高時(shí)空分辨率植被覆蓋獲取方法及其在土壤侵蝕監(jiān)測(cè)中的應(yīng)用

方天縱,秦朋遙,王黎明,李曉松

1 天津市水務(wù)局,天津 300074 2 中國(guó)林業(yè)科學(xué)研究院資源信息研究所,北京 100091 3 天津市薊州區(qū)水務(wù)局,天津 301900 4 中國(guó)科學(xué)院遙感與數(shù)字地球研究所數(shù)字地球重點(diǎn)實(shí)驗(yàn)室,北京 100094

土壤侵蝕是全球主要生態(tài)環(huán)境問題之一,它因?qū)е峦寥婪柿档汀⒂俜e河道和水庫(kù)、加劇洪澇災(zāi)害等問題而備受關(guān)注[1]?？紤]到人口增長(zhǎng)壓力及氣候變化的不利影響,土壤侵蝕在未來存在進(jìn)一步加劇的可能[2]。開展大范圍土壤侵蝕監(jiān)測(cè)對(duì)于掌握區(qū)域土壤侵蝕現(xiàn)狀并開展生態(tài)恢復(fù)具有重要意義。土壤侵蝕監(jiān)測(cè)方法以土壤流失方程(USLE,Universal Soil Loss Equation)的應(yīng)用最為廣泛[3]。不同國(guó)家和地區(qū)則基于USLE進(jìn)行改進(jìn),使之適用于不同的地區(qū),中國(guó)也在此基礎(chǔ)上提出了更適用于中國(guó)具體情況的中國(guó)土壤流失方程(CSLE,Chinese Soil Loss Equation),為坡面尺度土壤侵蝕監(jiān)測(cè)提供了一個(gè)較好手段[4]。然而,無論是改進(jìn)的USLE還是CSLE,在大尺度上準(zhǔn)確獲取土壤流失方程的輸入?yún)?shù)是成功監(jiān)測(cè)區(qū)域土壤侵蝕的關(guān)鍵。

衛(wèi)星遙感具有對(duì)大區(qū)域、固定周期重訪的觀測(cè)能力,可提供大區(qū)域地面動(dòng)態(tài)變化情況,因而已成為土壤侵蝕監(jiān)測(cè)的重要手段[5],其最大作用就是大范圍土壤侵蝕控制因子的獲取。土壤侵蝕控制諸因子主要包括地形、土壤、降水與植被四類主要因子,盡管利用遙感提取地形[6]、土壤[7]及降水[8]信息都有一定研究,但這些因子的時(shí)間變異性較小,植被因子引起變異大而成為遙感研究的熱點(diǎn)[9-11]。土地利用指派法是最早用于提取植被因子的方法,該方法利用遙感影像進(jìn)行監(jiān)督/非監(jiān)督分類,然后基于參考文獻(xiàn)指派植被措施與管理因子[12]。為了解決土地利用指派法受分類精度影響較大、類內(nèi)空間差異性無法體現(xiàn)的問題,建立遙感光譜特征與地面實(shí)測(cè)植被因子間的經(jīng)驗(yàn)?zāi)Ｐ?進(jìn)而推算植被措施與管理因子的方法得到了成功應(yīng)用[13-14]。植被指數(shù)因可以通過植被在近紅外與紅波段的反射特征有效反映植被覆蓋度的差異[15],已經(jīng)廣泛用于評(píng)估植被對(duì)土壤的保護(hù)作用[16-17]。除植被指數(shù)外,混合像元分解方法以其能同時(shí)估算綠色植被、非綠色植被和土壤分量的特點(diǎn)在近年來來也得到了應(yīng)用[18],一定程度克服了植被指數(shù)對(duì)非綠色植被不敏感的局限。然而,區(qū)域尺度上的植被因子除了具有突出的空間異質(zhì)性外,還具有明顯的時(shí)間動(dòng)態(tài)特征,植被覆蓋時(shí)間上的動(dòng)態(tài)變化對(duì)植被覆蓋與管理因子的影響確鮮有研究,而植被與降水動(dòng)態(tài)的精確匹配對(duì)土壤侵蝕監(jiān)測(cè)結(jié)果具有重要的影響[19-20]。

