大尺度土地沙漠化的快速监测方法与流程

本发明涉及生态保护技术领域，具体涉及一种大尺度土地沙漠化的快速监测方法。

背景技术：

我国内蒙古、新疆等部分地区深受沙漠化困扰，沙漠化对我国的影响主要包括以下几个方面：一是危害农业发展，沙漠化对农业的危害主要体现在土壤沙质化，禾苗干旱致死或被风沙掩埋，同时农民收入无法得到保障；二是危害草场，沙漠化引起的草场退化，使适于牲畜食用的优势草种逐渐减少，甚至完全丧失，草场载畜能力大为下降；三是危害水资源，沙漠化造成河流、水库、水渠堵塞，黄河年均输沙16亿吨，其中就有12亿吨来自沙漠化地区；四是妨碍交通，沙漠化在一些地区造成铁路路基、桥梁、涵洞损坏，使公路路基、路面积沙，迫使公路交通中断，影响飞机正常起飞和降落；五是威胁人体健康，根据监测，我国城市空气污染物主要是微小颗粒物，这与沙漠化密切相关，沙尘污染着广大地区人民的生产生活环境，影响了人民健康；六是导致贫困，据调查，全国农村人口的1/4生活在沙漠化地区，其人均农业产值仅为全国平均水平的34.2％，是东部地区的1/5。据统计，我国每年因为土地沙漠化造成的经济损失高达540亿元，沙漠化使地区贫困程度加剧。

因此，监测沙漠化动态，特别是在国家尺度快速监测沙漠化动态变化特征，并在此基础上研究驱动因素及预测其未来发展趋势，对于沙漠化土地治理、改善沙区生态环境与农牧民可持续生计具有重要的意义和现实价值。

近年来，我国高度重视对沙漠化地区的治理，实施了一系列措施，沙漠化总体面积得到控制，沙漠化的格局与严重程度在地区间也发生了较大变化。为掌握沙漠化的这种实施动态变化，学者们在不同的时间试图对我国沙漠化的某些地区进行监测，所利用的方法大都是采用“3s技术”，以遥感影像作为数据获取信息源：如王涛等利用1977、1986两年的沙漠化数据以及2000、2005两年的遥感影像为数据源，对毛乌素沙地及周边地区近30年来沙漠化动态变化过程进行分析与研究（郭坚等，2008）；樊亚辉等利用rs与gis技术，以tm、etm+影响为信息源，对近30年来艾比湖地区土地沙漠化进行遥感动态监测（樊亚辉等，2011）；段英杰等基于遥感技术，以landsattm/etm影像为数据源，采用目视解译的方法，对西藏自治区土地沙漠化进行监测与分析研究（段英杰等，2014）。

综观上述沙漠化动态监测方法，多集中在区域尺度方面，虽然结果较为准确，但是若应用到大尺度的监测过程中往往要目视解译大量的影像，后续数据处理的过程也较为复杂，耗时又耗力。

因此，面向大尺度的、基于易获得数据的、更为快捷、精准的沙漠化监测方法急需被研究发现并开展实际应用。

技术实现要素：

本发明要解决的技术问题是提供一种大尺度土地沙漠化的快速监测方法，以达到能够及时掌握沙漠化时空变化信息，进而有效地实施宏观管理，为沙漠化土地治理提供科学依据之目的。

为解决上述技术问题，本发明采用的技术思路如下：

采用较易获取的数据，通过简单的spss、arcgis处理，避免人工解译的庞大工作量为目的，对快速沙漠化监测方法进行探索。

沙漠化过程并非一朝一夕，长时间序列的监测能够获得沙漠化动态演变过程，考虑到数据的可获取性，例如，选取1981-2010年作为研究时域，同时由于相近时期沙漠化侵蚀过程并不明显，因此将研究时间划分为1980、1990、1995、2000、2005、2010六个时期。基础地理数据、土地利用/覆被（lucc）数据、ndvi数据均为较易获取的数据，因此选取全国行政区划图来获得研究区，并利用lucc数据得到城镇、水域、森林、农田六个时期的变化；对于各时期ndvi数据定义为临近三年ndvi数据的平均值，例如1980时期所用lucc数据为1981、1982、1983年三年数据的平均值；由于研究区大都畜牧业发达，草场较多，草地面积较大且易退化，利用lucc信息并不能较好的获取其实时变化趋势，而ndvi能够较好反映植被变化从而得到非沙漠化地区的时空变化趋势，因此本研究采用决策树分类方法，利用ndvi获取草地信息以及原生沙漠信息，采用研究区扣除非沙漠化地区和原生沙漠地区，从而得到沙漠化地区。

