遥感石漠化信息的提取.docx

资源描述

遥感石漠化信息的提取.docx

《遥感石漠化信息的提取.docx》由会员分享，可在线阅读，更多相关《遥感石漠化信息的提取.docx（54页珍藏版）》请在冰豆网上搜索。

遥感石漠化信息的提取.docx

遥感石漠化信息的提取

第12卷第6期

2010年12月

地球信息科学学报

JOURNALOFGEOINFORMATIONSCIENCE

遥感石漠化信息的提取

Vol12,No6

Dec,2010

胡顺光

1,21

（1.中国科学院遥感应用研究所,北京100101;2.中国科学院研究生院,北京100049;

3.中国地质大学长城分院,保定071000）

摘要:

石漠化信息提取是多种信息综合分析、反馈的过程。

通过分析当前石漠化分级体系,对比喀斯特地区与石漠

化范围、土地利用与石漠化关系,并结合当前石漠化信息提取关键技术研究认为:

目前的石漠化分级体系在划分级

别、分级指标、分级区域等方面存在巨大差异,将尺度划分引入石漠化等级体系是统一石漠化等级划分差异的有力

途径;充分利用基于内容的特征识别算法进行喀斯区的圈定可以有效提高石漠化信息提取精度;利用已有的土地利

用矢量数据,通过合理转换进行石漠化信息提取是重要研究思路;传统的建立石漠化解译标志、改进植被指数模型

以及建立波谱关系模型等石漠化信息提取方法无法很好融合石漠化综合指征,提出基于遥感的石漠化综合指标度

进行石漠化信息的提取方法。

关键词:

石漠化;遥感;指标因子;土地利用

1引言

根据联合国环境规划署的估计,全球有四分之

一的土地受到荒漠化的威胁。

作为荒漠化类型之

一的中国西南石漠化区不仅是珠江的源头,长江及

东南亚一些国际河流的重要补给区,也是重要的生

况将石漠化划分为不同等级（表1）。

由目前石漠

化分级体系可知,石漠化等级分别有两级划分、三

级划分、四级划分、五级划分、六级划分等划分方

法,分级指标分别涉及基岩状况、植被状况、土壤状

况以及地形状况几个方面。

石漠化分级体系存在

分级指标与分级方法的交叉重叠,石漠化指标的获

态屏障

[1]

。

喀斯特石漠化是近年来所认识到的一

取方式存在差异。

而且,基于划分方式选取的研究

种地质生态灾害,所造成的经济、环境乃至社会影

区域也不同。

分析认为,造成这些差异的主要原因

响越来越大,受到国家的广泛关注

[2]

。

利用遥感技

有:

对石漠化的概念界定尚缺乏统一;研究区覆盖

术的优势,可以准确、快速、经济地获取喀斯特石漠

化的现状、分布规律等结果数据,为石漠化的监测、

范围的差异:

不同区域由于其不同的基岩组分以及

其它自然、人为背景的差异而造成石漠化所处的喀

石漠化的演变分析及后续治理提供科学依据

[3]

。

斯特发育阶段不同;不同覆盖范围存在不同的尺度

石漠化概念与石漠化分级体系是开展石漠化相关

效应问题。

值得一提的是,在环境建模中,一个重要

研究的基础

[4-8]

。

的考虑因素就是所使用的遥感数据的空间尺寸大小

关于石漠化概念,学者们根据研究领域的差异

分别给出了不同的提法。

一般认为石漠化是荒漠

化的一种,表现为喀斯特地区植被破坏、水土流失、

岩石裸露、土地退化。

喀斯特石漠化是一个复杂的

动态过程,其形成演变既涉及繁多的自然因素,同

时也受到人类活动的干扰。

通常根据不同自然状

问题。

遥感上的尺度是指地图上或图像上地物特

征的大小与对应地面上地物特征大小的关系。

而通

常地学中指的大尺度或小尺度与此不同,大尺度

景观覆盖范围广,空间描述粗糙,小尺度的景观覆盖

范围窄,具有相对细致的空间描述。

将尺度划分引入

石漠化等级体系是统一这些差异的重要途径。

收稿日期:

2009-12-15;修回日期:

2010-04-12.

基金项目:

国家科技支撑计划课题水土保持调节功能时空数据集成与分析（2006BAC08B0405）;国家十一五科技支

撑计划重大课题喀斯特高原退化生态系统综合整治技术与模式（2006BAC01A09）;贵州省科技计划课题

贵州喀斯特石漠化生态系统综合整治技术与模式的研究与示范（黔科合S字[2007]1061号）。

作者简介:

胡顺光（1977-）,男,博士,主要研究方向为国土资源遥感、数据库开发与应用。

Emai:

lhushunguang@126.com

张增祥,夏奎菊

6期

胡顺光等:

遥感石漠化信息的提取

871

表1石漠化分级体系

Tab.1Currentclassificationsystemofrockydesertification

石漠化各指标比例构成

（a基岩裸露率;b植被+土被覆盖率;d土被覆盖率;

e坡度;f平均土厚;g植被覆盖率）

1[4]无明显石漠化

（a<40%且b>70%且d>60%且e<15!

