不同空间尺度植被覆盖度土壤侵蚀强度判定适用性

2021-10-18刘晓林刘超群邝高明史燕东李树波

人民长江 2021年9期

刘晓林刘超群邝高明史燕东李树波

摘要：为了研究不同空间尺度植被覆盖度在岩溶区土壤侵蚀强度判别中的适用性，参照SL 461-2009《岩溶地区水土流失综合治理技术标准》，采用MODIS、Landsat8、高分1号3种不同空间分辨率的遥感影像反演了植被覆盖度，结合基岩裸露率、地形坡度和地类因子，进行了岩溶区土壤侵蚀强度判别，对比分析了不同空间尺度植被覆盖度和土壤侵蚀计算结果的差异。结果表明：MODIS、Landsat8、高分1号3种影像基本都能反映研究区植被覆盖的相对状况，空间趋势大致相同，但局部有所差异，基于MODIS和Landsat8影像的植被覆盖度在各个等级分布面积趋势大致相同，高分1号则表现出明显差异。3种影像得到的土壤侵蚀强度空间分布趋势特征与植被覆盖度大致相同，植被覆盖度影像空间分辨率越高计算得到的土壤侵蚀越严重，基于高分1号影像计算的土壤侵蚀强度高于Landsat8影像的结果，基于Landsat8影像计算的土壤侵蚀强度高于MODIS影像的结果。因此，进行岩溶区土壤侵蝕强度判别时，植被覆盖度因子的选择至关重要，需进行尺度适用性评价。

关键词：土壤侵蚀;植被覆盖度;空间尺度;遥感影像;岩溶区

中图法分类号：S157

文献标志码：A

文章编号：1001-4179（2021）09-0065-06

DOI：10.16232/j.cnki.1001-4179.2021.09.011

0 引言

土壤侵蚀是世界上最严重的环境危害之一。在全球范围内，土壤侵蚀面积占陆地总面积的11%，而中国是世界上土壤侵蚀最严重的国家之一，土壤侵蚀面积占国土面积的四分之一以上[1-3]。在中国南方岩溶地区，人类对土地不合理利用，导致地表土壤发生侵蚀，水土大量流失，表层岩石日益裸露，形成了大面积砾石堆积的极端土地退化现象，称之为喀斯特石漠化[3]。石漠化是中国南方岩溶地区最严重的生态环境问题，摸清岩溶地区土壤侵蚀强度与空间分布，是准确分析岩溶地区石漠化状况和有效开展石漠化综合防治的前提[4-5]。

为了规范中国南方岩溶地区土壤侵蚀调查，指导岩溶地区水土流失综合防治工作，水利部颁布了SL 461-2009《岩溶地区水土流失综合治理技术标准》（以下简称《技术标准》）[6]。该标准采用基岩裸露率、植被覆盖度、地形坡度和地类4个因子进行土壤侵蚀强度判别。由于基岩裸露率因子获取技术和方法差异较大[7-8]，导致该技术标准在实际应用中较少，不利于进一步开展岩溶区水土流失与石漠化规划、治理与效益评价等工作。而植被覆盖度因子通常采用遥感影像获取，由于土壤侵蚀和遥感影像的尺度效应，通过遥感获取的土壤侵蚀特征信息并不能简单地由小尺度向大尺度推广[9-13]。蔡梦雅分析了不同时空尺度NDVI数据在定量土壤侵蚀遥感估算中的可行性，结果显示采用30 m分辨率的数据计算的土壤侵蚀总面积大于采用250 m空间分辨率计算的侵蚀总面积[14];齐治军研究了黄土丘陵区不同时空尺度下小流域水土流失的基本特征及尺度效应，探讨了水土流失尺度效应的影响因素，结果表明植被覆盖度因子的空间异质性是不同面积小流域水土流失尺度效应的主要影响因素[15]。目前不同时空尺度的遥感影像具有如下特征：高空间分辨率的影像精度高但覆盖范围小、时序短，低空间分辨率的影像精度差但覆盖范围大、时序长[16-17]。因此，在进行植被覆盖度因子反演和土壤侵蚀强度计算时，亟需针对不同空间尺度植被覆盖度计算得到的土壤侵蚀强度开展对比研究，进而为筛选出最优空间尺度植被覆盖度遥感影像进行特定尺度土壤侵蚀强度判别提供基础。

