荒漠化是全球共同关注的重大环境问题,我国青海省是荒漠化最严重的省份之一。由于独特的地理、地质和气候环境,加上人为不合理的经济活动,形成了大面积的荒漠化土地,总体还有蔓延的趋势。因此,青海省荒漠化土地的调查与监测工作成为重点问题。目前遥感数据以其准确性和实时性以及覆盖区域的广泛性和完整性在荒漠化监测中广泛采用。而荒漠化遥感监测中需要解决的一个关键技术问题是影像资料中荒漠化信息的提取和图像的判别分类方法及分类精度的评价。这也正是本文研究的主要内容。本文选取青海省格尔木地区,利用4期多光谱遥感数据(ETM/TM)系统探讨了荒漠地区荒漠化信息提取的ETM/TM影像图像处理与图像分类方法及分类精度的评价。取得如下主要成果:(1)分析了各荒漠化土地类型、植被、水体的光谱特征,为荒漠化信息提取的方法研究提供了依据。(2)提出运用最小噪声变换法(MNF(Minimum Noise Fraction Rotation)、纯净像元指数PPI(Pixel Purity Index)方法及n-D(n-Dimensiond Visualizer)散度法结合使用,通过图像本身信息直接找到终端单元(纯净像元),避免了由用户提供终端单元数目或波谱与图像不符而造成的图像分类失败,提高训练区样本的纯度,改善分类的精度。(3)光谱角分类中,利用得到的水体、植被专题信息作为感兴趣区域代替原有提纯后的终端单元进行分类,进一步提高分类精度。2002年图像分类总精度达80.87%,Kappa系数为0.77;2000年图像分类总精度达87.15% , Kappa系数为0.83;1996年图像分类总精度达66.59% ,Kappa系数为0.60;1994年图像分类总精度达73.92%, Kappa系数为0.69。(4)通过对各期遥感图像中三大类共8小类的荒漠化土地进行面积量算统计,把时间间隔较短的两期分类结果数据取平均值,比较前后两时间段数据,从中得到沙化土地增长了46.14km2,盐碱化土地减少39.48km2,植被减少61.46km2,沙化和盐碱化土地合计增加6.66km2,土地退化仍呈增长趋势,不过速度比较慢,也进一步说明在6年间隔内已有荒漠化加重现象。