southwest China[J]. Journal of Mountain Science，2008，5（4）：350-357.

[5]周旭. “3S”支持下喀斯特退化景观生态安全评价研究——以贵阳市为例[D].贵阳：贵州师范大学，2006.

[6]左伟，王桥，王文杰，等. 区域生态安全综合评价模型分析[J]. 地理科学，2005，25（2）：209-214.

[7]胡娟，熊康宁，安裕伦. CBERS-02数据在喀斯特石漠化遥感调查中的应用——以贵州黔南布依族自治州为例[J]. 贵州师范大学学报，2007，25（增刊）：171-177.

[8]左羽. 分布式生态环境动态监测系统的架构[J]. 安徽农业科学，2008，36（12）：5095-5096，5103.

[9]闫妍，胡宝清，韩清延，等. 基于3S-ANN技术的县域农地石漠化预警分析——以广西壮族自治区都安瑶族自治县为例[J]. 中国岩溶，2012，31（1）：52-58.

[10]苏锋，何丙辉，熊友胜，等. 基于“3S”技术的奉节县喀斯特石漠化调查及精度评价[J]. 西南师范大学学报：自然科学版，2007，32（6）：60-65.

[11]金光华.“3S”技术支持下的贵州岩溶山区土地利用/土地覆盖变化研究[D]. 贵阳：贵州师范大学，2006.

[12]杨青青，王克林. 基于RS与GIS的桂西北石漠化景观与土壤类型关系研究[J]. 土壤通报，2010，41（5）：1030-1036.

[13]吴良林，周世武，郑士科. GIS支持下的土地石漠化与山地气候空间相关性分析[J]. 安徽农业科学，2012，40（23）：11787-11790.

[14]李森，魏兴琥，张素红，等. 典型岩溶山区土地石漠化过程——以粤北岩溶山区为例[J]. 生态学报，2010，30（3）：674-684.

[15]蒋树芳，胡宝清，黄秋燕，等. 广西都安喀斯特石漠化的分布特征及其与岩性的空间相关性[J]. 大地构造与成矿学，2004，28（2）：214-219.

[16]胡娟，熊康宁，安裕伦. CBERS-02数据在喀斯特石漠化遥感调查中的应用——以贵州黔南布依族自治州为例[J]. 贵州师范大学学报：自然科学版，2008，26（2）：39-42.

[17]陈起伟，熊康宁，蓝安军. 基于“3S”的贵州喀斯特石漠化现状及变化趋势分析[J]. 中国岩溶，2007，26（1）：37-42.

[18]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.董晶晶，薛春雨，习丙文，等. 团头鲂黑素皮质素受体2基因克隆、组织分布和应激后的表达分析[J]. 江苏农业科学，2014，42（6）：20-26.

胡娟等采用程序批处理或按类型转换的方法，借助黔南州土地利用与石漠化关系对应图获取土地各等级石漠化分布的初步格局图。根据在1 ∶50 000或1 ∶200 000水文地质图获取有关喀斯特石漠化信息，在ArcView或ArcGIS软件平台上对行政区图、地质图、土地利用图、坡度图、植被图、土壤图、石漠化外业调查草图进行叠加，并进行人机交互解译，从而获得高精确度石漠化现状分布格局图。他们还利用“3S”技术对黔南州石漠化遥感资料解译获取高精确度石漠化现状分布格局图，研究表明黔南自治州喀斯特面积20 300.74 km2，占总面积的77.5%；非喀斯特面积5 905.59 km2，占总面积的225%[16]，与实际情况基本吻合。

陈起伟等利用获取的ASTER影像、1 ∶50 000地形图、地质图、GPS实测数据等资料，以县（市、区）为单位，采用ERDAS、ArcGIS软件进行人机交互判读解译，统计各等级石漠化面积，生成石漠化现状空间分布格局图及GIS数据库[17]。研究表明，“3S”技术可以通过石漠化遥感资料解译获取高精确度石漠化现状格局分布图。

2.6喀斯特石漠化程度、等级划分

根据陈述彭、刘纪远等的“遥感图像植被指数（NDVI）与植被覆盖率呈现正相关，而喀斯特石漠化程度与植被覆盖率呈现显著负相关关系”等研究结果，吴良林等以NDVI作为石漠化等级的判别标准，根据2008年LANDSAT-TM影像资料，采用ERDAS系统平台中TM4、3波段进行植被指数计算，通过研究TM5、4、3合成图像提取相关石漠化数据，经GPS定位，野外校验NDVI与植被覆盖率之间的对应关系，他们还建立了NDVI与植被覆盖率的关系模型，并分析计算出植被覆盖度分级阈值，利用植被覆盖地域与NDVI间的对应关系，成功引入喀斯特石漠化分级规则[13]。NVDI与石漠化程度分级如表1所示。表1喀斯特石漠化遥感影像解译NVDI与石漠化程度分级

