【IEEE TGRS期刊封面论文】：北京大学遥感所任华忠团队在热红外遥感监测沙地研究方面取得新进展

【摘要】

沙地是荒漠化研究关注的重点对象。沙地的空间分布及动态变化是了解土地现状和治理情况的基础信息。目前利用遥感技术获取沙地空间分布的主要方法包括：基于可见光和近红外波段沙地表面反射光谱与沙地特征的经验关系法；基于土地覆盖遥感分类法；基于沙地与植被光谱特征差异的遥感指数法；以及沙地化学参数与光谱特性的关系法。热红外遥感数据和产品的发展为利用热红外特征发射率监测大面积沙地空间分布提供新的可能。

北京大学遥感与地理信息系统研究所任华忠研究团队在分析了沙地热红外发射率光谱特征的基础上，提出了一种用于沙地遥感监测的新型归一化差值沙地发射率指数SDEI（sand differential emissivity index）。在毛乌素、科尔沁等沙地的应用结果表明，相较于现有方法，SDEI对低含沙量像元的响应更敏感，更利于过渡地带沙化土地的精细化监测。将SDEI应用于长时序的地表发射率产品，获得2000-2016年中国沙地的空间分布和动态变化。研究结果表明，中国沙地面积在2000年到2016年期间整体上减少了3.6×104 km2 (~1.53%)，有力地证明了我国防沙治沙政策措施的有效性。

研究成果以“Mapping sandy land using the new sand differential emissivity index from thermal infrared emissivity data”为题，发表于遥感领域权威SCI期刊IEEE Transactions on Geoscience and Remote Sensing（影响因子：5.60），并被选为封面论文（2021年7月刊）。论文第一作者为博士生陈姗姗，通讯作者为任华忠研究员。原文下载地址：https://ieeexplore.ieee.org/document/9205883。

 

【研究思路与方法】

沙地过渡带的土地覆盖类型一般包括裸沙、土壤、旱地植物（干枯植被）和稀疏绿植。土壤颗粒组成影响土壤肥力和侵蚀程度，进而影响沙地的发射率。为了探索沙地像元发射率特征，采用具有不同砂、粉砂和粘土含量的粉砂质黏壤土、砂质壤土和壤质砂土三种典型土壤类型，分析了其反射率和发射率特征。其中，壤质砂土含沙量87.7%，其发射率特征可以很好地代表沙地。粉砂质黏壤土含有83.9%的粉砂和粘土，代表尚未完全风化并保留一定肥力的土壤。图1显示了五种典型地表类型在0.4-2.5 μm的光谱反射率和在8-14 μm的光谱发射率及其在ASTER波段的数值（图1）。

图1 几种典型土壤类型、绿植、干枯植被的反射率和发射率光谱曲线：（a）可见光-短波红外波段的反射率曲线；（b）热红外波段的发射率曲线

从图1 (a)中可以看出，VNIR-SWIR波段的反射率光谱可以很好地区分植被和土壤特征，三种土壤类型的反射率随着含沙量的增加而增加，但整体上反射特性大体相同。然而，土壤的发射率在热红外波长（或波段）变化显著（图1 (b)）。干枯植被的发射率曲线在热红外波段呈现“W”形，在10.7 μm和11.5 μm处出现两个波谷；绿色植被的发射率随波长变化较小。土壤类型发射率普遍随波长增大而变大趋势；在9.4 μm附近出现波谷，在约10.6 μm处观察到峰值，且含砂量越高，波谷与波峰之间的差异越大。在VNIR-SWIR波段中（图1 (a)），干枯植物和土壤难以较好区分，但在热红外波段范围内二者发射率具有明显差异（图1 (b)）。在ASTER的沙地发射率的一个显着特征是在9.1 μm处存在一个低谷，对应二氧化硅发射率特征。随着沙含量的减少、粘土和粉砂含量的增加，这一特征逐渐消失。因此，可利用这一差异构建识别沙地的热红外遥感指数。从而发展了归一化差值沙地发射率指数（SDEI = （ε10.6－ε9.1）/（ε10.6＋ε9.1）），以放大沙地与裸地、绿植和干枯植被之间的热红外信息差异。

 

【研究区与数据】

在中国第二大沙漠古尔班通古特沙漠（位于中国新疆维吾尔自治区北部）东部边缘进行实地调查（图2），以获得沙地的光谱特性。该研究区域主要为半固定和固定沙丘覆盖，植被稀疏，总覆盖率不到30%。气候极其干旱，年平均降水量70～150毫米，年平均气温4℃～6℃。实地测量数据包括机载热红外光谱成像仪（TASI）测量数据和热红外辐射计（CE312）地面测量数据（图2 (a)）；此外，收集了对应过境时间的卫星观测ASTER发射率数据。

图2 研究区和实地测量地理位置：(a) 使用机载热红外光谱成像仪(TASI)进行航空测量和使用热红外辐射计(CE312)进行地面测量的位置；(b) 中国沙漠的空间分布（Xu等, 2018），A、B、C、D分别代表选定的四大沙地（毛乌素沙地、浑善达克沙地、科尔沁沙地和呼伦贝尔沙地）的过渡带，以及相应的ASTER可见光合成图像；(c)实测四种典型沙地土壤样品

