基于高光譜衛(wèi)星數(shù)據(jù)的土地沙化識別及提取研究

王建華，李 陽，梁樹能，孫小飛

（1.中國科學(xué)院空天信息創(chuàng)新研究院，北京 100094；2.北京航空航天大學(xué)，北京 100191；3.自然資源部國土衛(wèi)星遙感應(yīng)用中心，北京 100048；4.西南交通大學(xué)，成都 611756）

沙化是指在各種氣候條件下，由于各種因素形成的地表呈現(xiàn)以沙（礫）物質(zhì)為主要標(biāo)志的土地退化，具有這種明顯特征的退化土地為沙化土地[1]。土地沙化是我國生態(tài)環(huán)境和社會經(jīng)濟(jì)的重大威脅[2]，截至2014年，全國沙化土地總面積1 721 175 km2，占國土總面積的17.93%，具有明顯沙化趨勢的土地面積300 293 km2，分布在內(nèi)蒙古、新疆、青海等12個省[3]。由于土地沙化區(qū)域自然環(huán)境惡劣，生態(tài)系統(tǒng)脆弱，資源利用問題突出，需要對土地沙化地區(qū)及時監(jiān)測[4]，采取保護(hù)、治理以及防治手段，避免土地沙化程度加重。

遙感技術(shù)廣泛應(yīng)用于土地資源調(diào)查、生態(tài)環(huán)境監(jiān)測、災(zāi)害預(yù)報與災(zāi)情評估等領(lǐng)域。自20世紀(jì)70年代起，遙感技術(shù)開始應(yīng)用于土地沙化研究，目前多以遙感和地面調(diào)查相結(jié)合的技術(shù)方法進(jìn)行土地沙化監(jiān)測[5,6]，其觀測范圍大、速度快、精度高、具有“圖譜合一”的特性，為監(jiān)測土地沙化發(fā)生、發(fā)展?fàn)顩r，及時有效采取防治土地沙化措施提供了切實(shí)可靠的途徑，在土地沙化監(jiān)測領(lǐng)域發(fā)揮著無可取代的作用[6]。

隨著遙感技術(shù)的發(fā)展，高光譜遙感為開展全球性和區(qū)域性的沙化研究提供了新的手段，土地沙化監(jiān)測開始向定量化遙感方向發(fā)展[7-10]。高光譜遙感技術(shù)在光譜分辨率上有著巨大的優(yōu)勢，利用高光譜數(shù)據(jù)反演得到的地物反射光譜特征，能表征地球表面物體的分類、物質(zhì)的成分、含量、存在狀態(tài)、空間分布及動態(tài)變化[11，12]。

研究區(qū)行政區(qū)劃隸屬于內(nèi)蒙古鄂爾多斯市伊金霍洛旗，位于黃河中游風(fēng)沙砒砂巖區(qū)域，地處陜北黃土高原與庫布齊沙漠接壤地帶，為毛烏素沙漠與黃土丘陵溝壑區(qū)的過渡地帶，地貌類型主要為黃土丘陵溝壑地貌，溝壑縱橫，支離破碎，流域上游少部分為黃土蓋沙區(qū)，下游沿黃河河谷一帶是基巖溝谷丘陵區(qū)，流域內(nèi)的黃土性土壤和風(fēng)沙土兩類，前者結(jié)構(gòu)疏松，透水性強(qiáng)，是地表徑流的有利形成條件[13]（圖1）。

圖1 研究區(qū)位置示意圖Fig.1 The location of study area

研究區(qū)域?yàn)楦珊怠敫珊荡箨懶约撅L(fēng)氣候，結(jié)合了鄂爾多斯高原和黃土高原的氣候特點(diǎn)，風(fēng)大沙多，降水集中且強(qiáng)度大，多年平均降水量約為430 mm。在地域分布上，區(qū)域自東南部向西南部，雨量減少；在時間分布上，降水年際變化大且年內(nèi)分配不均，多以暴雨形式出現(xiàn)，汛期（6—9月）降雨量可占全年降雨量的80%，七、八兩月降雨量占年雨量的54%。高強(qiáng)度暴雨是流域內(nèi)徑流、泥沙產(chǎn)生的主要原因，洪水期沙量占全年總沙量的96%以上，汛期沙量占全年沙量的99%以上，水土流失極為嚴(yán)重，占全流域面積的97%[14，15]。

