土壤侵蚀遥感监测方法探究.docVIP

土壤侵蚀遥感监测方法探究摘要:本文基于笔者多年从事水土保持的相关工作经验,以土壤侵蚀遥感监测为研究对象,探讨了目视解译分析方法和基于遥感光谱反射值自动监测,分别给出了具体的计算方法和相关研究现状,全文是笔者长期研究基础上的理论总结,相信对从事相关工作的同行能有所裨益。 关键词:土壤侵蚀 遥感监测 目视解译 遥感光谱 中图分类号:P2 文献标识码:A 文章编号:1672-3791(2012)09(c)-0030-02 遥感技术的发展为人类提供了从多维和宏观角度进行陆地生态环境监测的可能。遥感的优势在于能以不同的时空尺度不断地提供多种地表特征信息,这对于传统的以稀疏离散点为基础的对地观测手段是一场革命性的变化(赵英时,2003)。自从有了航空摄影以来,航空像片就在土壤侵蚀监测中发挥着重要的作用(陈述彭,1992),而航天遥感的出现,更为土壤侵蚀的监测提供了丰富的信息和广阔的空间,使得土壤侵蚀监测从定位监测拓展到区域或更大范围,从而将水土保持监测推向更深广的层次。国内外目前发展的土壤侵蚀遥感监测方法,主要有目视解译方法和计算机自动分类方法。 1 目视解译分析方法 目视解译方法根据操作手段和辅助工具的不同,主要有两种方式,目视解译和计算机人机交互解译。但两者只是由于硬件设施的差异所导致的操作手段和方式的不同,其实质是一样的。该方法着重于根据土壤侵蚀环境因子特征在遥感影上的客观反映来进行分析解译和光谱特征识别。首先需要确定分类分级系统,其次建立解译标志,然后进行图像的判读、绘制专题图等流程。早期的目视解译方式,是“通过直接观察或借助判读仪器(放大镜、立体镜、密度分割仪和彩色合成仪等)研究地物在遥感图像上的各种影像特征(如形状、大小、灰度、阴影、图形结构),并通过地物间的相互关系的推理、分析,达到识别地物目标的过程”(陈述彭,1990)。而人机交互解译是以计算机为平台,借助GIS软件,以数字遥感影像为信息源,依据野外验证过程中所建立的解译标志,建立遥感影像特征与地物原型之间的直接和间接关系,并综合地物波谱知识、植被指数、地学空间分布规律和物候知识等,来识别地物的过程。 随着遥感和计算机信息技术的发展,由水利部水土保持监测中心为项目主持单位,由中国院遥感应用研究所为项目技术主持单位,采用人机交互解译方式,于1999年3月正式实施全国第二次土壤侵蚀遥感调查,并于2002年发布了成果公告。2000年水利部又组织开展了全国第三次土壤侵蚀遥感调查。近期水利部陆续在黄河、长江中上游地区、黑河、塔里木河流域等重点水土保持生态建设区开展了水土保持监测(许峰,2004)。到20世纪90年代,随着遥感技术的快速发展,人机交互解译方法已广泛应用于土壤侵蚀监测(赵忠海,2003,曾琪明,1996)。土壤侵蚀目视解译除了应用于全国土壤侵蚀调查外,目前基本上呈现出应用范围广、手段单一,以区域性研究为主、零散分散、缺乏系统性,研究结果也只反映了“一家之言”,缺乏实地验证。同时受监测手段的限制,效率低、非定量化、监测结果易忽视细节信息,受主观因素影响较大。但在大尺度土壤侵蚀遥感调查中,尤其是对我国这样地域广、地形复杂的现实条件,在新的技术未突破之前,人机交互解译是目前主要的监测手段。 国外学者也有采用目视解译方法进行土壤侵蚀监测,Bococ(1988)利用SPOT立体影像图,用目视解译的方法绘制了Mxeioc的土壤侵蚀图。Raina(1993)通过TM假彩色合成影像进行重度、中度和轻度土壤侵蚀图的绘制。 2 基于遥感光谱反射值自动监测 该方法是依据遥感影像中地物光谱反射值进行定量分析,以提取土壤侵蚀的信息。即将图像中每个像元根据其在不同波段的光谱亮度、空间结构特征或其他信息,按照某种规则或算法划分为不同的类别。最简单的分类是只利用不同波段的光谱亮度值进行单像元自动分类;另一种不仅考虑像元的光谱亮度值,还利用像元和其周围像元之间的空间关系,如图像纹理、特征大小、形状、方向性、复杂性和结构,对像元进行分类。 图像分类中最常用的即监督分类和非监督分类,其中监督分类的算法有平行算法、最小距离法、最大似然法和基于概率分布的贝叶斯(Byaes)分类器等,非监督分类也称为聚类分析或点群分析,即在多光谱图像中搜寻、定义其自然相似光谱集群组的过程。其算法主要有重复自组织数据分析技术。除以上图像分类方法外,还发展了模糊分类、空间结构纹理分类和人工智能神经元网络方法等。 Evnas(1990)认为,真正反映土壤侵蚀的信息通常是土壤表层微观的色调、质地和光谱特征,然而这些微观信息差异由于地表覆盖物或其它信息干扰,很难被遥感探测器感知,所以单纯地利用遥感方法进行土壤侵蚀研究十分困难。所以基于遥感影像光谱值监测土壤侵蚀,主要原理是基于土壤侵蚀所导致的地形