张利华
, 翟靖超
ZHANG Li-hua, ZHAI Jing-chao
中图分类号: P95
文献标识码: A
文章编号: 1000-0690（2015）06-0798-07
收稿日期: 2014-04-22
修回日期: 2014-06-19
网络出版日期: 2015-06-20
版权声明: 2015 《地理科学》编辑部 本文是开放获取期刊文献，在以下情况下可以自由使用：学术研究、学术交流、科研教学等，但不允许用于商业目的.
基金资助:
作者简介:
作者简介：张利华（1974-）,女,河北邢台人,副教授,博士,主要从事流域环境演变分析和环境遥感研究。E-mail:huaz83@gmail.com
展开
摘要
将经过配准的同一地区不同空间分辨率和光谱分辨率的遥感影像进行融合是提高土地覆盖/土地利用分析精度的有效途径。采用PCA、IHS、HPF和小波变换融合法对内蒙古杭锦后旗中部地区的ALOS全色和多光谱影像进行融合,并对融合结果进行了定性和定量评价。基于地物光谱特征、解译标志和监督分类法提取试验区土地盐渍化信息,比较多光谱影像和融合影像的土地盐渍化信息提取精度。结果显示, PCA、IHS和HPF融合影像的空间细节表现能力得到提升,而PCA和小波变换融合影像的光谱保真度优于IHS和HPF融合影像;PCA融合影像的盐渍化分类精度、总分类精度和Kappa 系数均为最高,是最适于试验区土地盐渍化分类研究的融合方法。
关键词：
Abstract
Land salinization is a land degradation phenomenon which deteriorates the eco-environmental quality and agricultural production security, especially in arid and semi-arid areas. Particularly, the land salinization in Hetao irrigation area of Inner Mongolia (including Hangjinhouqi) is a major problem due to the arid climate, high salinity soil material, high mineralized groundwater, as well as high groundwater level caused by improper irrigation and drainage. Therefore, the monitoring of salinized land distribution is significant to prevent land salinization. Fused images based on different spatial and spectral resolutions are an important approach to improve the accuracy of land salinization classification. In this article, ALOS panchromatic and multi-spectral images of central Hanjinhouqi in Inner Mongolia, China, from August, 2010, were fused by employing the four image fusion methods, i.e., principal component analysis transform (PCA), intensity-hue-saturation transform (IHS), high pass filter (HPF) transform and wavelet transform. The effectiveness of each fusion method was evaluated qualitatively and quantitatively to examine the image quality and classification accuracy of land salinization. The result showed that: 1) spatial resolution of images improved after fused by PCA, IHS and HPF transform. 2) Image fused by HPF fused showed higher streaking noise. 3) Edge information of the object in wavelet transform image lowered compared to other fused image. 4) Spectral distortion of the images fused by PCA and wavelet transform was lesser than ones fused by IHS and HPF. In addition, the analysis of spectral signature showed that the mean gray value of different land cover pixel in the study area has the same change trend in the B2 and B3 bands, while different change trend was observed in B4 band because of the vegetation cover. The highest value of mean gray in the B2 and B3 bands was observed in resident cover, followed in sequence by salinized land, cultivated land, traffic land and water body. The highest value of mean gray in the B4 bands was observed in cultivated land .Furthermore, the land cover and land salinization information of researched area was also studied and extracted based on the interpreting marks, spectral signature and supervised classification. The extracted accuracy of multi-spectral images and fused images were compared as well. The classification results showed that the total classification accuracy and Kappa coefficient of PCA image, wavelet PCA image and wavelet IHS image are higher than multispectral images, while IHS image, HPF image and wavelet single band image are lower. The highest and the lowest value of total classification accuracy and Kappa coefficient were determined in PCA and HPF image respectively. The corresponding highest value of total classification accuracy and Kappa coefficient is 89.60% and 0.879 4 respectively while the corresponding lowest value is 65.20% and 0.654 2, respectively. Specifically, the PCA images had the highest classification accuracy of cultivated land (90.30%)and salinized land(90.90%) and HPF images had the lowest classification accuracy of cultivated land (69.23%)and salinized land(62.72%). The evaluation results of fused image quality and classification accuracy showed that PCA fused images is the best image for land use and land salinization information extraction in the study area.