本文基于高光譜衛(wèi)星數(shù)據(jù)的光譜細(xì)分特征優(yōu)勢，選用植被覆蓋度（Fraction Vegetation Coverage，F(xiàn)VC）、裸土指數(shù)（Bare Soil Index，BSI）、地表反照率（Albedo）、改進(jìn)土壤調(diào)整植被指數(shù)（Modified Soil Adjusted Vegetation Index MSAVI）四種土地沙化綜合監(jiān)測指標(biāo)，結(jié)合人機(jī)交互解譯工作進(jìn)行了區(qū)域土地沙化監(jiān)測，基于人機(jī)交互解譯土地沙化監(jiān)測結(jié)果建立決策樹分類模型，對全部研究區(qū)域的土地沙化程度進(jìn)行分類，實(shí)現(xiàn)了土地沙化信息的識別和提取。

1 數(shù)據(jù)源及其預(yù)處理

資源一號02D衛(wèi)星是首顆基于資源環(huán)境觀測需求的高光譜業(yè)務(wù)衛(wèi)星，定位于中等分辨率、大幅寬觀測和定量化遙感任務(wù)，衛(wèi)星光譜獲取能力突出，可應(yīng)用于地礦勘探、土地監(jiān)管過程中地物信息定量化反演[16]，滿足對于土地沙化信息的識別和提取的需求（表1）。

表1 ZY-1 02D高光譜衛(wèi)星數(shù)據(jù)源數(shù)據(jù)特征Tab.1 Characteristics of hyperspectral satellite data

本文選取了三景資源一號02D衛(wèi)星影像，成像時間為2021年6月30日，為同一軌道成像數(shù)據(jù)，遙感影像成像質(zhì)量高；重點(diǎn)監(jiān)測的土地沙化區(qū)域色調(diào)突出，植被和土地沙化區(qū)分度大，易于土地沙化信息的識別及提取。

經(jīng)過輻射定標(biāo)、大氣校正、幾何校正、拼接鑲嵌等預(yù)處理過程，得到最終的遙感衛(wèi)星地表反射率影像作為本文研究的基礎(chǔ)數(shù)據(jù)，如圖2所示，遙感影像圖RGB合成方式為波段148（2 199.482 9 nm）、波段55（859.678 4 nm）、波段20（559.234 3 nm）。

圖2 研究區(qū)域高光譜遙感影像Fig.2 The hyperspectral remote sensing image of the study area

2 研究方法

2.1 土地沙化遙感監(jiān)測指標(biāo)

高光譜遙感具有精細(xì)的光譜特征刻畫能力，能夠?qū)崿F(xiàn)對土地沙化的指示性指標(biāo)的準(zhǔn)確提取，而這些指示性指標(biāo)是土地沙化遙感監(jiān)測的關(guān)鍵。土地沙化過程受內(nèi)外環(huán)境多種因素的影響，其外在表現(xiàn)多有不同，這反映在多種多樣的土地沙化監(jiān)測指標(biāo)上。針對于土地沙化遙感監(jiān)測的單一指標(biāo)無法完全表征土地沙化情況，如植被指數(shù)、裸土指數(shù)等，最終的土地沙化監(jiān)測結(jié)果具有一定程度的局限性。本文在植被指數(shù)、裸土指數(shù)指標(biāo)的基礎(chǔ)上引入地表反射率等其他土地沙化監(jiān)測指標(biāo)以提高土地沙化評價效果[17-22]。為了實(shí)現(xiàn)研究區(qū)內(nèi)大尺度的土地沙化監(jiān)測，準(zhǔn)確的反映出土地沙化的特征，通過高光譜衛(wèi)星影像提取、反演得到的植被覆蓋度、裸土指數(shù)、地表反照率、改進(jìn)土壤調(diào)整植被指數(shù)，將這四個指標(biāo)用于土地沙化遙感監(jiān)測。

