CN103903014B - 一种基于卫星遥感技术的荒漠化判释方法 - Google Patents
一种基于卫星遥感技术的荒漠化判释方法 Download PDFInfo
- Publication number
- CN103903014B CN103903014B CN201410153598.8A CN201410153598A CN103903014B CN 103903014 B CN103903014 B CN 103903014B CN 201410153598 A CN201410153598 A CN 201410153598A CN 103903014 B CN103903014 B CN 103903014B
- Authority
- CN
- China
- Prior art keywords
- desertification
- region
- interpretation
- remote sensing
- satellite remote
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Landscapes
- Image Processing (AREA)
Abstract
本发明公开了一种基于卫星遥感技术的荒漠化判释方法，包括以下步骤：一、卫星遥感图像选取；二、图像处理：波段组合选取和图像增强处理；三、荒漠化判释：通过GIS系统打开卫星遥感图像并同步显示，再通过所显示图像对待判释区域中存在的各荒漠化区域的分布位置、分布范围、荒漠化类型和荒漠化程度进行判断；四、图件编制：采用GIS系统打开待判释区域的数字地形图，再根据荒漠化判释结果在所打开的数字地形图中圈出各荒漠化区域，并在所圈出的各荒漠化区域内标注荒漠化类型和程度，获得荒漠化图。本发明方法步骤简单、设计合理且实现方便、使用效果好，能简便、快速完成荒漠化判释过程。
Description
技术领域
本发明属于卫星遥感技术应用领域，尤其是涉及一种基于卫星遥感技术的荒漠化判释方法。
背景技术
卫星遥感技术在国土资源调查、环境监测、地质灾害应急指挥、农林估产、海洋、气象等许多领域得到广泛和频繁的应用。荒漠化是指人类不合理经济活动和脆弱生态环境相互作用而造成土地生产力下降直至土地资源丧失，地表呈现类似荒漠景观的土地资源衰退演变过程，面积占我国国土面积的13.4％。荒漠化类型包括风蚀荒漠化(也称沙质荒漠化)、水蚀荒漠化和盐碱质荒漠化(也称土壤盐渍化)三种类型。其中，风蚀荒漠化是指大风吹蚀作用下的荒漠化土地。水蚀荒漠化是指流水(以水蚀为主)作用下的荒漠化土地，由于人为活动破坏地表植被导致严重的流水侵蚀，使土地生产力严重下降直至丧失，出现以劣地或石质(碎石质等)坡地为标志的土地严重退化。盐碱质荒漠化是指因土壤盐渍化造成土壤生产力下降或丧失，形成的荒漠化土地。上述几种荒漠化类型的荒漠化程度，按照轻重程度分为轻度、中度和重度三个级别。
目前，对荒漠化的判释主要采用的是遥感技术、野外实地调查等两种方法，由于传统的野外实地调查方法在实施过程中耗费大量的人力、物力及时间，同时，野外实地点上的调查缺乏宏观性，容易导致误差，而遥感技术具有快速、准确、宏观性强的特点，有利于从全局上把控荒漠化的特征，因此，采用遥感技术是目前进行荒漠化判释的主要方法。然而由于荒漠化类型多样、发生的地质环境背景复杂、某些原生地质现象与现代荒漠化景观特征类似，如南方石质丘陵地区与北方黄土高原地区的水蚀荒漠化，干旱、半干旱地区与湿润、半湿润地区的沙质荒漠化，沿海地区海侵导致的盐碱质荒漠化与内陆农田灌溉引起的次生盐碱质荒漠化，在遥感判释方法上具有较大差异，现有的遥感判释方法存在较大的局限性，难以将地质、地貌、植被、水文、气候、人类活动等导致荒漠化发生或已经发生出现的诸多因素综合分析，仅适用于某些特定区域或某些单一类型的荒漠化判释，不适于对区域性、多种荒漠化类型并存的荒漠化地区进行判释。
我国是受荒漠化危害最严重的国家之一，并且近50年来我国的荒漠化问题一致呈加速发展的态势，与荒漠化直接相关的沙尘暴也出现了发生次数增多和强度增大的特点，防治荒漠化已成为我国生态环境治理的重要组成部分。因此，对荒漠化分布与其动态变化进行监测是进行荒漠化防治决策的重要依据，然而现存的基于卫星遥感技术的荒漠化判释方法存在明显技术缺陷，迫切需要一套系统的判释方法，以便对荒漠化发生区域进行监测进而预警。
发明内容
本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种基于卫星遥感技术的荒漠化判释方法，其方法步骤简单、设计合理且实现方便、使用效果好，能简便、快速完成荒漠化判释过程。
为解决上述技术问题，本发明采用的技术方案是：一种基于卫星遥感技术的荒漠化判释方法，其特征在于该方法包括以下步骤：
步骤一、卫星遥感图像获取：将待判释区域的卫星遥感图像传送至数据处理设备并进行同步存储；
步骤二、图像处理，过程如下：
步骤201、波段组合选取：采用所述数据处理设备从所述待判释区域的卫星遥感图像中，选取用于荒漠化判释的波段组合；所选取的波段组合包括用于判释所述待判释区域中的植被和地表物质组成的波段；
步骤202、图像增强处理：对步骤201中经波段组合选取后的卫星遥感图像进行增强处理；
步骤三、荒漠化判释，过程如下：
步骤301、图像显示：采用所述数据处理设备且通过GIS系统打开步骤202中增强处理后的卫星遥感图像，并通过与所述数据处理设备相接的显示器对所打开的卫星遥感图像进行同步显示；所打开的卫星遥感图像为多光谱图像；
步骤302、荒漠化判释：通过步骤301中所述显示器所显示的所述多光谱图像，对所述待判释区域中存在的荒漠化区域的数量以及各荒漠化区域的分布位置、分布范围、荒漠化类型和荒漠化程度进行判断；其中，荒漠化类型为风蚀荒漠化、水蚀荒漠化或盐碱质荒漠化，荒漠化程度为轻度、中度或重度；
步骤四、图件编制：采用所述GIS系统打开所述待判释区域的数字地形图，再根据步骤302中的荒漠化判释结果在所打开的数字地形图中圈出各荒漠化区域，并在所圈出的各荒漠化区域内标注荒漠化类型和荒漠化程度，便获得所述待判释区域的荒漠化图；
所述数字地形图为预先存储在所述数据处理设备内的所述待判释区域的最新数字地形图。
上述一种基于卫星遥感技术的荒漠化判释方法，其特征是：步骤一中所述待判释区域的卫星遥感图像为预先选取的卫星遥感图像，对所述卫星遥感图像进行选取之前，需先对所选取卫星遥感图像的空间分辨率、光谱分辨率和时相进行确定；并且，对所述卫星遥感图像进行选取时，根据所确定的空间分辨率、光谱分辨率和时相进行选取；
其中，对所选取卫星遥感图像的空间分辨率进行确定时，根据所述待判释区域的制图比例尺进行确定，所述待判释区域的制图比例尺越大，所选取卫星遥感图像的空间分辨率越高；
对所选取卫星遥感图像的光谱分辨率进行确定时，根据所述待判释区域中植被和地表物质组成的识别难易程度进行确定；
对所选取卫星遥感图像的时相进行确定时，当荒漠化类型为风蚀荒漠化和水蚀荒漠化时，所选取卫星遥感图像的拍摄时间为5月份-10月份；当荒漠化类型为盐碱质荒漠化时，所选取卫星遥感图像的拍摄时间为地表返盐期。
上述一种基于卫星遥感技术的荒漠化判释方法，其特征是：步骤201中进行波段组合选取时，用于判释所述待判释区域中植被的波段为蓝光波段、绿光波段、红光波段和近红外波段，其中蓝光波段的波长为0.45μm～0.52μm，绿光波段的波长为0.52μm～0.60μm，红光波段的波长为0.63μm～0.69μm，近红外波段的波长为0.76μm～0.90μm；用于判释所述待判释区域中地表物质组成的波段为波长为1.55μm～1.75μm的短波红外波段、波长为10.4μm～12.5μm的热红外波段和波长为2.08μm～3.35μm短波红外波段；步骤202中进行图像增强处理时，通过所述数据处理设备对多光谱图像进行对比度扩展、空间滤波、图像运算或多光谱变换处理，使得所述多光谱图像中植被和地表物质组成显示更清晰；其中图像运算为差值运算或比值运算。
