王建華，李 陽(yáng)，梁樹(shù)能，孫小飛

（1.中國(guó)科學(xué)院空天信息創(chuàng)新研究院，北京 100094；2.北京航空航天大學(xué)，北京 100191；3.自然資源部國(guó)土衛(wèi)星遙感應(yīng)用中心，北京 100048；4.西南交通大學(xué)，成都 611756）

沙化是指在各種氣候條件下，由于各種因素形成的地表呈現(xiàn)以沙（礫）物質(zhì)為主要標(biāo)志的土地退化，具有這種明顯特征的退化土地為沙化土地[1]。土地沙化是我國(guó)生態(tài)環(huán)境和社會(huì)經(jīng)濟(jì)的重大威脅[2]，截至2014年，全國(guó)沙化土地總面積1 721 175 km2，占國(guó)土總面積的17.93%，具有明顯沙化趨勢(shì)的土地面積300 293 km2，分布在內(nèi)蒙古、新疆、青海等12個(gè)省[3]。由于土地沙化區(qū)域自然環(huán)境惡劣，生態(tài)系統(tǒng)脆弱，資源利用問(wèn)題突出，需要對(duì)土地沙化地區(qū)及時(shí)監(jiān)測(cè)[4]，采取保護(hù)、治理以及防治手段，避免土地沙化程度加重。

遙感技術(shù)廣泛應(yīng)用于土地資源調(diào)查、生態(tài)環(huán)境監(jiān)測(cè)、災(zāi)害預(yù)報(bào)與災(zāi)情評(píng)估等領(lǐng)域。自20世紀(jì)70年代起，遙感技術(shù)開(kāi)始應(yīng)用于土地沙化研究，目前多以遙感和地面調(diào)查相結(jié)合的技術(shù)方法進(jìn)行土地沙化監(jiān)測(cè)[5,6]，其觀(guān)測(cè)范圍大、速度快、精度高、具有“圖譜合一”的特性，為監(jiān)測(cè)土地沙化發(fā)生、發(fā)展?fàn)顩r，及時(shí)有效采取防治土地沙化措施提供了切實(shí)可靠的途徑，在土地沙化監(jiān)測(cè)領(lǐng)域發(fā)揮著無(wú)可取代的作用[6]。

隨著遙感技術(shù)的發(fā)展，高光譜遙感為開(kāi)展全球性和區(qū)域性的沙化研究提供了新的手段，土地沙化監(jiān)測(cè)開(kāi)始向定量化遙感方向發(fā)展[7-10]。高光譜遙感技術(shù)在光譜分辨率上有著巨大的優(yōu)勢(shì)，利用高光譜數(shù)據(jù)反演得到的地物反射光譜特征，能表征地球表面物體的分類(lèi)、物質(zhì)的成分、含量、存在狀態(tài)、空間分布及動(dòng)態(tài)變化[11，12]。

研究區(qū)行政區(qū)劃隸屬于內(nèi)蒙古鄂爾多斯市伊金霍洛旗，位于黃河中游風(fēng)沙砒砂巖區(qū)域，地處陜北黃土高原與庫(kù)布齊沙漠接壤地帶，為毛烏素沙漠與黃土丘陵溝壑區(qū)的過(guò)渡地帶，地貌類(lèi)型主要為黃土丘陵溝壑地貌，溝壑縱橫，支離破碎，流域上游少部分為黃土蓋沙區(qū)，下游沿黃河河谷一帶是基巖溝谷丘陵區(qū)，流域內(nèi)的黃土性土壤和風(fēng)沙土兩類(lèi)，前者結(jié)構(gòu)疏松，透水性強(qiáng)，是地表徑流的有利形成條件[13]（圖1）。

圖1 研究區(qū)位置示意圖Fig.1 The location of study area

研究區(qū)域?yàn)楦珊怠敫珊荡箨懶约撅L(fēng)氣候，結(jié)合了鄂爾多斯高原和黃土高原的氣候特點(diǎn)，風(fēng)大沙多，降水集中且強(qiáng)度大，多年平均降水量約為430 mm。在地域分布上，區(qū)域自東南部向西南部，雨量減少；在時(shí)間分布上，降水年際變化大且年內(nèi)分配不均，多以暴雨形式出現(xiàn)，汛期（6—9月）降雨量可占全年降雨量的80%，七、八兩月降雨量占年雨量的54%。高強(qiáng)度暴雨是流域內(nèi)徑流、泥沙產(chǎn)生的主要原因，洪水期沙量占全年總沙量的96%以上，汛期沙量占全年沙量的99%以上，水土流失極為嚴(yán)重，占全流域面積的97%[14，15]。

