岩溶石漠化信息遥感提取方法研究现状及展望

程 洋,沈利娜,莫源富, 孙 悦

(1.中国地质科学院 岩溶地质研究所,广西 桂林 541004;2.桂林理工大学 地球科学学院,广西 桂林 541006)

岩溶石漠化信息遥感提取方法研究现状及展望

程 洋1,沈利娜1,莫源富1, 孙 悦2

(1.中国地质科学院 岩溶地质研究所,广西 桂林 541004;2.桂林理工大学 地球科学学院,广西 桂林 541006)

通过回顾相关研究成果,总结岩溶石漠化信息遥感提取方法的研究现状,探讨了人机交互解译法、比值增强法、监督分类法、基于光谱特征的自动分类法、基于时间序列的分类法、基于专家经验分类法、面向对象的分类法的优点和不足,结合实践工作,笔者认为从改进遥感增强模型、改进野外实测基岩裸露率的方法、加强人机交互解译这三方面着手,能建立更科学的岩溶石漠化信息遥感提取模型。

高光谱;遥感;岩溶石漠化

0 引 言

岩溶石漠化是在南方热带、亚热带脆弱的岩溶环境中,在不合理的人类活动基础上造成的植被退化、土壤侵蚀、水土流失和大面积的基岩裸露。其本质特征是土地生产力下降,出现类似沙漠的岩溶石漠化景观[1-6]。岩溶石漠化是土地荒漠化的主要类型之一,是我国西南岩溶山区的首要生态环境问题,制约着区域社会经济发展,严重威胁到当地居民的生存环境。党的十六、十七、十八大报告及党的十七届五中全会审议通过的《中共中央关于制订国民经济和社会发展第十二个五年规划的建议》都明确提出: “推进荒漠化、石漠化综合治理”,石漠化问题已上升为国家生态建设战略。为此,必须制订科学的石漠化防治措施,全面推进石漠化防治进程。

遥感技术具有视域宽广、探测手段多样、受地面条件限制小和经济高效等特点,是获取数据信息最准确、快捷、高效的方法之一,也是地质调查的重要手段之一,更是调查岩溶石漠化空间分布情况最好的技术方法。利用遥感技术可以快速、准确、经济地获取不同空间尺度的岩溶石漠化空间分布现状、分布规律和演变趋势信息,为制定有前瞻性和针对性的生态环境保护和恢复规划提供科学依据,推进石漠化防治工作的进程。

目前,岩溶石漠化信息遥感提取方法研究的文献报道很多,众多学者从不同角度提出了多种岩溶石漠化信息遥感提取的方法和思路。本文回顾了相关研究成果,概括总结了岩溶石漠化信息遥感提取方法的研究现状,探讨了相关方法的优点和不足,结合实践工作提出了一些展望和方法,期望能为岩溶石漠化信息遥感提取方法选择提供参考。

1 岩溶石漠化信息遥感提取方法

岩溶石漠化信息遥感提取方法主要有人机交互解译法、比值增强(包括各类植被指数)-密度分割法、监督分类及其改进的方法、基于光谱特征的自动分类方法、基于专家经验的分类方法,基于变化监测的分类方法和面向对象的分类方法。

1.1 人机交互解译法

周忠发等[7-8]在2001年提出利用人机交互解译的方法提取岩溶石漠化信息，初步总结出了岩溶石漠化遥感调查的作业流程,提出了以地表质地指标、坡度指标和植被指标为核心的岩溶石漠化遥感判读指标,厘定了典型岩溶石漠化地区的影像特征,解译出了贵州省的岩溶石漠化空间分布。

人机交互解译是遥感解译方法中最基础、最经典的方法,是岩溶石漠化信息提取最重要的方法之一；但是人机交互解译的工作量较大,不适用于大区域(如中国西南八省)岩溶石漠化遥感调查工作;同时,不同解译者的解译标准难以统一,解译成果缺少可对比性。