石漠化等级植被覆盖率（%）NVDI植被结构遥感影像特征无石漠化>60>0.30乔木、灌木呈饱和度较高的绿色，条带状或块状轻度石漠化41～600.16～0.30乔草+乔灌呈饱和度中等的绿色，零星分布灰白斑点或小斑块中度石漠化20～400.09～0.15疏草+疏灌饱和度较低的绿色，零星分布绿色斑点或小斑块，分布较多灰白色斑点或小斑块重度石漠化<20<0.09疏草呈灰白色或紫色、极淡的绿色

胡宝清等参考了土地生产能力下降和土地质量变化情况，针对遥感影像TM5、4、3波段假彩色合成资料的特点，选取植被覆盖度、基岩裸露率、植被类型及退化率等，作为利用遥感影像强度作为喀斯特石漠化分级的判别指标，所以将广西喀斯特石漠化分为轻度、中度、重度石漠化3个等级，并根据这些分级指标与遥感影像解译，生成了1 ∶100 000石漠化分级分布图。利用此图可以清楚地看出都安县轻度、中度、强度石漠化的比例分别为17.39%、8.5%、3.28%[18]。

3展望

为了打破“生态破坏与贫困”僵局，我国在喀斯特地区生态、资源可持续发展、生态重建方面开展了大量的理论研究工作与工程示范，主要包括“湖南龙山县洛塔乡模式”“贵州罗甸县大关村模式”“广西来宾小平阳模式”等，以及在喀斯特小流域综合治理中如贵州毕节总结的宝贵经验与措施。但喀斯特石漠化现象依然严峻，今后的研究及治理模式探讨还有待于从以下几个方面加强：（1）关于喀斯特土地石漠化预警理论、预警指标的构建。预警方法等尚处于探索阶段，还须要继续努力进行更多的探索与研究，以完善这一套理论与方法，为喀斯特农地石漠化治理和农业优化调控提供科学的理论依据。（2）在石漠化发展过程中，应用遥感影像解译、GIS数据库、GPS定位检验以及数理统计方法，对某一区域喀斯特石漠化变化的空间格局、分布进行定位化、定量化的分析，获取原始数据的方法不够精确，导致分析结果还不够精准，还须加强研究与实践。（3）“3S”技术对石漠化程度与自然环境过程、人类活动影响等驱动机制的分析仅限于定性分析阶段，还须进一步研究定量分析等方法，深入剖析喀斯特石漠化影响因子、驱动机制，以便为喀斯特石漠化发展状况及防治提供更准确、更深入的支撑。

参考文献：

[1]袁道先，蔡桂鸿. 岩溶环境学[M]. 重庆：重庆科技出版社，1988.

[2]韩清延. 典型岩溶区农地石漠化预警分析与优化调控研究[D]. 南宁：广西师范学院，2010.

[3]Xiong Y J，Qiu G Y，Mo D K，et al. Rocky desertification and its causes in karst areas：a case study in Yongshun County，Hunan Province，China[J]. Environmental Geology，2009，57（7）：1481-1488.

[4]Liu Y S，Wang J Y，Deng X Z. Rocky land desertification and its driving forces in the karst areas of rural Guangxi，Southwest China[J]. Journal of Mountain Science，2008，5（4）：350-357.

[5]周旭. “3S”支持下喀斯特退化景观生态安全评价研究——以贵阳市为例[D].贵阳：贵州师范大学，2006.

[6]左伟，王桥，王文杰，等. 区域生态安全综合评价模型分析[J]. 地理科学，2005，25（2）：209-214.

[7]胡娟，熊康宁，安裕伦. CBERS-02数据在喀斯特石漠化遥感调查中的应用——以贵州黔南布依族自治州为例[J]. 贵州师范大学学报，2007，25（增刊）：171-177.

[8]左羽. 分布式生态环境动态监测系统的架构[J]. 安徽农业科学，2008，36（12）：5095-5096，5103.

[9]闫妍，胡宝清，韩清延，等. 基于3S-ANN技术的县域农地石漠化预警分析——以广西壮族自治区都安瑶族自治县为例[J]. 中国岩溶，2012，31（1）：52-58.

[10]苏锋，何丙辉，熊友胜，等. 基于“3S”技术的奉节县喀斯特石漠化调查及精度评价[J]. 西南师范大学学报：自然科学版，2007，32（6）：60-65.

[11]金光华.“3S”技术支持下的贵州岩溶山区土地利用/土地覆盖变化研究[D]. 贵阳：贵州师范大学，2006.