利用多源遙感數(shù)據(jù)的優(yōu)勢(shì),開展高時(shí)空分辨率數(shù)據(jù)融合,有助于解決時(shí)間序列高空間分辨率植被覆蓋信息獲取、提高高空間分辨率土壤侵蝕監(jiān)測(cè)的準(zhǔn)確性。其中,應(yīng)用最為廣泛的是STARFM(spatial and temporal adaptive reflectance fusion model)[21- 23],該方法基于Landsat ETM+數(shù)據(jù)與多時(shí)相MODIS日反射率數(shù)據(jù)的融合而提出,最高可實(shí)現(xiàn)每天的Landsat ETM+反射率的預(yù)測(cè),解決了時(shí)間序列高分辨率遙感數(shù)據(jù)的預(yù)測(cè)問題。然而,該方法對(duì)混合像元問題沒有充分的解決,對(duì)于分辨率相差較大數(shù)據(jù)在地表空間異質(zhì)性較強(qiáng)區(qū)域的應(yīng)用存在著一定問題[24]。另一手段是通過引入高精度土地覆蓋通過對(duì)高時(shí)間分辨率遙感數(shù)據(jù)降尺度直接實(shí)現(xiàn)高空間分辨率植被動(dòng)態(tài)監(jiān)測(cè)[25]。該方法僅依靠一期高分辨率土地覆被數(shù)據(jù),借助不同土地覆被類型的轉(zhuǎn)換系數(shù),將各混合像元分辨率提高到與土地覆蓋數(shù)據(jù)相同精度,從操作角度上來說更為容易,但是該方法沒有引入任何一期的高空間分辨率植被覆蓋真實(shí)信息,空間尺度上的較大差異會(huì)對(duì)高空間分辨率植被覆蓋的估算結(jié)果有較大影響。由此可見,如能引入一期高空間分辨率植被覆蓋作為基準(zhǔn),通過高時(shí)間分辨率刻畫植被覆蓋動(dòng)態(tài)變化,并通過高空間分辨率土地覆蓋解決混合像元的問題,進(jìn)而實(shí)現(xiàn)高時(shí)空分辨率植被覆蓋信息的準(zhǔn)確獲取具有重要理論與現(xiàn)實(shí)意義。

薊州區(qū)是天津市重要的飲用水水源地和水源涵養(yǎng)生態(tài)功能區(qū),尤其是北部山區(qū),是天津的后花園和重要生態(tài)屏障,土壤侵蝕是薊州區(qū)最為突出的生態(tài)環(huán)境問題之一[26]。近些年來,薊州區(qū)開展了一系列的土壤侵蝕治理及生態(tài)保護(hù)工程,生態(tài)環(huán)境有所好轉(zhuǎn)、土壤侵蝕問題得到了一定程度緩解。,準(zhǔn)確監(jiān)測(cè)土壤侵蝕的動(dòng)態(tài)變化即是評(píng)價(jià)生態(tài)保護(hù)成效的重要基礎(chǔ),也是進(jìn)一步開展土壤保持工作的前提。本研究擬發(fā)展一套基于多源遙感數(shù)據(jù)并結(jié)合高空間分辨率土地覆蓋的高時(shí)空分辨率植被覆蓋估算方法,進(jìn)而實(shí)現(xiàn)高時(shí)空分辨率降水與植被因子的動(dòng)態(tài)耦合,提高土壤侵蝕監(jiān)測(cè)的準(zhǔn)確性,以期為我國(guó)高分辨率土壤侵蝕動(dòng)態(tài)監(jiān)測(cè)提供參考。

1 研究區(qū)概況

薊州區(qū)位于天津市北部,與北京市和河北省交界,南部與寶坻區(qū)相連。地理位置在117°10′—117°46′E,39°57′—40°15′N之間,總面積1590.22 km2。地勢(shì)北高南低,氣候?qū)儆谂瘻貛О霛駶?rùn)大陸性季風(fēng)型氣候,多年平均降水量660 mm,其中夏季降雨約占全年降雨量的76.8%。土壤類型以褐土和棕壤土為主,大約以海拔800 m為界限,其上以薄土層棕壤為主,以下以褐土為主。植被有森林植被和灌草植被兩種類型,低山緩坡的溝道中果樹廣泛分布[27]。

薊州區(qū)是天津市唯一的有山地的區(qū)域,是燕山水源涵養(yǎng)和生態(tài)屏障的重要組成部分。在20世紀(jì)80年代以前,由于樵柴、放牧,墾荒,采礦等人為活動(dòng)的影響,薊州山地植被破壞嚴(yán)重,植被覆蓋度很低,土壤侵蝕較為嚴(yán)重[28]。自20世紀(jì)80年代起,政府加強(qiáng)了對(duì)土壤侵蝕綜合治理的力度,特別是近幾年來,對(duì)水土保持加大投入,通過植樹造林、封山禁牧、生態(tài)修復(fù)、河道治理等措施,取得了一定成效,土壤侵蝕得到了一定遏制。

2 數(shù)據(jù)與方法

2.1 數(shù)據(jù)

2.1.1遙感數(shù)據(jù)

(1)高分辨率影像數(shù)據(jù)

