基于遥感技术的抚顺市水土流失研究

张靖渤

(清原满族自治县水利工程建设质量与安全监督站，辽宁 清原 113300)

0 引 言

水土流失是指在水、重力和风等外营力或人为因素的影响下，雨水不能就地消纳、顺势下流、冲刷土壤，造成水分、土壤资源破坏、流失的现象。国内外专家研究均表明，植被通过地上、地形部分组成的三维结构特征改变森林水文路径与势能传导方式，进而影响着地表水土流失过程与强度，被视为水土流失的战略防控因子[1]。但在高植被覆盖区，林下植被垂直组合特征并非完全抗侵蚀，仍然有不同的水土流失产生。目前，高植被覆盖区土壤侵蚀过程机制、植被结构对森林水文的影响得到高度重视，而对于水土流失的判别研究相对较少[2]。较为成熟的是徐涵秋教授提出的阈值法，即先通过实地调查获取先验样区的植被特征参数特征以构建阈值分离水土流失区与非水土流失区，然后将该阈值扩展到局地应用。由于该方法科学反映了植被与水土流失发生的关联关系，可操作性强，因而受到一定推崇。而相关的案例研究主要集中在福建、江西等南方红壤区，而其在东北地区的适应性研究尚未开展[3]。鉴于此，以抚顺为案例阐述基于遥感技术提取水土流失技术过程，以期为区域资源环境规划提供准确、详实的数据基础。

1 数据来源

为了反映当前基础环境信息并结合数据可获得性、质量要求，选择2010年5月7日抚顺市的Landsat8 OLI影像为基础数据，数据编号为LC81180312018127LGN00，云量为零，该时期能够满足落叶阔叶林、针叶林与草地的季相要求。影像下载于地理空间数据云网站(http://www.gscloud.cn/search)。根据Metadata头文件的数据采用flash大气校正削弱辐射误差影响，并运用COST模型将影像的短整型灰度值转换为浮点型的反射率值；为提高研究结果的精度，将全色光谱波段与其他波段进行融合，得到15m空间分辨率的影像。

2 林下水土流失提取流程

《土壤侵蚀分级分类标准》(SL 190-2007)规定采用植被覆盖度(VFC)和坡度(Slope)两个指标衡量面状水土流失强烈程度，依据该标准在高植被覆盖区(VFC>50%)水土流失为轻度和微度，而这显然未能准确刻画局地林下水土流失现象。

实地勘察表明，林下水土流失区的特征为:

1) 林下灌草稀疏、枯枝落叶稀少。

2) 林下人为活动或自然灾害频发、地表疏松易蚀、表土裸露。

因此，选择指标特征指数衡量植被长势与健康程度，参照张博博[3]、付伟等[4]的研究经验，确定以植被覆盖度(VFC)、植被氮指数(VGI)、植被黄叶因子(Yellow)、地表裸露度(NDSI)和坡度(Slope)等进行综合识别水土流失信息。

2.1 植被覆盖度计算

一般情况下，植被覆盖度与水土流失强度呈负相关关系。在Landsat系列卫星影像中其最普适的计算方法为极差归一法：

VFC=(NDVI-NDVImin)/(NDVImax-

NDVImin)

(1)

式中：NDVImin、NDVImax分别为区域NDVI图层中的最小、最大值。而NDVI的计算公式如下：

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

(2)

式中：nir、red分别为区域lansat影像中的近红外和红波段值。

2.2 植被氮指数

植被氮指数反映的是植被冠层叶片中氮含量。植被生理学研究表明，植被叶片中氮含量越高植被长势越好。依据谭昌伟的作物氮反射指数(NRIP)，其计算公式如下：

NRIP=green/red

(3)

式中：Green、Red分别为Landsat系列卫星数据中绿光、红光的反射率值。

2.3 黄叶因子

研究区植被为落叶阔叶林和针叶林类型，植被具有黄叶的季相特征，为准确刻画区域植被生长特性需判别其黄叶特征。由于Lansat系列卫星影像并未设置黄色波段，鉴于此，通过三原色原理，可通过绿色与红色按比例混合得到其黄色波段特性。其计算公式如下：

Yellow=(Green+red)/2

(4)

2.4 表土裸露因子

表土裸露程度越高，地上与地下植被的水土流失的抗侵蚀能力越弱，进而影响着水土流失强度。为了刻画表土裸露程度，采用归一化裸土指数(Normalized Difference Soil Index，NDSI)进行衡量，其计算公式如下：

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

(5)

