劉芳澤，郭曉飛，王 琛*

（1．西南林業(yè)大學(xué) 生態(tài)與環(huán)境學(xué)院，昆明 650224；2.云南農(nóng)業(yè)大學(xué) 水利學(xué)院，昆明 650201）

石漠化是我國(guó)西南喀斯特地區(qū)最嚴(yán)重的生態(tài)問(wèn)題之一[1]，是指在人類活動(dòng)的干擾破壞下，使喀斯特地區(qū)出現(xiàn)土壤功能喪失、基巖裸露、地表土被不連續(xù)和生產(chǎn)力下降的土地退化過(guò)程[2]，會(huì)導(dǎo)致土地承載力下降、自然災(zāi)害加重和地區(qū)貧困加劇，嚴(yán)重影響當(dāng)?shù)刈匀弧⒔?jīng)濟(jì)和社會(huì)的可持續(xù)發(fā)展。

2020年國(guó)家發(fā)展改革委、自然資源部聯(lián)合印發(fā)的《全國(guó)重要生態(tài)系統(tǒng)保護(hù)和修復(fù)重大工程總體規(guī)劃（2021—2035年）》中明確了巖溶石漠化治理工程的有關(guān)思路，強(qiáng)調(diào)了石漠化的監(jiān)測(cè)和防治是生態(tài)文明建設(shè)的重要組成部分。由此可見(jiàn)，加強(qiáng)石漠化監(jiān)測(cè)，掌握石漠化現(xiàn)狀及其變化趨勢(shì)，為石漠化防治提供基礎(chǔ)數(shù)據(jù)和科學(xué)依據(jù)刻不容緩。

在石漠化信息提取方面，具備宏觀、快捷、經(jīng)濟(jì)和信息綜合等優(yōu)勢(shì)的遙感技術(shù)是必不可少的，其大范圍、綜合性和動(dòng)態(tài)性的對(duì)地觀測(cè)能力可快速、大范圍提取石漠化信息，在石漠化監(jiān)測(cè)中有著巨大的應(yīng)用潛力[1]。近年來(lái)，我國(guó)在利用遙感技術(shù)開(kāi)展石漠化信息提取方面進(jìn)行了一系列的研究，在像元級(jí)和亞像元級(jí)的信息提取方面均取得了一定成果。

1 像元級(jí)石漠化信息提取方法

像元級(jí)的信息提取方法是將影像中像元的光譜特征看作是單一地物的光譜特征，利用光譜間的統(tǒng)計(jì)特征進(jìn)行分類，操作簡(jiǎn)單、數(shù)據(jù)處理效率高，廣泛應(yīng)用于石漠化信息提取。

1.1 人機(jī)交互解譯

人機(jī)交互解譯是遙感解譯的經(jīng)典方法之一，廣泛應(yīng)用于土地利用分類、景觀分類等，在石漠化信息解譯應(yīng)用也較多。該方法具有適應(yīng)性強(qiáng)的特點(diǎn)，但存在工作量大、成本高、效率低和解譯標(biāo)準(zhǔn)不統(tǒng)一等問(wèn)題，導(dǎo)致解譯結(jié)果缺乏可比性，僅適用于小范圍的研究區(qū)。

1.2 比值增強(qiáng)法

比值增強(qiáng)法是通過(guò)遙感影像中不同波段亮度的對(duì)比，進(jìn)而對(duì)石漠化信息進(jìn)行提取，其通過(guò)增加圖像中各特征在外觀上的反差性能來(lái)提高解譯功能[3]，有助于提高精度，但精度受限于波段的選擇，就目前的遙感數(shù)據(jù)來(lái)看，空間分辨率的提高會(huì)在一定程度上影響光譜分辨率[4]，因此其在高空間分辨率影像信息提取中運(yùn)用困難。

1.3 監(jiān)督分類

監(jiān)督分類法是通過(guò)選擇訓(xùn)練樣區(qū)，再根據(jù)樣本特征去“訓(xùn)練”判別函數(shù)，進(jìn)而進(jìn)行石漠化信息提取[5]，但由于石漠化地區(qū)地貌特殊，地形起伏大，遙感影像上陰影較多，會(huì)導(dǎo)致精度較差，該方法受限制較多。

