基于遙感光譜的干旱區土地退化評價體系構建

張 平，孫強強，孫丹峰※，孫敏軒，劉浩田，尤淑撐，劉愛霞

（1. 中國農業大學土地科學與技術學院，北京 100193；2. 自然資源部國土衛星遙感應用中心，北京 100035）

0 引 言

干旱區土地退化（荒漠化）對全球糧食安全、環境質量和人類福利有著重要影響[1-4]，是21世紀以來全球所面臨的重要生態環境問題之一[1]。《聯合國防治荒漠化公約》第十三次締約方大會確立了“攜手防治荒漠，共謀人類福祉”的主題[2]，旨在共議公約新戰略框架，維護全球生態安全。作為受荒漠化影響較嚴重的國家之一，2014年中國荒漠化土地面積達261.16萬km2[3]。因此，及時、準確地對干旱區土地退化狀況及危害程度進行評價，可以指導決策者制定優化的荒漠化防治辦法和修復措施，對早日實現土地退化零增長[4]的目標具有重要意義。

相比于實地樣點觀測，遙感技術因其覆蓋范圍大、時效性強、準確度高，成為揭示干旱區土地退化狀態和動態的有效工具[5]。目前，遙感直接分類[6-8]、指標指數綜合[9-14]、景觀格局分析[15]等是土地退化遙感評價最常用的方法。其中，運用非監督分類、機器學習等監督分類直接劃分荒漠化類型和等級能夠提供較為精確的荒漠化信息，但基于光譜特征的傳統分類評價所獲取的知識通常既不可解釋，又難以傳遞；以植被、土壤為監測對象，進行植被指數NDVI、土壤質量監測等的單因素評價或指標聚合，可以提供一定程度的土地退化表征，卻忽略了驅動力-過程-癥狀的內在聯系，導致指標體系龐大而無法重復，限制了遙感早期預警的優勢；景觀格局指數對土地退化的發展和逆轉有良好的指示意義，但很難充分挖掘斑塊尺度的變化過程信息。而土地退化是人與自然耦合因素協同作用下土地利用/覆被類型、數量、結構以及功能的改變而引起的生態服務價值降低，具有非線性、閾值、多尺度等復雜性和動態性[16-18]，退化癥狀診斷需要結合關鍵的生物物理變量（植被-土壤的互動變化特征）來揭示荒漠化狀態-機理-效應[19]。

近年來，光譜混合分解廣泛應用于干旱區土地覆被分類與評價。基于多季相寬波段遙感光譜混合分解獲取植被-土壤組分參數，可以簡單地、直接明了地建立地表過程物理模型，進行土地利用/覆被分類制圖。如：Sun等[20]采用沙、鹽、植被和暗色物質 4端元豐度值構建基于先驗知識的決策樹，有效模擬了民勤綠洲的景觀要素分布。在此基礎上，通過物理意義明確的荒漠化端元豐度季相變異信息，量化下墊面的質量功能特征，為土地荒漠化監測評價提供保障。如：張熙川等[21]利用不同時相 TM 影像，采用光譜混合分解模型，以沙地、裸地、農耕地、牧草地作為基本端元組分提取反映土地退化的定量特征。盧遠等[22]選用植被、鹽堿地、裸沙地、沼澤圖、葦地作為光譜端元進行土地退化程度的劃分。Sun[23]利用端元豐度值差值監測評價了研究區的沙化、鹽化和植被退化/恢復的動態變化，并結合社會經濟等因素提出退化綜合征分析框架。姜宛貝等[24]嘗試將土地覆被/利用分類后比較和端元豐度值差值相結合，綜合評價民勤生態工程第二階段初期（2010－2015年）的治理效果。綜合以上研究成果，寬波段遙感標準端元空間是將多光譜傳感器光譜空間轉換為具有實際物理意義的端元空間，標準端元光譜具有傳感器之間傳遞和在其他區域可比較的優勢，為不同時空條件下土地退化評價提供統一可比的基準[25]。

