基于面向对象方法的土地沙化遥感信息提取技术研究

基于面向对象方法的土地沙化遥感信息提取技术研究

土地沙化是我国当前面临的最为严重的生态问题之一，随着社会的发展和人口的增加，环境压力越来越大，土地沙化日趋严重。土地沙化不仅导致可利用的土地资源锐减，生态环境恶化，还造成巨大的经济损失，使沙区人民的贫困程度进一步加深。为此，及时了解沙化土地的现状和发展变化趋势，对于制定土地沙化防治战略具有重要的意义。 遥感技术的发展为土地沙化信息的获取提供了新的技术手段，尤其为快速、准确地获取大范围的沙化土地信息提供了可能。常规的遥感影像数据的观测模式无法随地物环境的不同而进行调整，从而限制遥感数据的应用潜力。小卫星智能观测技术是近十多年发展起来的先进对地观测技术，其观测模式可通过地物环境的智能识别从而智能调整传感器的积分时间和曝光量等参数，极大地提升小卫星数据在资源环境遥感监测应用方面的潜力。由于沙地反射率高，传统的卫星观测模式无法根据地物环境的变化而调整遥感器的积分时间和曝光量因而使得沙化地区植被信息容易被掩盖，而先进的小卫星智能观测技术的发展，通过智能调整遥感器的积分时间和曝光量，为沙区植被等复杂信息的提取提供了可能。 本文以北京一号小卫星（BJ-1）智能影像为数据源，选取浑善达克沙地及其周边为研究区，全面、系统地探讨面向对象的沙化信息提取的技术，并与传统基于像元的方法对比，研究基于面向对象的沙化土地信息提取技术，以期为大范围沙化土地监测提供一种有效的手段；同时对BJ-1智能观测数据提取沙化土地信息的能力进行评价，挖掘BJ-1智能遥感数据在沙化土地监测方面的应用潜力。论文的主要研究成果及结论如下： 1、利用面向对象方法和传统最大似然法进行沙化土地信息提取，研究结果表明面向对象提取沙化土地信息，总体精度达到83.80%， Kappa系数为0.76；而利用最大似然法总体精度为75.70%，Kappa系数是0.65。说明利用面向对象提取沙化土地信息结果较为理想，为后续沙化信息提取深入研究提供参考。 2、在面向对象提取沙化土地信息过程中，分别利用四种不同尺度层来提取不同地物类型特征，通过建立地物特征图对目标地物的多种特征来选择最优特征（Ratio Green、Ratio Red、Mean nir、NDVI等）提取目标地物，并建立分类决策树来提取沙化土地信息，使得分类更加合理，从而获得更高的分类精度。 3、对BJ-1智能数据、常规数据和Landsat-5TM影像数据沙化信息提取结果进行精度评价对比，研究结果表明： BJ-1智能数据提取沙化信息总体精度为85.55%，Kappa系数为0.80，BJ-1常规数据提取信息总体精度为81.39%，Kappa系数为0.73，Landsat-5TM数据提取信息总体精度为90.81%，Kappa系数为0.86。表明Landsat-5TM影像数据提取沙化土地信息较为理想，BJ-1智能观测数据次之，BJ-1常规观测数据较差。 4、从水体和盐碱地信息提取方面，三种数据在信息提取的制图精度均为97.06%，用户精度为100.00%，三种数据均保持一致；在沙化信息提取方面，BJ-1智能数据在流动沙地、半固定沙地和固定沙地分别为78.21%，68.63%，89.38%；Landsat-5TM数据为81.37%，79.77%，93.76%； BJ-1常规观测数据为69.11%，58.62%，82.88%，可看出BJ-1智能数据在沙化信息提取方面比BJ-1常规数据具有优势，尤其在流动沙地和半固定沙地方面；与Landsat-5TM影像相比，BJ-1智能数据在提取半固定和固定沙地信息提取有差距，但提取流动沙地方面，两种数据提取结果精度相差不大。