本发明详细技术方案如下：

设计一种大尺度土地沙漠化的快速监测方法，包括以下步骤：

（1）选取研究时域，划分时期；

（2）选取研究区，并利用lucc数据得到城镇、水域、森林、农田六个时期的变化；

（3）采用决策树分类方法，利用ndvi获取草地信息和原生沙漠信息；对于各时期ndvi数据定义为临近三年ndvi数据的平均值；

（4）采用研究区扣除非沙漠化地区和原生沙漠地区，从而得到沙漠化地区。

经实地考察发现，监测区坡度较大地区植被覆盖情况良好，因此可进一步的采用辅助dem数据进行坡度15度的矫正，即可扣除大于15度的陡坡区域。

进一步的，所述草地信息和/或原生沙漠信息提取时阈值的确定包括以下步骤：

（1）利用arcgis转换工具中面转线功能将沙漠化监测地理单元矢量图转换为地理单元线性文件；

（2）利用googleearth在每个地理单元选取一定数量的（例如100个）草地和/或原生沙漠样点；

（3）通过gis中转换工具将含有上步选取得到的样点信息kml文件转换为图层文件；

（4）运用栅格计算器提取对应点的年均ndvi均值；

（5）通过excel打开对应的样点ndvi均值的dbf文件并保存；

（6）用spss打开保存的excel表格，并进行频率分析；

（7）得到草地和/或原生沙漠生物ndvi值频率分布表，结合实际情况将草地和/或原生沙漠的阈值定为频率80%处的ndvi值；

（8）统计各地理单元草地和/或原生沙漠的阈值并生成草地和/或原生沙漠阈值表。

进一步的，所述草地和/或原生沙漠提取包括以下步骤：

（1）数据源为中国北方沙漠化监测地理单元栅格图，利用空间分析工具重分类功能，将目标地理单元赋值为1，其余赋值为0；

（2）将不同时期ndvi栅格图在栅格计算器中与步骤（1）操作所得栅格图相乘，获得一个地理单元ndvi信息；

（3）利用重分类功能，根据草地和/或原生沙漠阈值进行重分类，草地和/或原生沙漠赋值为1，其它赋值0，获得目标地理单元草地信息；

（4）将20个地理单元草地和/或原生沙漠信息拼接，得到研究区草地和/或原生沙漠数据。

优选的，所述沙漠化地区分成轻度沙漠化、中度沙漠化、重度沙漠化、极重度沙漠化四个等级。

进一步的，所述沙漠化地区的分级标准为：根据获得的草地阈值表和原生沙漠阈值表信息分析后，将二值差值的25%处ndvi值定为极重度沙漠化地区与重度沙漠化地区的临界值；50%处ndvi值定为中度沙漠化地区与重度沙漠化地区的临界值；75%处ndvi值定为轻度沙漠化地区与中度沙漠化地区的临界值。

优选的，所有栅格、矢量数据统一重采样或转换为分辨率为8km×8km的空间数据。

与现有技术相比，本发明的有益技术效果在于：

1.本发明的方法采用较易获取的数据，通过简单的spss、arcgis处理，避免了人工解译的庞大工作量，对快速沙漠化监测方法进行探索。

2.本发明提供了一种快速、简单、准确的大尺度沙漠化监测方法，并通过典型区域的应用，精准探索了面向大尺度的中国北方沙漠化地区沙化的动态变化。

3.本发明提供的大尺度土地沙漠化的快速监测方法能够及时掌握沙漠化时空变化信息，进而有效地实施宏观管理，为沙漠化土地治理提供科学依据，对指导沙漠化防治、沙漠化决策具有重要的实践意义。

附图说明

图1为2010年中国北方沙漠化地区土地利用/覆被图；

图2为技术路线图；

图3为沙漠化监测流程图；

图4为草地阈值确定流程图；

图5为1980-2010年中国北方土地利用图。

具体实施方式

下面结合附图和实施例来说明本发明的具体实施方式，但以下实施例只是用来详细说明本发明，并不以任何方式限制本发明的范围。

在以下实施例中所涉及的操作如无特别说明，均为常规操作；所涉及的计算方法或数据处理方法，如无特别说明，均为常规方法。

实施例一：例区准备

如图1所示，中国北方沙漠化地区主要涉及到内蒙古、新疆、青海、甘肃、四川、宁夏、山西、陕西等北方极端干旱、干旱、半干旱、半湿润地区的222个旗县。

沙漠化分布地带大致在77°14´e-122°41´e、32°43´n-49°35´n之间，远离海洋、深居内陆，海洋气流不易到达，形成明显的温带、寒温带大陆性气候，同时这些地区大都降水量少，降水集中，气候干燥，光照强烈，多大风天气，沙尘暴、暴雨、干旱等恶劣气候灾害发生频繁。

根据监测区地理位置及气候特点将其划分为西北干旱区、三江源地区、内蒙古及长城沿线三大沙区。为保证监测结果准确性，将三大沙区进一步划分为20个沙漠化重点监测地理单元，见表1。

