以土地利用為基礎(chǔ)的安徽省生態(tài)評(píng)價(jià)遙感信息模型

顧留碗, 潘立新, 王帥帥, 吳 見(jiàn)

(1.滁州學(xué)院 地理信息與旅游學(xué)院, 安徽 滁州239000; 2.安徽省地理信息集成應(yīng)用協(xié)同創(chuàng)新中心， 安徽 滁州 239000 )

以土地利用為基礎(chǔ)的安徽省生態(tài)評(píng)價(jià)遙感信息模型

顧留碗1,2, 潘立新1,2, 王帥帥1,2, 吳 見(jiàn)1,2

(1.滁州學(xué)院 地理信息與旅游學(xué)院, 安徽 滁州239000; 2.安徽省地理信息集成應(yīng)用協(xié)同創(chuàng)新中心， 安徽 滁州 239000 )

[目的] 建立更科學(xué)合理的生態(tài)評(píng)價(jià)遙感信息模型，為研究區(qū)的可持續(xù)發(fā)展提供參考依據(jù)。[方法] 利用NDVI(歸一化植被指數(shù))和像元二分模型監(jiān)測(cè)植被覆蓋度作為地表植被覆蓋信息的評(píng)價(jià)指標(biāo)；用熱慣量法反演研究區(qū)的土壤含水量作為研究區(qū)地表植被覆蓋信息與土壤肥力的評(píng)價(jià)指標(biāo)；采用目視解譯獲得土壤質(zhì)地的編碼分布圖并進(jìn)行影像化處理，將土壤中物理性黏粒含量作為評(píng)價(jià)土壤板結(jié)情況指標(biāo)；利用線性光譜混合分解模型提取研究區(qū)的裸地比率作為土地荒漠化程度的評(píng)價(jià)指標(biāo)。[結(jié)果] 從土地利用的角度構(gòu)建了生態(tài)評(píng)價(jià)指標(biāo)體系，建立了以像元為單位的生態(tài)評(píng)價(jià)定量化遙感信息模型。[結(jié)論] 植被覆蓋度因子對(duì)研究區(qū)生態(tài)評(píng)價(jià)的影響程度相對(duì)較大；在生態(tài)評(píng)價(jià)過(guò)程中本研究新建模型總體評(píng)價(jià)精度比傳統(tǒng)方法提高了15%。

生態(tài)質(zhì)量評(píng)價(jià); 遙感信息模型; 土地利用; 安徽省

安徽省位于中國(guó)的華東地區(qū)，21世紀(jì)以來(lái)，國(guó)民經(jīng)濟(jì)迅速增長(zhǎng)，2013年安徽省生產(chǎn)總值達(dá)到19 038.9億元，增幅居全國(guó)第11位。與此同時(shí)，經(jīng)濟(jì)的快速發(fā)展和龐大的人口數(shù)量給生態(tài)環(huán)境造成巨大壓力。筆者根據(jù)國(guó)家環(huán)?？偩窒逻_(dá)的“全國(guó)生態(tài)環(huán)境質(zhì)量評(píng)價(jià)”項(xiàng)目，對(duì)安徽省生態(tài)環(huán)境質(zhì)量進(jìn)行了評(píng)價(jià)研究。其目的就在于監(jiān)測(cè)和評(píng)估安徽省區(qū)域范圍內(nèi)生態(tài)環(huán)境在人類和自然因素共同作用下的變化狀態(tài)和變化規(guī)律[1]，進(jìn)而為當(dāng)?shù)赝恋乩煤蜕鷳B(tài)保護(hù)提供科學(xué)依據(jù)。

