利用Landsat热红外遥感调查广西平果县石漠化现状和变化特征

刘芳， 何报寅， 寇杰锋

(1.中国科学院测量与地球物理研究所，430077, 武汉；2.中国科学院大学，100049, 北京)

利用Landsat热红外遥感调查广西平果县石漠化现状和变化特征

刘芳1,2， 何报寅1†， 寇杰锋1,2

(1.中国科学院测量与地球物理研究所，430077, 武汉；2.中国科学院大学，100049, 北京)

喀斯特石漠化是我国西南地区严重的生态问题，通过对喀斯特地区岩石热特性的探究，提出基于热红外遥感的石漠化监测方法。以平果县为研究区，利用2006年Landsat 5和2014年Landsat 8热红外遥感影像计算亮温，参考高分影像建立典型样本区并分析样本区亮温，确定不同石漠化等级的亮温阈值，最后对全县石漠化进行等级划分，并分析平果县石漠化变化。平果县2014年石漠化分级结果显示：非石漠化占18.47 %；潜在石漠化32.9 %；轻度石漠化占24.8%；中度石漠化占18.94%；重度石漠化占4.89%。平果县2014年石漠化整体情况较2006年有所好转，局部区域石漠化有恶化的趋势。本研究通过确定适当的夏冬季亮温差阈值可以有效地对石漠化程度进行分级划分，该方法与已有方法相比，具有物理意义明确、方法简单有效、结果客观等优点，具有推广应用价值。

亮温； 热红外遥感； 石漠化； Landsat； 平果县

我国的喀斯特地区面积大，分布广，且岩溶发育程度强烈，由于石漠化地区生态环境特殊，土层流失后恢复十分困难，喀斯特石漠化造成的环境后果十分严重，在中国西南喀斯特地区的生态系统退化的问题备受关注。喀斯特石漠化是土地荒漠化的主要类型之一，指在热带、亚热带湿润、半湿润气候条件和岩溶极其发育的自然背景下，受人为活动干扰，使地表植被遭受破坏，造成土壤侵蚀程度严重，基岩大面积裸露，土地退化的表现形式。近年来，国内外学者采用卫星遥感方法对石漠化信息进行提取研究与分析[1]。研究表明，与传统地面调查手段相比，遥感方法具有覆盖范围广、多时相、经济快捷和历史数据丰富等优势，在喀斯特石漠化信息提取和评价中有着巨大的潜力和应用价值。利用遥感结合GIS技术获取的各类信息，在此基础上，对石漠化程度进行等级划分和统计分析，揭示石漠化的动态变化特征及成因、影响因素等，对治理效果进行评估并提出相应对策。

目前石漠化遥感监测技术的主要研究方法有人机交互解译法、综合指数法、高光谱分析等方法。人机交互解译法一般先确定石漠化评价或分级的指标体系，确定各个指标阈值，建立石漠化分级指征；然后通过遥感图像的波段组合增强显示，确定石漠化遥感影像特征，建立遥感解译标志，最后以人工目视解译为主，人机交互解译为辅确定石漠化区域[2-4]。该方法的缺点是工作量大，人为主观性较强，难以定量分析。综合指数法是综合考虑和利用遥感、基岩地质、植被、土壤、地形、地貌、土地利用等信息，建立石漠化综合指标，对石漠化进行信息提取和分级[5-7]。该方法的缺点是所需数据较多，方法繁杂，没有统一的指数构建方法。光谱分析法是用高光谱遥感数据结合地面光谱试验，采用光谱分析结合植被指数提取较高精度的石漠化信息[8-10]；但由于目前高光谱数据可获得性差且价格昂贵，只能进行局部的试验研究，很难大范围应用。

可见，目前对于石漠化的遥感监测处于半定性半定量的阶段，定量化的遥感监测处于探索阶段。喀斯特石漠化遥感方法仍需要改进。本研究从地表裸露岩石的物理特性出发，将热红外遥感应用于石漠化信息提取，并进行定量化研究，以提高石漠化提取精度和效率。

