基于遥感的公路边坡生态环境健康评价研究进展

姚霁雪 邱荣祖 胡喜生

（福建农林大学交通与土木工程学院，福建 福州 350002）

1 引言

生态环境是指由生物群落及非生物自然因素组成的各种生态系统所构成的整体，主要或完全由自然因素形成，并间接地、潜在地、长远地对人类的生存和发展产生影响。[1]20世纪中期，随着人与自然的矛盾日益恶化，人类开展生态环境评价研究。[2]1962年，“遥感”一词首次出现。直到20世纪末，人们在遥感技术上取得飞速发展。[3]遥感对公路边坡生态环境健康进行监测——遥感通过传感器对道路边坡的纹理、色调等特征进行模拟，提供边坡生态环境基本地面资料，且能实时快速提供环境动态变化基本情况和发展程度，从空中对边坡生态环境进行大范围同步连续监测，突破以往从地面研究的局限性。最后运用评价方法或模型对公路边坡生态环境健康进行定量或定性的分析，在多方信息融合之下进行综合性评价，减少样本偶然性和局限性问题。

2 公路边坡生态环境健康评价分析方法

在公路边坡生态环境健康性评价的过程中，评价分析方法和遥感数据信息提取方法就尤为重要。本文基于前人研究，对评价分析方法和信息提取方法进行归纳总结，主要分为以下几种。

（1）回归分析法

回归分析是确定两种或以上变量间相互依赖关系的一种统计分析方法，主要分为多元回归分析、人工神经网络等。

在回归分析中，假如涉及的变量在两个及以上时，则称为多元回归分析。吴玉财等人运用多元线性回归方法对评价边坡安全系数和稳定性进行判断。[4]该方法优点：预测效果提高；缺点：因子的不确定性。

人工神经网络法可自动从现有数据中寻找规律，并自主学习，适用难以推理，识别的复杂数据分析。武强等利用人工神经网络模型，建立陕西榆次地区地裂缝灾害危险性评价系统，但这种方法存在无法阐释推理过程和依据等缺点。[5]

信息量模型主要根据信息量来评价各影响因子与研究对象之间的相关性，它操作简单且能结合主客观。阮沈勇等人将GIS与信息量法模型结合对地质灾害进行危险区域划分。[6]

支持向量机法根据有限的样本信息在模型复杂性和学习能力之间寻找最佳折中，以求最好推广能力。戴福初等人通过支持向量机法对滑坡进行空间预测。[7]研究表明它在解决有限信息量及高维模式中有明显优势。

概率指数模型是指给定一个用户的查询串，相对该串存在一个包含所有相关文档的集合。李家存等人采用概率指数模型对马来西亚金马仑高原进行滑坡危险性评价，实验能较好反映实际情况。[8]该方法较客观，但抽样对象的要求较高，定量化存在一定难度。

（2）相关分析法

相关分析法是有别于回归分析法的其他分析方法，主要包括主成分分析法、灰色关联分析法等。

主成分分析法是一种将多个原有指标简化为几个新指标的方法，避免指标间信息重叠，但样本基数要求较大。高志亮等人运用此方法对不同的森林类型进行健康评价，取得较好的结果。[9]

灰色关联分析根据因素发展的异同度来量化各因素间的相关性，特别适用于动态历程分析。该方法考虑整体分析指标间的相关性，但指标最优值主观性强，又难以确定。

证据权模型以贝叶斯条件概率为基础，确定各证据层的权重值，进而计算事件发生的概率值。王志旺等人采用证据权模型对滑坡危险度进行研究，分析结果与现有滑坡分布情况比较吻合。[10]该方法能客观量化不同的情况，但只能对二值或者三值图层进行计算，受到一定程度的局限。

（3）综合指数法

综合指数法是指在一套合理的评价系统上，对各种指标进行加权平均，构造一个综合指标，主要归纳为层次分析法，模糊综合评判法等。

层次分析法是一种结合定量和定性分析的系统方法。李远华等人选取多个影响因子，利用层次分析法模型建立研究区的地质灾害预测评价。[11]研究表明该方法存在一定随机性和不确定性。

模糊综合评判法利用模糊数学将定性转化为定量评价，较好解决边界模糊与误差给结果带来的影响。该方法的主观性较强，且不适用多目标评价。

(4)其他方法

聚类分析法是将样本按相似度进行分类，使得类别间相似度较低。马为民，田卫宾运用单元聚类分析法建立滑坡灾害预测预报模型，研究误差在0.1到0.3之间。[12]该方法简明定量评价，但在大样本下，评价结果难得出，误差较大。

植被指数时间序列分析是指将植被指数按时间顺序排列作出曲线。赵旦等人采用植被指数时间序列分析方法对震后植被恢复情况进行检测和评估分析，表明该方法意义显著。[13]