生態(tài)評(píng)價(jià)即利用生態(tài)學(xué)、地理學(xué)及其他學(xué)科的原理和方法，對(duì)一個(gè)區(qū)域的生態(tài)系統(tǒng)，特別是起主要作用的生態(tài)因子的評(píng)價(jià)。近年來(lái)，國(guó)內(nèi)有很多學(xué)者從不同的角度對(duì)生態(tài)評(píng)價(jià)進(jìn)行研究，王玉梅等[2]運(yùn)用生態(tài)足跡分析法對(duì)吉林生態(tài)省建設(shè)作出評(píng)價(jià)，盛周君等采用層次分析法構(gòu)建生態(tài)環(huán)境質(zhì)量評(píng)價(jià)指標(biāo)體系，王軍等[4]探討了土地整理生態(tài)評(píng)價(jià)的技術(shù)方法，但還沒(méi)有形成一套完整實(shí)用的評(píng)價(jià)指標(biāo)體系。采用遙感的方法提取生態(tài)質(zhì)量指標(biāo)是一種快速評(píng)價(jià)研究區(qū)生態(tài)質(zhì)量的有效方法，但從土地利用角度進(jìn)行區(qū)域遙感生態(tài)環(huán)境質(zhì)量評(píng)價(jià)的研究較少。本研究針對(duì)安徽省的地理特征，擬從土地利用的角度，建立安徽省生態(tài)評(píng)價(jià)定量化遙感信息模型，為當(dāng)?shù)丨h(huán)境規(guī)劃、綜合治理、制定提高生態(tài)環(huán)境質(zhì)量和環(huán)境保護(hù)的對(duì)策提供指導(dǎo)。

1 研究區(qū)概況及數(shù)據(jù)預(yù)處理

1.1 研究區(qū)概況

安徽省位于中國(guó)中東部，東經(jīng)114°54′—119°37′和北緯29°41′—34°38′。地勢(shì)西南高，東北低，長(zhǎng)江、淮河橫貫省境，淮河以北地勢(shì)平坦，江淮之間丘陵起伏，皖南以山地丘陵為主。地形從北向南分為淮北平原、江淮丘陵、大別山區(qū)和皖南山區(qū)4個(gè)主要分區(qū)。地處溫帶和亞熱帶過(guò)渡地區(qū)，降水豐富，省內(nèi)河流眾多，氣候溫暖濕潤(rùn)，四季分明，冬季平均氣溫為-1～4 ℃，夏季平均氣溫為27～29 ℃，年均降水量750～1 700 mm。土壤質(zhì)地受成土母質(zhì)、植被、氣候、地形等因素影響，主要類型有黏土、壤土、沙壤土、沙土。

1.2 遙感數(shù)據(jù)預(yù)處理

選取安徽省2009年的TM遙感數(shù)據(jù)，研究區(qū)圖像上無(wú)云，便于遙感影像的解譯。用ENVI 軟件進(jìn)行輻射定標(biāo)、大氣校正、影像裁剪處理，并結(jié)合DEM 影像對(duì)TM 影像進(jìn)行配準(zhǔn)和正射校正，其目的是糾正由于地形起伏引起的誤差，然后在ArcMap軟件中將校正后的TM影像、土地利用圖轉(zhuǎn)化到統(tǒng)一的坐標(biāo)系統(tǒng)下。選擇同比例尺的地形圖，按地形圖分幅將衛(wèi)片鑲嵌于地形圖上，根據(jù)影像特性和地學(xué)相關(guān)分析方法建立解譯標(biāo)志，進(jìn)行初步解譯。根據(jù)野外實(shí)地樣點(diǎn)調(diào)查和地物光譜測(cè)定資料進(jìn)一步修正初步解譯結(jié)果，將目視解譯結(jié)果劃分為草地、林地、裸地、居民地及工礦用地、耕地5種土地類型。

2 研究方法

2.1 選取指標(biāo)

用已有的研究成果選取生態(tài)評(píng)價(jià)指標(biāo)[5]：

D=G+T+B

(1)

式中：D——生態(tài)環(huán)境質(zhì)量；G——植被覆蓋信息；T——土壤信息；B——地表信息。本研究選取植被覆蓋度、土壤質(zhì)地、裸地比率、土壤含水量作為林地、草地、居民地及工礦用地、裸地、耕地的評(píng)價(jià)指標(biāo)。

2.2 確定生態(tài)質(zhì)量評(píng)價(jià)“基準(zhǔn)”