上述一种基于卫星遥感技术的荒漠化判释方法，其特征是：步骤一中所述待判释区域的卫星遥感图像为预先选取的卫星遥感图像，对所述卫星遥感图像进行选取之前，还需收集所述待判释区域的地质、地貌、植被、水文、气候和人类活动资料；并且，结合所收集的所述待判释区域的地质、地貌、植被、水文、气候和人类活动资料，对所述卫星遥感图像进行选取；所述待判释区域的卫星遥感图像为将所选取的所述待判释区域的全色影像和多光谱影像经融合处理后获得的图像；步骤四中进行图件编制之前，还需对三种荒漠化类型的不同荒漠化程度分别进行编号且该编号为荒漠化类别编号；图件编制过程中，在所圈出的各荒漠化区域内标注荒漠化类型和荒漠化程度时，只需在所圈出的各荒漠化区域内标注所述荒漠化类别编号。
上述一种基于卫星遥感技术的荒漠化判释方法，其特征是：步骤302中进行荒漠化判释之前，先收集三种荒漠化类型的地质、地貌、植被、水文、气候和人类活动资料，并对每种荒漠化类型的三种荒漠化程度对应的判释参数进行确定；进行荒漠化判释时，根据预先收集的三种荒漠化类型的地质、地貌、植被、水文、气候和人类活动资料以及预先确定的判释参数，对所述待判释区域中各荒漠化区域的分布位置、分布范围、荒漠化类型和荒漠化程度进行判断；
其中，当荒漠化类型为风蚀荒漠化时，三种荒漠化程度对应的判释参数包括荒漠化比例C1和植被覆盖度D1；当荒漠化程度为轻度时，10％≤C1≤30％，20％≤D1＜40％；当荒漠化程度为中度时，30％＜C1≤50％，10％≤D1＜20％；当荒漠化程度为重度时，C1＞50％，D1＜10％；所述荒漠化比例C1为所述荒漠化区域内风蚀和风积地貌占地面积占该荒漠化区域总面积的百分比；
当荒漠化类型为水蚀荒漠化时，三种荒漠化程度对应的判释参数包括荒漠化比例C2、植被覆盖度D2和沟谷占地比例G，其中沟谷占地比例G为所述荒漠化区域内沟谷的占地面积占该荒漠化区域总面积的百分比；当荒漠化程度为轻度时，C2＜10％，G＜10％，50％＜D2≤70％；当荒漠化程度为中度时，10％≤C2＜30％，10％≤G＜30％，30％＜D2≤50％；当荒漠化程度为重度时，C2≥30％，G≥30％，D2≤30％；其中，荒漠化比例C2为所述荒漠化区域内劣地与石质坡地的占地面积占该荒漠化区域总面积的百分比；
当荒漠化类型为盐碱质荒漠化时，三种荒漠化程度对应的判释参数包括荒漠化比例C3和表层土壤含盐量M；当荒漠化程度为轻度时，C3＜30％，0.3％＜M≤0.6％；当荒漠化程度为中度时，30％≤C3≤50％，0.6％＜M≤1.0％；当荒漠化程度为重度时，C3＞50％，M＞1.0％；其中，荒漠化比例C3为所述荒漠化区域内盐碱地表的占地面积占该荒漠化区域总面积的百分比。
上述一种基于卫星遥感技术的荒漠化判释方法，其特征是：步骤四中进行图件编制时，还需通过所述GIS系统对所述荒漠化图中各荒漠化区域的面积进行统计；
步骤四中图件编制完成后，还需采用所述数据处理设备且根据通过所述GIS系统统计得出的各荒漠化区域的面积，制作荒漠化判释数据表；所述荒漠化判释数据表中包括三种荒漠化类型的统计数据，每种荒漠化类型的统计数据均包括该荒漠化类型中三种荒漠化程度的占地总面积和占地比例，其中占地比例指的是该种荒漠化程度的占地总面积占所述待判释区域总面积的百分比。
上述一种基于卫星遥感技术的荒漠化判释方法，其特征是：步骤四中完成图件编制后，还需进行荒漠化动态变化分析；
进行荒漠化动态变化分析时，利用N个不同时期所拍摄的待判释区域的卫星遥感图像进行分析，过程如下：
步骤501、图像排序：按照拍摄时间先后顺序，将N个不同时期所拍摄的N幅卫星遥感图像由前至后进行排序；
其中，N为正整数且N≥2；
步骤502、荒漠化状况动态变化分析：将N幅所述卫星遥感图像中前后相邻两幅所述卫星遥感图像分别作为一个动态变化分析图集，进行动态变化分析；其中，对一个所述动态变化分析图集进行动态变化分析完成后，便获得t1～t2这一时间段内所述待判释区域的荒漠化变化情况；所述动态变化分析图集中的两幅所述卫星遥感图像分别为第一卫星遥感图像和第二卫星遥感图像，其中所述第一卫星遥感图像的拍摄时间早于第二卫星遥感图像的拍摄时间，t1为所述动态变化分析图集中的所述第一卫星遥感图像的拍摄时间，t2为所述动态变化分析图集中的所述第二卫星遥感图像的拍摄时间；
对一个所述动态变化分析图集进行动态变化分析之前，先按照步骤一至步骤四中所述的方法对所述第一卫星遥感图像和所述第二卫星遥感图像分别进行处理，并相应获得所述待判释区域的第一荒漠化图和第二荒漠化图；之后，将所述第一荒漠化图中各荒漠化区域的荒漠化判释结果分别与所述第二荒漠化图中各荒漠化区域的荒漠化判释结果进行对比，得出所述待判释区域中各荒漠化区域的荒漠化变化情况。
上述一种基于卫星遥感技术的荒漠化判释方法，其特征是：步骤502中进行荒漠化状况动态变化分析时，所述待判释区域中各荒漠化区域的荒漠化变化情况包括明显发展区、一般发展区、稳定区、一般逆转区和明显逆转区五种类型；其中，明显发展区为t1～t2这一时间段内荒漠化程度由轻度发展到重度或者由非荒漠化区域发展为荒漠化区域的区域，一般发展区为t1～t2这一时间段内荒漠化程度由轻度发展到中度或者由中度发展到重度的区域，稳定区为t1～t2这一时间段内荒漠化程度未发生变化的区域，一般逆转区为t1～t2这一时间段内荒漠化程度由中度发展到轻度或者由重度发展到中度的区域，明显逆转区为t1～t2这一时间段内荒漠化程度由重度发展到轻度或者由荒漠化区域发展为非荒漠化区域的区域。
上述一种基于卫星遥感技术的荒漠化判释方法，其特征是：步骤502中获得所述待判释区域的第一荒漠化图和第二荒漠化图后，先对所述第一荒漠化图和所述第二荒漠化图中的非荒漠化区域和荒漠化区域分别进行编号；其中，荒漠化程度为重度的荒漠化区域的编号为“1”，荒漠化程度为中度的荒漠化区域的编号为“2”，荒漠化程度为轻度的荒漠化区域的编号为“3”，非荒漠化区域的编号为“4”；
步骤502中进行荒漠化状况动态变化分析时，所述待判释区域中各荒漠化区域的荒漠化变化情况的分析方法均相同；对所述待判释区域中任一个荒漠化区域的荒漠化变化情况进行分析时，均根据公式ΔC＝C2-C1进行确定：当ΔC≤-2时，当前所分析荒漠化区域的荒漠化变化情况为明显发展区；当ΔC＝-1时，当前所分析荒漠化区域的荒漠化变化情况为一般发展区；当ΔC＝0时，当前所分析荒漠化区域的荒漠化变化情况为稳定区；当ΔC＝1时，当前所分析荒漠化区域的荒漠化变化情况为一般逆转区；当ΔC≥2时，当前所分析荒漠化区域的荒漠化变化情况为明显逆转区；其中，C2为所述第二荒漠化图中当前所分析荒漠化区域所处区域的编号，C1为所述第一荒漠化图中该荒漠化区域所处区域的编号。
上述一种基于卫星遥感技术的荒漠化判释方法，其特征是：步骤502中进行荒漠化状况动态变化分析时，先通过所述GIS系统对所述第一荒漠化图和所述第二荒漠化图进行叠加，之后再根据叠加后的荒漠化图，对所述待判释区域中各荒漠化区域的荒漠化变化情况进行确定。
本发明与现有技术相比具有以下优点：
1、方法简单、设计合理且实现方便。
2、具有较强的可操作性：整个判释过程在地理信息系统的支持下进行，只需通过判释并圈定出荒漠化区域即可，判释完成后再通过修改GIS系统中的属性库，标明判释结果(即荒漠化类型与程度)即可，判释过程简便、快速。
3、荒漠化判释的准确性高：判释人员是具有地学专业知识的技术人员的本领域普通技术人员，在判释前，对判释区域的地质、地貌、水文、植被、气候、人类活动等背景进行综合分析，以对荒漠化区域的定性有深刻认识，因此，判释的荒漠化信息具有较高的准确性。
4、判释过程设计合理，使用效果好且实用价值高，以荒漠化地表景观反映的遥感影像特征为基础，将地学基础与光谱信息相结合，可有效对荒漠化现状与动态变化信息进行判释，是一个系统的采用卫星遥感技术对荒漠化信息进行判释的方法。实际进行判释时，主要包括卫星数据源的选取、图像处理、遥感判释、动态变化分析、成果图件编制与面积统计等步骤。也就是说，本发明以卫星遥感数据为信息源，采用人机交互式解译的方式，对沙质荒漠化、水蚀荒漠化和盐碱质荒漠化进行判释，并能实现对多种地质环境背景下发生的荒漠化识别。