高分辨率影像數(shù)據(jù)采用國(guó)產(chǎn)高分一號(hào)(GF- 1)衛(wèi)星影像為數(shù)據(jù)源,包括分辨率為8 m的4波段多光譜影像與分辨率為2 m的全色影像[29],影像成像時(shí)間為2016年6月22日。首先對(duì)多光譜影像和全色影像進(jìn)行預(yù)處理,包括輻射校正、正射校正、幾何校正,融合得到空間分辨率2 m的高分1號(hào)影像,鑲嵌形成薊州區(qū)高分辨率影像。

(2)植被指數(shù)數(shù)據(jù)

植被指數(shù)采用MODIS MOD13Q1數(shù)據(jù),該產(chǎn)品空間分辨率250 m,16天最大值法合成,產(chǎn)品已經(jīng)過輻射校正、大氣校正和邊緣畸變校正等處理[30]。盡管采用16天最大合成法,但數(shù)據(jù)產(chǎn)品中仍存在較大誤差,對(duì)數(shù)據(jù)的進(jìn)一步分析利用產(chǎn)生影響,并可能導(dǎo)致錯(cuò)誤的結(jié)論。因此,本研究采用S-G濾波對(duì)2016年薊州區(qū)的NDVI數(shù)據(jù)進(jìn)行了處理,保證了NDVI數(shù)據(jù)的時(shí)空一致性[31]。

2.1.2專題數(shù)據(jù)

(1)土地覆蓋

土地覆蓋數(shù)據(jù)采用“薊州區(qū)水力侵蝕動(dòng)態(tài)監(jiān)測(cè)”項(xiàng)目成果數(shù)據(jù),該數(shù)據(jù)由中國(guó)科學(xué)院遙感與數(shù)字地球研究所基于2016年GF- 1 PMS數(shù)據(jù)、利用面向?qū)ο蠓诸惙椒ㄖ谱?土地覆蓋分類系統(tǒng)參照《水土保持遙感監(jiān)測(cè)技術(shù)規(guī)范(SL592- 2012)》。相關(guān)成果通過天津市組織的第三方專家驗(yàn)證,精度高于90%。

(2)地形數(shù)據(jù)

地形數(shù)據(jù)采用薊州區(qū)1∶25000的地形圖數(shù)據(jù),并生長(zhǎng)5 m空間分辨率的數(shù)字高程模型(DEM),用于計(jì)算坡度、坡長(zhǎng)信息。

(3)降雨量數(shù)據(jù)

降水量數(shù)據(jù)來自薊州區(qū)范圍內(nèi)4個(gè)監(jiān)測(cè)站,分別為西大峪水土保持監(jiān)測(cè)站、西龍虎峪水土保持監(jiān)測(cè)站、黃土梁子水土保持監(jiān)測(cè)站以及薊州區(qū)氣象站,本研究主要使用的是2016年日降雨量數(shù)據(jù),并從中剔除日雨量小于12 mm的非侵蝕性降雨。

(4)土壤數(shù)據(jù)

土壤數(shù)據(jù)包括國(guó)家第二次土壤普查的典型土壤剖面數(shù)據(jù)以及薊州區(qū)1∶20萬土壤類型圖數(shù)據(jù),在此基礎(chǔ)上生成了天津1∶20萬土壤理化屬性空間分布專題數(shù)據(jù)。

2.1.3土壤侵蝕地面實(shí)測(cè)數(shù)據(jù)

土壤侵蝕的地面實(shí)測(cè)數(shù)據(jù)是判斷土壤侵蝕模型表現(xiàn)的關(guān)鍵環(huán)節(jié)。本研究通過地面調(diào)查與徑流小區(qū)觀測(cè)兩種方式,收集逐月坡面尺度上的土壤侵蝕信息,以分析本研究提出的高時(shí)空分辨率降水與植被因子耦合下的土壤侵蝕模型的表現(xiàn)。地面調(diào)查樣地共計(jì)設(shè)置8個(gè),其中包括喬木林5個(gè)、灌木林2個(gè)、草地1,樣地大小為10 m×10 m,每個(gè)樣地內(nèi)按等間距布設(shè)6個(gè)水蝕釬,在5—10月內(nèi)每月觀測(cè)水蝕釬刻度變化,結(jié)合樣地容重?cái)?shù)據(jù),計(jì)算土壤侵蝕量。 另外,收集了黃土梁子水土保持監(jiān)測(cè)站2個(gè)徑流小區(qū)的數(shù)據(jù),參與模型的精度分析。