1 原理与研究思路

1.1 理论依据

热红外遥感在研究岩石和矿物有较多应用，有学者研究显示近红外波段、短波红外波段与岩石裸露率有较好相关性， Li Shuang等[7]使用近红外波段和短波红外波段计算的归一化岩石指数表达贵州省罗甸县喀斯特地区岩石裸露率。通过ENVI光谱库绘制碳酸岩与植被的光谱反射率曲线图(图1)分析碳酸岩与不同波段反射率的关系。碳酸岩反射率除近红外与短波红外对其有较好识别外，在热红外波段11 μm附近处与植被反射率有较大差异，此处碳酸岩有一个反射率峰，而植被反射率较低，笔者将热红外波段与多光谱结合用于研究区碳酸岩区域的提取。

图1 光谱反射率曲线图Fig.1 Spectral reflectance curve of limestone and vegetation

热惯量(thermal inertia)是物质对温度变化热反映的一种度量，量度物质热惰性(阻止物理温度变化)大小的物理量。裸露的碳酸岩与植被在热物理特性上有较大区别，石灰岩的热惯量0.32 J/

(cm2·s1/2·℃) ，植被等地物与碳酸盐相比热惯量较小[11]。研究[12]表明地表所含物质的地表含水量和比热容是影响其亮温的2个重要因素。含水量的差异对昼夜亮温差产生影响，含水量越高的物质昼夜温差小，季节性变化不明显；反之，昼夜温差大，季节性变化明显。与土层深厚和植被覆盖较好的地方相比，石漠化的土壤层薄，岩石裸露，植被稀疏，含水量少，因而比热容小，热惯量小，在太阳照射下，升温快且温度相对较高，太阳下山后，温度又下降得快；因此，在喀斯特石漠化地区，石漠化越严重，其岩石越裸露，植被和土壤覆盖越少，所涵养的水分也越少——石漠化越严重其地表昼夜温差和年温差也越大，其地表温度的变化随太阳辐射变化较植被、水体等更大。亮度温度简称亮温，是物体的辐射能量用同辐射量的黑体温度表示。物体的真实温度可据亮温定义及黑体辐射能量的分布定律计算得出。综上所述，笔者使用热红外遥感的亮温阈值对喀斯特地区提取石漠化信息，并对石漠化程度进行等级划分。

1.2 石漠化分级指标

本研究裸露基岩占总面积的比例、结构和分布特征、植被结构等为石漠化遥感分级的基本依据，将石漠化划分为非石漠化、潜在石漠化、轻度石漠化、中度石漠化和重度石漠化5级(表1)[13]。

表1 石漠化程度划分表

Note: KRD stands for Karst rocky desertification. The same below.

2 数据与方法

2.1 研究区概况

平果县位于广西壮族自治区百色市东部(E 108°18′～107°53′，N 23°12′～23°54′)。总面积2 485 km2，地处右江中游，地势北高南低，南北低山丘陵，中部岩溶地貌。平果县城西距百色市130 km，东距广西首府南宁市97 km。平果县是岩溶地貌发育最为典型的地区之一，也是典型的岩溶石漠化高发区之一。笔者以其境内的岩溶区为研究区，进行基于热红外遥感的石漠化等级划分和定量评价。

2.2 数据及来源

研究使用Landsat 5和Landsat 8遥感影像，广西壮族自治区平果县行政区矢量边界，广西壮族自治区地质图，同期高分辨率Google Earth影像。Landsat列是NASA发射的陆地资源卫星，重访周期为16 d，卫星过境时间为当地时间10：00。Landsat 5搭载的专题绘图仪多光谱波段空间分辨率30 m，热红外波段空间分辨率120 m。Landsat 8携带的多光谱陆地成像仪(空间分辨率30 m)和热红外传感器(空间分辨率100 m)。Landsat 系列热红外波段120和100 m的空间分辨率基本能满足石漠化遥感调查要求，影像通过美国地质勘探局USGS网站(http:∥glovis.usgs.gov)下载，获取研究区平果县2006年12月24日和2014年12月30日两景影像。

