西藏地区生产建设项目扰动地表遥感监测方法与监管应用

谭杰峻，毕永清，周从斌

(1.西藏自治区水土保持局，西藏 拉萨 850000；2.中国科学院 水利部成都山地灾害与环境研究所，四川 成都 610041；3.四川省川建勘察设计院，四川 成都 610000)

我国是世界上水土流失较为严重的国家之一，水土流失面积达到294.91万km2[1]。西藏地区作为我国重要的生态屏障，地质构造特殊，生态环境脆弱，水土流失十分严重。近年来越来越多的人为活动，扰动地表植被、破坏表层土壤，加剧了西藏地区的水土流失，因此加强对该区域生产建设活动的动态监管、预防水土流失是十分重要的。

为有效监管生产建设活动，各级水行政部门需要对生产建设项目活动情况进行调查，掌握活动位置、范围大小，及时发现违规违法情况。在生产建设项目水土保持监测中，最重要的是要获得生产建设项目活动中不同地表扰动类型的面积和范围[2]。传统对生产建设项目水土保持监管的方法以现场调查为主，然而西藏地区地表扰动范围大的项目多为采矿工程，分布范围广，占地面积大，且呈零散分布，加之高原地区环境恶劣，监督执法部门人员难以抵达现场进行监督检查，而高分辨率遥感技术的应用，可在不抵达现场的情况下识别地表状况，获得地表扰动面积及扰动图斑数量。

目前，越来越多的水土保持工作者对遥感技术在生产建设项目水土保持监管中的应用进行了探讨[2-4]，但对生产建设项目地表扰动范围的提取及动态监测的探讨较少。针对高分辨率遥感影像主要是采用面向对象的分类方法进行信息提取，王少军等[5]采用面向对象的分类方法，对黄石市大冶铁矿区进行尾矿堆的提取；罗开盛等[6]采用面向对象的分类方法对湖北省土地覆被变化进行监测，获得分类精度较高的土地覆被图；康芮等[4]使用基于面向对象的变化监测方法对施工期新增的裸地和不透水地面进行提取。由于面向对象分类中，地物主要是根据光谱、形状、纹理等特征及相邻地物之间的空间关系进行提取，因此特征的选择非常重要。

作者在对各地物进行特征分析的基础上，对影像分割对象选择及分类规则建立进行研究，并对结果进行精度分析及评价，以期为西藏地区生产建设项目地表扰动区的监测和信息提取提供理论和技术支持。

1 试验区和数据源

1.1 试验区的确定

试验区位于29°36′～29°48′N、91°33′～91°48′E的西藏自治区墨竹工卡县境内。属高原温带半干旱季风性气候区，土壤以高山草甸土为主，发育程度低，石砾化、沙化严重，植被覆盖度低，生态环境脆弱。

该试验区的生产建设项目以采矿工程为主，主要有驱龙铜矿、知不拉铜多金属矿和甲玛矿区，项目建设区主要有露天采场、地下采场、工业场地、矿区道路、废石场、表土堆存场等防治分区。采矿工程对地表扰动面积大、分布广且类型多样，易造成严重的水土流失。

1.2 数据源

采用国产高分一号卫星影像进行生产建设项目地表扰动区的信息提取，影像为2014年12月获取的空间分辨率为2 m的全色影像和8 m的多光谱影像，包括3个可见光和1个红外波段。根据墨竹工卡县的地理特征和高分一号卫星影像的数据特征，影像处理主要包括正射校正和影像融合等预处理，本研究选择Gram-Schmidt融合方法进行影像融合，融合后的影像能充分保留多光谱影像的光谱信息和高空间分辨率全色影像的空间信息[7]。

2 面向对象的地表扰动图斑提取

2.1 地物特征分析

根据实地调查及此次的研究目的，将研究区内地物分为生产建设项目建成区、生产建设项目扰动区、居民区、水体、耕地、河滩地、植被、自然裸地(裸岩、石砾、裸地)、雪地等类型。生产建设项目扰动区指项目建设过程中，会造成水土流失的所有区域，包括采矿场、弃渣场、尾矿、未硬化的道路、中转场等，还包括有苫盖措施的扰动区；生产建设项目建成区是指生产建设项目当中已经建成的区域，包括建好的房屋、工程设施及硬化道路等；自然裸地包括植被覆盖度极低的裸地和冻融侵蚀等形成的裸岩和石砾。

一般正处于扰动期的地表在影像上反射率较高，植被覆盖度低，其光谱特征与其他因素造成的裸地相似。通过调查发现，研究范围内分布有大面积由冻融侵蚀、风蚀等自然因素造成的石砾、裸岩及自然裸地。其他地物类型在光谱特征、几何特征上具有较为明显的差异，因此对扰动区进行信息提取的难度主要在如何区分与扰动地块有相似特征的自然裸地上。根据分布规律、光谱特征、纹理特征分别选取亮度、高程、对比度和自定义特征对与扰动区具有相似特征的河滩地、裸岩、石砾和雪地进行特征分析(图1)。