1.2 比值增强法

比值增强法是遥感图像增强的方法之一,它能检测到波段的斜率信息并加以扩展,以突出不同波段间地物光谱的差异,提高对比度。比值增强法常被用于突出植被特征,提取植被类别或估算植被生物量。常用的算法有植被指数法和归一化植被指数法,比值增强法是岩溶石漠化信息最重要的增强方法。

童立强[9]在2003年提出了石漠化指数的概念,利用基于视反射率的比值运算法生成视反射率图像,然后对视反射率图像采用TM5/TM4 运算来增强石漠化信息,生成石漠化指数图像。

视反射率的比值运算采用Fraser等提出的对数剩余变换方法进行计算,完成辐射校正,消除传感器增益、太阳照度、坡向等的影响,使之变成仅与地物反射率有关的似反射率图像,这是进行大范围多景不同时相的非纹理遥感信息计算机自动提取时必须的处理步骤。Fraser视反射率图像的定义为

Piλ=DNiλ·G/Giλ·Gi,

(1)

式中:DNiλ为第i个像元在λ波段的亮度值;G为所有波段所有像元亮度值的几何平均值;Giλ为λ波段所有像元亮度值的几何平均值;Gi为第i个像元点所有波段亮度值的几何平均值;Piλ为第i个像元在λ波段的视反射率值。

采用TM5/TM4的运算增强岩溶石漠化信息,石漠化指数D的表达式为

Di=PiTM5/PiTM4,

(2)

式中:PiTM5为第i像元在TM5波段的视反射率值;PiTM4为第i像元在TM4波段的视反射率值。将式(2)带入式(1)得石漠化指数:

Di=(DNiTM5·GiTM4)/(DNiTM4·GiTM5)。

(3)

式中,DNiTM5为第i个像元在TM5波段的亮度值;GiTM4为TM4波段所有像元亮度值的几何平均值;DNiTM4为第i个像元在TM4波段的亮度值;GiTM5为TM5波段所有像元亮度值的几何平均值。

实践表明,石漠化指数模型增强了岩溶石漠化信息,消除了传感器增益、太阳照度及坡向等影响,保证了岩溶石漠化信息自动提取的准确性及时空可比性。

李朝阳等[10]在2007年利用比值植被指数(RVI)、 归一化差异植被指数(NDVI)和增强植被指数(EVI) 法自动提取了贵州省南部坝王河流域的岩溶石漠化信息。他对增强植被指数(EVI)进行了改进,加入了土壤调节参数,避免了基于比值的植被指数的饱和问题,同时耦合了抗大气植被指数和土壤调节植被指数,减少了大气和土壤背景影响EVI的合成。

周欣等[11]在2008年以MODIS数据为数据源,采用Rch6/Rch2的比值法自动提取了广西全境的岩溶石漠化信息。

况顺达等[12]在2009年总结了岩溶石漠化遥感信息增强技术,提出了基于比值运算的改进增强型植被指数法(GEVI)。GEVI充分利用了植被、土壤、裸岩及水体等在蓝光波段、红光波段及近红外波段的光谱响应特性,增大了土壤、植被、裸岩及水体之间的反差,有利于植被信息的提取。

凌成星等[13]在2009年改进了基于比值运算增强石漠化信息的方法,加入了坡度信息,有利于提高精度,是比值增强法的重要发展。

李丽等[14]和张盼盼等[15]在2010年从各类植被指数出发,分别提出了基于植被盖度的石漠化信息遥感提取方法和喀斯特地区裸岩率的计算方法,从植被覆盖度和基岩裸露率的参数中提取了岩溶石漠化信息。

杨奇勇等[16]在2012年提出了基于地统计学和遥感的岩溶石漠化信息提取方法,利用地统计学的方法剔除阴影区,采用比值法增强岩溶石漠化信息,然后利用克里格插值法进行信息提取。这种方法包含了岩溶区影像阴影修复的方法[17],充分考虑了岩溶地貌的影响,提高了后续石漠化分类的精度。

