水蝕荒漠化信息自動提取方法研究

葛 佳，張子鳴，吳 成，詹 騫，孫永軍

(1.中國地質大學，武漢 430074;2.中國冶金地質總局西北局，西安 710119;3.中國地質大學，北京 100083;4.中國國土資源航空物探遙感中心，北京 100083)

水蝕荒漠化信息自動提取方法研究

葛 佳1，張子鳴2，吳 成3，詹 騫3，孫永軍4

(1.中國地質大學，武漢 430074;2.中國冶金地質總局西北局，西安 710119;3.中國地質大學，北京 100083;4.中國國土資源航空物探遙感中心，北京 100083)

針對黃土高原地區(qū)水蝕荒漠化較為嚴重這一問題，建立了一套基于ETM+遙感數據和地理信息系統的水蝕荒漠化信息自動提取的技術方法體系，并對其信息提取精度進行了評價。該方法以NDVI(歸一化植被指數)、KT3(KT變換后的濕度信息)、slope(坡度)、DEM(高程)及典型地物光譜數據作為水蝕荒漠化分類的特征波段，構建了決策樹分類規(guī)則，有效剔除了研究區(qū)非水蝕荒漠化信息;引入面向對象多尺度分割技術，以坡度(slope)、溝谷密度(gully density)和植被覆蓋度(vegetation coverage)等作為水蝕荒漠化程度分級的特征波段，通過層次分析法(analytic hierarchy process)確定特征波段的分割權重，實現了水蝕荒漠化程度的分級。該方法提取結果與目視解譯結果的總體一致性為82.8%。

水蝕荒漠化;信息提取;面向對象;層次分析法

0 引言

荒漠化概念的提出距今已有半個世紀。半個世紀以來，眾多學者對此問題進行了大量的研究，主要集中在對干旱、半干旱區(qū)水蝕荒漠化的發(fā)生原因［1］、影響因素［2］、動態(tài)監(jiān)測［3］、危害評估和防治措施［4］等方面，而針對水蝕荒漠化的研究則相對較少?！堵摵蠂P于在發(fā)生嚴重干旱和/或沙漠化的國家特別是在非洲沙漠化的公約》［5］對水蝕荒漠化的定義為:流水作用下的荒漠化土地，由于人為活動、氣候等因素造成地表植被破壞從而導致嚴重的流水侵蝕，使土地生產力嚴重下降直至喪失，出現以劣地或石質坡地為標志的土地嚴重退化。目前水蝕荒漠化的研究多注重侵蝕預測預報模型［6］、侵蝕機理和原因以及小流域綜合治理模式［7］等方面，而應用遙感和GIS手段自動提取水蝕荒漠化信息［8－9］，進而研究區(qū)域水蝕荒漠化空間格局［10－11］，并對其進行動態(tài)監(jiān)測［12］的成果則較少。

王香鴿等［9］探討了“3S”技術在水蝕荒漠化研究中的具體應用方法，完成了黃土高原水蝕荒漠化現狀圖的制作;周忠學等［11］基于MapGIS平臺和遙感圖像資料，通過對黃土高原水蝕荒漠化特點、成因和產生機制的探討，提出了針對典型區(qū)域的防治模式。本次研究以黃土高原地區(qū)為例，結合水蝕荒漠化定義和與非水蝕荒漠化提取要素的對比，加入濕度因子(KT變換后的濕度變量KT3)，并系統探討了水蝕荒漠化信息自動提取的技術方法。

1 研究區(qū)概況與數據源

1.1 研究區(qū)概況

研究區(qū)介于 N38°15'00″～39°15'00″，E110°40'00″～112°13'30″之間，包括了呂梁山西北、毛烏素沙漠以東的區(qū)域，西部為黃土高原丘陵溝壑區(qū)(圖1)所示。

圖1 研究區(qū)ETM+7(R)，4(G)，3(B)假彩色合成圖像Fig.1 ETM+7(R)，4(G)，3(B)false color composit image of study area

受新生代喜山運動抬升的影響，上覆第四系形成了現代黃土丘陵與山地地貌。由于其巖性軟弱，侵蝕切割嚴重，溝谷系統非常發(fā)育。在現代溝谷下切強烈的地方，受地下水的浸泡和潤滑，水蝕荒漠化程度嚴重。區(qū)內平均海拔約1370 m;發(fā)育的一二級河流主要有黃河、汾河。經過漫長的自然侵蝕和人類擾動，其土壤貧瘠，水土流失嚴重，生態(tài)環(huán)境十分脆弱，為全球水蝕荒漠化最嚴重的地區(qū)之一。