实际进行卫星数据源的选取时，依据荒漠化的监测尺度和数据的时相进行选取，并且需对所选取卫星遥感图像进行波段组合选取和图像增强处理，处理后的卫星遥感图像中植被与地表组成物质的光谱信息应较为丰富。荒漠化的判释依据主要是荒漠化地表景观所反映的遥感影像特征信息，具体是在地理信息系统的支持下，依据确定的卫星遥感影像特征信息进行判释，同时还能完成动态变化分析、成图与面积统计过程，其中动态变化分析根据荒漠化图的叠加分析结果确定荒漠化动态变化类型。
5、具有广泛的适用性：本发明总结了一套适用于不同地质环境背景下荒漠化的遥感影像特征信息判释方法，能有效适用至对不同区域、不同类型的荒漠化的判释过程。
综上所述，本发明方法步骤简单、设计合理且实现方便、使用效果好，能简便、快速完成荒漠化判释过程。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
图1为本发明的方法流程框图。
图2为本发明待判释区域为矿区的遥感影像图。
图3为采用本发明进行荒漠化判释后所获得的矿区荒漠化图。
具体实施方式
如图1所示的一种基于卫星遥感技术的荒漠化判释方法，包括以下步骤：
步骤一、卫星遥感图像获取：将待判释区域的卫星遥感图像，传送至数据处理设备并进行同步存储。
本实施例中，所述待判释区域的卫星遥感图像为预先选取的卫星遥感图像，对所述卫星遥感图像进行选取之前，需先对所选取卫星遥感图像的空间分辨率、光谱分辨率和时相进行确定；并且，对所述卫星遥感图像进行选取时，根据所确定的空间分辨率、光谱分辨率和时相进行选取。
其中，对所选取卫星遥感图像的空间分辨率进行确定时，根据所述待判释区域的制图比例尺进行确定，所述待判释区域的制图比例尺越大，所选取卫星遥感图像的空间分辨率越高。
对所选取卫星遥感图像的光谱分辨率进行确定时，根据所述待判释区域中植被和地表物质组成的识别难易程度进行确定。并且，应选择所述待判释区域中植被和地表物质组成容易被识别的光谱分辨率。
对所选取卫星遥感图像的时相进行确定时，当荒漠化类型为风蚀荒漠化和水蚀荒漠化时，所选取卫星遥感图像的拍摄时间为5月份-10月份；当荒漠化类型为盐碱质荒漠化时，所选取卫星遥感图像的拍摄时间为地表返盐期。本实施例中，所述地表返盐期为春季。
综上，选取卫星遥感图像(即判释用数据源)时，选取依据主要有两个方面：第一是根据监测比例尺选择空间分辨率，同时要求所选取卫星遥感图像的光谱信息丰富，即光谱分辨率要求较高。光谱分辨率是指传感器所能记录的电磁波谱中，某一特定的波长范围值，波长范围值越宽，光谱分辨率越低。一般来说，传感器的波段数越多，波段宽度越窄，地面物体的信息越容易区分和识别，针对性越强。对于荒漠化信息，选择的传感器并非波段越多，光谱分辨率越高，效果就越好，而要根据荒漠化的光谱特征和必需的空间分辨率来综合考虑。在某些情况下，波段太多，分辨率太高，接收到的荒漠化信息量太大，形成海量数据，反而会“掩饰”地物辐射特性，不利于快速探测和识别地物，所以要根据荒漠化的表现特征与分布区域的地质环境背景特征恰当利用光谱分辨率。植被与地表物质组成的信息是进行荒漠化判释的主要信息源，光谱分辨率的选择应突出植被与地表物质组成的变化，地表的组成物质如土壤的变化在可见光和近红外波段识别明显，而植被变化在近红外波段比可见光波段更易识别，因而所述待判释区域中植被和地表物质组成的识别难易程度是选择卫星数据光谱分辨率时的主要考虑因素。
第二是重点考虑数据的时相。由于植被覆盖度是判断沙质荒漠化和水蚀荒漠化强度的主要指标，而表层土壤含盐量是判断盐碱质荒漠化强度的主要指标。因此，进行沙质荒漠化和水蚀荒漠化判释时应选取5月份-10月份的卫星数据，对盐碱质荒漠化判释时应选取地表返盐期的数据即春季的数据。
本实施例中，对所述卫星遥感图像进行选取之前，还需收集所述待判释区域的地质、地貌、植被、水文、气候和人类活动资料；并且，结合所收集的所述待判释区域的地质、地貌、植被、水文、气候和人类活动资料，对所述卫星遥感图像进行选取。具体而言，结合所收集的所述待判释区域的地质、地貌、植被、水文、气候和人类活动资料，对所选取卫星遥感图像的空间分辨率、光谱分辨率和时相进行确定。
步骤二、图像处理，过程如下：
步骤201、波段组合选取：采用所述数据处理设备从所述待判释区域的卫星遥感图像中，选取用于荒漠化判释的波段组合；所选取的波段组合包括用于判释所述待判释区域中的植被和地表物质组成的波段。
步骤202、图像增强处理：对步骤201中经波段组合选取后的卫星遥感图像进行增强处理。
实际操作过程中，图像处理的主要目的是突出地表荒漠化信息，并提高判释精度。本实施例中，主要从波段组合选取和图像增强处理两个方面进行处理。
本实施例中，步骤201中进行波段组合选取时，用于判释所述待判释区域中植被的波段为蓝光波段、绿光波段、红光波段和近红外波段，其中蓝光波段的波长为0.45μm～0.52μm，绿光波段的波长为0.52μm～0.60μm，红光波段的波长为0.63μm～0.69μm，近红外波段的波长为0.76μm～0.90μm；用于判释所述待判释区域中地表物质组成的波段为波长为1.55μm～1.75μm的短波红外波段、波长为10.4μm～12.5μm的热红外波段和波长为2.08μm～3.35μm短波红外波段。
综上，由于荒漠化信息主要通过地表植被信息与地表物质组成的信息来反映。植被在蓝波段、绿波段、红波段和近红外波段的信息丰富，地表物质组成的信息通过土壤与岩石变化来反映，土壤与岩石在短波红外波段、热红外波段和短波红外波段的信息丰富。根据不同类型的卫星数据波段分布特征，选择合适的波段组合突出地表荒漠化信息。由于存在的地域差异，根据所判释区域的区域地质环境背景，进行不同波段数据的变换处理，获得新的特征空间数据集。
本实施例中，步骤202中进行图像增强处理时，通过所述数据处理设备对多光谱图像进行对比度扩展、空间滤波、图像运算或多光谱变换处理，使得所述多光谱图像中植被和地表物质组成显示更清晰；其中图像运算为差值运算或比值运算。
由于所选取的卫星遥感图像具有不尽相同的空间分辨率、波谱分辨率和时相分辨率，因而需将各自的优势进行综合利用，以弥补单一图像信息的不足。本实施例中，所述待判释区域的卫星遥感图像为将所选取的所述待判释区域的全色影像和多光谱影像经融合处理后获得的图像。
因而，用高空间分辨率的全色影像与较低空间分辨率的多光谱影像进行图像融合生成的合成图像作为荒漠化判释的数据源，不仅使空间分辨率得到提高、增加了影像的空间纹理信息，而且能保持多光谱影像中特有的对目标某些独特特征的精细描述，使融合图像包含更丰富信息。
当一幅图像的目视效果不佳或者有用的信息不够突出时，根据应用目的不同，对所述待判释区域的卫星遥感图像进行增强处理，达到提取有用信息或去掉冗余信息的目的。其中，比值运算是荒漠化图增强处理中的一种主要方法，由于比值图像中，色调的深浅反映了两个波谱段的反射率的比值差异。白色调表示分子波谱段的反射率大大高于分母波谱段的反射率；黑色调表示分子远远低于分母，通过分子与分母相互调换突出所需要信息的亮度，达到识别地物的目的。作为荒漠化重要的地表信息植被与地表物质组成(如土壤)，通过比值运算，可使两者的色调发生变化，并可消除阴影的影响，有利于快速判释荒漠化信息。
本实施例中，待判释区域为陕西榆林地区北部某一煤矿区，面积133.29km2，进行1:50000荒漠化信息判释。该矿区位于榆林市榆阳区的东北部，以风沙地貌为主，生态环境脆弱，风蚀荒漠化与水蚀荒漠化严重。
