以下文章来源于智绘科服 ，作者测绘通报

智绘科服

《测绘学报》《测绘通报》《测绘工程》《卫星导航（英文）》《测绘科学技术学报》《北京测绘》《Journal of Geodesy and Geoinformation Science》》联合融媒体。

↑ 点击上方「中国测绘学会」

可快速关注我们

摘要：

大规模的煤炭开采活动将对生态环境产生扰动，而土壤含水量是受扰动的生态参数之一，且具有重要意义。现有的土壤含水量产品分辨率较低，不适用于区域尺度的研究，而高精度的微波反演由于数据的局限性无法进行长时间序列的研究。本文以我国的重要产煤基地锡林浩特市为研究区，以2004—2020年的AMSR-E与AMSR-2土壤含水量产品及同期的Landsat遥感影像为主要数据源，采用随机森林方法对AMSR-E/2土壤含水量产品进行降尺度处理，通过标准差椭圆等方法对研究区土壤含水量的变化特征进行分析。结果表明：①被动微波土壤含水量降尺度方法可实现对资源型城市的土壤含水量进行长时间序列、高空间分辨率的监测；②无论在矿区还是非矿区，降水均是影响土壤含水量变化的主导因素；③研究区土壤含水量的整体分布在空间上由西北向东南呈现逐渐升高的变化特征，且此分布格局在长时间尺度上保持稳定；④煤炭开采活动对土壤含水量产生扰动，且不同开采阶段的影响具有不同特征。研究结果可为资源型城市生态环境的评价与保护提供科学依据。

关键词：土壤含水量；降尺度；随机森林；长时间序列；资源型城市

阅读全文：http://tb.sinomaps.com/article/2021/0494-0911/20210704.htm

全文概述

长期以来煤炭在我国的能源消费结构中占主体地位[1-2]，大规模的煤炭开采活动通过改变地层结构对区域的生态环境造成影响，其中土壤含水量是受影响的主要生态参数之一[3-4]。土壤含水量在全球水循环、能量循环、碳循环等中有非常重要的作用[5-6]，同时也是水文学、农学等多领域研究中的基本参数[7-9]。因此，对以煤炭产业为主导的资源型城市持续进行长时间序列的土壤含水量监测与演变特征分析，可揭示煤炭开采等活动对生态环境的影响过程，对于资源型城市的生态环境保护具有重要指导意义[10]。

目前国内外学者在土壤含水量监测方面作了大量研究，主要分为野外实测和遥感反演两大类方法。野外实测是常规的土壤含水量监测方法，可获得较为精确的土壤含水量样点数据，但该方法无法获取研究区的历史信息，且费时、费力、成本高，无法定期进行大面积同步观测[11]。随着遥感技术的发展，遥感反演技术因其高频次大面积同步监测特点成为土壤含水量监测的主要方法之一。而遥感反演方法根据电磁波段分为光学遥感反演和微波遥感反演。光学遥感反演主要利用地表温度、植被覆盖构建的干旱指数等与土壤含水量之间的关系进行反演，但光学波段无法穿透云层，对观测区域的气候条件要求较高，且严重依赖地面观测数据[8, 12]。而微波遥感由于其可穿透云层，不受天气影响，具有全天时全天候的优势，是目前获取土壤含水量的重要手段[13-14]。被动微波的土壤含水量反演主要基于L波段数据，由于其波长较长，反演得到的土壤含水量产品空间分辨率较低，不适用于区域尺度的研究[13]。而分辨率较高的主动微波遥感虽对土壤粗糙度和植被较为敏感，但此类传感器(如Sentinel-1卫星)均为近几年发射，往往无法实现长时间序列的研究[12]。目前，鲜有针对资源型城市在区域尺度开展长时间序列的土壤含水量变化分析研究。

针对上述问题，为探索资源型城市的土壤含水量变化特征，本文旨在研究利用较高分辨率的光学遥感数据对土壤含水量被动微波反演产品进行降尺度处理的思路[15-16]，以我国重要煤炭基地内蒙古自治区锡林浩特市为研究区，以长时间序列AMSR-E/2土壤含水量产品为数据源，结合Landsat遥感影像，反演研究区近20年间的土壤含水量，并对其空间分布差异与时间变化特征进行分析，进而结合土地利用变化信息，揭示不同类型区域土壤含水量的变化特征及煤炭开采活动对其影响情况。