生態(tài)環(huán)境的變化是一個(gè)漫長(zhǎng)的過(guò)程，因此生態(tài)環(huán)境質(zhì)量的評(píng)價(jià)就涉及到一個(gè)“基準(zhǔn)”問(wèn)題。劉玉平[6]認(rèn)為基準(zhǔn)是在一定氣候條件下，生態(tài)系統(tǒng)所能達(dá)到的最大潛在狀態(tài)，即沒(méi)有人為干擾條件下當(dāng)?shù)靥烊恢脖谎萏嫠苓_(dá)到的最終穩(wěn)定狀態(tài)。當(dāng)?shù)毓诺乩憝h(huán)境和歷史地理資料代表了人類干擾較少的自然狀態(tài)，就是該地區(qū)的“基準(zhǔn)”，但這樣的材料實(shí)際上很難得到。丁國(guó)棟[7]提出以各地現(xiàn)存最完好的單元作為基準(zhǔn)。本研究即采用這一觀點(diǎn)，以各土地利用類型中最完好的單元作為“基準(zhǔn)”，在每一種土地利用類型中選取10～20個(gè)生態(tài)環(huán)境質(zhì)量最差的單元作為最低等級(jí)生態(tài)環(huán)境評(píng)價(jià)的指標(biāo)。

2.3 確定指標(biāo)權(quán)重

通過(guò)大量的樣地調(diào)查和室內(nèi)分析發(fā)現(xiàn)，各指標(biāo)的重要程度主要受2個(gè)因素的影響： (1) 生態(tài)環(huán)境質(zhì)量變差時(shí)，變化量越小的指標(biāo)對(duì)生態(tài)環(huán)境質(zhì)量的影響越大，反之越小。即各個(gè)指標(biāo)的重要程度與各指標(biāo)的變化量成反比。(2) 總量越大的指標(biāo)對(duì)生態(tài)環(huán)境質(zhì)量的影響越大，反之越小，即各個(gè)指標(biāo)的重要程度與各指標(biāo)的總量成正比。因此，要確定各個(gè)指標(biāo)的權(quán)重，必須先知道一些生態(tài)環(huán)境質(zhì)量的區(qū)域單元。本研究選擇代表基準(zhǔn)和最低等級(jí)的生態(tài)環(huán)境質(zhì)量的區(qū)域單元，通過(guò)實(shí)地測(cè)量獲得其指標(biāo)值，并以其作為確定各個(gè)類型指標(biāo)權(quán)重的參考值。

為消除不同類型指標(biāo)的變異程度不同，需要對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化，其公式為[8]：

Zi=(Xi-Xmin)/(Xmax-Xmin)

(2)

式中：Zi——某個(gè)指標(biāo)的標(biāo)準(zhǔn)分?jǐn)?shù)；Xi——某指標(biāo)的指標(biāo)值；Xmax——某指標(biāo)的最大值；Xmin——某指標(biāo)的最小值。

對(duì)土壤質(zhì)地起主導(dǎo)作用的指標(biāo)是直徑小于0.01 mm的物理性黏粒(表征土壤塑性、保水能力的指標(biāo))。因此，對(duì)不同土壤質(zhì)地進(jìn)行分析，確定其物理性黏粒的含量，以其作為確定土壤質(zhì)地權(quán)重的參考指標(biāo)。將不同類型指標(biāo)標(biāo)準(zhǔn)化后，本研究根據(jù)影響指標(biāo)重要程度的2個(gè)因子得出權(quán)重公式[5]。

Wi=(Xmax-Xmin)/(X1i-X2i)

(3)

式中：Wi——權(quán)重；Xmax-Xmin——反應(yīng)各個(gè)指標(biāo)的總量，X1 i-X2 i——各個(gè)指標(biāo)的變化量。X1 i——基準(zhǔn)單元中某指標(biāo)的數(shù)值；X2 i——最低等級(jí)的生態(tài)環(huán)境質(zhì)量單元中某指標(biāo)的數(shù)值。

2.4 評(píng)價(jià)方法

生態(tài)質(zhì)量指數(shù)(ecological quality index,EQI)反映被評(píng)價(jià)區(qū)域整體生態(tài)質(zhì)量狀況，其公式為[3]：

(4)

式中：n——評(píng)價(jià)指標(biāo)因子數(shù)；Xi——第i個(gè)評(píng)價(jià)因子的權(quán)重；Yij——第i個(gè)評(píng)價(jià)因子在第j個(gè)等級(jí)標(biāo)準(zhǔn)時(shí)的等級(jí)值。參考前人研究成果[5]，將植被覆蓋度、土壤含水量、裸地比率劃分為7個(gè)等級(jí)，對(duì)各因子等級(jí)范圍有規(guī)律地賦以1.0～4.5的不同等級(jí)值，土壤質(zhì)地分為4類(表1)。利用式(2) 求得生態(tài)質(zhì)量指數(shù)，依據(jù)以往專家評(píng)判和試驗(yàn)結(jié)果(表2)，劃出生態(tài)質(zhì)量總得分值范圍，按生態(tài)環(huán)境質(zhì)量指數(shù)將生態(tài)質(zhì)量分為差、較差、一般、良、優(yōu)5級(jí)[9](表3)。