图2为伸杆支撑组件图，主要由支撑滚筒、压力传感器、电磁铁、转板、限位销和配重块组成。转板安装在底板上，起到杠杆作用，可绕其轴线上下转动；塑料滚筒安装在压力传感器上，压力传感器安装在转板的左端；配重块安装在转板右端，用于对伸杆提供重力补偿力；吸盘式电磁铁安装在底板上，当电路通电时能够吸住转板左端。

2.3 数据处理

研究中所有图件投影统一使用UTM投影，使用遥感图像处理软件ENVI 5.1对影像进行预处理投影、辐射校正、几何校正、研究区裁剪。Landsat 8 OLI较ETM+新增了近红外波段(0.845～0.885 μm)由于排除0.825 μm处水汽吸收特征，对碳酸岩有较好的表达。将Landsat 8采用(TIRS+ NIR+BLUE)的波段组合假彩色图，Landsat 5采用(TIR+NIR+BLUE)的波段组合对碳酸岩进行表达，平果县2006年12月24日(图3a)和2014年12月30日(图3b)假彩色合成影像。通过影像特征可明显区分出喀斯特地区、非喀斯特地区，用ArcGIS 10.1基于影像颜色、纹理特征对平果县喀斯特区域进行矢量化，获取平果县碳酸岩区分布图。基于碳酸岩分布图掩膜裁剪，获取研究区喀斯特区域影像。

图3 各级石漠化样本亮温值概率分布统计Fig.3 Probability distribution and statistics of brightness temperature in the samples from every KRD

图2 平果县Landsat假彩色图像Fig.2 Landsat false color image of Pingguo County on Dec 24th 2006 (a) and Dec 30th 2014 (b)

2.4 建设用地提取

提取石漠化是基于裸露碳酸岩的热特性，而人工硬地面与碳酸岩的热特性较为相似，其比热容较周围地物要小，二者在热红外影像上存在相似性；因此，在亮温影像对石漠化等级进行划分时，人工硬地面对石漠化信息的提取有较强的干扰。为消除其对石漠化信息提取的干扰，笔者考虑将建设用地剔除，不参与石漠化等级划分。在ENVI 5.1中基于平果县2014年12月30日的Landsat 8多光谱影像进行监督分类，将监督分类结果转成矢量文件，在石漠化分级前对影像进行掩膜处理，并将建设用地划分为非石漠化区域。监督分类提取的建设用地面积约占平果县喀斯特面积7%。

2.5 阈值确定

基于表1中遥感石漠化的分级指标，参考Google Earth高分辨率影像，结合Landsat多光谱假彩色图像，分析各级石漠化影像特征，建立分级解译标志，以2×2个像元(60 m×60 m)的区域作为一个样本，人机交互解译各级石漠化典型样本区。典型样本基于随机全面的选取原则，对2006和2014年影像中重度、中度、轻度、潜在石漠化和非石漠化5个石漠化类别分别采集样本，每类石漠化采集100个样本，共1 000个样本。将2006和2014年的典型样本分别与其亮温图像叠加分析。基于每个等级石漠化样本对热红外影像亮温值进行统计。对每类石漠化样本的亮温统计值计算频率、概率密度，并绘制正态分布曲线(图4)。2类相邻石漠化样本正态分布曲线交叉点所对应的亮温值即为划分这2类石漠化的阈值(表2)。研究中两景影像都是冬季获取，由于该地区每年冬季的气象气候条件存在一定差异，其太阳辐射及地表温度的分布在不同年份存在差异，导致2006和2014年的阈值划分有所不同。

表2 石漠化等级阈值划分

3 结果与验证

根据上述方法确定的阈值划分标准，利用遥感图像处理软件ENVI 5.1和地理信息系统软件将平果县喀斯特区域亮温差图像进行分级，平果县2006年12月和2014年12月石漠化分级图(图5)。

对2006年12月和2014年12月平果县石漠化分级结果中各级石漠化面积进行统计分析，并计算各级石漠化占平果县喀斯特区域的面积比，并将本研究结果与已有平果县胡顺光等[14]和王君华等[15]石漠化遥感监测结果进行面积比对比，见表3[13]。

表3 平果县石漠化各级面积比例

注：表中王君华和胡顺光面积比均为各级石漠化占平果县喀斯特区域的面积比。Note: The area proportion by wang and Hu in the Table is the ratio of each KRD to the total KRD in Pingguo County.

