基于RS和GIS的巖溶石漠化惡化趨勢定量預測
——以廣西都安瑤族自治縣典型巖溶石漠化地區為例

程 洋，陳建平，皇甫江云，童立強

(1.中國地質大學(北京)國土資源與高新技術研究中心，北京 100083;2.北京市國土資源信息開發研究重點實驗室，北京 100083;3.北京林業大學林學院，北京 100083;4.貴州省飼草飼料工作站，貴陽 550001;5.中國國土資源航空物探遙感中心，北京 100083)

基于RS和GIS的巖溶石漠化惡化趨勢定量預測
——以廣西都安瑤族自治縣典型巖溶石漠化地區為例

程 洋1，2，陳建平1，2，皇甫江云3，4，童立強5

(1.中國地質大學(北京)國土資源與高新技術研究中心，北京 100083;2.北京市國土資源信息開發研究重點實驗室，北京 100083;3.北京林業大學林學院，北京 100083;4.貴州省飼草飼料工作站，貴陽 550001;5.中國國土資源航空物探遙感中心，北京 100083)

以廣西壯族自治區都安瑤族自治縣典型巖溶石漠化地區為例，以1999年和2009年獲取的兩個時相的TM數據為數據源，以遙感(RS)和地理信息系統(GIS)為技術手段和平臺，以碳酸鹽巖類型、土地利用類型、巖溶地貌類型、地形坡度和人口聚居密度為石漠化惡化的影響因子，運用層次分析—確定性系數(analytical hierarchy processcertainty factor，AHP－CF)法計算待預測區的石漠化惡化易發指數(rocky desertification deterioration index，RDDI)，以RDDI為參數實現巖溶石漠化惡化趨勢的定量預測。預測結果可為制定有前瞻性和針對性的巖溶石漠化地區生態環境保護和恢復規劃提供科學依據，有利于推進石漠化防治工作的進程。

遙感;地理信息系統;巖溶石漠化;層次分析—確定性系數法;定量預測

0 引言

巖溶石漠化是在南方熱帶、亞熱帶脆弱的巖溶環境中，在不合理的人類活動基礎上造成的植被退化、土壤侵蝕和大面積的基巖裸露的環境變化過程。其本質特征是土地生產力下降，出現類似沙漠的石漠化景觀［1－2］。巖溶石漠化是土地荒漠化的主要類型之一，已嚴重威脅到我國西南巖溶山區人民的生存環境，必須推進該地區石漠化綜合治理。巖溶石漠化的成因及其演變機理的研究是進行有效的石漠化綜合治理的前提。近年來，許多學者對巖溶石漠化成因及其演變機理進行了研究［3－6］，證明了地層巖性、地形坡度、水文地貌、土地利用類型和人口密度是巖溶石漠化發生和發展的主要驅動因子，但這些研究以單因子作用的定性分析為主，多因子綜合作用的定量研究偏少，不利于石漠化綜合治理。因此有必要進行多因子的石漠化惡化趨勢定量預測，為制定有前瞻性和針對性的生態環境保護和恢復規劃提供科學依據，推進石漠化防治工作的進程。

廣西都安瑤族自治縣是全國巖溶地貌發育最為典型的地區之一，也是典型的巖溶石漠化高發區之一。本文以其境內的巖溶區為研究區進行基于遙感(RS)和地理信息系統(GIS)的石漠化惡化趨勢定量預測，具有重要的現實意義。

1 研究思路

首先，基于 RS技術提取石漠化信息，制作1999—2009年的石漠化演變圖，以無石漠化惡化區為待預測區;然后，以GIS為平臺，綜合分析石漠化惡化與碳酸鹽巖類型、土地利用類型、巖溶地貌類型、地形坡度和人口聚居密度這5種影響因子的關系;再運用層次分析法(analytical hierarchy process，AHP)計算上述5種因子的權重，利用確定性系數(certainty factor，CF)定量地評價石漠化惡化對5種因子中各亞類因子的敏感性(即通過AHP－CF法定量化地表達石漠化發生惡化時5種因子的組合條件);最后，計算待預測區的石漠化惡化易發指數，實現待預測區石漠化惡化趨勢定量預測。

2 石漠化信息提取和演變分析

本次研究使用的遙感數據為1999年9月和2009年1月獲取的2個時相的TM數據。2景圖像上云量覆蓋均小于5%，無明顯噪聲，圖像質量較好。1月和9月不是莊稼的茂盛期，也沒有積雪覆蓋，有利于人機交互解譯時對耕地的修正。