本实施例中，所选取的卫星遥感图像中的多光谱影像采用2010年8月19日的SPOT-2卫星数据，全色影像采用Worldview卫星数据，空间分辨率为2.5m，能够满足1:50000遥感判释要求，该时间段具有植被发育好、地表信息丰富等特点，有利于对荒漠化信息的判释。采用EARDAS图像处理软件对所选取的卫星遥感图像进行几何精校正与波段合成等图像处理。首先，以待判释区域的1:50000数字地形图和粗加工的卫星遥感图像数据为基础，按控制点的选取原则(包括控制点必须均匀分布、在图像上有明显的精确定位识别标志和数量)，选择控制点并进行几何精校正；其次，依据植被类型、植被覆盖度、土壤等荒漠化的地表信息的光谱特征，选择波段合成方案(即对SPOT-2卫星数据进行波段组合选取并合成的方案)，且经波段合成的SPOT-2卫星数据与Worldview卫星的全色波段采用像素级融合的算法进行图像融合，生成一组新的合成图像，不仅使空间分辨率得到提高、增加了图像的空间纹理信息，而且能保持多光谱影像中特有的对土壤、植被等某些独特特征的精细描述，使融合图像包含更丰富信息；然后，对融合后的图像进行增强处理，主要进行比值运算中的穗帽变换，以突出地表土壤与植被信息；最后，在增强处理后的图像上加注坐标居民地和河流等重要地理要素，详见图2。
步骤三、荒漠化判释，过程如下：
步骤301、图像显示：采用所述数据处理设备且通过GIS系统打开步骤202中增强处理后的卫星遥感图像，并通过与所述数据处理设备相接的显示器对所打开的卫星遥感图像进行同步显示。所打开的卫星遥感图像为多光谱图像。
本实施例中，所述数据处理设备与所述显示器组成PC机。
步骤302、荒漠化判释：通过步骤301中所述显示器所显示的所述多光谱图像，对所述待判释区域中存在的荒漠化区域的数量以及各荒漠化区域的分布位置、分布范围、荒漠化类型和荒漠化程度进行判断；其中，荒漠化类型为风蚀荒漠化、水蚀荒漠化或盐碱质荒漠化，荒漠化程度为轻度、中度或重度。
也就是说，本步骤中进行荒漠化判释时，在地理信息系统(即GIS系统)的支持下进行判释。实际进行判释时，根据不同荒漠化类型的地表景观及遥感影像特征信息，对荒漠化信息进行判释。
本实施例中，步骤302中进行荒漠化判释之前，先收集三种荒漠化类型的地质、地貌、植被、水文、气候和人类活动资料，并对每种荒漠化类型的三种荒漠化程度对应的判释参数进行确定。进行荒漠化判释时，根据预先收集的三种荒漠化类型的地质、地貌、植被、水文、气候和人类活动资料以及预先确定的判释参数，对所述待判释区域中各荒漠化区域的分布位置、分布范围、荒漠化类型和荒漠化程度进行判断。
实际操作过程中，根据预先收集的三种荒漠化类型的地质、地貌、植被、水文、气候和人类活动资料进行荒漠化判释时，具体是根据三种荒漠化类型的遥感影像特征信息进行判释，每种荒漠化类型的遥感影像特征信息均是该荒漠化类型的地质、地貌、植被、水文、气候和人类活动资料在卫星遥感图像的具体体现。
其中，当荒漠化类型为风蚀荒漠化时，三种荒漠化程度对应的判释参数包括荒漠化比例C1和植被覆盖度D1；当荒漠化程度为轻度时，10％≤C1≤30％，20％≤D1＜40％；当荒漠化程度为中度时，30％＜C1≤50％，10％≤D1＜20％；当荒漠化程度为重度时，C1＞50％，D1＜10％；所述荒漠化比例C1为所述荒漠化区域内风蚀和风积地貌占地面积占该荒漠化区域总面积的百分比。
当荒漠化类型为水蚀荒漠化时，三种荒漠化程度对应的判释参数包括荒漠化比例C2、植被覆盖度D2和沟谷占地比例G，其中沟谷占地比例G为所述荒漠化区域内沟谷的占地面积占该荒漠化区域总面积的百分比；当荒漠化程度为轻度时，C2＜10％，G＜10％，50％＜D2≤70％；当荒漠化程度为中度时，10％≤C2＜30％，10％≤G＜30％，30％＜D2≤50％；当荒漠化程度为重度时，C2≥30％，G≥30％，D2≤30％；其中，荒漠化比例C2为所述荒漠化区域内劣地与石质坡地的占地面积占该荒漠化区域总面积的百分比。
当荒漠化类型为盐碱质荒漠化时，三种荒漠化程度对应的判释参数包括荒漠化比例C3和表层土壤含盐量M；当荒漠化程度为轻度时，C3＜30％，0.3％＜M≤0.6％；当荒漠化程度为中度时，30％≤C3≤50％，0.6％＜M≤1.0％；当荒漠化程度为重度时，C3＞50％，M＞1.0％；其中，荒漠化比例C3为所述荒漠化区域内盐碱地表的占地面积占该荒漠化区域总面积的百分比。
本实施例中，对三种荒漠化类型的遥感影像特征信息进行收集时，还需收集每种荒漠化类型的三种荒漠化程度的遥感影像特征信息，相应获得三种荒漠化类型的不同荒漠化程度的遥感影像特征信息。步骤302中进行荒漠化判释时，根据预先收集的三种荒漠化类型的不同荒漠化程度的遥感影像特征信息和预先确定的判释参数，对所述待判释区域中各荒漠化区域的分布位置、分布范围、荒漠化类型和荒漠化程度进行判断。
也就是说，实际进行荒漠化判释时，将预先收集的三种荒漠化类型的不同荒漠化程度的遥感影像特征信息和预先确定的判释参数作为判释依据。
本实施例中，还需对三种荒漠化类型的不同荒漠化程度分别进行编码，并且该编码为荒漠化类别代码。
其中，当荒漠化类型为风蚀荒漠化时，荒漠化程度为轻度的荒漠化类别为轻度风蚀荒漠化(也称轻度沙质荒漠化)，轻度风蚀荒漠化的荒漠化类别代码为“SH-1”；荒漠化程度为中度的荒漠化类别为中度风蚀荒漠化(也称中度沙质荒漠化)，中度风蚀荒漠化的荒漠化类别代码为“SH-2”；荒漠化程度为重度的荒漠化类别为重度风蚀荒漠化(也称重度沙质荒漠化)，重度风蚀荒漠化的荒漠化类别代码为“SH-3”。
当荒漠化类型为水蚀荒漠化时，荒漠化程度为轻度的荒漠化类别为轻度水蚀荒漠化，轻度水蚀荒漠化的荒漠化类别代码为“SS-1”；荒漠化程度为中度的荒漠化类别为中度水蚀荒漠化，中度水蚀荒漠化的荒漠化类别代码为“SS-2”；荒漠化程度为重度的荒漠化类别为重度水蚀荒漠化，重度水蚀荒漠化的荒漠化类别代码为“SS-3”。
当荒漠化类型为盐碱质荒漠化时，荒漠化程度为轻度的荒漠化类别为轻度盐碱质荒漠化，轻度盐碱质荒漠化的荒漠化类别代码为“YZ-1”；荒漠化程度为中度的荒漠化类别为中度盐碱质荒漠化，中度盐碱质荒漠化的荒漠化类别代码为“YZ-2”；荒漠化程度为重度的荒漠化类别为重度盐碱质荒漠化，重度盐碱质荒漠化的荒漠化类别代码为“YZ-3”。
本实施例中，当荒漠化类型为风蚀荒漠化时，实际进行荒漠化判释时，判释依据包括荒漠化比例C1、植被覆盖度D1和三种荒漠化类型的不同荒漠化程度的遥感影像特征信息(即综合地貌景观特征信息)，其中荒漠化比例C1为按风积、风蚀地表形态占该荒漠化区域的面积百分比。并且，荒漠化类型为风蚀荒漠化的判释依据，详见表1：
表1 风蚀荒漠化的判释依据表
当荒漠化类型为水蚀荒漠化时，实际进行荒漠化判释时，判释依据包括荒漠化比例C2、植被覆盖度D2、沟谷占地比例G和三种荒漠化类型的不同荒漠化程度的遥感影像特征信息(即综合地貌景观特征信息)。其中，荒漠化类型为水蚀荒漠化的判释依据，详见表2：
表2 水蚀荒漠化的判释依据表
当荒漠化类型为盐碱质荒漠化时，实际进行荒漠化判释时，判释依据包括荒漠化比例C3、表层土壤含盐量M和三种荒漠化类型的不同荒漠化程度的遥感影像特征信息(即综合地貌景观特征信息)。实际进行判释时，土地盐碱化程度按盐碱化土地占该地面积百分比，并参考表层土壤含盐量及其地貌景观特征划分为轻度、中度和重度盐碱质荒漠化土地3个级别。其中，荒漠化类型为盐碱质荒漠化的判释依据，详见表3：
表3 盐碱质荒漠化的判释依据表
步骤四、图件编制：采用所述GIS系统打开所述待判释区域的数字地形图，再根据步骤302中的荒漠化判释结果在所打开的数字地形图中圈出各荒漠化区域，并在所圈出的各荒漠化区域内标注荒漠化类型和荒漠化程度，便获得所述待判释区域的荒漠化图，详见图3。
所述数字地形图为预先存储在所述数据处理设备内的所述待判释区域的最新数字地形图。
本实施例中，步骤四中进行图件编制之前，还需对三种荒漠化类型的不同荒漠化程度分别进行编号且该编号为荒漠化类别编号；图件编制过程中，在所圈出的各荒漠化区域内标注荒漠化类型和荒漠化程度时，只需在所圈出的各荒漠化区域内标注所述荒漠化类别编号。
本实施例中，轻度水蚀荒漠化的荒漠化类别编号为“11”，中度水蚀荒漠化的的荒漠化类别编号为“12”，重度水蚀荒漠化的荒漠化类别编号为“13”。轻度风蚀荒漠化(也称轻度沙质荒漠化)的荒漠化类别编号为“21”，中度风蚀荒漠化(也称中度沙质荒漠化)的荒漠化类别编号为“22”，重度风蚀荒漠化(也称重度沙质荒漠化)的荒漠化类别编号为“23”。轻度盐碱质荒漠化的荒漠化类别编号为“31”，中度盐碱质荒漠化的荒漠化类别编号为“32”，重度盐碱质荒漠化的荒漠化类别编号为“33”。
