林业科学  2007, Vol. 43 Issue (5): 48-53   PDF    
0

文章信息

徐文科, 蔡体久, 琚存勇.
Xu Wenke, Cai Tijiu, Ju Cunyong.
基于RS和GIS的毛乌素沙地荒漠化程度定量估测
Quantitative Estimation of Desertification Degree Based on RS and GIS in Mu Us Sandland, Inner Mongolia
林业科学, 2007, 43(5): 48-53.
Scientia Silvae Sinicae, 2007, 43(5): 48-53.

文章历史

收稿日期:2005-12-23
修回日期:2006-06-01

作者相关文章

徐文科
蔡体久
琚存勇

基于RS和GIS的毛乌素沙地荒漠化程度定量估测
徐文科, 蔡体久, 琚存勇     
东北林业大学 哈尔滨 150040
摘要: 选取内蒙古自治区毛乌素沙地东北部伊金霍洛旗为研究区域, 以少量野外定位调查数据与其对应的RS和GIS信息为基础, 利用主成分分析、因子分析和多元线性回归分析方法,建立以像元为单位的植被盖度和生物量的定量估测模型。通过对数学模型的分析,得到影响植被盖度和生物量的主要指标(因子)。在对荒漠化程度量化分级后,建立以植被盖度和生物量2个重要指标为影响因子的荒漠化程度定量估测模型, 实现区域性荒漠化程度的定量估测。
关键词:荒漠化程度定量估测    植被盖度和生物量定量估测    RS    GIS    因子分析    多元线性回归分析    
Quantitative Estimation of Desertification Degree Based on RS and GIS in Mu Us Sandland, Inner Mongolia
Xu Wenke, Cai Tijiu, Ju Cunyong     
Northeast Forestry University Harbin 150040
Abstract: The study area was chosen in Yijinholo County, Mu Us sandland, Inner Mongolia. According to the orientation investigation data in the field and the corresponding RS and GIS information, by means of principal components analysis, common factor analysis and multiple linear regression analysis, the vegetation coverage and biomass estimation models were set up. Through the analysis of the math models, the main factor of influencing the vegetation coverage and biomass were found out. After desertification degree quantum, quantitative estimation model of desertification degree was set up by the vegetation coverage and biomass as main factors. Quantitative estimation model of desertification degree was fulfilled.
Key words: quantitative estimation of desertification degree    quantitative estimation of vegetation coverage and biomass    RS    GIS    factor analysis    multiple linear regression analysis    

植被盖度与生物量是区域性土地荒漠化程度定量评价的2个重要指标。土地荒漠化,简单的说就是土地退化和植被退化的过程,植物群落不同的退化阶段与荒漠化不同的发展进程是一致的,尽管其他指标直接或间接地影响着荒漠化的过程(张新时,1994朱震达,1994吴薇,1997高尚武等,1998杨晓晖,2000),但它们都可以归结到植被的变化过程而得到充分的反映(张新时,1994杨晓晖,2000)。而对于植被因素来说,植被盖度与生物量是2个最重要指标,又是2个最常用的指标,易于野外地面获取,也易于遥感获取,是进行荒漠化程度定量估测的最佳指标。

在以往遥感估测植被盖度和生物量的研究中,以单一植被指数模型最为多见。然而,单一植被指数使遥感数据本身蕴含的丰富信息得不到体现(Jiang et al., 2006),所建立的模型不够稳定(马文红等,2006),或者受限于特定的时间与空间,或者模型取样验证存在困难(顾祝军等,2005),在地区尺度上难以推广使用。本文基于RS和GIS信息,结合2001年8月地面调查样地数据,利用主成分分析、因子分析和多元线性回归分析方法,建立了以像元为单位的植被盖度和生物量的定量估测模型。进而以植被盖度和生物量为主要影响指标,建立了荒漠化程度的定量估测模型,为实现区域性荒漠化监测与评价的数字化提供了科学数据。

1 研究区概况与研究方法 1.1 研究区概况

以内蒙古自治区毛乌素沙地东北部伊金霍洛旗为研究区域,108°58′—101°25′ E,38°56′—39°49′ N,隶属于内蒙古自治区伊克昭盟。全旗东西长约120 km,南北宽约61 km,总面积约5 899 km2。本区气候表现出典型的大陆性季风气候特征,其主要特点是冬长夏短,寒暑变化剧烈,气候干燥,降雨集中,灾害频繁。年均降水353.6 mm,降水主要集中在7—9月,占全年降水量的60%以上。降水量自东北向西南呈递减趋势,属温带典型的干旱、半干旱气候类型。年均大风时间26 d,地表物质松散,沙源丰富,当风速≥5 m·s-1时,易导致沙尘暴发生(李博,1990朱灵益等,1993)。