2.5 評(píng)價(jià)指標(biāo)定量化

2.5.1 估算植被覆蓋度

(1) 提取歸一化植被指數(shù)。目前，已經(jīng)發(fā)展很多利用遙感圖像估測(cè)植被覆蓋度的方法，較為實(shí)用的方法是利用植被指數(shù)近似估算植被覆蓋度，常用的方法就是利用NDVI(歸一化植被指數(shù))來(lái)估算植被指數(shù)[10-11]。NDVI是植被生長(zhǎng)狀態(tài)以及植被空間分布密度的指示因子，其與植被分布密度呈線性相關(guān)。當(dāng)植被蓋度較低時(shí)，NDVI值也較低，反之亦然。其公式為：

NDVI=(NIR-RED)/(NIR+RED)

(5)

式中：NIR——近紅外波段； RED——紅光波段。

表1 生態(tài)質(zhì)量遙感評(píng)價(jià)指標(biāo)體系

表2 生態(tài)質(zhì)量各指標(biāo)權(quán)重

表3 生態(tài)質(zhì)量評(píng)價(jià)等級(jí)

(2) 建立象元二分模型。像元二分模型是一種簡(jiǎn)單實(shí)用的遙感估算模型，它假設(shè)一個(gè)像元的地表由有植被覆蓋部分地表與完全裸土或無(wú)植被覆蓋部分地表組成，而遙感傳感器觀測(cè)到的光譜信息也由這2個(gè)因子線性加權(quán)合成，各因子的權(quán)重是各自的面積在像元中所占的比率，如其中植被覆蓋度可以看作是植被的權(quán)重。即傳感器所觀測(cè)到的像元信息S，可表達(dá)為綠色植被成分所貢獻(xiàn)的信息Sv與非植被成分所貢獻(xiàn)的信息Ss。植被覆蓋度Fc為[10-11]：

Fc=(S-Ss)/(Sv-Ss)

(6)

式中：Fc——該像元的植被覆蓋度；Sv——假設(shè)全部由植被覆蓋的信息量；Ss——假設(shè)全部由完全裸土或無(wú)植被覆蓋的信息量。

將NDVI代入式(6)，得到基于NDVI的像元二分模型為：

Fc=(NDVI-NDVIs)/(NDVIv-NDVIs)

(7)

式中：NDVIs——完全裸土或無(wú)植被覆蓋的裸地像元的NDVI值； NDVIv——全植被覆蓋的NDVI值，即純植被像元的NDVI值。NDVIs值取評(píng)價(jià)區(qū)域影像中NDVI最小值；NDVIv值取評(píng)價(jià)區(qū)域影像中NDVI最大值。于是，(7)式轉(zhuǎn)換為：

Fc=(NDVI-NDVImin)/(NDVImax-NDVImin)

(8)

這樣就把混合像元的植被指數(shù)值轉(zhuǎn)換為植被覆蓋度值，即通過(guò)建立NDVI與植被覆蓋度的轉(zhuǎn)換關(guān)系，進(jìn)而估算植被覆蓋度?？筛鶕?jù)計(jì)算得到的像元及其光譜特征按0%～10%，10%～20%，20%～30%，30%～40%，40%～50%，50%～60%和>60%將植被覆蓋度按等級(jí)劃分(附圖6)。

2.5.2 土壤含水量測(cè)定 土壤水是植物吸收水分的主要來(lái)源，其含量間接體現(xiàn)該地區(qū)的植被覆蓋信息。另外，水分對(duì)土壤具有重要意義，它能影響土壤的物理性質(zhì)，制約土壤中養(yǎng)分的溶解、轉(zhuǎn)移和微生物的活動(dòng)，是影響土壤肥力的重要因素[12]。因此本研究采用土壤含水量作為區(qū)域生態(tài)環(huán)境評(píng)價(jià)的一項(xiàng)指標(biāo)。