Keywords：
土地盐渍化是造成土地资源短缺和生态环境恶化的主要原因之一,干旱的气候条件、不合理土地利用、高含盐量的成土母质、高矿化地下水、灌排失调等是造成土地盐渍化的主要原因[1~4],遥感技术为大面积盐渍化动态监测提供了有效手段[5~8]。ALOS全色影像具有2.54 m的空间分辨率,但缺乏光谱信息;ALOS多光谱影像包括0.42~0.69 μm可见光谱段以及0.76~0.89 μm近红外谱段,但空间分辨率只有10 m。本文以ALOS全色影像和多光谱影像为数据源,对主分量变换法（PCA）、彩色空间变换法（IHS）、高通滤波法（HPF）、小波变换法（单波段法、彩色空间变换法和主分量法）6种遥感融合影像进行了定性和定量评价,基于光谱特征、解译标志和监督分类法提取河套灌区的杭锦后旗中部地区的土地盐渍化信息,比较不同方法融合影像的土地盐渍化信息提取精度,确定适宜试验区土地盐渍化信息提取的融合方法,以期为区域土地盐渍化调查提供更可靠的数据源。
遥感影像融合方法[9]从融合层次由低到高分为像素级融合,特征级融合和决策级融合。像素级融合是在严格配准基础上直接对遥感影像像元的原始信息进行融合处理,该法可以更多地保留原始影像信息,是算法最成熟的一种融合方法。特征级融合是将影像原始信息进行特征提取,然后对提取的特征信息运用统计等方法进行综合处理和融合,其融合精度低于像素级,但有利于信息压缩。决策级融合是在对影像特征进行分类、识别等处理后根据实际需求对结果进行融合,方法可以为决策提供依据,但算法仍不成熟。
PCA融合法是先将多光谱影像进行主分量分析,其次对全色影像进行灰度拉伸,使其与多光谱PCA分析的第一分量具有相同的均值与方差,然后用拉伸后的全色影像代替多光谱的第一分量影像完成融合;由于PCA融合是用全色影像代替多光谱的第一主分量,空间分辨率比多光谱影像有所提高,但会丢失一部分光谱信息[10]。IHS融合法是将由红（R）、绿（G）和蓝（B）三原色多光谱影像转换为由亮度（I）、色调（H）及饱和度（S）三变量构成的IHS表色系统,然后对全色影像进行灰度拉伸,使其与I分量具有相同的均值和方差后代替多光谱的I分量;此种方法会使影像的清晰度得到提高,但用全色影像代替多光谱的I分量,会造成光谱失真现象[11]。HPF融合法是利用高通滤波器将全色影像中的高频信息（细节、边缘）提取出来,然后将提取的高频信息叠加到多光谱影像中;该方法提炼了全色影像的细节信息,但会使得融合影像具有较大的噪声,遗失纹理信息[11]。小波变换（Wavelet）融合法是先将全色影像和多光谱影像各波段分别进行小波正分解,获得各自不同方向的低频图像、细节/纹理高频图像以及小波系数,然后将小波分解后的多光谱影像低频部分、全色影像的高频部分和小波系数一起做小波逆变换获得融合影像;该方法会减少光谱损失,但忽略了多光谱的高频信息,造成部分细节信息的缺失。
1） 反映空间细节信息的评价参数。① 灰度均值和标准方差：灰度均值[12]反映融合影像的平均亮度,均值居中则视觉效果良好;标准方差反映灰度相对于灰度均值的离散情况,方差越大,则灰度级分布越分散,包含的信息量越大;② 信息熵：信息熵[12]反映融合影像携带信息量的多少,信息熵越大表明融合影像信息量越大;③ 清晰度：清晰度[12]反映影像对细节反差和纹理变化的表达能力,清晰度越大,影像层次就越多,影像的清晰度也就越高。④ 空间相关系数：空间相关系数[13]体现融合影像空间细节信息增强的程度,系数越大,融合影像和全色影像的相关程度越高,表明越多的全色波段纹理信息被融入到融合影像中。
2） 反映光谱信息的评价参数。① 光谱扭曲度：光谱扭曲度[12]反映融合影像与原始多光谱影像相比所发生的光谱失真程度,光谱扭曲度越小,多光谱信息的保持程度越高;② 偏差指数：偏差指数[13]反映融合影像与原始影像在光谱信息上的匹配程度,偏差指数越小,表明融合影像越好的保留了多光谱影像的光谱信息;③ 光谱相关系数：光谱相关系数[13]反映融合影像光谱信息的保真程度,系数越大,融合影像和多光谱影像的相关程度越高,表明融合影像的光谱保真度越好。
杭锦后旗地处河套平原,地理位置为东经106°34′~107°24′E,北纬40°26′~41°13′N之间,总面积约1 767 km2。属中温带大陆性气候,冬季漫长而寒冷,夏季短促而温热,风多雨少,蒸发强烈,年均降水量135.9 mm,年均蒸发量1 984.3 mm。旗内地貌由冲击平原、洪积平原和河漫滩构成,地势西南高,东北低,由西南向东北微度倾斜。杭锦后旗土地盐渍化严重[14~16],盐渍化土地以耐盐杂草、灌木覆盖为主。