[12]杨青青，王克林. 基于RS与GIS的桂西北石漠化景观与土壤类型关系研究[J]. 土壤通报，2010，41（5）：1030-1036.

[13]吴良林，周世武，郑士科. GIS支持下的土地石漠化与山地气候空间相关性分析[J]. 安徽农业科学，2012，40（23）：11787-11790.

[14]李森，魏兴琥，张素红，等. 典型岩溶山区土地石漠化过程——以粤北岩溶山区为例[J]. 生态学报，2010，30（3）：674-684.

[15]蒋树芳，胡宝清，黄秋燕，等. 广西都安喀斯特石漠化的分布特征及其与岩性的空间相关性[J]. 大地构造与成矿学，2004，28（2）：214-219.

[16]胡娟，熊康宁，安裕伦. CBERS-02数据在喀斯特石漠化遥感调查中的应用——以贵州黔南布依族自治州为例[J]. 贵州师范大学学报：自然科学版，2008，26（2）：39-42.

[17]陈起伟，熊康宁，蓝安军. 基于“3S”的贵州喀斯特石漠化现状及变化趋势分析[J]. 中国岩溶，2007，26（1）：37-42.

[18]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.董晶晶，薛春雨，习丙文，等. 团头鲂黑素皮质素受体2基因克隆、组织分布和应激后的表达分析[J]. 江苏农业科学，2014，42（6）：20-26.

胡娟等采用程序批处理或按类型转换的方法，借助黔南州土地利用与石漠化关系对应图获取土地各等级石漠化分布的初步格局图。根据在1 ∶50 000或1 ∶200 000水文地质图获取有关喀斯特石漠化信息，在ArcView或ArcGIS软件平台上对行政区图、地质图、土地利用图、坡度图、植被图、土壤图、石漠化外业调查草图进行叠加，并进行人机交互解译，从而获得高精确度石漠化现状分布格局图。他们还利用“3S”技术对黔南州石漠化遥感资料解译获取高精确度石漠化现状分布格局图，研究表明黔南自治州喀斯特面积20 300.74 km2，占总面积的77.5%；非喀斯特面积5 905.59 km2，占总面积的225%[16]，与实际情况基本吻合。

陈起伟等利用获取的ASTER影像、1 ∶50 000地形图、地质图、GPS实测数据等资料，以县（市、区）为单位，采用ERDAS、ArcGIS软件进行人机交互判读解译，统计各等级石漠化面积，生成石漠化现状空间分布格局图及GIS数据库[17]。研究表明，“3S”技术可以通过石漠化遥感资料解译获取高精确度石漠化现状格局分布图。

2.6喀斯特石漠化程度、等级划分

根据陈述彭、刘纪远等的“遥感图像植被指数（NDVI）与植被覆盖率呈现正相关，而喀斯特石漠化程度与植被覆盖率呈现显著负相关关系”等研究结果，吴良林等以NDVI作为石漠化等级的判别标准，根据2008年LANDSAT-TM影像资料，采用ERDAS系统平台中TM4、3波段进行植被指数计算，通过研究TM5、4、3合成图像提取相关石漠化数据，经GPS定位，野外校验NDVI与植被覆盖率之间的对应关系，他们还建立了NDVI与植被覆盖率的关系模型，并分析计算出植被覆盖度分级阈值，利用植被覆盖地域与NDVI间的对应关系，成功引入喀斯特石漠化分级规则[13]。NVDI与石漠化程度分级如表1所示。表1喀斯特石漠化遥感影像解译NVDI与石漠化程度分级

石漠化等级植被覆盖率（%）NVDI植被结构遥感影像特征无石漠化>60>0.30乔木、灌木呈饱和度较高的绿色，条带状或块状轻度石漠化41～600.16～0.30乔草+乔灌呈饱和度中等的绿色，零星分布灰白斑点或小斑块中度石漠化20～400.09～0.15疏草+疏灌饱和度较低的绿色，零星分布绿色斑点或小斑块，分布较多灰白色斑点或小斑块重度石漠化<20<0.09疏草呈灰白色或紫色、极淡的绿色

胡宝清等参考了土地生产能力下降和土地质量变化情况，针对遥感影像TM5、4、3波段假彩色合成资料的特点，选取植被覆盖度、基岩裸露率、植被类型及退化率等，作为利用遥感影像强度作为喀斯特石漠化分级的判别指标，所以将广西喀斯特石漠化分为轻度、中度、重度石漠化3个等级，并根据这些分级指标与遥感影像解译，生成了1 ∶100 000石漠化分级分布图。利用此图可以清楚地看出都安县轻度、中度、强度石漠化的比例分别为17.39%、8.5%、3.28%[18]。

