论文部分内容阅读
[摘要]高海拔地区草地的分布稀疏，较难判绘出明确界限，与石块地等其他地物极易混淆。本文基于国际沙漠化土壤分类指标，以植被覆盖度为主要参考，更准确更快捷的完成草地、石块地、沙砾地的判绘。再将结果和原有的判绘成果进行对比，确立了基于植被覆盖度和Envy监督分类的判绘方法。
[关键词]草地 判绘 植被覆盖度 监督分类
[中图分类号] P463.22 [文献码] B [文章编号] 1000-405X（2015）-4-248-2
1高海拔地区草地等地物判绘的难度和意义
在我国西部地区的青藏高原、川西山地、以及云贵高原等地分布着面积十分广大的草地、石块地，沙砾地，这些地物类型相互交错，呈现出石块地中具有零星或一定面积比例的草地，或是草地密度较稀，分布一些沙地的现象。并且随着季节的变化，分布不明显，在判绘工作中极易混淆，影响判绘的精度。由于中小比例尺图像判绘需要一定量的综合取舍工作，上述难点导致综合取舍是难以将地物区分明确。作为高海拔地区，实地调绘也具有一定困难。
草地是天然的牧场，青藏高原、云贵高原等地草地的分布和变化对于牧民的季节性迁移具有十分重要的影响。因此，较为准确的判绘出草地、石块地等地物类型对高海拔地区畜牧业的发展提供了较大的保障。此外，草地判绘的精确程度也会对交通、生产、生活产生积极的影响。
2以植被覆盖度为主要参考准则的高海拔地物判绘的技术方法
针对高海拔地区草地、石块地交错分布、界限不清晰的这一特点，建议在做相应的判绘工作时引入国际上地理学常用的土壤砂砾化分类指标。利用砂砾碎石的比例、植被的覆盖度来区分草地、石块地，并画出地类的分界线，对判绘工作的完成起到提高效率的作用。土壤沙砾化分类指标如表1所示。
针对本文提到的草地与石块地等其他地类的判绘，可以采取以植被覆盖度作为主要参考准则的分类方法。结合生产实践中的情况，和传统判绘经验并依据上述指标可将固定土壤归为草地，将半流动土壤中具有碎石分布的归为石块地，流动土壤归为沙地。
计算一个小区域植被覆盖度可以采用传统的目视评估方法，但是每个人的经验知识有所不同，对图像的理解也会存在偏差，因此目视估测的方法比较片面主观，结果也不精确。现阶段，利用Envi等遥感应用软件对遥感影像的植被覆盖度进行精确计算来解决这一不足。
遥感影像通过亮度值或像元值的高低差异及空间变化来表示不同地物的差异，这是区分不同影像地物的物理基础[1]。Envi软件提供了监督分类功能，可以根据研究需求利用计算机对遥感影像中各类地物的光谱信息和空间信息进行分析，选择特征，将每个像元按照某种算法划分类，然后获得遥感影像中与实际地物的对应信息，从而实现遥感影像的地物分类[2]。
通常采用的监督分类主要操作流程分为以下几步：
（1）类别定义：根据分类目的、影像数据自身的特征和分类区收集的信息确定分类样本，比如分为草地、灌木、石块地、沙地、露岩地和其他这六类样本。
（2）样本选择：在Envi软件操作界面中打开菜单栏的Display→Overlay→Region of Interest，按照默认设置并严格参考国际土壤砂砾化指标在影像上定义训练样本（例如植被覆盖度大于50、含沙量小于5的小面积格网作为定义的样本），设置好颜色和类别名称。
（3）分类器选择：在分类工作中选择相应的分类模型是重中之重，根据所研究的判绘内容，可以采用支持向量机这一分类器。支持向量机分类是一种建立在统计学习理论基础上的机器学习方法。可以将类与类之间的间隔最大化，因而有较好的推广性和较高的分类准确率。
支持向量机主要基于如下思想：首先选择一个非线性映射Ψ把n维样本向量（x1，y1），…（xL，yL）∈Rn×{+1，-1}从原空间Rn映射到特征空间，在此高维特征空间中构造最优线性决策函数：y（x）=sgn[ω·Ψ（x）+b]。
其中ω表示原空间权值，Ψ（x）为核函数。在构造最优决策函数时，利用了结构风险最小化原则，并巧妙的运用了原空间的核函数取代了高维特征空间的点积运算，避免了复杂计算[3]。