（1）植被覆蓋度、裸土指數(shù)

植被覆蓋度和裸土指數(shù)是評價沙化程度的重要指標(biāo)，植被覆蓋度越低，裸土指數(shù)越高，土地沙化程度越高。

本文采用完全約束最小二乘法混合像元分解模型進(jìn)行植被覆蓋度、裸土指數(shù)的提取。遙感影像中混合像元普遍存在，該像元分解模型法考慮單一像元的多個組分對遙感傳感器觀測信息的貢獻(xiàn)，并且認(rèn)為是每個組分的線性宏觀組合，則高光譜影像中的每一個像元光譜即可表示為土壤、植被等光譜的線性組合，利用該模型獲得植被和土壤分布，進(jìn)行植被覆蓋度和裸土指數(shù)的估算[23]。

研究選取的端元為植被、裸地和水體。端元光譜的一般來源包括參考光譜庫和高光譜影像。本文采用直接從影像中提取端元，一般包括純凈像元指數(shù)（Pixel Purity Index，PPI）、連續(xù)最大角凸錐（Sequential Maximum Angle Convex Cone，SMACC）等方法[24]。本文中采用的三景數(shù)據(jù)為同一軌道成像的高光譜衛(wèi)星數(shù)據(jù)，因此本文借助PPI和N維可視化工具，針對研究區(qū)域鑲嵌后的三景高光譜影像進(jìn)行端元波譜采集，端元提取的流程和結(jié)果見圖3。

圖3 高光譜遙感影像端元提取流程Fig.3 The process of endmember extraction

基于高光譜遙感影像中提取的端元，經(jīng)過混合像元分解，得到植被、裸地和水體的豐度，完成植被覆蓋度、裸土指數(shù)的提取，提取結(jié)果如圖4所示。

（2）地表反照率

地表反照率是土地沙化監(jiān)測中地表溫度、干燥度或濕度的指示因子。地表反照率的計算方法依據(jù)大氣輻射傳輸模型建立，地表反照率可表示為[25]：

式中，ρB、ρR、ρNIR、ρSWIR2分別為影像的11波段（481.829 5 nm）、32波段（662.286 9 nm）、52波段（833.873 6 nm）和149波段（2216.3213nm）的地表反射率，提取結(jié)果見圖5a。

（3）改進(jìn)土壤調(diào)整植被指數(shù)

植被指數(shù)的變化能夠表征土地生產(chǎn)力的變化，從而體現(xiàn)土地沙化程度的動態(tài)變化，為減小低密度植被下的表達(dá)誤差，消除土壤的影響，采用改進(jìn)土壤調(diào)整植被指數(shù)更準(zhǔn)確的表達(dá)研究區(qū)域植被生長狀況[26，27]。該指數(shù)基于土壤調(diào)整植被指數(shù)，對于低植被覆蓋，MSAVI比SAVI具有更強(qiáng)的土壤變化表征能力，對植被覆蓋的敏感性增加超過50%。該指數(shù)適用于植被相對稀疏，能夠通過冠層看到土壤的地區(qū)，改進(jìn)土壤調(diào)整植被指數(shù)可表示為：

式中，MSAVI為改進(jìn)土壤調(diào)整植被指數(shù)，ρR和ρNIR分別為影像的32波段（662.2869 nm）和52波段（833.8736 nm）的地表反射率。改進(jìn)土壤調(diào)整植被指數(shù)提取結(jié)果見圖5b。

圖5 地表反照率（Albedo）和改進(jìn)土壤調(diào)整植被指數(shù)（OSAVI）提取結(jié)果Fig.5 The result of Albedo and OSAVI

