对于具有不同时空尺度的复杂的荒漠化监测国内外学者已达成共识, 必须采用先进的技术手段和最新的研究成果, 以提高监测水平, 扩展监测内容(安惠民, 1991; 吴薇, 1997; 陆诗雷, 1998)。我国在试点研究和专家论证的基础上, 1998年编写了“全国荒漠化监测主要技术规定”, 1998~1999年开展了第一次荒漠化监测工作。荒漠化监测中应该解决土地利用类型、荒漠化类型和荒漠化程度的专题信息提取。对于土地利用类型, 用TM图像目视解译基本能够解决; 对荒漠化类型用任何遥感信息源进行自动分类可能精度都不会太高, 因为无论是风蚀荒漠化、水蚀荒漠化, 还是盐渍荒漠化或冻融荒漠化, 每一种荒漠化类型中的土地利用类型都不单一; 对于荒漠化程度评价有很多指标, 其中有定量的, 也有定性的, 如果对定量指标用遥感方法定性解译, 则失去了定量化指标的意义。

高光谱遥感技术是20世纪末的最后20年中人类在对地观测方面取得的重大技术突破之一。由于光谱分辨率大幅度提高, 使得一些定量的地物参数反演成为可能(陈述彭, 1997)。本研究选取科尔沁沙地的内蒙奈曼旗为研究试验区, 对荒漠化程度及其主要评价因子进行了定量的遥感信息模型的研究。

1 数据获取

试验区选择在内蒙古自治区奈曼旗境内, 总面积约8000 km²。该地区属风蚀荒漠化比较典型的地区, 中国科学院兰州沙漠研究所在此设有生态定位研究站。选择了试验区后收集了有关资料。飞行时间为2000-06-17~18, 共飞行两个架次。飞行时天气晴好无云, 气象部门测定能见度为26 km。飞行范围为科尔沁沙地(奈曼旗) :E120°30'~121°30', N 42°35'~43°35'。飞行方式采用条带抽样, 共布设6条航带, 机载高光谱数据的获取采用中科院上海技术物理所研制的OMIS-I实用模块化成像光谱仪系统, 该系统的主要参数为:在0.4~12.5 μm的光谱范围内分128波段, 扫描宽度512像元, 瞬时视场3毫弧度, 总视场90度。

地面调查:在预选出的调查图斑内, 选择具有代表性的样方, 用GPS确定精确的地理位置, 并对样方进行植被、土壤等方面的各项因子调查, 共调查50个样地, 样方的面积为草地1 m²、灌木100 m²。

2 荒漠化程度评价方法 2.1 荒漠化评价指标

荒漠化评价指标的选取, 应用已有的研究成果:

(1)

D为荒漠化程度; G为植被状况; T为土壤状况; B为地表状况(王君厚余, 1996)。

根据外业调查, 奈曼旗有风蚀、水蚀和盐渍化三种荒漠化类型, 其中风蚀荒漠化是主要类型。

2.2 荒漠化评价的方法

对荒漠化程度评价用公式(2)计算:

(2)

D为某一荒漠化土地单元(地块或图斑)程度指数, n为评价指标因子数, X_i为第i个评价因子的权重, Y_ij为第i个评价因子在第j个等级标准时的等级值。

为了从遥感数据中获取指标值并参照已有研究成果, 将每个指标划分为5个等级标准, 并赋予等级值, 而各指标因子的权重总和为10, 由此而建立起风蚀荒漠化土地程度评价指标体系见表 1, 在荒漠化土地程度的判定中, 可根据各指标编码的等级值, 可利用公式(2)求得该地块(图斑)的荒漠化程度指数, 荒漠化程度等级标准, 见表 2 (王君厚等, 1996; 高尚武等, 1998)。

3 主要评价因子的定量反演 3.1 植被生物量导数光谱的理论分析模型

为了不失一般性, 假定某一像元的光谱反射率为:

R_V和R_S分别是纯植被分量和纯土壤分量的反射率, α、β代表在单位面积内R_V和R_S所占的面积百分比。由于α可用一个简单的反射模型来表示(Price, 1993), 即:

式中, L为叶面积指数、c=a²-s², a为吸收系数, s为散射系数。这样该像素的光谱即为:

对上式进行微分:

由于在植被“红边” (680 < λ < 800 nm)的光谱范围内:

由此式可解出叶面积指数:

考虑到到导数运算增强了高频信息, 导致了较大的噪声的特点, 在分析中利用λ₁ (680 nm)到λ₂ (800 nm)之间的导数波形的积分作为反映植被信息的因子ϕ。

其中λ₁到λ₂是反映植被“红边”特性的光谱段, ϕ_v是指纯植被分量的导数谱在λ₁到λ₂之间的积分, 亦即是全植被覆盖时在λ₁到λ₂的积分。

从中解出叶面积指数:

如果ϕ=ϕ_v, 则叶面积数L趋于∞, 如果ϕ=0, 则L=0定义ϕ/ϕ_v为归一化植被因子Φ则

(3)

这就是叶面积指数的理论模型。

根据生物量与叶面积指数关系模型(童庆禧等, 1997), 植被生物量与叶生物量与总生物量之比、特定叶面积指数有关:

(4)

式中L_T是叶生物量与地上总干生物量之比; L_S是叶面积指数与叶生物量之比, 称为特定叶面积指数。将公式(3)代入(4)得:

L_T和L_S都是与植被类型有关的参数, 很难直接从成象光谱仪数据中获得。对研究区域用实测数据进行模拟, 得到一个半经验、半理论的生物量公式, 拟合分析见图 1。

