基于遥感技术的干旱区土地盐碱化分级_亢庆

第20卷第3期干旱区资源与环境Vo l.20No.3 2006年5月Jo urnal o f Arid Land Reso urces and Enviro nm ent May.2006

文章编号:1003-7578(2006)03-144-05

基于遥感技术的干旱区土地盐碱化分级*

亢庆,张增祥,赵晓丽,于嵘

(中国科学院遥感应用研究所,北京,100101)

提要:通过分析干旱区土地盐碱化环境的地表景观特征和遥感信息特征,基于SPOT、ASTER多平台多波段遥感数据和DEM、土壤样品分析数据等多源数据,采用光谱角度制图

(SAM)的遥感图像分类方法对实验区土地盐碱化程度进行了分级制图。该方法对常规数据

的依赖性较小,适于西部干旱地区的土地盐碱化快速监测和评估。

关键词:遥感;土地盐碱化;干旱区;监测;分类

中图分类号:X87文献标识码:A

盐碱化是干旱地区土地退化的一种主要形式和诱因。我国西部干旱地区,在干旱的荒漠气候、富含盐分的母质、地表和地下水的动力作用以及特殊的地形等因素的综合作用下,形成了大面积的土地盐碱化现象。这些地区通常地处偏远,大范围的实地调查研究工作很难开展,而遥感技术在土地盐碱化的快速监测方面可发挥其优势。

土地盐碱化的遥感监测研究工作始于20世纪70年代,随着遥感技术、GIS技术和GPS技术的发展,经历了从目视解译到基于数字图像处理的计算机自动分类等阶段,也经历了一个静态定性研究到动态定量研究的发展历程。目前,对土地盐碱化程度进行定量和半定量的遥感检测方法多采用基于GIS技术的多源数据融合与集成。但其精度很大程度上由常规辅助数据决定,例如:地下水埋深、地下水矿化度等[1,2]。这类方法对于地广人稀、基础数据缺乏的西部干旱地区并不适用。

本文在分析西部干旱区土地盐碱化景观特征的基础上,依靠和充分利用遥感信息,采用光谱角度制图(SAM)的计算机分类方法提取土地盐碱化的信息,并对盐碱化程度进行了快速评估和分级制图。

1实验区及数据选择

1.1实验区的环境背景

实验区位于新疆艾比湖洼地,东经82b03c00"至83b14c24",北纬44b23c43"至45b05c06",南北和东西长度均为60km,属博尔塔拉蒙古自治州的博乐市和精河县辖区内。艾比湖地处天山北麓,北临阿拉山口,长约35km,宽约18km,海拔189m,湖水面积500km2左右,是准噶尔盆地西部的最低洼地和河流汇集中心,有奎屯河、博尔塔拉河、精河、四棵树河四条河流注入。该地区属温带干旱性气候,光照充足,干燥少雨。年蒸发量1626m m,年降水量不足100m m。独特的地形构造、富含盐分的母质环境、干旱的气候以及地表、地下水的动力作用,使艾比湖地区发生强烈的积盐活动,成为新疆第一大咸水湖。建国以来由于对该流域几大河流农垦开荒,下游水量减少或断流,引起湖面缩小,土地次生盐碱化明显。该地区具有干旱区土地盐碱化的典型特征[3]。

实验区北临艾比湖,南部和西部分布洪积扇和固定沙丘,中部和东部为湖区和湖滨平原,地势西南高,东北低。博尔塔拉河和精河由南向北汇入艾比湖。北部和西部的洪积扇和固定沙丘上植被稀少,主要生

*收稿日期:2005-03-25。

基金项目:中国科学院知识创新工程重要方向项目(KZCX3-SW-334):生态安全相关要素的定量遥感关键技术研究。

作者简介:亢庆(1973.5)男,汉族,籍贯:河南济源市,中国科学院遥感应用研究所博士生,研究方向为国土资源遥感。k qin g531@ http://www.360docs.net/doc/info-1301ec84172ded630a1cb633.html)

长野生的梭梭、骆驼刺等耐旱植物。中部和东部湖滨平原大部分已开垦,种植棉花、玉米等作物。博尔塔拉河、精河两岸及湖边地区有沼泽分布,因土地盐碱化严重,生长了芦苇、珍珠柴、胡杨等耐盐自然植被。除农田和盖度不高的自然植被分布区外,因干旱和盐碱作用,该地区有大量的地表裸露。