因此，本文在以往研究基礎上，進一步建立基于標準光譜端元空間的干旱區土地退化狀態評價體系，從土地利用/覆被結構和空間特征，植被-土壤組分季相變異開展結構-功能-質量間的轉化規則，綜合評價退化類型和退化程度狀態。并以民勤2015年GF-1/WFV時間序列遙感影像進行方法體系驗證，為區域荒漠化發生機理深入探究、客觀穩定的荒漠化狀態預警提供有效借鑒，服務于針對性、差異化的干旱區土地退化修復政策調控。

1 研究區概況和數據預處理

1.1 研究區概況

民勤縣（103°03′－104°02′E；38°05′－39°06′N）地處甘肅省河西走廊東北部，位于石羊河流域下游，西、北、東三面被騰格里和巴丹吉林兩大沙漠所包圍。所占總面積1.59×104 km2，屬典型的溫帶大陸性氣候，氣候干燥。根據國家氣象信息中心（http://data.cma.cn)）統計，2015年民勤降水量為122 mm左右，多集中在夏末秋初（7－9月份），平均溫度10.2 ℃，與該地區2000年以來多年平均降水量（125.75 mm）和多年平均溫度（9.44 ℃）相差不大，因此所選年份可以代表常規年份。大風天數較多，環境惡劣。中部有石羊河沖積形成狹長而平坦的綠洲，綠洲區面積占16.32%，是當地水資源最豐富的區域，絕大多數人口和主要的社會經濟活動都集中在中部的民勤綠洲，年內總用水量3.58億立方米，比上年增長0.12%。青土湖水域面積達到 22.36 km2，地下水位埋深升至3.14 m，形成旱區濕地106 km2。民勤縣是全國乃至世界荒漠化最嚴重的區域之一，也是中國北方沙塵暴四大發源地之一，土地荒漠化是限制當地農業和經濟發展的主要因素之一。圖1為民勒研究區。

圖1 民勤研究區Fig.1 Minqin study area

1.2 數據預處理

本研究以2015年GF-1 WFV （16m）作為基礎數據源，通過中國資源衛星應用中心陸地觀測衛星數據服務平臺（http://www.cresda.com/CN/）下載無云或少量云（＜15%）、且選取云及陰影對研究區沒有影響的多光譜數據。民勤研究區由2-4景高分影像所覆蓋，因此本次研究共下載43景影像（表1）。

由于GF-1 WFV Level 1級產品為輻射校正影像產品，本研究利用 ENVI 5.1中輻射定標工具（Radiometric Calibration）進行輻射定標，該工具通過讀取 GF-1 WFV 元數據文件中每個波段的 Gain，offset值將 DN值轉化為輻射亮度值。其次，運用FLAASH大氣校正模塊進行大氣校正，其所采用的算法為MODTRAN5輻射傳輸模型，輸入參數包括傳感器和圖像目標信息、大氣模型、氣溶膠模型等，參數信息可從GF-1 WFV元數據文件中獲取。最后，利用無縫鑲嵌工具交互式地生成一條接邊線，將有地理坐標同一時期的幾景圖像拼接，并根據民勤行政界線通過圖像裁剪提取研究區域，最終得到質量較高的的16期GF-1反射率數據（表1）。

表1 GF-1 WFV數據源列表Table 1 GF-1 WFV images data list

此外，分別于2016年9月11至9月20日、2017年8月21至8月26在研究區采集共計146個樣點數據（圖1），采集了土壤樣品并準確的記錄了各個地類的覆被類型和綜合景觀照片。其中，2017年50個樣點用于分類評價決策樹訓練樣本，2016年95個樣點用于精度評價檢驗。為避免地面驗證數據與獲取的遙感影像時間滯后影響，采樣過程中以2015年遙感影像為基準期，若采樣點土地利用/覆被類型發生變化，則用其鄰近的土地利用/覆被未發生變化的地點替代。

2 研究方法

圖 2是本文建立的反映土地退化生物物理過程的干旱區土地退化狀態遙感評價方法流程。首先從地類結構、退化類型、退化程度三個層次構建評價體系。基于標準光譜端元的多季相分析和多時相分類結果，一方面運用土地利用/覆被分類宏觀表示下墊面質量結構，同時將植被-土壤互動特征輔助荒漠化發生過程及程度等土地退化狀態評價。最后，運用地面采樣點建立以實地樣地為基礎的土地退化評價基準，進行土地退化狀態評價的絕對定標和交叉驗證。