研究区概况

锡林浩特市位于内蒙古中部，是锡林郭勒盟盟府所在地，也是全盟政治、经济、文化、教育和交通的中心，如图 1所示。锡林浩特市是我国典型的资源型城市，辖区矿产资源富集，是东北、华北地区重要的资源接续地和能源后备区。

图1 研究区地理位置

数据与方法

1

数据源

本文使用的数据有AMSR-E/2的土壤含水量产品、Landsat 5—8系列遥感影像、基础地理信息、土地利用数据、气象数据、煤炭开采数据等。AMSR-E产品覆盖时间为2002—2011年，AMSR-2产品覆盖时间为2012年至今, 其土壤含水量产品均下载于https://search.earthdata.nasa.gov/search，其空间分辨率为25 km。Landsat系列遥感影像来源于GEE平台，基础地理信息下载于国家地理信息公共服务平台——天地图，土地利用数据下载于地球大数据科学工程数据网站[17]，气象数据下载于国家气象科学数据中心。

2

遥感影像预处理

本文选择AMSR-E/2(2002—2020年)8月的土壤含水量产品，对其进行月均值处理，并结合矢量行政边界提取研究区的土壤含水量产品的最小外包矩形，对于缺失值采用最邻近算法将其补充。

通过GEE平台筛选2002—2020年同月的Landsat卫星遥感影像，将含有云、阴影等的区域进行影像替换镶嵌，并结合矢量行政边界裁剪提取研究区遥感影像，最终得到研究区2004、2005、2007、2009、2010、2011、2015、2017、2019、2020年10年的遥感影像。此外，分别对目标年份的遥感影像通过目视解译的方式对矿区与主要城区进行识别提取。

3

土壤含水量产品降尺度

本文采用随机森林(RF)算法结合Landsat遥感影像对土壤含水量产品降尺度。降尺度的核心是建立不同分辨率土壤含水量产品信息差与Landsat数据的关系，具体步骤如下：

(1) 训练数据准备。本文的标签数据为较高分辨率AMSR-E/2土壤含水量数据与较低分辨率AMSR-E/2土壤含水量数据的差值(ΔSM)。该过程中，需要对较低分辨率土壤含水量数据进行扩展，使其与较高分辨率数据具有相同的像元数。特征数据为Landsat影像重采样得到的不同分辨率影像，其中，较低分辨率数据需要进行扩展，使其与较高分辨率数据具有相同的像元数。具体实现过程如图 2所示。在首次降尺度过程中较高分辨率数据通过对原始的土壤含水量产品进行最近邻插值得到。

图2 训练数据

(2) RF模型训练。将训练数据输入RF模型中，生成能用于预测的RF模型。

(3) 降尺度。将Landsat遥感影像重采样至目标分辨率，同时将特征数据中的较高分辨率的Landsat影像扩展至目标分辨率，将两者作为步骤(2)中RF模型的输入，得到ΔSM。将ΔSM与标签数据中的较高分辨率土壤含水量产品作和运算, 得到目标土壤含水量数据。

(4) 重复上述步骤直至土壤含水量数据降至目标分辨率。

结果与讨论

通过对土壤含水量产品降尺度，得到研究区在2004—2020年期间的土壤含水量分布，如图 3所示。

图3 研究区2004—2020年土壤含水量分布

1

时序演变分析

对研究区目标年份土壤含水量与降水量、风速、气温等进行对比，结果如图 4所示。由图 4可知，研究区土壤含水量整体呈现升高降低再升高的趋势，这与降水量保持高度一致，而风速、气温等因素与土壤含水量的一致性较差，说明降雨是影响土壤含水量的主要因素。2005、2011、2015年的土壤含水量整体偏低，根据文献与相关新闻报道，这3年研究区出现干旱情况。2015年之后，研究区土壤含水量显著提高，除了降雨量的升高外，推测也与当地政府的环境保护政策相关。

图4 历年土壤含水量与气候因素

2

空间差异分析

为进一步分析研究区土壤含水量的空间差异，本文利用自然间断法将土壤含水量分为低、较低、中、较高、高5个等级，并通过标准差椭圆对各等级土壤含水量的空间分布进行分析。标准差椭圆[18]能够精确有效地揭示地理要素空间分布的整体特征，椭圆中心即地理要素的分布重心。长轴反映土壤含水量在二维空间上分布的主趋势方向，短轴表示数据分布的范围，扁率为长短轴之差，其值越大，表示数据的方向性越明显。标准差椭圆可从重心、范围、方向等多种角度揭示土壤含水量的空间分布特征，其结果如图 5所示。