1.2 遥感数据的选择

Csillag,Pasztor 和Biehl 在研究中曾提出区分不同盐化和碱化过程土地状态的五个光谱段,分别为:可见光(0.55-0.77L m),近红外(0.9-1.3L m),中红外(1.94- 2.15,2.15- 2.3,2.33- 2.4L m)波段[7]。为了充分利用遥感信息,本研究选用了覆盖这些波段的SPOT4图像(2004年7月12日)和AST ER 图像(2004年7月15日)作为数据源,将13个波段数据组成了遥感数据集(表1)。

表1图像数据波段组合T ab.1Dataset o f images

波段范围(L m)空间分辨率

(m)S POT

Band1

0.50-0.5920Band20.61-0.6820Band30.78-0.8920Band4 1.58-1.7520AS TER Band10.52-0.6015Band20.63-0.6915Band3N 0.76-0.8615Band4

1.600-1.70030Band5

2.145-2.18530Band6 2.185-2.22530Band7 2.235-2.28530Band8 2.295-2.36530Band9

2.360-2.430

基于遥感技术的干旱区土地盐碱化分级_亢庆

30

图1 数据处理流程图

Fig.1F ramewo rk fo r data pr ocessing

1.3 其他数据

地下水埋深与盐碱化程度有着明显的相关关系[1,2]。在无法获取地下水埋深数据的情况下,本研究使用了1B 25万的DEM 数据作为替代。

此外,研究还进行了卫星同步的实地调查和采样,获得了盐碱的实验室分析数据,以用于建立盐碱化反演模型和验证。

2 方法介绍

2.1 常规工作

主要是同步地面调查,针对不同形态和盐碱化水平的地表进行光谱测量、植被样方测量、土壤采样以及现场拍照。土壤样品化学分析指标主要有:pH 值、电导率、有机质含量、盐分含量等。植被样方测量项目有:生物量(湿重)、盖度等。

根据实测分析结果,本研究定义实验区土地盐碱化程度分级标准:含盐量大于5%的地区为盐土和重盐碱化;2%-5%为中度盐碱化;0.5-2%为轻度盐碱化;小于0.5%为非盐碱化。2.2 图像分类方法介绍

图像数据处理的工作流程如图1所示:

最小噪声化变换(M NF)包括两次主成分变换,对多光谱图像进行降维、去噪声,并减小图像进一步处理的运算量[8]。变换后的数据空间分为两部分,一部分由含信息量大的图像组分组成,另一部分由噪声图像组成。根据M NF 分量中信息量大的组分确定光谱特征空间维度,用于光谱纯化指数(Pix el Pur ity In -dex ,PPI)分析。PPI 分析方法是基于图像统计来进行纯像元分析的,该方法认为图像数据集合在N 维空间中形成凸集,像元向量是N 维空间上的矢量。多光谱图像经过M NF 变换,可生成大量穿过数据集合内部的随机测试向量。进行PPI 分析时,将光谱点分别往各个测试向量上投影,然后以选定的阈值确定各方向上的极值点。随着向量方向的不断变化,对图像中每个像元作为极值点的次数进行统计和记录,最后认定出现频率最高的点即是纯像元[9,10]。但PPI 分析得到的纯像元的物理意义往往不明确,需要根据实测光谱或光谱库进行确认。本研究中采用了PPI 分析和实地调查数据相结合的方法确定纯像元。

#

145#第3期亢庆等 基于遥感技术的干旱区土地盐碱化分级

光谱角度制图(Spectral A ng le M apper,SAM )分类是基于地物光谱性质的分类方法。该方法将多光谱图像的多个波段看做N 维向量空间,像元光谱视为该空间的向量。分类时,纯像元光谱作为参考光谱矢量,计算待分类像元光谱矢量与各参考光谱矢量的角度,角度越小,代表与某参考光谱矢量更为匹配,根据阈值确定像元是否归入参考地物的类别。当角度超出预设阈值时,该矢量不归入任何类[11]。

3 处理过程

3.1 遥感数据预处理及其他数据整理

将13个波段的遥感数据与DEM 数据进行几何配准,将各层数据层的像元大小重采样为15m,按所有数据层叠合的范围进行裁切,形成具有14层数据的数据集;