圖2 土地退化狀態遙感評價方法流程Fig.2 Flow of land degradation assessment using remote sensing

2.1 標準光譜端元的多季相分析

干旱區地物類型復雜，混合像元普遍存在。光譜混合分解將混合像元分解成不同地物的組合，分解所得豐度值為像元構成地物在混合像元中所占的百分比[26-28]，具有一定的物理指示意義。前期 TM 系列研究表明，沙（SL）、鹽（SA）、植被（GV）、暗色物質（DA）4類端元與干旱區地表覆被的物理組成成分一致，是干旱區物質的基本組成成分。沙、鹽和暗色物質端元指示土壤及其生境狀況，其中沙、鹽隱含荒漠化發生過程中裸沙、鹽分特征信息，暗色物質包括陰影以及深色的土壤和巖石，而植被組分可以用來描述當地植被的蓋度，4類端元可以作為標準端元庫，獲得時空條件下一致可比的標準端元光譜曲線。由于GF-1 WFV寬波段影像僅有4個波段（n≤b-1），同時考慮到干旱區地表的復雜性和空間異質性，本文擬采用多端元光譜混合分解。多端元光譜混合分解通過將像元的光譜信息和空間信息相結合，逐像元調整端元的類型和數量動態地進行混合像元分解，比固定端元線性光譜混合模型更合理且分解精度更高。

在 Sun等[20]、劉娜等[29-30]多季相線性光譜混合分解方法的基礎上，本研究運用時間序列 GF-1 WFV寬波段影像進行多端元光譜混合分解的方法流程如下。

1）選取與干旱區地表物質組成一致的標準端元（沙、鹽、植被、暗色物質）構建標準端元庫，任意 3類端元組合，構成4種標準端元候選集（如圖3）。考慮到地物端元光譜時間序列變異性和可比性，選擇每種純凈端元的代表性季相（2-3期）的平均光譜曲線作為標準端元空間的光譜曲線，建立包含 4類端元組合候選集光譜曲線的標準端元光譜庫。

圖3 標準端元候選集Fig.3 Candidate dataset of standard endmembers

2）運用所建立的標準端元光譜庫（包含4種標準端元光譜組合），逐像元進行全約束線性光譜混合分解，并且基于 RMSE最優擬合原則逐像元確定最優分解模型，通過python編程實現自動化的最優模型分解。最終得到時間序列各端元豐度圖和相應的殘差均方根圖。

3）選取春、夏、初冬典型三季相（4月，8月，11月）三季相合成R、G、B三色度圖像，分析得到各端元豐度值的空間分布情況和年內端元豐度值的季相變異規律，為土地利用/覆被分類與土地退化狀態評價提供基礎。

2.2 標準光譜端元的多時相分類

土地利用/覆被系統結構-功能的變化勢必會帶來生態服務價值的改變。本文首先基于多時相標準光譜端元空間的分類要求和土地退化遙感的精細化監測需要，建立了三級的分類體系。其中一級反映氣候水文地貌控制下的下墊面性質和主要生態服務類型。二級根據土地利用/覆被季相對比特征表征自然/人工植被群落。三級續分出主導植被/作物類型，并能反映植被-土壤生境的互動過程（表2）。其次，構建了4端元16期年內時間序列變化曲線，采用典型季相的端元組分進行三原色色度空間分析獲取端元組分季相特征，和時間序列分析方法獲取更詳細的端元季相分類知識，提取典型地類端元光譜時間序列特征參數，例如：時間序列曲線最大值、最小值以及對于地物分類敏感的時間窗口（例如生長期）均值、極值、變化率、差值等，量化旱地系統“結構-狀態-功能”用以揭示植被及其土壤生境的生態互動過程，建立分類知識庫（表2）。在分類知識挖掘基礎上，進行決策樹的構建，從根部到樹枝逐步從原始影像中分離出每一種土地利用/覆被類型。該分類決策樹基于具有實際物理意義的端元豐度值建立，具有較好的穩定性和可移植性。最終共獲得22種3級地類分類結果，分類結果如圖4所示。結合2016年和2017年實地采樣點位（圖1）和高分辨率Google Earth影像，利用驗證樣本（約3800像元）對分類結果進行精度驗證，總體精度達88.31%，為后期的土地退化狀態評價奠定基礎。