1.2 數據源及數據處理

本研究所用數據包括:ETM+圖像1景，數據接收日期為2002年7月;SRTM高程數據(90 m分辨率)6幅;1∶5萬比例尺地形圖28幅;水蝕荒漠化人工目視解譯成果1份。

對ETM+圖像進行高保真光譜融合處理;采用SRTM數據對融合后的圖像進行正射校正;結合1∶5萬比例尺地形圖和選取的地面控制點，運用二次線性內插法對圖像進行幾何糾正，最后得到的圖像糾正精度為20 m。

2 水蝕荒漠化信息自動提取

本研究所建立的水蝕荒漠化信息自動提取工作流程如圖2所示。

圖2 研究區(qū)工作流程Fig.2 Flow chart of study area

該流程主要包括“基于決策樹的水蝕荒漠化區(qū)域分離”和“面向對象的水蝕荒漠化程度分級”2部分內容，輔以數據預處理、特征波段選擇及多特征空間［13］的建立、層次分析法、面向對象分類規(guī)則等多元數據處理方法。根據植被蓋度、溝谷密度和坡度3個評價指標，構建一套較為完善的1∶25萬比例尺的水蝕荒漠化信息自動提取方法體系。

2.1 基于決策樹的水蝕荒漠化區(qū)域分離

本研究在分析黃土高原研究區(qū)典型地物光譜特征的基礎上，提出了一種全新的水蝕荒漠化信息決策樹分離體系。即以 NDVI，KT3，slope，DEM 及典型地物光譜數據共同構成研究區(qū)的特征波段(如圖3所示)，進而構建決策樹分類規(guī)則。

圖3 研究區(qū)特征波段組合Fig.3 Characteristic bands in study area

具體做法是:通過典型地物的光譜特征確定研究區(qū)內所包含的典型地物類型;利用二維散點圖和交互式分析功能確定各種地物類型在NDVI，KT3，slope以及DEM特征空間的分布閾值，進而確定用于區(qū)別水蝕荒漠化信息和非水蝕荒漠化信息的閾值。

研究區(qū)各特征波段的產生過程及其意義:①NDVI為歸一化植被指數，由ETM+相關波段計算產生［14］，主要為后續(xù)分類提供植被信息;②KT3為ETM+數據經過KT變換(纓帽變換)后的第3分量［14］，主要為后續(xù)分類提供濕度信息;③slope為通過ENVI軟件中的Topographic Modeling模塊對DEM(本文所用數據為3S分辨率的SRTM高程數據)進行三維分析得到，主要為后續(xù)分類提供坡度信息;④DEM為由收集到的SRTM數據經坐標轉換后形成的數字高程數據，主要為后續(xù)分類提供高程信息。

本研究運用ENVI軟件中的決策樹分類工具實現了水蝕荒漠化區(qū)域的分離。分離過程主要包括以下4個步驟:

1)數據處理及特征波段的確定;

2)建立決策樹分類規(guī)則;

3)使用決策樹規(guī)則提取水蝕荒漠化信息;

4)分類后處理。

其中，“建立決策樹分類規(guī)則”和“使用決策樹規(guī)則提取水蝕荒漠化信息”2個步驟組成了一個循環(huán)體，目的在于可以實時完善水蝕荒漠化信息提取的決策樹規(guī)則，從而達到最優(yōu)效果。最終建立的分離水蝕 荒漠化區(qū)域決策樹體系如圖4所示。

圖4 水蝕荒漠化區(qū)域分離決策樹體系Fig.4 Separation decision －tree system of water－erosion desertification area

研究區(qū)內水蝕荒漠化信息提取過程如圖5所示。

圖5 研究區(qū)水蝕荒漠化信息提取過程Fig.5 Water－ersoion desertification information extraction process

該方法的優(yōu)點在于:①此種分類規(guī)則體系對地物的分類具有很好的系統性，能讓分析人員清楚地把握決策樹的分類規(guī)則，而不用考慮波段的選擇及多種地物的光譜曲線差別;②融合光譜、植被指數、濕度、高程及坡度等多種數據建立多特征波段，豐富了研究區(qū)信息;③以地物光譜特征為依據建立的這種方法具有可重復性。

