东北黑土区是我国重要的商品粮生产基地，然而，由于过度开垦使得黑土地发生侵蚀退化，严重制约黑土资源的可持续利用^[1]。沟蚀是一种极端形式的土地退化现象，造成黑土层变薄，土壤有机质流失，而且蚕食耕地，致使耕地破碎^[2]，对当地的生态安全和粮食安全都构成潜在危险^[3]。侵蚀沟测量是沟蚀监测的重要内容，是开展侵蚀沟治理的前提。根据水利部全国第一次水利普查的侵蚀沟专项调查，以2.5 m分辨率遥感影像和1∶5万数字线划图为主要信息源，普查结果为东北黑土区长度在100~5 000 m的侵蚀沟共有29万5 663条^[4]，但是由于 < 100 m的侵蚀沟并未纳入统计范畴以及遥感影像分辨率限制，调查结果难以反映实际情况 ^[5-6]。

高效率、高精度的侵蚀沟测量方法对于面积广大的东北黑土区沟蚀监测具有重要意义。相比于传统的人工测量^[7]，三维激光扫描^[8]、无人机(unmanned aerial vehicle, UAV)摄影测量^[9-10]和高分卫星遥感数据^[11]获取速度快、精度高，在沟蚀监测方面得到广泛应用^[12-15]，同时在大尺度沟蚀监测方面具有巨大的应用潜力。但目前黑土区大尺度沟蚀动态监测使用的影像分辨率较低^[2]，高分辨率影像主要用于较小区域^[16]，而浅沟侵蚀监测更是局限于坡面或小流域^[17-20]。同时，由于浅沟形成后很容易因耕作或整地被填埋，监测和研究的难度更大^[15]，基于遥感影像监测浅沟的精度需要系统评估。高分七号卫星是我国首颗民用亚米级光学传输型立体测绘卫星，搭载两线阵立体相机可有效获取立体影像，实现1∶1万立体测图且重访周期仅有5 d，在国土测绘、资源调查等方面发挥重要作用^[21]，同时为黑土区监测大尺度区域沟蚀提供了可能性。

笔者在黑土区沟蚀严重的宾县选取典型流域，以无人机测量数据作为对照，评估使用高分七号卫星影像数据测量浅沟和切沟形态参数的精度，分析不同类型侵蚀沟的分布特征，力求为东北黑土区的大尺度沟蚀监测尤其是浅沟调查提供科学依据。

松嫩典型黑土亚区是东北典型黑土区的3个亚区之一，是黑土和黑钙土集中分布的区域^[22]，东部的黑土带耕地切沟侵蚀严重^[23]。笔者选择地处松嫩黑土区典型黑土带东部边缘的黑龙江省宾县马家屯流域作为研究区(图 1)，面积为4.2 km²。地形主要为低山丘陵及漫川漫岗。多年平均降雨量为570 mm，年均气温为4.8 ℃，属于温带大陆性气候。宾县主要土地利用类型为耕地，占总面积的43.5%，多为垄作形式。当地收割及整地时间为9月底至10月上中旬。

图 1(Fig. 1)

图 1 研究区位置图 Fig. 1 Location map of the study area

笔者使用的高分七号影像拍摄时间为9月26日，使用ENVI 5.6将0.8 m分辨率多光谱数据和0.65 m分辨率全色波段数据进行辐射定标、正射校正等预处理后，按主成分分析法融合，并以线性内插法重采样，真彩色合成彩色影像。通过DEM Extraction模块利用立体像对生成1 m精度的DEM(数字高程模型，digital elevation model)，再利用Arcgis 10.8软件将高分影像与无人机航拍影像通过选取十字路口，屋顶部等易于识别的地物为控制点，进行局部精确配准以减少侵蚀沟解译的误差。

利用大疆精灵4 RTK对所选小流域进行航测。无人机拍摄时间为10月29日(收获和整地已结束)，飞行高度为150 m，拍摄相片均为垂直向下的正射影像，分辨率为4 cm。通过Pix4D软件拼接正射影像，生成高程数据DSM。重新分配点云(LAS)进行分层滤波，确定地面层后对植被层进行自动过滤，经人工筛查再次剔除未滤净的植被层点云后重新生成高程数据，得到处理过的流域DEM，利用Arcgis将DEM重采样至0.04 m。由于无人机航拍是在秋收和整地以后，因此，耕地地面植被稀少，对点DEM精度影响很小。