土壤熱慣量是土壤的一種熱特性，它是引起土壤表層溫度變化的內(nèi)在因素，它與土壤含水量有密切的相關(guān)關(guān)系，同時(shí)又控制著土壤溫度日較差的大小。而土壤溫度日較差可以由衛(wèi)星遙感信息獲得，使熱慣量法研究土壤濕度成為可能[13]。其公式為[14]：

W=a+bp

(9)

(1-A)/ΔT=f(P)

(10)

式中：A——反照度(%)；ΔT——地面晝夜溫差(℃)；將(1-A)ΔT定義——表現(xiàn)熱慣量，(1-A)/ΔT的值隨P的增大單調(diào)上升，其值的大小反映熱慣量P的相對(duì)大小。

利用大氣輻射傳輸模型，針對(duì)LandsatTM數(shù)據(jù)，高志海等[15]通過(guò)模擬建立了不同傳感器地表反照率估算的通用公式：

(11)

式中：a——地表反照率，ρTM1，ρTM3，ρTM4，ρTM5和ρTM7——TM(或ETM)波段1，3，4，5，7的反射率。求出a之后，代入(10)式計(jì)算研究區(qū)的熱慣量。由于不同土地利用類型反射的地表信息不同，導(dǎo)致不同土地利用類型相同的土壤含水率其熱慣量值不同。在野外實(shí)測(cè)樣地中，熱慣量均為0.04時(shí)，草地的土壤含水率為0.82%，裸地的土壤含水率為0.43%，耕地的土壤含水率為1.83%。因此，用野外實(shí)測(cè)數(shù)據(jù)與計(jì)算的熱慣量值進(jìn)行擬合時(shí)，按不同土地利用類型分別建立擬合方程，其R2值都大于0.8，進(jìn)而更為合理的反演土壤含水率(圖1)，整體反演結(jié)果按等級(jí)劃分(附圖7)。

圖1 土壤熱慣量與土壤含水率的關(guān)系

2.5.3 土壤質(zhì)地分類 根據(jù)安徽省土壤質(zhì)地分布圖，利用ArcMap軟件，把安徽省土壤質(zhì)地分布情況矢量化，然后把提取的矢量文件導(dǎo)入到ENVI軟件中對(duì)不同土壤質(zhì)地類型進(jìn)行編碼，最后把編碼圖用式(12)進(jìn)行影像化[14]：

(12)

式中：G——每個(gè)編碼因子的像元灰度值；Imin——整幅影像中編碼的最小值；Imax——整幅影像中編碼的最大值；I——每一點(diǎn)的編碼值，目的是使每個(gè)像元都有便于遙感信息模型計(jì)算的編碼灰度值。由于不同的土壤質(zhì)地其物理性黏粒含量也不同，將其進(jìn)行分類(圖2)。

2.5.4 裸地比率提取 裸地比率的提取方法多種多樣，本研究采用線性光譜混合分解模型(LSMM，linear spectral mixture mode)提取裸地比率。線性光譜混合分解模型(LSMM)是一種發(fā)展比較完善、應(yīng)用比較廣泛的光譜混合分析方法，假設(shè)組成混合像元的不同地物類別的光譜以線性組合的方式組成混合像元的光譜，并且組成混合像元的不同地物類別光譜之間是獨(dú)立的，其每種地物類型在該像元內(nèi)所占的面積比例(豐度)作為權(quán)重系數(shù)。本研究采用全受限的LSMM[16]進(jìn)行分析，其公式為：

(13)

(14)

式中：ρijk——i行j列像元在k波段的反射率；Fijm——端元m在i行j列像元中所占分量值(0≤Fijm≤1)；ρmk——端元m在k波段的反射率； eijk——k波段i行j列像元的誤差值。由于該模型受誤差的影響較大，因此在應(yīng)用過(guò)程中應(yīng)盡可能的減小每個(gè)像元的誤差值，即使均方根誤差RMSE(rootmeansquareerror)最小化，公式為REMS=(∑eijk2/N)1/2,其中N——像元總數(shù)。本研究使用最小二乘法解該模型。最小二乘法公式為：

(15)