2.2 面向對象的水蝕荒漠化程度分級

面向對象信息提取技術［15－16］以相同特征上“同質均一”的圖塊對象為基本分析單元，并綜合考慮了地物的光譜特征、紋理特征和空間關系等，在圖像分割后對對象采用智能計算模型進行地物提取和分類，其信息提取精度更高。這對于具有豐富空間特征信息的水蝕荒漠化信息的提取具有很好的適用性。相對于單個像素，研究區(qū)基于多種特征空間分割后的均質影像對象可生成大量的地物新信息，除光譜特征外，還具有形狀、紋理、植被覆蓋度、坡度、溝谷密度和尺度相關特征等語義信息。

本次研究采用eCognition Developer軟件［17］的面向對象分類功能實現了水蝕荒漠化程度的分級。該過程主要包括以下5個步驟:

1)多特征波段的構建。本次研究水蝕荒漠化程度以植被覆蓋度、坡度和溝谷密度作為分級指標。因此，在進行面向對象分類之前，需建立以植被覆蓋度、坡度和溝谷密度構成的多特征空間。

植被覆蓋度為影像分割對象的NDVI平均值。

坡度由經過面向對象多尺度分割后的各個影像對象的平均坡度值構成。

溝谷密度是指在一個特定的區(qū)域內，地表單位面積內溝谷的總長，數學表達式為:D=∑L/A(D為溝谷密度，km/km2;∑L指特定區(qū)域面積內的溝谷總長度，km;A指特定區(qū)域面積，km2)。研究區(qū)溝谷密度空間的建立是基于研究區(qū)的DEM數據，通過水文分析［18］等多種分析技術實現。

2)特征波段權重的確定。采用Saaty［19］提出的比較標度法，對去除了非水蝕荒漠化信息的特征波段進行兩兩比較，得出特征波段重要性標度(表1)。

表1 特征波段重要性標度Tab.1 Importance scale of characteristic bands

由表1構建的判斷矩陣為

進而，采用和積法計算準則層各元素的排序權重，并通過一致性檢驗，最終得出植被覆蓋度、坡度及溝谷密度等特征波段的權重依次為0.70，0.19 和0.11。

3)面向對象的多尺度分割。面向對象應用的一個前提條件是保證影像多尺度分割后產生的對象在絕大部分區(qū)域內由一種地物占主要地位。由于遙感圖像上豐富的空間結構信息和地理特征信息提取需要在多種不同的尺度下進行，因此面向對象應用成功與否的關鍵在于對圖像分割的合理性。因此，在分割程序執(zhí)行中，除設置尺度參數控制的閾值外，還需通過設置每個圖像層的權值、光譜(顏色)、形狀異質性計算的權值、緊密度和平滑度的權值等參數來控制分割算法的分割結果。

對參與水蝕荒漠化程度分級的特征波段分別進行分割尺度為100，60，30，15等4次分割實驗。相比較而言，100分割尺度下的分割對象過于粗略，15分割尺度下的分割對象過于細碎。這2種分割尺度都不利于影像特征的分割和影像對象的進一步分類。經過綜合分析后認為，采用30作為分割尺度得到的影像對象不僅能很好地集合各種特征，而且有利于下一步的對象分類。相對而言，顏色指數(color)和形狀指數(shape)略為次要，賦值0.3;表面復雜度指數(compactness)采用默認閾值0.5。

因此，在面向對象多尺度分割技術中，各特征波段權重值(image layer weight)分別為:植被覆蓋度為0.70，坡度為 0.19，溝谷密度為 0.11; 分割尺度為30;形狀指數為0.3;表面復雜度指數為0.5。研究區(qū)去除了非水蝕荒漠化信息的面向對象多尺度分割結果如圖6所示。

圖6 研究區(qū)面向對象的多尺度分割結果Fig.6 Object－oriented muti－scale segmentation result of study area

