基于遥感和GIS对岩溶空间模型的研究.docx

基于遥感和GIS对岩溶空间模型的研究.docx

《基于遥感和GIS对岩溶空间模型的研究.docx》由会员分享，可在线阅读，更多相关《基于遥感和GIS对岩溶空间模型的研究.docx（9页珍藏版）》请在冰点文库上搜索。

基于遥感和GIS对岩溶空间模型的研究

基于遥感和GIS系统对岩溶地貌空间格局的研究

DanXiao,KangningXiong,YulunAn,WenzhuanZhang

贵州财经学院贵州经济系统模拟重点实验室，中国贵州省贵阳市鹿冲关路276号，550004

中国南方喀斯特学院,贵州师范大学,中国贵州省贵阳市宝山北路175号，550002

地理生物学院，贵州师范大学,中国贵州省贵阳市宝山北路175号，550002

摘要：

在中国贵州，由于喀斯特生态环境的脆弱性而诱导产生了一系列大型的生态环境问题。

因此，研究贵州省的喀斯特地貌格局具有十分重要的意义。

在本文中，我们选用了定量遥感反演模型和空间分析来研究贵州清镇市岩溶地貌的空间分布。

结果表明，清镇市的岩溶地貌的破碎程度和脆弱程度极高，并且在不同的地貌形态中，拓扑关系非常复杂。

灌木树是该地区的一个优势，而严重的石漠化地貌具有较强的干扰特性。

关键词:

遥感、地理信息系统（GIS）、岩溶地貌、空间格局、脆弱性、空间分析、地貌指数

1．介绍

岩溶是一种自然现象，他包括由水和地形构造等引起的地球化学作用而产生的碳酸盐岩溶解。

岩溶在世界上的分布十分广泛，占地球总面积的10%。

中国的岩溶地区规模是世界上最大的，岩溶的分布面积超过124万平方米公里；也是最集中的，有很多省都有岩溶现象，如贵州、广西、云南、四川、西藏、湖南、湖北、山西、河北、山东。

