英语原文共 6 页，剩余内容已隐藏，支付完成后下载完整资料

基于遥感数据的科尔沁沙地沙漠化评价指标体系

摘要：科尔沁沙地位于东北平原和内蒙古（42°41-45°15N，118°35-123°30E）之间的过渡地带，该地区受到沙漠化的影响严重。根据地表的结构和生态环境，本文通过现场调查数据选取了植被覆盖率、裸露沙地占地比例和土壤组成作为评价指标。采用遥感数据建立了科尔沁沙漠化评价指标体系，然后利用混合谱模型获得裸露沙地的占有率。通过实地调查数据验证，结果表明该指标体系适用于科尔沁沙漠化评价。

关键词：库伦旗；沙漠化；评价指标体系；动态变化

1 引言

沙漠化指标体系主要用于评估沙漠化现状和趋势，预测沙漠化的早期变化以及确定沙漠化的原因（高和王1998）。从理论上来说制定一套完整的沙漠化评价指标体系并不困难，自20世纪70年代以来，许多国际组织和学者提出了不同的沙漠化评价指标体系。Reining在1978年建立了以自然、生物和社会为基础的沙漠化评价指标体系，粮农组织和环境规划署1984年建立了基于沙漠化不同程度的沙漠化评价指标体系，Mouat于1992年提出了基于沙漠化不同规模的沙漠化评价指标体系等。这些指标体系可能涉及几十个或几百个评价指标，但其中只有少数易于测量的指标可以适用于实践（杨和张2004）。中国研究员建立的沙漠化评价指标体系也有同样的问题，要建立沙漠化评价指标体系首先要选择一些综合性的评估指标，避免评价指标与评价过程的分离。在本研究中我们利用遥感数据进行了量化计算，从而建立了科尔沁沙地沙漠化评价指标体系。

2 研究区概况

这项研究是在东北平原与内蒙古（42°41-45°15N，118°35-123°30E）过渡地带的科尔沁沙地进行，该地区总面积为42.3万平方公里。该区域的高度在180-650米的范围内，由于干旱气候、表层土壤贫瘠、春季强风和稀少的降水等原因破坏了植被与土壤的覆盖。除此之外，过度放牧与水资源的不合理使用也会严重影响植被和土壤的覆盖，进一步破坏了科尔沁沙地脆弱的生态环境。

3 研究方法

3.1实地调查

现有的沙漠化评价指标体系的一个缺点是缺乏实地调查，这使得结果不切合实际。在本次研究中，我们使用奈曼旗1999年9月13日（1：100000）的TM影像来确定样点。根据不同的沙漠化类型、土地利用类型和植被覆盖率，利用TM影像的粗略解译结果选择30个样地进行实地调查。将每个样本区域的中心地理坐标输入GPS接收机之后，我们用GPS接收机的导航功能逐一导航样本区域，然后从每个样本区选取2-4个典型地块（1-100m²），确定每个地块的精确地理坐标、植被指数和土壤指标等。调查内容包括地块数量与大小、天气、地理坐标、沙漠化类型、主要植物等自然指标以及植被覆盖面（乔木，灌木和草本覆盖）、植物生物量、土壤含水量等沙漠化因素类型。采用烤箱干燥法测量植物生物量和土壤含水量，本次研究从30个样本区域共获得892个有效数据。

3.2评价指标的确定

评估沙质退化的发展变化程度主要取决于地表和生态状况的变化情况（张和杨2002），建立指标体系的基本原则十分复杂，选择的指标不仅具有代表性、可以反映沙漠化程度、容易研究区域沙漠化动态变化（Kharin，1986），而且还易于观察地球表面、可以通过使用遥感和计算机技术轻松获取。

本文根据三个方面选择指标来评估沙质沙漠化程度：坡度状态（P）、土壤状态（S）和地表状态（E），沙漠化程度（D）由公式（1）计算：

（1）

结合最近发表的论文和奈曼旗的调查结果，我们将奈曼旗的沙漠化类型分为三类，并给出了各种沙漠化类型的评价指标，如表1。

表1 内蒙古奈曼旗土地沙漠化评价指标

3.3通过遥感数据计算裸露沙地占地比例

遥感将连续地球表面划分为不连续的像素来获得图像，每个像素对应于某个地面物体，并且地面物体的尺寸通过传感器的空间分辨率显示。如果每个像素表示某一确定的地物类型，则可以由地面物体确定像素的光谱曲线。事实上具有一定空间分辨率的传感器获得的信号来自于两个或两个以上地面物体的混合光谱。特别是在沙漠地区，较低的植被覆盖率会导致混合光谱现象比其他地区更为明显。