（4）影响分类：基于传选择支持向量机分类方法。主菜单下选择Classification→ Supervised→ Support Vector Machine。按照默认设置参数输出分类结果，如图1所示。
在结果图中，按照分类前定义的样本，浅绿色为草地，白色为露岩地，橙色为石块地等，与原始图像图2进行对比，根据传统的判绘经验所目测出的大致结果基本相似，证明监督分类能在提高效率的同时，保证判绘的精度。分类后还可对分类的各种地物进行相关的属性计算，例如计算出草地这种样本的所占面积百分比也就是植被覆盖度。
作为中小比例尺遥感图像在面临分类后的综合取舍问题时，Envi提供了裁切功能，将需要合并的区域裁切成小块图幅，针对小块区域混合地物进行计算，得出植被覆盖度或是沙地面积比，对裁剪的部分按指标进行分类，准确的判别出相应的类型。
3结论
本文所论述的研究方法是以植被覆盖度为主要参考，以国际土壤砂砾化指标为依据，将Envi软件的监督分类应用于辅助判绘，取得了较准确的结果，引入了植被覆盖度的概念，以这个概念来区分草地和沙砾地、石块地等地类，避免了一些模棱两可的区域难以区分的情况，对于需要综合取舍的小区域地类归属问题起到了很好的解决。Envi软件中的监督分类功能，还可以对大区域下实现多种地物的分类，操作简单，又能快速的提供计算结果，在一定程度上提高了效率。
基于Envi监督分类下植被覆盖度的地物分类除了可以应用于高原地区草地等地物的判绘，也可以很好地应用于其余情况下的判绘。例如较偏远、不宜实地调绘的地区，较大区域内的快速判绘，这些都可以选取Envi的监督分类功能进行辅助，快速区分图中相应地物类型，并与实际的判绘经验进行对比和参考。得到更精确地结果。
参考文献
[1] 邢立新，潘军，陈圣波.遥感信息科学概论.吉林大学出版社. 2003.3： 117.
[2] 李少兰.基于高精度遥感图像的多种土地利用分类方法研究：硕士学位论文.西安：西北农林科技大学.2012
[3] 阎威武，邵惠鹤.支持向量机和最小二乘支持向量机的比较及应用研究.控制与决策. 2003.5（3）：358-360.
[关键词]草地 判绘 植被覆盖度 监督分类
[中图分类号] P463.22 [文献码] B [文章编号] 1000-405X（2015）-4-248-2
1高海拔地区草地等地物判绘的难度和意义
在我国西部地区的青藏高原、川西山地、以及云贵高原等地分布着面积十分广大的草地、石块地，沙砾地，这些地物类型相互交错，呈现出石块地中具有零星或一定面积比例的草地，或是草地密度较稀，分布一些沙地的现象。并且随着季节的变化，分布不明显，在判绘工作中极易混淆，影响判绘的精度。由于中小比例尺图像判绘需要一定量的综合取舍工作，上述难点导致综合取舍是难以将地物区分明确。作为高海拔地区，实地调绘也具有一定困难。
草地是天然的牧场，青藏高原、云贵高原等地草地的分布和变化对于牧民的季节性迁移具有十分重要的影响。因此，较为准确的判绘出草地、石块地等地物类型对高海拔地区畜牧业的发展提供了较大的保障。此外，草地判绘的精确程度也会对交通、生产、生活产生积极的影响。
2以植被覆盖度为主要参考准则的高海拔地物判绘的技术方法
针对高海拔地区草地、石块地交错分布、界限不清晰的这一特点，建议在做相应的判绘工作时引入国际上地理学常用的土壤砂砾化分类指标。利用砂砾碎石的比例、植被的覆盖度来区分草地、石块地，并画出地类的分界线，对判绘工作的完成起到提高效率的作用。土壤沙砾化分类指标如表1所示。
针对本文提到的草地与石块地等其他地类的判绘，可以采取以植被覆盖度作为主要参考准则的分类方法。结合生产实践中的情况，和传统判绘经验并依据上述指标可将固定土壤归为草地，将半流动土壤中具有碎石分布的归为石块地，流动土壤归为沙地。
计算一个小区域植被覆盖度可以采用传统的目视评估方法，但是每个人的经验知识有所不同，对图像的理解也会存在偏差，因此目视估测的方法比较片面主观，结果也不精确。现阶段，利用Envi等遥感应用软件对遥感影像的植被覆盖度进行精确计算来解决这一不足。
