土地沙质荒漠化遥感调查与监测
吉林大学地探学院地信专业 李允 62120206
摘要：土地荒漠化是全球的重大生态环境问题。对荒漠化进行调查与监测，掌握荒漠化的现状、程度及动态演变规律，是有效防治荒漠化的必要前提。近年来，全球其他国家及我国在荒漠化监测方法上已做了大量研究，取得了许多重要的成果。但是，荒漠化因其面积广大、类型复杂等特点，在监测方法的科学性和有效性等方面还存在不少问题。本文围绕着利用遥感技术来对土地荒漠化进行调查和监测，主要包括：国内外调查和研究现状，遥感调查和研究的基本原理，相关的遥感新技术，结果和存在问题，未来发展方向等方面。
关键词：土地沙质荒漠化 遥感 监测
一，国内外调查和研究现状
土地荒漠化是指包括气候变异和人类活动在内的种种因素造成的干旱! 半干旱和亚湿润干旱地 区的土地退化。2007年6 月在上海举行的“中国治理荒漠化上海高峰论坛”中明确指出：根据联合国公布的最新数据。全世界现有占 三分之二的国家和地区，六分之一的人口，三分之一的陆地面积受到荒漠化的威胁，荒漠化正以每年（5~7）*10000平方千米的速度扩展，每年因荒漠化造成的直接经济损失达美元423亿美元，我国是世界上荒漠化面积最大，受影响人口最多，危害程度最严重的国家之一。
土地荒漠化具有发生范围广，面积大的特点，因此，使用人工地面进行普查的方法，具有很局限性。20世纪70年代，国外开始使用遥感技术进行土地荒漠化的监测，如：阿根廷完全基于遥感手段对土地荒漠化的状态进行了评估；我国从20世纪70年代开始利用国外卫星数据进行资源调查和灾害，环境的监测；80 年代初期开始运用遥感技术进行有关土地荒漠化的资源调查。朱震达等用1975年的航片和1987-1988年的TM 影像对科尔沁地区沙漠化动态进行了研究。此外1984-1986年，水利部遥感中心组织了全国土壤侵蚀调查，采用遥感方法对全国包括风蚀，水蚀和冻融在内的土壤侵蚀状况进行了调查。 此后，遥感技术在土地荒漠化监测中逐渐得到广泛应用。
二，遥感技术在土壤荒漠化应用的基本原理
任何物体都具有光谱特性，具体地说，它们都具有不同的吸收、反射、辐射光谱的性能。在同一光谱区各种物体反映的情况不同，同一物体对不同光谱的反映也有明显差别。即使是同一物体，在不同的时间和地点，由于太阳光照射角度不同，它们反射和吸收的光谱也各不相同。遥感技术就是根据这些原理，对物体作出判断。遥感技术通常是使用绿光、红光和红外光三种光谱波段进行探测。
在荒漠化地区，根据地表荒漠的反射光谱和吸收光谱来反映不同荒漠地区的特征，进而对荒漠地区进行研究。
三，土地荒漠化监测遥感技术
遥感与GIS 技术用于荒漠化监测，主要是监测与荒漠化的特征、范围及与消长等密切相关的荒漠
化组成或影响因素，如地表温度、土地利用类型、荒漠化类型、荒漠化程度、地形（坡度、坡向、坡位）、土壤（类型、质地、盐碱含量、含水率）、植被（种类、盖度、分布）及沟壑密度、盐碱斑占地率等。接下来我们将介绍几种在土地荒漠化监测上应用的遥感技术： 1，人工目视解译方法
人工目视解译是指专业人员通过直接观察或借助判读仪器在遥感图像上获取特定地物信息的过程，可以分为纸质像片目视解译方法和计算机屏幕解译方法两种。随着计算机硬件和软件技术迅速提高，计算机屏幕解译表现出纸质影像目视解译不可比拟的优点。从如今的研究成果来看，有不少人在使用目视解译的方法来对土壤荒漠化进行研究与监测。
2，监督分类方法
监督分类，又称训练场地法，是利用地面样区的实况调查资料，从已知训练样区得出实际地物的统计资料，再用统计资料作为图像分类的判别依据，并依一定的判别准则对所有图像像元进行判别处理，使具有相似特征并满足一定识别规则的像元归并为一类。监督分类方法是目前遥感分类中应用较多，算法较为成熟的分类方法之一。常见的监督分类方法有最小距离法，平行六面体法，特征窗口曲线法，最大似然法等。
3，非监督分类方法
非监督分类是对主体分级在事先没有主体内容或归属关系的情况下，用像素的灰度值进行演算来识别。它是由像素的光谱特征，在一个多维标志空间的集群构成， 与人工目视解译和监督分类方法相比，非监督分类所需人工投入工作量更小! ，译速度更快，但是非监督分类仅仅是利用图像像元的灰度值进行计算，其结果只是对地物光谱特征分布规律的分类，而不能确定类别的属性。并且难以解决(同物异谱) 和(异物同谱) 的问题，而土地荒漠化监测中，特别是不同原因形成的不同类型的荒漠化，其地表特征复杂，难以简单通过地物灰度值计算识别出不同类型的土地荒漠化。所以在现在已有的研究中利用非监督分类方法对土地荒漠化进行研究的相关人员和相关研究事项较少。
