石漠化遥感信息提取方法进展

种国双，海月，郑 华，徐卫华，欧阳志云

1.中国科学院生态环境研究中心城市与区域生态国家重点实验室，北京100085 2.中国科学院大学，北京100049

在中国，石漠化是土地生态灾害中最常见的一种类型[1]。不科学的人类活动使得喀斯特环境下的土壤遭到侵蚀，暴露于土壤外的基岩使得地表形成了类似荒漠的景观，这一过程就是喀斯特石漠化。喀斯特石漠化会明显降低土地的生产力，进而引发严重的自然灾害[2]。全球喀斯特岩溶地貌主要集中在中国西南地区、欧洲中南部地区、北美东部地区。中国喀斯特地貌面积占中国土地总面积的1/3，典型喀斯特地貌在中国8 省区的465 个县均有分布，涉及了贵州、广西、云南、湖北、湖南、四川、重庆以及广东等省份。中国西南地区集中分布着连片裸露型的喀斯特地貌约54 万km2[3]。喀斯特区与很多典型生态脆弱区（黄土高原、青藏高原等）相比，由于长期受到可溶性碳酸盐岩的影响，成土极为缓慢，所以土层薄且不连续，水文过程响应迅速。在亚热带和热带岩溶地区，人类长期的生产生活不断对地表植被产生破坏，如土壤冲刷和侵蚀，使得大面积基岩暴露出来，最终导致喀斯特石漠化[4]。中国第三次石漠化检测报告显示：同2011年相比，2016年中国石漠化面积已减少1.93 万km2，平均每年下降3.45%。然而目前仍存在约10.07 万km2的石漠化面积，占岩溶面积的22.3%。可见，中国目前在防治土地石漠化方面仍面临很多难题[5]。

20世纪70年代后半期，研究人员使用遥感技术对石漠化地区进行监测、早期警告、生态学功能评估、空间结构分析等研究[6]，精确获取了石漠化信息，有效提高了石漠化防治效率。光学遥感在石漠化研究中发挥出色，它结合了地理信息系统，将石漠化强度信息有效提取出来。例如，文献[7]利用中分辨率的多光谱遥感图像，采用视觉解译和计算机辅助技术，运用人机交互解译方法为石漠化分析建立了遥感解译索引系统，对石漠化的空间模式进行了调查，讨论了石漠化的演化机制。当前，遥感技术的观测功能更加强大，且观测范围更广，数据测量效果更可靠，充分体现出了遥感所具有的宏观、高速、经济和信息整合的优点[8]。遥感技术已成为获取石漠化数据信息最准确、快捷、高效的方法之一，能够帮助相关部门科学有效地制定生态保护措施，为制定石漠化治理措施提供了依据。

1 石漠化分级评价指标

科学评定石漠化等级和确定量化指标是石漠化遥感信息提取的前提。调查区域范围、自然环境、人类活动形式等的不同，导致石漠化分级方案一直没有得到统一。于是，目前研究基于遥感技术提取石漠化信息时需要注意两点：1）要充分考虑遥感技术特性；2）对于石漠化监测数据应选择适当的评价指标[9]。

1.1 石漠化指征因子及选取原则

石漠化指征因子是用来整体评估石漠化现状的定量指标，利用该因子可以反演遥感数据进而定量评估石漠化程度。石漠化指征因子主要包括岩性、植被覆盖度、植被类型、地形等[10]。鉴于目前没有定义统一的石漠化指征因子[11]，那么如何筛选石漠化指征因子就成了亟待解决的问题。

石漠化指征因子的选择依据主要有：景观特征及其成因[12]、石漠化演变的主导因素、空间尺度以及地理环境状况等。石漠化指征因子的选取原则是有目的性、可操作性和代表性等[13]，指标阈值的确定受到空间尺度、遥感影像解译方法和分级目标等的影响。

1.2 石漠化程度分级方法

当前地区范围、自然条件和人类活动的巨大差异导致对石漠化程度划分方法不统一[14]。因为不同石漠化区域地形复杂程度各异，并且遥感图像的分辨率不同，所以使用遥感技术提取石漠化信息时，不仅要考虑遥感技术的特性，而且要根据石漠化监测和评估效果，采用合理的评价指标[9]。

传统的石漠化程度分级方法主要包括自然间断点分级法、层次分析法、多标准评价法、K-means 聚类法等[15]。自然间断点分级法利用数据中固有的自然分组，在数据值差异相对较大的位置设置边界；层次分析法是通过对每一层级因素进行比较排序，计算对应权重值；多标准评价法是通过组合一系列标准，进而来进行复杂决策；在K-means 聚类法中，为将类似光谱信息像素聚类到一个类别中，可将多维图像分类到各种类别中。

目前常用的石漠化程度分级方法是坐标综合评价方法，首先测量石漠化土地和没有石漠化土地之间的标准差，然后根据差值大小评价石漠化程度[16]。坐标综合评价方法基于多维空间多矢量理论，使用简单的欧氏距离来表示多维实体之间的距离。在由i样本和j指示器构成的数据矩阵中，每个指示器的最大值构成了新理论原点，作为比较其他样本图的标准点，可以表示为