试验区域选择内蒙古杭锦后旗中部592×391像元大小的影像,试验区土地利用以农用地为主,土地覆盖类型包括耕地、盐渍化土地、水域、城镇居民用地和交通用地,成像时间为2010年8月,投影坐标系统均为WGS_1984_UTM_ZONE_48N,数据包括ALOS PRISM全色影像和AVNIR-2多光谱影像（B1：0.42~0.50 μm;B2：0.52~0.60 μm;B3：0.61~0.69 μm;B4：0.76~0.89 μm）,参与融合的多光谱影像为R（4）G（3）B（2）假彩色合成,合成影像中植被呈红色,水体呈黑色或蓝色,居民用地呈亮白色（图1）。
1） 影像融合。影像融合在ERDAS9.2软件平台下进行,将依地面控制点配准后的多光谱影像和全色波段影像分别进行PCA、HPF、HIS、WAVELET（单波段法、IHS法和PCA法）融合（图2）。
2） 融合质量的定性评价。融合效果的定性评价主要通过目视观察融合影像的空间细节信息增强效果和光谱信息的保持程度,从亮度、色彩、反差、清晰程度、纹理信息、地物边缘信息等方面做出判定。① 空间细节信息增强效果。通过目视观察融合影像中不同地物的纹理和边缘信息清晰度来看,PCA、IHS和HPF融合影像的纹理特征和边界信息均比多光谱影像明显增强,空间细节表现能力得到提升,但HPF和IHS融合影像噪声明显;3种小波变换融合影像纹理信息稍有增强,但由于此方法是将多光谱影像的低频部分直接去替换高分辨率全色影像的低频部分, 地物边界信息的增强程度低于其他3种方法;② 光谱信息保真效果。通过目视观察融合影像和多光谱影像的色彩、亮度及其反差来看,PCA融合影像较好的保留了多光谱影像的光谱特征,亮度增强,但影像的对比度有所下降;IHS融合影像的亮度增强,但丢失了部分光谱信息,导致反差降低;HPF融合影像保留了光谱信息,但噪声明显;3种小波变换影像较好的保留了光谱信息,其中小波PCA法和小波IHS法影像的对比度下降,颜色发生部分失真;小波单波段法影像的颜色最接近多光谱影像的RGB颜色,最大限度的保留了假彩色光谱信息。
3） 融合质量的定量评价。基于ENVI IDL语言进行编程计算了原始影像和各融合影像的定量评价参数（表1）。
从表1的空间细节信息评价指标计算值可知,PCA融合影像的灰度均值最居中,其标准方差和空间相关系数值最高,其次是小波变换融合影像,而IHS和HPF融合影像的标准方差和空间相关系数低于前两者;除了小波单波段融合影像的信息熵明显低于其他方法外,其余融合影像的信息熵相互接近;小波变换融合影像的清晰度最高,其次是PCA融合影像,而IHS融合的清晰度最低。
从表1的光谱信息评价指标计算值可知,小波变换融合影像的光谱扭曲度和偏差指数最小,其次是PCA融合影像,而IHS和HPF融合影像的光谱扭曲度和偏差指数均高于前两者;小波变换和PCA融合影像的光谱相关系数高于IHS融合影像,而HPF融合影像的光谱相关系数远远低于前3者。
表1 ALOS原始影像和融合影像的评价指标统计表
Table 1 Evaluation index of multispectral image, panchromatic image and fused image
| 评价指标 | 空间细节信息 | 光谱信息 | |||||||
|---|---|---|---|---|---|---|---|---|---|
| 影像 | 波段 | 灰度均值 | 标准 方差 | 信息熵 | 清晰度 | 空间相关 系数 | 光谱 扭曲度 | 偏差 指数 | 光谱相 关系数 |
| 2 | 92.393 | 18.736 | 4.110 | 4.2877 | - | - | - | - | |
| 原始多光谱影像 | 3 | 81.484 | 30.652 | 4.517 | 5.1091 | - | - | - | - |
| 4 | 92.299 | 22.955 | 4.480 | 5.3349 | - | - | - | - | |
| 原始全色影像 | 109.107 | 21.669 | 4.342 | 3.7677 | - | - | - | - | |
| 2 | 103.005 | 24.753 | 4.300 | 4.6918 | 0.98897 | 86.3983 | 0.87215 | 0.93987 | |
| 主分量变换法 | 3 | 91.077 | 33.554 | 4.558 | 4.6856 | 0.98319 | 76.4373 | 0.90434 | 0.92939 |
| 4 | 102.388 | 26.196 | 4.407 | 5.2436 | 0.98642 | 90.1448 | 0.90059 | 0.94789 | |
| 2 | 92.636 | 21.784 | 4.400 | 2.7649 | 0.76229 | 134.080 | 1.17555 | 0.72221 | |
| IHS变换法 | 3 | 81.859 | 31.310 | 4.695 | 2.9093 | 0.70314 | 131.803 | 1.54093 | 0.88825 |
