高分遥感影像在页岩气开发水土流失监测中的应用
杜显元1,2, 陈宏坤1,2, 翁艺斌1,2, 马良3, 张坤峰1,2, 夏梁芝4, 戴建林4, 冯阳4
1. 石油石化污染物控制与处理国家重点实验室
2. 中国石油集团安全环保技术研究院有限公司
3. 中国石油浙江油田分公司
4. 北京地拓科技发展有限公司

作者简介:杜显元,1983年生,高级工程师,博士;主要从事石油石化场地调查评估与修复技术研究工作。地址:(102206)北京市昌平区黄河北街1号院1号楼。ORCID: 0000-0003-2982-7952。E-mail: duxianyuan@cnpc.com.cn

摘要

以人工观测为主的监测水土流失的传统方法,具有空间局限性高、时效性差、成本高、缺乏直观性、区域限制等缺点。为了克服上述缺点,基于高分遥感影像和区域水土流失强度监测模型,提出了一种可广泛应用于天然气开发过程水土流失动态监测的方法,并以四川省页岩气开发C项目区、Z项目区为研究对象,根据其土地利用、植被盖度、地形地貌和高分遥感影像等数据信息,采用土壤侵蚀综合因子法开展了较大尺度、多时序的水土流失分析和变化监测。研究结果表明:①2017年C、Z项目区的土壤侵蚀情况与2012年相比,侵蚀面积均整体减少,但占总土地面积的比例较小,侵蚀强度以轻度和中度为主;②油气田开采区域局部土地扰动增多,土壤侵蚀强度增大,水土流失严重;③水土流失的主要原因在于社会经济发展建设,次要原因是油气田生产建设相关活动。结论认为:①C、Z项目区的油气开发尚处于初期阶段,随着开发工作的推进,水土流失风险将增加,需高度重视水土流失防治工作;②高分遥感影像评估方法的准确度受土地利用、坡度、植被盖度、高分遥感影像分辨率等相关因子精度的影响和制约。

关键词: 油气勘探开发; 水土保持; 土壤侵蚀; 综合因子法; 高分遥感影像; 土地利用; 植被盖度; 土壤侵蚀强度
Application of high-resolution remote sensing image to monitoring soil erosion in shale gas development
Du Xianyuan1,2, Chen Hongkun1,2, Weng Yibin1,2, Ma Liang3, Zhang Kunfeng1,2, Xia Liangzhi4, Dai Jianlin4, Feng Yang4
1. State Key Laboratory of Petroleum Pollution Control, Beijing 102206, China
2. CNPC Research Institute of Safety and Environmental Technology, Beijing 102206, China
3. PetroChina Zhejiang Oilfield Company, Hangzhou, Zhejiang 310007, China
4. Beijing Datum Technology Development Co., Ltd., Beijing 100084, China
Abstract

The traditional methods on monitoring water and soil conservancy are mainly based on manual observation, which have such disadvantages as high space limitation, poor timeliness, high cost, regional restriction, and a lack of intuition. In view of this, based on the high-resolution remote sensing image and the monitoring model for regional water and soil conservancy, a monitoring method, which can be widely applied to the oil & gas exploration and development process, was proposed to dynamically monitor the conditions of water-soil conservancy and ecological environment within the surrounding areas. Taking two shale-gas development project areas of C & Z in Sichuan Province as the research objects, we adopted a comprehensive factor method of soil erosion, according to the data of land use, vegetation coverage, topography and high-resolution remote sensing image in the research area, to carry out large-scale and multiple time series soil erosion analysis and change monitoring there. The monitoring results from the two project areas show that compared with 2012, the soil erosion area in 2017 both decreased and the erosion intensity was mainly mild and moderate; but in the exploitation areas, the regional land use disturbance and soil erosion intensity increased, and soil erosion was getting serious mainly due to social and economic development and construction, and activities related to production and construction of oil and gas fields. On this basis, we suggest that in the initial development stage of two project areas, great importance should be attached to the prevention and control of soil erosion. The accuracy of the high-resolution remote sensing image is restricted by such factors as land use area, slope, vegetation coverage, image resolution, etc. The monitoring results of the two project areas show that the technical method has good practicability, which can provide an effective monitoring technical means for the water and soil loss caused by the oil and gas exploration and development process.