4)水蝕荒漠化程度分級。通過分析各特征波段直方圖的連續(xù)統去除曲線，有助于把握研究區(qū)的特征分布，便于水蝕荒漠化程度分級中的各項閾值設定。

從特征波段直方圖的連續(xù)統去除曲線得知，植被覆蓋度特征波段(NDVI)的閾值集中在(－0.5，0.5)之間，在－0.125閾值附近具有最大頻率;坡度特征波段的閾值在(10，20)之間具有最高的頻率;溝谷密度特征波段的閾值集中在(1，3)之間。在進行多次實驗后得知，NDVI＞0的影像對象水蝕荒漠化程度低，NDVI＜－0.13的影像對象水蝕荒漠化程度高，－0.13≤NDVI≤0的影像對象則具有中等水蝕荒漠化程度。

基于此，通過循環(huán)試驗，逐步確定面向對象的分類規(guī)則，最終實現水蝕荒漠化程度的分級，如圖7所示。

圖7 研究區(qū)水蝕荒漠化區(qū)域(左)及程度分級(右)Fig.7 Water －erosion desertification area(left)and classification degree(right)of study area

5)分類后處理。分類后處理主要遵循“相同地物具有空間分布的連續(xù)性特征”這一基本規(guī)律，建立相應的計算規(guī)則，對信息自動提取結果中存在的碎屑多邊形進行消除，使得分類結果更貼近實際情況。

3 精度評價

3.1 一致性評價

將計算機自動提取結果與目視解譯分級結果進行疊加分析，構建二者之間關系(表2、表3)。

表2 研究區(qū)水蝕荒漠化自動提取與目視解譯面積一致性分析Tab.2 Water－erosion desertfication area consistency analysis between automatic extraction and visual interpretation of study area (km2)

表3 研究區(qū)水蝕荒漠化自動提取與目視解譯百分比一致性分析Tab.3 Water－erosion desertification percentage consistency analysis between automatic extraction and visual interpretation of study area (%)

從表2、表3可見，對于非水蝕荒漠化區(qū)域，計算機自動提取結果與目視解譯結果的一致性最高，達到89.4%;中度水蝕荒漠化與重度水蝕荒漠化一致性次之，分別為83.4%和77.7%;輕度水蝕荒漠化一致性最低，為67.9%。計算機自動提取結果與目視解譯結果相比的一致性達到了82.8%，且二者之間保持了良好的線性關系，分級結果也基本能夠反映研究區(qū)內水蝕荒漠化的真實情況。

3.2 精度評價分區(qū)圖及差異分析

將黃土高原實驗區(qū)內目視解譯分級結果與計算機自動提取結果進行疊加和屬性歸并;對疊加結果進行賦色，形成精度評價分區(qū)圖(圖8)。使用該圖可對兩者之間的差異進行精細分析。

圖8 研究區(qū)水蝕荒漠化精度評價分區(qū)Fig.8 Experimental zone of study area automatic extraction of water－erosion desertification classification

從圖8可知，目視解譯和計算機自動提取結果存在一定的差別，主要表現在對水蝕荒漠化程度分級的不同:目視解譯受解譯人員經驗以及遙感影像本身質量的影響會存在誤差;計算機自動提取受分類指標和算法等因素的影響也會使結果發(fā)生偏差。

4 結論

本文在國內外荒漠化信息提取研究的基礎上，通過實驗研究，取得了以下主要認識和成果:

1)創(chuàng)建了一種全新的水蝕荒漠化信息提取決策樹分類體系。該體系通過建立研究區(qū)的多個特征波段，構建了決策樹分類規(guī)則，較好地剔除了非水蝕荒漠化信息。

2)將層次分析法引入面向對象多尺度分割工作，以層次化、數量化、模型化的數學手段代替人的決策思維，使得分割依據更加可靠。

3)建立起一套新的水蝕荒漠化信息提取工作流程:通過決策樹方法剔除非水蝕荒漠化信息;使用面向對象分類技術對水蝕荒漠化程度進行分級。

［1］王效科，歐陽志云，肖 寒，等.中國水土流失敏感性分布規(guī)律及其區(qū)劃研究［J］.生態(tài)學報，2001，21(1):14 －19.Wang X K，Ouyang Z Y，Xiao H，et al.Distribution and Division of Sensitivity to Water－ caused Soil Loss in China［J］.Acta Ecologica Sinica，2001，21(1):14 －19(in Chinese with English Abstract).

［2］張 宏，林先成，李世強.荒漠化評價指標體系的等級系統研究［J］.四川師范大學學報:自然科學版，2005，28(3):358 －361.Zhang H，Lin X C，Li S Q.Studies on Hierarchical System of Desertification Assessment Index System［J］.Journal of Sichuan Normal University:Natural Science Edition，2005，28(3):358－361(in Chinese with English Abstract).