| 4 | 90.601 | 17.267 | 4.218 | 2.9266 | 0.18594 | 130.235 | 0.98968 | 0.73782 | |
| 2 | 91.880 | 18.649 | 4.186 | 3.8075 | 0.55368 | 123.688 | 1.04185 | 0.21879 | |
| 高通滤波法 | 3 | 81.010 | 30.446 | 4.673 | 5.0017 | 0.49506 | 122.004 | 1.25702 | 0.28404 |
| 4 | 91.854 | 22.847 | 4.533 | 4.5053 | 0.33885 | 125.109 | 0.98659 | 0.06006 | |
| 2 | 92.392 | 18.719 | 3.706 | 4.7234 | 0.98173 | 81.6917 | 0.81497 | 0.92567 | |
| 小波单波段法 | 3 | 81.520 | 30.624 | 3.700 | 7.3238 | 0.97694 | 73.0758 | 0.85497 | 0.91349 |
| 4 | 92.252 | 22.931 | 3.801 | 6.9329 | 0.97921 | 85.3836 | 0.85851 | 0.93461 | |
| 2 | 92.015 | 18.715 | 4.065 | 4.4206 | 0.98716 | 81.5711 | 0.81523 | 0.92519 | |
| 小波主分量法 | 3 | 81.135 | 30.521 | 4.393 | 5.2121 | 0.97911 | 72.9552 | 0.85501 | 0.91308 |
| 4 | 91.935 | 23.189 | 4.379 | 5.8018 | 0.98233 | 85.3167 | 0.85879 | 0.93456 | |
| 2 | 92.001 | 18.760 | 4.172 | 4.6448 | 0.98549 | 83.7825 | 0.83488 | 0.93299 | |
| 小波IHS法 | 3 | 81.120 | 30.517 | 4.543 | 5.2805 | 0.97934 | 72.9584 | 0.85490 | 0.91377 |
| 4 | 91.892 | 23.024 | 4.519 | 5.5419 | 0.98783 | 83.4432 | 0.84592 | 0.92835 | |
从评价结果来看,不同的融合方法都会对影像特性产生不同程度的影响,从而导致相同地物的纹理、光谱等特征表现不同,因此实际工作中应根据应用目的选择合适的融合方法。为了判断6种融合方法在土地盐渍化信息提取应用中的优劣,于2010年8月对杭锦后旗试验区进行了土地盐渍化和植被覆盖度调查,获得试验区现场照片269件（图3）,并均进行了GPS定位。依据现场调查和定位数据,分别提取试验区各融合影像上不同地物感兴趣区（ROI）的灰度(DN)值,计算所有融合影像各地物的灰度均值,并绘制灰度均值折线图（图4）。由图4可见,在试验区ALOS各融合影像中,像元DN平均值在2波段和3波段的变化趋势均为乡镇居民用地> 盐渍化土地>耕地>交通用地>水域,像元DN平均值在4波段的变化趋势则为耕地>乡镇居民用地>盐渍化土地>交通用地>水域,耕地在4波段的DN值大于其余覆盖类型DN值的原因是ALOS影像成像时间是8月份,耕地长有植被,而植被在近红外4波段反射率很高。结合实地调查、DN平均值分析、影像的色调纹理等特征建立了试验区不同地表覆盖类型的解译标志（表2）。
表2 基于 ALOS影像的试验区不同地类的解译标志
Table 2 Interpreting marks of landscape in central Hangjinhouqi based on ALOS image
| 地物类型 | 地表特征 | 解译标志 |
|---|---|---|
| 乡镇居民用地 | 居民用地集中分布,被道路分割 | 呈青绿色-亮白色-白色,规则的片状,纹理粗糙,边界清晰 |
| 交通用地 | 大部分路段笔直分布,弯曲部分曲率半径大小,弯度小 | 蓝灰色,呈线型,边界清晰 |
| 水域 | 大小不一、深浅不同,与耕地交错分布 | 深蓝色至蓝黑色,颜色均匀,片状,界限明显 |
| 盐渍化土地 | 疏松盐壳,覆盖结晶盐层,寸草不生或长有少量红柳等盐生植物,呈斑状分布 | 青灰色-青白色,几何特征不明显,边界清晰 |
| 耕地 | 长有玉米、蔬菜的耕地和果园,渠道发达,覆盖度高 | 鲜红色至深红色,形状规则,边界清晰 |