2.2 高時(shí)空分辨率綠色植被覆蓋度計(jì)算

(1)高空間分辨率綠色植被覆蓋度計(jì)算

以薊州區(qū)生長(zhǎng)季的一期GF- 1 PMS(2 m)數(shù)據(jù)為數(shù)據(jù)源(獲取時(shí)間為2016年6月22日),利用線性光譜混合模型實(shí)現(xiàn)高空間分辨率FVC的估算。線性光譜混合模型假設(shè)一個(gè)像元內(nèi)不同地物(端元)只產(chǎn)生唯一一次反射,收集的反射光譜進(jìn)入傳感器之前不混合,混合光譜被看成是樣地內(nèi)端元光譜與其豐度的線性組合。

(1)

式中,Ri為在i波段混合光譜,fj為j端元豐度,Wi,j為i波段對(duì)應(yīng)j端元實(shí)測(cè)光譜。已知混合光譜實(shí)測(cè)光譜向量R及端元光譜向量W,通過全受限最小二乘法即可反解出端元對(duì)應(yīng)的豐度fj。

(2)

式中,n為有效光譜波段數(shù)量,m為端元數(shù)量,εi為光譜模型殘差。

合適端元的選擇是光譜混合分析成功應(yīng)用的基礎(chǔ)。考慮到應(yīng)用的目標(biāo)與薊州區(qū)內(nèi)地物的分布情況,本研究從影像上選取綠色植被、裸土、陰影3個(gè)典型端元來開展綠色植被覆蓋度估算。盡管水體、建設(shè)用地等也分布較多,但這些地物分布相對(duì)集中并且與綠色植被混合的情況較少,因此端元選擇時(shí)未做考慮,而且因?yàn)镚F- 1 PMS數(shù)據(jù)只有4個(gè)波段,最大端元數(shù)也不能超過3個(gè)。最終,不同端元類型的平均光譜值作為輸入進(jìn)行分解計(jì)算綠色植被覆蓋度。

(2)高時(shí)間分辨率綠色植被覆蓋度計(jì)算

高時(shí)間分辨率綠色植被覆蓋度計(jì)算的數(shù)據(jù)源采用MODIS NDVI 16天數(shù)據(jù)(MOD13Q1),空間分辨率為250 m。綠色植被覆蓋度的計(jì)算采用像元二分模型,該模型假定地表由植被和土壤組成,其覆蓋度與相應(yīng)NDVI值的線性組合為混合像元的NDVI值。

(3)

式中,FVC為植被覆蓋度,NDVI為像元NDVI值,NDVImax和NDVImin為純植被與土壤端元的NDVI值。不難看出,像元二分模型應(yīng)用的關(guān)鍵是確定純植被與土壤端元的NDVI值。本研究采用累積頻率法確定這兩個(gè)參量,通過對(duì)2016年5—10月薊州區(qū)內(nèi)NDVI累積頻率進(jìn)行統(tǒng)計(jì)后,分別選取累積頻率85%與5%處的NDVI作為NDVImax和NDVImin,對(duì)應(yīng)值分別為0.92和0.10。在此基礎(chǔ)上,計(jì)算了2016年5—10月每半月的綠色植被覆蓋度。

(3)高時(shí)空分辨率綠色植被覆蓋度融合

高時(shí)空分辨率綠色植被覆蓋度融合意在獲取半月時(shí)間分辨率、2 m空間分辨率的綠色植被覆蓋度。本研究采用融合方法如下：以2016年6月下旬的2 m空間分辨率綠色植被覆蓋度為基準(zhǔn),通過高時(shí)間分辨率綠色植被覆蓋度模擬綠色植被覆蓋度的時(shí)間動(dòng)態(tài),然后綜合兩者實(shí)現(xiàn)高時(shí)空分辨率綠色植被覆蓋度的計(jì)算,計(jì)算公式如下：

FVCHt=FVCHb+C×(FVCLt-FVCLb)

(4)

C=FVCHb/FVCLb

(5)

式中,FVCHt,FVCHb為t時(shí)刻與基準(zhǔn)時(shí)刻高空間分辨率綠色植被覆蓋度,FVCLt,FVCLb分別為t時(shí)刻與基準(zhǔn)時(shí)刻的低空間分辨率綠色植被覆蓋度。本公式在MODIS為純像元的情況下可以直接用于預(yù)測(cè),然而考慮到兩種數(shù)據(jù)空間分辨率的較大反差及薊州區(qū)土地覆蓋相對(duì)破碎的情況,需要解決混合像元導(dǎo)致的較大的誤差。

針對(duì)對(duì)應(yīng)MODIS為混合像元的情況,本研究采用策略如下：

1)以2 m空間分辨率的薊州區(qū)土地覆蓋為輸入,計(jì)算薊州區(qū)MODIS像元的純凈指數(shù),分別標(biāo)記不同植被類型的純凈像元；

2)采用滑動(dòng)窗口法,初始窗口大小為5×5像元(1250 m×1250 m),尋找與高分辨率像元植被類型一致的純凈MODIS像元,計(jì)算其平均值為低空間分辨率綠色植被覆蓋度(不考慮距離權(quán)重)；如果未能搜到,則以500 m為間距增加窗口大小,直到搜索成功為止；