Keyword: Oil and gas exploration and development; Water and soil conservation; Soil erosion; Synthesis factor method; High-resolution remote sensing; Land use; Vegetation coverage; Soil erosion intensity
0 引言

我国目前大规模开发的页岩油气资源多分布于山区, 勘探开发和相关配套工程建设过程中会破坏植被, 对地表层土壤造成不同程度的扰动, 在水蚀等相关因素作用下, 造成大面积的水土流失。同时, 地下开采会造成地面塌陷、地下水渗漏, 导致植物生长不良甚至死亡, 加剧开采区的水土流失与土壤侵蚀, 破坏该地区的生态环境[1, 2, 3, 4]

传统的油气勘探开发水土流失监测主要针对井场进行人工观测, 笔者利用综合因子的评估方法, 在现有研究基础上创新性地引入高分遥感数据, 对开采区域进行水土流失监测评估, 可以实现快速、大范围的水土流失精确监测, 弥补了传统方法空间局限性高、时效性差、成本高、缺乏直观性的缺点, 完成了传统技术无法完成的动态、连续、及时的环境演变监测[5, 6, 7, 8, 9, 10]。本文选取四川C、Z等页岩气开发项目区进行监测评估。

1 C、Z项目区环境简况

四川C项目区、Z项目区位于四川省南部, 在大地构造上位于杨子准地台区, 北为四川盆地中凹陷区的川东南褶皱束及川中古隆起, 南为滇黔褶皱区之娄山关凹陷褶皱束及雷波隆起, 属较稳定地块, 地势南高北低, 地形为狭长形, 地体多由石灰岩和紫色页岩组成。该区域是典型的喀斯特低山丘陵地貌, 岩溶地形特征明显, 多溶洞、漏斗、石笋、石灰岩等; 其坡面陡峭, 漏水严重, 沟壑纵横, 多乱石缝地, 土层浅薄, 抗侵蚀能力弱[11]

气候类型上, 该区属于亚热带湿润季风气候, 夏雨集中, 夏季降水量占全年的52.4%, 夏季多暴雨, 冲刷能力强, 极易造成水土流失。截至2015年4月, 研究区共有居民5 939户, 人口约29 455人[12], 人口密度100人/km2, 研究区受人类活动影响剧烈。页岩气开发过程中的施工、钻井、道路修建等均会加剧该地区的水土流失。

2 数据来源及研究方法
2.1 数据来源

2.1.1 遥感影像数据

研究中使用的遥感影像数据分别选取C项目区、Z项目区2012年的资源一号卫星与2017年的Spot 6遥感卫星影像数据。资源一号卫星影像包含1个波段的HR相机影像(分辨率为2.35 m)和3个多光谱波段(分辨率为10.0 m); Spot 6卫星影像包含1个全色波段(分辨率为1.5 m)和4个多光谱波段(分辨率为6.0 m)。

2.1.2 地形数据与其他数据

地形数据采用30 m分辨率DEM(Digital Elevation Model, 即数字高程模型), 其他数据包括项目区边界范围、项目区所在行政区基本概况等。

2.2 研究方法

通过遥感技术获取项目区土地利用、植被覆盖度、地面坡度数据, 采用综合因子法生成土壤侵蚀栅格数据, 参照《土壤侵蚀分类分级标准》(SL 190— 2007)中的土壤侵蚀强度面蚀分级标准, 确定水力侵蚀强度分级参考指标建立知识规则[13], 由计算机判别图斑的侵蚀强度, 侵蚀强度分级参照表1

表1 土壤侵蚀强度分级指标表

2.2.1 遥感影像预处理

1)大气校正与几何精校正。利用Envi软件分别对项目区的资源一号、Spot 6遥感影像进行大气校正, 大气模型参数选择SAS(Sub-Arctic Summer)、气溶胶模型选择乡村, 其他选项根据影像头文件信息进行选择。

采用ArcGIS软件进行几何精校正。几何精校正每个项目区均匀选取不少于20个控制点, 利用二次多项式对2012年资源一号卫星影像进行几何精校正, 均方根误差控制在两个像元以内; 以校正后的资源一号卫星影像为基准影像, 采用同样的方法对项目区Spot 6遥感影像进行几何精校正。