4，决策树分层分类方法
决策树是遥感图像分类中的一种分层次处理结构，适用于下垫面地物复杂并模糊的状况。 其基本思想是逐步从原始影像中分离并掩膜每一种目标作为一个图层或树枝，避免此目标对其他目标提取时造成干扰及影响，最终复合所有的图层以实现图像的自动分类。由此可以应用各种有效的分类技术， 在每一次分类过程中，只需要对一种地物进行识别，从而提高分类精度。 5，光谱混合分析技术
目前, 在基于遥感技术的荒漠化信息提取中, 分类方法是被普遍采用的方法。而光谱混合分析技术则属于相对较为新一点的遥感技术。光谱混合分析技术始于上世纪70年代, 并于上个世纪末在地质研究、气象研究、植被研究等各个领域得到了成功的应用。光谱混合分析将混合像元分解为不同“基本组分单元”或称“终端单元”(Endmember),并求得这些基本组分所占的比例。分解像元的途径是通过建立光谱的混合模拟模型。通常, 模型是这样建立的:像元的反射率可以表示为端元组分的光谱特征和它们的面积百分比(丰度) 的函数, 在某些情况下, 表示为端元组分的光谱特征和其他地面参数的函数。多年来国内外学者们探索遥感光谱成像机理, 模拟光谱的混合过程, 研究和发展了多种混合光谱分解方法, 提出不同的光谱混合模型, 如线性、概率、几何光学、随机几何、模糊模型等。
国外学者在应用光谱混合分析技术进行荒漠化遥感监测与评价方面做了较多的研究。Maarten (1999)以TM 为数据源, 利用光谱混合分析方法, 对西非伯克纳的荒漠化状况进行了评价, 结果表
明, SMA结果图可以更精确地反映荒漠化程度并能反映荒漠化土地空间分布状况。GregOkin (2000)在美国中西部土地沙化遥感监测中, 对该地区的植被和土壤状况进行了深入的分析, 针对土地沙化地区土壤背景对于影像的干扰, 选择A VIRIS 数据进行多端元光谱混合分析的研究。Alfredo D1Collado (2002)在对阿根廷的沙漠化研究中, 选择TM 影像, 运用光谱混合分析(SMA)的方法, 选取植被、沙地、水体为基本组分, 准确提取了沙漠化信息, 然后对两期沙地影像进行了比较, 结果较好地反映了流沙的运动以及植被的变化。国内一些学者也作了一些有意义的尝试。张熙川、赵英时(1999)利用不同时相的TM 数据, 采用线性光谱混合模型的方法, 对内蒙古中西部半干旱地区的土地退化进行了以快速评价为目标的研究。在选用沙地、裸地、农耕地、牧草地作为基本组分的基础上, 提取了反映土地退化的定量指标。卢远(2003)以吉林省通榆县为研究区, 利用不同时相的TM 卫星数据, 选用植被、盐碱地、裸沙地、沼泽土、苇地作为最终光谱单元进行线性混合光谱分解, 依据盐碱地和裸沙地加权和分量, 将试点区的土地退化划分为未退化、轻度退化、中度退化和重度退化四个等级进行动态监测, 并对土地退化的数量、空间分布与动态过程进行了分析。
四，各个遥感技术存在的问题分析
目视解译工作量大，解译速度慢，解译者需要对土地荒漠化的遥感影像表现有深刻的认识，特别是对于不同程度的土地荒漠化，用人眼目视判别在量化上存在较大困难。 如果是由不同解译者来对同一区域进行解译则会出现很大的差异。随着遥感技术的进一步发展和人们对土地荒漠化的进一步认识，土地荒漠化信息提取更多地可以通过计算机自动提取的方法来实现人工在提取过程中投入的工作量将越来越小。
监督分类方法所需人工工作量小，分类速度快，但是，监督分类对训练区及其样本选择要求非常严格，训练样本选择的像元不纯，会导致分类结果混淆，地形起伏较大的地区尤其会产生混分现象。 由于土地荒漠化类型和程度不同，分类系统比较复杂，因此在选取训练区时有很大困难。
非监督分类方法在土地荒漠化解译中有较大局限性，特别是山区土地荒漠化监测中，由于地面覆盖复杂，地形影响严重，用非监督分类会产生较多的混淆，分类精度低。
决策树分层分类是人工与计算机逐步交互进行分类的方法，该方法解译结果的精度很大程度上取决于建立的决策树的优劣，因为它要求解译者不仅了解不同类型和不同程度的荒漠化土地在影像上的表现，而且掌握自然条件，社会经济条件等方面的因素对土地荒漠化的影响。
光谱混合分析技术相对来说是应用在土地荒漠化较好的遥感技术，但是，其对技术水平要求较高，操作相对来说较为繁琐。
五，未来发展方向
多分辨率传感器并存，多波段、多角度及多极化遥感的同时并用; 遥感与地理信息系统及全球定位系统的有机结合。可以使遥感技术获得极大地提高，对荒漠化的监测会更加具有实时性和精确性。为荒漠化的治理提供更加科学的依据。