本区地带性植被为本氏针茅(Stipa capillata)草原,由于历代开垦和过度放牧,原始植被已所剩无几,绝大部分地区逐渐被隐域性的沙生植被、灌丛植被、盐生植被所取代,其中以油蒿(Artemisia ordosica)为建群种的草场类型最多,面积最大,占草场总面积的51.3%(张新时,1994)。

1.2 研究方法 1.2.1 样地布设与植被调查

样点布设:于2001年8月以贯通区域的各级公路为主要调查路线,按硬梁、覆沙梁地、沙地、滩地四大土地类型分别布设样点,样点大小为20 m×20 m,样地选择时考虑了群落大小与内部均质性,样地中心测定平面坐标。并根据陈杰等(2000)丁国栋等(2004)总结的划分标准,确定记录样地荒漠化程度。植被盖度调查:植被盖度调查采用对角线法,测量植被冠幅覆盖对角线的长度总和,求算其与对角线总长度的百分比,即为植被盖度值。由于它是无量纲的百分数,用其代表像元大小范围内植被盖度。共调查样地114个,其中70个进行了生物量调查。生物量调查:生物量调查采用常规法和挖掘法。在样地范围内,草本按1 m×1 m、灌木(丛)按4 m×4 m的大小取地上和地下部分鲜质量,在实验室烘干称其质量(贾宝全等,2002),按比例反算到遥感影像像元大小的面积上。

1.2.2 信息提取

RS信息提取:采用与调查时间同步的TM遥感图像(Landsate7ETM+),在1:5万地形图上量取遥感影像上清晰可辨的典型地物点坐标,利用ERDAS8.4对遥感图像进行几何精度校正。利用ARC/INFO软件自动提取样地对应的遥感信息(TM1TM2TM3TM4TM5TM7及其各比值波段)及整个研究区域的遥感信息(蔡体久等,2003)。GIS信息的提取:采用1:5万地形图作为底图,首先用Geoway矢量化软件对研究区域地形图等高线进行矢量化,建立线状特征的地理信息数据,然后在ARC/INFO环境下利用不规则三角网格空间插值技术(TIN)对等高线进行空间插值运算,形成地面分辨率为30 m的栅格高程数据,生成DEM模型,并与遥感影像配准,获取对应影像上每一像元的坡度、坡向、海拔等GIS信息。

1.2.3 植被盖度与生物量估测因子的设置

植被盖度与生物量是荒漠化程度评价与监测的重要指标,其估测因子为遥感影像各波段灰度值、灰度比值,即TM1TM2TM3TM4TM5TM7且分别设为x1, x2, …, x14,以便建立数学模型。以及GIS因子海拔、坡度及坡向,分别设为x15, x16, x17。以上17个影响因子的设置主要考虑以下几个方面:1) TM遥感数据各波段灰度值的大小与植被的光谱反射特性、植被分布密度、植物长势、土壤含水量等因素密切相关,可设置TM1TM2TM3TM4TM5TM6为可能影响植被盖度与生物量估测的遥感因子;2)由一些对绿色植被敏感的波段组合而成的比值波段,如归一化植被指数等,可以增大信息量,减少波段间的相关性,能更好地反映植被特征,它们对植被盖度与生物量估测必然产生一定的影响;3)调查发现,植被盖度和生物量的大小与地形、地貌有一定的相关关系,设置了海拔、坡度及坡向为影响植被盖度与生物量估测的GIS因子。

1.2.4 主成分分析、因子分析与多元线性回归分析方法

主成分分析是通过对相关系数矩阵内部结构的研究,将多个变量综合为少数几个变量(因子)的一种降维的多元统计分析方法;因子分析是主成分分析的推广和发展(陈希儒等,1987);多元线性回归分析是处理某个因变量与多个自度量之间线性关系的一种统计方法。要避免多个自变量之间存在着共线性及某些自变量对因变量提供的信息量较少等不利影响,必须利用因子分析结果,以多个公因子作为自变量进行多元线性回归分析(张尧庭等,2003)。为消除变量量纲不同带来的不良影响,变量要进行中心标准化。

2 结果与分析 2.1 主成分的提取

所有的计算过程都在计算机上完成,运用统计软件SPSS10.0 for windows对17个变量进行因子分析。根据调查植被盖度的114个样地对应的遥感与GIS因子(变量)值的分析结果,选取了9个公共因子作为影响植被盖度的指标,其累积方差贡献率为96.37%。根据调查生物量的50个样地对应的遥感与GIS因子值的分析结果,选取了7个公共因子作为影响生物量的指标,其累积方差贡献率为98.96%。

