福建長汀河田盆地林下水土流失區(qū)的遙感判別

福建長汀河田盆地林下水土流失區(qū)的遙感判別張博博;徐涵秋;胡秀娟;付偉;林中立【摘要】ThisstudyusedremotesensingtechniquetoestablishamodeltoextracttheareaofsoilerosionunderforestinHetianbasinofCountyChangtinginFujianprovince,basedonvegetationcoverage,vegetationhealthstatusandslope.Itcanquantitativelyestimateanddynamicallymonitorforestsoilerosion.TheresultsindicatethatunderstorysoilerosionmainlydistributedinthegentleslopezonesofHetianbasin;in2011and2014,theunderstorysoilerosionareaaccountsfor22.13％and21.94％,respectively,ofthetotalforestarea,withareductionof0.19percentagepoints,butarisingof3.19percentagepointsingentleslopezonesduringtheperiod.Ingeneral,understorysoilerosionhasbeenrescuedslightly.%國內(nèi)外對林下水土流失區(qū)域判別技術(shù)的研究很少利用計算機(jī)進(jìn)行林下水土流失的自動識別更是一個尚待解決的難題.該文利用遙感技術(shù),選取典型的土壤侵蝕區(qū)福建省長汀縣河田盆地為研究區(qū),綜合考慮植被覆蓋度、植被健康度和坡度3個因素,建立林下水土流失判別模型,提取了河田盆地林下水土流失區(qū),實現(xiàn)了林下水土流失面積的定量估算和動態(tài)監(jiān)測.結(jié)果表明,河田盆地林下水土流失區(qū)主要分布于緩坡地帶;2011-2014年間,林下水土流失總面積占林地總面積比例由22.13％減少至21.94％,同比下降0.19個百分點,但是在緩坡地帶,該比例回升了3.19個百分點.總體來說,河田盆地的林下水土流失狀況有一定改善.【期刊名稱】《遙感信息》年(卷),期】2017(032)004【總頁數(shù)】8頁(P112-119)【關(guān)鍵詞】林下水土流失;植被覆蓋度;植被健康度;坡度;河田盆地【作者】張博博;徐涵秋;胡秀娟;付偉;林中立【作者單位】福州大學(xué)環(huán)境與資源學(xué)院,福州350108;福州大學(xué)遙感信息工程研究所,福州350108;福建省水土流失遙感監(jiān)測評估與災(zāi)害防治重點實驗室,福州350108【正文語種】中文【中圖分類】TP79長汀縣地處福建省西部，是福建省水土流失歷史最久、程度最重、范圍最廣的區(qū)域新中國成立后，在福建省各級政府的扶持及長汀地區(qū)人民的努力下，通過營造、恢復(fù)大面積的馬尾松林和其他經(jīng)濟(jì)林等措施，水土流失治理取得了很大成效。但是，研究發(fā)現(xiàn)森林覆蓋面積的增幅和水土流失面積的減幅極不相稱［1］。許多經(jīng)過治理的地區(qū)，林木雖然茂密，但林下仍會出現(xiàn)中度甚至強(qiáng)度以上的水土流失［2］?！傲窒滤亮魇А笔撬帘３謽I(yè)界的一種俗稱，目前并沒有明確定義，通常用“遠(yuǎn)看青山在，近看水土流”來形象描述這一獨(dú)特的林下發(fā)生的水土流失現(xiàn)象。當(dāng)前，國內(nèi)外對林下水土流失的研究有限，且基本處在起步階段，主要集中于林下水土流失的特征、危害、成因和防治措施等方面。廖承彬等［3］利用不同樹種的7個徑流小區(qū)連續(xù)9年的監(jiān)測資料，分析了不同樹種林下水土流失的動態(tài)過程。