混合光谱的分析被称为混合像素分类，我们将像素的光谱特征视为不同种类纯地面物体的混合光谱（在光谱分类中，称为末端成员），并计算像素中每个纯分量所占的比例。

3.3.1线性混合光谱模型

解决混合光谱的最实际的方法是将其视为线性混合问题，遥感中的线性混合模型通常用于制成光谱等级。假设光谱带中的平均反射率等于每个分量面积分数和它们在该部分光谱中加上误差项的相应标准反射率的积之和，且面积分数之和应等于1。标准反射率可以从光谱分析、通道中最后一个光谱确定，也可以直接来自较高分辨率遥感数据。

基本假设是通过线性方法将一些不同的地面物体的光谱组合在一起，即假设每个分量是独立的。基于上述假设我们得到这个线性混合谱模型，即公式(2)：

(2)

其中，j = 1，2，...，m分量；i = 1，2，...，n个频道。是第j个分量的像素面积比，是第i个频谱信道的误差项，是误差项的和。

假设：

然后公式(2)可以改写成： (3)

如果最后一个光谱被整合，则比例系数满足公式(4)的限制：

(4)

一般而言上述的限制是不能满足的，因为难以确认所选择的最后一个光谱是否已经覆盖整个调查区域内的所有地物种类。因为是由像素组成的第j个组成部分的面积比例，所以ge;0，线性混合光谱模型中给定P和，故我们可以得到f。

3.3.2线性混合光谱模型的解

1. 无约束的最小二乘法

由于难以确定所选频谱的最后光谱是否覆盖了整个调查区域的所有地面物体，所以我们直接用等式（3）进行混合像素分类。即： (5)

构造函数，该函数的一阶导数与f相减等于0（Zhang 和Wei，1992），即：

(6)

然后可以得到： (7)

1. 有约束的最小二乘法

如果最后一个光谱是完全已知的或者其粗略范围是已知的，则当估计混合像素的每个分量比例时，所有比例的总和等于1，从等式（3）和（4）可以看出：

(8)

为了得到方程(8)中的f，构造函数，该函数的一阶导数与f相减等于0（Zhang和Wei，2000），即：

(9)

其中，，，，=[1 1···1]。根据上述方法，我们就可以得到裸露沙地的占地面积比例。

4 建立沙漠化指标评价体系

为了避免交错指标造成的判断混淆，本文采用量化方法评估沙漠化程度，即采用Deephi方法确定每个指标的权重(X_i)，对每个指标进行分级得到分级值(Y_ij)，一个沙漠化类型的程度可以通过等式(10)计算（Fan 2002）。

(10)

其中，D为特定土地沙漠化的程度指数，n为评价指标的数量，X_i为第i个评价指标，Y_ij是第j个评价指标的值。

本研究采用了国家沙漠化调查数据来实现遥感图像的轻松解读，将植被覆盖率和裸露沙地占地比分为7个等级，土壤质量分为4个等级，不同等级值的范围在1.0到4.5之间。根据过去的研究、专家判断和实验结果，我们计算多个因素的权重来获得沙漠化总值的范围，并将沙漠化程度分为四个等级：轻微、中等、重度和极端。通过公式(10)计算每个沙漠化样地面积的总值后，通过实际的现场调查沙漠化程度选择最优权重组合。裸露沙地的占地比为3.8，土壤组成为2.6，植被覆盖度为3.6。由上建立了沙漠化科学检测评价指标体系，如表2。

表2 内蒙古奈曼旗沙漠化指标评价体系

5 奈曼旗土地沙漠化评估

表3显示了2004年内蒙古奈曼旗土地沙漠化的调查结果。根据表3的调查结果我们可以得到表2中各指标值，并用公式(10)计算每个样本的沙漠化指标如表4。

表3 2004年内蒙古奈曼旗土地调查情况

<tab

剩余内容已隐藏，支付完成后下载完整资料</tab

资料编号：[26830]，资料为PDF文档或Word文档，PDF文档可免费转换为Word

您可能感兴趣的文章

• 使用假设检验应用程序对寿命分布的单调方差剩余寿命类别进行非参数检验外文翻译资料
• CAPM：理论有效性、经验难解性与实际应用外文翻译资料
• 几何变换和等效材料在电磁场数值计算中的应用外文翻译资料
• 用TERRA MODIS数据对CBERS-02卫星的CCD相机进行辐射交叉定标外文翻译资料
• 基于RSGIS对城市热岛效应的动态监测和评价方法外文翻译资料
• 人机交互促进发展: 过去，现在和未来外文翻译资料
• 软件工程和软件开发外文翻译资料
• 模拟退火的理论与实践外文翻译资料
• 基于分离估计方法和遗传算法的生物S系统推断外文翻译资料
• 基于Web的空间信息管理系统外文翻译资料