本文基于高光譜衛(wèi)星數(shù)據(jù)的光譜細(xì)分特征優(yōu)勢(shì)，選用植被覆蓋度（Fraction Vegetation Coverage，F(xiàn)VC）、裸土指數(shù)（Bare Soil Index，BSI）、地表反照率（Albedo）、改進(jìn)土壤調(diào)整植被指數(shù)（Modified Soil Adjusted Vegetation Index MSAVI）四種土地沙化綜合監(jiān)測(cè)指標(biāo)，結(jié)合人機(jī)交互解譯工作進(jìn)行了區(qū)域土地沙化監(jiān)測(cè)，基于人機(jī)交互解譯土地沙化監(jiān)測(cè)結(jié)果建立決策樹(shù)分類(lèi)模型，對(duì)全部研究區(qū)域的土地沙化程度進(jìn)行分類(lèi)，實(shí)現(xiàn)了土地沙化信息的識(shí)別和提取。

1 數(shù)據(jù)源及其預(yù)處理

資源一號(hào)02D衛(wèi)星是首顆基于資源環(huán)境觀(guān)測(cè)需求的高光譜業(yè)務(wù)衛(wèi)星，定位于中等分辨率、大幅寬觀(guān)測(cè)和定量化遙感任務(wù)，衛(wèi)星光譜獲取能力突出，可應(yīng)用于地礦勘探、土地監(jiān)管過(guò)程中地物信息定量化反演[16]，滿(mǎn)足對(duì)于土地沙化信息的識(shí)別和提取的需求（表1）。

表1 ZY-1 02D高光譜衛(wèi)星數(shù)據(jù)源數(shù)據(jù)特征Tab.1 Characteristics of hyperspectral satellite data

本文選取了三景資源一號(hào)02D衛(wèi)星影像，成像時(shí)間為2021年6月30日，為同一軌道成像數(shù)據(jù)，遙感影像成像質(zhì)量高；重點(diǎn)監(jiān)測(cè)的土地沙化區(qū)域色調(diào)突出，植被和土地沙化區(qū)分度大，易于土地沙化信息的識(shí)別及提取。

經(jīng)過(guò)輻射定標(biāo)、大氣校正、幾何校正、拼接鑲嵌等預(yù)處理過(guò)程，得到最終的遙感衛(wèi)星地表反射率影像作為本文研究的基礎(chǔ)數(shù)據(jù)，如圖2所示，遙感影像圖RGB合成方式為波段148（2 199.482 9 nm）、波段55（859.678 4 nm）、波段20（559.234 3 nm）。

圖2 研究區(qū)域高光譜遙感影像Fig.2 The hyperspectral remote sensing image of the study area

2 研究方法

2.1 土地沙化遙感監(jiān)測(cè)指標(biāo)

高光譜遙感具有精細(xì)的光譜特征刻畫(huà)能力，能夠?qū)崿F(xiàn)對(duì)土地沙化的指示性指標(biāo)的準(zhǔn)確提取，而這些指示性指標(biāo)是土地沙化遙感監(jiān)測(cè)的關(guān)鍵。土地沙化過(guò)程受內(nèi)外環(huán)境多種因素的影響，其外在表現(xiàn)多有不同，這反映在多種多樣的土地沙化監(jiān)測(cè)指標(biāo)上。針對(duì)于土地沙化遙感監(jiān)測(cè)的單一指標(biāo)無(wú)法完全表征土地沙化情況，如植被指數(shù)、裸土指數(shù)等，最終的土地沙化監(jiān)測(cè)結(jié)果具有一定程度的局限性。本文在植被指數(shù)、裸土指數(shù)指標(biāo)的基礎(chǔ)上引入地表反射率等其他土地沙化監(jiān)測(cè)指標(biāo)以提高土地沙化評(píng)價(jià)效果[17-22]。為了實(shí)現(xiàn)研究區(qū)內(nèi)大尺度的土地沙化監(jiān)測(cè)，準(zhǔn)確的反映出土地沙化的特征，通過(guò)高光譜衛(wèi)星影像提取、反演得到的植被覆蓋度、裸土指數(shù)、地表反照率、改進(jìn)土壤調(diào)整植被指數(shù)，將這四個(gè)指標(biāo)用于土地沙化遙感監(jiān)測(cè)。

（1）植被覆蓋度、裸土指數(shù)