依据解译标志和实地调查结果分别在多光谱影像和各融合影像获取已知地物AOI的训练样本,建立分类模版,利用ERDAS9.2提供的可能性矩阵评价工具对分类模版进行评价,当误差矩阵值小于90%时对训练样本和模版进行调整,获得理想的分类模版后,基于最大似然法监督分类分别对多光谱影像和融合影像进行分类（图5）。
图4 试验区不同地物的像元灰度均值折线
Fig.4 Mean pixels DN value of diffirent landscape in central Hangjinhouqi
为了评价分类精度,依据实地调查和定位数据在多光谱影像和各融合影像分类图上选取250个离散点进行检验,检验样本个数分别为：盐渍化土地110个,耕地65个,水域25个,乡镇居民用地25个,交通用地25个,比较实地调查类别与遥感分类结果,统计分类精度和Kappa系数（表3）。
从表3可知,PCA、小波PCA和小波IHS融合影像的总分类精度和Kappa 系数高于多光谱影像,其中PCA融合影像的总分类精度最高;而IHS 、HPF 和小波单波段融合影像的总分类精度和kappa 系数均低于多光谱影像;HPF融合影像分类精度和Kappa系数最低,这与吴瑞娟[17]等对HPF融合的研究结果一致。PCA融合影像的盐渍化土地和耕地的分类精度略高于多光谱影像,小波IHS和小波PCA融合影像的盐渍化土地和耕地的分类精度与多光谱影像接近,IHS 、HPF 和小波单波段融合影像的盐渍化土地分类精度远远低于多光谱影像,但目视观察可知小波变换法损失了不少地物边界信息。由于PCA融合影像空间细节表达能力和光谱信息保真程度优于其他融合影像,地物总分类精度和Kappa 系数最高,盐渍化土地的分类精度也略高于其他融合影像,因此PCA融合法为试验区土地盐渍化信息分析最优的一种融合方法。
图5 试验区多光谱影像和融合影像的土地覆盖分类结果
Fig.5 Land use classification of multispectral image and fused image
表3 ALOS多光谱影像和融合影像土地利用分类精度评价
Table 3 Accuracy assessment of land use based on multispectral image and fused image
| 分类精度（%） | 总精度（%） | Kappa系数 | |||||
|---|---|---|---|---|---|---|---|
| 耕地 | 盐渍化土地 | 水域 | 乡镇居民用地 | 交通用地 | |||
| 多光谱影像 | 89.23 | 89.09 | 88.00 | 84.00 | 76.00 | 86.80 | 0.8425 |
| PCA融合 | 90.30 | 90.90 | 88.00 | 88.00 | 84.00 | 89.60 | 0.8794 |
| IHS融合 | 83.07 | 83.63 | 84.00 | 76.00 | 56.00 | 80.80 | 0.7423 |
| HPF融合 | 69.23 | 62.72 | 76.00 | 60.00 | 60.00 | 65.20 | 0.6542 |
| 小波单波段融合 | 70.76 | 67.27 | 80.00 | 64.00 | 72.00 | 68.80 | 0.6761 |
| 小波IHS融合 | 87.69 | 88.18 | 88.00 | 84.00 | 80.00 | 87.20 | 0.8630 |
| 小波PCA融合 | 89.23 | 88.18 | 88.00 | 88.00 | 84.00 | 88.10 | 0.8762 |
将经过配准的同一区域不同分辨率的影像进行融合对提高地物的分类精度具有重要意义。本文基于不同方法将ALOS影像的多光谱数据和全色数据进行融合,并对融合效果在土地盐渍化分析上进行了定性和定量评价。目视结果显示,PCA、IHS和HPF融合影像的空间细节表现能力得到提升,但后两者的噪声也同时增大,而小波变换融合影像的地物边界清晰度低于其他3种方法;小波单波段法融合影像最接近多光谱的4、3、2假彩色合成颜色,其余融合影像均有部分光谱失真。定量评价结果显示,PCA融合影像能最大限度反应空间细节信息,其次是小波变换融合影像;而PCA和小波变换融合影像的光谱保真度优于IHS和HPF融合影像。从土地利用分类来看,PCA融合影像的盐渍化土地分类精度高于多光谱影像;小波PCA和小波IHS融合影像 盐渍化土地分类精度与多光谱影像相近, HPF 和小波单波段法各地表覆盖类型的分类精度均低于多光谱影像。因此结合影像融合质量评价和土地覆盖分类结果来看,PCA法是最适于试验区土地盐渍化研究的融合方法。
The authors have declared that no competing interests exist.