圖2 研究區(qū)土壤質(zhì)地分類

2.6 建立生態(tài)評(píng)價(jià)遙感信息模型

不同的土地利用類型其評(píng)介指標(biāo)的權(quán)重也不同，因此要按照不同的土地利用類型建立生態(tài)質(zhì)量評(píng)價(jià)遙感信息模型。將各個(gè)評(píng)價(jià)因子代入(4)式進(jìn)行計(jì)算，再將得到的生態(tài)質(zhì)量評(píng)價(jià)等級(jí)值圖進(jìn)行復(fù)合，得到研究區(qū)生態(tài)質(zhì)量評(píng)價(jià)結(jié)果(附圖9)。

2.7 驗(yàn)證評(píng)價(jià)結(jié)果

結(jié)果驗(yàn)證采用安徽省2009年6月野外GPS實(shí)測(cè)數(shù)據(jù)，在實(shí)地不同土地利用類型上隨機(jī)選取100個(gè)樣點(diǎn)進(jìn)行精度驗(yàn)證。為驗(yàn)證此模型的可行性，本研究采用周先傳等提出的基于遙感的安徽省生態(tài)質(zhì)量評(píng)價(jià)模型進(jìn)行對(duì)比。結(jié)果顯示本模型的評(píng)價(jià)精度除裸地為78%外，其他土地利用類型的評(píng)價(jià)精度都在82%以上，而周先傳[9]模型的評(píng)價(jià)精度都在76%以下，而且本模型的評(píng)價(jià)總體精度較周先傳模型提高了15%(表4)。本模型和周先傳模型都采用植被指數(shù)作為生態(tài)環(huán)境質(zhì)量的評(píng)價(jià)指標(biāo)，此外，本研究還從土壤理化特征入手，并取得良好的效果。

表4 本文模型與周先傳模型生態(tài)評(píng)價(jià)精度對(duì)比

3 結(jié) 論

(1) 在進(jìn)行遙感生態(tài)評(píng)價(jià)時(shí)，要根據(jù)研究區(qū)的不同特點(diǎn)，采用針對(duì)研究區(qū)地理特征的評(píng)價(jià)方法，具體問(wèn)題具體分析，以提高區(qū)域評(píng)價(jià)精度。

(2) 安徽省地理特征較為復(fù)雜，土地利用類型多種多樣，植被覆蓋度占研究區(qū)生態(tài)評(píng)價(jià)的比重仍然較大。

(3) 本研究從土地利用的角度建立遙感信息模型對(duì)生態(tài)質(zhì)量進(jìn)行評(píng)價(jià)，指標(biāo)合理，權(quán)重客觀。利用NDVI 和像元二分模型提取的植被覆蓋度作為地表植被覆蓋信息的評(píng)價(jià)指標(biāo)、利用土壤中含水量作為研究區(qū)地表植被覆蓋信息與土壤肥力的評(píng)價(jià)指標(biāo)、利用裸地比率評(píng)價(jià)土地荒漠化程度、利用土壤質(zhì)地不同將土壤中物理性黏粒含量作為評(píng)價(jià)土壤板結(jié)情況指標(biāo)，取得良好的效果，總體評(píng)價(jià)精度較傳統(tǒng)指標(biāo)體系評(píng)價(jià)精度高。

[1] 朱曉華,楊秀春,謝志仁.江蘇省生態(tài)環(huán)境質(zhì)量動(dòng)態(tài)評(píng)價(jià)研究[J].2002,22(1):97-100.

[2] 王玉梅,尚金武,徐凌.吉林生態(tài)省建設(shè)規(guī)劃背景評(píng)價(jià)的生態(tài)足跡分析[J].環(huán)境科學(xué)與管理,2005,30(5):48-51.

[3] 盛周君,孫世群,倪小東，等.安徽省生態(tài)環(huán)境質(zhì)量評(píng)價(jià)[J].安徽農(nóng)業(yè)科學(xué),2007,35(31):9991-9992.

[4] 王軍,羅明,龍花樓.土地整理生態(tài)評(píng)價(jià)的方法與案例[J].自然資源學(xué)報(bào),2003,18(3):363-367.

[5] 吳見(jiàn),彭道黎.以土地利用為基礎(chǔ)的多倫縣沙質(zhì)荒漠化評(píng)價(jià)遙感信息模型[J].中國(guó)農(nóng)業(yè)大學(xué)學(xué)報(bào),2010,15(3):114-121.

[6] 劉玉平.荒漠化評(píng)價(jià)的理論框架[J].干旱區(qū)資源與環(huán)境,1998,12(3):74-82.