2)影像融合与裁剪。利用Envi软件将影像处理后的全色与多光谱进行融合, 融合后的结果兼具全色与多光谱的高分辨率、光谱波段信息丰富的特点。根据四川C项目区、Z项目区进行裁剪, 得到项目区的全色多光谱影像。

2.2.2 遥感影像土地利用解译

1)解译标志建立。根据《土壤侵蚀分类分级标准》(SL 190— 2007)中的土地利用分类标准, 结合项目区土地利用情况, 将土地利用分为水田、水浇地、旱地、园地、有林地、灌木林地、草地、居民用地、交通用地、工矿用地、水域及水利设施用地、裸岩、裸土地等13类, 通过现场调研与影像对比的方法, 建立C项目区与Z项目区的解译标志, 解译标志包含项目区所有土地利用类型, 每一类至少包含两种, 以提高土地利用解译成果的准确度。

2)土地利用解译。结合建立的解译标志, 采用人机交互的方式对项目区进行解译。土地利用属性准确度应不低于90%, 山区的边界误差不大于2个像元, 平原地区不大于1个像元。利用人机交互切割多边形的方法[14], 排除土地利用成果中图斑重叠、图斑缝隙、拓扑错误和其他相关类型的错误。土地利用解译成果如图1所示。

图1 四川C、Z项目区2012、2017年土地利用图

3)土地利用精度评估。在四川C与Z两个项目区内分别均匀、随机挑选40个土地, 利用图斑进行现场验证, 选取的图斑属性需包含项目区内所有类型土地利用。通过现场验证与解译结果对比发现, 两个项目区的解译精度均超过94%。

2.2.3 植被覆盖度计算方法

植被覆盖度是评判一片区域的植被群落保持水土能力的重要指标, 也是衡量地表水土流失状况的一个重要的指标, 计算植被覆盖度就是在影像上计算每个像元内的植被占像元总面积的比例, 通常利用植被的归一化植被指数NDVI(Normalized Difference Vegetation Index)来计算。NDVI又称标准化植被指数, 定义为近红外波段NIR与可见光红波段R反射率之差和这两个波段反射率之和的比值, 即如下公式:

式中NIR表示近红外波段; R表示可见光红波段。

植被覆盖度与NDVI具有非常好的相关性, NDVI分布值介于– 1~1, 小于0.1几乎没有植被信息, 而接近于1时, 表示植被生长旺盛。根据土壤NDVI和植被NDVI计算植被覆盖度的数学表达式如下:

式中NDVIsoil表示裸土或无植被覆盖区域的NDVI值, 即无植被像元的NDVI值; 而NDVIveg则代表完全被植被所覆盖的像元NDVI值, 即纯植被像元NDVI[15]NDVI可从通过影像上计算, NDVIsoilNDVIveg可在影像上确定, 植被盖度成果见图2。

图2 四川C、Z项目区2012、2017年植被覆盖度图

2.2.4 坡度获取方法

采用建立的数字地面高程模型, 在GIS支持下利用专门的算法提取坡度。以研究区1:10万地形图作为底图, 矢量化生成DEM数据, 以30 m为单元格计算研究区内的坡度, 项目区坡度分布见图3。

图3 四川C、Z项目区坡度图

3 结果与分析
3.1 C、Z项目区2017年土壤侵蚀面积和强度

基于获取的2017年遥感数据和各项水土流失评定因子数据, 得出C、Z项目区2017年水土流失现状图, 统计分析各个等级的水土流失面积。

经统计, 2017年四川C项目区侵蚀面积35.36 km2, 占土地总面积的25.62%。侵蚀面积中, 轻度11.54 km2、中度12.33 km2、强烈10.19 km2、极强烈1.09 km2、剧烈0.21 km2, 分别占侵蚀总面积的32.64%、34.87%、28.82%、3.08%、0.59%(表2)。土壤侵蚀主要以轻度、中度为主, 集中在四川C项目区西北部、西部、西南部一带, 中部地区土壤侵蚀强度较小(图4-a)。

