长线型生产建设项目施工前水土保持遥感监测应用研究— 以某成品油管道工程为例

2017-02-28林晓渝

浙江水利科技 2017年1期

关键词：土壤侵蚀覆盖度水土保持

林晓渝，李健，高智，季婧

（1.杭州华辰生态工程咨询有限公司，浙江杭州 311122；2.中国电建集团华东勘测设计研究院有限公司，浙江杭州 311122）

长线型生产建设项目施工前水土保持遥感监测应用研究— 以某成品油管道工程为例

林晓渝1，李健2，高智2，季婧1

（1.杭州华辰生态工程咨询有限公司，浙江杭州 311122；2.中国电建集团华东勘测设计研究院有限公司，浙江杭州 311122）

以某成品油管道工程为研究对象，以Alos及高分1号卫星影像为数据源，以ENVI5.1为技术平台，研究基于因子叠加分析的长线性生产建设项目水土保持遥感监测方法。在该方法中，土地利用数据、植被覆盖度、土壤侵蚀数据提取是关键手段。通过对工程施工前土地利用类型进行分类，计算植被覆盖度，并在叠加坡度因子后分析项目建设区施工前土壤侵蚀强度分布情况，从而实现工程施工前水土流失情况的背景监测，使得监测数据更为全面，亦为全施工周期水土流失动态对比监测定了基础。

长线型生产建设项目；水土保持；遥感监测；因子叠加分析法

近年来，大中型生产建设项目日益增加，线路长、范围广、扰动区域分散且跨度大、施工周期长短不一是其显著特点，实地量测、调查监测、资料分析等传统水土保持监测方法已难以满足监测要求。遥感技术由于具有宏观、综合、动态、快速的特点，已经在土壤侵蚀监测中得到广泛应用[1-6]。采用卫星遥感影像或无人机航拍影像，能够方便、及时、较准确的获取土地利用情况、植被覆盖度和土壤侵蚀数据等信息，对不小于100 hm2的点型项目及山区（丘陵区）长度不小于5 km、平原区长度不小于20 km的线型项目[7]起到较好的水土保持监测效果。

长期以来，生产建设项目水土保持监测常在施工期开展，直至验收。对于施工前项目建设区及直接影响区等中大尺度范围背景水土流失情况缺乏监测，且难以采用常规方法对该阶段进行补充监测。通过遥感方式，利用施工前施工区域卫星影像进行解译，能够获得该时段的背景水土流失数据，对施工产生的水土流失情况进行对比，从而得到生产建设项目完整建设周期的水土保持监测数据。

近日，水利部办公厅发布《水利部办公厅关于推进卫星遥感水利业务应用的通知》（办信息〔2016〕189号），肯定了遥感监测在水土保持监测中的成功应用，要求各单位根据自身业务特点认真梳理卫星遥感在水利业务应用的可行性及技术路线，并将积极做好水利卫星遥感应用的统筹规划和技术服务支撑[8]。

1 项目概况

某成品油管道项目，位于长江中下游平原，长度近600 km，包含管道工程和油库工程。管道工程作业带宽度5 ～20 m，油库7座。土地利用类型主要为耕地，容许土壤侵蚀模数500 t/(km2· a)。土建施工作业内容主要为管沟开挖、管道敷设和管沟回填。项目计划工期56个月。

2 数据源、监测内容及技术路线

2.1 数据源

本次遥感监测采用日本ALOS对地观测卫星AVNIR - 2传感器多光谱10 m正射影像，包含有红、绿、蓝、近红外4个波段，同时考虑卫星参数及影像质量，选择1景高分1号(四波段，分辨率2 m)卫星数据进行补充。项目区卫星影像数据含云量均小于2%，重叠度不小于4%。最终数字高程模型DEM数据采用WGS84坐标系，比例尺为1∶50 000，采用UTM投影。

2.2 研究内容

根据SL 592 — 2012《水土保持遥感监测技术规范》并结合工程实际情况，水土保持遥感监测研究主要内容为土地利用、植被覆盖度、土壤侵蚀类型与强度分级等。

2.3 技术路线

工程水土流失监测主要以“因子叠加分析法”进行土壤侵蚀分布情况提取，技术路线见图1。

图1 水土流失遥感监测技术路线图

3 研究方法及步骤

3.1 土地利用数据提取

在分类之前通过目视判读和野外调查，对遥感图像上某些样区中影像地物的类别属性有了先验知识，对每一种类别选取一定数量的训练样本，计算机计算每种训练样区的统计或其他信息，同时用这些种子类别对判决函数进行训练，使其符合于对各种子类别分类的要求，随后用训练好的判决函数去对其他待分数据进行分类。使每个像元和训练样本作比较，按不同的规则将其划分到和其最相似的样本类，以此完成对整个图像的分类。分以下6个步骤完成监督分类：

3.1.1 类别特征判别

根据分类目的、影像数据自身的特征和分类区收集的信息确定分类系统；对影像进行特征判断，评价图像质量，决定是否需要进行影像增强等预处理。

3.1.2 样本选择

在ENVI中通过感兴趣区(ROIs)确定每一类别选取一定数目的样本，建立分类函数。

3.1.3 分类器选择

根据分类的复杂度、精度需求等确定分类器。目前监督分类可分为基于传统统计分析学，包括平行六面体、最小距离、马氏距离、最大似然；基于神经网络；基于模式识别，包括支持向量机、模糊分类等，针对高光谱有波谱角(SAM)，光谱信息散度，二进制编码等。本次选择最小距离分类器。