式中：mir、nir分别为卫星影像的中红外、近红外波段的反射率值。

2.5 坡度因子

坡度是坡面的垂直高度h和水平距离的比值，其对坡度水土流失势能进行再分配，并与水土流失强度呈显著正相关关系。以DEM数据为基础的坡度信息的提取过程如下：

1) 利用ArcGIS中Spatial Analyst Tools中的地形分析模块Surface工具，点击Slope功能键，输入无填洼的DEM数据，计算得到区域坡度图层slope。

2) 参照坡度因子计算公式，在Spatial Analyst Tools—Raster Calculator系列操作中输入表达式，具体为‘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))’，由此得到区域坡度因子栅格图层S。

3 基于植被特征的水土流失信息提取规则

基于Landsat 8影像，计算得出抚顺市VFC、NRIP、Yellow、NDSI和Slope等环境因子。在此基础上，根据调查分析结果与研究经验，为每个因子设定分离阈值，构建逐层分离规则后提取林下水土流失区域。为每一个因子设置分离阈值，然后采用基于规则的逐层分离法建立模型，提取出林下水土流失区。其中VFC的阈值为80%，高于80%的地区可视为不存在水土流失，低于80%的林区为研究区域；坡度阈值为5°，大于5°的地区为水土流失区。其他因子中NRIP的阈值为4.15，Yellow为0.126，NDSI为0.335。其具体规则见图1。

图1 研究区水土流失信息提取规则流程

4 结果与分析

4.1 研究区水土流失环境因子特征

先运用ENVI5.3软件平台的Slash工具进行大气校正，再以抚顺市矢量边界(shp格式)为基础，经过Subroi处理裁剪出研究区遥感影像，通过bandmatn工具统计得到环境因子，见图2。由图2可知，研究区环境因子空间分布不均，呈破碎化斑状分布，这种空间形态促使水土流失强度空间不稳定性。该区坡度介于0°～57°之间，平均值为23°，变异系数为45%，表明区域坡度分布离散，并不均一。植被主要沿着海拔分布，西部河谷滩地地势平坦，主要为居民建设用地、耕地；中东部地区地势较高、人为活动强度小，植被覆盖度较高。由于植被氮指数与植被长势密切相关，故而其(图2c)与植被覆盖度(图2b)具有相似的空间分布特性。黄叶因子(图2d)高值区集中在局部植被茂密区，河谷地区呈低值分布。裸土因子(图2e)与植被氮指数(图2c)分布高度相关。

4.2 抚顺市水土流失空间分布特征

依据前述阈值分离规则，提取了抚顺市水土流失空间分布，结果见图3。由图3可知，在15 m像素水平上，研究区水土流失面积达648.505 km2，占区域总面积的25.01%。而王建宁[5]等在1995年的调查结果表明该市水土流失面积达37%，经过近20年的退耕还林还草生态恢复与建设工程，区域植被覆盖率高达66.75%，水土流失得到有效治理，故而本研究结果相对于王建宁的结果减少了11.99%，表明本研究结果合理可靠。同时参照《抚顺市水土保持规划(2017-2030年)》可知，当前研究区水土流失面积占28.64%，这与本结果十分接近，表明本文的研究方案具有良好的可行性。图3表明，研究区水土流失呈破碎化斑点状，空间连续性差，分布形态不稳定，仍需要加强治理。

图3 研究区水土流失空间分布图

4.3 抚顺市水土流失坡度分布特征

为详细解析研究区水土随坡度的框架分布变化，将提取的水土流失图层与坡度图层进行空间叠加。依据《森林资源规划设计调查主要技术规定》的坡度分级标准，将其划分为平坡(0°～5°)、缓坡(5°～15°)、斜坡(16°～25°)、陡坡(26°～35°)、急坡(36°～45°)和险坡(46°以上)6个等级，由于在提取分析过程中已经排除了平坡，故将其他坡度分级统计，见图4。

图4 研究区水土流失面积随坡度分布特征

由图4可知，水土流失主要分布在15°～25°的地带，占水土流失总面积的37.23%；其次是坡度为5°～15°的地区，占26.78%。25°～35°和35°～45°的坡度带分布的水土流失区占19.35%和10.92%，陡坡带由于面积最小加之植被自然状态较好，水土流失面积最少，仅为5.72%。

5 结 论

传统多源遥感方法难以直接探测植被覆盖下陆面表层地理环境体征，对水土流失监测的适应程度有限。鉴于此，以植被覆度、坡度、土壤裸露度、植被氮指数等几个特征变量为基础构建阈值分离规则，从而有效识别林下水土流失区。以抚顺市为案例区研究显示，该市水土流失面积达25.01%，呈斑状不稳定分布，这应是水土保持与防治的重点。本研究方案以遥感数据为基础提取判别因子，数据可获得性好；阈值分离规则简易，具有可调节性；并且提取的结果与相关调查结果高度一致，这表明该方案适用于东北地区林下水土流失监测。