图5 土壤含水量重心及标准差椭圆

由图 5可知，从重心角度看，低等级的土壤含水量主要集中在研究区的西北部，较低等级的土壤含水量集中在研究区中部偏西北部，中等的土壤含水量集中在研究区中部，较高等级的土壤含水量集中在研究区的中部偏东南部，高等级的土壤含水量集中在研究区的东南部，此分布格局在2004—2020年间基本保持不变；研究区不同等级的土壤含水量重心从低等级到高等级由西北向东南方向分布，通过生成重心的标准差椭圆，可看出其分布的方向性极强。高等级重心点的聚集性较其他4个等级更强，说明高等级的土壤含水量分布更为稳定。从方向性看，各等级的土壤含水量方向性基本保持一致；高等级的方向性较其他等级更强，结合研究区土地利用数据(如图 6所示)，高等级的土壤含水量主要分布在研究区的东南部，该地的用地类型为较密集草地，两者之间的分布保持高度一致性，均为从东北到西南的狭长条带。从分布范围看，并结合图 6，较高等级、中等级及较低等级的土壤含水量地表分布多为稀疏植被类型，在同样的用地类型中，矿区主要分布在较低等级范围内，城区在中等级范围内，可推测矿区存在的采矿活动对土壤含水量的影响大于城镇开发活动对土壤含水量的影响。低等级的土壤含水量地表分布为裸地与稀疏植被。

图6 2020年研究区土地利用专题图

3

资源型城市视角分析

为分析资源型城市的主要人类活动——采矿活动对土壤含水量的影响，本文对比了矿区及其他区域的土壤含水量随时间的变化，选取其区域内的均值进行统计分析，得到结果如图 7所示。由图 7可知，①矿区与非矿区土壤含水量变化整体趋势一致，这说明无论在高强度人类活动的矿区还是低强度人类活动的非矿区，自然条件均为土壤含水量的主导影响因素；②矿区的土壤含水量明显低于非矿区，这说明采矿活动对生态环境的土壤含水量存在扰动。为进一步分析煤炭产量对土壤含水量的影响，统计了煤炭产量与矿区和非矿区土壤含水量的差值关系(如图 8所示)。由图 8可知，煤炭产量对土壤含水量的影响特点主要分为两个阶段：2009年之前，煤炭在产量较低时对土壤含水量的影响也很大，推断是早期粗放的煤炭开采方式等原因所致；随着对矿区环境的重视与煤炭开采方式的改进，2009年之后，矿区与非矿区土壤含水量的差值变化趋势与煤炭产量变化趋势保持一致，煤炭开采量越大，对土壤含水量的影响越大。

图7 不同区域土壤含水量均值

图8 煤炭产量及矿区与非矿区的土壤含水量差值

结论

煤炭是我国的主要能源，其大规模的开采活动不可避免地对生态环境产生影响，土壤含水量作为重要的生态参数，对其的变化监测具有重要意义。为探索资源型城市长时间的土壤含水量变化特征，本文以我国重要的煤炭基地锡林浩特市为研究区，以AMSR-2/E土壤含水量产品与Landsat影像为主要数据源，采用随机森林的降尺度方法获取近20年间精细的土壤含水量信息，采用标准离差椭圆等方法对研究区土壤含水量的变化特征进行分析。研究表明，本文使用的降尺度方法能够对资源型城市的土壤含水量进行长时间序列、高空间分辨率监测，可为区域的生态环境监测提供数据支撑。研究结论如下：

(1) 对于资源型城市，无论是高强度人类活动的矿区还是低强度人类活动的非矿区，降水都是影响土壤含水量的主导因素。

(2) 研究区土壤含水量在空间上由西北向东南呈现由低到高的分布特点，且此分布格局在长时间尺度上保持稳定，其分布特点与土地利用类型存在关联。

(3) 煤炭开采对土壤含水量存在影响，早期的粗放采矿方式使得在煤炭开采量较低时对土壤含水量的影响也很大，后期煤炭开采对土壤含水量的影响随开采量的增大而增大。

END

引文格式：李军, 桑潇, 张成业, 等. 资源型城市长时间序列土壤含水量变化分析——以锡林浩特市为例[J]. 测绘通报，2021(7)：17-22, 38. DOI: 10.13474/j.cnki.11-2246.2021.0202.

作者简介：李军，副教授，主要从事遥感大数据分析在矿区生态环境评价、自然资源监测中的应用

来源：测绘通报

原标题：《学术交流 | 资源型城市长时间序列土壤含水量变化分析——以锡林浩特市为例》

阅读原文