本实施例中，步骤四中进行图件编制时，还需通过所述GIS系统对所述荒漠化图中各荒漠化区域的面积进行统计。
本实施例中，步骤四中完成图件编制后，还需进行荒漠化动态变化分析；进行荒漠化动态变化分析时，利用N个不同时期所拍摄的待判释区域的卫星遥感图像进行分析，过程如下：
步骤501、图像排序：按照拍摄时间先后顺序，将N个不同时期所拍摄的N幅卫星遥感图像由前至后进行排序；
其中，N为正整数且N≥2；
步骤502、荒漠化状况动态变化分析：将N幅所述卫星遥感图像中前后相邻两幅所述卫星遥感图像分别作为一个动态变化分析图集，进行动态变化分析；其中，对一个所述动态变化分析图集进行动态变化分析完成后，便获得t1～t2这一时间段内所述待判释区域的荒漠化变化情况；所述动态变化分析图集中的两幅所述卫星遥感图像分别为第一卫星遥感图像和第二卫星遥感图像，其中所述第一卫星遥感图像的拍摄时间早于第二卫星遥感图像的拍摄时间，t1为所述动态变化分析图集中的所述第一卫星遥感图像的拍摄时间，t2为所述动态变化分析图集中的所述第二卫星遥感图像的拍摄时间。
对一个所述动态变化分析图集进行动态变化分析之前，先按照步骤一至步骤四中所述的方法对所述第一卫星遥感图像和所述第二卫星遥感图像分别进行处理，并相应获得所述待判释区域的第一荒漠化图和第二荒漠化图；之后，将所述第一荒漠化图中各荒漠化区域的荒漠化判释结果分别与所述第二荒漠化图中各荒漠化区域的荒漠化判释结果进行对比，得出所述待判释区域中各荒漠化区域的荒漠化变化情况。
本实施例中，N＝2。
本实施例中，步骤502中进行荒漠化状况动态变化分析时，所述待判释区域中各荒漠化区域的荒漠化变化情况包括明显发展区、一般发展区、稳定区、一般逆转区和明显逆转区五种类型；其中，明显发展区为t1～t2这一时间段内荒漠化程度由轻度发展到重度或者由非荒漠化区域发展为荒漠化区域的区域，一般发展区为t1～t2这一时间段内荒漠化程度由轻度发展到中度或者由中度发展到重度的区域，稳定区为t1～t2这一时间段内荒漠化程度未发生变化的区域，一般逆转区为t1～t2这一时间段内荒漠化程度由中度发展到轻度或者由重度发展到中度的区域，明显逆转区为t1～t2这一时间段内荒漠化程度由重度发展到轻度或者由荒漠化区域发展为非荒漠化区域的区域。
也就是说，荒漠化变化类型包括明显发展区、一般发展区、稳定区、一般逆转区和明显逆转区五种类型。其中，明显发展区是指荒漠化程度由弱到强的跳跃式变化区，包括由原来的非荒漠化变化为荒漠化的地区；一般发展区是指荒漠化程度由弱到强的连续式变化区；稳定区是指荒漠化程度未发生变化的地区；一般逆转区是指荒漠化程度由强到弱的连续式变化区；明显逆转区是指荒漠化程度由强到弱的跳跃式变化区，包括由荒漠化变化为非荒漠化的地区。
本实施例中，步骤502中获得所述待判释区域的第一荒漠化图和第二荒漠化图后，先对所述第一荒漠化图和所述第二荒漠化图中的非荒漠化区域和荒漠化区域分别进行编号；其中，荒漠化程度为重度的荒漠化区域的编号为“1”，荒漠化程度为中度的荒漠化区域的编号为“2”，荒漠化程度为轻度的荒漠化区域的编号为“3”，非荒漠化区域的编号为“4”。
步骤502中进行荒漠化状况动态变化分析时，所述待判释区域中各荒漠化区域的荒漠化变化情况的分析方法均相同；对所述待判释区域中任一个荒漠化区域的荒漠化变化情况进行分析时，均根据公式ΔC＝C2-C1进行确定：当ΔC≤-2时，当前所分析荒漠化区域的荒漠化变化情况为明显发展区；当ΔC＝-1时，当前所分析荒漠化区域的荒漠化变化情况为一般发展区；当ΔC＝0时，当前所分析荒漠化区域的荒漠化变化情况为稳定区；当ΔC＝1时，当前所分析荒漠化区域的荒漠化变化情况为一般逆转区；当ΔC≥2时，当前所分析荒漠化区域的荒漠化变化情况为明显逆转区；其中，C2为所述第二荒漠化图中当前所分析荒漠化区域所处区域的编号，C1为所述第一荒漠化图中该荒漠化区域所处区域的编号。
也就是说，对荒漠化变化类型进行判断时，根据所述第一荒漠化图和所述第二荒漠化图中的某一非荒漠化区域或荒漠化区域的编号差值进行判断，其荒漠化变化类型判释依据，详见表4：
表4 荒漠化变化类型判释依据表
本实施例中，步骤四中所述荒漠化图中的图斑面积不小于4mm2。
本实施例中，步骤502中进行荒漠化状况动态变化分析时，叠加后的荒漠化图为荒漠化动态变化图，所述荒漠化动态变化图中的图斑面积不小于2mm2。
由于实际进行荒漠化判释时，以判释的荒漠化信息图斑为基础，根据监测比例尺要求，对图件进行编制时，荒漠化图中最小图斑面积不小于4mm2，荒漠化动态变化图中图面最小图斑面积不小于2mm2，对于图斑面积小于4mm2或2mm2的舍去。图件编制完成后，地理信息系统能对各类型图斑进行自动面积量算。
本实施例中，所述GIS系统采用MAPGIS软件。也就是说，在MAPGIS软件支持下，采用步骤三中所述的人机交互解译方法进行荒漠化信息判释，进行图件数字化和面积统计，地理底图的编制以最新出版的待判释区域的数字地形图为依据，该数字地形图上表示的主要内容有等高线及高程点、铁路及公路、水库、河流和村镇等居民地。
本实施例中，所述待判释区域的卫星遥感图像中，各荒漠化区域的遥感影像特征信息，详见表5：
表5 待判释区域的荒漠化类别与遥感影像特征信息汇总表
本实施例中，步骤502中进行荒漠化状况动态变化分析时，先通过所述GIS系统对所述第一荒漠化图和所述第二荒漠化图进行叠加，之后再根据叠加后的荒漠化图，对所述待判释区域中各荒漠化区域的荒漠化变化情况进行确定。
也就是说，进行荒漠化状况动态变化分析时，在地理信息系统的支持下，对两期或多期判释的荒漠化图中体现的荒漠化现状信息进行两两叠加。实际进行动态变化分析时，先将非荒漠化转化为荒漠化的图斑确定为明显发展区，荒漠化转化为非荒漠化的图斑确定为明显逆转区，再根据如表4所示的编号差值确定其它叠加后生成图斑的荒漠化变化类型。
本实施例中，步骤四中图件编制完成后，还需采用所述数据处理设备且根据通过所述GIS系统统计得出的各荒漠化区域的面积，制作荒漠化判释数据表；所述荒漠化判释数据表中包括三种荒漠化类型的统计数据，每种荒漠化类型的统计数据均包括该荒漠化类型中三种荒漠化程度的占地总面积和占地比例，其中占地比例指的是该种荒漠化程度的占地总面积占所述待判释区域总面积的百分比。
本实施例中，待判释区域的荒漠化类型主要包括水蚀荒漠化与风蚀荒漠化，荒漠化程度包括轻度、中度与重度三个级别，所作出的荒漠化判释数据表(也称荒漠化面积统计表)，详见表6：
表6 荒漠化判释数据表
综上，采用本发明判释某一地区的荒漠化分布时，在充分收集该地区地质、地貌、植被、水文、气候与人类活动资料的基础上，综合分析该地区的荒漠化特征与地质环境背景，重点是地表岩石、土壤与植被变化信息，根据监测尺度确定所需数据的空间分辨率，根据植被分布与地表组成物质的特征确定所需数据的光谱分辨率，依此为依据，确定选取的卫星数据源。在卫星数据源确定后，对其进行图像处理，主要是进行波段组合的选择与图像增强处理，使地表的荒漠化信息得以突出。卫星遥感图像处理完成后，在地理信息系统的支持下，主要根据卫星遥感图像上所反映的荒漠化遥感影像特征信息进行荒漠化判释，确定该地区荒漠化的类型与程度。若需进行动态变化监测，将两期荒漠化判释结果进行叠加分析，确定该地区的荒漠化动态变化情况，最后进行面积量算与成果图件编制。
以上所述，仅是本发明的较佳实施例，并非对本发明作任何限制，凡是根据本发明技术实质对以上实施例所作的任何简单修改、变更以及等效结构变化，均仍属于本发明技术方案的保护范围内。
Claims (10)
1.一种基于卫星遥感技术的荒漠化判释方法，其特征在于该方法包括以下步骤：
步骤一、卫星遥感图像获取：将待判释区域的卫星遥感图像传送至数据处理设备并进行同步存储；
步骤二、图像处理，过程如下：
步骤201、波段组合选取：采用所述数据处理设备从所述待判释区域的卫星遥感图像中，选取用于荒漠化判释的波段组合；所选取的波段组合包括用于判释所述待判释区域中的植被和地表物质组成的波段；
步骤202、图像增强处理：对步骤201中经波段组合选取后的卫星遥感图像进行增强处理；