何圣嘉等［1］從多方面探討了馬尾松林下水土流失的成因，認(rèn)為林下植被匱乏是造成馬尾松林下水土流失最主要和最直接的原因。Li等［4］利用銫-137同位素示蹤法定量分析了林下植被覆蓋度、根系密度與林下土壤侵蝕量的關(guān)系，表明細(xì)根密度和灌草覆蓋是影響林下水土流失的重要因素。徐義保等［5］針對林下水土流失形成過程進(jìn)行了深入研究，指出：多年嚴(yán)重的土壤侵蝕，土壤養(yǎng)分的流失惡化了馬尾松的生存環(huán)境，土壤貧瘠造成的植被健康度差也是林下水土流失的一個重要成因［6］。目前，國內(nèi)外對林下水土流失區(qū)域判別技術(shù)的研究很少，利用計算機(jī)進(jìn)行林下水土流失的自動識別更是一個尚待解決的難題。本文利用遙感技術(shù)，通過對水土流失區(qū)植被光譜特征分析，綜合考慮植被覆蓋度、植被健康度和坡度3個因素，建立了林下水土流失判別模型，實現(xiàn)了林下水土流失的計算機(jī)自動判別，并對2011年和2014年河田盆地的林下水土流失進(jìn)行定量估算和動態(tài)監(jiān)測，以期為該地區(qū)的水土流失治理提供科學(xué)決策依據(jù)。本研究對新一階段水土流失情況的動態(tài)監(jiān)測和評價具有重要意義。研究區(qū)概況福建省長汀縣位于福建省西部，25°18'40"N~26°02'05"N,116°00'45"E~116°39'20"E之間，地處武夷山南麓。長汀屬于亞熱帶季風(fēng)氣候，年平均氣溫18.3°C,年降雨量1500-1700mm。長汀地形地貌在福建省地貌區(qū)劃上屬于閩西南上古生代覆蓋層低山丘陵地貌，以低山和丘陵為主。整體來看長汀縣植被覆蓋較好，但中部地區(qū)顏色偏白，這一地區(qū)即為長汀縣水土流失重點治理區(qū)——河田盆地(圖1)，也是本文的研究區(qū)，面積約297km2。遙感數(shù)據(jù)及其預(yù)處理本次研究選用2011年12月13日的WorldView-2影像以及2014年10月8日的Landsat-8影像為數(shù)據(jù)源。數(shù)據(jù)預(yù)處理主要包括輻射校正和幾何校正。輻射校正。不同時相影像的大氣條件、光照的差異，造成一定的輻射誤差，在做變化檢測前，輻射校正能顯著提升影像的反演精度。影像的輻射校正采用美國地質(zhì)調(diào)查局(USGS)和美國宇航局(NASA)使用的影像大氣校正技術(shù)［7］。綜合了Chavez的COST模型［8］，徐涵秋將其總結(jié)歸納為日照大氣綜合校正模型(illuminationandatmosphericcorrectionmodel，IACM)［9］，該模型是基于影像自身數(shù)據(jù)進(jìn)行校正［10］，所需參數(shù)較少，且具有較高精度［11］，模型的主要公式可在影像的官方用戶手冊中查到，各項參數(shù)可在頭文件中查到。2）幾何校正。不同時相影像采用二次多項式為變換函數(shù)進(jìn)行變換，使用最鄰近像元法進(jìn)行像元重采樣，確保輸出影像光譜最大程度保真。配準(zhǔn)過程中影像的均方根誤差小于0.5個像元。林下水土流失區(qū)的判別經(jīng)實地考察和查閱文獻(xiàn)，林下水土流失的產(chǎn)生主要是由2個方面原因造成：一是近山、低山丘陵區(qū)人類活動頻繁，樹林遭到強(qiáng)烈的人為干擾（人為除去林下植被，收獲林下凋落物等），林下植被遭到嚴(yán)重破壞，下木層植被缺失；另一方面，長汀屬南方紅壤丘陵區(qū)，是典型水土流失區(qū)，土壤經(jīng)多年水力侵蝕，普遍比較貧瘠，造成植被不健康，水土保持能力弱。1）植被光譜特征分析。林下水土流失區(qū)與非林下水土流失區(qū)地表覆蓋特征的主要區(qū)別是地表植被覆蓋狀況不同，映射到遙感影像，即各波段反射率的差異。為了更直觀、精確地了解不同植被覆蓋光譜特征的差異，利用ASDFieldSpec?光譜儀采集了林下主要植被類型以及不同健康程度林木冠層的反射光譜。