面向對象的沙化土地GF-1遙感分類技術研究.pdf

1、當前，我國防沙治沙形勢依然十分嚴峻，在干旱、半干旱及半濕潤地區(qū)，由于不合理的人類活動與脆弱的生態(tài)環(huán)境相互作用造成土地生產(chǎn)力下降、土地資源喪失、地表呈現(xiàn)類似沙漠景觀的土地退化。我國是受土地沙化侵害最嚴重的國家之一，實時了解和掌握我國的沙化土地分布、范圍和動態(tài)對于分析我國沙化土地的變化過程以及生態(tài)工程的成效等都有十分突出的作用。目前國家林業(yè)局全國沙化土地監(jiān)測多以地面調查結合遙感影像的目視解譯進行，地面調查需要較多的人力、物力、財力，而目視解

2、譯的結果不僅與技術人員的水平相關而且這種目視解譯的方法并沒有充分利用遙感影像的信息，造成遙感影像極大的浪費，這樣對于更加準確地動態(tài)分析我國沙化土地的發(fā)生發(fā)展過程造成一定的困難。沙化土地與其他土地覆被類型相比又呈現(xiàn)復雜的特征，它不僅與植被的覆蓋度相關同時還受到土壤類型的影響。因此，在多尺度上研究和發(fā)展針對沙化土地的遙感識別方法迫在眉睫。
　　本文以渾善達克沙地為研究區(qū)，以GF-1衛(wèi)星數(shù)據(jù)、GF-2衛(wèi)星數(shù)據(jù)和TM系列數(shù)據(jù)為數(shù)據(jù)源，以野

3、外調查的樣地信息為評價數(shù)據(jù)，首先比較了兩種遙感影像分割方法并提出了改進的方法，然后在多尺度的遙感影像分割中研究了不同沙化土地類別最優(yōu)分割尺度的確定方法，然后針對多達60多種的遙感影像特征，本文提出了最優(yōu)影像特征選擇方法并形成了沙化土地類型遙感識別流程圖。在上述研究的基礎上，對遙感影像空間尺度上的尺度效應和不同年份間渾善達克沙地沙化土地的變化情況進行了分析，主要的研究結果如下:
　　(1)分形網(wǎng)絡進化分割算法有較高的適用性，算法的實

4、現(xiàn)效率也較高，但是單一尺度下的分割效果不夠理想，需要多尺度分割。Full Lambda-Schedule算法是基于全局優(yōu)化的算法，分割的結果更好，但是運算量巨大，效率較低，不適合大范圍遙感影像的處理，需要先將影像進行過分割再用該算法進行影像分割，這樣降低了運算量，提高了運算效率，具有一定的適應性。為了確定在多尺度分割中每個地物類別的最優(yōu)分割尺度，本文將本來自動選擇最優(yōu)分類特征的J-M距離運用到最優(yōu)分割尺度選擇中再綜合運用最終的分類精度來

5、確定每個地物類別的最優(yōu)分割尺度。
　　(2)基于GF-1數(shù)據(jù)特點共產(chǎn)生了60多種對象特征，并綜合運用信息增益比、J48決策樹、隨機樹、標準差和變異系數(shù)等人工選擇影像特征?；谏鲜鲅芯拷Y果形成了沙化土地類型遙感識別流程圖并得到了渾善達克沙地的沙化土地分布圖。與傳統(tǒng)的基于像元的分類相比，該方法精度較高，達到了85.61％，椒鹽現(xiàn)象不太明顯;與其他面向對象的分類研究相比，該方法整體的處理范圍更大，達到了200km×200km，具有較高的

6、可復制性，使更大范圍的基于GF-1衛(wèi)星的沙化土地類型遙感識別的研究成為可能。
　　(3)基于上述研究結果提出將評價類別間可分離性的J-M距離方法應用到對遙感數(shù)據(jù)空間分辨率的研究得到了沙化土地的尺度效應，結果說明遙感影像的空間分辨率越高并不一定分類的精度就越高，對于某個特定的沙化土地類別是存在一個最優(yōu)的空間分辨率，在此分辨率下，沙化土地的分類精度達到最高。此外，本文在2002年和2013年的沙化土地評價結果的基礎上完成了十年間的沙化

7、土地變化監(jiān)測和動態(tài)分析。2002年和2013年渾善達克沙地總體的沙地面積分別為21740 km2和20542 km2，沙地總面積減少了約1192 km2，占原有沙地面積的5.48％。2002年和2013年的固定沙地分別為7116 km2和5613 km2，半固定沙地分別為10861 km2和10320 km2，流動沙地分別為3763 km2和4609 km2。由此可以看出，渾善達克沙地的沙化土地類型主要以半固定沙地為主，固定沙地的面積次