表2 四川C、Z项目区2017年土壤侵蚀统计表

图4 四川C、Z项目区2017年土壤侵蚀强度图

四川Z项目区2017年侵蚀面积63.92 km2, 占土地总面积的39.95%。侵蚀面积中, 轻度19.99 km2、中度26.22 km2、强烈16.78 km2、极强烈0.88 km2、剧烈0.05 km2, 分别占侵蚀总面积的31.27%、41.02%、26.25%、1.38%、0.08%(表2)。土壤侵蚀主要以轻度、中度为主, 土壤侵蚀分布广泛, 其中以东南部土壤侵蚀强度较大且分布集中(图4-b)。

3.2 C、Z项目区2012— 2017年水土流失变化

四川C项目区2017与2012年相比, 土壤侵蚀强度面积整体减少20.18 km2, 其中轻度侵蚀面积减少6.77 km2, 中度侵蚀面积减少12.93 km2, 强烈侵蚀面积减少0.38 km2, 极强烈侵蚀面积减少0.13 km2, 剧烈侵蚀面积增加0.03 km2表3)。土壤侵蚀减少的地方主要分布在C项目区南部(图5-a), 土壤侵蚀加重的地方比较分散, 侵蚀加重区域与居民点用地、交通用地相邻。土壤侵蚀主要由社会经济发展造成, 局部地区是由于油气开发新修建平台、道路造成, 因此油气开发对土壤侵蚀的影响不大。

表3 四川C项目区2012— 2017年土壤侵蚀变化表

图5 四川C、Z项目区2012— 2017年土壤侵蚀强度变化面积图

四川Z项目区2017年与2012年土壤侵蚀强度相比, 2017年土壤侵蚀强度面积整体减少了18.93 km2。其中轻度侵蚀减少5.19 km2, 中度侵蚀面积减少10.67 km2, 强烈侵蚀面积减少2.64 km2, 极强烈侵蚀面积减少0.40 km2, 剧烈侵蚀面积减少0.03 km2表4)。从土壤侵蚀变化图看(图5-b), 总体上土壤侵蚀面积变小, 但局部土壤侵蚀加重, 土壤侵蚀加重的地方主要分布在项目区东部和中部一带。这一地区的油气平台与居民点用地、交通用地相交排布。土壤侵蚀加重的原因主要与油气田生产建设与社会经济发展共同作用有关。

表4 四川Z项目区2012— 2017年土壤侵蚀变化表
3.3 评估精度与制约因素

通过有条件的随机抽样并现场验证的方法检测水土流失评估等成果的精确度。四川C、Z两个项目区分别抽取50个均匀分布的样本点, 重点选取土地利用属性存疑的地块进行现场核查。通过现场抽样核查的方法验证[16, 17], 利用综合因子结合高分遥感影像评估的水土流失精度约为93%, 误差率约为7%。

该方法适用于有土地利用、地形数据等相关基础数据的地区, 若缺少该类数据无法进行有效评估。相较于传统测量评估方法, 本方法的评估准确度受土地利用、坡度、植被盖度、高分遥感影像分辨率等相关因子精度的制约[18, 19]。水土流失影响因子除文中涉及的土地利用、植被盖度、坡度等因子, 还受降雨、坡向、采取的防治措施等因素影响, 后续研究将引入降雨、坡向、措施类型等细化因子, 增加水土流失评估的全面性, 提高评估的准确率[20, 21]

4 结论

1)四川C项目区、Z项目区土壤侵蚀占总土地面积较小, 土壤侵蚀强度中主要以轻度和中度为主。2012— 2017年土壤侵蚀面积整体减少, 但局部土地扰动增多, 土壤侵蚀强度增大, 水土流失严重, 主要原因是社会经济发展, 次要原因是油气田生产建设相关活动。该地区油气开发尚处于初级阶段, 仍具有水土流失风险, 因此研究区内水土流失防治工作仍需高度重视, 保护珍贵的水土资源。

2)利用综合因子结合高分遥感影像的评估方法, 其准确度受土地利用、坡度、植被盖度、高分遥感影像分辨率等相关因子精度的制约。除上述影响因素, 水土流失还受降雨、坡向、采取的防治措施等因素的影响, 后续研究将引入这些影响因子, 以增加水土流失评估的全面性, 提高评估的准确率。

