现代沙化土地遥感监测技术进展综述

谢 楠

（长安大学 地球科学与资源学院，陕西 西安710054）

土地沙化，也称土地荒漠化，是指由于气候变异及人类活动等因素造成的非沙质荒漠地区土地退化现象[1]。沙化土地的蔓延对我国的生态环境以及社会经济发展造成了极大危害。第一，可利用土地资源的急剧下降和土地生产力的下降。第二，土地沙化对生态环境造成严重影响，减少人类生活空间。第三，严重影响了大中城市的环境质量，威胁到工矿企业、重要国防设施、运输设施、大型国家灌溉设施甚至大江大河的安全。第四，加剧了生态环境的恶化，导致大气中尘埃增加，空气污染加剧以及北方城市的沙尘暴等等。

近年来，国家越来越对环境问题予以关注，制定合理的土地政策和土地治理工程。根据全国沙化土地监测结果显示：到2014年底，我国沙化土地面积高达170km2，占据国土面积的17%，与2009年相比减少了9000多km2，每年平均减少约1900km2。根据发展现状看到有沙化发展趋势的土地面积达30万km2，占据总国土面积的3%。在实际运行中可以看出，能够有效治理沙化土地面积约20万km2，约占据沙化土地总面积的11%。从总体发展趋势可以看出，从2004年以来我国沙化土地面积逐渐减少，并且荒漠化和沙化土地面积已连续10年呈下降趋势。经过长期的治理和保护，我国的荒漠化和土地沙化形势总体上大幅度下降，荒漠化土地面积所占概率也在下降，荒漠化程度大幅度降低，但仍有部分地区的荒漠化程度仍在加剧，土地沙化的情况仍然很严峻。

遥感是沙化土地防治的重要环节，在沙化土地监测中发挥积极有效的作用。遥感提供的沙地信息数据规模大，时相多且精度高，能够及时准确地反映沙化土地的现状、动态变化信息。另外，伴随着遥感数据处理技术的不断发展，沙化土地监测出现了一些新的趋势。以定量研究为主体方向，利用统计学知识、做好预测方案和互联网技术，建立沙化土地监测模型和动态图表，其中包括能量转换模型、投出产出模型等，使监测沙化土地动态变化和提取沙化信息进入了一个全新的研究阶段。

本文基于目前我国沙化土地现状，对土地沙化遥感信息提取技术进行合理分析，将传统的沙化信息提取技术及基于机器学习和定量算法的沙化提取技术应用到数据分析工作中。在方法总结的基础上，分析了目前沙化土地信息提取中存在的技术问题以及沙化土地监测今后的发展趋势。进一步探索沙化土地定量遥感监测方法，加强荒漠化监测成果，为我国生态文明建设做出贡献。

1 沙化土地监测技术

我国是世界上受沙化危害较为严重的国家之一，开展沙化土地监测和评价工作是非常必要的[2]。对沙化土地的监测和评价能够更加全面分析沙化土地发展中的问题和表现，制定出合理的土地监测模型，对沙化土地发展趋势进行分析，做出评价。研究大多数以目视解译定性分类识别技术为主。遥感作为采集沙化土地现状及其变化信息的重要技术手段，具有信息量大、覆盖面广、精确程度高、发展速度快、应用具有实效性的特点，应用其他技术并不能对其进行监测。

沙化土地信息提取研究分为沙化土地动态变化监测与沙化土地评价两方面。沙化土地的动态监测主要是对多个沙化土地监测结果进行分析，观察沙化土地面积变化，应用不同程度的沙化现象，沙化土地变化趋势以及形成原因。沙化土地评价是根据植被覆盖度等指标对沙化土地的程度进行评估。

在沙化土地监测国家标准规范方面，《沙化土地监测技术规程》当中明确指出沙化土地会根据周围环境因素的影响造成土地退化。环境会使土地表面出现沙物质，土质疏松，土地退化。沙化土地会根据植被覆盖程度分为4种类型（标准见表1）。

表1 沙化土地监测指标判定标准

以国家沙化土地监测标准指标为基础，之前关于沙化土地监测和评估方面，还有全国沙化土地监测和评估，大多数通过实践调查数据进行评估和分析[3]。目前，提取沙化土地的遥感技术方法主要有：传统分类方法；植被指数法；面向对象方法；神经网络法；混合像元分解法等。

1.1 传统分类方法

传统分类方法在沙化土地提取中得到了广泛应用。主要分为目视解译、非监督和监督分类，常用的非监督分类方法包括K-means法、动态聚类法、模糊聚类法等。监督分类方法有最大似然法、最小距离法等。沙化土地的光谱特征通过遥感影像进行分析，是最佳波段组合选择以及提取专题信息的重要基础。但是，基于像素光谱特征的分类方法无法表达同一地物本身的光谱异质性，无法通过像素光谱特征分类来表达。近年来，国内外众多学者进行了相关研究，在一定程度上提高遥感影像的分类精度，其中包括基于面向像元的遥感影像分类的支持向量机、神经网络分类器、粗糙集理论、分层聚类、纹理分类等经过改进的方法。

Anisha M.Lal提出利用稀疏融合若和约束值聚集区域遥感影像监测模式，对分类前后的监测结果进行对比，精度有所提高[4]。王娟敏等人以CNERS-2影像作为数据源使用光谱知识法能够较快地对研究区流动沙地、半固定沙地、固定沙地和沙化耕地准确地提取各类沙地土地信息[5]。

