基于Landsat影像准东矿区土壤湿度分布特征研究

赵晓帆,曾 强

(1.新疆大学 生态与环境学院,新疆 乌鲁木齐 830017; 2.新疆大学 干旱生态环境研究所,新疆 乌鲁木齐 830017;3.教育部绿洲生态重点实验室,新疆 乌鲁木齐 830017)

由煤炭开采活动引发的生态环境问题,会对区域土壤资源造成一定破坏[1]。土壤水分与植被生长、分布、演替过程息息相关,其含量影响区域性气候变化。矿区表层土壤水分的变化还可表征煤炭开采扰动情况。准东矿区属脆弱干旱生态区,地表植被覆盖率低,矿区开发活动对土壤湿度扰动研究可为评价其生态环境影响提供一定基础。

土壤含水量的获取有田间实测法、土壤水分模型法和遥感方法。相较于传统方法,遥感方法能对大范围土壤水分进行动态监测,目前应用最为广泛。该方法包含可见光—近红外遥感,热红外遥感与微波遥感[2-3]。矿区开采活动引发的地表沉陷积水通过遥感影像进行监测[4]。ZHAO Tianjie等[5]对微波遥感反演土壤湿度算法进行了相关研究,给出当前理解各反演土壤湿度算法的定量依据;LI Zhaoliang等[6]分析多种获取土壤湿度的理论与算法,指出卫星遥感观测为区域及全球尺度获得土壤湿度SM时空数据提供了独特的手段;吴善玉等[7]基于Sentinel-1、 Sentinel-2 遥感数据及地面实测数据,构建BP神经网络对西班牙萨拉曼卡地区土壤湿度进行了反演;YI Zhiyu等[8]基于遥感影像和土壤湿度对山西省煤炭开采活动引发的沉降进行监测。采用可见光—近红外技术表征土壤水分是一种简便有效的方法:李姝蕊[9]、杨丽萍[10]等基于Landsat8影像数据分别反演了黑河流域和居延泽地区的土壤水分变化;马保东等[11]利用MODIS数据和热惯量法对神东矿区地表土壤水分进行了反演;SANDHOLT I等[12]基于Ts-NDVI特征空间,提出用于评价土壤湿度的简化温度植被干旱指数(Temperature Vegetation Dryness Index,TVDI),这是一种基于光学与热红外遥感数据进行植被覆盖区域表层土壤水分反演的方法;赵杰鹏等[13]改进了SANDHOLT等提出的TVDI模型,能更好地进行大范围土壤水分的遥感估算;杨玲[14]、王丽霞[15]、徐霞[16]、黄海[17]等基于MODIS或Landsat地表温度和植被指数数据,构建Ts-NDVI特征空间,获取温度植被干旱指数TVDI,分别揭示了西辽河流域、香格里拉、布尔台矿区和黄土矿区的土壤湿度时空分布格局和主要影响要素;张喆等[18]研究指出NDVI-LST特征空间更适用于植被生长初期、中期的中低植被覆盖时反演土壤湿度。

基于Landsat系列遥感卫星影像数据,构建温度植被干旱指数(TVDI)模型反演准东矿区2001—2021年的土壤湿度,并对土壤湿度状况进行分级,分析了准东矿区土壤湿度时空分布格局及变化状况。同时,采用GM(1,1)灰色模型预测矿区未来年份土壤湿度变化情况。研究结果可为评价该矿区矿业开发活动对生态环境的影响提供一定基础。

1 研究区概况

准东矿区位于准噶尔盆地东部阜康市至木垒哈萨克自治县的狭长地带,北纬44°00′～ 45°15′,东经88°42′～90°36′,面积15 334 km2。准东矿区包括五彩湾、将军庙、大井、西黑山和老君庙5个矿区,目前开采方式多为露天开采。准东矿区地理位置如图1所示。

图1 研究区地理位置

准东矿区生态环境脆弱,属温带大陆性气候,降水量少,蒸发量大,气候干燥。地表植被较为稀疏,荒漠广布,生物种群少,其自我修复能力较弱,具有明显的干旱区特征。研究区土壤类型主要为灰棕模土、石膏灰棕模土、荒漠风沙土和荒漠碱土,表层土壤含水率在10%以下[19]。

2 数据来源及处理

2.1 数据来源

2.1.1 遥感数据

考虑植被生长情况和云量等气象因素的影响,研究数据需覆盖整个研究区。从美国地质勘探局(USGS)网站(https://glovis.usgs.gov/)和地理数据空间云网站(http://www.gscloud.cn/)下载2001、2003、2005、2007、2009、2011年Landsat5 TM和2013、2015、2017、2019、2021年Landsat8 OIL_TIRS,每年7—9月的遥感影像,共11年22幅作为计算准东矿区TVDI的遥感数据。

