遙感植被指數增強石漠化信息研究

葉 杰，張 斌*，許軍強，谷芳瑩，張 寧

（1.河南省航空物探遙感中心，河南 鄭州450053；2.河南省地質礦產勘查開發局 第一地質礦產調查院，河南 洛陽471023）

我國的石漠化最早出現在貴州、廣西、云南等較典型的喀斯特石山地貌區。其主要原因在于，受喀斯特地區地勢高、坡度大、降雨多以及不合理的濫砍濫伐、過度的土地開墾與礦山開采等自然和人類活動多重因素共同影響，地表植被遭到破壞，經過長期的演化，地表呈現出水土流失、土地退化、基巖裸露等特征。作為南水北調水源區的河南省南陽地區，具有巖溶地質背景，同樣出現了嚴重的石漠化現象。據相關資料統計，2013年南陽地區的溶巖面積為5 000 km2，已形成石漠化面積為1 467 km2，潛在石漠化面積為 1 660 km2，主要分布在丹江口庫區周圍以及丹江河、鸛河、淇河、滔河等流域，涉及約115個鄉鎮。

近年來，巖溶石漠化已成為研究熱點和生態環境治理的重點[1-3]。隨著遙感應用能力的不斷提升，基于遙感技術的石漠化遙感調查與監測逐漸成為一些專家學者研究的熱點方向，如陳燕麗[4]等利用10 a的MODIS數據分析了不同等級石漠化NDVI和EVI的時間變化特征，利用全時間序列線性和對數相關模型對植被指數相關性進行了分析，并取得了積極效果；胡順光[5]等在喀斯特地貌區通過衛星遙感數據構建了廣西平果縣石漠化綜合指標度模型，提取了石漠化信息，提取結果與地質圖勾繪的喀斯特區域吻合較好；李輝霞[6]等采用主成分分析法，在粵北巖溶地區通過Landsat影像提出了石漠化評價模型，評價了石漠化程度，評價結果與野外調查情況基本吻合；岳躍民[7]等采用植被指數和線性光譜分解的方法，基于Hyperion高光譜數據建立了石漠化綜合指數，并較好地提取了石漠化遙感評價因子；王曉學[8]等結合TM影像數據，利用元胞自動機對典型喀斯特石漠化地區的關嶺縣進行了石漠化格局模擬研究，并將自然因素和人類活動因素融入Karst CA模型中，分析了石漠化格局及其變化，取得了新的認識；靖娟利[9]等利用不同時期的遙感影像和通過NDVI圖像二分模型計算得到的植被覆蓋度，基于石漠化與植被覆蓋度的負相關關系，提取了石漠化信息。

越來越多的專家學者基于各種植被指數建立了石漠化評價模型，并對巖溶地區的石漠化信息提取進行了研究，取得了一系列顯著成果。因此，適宜的植被指數不僅能增強石漠化不同程度的區分能力，而且有助于提高精度[10-13]；但在眾多研究成果中，尚未發現對南水北調水源區石漠化遙感調查方法的深入研究。本文結合2017年度國土資源科研項目成果，建立了南水北調水源區（河南段）石漠化分級指標，利用遙感植被指數對南水北調水源區（河南段）石漠化程度信息增強進行了定量分析，并對增強效果進行了評價。通過不同遙感植被指數對石漠化信息增強效果的差異性分析，為研究區選取最優植被指數進行石漠化遙感調查監測提供了技術支持。

1 數據來源與研究方法

1.1 研究區概況

研究區位于河南省南陽地區，主要分布在淅川縣大部、內鄉縣南部和鄧州市西南部，地理坐標為32 35′～33 08′N、111 00′～111 52′E，與陜西、湖北兩省相鄰，總面積約為2 584 km2，如圖1所示。研究區屬北亞熱帶向暖溫帶過渡的季風性氣候區，雨量充沛，年降雨量為391.3～1 423.7 mm，多年平均降雨量為804.3 mm；地域分布不均勻，具有西北多、東南少的特點。水源區屬長江流域漢江水系，丹江自西北向東南縱貫全境；主要支流包括淇河、老鸛河等，分別在寺灣、馬蹬匯入丹江干流，控制流域面積均在1 000 km2以上。研究區形態呈西北—東南分布，區內地形地貌由西北向東南依次為侵蝕中山、侵蝕低山向丘陵與崗地、沖擊平原等過渡；區內石炭系、奧陶系、寒武系、震旦系地層均有分布，巖性以較豐富的灰巖、白云巖、大理巖和白云質灰巖為主，這些碳酸鹽巖是形成巖溶石漠化的主要物質來源[14]。

圖1 研究區遙感影像圖

1.2 影像數據源

本文選取1996-10-18、2006-10-14、2016-11-10三期 月份相近的30 m分辨率Landsat TM/OLI多光譜數據作為石漠化程度信息增強與提取的數據源。所有數據均經過輻射定標、大氣校正、幾何校正、裁剪等預處理。影像數據無云層遮蓋，圖像結構清晰，數據質量 較好。

1.3 石漠化分級

本文以裸巖基巖占總面積的比例（或植被覆蓋面積占比）、植被種類等作為石漠化遙感評價的主要指標，結合研究區植被覆蓋特征，在DZ/T 0190-2015《區域環境地質勘查遙感技術規定（1∶50 000）》中石漠化程度分級標準的基礎上，增加了潛在石漠化類型，將石漠化程度由弱到強依次劃分為潛在石漠化（PR）、輕度石漠化（LR）、中度石漠化（MR）和重度石漠化（SR）4個等級。

