论文部分内容阅读
土地资源是人类生存的基础，随着世界人口的剧增和全球气候环境的变化，土地荒漠化问题特别是沙化问题的危害性日益凸现。遥感与GIS的结合是沙化土地监测必不可少的重要手段，它不仅可提供对沙化土地现状的及时定量分析，还能从时空不同尺度提供对沙化土地状况的动态监测和快速评价，为沙化土地的进一步控制及预测提供科学依据。对不同传感器的遥感图像进行不同方法的沙化信息提取研究，可以得到针对不同影像的沙化信息提取较为满意的方法。CBERS-2、Landsat-5 TM和SPOT-5图像是目前我国在沙化土地研究中应用较为普遍的遥感数据。本文通过对这三种图像上不同类型沙化土地影像特征、光谱特征的研究，从中挖掘光谱知识，建立基于光谱知识的沙化土地提取模型。研究表明，使用该方法提取各类型沙化土地信息总体精度在80％以上，其中TM影像提取精度最高，CBERS-2提取精度最低，说明使用光谱知识分类的结果精度与影像的空间分辨率没有正相关的关系。使用波谱角分类法分别对CBERS-2、Landsat-5 TM、SPOT-5及TM和SPOT-5融合的影像进行不同类型的沙化信息提取研究，总体精度在85％以上。其中，融合影像提取精度最高，SPOT-5影像次之，TM影像提取精度最低，说明使用波谱角分类法提取的结果精度与影像空间分辨率有一定的正相关关系，即空间分辨率越高，沙化信息的提取精度也越高。分别对基于不同方法及不同传感器图像的不同类型沙化信息提取结果进行精度对比分析，并得出结论：波谱角分类法比光谱知识法提取信息更加方便和快捷，且精度较高。其中，使用该方法提取的TM和SPOT-5融合影像的沙化信息精度最高，SPOT-5次之，而使用该方法提取的CBERS-2沙化信息精度也要高于其他组合。从实际应用方面来说，我国现在已经免费发放CBERS-2数据，TM数据的价格要低于SPOT-5数据。因此，省级以上的大范围沙化土地监测，选用CBERS-2可以满足精度要求；在个别的重点监测区选用SPOT-5影像精度更高；在经济条件许可的情况下，可以将多光谱影像和高分辨影像进行融合，提取效果会更好。