式中：DI0,i为石漠化土地在时刻0 与i时的欧氏距离；Wj为指标j用层次分析法计算的权重；aij为样地在i时刻的指标值集合。

2 石漠化遥感信息提取方法

石漠化遥感信息提取的主要目的是石漠化的定量评价。石漠化遥感信息提取要结合石漠化监测与评价需求，进而定量获取评价的关键指标[17]。下面分别从遥感信息提取方法和遥感成像技术（包括无人机遥感、微波遥感、高光谱遥感、多光谱遥感）两个方面来阐述石漠化遥感信息提取。

2.1 石漠化遥感信息提取方法

遥感信息提取是遥感技术应用的基础，具体方法可分为目视解译、人机交互解译、非监督分类[18]、支持向量机、误差反向传播（error back propagation,BP）算法、面向对象分类[19]等。在利用遥感信息定量表征石漠化程度中，石漠化信息提取常用的方法多为人机交互解译、比值增强等传统方法[20]，尤其对于石漠化范围较小的情况，通常采用人机交互解译或非监督分类等传统方法[21]。

3D打印技术，又称“添加制造”和“增材制造”技术，是一种与传统方法相反的。1997年，美国学者JosephPegna提出通过水泥材料逐层累加，并在一定时间内选择性凝固来建造建筑。2014年，美国航天局(NASA)出资与美国南加州大学合作，最新研发出“轮廓工艺”3D打印技术，24小时内可以印出大约232平方米的两层楼房子，一个按键就可以操控机械打印出房子。

由于遥感技术的发展，单一遥感图像信息提取法已无法满足石漠化信息提取精度的要求。在人机交互解译法、比率提高法、监视分类法、无监视分类法、模型构筑法、专家经验法、物体方向分类法等各种遥感图像信息提取法中，需要根据调查地区的实际情况选择合理的遥感图像方法[22]。面向对象的分类方法具有较高的分类精度和分类效率[23]。人机交互解译法、比值提高法以及指数评价法等处于手工解译的阶段，存在工作负荷大、主观性强等局限性[24]。然而，中国西南地区石漠化状况严峻，地形复杂多变，基于像素的分类方法已无法对石漠化图像进行解译。

本文分析了人机交互解译、监督分类、非监督分类以及模型构建法等信息提取方法，并对各方法的原理、优势与不足进行了归纳总结[25]，如表1所示。除面向对象分类法对数据分辨率要求较高外，其他遥感信息提取方法只需中低分辨率数据。

表1 喀斯特石漠化遥感信息提取代表性方法、原理及优缺点Table 1 Representative methods,principles,advantages and disadvantages of remote sensing information extraction of karst rocky desertification

2.2 石漠化遥感信息提取数据来源

2.2.1 多光谱遥感

不同地物在遥感影像上的灰度值具有差异，用光谱特征对石漠化程度进行分析，可以建立遥感数据石漠化特征数据库，进一步实现石漠化分布状况的定量评价。文献[26]通过构建岩性、坡度、土地覆被类型等评价指标体系，利用TM 影像数据对贵州省石漠化信息进行提取。文献[27]利用MSS 以及TM 卫星数据，使用监督分类方法实现石漠化信息提取及分类。文献[28]利用MODIS 影像估算植被覆盖度和基岩裸露度，结合坡度和人口密度对比分析，建立了石漠化评价模型以定量分析石漠化程度。文献[29]采用SPOT 影像数据结合数学分解模型，进一步对石漠化进行准确的智能分类。文献[30]基于IKONOS 遥感数据，利用多光谱遥感数据对喀斯特石漠化信息进行了定量提取，采取这种方法能够提高解译的客观性，且石漠化程度评价结果也更加客观。文献[15]利用ASTER 多光谱影像干枯植被覆盖度和基岩裸露率等信息进行提取，但是准确率较低。这是因为多光谱成像仪空间分辨率较低，所获得的多光谱遥感数据中存在混合像元，遥感辐射值无法精准地对地物的光谱性质进行反馈。Sentinel-2卫星（分为A、B 两颗）属于多光谱遥感卫星，具有重访周期短、波段数量多、空间分辨率最高为10 m 的特征，被广泛应用于森林火灾、土地利用、植被等方面的监测。文献[31-32]提出基于Sentinel-2 卫星遥感数据来反演石漠化评价指标，与部分野外核查情况对比后表明，该方法能客观、真实地反映石漠化治理范围内的植被生长与恢复情况，为系统、全面地定量评估治理效果提供一种新的技术方法。

相比于多光谱遥感，高分辨率遥感图像的光谱、纹理及空间特征能使信息提取结果更加精细。同时，结合高空间分辨率数据有助于获取精度更高的石漠化数据。因此，融合高空间分辨率和较多光谱信息的影像数据可以弥补现有多光谱数据的缺陷。

