基于ArcGIS的河道水土流失动态监测方法

连 燕

(四会市宏禹水利水电勘测设计有限公司，广东 四会 526200)

0 引 言

水土流失是严重的环境问题，容易导致水体污染、土壤退化、土地表层侵蚀、河道淤积，加剧洪涝灾害，降低土地生产力，减少耕地面积，生态系统恶化，制约着流域的经济可持续发展[1]。河道水土流失与多种环境因素密切相关，如地形复杂、植物覆盖变化、雨水冲蚀、工程开挖等。为保持河道水土，有必要动态监测水土流失，分析水土流失变化规律和发展趋势，为水土流失防治方案提供依据，并通过水土保持措施，改善河道生态环境，促进流域经济发展[2-3]。

现阶段，水土流失动态监测相关研究已取得较大进展。文献[4]提出基于USLE原理的水土流失动态监测，构建土壤侵蚀综合因子算法，包括RS、GPS、GIS，采集样本数据和遥感影响，计算与水土流失关联较大的生态因子，模拟水土流失实际情况。文献[5]提出基于高分遥感影像的水土流失动态监测方法，针对多时序、大尺度的水土流失，采集高分遥感影像、土地利用、地形地貌、植被覆盖等信息，建立模型因子算法，检测水土流失变化情况，利用GIS技术，编制土壤侵蚀和土地退化图。

针对以上问题，结合现有的研究理论，本文提出基于ArcGIS的河道水土流失动态监测方法。ArcGIS是一个可伸缩的GIS，提供数据存储、分析、计算、显示功能，用户可以通过ArcGIS编辑地理数据，创建空间地图和数据文档。

1 水土流失动态监测方法

1.1 基于ArcGIS预处理河道遥感影像

采集河道遥感影像，将遥感数据输入ArcGIS平台，发挥ArcGIS的数据存储、计算、分析、可视化功能，预处理遥感影像。组合遥感影像的所有波段，几何校正遥感影像，通过一个多项式进行空间配准，设像素点校正前后的坐标为(x，y)、(u，v)，变换公式为：

(1)

其中：m为多项式阶数；i∈(0，m)、j∈(0，m-i)；Aij、Bij为重采样校正畸变函数的待定系数[6]。

通过式(1)，使遥感影像所有像素点的坐标误差小于一个象元，去除收缩、阴影、叠掩等地形因素的影响。对遥感数据进行影像镶嵌，选择一张信息量丰富的图像，将该图像的灰度方差和均值作为标准，统计灰度直方图，修正灰度直方图的最高值和最低值，匹配相邻图像直方图和修正后的灰度直方图，变换相邻图像的灰度值，使灰度方差和均值接近标准，通过灰度调整，避免相邻图像色调差异过大[7]。采用黑暗像元法，大气校正遥感影像，模拟大气的辐射传输，把卫星覆盖范围内的大气影响看作常量，设遥感影像第o个波段校正前后的灰度值分别为Co、Do，大气校正公式为：

Do=Co-f

(2)

其中：f为大气辐射影响的灰度偏差值[8]。

当遥感信号经过大气层时，通过式(2)，令大气辐射和天气变化的影响降到最低。对遥感影像进行云检测和云剔除，处理图像云层，选择红外通道的遥感图像，分割图像数据的矩形区域，得到一个按照温度划分的灰度直方图，当直方图峰的宽度大于4℃、峰左边界温度大于6℃时，判断整个矩形区域的图像数据有云。给定光波段一个反射率阈值，判断高于阈值的云在热红外波段；低于阈值的云在蓝绿波段，相加两个波段反应的云信息，得到值为0的完整云覆盖图，相乘原遥感影像，去除图像数据的云信息[9]。利用ArcGIS提取河道流域水系图，可视化河道流域的遥感影像，采用色彩标准化变换融合，融合遥感数据，分解遥感图像的像素空间，得到每个像元的色彩成分和亮度成分，设光谱数据的红、绿、蓝波段分别为a、b、c，融合后的光谱图像表达式为：

(3)

其中：a′、b′、c′分别为融合后的光谱数据红、绿、蓝波段；d为全色波段亮度[10]。

利用式(3)，融合同一河道区域的不同遥感图像，获取纹理、边缘等复合特征。至此，完成基于ArcGIS河道遥感影像的预处理。

1.2 计算河道水土流失影响因子

根据预处理后的遥感影像，获得河道流域水系信息，计算水土流失影响因子，包括植被覆盖、坡度、土地利用、水体等。由ArcGIS获取河道流域的土地利用面积，分析不同土地类型的面积变化，包括林地、耕地、居民地、建设用地、水域、裸地。计算河道流域的植被指数E，公式为：

(4)

其中：e1、e2分别为遥感数据的近红外波段和红外波段。

植被指数E越高，植物覆盖度越大，土壤侵蚀的抑制效果越好[11]。利用ArcGIS平台，提取河道流域坡度图，通过表征地貌因子的数字高程图，包括坡度变化率、坡向、坡度等，计算地表流域的坡度因子F，公式为：

(5)

其中：G为坡度。坡度因子F越大，河道流域地形越复杂，土壤侵蚀和水土流失越严重。

计算河道流域水体指数g，公式为：

(6)

其中：e3、e4分别为遥感数据的绿光波段、中红外波段[12]。水体指数g越高，表示河道水域面积越大，水土保持越好。

计算河道流域的建筑指数H，公式为：

(7)

建筑指数H反映建筑用地信息，H值越高，建筑用地面积越大，包括楼房、道路、工厂、广场、停车场等，越不利于河道水域的水土保持。

提取河道流域的耕地信息，计算耕地的差值和比值植被指数h1、h2，公式为：

(8)