本文选取石漠化强度较为严重、遥感影像质量较好的贵州省关岭县地区，基于MODIS、Landsat8、高分1号3种不同空间分辨率的遥感影像反演的植被覆盖度，依据《技术标准》进行岩溶区土壤侵蚀强度计算。对比不同空间尺度植被覆盖度及土壤侵蚀强度计算结果的差异，评价不同空间尺度植被覆盖度在岩溶区土壤侵蚀强度判别中的适用性，可为植被覆盖度因子的选择提供参考依据，进而推进该技术标准在实际工作中的应用，以期为岩溶区水土流失与石漠化综合规划、设计与防治提供技术支撑。

1 研究区概况

以一景高分1号卫星影像（中心经纬度：E105.7°，N25.8°）覆盖范围为研究区，该区位于贵州省中部偏西南方向，涉及关岭、镇宁、贞丰3个县，界于E105°35′06″～105°50′56″，N25°35′56″～25°58′16″之间（见图1），总面积为1 205 km2，其中岩溶区面积1 104 km2，占整个区域的92%。

研究区坐落于云贵高原东部脊状斜坡南侧向广西丘陵倾斜的斜坡地带，地表崎岖、山地多、平地少。区域内最高海拔为1 768 m，最低海拔为344 m，呈现出中间低、东西两侧高的地势。地形特征复杂多样，石灰岩大范围出露，属西南地区常见的典型喀斯特山区地形。气候属亚热带湿润季风性气候，四季分明，热量充足，具有夏季炎热多雨、冬季寒冷多雾的特点。年平均气温约16.2 ℃，年均降雨量1 200～1 700 mm，其中雨季（6～8月）降雨量占全年的60%左右，年平均径流深约451 mm [18]。土壤以黄壤、黄色石灰土、黄红壤及红色石灰土为主，呈垂直地带性分布。植被为亚热带常绿阔叶林，其乔木树种主要有马尾松、杉树、柏树等，灌木树种主要有杜鹃、火棘等。

2 数据与方法

2.1 数据来源

根据研究内容，选取MODIS、Landsat8、高分1号不同空间分辨率的卫星影像来获取研究区的植被覆盖度数据，时相均为2015年10月，对遥感影像进行了辐射校正、几何校正等预处理工作，卫星具体参数如表1所列。土地利用数据由中国科学院遥感与数字地球研究所提供，时间为2010年，制图比例尺为1∶100 000，编码采用中国土地利用遥感监测分类系统，该数据基于Landsat遥感影像，采用人机交互判读方法获得。DEM数据来自地理空间云（http：∥www.gscloud.cn/），空间分辨率30 m（1∶100 000）。碳酸盐岩分布数据由中国地质科学院岩溶地质研究所提供，成图比例尺为1∶100 000，该数据主要以1∶250 000区域地质图及省地质志为基础，结合遥感影像上碳酸盐岩独特遥感影像信息进行编制而成。基岩裸露率数据由珠江水利委员会珠江流域水土保持监测中心站提供，时间为2015年，成图比例尺为1∶100 000，该数据采用宏观遥感监测与无人机野外调查相结合，人机交互式解译方法获得。

2.2 技术流程

首先获取研究区的基岩裸露率、植被覆盖度、地形坡度和地类数据，参照《技术标准》进行岩溶地区土壤侵蚀强度计算，然后结合《技术标准》中的植被覆盖度因子分级标准，对比基于MODIS、landsat8和高分1号影像反演的不同空间分辨率植被覆盖度的差异性，分析基于其获得的岩溶区土壤侵蚀强度的面积异同性，具体流程如图2所示。

（1）岩溶区界定。

采用1∶250 000碳酸盐岩分布图，进行研究范围内岩溶区的界定。划分出岩溶区后，采用岩溶区土壤侵蚀分级标准进行土壤侵蚀强度判别。

（2）土地类型信息。

本文中土壤侵蚀计算的时期是2015年，需要对2010年的土地利用的遥感影像采用人机交互式方法更新到2015年。根据《技术标准》，土壤侵蚀强度分级主要涉及坡耕地和荒地，需对原有土地利用数据进行类型归并，合并为坡耕地、荒地、水田、水体、建筑和其他共6种土地利用类型，具体见表2。

（3）地形坡度计算。

采用30 m DEM数据，利用ArcGIS软件中的Slope工具计算研究区坡度。

（4）植被覆盖度反演。由于归一化植被指数（NDVI）与植被长势、生物量、盖度和叶面积指数等有较强相关性，而且能部分消除辐照条件变化对反演参数的影响，所以用像元二分模型反演植被盖度，其公式为

