应用国产高分一号卫星数据提取风蚀荒漠化遥感信息方法研究

葛超英 李战 徐雯佳

摘要：基于国产高分一号卫星数据，建立荒漠化遥感信息产品指标体系，利用风蚀荒漠化影响因子对荒漠化遥感信息进行分级提取。该方法以国产高分一号影像数据为风蚀荒漠化分类特征波段，利用面向对象方法，分离非荒漠化信息、建立风蚀荒漠化分类提取方法，并进行风蚀荒漠化提取方法精度评价。本文介绍了在民勤地区应用国产高分一号卫星遥感数据提取风蚀荒漠化分级信息的实例。

关键词：国产高分一号卫星；风蚀荒漠化；面向对象

1.引言

荒漠化对我国生态环境、经济的可持续发展等带来严重影响，如何有效调查统计、控制沙漠化发展具有重要的现实意义。随着我国国产高分卫星数据的多光谱、多时相、多空间分辨率的出现，为荒漠化信息提取提供了丰富的信息源。本文在综合研究以往荒漠化指标体系的基础上，利用国产高分一号卫星数据，结合3S（GIS、GPS、RS）技术，研究风蚀荒漠化提取方法并进行精度评价。

2.研究区概况

研究区位于甘肃省民勤县，地理范围为东经103°00′～103°15′，北纬38°30′～38°40′。研究区位于河西走廊东北部，西、北、东三面环沙，在巴丹吉林沙漠和腾格里沙漠两大沙漠的半包围中。属温带荒漠气候区、典型的荒漠生态类型区。

3.数据源及其预处理

3.1数据源

研究区荒漠化信息提取选取国产高分一号数据，包含分辨率为2m的全色数据和8m的多光谱数据，时相为2015年6月9日。

3.2数据预处理

高分一号卫星的数据预处理主要包括大气校正和几何校正两部分。其中大气校正利用ENVI软件提供的FLAASH模型，设置大气模型和气溶胶类型等参数；几何校正借助RPC文件、DEM和参考影像，利用ENVI软件进行正射校正，控制点残差中误差不大于1个像素。此外，为排除影像数据中云的影响，还要进行云检测。

4.研究方法

4.1土地荒漠化程度分级指标

朱震达（1984）提出了荒漠化程度判定指标体系。吴正（1987）在朱震达的荒漠化程度判读指标体系基础上，提出了荒漠化判别标准。中国地质调查局《区域环境地质调查总则（试用）》中规定了土地沙漠化、石漠化、土地盐渍化程度划分标准。国家林业局（2009）在《第四次全国荒漠化和沙化监测技术规定》中规定了荒漠化遥感调查指标体系，风蚀荒漠化从植被覆盖度、地表形态两个方面将荒漠化划分为轻度、中度、重度、极重度四个方面。

在以往荒漠化评价指标研究的基础上建立了综合的风蚀荒漠化指标体系。风蚀荒漠化从植被覆盖度、地表形态两个方面将荒漠化划分为轻度、中度、重度、极重度4个级别。见表1。

4.2风蚀荒漠化解译标志

根据国产高分一号卫星数据特点及研究区内各级风蚀荒漠化的空间位置、色调特征、形态特征、影纹特征建立了遥感解译标志。见表2。

4.3风蚀荒漠化提取流程

研究区内荒漠化提取流程如图2所示，主要包括提取荒漠化影响因子植被覆盖度和地表形态两部分。利用已有成熟模型提取植被覆盖度，并利用面向对象方法提取地表形态，根据荒漠化指标体系划分荒漠化等级，建立1：5万比例尺风蚀荒漠化信息提取方法。

4.3.1植被覆盖度

植被的覆盖状况能够较好地反映荒漠化的分布情况，其值的高低与荒漠化的程度呈负相关关系。植被覆盖度是研究生态变化的重要指标，也是我国荒漠化监测指标体系中的主要基础数据（丁国栋，2004）。植被覆盖度根据像元二分模型（李苗苗，2003），通过公式变换得到公式如下：

4.3.2地表形态

利用ENVI软件面向对象方法提取地表形态，面向对象方法是基于邻近像素亮度、纹理、颜色等的边缘分割算法，分割效果的好坏直接影响分类效果的精度。针对国产高分一号卫星数据特点，根据提取对象特征不同，选择合适的分割阈值，能尽可能好的分割出边缘特征。针对研究区内提取地表形态阈值设定如下：

提取地表形态中人工建筑需利用GF-1的全色数据，分割阈值设置在60左右，合并阈值设置在90左右，可以尽量满足提取需求，由于人工建筑相对面积较小，根据提取需求，通常空间分辨率调整不低于8m效果较好。根据规则提取人工建筑参数设置：空间（Spatial），面积（Area）：<2500，延长线（Elongation）：>4.5。

提取地表形态中的沙化程度，分割阈值设置在10～40，合并阈值一般设置在90左右，沙化地表依赖规则提取形成较困难，采用基于样本的面向对象方法提取地表沙化程度。

受数据质量、时相、地域影响，阈值设置可根据实际情况调整。

4.3.3风蚀荒漠化程度分级

根据荒漠化指标体系，分别为植被覆盖度、地表形态赋分值，植被覆盖度与地表形态分值相加，消除干扰图斑及碎小图斑，得到风蚀荒漠化矢量。根据风蚀荒漠化程度分级指标划分荒漠化程度，另地表形态中土地利用类型为人工建筑的划定为非荒漠化。见图3。

5.精度评价

设置若干验证点均匀分布研究区内，将根据荒漠化指标体系提取风蚀荒漠化成果与目视解译分级结果进行验证分析，对两者进行一致性评价。研究区内共均匀设置54个验证点，其中2个落于云上，实际有效验证点为52个。

通过对验证点提取结果与目视解译结果进行一致性对比分析，结果如下表3所示。

由表3可知，轻度与中度风蚀荒漠化提取结果与目视解译结果一致性较高，百分比为83.33%；其次为非荒漠化与极重度风蚀荒漠化，百分比为80%；重度风蚀荒漠化百分比为78.95%。分级结果总体保持了较好的线性关系，分类结果基本能反映研究区内风蚀荒漠化的基本情况。见表4。

表4研究区风蚀荒漠化提取结果与目视解译结果一致性分析

由表4可知，研究解译成果与目视解译成果存在一定的差异。其中，目视解译成果正确率与解译人员经验是否丰富、影像质量、时相等有关系；自动提取成果与指标体系、算法、阈值、影像质量、时相等相关，所以提取结果也会有所偏差。研究风蚀荒漠化提取过程数字化，取代人的思维决策，使分类依据更加可靠。

6.結论

（1）利用高分一号卫星数据提取植被覆盖度和地表形态，根据荒漠化指标体系划分荒漠化程度分级。

（2）利用面向对象及碎斑处理方法可以较好地提取出非荒漠化信息；使用基于样本和规则面向对象分类技术对风蚀荒漠化进行分级提取，提取结果较能反应研究区内风蚀荒漠化的基本情况。