3展望

为了打破“生态破坏与贫困”僵局，我国在喀斯特地区生态、资源可持续发展、生态重建方面开展了大量的理论研究工作与工程示范，主要包括“湖南龙山县洛塔乡模式”“贵州罗甸县大关村模式”“广西来宾小平阳模式”等，以及在喀斯特小流域综合治理中如贵州毕节总结的宝贵经验与措施。但喀斯特石漠化现象依然严峻，今后的研究及治理模式探讨还有待于从以下几个方面加强：（1）关于喀斯特土地石漠化预警理论、预警指标的构建。预警方法等尚处于探索阶段，还须要继续努力进行更多的探索与研究，以完善这一套理论与方法，为喀斯特农地石漠化治理和农业优化调控提供科学的理论依据。（2）在石漠化发展过程中，应用遥感影像解译、GIS数据库、GPS定位检验以及数理统计方法，对某一区域喀斯特石漠化变化的空间格局、分布进行定位化、定量化的分析，获取原始数据的方法不够精确，导致分析结果还不够精准，还须加强研究与实践。（3）“3S”技术对石漠化程度与自然环境过程、人类活动影响等驱动机制的分析仅限于定性分析阶段，还须进一步研究定量分析等方法，深入剖析喀斯特石漠化影响因子、驱动机制，以便为喀斯特石漠化发展状况及防治提供更准确、更深入的支撑。

参考文献：

[1]袁道先，蔡桂鸿. 岩溶环境学[M]. 重庆：重庆科技出版社，1988.

[2]韩清延. 典型岩溶区农地石漠化预警分析与优化调控研究[D]. 南宁：广西师范学院，2010.

[3]Xiong Y J，Qiu G Y，Mo D K，et al. Rocky desertification and its causes in karst areas：a case study in Yongshun County，Hunan Province，China[J]. Environmental Geology，2009，57（7）：1481-1488.

[4]Liu Y S，Wang J Y，Deng X Z. Rocky land desertification and its driving forces in the karst areas of rural Guangxi，Southwest China[J]. Journal of Mountain Science，2008，5（4）：350-357.

[5]周旭. “3S”支持下喀斯特退化景观生态安全评价研究——以贵阳市为例[D].贵阳：贵州师范大学，2006.

[6]左伟，王桥，王文杰，等. 区域生态安全综合评价模型分析[J]. 地理科学，2005，25（2）：209-214.

[7]胡娟，熊康宁，安裕伦. CBERS-02数据在喀斯特石漠化遥感调查中的应用——以贵州黔南布依族自治州为例[J]. 贵州师范大学学报，2007，25（增刊）：171-177.

[8]左羽. 分布式生态环境动态监测系统的架构[J]. 安徽农业科学，2008，36（12）：5095-5096，5103.

[9]闫妍，胡宝清，韩清延，等. 基于3S-ANN技术的县域农地石漠化预警分析——以广西壮族自治区都安瑶族自治县为例[J]. 中国岩溶，2012，31（1）：52-58.

[10]苏锋，何丙辉，熊友胜，等. 基于“3S”技术的奉节县喀斯特石漠化调查及精度评价[J]. 西南师范大学学报：自然科学版，2007，32（6）：60-65.

[11]金光华.“3S”技术支持下的贵州岩溶山区土地利用/土地覆盖变化研究[D]. 贵阳：贵州师范大学，2006.

[12]杨青青，王克林. 基于RS与GIS的桂西北石漠化景观与土壤类型关系研究[J]. 土壤通报，2010，41（5）：1030-1036.

[13]吴良林，周世武，郑士科. GIS支持下的土地石漠化与山地气候空间相关性分析[J]. 安徽农业科学，2012，40（23）：11787-11790.

[14]李森，魏兴琥，张素红，等. 典型岩溶山区土地石漠化过程——以粤北岩溶山区为例[J]. 生态学报，2010，30（3）：674-684.

[15]蒋树芳，胡宝清，黄秋燕，等. 广西都安喀斯特石漠化的分布特征及其与岩性的空间相关性[J]. 大地构造与成矿学，2004，28（2）：214-219.

[16]胡娟，熊康宁，安裕伦. CBERS-02数据在喀斯特石漠化遥感调查中的应用——以贵州黔南布依族自治州为例[J]. 贵州师范大学学报：自然科学版，2008，26（2）：39-42.

[17]陈起伟，熊康宁，蓝安军. 基于“3S”的贵州喀斯特石漠化现状及变化趋势分析[J]. 中国岩溶，2007，26（1）：37-42.

[18]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.董晶晶，薛春雨，习丙文，等. 团头鲂黑素皮质素受体2基因克隆、组织分布和应激后的表达分析[J]. 江苏农业科学，2014，42（6）：20-26.