3)利用低分辨率純凈像元計(jì)算的t時(shí)刻與參考時(shí)刻綠色植被覆蓋度作為參數(shù),結(jié)合參考時(shí)刻的高分辨率綠色植被覆蓋度實(shí)現(xiàn)t時(shí)刻高空間分辨率覆蓋度計(jì)算。

2.3 高時(shí)空分辨率綠色植被覆蓋度在CSLE中應(yīng)用

CSLE模型是在通用土壤流失方程USLE(Universal soil loss equation)基礎(chǔ)上,根據(jù)我國(guó)土壤侵蝕情況和防治措施進(jìn)行改進(jìn)而建立[4],其土壤侵蝕估算使結(jié)果更符合中國(guó)實(shí)際情況。CSLE模型基本形式如下：

A=R×K×L×S×B×E×T

(6)

式中,A為單位面積上時(shí)間和空間平均的土壤侵蝕量(t hm-2a-1)；R為降雨侵蝕力因子(MJ mm hm-2h-1a-1)；K為土壤可侵蝕性因子(t hm2h MJ-1mm-1hm-2)；L為坡長(zhǎng)因子(無量綱)；S為坡度因子(無量綱)；B為水土保持的生物措施因子(無量綱)；E為水土保持的工程措施因子(無量綱)；T為水土保持的耕作措施因子(無量綱)；K、B、E、T4個(gè)影響因子均在0—1取值。

高時(shí)空分辨率綠色植被覆蓋度主要用于時(shí)空連續(xù)B因子的計(jì)算,并與R因子耦合實(shí)現(xiàn)半月尺度上的土壤侵蝕連續(xù)監(jiān)測(cè)。單期B因子的計(jì)算參考李彥濤在薊州區(qū)山區(qū)土壤侵蝕監(jiān)測(cè)中的估算公式,對(duì)于基本沒有土壤侵蝕危險(xiǎn)的區(qū)域賦予0值,給最易發(fā)生土壤侵蝕的區(qū)域(如裸地)賦予1值,對(duì)于有地表植被覆蓋的區(qū)域則根據(jù)植被覆蓋度不同賦予0—1的值。具體公式如下：

B=0.6508-0.3436logFVC

(7)

降雨侵蝕力因子R計(jì)算參照北京市降雨侵蝕力模型計(jì)算成果,采用北京半月降雨侵蝕力的公式進(jìn)行估算[32],最終生成半月尺度2 m空間分辨率降雨侵蝕力柵格數(shù)據(jù)。土壤可蝕性因子采用William等在EPIC模型中的計(jì)算方法并進(jìn)行中國(guó)區(qū)域的修正[33-34],坡長(zhǎng)因子的計(jì)算方法按照Wischmeier和Smith提出的程序計(jì)算[35],坡度因子計(jì)算緩坡采用McCool坡度公式,陡坡采用劉寶元的坡度公式[36]。工程措施因子參照北京土壤流失方程將存在水土保持措施的果園E值賦為0.1,其他區(qū)域賦值為1[37]。

2.4 土壤侵蝕估算結(jié)果與實(shí)地測(cè)量結(jié)果比較

利用地面調(diào)查與徑流小區(qū)共計(jì)10個(gè)樣地的土壤侵蝕強(qiáng)度數(shù)據(jù),對(duì)高時(shí)空分辨率植被與降水因子耦合的CSLE的土壤侵蝕強(qiáng)度進(jìn)行驗(yàn)證。此外,假定無法獲取時(shí)間連續(xù)高空間分辨率生物措施因子,本研究也計(jì)算了僅用一期基于GF- 1 WFV真實(shí)數(shù)據(jù)計(jì)算生物措施因子的CSLE的土壤侵蝕強(qiáng)度,以與高時(shí)空分辨植被與降水耦合下的CSLE進(jìn)行比較。

3 結(jié)果與分析

3.1 高時(shí)空分辨率降水與植被因子

薊州區(qū)5—10月間半月尺度上降水與植被覆蓋動(dòng)態(tài)如圖1所示?？梢钥闯?無論是降水還是植被覆蓋度年內(nèi)均呈現(xiàn)較大的波動(dòng)性,降水量半月尺度上的平均值為43.32 mm,變異系數(shù)可達(dá)150%,從時(shí)間分布來講主要集中在7月下半月,降雨量高達(dá)250 mm,其他時(shí)間均在0—50 mm之間；綠色植被覆蓋度平均值54.74%,變異系數(shù)為18%,時(shí)間上呈先增減后降低的趨勢(shì),7月底8月初達(dá)到最大值。降水與植被動(dòng)態(tài)聯(lián)合分析表明,同樣的降水在不同時(shí)間因覆蓋度具有顯著差異,將會(huì)對(duì)土壤侵蝕產(chǎn)生明顯不同的作用。因此,獲取高時(shí)空分辨率的綠色植被覆蓋度信息對(duì)于估算土壤侵蝕量非常重要。