2.2 指标重要性排序

根据旋转后因子提取结果(表 12),将影响植被盖度的17个指标依据提取的9个公共因子分为9类,按重要性从大到小排序:第1类重要指标为x1x2x3x4x5x6,第2类重要指标为x8x9x11,第3类重要指标为x15,第4类重要指标为x10x12,其余5类重要性依次为x17x7x14x13x16。将影响生物量的17个指标依据提取的7个公共因子分为7类,按重要性从大到小排序:第1类重要指标为x1x2x3x4x5x6,第2类重要指标为x7x8x9x10,第3类重要指标为x11x14,第4类重要指标为x12x13,其余3类重要性依次为x15x17x16

表 1 对植被盖度旋转后因子提取结果 Tab.1 Result of extracting factor after rotating for vegetation coverage
表 2 对生物量旋转后因子提取结果 Tab.2 Result of extracting factor after rotating for biomass
2.3 建立因子得分模型

根据因子得分信息,得到影响植被盖度的17个指标因子得分模型如下:

根据因子得分信息,得到影响生物量的17个指标因子得分模型如下:

2.4 利用因子得分建立多元线性回归方程

将原始变量值代入因子得分模型,得到因子的得分值,以9个公因子为自变量,植被盖度y为因度量建立多元线性回归方程:

在多元线性回归方程的检验中,Durbin-Watson检验其值DW=1.762,序列相关不显著;VIF值为1,消除了多重共线性;在回归方程的检验中复相关系数R=0.863,F=10.935,Sig.=0.000,回归关系显著。

以7个公因子为自变量,生物量y为因度量建立多元线性回归方程:

在多元线性回归方程的检验中,Durbin-Watson检验其值DW=1.774,序列相关不显著;VIF值为1,消除了多重共线性;在回归方程的检验中复相关系数R=0.752,F=2.647,Sig.为0.135,回归关系显著。

从对植被盖度和生物量估测回归模型的检验中看到回归模型的精度很高,可以进行实际的应用来对植被盖度与生物量进行估测,基本上能满足生产要求。

2.5 区域性荒漠化程度的定量标准与估测

由于影响荒漠化程度的因素很多,进行荒漠化评价的指标也多种多样,涉及到自然环境、生物、社会等各个方面。利用诸多评价指标确定荒漠化程度的定量标准和进行荒漠化程度的定量估测是很难做到的,因为很多指标为定性指标,很难进行量化,即使一些指标可以量化,但也不易获取。因此,荒漠化程度定量指标选取应符合少而精、综合性、可定量、易获取的原则。基于以上原则,本文选取植被盖度与生物量这2个指标来进行荒漠化程度的定量估测。

研究区域内土地荒漠化程度划分为5个等级:未荒漠化、轻度荒漠化、中度荒漠化、重度荒漠化、极重度荒漠化,将它们量化,分别赋予0、1、2、3、4数值。由于土地荒漠化程度与植被盖度和生物量有着密切的关系,因此可以假设它们之间呈线性关系,将荒漠化程度记为ydesert,植植被盖度记为xcover,生物量记为xbiomass。从70个样地的调查数据中抽出50个样地建立二元线性回归模型,其余20个样地进行精度检验,结果如下:

在多元线性回归方程的检验中,Durbin-Watson检验其值DW=1.409,序列相关不显著;VIF值为1.506,消除了多重共线性;在回归方程的检验中复相关系数R=0.900,F=100.239,Sig.为0.000,回归关系显著。在估测模型中,植被盖度取值范围为0~100,生物量≥0。当xcover=0, xbiomass=0,即地面无植被盖度时,荒漠化程度达到最大值4.12,土地荒漠化程度达到极严重程度。当xcover=100, xbiomass为任一大于零的数,则有ydesert<0,说明土地未发生荒漠化。这些结论都与实际情况相符合,说明线性估测模型有着很强的实用性,便于生产应用。

通过回归模型得到荒漠化程度估测值,为了便于与实测值相比较及预测荒漠化程度,将估测值划分为5个等级:若ydesert<0.5,记ydesert=0;若0.5≤ydesert<1.5,记ydesert=1;若1.5≤ydesert<2.5,记ydesert=2;若2.5≤ydesert<3.5,记ydesert=3;若3.5≤ydesert≤4.12,记ydesert=4。

将20个检验样地的植被盖度与生物量带入回归模型后,得到荒漠化程度预报值,并化分为5个等级, 与相应的荒漠化程度实测值相比较,可计算出估测方程的预报精度。结果表明:荒漠化程度总预报精度为85%,准确预报率在65%以上,预报偏差不超过一个等级,拟合效果较理想。