比值增强法及其各类改进方法是岩溶石漠化信息提取最重要的方法,它显著地扩展了植被和裸岩的光谱的差异,突出了植被和裸岩的影像特征,提高了对比度。就目前遥感技术水平而言,波谱分辨率与空间分辨率是矛盾的,空间分辨率提高意味着波谱分辨率的降低。比值增强法很难用于空间分辨率优于15 m的遥感数据,难以应用于大比例尺石漠化信息提取。

1.3 监督分类法

李文辉等[18]在2002年提出利用遥感监督分类的方法自动提取岩溶石漠化信息。他应用卫星TM 数据,通过石漠化波谱曲线分析,选择样区进行校正、监督分类、矢量化和数据转换,实现石漠化图斑的计算机解译。

文锡梅等[19]在2006年利用监督分类的方法提取了贵州省瓮安县的石漠化信息,其方法体系与文献[18]中的记述基本一致。

谢雨萍等[20]在2009年提出了通过4种监督分类的方法(平行六面体、最大似然、最小距离和波谱角分类)提取岩溶石漠化信息,这是对文献[18-19]的发展。

监督分类法是遥感图像分类中最经典和普适的一种方法。受岩溶区特殊地貌的影响,遥感影像上阴影较多,监督分类的成果精度较差;其成果由栅格图像直接转为矢量图件,石漠化图斑边界受像元大小的控制呈正交的锯齿状,不是真实信息的反映。

1.4 基于光谱特征的自动分类

夏学齐等[21]在2006年提出了一种利用多光谱遥感数据定量提取岩溶石漠化程度信息的算法。以IKONOS遥感数据为数据源,在多维光谱的向量空间分析的基础上,利用混合像元到植被线的距离提取了贵州省普定县典型研究区的岩溶石漠化信息。

周忠发等[22]在2008年尝试采用光谱特征与数学分解模型相结合方法来对石漠化信息进行分类。利用不同平台和波段遥感数据,在“3S”技术支持下进行处理、分类、解译和分析喀斯特石漠化的空间分布状况与特征,对石漠化光谱特征进行定量研究,掌握不同条件和不同影响因子下石漠化光谱特征的变化规律,得出了贵州省毕节市鸭池示范区石漠化的空间分布与状况特征。

岳跃民等[23]在2011年提出了基于光谱吸收特征的石漠化综合指数,直接提取石漠化遥感评价因子,这是对光谱信息的充分挖掘,极具应用价值。同年,岳跃民等[24]还提出了石漠化遥感信息提取的不确定性问题,分析了不确定性的来源,提出既要开展石漠化光谱响应机理研究,构建石漠化信息提取光谱综合指数模型,又应该充分考虑地物的时空辅助信息，如地物空间分布的连续特性。

熊鹰等[25]在2013年提出了基于植被指数(NDVI)、石漠化综合光谱指数(KRDSI)和木质素-纤维素吸收指数(LCA),分别利用Hyperion高光谱遥感影像和模拟的ASTER多光谱遥感影像直接提取石漠化评价指标。

基于光谱特征的自动分类方法最大的缺陷是受岩溶区特殊地貌的影响,大量阴影区的非正常数据影响了定量分析的结果。从文献[21]中结果图上看,石漠化都位于阳坡,阴坡都是林地覆盖区,这显然不符合石漠化的空间分布特征。文献[24]开始考虑岩溶地貌的影响,这是很有意义的探索,自动分类加人机交互解译是岩溶石漠化信息提取最好的方法组合。

1.5 基于时间序列的分类方法

莫源富等[26]在2007年利用1979年的航片、1993年TM数据和2001年ETM+数据模拟了岩溶石漠化“森林→灌木林→灌丛→荒草地→坡耕地→裸露基岩”的土地退化过程,提取岩溶石漠化信息。

李松等[27]在2012年提出基于遥感变化检测的石漠化信息自动提取方法,其核心是应用不同时相的数据进行减法运算,增强石漠化信息,然后分类提取。他利用1992和2001年时相的TM数据提取了贵州省威宁县附近的岩溶石漠化信息。