根据短波红外波段对水体的强吸收特性,通过指定阈值制作掩膜,将湖水、水库等水体的数据隔离不参与处理;

将实测点数字化,建立与待处理数据集配准的矢量图层和感兴趣区(ROI);

根据各实测点ROI 提取对应数据集的DN 值,以数据集波段为X 坐标轴建立特征曲线(以下称/图像特征曲线0),进而建立与实测点景观特征对应的图像特征曲线库;

将实测的土地样品化学分析结果根据不同地表景观特征和盐碱化水平进行分类整理。3.2 MNF 变换和PPI 分析

将14层遥感数据集按图1所示的流程进行M NF 变换以及PPI 迭代运算,统计结果以N 维散度图的形式表示。

3.3 散点图分析及纯像元选择

根据PPI 统计的结果,计算机自动进行了分析比较,并选定了9类纯像元。为了确定这些纯像元所代表的实际意义,我们将这9类纯像元对应的遥感数据集的像元DN 值平均,并建立图像特征曲线,与图像特征曲线库进行比较分析。结果发现,9类纯像元中有几类纯像元统计数量很少,代表的物理意义不明确或无价值,例如:掩膜边缘的少量像元、特殊岩性的山体等。而其他几类数量较大的纯像元特征曲线与图像特征曲线库中代表特定地表景观特征的曲线变化规律相似,分别是:湿盐壳、干燥疏松盐壳、盐碱草地、沙丘、冲积扇、高盖度植被、低盖度植被7类地物(表2)。

表2纯像元的地表景观特征

T ab.2Land surface features of pure pix els

地表形态地表特征描述

盐碱化程度平均生物量(kg/25m 2湿重)

平均土壤含水量(0-30cm)平均土壤全盐含量(%)湿盐壳与盐碱沼泽盐壳坚硬,湿润,覆盖盐结晶层。生长少量盐爪爪等盐生植物。重

5.09

22.07%

8.22

干燥疏松盐壳

盐壳疏松、干燥,有盐结晶。生长少量梭梭、红柳等盐生植物。

重8.87 3.96%8.76

盐碱草地盐壳干燥,有少量盐结晶。生长梭梭、红柳、胡杨等,覆盖度低。中19.7 4.6% 2.79低盖度植被区主要是长势差的棉花等农作物,以及红柳等自然盐生植物。覆盖度中等。轻47.18.9% 1.16高盖度植被区主要是棉花等农作物,覆盖度高。无162.516.7%0.42洪积扇地表

干旱,多砾石。生长梭梭、红柳,覆盖度低。

无 3.27 1.9%0.48沙丘

干旱,生长少量梭梭,覆盖率极低。

0.18

0.2%

0.05

3.4 SAM 分类及后处理

使用上述7类地表景观纯像元对实验区图像进行SAM 自动分类,得到分类结果图。根据土地盐碱化程度的分类标准对不同级别的盐碱化区域进行了类合并处理、转矢量等处理,处理后数据引入GIS 软件进

行综合制图(图2),并进行图斑分类统计。

4 结果分析

根据分类结果图统计,实验区总面积为2656.8km 2。其中盐沼泽、干、湿盐壳等重盐碱化面积为205.

#146#干 旱 区 资 源 与 环 境第20卷

基于遥感技术的干旱区土地盐碱化分级_亢庆

图2盐碱化分类结果图(局部)

F ig.2Classif ication map of land salinizatio n (Par t of w hole map)

1km 2,占7.72%。中盐碱化地区面积为590.5km 2,占22.33%。轻盐碱化面积为468.1km 2

,占17.62%。未盐碱化地区1271km 2

,占47.84%。其他未分类部分面积为122.2km 2

,占4.6%。未分类地区主要是艾比湖区、水库、河流等水体、山体,以及道路、建筑物等。

从图2中可以看到,重盐碱化地区主要分布在地势低平的艾比湖湖滨平原和博尔塔拉河谷地。盐碱化程度自湖滨向地势较高的洪积扇地区递减。轻盐碱化地区位于中或重盐碱化地区与农田的过渡地带,因盐碱化因素的影响,该地带的农作物长势较差,植被覆盖度降低。沿博尔塔拉河两侧地区易发生盐碱化,广泛分布中或轻度盐碱化的草地和农田。

