遥感技术在沙化动态监测中的应用

2016-04-14韩婷婷

地球 2016年5期

关键词：沙化盖度国情

■韩婷婷

（辽宁省摄影测量与遥感院辽宁沈阳110034）

遥感技术在沙化动态监测中的应用

■韩婷婷

（辽宁省摄影测量与遥感院辽宁沈阳110034）

本文基于地理国情普查数据和不同传感器的影像数据，以遥感技术为手段，进行2003年、2008年和2013年监测区沙化信息提取，并进行沙化监测成果统计分析。结果表明：监测区近10年来，中度沙化和重度沙化面积显著减少，轻度沙化面积逐渐增加，说明监测区轻度沙化占据主导地位，呈现较好的态势。基于遥感技术的沙化信息提取，与传统方法相比，在精度和效率上均有明显提高，可推广应用到大范围的沙化监测中。

遥感技术地理国情普查沙化动态监测

1 引言

沙化土地是指在各种气候条件下，由于各种因素形成的地表呈现以沙物质为主要标志的退化土地，包括已经沙化的土地和具有明显沙化趋势的土地[1]。土地沙化的大面积蔓延就是荒漠化，是最严重的全球环境问题之一。

沙化调查和监测是沙化防治的基础性工作。传统的沙化监测是在已往沙化调查监测数据的基础上，进行人工野外实地调查与勾绘，此方法工效低、质量差，对于获取大范围的沙化土地变化周期比较长[2]。遥感技术具有信息量大、观测范围广、精度高、速度快、实时性以及动态性等特点[3]，使开展大范围沙化土地监测和评估成为了可能，已逐渐替代了传统沙化监测方法。

地理国情是一项重要的国情国力调查，地表覆盖信息获取是地理国情监测的首要任务，也是地理国情监测的基础。目前，基于地理国情普查成果基础上进行沙化监测研究的成功案例相对较少，因此本文可为相关研究提供科学的理论依据。

2 数据

2.1 野外数据

2015年7月末至8月初，相关人员到监测区进行实地调查，调查发现，监测区土地类型均为沙化土地，用地类型主要以耕地和林地为主，其中耕地种植作物的种类相对单一，玉米、花生、大豆以及三者的间作为主要农作物。

通过外业样本采集，我们共采集了274个有效样本数据，这些样本数据均匀覆盖于整个监测区域中不同的用地类型以及不同程度的沙化地类。随机选取不同沙化等级的50个样本数据作为沙化信息提取样本，其他224个作为精度检验样本。

2.2 影像数据

遥感影像的选取直接影响沙化信息提取结果，通过多次试验，选取植被长势最为茂盛时期的遥感影像提取沙化信息可达到最优的效果，因此我们选取了2003年6月份30米分辨率多光谱Landsat5/TM影像，2008年6月份30米分辨率多光谱Landsat7/ETM影像，2013年6月份30米分辨率的多光谱Landsat8/OLI影像和同期的监测区2米分辨率的高分一号/PMS1影像，为了后期沙化信息提取的准确性，需要对影像进行预处理，预处理工作主要包括：坐标转换、辐射定标、几何校正、图像增强、图像裁剪、拼接以及2013年多光谱影像和高分影像融合处理。

3 技术方法

本文根据野外调查数据，参照《第四次全国荒漠化和沙化监测技术规定》，结合第一次全国地理国情普查内容，建立符合监测区的沙化分类体系。选取合适的遥感指标，建立监测区不同沙化等级的解译标志，在此基础上实现监测区2003年、2008年和2013年沙化信息提取，并进行成果分析与精度验证。

3.1 建立分类体系

本文建立了符合监测区的沙化分类体系，其中植被盖度是指植被群落总体或各个体的地上部分的垂直投影面积与样方面积之比的百分数。

3.2 建立不同沙化等级解译标志

根据《第四次全国荒漠化和沙化监测技术规定》，在沙化分类体系中的植被盖度这一指标很难通过遥感手段获得，而植被盖度和植被覆盖度之间存在一定的关系。

根据野外采集的样本数据，通过人工判读覆盖监测区遥感影像，从而计算出每个样本数据的植被盖度值，并与利用二分法反演的植被覆盖度值建立回归关系，确定植被盖度和反演植被覆盖度之间的转换规则，从而计算出监测区2013年植被盖度。依据该转换规则对2003年和2008年的反演植被盖度进行修正，从而确定2003年和2008年的沙化等级。

3.3 沙化信息提取

从样本数据中随机选取50个样本数据参与沙化信息提取，其余224个样本数据参与精度验证。根据不同沙化程度典型样本数据以及植被指数，绘制各样本数据的光谱特征曲线，并以此选择最佳经验阈值以确定不同沙化等级的光谱分离节点。建立符合监测区的决策树模型，对2003年、2008年多光谱影像进行沙化信息提取。将2013年的多光谱影像和2013年融合影像，以及整合的地理国情数据一级地类成果，参与计算机自动分类，提取监测区更加准确的沙化信息。对沙化信息提取后的噪声问题，采用窗口进行中值滤波，主要根据数学形态学中的闭运算滤除噪声影响。