孟小军等[28]在2013年提出了利用植被覆盖演变特征提取岩溶石漠化信息,以1999年时相的TM数据和2009年的SPOT数据为数据源,提取了贵州省打狗河流域的岩溶石漠化信息。

这3种方法都包含了基于时间序列的思路, 但是时间分辨率太低, 最多只有3个时相的数据参与分析, 成果的准确性有待检验。 几何配准和数据时相的问题直接决定了这种方法的正误, 如果不能利用同一位置的像元进行减法运算, 变化信息就无从谈起; 植被的覆盖状况决定于当时的气候, 如果两期遥感数据的气候条件出现较大差异会严重影响计算结果,无法正确提取石漠化信息。

1.6 基于专家经验分类方法

黄岩等[29]在2008年提出了基于专家分类的石漠化定量分析模型。该方法利用经验模型法确定植被指数与植被覆盖度之间的关系，结合坡度、岩性、降水量和降雨强度等有关因素,建立基于专家分类的石漠化定量分析模型。利用该模型提取了重庆南川市的岩溶石漠化信息。

这种方法的实质是以植被覆盖度为基础,结合坡度、岩性、降雨量和降雨强度提取岩溶石漠化信息。目前,岩溶石漠化与坡度、岩性、降雨量和降雨强度的定量关系研究还有待进一步深入,加入这些因素提取石漠化信息容易造成“去真”的结果。

1.7 面向对象的分类方法

祖琪等[30]在2011年利用基于面向对象分类方法,在eCognition软件平台上提取了桂林寨底地区的地表覆盖信息,区分出了水体、道路、耕地、针叶林、阔叶林、密灌、居民地、果园和灌草。该法已基本具备了岩溶石漠化信息提取的适用性。

面向对象的分类方法在土地利用等领域有广泛的应用,有大量的研究成果，但这种方法难以对石漠化程度进行分类,即便完成分类也缺乏定量依据。

2 岩溶石漠化信息遥感提取方法的展望

针对岩溶石漠化信息遥感提取方法的研究现状、遥感技术未来的发展趋势，结合笔者的相关实践,认为从改进遥感增强模型、改进野外实测基岩裸露率的方法、加强人机交互解译这3方面着手,有助于建立更科学的岩溶石漠化信息遥感提取模型。

2.1 研究基于高光谱数据的提取方法

随着高光谱遥感技术的不断发展,在光谱分辨率不断提高的同时,高光谱数据的空间分辨率也有了明显的进步,将高光谱数据应用于岩溶石漠化信息提取是有足够精度的。高光谱数据的应用应该有两个研究方向：一是按照多光谱数据增强模型的思路,研究更适合高光谱数据的遥感提取方法；二是借鉴一些基于高光谱数据的矿物信息提取方法[31],如光谱微分技术、光谱匹配技术、混合光谱分解技术、光谱分类技术、光谱维特征提取方法、模型方法等。

2.2 野外实测基岩裸露率的方法

野外实测数据是遥感分类最重要的依据,科学的测量方法能准确的测出基岩裸露率。结合数年地调工作的实际经验,笔者认为“线密度”法实测基岩裸露率是科学可行的。如图1所示,首先选择边长为a的正方形样地,其次以b(b是a的因数)为间距,将正方形平行的两边平均分为a/b份,在其垂直方向上有a/b-1条平行线,然后从左至右或者从右至左分别测每条平行线(包括正方形的第一条边)上基岩裸露的长度li,最后根据公式p=∑li×b/a2×100%计算样地的基岩裸露率,其中li为第i条蓝线的长度，b越小成果精度越高、工作量越大。

图1 线密度法示意图

野外实测的基岩裸露率数据是遥感分类的“样地”,应按照遥感分类技术方法体系中“样地”选取的原则选取,再根据上述的方法进行测量,建立野外实测数据与遥感图像的对应关系,提供最重要的分类依据。