2006年12月整体上平果县石漠化较为严重的区域是中部和西南部偏北区域，大部分位于海拔相对较高，地形陡峭的地区。东南喀斯特区域以轻度石漠化为主，但也有面状重度石漠化，需要关注重度石漠化周边的生态环境进一步恶化。北部喀斯特和西南偏西区域石漠化状况相对较好，但地形多为峰从-沟谷，潜在石漠化较易转变为石漠化。2014年12月整体上平果县东南部喀斯特区域情况较好，而西南部和中部和北部喀斯特区域均有不同程度中度重度石漠化区域，但分布特征有所区别。西南部和中部地形陡峭的区域石漠化情况不容乐观，但北部面状石漠化主要分布在坡度较缓的沟谷地区，石漠化治理前景较为乐观。

胡顺光等[14]和王君华等[15]均使用的是TM影像，采用的是综合指标的方法提取并划分石漠化等级；但2人的指标和等级划分方法略有差异，与笔者的研究结果对比可见，平果县石漠化整体概况相似，不同研究结果显示相同的石漠化分布区域、分布特征等类似。结果存在差异的原因有多方面，首先是不同的石漠化提取方法以及等级划分指标的区别，其次石漠化是一个动态演变过程，不同时相的影像提取结果存在一定差异[16]。

3.2 石漠化变化特征

通过ArcGIS中的空间分析模块分别对石漠化分级结果进行石漠化变化分析，石漠化等级从非石漠化到重度石漠化等级代码依次为1～5，如从轻度石漠化变为中度石漠化则为恶化一级，从中度石漠化变为轻度石漠化为减弱一级。对比2006年12月和2014年12月石漠化等级划分结果对平果县石漠化变化分析，非石漠化有所增加，主要在中部喀斯特山区。潜在石漠化变化较小。轻度石漠化略有增加，主要增加在西南部。中度石漠化呈减少趋势，西南部中部均有减少。重度石漠化整体呈减少趋势，中部和西南部减少明显。平果县2014年石漠化整体情况较2006年有所好转，少部分区域石漠化有恶化的趋势(图6)。

图4 平果县年石漠化分级图Fig.4 Classification of Karst rocky desertification in Pingguo County

图5 平果县2006—2014年石漠化变化图Fig.5 Changes of Karst rocky desertification in Pingguo County between 2006 and 2014

4 讨论与结论

本研究通过分析石漠化地表的物理特性，提出基于热红外遥感的石漠化提取方法。分析石漠化分级标准建立遥感解译标准，并依据典型样本区阈值对石漠化进行划分，对平果县不同时期石漠化结果分析，并对比分析平果县2006和2014年石漠化变化规律和特征。

研究中也存在一定问题和不足需要进一步分析解决，Landsat系列卫星16 d的重访周期相对较长，在我国西南喀斯特地区亚热带季风气候，云覆盖严重，遥感影像图像质量较差，可用于研究的影像较少。而重访周期较短的MODIS(2 d)和HJ星(4 d)在热红外波段空间分辨率稍差，未来研究可以考虑使用ASTER的温度产品数据，在时间分辨率、空间分辨率、波谱分辨率上都有较高精度，对于石漠化信息的获取精度将有进一步提高。

总之，笔者的亮温提取法可以获取较客观、准确的石漠化信息，后续研究可以将石漠化信息进行详细统计分析、对时间序列的图像研究石漠化历史变化，评价石漠化治理效果。研究方法和结果可在我国西南喀斯特地区推广应用，为喀斯特石漠化区域的治理和生态建设的决策提供科学依据。

[1] 袁道先.岩溶石漠化问题的全球视野和我国的治理对策与经验[J].草业科学,2008(9):19. YUAN Daoxian. Global view on Karst rock desertification and integrating control measures and experiences of China[J]. Pratacultural Science, 2008(9):19.