参考文献
[1] 王跃邦, 刘明义, 许晓鸿. 石油工业与水土保持[J]. 中国水土保持, 2006(4): 6-7.
Wang Yuebang, Liu Mingyi & Xu Xiaohong. Petroleum industry and soil and water conservation[J]. Soil and Water Conservation in China, 2006(4): 6-7. [本文引用:1]
[2] 杜小龙. 石油勘探开发对泾川县生态环境的影响及防治对策[J]. 中国水土保持, 2017(8): 21-23.
Du XiaoLong. The influence of petroleum exploration and development on the ecological environment of Jingchuan county and the countermeasures[J]. Soil and Water Conservation in China, 2017(8): 21-23. [本文引用:1]
[3] 吕连宏, 张型芳, 庞卫科, 王健, 罗宏. 实施《页岩气发展规划(2016—2020年)》对环境影响研究[J]. 天然气工业, 2017, 37(3): 132-138.
Lianhong, Zhang Xingfang, Pang Weike, Wang Jian & Luo Hong. Environmental impacts of the implementation of "Shale Gas Development Programming during the Chinese National 13th Five-Year (2016-2020) Plan"[J]. Natural Gas Industry, 2017, 37(3): 132-138. [本文引用:1]
[4] 李智广, 郭索彦. 人为水土流失因素及其防治措施研究[J]. 水土保持通报, 1998, 18(2): 51-55.
Li Zhiguang & Guo Suoyan. The factors and countermeasures of man-made soil and water loss[J]. Bulletin of Soil and Water Conservation, 1998, 18(2): 51-55. [本文引用:1]
[5] 张帅, 冯樊, 侯萌萌. 遥感技术在石油工程中的应用及发展[J]. 技术与创新管理, 2010, 31(3): 356-361.
Zhang Shuai, Feng Fan & Hou Mengmeng. Application and development of remote sensing technology to the petroleum engineering[J]. Technology and Innovation Management, 2010, 31(3): 356-361. [本文引用:1]
[6] 赵辉, 黎家作, 李晶晶. 中国水土流失动态监测与评价的现状与对策[J]. 水土保持通报, 2016, 36(1): 115-119.
Zhao Hui, Li Jiazuo & Li Jingjing. Present situation and countermeasures of dynamic monitoring and evaluation of soil and water loss in China[J]. Bulletin of Soil and Water Conservation, 2016, 36(1): 115-119. [本文引用:1]
[7] 李智广, 杨胜天, 高云飞, 严慕绥, 曾红娟. 土壤侵蚀遥感监测方法及其思考[J]. 中国水土保持科学, 2008, 6(3): 7-12.
Li Zhiguang, Yang Shengtian, Gao Yunfei, Yan Musui & Zeng Hongjuan. Remote sensing monitoring for soil erosion and its thinking[J]. Science of Soil and Water Conservation, 2008, 6(3): 7-12. [本文引用:1]
[8] 李智广, 曾大林. 开发建设项目土壤流失量预测方法初探[J]. 中国水土保持, 2001(4): 27-29.
Li Zhiguang & Zeng Dalin. Preliminary study on soil loss prediction method for development and construction projects[J]. Soil and Water Conservation in China, 2001(4): 27-29. [本文引用:1]
[9] 周为峰. 基于遥感和GIS的区域土壤侵蚀调查研究[D]. 北京: 中国科学院研究生院(遥感应用研究所) , 2005.
Zhou Weifeng. Regional soil erosion assessment with remote sensing and geography information system[D]. BeiJing: Chinese Academy of Sciences (Institute of Remote Sensing Applications), 2005. [本文引用:1]
[10] 杨勤科, 李锐, 李智广, 张晓萍. 区域水土流失快速调查研究初报[J]. 水土保持通报, 1999, 19(3): 39-42.
Yang Qinke, Li Rui, Li Zhiguang & Zhang Xiaoping. Primary study on rapid survey of regional soil erosion[J]. Bulletin of Soil and Water Conservation, 1999, 19(3): 39-42. [本文引用:1]
[11] 王恒松, 熊康宁, 张芳美. 地形因子对喀斯特坡面水土流失影响的机理研究[J]. 水土保持通报, 2015, 35(4): 1-7.