图1 不同地物特征分析

在试验区内对河滩地、裸岩、石砾、雪地和扰动区进行样本点的选取，统计各样本点所在分割图斑的特征值。在选择各类型的样本点时，要使样本点均匀分布，且样本点尽量包括所有的类型。参与统计的共有290个样点，其中河滩地50个样点、裸岩82个样点、石砾30个样点、雪地28个样点、扰动区100个样点。

由亮度特征可知，雪地亮度值主要在500～800之间，与52%的扰动区相混合，因此单独使用亮度特征无法将非扰动区进行剔除，可将此特征与其他特征相结合用于雪地和河滩地的提取。在高程特征中，河滩地分布于3 000～4 000 m的范围，在高程5 500 m以上的区域，主要为裸岩和石砾，而扰动区主要分布于高程为4 000～5 500 m范围内，因此利用高程值可以将河滩地和部分裸岩及石砾剔除。在对比度特征中，裸岩主要分布于对比度小于0.5的范围内，占样本点的比例为70.73%，在此范围内扰动区占比为8%，因此可以利用对比度进行裸岩的提取。在自定义特征中，雪地主要分布在-0.1～-0.05范围内，占抽样点的89.29%，扰动区占23%，可利用此特征对雪地进行提取，并结合亮度特征、空间特征提取误分为雪地的扰动区。

通过以上分析可知，对每种地物类型均不能使用单一的特征进行区分，要进行相应特征的组合，确定适当的阈值进行提取。使用光谱或纹理特征均无法很好地将石砾地提取出来，通过对影像的观察，可知石砾地均分布在坡度较陡的地方且面积非常小，据此将其剔除。此外，扰动区不是单独存在的裸地，一般与道路连接，因此在进行扰动区提取的过程中，空间特征也是一个非常重要的特征。

2.2 影像分割

在进行生产建设项目扰动区提取时，考虑到试验区内地物类型多样，在信息提取的过程中若只使用单一的分割尺度，生成影像对象的时候，容易造成过度分割和欠分割。为了满足对不同地物的提取，需要针对不同的地物，进行相应尺度的分割。在进行多尺度分割之前需要确定参与分割的波段数及其权重、均质性因子及多尺度分割参数。

一般情况下多尺度分割方法是利用遥感影像的光谱特征和形状特征进行分割，考虑到相邻像元的空间分布关系，将纹理特征影像、植被指数影像融入分割对象当中，可获得区域一致性更好的分割对象[8]。

不同的分割尺度形成不同的影像对象层，对应不同地物的提取。根据本试验目的，在eCongnition软件上进行影像分割，通过一定的试验，结合人为主观目视判断的方法，选择适当的分割尺度。为了找到最佳的分割结果，本研究通过设置多组不同分割参数进行了试验，对比分割结果发现：当分割尺度、形状因子、紧致度设置为80、0.8、0.5，可以很好地将尾矿坝、大面积植被分割出来；参数设置为55、0.3、0.8时，道路、水体分割较好；参数设置为35、0.3、0.7时对居民区建筑分割效果较好(图2)。

图2 不同尺度地物分割结果

2.3 分类规则的设定

对影像进行多尺度分割后，影像变成了对象集，在此基础上对地物进行分类，本研究采用模糊分类法，通过建立规则集进行分类。由于研究区为高原地区，地形高差大，因此在分类规则中加入高程和坡度因子。

在分类过程中，参与特征计算的主要有光谱特征、形状特征、纹理特征等。光谱特征主要包括均值、标准差。根据影像特征和地物类别，非扰动区相对于扰动区在纹理特征上对比度较小，且亮度低于一般的扰动区，扰动区地表无植被覆盖，且扰动痕迹明显，因此使用纹理特征的对比度结合亮度和植被指数的组合可以将人工地物完全提出。矿区道路的形状特征较为明显，所以选用长宽比和长度特征进行提取，并使用亮度特征区分硬化和非硬化道路。尾矿坝在影像上呈黑白两色显示，白色坝体在近红外具有高反射率，黑色坝体具有规则的形状，且与白色坝体相邻，因此使用近红外波段均值、形状指数特征进行尾矿库坝体的提取。矿区建筑具有明显的形状特征，因此采用NDVI和矩形匹配特征进行提取。耕地主要分布在坡度较缓、海拔相对较低的地方，与居民区相邻，形状特征明显，使用坡度信息和形状指数进行提取。河滩地与水系相邻，且分布在海拔相对较低、坡度平缓的地区，可使用坡度特征与高程特征并结合与水的位置关系进行提取。居民区主要由房屋和细小道路组成，房屋成片或独立存在，与耕地相邻，在影像上纹理特征较为明显，因此使用纹理特征和与耕地的相关关系进行居民地的提取。

