下载掌阅APP，畅读海量书库
立即打开
综上所述利用遥感数据，通过数据变换（如K-L、K-T变换），协同地理环境、生物环境和景观特征数据，充分利用图象的光谱信息及地理信息进行计算机自动解译分类是提取盐渍土专题信息、监测盐渍土动态变化的有效手段。目前已经得到了广泛的应用。监督分类中训练样区的选择至关重要，Metter-nicht等利用LandsatTM数字图象分类，在建立训练样本时，协同实测土壤退化特征以及实验室测定的数据（如土壤电导率EC、钠吸附率SAR、土壤pH值），从土壤数据库中选取各个级别的代表性样本，按用户定义的空间和光谱的制约条件，并考虑相邻像元的信息，确定光谱同质的对象组成训练样区，采用最大似然法分类，成功地提取了土壤盐渍化分布信息 [69] 。若将常规影象分类方法加以改进（如监督分类法与非监督分类法的集成），在分类中加入土壤含盐量、地下水埋深和归一化植被指数（NDVI）这三个辅加特征的数据，并结合“上下文分析”、“掩膜分析”等地理信息系统分析处理，能有效地区分出非盐渍土和轻度盐渍土，且盐渍土信息提取总精度得到提高 [70] 。骆玉霞等采用了K-T、K-L变换和有关经验指数，从LandsatTM数据中提取了盐渍土的光谱特征和纹理特征参与分类 [54] 。关元秀等先对LandsatTM数据作缨帽变换，对亮度、绿度和湿度分量假彩色合成，然后再监督分类，成功地将黄河三角洲土地盐碱化的现状分为：非盐碱地、轻度盐碱地、中度盐碱地、重度盐碱地4个等级 [64] 。Dwivedi等运用主成分变换、影象差值法、影象比值法和分类后逐个像元对比法监测了盐渍土动态变化。但前三种方法仅能识别出未变盐渍土的区域以及变为农田的盐渍土，无法识别变为盐渍土的农田，对于有目的的变化监测而言，分类后逐个像元对比法更合适 [71] 。刘庆生等利用HIS和PCA变换将资源一号卫星数据与高分辨率全色数据进行融合分析，更清晰地确定了不同级别盐渍土及农田的分布状况 [49] 。这些研究都不同程度地提高了盐渍土专题信息提取的精度。
近年来多位学者应用高光谱技术定量半定量地研究了土壤盐渍化及土壤特性。高光谱数据蕴涵描述土壤表面状况的光谱信息及其特征的空间信息，具有评价土壤性质细微差异的潜力，与多光谱技术相比在识别和探测盐渍土方面具有很大优势 [ 72, 73] 。Dehaan等实地测量了盐渍土及相关的耐盐植被的光谱，用连续统去除法研究了盐渍土和植被的光谱吸收特征 [31] 。基于这些数据，通过光谱角制图、匹配滤波、光谱特征自适应等制图方法，对Hy-Map数据进行了分类，获取了盐渍化程度指征图。验证结果表明，选择包含光谱吸收特征的波段范围用光谱特征自适应法得到的结果与实际地表覆盖以及用EM 38实地测量值制图结果最相似，因此，高光谱遥感数据能半定量地揭示土壤盐渍化程度及其空间分布。Dehaan等从Hymap高光谱图象上提取了盐渍化状况端元光谱，确定表达盐渍化程度的土壤和植被的指示器，并用光谱特征自适应、线性混合光谱分解、光谱角制图、匹配滤波、混合调谐匹配滤波等方法制图。通过用地面地球物理方法测量的土壤盐分图检验，混合调谐匹配滤波法与实地测量的盐分分布最为一致，同时由表达盐渍化程度的植被指示器与该区域的各种耐盐植被的分布一致，像元的分类与图象获取时的地表覆盖条件较为一致 [16] ，这些结果表明，Hymap高光谱图像能半定量地揭示土壤盐渍化程度及其空间分布。