2.1.2 气象数据

从气象大数据系统获取距离矿区最近气象站点(奇台县站)2001—2021年逐年气象数据,包括降水量、气温等。

2.2 数据处理

运用 ENVI软件对相应年份的 Landsat 系列影像,依次进行辐射定标、大气校正、影像拼接和裁剪,完成图像预处理工作。

2.2.1 归一化植被指数NDVI反演

归一化植被指数INDV(Normalized Difference Vegetation Index,NDVI),是由近红外波段和可见光红光波段计算得到表征植被的一种指数形式。其计算方式如下:

(1)

式中:RNI为近红外波段光谱值;R为可见光红光波段光谱值。

2.2.2 地表温度LST反演

利用Landsat数据反演地表温度(Land Surface Temperature,LST)的方法有多种,包括基于辐射传输方程的算法、单窗算法、单通道算法和分裂窗算法等。考虑到TIRS(Thermal Infrared Sensor,红外热传感器)波段的定标偏差[20]和反演精度、普适性问题,采用覃志豪等[21]改进的单窗算法,反演地表温度TLS:

(2)

式中:a和b为普朗克方程相关经验系数;Ta为大气平均作用温度,K;T6为卫星上遥感器所观测到的亮度温度,K;C和D为中间变量。

其中:

(3)

C=ετ

(4)

D=(1-ε)[1+(1-ε)τ]

(5)

式中:K1、K2为卫星发射前预设辐射常量;E为中间变量;ε为地表比辐射率;τ为当天的大气透射率。

2.3 构造TVDI 模型反演矿区土壤湿度

准东矿区植被覆盖稀疏,属于低植被覆盖区,以NDVI-LST特征空间为基础,构造温度植被干旱指数ITVD(Temperature Vegetation Dryness Index,TVDI)模型反演准东矿区土壤湿度的时空变化情况:

(6)

TLSmax=a1+b1INDV

(7)

TLSmin=a2+b2INDV

(8)

式中:TLSmax为给定NDVI值条件下的地表温度最高值,对应NDVI-LST特征空间的“干边”(ITVD=1);TLSmin为地表温度最低值,对应NDVI-LST特征空间的“湿边”(ITVD=0);a和b为系数,可由NDVI-LST特征区间“干边”“湿边”拟合得到。

TLS越接近“湿边”,ITVD越小,土壤湿度越高;TLS越接近“干边”,ITVD越大,土壤湿度越低。

利用ITVD值作为不同土壤湿度分级指标,结合准东矿区实际情况,将土壤湿度划分为5个等级,分别为:一级(0≤ITVD<0.76)、二级(0.76≤ITVD<0.82)、三级(0.82≤ITVD<0.88)、四级(0.88≤ITVD<0.94)和五级(0.94≤ITVD<1.00)。等级越低,土壤湿度越高;等级越高,土壤湿度越低,即五级土壤湿度最低。

2.4 GM(1,1)灰色模型预测

灰色预测模型(Grey Forecast Model)是基于一阶常微分方程建立的,故称为一阶一元灰色模型,记为GM(1,1)。该方法利用已知少量、不完全的数据,通过构建数学模型,对未来的趋势做出预测。其原理如下:

设初始非负数据序列为:

X(0)={X(0)(i),i=1,2,…,n}

(9)

式中n为序列长度。

首先对X(0)进行一次累加,生成一次累加序列X(1):

X(1)={X(1)(k),k=1,2,…,n}

(10)

(11)

(12)

灰色序列矩阵B:

(13)

Yn=(X(0)(2),X(0)(3),…,X(0)n)T

(14)

(15)

(16)

3 结果分析与讨论

3.1 矿区土壤湿度时空变化

利用ENVI软件对2001—2021年、每2年1期的遥感影像进行处理,计算各年土壤湿度情况并进行分级,得到矿区2001—2021年不同等级土壤湿度分布情况,如图2所示。

图2 准东矿区2001—2021年不同等级土壤湿度分布图

由图2可知,2001—2021年,准东矿区内各年土壤湿度ITVD值均为 0～1。中部和西南部地区土壤湿度较低,多为五级土壤湿度状态,呈现浅蓝色;北部和东部区域土壤湿度较高,呈现深蓝色;研究区内一至三级土壤湿度面积总体变化不大,五级土壤湿度面积有缩小趋势,四级土壤湿度面积逐年有所增加。可知,矿区内土壤湿度总体较低,目前稍有改善,这与矿区煤炭开采过程相应的生态环境保护措施有关。

对准东矿区5种等级(一至五级)的土壤湿度面积(S1,S2,S3,S4,S5)进行统计,其年降水量与不同等级土壤湿度面积见表1。

表1 准东矿区年降水量与不同等级土壤湿度面积

由表1可知,2001年和2003年的一级、二级土壤湿度面积均为0;2001—2021年,一级土壤湿度面积占总研究区面积<5%,其中2013年面积最大,达到350.906 km2;二级土壤湿度面积占比略小于一级土壤湿度面积,最大占比为2021年的2.18%,土壤湿度面积为264.546 km2;三级土壤湿度面积占研究区总面积0～15%,2007年三级土壤湿度面积最大,为1 702.101 km2;四级和五级土壤湿度面积在研究区内面积最大,其面积总和占比达85%以上,2019年面积总和最大,占总面积99.76%;除2001年和2013年外,研究区内四级土壤湿度面积始终大于五级土壤湿度面积。