遥感影像通过亮度值或像元值的高低差异及空间变化来表示不同地物的差异，这是区分不同影像地物的物理基础[1]。Envi软件提供了监督分类功能，可以根据研究需求利用计算机对遥感影像中各类地物的光谱信息和空间信息进行分析，选择特征，将每个像元按照某种算法划分类，然后获得遥感影像中与实际地物的对应信息，从而实现遥感影像的地物分类[2]。
通常采用的监督分类主要操作流程分为以下几步：
（1）类别定义：根据分类目的、影像数据自身的特征和分类区收集的信息确定分类样本，比如分为草地、灌木、石块地、沙地、露岩地和其他这六类样本。
（2）样本选择：在Envi软件操作界面中打开菜单栏的Display→Overlay→Region of Interest，按照默认设置并严格参考国际土壤砂砾化指标在影像上定义训练样本（例如植被覆盖度大于50、含沙量小于5的小面积格网作为定义的样本），设置好颜色和类别名称。
（3）分类器选择：在分类工作中选择相应的分类模型是重中之重，根据所研究的判绘内容，可以采用支持向量机这一分类器。支持向量机分类是一种建立在统计学习理论基础上的机器学习方法。可以将类与类之间的间隔最大化，因而有较好的推广性和较高的分类准确率。
支持向量机主要基于如下思想：首先选择一个非线性映射Ψ把n维样本向量（x1，y1），…（xL，yL）∈Rn×{+1，-1}从原空间Rn映射到特征空间，在此高维特征空间中构造最优线性决策函数：y（x）=sgn[ω·Ψ（x）+b]。
其中ω表示原空间权值，Ψ（x）为核函数。在构造最优决策函数时，利用了结构风险最小化原则，并巧妙的运用了原空间的核函数取代了高维特征空间的点积运算，避免了复杂计算[3]。
（4）影响分类：基于传选择支持向量机分类方法。主菜单下选择Classification→ Supervised→ Support Vector Machine。按照默认设置参数输出分类结果，如图1所示。
在结果图中，按照分类前定义的样本，浅绿色为草地，白色为露岩地，橙色为石块地等，与原始图像图2进行对比，根据传统的判绘经验所目测出的大致结果基本相似，证明监督分类能在提高效率的同时，保证判绘的精度。分类后还可对分类的各种地物进行相关的属性计算，例如计算出草地这种样本的所占面积百分比也就是植被覆盖度。
作为中小比例尺遥感图像在面临分类后的综合取舍问题时，Envi提供了裁切功能，将需要合并的区域裁切成小块图幅，针对小块区域混合地物进行计算，得出植被覆盖度或是沙地面积比，对裁剪的部分按指标进行分类，准确的判别出相应的类型。
3结论
本文所论述的研究方法是以植被覆盖度为主要参考，以国际土壤砂砾化指标为依据，将Envi软件的监督分类应用于辅助判绘，取得了较准确的结果，引入了植被覆盖度的概念，以这个概念来区分草地和沙砾地、石块地等地类，避免了一些模棱两可的区域难以区分的情况，对于需要综合取舍的小区域地类归属问题起到了很好的解决。Envi软件中的监督分类功能，还可以对大区域下实现多种地物的分类，操作简单，又能快速的提供计算结果，在一定程度上提高了效率。
基于Envi监督分类下植被覆盖度的地物分类除了可以应用于高原地区草地等地物的判绘，也可以很好地应用于其余情况下的判绘。例如较偏远、不宜实地调绘的地区，较大区域内的快速判绘，这些都可以选取Envi的监督分类功能进行辅助，快速区分图中相应地物类型，并与实际的判绘经验进行对比和参考。得到更精确地结果。
参考文献
[1] 邢立新，潘军，陈圣波.遥感信息科学概论.吉林大学出版社. 2003.3： 117.
[2] 李少兰.基于高精度遥感图像的多种土地利用分类方法研究：硕士学位论文.西安：西北农林科技大学.2012
[3] 阎威武，邵惠鹤.支持向量机和最小二乘支持向量机的比较及应用研究.控制与决策. 2003.5（3）：358-360.