［3］吳 波，蘇志珠，楊曉暉，等.荒漠化監(jiān)測與評價指標體系框架［J］.林業(yè)科學研究，2005，18(4):490 －496.Wu B，Su Z Z，Yang X H，et al.A Framework of Indicator System for Desertification Monitoring and Evaluation［J］.Forest Research，2005，18(4):490 －496(in Chinese with English Abstract).

［4］李秀彬，馬志尊，姚孝友，等.北方土石山區(qū)水土流失現狀與綜合治理對策［J］.中國水土保持科學，2008，6:9 －15.Li X B，Ma Z Z，Yao X Y，et al.Current Status and Comprehensive Control Strategies of Soil Erosion for Rocky Mountain Areas in the Northern China［J］.Science of Soil and Water Conservation，2008，6(1):9－15(in Chinese with English Abstract).

［5］中華人民共和國林業(yè)部防治沙漠化辦公室.聯合國關于在發(fā)生嚴重干旱和/或沙漠化的國家特別是在非洲防治沙漠化的公約［M］.北京:中國林業(yè)出版社，1994.Combating Desertification of the People’s Republic of China Ministry of Forestry Office.Elaboration of an International Convention to Combat Desertification in Experiencing Serious Drought and or Desertification Particularly in Africa［M］.Beijing:China Forestry Publishing House，1994(in Chinese).

［6］傅伯杰，汪西林.DEM在研究黃土丘陵溝壑區(qū)土壤侵蝕類型和過程中的應用［J］.水土保持學報，1994，8(3):17 －21.Fu B J，Wang X L.The Application of DEM in Studying Soil Erosion Type and Process in the Loess Hilly and Gully Area［J］.Journal of Soil and Water Conservation，1994，8(3):17－21(in Chinese with English Abstract).

［7］陳志清.福建省長汀縣河田鎮(zhèn)的水蝕荒漠化及其治理［J］.地理科學進展，1998，17(2):65 －70.Chen Z Q.Desertification Induced by Water Erosion and its Combat of Hetian Town in Changding County，Fujian Province［J］.Journal of Progress in Geography，1998，17(2):65－70(in Chinese with English Abstract).

［8］王 建，董光榮，李文君，等.利用遙感信息決策樹方法分層提取荒漠化土地類型的研究探討［J］.中國沙漠，2000，20(3):243－247.Wang J，Dong G R，Li W J，et al.Primary Study on the Multilayer Remote Sensing Information Extraction of Desertification Land Types by Using Decision Tree Technology［J］.Journal of Desert Research，2000，20(3):243－247(in Chinese with English Abstract).

［9］王香鴿，孫 虎，李智佩，等.“3S”技術在水蝕荒漠化研究中的應用［J］.水土保持學報，2003，17(4):82 －85.Wang X G，Sun H，Li Z P，et al.Waterpower Desertification in Loess Plateau Region by Using 3S Technology［J］.Journal of Soil and Water Conservation，2003，17(4):82－85(in Chinese with English Abstract).

［10］黃土高原地區(qū)資源與環(huán)境遙感系列圖編委會.黃土高原地區(qū)資源與環(huán)境遙感調查和系列制圖研究［M］.北京:地震出版社，1992.Resources and Environment Remote Sensing Series of Figure Editorial Board in Loess Plateau.Resources and Environmental Remote Sensing Investigation and a Series of Mapping Studies in the Loess Plateau［M］.Beijing:Seismological Press，1992(in Chinese).

［11］周忠學，孫 虎，李智佩.黃土高原水蝕荒漠化發(fā)生特點及其防治模式［J］.干旱區(qū)研究，2005，22(1):29 －34.Zhou Z X，Sun H，Li Z P.Study on Mechanism of Water－eroded Desertification and its Control in the Loess Plateau［J］.Arid Zone Research，2005，22(1):29 －34(in Chinese with English Abstract).

［12］高志海，魏懷東，丁 峰.基于3S技術的荒漠化監(jiān)測技術系統研究［J］.遙感技術與應用，2002，17(6):330 －336.Gao Z H，Wei H D，Ding F.Study on Desertification Monitoring System Based on Remote Sensing，GIS and GPS［J］.Remote Sensing Technology and Application，2002，17(6):330－336(in Chinese with English Abstract).