1.4 非監(jiān)督分類

非監(jiān)督分類主要是憑借遙感圖像地物的光譜特征的分布規(guī)律，自然地進(jìn)行分類，也常被用于石漠化信息的提取，其優(yōu)點(diǎn)在于受人為影響較少，工作量小，易于實(shí)現(xiàn)[6]，但石漠化地區(qū)“同譜異質(zhì)，同質(zhì)異譜”情況較多，易造成非監(jiān)督分類法信息提取精度較差。

2 亞像元級(jí)石漠化信息提取方法

作為土地退化的一種形式，石漠化與荒漠化在信息提取方面具有相似性，但從景觀生態(tài)學(xué)的角度來(lái)看[7]，荒漠化在荒漠化地區(qū)屬于基質(zhì)，其范圍大、分布廣，在遙感提取荒漠化信息時(shí)混合像元（包含多種地物類型的影像單元）較少，像元級(jí)的信息提取方法基本上能夠較好地對(duì)荒漠化信息進(jìn)行提取。而石漠化恰好與之相反，是喀斯特地貌區(qū)鑲嵌分布的景觀斑塊，峰叢狀零散分布，在影像中范圍和比例較小，像元混合現(xiàn)象嚴(yán)重，像元級(jí)的信息提取方法易將混合地物光譜特征歸為某一類地物光譜特征，造成地物邊緣處像元誤分，導(dǎo)致石漠化信息提取精度降低，難以獲取準(zhǔn)確的石漠化分布數(shù)據(jù)。

基于目前科研常用遙感影像的空間分辨率而言，影像存在大量的混合像元，易造成誤分，為解決混合像元問(wèn)題，遙感應(yīng)用從像元級(jí)別深入到亞像元級(jí)別，信息分類和提取精度將得到提高?；旌舷裨纸馐莵喯裨?jí)遙感信息提取的重要方法，通常是建立一個(gè)光譜混合的模擬模型，混合像元的光譜值表達(dá)為端元組分光譜值和端元面積百分比的函數(shù)[8]，通過(guò)將每個(gè)混合像元進(jìn)行分解，估算混合像元中各端元的豐度，能夠有效解決喀斯特地貌區(qū)地形、地物復(fù)雜，混合像元嚴(yán)重，地物信息提取精度低的問(wèn)題。

2.1 混合像元分解的數(shù)據(jù)源

混合像元分解技術(shù)可廣泛應(yīng)用于農(nóng)業(yè)、生產(chǎn)業(yè)等，可根據(jù)調(diào)查精度和監(jiān)測(cè)目的差異選擇不同類型的數(shù)據(jù)源，如利用Landsat 8影像[9]提取玉米種植面積，利用ASTER數(shù)據(jù)[10]進(jìn)行水質(zhì)監(jiān)測(cè)評(píng)價(jià)，利用MODIS數(shù)據(jù)[11]提取耕地覆蓋度信息等。混合像元分解技術(shù)目前在石漠化信息提取方面也有一些應(yīng)用，數(shù)據(jù)源的選擇也多種多樣，如Hyperion高光譜影像[12]、Landsat OLI數(shù)據(jù)[13]和中巴02B星多光譜數(shù)據(jù)[14]等均被用于石漠化信息提取。

2.2 混合像元分解的端元提取方法

在單位像元內(nèi)混合像元被分解為不同的“端元”，求取各端元比例的過(guò)程稱之為混合像元分解[8]?；旌舷裨纸馓崛∈畔⒁话惴譃閿?shù)據(jù)降維、端元提取和地物豐度反演3個(gè)步驟，端元提取是其中最核心的步驟，選取合適的端元是混合像元分解成功的關(guān)鍵。

2.2.1 像元純度指數(shù)（PPI）

PPI指數(shù)是每個(gè)像元的“純度指標(biāo)”，值越大說(shuō)明對(duì)應(yīng)像元更接近純凈像元[15]，在喀斯特石漠化信息提取方面已有應(yīng)用[1]，但PPI指數(shù)主要適用于原始影像存在較為純凈的像元，混合像元嚴(yán)重時(shí)自動(dòng)提取難度大[16]，于琦[17]在PPI指數(shù)的基礎(chǔ)上提出快速像元純度指數(shù)（FPPI）算法，減少了測(cè)試向量數(shù)量，大大減少了計(jì)算量，提高精度的同時(shí)也提高了算法效率，是一種全自動(dòng)非監(jiān)督的端元提取方法。