3 结论与建议

对影响植被盖度和生物量的RS和GIS信息主要因子进行分析,把影响植被盖度的17个指标按其重要性从大到小排序,划分为9个类型;把影响生物量的17个指标按其重要性从大到小排序,划分为7个类型。

影响植被盖度和生物量的RS与GIS指标间存在着严重的多重共线性,直接利用多元线性回归建立数学模型将不到模型的估测精度,是一个呈病态的模型,本文采用的主成分回归分析方法得到了较理想的结果。

区域性植被盖度和生物量估测一直是实际生产中难以解决的问题, 随着现代技术的发展及遥感(RS)、地理信息系统(GIS)技术的广泛应用,它们不但为区域性植被盖度和生物量估测提供了一个统一的、客观的数字空间,而且使其影响因子快速而准确的获取成为可能。本文基于RS和GIS技术,借助主成分分析、因子分析和多元线性回归分析方法对毛乌素沙地伊金霍洛旗植被盖度和生物量进行了估测,取得了良好效果。

对荒漠化程度进行定量化,共划分为5个等级,以植被盖度和生物量为主要影响指标,建立了荒漠化程度定量估测模型,并取得了良好的结果,为实现区域性荒漠化监测与评价的数字化提供了科学数据。

建议利用RS与GIS提供的信息,分别建立植被盖度和生物量估测模型, 再利用估测模型得到的植被盖度和生物量估测值, 建立荒漠化程度定量估测模型,从而实现多阶段模型估测的连续性。也就是说只要获得RS与GIS信息,就能分别得到植被盖度、生物量和荒漠化程度的估测值。本文虽然在这方面取得了一定成果,但精度还有提高的空间,仍需做进一步研究。

参考文献(References)
蔡体久, 慈龙骏, 李崇贵, 等. 2003. 基于RS和GIS的毛乌素沙地生物量估测. 中国水土保持科学, 1(2): 33-37. DOI:10.3969/j.issn.1672-3007.2003.02.006
陈杰, 龚子同, 高尚玉. 2000. 干旱地区草场荒漠化及其评价. 地理科学, 20(2): 176-181. DOI:10.3969/j.issn.1000-0690.2000.02.015
陈希儒, 王松桂. 1987. 近代回归分析. 合肥: 安徽教育出版社.
丁国栋, 赵廷宁, 范建友, 等. 2004. 荒漠化评价指标体系研究现状述评. 北京林业大学学报, 26(1): 92-96. DOI:10.3321/j.issn:1000-1522.2004.01.019
高尚武, 王葆芳, 朱灵益, 等. 1998. 中国沙质荒漠化土地监测评价指标体系. 林业科学, 34(2): 1-10. DOI:10.3321/j.issn:1001-7488.1998.02.001
顾祝军, 曾志远. 2005. 遥感植被盖度研究. 水土保持研究, 12(2): 18-21. DOI:10.3969/j.issn.1005-3409.2005.02.006
贾宝全, 蔡体久, 高志海, 等. 2002. 白刺灌丛沙包生物量的预测模型. 干旱区资源与环境, 16(1): 96-99. DOI:10.3969/j.issn.1003-7578.2002.01.017
李博. 1990. 内蒙古鄂尔多斯高原自然资源与环境研究. 北京: 科学出版社.
马文红, 韩梅, 林鑫, 等. 2006. 内蒙古温带草地植被的碳储量. 干旱区资源与环境, 20(3): 192-195. DOI:10.3969/j.issn.1003-7578.2006.03.038
吴薇. 1997. 沙漠化遥感动态监测的方法与实践. 遥感技术与应用, 12(4): 14-20.
杨晓晖. 2000. 半干旱农牧交错区土地荒漠化成因与荒漠化现状评价. 北京林业大学博士学位论文
张新时. 1994. 毛乌素沙地的生态背景及其草地建设的原则与优化模式. 植物生态学报, 18(1): 1-6. DOI:10.3321/j.issn:1005-264X.1994.01.008
张尧庭, 方开泰. 2003. 多元统计分析引论. 北京: 科学出版社.
朱灵益, 宝音. 1993. 毛乌素沙地乔灌木立地质量评价. 北京: 中国林业出版社.
朱震达. 1994. 土地荒漠化研究现状与展望. 地理研究, 13(1): 104-113.
Jiang Z, Huete A, Chen J, et al. 2006. Analysis of NPVI and scaled difference vegetation index retrievals of vegetation fraction. Remote Sensing of Environment, 101: 366-378. DOI:10.1016/j.rse.2006.01.003