[2] 吴虹,陈三明,李锦文.都安石漠化趋势遥感分析与预测[J].国土资源遥感,2002(2):5. WU Hong, CHEN Sanming, LI Jinwen. Remote sensing analysis and prognosis of desertification in Du'an [J]. Remote Sensing for Land Resources, 2002(2):5.

[3] 王金华,李森,李辉霞,等.石漠化土地分级指征及其遥感影像特征分析：以粤北岩溶山区为例[J].中国沙漠,2007,27(5): 765. WANG Jinhua, LI Sen, LI Huixia, et al. Classifying indices and remote sensing image characters of rocky desertification lands: a case of karst region in northern Guangdong province[J]. Journal of Desert Research, 2007, 27(5):765.

[4] 程洋,陈建平,皇甫江云,等.基于RS和GIS的岩溶石漠化恶化趋势定量预测：以广西都安瑶族自治县典型岩溶石漠化地区为例[J]. 国土资源遥感,2012,94(3)：135. CHENG Yang, CHEN Jianping, HUANGFU Jiangyun, et al. 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 [J]. Remote Sensing for Land Resources,2012,94(3)：135.

[5] 童立强.西南岩溶石山地区石漠化信息自动提取技术研究[J].国土资源遥感,2003,58(4):36. TONG Liqiang. A method for extracting remote sensing information from rocky desertification areas in southwest China[J]. Remote Sensing for Land Resources, 2003,58(4):36.

[6] HUANG Qiuhao, CAI Yuniong. Mapping karst rock in south west China[J]. Mountain Research and development,2009,29(1):14.

[7] LI Shuang, WU Honggan. Mapping karst rocky desertification using Landsat 8 images [J]. Remote Sensing Letters, 2015,6(9)：657.

[8] 陈起伟,熊康宁,蓝安军. 基于“3S”的贵州喀斯特石漠化现状及变化趋势分析[J]. 中国岩溶,2007,26(1):37. CHEN Qiwei, XIONG Kangning, LAN Anjun. Analysis on karst rocky desertification in Guizhou based on “3S” [J]. Carsologica Sinica,2007,26(1):37.

[9] YUE Yuemin, ZHANG Bing, WANG Kelin, et al. Spectral indices for estimating ecological indicators of karst rocky desertification[J]. International Journal of Remote Sensing, 2010, 31(8):2115.

[10] YUE Yuemin, ZHANG Bing, WANG Kelin, et al. Remote sensing of indicators for evaluating karst rocky desertification[J]. Journal of Remote Sensing, 2011,15(4):722.

[11] 赵英时.遥感应用分析原理与方法[M]. 北京：科学出版社,2003：125. ZHAO Yingshi. The principles and methods of remote sensing application[M]. Beijing: Press,2003：125.

[12] 石亦霏,查勇.不同土地利用类型的地表亮温变化特征[J]. 安徽农业科学,2011,39(29):18201. SHI Yifei, ZHA Yong. Surface brightness temperature variation of different land use types[J]. Journal of Anhui Ari. Sci,2011,39(29):18201.

[13] 宋维峰. 我国石漠化现状及其防治综述[J]. 中国水土保持科学,2007,5(5)：103. SONG Weifeng. Review of the present situation and combating of rocky desertification in China[J]. Science of Soil and Water Conservation, 2007,5(5):103.

[14] 胡顺光,张增祥,夏奎菊.遥感石漠化信息的提取[J].地球信息科学学报,2010,12(6)：870. HU Shunguang, ZHANG Zenxiang, XIA Kuiju. Information extraction of karst rocky desertification using remote sensing [J]. Journal of Geo-Information Science,2010,12(6)：870.

[15] 王君华,莫伟华,陈燕丽, 等.基于3S术的广西平果县石漠化分布特征及演变规律[J].水土保持科学,2014,12(3)：66. WANG Junhua, MO Weihua, CHEN Yanli, et al. Distribution characteristics and evolution of rocky and desertified land in Pingguo County of Guangxi based on “3S” techniques[J]. Science of Soil and Water Conservation,2014,12(3):66.