經(jīng)實地考察發(fā)現(xiàn)，河田盆地林下植被類型以芒萁為主，利用光譜儀測得芒萁和馬尾松的光譜曲線。如圖2所示，在近紅外波長范圍（760~900nm），芒萁的反射率遠(yuǎn)大于馬尾松的反射率，而在紅光波長范圍（630~690nm）具有近乎相同的反射率。這表明，就基于近紅外和紅光通道構(gòu)建的植被指數(shù)（如NDVI）而言，芒萁具有相對較高的值。比較3種不同健康程度馬尾松反射光譜曲線，發(fā)現(xiàn)植被健康度與綠光、紅光和近紅外的反射率密切相關(guān)。隨著植被健康度的升高，綠光、近紅外波長范圍處的反射率均有不同程度升高，而紅光波長范圍處反射率一定程度上降低（圖3）。2）植被覆蓋度反演。由環(huán)境保護(hù)部和中國科學(xué)院聯(lián)合開展的項目“全國生態(tài)環(huán)境十年變化(2000—2010年)遙感調(diào)查與評估”近期結(jié)題完成，其中植被覆蓋度的反演采用的是Gutman和Ignatov提出的模型(以下簡稱Gutman模型)［12］，表達(dá)式為：另一常用的模型是Carlson和Ripley提出的模型(以下簡稱Carlson模型)［13］，表達(dá)式為：式中：NIR和Red分別代表多光譜影像的近紅外波段和紅光波段；NDVI為歸一化植被指數(shù)；NDVImin代表純裸土像元的NDVI值；NDVImax代表植被覆蓋區(qū)域NDVI最大值。吳志杰［14］在歸一化植被指數(shù)(NDVI)基礎(chǔ)上提出山地植被指數(shù)(NDMVI)，發(fā)現(xiàn)利用NDMVI提取山體植被信息時能有效削弱山體陰影影響，進(jìn)而有效提升陰坡植被指數(shù)值，降低與低反照度地物的混淆度［15］。將NDMVI指數(shù)引入模型估算植被覆蓋度，能有效提升反演精度［16］?；谝陨峡紤]，將NDMVI指數(shù)引入Gutman模型和Carlson模型，替換NDVI。表達(dá)式為：式中：NIR和Red分別代表多光譜影像的近紅外波段和紅光波段；Redmin和NIRmin分別代表紅光波段和近紅外波段的反射率最小值；NDMVI為歸一化山地植被指數(shù)；NDMVImin代表純裸土像元的NDMVI值；NDMVImax代表植被覆蓋區(qū)域NDMVI最大值。Carlson和Ripley指出Carlson模型會在高植被覆蓋區(qū)造成植被覆蓋度低估，但是不求平方的Gutman模型會在低植被覆蓋區(qū)造成植被覆蓋度高估［13］。鑒于此，本文同時利用Gutman模型和Carlson模型反演出2014年10月8日的Landsat-8影像河田盆地的植被覆蓋度，然后利用近同期(2014年12月20日)天地圖高分影像，采取Wu和Murray［17］提出的高分影像亞像元對比法對所反演的植被覆蓋度進(jìn)行驗證。首先根據(jù)不同植被覆蓋度采取分層隨機(jī)采樣，在所反演的30m分辨率的植被覆蓋度影像上隨機(jī)選取出20個像元作為驗證點，每個30mx30m像元對應(yīng)225個天地圖高分影像2mx2m像元(圖4)，然后目視解譯出這225個高分影像像元中的植被像元個數(shù)，計算出這225個像元范圍內(nèi)的植被覆蓋度，最后與同范圍的30m像元求出的植被覆蓋度對比，進(jìn)行回歸分析并計算誤差。結(jié)果表明：Gutman模型的均方根誤差(RMSE)為4.63,R2=0.9587;Carlson模型的均方根誤差(RMSE)為18.42,R2=0.9452(圖5)。顯然，Gutman模型反演出的植被覆蓋度精度更高。植被健康度反演。林下水土流失區(qū)土壤貧瘠，使得植被健康度低，無法發(fā)揮水土保持的作用，植被健康度低是林下水土流失區(qū)的重要特征。氮素和葉綠素是植物光合作用和生長率的重要指示因子，氮素和葉綠素的缺乏會影響植被蛋白質(zhì)的合成，導(dǎo)致植被不健康生長，從而影響植被光譜曲線形態(tài)的變化。本研究中利用植被氮素含量和葉綠素含量來表征植被健康度。