图 1的公式是用草地和灌木的样地数据拟合的(该植被类型只有9个样地), 公式中的X是ln (1-Φ), 在实际操作中, 先对原始图像进行求导, 对每一植被类型在“红变”范围内积分找出最大值, 以此为基准做归一化得Φ。从图中可知:多项式模型的精度要明显高于线性模型。研究中发现, 当植被类型单一时, 模型即为较高精度的线性模型, 但是, 模型的使用范围受到限制, 只能分块进行计算。因此, 根据实地测得的各类灌、草的光谱曲线, 灌木和草地的光谱在“红边”范围内曲线相差很小, 在只有灌木和草地的区域用多项式模型反演生物量。

3.2 植被盖度的估计

对于同一种植被类型, 盖度越大则其生物量越大。因此, 对植被盖度的估计同样应该分植被类型进行, 根据上面的分析, 仍将灌木和草地作为一类处理。用灌木和草地的样地资料对归一化植被因子Φ与植被盖度之间的关系进行拟合, 结果见图 2。

公式中的X为2.1节定义的归一化植被因子Φ=ϕ/ϕ_v。

3.3 土壤含水量的计算模型

用遥感方法监测土壤含水量, 很多研究者多通过土壤热惯量来获取含水率的数据。荒漠化地区植被盖度较低, 根据隋洪智等人的研究, 在裸土或低植被覆盖率条件下:

式中:W为土壤含量; P为土壤热惯量,

K为热传导系数, r为比热容, ρ为密度。

从热惯量的定义可以看出, 与土壤含水率有关的许多物理性质都包含在热惯量中, 所以, 在土壤含水量的研究中转为研究土壤含水量与热惯量的关系就很自然。但如何获得土壤热惯量P很难, 因为K、c、ρ都难以同遥感信息对应。许多研究人员(肖乾广, 1990; 马霭乃, 1997)从热传导方程出发经理论推导得到下式

式中, A为反照度, △T为地面昼夜温差, P为热惯量, Q为总辐射。由于在一定光谱范围内总辐射相同, 因此, P随(1-A) /△T的值的增大单调上升, (1-A) /△T值的大小反映热惯量P的相对大小。

这样, △T可通过对各类地物实测获得, 也可在气象定位观测站查得, 对反照度A, 根据马霭乃的研究结果:

Vis为可见光范围内波段(400~760 nm)反射率的加和, Nir为近红外范围内的波段(760~1080 nm)反射率加和。

这样, 从成像光谱仪数据中计算(1-A) /△T, 用样地实测数据对土壤含水率与(1-A) /△T进行拟合得土壤含水率的计算公式, 结果见图 3。

4 荒漠化程度评价遥感信息模型的建立

遥感信息模型与一般的数学模型相比, 其变量一定是与地理分布有关的(即与图像有关), 并且是离散和可视化的。遥感信息中最基本的几何单元是像元, 因此遥感信息模型是按像元计算的。在第3节分别对植被生物量、植被盖度、和土壤含水率用成像光谱仪数据按像元进行了定量反演; 对沙丘形态、地表结皮状况和土壤质地三个因子, 用成像光谱图像结合TM图像目视解译, 获得各因子的编码图, 对编码图用公式(5)进行影像化。

(5)

g是每个编码因子的灰度值, I_min和I_max分别是整幅图像中编码的最小值和最大值, I是每一点的编码值。影像化后, 每个像元都有因子数据, 便于遥感信息模型的计算。至此, 风蚀荒漠化评价的各因子都可以按像元获得数据, 限于篇幅, 每个因子的反演图略。将植被生物量、盖度、土壤含水量、沙丘形态、地表结皮状况和土壤质地作为变量, 用公式(2)按像元进行计算便建立了荒漠化程度评价的遥感信息模型并能得到荒漠化程度等级值图, 统计整幅图像的最大值和最小值, 用公式(7)进行影像化。研究区内共6条航线, 取某一航线中的一小块为例。结果见图 4。

5 结论与讨论

用高光谱数据定量反演荒漠化地区植被生物量和盖度是比较可靠的。当反演区域内灌木和草地同时存在时, 多项式模型的精度要明显高于线性模型; 当植被类型单一时, 模型即为较高精度的线性模型, 但模型的应用地域范围受到限制, 只能分块进行计算。因此, 在只有灌木和草地的区域用多项式模型反演会提高效率。

土壤含水量的反演方法适合于地形平坦、植被比较稀疏的条件。但研究发现, 基于土壤热惯量的含水量模型具有一定的抗植被干扰能力, 这可能是由于植被的含水量与其热惯量高度相关, 而植被含水量与土壤含水量又有联系的缘故。但是, 土壤的含水量与植物的蒸腾和根系的吸收都有关系, 特别是在植被盖度较大时这种机理更为复杂, 需要进行深入的研究。

荒漠化程度评价的遥感信息模型的精度主要取决于现有荒漠化评价的方法(即评价指标是否科学合理、专家给定的权重和等级标准是否客观)以及各指标数据的获取精度。

水蚀荒漠化和盐渍荒漠化程度的评价方法与风蚀荒漠化评价方法基本相同。对定性因子采用目视解译, 对于难以反演的定量因子(如土壤含盐量、养分等), 可通过实地调查的点数据进行内插获得模拟影像。内插的方法很多, 如平面函数、斜面函数、广义样条、二元三次多项式、离散余弦变换等, 其中最常用的是二元三次多项式。但因子之间的分布区域边界需要进一步研究。