表1沙漠化监测重点区域详表

。

实施例二：数据准备

监测所用数据来源见表2。

考虑到所有数据中最低的分辨率，本发明将所有栅格、矢量数据统一重采样或转换为分辨率为8km×8km的空间数据。

表2基础数据来源

。

实施例三：技术路线

利用多源数据，包括基础地理数据、多时相遥感数据、高程数据、土地利用数据等对中国北方土地沙漠化进行监测，具体技术路线图2所示。沙漠化监测整体流程如图3所示。

实施例四：结果展示

（一）非沙漠化地区识别

非沙漠化识别过程主要包括草地阈值确定，草地提取，城镇、水域、森林、农田提取三个过程。

1.草地阈值确定

本发明研究致力于避免工作量较大的目视解译，快速监测沙漠化动态过程，对于草地的提取采用googleearth与gis、spss简单处理来达到。

流程如图4所示。

具体步骤如下：

（1）首先，利用arcgis转换工具中面转线功能将沙漠化监测地理单元矢量图转换为地理单元线性文件；

（2）利用googleearth在每个地理单元选取100个草地样点；

（3）通过gis中转换工具将得到的含有100个样点信息kml文件转换为图层文件；

（4）运用栅格计算器提取对应点的年均ndvi均值；

（5）通过excel打开对应的样点ndvi均值的dbf文件并保存；

（6）用spss打开保存的excel表格，并进行频率分析；

（7）得到草地ndvi值频率分布表，结合实际情况将草地阈值定为频率80%处的ndvi值；

（8）统计各地理单元草地阈值并生成草地阈值表。

2.草地提取

草地提取主要是借助arcgis来完成，操作流程如下：

（1）数据源为中国北方沙漠化监测地理单元栅格图，利用空间分析工具重分类功能，将目标地理单元赋值为1，其余赋值为0；

（2）将不同时期ndvi栅格图在栅格计算器中与（1）操作所得栅格图相乘，获得一个地理单元ndvi信息；

（3）利用重分类功能，根据草地阈值进行重分类，草地赋值为1，其他赋值0，获得目标地理单元草地信息；

（4）将20个地理单元草地信息拼接，得到研究区草地数据。

3.城镇、水域、森林、农田提取

与研究区进行掩膜处理获得研究区土地利用数据，根据土地利用数据对城镇、水域、森林、农田信息进行提取，利用重分类功能将二级土地利用类型重分类为一级土地利用类型。

将草地信息与城镇、水域、森林、农田信息进行汇总，此外，利用坡度信息进行校正，首先提取坡度大于15度信息，然后进行研究区掩膜处理，得到研究区大于15度坡度地区信息。利用栅格计算器成图，由于草地是依据ndvi获得，在提取过程中难免会出现将部分森林或农田等其他信息识别为草地的现象，因此生成图中会出现土地利用类型个别部分重合，对照googleearth发现重合部分为草地较多，因此统一划为草地。按照上述采用的重分类方式继续重分类获得非沙漠化数据。

（二）原生沙漠识别

原生沙漠识别采用与草地相同的方式。

（三）沙漠化地区获取

沙漠化地区识别采用研究区扣除非沙漠化地区，再扣除原生沙漠的方式。其同样在arcgis中进行处理，操作方式为：将得到的非沙漠化数据与原生沙漠数据合并，由于非沙漠化地区、原生沙漠地区都是最终要获取的数据，因此在重分类时将两者分为不同类别，剩余地区即沙漠化地区分为一类。

（四）沙漠化分级

沙漠化不仅表现为非沙漠化地区变为沙漠化地区，同时也包括沙漠化程度的变化过程，因此有必要将沙漠化分等定级。本研究将沙漠化地区分成轻度沙漠化、中度沙漠化、重度沙漠化、极重度沙漠化四个等级。分级方法为根据获得的草地阈值表和原生沙漠阈值表信息，分析后将二值差值的25%处ndvi值定为极重度沙漠化地区与重度沙漠化地区的临界值；50%处ndvi值定为中度沙漠化地区与重度沙漠化地区的临界值；75%处ndvi值定为轻度沙漠化地区与中度沙漠化地区的临界值；利用空间分析工具中重分类功能得到四种程度的沙漠化地区。

利用拼接功能得到包括非沙漠化地区、轻度沙漠化地区、中度沙漠化地区、重度沙漠化地区、极重度沙漠化地区、原生沙漠地区六种分类的中国北方沙漠化栅格图。

表3草地及各级沙漠化阈值表

。

五、例区结果展示

上述步骤获得1980、1990、1995、2000、2005、2010六期中国北方沙漠化栅格图如图5所示。

上面结合附图和实施例对本发明作了详细的说明，但是，所属技术领域的技术人员能够理解，在不脱离本发明宗旨的前提下，还可以对上述实施例中的各个具体参数进行变更，形成多个具体的实施例，均为本发明的常见变化范围，在此不再一一详述。