目前植被氮素濃度主要采用高光譜遙感數(shù)據(jù)來度量，多使用可見光和近紅外波段。Bausch構(gòu)建了氮素反射指數(shù)(nitrogenreflectanceindex,NRI)，利用寬波段反演了植被氮素含量［18］，其公式為：式中：NRI表示氮素反射指數(shù)；NIR、Green分別表示遙感影像的近紅外、綠光波段的反射率。實驗表明：氮素反射指數(shù)值與實測土壤樣品的全氮回歸分析中，其相關(guān)系數(shù)高達(dá)0.81［19］。植被通過葉綠素進(jìn)行植被光合作用時，主要吸收紅光和藍(lán)光，對綠光的吸收較少。一些學(xué)者的研究表明可見光波段波譜反射率的高低與植被葉綠素含量相關(guān)［20-22］，通過對不同健康程度的光譜曲線特征進(jìn)行比較，發(fā)現(xiàn)隨著植被健康度增加，綠光反射率上升而紅光和藍(lán)光反射率下降。譚昌偉［23］通過比較各個遙感變量與小麥葉綠素含量的相關(guān)性，發(fā)現(xiàn)基于綠光和紅光的構(gòu)建的指數(shù)與葉綠素含量有較好的相關(guān)性，其公式為：式中：GRI表示葉綠素指數(shù)值(譚昌偉模型中采用DSW4表示);Green、Red分別表示遙感影像的綠光、紅光波段的反射率。坡度反演。地形地貌也是影響水土流失的重要因素，坡度越大，徑流量越大，沖刷強(qiáng)度越大，導(dǎo)致土壤中有機(jī)質(zhì)含量低，土壤養(yǎng)分流失嚴(yán)重。當(dāng)坡度小于或等于5°時，基本不發(fā)生水土流失現(xiàn)象［24］。因此，加入坡度因素，可有效提升模型精度。DEM數(shù)據(jù)是從美國地質(zhì)調(diào)查局(USGS)官方網(wǎng)站上獲取的ASTERGDEM數(shù)據(jù)，其空間分辨率為30m，經(jīng)軟件處理后得坡度數(shù)據(jù)。提取過程。根據(jù)GPS坐標(biāo)，將實地考察獲取的采樣點落到遙感影像上，獲取各點處的植被覆蓋度(FVC)、氮指數(shù)值(NRI)和葉綠素指數(shù)值(GRI)，并進(jìn)行統(tǒng)計分析，以各因子的最大值、最小值和平均值做林下水土流失與非林下水土流失地類間分離度的統(tǒng)計圖(圖6)。如圖6(a)所示，以2011年WorldView-2影像為例，林下水土流失采樣點FVC的取值范圍是50.80%~74.7%，非林下水土流失采樣點FVC的取值范圍是73.30%~89.90%,2個地類的取值范圍有一定的交叉重疊，即73.30%~74.70%,可在此交叉重疊區(qū)間取閾值進(jìn)行分割2個地類。同理，NRI和GRI分割閾值的取值區(qū)間分別為4.95~5.42和1.04~1.07。2014年Landsat-8影像2個地類在FVC、NRI和GRI因子處分割閾值取值區(qū)間是71.92%~83.43%、5.16-6.99和1.20~1.39。然后根據(jù)實際林下水土流失采樣情況，人工調(diào)試閾值，最終確立最優(yōu)分割閾值(表1)。另外，由于植被特別差或非植被區(qū)域產(chǎn)生的水土流失并不屬于林下水土流失，因此需要設(shè)置閾值進(jìn)行掩膜，經(jīng)不斷調(diào)試，利用FVC大于60%為閾值掩膜該類區(qū)域。此外，土壤的水力侵蝕主要來源于水流的沖刷作用，而在地表比較平緩的區(qū)域，水力作用較弱，基本上不發(fā)生水土流失。因此，在判別過程中需要設(shè)置閾值掩膜地勢平緩區(qū)域，以提升模型精度。水利部頒發(fā)的《土壤侵蝕分類分級標(biāo)準(zhǔn)》中土壤面蝕分級指標(biāo)中，坡度以5°為起點開始分級［24］，因此可將坡度分割閾值設(shè)為5°。確定影像分割閾值，采用分層分類的路線，逐步進(jìn)行掩膜剔除。