5 结语

本实验对西部干旱地区土地盐碱化遥感研究的适用性进行了探索。在较少地面数据的条件下,充分考虑地理环境因素,从分析地表景观与盐碱化程度的关系入手,采用基于光谱特征提取的方法,充分利用SPOT 和ASTER 多光谱信息,并结合DEM 数据,实现了干旱地区土地盐碱化信息的的快速提取。在结合一定地面实测数据的基础上,研究得到了半定量化的土地盐碱化程度分级评价结果。实验证明,该研究提供了一个可行的干旱区盐碱化程度快速评估方法。

文献

[1]彭望琭.土地盐碱化量化的遥感与GIS 实验[J ].遥感学报,1997(3):237-240.

[2]骆玉霞,陈焕伟.GIS 支持下的TM 图像土地盐碱化分级[J].遥感信息,2001(4):12-15.

[3]中国气象科学数据共享服务网,http://www.360docs.net/doc/info-1301ec84172ded630a1cb633.html/pub lics ervice/clim ate.jsp?ST PROVID=新疆&s tation=51334.2003.[4]吴昀昭,田庆久,季峻峰,陈骏,惠凤鸣.土地光学遥感的理论、方法及应用[J].遥感信息,2003(1):40-47.

[5]M ougenot,B.,Poug et,M .,&Ep ema.G.Remote Sen sing of salt-affected s oils[J].Remot S ens ing Review s,1993(7):241-259.[6]M etternicht,G.I.,Zink,J.A.Remote sensing of soil salinity:potentials and constraints [J ].Remote Sensing of Environm ent,2003

(85):1-20.

[7]Csillag,F.,Pasztor,L.,&Biehl.Sp ectral band s election for the characterization of salinity statu s of soils[J ].Remote S ens ing of E nv-i

ronment,1993(43):231-242.

[8]Boardman ,J.W.,and K ruse, F. A.Automated sp ectral analysis :a geological ex ample u sing AVIRIS data,north Grapevine

M oun tains ,Nevada:in Proceedings,ERIM Tenth T hem atic Conferen ce on Geologic Remote S ens ing,Environm ental Res earch Ins titu te of M ichigan,Ann Arbor,M I,1994,pp.I-407-I-418.

[9]薛绮,匡纲要,李智勇.基于线性混合模型的高光谱图像端元提取[J ].遥感技术与应用,2004(6):197-201.

#

147#第3期亢庆等 基于遥感技术的干旱区土地盐碱化分级

[10]T heiler J,Lavenier D,H arvey N,et http://www.360docs.net/doc/info-1301ec84172ded630a1cb633.htmling blocks of sk ew ers for faster com putation of Pixel Purity In dex.SPIE Int Conf Optical

Science and T echology,2000.

[11]Krus e, F. A.,Lefkoff, A. B.,Boardman,J. B.,H eidebrecht,K. B.,Sh apiro, A.T.,Barloon,P.J.,an d Goetz , A. F.H.,

1993,"Th e Spectral Image Process ing Sys tem (S IPS)-Interactive Visualization and Analysis of Im aging spectrom eter Data"[J ].Re -mote Sensing of Environm ent,v.44,p.145-163.

Remote Sensing Application to Rapid Survey of Land Salinization Based on Multi _source Images

KA N G Q ing ,ZH A NG Zeng-xiang,ZH AO Xiao-li,Y U Rong

(Ins titute of Rem ote sen sing Applications,Chinese Academic of Sciences,Beijing 100101,China)

Abstract

In this paper,a classificatio n m ethod of SAM w as per for med to sur vey ex tent of land salinization rapidly by analyzing the character s of land sur face features and r em ote sensing inform ation in ar id area.In o rder to extract info rmatio n o f salinizatio n in effect,the multispectr al data from different remote sens -ing plats(SPOT and ASTER)w ere used,besides DEM and lab data o f soil samples.T he quantified re -sults o f salinized soil g rades w ere achieved,by the method w hich was resultful for rapid assessment of land salinizatio n,especially in remo te arid ar ea w here conv entional methods ar e restricted.

Keywords:r em ote sensing ;land salinization;soil salinization;ar id area;classification

#148#干 旱 区 资 源 与 环 境第20卷

基于遥感技术的干旱区土地盐碱化分级_亢庆的相关文档搜索

相关文档