VC=NDVI-NDVIsoil/（NDVIveg-NDVIsoil）NDVI=（NIR-R）/（NIR+R）

式中：VC为植被盖度;NDVIsoil为裸土或无植被覆盖区NDVI值;NDVIveg为完全被植被覆盖区NDVI值;NIR为近红外波段;R为红光波段。

多数裸地表面的NDVIsoil理论上应接近0，但由于受大气效应和地表水分等影响，NDVIsoil一般在-0.1～0.2之间;受植被类型影响，NDVIveg也会随时间和空间而改变[19]。因此，用土壤类型图统计NDVI的累积频率，选取土种单元内累积频率为5%的NDVI值作NDVIsoil，用土地利用图统计NDVI的累积频率，选取林地和草地累积频率为95%的NDVI值作NDVIveg[20]。

（5）结果对比分析。

依据《技术标准》，采用多因子叠加分析，进行岩溶区土壤侵蚀强度判别，然后对比不同空间尺度植被覆盖度对土壤侵蚀计算结果的影响，分析评价不同空间尺度植被覆盖度在岩溶区土壤侵蚀判别中的适用性。

3 结果分析

3.1 植被覆盖度对比分析

基于MODIS、Landsat8、高分1号影像反演得到研究区3种空间分辨率的植被覆盖度（见图3）。从空间分布上看，3种数据基本都能反映研究区植被覆盖的相对状况，空间趋势大致相同，但在局部区域3种数据对植被的刻画程度有所差异：分辨率越高，影像对植被信息刻画越精确，分辨率越低，影像对植被信息概化越模糊，如MODIS影像反演的植被盖度出现了连片高于75%的区域和连片低于30%的区域，中分辨率Landsat8影像反演的植被盖度则稍微好一些，高分影像反演的植被盖度则描述得更为细致。

定量上看（见图4），MODIS和Landsat影像的植被覆盖度分布趋势大致相同，分布面积随着等级的增加逐渐增大，60%～75%等级时的面积达到最大，大于75%等级的面积又减小;而高分影像的植被覆盖度分布与MODIS、Landsat8影像的差异则较大，分布面积随着等级的增大逐渐减小，小于30%等级的面积最大，大于75%等级的面积最小。造成上述差异的原因主要有以下两点：不同传感器对植被的响应波谱不同，导致计算的NDVI有所差异，进而得到的植被覆盖度也有所差异;3种卫星影像的空间分辨率不一致，影像的尺度效应导致获取到的植被覆盖度也不同。

3.2 土壤侵蚀强度对比分析

采用MODIS、Landsat8、高分1号影像反演的植被覆盖度，分别叠加基岩裸露率、地形坡度、地类因子，分析得到研究范围内岩溶区的3种空间分辨率的土壤侵蚀强度结果（见图5）。从空间分布上看，基于不同空间分辨率植被覆盖度因子得到的3种土壤侵蚀强度分布趋势大致相同，局部有所差异。整体趋势上，其他因子空间分辨率一致的情况下，植被覆盖度因子的空间分辨率越高计算得到的土壤侵蚀程度越严重，基于高分影像计算的土壤侵蚀强度最大，其次为基于Landsat影像计算的土壤侵蚀强度，而基于MODIS影像计算的土壤侵蚀强度最小。

定量上看，3种影像计算得到的侵蚀面积在各侵蚀强度等级上分布的趋势大致相同，从微度到剧烈等级的侵蚀面积逐渐减小，基于MODIS和Landsat影像得到的侵蚀面积减小的速率大致相同，在各个侵蚀强度等级上分布的面积比较接近，而基于高分影像得到的侵蚀面积减小的速率较小，与前两种数据差异较大，尤其在中度和强烈侵蚀等级的面积。在进行岩溶区土壤侵蚀强度计算时，植被覆盖度因子对结果有着至关重要的影响，植被覆盖度的不同导致土壤侵蚀强度结果有所差异，进而影响到评价结果。

3.3 植被对侵蚀结果影响分析

对比基于MODIS、Landsat8、高分1号影像获取的研究区植被覆盖度和对应土壤侵蚀结果的差异，分析植被因子对侵蚀结果的影响。利用上述3种数据获取的研究区平均植被覆盖度分别为55.74%，55.23%，43.56%，水土流失面积（轻度及其以上各级土壤侵蚀强度的面积之和）分别为481.62，503.94，664.05 km2，所以平均植被覆盖度越大，对应的水土流失面积越小。