表2 多時相土地利用/覆被分類知識庫Table 2 Knowledge database for multi-temporal land use/cover classification

圖4 2015年民勤縣標準光譜端元的多時相分類結果Fig.4 Multi-temporal land use/cover classification results based on standard EMs spectra of Minqin in 2015

2.3 土地退化狀態評價及其定標驗證

2.3.1 評價體系構建

干旱區土地退化狀態評價分別從土地利用/覆被分類、退化類型和退化程度三個層面建立干旱區土地退化遙感狀態評價體系。

1）第一級根據土地利用目的的不同，從土地利用/覆被的角度對干旱區土地退化進行分類與評價，不同土地覆被類型生態功能不同，表征其生態系統的穩定性和下墊面的承載力。

2）第二級以下墊面土壤屬性發生過程為依據，進行土地退化類型的劃分。一般來說，可以將下墊面退化發生過程分為未退化、沙化、鹽化、沙-鹽化四種過程。

3）第三級以土地退化的輕重程度為指標，對同一演替序列、不同演替水平的土地單元進行的階段劃分，一般分未退化、輕度退化、中度退化、重度退化四級。

2.3.2 土地退化類型狀態評價

精細的土地利用/覆被分類是土地退化狀態評價的基礎和前提。以決策樹構建的基于先驗知識的土地利用/覆被分類體系以各端元（植被-土壤組分）為分割變量，可以系統展示各個地類生態屬性特征（季相特征、植被土壤特征），為區別不同利用/覆被條件下的主要退化類型提供依據。因此，利用分類知識（表2）得到識別不同土地利用/覆被條件下的主導控制過程。對于存在不同退化類型的土地利用/覆被類型，本文基于土地退化狀態三級評價體系，重點分析各土地利用類型下在典型季相（5,8,10為春、夏、冬的代表性季相）特征指標的狀態及變異規律，運用該退化類型相對應的時期和植被組分的時間窗口選擇閾值進行不同退化類型的劃分（表3）。由于本研究所選用的狀態評價變量為具有實際物理意義的端元豐度值，因此可以利用先驗知識選取目標地類下主導退化類型的特征端元作為相應節點的分割變量，例如：鹽化主導類型為鹽端元，具體的閾值確定根據訓練樣本獲得。最終運用決策樹方法進行退化類型的劃分，確定未退化、沙化、鹽化和沙-鹽化4種主導退化類型。

表3 土地退化類型評價體系Table 3 Evaluation system for types of land degradation

從表3中可以看出，不同土地利用/覆被條件下的土地退化類型狀態各不相同。除林地外，受自然因素和人為活動耦合作用的地類，如耕地、園地、因長期不合理的利用，也會導致一定程度的退化過程，其主要退化狀態類型為沙-鹽化和鹽化。人類干擾小的地類，受當地自然資源條件稟賦限制，如荒草地根據其所在生境不同，退化狀態也不同；沙地、裸地主要表現為沙化，鹽堿地主要表現為鹽化等。

2.3.3 土地退化程度狀態評價

不同的土地利用方式由于受人為干預程度不同，所表征的土地退化發生過程不同，這就決定了不同退化類型的程度評價指標閾值存在差異。本文根據民勤土地退化研究現狀[31]，考慮到極重荒漠化和重度荒漠化差別不大，將沙化、鹽化、沙-鹽化按照輕度、中度、重度分級組合，在土地退化類型評價的基礎上，建立了 16種不同退化發生過程的荒漠化等級評價指標及其評價規則（表4）。具體以表征植被生長期覆蓋度和指示生境的沙/鹽端元豐度的指標互為輔助，根據實地樣點定標后確定各退化等級劃分閾值，運用決策樹方法實現退化程度的劃分。