[7] 丁國(guó)棟.荒漠化評(píng)價(jià)指標(biāo)體系的研究:以毛烏素沙區(qū)為例[D].北京：北京林業(yè)大學(xué),1998.

[8] 齊立夫.模糊等價(jià)關(guān)系的動(dòng)態(tài)聚類法及在城市分類中的應(yīng)用[J].工程科技,2009(3):146-147.

[9] 周先傳,錢貞兵,汪硯,等.基于遙感的安徽省生態(tài)環(huán)境質(zhì)量評(píng)價(jià)[J].安徽農(nóng)業(yè)科學(xué),2007,35(14):4381-4383.

[10] 葉嬌瓏,何政偉,翁中銀,等.NDVI像元二分模型在喀斯特地區(qū)提取石漠化中的應(yīng)用[J].地理空間信息,2012,10(4):134-137.

[11] 郭芬芬,范建容,嚴(yán)冬，等.基于像元二分模型的昌都縣植被蓋度遙感估算[J].中國(guó)水土保持,2010(5):65-67.

[12] 張曉虎,李新平.幾種常用土壤含水量測(cè)定方法的研究進(jìn)展[J].陜西農(nóng)業(yè)科學(xué),2008(6):114-117.

[13] 張燦龍,倪紹祥,劉振波，等.遙感監(jiān)測(cè)土壤含水量方法綜述[J].農(nóng)機(jī)化研究,2006,6(6):58-61.

[14] 范文義.荒漠化程度評(píng)價(jià)高光譜遙感信息模型[J].林業(yè)科學(xué),2002,38(2):61-67.

[15] 高志海,魏懷東,頂峰.TM影像NDVI提取植被信息技術(shù)研究[J].干旱區(qū)資源與環(huán)境,1998,12(3):98-103.

[16] 吳見(jiàn),彭道黎.改進(jìn)線性光譜混合分解模型濕地信息提取[J].中國(guó)農(nóng)業(yè)大學(xué)學(xué)報(bào),2011,16(3):140-144.

Remote Sensing Information Model for Ecological Quality Assessment in Anhui Province Based on Land Use

GU Liuwan1,2, PAN Lixin1,2, WANG Shuaishuai1,2, WU Jian1,2

(1.GeographyInformationandTourismCollege,ChuzhouUniversity,Chuzhou239000,China; 2.AnhuiCenterforCollaborativeInnovationinGeographicalInformationIntegrationandApplication,Chuzhou239000,China)

[Objective] We aimed to establish a more scientific and reasonable ecology evaluation model of remote sensing information in order to provide scientific basis for sustainable development of study area. [Methods] The NDVI(normalized difference vegetation index) and dimidiate pixel model were used to monitor vegetation coverage as the evaluation index of vegetation coverage information; Thermal inertia method was used to inverse soil moisture content in the study area, and it was taken as the index of vegetation coverage information and soil fertility; Soil texture coding image was obtained by visual interpreting, and the soil physical clay content was taken as the index to evaluate compaction situation; The bare land ratio was extracted by linear spectral mixture decomposition model. [Results] The ecological evaluation index system was built from the perspective of land use, and the ecological evaluation remote sensing information model which unit is pixel was established. [Conclusion] The vegetation coverage largely affects the vegetation coverage of study area; the overall evaluation accuracy of this study is improved by 15% more than the traditional methods.

ecological quality assessment; remote sensing information model; land use; Anhui Province

2014-03-16

2014-04-17

安徽省高校自然科學(xué)研究重點(diǎn)項(xiàng)目“精細(xì)城市數(shù)字高程模型關(guān)鍵技術(shù)研究”(KJ2015A261); 安徽省高校自然科學(xué)研究重點(diǎn)項(xiàng)目(KJ2015A265); 滁州學(xué)院科研項(xiàng)目(2014PY07); 滁州學(xué)院優(yōu)秀青年人才基金重點(diǎn)項(xiàng)目(2013RC009)

顧留碗(1981—),男(漢族),江蘇省南通市人,碩士,講師,主要從事森林監(jiān)測(cè)評(píng)價(jià)研究。E-mail:xiangfeidewujian@126.com。

潘立新(1966—),男(漢族),安徽省滁州市人,碩士,副教授,主要從事旅游管理和城市發(fā)展研究,E-mail:czplx@sina.com。

B

1000-288X(2015)05-0340-05

TP79， Q149