浅沟属于沟蚀的快速发育阶段，会在翻耕时被暂时消除，但在下次强径流事件发生时再次出现^[24]，且随着时间的推移浅沟会在反复过程中出现增大的趋势。如果不加以控制则会持续发育，可能会形成切沟^[25]。切沟是指不能被普通耕作通过的侵蚀沟^[26]，沟宽一般为几米至十几米，而切沟的出现通常标志着土地退化已经发展到足以引起特别关注的极端形式^[16]。国内外对于浅沟和切沟的规模并没有严格的标准^[27]。笔者参考宾县地形、土壤等条件及前人研究成果^{[18, 23]}确定切沟和浅沟的解译条件：1)研究区内提取的切沟和浅沟的切割宽度在7 m以内；2)浅沟和切沟的形成与发育多垂直于等高线^[28]；3)切沟形成后不可横过耕作，浅沟则不影响耕作，参考不同时相的Google影像，判断沟道是否长期存在，是否影响春耕，从而区分浅沟和切沟。考虑到高分七号影像的分辨率难以精确提取浅沟面积，只提取浅沟的中心线，计算浅沟的沟长；切沟从其沟头位置开始勾描沟缘线，计算切沟面积和周长；提取其中心线作为切沟沟长，同时提取中心线的DEM值计算最大沟深；在切沟内等间距选取5个断面，测量各断面的水平距离的均值，即为切沟宽度；基于DEM提取所选的断面高程值从而计算平均沟深；利用切沟边界分别裁剪无人机影像数据生成的DEM和高分七号影像生成的DEM，分别基于无人机测量DEM和高分七号DEM计算切沟体积^[29]。遥感影像处理和空间数据分析所使用坐标系均为WGS 84大地坐标系以及UTM投影坐标系。

采用T检验对比基于高分七号与无人机影像提取的侵蚀沟参数的差异性，包括浅沟沟长、切沟沟长、沟宽、面积等二维参数(以及沟深、体积等三维参数。选择3个误差评价指标^[29]评估GF-7号影像解译侵蚀沟的精度：

式中：R_mse为标准误差(均方根误差)；A_mean为平均误差；δ为相对误差；Z_g为高分影像提取的侵蚀沟形态参数；Z_u为无人机影像所提取的侵蚀沟形态参数；n为侵蚀沟数量。

对比基于2种数据源在流域内提取的所有侵蚀沟(图 2)进行分析发现：基于高分七号在研究区共解译浅沟80条，单位面积数量为19.04条/km²，平均长度102.44 m，浅沟沟壑密度为1.95 km/km²。其中42条浅沟是高分七号和无人机影像都能解译出来。另有高分七号解译的38条浅沟并未在无人机数据解译出来，其中28条无人机影像解译判别为细沟或集中水流痕迹(虽有痕迹但并未切破垄沟)，主要原因是秋收对浅沟的消除作用，另有4条是把地块边界误判为浅沟，另外6条浅沟是把耕地中的道路误判为浅沟(图 3)。无人机影像解译出浅沟64条，单位面积条数为15.23条/km²，平均长度83.43 m，浅沟密度为1.27 km/km²。其中，有22条浅沟并未在高分七号卫星数据中解译出。主要原因是高分7号分辨率的影响：未能解译浅沟的沟宽接近或小于高分七号的分辨率(沟宽＜0.5 m)，沟长较短，分布零散，且未与切沟相连。总的来说，由于分辨率的不同和拍摄时间的差异，造成基于高分七号解译小流域的浅沟密度比无人机测量数据高出53.54%。

图 2(Fig. 2)

+：解译出Interpreted; -: 未解译出Not interpreted 图 2 高分七号与无人机影像解译切沟和浅沟比较 Fig. 2 Comparison of interpreting ephemeral gullies (EG) and permanent gullies (PG) from GF-7 image and UAV image

图 3(Fig. 3)

图 3 高分七号影像浅沟误判的4种情况 Fig. 3 Four cases of EG misjudgment in GF-7 images

无人机影像解译切沟17条，单位面积条数为4.04条/km²，沟壑密度为2.02 km/km²，切沟面积密度为8 414.28 m²/km²，单条切沟最大面积为7 168.68 m²。高分七号在研究区解译切沟17条，沟壑密度为2.00 km/km²，面积密度达7 452.38 m²/km²，其中最大的单沟面积为6 787.14 m²，高分七号解译小流域切沟密度略低于无人机测量结果，线密度和面积密度的误差分别为-1.00%和-5.62%，表明其在小流域尺度上的切沟监测方面具有良好的适用性。