2.3 重视人机交互解译

相较于其他地貌区,岩溶区的地表起伏大(尤其是峰丛洼地和峰林洼地区),在遥感图像上表现为无规律的明暗斑点：阳坡为高亮度,是正常的亮度值;阴坡为低亮度,是非正常的亮度值,如果利用全自动的遥感分类方法,结果容易出现文献[21]的现象，应加强人机交互解译，消除特殊地貌因素对分类结果的影响。

莫源富等[32]充分考虑岩溶区的影像特征,提出了分区分类的岩溶区遥感分类思路,对于阴影区采用人机交互解译法解译。杨奇勇等[17]提出了岩溶区影像阴影修复的方法,通过修正阴影区的亮度值来提高后续石漠化分类的精度，这两种方法都可以应用到人机交互解译中。

[1]袁道先,蔡桂鸿.岩溶环境学[M].重庆:重庆出版社,1988.

[2]袁道先.我国西南岩溶石山的环境地质问题[J].大自然探索, 1996,15 (4): 21-23.

[3]王世杰.喀斯特石漠化概念演绎及其科学内涵的探讨[J].中国岩溶,2002,21(2): 101-105.

[4]李阳兵,王世杰,容丽.关于喀斯特石漠和石漠化概念的讨论[J].中国沙漠,2004,24(6): 689-695.

[5]李森,董玉祥,王金华.土地石漠化概念与分级问题再探讨[J].中国岩溶,2007, 26(4): 279-284.

[6]李松,熊康宁,王英,等.关于石漠化科学内涵的探讨[J].水土保持通报,2009, 29(2): 205-208.

[7]周忠发,黄路迦,肖丹.贵州高原喀斯特石漠化遥感调查研究——以贵州省清镇市为例[J].贵州地质, 2001, 18(2): 93-98.

[8]周忠发.遥感和GIS技术在贵州喀斯特地区土地石漠化研究中的应用[J].水土保持通报, 2001, 21(3): 52-54, 66.

[9]童立强.西南岩溶石山地区石漠化信息自动提取技术研究[J].国土资源遥感,2003,15(4): 35-38.

[10]李朝阳,况顺达,李志忠,等.喀斯特石漠化遥感信息增强与监测技术[J].桂林工学院学报,2007,27(1): 30-35.

[11]周欣,吴虹,党宇宁.基于EOS-MODIS的广西全境石漠化信息提取方法研究[J].化工矿产地质,2008,30(4): 219-222,233.

[12]况顺达,戴传固,王尚彦,等.岩溶石漠化遥感信息增强技术探讨[J].贵州地质,2009,26(1): 44-48.

[13]凌成星,林辉,薛晓坡,等.基于植被指数特征和空间分析的石漠化信息提取[J].水土保持研究,2009,16(1): 167-171.

[14]李丽,童立强,李小慧.基于植被覆盖度的石漠化遥感信息提取方法研究[J].国土资源遥感,2010,22(2): 59-62.

[15]张盼盼,胡远满,肖笃宁,等.一种基于多光谱遥感影像的喀斯特地区裸岩率的计算方法初探[J].遥感技术与应用,2010,25(4):510-514.

[16]杨奇勇,蒋忠诚,马祖陆,等.基于地统计学和遥感的岩溶区石漠化空间变异特征[J]. 农业工程学报,2012,28(4):243-247.

[17]杨奇勇,马祖陆,蒋忠诚,等.峰丛洼地遥感图像山体阴影缺失的克里格修复[J].国土资源遥感,2012,24(4):112-116.

[18]李文辉,余德清.岩溶石山地区石漠化遥感调查技术方法研究[J].国土资源遥感,2002,14(1): 34-37.

[19]文锡梅,兰安军,安裕伦,等.ASTER影像在喀斯特石漠化遥感解译中的应用——以贵州省瓮安县为例[J].贵州师范大学学报：自然科学版,2006,24(3): 24-28.

