论文部分内容阅读
土地沙漠化是近几百年人与自然不协调发展造成的,为监测沙漠化变化进而防治沙漠化,以宁夏中卫市沙坡头区为重点研究区域,提出一种基于CART决策树分类、面向对象的沙漠化土地提取算法,通过理论分析、实验研究进而提出四种提高分类精度的途径,优化了沙地提取特征信息,实现了沙漠化土地分类及信息提取。遥感数据具有高空间、高光谱、高时间分辨率等特性,在众多沙漠化定义和沙漠化划分等级中,结合研究区情况,参照2004年国家林业局发布的《全国荒漠化和沙漠化监测技术规定》,探讨了第八代遥感卫星Landsat8中高空间分辨率、适中时间分辨率对于沙漠化土地信息的适应性,选择中卫沙坡头地区的遥感数据,对其进行大气校正、气溶胶反演等预处理.在训练CART决策树规则的过程中,首先,根据沙漠化指征因子及前人研究成果,选取了关于提取沙漠化土地信息的24个光谱、自定义、纹理和坡度四类特征,通过修正MSAVI和SDI两个特征的计算方法,实现了所有对象的反演。然后通过面向对象的思想,采用多尺度分割和光谱差异分割算法对遥感影像进行分割得到对象层面的数据,避免了同物异谱和同谱异物产生的“椒盐现象”;进而从影像中选取足量具有代表性和完备性的样本点;最后将所选特征和样本点输入CART决策树训练器,生成分类规则树。采用面向对象的思想和CART决策树分类方法,训练学习到18个用于沙漠化分类提取的特征,依此规则树在遥感图像中进行沙漠化分类实验,利用混淆矩阵对结果进行研究分析,总体分类精度为82.3%,Kappa系数为0.796,表明本文算法能够有效的提取沙漠化信息。为提高分类精度,分别提出了多源遥感影像融合、选择合适分割尺度、多特征参与提取、选择合适分类器四类改进方法。通过本文研究,得到以下结论:Landsat8数据是适用于沙漠化信息提取应用的遥感影像数据;提取沙漠化土地的分类结果较高,具有实际应用价值;通过融合多数据源、优化分割尺度、多特征参与、选择优秀的分类器可以提高分类精度;沙漠化土地多分布在沙坡头区黄河以北,黄河以南少有轻度沙漠化土地覆盖,沙漠化过程是由极重度向轻度逐渐向外变化的。