在研究区内2种影像都能解译的浅沟共有42条。高分影像浅沟长度解译范围为18.85~351.92 m，无人机影像浅沟长度解译范围为14.56~369.39 m，平均长度分别为112.62和108.07 m，t检验表明二者统计上无显著差异(P＞0.05)。浅沟沟长解译的平均误差为4.54 m，标准误差则高达23.68 m。高分卫星解译浅沟沟长误差值范围较大，单条浅沟解译相对误差在0.09%~113.81%之间，误差值在10%以下的浅沟占40.48%，且有21.42%的浅沟误差值＞30%。但是，总体来看高分七号与无人机影像解译的浅沟沟长具有良好的线性关系(图 4)，R²为0.93，斜率为1.005。

图 4(Fig. 4)

图 4 2种数据源解译浅沟沟长线性拟合与高分七号影像解译误差统计 Fig. 4 Linear fitting of EG length interpreted by two data sources and error statistics of interpretation of GF-7 images

对比基于2种数据源解译的17条切沟，高分七号解译切沟沟长的平均相对误差值为2.89%，标准误差与平均误差是27.68 m和-4.63 m(表 1)。沟长相对误差(δ)范围从0.01%~10.60%，主要分布在5%以内(图 5)。而相对于沟长来说，面积与沟宽的平均相对误差较大，分别是16.02%与14.92%，其中面积解译值的平均误差较大，为-228.05 m²，即多数切沟面积解译值要比无人机数据解译值偏小。面积相对误差(δ)范围为0.74%~49.07%，仅有40%的样本相对误差在10%以内。切沟宽度δ解译范围在3%~48%，主要在0~20%误差范围内。2种数据源解译的切沟沟长线性拟合度R²为0.99，斜率也接近1(图 6)；切沟面积与宽度解译值的拟合度较沟长略低，为0.97和0.94，但都表明高分七号影像解译的切沟一维和二维参数具有较高精度。个别切沟解译误差较大的原因为目视解译时由于分辨率的影响，地物间光谱特征不清楚，对切沟沟缘线的提取经常出现偏差，且主要在沟缘线走向突变的区域偏差较大，极易影响切沟宽度、面积以及体积的解译精度。

表 1(Tab. 1)

表 1 基于高分七号影像测量切沟形态参数的误差统计 Tab. 1 Measurement error statistics of PG's morphological parameters by GF-7 satellite images 切沟参数 Parameter of PG 高分七号影像切沟参数解译范围 Interpretation range of PG parameters via GF-7 images 高分七号影像切沟参数解译均值 Mean interpretation value of PG parameters via GF-7 images 标准误差 Standard error Rmse 平均误差 Average error Amean 平均相对误差 Average relative error δ/% 沟长Length/m 68.20~1 501.67 494.92 27.68 -4.63 2.89 沟宽Width/m 1.37~6.58 3.51 0.68 -0.32 14.92 周长Perimeter/m 136.76~2 996.52 994.83 63.43 -19.02 3.37 面积Area/m2 123.44~6 787.14 1 841.18 485.25 -228.05 16.02 平均沟深Average depth/m 2.25~7.04 5.47 1.34 1.24 24.46 最大沟深Maximum depth/m 2.75~8.78 8.04 1.81 1.69 27.13 纵比降Longitudinal gradient/% 0.005~0.060 0.02 0.008 0.005 7.96 体积Volume/m3 27.49~4 958.06 919.79 1 602.99 649.82 69.95

表 1 基于高分七号影像测量切沟形态参数的误差统计 Tab. 1 Measurement error statistics of PG's morphological parameters by GF-7 satellite images

图 5(Fig. 5)

图 5 基于高分七号影像提取的切沟线状和面状参数相对误差频率分布 Fig. 5 Frequency distribution of relative errors for linear and areal parameters of PGs extracted from GF-7 images

图 6(Fig. 6)

图 6 无人机与高分七号影像提取的切沟线状和面状参数线性拟合 Fig. 6 Linear fitting of linear and areal parameters of permanent gullies extracted from UAV and GF-7 images

