遥感植被指数增强石漠化信息研究

叶 杰，张 斌*，许军强，谷芳莹，张 宁

（1.河南省航空物探遥感中心，河南 郑州450053；2.河南省地质矿产勘查开发局 第一地质矿产调查院，河南 洛阳471023）

我国的石漠化最早出现在贵州、广西、云南等较典型的喀斯特石山地貌区。其主要原因在于，受喀斯特地区地势高、坡度大、降雨多以及不合理的滥砍滥伐、过度的土地开垦与矿山开采等自然和人类活动多重因素共同影响，地表植被遭到破坏，经过长期的演化，地表呈现出水土流失、土地退化、基岩裸露等特征。作为南水北调水源区的河南省南阳地区，具有岩溶地质背景，同样出现了严重的石漠化现象。据相关资料统计，2013年南阳地区的溶岩面积为5 000 km2，已形成石漠化面积为1 467 km2，潜在石漠化面积为 1 660 km2，主要分布在丹江口库区周围以及丹江河、鹳河、淇河、滔河等流域，涉及约115个乡镇。

近年来，岩溶石漠化已成为研究热点和生态环境治理的重点[1-3]。随着遥感应用能力的不断提升，基于遥感技术的石漠化遥感调查与监测逐渐成为一些专家学者研究的热点方向，如陈燕丽[4]等利用10 a的MODIS数据分析了不同等级石漠化NDVI和EVI的时间变化特征，利用全时间序列线性和对数相关模型对植被指数相关性进行了分析，并取得了积极效果；胡顺光[5]等在喀斯特地貌区通过卫星遥感数据构建了广西平果县石漠化综合指标度模型，提取了石漠化信息，提取结果与地质图勾绘的喀斯特区域吻合较好；李辉霞[6]等采用主成分分析法，在粤北岩溶地区通过Landsat影像提出了石漠化评价模型，评价了石漠化程度，评价结果与野外调查情况基本吻合；岳跃民[7]等采用植被指数和线性光谱分解的方法，基于Hyperion高光谱数据建立了石漠化综合指数，并较好地提取了石漠化遥感评价因子；王晓学[8]等结合TM影像数据，利用元胞自动机对典型喀斯特石漠化地区的关岭县进行了石漠化格局模拟研究，并将自然因素和人类活动因素融入Karst CA模型中，分析了石漠化格局及其变化，取得了新的认识；靖娟利[9]等利用不同时期的遥感影像和通过NDVI图像二分模型计算得到的植被覆盖度，基于石漠化与植被覆盖度的负相关关系，提取了石漠化信息。

越来越多的专家学者基于各种植被指数建立了石漠化评价模型，并对岩溶地区的石漠化信息提取进行了研究，取得了一系列显著成果。因此，适宜的植被指数不仅能增强石漠化不同程度的区分能力，而且有助于提高精度[10-13]；但在众多研究成果中，尚未发现对南水北调水源区石漠化遥感调查方法的深入研究。本文结合2017年度国土资源科研项目成果，建立了南水北调水源区（河南段）石漠化分级指标，利用遥感植被指数对南水北调水源区（河南段）石漠化程度信息增强进行了定量分析，并对增强效果进行了评价。通过不同遥感植被指数对石漠化信息增强效果的差异性分析，为研究区选取最优植被指数进行石漠化遥感调查监测提供了技术支持。

1 数据来源与研究方法

1.1 研究区概况

研究区位于河南省南阳地区，主要分布在淅川县大部、内乡县南部和邓州市西南部，地理坐标为32 35′～33 08′N、111 00′～111 52′E，与陕西、湖北两省相邻，总面积约为2 584 km2，如图1所示。研究区属北亚热带向暖温带过渡的季风性气候区，雨量充沛，年降雨量为391.3～1 423.7 mm，多年平均降雨量为804.3 mm；地域分布不均匀，具有西北多、东南少的特点。水源区属长江流域汉江水系，丹江自西北向东南纵贯全境；主要支流包括淇河、老鹳河等，分别在寺湾、马蹬汇入丹江干流，控制流域面积均在1 000 km2以上。研究区形态呈西北—东南分布，区内地形地貌由西北向东南依次为侵蚀中山、侵蚀低山向丘陵与岗地、冲击平原等过渡；区内石炭系、奥陶系、寒武系、震旦系地层均有分布，岩性以较丰富的灰岩、白云岩、大理岩和白云质灰岩为主，这些碳酸盐岩是形成岩溶石漠化的主要物质来源[14]。

图1 研究区遥感影像图

1.2 影像数据源

本文选取1996-10-18、2006-10-14、2016-11-10三期 月份相近的30 m分辨率Landsat TM/OLI多光谱数据作为石漠化程度信息增强与提取的数据源。所有数据均经过辐射定标、大气校正、几何校正、裁剪等预处理。影像数据无云层遮盖，图像结构清晰，数据质量 较好。

1.3 石漠化分级

本文以裸岩基岩占总面积的比例（或植被覆盖面积占比）、植被种类等作为石漠化遥感评价的主要指标，结合研究区植被覆盖特征，在DZ/T 0190-2015《区域环境地质勘查遥感技术规定（1∶50 000）》中石漠化程度分级标准的基础上，增加了潜在石漠化类型，将石漠化程度由弱到强依次划分为潜在石漠化（PR）、轻度石漠化（LR）、中度石漠化（MR）和重度石漠化（SR）4个等级。

1.4 评价方法

地表植被的覆盖和基岩裸露（裸岩）的状况呈负相关，碳酸盐岩地区裸岩的裸露率与石漠化程度呈正相关，因此地表植被的覆盖度能较好地反映岩溶石漠化的分布情况，可利用植被指数来提取石漠化程度 信息。

