基于高分一号遥感卫星影像解译的西南山区水土流失调查

李振玉

摘 要：随着国土资源、测绘、遥感等一系列遥感卫星的发射，影像时间、空间和光谱分辨率越来越高，高分辨率遥感影像解译技术实现工程化操作已成为当务之急，文章介绍了通过对高分辨率遥感影像的解译来实现对长江支流乌江流域武隆县的水土流失情况调查数据。文章主要内容包括了以现有矢量数据为标准的高分一号遥感影像的几何纠正，人机交互式的武隆县高分一号遥感影像的解译，以及基于解译成果对试验区域的水土流失程度的统计。

关键词：水土保持；图像解译；水土流失；遥感影像

引言

我国是世界上水土流失最严重的国家之一，自改革开放以来，随着中国经济快速发展，西南山区的长江流域受人为因素影响山丘地区生态环境急剧恶化，开垦山林使得水土流失加剧，农业生产条件不断恶化，严重阻碍着当地经济社会的发展，也给长江的中下游流域带来了很大的负面影响。合理利用流域水土资源，遵循可持续发展战略，防止水土流失，维护良好经济生态环境，是合理利用开发长江的一项重要内容。近年来，为更好地开展水土保持工作，科学合理进行水土保持工程规划设计，有效防治水土流失，须进行水土保持调查与勘测，收集项目区及工程区地形地貌、地质、土壤植被、土地利用、DEM，slope等数据。

随着遥感影像分类技术的发展到现在人工目视解译技术已经很成熟，但是人工目视解译却有极大的局限性：人工投入大、结果不确定性高、生产周期长、费用高、精度控制比较困难、对解译人员的解译经验要求高等缺点的存在，使得目视解译技术不适合在大规模的高分辨率遥感数据处理，文章以长江支流乌江贯穿的武隆县为实验样区，以高分一号高分辨率遥感影像为基础数据做水土流失统计的研究。在对武隆县实验区域水土保持生态建设情况和水土侵蚀监测尺度及基于分类结果的水土流失计算模型的基础上，选择4-5月份的两米分辨率的高分一号遥感数据源；采RPC有理函数模型方法进行高分辨率遥感影像纠正操作；由于水域流失具有数据量大、表现的地物类型复杂等特点，加之存在异物同谱和同物异谱等光谱现象，因此自动解译分类往往难以满足实用精度要求，故利用外业采样数据进行监督分类和人机交互解译实现对实验区的高分辨率影像的遥感影像解译。基于GIS的人机交互式的遥感卫星影像解译成图系统，是利用了计算机和人机的优势，克服了传统的目视解译和现代的计算机自动分类两种方法的明显缺点，为大面积的遥感卫星影像的解译提供了使用快捷精确的方法。

1 试验区域简介

武隆县位于长江上游地区、重庆东南部，处乌江下游，在武陵山与大娄山结合部，内有“世界自然遗产”和“国家AAAAA级旅游景区”。东邻彭水县、酉阳县，南接贵州省道真县，西靠南川区、涪陵区，北与丰都县相连。属于中国南方喀斯特高原丘陵地区。地处东经107°13'-108°05'、北纬29°02'-29°40'之间。武隆县属渝东南边缘大娄山脉褶皱带，多深丘、河谷，以山地为主。武隆县有草场174万亩、耕地面积2.95万公顷、林地19.05万公顷。

2 高分辨率卫星遥感影像特点

随着各种空间分辨率在10m以内的高分辨率的卫星遥感影逐渐进入商业和民用领域的范围如：高分一号、SPOT系列、快鸟等，并迅速地发展起来。与传统的低时间和空间分辨率卫星遥感影像相比，高分辨率卫星遥感影像具有如下等特点：（1）单幅影像的数据量呈几何式增加。（2）成像光谱波段变窄可以获得高光谱分辨率的遥感影像，因此光谱空间特征在区分和判定地物的类别的作用显著提高。（3）空间分辨率的提高使得地物的几何形状和纹理特征更加明显。（4）重复轨道周期都缩短在1-3天之内，使得同一区域成像时间周期显著缩短，降低了天气原因对影像质量的影像，使得动态监测植被覆盖度的运动变化和人类活动成为可能。

3 准备阶段

2.5米分辨率的高分一号2、3、4三波段的假彩色影像，外业样本采样，共选取30个样本点均匀分布在武隆县整个县界，一台装ECognitive软件和ARCGIS10.0软件台式机。

4 卫星影像解译实现流程

（1）影像矫正：采RPC有理函数模型方法进行高分辨率遥感影像纠正操作；用搜集的矢量图纠正卫星影像，选取14个控制点进行二次纠正，纠正结果精度在3个相元10米的范围内，由于搜集的矢量图会有一定的误差在选取控制点的时候选取建筑物的拐角或者道路的交汇处。（2）解译流程。首先将影像导入到ECognitive，利用外业采样的样本数据实现建筑物、林地、坑塘、河流的监督分类统计各类地物的面积与图斑个数，将分类结果导出为shp文件。将生产的shp文件导入arcmap中，在ARCMAP中以线缓冲面的形式实现对农村道路、公路和铁路的提取，农村道路和公路分别以1.5和3个单位进行缓冲。以目视判读的方式实现对坡耕地、梯田、水田、坪地、灌草地的分类，首先配合slope坡度数据实现坡耕地和梯田的提取，坡度大于5度没有明显纹理特征的为坡耕地有纹理特征的为梯田，在梯田附近有坑塘或者河流却颜色纹理特征与水田的样本特征相近的为水田，坡度小于5度为水田或者坪地，在坑塘或者河流附近却颜色纹理特征与水田的样本特征相近的为水田，其余为坪地。

根据外业调会的经验草地一般分布在到路边山脚和河流边上；另外滩涂、工矿用地、裸图、裸岩、码头用地等特征特别明显可以简单的识别出来。

5 解译成果统计（总面积为804平方千米）（如表1所示）

6 水土流失计算

用特定的计算模型根据测区范围的高分辨率影像解译成果进行计算。

参考文献

[1]赵岩，王治国，孙保平，等.中国水土保持区划方案初步研究[J].地理学报，2013，3：307-317.

[2]赵岩.水土保持区划及功能定位研究[D].北京林业大学，2013.

[3]孙家波.基于知识的高分辨率遥感影像耕地自动提取技术研究[D].中国农业大学，2014.

[4]余新晓，吴岚，饶良懿，等.水土保持生态服务功能评价方法[J].中国水土保持科学，2007，2：110-113.

[5]王建芳，包世泰.面向对象解译方法在遥感影像地物分类中的应用[J].热带地理，2006，3：234-235+237-238+242.

[6]刘刚，朱敏，马海涛，等.第二次土地调查遥感影像解译应用分析[J].测绘与空间地理信息，2010，4：61-63.

[7]江涛.遥感影像解译标志库的建立和应用[J].地理空间信息，2010，5：31-33.

[8]李镇，张岩，杨松，等.QuickBird影像目视解译法提取切沟形态参数的精度分析[J].农业工程学报，2014，20：179-186.

[9]张宏鸣.基于GIS的区域水土流失模型的优化与改进[D].西北农林科技大学，2008.