植被在 TM4(0.76 ～0.90 μm)波段反射率較高，絕大多數礦物在 TM5(1.55 ～1.75 μm)波段反射率較高(對裸露基巖反映較好)，故選取 TM5/TM4運算為石漠化信息增強方法，采用二次圖像信息分析分類方法［7］提取石漠化信息;然后通過人機交互解譯提高石漠化信息的提取精度，減少“同物異譜”和“同譜異物”現象帶來的誤差;最后分別制作1999年和2009年的石漠化現狀圖。

1999—2009年的石漠化演變圖見圖1。按石漠化演變情況，將研究區劃分為石漠化惡化區和無石漠化惡化區。

圖1 1999—2009年研究區巖溶石漠化演變圖Fig.1 Map of Karst rocky desertification evolution from 1999 to 2009 in the study area

在圖1中，無石漠化惡化區和石漠化惡化區的面積分別為3544.72 km2和260.18 km2，分別占總碳酸鹽巖區面積的93.12%和6.86%。其中，石漠化惡化區面積與碳酸鹽巖總面積的比例高于廣西的平均水平［5］，表明研究區石漠化惡化狀況較為嚴重。

3 石漠化惡化與各類影響因子的關系

根據以往研究經驗，選擇碳酸鹽巖類型、土地利用類型、巖溶地貌類型、地形坡度和人口聚居密度為石漠化惡化的影響因子;綜合分析各石漠化惡化區與各類影響因子之間的相關關系，統計出石漠化惡化發生率(Ppa)，即每個影響因子對應區域內的石漠化惡化區面積與該因子總面積的比值(表1)。

在表1中，碳酸鹽巖類型按灰巖、白云巖和碎屑巖的比例分類;土地利用類型按1984年土地利用分類體系分類;巖溶地貌類型按相對高程、坡度、海拔及組合形態分類;坡度等級參照國際地理學聯合會地貌調查與地貌制圖委員會的分類標準，將研究區分為(0°，0.5°］的平原、(0.5°，2°］的微斜坡、(2°，5°］的緩斜坡、(5°，15°］的斜坡、(15°，35°］的陡坡和(35°，55°］的峭坡共6個坡度等級;人口聚居密度按研究區每個250 m×250 m網格中的居民戶數分級。

表1 各類因子的石漠化惡化發生率及其CF值Tab.1 Karst rocky desertification deterioration rate and CF value

續表

4 石漠化惡化趨勢預測

4.1 基于AHP法的石漠化惡化影響因子權重計算

層次分析法(AHP)是美國運籌學家A.L.Saaty在20世紀70年代提出的一種定性與定量相結合的決策分析方法［8］。它將復雜問題分解為若干因子，通過各因子之間的重要性的比較和計算，得出各因子的權重。

1)構建層次結構分析模型。以石漠化惡化趨勢為目標層U，以碳酸鹽巖類型、土地利用類型、巖溶地貌類型、地形坡度和人口聚居密度為因子Vi(i=1，2，3，4，5，分別代表碳酸鹽巖類型、土地利用類型、巖溶地貌類型、地形坡度以及人口聚居密度)，構建石漠化惡化趨勢的層次結構分析模型。

2)建立判斷矩陣。根據層次結構分析模型建立判斷矩陣，對于“石漠化惡化趨勢”目標U，根據以往研究經驗，比較兩兩因子之間的相對重要性并將其量化。指標層V對目標層U的判斷矩陣為

式中:vij為因子i與因子j的相對重要性的量化標度;標度1，3，5，7，9分別表示因子 i與因子 j相比，因子i比因子j同等重要、稍微重要、明顯重要、強烈重要和極端重要;標度1/3，1/5，1/7和1/9分別表示因子i與因子j相比，因子j比因子i稍微重要、明顯重要、強烈重要和極端重要。例如:v13=5，表明因子1(碳酸鹽巖類型)比因子3(巖溶地貌類型)明顯重要;v45=1/3，表明因子5(人口聚居密度)比因子4(地形坡度)稍微重要。

3)求解各因子的單排序權重值向量。解出判斷矩陣的最大特征值對應的特征向量，并通過一致性檢驗和歸一化后，得到“石漠化惡化趨勢”目標層下各因子的單排序權重值向量 RT=(0.49596，0.23230，0.14849，0.04136，0.08188)。

4.2 石漠化惡化影響因子CF值的計算

確定性系數(CF)是由 Shortlife和 Buchanan 1975年提出、由Heckerman 1986年改進的一個概率函數，用來分析影響某一事件發生的各因子的敏感性［8］。在應用CF進行石漠化惡化趨勢預測時，存在這樣一種假定:石漠化惡化的發生可以根據過去石漠化惡化與確定為誘發因子的數據集(碳酸鹽巖類型、土地利用類型、巖溶地貌類型、地形坡度和人口聚居密度)之間的統計關系來確定(即未來石漠化惡化在達到相似的因子環境條件時，將發生石漠化惡化)。CF函數具體表示為