围绕可见光—近红外波段，本文探讨了RVI、ERVI、NDVI、PNDVI、EVI、GEVI六种植被指数（表1）对研究区石漠化信息增强的效果；并利用“植被指数特征+欧氏距离+混淆矩阵”的方法对上述 6种植被指数增强石漠化的可分性与识别能力进行了定量评价。

表1 植被指数模型

植被指数特征主要包括最小值、最大值、均值、标准差等。其在图像上体现的特征为：植被指数图像的灰度值越高，说明植被越发育，植被覆盖率越高；植被指数图像的灰度值越低，说明植被发育程度越低，植被的覆盖率越低。

欧氏距离的本质在于通过一定的约束条件，把样本中的同类型归并到一起，不同类型分开，进而提高样本相似性度量的精度。其物理意义为：两种类型的欧氏距离越大，表明类型间的区分能力越强；反之，欧氏距离越小，区分能力就越弱[15]。欧氏距离可表示不同石漠化程度之间的区分能力。其计算公式为：

式中，di,j为第i类样本和第j类样本的欧式距离；xi和xj为第i类和第j类样本的平均值；σ2为某类样本的方差。

混淆矩阵又称误差矩阵，是由预测类别的像元个数与实际该类别的个数组成的比较矩阵。矩阵中的列表示实际类别，行表示预测类别，通过总体精度和Kappa系数评价其精度。总体精度为所有类别中被正确分类的像元数之和（即矩阵主对角线上的数之和）与所有实际类别的总像元数（N）的比值。其表达 式为：

Kappa系数为影像中所有实际类别的总像元数乘以矩阵主对角线上的数之和，与某一实际类别的像元总数乘以预测某一类别的总像元数并对所有类别求和后相减；再除以总像元数的平方与某一实际类别的像元总数乘以预测某一类别的总像元数并对所有类别求和后的差，即

2 研究结果与分析

2.1 植被指数特征分析

RVI、ERVI、NDVI、PNDVI、EVI、GEVI六种植被指数的最小值、最大值、均值、标准差以及直方图如表2、图2所示，可以看出，RVI、NDVI、PNDVI和GEVI的灰度值接近正态分布，表明不同程度石漠化信息较全面，ERVI和EVI的灰度值呈非正态分布，某种石漠化程度相对集中，表达整体石漠化程度信息的能力较弱；标准差越大，说明石漠化程度信息越丰富，因此石漠化信息的丰富程度依次为RVI＞GEVI＞NDVI＞PDNVI＞ERVI＞EVI。

表2 植被指数的最小值、最大值、均值、标准差统计表

图2 植被指数统计直方图

2.2 欧氏距离分析

本文利用欧氏距离来表征6种植被指数光谱参数下石漠化等级的分类能力，如表3所示。查阅相关文献发现，关于欧氏距离的阈值设定在遥感植被指数应用方面尚没有正式的规定，即使在其他应用方面，通常的做法也是通过多次试验验证择优选取阈值。本文借鉴重复试验法，经过比较将不同石漠化程度之间的可分阈值设置为0.48。

表3 石漠化区域植被指数欧式距离统计表

由表3可知，在6种植被指数中，LR-SR均表现出较高的可分性，这是由于LR和SR在植被覆盖上差异明显，通过植被指数可较容易地区分；PR-SR除PNDVI和RVI外其他植被指数均具有较高的可分性；各植被指数在PR-MP的区分能力上表现较弱；PR-LR和LR-MR仅PNDVI和RVI具有较好的可分性，其他植被指数识别较困难；MR-SR仅GEVI具有一定的识别能力。综合分析上述6种植被指数发现，GEVI、PNDVI和RVI能识别3种类型，且在欧氏距离大于0.48的植被指数中，GEVI表现最好，其次是PDNVI、RVI、NDVI，EVI和ERVI表现一般。

2.3 分类精度评价

基于6种植被指数模型，本文采用最大似然法进行石漠化信息提取，结果如图3所示。利用混淆矩阵对提取后的结果进行精度评价，结果如表4所示，可以看出，GEVI的总体精度最高，达到85.15%，Kappa系数为0.795 9；其次为PNDVI和NDVI，总体精度和Kappa系数分别达到84.53%、0.788 7和84.03%、0.780 7；RVI的总体精度和Kappa系数也分别达到了80.19%、0.693 2；ERVI和EVI的分类效果较差，总体精度和Kappa系数分别为79.72%、0.685 7和78.79%、0.671 2。综上所述，GEVI增强石漠化程度信息的能力最优。

表4 分类精度评价表

图3 基于植被指数的最大似然法分类图

3 结 语

1）本文选取RVI、ERVI、NDVI、PNDVI、EVI、GEVI六种在石漠化信息增强与提取中常用的植被指数，对其植被指数特征的最大值、最小值、均值、标准差进行了统计分析。结果表明，6种植被指数中，表达石漠化信息的丰富程度依次为RVI、GEVI、NDVI、PDNVI、ERVI和EVI。

2）本文采用欧式距离法对不同程度石漠化类型区分能力进行分析。结果表明，GEVI、PNDVI和RVI在不同石漠化程度区分能力上表现较好，其次是NDVI，ERVI和EVI的区分能力一般。

3）本文利用最大似然法对上述6种植被指数参与的不同石漠化程度进行分类提取，并通过混淆矩阵对 6种植被指数增强效果进行了评价。结果表明，在选取的所有植被指数中，GEVI的综合表现最好。