3.1.4 影像分类

选择最小距离法进行监督分类，即利用训练样本数据计算出每一类的均值向量和标准差向量，以均值向量作为该类在特征空间中的中心位置，计算输入图像中每个像元到各类中心的最小距离，就将该像元就归入到该类。

3.1.5 分类后处理

分类后处理包括更改类别颜色、分类统计分析、小斑点处理(类后处理)、栅矢转换等操作。处理完成后，将带有植被覆盖率的数据叠加。按照GB/T 21010 — 2007《土地利用现状分类》在提取出的土地利用一级分类信息中，将林地、草地进行二级分类划分，合并后即得到土地利用数据。

3.1.6 结果验证

采用选择的感兴趣区对分类结果进行评价，确定分类的精度和可靠性。

3.2 坡度划分

基于ArcGis平台地表分析工具，计算项目区DEM数据，提取坡度数据。坡度按照《土壤侵蚀分类分级标准》划分为0° ～ 5°，5° ～ 8°，8° ～ 15°，15° ～ 25°，25° ～ 35°，＞35°等6个等级。

3.3 植被覆盖度提取

3.3.1 植被覆盖度计算

植被覆盖度是指植被(包括叶、茎、枝)在地面的垂直投影面积占统计区总面积的百分比。目前已经发展了很多利用遥感测量植被覆盖度的方法，较为实用的方法是利用植被指数近似估算植被覆盖度，常用的植被指数为NDVI。以下是在像元二分模型的基础上研究的模型：

式中：NDVIsoil为完全是裸土或无植被覆盖区域的NDVI值，NDVIveg则代表完全被植被所覆盖的像元的NDVI值，即纯植被像元的NDVI值。2个值的计算公式为：

利用这个模型计算植被覆盖度的关键是计算NDVIsoil和NDVIveg。这里有2种假设：

（1）当区域内可以近似取VFCmax=100%，VFCmin=0%。公式(1)可变为：

式中：NDVImax和NDVImin分别为区域内最大和最小的NDVI值。由于不可避免存在噪声，NDVImax和NDVImin一般取一定置信度范围内的最大值与最小值，置信度的取值主要根据图像实际情况来定。

（2）当区域内不能近似取VFCmax= 100%，VFCmin= 0%。

当有实测数据的情况下，取实测数据中的植被覆盖度的最大值和最小值作为VFCmax和VFCmin，这2个实测数据对应图像的NDVI作为N DVImax和NDVImin。当没有实测数据情况下，取一定置信度范围内NDVImax和NDVImin。VFCmax和VFCmin根据经验估算。得到研究区的统计结果。分别取累积概率为5%和95%的NDVI值作为NDVImin和NDVImax。

3.3.2 植被覆盖度等级划分

植被覆盖度等级划分参照《土壤侵蚀分类分级标准》进行确定，具体执行情况见表1。

表1 植被覆盖度等级划分表

3.3.3 数据标准化

依靠遥感信息分析和地理信息系统技术的计算所产生的各个要素的直接结果不仅具有不同的量纲，而且实际值的差异相当大，无法直接参与空间叠加定量计算，必须经过标准化处理，以避免由于个别指标的过分夸大而影响结果的合理性。研究中采用了分级标准化的方法，即对于原始结果进行分级分等和对于各个等级实现定量赋值。

首先，将矢量的植被覆盖度和土地利用分类数据转化为栅格数据。然后，根据土壤侵蚀分类分级标准，对坡度、土地利用类型及植被覆盖度数据进行数据标准化处理。

3.4 土壤侵蚀数据提取

依靠地理信息系统技术，对所有专题数据进行预处理，转换为栅格方式的数据层面，栅格大小根据精度要求确定。每一个栅格作为一个基本分析单元。所有分析单元依照统一的大地坐标、统一的处理方式、统一的栅格大小形成，以确保相应的单元具有同样的空间地理位置和不同专题属性的位置一致性，全部单元构成一个完整的有序数值阵列。

所形成的每一个分析单元同时具有所有的专题属性特征，包括空间地理位置、土壤侵蚀类型以及影响侵蚀强度判别的各个指标要素等属性标准化数据。

在提取土壤侵蚀强度数据时，运用栅格计算工具，根据《土壤侵蚀分类分级标准》中给定的划分方法为依据，并结合当地实际情况进行调整，对每一个栅格上的专题属性数据进行加权求和，形成定量结果，称为土壤侵蚀指数，代表该空间位置的土壤侵蚀强度状况。在判定土壤侵蚀强度时根据当地土壤侵蚀分布特征使用。

4 监测成果

4.1 土地利用情况

根据卫星影像解译资料，项目建设区土地利用类型主要为耕地、林地和道路等8种类型，以耕地为主。经现场调查，土地利用类型与卫星影像解译情况基本一致，土地利用类型解译准确率达到90%以上。

项目建设区土地利用情况见表2，土地利用现状卫星影像解译见图2。

表2 土地利用情况统计表

图2 项目区局部土地利用现状图

4.2 植被覆盖情况

根据卫星影像解译资料，项目建设区植被覆盖度在 0.00% ～ 12.50%，12.50% ～ 25.00%，25.00% ～ 30.00%，30.00% ～ 45.00%，45.00% ～ 60.00%，60.00% ～ 75.00%，75.00% ～ 87.50%及87.50% ～ 100.00%等8个区间内呈现不规则分布，植被覆盖度为0.300 ～ 0.450的项目建设区面积最大，为78.66 hm2。经现场调查，植被覆盖度与卫星影像解译情况基本一致，植被覆盖度解译准确率达到90%以上。项目建设区植被覆盖情况见表3。