1.2 植被指数法

植被指数法是基于遥感监测数据计算出的植被指数和环境之间的关系，对植被信息进行合理分析，进而从整个自然区域当中对信息进行获取。植被指数法对多波段反射率进行合理分析，保证反射率的稳定性，增强植被信息，对传统非植被信息进行最小化处理。植被指数能够对多数植被信息进行获取，避免外界因素对获取信息造成影响，这种植被指数已经在沙化信息中得到广泛应用。该方法通过建立陆地生长环境中植被指数与相关变量之间的关系对信息进行获取，进而判断整个自然区域中的信息。

因为植被指数能够提取沙化信息并且取得良好效果分析，植被指数主要应用NDVI、EVI、MSAVI内容对相关信息进行获取。除此之外，合理应用植被指数的含义，对多波段合成数据比值进行对比和分析，获取沙化信息。但是总的来说，植被指数在应用中没有得到理论证明，在植被覆盖率低并且土壤影响大的沙化地区不能够有效获取信息。

1.3 面向对象法

在地物信息提取与土地利用/土地覆盖方面，与传统面向像元分类方法对比，面向对象的方法是应用纹理和形状获取信息，也可以应用多尺度分割方法对沙化程度进行分析，建立沙化结构图形，在应用中有着较高的优越性。它克服了基于像元级处理和在集成规模上提取各种目标特征的常规分类方法的局限性。陈秋晓等人提出了基于多特征的遥感分类方法，基于SPOT影像，对每一个类都能以一个独特的特征组合来表达，对香港元朗地区土地覆盖信息合理分析，应用传统面向像元分析模式精度达到90%，但是应用土地覆盖率只能达到60%精度[6]。随着对土地沙化研究程度的增强，越来越多的学者通过分析对象引用变化检测模式，对检测对象进行分类对比和面向对象比较。但是在实践应用中，变化检测方法仍旧停留在像素级的数据分析中，没有根据知识引导特征对变化监测方法进行创新应用，影像分割是对象形成的基本，是面向对象影像分析的核心技术，如何确定最优尺度学习方法，提高分类精度仍是今后变化检测技术的主要研究方向之一。

1.4 神经网络法

人工神经网络分类方法在上世纪80年代得到应用，并且取得良好应用效果。在最初应用在遥感影像分类当中主要对神经网络遥感影像进行分析，包括BP神经网络、径向基神经网络、模糊神经网络等等。人工神经网络的信息提取方法有效的利用多维遥感数据，模拟沙化信息与遥感数据之间的关系。近年来，开始有研究者将机器学习方法引入遥感影像提取沙地土地信息中。

其中BP神经网络模型的应用范围最为广泛。在沙化信息获取中也得到良好应用。Min Han在BP神经网络的类型中根据划分结果构建了新的分类设备，提高分类精确度[7]。随着影像和光谱影像的出现，根据神经网络的分类工作方式和工作精度进行合理分析，但是不能得到良好效果。Puzhao Zhang对深度学习框架合理分析，应用光谱影像进行监测，通过影像对高层特征进行划分，避免因为传统分类模式对监测工作带来重要影响[8]。

综上研究表明，遥感技术与神经网络机器学习的结合，可以有效提高影像分类和变化监测结果的精度且能够较好的应用到沙化土地信息提取中。

1.5 定量提取方法

对于沙化土地而言，土壤粒径组成是反映沙化土地土壤条件的最佳指示因子，能够合理评估土壤是否出现沙化和沙化程度。因为不同土壤受环境影响程度不同，土壤分布颗粒和粒径成分含量的变化都会对土壤造成影响，对土壤地表反射和散射程度带来影响，卫星传感器接收的表面反射信息也存在差异。张俊华等人对黑河绿洲土壤特征进行合理分析，研究土壤粒径分布情况，与土壤总有机碳等因素之间的关系[9]，根据有关结果表明，利用防风固沙等模式能够有效增加地表面的覆盖程度提高土壤粒径成分。WU等人对土壤粒径组成进行研究发现，土壤粒径能够充分反映沙化土地土壤的状况，对土壤沙化现状和程度进行合理分析和评价[10]。因此对土壤特征参量进行定量反演也是目前的重要方向之一。

其次，植被覆盖度也是评估沙化土地程度的重要参考因子之一。因此，精准判断土壤植被覆盖程度是合理评价土壤的基础。目前，植被覆盖度遥感估计方式主要包括混合像元分析法、回归分析法和基于数据分析的估算方法，其中，混合像元分析法应用效果良好。如李晓松等人分别采用像元二分模型和受限的混合像元分解对沙化土地的植被覆盖程度进行判断，结果表明这些方法适用于提取沙化土地的植被覆盖度[11]。混合像元分解作为定量遥感的一个研究热点及难点，随着混合像元分解的发展，可以更准确地识别和提取混合像元内各地物类型，获取亚像元级别的地物信息成为可能。

2 结束语

总结前人研究结果，以往的沙化土地监测和评价工作，主要基于传统分类方法、混合像元分解方法、植被指数法和多源信息复合法等。这些方法主要以影像中的光谱特征对沙化信息进行合理分析，没有对像元之间的关系进行评价。其次，沙化土地有许多过渡类型，很难用常规分类方法进行科学分析，而定量遥感方法可以根据模式进行分类。

因为遥感技术有监测范围广、精度高、速度快以及实时性和动态性强等特点。而定量遥感能够对电磁波信号中的地表数据进行获取，与传统获取数据经验进行对比，这种遥感更为准确。深度探索沙化土地定量遥感监测方法，能有效提高沙化土地监测效果，促进沙化土地治理有效运行，为我国生态文明建设发挥自身作用。