由于河道流域的耕地面积大多以小斑块形式存在，h1值和h2值越大，表明耕地和林地的混淆效果越好，有利于抑制水土流失[13]。

提取光谱数据的裸地信息，计算裸土指数灰度值I，公式为：

(9)

其中：e5为光谱图像的蓝光波段。

河道流域的裸土指数J表达式为：

(10)

计算河道流域的降雨侵蚀力K1和土壤可蚀性K2，公式为：

(11)

其中：n为一年内的暴雨次数；LO、kO分别为第O次降雨的总能量和最大强度，O∈(1，n)；M、N分别为土壤的沙含量和有机物含量；l、P分别为土壤的结构等级和渗透性等级。K1值和K2值越大，对水土流失的防治起负面作用。

将以上参数作为水土流失影响因子，至此完成河道水土流失影响因子的计算。

1.3 动态监测河道水土流失

叠加分析各个水土流失影响因子，划分河道流域的水土流失强度，监测水土流失变化情况。由于水土流失影响因子在不同时相上存在差异，为此结合差值关系和最小二乘多项式，对影响因子的季相差异进行归一化处理。设时相数据的差值增量为p，第q个影响因子Rq的差值为Sq，则Sq值计算公式为：

Rq=Sq+p

(12)

最小二乘多项式采用二次项，得到影响因子Rq的归一化值rq表达式为：

(13)

其中：Q、s、U均为拟合系数[15]。

判断正面影响水土流失的影响因子为正、负面影响的因子为负，得到流域各个区域的水土流失强度V，计算公式为：

(14)

V值越大，流域内的水土流失越严重。根据水土流失强度V，将河道水土流失划分为6个等级，分别为剧烈、极强度、强度、中度、轻度、微度，统计不同等级的土地面积，得到水土流失动态监测结果。

至此，完成河道水土流失的动态监测，实现基于ArcGIS的河道水土流失动态监测方法设计。

2 实例研究

2.1 研究区概况

以某河道为例，河道位于N30°57′- N31°13′，E115°8′-E115°27′，总面积为1 380 km2，年降雨量为850 mm，水资源丰富。土壤类型为红壤和黄壤，丘陵多、沟道深且多、河谷不贯通、盆底穿插、塬小山大，母岩多为容易侵蚀的花岗岩。由于雨量充沛且分配不均，水土流失以水力侵蚀为主，面积可达785.22 km2，主要表现为河床抬高、水库淤积、沟壑加深、土地肥力降低、洪涝频繁。

当前，该河道成为国家级水土流失重点预防区，采用上游、中游、下游的分流域治理，实施了蓄水池、坡改耕地、结构性调整土地利用方式、整治坡地、退耕还林等治理项目，生态环境得到一定改善。针对这一情况，对各个流域的水土流失情况进行动态监测。

2.2 水土流失情况分析

使用Landsat卫星，采集河道遥感影像，Landsat卫星性价比高，光谱信息丰富，图像覆盖范围为180 km2×180 km2，具有蓝、绿、红等7个波段，光谱信息和地表信息丰富。利用TM专题制图仪，跟踪Landsat卫星，将Landsat卫星获得的遥感影像传输至地面。设置Landsat卫星的轨道倾角为98.4°，地面观测宽度为180 km2，高度为700 km2，重访周期为15 d，瞬时视场为35 m。把TM专题制图仪搭载在Landsat卫星上，通过TM专题制图仪，改进Landsat卫星各个波段的空间分辨率，并增加一个20 m分辨率的全色波段，获得图1所示的河道遥感信息。

图1 河道原始遥感影像

由图1可以看出，遥感影像数据质量很高，大气影响较为均匀，但图像上散落一些云朵，有必要进行影像数据预处理。设置m值为3，校正后的像素点坐标(u,v)误差小于0.047个像元。调取河道2016、2018、2020年的遥感影像和气象数据，计算各个年份的水土流失影响因子，结果见表1、表2、表3。

表1 河道上游水土流失影响因子归一化值

表2 河道中游水土流失影响因子归一化值

表3 河道下游水土流失影响因子归一化值

由表1-表3可知，随着水土流失治理项目的实施，各个流域正面影响水土流失的因子有所增加，负面影响因子有所降低，但降水侵蚀力和土壤可蚀性基本不变。将表1-表3数据代入式(12)-式(14)，得到流域范围内的水土流失强度。根据V值整体分布，获得各个强度等级的水土流失面积，见表4。

表4 河道各年份水土流失面积 /km2

借助ArcGIS平台，输出2021年河道水土流失强度等级图，具体见图2。

图2 河道水土流失强度分布

2.3 监测结果讨论

由以上动态监测结果可知，截止2021年，河道各流域水土流失微度面积占比增加，上游、中游、下游的水土流失微度面积分别达到83.80%、77.72%和72.53%；轻度～极强度面积占比降低，上游水土流失总面积相比2016年减少39.8 km2，中游水土流失总面积减少59.41 km2，下游减少66.66 km2；轻度～极强度面积转换为微度面积，河道的水土流失程度得到明显改善，水土流失整治工程取得成效。由表1-表3数据可知，河道的差值和比值植被指数仍较低，今后应通过耕地和林地的混淆，进一步治理河道水土流失情况。

综上所述，此次设计的动态监测方法，能够反映河道水土流失的时间变化情况。

3 结 语

此次研究应用ArcGIS，设计了一种河道水土流失动态监测方法，掌握河道水土流失变化情况，判断水土流失治理工程的效果。但此次设计方法仍存在一定不足，在今后的研究中，将采集降雨量、地面坡长、地面坡度等遥感数据，分析降雨量季节变化，计算对水土流失造成影响的降雨侵蚀力因子，进一步评估河道的水土流失强度。