基于加权综合评价法的水土流失监测方法研究

2015-02-07张海霞李书丹周群强

地理空间信息 2015年4期

关键词：状况植被矿区

张海霞，李书丹，周群强

（1.国家测绘地理信息局第二地形测量队，陕西西安710054）

基于加权综合评价法的水土流失监测方法研究

张海霞1，李书丹1，周群强1

（1.国家测绘地理信息局第二地形测量队，陕西西安710054）

结合矿区4期不同时相遥感影像，在RS和GIS软件支持下，采用加权综合评价法，对矿区水土流失状况进行信息提取并分析。研究表明，该方法水土流失信息的提取精度达到85%以上，可有效提高矿区水土流失监测的效率，节省大量人力物力。

RS；GIS；矿区；水土流失；加权综合评价；影响因子；变化监测

随着RS、GIS技术的快速发展，不少专家学者从空间化和定量化等不同角度，研究水土流失变化状况[1]。早期研究多基于单因子信息提取，此类方法在某些地区进行实测及调查侵蚀模数资料时有所限制，难以进行水土流失变化状况的分析研究。近年来，有关学者逐渐倾向于多因子提取水土流失分级信息的研究[2-7]。而这些研究，虽选取了合适的影响因子，但多数定性而并未定量分析各因子对水土流失影响的程度，鉴于此，尝试采用RS、GIS技术，选取合适的水土流失影响因子，运用加权综合评价法对矿区水土流失状况进行信息提取并分析。

1 研究方法

1.1 数据获取及预处理

以大柳塔为研究对象，采用1990年8月、1995年7月、2002年8月和2005年7月等多期TM/ETM+遥感影像，在ERDAS中采用UTM投影——WGS84坐标系参数，在每幅遥感影像上分别选取40个控制点进行几何精校正。对已校正好的遥感影像，根据研究区范围进行自然区划边界不规则分幅裁剪，获得所需研究区遥感影像。

1.2 研究技术路线

水土流失过程极其复杂，受多种自然和人为因素的综合影响。根据《水土保持技术规范》的有关规定，考虑各因素的不同重要性以及研究区实际情况，本文选择了对水土流失影响较大的地形坡度、植被覆盖度、土地利用类型等3个影响因素（因子）[8]。在GIS和RS技术支持下，尝试采用加权综合评价方法，对研究区水土流失状况进行动态变化监测研究。其基本过程为：①选取影响因子（C1，C2，C3…），并对各因子进行分级；②采用AHP层次分析法来确定各因子的权重；③采用加权综合评价公式（1）对矿区水土流失信息进行分级提取，最终获得水土流失危险等级图。水土流失等级为：

1）水土流失强度分级。依据中华人民共和国标准SL190-96《土壤侵蚀分类分级标准》，参考《水土保持技术规范》的有关要求，确定大柳塔矿水土流失强度与各因子等级相对应的分级指标，如表1所示。

表1 水土流失强度分级指标

2）各因子权重的确定。各因子权重采用AHP层次分析法来确定。判断矩阵、各因子权重Wi以及一致性评价指标CR在Excel中计算如表2所示。由表2可以看出，一致性评价指标CR=0.003 18，符合CR＜0.10的要求，判断矩阵的一致性可以接受，该权重符合要求。

3）数字高程模型及坡度的生成。对矿区1∶25 万小比例尺地形图进行误差校正、断线连接以及图幅拼接等处理，并将矢量化的等高线进行高程赋值，获取DEM数据。但由于数字化的等高线不适合计算坡度或制作地貌渲染图等地形分析，因此，本研究采用可避免引起局部异常及部分信息丢失的克里金插值算法在ArcGIS软件中对数字化等高线进行空间插值，将其转为水平分辨率为30 m、高程分辨率为10 m的格网DEM。最终，在ENVI软件中进行密度分割获得格网DEM。

表2 水土流失影响因子权重的确定及一致性检验

4）植被覆盖度信息提取。利用遥感影像，采用基于归一化植被指数（NDVI）的植被覆盖度计算模型进行植被覆盖度信息提取：

式中，NDVImin为该区植被覆盖最小植被指数；NDVImax为该区植被覆盖最大植被指数。

5）土地利用信息提取。利用遥感影像，基于波段间相关系数及OIF值选择合适的波段组合，最终确定TM5、TM4、TM3为最佳组合波段。采用窗口为3×3的中值滤波对图像进行平滑处理，消去图像中的尖锐“噪声”（亮度变化过大的区域，出现的不该有的亮点），以方便后续分类处理。基于增强处理后的遥感影像，在ERDAS中先选取训练样本，并对样本区所建立的各地物光谱反射曲线以及样本的分类误差矩阵进行分析，来确定合适的训练样本，然后采用监督分类中的最大似然分类和人工矢量化相结合的方法进行各期遥感影像土地利用信息提取，最终获得土地利用分类图。各期影像提取精度如表3所示。可以看出，分类总体精度都在82%以上，Kappa系数均大于0.75，符合允许判别精度0.7的要求。

表3 分类中相关评价指标统计

2 结果分析及精度验证

结合1990年、1995年、2002年和2005年4期遥感影像，采用加权综合评价法对矿区不同等级水土流失状况进行信息提取，所得各年份水土流失状况统计指标如表4所示。

表4 大柳塔矿水土流失等级表

表4显示，1990～2005年，大柳塔矿的开采面积不断扩大。该区地表水土流失状况虽呈波动状变化，但总体有渐缓趋势。具体表现如下：强度流失土地所占比例1990年为29.31%，1995年增至52.28%，随后又逐渐减少，至2005年所占比例已减小为23.13%，总体呈先增加、后减少的趋势。其原因主要是大柳塔矿1995年处于建矿初期，对地表植被破坏较大，地表植被缺失，极易发生水土流失。极强度流失和剧烈流失面积逐渐减少，所占比例已由1990年的4.37%下降到2005年的2.42%。前三者从1990～2005年的总体减少量为8.13%，减少的量基本转向轻度和微度流失土地。轻度和微度流失土地二者所占比例已由1990年的4.17%增至2005年的20.27%。可见，水土流失严重地区已得到较好的防治和控制，水土流失强度降低，水土流失状况趋缓。对照收集到的相关年份水土流失状况统计资料指标，该方法所得的水土流失信息提取精度在85%以上，符合精度要求，可快速监测水土流失动态变化状况。