步骤三、荒漠化判释，过程如下：
步骤301、图像显示：采用所述数据处理设备且通过GIS系统打开步骤202中增强处理后的卫星遥感图像，并通过与所述数据处理设备相接的显示器对所打开的卫星遥感图像进行同步显示；所打开的卫星遥感图像为多光谱图像；
步骤302、荒漠化判释：通过步骤301中所述显示器所显示的所述多光谱图像，对所述待判释区域中存在的荒漠化区域的数量以及各荒漠化区域的分布位置、分布范围、荒漠化类型和荒漠化程度进行判断；其中，荒漠化类型为风蚀荒漠化、水蚀荒漠化或盐碱质荒漠化，荒漠化程度为轻度、中度或重度；
步骤四、图件编制：采用所述GIS系统打开所述待判释区域的数字地形图，再根据步骤302中的荒漠化判释结果在所打开的数字地形图中圈出各荒漠化区域，并在所圈出的各荒漠化区域内标注荒漠化类型和荒漠化程度，便获得所述待判释区域的荒漠化图；
所述数字地形图为预先存储在所述数据处理设备内的所述待判释区域的最新数字地形图。
2.按照权利要求1所述的一种基于卫星遥感技术的荒漠化判释方法，其特征在于：步骤一中所述待判释区域的卫星遥感图像为预先选取的卫星遥感图像，对所述卫星遥感图像进行选取之前，需先对所选取卫星遥感图像的空间分辨率、光谱分辨率和时相进行确定；并且，对所述卫星遥感图像进行选取时，根据所确定的空间分辨率、光谱分辨率和时相进行选取；
其中，对所选取卫星遥感图像的空间分辨率进行确定时，根据所述待判释区域的制图比例尺进行确定，所述待判释区域的制图比例尺越大，所选取卫星遥感图像的空间分辨率越高；
对所选取卫星遥感图像的光谱分辨率进行确定时，根据所述待判释区域中植被和地表物质组成的识别难易程度进行确定；
对所选取卫星遥感图像的时相进行确定时，当荒漠化类型为风蚀荒漠化和水蚀荒漠化时，所选取卫星遥感图像的拍摄时间为5月份-10月份；当荒漠化类型为盐碱质荒漠化时，所选取卫星遥感图像的拍摄时间为地表返盐期。
3.按照权利要求1或2所述的一种基于卫星遥感技术的荒漠化判释方法，其特征在于：步骤201中进行波段组合选取时，用于判释所述待判释区域中植被的波段为蓝光波段、绿光波段、红光波段和近红外波段，其中蓝光波段的波长为0.45μm～0.52μm，绿光波段的波长为0.52μm～0.60μm，红光波段的波长为0.63μm～0.69μm，近红外波段的波长为0.76μm～0.90μm；用于判释所述待判释区域中地表物质组成的波段为波长为1.55μm～1.75μm的短波红外波段、波长为10.4μm～12.5μm的热红外波段和波长为2.08μm～3.35μm短波红外波段；步骤202中进行图像增强处理时，通过所述数据处理设备对多光谱图像进行对比度扩展、空间滤波、图像运算或多光谱变换处理，使得所述多光谱图像中植被和地表物质组成显示更清晰；其中图像运算为差值运算或比值运算。
4.按照权利要求1或2所述的一种基于卫星遥感技术的荒漠化判释方法，其特征在于：步骤一中所述待判释区域的卫星遥感图像为预先选取的卫星遥感图像，对所述卫星遥感图像进行选取之前，还需收集所述待判释区域的地质、地貌、植被、水文、气候和人类活动资料；并且，结合所收集的所述待判释区域的地质、地貌、植被、水文、气候和人类活动资料，对所述卫星遥感图像进行选取；所述待判释区域的卫星遥感图像为将所选取的所述待判释区域的全色影像和多光谱影像经融合处理后获得的图像；步骤四中进行图件编制之前，还需对三种荒漠化类型的不同荒漠化程度分别进行编号且该编号为荒漠化类别编号；图件编制过程中，在所圈出的各荒漠化区域内标注荒漠化类型和荒漠化程度时，只需在所圈出的各荒漠化区域内标注所述荒漠化类别编号。
5.按照权利要求1或2所述的一种基于卫星遥感技术的荒漠化判释方法，其特征在于：步骤302中进行荒漠化判释之前，先收集三种荒漠化类型的地质、地貌、植被、水文、气候和人类活动资料，并对每种荒漠化类型的三种荒漠化程度对应的判释参数进行确定；进行荒漠化判释时，根据预先收集的三种荒漠化类型的地质、地貌、植被、水文、气候和人类活动资料以及预先确定的判释参数，对所述待判释区域中各荒漠化区域的分布位置、分布范围、荒漠化类型和荒漠化程度进行判断；
其中，当荒漠化类型为风蚀荒漠化时，三种荒漠化程度对应的判释参数包括荒漠化比例C1和植被覆盖度D1；当荒漠化程度为轻度时，10％≤C1≤30％，20％≤D1＜40％；当荒漠化程度为中度时，30％＜C1≤50％，10％≤D1＜20％；当荒漠化程度为重度时，C1＞50％，D1＜10％；所述荒漠化比例C1为所述荒漠化区域内风蚀和风积地貌占地面积占该荒漠化区域总面积的百分比；
当荒漠化类型为水蚀荒漠化时，三种荒漠化程度对应的判释参数包括荒漠化比例C2、植被覆盖度D2和沟谷占地比例G，其中沟谷占地比例G为所述荒漠化区域内沟谷的占地面积占该荒漠化区域总面积的百分比；当荒漠化程度为轻度时，C2＜10％，G＜10％，50％＜D2≤70％；当荒漠化程度为中度时，10％≤C2＜30％，10％≤G＜30％，30％＜D2≤50％；当荒漠化程度为重度时，C2≥30％，G≥30％，D2≤30％；其中，荒漠化比例C2为所述荒漠化区域内劣地与石质坡地的占地面积占该荒漠化区域总面积的百分比；
当荒漠化类型为盐碱质荒漠化时，三种荒漠化程度对应的判释参数包括荒漠化比例C3和表层土壤含盐量M；当荒漠化程度为轻度时，C3＜30％，0.3％＜M≤0.6％；当荒漠化程度为中度时，30％≤C3≤50％，0.6％＜M≤1.0％；当荒漠化程度为重度时，C3＞50％，M＞1.0％；其中，荒漠化比例C3为所述荒漠化区域内盐碱地表的占地面积占该荒漠化区域总面积的百分比。
6.按照权利要求1或2所述的一种基于卫星遥感技术的荒漠化判释方法，其特征在于：步骤四中进行图件编制时，还需通过所述GIS系统对所述荒漠化图中各荒漠化区域的面积进行统计；
步骤四中图件编制完成后，还需采用所述数据处理设备且根据通过所述GIS系统统计得出的各荒漠化区域的面积，制作荒漠化判释数据表；所述荒漠化判释数据表中包括三种荒漠化类型的统计数据，每种荒漠化类型的统计数据均包括该荒漠化类型中三种荒漠化程度的占地总面积和占地比例，其中占地比例指的是该种荒漠化程度的占地总面积占所述待判释区域总面积的百分比。
7.按照权利要求1或2所述的一种基于卫星遥感技术的荒漠化判释方法，其特征在于：步骤四中完成图件编制后，还需进行荒漠化动态变化分析；
进行荒漠化动态变化分析时，利用N个不同时期所拍摄的待判释区域的卫星遥感图像进行分析，过程如下：
步骤501、图像排序：按照拍摄时间先后顺序，将N个不同时期所拍摄的N幅卫星遥感图像由前至后进行排序；
其中，N为正整数且N≥2；
步骤502、荒漠化状况动态变化分析：将N幅所述卫星遥感图像中前后相邻两幅所述卫星遥感图像分别作为一个动态变化分析图集，进行动态变化分析；其中，对一个所述动态变化分析图集进行动态变化分析完成后，便获得t1～t2这一时间段内所述待判释区域的荒漠化变化情况；所述动态变化分析图集中的两幅所述卫星遥感图像分别为第一卫星遥感图像和第二卫星遥感图像，其中所述第一卫星遥感图像的拍摄时间早于第二卫星遥感图像的拍摄时间，t1为所述动态变化分析图集中的所述第一卫星遥感图像的拍摄时间，t2为所述动态变化分析图集中的所述第二卫星遥感图像的拍摄时间；
对一个所述动态变化分析图集进行动态变化分析之前，先按照步骤一至步骤四中所述的方法对所述第一卫星遥感图像和所述第二卫星遥感图像分别进行处理，并相应获得所述待判释区域的第一荒漠化图和第二荒漠化图；之后，将所述第一荒漠化图中各荒漠化区域的荒漠化判释结果分别与所述第二荒漠化图中各荒漠化区域的荒漠化判释结果进行对比，得出所述待判释区域中各荒漠化区域的荒漠化变化情况。
8.按照权利要求7所述的一种基于卫星遥感技术的荒漠化判释方法，其特征在于：步骤502中进行荒漠化状况动态变化分析时，所述待判释区域中各荒漠化区域的荒漠化变化情况包括明显发展区、一般发展区、稳定区、一般逆转区和明显逆转区五种类型；其中，明显发展区为t1～t2这一时间段内荒漠化程度由轻度发展到重度或者由非荒漠化区域发展为荒漠化区域的区域，一般发展区为t1～t2这一时间段内荒漠化程度由轻度发展到中度或者由中度发展到重度的区域，稳定区为t1～t2这一时间段内荒漠化程度未发生变化的区域，一般逆转区为t1～t2这一时间段内荒漠化程度由中度发展到轻度或者由重度发展到中度的区域，明显逆转区为t1～t2这一时间段内荒漠化程度由重度发展到轻度或者由荒漠化区域发展为非荒漠化区域的区域。