且f>20cm）

潜在石漠化

（a>40%且50%15!

且f<20cm）

轻度石漠化

（a>60%且35%18!

且f<15cm）

中度石漠化

（a>70%且20%22!

且f<10cm）

强度石漠化

（a>80%且10%25!

且f<5cm）

已有研究通过建立石漠化解译标志、改进植被

指数模型或建立波谱关系模型等手段进行石漠化

信息的提取,这些方法在一定程度上满足了石漠化

信息区域性调查的需要,然而存在无法很好融合石

漠化综合指征的问题。

本研究在总结前人研究方

法的基础上,选取研究区2005年30m分辨率的

Landsat卫星的TM影像数据,与研究区水文地质图

进行了精配准处理。

并利用中国科学院遥感应用

研究所等单位合作生成的1∀10万土地利用图斑对

喀斯特区进行掩膜处理,从而将先分割、后计算、最

后再拼接的遥感影像处理理念应用于石漠化信息

提取中;针对目前石漠化指标体系的研究较为深

入,而将这些指标综合定量化于石漠化遥感影像判

[9]

极强度石漠化

（a>90%且b<10%且d<5%且e>30!

且f<3cm）

无明显石漠化

（a<50%且b>70%且d>50%且e<15!

且f>20cm

潜在石漠化

读的研究相对较少,提出基于遥感的石漠化综合指

标度（RRDF）,进行石漠化信息提取的方法。

2石漠化信息提取的相关因素分析

（a>50%且50%15!

且f<20cm）

轻度石漠化

（a>60%且35%18!

且f<15cm）

中度石漠化

（a>70%且20%22!

且f<10cm）

强度石漠化

（a>80%且10%25!

且f<5cm）

极强度石漠化

（a>90%且b<10%且d<5%且e>30!

且f<3cm）

石漠化信息提取不是孤立的技术手段,而是多

种信息综合分析、反馈的过程。

喀斯特并不是石漠

[15]

取的任务是应用数学方法确定影像与石漠化特征

的对应关系,并与人眼观察特性进行匹配。

而遥感

影像提供的地面信息是在水平与垂直方向上交叉

重叠的波谱特征,这使影像与地物之间存在着复杂

[10]

[11]

无石漠化（a<40%且b>70%）;潜在石漠化（a>40%且50%

60%且35%

中度石漠化（a>70%且20%

80%且10%

无明显石漠化

（a<30%且f>20cm且g>70%）

轻度石漠化

（30%

中度石漠化

（50

的对应关系。

为了简化这种对应关系,从遥感影像

处理的角度分析,应该尽可能地使参与运算的像元

更加趋于纯净。

而针对喀斯特石漠化信息提取来

说,逐步圈定石漠化范围是解决这一问题的合理方

法。

因此,本研究将研究区的非喀斯特信息剔除作

为进行石漠化信息提取的第一步。

非喀斯特信息

的剔除也就是喀斯特信息的获取。

喀斯特信息获

取方法主要有以下几种。

重度石漠化

（a>70%且f<5cm且g<25%）

5[12]无石漠化（a<30%）

轻度石漠化（30%

中度石漠化（50%

重度石漠化（a>70%）

轻度石漠化（30%

[13]

严重石漠化（a>70%）

7[14]石漠化（a>70%）

2.1水文地质图生成与分析

喀斯特是一种自然现象,包括水对碳酸盐岩溶

[16]

质图是通过对地貌、地层岩性、地质构造和地下水

露头等的观测而获得的成果图。

喀斯特研究区的

水文地质图上有明确的碳酸盐岩的分布范围,因

此,可以较为方便的实现喀斯特区域的提取。

目前

大部分喀斯特石漠化研究采用此种方法作为喀斯

[3,4,17-19]

化,但石漠化区是喀斯特区域的子集

。

计算机提

蚀的地球化学过程和形成的地貌形态

。

水文地

中度石漠化（50%

特区域的初步圈定

。

然而,基于水文地质

872

地球信息科学学报

2010年

图进行喀斯特区域信息的获取受已有水文地质图

资料的限制。

一方面,获取到的水文地质图比例尺

往往难以正好匹配研究区范围的比例尺精度;另一

h[ck]=

ifl[i,j]=ck

其他

N1~N2

（3）

方面,选择的水文地质图资料本身也存在误差将影

响喀斯特信息获取的精度。

2.2地貌特征的识别分析

中国西南喀斯特地区,由于地表自然生态系统

的各组成成分如:

地质、地貌、植被、土壤以及水文

等表现出的独特组合特征。

因此,基于影像的喀斯

特地貌信息提取成为可能。

然而目前基于特征信

N1,N2表示图像的长、宽,I[i,j]表示像素的颜色。

（2）Tamura纹理特征提取算法

Tamura纹理特征提取算法将纹理特征分为六

种属性,粗糙度、对比度、方向度、线像度、规整度和

粗略度。

本研究选择对图像特征提取作用较大的

粗糙度进行应用。

其算法构建过程为:

动窗口中像素的平均值,即

息进行喀斯特地貌类型判别的研究并不多见。

相

关的研究有:

Ak（x,y）=

x+2k-1y+2k-1-1

i-#k-1j-y-#1-1

g（i,j）

（4）

有研究

[20]

以1∀50万贵州省地貌图、ASTER、

式中,k=0,1,...,5;g（i,j）是位于（i,j）处的

TM、CBERS遥感影像为基础,获取地貌类型、地表

切割程度、流域高程特征及坡度等喀斯特流域地貌

类型特征,并在此基础上建立回归模型对喀斯特区

像素强度值。

第二步,对于每个像素,分别计算它在水平和

垂直方向上互不重叠的窗口之间的平均强度差,即

域的组合地貌形态进行判别;另有研究

[21]

利用数字

k-1k-1

地面高程模型进行子流域划分,提取反映喀斯特地

（5）

貌形态的7个地形因子--高程、坡度、地形起伏

k-1

度、地形粗糙度、地表切割深度、高程变异系数和地

形指数,并根据地形因子特征值进行喀斯特地貌类

型判别。

（6）

式中,对于每个像素,能使E值达到最大的k

值用来设置最佳尺寸

喀斯特地貌形态在TM的近红外、红、绿三波段

（7）

假彩色合成影像上表现出区别于非喀斯特地区的

典型纹理与颜色特征。

目前基于颜色与纹理特征

第三步,计算整幅图像中Sbest的平均值来得

到,即

的识别算法有很多种,这里选择可能与喀斯特区域

[22-26]

Fcrs

#1S

best

（i,j）

（8）

（1）颜色直方图法

颜色特征主要统计地物的全局信息,描述的是

图像对应区域地物的表面特征。

颜色直方图法是

指在一定的颜色空间中对图像的各种颜色出现的

频数进行统计。

其一维统计信息数学定义为:

H（Sk）=nk/n

k=01...,L-1

（1）

其中,Sk为图像的第k级颜色值;nk为图像中具有

颜色值Sk的像素个数;n为图像像素总数。

颜色直方图法二维统计信息的数学定义为:

改进后的粗糙度特征能够表达具有多种不同纹理

特征的图像或区域。

2.3水文地质图与影像特征获取的喀斯特范围对

比分析

笔者选择同时覆盖喀斯特区域和非喀斯特区

域的广西平果县为例,分别对照2005年的遥感影

像TM数据进行目视判读喀斯特区域,并与地质图

勾绘获得的喀斯特区域进行对比,结果吻合较好

（图1）。

结合以上研究认为,可以直接从遥感影像

k=1

（2）

中获取喀斯特地区的范围信息,从而缩小石漠化范

围区域,增加纯石漠化像元的比例构成,提高石漠

化信息提取精度。

然而,目前这些算法应用于石漠

h[ck]表示第k种颜色像素的频数。

化信息提取的研究还不多见,更为广泛的应用和科

N-1N-1

i=1j=1

第一步,计算图像中大小为2%2个像素的活

x-22+

Ek,h（x,y）=|Ak（x+2,y）-Ak（x-2,y|

Ek,hY（x,y）=|Ak（x,y+2

）-Ak（x,y

Sbest（x,y）=2

判别相关的算法

总结如下:

m%n#1

#h=10∃h[ck]∃1

[c]

6期

胡顺光等:

遥感石漠化信息的提取

图1基于影像特征与水文地质图的喀斯特区域圈定

（a）基于颜色、纹理特征图

（b）基于水文地质图

Fig.1Karstareaenclosingbasedonimagecharacteristicorhydrogeologicmap

（a）colorandtexturecharacteristicbasedmap（b）hydrogeologicbasedmap）

873

学论证还有待于对喀斯特区域的遥感影像特征以

Blue

+L）

（12）

及相应算法的深入研究。

NIR

3石漠化信息的图像分析提取

3.1遥感石漠化信息提取算法

目前较为普遍应用的石漠化信息提取主要采

[3,12,17-18,27-30]

常规比值植被指数法:

NIR

Red,Blue）,L=1,为土壤调节参数,C1和C2分别为

6.0和7.5。

改进增强型植被指数法:

2%NIR-Red

GEVI=（13）

Red+Blue

是对归一化植被指数与增强型植被指数的改造而得。

另外,还有基于石漠化各等级波段之间的谱值

[31]

NIR

、R分别为近红外、红外波段的反射率。

归一化差异植被指数法:

无石漠化:

TM4-TM5>a

TM5

（14）

NDVI=

NIR

（10）

TM4-TM1>a

潜在石漠化:

TM4>b

（15）

Deering将RVI经非线性归一化处理而得。

增强比值植被指数法:

TM5>c

TM5-TM4>a

Di=（TM5%Gi4）/（TM4%Gi5）

（11）

轻度石漠化:

TM4

（16）

Di为第i个像元的石漠化指数,TM5为第i个像元

的第五波段亮度值,Gi4为整景影像4波段所有像元

TM5

TM4

亮度值的几何平均值,TM4为第i个像元的第四波

段亮度值,Gi5为整景影像5波段所有像元亮度值的

几何平均值。

中度石漠化:

TM5-TM4>b

TM7-TM3>a

（17）

增强型植被指数法:

强度石漠化:

TM5>b

（18）

EVI=2.5（

NIR

Rred

）/（

NIR

Red

TM4

、Rred、Blue分别为经过大气校正的反射值（NIR,

用植被指数法

具体有:

（9）

RVI=

关系建立的石漠化信息提取算法

874

地球信息科学学报

2010年

a、b、c、d分别为各级石漠化阈值。

具体取值要结合

调整后影像的经验判读。

S土地利用图斑

（19）

3.2土地利用图斑在遥感石漠化信息识别提取中

的应用

有研究通过分析不同土地利用类型的石漠化

发生率认为,不同等级石漠化与不同土地利用类型

存在着相关性

[32-33]

。

土地利用类型是人对自然环

境发生作用与否的体现形式,不同土地利用方式对

喀斯特石漠化的影响程度不同。

基于此,可以构建

土地利用类型与石漠化等级之间的关系实现石漠

化信息的提取（图2、表2）。

图2是基于1∀10万土

地利用图斑对喀斯特区进行的掩膜处理,即在研究区

TM遥感影像上将土地利用类型中的城乡、工矿、居

民用地以及水域作为无石漠化区域进行掩模去除。

石漠化分级的参考指标是一个综合体系,单独

就某一个或者某几个指标对基于像元单位上的石漠

化等级推断是没有意义的。

石漠化信息的科学评判

方法应该是基于一定面积单元上的面状地物信息评

然区域、行政区域单元等方式。

下面以土地利用图斑

为单元区域进行说明:

依据土地利用矢量数据生成感

兴趣区（ROIs）,分别代表不同类型的土地利用类型,

划定栅格单元大小,则选取的栅格个数m为:

图2土地利用图斑下的无石漠化区掩膜处理

Fig.2Thenorockydesertificationareamaskedwith

landusecoveragepolygon

表2土地利用分类体系

Tab.2Classificationsystemoflanduse

1耕地

11水田

111山区水田

112丘陵水田

113平原水田

114坡度&25!

水田

12旱地

121山区旱地

122丘陵旱地

2林地

21有林地

22灌木林地

23疏林地

24其他林地

3草地

31高覆盖度草地

32中覆盖度草地

33低覆盖度草地

4水域

41河渠

42湖泊

43水库、坑塘

44冰川和永久积雪地

45海涂

46滩地

5城乡、工矿、居民用地

51城镇用地

6未利用土地

61沙地

62戈壁

63盐碱地

64沼泽地

65裸土地

66裸岩石砾地

67其他

123平原旱地

124坡度&25!

旱地

m值的大小依据土地利用类型而定。

实际研

究中,在研究区遥感影像上先作一步无石漠化区去

除,然后参照式（19）的方式,将土地利用类型中的

耕地、林地、草地以及未利用土地类型作为石漠化

52农村居民点用地

53工交建设用地

4广西平果县石漠化图像信息制图

4.1石漠化信息的因子分析

遥感信息是地球表面信息的反映,由于地球系

区进行石漠化等级划分预处理

[34]

。

统的复杂性和开放性,地面信息是多维的、无限的,

2%2

判,比如基于2%2个像元的栅格单元或基于一定自

将这些感兴趣区按照2%2（k=0,1,...,n）个像元

6期

胡顺光等:

遥感石漠化信息的提取

875

而通过信息传输,遥感信息是简化的二维信息,因

此遥感信息在进行地学空间分析和反演过程中具

形因子、为人为因子、为植被因子、为土壤因

子、R0为石漠化指标系数。

针对目前石漠化研究

有模糊性和多解性特点

[35]

。

现状

[4,9-14]

本研究在如何将石漠化指标综合量化

模糊数学将经典集合论中的二值逻

展开阅读全文