植被覆蓋度和裸土指數(shù)是評(píng)價(jià)沙化程度的重要指標(biāo)，植被覆蓋度越低，裸土指數(shù)越高，土地沙化程度越高。

本文采用完全約束最小二乘法混合像元分解模型進(jìn)行植被覆蓋度、裸土指數(shù)的提取。遙感影像中混合像元普遍存在，該像元分解模型法考慮單一像元的多個(gè)組分對(duì)遙感傳感器觀(guān)測(cè)信息的貢獻(xiàn)，并且認(rèn)為是每個(gè)組分的線(xiàn)性宏觀(guān)組合，則高光譜影像中的每一個(gè)像元光譜即可表示為土壤、植被等光譜的線(xiàn)性組合，利用該模型獲得植被和土壤分布，進(jìn)行植被覆蓋度和裸土指數(shù)的估算[23]。

研究選取的端元為植被、裸地和水體。端元光譜的一般來(lái)源包括參考光譜庫(kù)和高光譜影像。本文采用直接從影像中提取端元，一般包括純凈像元指數(shù)（Pixel Purity Index，PPI）、連續(xù)最大角凸錐（Sequential Maximum Angle Convex Cone，SMACC）等方法[24]。本文中采用的三景數(shù)據(jù)為同一軌道成像的高光譜衛(wèi)星數(shù)據(jù)，因此本文借助PPI和N維可視化工具，針對(duì)研究區(qū)域鑲嵌后的三景高光譜影像進(jìn)行端元波譜采集，端元提取的流程和結(jié)果見(jiàn)圖3。

圖3 高光譜遙感影像端元提取流程Fig.3 The process of endmember extraction

基于高光譜遙感影像中提取的端元，經(jīng)過(guò)混合像元分解，得到植被、裸地和水體的豐度，完成植被覆蓋度、裸土指數(shù)的提取，提取結(jié)果如圖4所示。

（2）地表反照率

地表反照率是土地沙化監(jiān)測(cè)中地表溫度、干燥度或濕度的指示因子。地表反照率的計(jì)算方法依據(jù)大氣輻射傳輸模型建立，地表反照率可表示為[25]：

式中，ρB、ρR、ρNIR、ρSWIR2分別為影像的11波段（481.829 5 nm）、32波段（662.286 9 nm）、52波段（833.873 6 nm）和149波段（2216.3213nm）的地表反射率，提取結(jié)果見(jiàn)圖5a。

（3）改進(jìn)土壤調(diào)整植被指數(shù)

植被指數(shù)的變化能夠表征土地生產(chǎn)力的變化，從而體現(xiàn)土地沙化程度的動(dòng)態(tài)變化，為減小低密度植被下的表達(dá)誤差，消除土壤的影響，采用改進(jìn)土壤調(diào)整植被指數(shù)更準(zhǔn)確的表達(dá)研究區(qū)域植被生長(zhǎng)狀況[26，27]。該指數(shù)基于土壤調(diào)整植被指數(shù)，對(duì)于低植被覆蓋，MSAVI比SAVI具有更強(qiáng)的土壤變化表征能力，對(duì)植被覆蓋的敏感性增加超過(guò)50%。該指數(shù)適用于植被相對(duì)稀疏，能夠通過(guò)冠層看到土壤的地區(qū)，改進(jìn)土壤調(diào)整植被指數(shù)可表示為：

式中，MSAVI為改進(jìn)土壤調(diào)整植被指數(shù)，ρR和ρNIR分別為影像的32波段（662.2869 nm）和52波段（833.8736 nm）的地表反射率。改進(jìn)土壤調(diào)整植被指數(shù)提取結(jié)果見(jiàn)圖5b。

圖5 地表反照率（Albedo）和改進(jìn)土壤調(diào)整植被指數(shù)（OSAVI）提取結(jié)果Fig.5 The result of Albedo and OSAVI

2.2 人機(jī)交互解譯

人工交互解譯方法依賴(lài)于先驗(yàn)知識(shí)，土地沙化監(jiān)測(cè)結(jié)果精度較高，能夠?yàn)楸疚奶峁┭芯繀^(qū)域內(nèi)的有效、可靠的土地沙化監(jiān)測(cè)結(jié)果參考數(shù)據(jù)，為各個(gè)土地沙化程度監(jiān)測(cè)指標(biāo)的判別提供依據(jù)。參考“地質(zhì)環(huán)境遙感監(jiān)測(cè)技術(shù)要求（1/25萬(wàn)）”[28]，采用三級(jí)分類(lèi)方式，沙質(zhì)荒漠化程度按風(fēng)積、風(fēng)蝕地表形態(tài)占該地面積百分比、植被覆蓋度及其綜合地貌景觀(guān)特征劃分為輕度、中度、重度3個(gè)級(jí)別，土地沙化程度的劃分（見(jiàn)表2）。