1.4 評價方法

地表植被的覆蓋和基巖裸露（裸巖）的狀況呈負相關，碳酸鹽巖地區裸巖的裸露率與石漠化程度呈正相關，因此地表植被的覆蓋度能較好地反映巖溶石漠化的分布情況，可利用植被指數來提取石漠化程度 信息。

圍繞可見光—近紅外波段，本文探討了RVI、ERVI、NDVI、PNDVI、EVI、GEVI六種植被指數（表1）對研究區石漠化信息增強的效果；并利用“植被指數特征+歐氏距離+混淆矩陣”的方法對上述 6種植被指數增強石漠化的可分性與識別能力進行了定量評價。

表1 植被指數模型

植被指數特征主要包括最小值、最大值、均值、標準差等。其在圖像上體現的特征為：植被指數圖像的灰度值越高，說明植被越發育，植被覆蓋率越高；植被指數圖像的灰度值越低，說明植被發育程度越低，植被的覆蓋率越低。

歐氏距離的本質在于通過一定的約束條件，把樣本中的同類型歸并到一起，不同類型分開，進而提高樣本相似性度量的精度。其物理意義為：兩種類型的歐氏距離越大，表明類型間的區分能力越強；反之，歐氏距離越小，區分能力就越弱[15]。歐氏距離可表示不同石漠化程度之間的區分能力。其計算公式為：

式中，di,j為第i類樣本和第j類樣本的歐式距離；xi和xj為第i類和第j類樣本的平均值；σ2為某類樣本的方差。

混淆矩陣又稱誤差矩陣，是由預測類別的像元個數與實際該類別的個數組成的比較矩陣。矩陣中的列表示實際類別，行表示預測類別，通過總體精度和Kappa系數評價其精度。總體精度為所有類別中被正確分類的像元數之和（即矩陣主對角線上的數之和）與所有實際類別的總像元數（N）的比值。其表達 式為：

Kappa系數為影像中所有實際類別的總像元數乘以矩陣主對角線上的數之和，與某一實際類別的像元總數乘以預測某一類別的總像元數并對所有類別求和后相減；再除以總像元數的平方與某一實際類別的像元總數乘以預測某一類別的總像元數并對所有類別求和后的差，即

2 研究結果與分析

2.1 植被指數特征分析

RVI、ERVI、NDVI、PNDVI、EVI、GEVI六種植被指數的最小值、最大值、均值、標準差以及直方圖如表2、圖2所示，可以看出，RVI、NDVI、PNDVI和GEVI的灰度值接近正態分布，表明不同程度石漠化信息較全面，ERVI和EVI的灰度值呈非正態分布，某種石漠化程度相對集中，表達整體石漠化程度信息的能力較弱；標準差越大，說明石漠化程度信息越豐富，因此石漠化信息的豐富程度依次為RVI＞GEVI＞NDVI＞PDNVI＞ERVI＞EVI。

表2 植被指數的最小值、最大值、均值、標準差統計表

圖2 植被指數統計直方圖

2.2 歐氏距離分析

本文利用歐氏距離來表征6種植被指數光譜參數下石漠化等級的分類能力，如表3所示。查閱相關文獻發現，關于歐氏距離的閾值設定在遙感植被指數應用方面尚沒有正式的規定，即使在其他應用方面，通常的做法也是通過多次試驗驗證擇優選取閾值。本文借鑒重復試驗法，經過比較將不同石漠化程度之間的可分閾值設置為0.48。

表3 石漠化區域植被指數歐式距離統計表

由表3可知，在6種植被指數中，LR-SR均表現出較高的可分性，這是由于LR和SR在植被覆蓋上差異明顯，通過植被指數可較容易地區分；PR-SR除PNDVI和RVI外其他植被指數均具有較高的可分性；各植被指數在PR-MP的區分能力上表現較弱；PR-LR和LR-MR僅PNDVI和RVI具有較好的可分性，其他植被指數識別較困難；MR-SR僅GEVI具有一定的識別能力。綜合分析上述6種植被指數發現，GEVI、PNDVI和RVI能識別3種類型，且在歐氏距離大于0.48的植被指數中，GEVI表現最好，其次是PDNVI、RVI、NDVI，EVI和ERVI表現一般。

2.3 分類精度評價

基于6種植被指數模型，本文采用最大似然法進行石漠化信息提取，結果如圖3所示。利用混淆矩陣對提取后的結果進行精度評價，結果如表4所示，可以看出，GEVI的總體精度最高，達到85.15%，Kappa系數為0.795 9；其次為PNDVI和NDVI，總體精度和Kappa系數分別達到84.53%、0.788 7和84.03%、0.780 7；RVI的總體精度和Kappa系數也分別達到了80.19%、0.693 2；ERVI和EVI的分類效果較差，總體精度和Kappa系數分別為79.72%、0.685 7和78.79%、0.671 2。綜上所述，GEVI增強石漠化程度信息的能力最優。

表4 分類精度評價表

圖3 基于植被指數的最大似然法分類圖

3 結 語

1）本文選取RVI、ERVI、NDVI、PNDVI、EVI、GEVI六種在石漠化信息增強與提取中常用的植被指數，對其植被指數特征的最大值、最小值、均值、標準差進行了統計分析。結果表明，6種植被指數中，表達石漠化信息的豐富程度依次為RVI、GEVI、NDVI、PDNVI、ERVI和EVI。

2）本文采用歐式距離法對不同程度石漠化類型區分能力進行分析。結果表明，GEVI、PNDVI和RVI在不同石漠化程度區分能力上表現較好，其次是NDVI，ERVI和EVI的區分能力一般。

3）本文利用最大似然法對上述6種植被指數參與的不同石漠化程度進行分類提取，并通過混淆矩陣對 6種植被指數增強效果進行了評價。結果表明，在選取的所有植被指數中，GEVI的綜合表現最好。