［13］楊 桄，劉湘南，張 柏，等.基于多特征空間的遙感信息自動提取方法［J］.吉林大學學報:地球科學版，2005，35(2):257－260.Yang G，Liu X N，Zhang B，et al.An Automatic Extraction Method of Remote Sensing Information Based on Multi－characters Space［J］.Journal of Jilin University:Earth Science Edition，2005，35(2):257－260(in Chinese with English Abstract).

［14］湯國安，張友順，劉詠梅，等.遙感數字圖像處理［M］.北京:科學出版社，2003.Tang G A，Zhang Y S，Liu Y M，et al.Remote Sensing Digital Image Processing［M］. Beijing: SciencePress，2003(in Chinese).

［15］陳云浩，馮 通，史培軍.基于面向對象和規(guī)則的遙感影像分類研究［J］.武漢大學學報:信息科學版，2006，31(4):316 －320.Chen Y H，Feng T，Shi P J，et al.Classification of Remote Sensing Image Based on Object Oriented and Class Rules［J］.Geomatics and Information Science of Wuhan University，2006，31(4):316－320(in Chinese with English Abstract).

［16］孫永軍，童慶禧，秦其明.利用面向對象方法提取濕地信息［J］.國土資源遙感，2008(1):79 －82.Sun Y J，Tong Q X，Qin Q M.The Object－oriented Method for Wetland Information Extraction［J］.Remote Sensing for Land and Resources，2008，19(1):79－82(in Chinese with English Abstract).

［17］牛春盈，江萬壽，黃先鋒，等.面向對象影像信息提取軟件Feature Analyst和 eCognition的比較［J］.遙感應用，2007，2:66－70.Niu C Y，Jiang W S，Huang X F，et al.Analysis and Comparison Between two Object－oriented Information Extraction Software of Feature Analyst and eCognition［J］.Remote Sensing Information，2007(2):66－70(in Chinese with English Abstract).

［18］湯國安，楊 昕.ArcGIS地理信息系統空間分析實驗教程［M］.北京:科學出版社，2006.Tang G，Yang X.The Spatial Analysis Experimental Tutorial of a Geographic Information System Called ArcGIS［M］.Beijing:Science Press，2006(in Chinese).

［19］Saaty T L.The Analytical Hierarchy Process［M］.New York:McGraw －h(huán)ill Company，1980.

A Study of Automatical Information Extraction Method of Water－erosion Desertification

GE Jia1，ZHANG Zi－ming2，WU Cheng3，ZHAN Qian3，SUN Yong －jun4
(1.China University of Geosciences，Wuhan 430074，China;2.Northwest Bureau of China Metallurgical Geology Bureau，Xi’an 710119，China;3.China University of Geosciences，Beijing 100083，China;4.China Areo Geophysical Survey and Remote Sensing for Land and Resources，Beijing 100083，China)

In this paper，part of the loess plateau was chosen as the study area.A set of automatic information extraction methods for water－erosion desertification was proposed by using the ETM+images obtained in this area and on the basis of remote sensing data and geographic information system.NDVI(normalized difference vegetation index)，KT3(KT transform，humidity)，slope，DEM(elevation)and typical feature spectral data were used to establish the characteristic bands of the study area，and then a decision tree classification rule could be constructed，which could exclude the non － water erosion desertificatin information effectively in the study area.The object－oriented muti－scale segmentation technology was adopted，and the slope，gully density and vegetation coverage were taken as the characteristic bands of the water－erosion desertification classification.With the building of the multi－characters space，the weight value was determined by the analytic hierarchy process，which also served as the classification index of the water－erosion desertification.The consistency of the evaluation between the automatic extraction results and the visual interpretation results shows a good linear relationship，with the overall consistency reaching 82.8%.

water－erosion desertification;information extraction;object－oriented segmentation;analytic hierarchy process

TP 79

A

1001－070X(2012)04－0088－07

2012－03－20;

2012－08－21

中國地質調查局“黃河流域基礎地質環(huán)境遙感調查與監(jiān)測”項目(編號:1212010510512)資助。

10.6046/gtzyyg.2012.04.15

葛 佳(1991－)，女，本科生，就讀于中國地質大學(武漢)，地質學專業(yè)。E－mail:hughfurydemon@126.com。

(責任編輯:刁淑娟)