| [1] |
内蒙古河套灌区水盐平衡与干排水脱盐分析 [J].https://doi.org/10.3969/j.issn.1000-0690.2006.04.012 URL [本文引用: 1] 摘要
内蒙古河套灌区由于气候和水文地质条件影响，外排水不畅。地下水位超过临界水位，土壤次生盐渍化严重。河套灌区续建配套和节水改造是防治土壤盐渍化根本工程措施。根据1987～1997年期间的水盐均衡计算。河套灌区，整体处于积盐过程。灌区荒地和低洼湿地有排水积盐作用，从而减轻耕地盐渍化，通过蒸发，可积聚进入灌区盐分的65％。这种干排盐技术，可作为灌区农田土壤盐渍化脱盐的一项重要措施。调整河套灌区种植结构，选择耐盐作物品种种植，可起生物排盐作用，增加土壤有机质，抑制土壤积盐。
|
| [2] |
塔西甫拉提·特依拜,买买提·沙吾提,等.渭-库绿洲地下水对土壤盐渍化和其逆向演替过程的影响 [J].
基于遥感数据,结合地下水位观测资料,本文对渭-库绿洲土壤盐渍化与地下水的关系进行了定量研究,并探讨土壤盐渍化的逆向演替过程。研究表明:渭-库绿洲在地下水埋深2.3~2.7m区间,盐渍地面积占的比例较高,在地下水埋深2.7~3.4m区间,盐渍地面积占的比例相对较低;渭-库绿洲部分地方地下水位已低于影响地表盐渍化的水位临界值(4.66m),地下水矿化度低于3g/L,研究区整体处于有利于土壤盐渍化逆向演替的环境之中;土壤盐渍化的逆向演替过程具有时空特征,由绿洲上部向下部,内部向外部逐步发生逆向演替。
|
| [3] |
土壤盐渍化遥感应用研究进展 [J].https://doi.org/10.3969/j.issn.1000-0690.2006.03.019 URL 摘要
文章从地面数据的调查、盐渍土影象的目视判读特征、光谱特征和土壤盐渍化区域的植被特征以及多光谱、高光谱遥感技术等方面综述国内外应用遥感数据探测土壤盐渍化程度及其制图的研究。利用数字图象并结合野外调查数据进行目视解译和计算机自动解译、图象变换提取盐渍土信息；结合GIS方法在分类中加入非遥感数据来提高分类精度；在研究盐渍土的光谱特征的基础上应用高光谱技术定量或半定量地提取盐渍土信息。这都是制定综合治理措施、决定土地利用方向的关键，也是进行区域土壤盐渍化动态预报的重要依据。
|
| [4] |
Assessing impact of land uses on land salinization in the Yellow River Delta,China using an integrated and spatial statistical model [J].https://doi.org/10.1016/j.landusepol.2011.03.002 Magsci [本文引用: 1] 摘要
Intensification of agriculture and industry in salinized areas poses a risk of secondary salinization. Thus, comprehensive and spatially explicit assessments are needed to assist government in developing ecologically sound policies. Few assessments have comprehensively quantified the impacts of multiple anthropogenic activities on salinization as environmental interferences and salinity autocorrelation are largely neglected. This study tried to perform such an assessment by identifying the nature of human impacts on salinization from three aspects in the Yellow River Delta (YRD) of China. A versatile GIS-based spatial autoregression (SAR) was applied to nine selected explainable variables in six sub-region models. Sub-region model was verified as an effective tool of normalizing environmental interferences because more useful spatial information was provided compared to the whole region model. GIS-SAR model fit better and performed better in quantifying human activities, compared to the conventional ordinary least square regression (OLSR) model, as SAR can deal with spatial autocorrelation in soil salinity. Among the well-defined key determinants, oil exploitation and saline aquaculture were aggregative to salinization but only in originally highly saline sub-regions, such as coastal zone and Gleyic Solonchaks (coastal saline moisture soil) area. Two agricultural activities, crop plantation and fertilization, were mainly ameliorators in most sub-regions. The most effective salinization alleviation occurred in moderately saline sub-regions, such as floodplain and Salic Fluvisols (saline moisture soil) area, which benefitted from the development of agroforests and farm ponds. The SAR sub-region model is spatially explicit for spotting the hazardous areas and some suggestions were also provided for the policy makers. (C) 2011 Elsevier Ltd. All rights reserved.