圖1 薊州區(qū)降水與半月尺度降水與植被覆蓋度動(dòng)態(tài)Fig.1 Dynamic of rainfall and green vegetation coverage semimonthly in Jizhou districtMean,平均值；σ,standard Deviation,標(biāo)準(zhǔn)差；cv, coefficient of variation,變異系數(shù)

(1)高時(shí)空分辨率綠色植被覆蓋度融合

融合2 m空間分辨率綠色植被覆蓋度與250 m時(shí)間序列綠色植被覆蓋度后,本研究得到了每半月尺度的、2 m空間分辨率的綠色植被覆蓋度信息,圖2為平均綠色植被覆蓋度及半月時(shí)間尺度上的變異系數(shù)。總體來講,平均覆蓋度呈北高南低的趨勢(shì),其中林地最高,草地次之,農(nóng)田最低。變異系數(shù)空間分布則與綠色覆蓋度的趨勢(shì)相反,綠色覆蓋度越高如林地其變異系數(shù)越低。

圖2 薊州區(qū)2016年降雨季平均綠色植被覆蓋度與變異系數(shù)Fig.2 Mean green vegetation coverage and coefficient of variation of Jizhou district in 2016

高時(shí)空分辨率植被覆蓋度與時(shí)間連續(xù)低分辨率綠色植被覆蓋度的對(duì)比結(jié)果如圖3所示?？梢钥闯?高時(shí)空分辨率綠色植被覆蓋度即精細(xì)刻畫了地表之間的差異,又抓住了綠色植被覆蓋度的時(shí)間動(dòng)態(tài),解決了高空間分辨率CSLE應(yīng)用的關(guān)鍵因子限制。

圖3 薊州區(qū)不同分辨率綠色植被覆蓋度對(duì)比圖Fig.3 Comparison of green vegetation coverage of different spatial resolution in Jizhou district

(2)薊州區(qū)降雨侵蝕力與變異率

薊州區(qū)年降雨侵蝕力及半月尺度的變異率空間分布如圖4所示。從空間分布來看,年降雨侵蝕力最大值位于薊州區(qū)北部下營(yíng)鎮(zhèn),其值大約為6600 MJ mm hm-2h-1,其他區(qū)域年降雨侵蝕力值為4500 MJ mm hm-2h-1左右。從時(shí)間上來講,7月份下半月降雨侵蝕力最大,其最低值2911.01 MJ mm hm-2h-1,10月份下半月降雨侵蝕力最小,其最高值僅有48.79 MJ mm hm-2h-1。從變異系數(shù)空間分布圖來看,薊州區(qū)半月尺度上的降雨侵蝕力變異較大,整體大于200%,并呈現(xiàn)出從西北到東南遞增的趨勢(shì),最大值出現(xiàn)在薊州區(qū)東部,降雨侵蝕力變異系數(shù)可達(dá)245.45%。

圖4 薊州區(qū)年降雨侵蝕力分布及半月時(shí)間尺度變異Fig.4 Annual rainfall erosivity factor and semimonthly variance of Jizhou district

3.2 土壤侵蝕及其時(shí)空分布特征

利用CSLE可計(jì)算得到半月尺度的土壤侵蝕量,不同時(shí)間侵蝕面積及強(qiáng)度的統(tǒng)計(jì)如表1所示,可以發(fā)現(xiàn),10月上半月水力侵蝕發(fā)生面積最大為137.55 km2,5月上半月水力侵蝕發(fā)生面積僅次于于10月上半月為48.04 km2,5月份下半月水力侵蝕發(fā)生面積最小為2.76 km2。值得指出的是,盡管7月下半月降雨侵蝕力最大,但發(fā)生侵蝕的總面積為27.72 km2,這主要是7月下半月的生物措施因子也處在最小值的結(jié)果,可見植被與降水因子的動(dòng)態(tài)耦合對(duì)侵蝕的發(fā)生有著重要作用。然而,最為嚴(yán)重的侵蝕的發(fā)生主要還是在降水侵蝕力最大時(shí)期,7月下旬25 t/hm2以上土壤侵蝕發(fā)生面積為12.70 km2,要高于10月上半月(9.09 km2)。