2.2 人機(jī)交互解譯

人工交互解譯方法依賴于先驗(yàn)知識，土地沙化監(jiān)測結(jié)果精度較高，能夠?yàn)楸疚奶峁┭芯繀^(qū)域內(nèi)的有效、可靠的土地沙化監(jiān)測結(jié)果參考數(shù)據(jù)，為各個土地沙化程度監(jiān)測指標(biāo)的判別提供依據(jù)。參考“地質(zhì)環(huán)境遙感監(jiān)測技術(shù)要求（1/25萬）”[28]，采用三級分類方式，沙質(zhì)荒漠化程度按風(fēng)積、風(fēng)蝕地表形態(tài)占該地面積百分比、植被覆蓋度及其綜合地貌景觀特征劃分為輕度、中度、重度3個級別，土地沙化程度的劃分（見表2）。

表2 人機(jī)交互解譯土地沙化程度劃分表Tab.2 The division of land desertification degree

根據(jù)遙感衛(wèi)星數(shù)據(jù)特征并結(jié)合地面調(diào)查先驗(yàn)知識，確立不同沙化程度的遙感影像解譯標(biāo)志[29]，并針對研究區(qū)內(nèi)土地沙化程度多樣且存在較多極重度沙化情況的南部地區(qū)進(jìn)行了土地沙化遙感解譯工作（圖6）。從圖6中可看出區(qū)域總體分布特征從空間分布上由北向南，沙化程度加重；自西向東，沙化程度減輕。

圖6 土地沙化遙感解譯分布圖Fig.6 The distribution of land desertification

2.3 土地沙化信息識別及提取

根據(jù)第四次全國荒漠化和沙化監(jiān)測技術(shù)規(guī)定將沙化區(qū)域按氣候類型劃分為亞濕潤干旱區(qū)、半干旱區(qū)、干旱區(qū)、極干旱區(qū)，不同氣候區(qū)內(nèi)按照土地沙化程度劃分為輕度、中度、重度、極重度4級。

以人機(jī)交互解譯的土地沙化監(jiān)測結(jié)果為參考數(shù)據(jù)，經(jīng)過數(shù)字化處理后，將該參考影像和高光譜反演出的到植被覆蓋度、裸土指數(shù)、地表反照率、改進(jìn)土壤調(diào)整植被指數(shù)這四種土地沙化遙感監(jiān)測指標(biāo)的影像進(jìn)行疊加分析，依據(jù)各個監(jiān)測指標(biāo)在參考影像中的不同土地沙化程度等級，得各個指標(biāo)對應(yīng)的土地沙化程度判別值（表3）。

表3 土地沙化監(jiān)測指標(biāo)Tab.3 The indicators of land desertification monitoring

將各指標(biāo)進(jìn)行累加運(yùn)算，利用決策樹分類方法根據(jù)土地沙化監(jiān)測指標(biāo)分別進(jìn)行研究區(qū)域土地沙化程度的判定，土地沙化監(jiān)測決策樹結(jié)構(gòu)見圖7。

圖7 土地沙化監(jiān)測決策樹結(jié)構(gòu)Fig.7 The structure of decision tree

基于研究區(qū)域的高光譜遙感影像，分別提取植被覆蓋度、裸土指數(shù)、地表反照率、改進(jìn)土壤調(diào)整植被指數(shù)等監(jiān)測指標(biāo)，由決策樹分類模型得到研究區(qū)土地沙化程度分布圖，如圖8所示。

圖8 土地沙化監(jiān)測結(jié)果Fig.8 The result of land desertification monitoring

3 結(jié)果分析與驗(yàn)證

采用土地沙化綜合監(jiān)測指標(biāo)以及決策樹分類的方式，得到的研究區(qū)域土地沙化遙感監(jiān)測結(jié)果（表4）。

表4 研究區(qū)域土地沙化監(jiān)測統(tǒng)計表Tab.4 The statistical table of land desertification in study area