Wang Hengsong, Xiong Kangning & Zhang Fangmei. Mechanism study on effects of terrain on soil erosion of karst slope[J]. Bulletin of Soil and Water Conservation, 2015, 35(4): 1-7. [本文引用:1]
[12] 宜宾市统计局. 宜宾市统计年鉴[M]. 成都: 四川科技出版社, 2016.
Yibin Statistics Bureau. Yibin statistical yearbook[M]. Chengdu: Sichuan Science and Technology Press, 2016. [本文引用:1]
[13] 丁飞, 张祖兴, 蔡阿兴, 胡续礼, 姜小三, 潘剑君. 土壤侵蚀强度分级标准中土壤厚度参考指标适用性的探讨[J]. 中国农学通报, 2006, 22(7): 343-346.
Ding Fei, Zhang Zuxing, Cai Axing, Hu Xuli, Jiang Xiaosan & Pan Jianjun. A discussion on the applicability of the reference index of soil erosion intensity classification[J]. Chinese Agricultural Science Bulletin, 2006, 22(7): 343-346. [本文引用:1]
[14] 李武跃. 遥感影像纹理特征提取及其定量分析[D]. 上海: 上海交通大学, 2008.
Li Wuyue. Remote sensing image texture feature extraction and quantitative analysis[D]. Shanghai: Shanghai Jiao Tong University, 2008. [本文引用:1]
[15] 李苗苗. 植被覆盖度的遥感估算方法研究[D]. 北京: 中国科学院研究生院(遥感应用研究所), 2003.
Li Miaomiao. The method of vegetation fraction estimation by remote sensing[D]. Beijing: Chinese Academy of Sciences (Institute of Remote Sensing Applications), 2003. [本文引用:1]
[16] 李智广, 符素华, 刘宝元. 我国水力侵蚀抽样调查方法[J]. 中国水土保持科学, 2012, 10(1): 77-81.
Li Zhiguang, Fu Suhua & Liu Baoyuan. Sampling program of water erosion inventory in the first national water resource survey[J]. Science of Soil and Water Conservation, 2012, 10(1): 77-81. [本文引用:1]
[17] 曾红娟, 李智广, 杨胜天. 开发建设项目水土保持监测点布局[J]. 中国水土保持科学, 2009, 7(3): 42-45.
Zeng Hongjuan, Li Zhiguang & Yang Shengtian. Arrangement of soil and water conservation monitoring points of development and construction projects[J]. Science of Soil and Water Conservation, 2009, 7(3): 42-45. [本文引用:1]
[18] 郑子成, 秦凤, 李廷轩. 不同坡度下紫色土地表微地形变化及其对土壤侵蚀的影响[J]. 农业工程学报, 2015, 31(8): 168-175.
Zheng Zicheng, Qin Feng & Li Tingxuan. Changes in soil surface microrelief of purple soil under different slope gradients and its effects on soil erosion[J]. Transactions of the Chinese Society of Agricultural Engineering, 2015, 31(8): 168-175. [本文引用:1]
[19] 李斌, 张金屯. 不同植被盖度下的黄土高原土壤侵蚀特征分析[J]. 中国生态农业学报, 2010, 18(2): 241-244.
Li Bin & Zhang Jintun. Soil erosion characteristics under different vegetation coverage in the Loess Plateau[J]. Chinese Journal of Eco-Agriculture, 2010, 18(2): 241-244. [本文引用:1]
[20] 查轩, 黄少燕, 陈世发. 退化红壤地土壤侵蚀与坡度坡向的关系——基于GIS的研究[J]. 自然灾害学报, 2010, 19(2): 32-39.
Zha Xuan, Huang Shaoyan & Chen Shifa. Relationship between erosion of degenerated red soil and terrain slope/aspect: A GIS-based research[J]. Journal of Natural Disasters, 2010, 19(2): 32-39. [本文引用:1]
[21] 曹梓豪, 赵清贺, 丁圣彦, 张祎帆, 刘璞, 吴长松, . 坡度和植被盖度对河岸坡面侵蚀产沙特征的影响[J]. 自然资源学报, 2017, 32(11): 1892-1904.
Cao Zihao, Zhao Qinghe, Ding Shengyan, Zhang Yifan, Liu Pu, Wu Changsong, et al. effect of slope gradient and vegetation cover on sediment yielding characteristics of the riparian slope[J]. Journal of Natural Resources, 2017, 32(11): 1892-1904. [本文引用:1]