2.2.2 凸錐分析法（CCA）

N-FINDER是一種從多維數(shù)據(jù)立方體出發(fā)的全自動(dòng)的端元提取方法，該算法利用高光譜數(shù)據(jù)在特征空間中的凸面單行體的特殊結(jié)構(gòu)，通過(guò)尋找最大體積的單行體，自動(dòng)獲取端元[18]。凸錐分析法（CCA）是一種改進(jìn)的基于凸錐幾何理論的尋找端元的方法，把多波段數(shù)據(jù)在空間中以一個(gè)錐體的形式表現(xiàn)出來(lái)，尋找頂點(diǎn)，一個(gè)頂點(diǎn)代表一個(gè)端元[19]，該方法計(jì)算簡(jiǎn)單，可根據(jù)算法自動(dòng)找出端元，準(zhǔn)確性好，未來(lái)可在石漠化信息提取方面進(jìn)行深入研究。

菌株充分活化后，以1%接種量接種于含有5%葡萄糖、5%脫脂乳和40 mg·mL-1荷葉的培養(yǎng)基中，37 ℃厭氧培養(yǎng)，選取不同時(shí)間點(diǎn)取樣。采用活菌計(jì)數(shù)方法，即用無(wú)菌磷酸鹽緩沖液(PBS)將菌液倍比稀釋，選取3個(gè)稀釋度分別涂布在MRS固體培養(yǎng)基上，每個(gè)稀釋度做3個(gè)平行，37 ℃培養(yǎng)24 h，進(jìn)行菌落計(jì)數(shù)，繪制生長(zhǎng)曲線。

2.2.3 連續(xù)最大角凸錐法（SMACC）

連續(xù)最大角凸錐法因直接在數(shù)據(jù)集里選擇端元，更為便捷，孟志龍[13]利用SMACC提取端元對(duì)云南石林縣石漠化信息進(jìn)行提取，并以分辨率為0.2 m無(wú)人機(jī)數(shù)據(jù)驗(yàn)證實(shí)測(cè)參考光譜端元、自動(dòng)化選擇圖像光譜端元和人工勾繪圖像光譜端元精度差異，結(jié)果表明，SMACC更快更自動(dòng)化，但其精度低于半自動(dòng)化的PPI法、沙漏工具端元提取精度。

2.2.4 頂點(diǎn)成分分析法（VCA）

頂點(diǎn)成分分析法的本質(zhì)是一種純數(shù)學(xué)方法，具有良好的理論基礎(chǔ)，Neville等[20]于1999年用該算法進(jìn)行了端元提取實(shí)驗(yàn)，發(fā)現(xiàn)VCA算法精度高于PPI，算法的復(fù)雜程度低于N-FINDER算法，但同樣存在多次計(jì)算后可能得到多個(gè)不同的端元組的問(wèn)題，陶文婧[21]在VCA算法的基礎(chǔ)上引進(jìn)自動(dòng)目標(biāo)生成法，很好地提高了VCA算法的準(zhǔn)確性。

2.2.5 主成分分析法（PCA）

主成分分析法是通過(guò)考慮各波段的相互關(guān)系，根據(jù)降維關(guān)系將波段轉(zhuǎn)化為互不相關(guān)的包含獨(dú)立信息的波段。劉霽等[22]通過(guò)建立影響較大的因子作為石漠化研究的基本指標(biāo)，采用PCA主成分多元分析的方法對(duì)湘西喀斯特石漠化地區(qū)的石漠化信息進(jìn)行提取，經(jīng)與區(qū)域地質(zhì)資料對(duì)比驗(yàn)證，混合像元分解結(jié)合主成分分析方法取得了很好的應(yīng)用效果。

2.2.6 光譜最小信息熵（SMSE）

2.3 混合像元分解的模型算法

豐度分解是混合像元分解的重要步驟，根據(jù)豐度分解的結(jié)果，可以更準(zhǔn)確地估計(jì)出地物覆蓋的面積信息，對(duì)石漠化信息進(jìn)行提取?；旌舷裨纸獾哪Ｐ椭饕ň€性混合模型和非線性混合模型等。其中，線性混合模型理論簡(jiǎn)單，應(yīng)用廣泛；非線性混合模型理論復(fù)雜，應(yīng)用較少。