机载热红外光谱成像仪TASI有32个光谱通道配置，光谱范围为8-11.5 μm。热红外辐射计CE312有五个窄通道（8.1–8.5、8.5–8.9、8.9–9.3、10.3–11和11–11.7 μm）和一个宽通道（8–14 μm），可用于计算地表温度与发射率。TASI、ASTER和CE312的相对光谱响应函数分布如图3所示。

图3 TASI, ASTER和CE312热红外波段的光谱响应函数

采用ASTER标准地表发射率产品AST05对毛乌素沙地、浑善达克沙地、科尔沁沙地和呼伦贝尔沙地四大沙地过渡带沙地进行评价。该产品包含空间分辨率为90m的地表发射率数据。ASTER全球发射率数据集（ASTER GED），包含100m空间分辨率的五个ASTER热红外波段发射率。ASTER GED为实现精细区域-全球沙地空间分布监测提供了基础数据。此外，ASTER Level 1（AST_L1T）数据集提供相应的可见光-近红外（VNIR）和热红外（TIR）数据。在VNIR波段的空间分辨率为15m，合成VNIR反射率波段（b1、b2和b3）用于目视解译。TASI反演的发射率和ASTER发射率产品用于计算SDEI，以应用于短期沙地监测和制图，由MODIS和ASTER发射率产品合成的CAMEL（Combined ASTER and MODIS Emissivity for Land Emissivity）发射率产品则用于对于中国的长时序沙地制图和动态分析。

 

【研究结果与主要结论】

             SDEI对地面、机载和星载平台的适应性评估

图4显示了不同数据源（CE312、TASI、ASTER）测得的沙地128个野外样本对应的不同波段。可以发现，沙地样本的发射率范围为0.85～1.0，显示出规则的光谱特性；由于二氧化硅的reststrahlen特性，沙地的发射率在9.1 μm左右有一个吸收谷。如图4 (a)所示，地面测量的发射率差异在9.1 μm处非常显著。证明了在实际数据中，9.1 μm波段仍是沙地发射率的敏感波段，10.6和11.4 μm处的发射率变化相对较小。但是，测量发射率的差异也可能受到不同土壤湿度和表面粗糙度水平的影响。比较如图4 (c)所示ASTER发射率结果，卫星观测与地面测量结果一致。因此，热红外波段范围内沙地发射率特征在不同尺度上是相似的。

在图4 (b)中，利用TASI测量的实地样本得到的发射率没有明显的规律性，但其发射率结果随着TIR波长的增加而增加。在将TASI的发射率整合到相应的ASTER波段后，可以观察到9.1和10.6 μm的发射率之间存在很大差异。然而，TASI的发射率不具有9.1 μm吸收谷的特征带，10.6 μm的发射率仅受测量平台差异的轻微影响，如图4 (d)所示。三个平台测得的发射率结果分布大体相似，尤其是地面测得的发射率，与ASTER卫星在9.1、10.6和11.4 μm处的观测结果一致。

图4 由 (a) CE312和 (b) TASI测量的沙地实地样品的发射率和 (c) ASTER卫星观测反演的发射率及(d) 三者对应的通道发射率均值

 

             SDEI与现有可见光/热红外遥感沙地监测指数的比较

将SDEI与VNIR、TIR波段中两个代表性的沙地指数进行比较：表土粒度指数（topsoil grain size index, TGSI）和二氧化硅指数（SI）。TGSI是通过土壤光谱反射率测量和实验室土壤物理分析来监测表土粒度组成的指标（Xiao等，2006），定义为（ρred－ρblue）/（ρred＋ρblue＋ρgreen），已被用于荒漠化监测研究。SI是ASTER TIR 波段14（中心波长为11.3 μm）和波段10（8.3 μm）的发射率比值，用于估计土壤粒径（Salisbury等，1992）。

对SDEI、TGSI和SI进行了线性回归分析，以量化不同指数之间的相似性。利用野外样本回归分析结果表明，SDEI与SI的相关性最高（图5矩阵中R2为0.81），其次是TGSI和SI。SDEI和TGSI之间的R2为0.038，TGSI和SI之间的R2为0.044，证实了基于VNIR和TIR的特征信息对沙地表征能力的不同。在SDEI和TGSI之间以及SI和TGSI之间的散点图中可以观察到异常值，对应的地表类型是覆盖着生物土壤结皮的沙地。该异常值可以通过TIR特征检测到，但无法从可见光特征中提取。SDEI和SI在一定程度上减少了人工地表和沙地之间的混淆，使用TGSI获得的沙地监测结果在空间分辨率上更有优势。