在进行信息提取时，在一个对象层次上很难将所有地物提取出来，需要在不同的对象层上进行相应对象的提取，影像对象可以充分利用相邻对象、父对象、子对象信息。扰动区地物类型复杂多样，在进行地物提取时，采用分层逐步提取的方法，先将与扰动区特征差异较大的地物提取出来，再逐步组合特征进行非扰动区的剔除，最后获得扰动区提取结果。本研究先在分割尺度较大的第一个对象层进行植被、尾矿坝、水体及扰动区的提取，后在分割尺度为55的第二个对象层上进行矿区建筑、耕地、道路、河滩地和裸岩的剔除，最后在分割尺度为35的对象层上进行居民点、雪地和部分裸岩的剔除，分层提取结果如图3所示。

2.4 结果分析

为定量分析生产建设项目扰动区提取结果的精度，结合谷歌影像和实地考察资料对研究区进行目视解译，以手动勾绘的扰动区图斑作为参考，分析面向对象分类方法提取扰动区的精度。将分类结果与目视解译结果的矢量图层转为像元大小为2的栅格影像，采用混淆矩阵的精度评价方法，对2014年扰动区提取结果进行精度评价，如表1。

表1 2014年扰动区提取评价

2014年正确提取扰动区的像元数为2 533 510，正确率为83.7%。试验发现，该方法可有效提取扰动信息，能够满足对生产建设项目扰动区进行监测的需要。

3 基于遥感的生产建设项目水土保持监管

生产建设项目水土保持监管的主要任务是了解生产建设项目的扰动地表和防治责任范围变化情况，掌握生产建设项目的水土保持工作动态。监管指标主要有扰动地块边界、扰动地块面积、扰动变化类型、扰动图斑类型、扰动合规性及建设状态。

本研究选择西藏自治区墨竹工卡县进行监管示范，墨竹工卡县境内的生产建设项目主要有电力工程、堤防工程、井采金属矿及露天金属矿等类型，以矿山开采为主。露天采矿工程对地表扰动面积大，范围广，会造成严重的水土流失。利用高分一号卫星影像作为数据源，包括分辨率为2 m全色波段和8 m多光谱影像。

图3 扰动区分层提取结果

时相分别为2014年12月和2016年12月。将扰动图斑与防治责任范围进行叠加分析，确定扰动图斑的合规性，发现2014年扰动图斑共有181个，其中合规的有118个，超出防治责任范围的有61个，地点变更的有2个；2016年扰动图斑共有208个，合规图斑有139个，超出防治责任范围的有80个，地点变更的有2个。

通过对两期生产建设项目的扰动图斑影像进行统计及变化分析，可得两期扰动图斑数量和扰动图斑变化情况，见表2。

表2 扰动图斑变化情况

通过对扰动图斑变化情况的分析，可发现扰动图斑在2016年新增的面积达到了661.44 hm2，变化图斑主要分布在驱龙、甲玛和知不拉矿区。

4 结 语

目前，利用遥感技术开展生产建设项目水土保持动态监管，已在全国范围内广泛开展。笔者以西藏地区墨竹工卡县生产建设项目区为例，对人为扰动区的提取进行了研究，并选择区域进行监管应用。在利用高分辨率遥感影像进行生产建设项目扰动区的提取时，分割尺度、特征选择、分类规则及地物分类顺序都对分类结果有非常重要的影响。

本研究在考虑西藏地区独特的地表环境在影像上的表现特征的基础上，首先对区内生产建设项目扰动区与其他具有相似特征的地物采用抽样统计的方法进行特征分析，获得了它们在各特征的分布范围，为地物分类时特征的选择提供了依据。为获得较好的分类对象，将纹理特征和植被指数特征影像作为分割对象，并通过分割尺度试验，确定了3个分割尺度。首先在分割尺度为80的情况下提取了扰动区、水体、植被、尾矿坝，在分割尺度为55时对上一层分为扰动区的对象进行道路、矿区建筑、耕地、河滩地和裸岩的提取；其次在分割尺度为35的对象层中，继续对上一层分为扰动区的对象进行居民地、雪地和自然裸地的提取，最终获得2014年及2016年生产建设项目扰动区的提取结果。对分类结果进行精度分析，发现此方法的提取结果精度较高。该分类结果可为西藏地区生产建设项目水土保持监管提供精度较高的基础数据。此外，西藏地形地貌复杂多样，该方法适用于海拔较高、植被覆盖度较低的区域，对于海拔较低、植被覆盖度高的区域还需要探讨。