基于遙感技術的撫順市水土流失研究

張靖渤

(清原滿族自治縣水利工程建設質量與安全監督站，遼寧 清原 113300)

0 引 言

水土流失是指在水、重力和風等外營力或人為因素的影響下，雨水不能就地消納、順勢下流、沖刷土壤，造成水分、土壤資源破壞、流失的現象。國內外專家研究均表明，植被通過地上、地形部分組成的三維結構特征改變森林水文路徑與勢能傳導方式，進而影響著地表水土流失過程與強度，被視為水土流失的戰略防控因子[1]。但在高植被覆蓋區，林下植被垂直組合特征并非完全抗侵蝕，仍然有不同的水土流失產生。目前，高植被覆蓋區土壤侵蝕過程機制、植被結構對森林水文的影響得到高度重視，而對于水土流失的判別研究相對較少[2]。較為成熟的是徐涵秋教授提出的閾值法，即先通過實地調查獲取先驗樣區的植被特征參數特征以構建閾值分離水土流失區與非水土流失區，然后將該閾值擴展到局地應用。由于該方法科學反映了植被與水土流失發生的關聯關系，可操作性強，因而受到一定推崇。而相關的案例研究主要集中在福建、江西等南方紅壤區，而其在東北地區的適應性研究尚未開展[3]。鑒于此，以撫順為案例闡述基于遙感技術提取水土流失技術過程，以期為區域資源環境規劃提供準確、詳實的數據基礎。

1 數據來源

為了反映當前基礎環境信息并結合數據可獲得性、質量要求，選擇2010年5月7日撫順市的Landsat8 OLI影像為基礎數據，數據編號為LC81180312018127LGN00，云量為零，該時期能夠滿足落葉闊葉林、針葉林與草地的季相要求。影像下載于地理空間數據云網站(http://www.gscloud.cn/search)。根據Metadata頭文件的數據采用flash大氣校正削弱輻射誤差影響，并運用COST模型將影像的短整型灰度值轉換為浮點型的反射率值；為提高研究結果的精度，將全色光譜波段與其他波段進行融合，得到15m空間分辨率的影像。

2 林下水土流失提取流程

《土壤侵蝕分級分類標準》(SL 190-2007)規定采用植被覆蓋度(VFC)和坡度(Slope)兩個指標衡量面狀水土流失強烈程度，依據該標準在高植被覆蓋區(VFC>50%)水土流失為輕度和微度，而這顯然未能準確刻畫局地林下水土流失現象。

實地勘察表明，林下水土流失區的特征為:

1) 林下灌草稀疏、枯枝落葉稀少。

2) 林下人為活動或自然災害頻發、地表疏松易蝕、表土裸露。

因此，選擇指標特征指數衡量植被長勢與健康程度，參照張博博[3]、付偉等[4]的研究經驗，確定以植被覆蓋度(VFC)、植被氮指數(VGI)、植被黃葉因子(Yellow)、地表裸露度(NDSI)和坡度(Slope)等進行綜合識別水土流失信息。

2.1 植被覆蓋度計算

一般情況下，植被覆蓋度與水土流失強度呈負相關關系。在Landsat系列衛星影像中其最普適的計算方法為極差歸一法：

VFC=(NDVI-NDVImin)/(NDVImax-

NDVImin)

(1)

式中：NDVImin、NDVImax分別為區域NDVI圖層中的最小、最大值。而NDVI的計算公式如下：

NDVI=(nir-red)/(nir+red)

(2)

式中：nir、red分別為區域lansat影像中的近紅外和紅波段值。

2.2 植被氮指數

植被氮指數反映的是植被冠層葉片中氮含量。植被生理學研究表明，植被葉片中氮含量越高植被長勢越好。依據譚昌偉的作物氮反射指數(NRIP)，其計算公式如下：

NRIP=green/red

(3)

式中：Green、Red分別為Landsat系列衛星數據中綠光、紅光的反射率值。

2.3 黃葉因子

研究區植被為落葉闊葉林和針葉林類型，植被具有黃葉的季相特征，為準確刻畫區域植被生長特性需判別其黃葉特征。由于Lansat系列衛星影像并未設置黃色波段，鑒于此，通過三原色原理，可通過綠色與紅色按比例混合得到其黃色波段特性。其計算公式如下：

Yellow=(Green+red)/2

(4)

2.4 表土裸露因子

表土裸露程度越高，地上與地下植被的水土流失的抗侵蝕能力越弱，進而影響著水土流失強度。為了刻畫表土裸露程度，采用歸一化裸土指數(Normalized Difference Soil Index，NDSI)進行衡量，其計算公式如下：

NDSI=(mir1-nir)/(mir1+nir)

(5)

式中：mir、nir分別為衛星影像的中紅外、近紅外波段的反射率值。

2.5 坡度因子

坡度是坡面的垂直高度h和水平距離的比值，其對坡度水土流失勢能進行再分配，并與水土流失強度呈顯著正相關關系。以DEM數據為基礎的坡度信息的提取過程如下：

1) 利用ArcGIS中Spatial Analyst Tools中的地形分析模塊Surface工具，點擊Slope功能鍵，輸入無填洼的DEM數據，計算得到區域坡度圖層slope。