切沟平均沟深与最大沟深的平均误差分别为1.24 m和1.69 m，相对误差分别为3.59%~57.96%和6.98%~59.45%(表 1)。黑土区切沟纵比降均值较低，误差多在7%左右。切沟体积解译的平均相对误差为69.95%，标准误差值为1 602.99 m³，相对误差最大值达292.50%。高分七号提取部分切沟的沟深值偏大(图 7)，同一条切沟的沟深提取值波动较大^[30]，基于高分七号计算的切沟体积明显低于无人机测量结果，且误差随着切沟体积的增大而增大(图 7d)。主要原因是高分7号解译的切沟面积略小于无人机影像解译结果(图 6c)，而切沟面积的数量级远大于沟深，对体积计算的结果影响更大。由图 8可见，无人机影像能够准确反映2条切沟的沟底形态，但高分7号影像仅只能够比较准确反映切沟B的沟底形态，且整体提取精度较差。

图 7(Fig. 7)

图 7 2种数据源切沟三维参数解译值与误差分析 Fig. 7 Interpretation values and error analysis of 3D parameters of PGs from 2 data sources

图 8(Fig. 8)

3D models of gully BGAUAV，GBUAV分别指无人机提取切沟A、B的DEM三维模型；GAGF-7，GBGF-7指高分七号影像提取切沟的DEM三维模型. GAUAV and GBUAV are the DEM 3D models of PGs extracted from UAV images；GAGF-7 and GBGF-7 are the DEM 3D models of PGs extracted from GF-7 satellite images. 图 8 无人机与高分七号影像提取的切沟三维模型对比 Fig. 8 Comparison of 3D models of PGs extracted from UAV and GF-7 satellite images

笔者通过遥感监测及GIS处理的方法分析东北黑土区侵蚀沟高分影像的提取监测可行性，系统性的对浅沟的提取进行评估，并重点分析切沟的形态特征解译精度，为侵蚀沟调查和监测提供重要的依据。

近年来有研究表明高分辨率卫星遥感影像(0.49 m的Google Earth影像)解译黄土高原浅沟的沟长与野外高精度实测结果无显著性差异^[31]，其研究的浅沟分布在退耕农地上，不受耕作活动的影响。本文研究结果表明东北黑土区高分七号影像解译单沟浅沟沟长的精度较高，但与无人机相比，小流域尺度下浅沟数量和密度的误差很大。主要原因有以下2个；首先，当浅沟的沟宽小于或接近高分七号影像分辨率时，无法识别浅沟，且容易把地块边界和道路误判为浅沟；其次，黑土区耕地浅沟每年在雨季重复出现，容易受到耕作和整地等农事活动影响。因此，不同时间监测的结果有较大差异。本文无人机航拍时间位于收割整地之后，部分浅沟被耕作减小乃至消除，而高分7号拍摄时间处于秋收期间，导致浅沟数量和密度的解译误差偏大。

黑土区耕地切沟内部有部分植被覆盖，但现有滤波方法难以完全去除植被的影响，因此，基于高分七号立体像对和无人机航拍生成的DEM精度非常容易受到植被的影响，从而对切沟三维参数的提取易造成较大误差。高分7号提取的切沟沟深偏大，面积偏小，体积偏小。本研究表明高分7号提取的切沟沟底形态存在较大的不确定性，这与基于卫星影像GeoEye-1立体像对提取黄土高原切沟的情况类似^[29]。

1) 高分七号影像对于沟宽接近或小于影像像元的浅沟无法识别。同时，由于浅沟可以被耕作消除导致不同时间测量的浅沟差异较大。本研究中小流域尺度浅沟数量和密度的解译误差在50%以上，存在多种情况的误判，难以用于小流域尺度的浅沟监测；但是，解译小流域切沟线密度和面密度的误差分别为1.00%和5.62%，在切沟监测方面具有适用性。

2) 基于高分七号影像解译浅沟单沟沟长的平均误差为4.54 m，相对误差值在10%以下的浅沟仅占40.48%，但与无人机测量值在统计上无显著差异，且具有良好的线性关系。

3) 高分七号提取单沟的沟长、沟宽和面积的可靠性较高，平均误差分别为2.89%，14.92% 与16.02%。切沟平均沟深的平均误差为1.24 m，相对误差24.46%，纵比降误差多在7%左右。切沟体积解译的平均相对误差为69.95%，高分七号在提取三维切沟参数存有较大误差，无法用于切沟侵蚀量的测量。