基于MODIS和Landsat8影像获得的植被覆盖度，在<30%，30%～45%，45%～60%，60%～75%和>75%等级的面积呈正态分布，两者在各个蓋度等级上面积相差较小，比例都在15%以内，相差比例的平均值为6.89%。而基于高分影像获得的植被覆盖度在各个盖度等级的面积呈金字塔状分布，与前两种影像的结果相差较大，只有在45%～60%等级的面积相差最小，其他等级的面积相差比例都大于30%，与MODIS影像获得的植被覆盖度在各等级的面积相差比例的平均值为44.12%，与Landsat8影像获得的植被覆盖度在各等级的面积相差比例的平均值为43.37%。基于MODIS和Landsat8获得的土壤侵蚀强度，在各侵蚀强度等级上面积相差较小，相差比例的平均值为13.24%。而基于高分影像获得的土壤侵蚀强度与前两者在各强度等级上分布面积相差较大，与MODIS影像获得的土壤侵蚀强度在各等级的面积相差比例的平均值为64.81%，与Landsat影像获得的土壤侵蚀强度在各等级的面积相差比例的平均值为43.66%。所以在其他因子不变的情况下，植被覆盖反演的等级面积差异可引起土壤侵蚀强度判定等级面积更大的差异。遥感影像空间分辨率越低，植被的混合像元越多，导致反演的植被覆盖等级分布更为集中，土壤侵蚀判定的高强度等级面积越小，如MODIS植被覆盖面积大部分集中在45%～75%等级，土壤侵蚀高强度等级面积较小，而高分1号的植被覆盖面积在小于30%等级最大，在大于75%等级面积最小，对应的土壤侵蚀高强度等级面积较大。因此采用4个因子进行岩溶区土壤侵蚀强度判别时，植被覆盖度因子的选择至关重要，需进行尺度适用性评价。

4 结论

以贵州省关岭县地区一景高分1号卫星影像覆盖区域为研究对象，参照SL 461-2009《岩溶地区水土流失综合治理技术标准》，采用MODIS、Landsat8、高分1号3种不同空间分辨率的遥感影像反演了植被覆盖度，结合基岩裸露率、地形坡度和地类因子，进行了岩溶区土壤侵蚀强度判别，应用效果较好，可为其他岩溶区土壤侵蚀强度判别提供参考。

对比分析了不同空间尺度植被覆盖度和土壤侵蚀强度计算结果的差异，3种数据基本都能反映研究区植被覆盖的相对状况，空间趋势大致相同，但局部有所差异。基于MODIS和Landsat8影像获得的植被覆盖度在各个等级分布面积趋势大致相同，高分影像则显现出明显差异，可能由传感器差异和影像的尺度效应造成。3种数据得到的土壤侵蚀强度空间分布趋势特征与植被覆盖度大致相同。整体趋势而言，其他因子空间分辨率一致的情况下，植被覆盖度因子的空间分辨率越高计算得到的土壤侵蚀程度越严重。在进行岩溶区土壤侵蚀强度计算时，植被覆盖度因子的选择至关重要，需进行尺度适用性评价。

参考文献：

[1] 李琦，时鹏，杨倩，等.土地利用和侵蚀过程对土壤重金属分布的影响[J].北京师范大学学报（自然科学版），2019，55（1）：157-159.

[2] 张骁，赵文武，刘源鑫.遥感技术在土壤侵蚀研究中的应用述评[J].水土保持通报，2017，37（2）：228-238.

[3] 黄国金，钟九生.喀斯特石漠化地区土地利用变化对水土流失的影响：以贵州省务川仡佬族苗族自治县为例[J].人民长江，2020，51（5）：79-83.

[4] 戴全厚，严友进.西南喀斯特石漠化与水土流失研究进展[J].水土保持学报，2018，32（2）：1-10.

[5] 刘超群，亢庆，邝高明，等.基于RapidEye影像的蚂蝗田小流域土壤侵蚀与岩溶石漠化分析[J].中国岩溶，2016，35（5）：574-585.

[6] 水利部水土保持司.岩溶地区水土流失综合治理技术标准：SL 461-2009[S].北京：中国水利水电出版社，2009.

[7] 杨洋.喀斯特石漠化信息遥感检测技术研究[D].桂林：广西师范大学，2016.

[8] 涂杰楠，杨亮，梁丽新，等.基于 RapidEye 遥感影像的比值密度分割法在岩溶石漠化调查中的应用：以云南鹤庆县为例[J].中国岩溶，2015，34（3）：298-307.

[9] 陈斌，王宏志，李仁东.不同等级土壤遥感分类的尺度匹配性探讨[J].湖北大学学报（自然科学版），2018，40（4）：112-119.

[10] 赵文武，傅伯杰，郭旭东，等.多尺度土壤侵蚀评价指数的技术与方法[J].地理科学进展，2008，27（2）：47-52.

[11] 蒋春丽，张丽娟，张宏文，等.基于RUSLE模型的黑龙江省2000～2010年土壤保持量评价[J].中国生态农业学报，2015，23（5）：642-649.