各步閾值取值見表1，判別過程如下：（1）如果Slope>X1,掩膜地勢相對平緩不發(fā)生水土流失的區(qū)域；⑵此外FVC>X2且FVCvX3,掩膜水體、建筑、裸土等不可能出現(xiàn)林下水土流失的區(qū)域，同時掩膜植被較好的區(qū)域；⑶此外NRIvX4且GRIvX5，用于掩膜健康植被覆蓋區(qū)域，剩下林下水土流失區(qū)信息。6）精度驗證。利用高分影像目視解譯林下水土流失比較困難，因此，林下水土流失只能借由實地調(diào)查數(shù)據(jù)進(jìn)行驗證，在河田盆地一帶總共驗證71個點。結(jié)果表明（表2）,2011和2014年的總精度分別為85.92%和87.32%,Kappa系數(shù)分別為0.68和0.70，判別結(jié)果總體來說精度較高，滿足實際應(yīng)用需求。林下水土流失區(qū)空間分布特征從空間分布上來看（圖7），2011年和2014年河田盆地林下水土流失區(qū)空間分布特征一致，2個時相林下水土流失分布松散，部分地區(qū)呈帶狀分布，甚至相當(dāng)一部分呈小面積“椒鹽狀”分布。此外，盆地中心地區(qū)出現(xiàn)了大片空白區(qū)域，沒有林下水土流失分布，但是在空白區(qū)域周邊，林下水土流失卻密集分布，也是林下水土流失重災(zāi)區(qū)。究其原因在于，河田盆地中心由建筑用地、交通用地、耕地和果園等土地利用類型覆蓋，這些用地類型不會出現(xiàn)林下水土流失，但是該地區(qū)周邊范圍人類活動頻繁，林地受人類影響較大，林下地表植被遭到人為破壞，容易發(fā)生水土流失。林下水土流失區(qū)空間分布變化為研究林下水土流失在坡度上的空間分布變化特征，將2011年和2014年的林下水土流失區(qū)分布圖與坡度圖進(jìn)行疊加分析。根據(jù)國家林業(yè)局（2011）的《森林資源規(guī)劃設(shè)計調(diào)查主要技術(shù)規(guī)定》，將坡度分為平坡（0。~5。）、緩坡（6。~15。）、斜坡（16。~25。）、陡坡（26。~35。）、急坡（36。~45。）和險坡（46。以上）6個等級[25],由于河田盆地急坡和險坡區(qū)域面積較小，因此將這2個區(qū)域進(jìn)行合并。統(tǒng)計結(jié)果見表3。如表3所示，研究區(qū)2個年份的林下水土流失區(qū)在坡度上的變化特征基本一致。表現(xiàn)在0。~5。的平坡地帶不發(fā)生林下水土流失，從緩坡開始出現(xiàn)林下水土流失，且無論是2011年或2014年林下水土流失區(qū)總面積的一半以上都集中分布于6。~15。的緩坡地帶。其原因在于，坡度越緩人類活動越頻繁，植被受到人類活動的干擾越大，林下植被遭到的破壞越嚴(yán)重，植被健康水平也就越差，導(dǎo)致林下發(fā)生水土流失的可能性越高。隨后，林下水土流失的面積和比例都是隨著坡度的增加而逐漸減少。由于本次研究所選用遙感數(shù)據(jù)源的空間分辨率差異較大，因此提取的林下水土流失區(qū)絕對面積的可比性不大，不同年份間只能比較相對的林下水土流失區(qū)所占林地的面積比。2011到2014年間，研究區(qū)林下水土流失區(qū)總面積占林地總面積的比例總體從22.13%降低到21.94%，下降了0.19個百分點。從不同的坡度等級來看，斜坡、陡坡和急-險坡的林下水土流失面積比例逐漸下降，但緩坡地帶的比例不降反升，升高了3.19個百分點?？傮w來看，2011年到2014年間研究區(qū)林下水土流失情況有所改善，主要集中在斜坡及其以上地帶，但在緩坡地帶的林下水土流失反而有所上升，顯然人類的活動是造成這一現(xiàn)象的主要原因。基于野外調(diào)查實測數(shù)據(jù)和遙感影像，綜合考慮植被覆蓋度、植被健康度和坡度3個因素，建立了林下水土流失判別模型，經(jīng)驗證，該判別模型具有較高精度，判別結(jié)果能合理地揭示林下水土流失區(qū)的空間分布特征和動態(tài)變化。總地來說，2011—2014年間，長汀河田盆地林下水土流失狀況有所改善，林下水土流失面積比例下降了約0.2個百分點。林下水土流失在空間分布呈現(xiàn)出一定的規(guī)律性，坡度越大，林下水土流失區(qū)分布越少。林下水土流失區(qū)有一半以上集中分布于坡度在6。