准东矿区不同等级土壤湿度面积与年降水量变化情况如图3所示。

图3 不同等级土壤湿度面积与年降水量变化情况

由图3可知,2001—2021年准东矿区年降水量总体呈波动上升趋势,与区域气候变化有关,2019年降水量突增至1 319.78 mm,2021年继续增加至1 496.06 mm。2001—2007年,降水量增加了164.34 mm,五级土壤湿度面积缩小,三级、四级土壤湿度面积增大,总体土壤湿度增大。其中,2007—2011年,降水量下降117.10 mm,三级、四级土壤湿度面积缩小,五级土壤湿度面积增大,总体土壤湿度减小,土壤湿度变化一定程度上受到降水因素影响;2011—2015年,降水量增加,五级土壤湿度面积先增大后缩小,四级土壤湿度面积先缩小后增大;2017—2021年,降水量有较大增长,但土壤湿度略有降低。

矿区内四级、五级土壤湿度面积变化较为明显,呈现出互为相反的变化趋势(见图3),且两者面积变动始终保持在1 000～11 000 km2;一级、二级、三级土壤湿度面积处于0～2 000 km2,年际波动平缓,无明显变化。

总体上,准东矿区无明显地表水补给,植被覆盖率低,土壤湿度变化受降水等气象因素影响较大,矿区煤炭开发活动对土壤水分含量分布具有一定影响。研究区内四级、五级土壤湿度面积变化较大程度地表征了区域土壤湿度整体状况,四级土壤湿度面积增大,五级土壤湿度面积减小,土壤湿度年际间变化呈现良好态势。

3.2 GM(1,1)灰色模型预测分析

以2001—2021年准东矿区各级土壤湿度面积为基础数据,采用GM(1,1)灰色预测模型进行预测分析。设置一级土壤湿度面积为M(0)(k),二级土壤湿度面积为N(0)(k),三级土壤湿度面积为O(0)(k),四级土壤湿度面积为P(0)(k),五级土壤湿度面积为Q(0)(k),得到准东矿区各级土壤湿度面积序列:

1 321.534 416

(17)

(18)

4 312.719 038

(19)

1 528 021.607 119

(20)

1 390 657.819 37

(21)

由式(17)～(21)计算可得研究区内2001—2039年一至五级土壤湿度面积预测值。2001—2039年,准东矿区一级至五级土壤湿度面积预测结果如表2～3所示。

表2 准东矿区2001—2021年各级土壤湿度面积基础数据与预测结果

表3 准东矿区2023—2039年各级土壤湿度面积预测结果

由表2可知,四级、五级土壤湿度面积预测结果较好,最大相对误差为1.24%;其次是一级、三级土壤湿度面积预测,一级土壤湿度面积预测相对误差最大为27.33%,三级土壤湿度面积预测相对误差最大为14.90%;二级土壤湿度面积预测结果存在较大误差,与遥感影像反演中云量产生的影响有关。

由表2～3可得准东矿区一级至五级土壤湿度面积变化趋势,如图4所示。

由图4可知,2021—2039年期间,准东矿区一级土壤湿度面积在0～1 000 km2内,略有增大;二级土壤湿度面积逐渐减小并趋于0;三级土壤湿度面积在0～1 000 km2,并逐年下降;四级和五级土壤湿度面积仍占据研究区主要部分,四级土壤湿度面积呈现逐年上升趋势,五级土壤湿度面积稳定在3 000 km2左右,逐年有所下降。综上可知,准东矿区未来17年总体土壤湿度呈降低趋势。

图4 准东矿区土壤湿度面积变化趋势

4 结论

1)2001—2021年,准东矿区各年土壤湿度ITVD值均为0～1,总体土壤湿度较低,以四级、五级土壤湿度为主,占矿区总面积的85%以上;北部和东部区域土壤湿度较高,中部和西南部地区土壤湿度较低,多为五级土壤湿度状态。

2)2001—2021年,一级、二级、三级土壤湿度面积年际变化不大,在0～2 000 km2内波动;受降水等气象因素影响,四级和五级土壤湿度的面积变动始终保持在1 000～11 000 km2,两者表现出相反的变化趋势。

3)基于灰色预测模型的预测结果表明:在预测期内,四级、五级土壤湿度面积仍占据研究区主要部分,四级土壤湿度面积呈现逐年上升趋势,五级土壤湿度面积稳定在3 000 km2左右,并逐年下降;在0～1 000 km2内,一级土壤湿度面积略有增大,二级土壤湿度面积逐渐减小并趋于0,三级土壤湿度面积逐年下降;准东矿区未来17年土壤湿度总体呈下降趋势。