2.2.2 高光谱遥感

利用高光谱的优选特征波段和各种光谱变换，可以突出光谱特征的差异，实现地物的精细识别。美国地质调查局建立的splib06 光谱库被广泛应用于岩石、植被的研究中，研究发现：高光谱数据可以很好地识别不同种类的植被，且对地貌形态判断具有得天独厚的优势[30]。

喀斯特地区石漠化过程复杂，并且存在高度时空异质性，即便是高空间分辨率遥感数据同样也无法避免混合像元的出现。也就是说，在判断岩石特征的光谱响应时，还需要采取更多的诊断光谱通道，而超光谱遥感数据可以提供这些数据。文献[24]采取了Hyperion 高光谱成像数据对石漠化典型区域进行分析，结果表明植被指数、高光谱数据结合KRDSI 石漠化综合光谱指数对提取石漠化遥感评价因子更有效。

虽然高光谱数据能较好地适应喀斯特石漠化景观的高度异质性，但该数据的获得是一件很难的事情。航空遥感获取高光谱数据时，成本较高但信噪较低；航天高光谱数据的宽度较窄，因此实用性不高。

2.2.3 微波遥感

微波遥感数据优势比较明显，受气候和光照的影响较少，穿透性比较强，能够弥补多光谱和高光谱数据的不足，为调查与监测喀斯特石漠化提供了重要数据源。合成孔径雷达也是遥感技术的一种，它可以达到高分辨微波成像的效果，因此广泛应用于植被制图、森林生物量估算、湿地监测、环境监测、山体滑坡监测、矿山研究、地面形变监测等。研究表明微波遥感比光学遥感的持续监测能力更强[25]，如Radarsat-2 图像数据可用于遥感调查和监控[26]。虽然微波遥感为调查、监测喀斯特石漠化地物识别奠定了良好的数据源基础，但现阶段使用微波遥感数据对石漠化遥感信息提取、监测等仍存在很多问题。

2.2.4 无人机遥感

在利用卫星遥感技术进行石漠化定量评价时，由于图像数据受到外部环境诸如天气、云的覆盖、地形等的影响，信息提取及评价精度还很低，难以给出准确的评价结果。随着无人机（unmanned aerial vehicle,UAV）技术的不断发展，利用UAV 获取多光谱影像技术得到了广泛应用。文献[33]认为，采取UAV 获取的低空遥感影像能有效解决成像斑块破碎化问题，且精度较高，若将分析技术、阈值分类等方法进一步应用在UAV 遥感图像识别中，可以获得更好的石漠化评价结果。

UAV 遥感技术与反演模型的发展为研究石漠化评价提供了一种新的途径。TM 遥感图像与UAV 航空数据融合，使用支持向量机模型分析两者的关系，通过反演裸岩率，可以得到更准确的石漠化评价结果。高分辨率的UAV 图像和卫星图像，可以更加准确地评价石漠化的严重程度。因此，UAV 图像在景观碎片化严重的石漠化区域被广泛使用。

随着UAV 航空摄影技术的普及，通过使用无人机可以获得更高精度的图像信息，将卫星遥感和UAV 航空图像融合起来，对于监测石漠化和控制治理石漠化具有非常重要的意义。

3 结 论

本文从信息提取方法、数据来源等方面，对喀斯特石漠化遥感信息提取方法进行了梳理与总结，并对其未来发展方向进行展望，结论如下：

1）在提取石漠化遥感信息过程中，石漠化程度分级以及指标的量化非常重要，但是当前并未统一石漠化分级系统，导致不同的评价指标有着不同的阈值。因此，应当对石漠化评价指标体系开展进一步研究，逐步形成既符合区域特征又具有可操作性的指标体系。

2）从喀斯特地形条件看，石漠化的地形复杂，图像阴影清晰，图像的光谱混合现象严重，仅使用光谱信息提取的评价结果具有一定的不确定性。但是，目前石漠化的遥感信息提取主要基于图像的光谱特征，几乎没有关于图像的纹理特征和空间特征的综合研究。结合地物形状特征和纹理特征进行提取分析，能很好地解决石漠化地区因地形复杂而产生的提取精度不足问题，而现有的信息提取方法单一，无法有效避免该问题，因此在这方面应该深入探究。

3）传统的光学遥感技术在石漠化的调查和监测上的应用已经很成熟，通过对调查地区的各种指标进行量化，可以对石漠化强度进行评估。但石漠化的遥感信息提取和生态环境监测有很多数据盲区。多光谱数据和超光谱数据不能作为长期调查和监控数据源使用。因此，迫切需要微波遥感数据作为新的数据源。微波遥感没有受到时间和天气的影响，在一定程度上是喀斯特石漠化遥感调查与监测的又一重要数据源，能适用于喀斯特石漠化地区地物识别调查、监测等信息提取。

4）未来利用无人机多光谱和高光谱遥感影像对小范围内的石漠化遥感信息进行提取，也是主要的发展趋势之一。此外，未来研究应结合多源遥感数据对石漠化遥感信息进行提取，融合多源数据特征，进一步提升信息提取的精度。