3 遥感在道路边坡生态环境健康评价的应用

（1）常见的遥感数据源

目前国内用户一般通过北京揽宇方圆信息技术有限公司完成卫星影像购买，但普通数据可在国内遥感网站上下载，如：地理空间数据云，遥感市集等。通过阅读大量文章，发现遥感卫星主要是来自法国SPOT系列，美国Landsat系列和Worldview系列，它们分辨率各异，各卫星所处轨道倾角差别不大，卫星设定职责范围不同，扫幅宽度和波段数也有异。

（2）遥感信息提取方法

遥感通过接收地物辐射信息转化为图像来表示。常见的遥感信息提取方法主要归纳为目视解译、面向对象法等。目视解译是指结合图像的波谱特征，空间特征等，人机交互进行逻辑推理的过程。该方法包括图像和判读标志的对比分析。蒋玉峰使用该方法不仅提高单幅图像的监测精度，还能减少由独立分类引起的累计误差。[14]但该方法只能通过肉眼提取定性信息。

面向对象方法结合临近象元为对象来识别感兴趣的光谱要素，适用于中高分辨率多光谱和全色影像，它能以高精度的分类结果或矢量输出，但运行速度比较慢。于信芳等人则采用变化矢量分析法对以内蒙古草原区为例的土地覆盖变化进行监测研究，面向对象的变化矢量分析方法精度高达91.56%。[15]

彩色图像增强是指综合不同波段特征，突出研究对象的差异。吴露露等人在对获得的遥感影像采用波段按比例的假彩色合成法与波段阙值替换的假彩色合成法，实验表明前种方法的实际可行性较大。[16]

（3）遥感在道路边坡生态环境健康监测的应用

由于目前国内的遥感技术正处于新兴阶段，获取用于研究的数据成本较大且大部分数据涉及国家机密无法用于研究，使得国内针对遥感在道路边坡生态的研究少之甚少。2006年刘志丽运用遥感技术监测西藏阿里地区生态环境和堰塞湖周围的土地利用/覆盖和地质结构，通过遥感信息分析发生滑坡的原因与可能性；[17]王治华于2009年运用数字滑坡技术准确地认识滑坡,快捷地传输及交流滑坡信息,运用于实际改善滑坡监测、预测等研究工作。[18]

4 道路边坡生态环境健康评价因子

通过遥感对公路边坡生态环境健康进行评价，所选取的影响因子在评价中权重的大小，直接影响整个评价的精确性。本文基于前人研究对影响因子进行归纳总结，主要包括植被覆盖率、土地利用类型等。

（1）植被覆盖率

植被覆盖率是指某一地域植物垂直投影面积与该地域面积之比，是重要的生态评价参数。通过遥感资料估算的方式得到植被指数转换法。植被指数转换法主要是指利用对象元中植被类型以及分布特征的分析，使得植被覆盖率与植被指数建立一定的转化关系。如：Quarmby利用AVHRR资料,建立植被指数与植被覆盖率的线性混合转换模式,该法适用估算农业区的植被覆盖率。[19]

（2）土地利用/土地覆盖变化

土地利用是自然条件与人干涉所决定的土地功能，而土地覆盖是指地标形成的或人为引起的覆盖状况。LUCC可以参考土地利用现状分类(GB/T 21010-2007)标准，利用支持向量机方法和目视解译方法进行提取。

（3）地形湿度指数

地形湿度指数是一种对径流路径长度、产流面积等的定量描述,也是对流域中各点潜在土壤水分含量和径流产生潜在能力的量化。通过TFD算法与多流向法结合计算该指数。

（4）地形坡度

坡度一般指坡面的铅直高度和水平宽度比值的反正切值。在很大程度上决定植被的生长状况和恢复能力，因此探讨坡度对边坡生态环境健康评价意义显著。采用数字地形图建立数字高程模型计算便可以提取坡度因子。

（5）土壤含水量

土壤含水量是表现土壤水分的关键参数，表征一定深度土层干湿程度的物理量。利用不同波段反演土壤含水量或通过直接建立土壤含水量与土壤反射率间的关系进行遥感监测。例如，李雪菱以湖南青山为研究区展开土壤含水量对滑坡的影响研究，表明土壤含水量对滑坡影响明显。[20]

5 结语

在我国提出可持续发展的战略之后，边坡生态环境健康一直受到各方重视，采用多源遥感数据与边坡生态环境相结合，既能减少人力物力，又使得可评价区域更加广泛。本文研究仍然存在不足，希望日后能进一步做出补充。

5.1 问题

评价参数问题。如果仅采用对一般生态环境健康评价参数，由此得出的方法或模型都不全面。

遥感解译问题。由于遥感数据解译程度不高，信息有效解译遭遇瓶颈，遥感数据所包含的海量信息被较多浪费。

5.2 研究展望

基于目前道路边坡生态健康评价的研究，建议如下：（1）提出针对公路边坡的研究参数，使得评价更好运用于实际边坡养护；（2）不断学习探索遥感有效信息的解译。遥感数据对公路边坡生态环境健康评价研究将更好的深化和推动环境遥感技术和应用深度。在遥感技术快速发展当下，相信对公路边坡生态环境健康的研究对整个生态环境改善和优化可以提供实际性建议。