[20]谢雨萍,吴虹,刘泽东，等.恭城县岩溶石漠化环境变化定量遥感研究[J].桂林工学院学报,2009,29(1): 65-71.

[21]夏学齐,田庆久,杜凤兰.石漠化程度遥感信息提取方法研究[J].遥感学报,2006,10(4): 469-474.

[22]周忠发,闫利会,喻琴.不同背景条件下喀斯特石漠化光谱模型建立与空间分析[J].水土保持通报,2008,28(6): 95-97.

[23]岳跃民,张兵,王克林,等.石漠化遥感评价因子提取研究[J].遥感学报,2011,15(4):722-736.

[24]岳跃民,王克林,张兵,等.喀斯特石漠化信息遥感提取的不确定性[J]. 地球科学进展,2011,26(3):266-274.

[25]熊鹰,岳跃民,王克林.基于Hyperion和ASTER影像的喀斯特石漠化评价指标提取对比研究[J].水土保持通报, 2013,33(3):186-190.

[26]莫源富,奚小双,夏日元.广西都安县三只羊地区与贵州罗甸县大关地区岩溶石漠化进程对比分析[J].中国岩溶, 2007,26(4):291-296.

[27]李松,安裕伦,华厚强.基于遥感变化检测的石漠化信息自动提取[J].遥感技术与应用,2012,27(1):149-153.

[28]孟小军,莫源富.基于遥感技术的打狗河流域 1999—2009 年间石漠化及绿化研究[J].桂林理工大学学报, 2013,33(4):622-628.

[29]黄岩,谢世友,赵亚萍.基于ETM影像的喀斯特石漠化调查研究——以重庆南川市为例[J].国土资源遥感,2008,20(1): 55-58,71.

[30]祖琪,袁希平,莫源富,等.基于面向对象分类方法在SPOT影像中的地物信息提取[J].中国岩溶, 2011,30(2):227-232.

[31]浦瑞良,宫鹏.高光谱遥感及其应用[M].北京:高等教育出版社,2003.

[32]莫源富,周立新.分区分类法——针对山区遥感图象的一种有效的分类方法[J].中国岩溶, 2000,19(4):360-365.

Review status and prospect of karst rocky desertification remote sensing information extraction methods

CHENG Yang1,SHEN Li-na1, MO Yuan-fu1, SUN Yue2

(1.Institute of Karst Geology, Chinese Academy of Geological Sciences, Guilin 541004,China;2.College of Earth Sciences,Guilin University of Technology, Guilin 541006,China)

Remote sensing technology is the best technical investigation method for karst rocky desertification spatial distribution. By reviewing the related results, this paper summaries the research status of the remote sensing information extraction methods of karst rocky desertification and discusses the relevant methods’ advantages and disadvantages, such as human computer interactive interpretation method, ratio enhancement method,supervised classification, automatic classification method based on spectral feature, classification method based on time series, classification method based on expert experience and object-oriented classification method. Combined with practical work,three researches are suggested:improving remote sensing enhanced model, improving method of exposed bedrock rate survey, strengthening interactive interpretation to establish a more scientific remote sensing information extraction model for karst rocky desertification.

high spectral;remote sensing;karst rocky desertification

1674-9057(2015)04-0839-06

10.3969/j.issn.1674-9057.2015.04.024

2015-05-11

中国地质调查局地质调查项目(12120114069001-1；12120115046601);广西自然科学青年基金项目(2014GXNFSBA 118215);广西科技攻关计划项目(桂科攻1598019-10);中国地质科学院岩溶地质研究所基本科研业务费项目(2014017)

程 洋(1987—),男,硕士,助理研究员,研究方向:遥感在地质领域的应用,chengyang@karst.ac.cn。

沈利娜,博士,助理研究员,shenlina@karst.ac.cn。

程洋,沈利娜,莫源富,等.岩溶石漠化信息遥感提取方法研究现状及展望[J].桂林理工大学学报，2015,35(4):839-844.

TP79;P642.254

A