表4 土地退化程度評價體系Table 4 Evaluation system for degree of land degradation

2.3.4 土地退化評價結果驗證

將2016年9月在民勤設置的95個地面樣點作為主要結果驗證數據。每個樣點控制30 m×30 m的樣方，將其劃分為2×2個子樣方，并取4個子樣方的表面土壤（0～20 cm）混合作為樣點土壤，測量其電導率（EC）和土壤酸堿度（pH值）指示土壤的鹽化和堿化程度。同時獲取了立地景觀照片以供土地利用/覆被分類結果和土地退化評價綜合描述與驗證。民勤地類復雜多樣，土地退化影響因子較多，本研究參考FAO/UNEP荒漠化狀態評價指標體系并結合 Sun等（2016）研究成果[32]，建立民勤基于實地樣點的荒漠化狀態指標體系（表5），并與寬波段遙感標準光譜端元空間的評價進行交叉驗證。

3 研究結果與分析

3.1 土地退化類型狀態評價結果

基于土地退化類型狀態評價體系和決策樹分類法得到 2015年民勤不同土地利用/覆被類型控制下的退化狀態類型分布圖（圖5）。由圖可知，沙化過程（面積占比85.81%）、沙-鹽化過程（面積占比 5.14%）是民勤地區主導的土地退化過程。沙化過程主要分布在騰格里沙漠和巴丹吉林沙漠及其與綠洲邊緣交界處，農田集約化過程使得處于交界處的邊緣脆弱區在非耕種區土壤裸露，同時林地向耕地轉換、種植結構（春季作物向夏季作物轉換）等土地利用行為也會引起沙化風險。沙-鹽化位于西北部民勤洪積扇和東北部下游低洼區域，由于平均氣溫增高和蒸發量的增加加快了巖石的風化速度，降水量增加使得鹽分隨水流和風力搬運至山腳，在洪積扇處和下游低洼處大量積累，同時下游東北部由于農田灌溉和水流運輸，鹽分積累使之形成鹽湖。在沙和鹽分隨季節的增減互動下，兩個區域形成沙-鹽化的狀態格局。鹽化過程在氣候和地形的綜合作用下，除西北部民勤洪積扇和東北部下游低洼區域鹽分主導形成鹽化集中區域外，部分由于土地利用不合理井水灌溉導致農田區域出現鹽化現象（面積占比0.81%）。未退化地區（面積占比8.24%）大多位于民勤綠洲。

圖5 民勤縣土地退化類型狀態評價分布圖Fig.5 Land degradation types distribution mapping of Minqin county

對每一土地利用方式下的土地退化類型進行面積統計，揭示各不同土地利用方式下的荒漠化主導發生過程，為針對性地指導土地退化防控和差別化的政策管理提供參考。由圖 6可知，耕地、園地、林地、水域等生態服務較積極的地類，以未退化占主導，但由于長期耕作利用，致使耕地部分出現沙-鹽化，而水域和林地部分出現沙化風險。未利用地以沙化過程為主導，覆被類型大多以沙地、鹽堿地、鹽漬化沙地、戈壁等構成，生境條件惡劣，難以利用。灌草地雖然以沙化過程為主導，但由于生長灌木、小灌木、半灌木等荒漠植被，具有改善地區環境的能力。

圖6 2015年民勤縣各土地利用類型下退化類型面積比例Fig.6 Land degradation type area distribution map for every land use types of Minqin in 2015

3.2 土地退化程度狀態評價結果

由土地退化程度分布圖（圖7）及相應面積統計可知，2015年民勤縣輕度沙化（面積占比60.30%）、中度沙化（23.64%）。其中，輕度沙化、中度沙化主要分布在騰格里沙漠處，此外，未退化（面積占比8.24%）、輕度沙化輕度鹽化（面積占比2.67%）主要分布在民勤綠洲及其周圍區域，由于當地降水少（約100 mm）和地下水位較高（約15～18 m），綠洲邊緣自然植被覆蓋度較低，以荒草地、灌木、半灌木和小灌木等不穩定狀態存在，加之部分地區不合理的耕作（拋荒、棄耕等），導致土壤存在一定裸露而被風蝕。