通過半月累加得到的年土壤侵蝕空間分布如圖5所示?？梢钥闯?薊州區(qū)土壤侵蝕多分布在山區(qū),主要集中于研究區(qū)北部,南部平原農(nóng)田和城鎮(zhèn)密集處土壤侵蝕量很小。土壤侵蝕模數(shù)大于2 t km-2a-1的侵蝕面積為191.06 km2,占薊州區(qū)面積的12.01%,平均侵蝕模數(shù)為400.40 t km-2a-1。與土地利用疊加分析可知,薊州山區(qū)上的林地土壤侵蝕相對(duì)較輕,草地及裸地的土壤侵蝕較為嚴(yán)重。

表1 薊州區(qū)降雨季每半月的水力侵蝕發(fā)生面積

圖5 薊州區(qū)2016年土壤侵蝕模數(shù)空間分布 Fig.5 Distribution of soil erosion modulus of Jizhou district in 2016

3.3 土壤侵蝕估算結(jié)果精度分析

地面觀測(cè)數(shù)據(jù)用于比較利用高時(shí)空分辨率植被覆蓋與靜態(tài)高空間分辨率植被覆蓋的CSLE的表現(xiàn)。土壤侵蝕地面觀測(cè)數(shù)據(jù)與兩個(gè)模型計(jì)算結(jié)果的相關(guān)性如圖6所示。可以看出,利用高時(shí)空分辨率植被覆蓋信息并與降水因子精確匹配的CSLE模型估算的土壤侵蝕模數(shù)和地面觀測(cè)值高度相關(guān)(R2=0.8827),這表明高時(shí)空分辨率降水與植被耦合下CSLE可以較好地反映薊州區(qū)土壤侵蝕模數(shù)的低差異,而僅用一期固定植被因子的CSLE模型則效果很差(R2=0.0971),對(duì)較低強(qiáng)度的侵蝕基本無法有效計(jì)算。從絕對(duì)值來看,兩個(gè)模型的計(jì)算結(jié)果均出現(xiàn)了較為明顯的低估,需要進(jìn)一步研究對(duì)CSLE的關(guān)鍵因子進(jìn)行標(biāo)定與地面實(shí)測(cè)值進(jìn)行標(biāo)定,進(jìn)而改進(jìn)土壤侵蝕監(jiān)測(cè)模型。

圖6 土壤侵蝕估算結(jié)果精度分析：高時(shí)空分辨率植被與降水因子耦合下的CLSE；靜態(tài)植被因子的CSLEFig.6 Assessment of soil loss estimation with field investigation data: CSLE adopting dynamic rainfall and vegetation factor; CSLE using static vegetation factorR2, 決定系數(shù)coefficient of determination；RMSE, 均方根誤差root-mean-square error

4 討論

時(shí)間連續(xù)植被覆蓋信息的獲取是準(zhǔn)確評(píng)估植被對(duì)土壤侵蝕發(fā)生保護(hù)貢獻(xiàn)的關(guān)鍵。本研究提出了一套基于多源遙感數(shù)據(jù)的高時(shí)空分辨率綠色植被覆蓋估算方法,成功基于GF- 1 PMS數(shù)據(jù)、MODIS NDVI數(shù)據(jù)與高分辨率土地覆蓋數(shù)據(jù)實(shí)現(xiàn)了2 m空間分辨率半月時(shí)間尺度上的綠色植被覆蓋度估算(圖4)。與常用的STARFM方法相比[38-39],本文方法重點(diǎn)在于實(shí)現(xiàn)綠色植被覆蓋度的動(dòng)態(tài)變化預(yù)測(cè)而不是反射率,有效解決了高空間分辨率傳感器大氣校正不確定性問題。同時(shí),利用混合像元分解實(shí)現(xiàn)高空間分辨率綠色植被覆蓋度基準(zhǔn)監(jiān)測(cè)并通過高空間分辨率土地覆蓋提取對(duì)應(yīng)綠色植被覆蓋度動(dòng)態(tài)變化的思路則解決了空間尺度相差過大的問題,而上述問題也正是STARFM無法有效開展2 m左右高空間分辨率數(shù)據(jù)與MODIS數(shù)據(jù)融合的關(guān)鍵。總體來講,本研究提出的方法相對(duì)于STARFM更為穩(wěn)健,可適用于空間尺度差異較大的數(shù)據(jù)融合,并且結(jié)果直接為時(shí)間序列綠色植被覆蓋度方便使用,但需要額外的高分辨率土地覆蓋度數(shù)據(jù)的支持。