在全球范围内，中国贵州的岩溶地区是面积最大和发育最强烈的高原山区，在该省有73%合计130万平方公里的地区都有碳酸盐岩的发育及岩溶的出露。

岩溶、大气圈,水圈和生物圈构成了岩溶生态环境。

脆弱的喀斯特生态环境和不合理的人类活动影响诱发了许多恶劣的岩溶破坏,从而给贵州带来了一系列生态环境问题。

研究岩溶地貌形态可以识别岩溶生态环境之所以脆弱的原因，以便改善其生态环境，科学地管理和综合规划地貌区域的生态环境发展[1]。

然后,我们可以通过全面了解和模拟岩溶地形的空间格局来揭示其显著的特征和规律。

至此,我们可以经科学分析后得出结论,准确地规划可持续发展策略,构成以推动地区经济为主的可持续发展工程。

因此，研究岩溶地貌的空间模型对贵州来说是十分重要的。

组成地貌斑块的地区存在着一定的相互影响规律,且地貌具有较高的空间储层非均质性。

因此,我们有必要研究地貌的空间格局。

地貌空间格局的研究是地貌生态学的三个核心研究部分之一。

更为重要的是,这种研究是调查岩溶地貌功能及其变化的基础，并且对于预测岩溶发展、岩溶地貌管理及人类活动对岩溶地貌空间格局的影响具有重要的意义[2]。

近年来,学者们在地貌生态学领域提出了一些新的理论、观念、思想和方法。

所有的这些观点都把注意力集中在了时空尺度、空间异质性及人类

对生态系统和地貌管理的干扰。

目前,学者已经采取了包括分布拟合、分布指数和兼容性分析等许多方法来研究地貌类型的多样性和地貌格局。

此外,还使用了相关指标来分析空间异质性反映和地貌分布规律。

因为时空异质性的岩溶地貌技术—遥感（RS）和地理信息系统（GIS），可以被用来识别岩溶地貌格局类型并分析其生态过程的岩溶地貌模式。

因此,我们可以很快地对岩溶地貌格局的空间分布状况进行收集、存储、管理、更新、分析、及数据应用。

基于结合遥感与GIS两种技术，研究岩溶地貌空间格局的有关理论、实践的社会意义在于这些和喀斯特地区生态环境是紧密结合在一起的。

在本文中,定量遥感反演

模型和GIS空间分析技术便被用于研究清镇的岩溶地貌空间格局，这是一座位于中国贵州高原上典型岩溶地区的城市。

2、方法论

研究岩溶地貌格局主要有三个部分，包括岩溶地貌类型的分类、岩溶地貌空间分布数据的获取和

地貌空间格局的分析[3]。

目前,陆地上在划分岩溶地区的岩溶类型时都会经过综合分析而决定。

到目前为止,通过遥感图像与定量遥感反演技术，能获取到关于岩溶地貌类型的数据。

由于遥感技术的发展,多源遥感图像及遥感反演技术

可以为岩溶地貌研究提供数据以支持访问不同尺度的地貌类型数据

。

在岩溶地貌格局研究领域，利用GIS平台计算出相关系数来处理通过多源和定量分析得到的岩溶地貌类型空间数据是十分重要的方法。

2.1的岩溶地貌类型划分

目前,地貌类型是基于研究目的,数据可用性,以及生态功能来划分的。

这些因素中,最重要的是生态功能。

在测量生态功能时，主要考虑两个方面的因素。

1、可利用方式和地貌类型的范围；2、不同地貌类型间的生态功能差异[4]。

因此,地貌格局共分为7类,包括水田、旱地、林区、草地、建设用地、水体和

荒漠。

表1岩溶地貌类型标准分级

地貌类型

分级标准

水田

栽种着水稻和其他水生作物的耕地，有足够的水源满足其灌溉条件。

旱地

栽种着旱地作物的耕地，当没有水源保障和灌溉设施时，植物的生长完全依靠自然降水。

林区

覆盖有乔木、灌木、竹等植物的地带

草地

分为人工草场和天然草场，包括高级覆盖层、中级覆盖层和低级覆盖层

建设用地

包括城市住宅建设用地,工业用地,土地和交通企业的土地。

水体

被水体覆盖的土地，包括江河、湖泊、水库、池塘。

荒漠

超过80%的面积被裸露的基岩所覆盖，植被和土壤的覆盖面积不超过20%且土壤层厚度不超过10cm。

2.2岩溶地貌类型划分方法

研究岩溶地貌格局的变化,需要丰富的空间分布数据。

对于通过广泛的定量遥感反演来研究岩溶地貌科学，RS和GIS技术的应用显得日益重要。

因为，遥感能为地貌学研究提供大量的数据，此外，还能对地貌的分布格局进行分析并通过地理信息系统（GIS）研究特殊地貌类型[5]。

随着科学技术的发展,定量遥感反演技术能对岩溶地貌动态数据提供可靠的支持。

因此,基于遥感技术的岩溶地貌类型研究是当前岩溶研究的热点。

应用于岩溶地貌格局研究的遥感技术分为数据预处理、数据分类整理、精度评价等。

数据预处理包括辐射修正、大气影响修正、影响和精度修正。

遥感数据整理包括人工分类和自动分类，决策树和神经元网络模式[6]。

精度评价是一种通过一系列的指数进行定量评估的方法。

图1是基于遥感的岩溶地貌类型数据获取的技术流程图。

图1基于遥感的岩溶地貌类型数据获取技术框架图

2.3地貌空间格局分析

通过分析地貌格局，能发现地貌不均匀性和地貌要素分布规律以及地貌分层结构。

格局分析还能确定地貌的发育过程和区域功能并探明其发育的控制因素和机制。

地貌格局特征可以在三个层次上给予分析。

地貌格局指数亦相应地可分为三个水平标准,即斑块标准指数、类型标准指数和地貌标准指数。

斑块标准指数包括斑块的面积、形状和密度边界。

类型标准指数包括区片平均大小、平均形状指数、平均密度和密度边界类型等。

除了上述各种类型指数，地貌标准指数则包括多样性指数、均匀度指数和聚集指数[7]。

本文利用斑块面积、斑块数量、平均斑块尺寸、平均形状指数和面积加权平均斑块分维数等数据来分析研究区岩溶地貌构成的空间框架特点[8]。

（1）斑块数量

斑块数量是评价岩溶破碎程度的重要指标，并对分类标准和地貌类型判定有重要的意义。

（2）斑块平均尺寸

斑块平均尺寸（MPS）是总的斑块面积与斑块数量的比值。

包括在分类标准和地貌标准下的两种尺寸评定类型。

是生态学评价领域里一种相对较容易和富有意义的评价指标。

另外,它还可以用于不同岩溶地貌类型的差异对比并指示出他们的区别所在。

MPS=A/N

（1）

式中：

MPS指斑块平均尺寸；A指总的斑块面积；N指总的斑块数量。

区域的MPS值远大于0。

（3）斑块平均形状指数

斑块平均形状指数（MSI）是斑块形状复杂性指数的一个子值。

它定义为:

MSI=

（2）

式中：

MSI指斑块平均形状指数；P指斑块的周长；a是斑块的面积；n指某一确定类型斑块的数量；m指类型的数量；N指特定岩溶区域的斑块总数。

MSI的值大于等于1，当值为1是，说明该区域的形状是正方形，若其形状与正方形相差越大，则MSI的值便越大。

（4）分形维度指数

自然界的许多事物都有破碎后拼凑而成的现象。

岩溶地貌就是类似马赛克式的通过许多斑块拼凑起来的。

不规则的斑块具有分散性和相似性。

分形维数（FD）即可阐述为:

FD=

（3）

式中：

FD指分形维度指数；

和

指特定斑块类型的总周长和总面积。

分形维度指数的值介于1到2。

形状越是不规则，说明该区域被干扰的情况越严重。

维度值也会受到斑块面积的影响，面积越大，则值越大。

在本文中，应用面积加权平均斑块分维数来描述斑块形状的复杂程度。

分类标准指数中的面积加权平均斑块分维数可以用如下公式来阐述。

AWMPFD=

（4）

式中:

A是所有岩溶地貌类型的总面积。

3．结果分析

3.1研究区数据

本文的研究对象是贵州的清镇市。

总面积1486.84km2,其中岩溶面积占1214.75km2（覆盖率81.7%）,山区面积占497.60km2（覆盖率33.3%），丘陵地带面积占789.20km2（覆盖率52.9%）。

可见山区和丘陵地带占了研究区的大部分面积。

研究区位于庙山北部，吴江河的支流雅池河的东南，是川黔南北构造带和北东构造带的交界处，发育有各种各样的地形和典型的贵州岩溶地貌。

因此，具有极高的研究价值。

对岩溶的研究和分析是基于2003年11月天气晴朗时通过CBERS-1获得的遥感数据进行的。

3.2岩溶地貌结构特征分析

首先，结合1:

5万的清镇幅地形图对遥感影像进行修正，使得图像的坐标投影与地形图重合。

修正后的图像与地面的矢量数据具有相同的投影系统，以便取得精确的研究区影像数据。

其次,在ERDAS8.7平台进行转译解读通过CBERS-1获得的清镇遥感图像。

之后，通过实际调查情况和参照表1中地貌类型的分类标准，建立以84种地貌类型样本为主体的分类特征集合。

为了获取清镇岩溶地貌的分布数据，采用了特征分类法和监督分类法。

对于研究区的岩溶地貌分类的准确度，使用了精确评价法和实际调查来评估。

定量分析的结果显示卡巴指数为0.86且满足长期研究的条件。

图2是岩溶地貌在研究区的分布状况，表2是研究区不同类型的岩溶地貌的统计数据。

表2清镇岩溶地貌结构特征数据一览表

地貌类型

面积（km2）

面积百分率（%）

斑块数量

斑块数量百分率（%）

水田

211.57

14.23

2958

26.06

旱地

293.48

19.74

3991

17.45

林区

621.74

41.82

3648

15.95

草地

244.62

16.45

6709

29.34

建设用地

70.29

4.73

234

1.03

水体

26.03

1.75

593

2.59

荒漠

19.11

1.29

1734

7.58

总计

1486.84

100

22867

100

图2研究区岩溶地貌类型分布图

（1）斑块面积分布特征

从表2中，可以看出林区的分布面积最大（621.74km2）,覆盖率达41.82%，是研究区主要的地貌类型。

其次是旱地、草地和水体。

荒漠分布面积则最小（19.11km2）,覆盖率仅1.29%。

（2）斑块数量特征

斑块数量可以反映地貌的破碎程度。

在同一个地区，斑块的数量越大，则其破碎程度越高。

同样的斑块数量，破碎程度越低，则斑块面积越大。

由此，我们可以推断出草地的数量最多，有6709个，覆盖率29.34%。

然而，较之其稍大的覆盖面积，其破碎程度相对较低。

建设用地是最少的，覆盖率仅1.29%。

3.3岩溶地貌格局的特征分析

通过计算地貌格局指数，得到了如表3的数据。

表3清镇岩溶地貌格局特征相关数据

地貌类型

MPS

MSI

AWMPFD

水田

0.0358

5.0905

1.1994

旱地

0.0989

14.7142

1.2759

林区

0.1718

22.409

1.3008

草地

0.0368

4.9847

1.1931

建设用地

0.3028

9.277

1.2522

水体

0.0442

3.1538

1.1553

荒漠

0.011

1.6956

1.0886

（1）MPS

通过对清镇岩溶地貌指数的分析，水体的MPS值是最大的（0.3028km2）。

这是因为红枫湖和百花湖连通起来形成了一个更大的水域，但他的破碎程度却是最低的。

荒漠（0.0111km2）的MPS值最小，表明其破碎程度很高。

（2）MSI

MSI可指示斑块的形状。

当斑块形状的不规则性越强或越偏离正方形，其MSI值就越大。

以MSI为研究对象，在这7种类型中，林区的指数最大，即其形状最不规则。

荒漠的指数最小，即其形状最接近于正方形。

（3）AWMPFD

AWMPFD表示人类活动对斑块的影响程度。

斑块复杂的特征与人类活动有密切的关系。

人类活动愈强烈，则区域便具有更为简单的几何形状，其AWMPFD值越小。

如果自然边界是圆形的，则其AWMPFD值越大。

荒漠的AWMPFD值最小，表明那里的人类活动最强烈。

且荒漠也正是由无意识的人类活动造成的。

林区的指数最大，说明该处的人类活动造成的影响最微弱。

4.结论

通过以上的分析，在清镇的7种岩溶地貌类型中，由林区覆盖的斑块最不规则，因此他很容易促进斑块与周围的交互作用。

因为水体覆盖的斑块尺寸大且相隔较近，因此很不容易受周围环境的影响，这就使得其能保证较好的水质。

荒漠最容易受到人类活动的影响，且这种构造本身就是由于人类不合理的活动所造成的。

但由于荒漠的AWMPFD值最小，因此里面的斑块并不容易与外部环境发生交互作用。

这对提高区域的能量和营养是十分不利的，致使荒漠向正常化土地过渡的进程十分缓慢。

出处

本研究工作是由中国国家重点技术研发工程（批准No.2006BAC01A09）和贵州教育部门自然科学基金支持的项目。

（批准No.2006108）。

参考文献

[1]J.D.Waele,L.PlanandP.Audra，”Recentdevelopmentsinsurfaceandsubsurfacekarstgeomorphology:

Anintroductio，”Geomorphology.106

（1），1-8（2009）.

[2]C.ButscherandP.Huggenberger，”Enhancedvulnerabilityassessmentinkarstareasbycombiningmappingwithmodelingapproaches，”ScienceoftheTotalEnviroment.407（3），1153-1163（2009）.

[3]T.Blaschke，”Theroleofthespatialdimensionwithintheframeworkofsustainablelandscapeandnaturalcapital”，LandscapeandUrbanPlanning.75（3），198-226（2006）.

[4]H.Gulinck，M.Mùgica，J.V.deLucio，etal，“Aframeworkforcomparativelandscapeanalysisandevaluationbasedonlandcoverdata，withanapplicationintheMadridregion（Spain），”LandscapeandUrbanPlanning.55（4）,257-270（2001）.

[5]D.M.Han，H.L.XuandX.Liang，“GIS-basedregionalizationofakarstwatersysteminXishanMountainareaofTaiyuanBasin，northchina，“JournalofHydrology.331（3），459-470（2006）.

[6]O.Honnay，K.Piessens，W.VanLanduty，etal，“Satellitebasedlanduseandlandscapecomplexityindicesaspredictorsforregionalplantspeciesdiversity，“LandscapeandUrbanPlanning.63（4），241-250（2003）.

[7]J.A.Griffith，E.A.MartinkoandK.P.Price，“LandscapestructureanalysisofKansasatthreescales，“LandscapeandUrbanPlanning.52

（1），45-61（2000）.

[8]K.A.With,S.J.Cadaret，andC.Davis，“Movementresponsestopatchstructureinexperimentalfractallandscapes，“Ecology.80（4），1340-1353（1999）.