~15。的緩坡地帶，且在所研究的時間內(nèi)有一定程度的加劇。而在斜坡及其以上地帶，林下水土流失情況有明顯改善。E-mail：E-mail：.cn【相關(guān)文獻(xiàn)】何圣嘉，謝錦升，楊智杰，等?南方紅壤丘陵區(qū)馬尾松林下水土流失現(xiàn)狀、成因及防治J].中國水土保持科學(xué)，2011，9(6)：65-70.趙其國?我國南方當(dāng)前水土流失與生態(tài)安全中值得重視的問題J].水土保持通報，2006，26(2):1-8.廖承彬，魏天儒?紅壤坡地不同樹種林下水土流失特征研究J].水土保持通報，2013，33(2):198-202.LIY，YUHQ，ZHOUN，etal.LinkingfinerootandunderstoryvegetationtochannelerosioninforestedhillslopesofsouthwesternChina[J].Plant&Soil，2015，389(1/2):112.[5]徐義保，査軒，黃少燕?南方紅壤丘陵區(qū)馬尾松林地水土流失研究進(jìn)展J].亞熱帶水土保持，2011，23(4):40-43.⑹顏春燕，劉強(qiáng)，牛錚，等?植被生化組分的遙感反演方法研究[幾遙感學(xué)報，2004，8(4):300-308.NASA.Landsat7ScienceDataUsersHandbook[EB/OL].(2011-3-11)[2016-5-5].http://，2013.CHARVZJRPS.Image-basedatmosphericcorrections:revisitedandrevised[J].PhotogrammetricEngineeringandRemoteSensing，1996，62(9):1025-1036.徐涵秋?基于影像的LandsatTM/ETM+數(shù)據(jù)正規(guī)化技術(shù)[J].武漢大學(xué)學(xué)報(信息科學(xué)版)，2007，32(1):65-69.XUHQ.EvaluationoftwoabsoluteradiometricnormalizationalgorithmsforpreprocessingofLandsatimagery[J].JournalofChinaUniversityofGeosciences，2006，17(2):146-150.徐涵秋?新型Landsat8衛(wèi)星影像的反射率和地表溫度反演[J]?地球物理學(xué)報，2015，58(3):741-747.GUTMANG，IGNATOYA.ThederivationofthegreenvegetationfractionfromNOAA/AVHRRdataforuseinnumericalweatherpredictionmodels[J].InternationalJournalofRemoteSensing，1998，19(8)：1533-1543.CARLSONTN，RIPLEYDA.OntherelationbetweenNDVI，fractionalvegetationcover，andleafareaindex[J].RemoteSensingofEnvironment，1997，62(97)：241-252.吳志杰，徐涵秋?衛(wèi)星影像數(shù)據(jù)構(gòu)建山地植被指數(shù)與應(yīng)用分析[J]?地球信息科學(xué)學(xué)報，2011,13(5)：656-664.曾宏達(dá)，徐涵秋，謝錦升，等.紅壤侵蝕區(qū)馬尾松林碳儲量估算的遙感植被指數(shù)選擇：以長汀河田地區(qū)為例[J].地理科學(xué)，2014,34(7):870-875.張燦，徐涵秋，張好，等.南方紅壤典型水土流失區(qū)植被覆蓋度變化及其生態(tài)效應(yīng)評估：以福建省長汀縣為例[J]?自然資源學(xué)報，2015,30(6):917-928.WUC，MURRAYAT.Estimatin