9.按照权利要求8所述的一种基于卫星遥感技术的荒漠化判释方法，其特征在于：步骤502中获得所述待判释区域的第一荒漠化图和第二荒漠化图后，先对所述第一荒漠化图和所述第二荒漠化图中的非荒漠化区域和荒漠化区域分别进行编号；其中，荒漠化程度为重度的荒漠化区域的编号为“1”，荒漠化程度为中度的荒漠化区域的编号为“2”，荒漠化程度为轻度的荒漠化区域的编号为“3”，非荒漠化区域的编号为“4”；
步骤502中进行荒漠化状况动态变化分析时，所述待判释区域中各荒漠化区域的荒漠化变化情况的分析方法均相同；对所述待判释区域中任一个荒漠化区域的荒漠化变化情况进行分析时，均根据公式ΔC＝C2-C1进行确定：当ΔC≤-2时，当前所分析荒漠化区域的荒漠化变化情况为明显发展区；当ΔC＝-1时，当前所分析荒漠化区域的荒漠化变化情况为一般发展区；当ΔC＝0时，当前所分析荒漠化区域的荒漠化变化情况为稳定区；当ΔC＝1时，当前所分析荒漠化区域的荒漠化变化情况为一般逆转区；当ΔC≥2时，当前所分析荒漠化区域的荒漠化变化情况为明显逆转区；其中，C2为所述第二荒漠化图中当前所分析荒漠化区域所处区域的编号，C1为所述第一荒漠化图中该荒漠化区域所处区域的编号。
10.按照权利要求7所述的一种基于卫星遥感技术的荒漠化判释方法，其特征在于：步骤502中进行荒漠化状况动态变化分析时，先通过所述GIS系统对所述第一荒漠化图和所述第二荒漠化图进行叠加，之后再根据叠加后的荒漠化图，对所述待判释区域中各荒漠化区域的荒漠化变化情况进行确定。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410153598.8A CN103903014B (zh) | 2014-04-17 | 2014-04-17 | 一种基于卫星遥感技术的荒漠化判释方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410153598.8A CN103903014B (zh) | 2014-04-17 | 2014-04-17 | 一种基于卫星遥感技术的荒漠化判释方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103903014A CN103903014A (zh) | 2014-07-02 |
| CN103903014B true CN103903014B (zh) | 2017-04-05 |
Family
ID=50994326
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410153598.8A Expired - Fee Related CN103903014B (zh) | 2014-04-17 | 2014-04-17 | 一种基于卫星遥感技术的荒漠化判释方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103903014B (zh) |
Families Citing this family (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106548465A (zh) * | 2016-11-25 | 2017-03-29 | 福建师范大学 | 一种多光谱遥感影像的增强方法 |
| CN106960190B (zh) * | 2017-03-22 | 2018-08-21 | 中国水利水电科学研究院 | 基于高分辨率图像监督中分辨率图像的灌溉面积统计方法 |
| CN109165553B (zh) * | 2018-07-20 | 2020-08-11 | 中国石油天然气股份有限公司 | 基于深度学习的石油设施遥感自动识别方法及装置 |
| CN109166295B (zh) * | 2018-09-21 | 2020-04-28 | 中科海慧（天津）科技有限公司 | 一种沙漠化灾害预警方法 |
| CN109376638B (zh) * | 2018-10-15 | 2022-03-04 | 西安建筑科技大学 | 一种基于遥感图像和地理信息系统的文地率计算方法 |
| CN110378870B (zh) * | 2019-06-06 | 2021-04-20 | 西安交通大学 | 一种基于ResNet-GRU网络的汽轮机叶片水蚀程度判别方法 |
| CN112699851A (zh) * | 2021-01-14 | 2021-04-23 | 中国科学院地理科学与资源研究所 | 一种基于卫星遥感技术的荒漠化识别方法 |
| CN112699850A (zh) * | 2021-01-14 | 2021-04-23 | 中国科学院地理科学与资源研究所 | 一种基于多源信息融合的荒漠植物遥感识别方法 |
| CN114022783A (zh) * | 2021-11-08 | 2022-02-08 | 刘冰 | 基于卫星图像的水土保持生态功能遥感监测方法和装置 |
| CN115358497B (zh) * | 2022-10-24 | 2023-03-10 | 湖南长理尚洋科技有限公司 | 基于gis技术的智慧全景巡河方法及系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1924611A (zh) * | 2005-08-29 | 2007-03-07 | 王长耀 | 土地退化(荒漠化)评价参数遥感反演与监测技术方法 |
| CN102915616A (zh) * | 2012-05-11 | 2013-02-06 | 新疆大学 | 一种区域栅格累加土地沙漠化预警方法 |
| WO2013025179A1 (en) * | 2011-08-17 | 2013-02-21 | Ben Attia Jouini Mohamed | The struggle against desertification |
-
2014
- 2014-04-17 CN CN201410153598.8A patent/CN103903014B/zh not_active Expired - Fee Related
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1924611A (zh) * | 2005-08-29 | 2007-03-07 | 王长耀 | 土地退化(荒漠化)评价参数遥感反演与监测技术方法 |
| WO2013025179A1 (en) * | 2011-08-17 | 2013-02-21 | Ben Attia Jouini Mohamed | The struggle against desertification |
| CN102915616A (zh) * | 2012-05-11 | 2013-02-06 | 新疆大学 | 一种区域栅格累加土地沙漠化预警方法 |
Non-Patent Citations (4)
| Title |
|---|
| 基于‘3S’技术的沙漠及沙质荒漠化土地和新构造运动关系研究——以鄂尔多斯盆地北部为例;于香妮;《中国优秀硕士学位论文全文数据库·基础科学辑》;20041215(第4期);第16-25页 * |
| 基于3S技术的沙质荒漠化动态监测;高会军等;《陕西环境》;20011130;第8卷(第4期);第39-42页 * |
| 多波段遥感图像在土地利用中的应用研究;郭杨亮;《中国优秀硕士学位论文全文数据库·信息科技辑》;20130315(第3期);第7-51页 * |