式中:Ppa為事件在數據類a中發生的概率(即不同類別因子單元中的石漠化惡化發生率);Pps為事件在整個研究區A中發生的先驗概率(即研究區的石漠化惡化發生率)。

通過式(1)的函數變換可知CF的變化區間為［－1，1］。正值代表事件發生確定性的增長(即石漠化惡化易發)，負值代表事件發生確定性的降低(即石漠化惡化不易發)，0值代表事件發生的先驗概率與條件概率十分接近(表示此單元不能判斷事件發生的確定性)。利用式(1)可以計算出石漠化惡化的各個影響因子的CF值(計算結果見表1中的后2列)。

4.3 石漠化惡化趨勢預測

為了能定量化地評價待預測區的石漠化惡化易發性，定義了石漠化惡化易發指數(RDDI)，其公式為

式中:RDDI為每個評價單元(無石漠化惡化區與碳酸鹽巖分布圖、土地利用現狀圖、巖溶地貌分布圖、坡度圖和人口聚居密度圖空間疊加分析后的最小單元)的石漠化惡化易發指數;Ri為根據層次分析法得到的各影響因子的權重;CFi為各類影響因子的CF值。

按式(3)計算得出每個評價單元的RDDI是一個量化的、處于［－1，1］區間的石漠化惡化易發性評價指標，是進行定量化石漠化惡化趨勢預測的參數。RDDI處于［－1，0)區間的為石漠化惡化不易發區，處于(0，1］區間的為石漠化惡化易發區。石漠化惡化易發區按評價單元數量平均分為2級，分別為石漠化惡化低易發區和石漠化惡化高易發區。

根據式(1)—(3)和分級原則，實現了待預測區的石漠化惡化趨勢定量預測(圖2)。

圖2 研究區巖溶石漠化惡化趨勢預測圖Fig.2 Forecast map of Karst rocky desertification deterioration in the study area

廣西都安瑤族自治縣未來石漠化惡化易發區呈兩條近南北向條帶分布在縣境內的西部和中部，其中石漠化惡化低易發區和高易發區的面積分別為358.76 km2和 299.27 km2，分別占研究區總面積的10.15%和8.47%。這兩個地區是未來進行生態環境保護和恢復的優先區和重點區。

5 結論

1)碳酸鹽巖類型、土地利用類型、巖溶地貌類型、地形坡度和人口聚居密度是影響石漠化惡化的5種因子，其權重分別為 0.49596，0.23230，0.14849，0.04136和0.08188;在前4種自然因子中，灰巖夾白云巖、荒草地、低山峰叢洼地和坡度大于15°的陡坡與峭坡分別是其主要因子(其CF值都是正值)。這與他人的研究成果基本一致［3－6］，表明本次研究的理論基礎和方法正確，定量化的石漠化惡化趨勢預測結果可靠。

2)本次研究發現在低人口聚居密度區石漠化惡化易發(在人口聚居密度因子中，只有0～10戶因子的CF值是正值，其余因子都是負值)，這與傳統的石漠化惡化與人口密度正相關的認識不同。筆者認為，造成這種差異的主要原因是:①本次研究采用的人口聚居密度圖(通過解譯高分辨率衛星圖像中的居民點房屋來推測居民戶數，再統計單位面積的居民戶數繪制人口聚居密度圖)比傳統的以人數/km2為基礎的人口密度圖更能細化研究區的人口聚居密度，有利于定量化分析人口聚居密度與石漠化惡化的關系。②研究區的實際情況比較特殊，在解譯居民點房屋的過程中發現，研究區大規模的居民點附近都有地形較為平坦、耕作條件好的耕地成片分布，少有石漠化發生;而小規模的居民點(尤其是獨居戶和只有三五戶聚居的居民點)附近大都缺少耕作條件好的耕地，只能不合理地開墾坡度較大的丘陵和山地，其結果造成嚴重的水土流失，加劇了石漠化的發生。

3)廣西都安瑤族自治縣未來石漠化惡化易發區呈兩條近南北向條帶，分布在縣境內的西部和中部。這些地區和已發生石漠化惡化的地區是未來進行生態環境保護和恢復的優先區和重點區。

4)本次研究實現了廣西都安瑤族自治縣石漠化惡化趨勢的空間分布預測，劃分出了研究區的石漠化惡化易發區;但沒有指明易發區每個評價單元的惡化最主導因子，這是本次研究的不足，也是下一步研究的重點。

［1］袁道先，蔡桂鴻.巖溶環境學［M］.重慶:重慶出版社，1988.Yuan D X，Chai G H.Karst Environment［M］.Chongqing:Chongqing Press，1988(in Chinese).