表2 人機(jī)交互解譯土地沙化程度劃分表Tab.2 The division of land desertification degree

根據(jù)遙感衛(wèi)星數(shù)據(jù)特征并結(jié)合地面調(diào)查先驗(yàn)知識(shí)，確立不同沙化程度的遙感影像解譯標(biāo)志[29]，并針對(duì)研究區(qū)內(nèi)土地沙化程度多樣且存在較多極重度沙化情況的南部地區(qū)進(jìn)行了土地沙化遙感解譯工作（圖6）。從圖6中可看出區(qū)域總體分布特征從空間分布上由北向南，沙化程度加重；自西向東，沙化程度減輕。

圖6 土地沙化遙感解譯分布圖Fig.6 The distribution of land desertification

2.3 土地沙化信息識(shí)別及提取

根據(jù)第四次全國(guó)荒漠化和沙化監(jiān)測(cè)技術(shù)規(guī)定將沙化區(qū)域按氣候類(lèi)型劃分為亞濕潤(rùn)干旱區(qū)、半干旱區(qū)、干旱區(qū)、極干旱區(qū)，不同氣候區(qū)內(nèi)按照土地沙化程度劃分為輕度、中度、重度、極重度4級(jí)。

以人機(jī)交互解譯的土地沙化監(jiān)測(cè)結(jié)果為參考數(shù)據(jù)，經(jīng)過(guò)數(shù)字化處理后，將該參考影像和高光譜反演出的到植被覆蓋度、裸土指數(shù)、地表反照率、改進(jìn)土壤調(diào)整植被指數(shù)這四種土地沙化遙感監(jiān)測(cè)指標(biāo)的影像進(jìn)行疊加分析，依據(jù)各個(gè)監(jiān)測(cè)指標(biāo)在參考影像中的不同土地沙化程度等級(jí)，得各個(gè)指標(biāo)對(duì)應(yīng)的土地沙化程度判別值（表3）。

表3 土地沙化監(jiān)測(cè)指標(biāo)Tab.3 The indicators of land desertification monitoring

將各指標(biāo)進(jìn)行累加運(yùn)算，利用決策樹(shù)分類(lèi)方法根據(jù)土地沙化監(jiān)測(cè)指標(biāo)分別進(jìn)行研究區(qū)域土地沙化程度的判定，土地沙化監(jiān)測(cè)決策樹(shù)結(jié)構(gòu)見(jiàn)圖7。

圖7 土地沙化監(jiān)測(cè)決策樹(shù)結(jié)構(gòu)Fig.7 The structure of decision tree

基于研究區(qū)域的高光譜遙感影像，分別提取植被覆蓋度、裸土指數(shù)、地表反照率、改進(jìn)土壤調(diào)整植被指數(shù)等監(jiān)測(cè)指標(biāo)，由決策樹(shù)分類(lèi)模型得到研究區(qū)土地沙化程度分布圖，如圖8所示。

圖8 土地沙化監(jiān)測(cè)結(jié)果Fig.8 The result of land desertification monitoring

3 結(jié)果分析與驗(yàn)證

采用土地沙化綜合監(jiān)測(cè)指標(biāo)以及決策樹(shù)分類(lèi)的方式，得到的研究區(qū)域土地沙化遙感監(jiān)測(cè)結(jié)果（表4）。

表4 研究區(qū)域土地沙化監(jiān)測(cè)統(tǒng)計(jì)表Tab.4 The statistical table of land desertification in study area

除耕地、建設(shè)用地以及水體外，極重度沙化區(qū)面積為271.63 km2，占總面積的2.71%，主要分布在烏審旗烏蘭陶勒蓋鎮(zhèn)、榆林市小壕兔鄉(xiāng)和孟家灣鄉(xiāng)；重度沙化區(qū)面積為1 685.85 km2，占總面積的16.80%，主要分布在烏審旗、榆林市、神木縣以及工作區(qū)北部的達(dá)拉特旗；中度沙化區(qū)面積最大，為5462.70 km2，占總面積的54.44%，遍布整個(gè)研究區(qū)域；輕度沙化區(qū)面積為2 457.77 km2，占總面積的24.49%，主要分布在伊金霍洛旗的阿勒騰錫熱鎮(zhèn)、扎薩克鎮(zhèn)以及烏蘭木倫鎮(zhèn)；非沙化區(qū)面積為156.45km2，占總面積的1.56%，主要分布在伊金霍洛旗的阿勒騰錫熱鎮(zhèn)、扎薩克鎮(zhèn)以及烏蘭木倫鎮(zhèn)，地形上主要分布在溝谷地帶。