|
| [5] |
干旱区不同灌溉量下后备耕地土壤水盐动态变化规律研究 [J].
为促进后备耕地改良技术的优化和水资源的高效利用,在新疆奇台县对不同灌溉量下盐碱地土壤水盐在时间序列上的变化规律进行对比研究。试验设8个处理,对应的灌溉定额分别为6800m3/hm2、5200m3/hm2、4400m3/hm2、3600m3/hm2、2800m3/hm2、2000m3/hm2、1200m3/hm2和0m3/hm2。结果表明灌后1~8d,剖面土壤处于洗盐期,土壤洗盐率与灌溉量成正比;灌溉8d后,剖面进入积盐期,浅层土壤积盐率与灌溉量呈指数关系,而深层土壤积盐率与灌溉量呈线性关系。灌后1~18d,各处理土壤碱化现象明显,碱化程度与灌溉量呈正比。灌溉18d后,土壤碱化现象均减弱。综合考虑高效用水、高效洗盐和低碱化的目标,研究区在灌溉高峰期(7~8月)每次灌溉的合理灌溉量应为3600~4400m3/hm2。
|
| [6] |
基于遥感的渭干河-库车河三角洲绿洲土地盐渍化监测与成因分析 [J].
|
| [7] |
阿尔达克·克里木,等.基于实测高光谱和电磁感应数据的区域土壤盐渍化遥感监测研究 [J].https://doi.org/10.3964/j.issn.1000-0593(2013)07-1917-05 URL 摘要
以新疆渭干河—库车河三角洲绿洲为例,利用实测得到的不同盐渍化程度的盐渍土高光谱数据和电磁感应数据(EM38)协同构建土壤高光谱盐分指数遥感监测模 型,将该模型通过尺度效应转换用于校正传统的Landsat-TM多光谱遥感影像的土壤盐分光谱指数,用校正过的TM影像进行区域土壤盐分的反演,并利用 实测土壤盐分数据对反演结果进行分析与验证.结果表明:将高光谱和电磁感应数据与多光谱遥感技术相结合进行区域土壤盐渍化信息的提取,其精度和反演效果 (R2=0.7993,p＜0.01)明显优于传统多光谱遥感方法中单纯利用土壤盐分指数所建立的监测模型(R2=0.5874,p＜0.01),为今后 更好地实现土壤盐渍化的高精度遥感动态监测研究提供了科学依据.
|
| [8] |
基于3S技术的干旱区绿洲土壤盐渍化动态监测 [J].https://doi.org/10.3969/j.issn.1672-4623.2013.01.045 URL [本文引用: 1] 摘要
选择生态环境脆弱的艾比湖地区 绿洲为研究对象,采用1990年、2001年、2010年3期TM和ETM+影像为数据源进行土壤盐渍化分类,对研究区20 a土壤盐渍化动态变化进行了统计与分析。研究结果表明,非盐渍化土壤分布的面积最为广泛,但动态变化最为缓慢;轻度盐渍地经历了先增加后减少的过程,中度 盐渍地在这20 a里一直呈现出下降的趋势;重度盐渍地在1990年分布面积最多,为366.35 km2;极重度盐渍地分布面积最少,但面积变化最为剧烈。
|
| [9] |
Multisensor image fusion in remote sensing: concept, method and applications [J].