［2］王世杰.喀斯特石漠化概念演繹及其科學內涵的探討［J］.中國巖溶，2002，21(2):101 －105.Wang S J.Concept Deduction and Its Connotation of Karst Rocky Desertification［J］.Carsologica Sinica，2002，21(2):101 － 105(in Chinese with English Abstract).

［3］童立強，丁富海.西南巖溶石山地區石漠化遙感調查與演變分析項目成果報告［R］.北京:國土資源部，2002.Tong L Q，Ding F H.Remote Sensing Investigation of Rocky Desertification and Evolution Analysis from Karst Mountainous Area in Southwest China［R］.Beijing:Ministry of Land and Resources，2002(in Chinese).

［4］劉春玲，童立強，聶洪峰，等.中國東部重要經濟區帶基礎地質環境遙感調查與監測項目成果報告之二(石漠化遙感調查報告)［R］.北京:國土資源部，2010.Liu C L，Tong L Q，Nie H F，et al.Basic Geological Environment Investigation and Inspection in China Eastern Economic Zone(Remote Sensing Investigation of Rocky Desertification)［R］.Beijing:Ministry of Land and Resources，2010(in Chinese).

［5］胡寶清，廖赤眉，嚴志強，等.基于RS和GIS的喀斯特石漠化驅動機制分析——以廣西都安瑤族自治縣為例［J］.山地學報，2004，22(5):583 －590.Hu B Q，Liao C M，Yan Z Q，et al.Diving Mechanism Diagnosis of Karst Rocky Desertification in Du’an Yao Autonomous County of Guangxi Based on RS and GIS［J］.Journal of Mountain Science，2004，22(5):583 －590(in Chinese with English Abstract).

［6］吳 虹，陳三明，李錦文.都安石漠化趨勢遙感分析與預測［J］.國土資源遙感，2002(2):15－19.Wu H，Chen S M，Li J W.Remote Sensing Analysis and Prognosis of Desertification in Du’an［J］.Remote Sensing for Land and Resources，2002(2):15 －19(in Chinese with English Abstract).

［7］童立強.西南巖溶石山地區石漠化信息自動提取技術研究［J］.國土資源遙感，2003(4):35 －38.Tong L Q.A Method for Extracting Remote Sensing Informatin from Rocky Desertificationareas in Southwest China［J］.Remote Sensing for Land and Resources，2003(4):35 － 38(in Chinese with English Abstract).

［8］《運籌學》教材編寫組.運籌學第三版［M］.北京:清華大學出版社，2005.Operations Research Teaching Material Compilation Group.Operations Research III［M］.Beijing:Tsinghua University Press，2005(in Chinese).

Quantitative Prediction of Karst Rocky Desertification Deterioration Based on RS and GIS:A Case Study of Typical Karst Rocky Desertification Area of Du’an County，Guangxi

CHENG Yang1，2，CHEN Jian － ping1，2，HUANGFU Jiang － yun3，4，TONG Li－ qiang5
(1.Institute of High and New Techniques Applied to Land Resources，China University of Geosciences，Beijing 100083，China;2.Beijing Key Laboratory of Development and Research for Land Resources Information，Beijing 100083，China;3.Forestry College，Beijing Forestry University，Beijing 100083，China;4.Forage and Feed Station of Guizhou Province，Guiyang 550001，China;5.China Aero Geophysical Survey and Remote Sensing Center for Land and Resources，Beijing 100083，China)

Taking Du’an County of Guangxi as the study area，using the TM remote sensing images acquired in 1999 and 2009 as the data source，adopting RS and GIS as the technical means and platform，and utilizing the carbonate rock type，land use type，karst landform type，slope of the terrain and population density as the influencing factors，the authors calculated the rocky desertification deterioration index(RDDI)by using the analytical hierarchy process－certainty factor(AHP－CF)method，and then predicted the trend of rocky desertification deterioration quantitatively with RDDI as parameters.The prediction results can provide a scientific basis for making a prospective and specific plan concerning ecological environment protection and recovery and promote the work of rocky desertification prevention and control.

RS;GIS;rocky desertification;AHP－CF;quantitative prediction

TP 79

A

1001－070X(2012)03－0135－05

2011－11－24;

2011－12－21

10.6046/gtzyyg.2012.03.24

程 洋(1987－)，男，碩士研究生，主要從事“3S”技術集成應用方面的研究。E－mail:chengyang66666@sina.com。

陳建平(1959－)，男，教授，博士生導師，主要從事礦產資源定量評價和“3S”技術應用的教學與研究工作。E － mail:3s@cugb.edu.cn。

(責任編輯:李 瑜)