植被與降水的精確匹配對(duì)準(zhǔn)確評(píng)估土壤侵蝕至關(guān)重要。長(zhǎng)期以來,USLE及其不同改進(jìn)模型或通過土地利用賦值法間接反映年內(nèi)動(dòng)態(tài)[40- 41]或利用低空間分辨率遙感數(shù)據(jù)實(shí)現(xiàn)時(shí)間連續(xù)植被信息的獲取[42],然而上述方法從精細(xì)性上均無法區(qū)域尺度上高分辨率土壤侵蝕監(jiān)測(cè)的要求。薊州區(qū)典型植被類型的綠色植被覆蓋度變化曲線如圖7所示,6月下旬的綠色植被覆蓋度通過GF- 1 PMS高空間分辨率數(shù)據(jù)計(jì)算獲取,其他時(shí)間的綠色植被覆蓋度通過高時(shí)空分辨率綠色植被覆蓋度融合得到?？梢钥闯?薊州區(qū)林草植被覆蓋度呈季節(jié)性變化,表現(xiàn)出先增大后減小的趨勢(shì),其中8月上半月的綠色植被覆蓋度最大。受物候特征影響,林地5月份至8月份綠色植被覆蓋度的增加不如草地明顯。植被覆蓋度動(dòng)態(tài)變化周期內(nèi),降水也呈現(xiàn)明顯的變化(圖1),因此獲取時(shí)間序列植被覆蓋并與降水動(dòng)態(tài)匹配可以明顯提升土壤侵蝕監(jiān)測(cè)模型的精度(圖6)。

圖7 薊州區(qū)2016年典型植被類型半月植被覆蓋度變化圖 Fig.7 Semimonthly vegetation coverage change of typical vegetation types of Jizhou district in 2016

盡管應(yīng)用高時(shí)空分辨率植被覆蓋的CSLE估算結(jié)果與其他研究具有較好的一致性,但也不難發(fā)現(xiàn)估算得到的土壤侵蝕模數(shù)與地面數(shù)據(jù)間還存在一定差異(圖6)。導(dǎo)致這一情況的原因,首先與CSLE模型及不同因子的計(jì)算方法在具體區(qū)域的適用性有關(guān),本研究的重點(diǎn)在于比較利用高時(shí)空分辨率植被覆蓋與靜態(tài)植被覆蓋應(yīng)用于土壤流失方程的差異,也未對(duì)綠色植被覆蓋度與CSLE生物措施因子之間的關(guān)系開展系統(tǒng)性研究[43]。另外,受條件限制本次土壤侵蝕地面觀測(cè)數(shù)據(jù)主要來源于水蝕釬定位觀測(cè),存在一定的不確定性,未來需要收集更多徑流小區(qū)數(shù)據(jù)來標(biāo)定及提升土壤侵蝕監(jiān)測(cè)精度。

5 結(jié)論

高空間分辨率土壤侵蝕監(jiān)測(cè)中,CSLE等土壤流失方程應(yīng)用的最大問題是無法考慮植被與降水的匹配,主要原因在于遙感數(shù)據(jù)獲取能力導(dǎo)致的高時(shí)空分辨率的植被覆蓋信無法有效獲取。針對(duì)于這一問題,本研究提出了一套引入土地覆蓋、基于GF- 1 PMS數(shù)據(jù)與MODIS NDVI數(shù)據(jù)融合的高時(shí)空分辨率綠色植被覆蓋度(半月尺度,空間分辨率2 m)獲取方法,并與半月尺度的降水因子精確匹配應(yīng)用于CSLE開展了天津市薊州區(qū)的土壤侵蝕監(jiān)測(cè)。研究結(jié)果表明：

(1)考慮土地覆蓋類型的高時(shí)空分辨率綠色植被覆蓋度融合方法同,有效解決了CLSE模型中高空間分辨率綠色植被覆蓋度無法實(shí)現(xiàn)連續(xù)獲取、無法反映植被土壤保持功能年內(nèi)動(dòng)態(tài)變化,進(jìn)而無法與降水有效匹配的難題,為高空間分辨率土壤侵蝕監(jiān)測(cè)提供了一個(gè)有效手段；

(2)降水與植被因子在年內(nèi)呈高度動(dòng)態(tài)變化,土壤侵蝕發(fā)生范圍與強(qiáng)度與其匹配高度相關(guān)。土壤侵蝕發(fā)生面積最大時(shí)期并對(duì)應(yīng)降雨侵蝕力最大時(shí)期并不一定相同,低植被覆蓋時(shí)的相對(duì)較大降雨會(huì)導(dǎo)致更大面積土壤侵蝕的發(fā)生。

(3)高時(shí)空分辨率植被覆蓋與降水因子耦合下的CSLE可以較好反映試驗(yàn)區(qū)土壤侵蝕強(qiáng)度的空間差異,與地面土壤侵蝕觀測(cè)數(shù)據(jù)的判定系數(shù)可達(dá)0.88,其效果要明顯好于僅有一期高空間分辨率的植被因子模型,具有較大的應(yīng)用價(jià)值。