随着现代科学研究对数据精度要求的提高，依据遥感数据提取专题信息的理论和方法也在不断的更新与发展。遥感用于盐渍化的探测的发展趋势是结合GIS手段，以遥感影象数据分析处理为依托，以传统的野外调查为辅助，将地理环境数据与影象光谱信息、空间信息和时间信息，盐渍化程度状况的生物地学规律和其外在表现有机结合；已逐渐出现较为成熟的应用化的模式识别技术，在算法上以知识库为基础的推理决策、多种复合分类方法相继产生并将迅速发展[74, 75]；特征提取和设计合理的分类器成为人们研究的热点。
决策树分类法具有灵活、直观、清晰、健壮、运算效率高等特点，在遥感分类问题上表现出巨大优势。决策树分类法已被成功应用于许多分类问题，但应用于遥感分类的研究成果并不多见；如Friedl等 [76] 应用决策树分类法进行了遥感土地覆盖的分类研究，结果表明比最大似然等传统方法在精度上有明显改善，同时决策树法还具有非参数化，抗干扰，易于地学知识融合等优点。Hansen等 [77] 基于EOS/MODIS资料用递归决策树方法进行了全球的树冠覆盖百分率遥感制图（500m分辨率），同样取得了较好的结果。Murthy等 [78] 曾设计了一个决策树的算法并开发完成了相应的软件系统。在以前决策树法研究成果的基础上，Friedl等 [79] 在比较了决策树法和人工神经网络法的效果后，基于EOS/MODIS资料，采用决策树法进行了全球土地覆盖制图，并生成了NASA的土地覆盖分类产品。Zhan等 [80] 也采用了决策树法，基于EOS/MODIS的250m分辨率数据进行了全球5个典型地区的土地覆盖变化检测。
何祺胜 [69] 等把决策树分类法应用到盐渍地信息提取中，建立决策树模型，在各节点设计不同的分类器，最后得到盐渍地信息的提取结果。然后进行精度评价，结果表明，该方法的总体提取效果较好，是干旱区监测盐渍地变化的有效手段。王建 [81] 等选择甘肃省民勤县绿洲作为典型荒漠化区域， 根据荒漠化土地分类体系确定决策树的结构及各类地物在树形中的位置；结果表明： 利用决策树分层提取法可以有效地排除和避免提取地物时所有多余信息的干扰及影响，目标明确。对于荒漠化土地或者类似的各种地貌专题， 单纯地用一种或几种图象处理手段识别并且进行分类一般是极其困难的。为此， 利用决策树方法分层提取荒漠化土地类型， 将复杂的地物分解， 从原理上或者理论上出发是可行的。面对的目标简单化使得图象操作和识别更加具有针对性和精确性， 最大程度地避免混分的概率。可以说决策树是解决盐渍化自动分类的一种有效手段， 但在分层过程当中的图像处理以及识别方法值得进一步研究和探讨。
●通过COST 模型进行图像大气和辐射校正，并进行验证分析；并基于定量遥感反演技术反演地表反照率、植被指数、水体指数等地表能量特征参数。
●结合TM/ETM、OLI原始波段进行K-L变换、K-T变换，建立叠合光谱图；并通过计算最佳指数因子（O IF ）分析得出最佳波段组合；并建立分类系统，找出最佳盐渍地信息提取特征量。
●利用决策树分类技术，结合研究区盐渍化土壤实测光谱数据进行盐渍化土壤分类，并对分类器进行修正后，得到研究区土壤、植被组分丰度图并进行评价分析。
●分析干旱区盐渍地的时空变化特征，及对环境生态效应产生的影响。
本研究以1989、2001、2006、2018年TM/ETM、OLI影像为基本数据源，借助GIS技术在地学分析中独有的优势，对基础数据经过严格预处理后，从图像数据处理提高盐渍地信息提取精度为目的，采用多种图像处理技术手段，包括多源数据的决策树盐渍地信息提取模型、多源数据融合的盐渍地信息提取方法然后综合地形、植被、土壤湿度和地物光谱特征等特征变量实现了专题信息的自动提取，获得盐渍化土壤信息；研究决策树分类方法在干旱区盐渍地信息提取中的优势，以及盐渍地的时空变化特征和环境生态效应。