除耕地、建設(shè)用地以及水體外，極重度沙化區(qū)面積為271.63 km2，占總面積的2.71%，主要分布在烏審旗烏蘭陶勒蓋鎮(zhèn)、榆林市小壕兔鄉(xiāng)和孟家灣鄉(xiāng)；重度沙化區(qū)面積為1 685.85 km2，占總面積的16.80%，主要分布在烏審旗、榆林市、神木縣以及工作區(qū)北部的達(dá)拉特旗；中度沙化區(qū)面積最大，為5462.70 km2，占總面積的54.44%，遍布整個研究區(qū)域；輕度沙化區(qū)面積為2 457.77 km2，占總面積的24.49%，主要分布在伊金霍洛旗的阿勒騰錫熱鎮(zhèn)、扎薩克鎮(zhèn)以及烏蘭木倫鎮(zhèn)；非沙化區(qū)面積為156.45km2，占總面積的1.56%，主要分布在伊金霍洛旗的阿勒騰錫熱鎮(zhèn)、扎薩克鎮(zhèn)以及烏蘭木倫鎮(zhèn)，地形上主要分布在溝谷地帶。

采用已有的人機(jī)交互解譯結(jié)果對現(xiàn)有的決策樹分類沙化監(jiān)測結(jié)果進(jìn)行驗(yàn)證（圖9）。在定性驗(yàn)證方面，現(xiàn)有結(jié)果的極重度沙化區(qū)和原有結(jié)果的重度沙化區(qū)套合情況較好，邊界明顯。

圖9 人機(jī)交互解譯結(jié)果與決策樹分類結(jié)果套合情況Fig.9 The nested condition of result

在定量驗(yàn)證方面，采用接收者操作特征曲線（Receiver Operating Characteristic Curve，ROC）來驗(yàn)證現(xiàn)有結(jié)果。接收者操作特征曲線是一種對于靈敏度進(jìn)行描述的功能圖像[30]，被廣泛應(yīng)用于包括環(huán)境評價在內(nèi)的各個領(lǐng)域。在ROC曲線分析中，曲線下面積(The Area Under the ROCCurve，AUC)與驗(yàn)證精度之間的定性和定量關(guān)系可分為差（0.5～0.6）、一般（0.6～0.7）、良好（0.7～0.8）、非常好（0.8～0.9）和優(yōu)秀（0.9～1）。

ROC曲線如圖10所示，決策樹分類結(jié)果的驗(yàn)證精度AUC值為0.603，對驗(yàn)證結(jié)果進(jìn)行分析，沙化程度匹配不一致的主要原因?yàn)椋和恋厣郴潭确诸惣墑e在人機(jī)交互解譯和決策樹分類過程中存在差異；采用土地沙化遙感綜合檢測指標(biāo)和決策樹分類模型的方法在對土地沙化的精細(xì)刻化上比人機(jī)交互解譯方法表現(xiàn)更加優(yōu)越。

圖10 土地沙化監(jiān)測結(jié)果ROC曲線Fig.10 The ROC of land desertification monitoring

4 結(jié)論

本文基于高光譜衛(wèi)星數(shù)據(jù)對研究區(qū)進(jìn)行了土地沙化遙感解譯、沙化程度識別提取和評估，人機(jī)交互解譯方法能夠提供真實(shí)可靠的研究區(qū)域土地沙化監(jiān)測結(jié)果，是決策樹分類模型建立的基礎(chǔ)，同時能夠?yàn)榻Y(jié)果驗(yàn)證提供數(shù)據(jù)支撐。同時利用高光譜衛(wèi)星數(shù)據(jù)精細(xì)光譜特征的優(yōu)勢，反演了植被覆蓋度、裸土指數(shù)、地表反照率、改進(jìn)土壤調(diào)整植被指數(shù)，將這四種指標(biāo)作為土地沙化綜合監(jiān)測指標(biāo)，將土地沙化程度分為極重度沙化、重度沙化、中度沙化、輕度沙化四個級別，基于人工交互解譯的參考數(shù)據(jù)確定各個監(jiān)測指標(biāo)的土地沙化程度判別值，采用決策樹分類方法完成土地沙化程度的判定，效果較好。

總體來看，研究區(qū)域土地沙化總體分布廣泛，從空間分布上由北向南，沙化程度加重；自西向東，沙化程度減輕，非沙化地區(qū)主要集中于溝谷地帶，土地沙化分布和區(qū)域地形地貌，水文特征情況相匹配，顯示出高光譜遙感技術(shù)可為黃河中游地區(qū)的土地沙化定量反演及監(jiān)測研究提供行之有效的技術(shù)支撐。