2.3.1 線性混合像元分解模型

線性混合像元分解模型是像元在某一光譜波段的反射率（亮度值）由構(gòu)成像元的基本組分的反射率以其所占像元面積比例為權(quán)重系數(shù)的線性組合，通過(guò)線性分解模型的精度的驗(yàn)證[24]，可以看出其具有建模簡(jiǎn)單、物理含義明確的優(yōu)點(diǎn)，是目前較常用的混合像元分解模型，在農(nóng)業(yè)領(lǐng)域得到了廣泛的應(yīng)用，如植被覆蓋度的測(cè)算[25]和農(nóng)作物面積的測(cè)算[26]。線性混合像元分解模型在石漠化信息提取方面也有應(yīng)用，如周忠發(fā)等[27]基于線性光譜模型對(duì)清鎮(zhèn)市紅楓湖示范區(qū)石漠化進(jìn)行監(jiān)測(cè)。但由于在石漠化信息的提取中，石漠化屬于小概率檢測(cè)目標(biāo)，導(dǎo)致精度降低，需要非線性混合像元分解模型來(lái)進(jìn)行解釋和分析。

2.3.2 非線性混合像元分解模型

由于光譜混合往往是非線性的，端元間又存在散射現(xiàn)象，概率模型、幾何光學(xué)模型和隨機(jī)幾何模型等非線性模型被用于混合像元分解，但相關(guān)研究主要集中于算法探索和精度驗(yàn)證，實(shí)際應(yīng)用較少，在城市不透水層提取[28]、植被高光譜遙感分類[29]等方面有一定研究。非線性混合像元分解模型具有較高的分解精度，但計(jì)算較為復(fù)雜，唐曉燕等[30]提出的基于光譜夾角距離的局部切空間排列算法，通過(guò)非線性降維，有效提高了解混精度，但同樣難以應(yīng)對(duì)海量數(shù)據(jù)的處理。

目前非線性混合像元分解鮮少在石漠化信息提取方面有相關(guān)的研究，在未來(lái)的石漠化信息提取研究中，非線性混合像元分解將是重要的研究方向，有很大的發(fā)展空間。

2.4 混合像元分解結(jié)果應(yīng)用

混合像元分解提取的端元豐度可作為影像分類的重要參數(shù)使用，結(jié)合不同分類方法進(jìn)行信息提取。利用混合像元分解可得到直接評(píng)價(jià)石漠化程度的關(guān)鍵性指標(biāo)，如李麗等[14]利用中巴02B星多光譜遙感數(shù)據(jù)提取植被覆蓋度對(duì)石漠化信息進(jìn)行提取，楊蘇新等[31]以Hyperion高光譜影像提取了植被、裸土和裸巖3種典型地物端元，利用混合調(diào)制匹配濾波（MTMF）分解算法反演植被豐度。提取參數(shù)后學(xué)者們結(jié)合綜合分析法、決策樹(shù)分類[32]和BP神經(jīng)網(wǎng)絡(luò)自動(dòng)分類模型[33]對(duì)圖像進(jìn)行處理，實(shí)現(xiàn)石漠化信息的提取。

3 結(jié)束語(yǔ)

遙感技術(shù)在石漠化信息提取領(lǐng)域已有較好的應(yīng)用，常規(guī)的人機(jī)交互解譯法、比值增強(qiáng)法、監(jiān)督分類法和非監(jiān)督分類法等像元級(jí)提取方法操作簡(jiǎn)單，但由于石漠化地區(qū)地物、地形復(fù)雜，混合像元情況較為嚴(yán)重，像元級(jí)提取方法未能拆分像元，邊緣區(qū)域誤分情況較多，精度受限。

混合像元分解技術(shù)能夠較好地解決混合像元問(wèn)題，通過(guò)線性混合像元分解模型提取端元豐度并進(jìn)行石漠化分類，有效地提高了精度，但線性模型過(guò)于理想化，其豐度估計(jì)值精度仍弱于非線性混合像元分解模型[34]。由于非線性混合像元分解模型較為復(fù)雜，參數(shù)量化難度大，目前多停留在理論和方法研究層面，應(yīng)用較少，在石漠化信息提取方面鮮有報(bào)道。因此，探索利用非線性混合像元分解光譜模型開(kāi)展石漠化信息提取將是重要的研究方向，對(duì)于快速提取石漠化數(shù)據(jù)和提高精度具有重要意義。