2) 參照坡度因子計算公式，在Spatial Analyst Tools—Raster Calculator系列操作中輸入表達式，具體為‘Con("slope" < 5,10.8 * Sin("slope"* 3.1415926 / 180) + 0.036,Con("slope" <= 10,21.9 * Sin("slope" *3.1415926 / 180) -0.96,16.8 * Sin("slope"* 3.1415926 / 180) - 0.5))’，由此得到區域坡度因子柵格圖層S。

3 基于植被特征的水土流失信息提取規則

基于Landsat 8影像，計算得出撫順市VFC、NRIP、Yellow、NDSI和Slope等環境因子。在此基礎上，根據調查分析結果與研究經驗，為每個因子設定分離閾值，構建逐層分離規則后提取林下水土流失區域。為每一個因子設置分離閾值，然后采用基于規則的逐層分離法建立模型，提取出林下水土流失區。其中VFC的閾值為80%，高于80%的地區可視為不存在水土流失，低于80%的林區為研究區域；坡度閾值為5°，大于5°的地區為水土流失區。其他因子中NRIP的閾值為4.15，Yellow為0.126，NDSI為0.335。其具體規則見圖1。

圖1 研究區水土流失信息提取規則流程

4 結果與分析

4.1 研究區水土流失環境因子特征

先運用ENVI5.3軟件平臺的Slash工具進行大氣校正，再以撫順市矢量邊界(shp格式)為基礎，經過Subroi處理裁剪出研究區遙感影像，通過bandmatn工具統計得到環境因子，見圖2。由圖2可知，研究區環境因子空間分布不均，呈破碎化斑狀分布，這種空間形態促使水土流失強度空間不穩定性。該區坡度介于0°～57°之間，平均值為23°，變異系數為45%，表明區域坡度分布離散，并不均一。植被主要沿著海拔分布，西部河谷灘地地勢平坦，主要為居民建設用地、耕地；中東部地區地勢較高、人為活動強度小，植被覆蓋度較高。由于植被氮指數與植被長勢密切相關，故而其(圖2c)與植被覆蓋度(圖2b)具有相似的空間分布特性。黃葉因子(圖2d)高值區集中在局部植被茂密區，河谷地區呈低值分布。裸土因子(圖2e)與植被氮指數(圖2c)分布高度相關。

4.2 撫順市水土流失空間分布特征

依據前述閾值分離規則，提取了撫順市水土流失空間分布，結果見圖3。由圖3可知，在15 m像素水平上，研究區水土流失面積達648.505 km2，占區域總面積的25.01%。而王建寧[5]等在1995年的調查結果表明該市水土流失面積達37%，經過近20年的退耕還林還草生態恢復與建設工程，區域植被覆蓋率高達66.75%，水土流失得到有效治理，故而本研究結果相對于王建寧的結果減少了11.99%，表明本研究結果合理可靠。同時參照《撫順市水土保持規劃(2017-2030年)》可知，當前研究區水土流失面積占28.64%，這與本結果十分接近，表明本文的研究方案具有良好的可行性。圖3表明，研究區水土流失呈破碎化斑點狀，空間連續性差，分布形態不穩定，仍需要加強治理。

圖3 研究區水土流失空間分布圖

4.3 撫順市水土流失坡度分布特征

為詳細解析研究區水土隨坡度的框架分布變化，將提取的水土流失圖層與坡度圖層進行空間疊加。依據《森林資源規劃設計調查主要技術規定》的坡度分級標準，將其劃分為平坡(0°～5°)、緩坡(5°～15°)、斜坡(16°～25°)、陡坡(26°～35°)、急坡(36°～45°)和險坡(46°以上)6個等級，由于在提取分析過程中已經排除了平坡，故將其他坡度分級統計，見圖4。

圖4 研究區水土流失面積隨坡度分布特征

由圖4可知，水土流失主要分布在15°～25°的地帶，占水土流失總面積的37.23%；其次是坡度為5°～15°的地區，占26.78%。25°～35°和35°～45°的坡度帶分布的水土流失區占19.35%和10.92%，陡坡帶由于面積最小加之植被自然狀態較好，水土流失面積最少，僅為5.72%。

5 結 論

傳統多源遙感方法難以直接探測植被覆蓋下陸面表層地理環境體征，對水土流失監測的適應程度有限。鑒于此，以植被覆度、坡度、土壤裸露度、植被氮指數等幾個特征變量為基礎構建閾值分離規則，從而有效識別林下水土流失區。以撫順市為案例區研究顯示，該市水土流失面積達25.01%，呈斑狀不穩定分布，這應是水土保持與防治的重點。本研究方案以遙感數據為基礎提取判別因子，數據可獲得性好；閾值分離規則簡易，具有可調節性；并且提取的結果與相關調查結果高度一致，這表明該方案適用于東北地區林下水土流失監測。