[16] 李松,罗绪强. 基于多时相遥感的喀斯特石漠化监测研究[J]. 中国农学通报,2015,31(11)：262. LI Song, LUO Xuqiang. Study on monitoring of karst rock desertification using multi-temporal remote sensing [J]. Chinese Agricultural Science Bulletin, 2015,31(11)：262.

Landsat thermal remote sensing to investigate the present situation and variation characteristics of karst rocky desertification in Pingguo County of Guangxi, Southwest China

LIU Fang1,2, HE Baoyin1, KOU Jiefeng1,2

(1.Institute of Geodesy and Geophysics of Chinese Academy of Science, 430077, Wuhan, China; 2.University of Chinese Academy of Sciences, 100049, Beijing, China)

[Background] Karst rocky desertification is a serious ecological problem in the southwest of China, and the degradation of ecosystems limits the regional social and economic development, which attracts extensive attention. Remote sensing technology shows many advantages, such as rapidness and economy. It is an indispensable means for rapid, large-scale, qualitative evaluation and quantitative information extraction of rocky desertification. The traditional remote sensing monitoring method of Karst rocky desertification (KRD) is mainly based on visual interpretation and comprehensive index method. Both methods need large workload but in low efficiency. The KRD monitoring method based on thermal infrared remote sensing was proposed to explore the thermal characteristics of Karst rock. The method has the advantages of clear physical meaning concise method and less subjectivity. [Methods] The method is based on the limestone reflectivity different from vegetation reflectivity in the vicinity of 11 μm in the thermal infrared band, where limestone is a reflectance peak and the vegetation reflectivity low. A typical sample area of KRD was established with reference to the high resolution image of Google Earth, and the threshold temperature of typical desertification area was determined. The research covers the determination of grading index of rocky desertification, the extraction of Karst area in Pingguo County, the extraction of construction land, the determination of rocky desertification grade threshold, the classification of KRD, the distribution characteristics of KRD at various levels, and dynamic analysis of KRD. [Results] In 2014 each level of KRD accounted for the total Karst area in Pingguo County: none KRD was 18.47%, mainly distributed in the gentle areas; potential KRD was 32.90%, widely distributed in Pingguo karst area; slight KRD was 24.80%, was striped in the middle and southwest of Pingguo County karst area; moderate KRD accounted for 18.94%, showed a strip along the mountain trend distribution; severe KRD accounted for 4.89%, was flat or dotted distribution of Pingguo County southeast and central. Classification results of KRD in 2006: none KRD was 16.08%, potential was 33.24%, slight accounted for 22.18%; moderate KRD accounted for 20.63%; severe KRD accounted for 7.15%. The analysis of KRD change in Pingguo County shows that the overall situation of KRD in 2014 is better than that in 2006, but the KRD in some areas has a tendency of deterioration. [Conclusions] Compared with other methods, the method proposed in this paper reduced the artificially subjectivity of traditional visual interpretation and improved the efficiency of interpretation. Compared with KRD index, the method is more concise and needs less data. The method can obtain more objective and accurate karst rock desertification information and can be popularized and applied.

brightness temperature; infrared remote sensing; Karst rocky desertification; Landsat; Pingguo County

2016-05-10

2017-03-30

项目名称： 国家自然科学基金“基于贝叶斯理论的长江中游悬浮物遥感定量反演研究”(51079137)，“侵蚀作用下水库消落带磷素的迁移转化机制” (41471433)；广西测绘局地理国情普查项目

刘芳(1992—)，女，硕士研究生。主要研究方向：环境遥感。 E-mail：liufang213@mails.ucas.ac.cn

†通信作者简介： 何报寅(1964—)，男，博士，研究员。主要研究方向：环境遥感。E-mail: heby@whigg.ac.cn

X87

A

2096-2673(2017)02-0125-07

10.16843/j.sswc.2017.02.016