圖7 土地退化程度分布圖Fig.7 Distribution of land degradation degree

從綠洲周圍區域輕度鹽化，到洪積扇處和下游低洼處逐漸擴大的鹽漬化的空間格局是民勤水資源空間再分配的結果。溫度升高和降水量的增加使得山脈和平原交界處和下游低洼處進一步增加鹽漬化的風險，而人類的土地利用活動（大面積夏季/秋季作物的種植）和管理措施（關井、地表水灌溉等）有利于土壤鹽分隨水流遷移至更深的地下深層和下游的低洼處（青土湖），導致農田及其邊緣鹽漬化風險大大降低。Sun等[31]的研究結果顯示，97.35%的農田土壤為非鹽化土壤，對于民勤作物生長期，占輕度鹽化的農田僅為2.62%，與上述研究結果基本一致。同時相比于上游地區，下游地區更依賴鹽堿度高的地下水灌溉，導致下游地區退化程度大于上游地區。

3.3 精度評價與驗證

精度評價是土地退化狀態評價的保障，本文利用實地采樣點結合地面立地景觀照片，運用混淆矩陣（表）對評價結果進行驗證。結果顯示，利用遙感技術開展基于土地利用/覆被分類和植被-生境參數的干旱區土地退化狀態評價識別土地退化類型的能力為87.5%，識別土地退化程度的能力達到78.5%（表6），具有挖掘土地退化驅動力-過程-癥狀的潛力。

表6 精度評價混淆矩陣Table 6 Confusion matrix of accuracy assessment

4 討 論

本研究首次將光譜混合分解模型拓展到國產 GF-1 WFV傳感器，并發展了適用于此衛星傳感器多端元混合分解模型，克服了旱地系統景觀局部變異性大的問題。通過對比姜宛貝等[30]對2015年OLI端元空間的分析，發現GF-1系列影像相比Landsat8在時間和空間分辨率上均有較大提升，能夠得到年內高頻次端元時間序列曲線[33]，這對后期獲取更詳細的端元季相分類知識具有重要作用。基于標準端元空間，本文充分挖掘斑塊尺度上植被和土壤的時間序列互動變化過程，建立了表達年內退化過程時空差異的關鍵知識庫，并運用決策樹對不同土地利用/覆被結構進行可視化表達。相比于 Sun[23]、姜宛貝等[30]對民勤2008年和2015年的分類結果，本文在區分荒漠植被、耕地作物水平能夠獲取穩定可靠的結果，實現了更精細、準確的土地利用/覆被分類。相比于傳統的依靠龐大指標體系土地退化狀態評價，本文通過構建“退化類型-退化程度”三層次土地退化狀態評價體系，運用土地退化診斷關鍵指標（植被端元、沙端元和鹽端元）實現了不同土地退化類型和土地退化程度的快速、有效地識別和評價，所獲得的評價結果具有較強可解釋性和可對比性，可以指導土地退化修復的精細管理和高效決策。

本研究還存在一些不足之處，有待進一步提升完善。1）決策樹閾值劃分過分依賴于專家知識和訓練樣本，“自下而上”和“自上而下”自動化調控水平有待提升。2）本文僅基于一年數據進行土地退化狀態的相對評價，該技術方法在更大范圍的時空尺度拓展應用將成為今后研究的重點。

5 結 論

本研究基于具有實際物理意義的標準端元空間，運用決策樹模型組織土地退化關鍵的生物物理變量揭示干旱區斑塊尺度上植被-土壤的互動變化特征，實現了對民勤縣土地退化“覆被結構-退化類型-退化程度”快速、有效、經濟的識別和評價。主要研究結論如下：

1）構建的植被和土壤的時間序列曲線可以簡單、明了地建立不同土地利用覆被地表過程物理模型，通過提取各土地覆被類型組分時間序列互動變化特征參數，建立分類知識庫，能夠實現干旱區服務于土地退化/修復管理的土地利用覆被精細分類，精度達到88%以上。

2）植被-生境組分時空變異特征能夠在土地利用/覆被分類表征不同區域土地質量結構的基礎上，量化地類內部特征要素的量變過程，實現對2015年民勤地類結構-退化類型-退化程度三級干旱區土地退化狀態綜合評價。驗證結果顯示遙感識別土地退化類型的能力為87.5%，識別土地退化程度的能力達到78.5%。

3）寬波段遙感標準端元空間將光譜空間轉換為具有實際物理意義的端元空間，可為不同時空條件下土地利用/覆被分類與退化狀態評價提供統一可比的基準；決策樹能夠準確、合理、清晰地表達土地退化的生態過程和演化路徑，為土地退化修復防治和資源環境可持續管理提供科學的理論支撐。