采用已有的人機(jī)交互解譯結(jié)果對(duì)現(xiàn)有的決策樹(shù)分類(lèi)沙化監(jiān)測(cè)結(jié)果進(jìn)行驗(yàn)證（圖9）。在定性驗(yàn)證方面，現(xiàn)有結(jié)果的極重度沙化區(qū)和原有結(jié)果的重度沙化區(qū)套合情況較好，邊界明顯。

圖9 人機(jī)交互解譯結(jié)果與決策樹(shù)分類(lèi)結(jié)果套合情況Fig.9 The nested condition of result

在定量驗(yàn)證方面，采用接收者操作特征曲線(xiàn)（Receiver Operating Characteristic Curve，ROC）來(lái)驗(yàn)證現(xiàn)有結(jié)果。接收者操作特征曲線(xiàn)是一種對(duì)于靈敏度進(jìn)行描述的功能圖像[30]，被廣泛應(yīng)用于包括環(huán)境評(píng)價(jià)在內(nèi)的各個(gè)領(lǐng)域。在ROC曲線(xiàn)分析中，曲線(xiàn)下面積(The Area Under the ROCCurve，AUC)與驗(yàn)證精度之間的定性和定量關(guān)系可分為差（0.5～0.6）、一般（0.6～0.7）、良好（0.7～0.8）、非常好（0.8～0.9）和優(yōu)秀（0.9～1）。

ROC曲線(xiàn)如圖10所示，決策樹(shù)分類(lèi)結(jié)果的驗(yàn)證精度AUC值為0.603，對(duì)驗(yàn)證結(jié)果進(jìn)行分析，沙化程度匹配不一致的主要原因?yàn)椋和恋厣郴潭确诸?lèi)級(jí)別在人機(jī)交互解譯和決策樹(shù)分類(lèi)過(guò)程中存在差異；采用土地沙化遙感綜合檢測(cè)指標(biāo)和決策樹(shù)分類(lèi)模型的方法在對(duì)土地沙化的精細(xì)刻化上比人機(jī)交互解譯方法表現(xiàn)更加優(yōu)越。

圖10 土地沙化監(jiān)測(cè)結(jié)果ROC曲線(xiàn)Fig.10 The ROC of land desertification monitoring

4 結(jié)論

本文基于高光譜衛(wèi)星數(shù)據(jù)對(duì)研究區(qū)進(jìn)行了土地沙化遙感解譯、沙化程度識(shí)別提取和評(píng)估，人機(jī)交互解譯方法能夠提供真實(shí)可靠的研究區(qū)域土地沙化監(jiān)測(cè)結(jié)果，是決策樹(shù)分類(lèi)模型建立的基礎(chǔ)，同時(shí)能夠?yàn)榻Y(jié)果驗(yàn)證提供數(shù)據(jù)支撐。同時(shí)利用高光譜衛(wèi)星數(shù)據(jù)精細(xì)光譜特征的優(yōu)勢(shì)，反演了植被覆蓋度、裸土指數(shù)、地表反照率、改進(jìn)土壤調(diào)整植被指數(shù)，將這四種指標(biāo)作為土地沙化綜合監(jiān)測(cè)指標(biāo)，將土地沙化程度分為極重度沙化、重度沙化、中度沙化、輕度沙化四個(gè)級(jí)別，基于人工交互解譯的參考數(shù)據(jù)確定各個(gè)監(jiān)測(cè)指標(biāo)的土地沙化程度判別值，采用決策樹(shù)分類(lèi)方法完成土地沙化程度的判定，效果較好。

總體來(lái)看，研究區(qū)域土地沙化總體分布廣泛，從空間分布上由北向南，沙化程度加重；自西向東，沙化程度減輕，非沙化地區(qū)主要集中于溝谷地帶，土地沙化分布和區(qū)域地形地貌，水文特征情況相匹配，顯示出高光譜遙感技術(shù)可為黃河中游地區(qū)的土地沙化定量反演及監(jiān)測(cè)研究提供行之有效的技術(shù)支撐。