图5 野外样本计算的TGSI、SDEI和SI之间的散点矩阵

以不同密度的沙地为例，进一步比较了SDEI和SI在沙地监测中的应用，以探究它们的优缺点和适应条件。SDEI和SI对应的直方图如图6所示，其中，图6 (a)和(b)显示了二者在所有土地覆盖类型上的直方图分布，SDEI和SI均显示双峰形状。图中的绿色和黄色代表非沙地，如植被和城市用地；由浅到深的橙色代表密度增加的沙地。SDEI和SI都可以有效区分沙地和非沙地。进一步分析不同沙地密度下二者的特征，如图6 (c)和(d)所示。通过高斯非线性曲线模拟，SI的直方图基本呈正态分布，而SDEI增强了低值部分并抑制了高值部分，表明SI对高密度沙地更敏感，而SDEI对低密度沙地更敏感，这是因为SDEI本质上是TIR波段9.1和10.6 μm发射率的非线性拉伸。综上所述，SDEI相对SI的优势体现在以下两个方面：一是SDEI对数据质量要求更低，而SI的波段比值的使用增加了对高信噪比数据的要求；其次，SDEI对低密度地区的沙地更为敏感，能够有效识别沙地过渡带的沙地。

图6 所有土地覆盖类型的 (a) SI和 (b) SDEI的直方图；沙地的 (c) SI和 (d) SDEI 的直方图

 

             SDEI在过渡带的沙地监测能力

选择四大沙地典型过渡带的AST05发射率数据，计算对应的SDEI结果（图7）。SDEI取值范围约为-0.094至0.152，沙地区域的SDEI大于其他土地覆盖类型。森林、农田、雪/冰、水和不透水表面的SDEI平均值相对较小，但草地和裸地的SDEI平均值高于其他类型，表明SDEI具有区分土地覆盖类型的潜力。SDEI结果与相应的高分辨率真彩色合成遥感图像的比较表明，SDEI取值大小与土地退化的强度密切相关。在沙地过渡带，存在大量混合像元，SDEI随着距离沙地边缘的距离增加而逐渐减小，这与沙地边缘土地覆盖类型的覆盖特征是一致的。此外，SDEI一定程度上增强了云和地表背景之间的差异（图7 (d)），云的SDEI值极低。

图7 四大沙地过渡带的真彩色图像（第一行和第三行）和对应的SDEI结果（第二行和第四行）：(a) 毛乌素沙地、(b) 浑善达克沙地、(c) 科尔沁沙地和 (d) 呼伦贝尔沙地

 

选取了土地覆盖类型多样、土地覆盖变化较大的典型区域，进一步分析SDEI在沙地过渡区的监测能力。图8为毛乌素沙地过渡带样本区在2003年和2019年的SDEI结果。例如，样本A在2003年包含大面积的流动沙丘和一些干枯植物和水域（图 8 (a)），2019年该地区出现了一些人工建筑和耕地（图8 (b)），相应的SDEI可以反映出这些变化。

图8 毛乌素沙地过渡带样本区域的SDEI结果：(a) 2003年和(b) 2019年

 

             SDEI应用于长时序大面积沙地监测

SDEI应用于2000年至2016年的CAMEL发射率产品，以获得中国沙地的时空分布。图9 (a)和(b)中的每个网格代表纬度或经度每1°的沙地面积空间变化情况。统计分析显示，在纬度方向，所有选定纬度中57.14%的沙地面积在过去17年（蓝色箭头）中出现了显著减少的趋势，而42.86%的沙地面积呈显著增加的趋势（红色箭头）（图9 (a)）；在经度方向，69.23%的沙地面积显著减少，而30.77%呈现增长趋势（图9 (b)）。图9 (c)显示了2000-2016年中国沙地分布变化频率，分辨率为0.05°，中国的沙地为主要分布于中纬度地区，地理坐标约北纬28°～48°，东经73°～124°。约21.14%的沙地保持稳定，大约有5.64%的沙地出现或消失；在2000年到2016年期间，整体上减少了3.6×104 km2 (~1.53%)。

图9. 2000-2016年中国沙地空间分布及面积变化：(a) 行代表纬度，每个格子代表沙地面积；(b) 列代表经度；红色和蓝色箭头分别表示过去17年来沙地面积的增加和减少的趋势；(c) 沙地分布变化频率，分辨率为0.05°；（红框代表沙地的主要分布范围）

 

【支持项目】

本研究得到国家自然科学基金（41771369）、国家高分辨率对地观测重大专项(30-H30C01-9004-19/21, 11-Y20A32-9001-15/17)和国家重点研发计划（2017YFB0503905-05）等项目的支持。

文献引用：Shanshan Chen, Huazhong Ren*, Rongyuan, Liu, Yunzhu Tao, Yitong Zheng, and Hongcheng Liu. Mapping sandy land using the new sand differential emissivity index from thermal infrared emissivity data. IEEE Transactions on Geoscience and Remote Sensing, 2021, 59(7): 5464-5478.

 

【作者介绍】

任华忠 北京大学遥感所研究员，博导，研究方向为热红外定量遥感理论与方法。renhuazhong@pku.edu.cn

 

陈姗姗，北京大学遥感所博士生，研究方向为城市热环境遥感理论与应用。shanshanchen@pku.edu.cn

 

---