ABSTRACT Multisensor image fusion is a process of combining or amalgamating information from multiple sensors. It has been applied to a wide variety of fields such as navigation, military surveillance, remote sensing, medical diagnosis, industrial process control and measurement, intelligent robot, and law enforcement. In this paper, the basic concept, advantage, general structure, methods, applications, and performance evaluation of multisensor image fusion are presented.
|
| [10] |
Monitoring land cover by principal component analysis of multitemporal landsat data [J]. |
| [11] |
|
| [12] |
SPOT5影像数据不同融合方法的比较与评价 [J].https://doi.org/10.3969/j.issn.1672-5867.2012.03.006 URL [本文引用: 4] 摘要
采用小波IHS变换、小波 PCA变换、EHLERS变换等五种不同融合技术对SPOT 5的多光谱影像和全色影像进行融合,并从均值、标准差等方面对融合结果进行了评价。研究表明:EHLERS融合后影像有很好的整体视觉效果,但在细节表达 方面有所缺陷;改进后的IHS融合后影像清晰度较低;PCA变换融合容易导致影像失真;而小波IHS和小波PCA融合技术以数据保留量大、失真程度小、视 觉效果好、影像层次分明等特点证明了小波分解技术的优势。
|
| [13] |
开封市SPOT5全色波段与多光谱影像融合评价 [J].https://doi.org/10.3969/j.issn.1672-4623.2010.02.043 URL [本文引用: 3] 摘要
以Spot5全色波段与多光谱 波段为例,用PCA、Brovey、IHS等三种像素级融合方法对其进行融合研究。分别运用灰度均值、相关系数、平均梯度等三个传统的指标在影像亮度、光 谱保真度以及高频信息融入度三个方面对其评价。最后综合这些指标在信息量以及融合指数方面对融合影像进行综合评价,从而建立一套完整的影像评价体系。
|
| [14] |
盐渍化灌区土壤盐分的时空变异特征及其与地下水埋深的关系 [J].https://doi.org/10.5846/stxb201012281863 URL Magsci [本文引用: 1] 摘要
土壤盐分空间变异特征和地下水 埋深状况是指导灌区合理用水和防治土壤盐碱化的重要依据。运用经典统计学和地质统计学方法,结合GIS技术,分析了河套灌区沙壕渠灌域0—20 cm、20—40 cm、40—60 cm土壤EC值的空间变异特征及地下水埋深对土壤盐分分布的影响。结果表明:沙壕渠灌域土壤盐分Cv值在不同灌溉时期和不同土壤深度均大于36%,表现为 强变异特征;各灌水时期和不同土壤深度土壤EC值均表现为中等强度的空间自相关性,表层0—20 cm土壤空间自相关程度最高;秋浇前不同层次土壤EC值的空间分布在灌域内从南到北呈增大趋势,秋浇后土壤含盐量的高值区在西北部或东北部;土壤盐分受地 下水埋深影响显著,灌域内地下水埋深南深北浅,土壤盐分随地下水埋深的增大而减小,二者之间满足指数关系。因此,应采取合理措施控制地下水埋深,防止区域 土壤盐渍化加剧。
|
| [15] |
内蒙古河套灌区土壤盐碱化遥感监测方法研究 [J].
土地盐碱化是土壤退化的一种重要表现，要进行大范围的实地调查研究需要投入大量的人力、物力和时间，而利用遥感技术可以快速准确地提取盐碱地的分布信息，提高时效、减少成本。分析在区域尺度上利用遥感技术进行土壤盐碱化监测可行性以及遥感影像选择方法，利用最大似然分类方法，基于地面采样和遥感影像数据,对内蒙古河套地区盐碱地的分布状况进行了分析与精度评价。研究成果可以为防止河套灌区土壤退化提供基础数据和基本方法。
|
| [16] |
Using remote sensing to evaluate land salinization in typical areas of Inner-Mongolia, China [ |
| [17] |
ALOS全色与多光谱影像融合的土地覆盖分类 [J].https://doi.org/10.3969/j.issn.1672-4623.2012.01.039 URL [本文引用: 1] 摘要
利用Brovey、HighPass Filter和Gram-Schmidt 3种融合方法,对ALOS卫星全色与多光谱影像进行融合,并对融合后影像进行土地覆盖分类研究,从定性分析和比较融合后影像的分类精度2个方面综合评价了 3种融合方法的效果。结果表明,3种融合方法都提高了影像的空间分辨率,Gram-Schmidt和HPF融合后影像光谱保持性好,同时3种融合方法不同 程度上提高了影像的总体精度和Kappa系数,Gram-Schmidt最高,Brovey次之,HPF最弱,但对于不同地物分类精度又不尽相同,从整体 分类结果来看,Gram-Schmidt最优。
|
/
| 〈 |
|
〉 |