| 陕北长城沿线沙质荒漠化遥感研究;高会军等;《自然资源学报》;20050515;第20卷(第3期);第471-474页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103903014A (zh) | 2014-07-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103903014B (zh) | 一种基于卫星遥感技术的荒漠化判释方法 | |
| Sabathier et al. | Vegetation responses to climatic and geologic controls on water availability in southeastern Arizona | |
| Tiren | Lineament interpretation. Short review and methodology | |
| Colvin et al. | Assessing terrestrial groundwater dependent ecosystems in South Africa | |
| Tedford et al. | The discovery of Miocene vertebrates, Lake Frome area, South Australia | |
| Feranec et al. | Methodological aspects of landscape changes detection and analysis in Slovakia applying the CORINE land cover databases | |
| CN103324984A (zh) | 一种基于gis的城市最小生态用地判定方法 | |
| Bryant | Geologic and Hydrogeologic Characterization of Groundwater Resources in the Fredericksburg Group, North Nolan Creek Province, Bell County, Texas | |
| Lukačić et al. | Influence of expert knowledge on completeness and accuracy of landslide inventory maps–Example from Istria, Croatia | |
| Jordan et al. | Ghana airborne geophysics project in the Volta and Keta Basin: BGS final report | |
| Landsat | Economical Maintenance of a National Topographic Data-Sase Using Landsat Images | |
| Parry et al. | The importance of reading the landscape: The use of engineering geomorphology in regional landslide hazard assessments | |
| Tassier-Surine et al. | Surficial Geologic Map of the West Burlington 7.5'Quadrangle, Des Moines County, IA | |
| Clark et al. | Bedrock Geologic Map of the West Burlington 7.5'Quadrangle, Des Moines County, IA | |
| Duncan | Stratigraphic, Structural, and Biologic Controls on Iron Oxide Diagenesis of the Cretaceous Baseline Sandstone, Southern Nevada | |
| Heggem et al. | CORINE Land Cover 2000. The Norwegian CLC2000 project | |
| Lyles | A Karst Feature Prediction Model For Prince Of Wales Island, Alaska Based On High Resolution Lidar Imagery | |
| Ricchetti et al. | Environmental-geological study of coastal areas of Salento Peninsula (Southern Italy) using multitemporal aerial photography and satellite imagery | |
| Clark et al. | Bedrock Geologic Map of the Sperry (Iowa) 7.5'Quadrangle, Des Moines County, Iowa | |
| Liao | GIS-based landslide hazard zonation mapping using statistical approaches | |
| Ye et al. | Study on Engineering Geology Petrofabric Regionalization of Slope | |
| de Hon | Use of remote sensing techniques to optimize vegetation parameters for wave damping modelling | |
| Fields et al. | The ground sloths (Pilosa) of South Carolina | |
| Clark et al. | Bedrock Geologic Map of the Lowell (Iowa) 7.5'Quadrangle, Des Moines, Henry, and Lee Counties, Iowa | |
| Bi | Geotechnical mapping and landslide susceptibility analysis in Badong county (Three Gorges Region/China) |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB02 | Change of applicant information |
Address after: Room 2, unit 2, building 11, No. 710065, Yan Nan Road, high tech Zone, Xi'an, Shaanxi Applicant after: Xi'an Meihang Remote Sensing Information Co. Ltd. Address before: 710065 Xi'an high tech Zone, Shaanxi hi tech Zone, No. two, E Road, No. 1 Applicant before: XI'AN MEIHANG APPLICATION OF SATELLITE DATA CO., LTD. |
|
| COR | Change of bibliographic data | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170405 Termination date: 20180417 |