下载掌阅APP，畅读海量书库
立即打开
目前，国外已将遥感、GIS技术广泛应用于水土流失动态监测与评价预报。早在1927年美国就利用航片进行了全国土壤侵蚀普查。加拿大、新西兰以及许多发展中国家也将遥感技术应用到了土壤侵蚀调查中。我国20世纪70年代以来，进行了国家和区域土壤侵蚀遥感调查，特别是20世纪80年代以来，水利部先后组织完成了三次土壤侵蚀遥感调查，并进行了基于GIS的土壤侵蚀评价与遥感制图研究。遥感信息计算机自动识别技术主要是解决土壤侵蚀影响因子中的土地利用类型和植被覆盖度的提取。
遥感影像所含信息随着空间分辨率的不同而有所变化，相应的土地利用类型的提取方法也有所不同。
1.中低分辨率遥感影像土地利用类型提取
目前针对中低分辨率影像中土地利用类型的遥感解译一般有三种方法：目视解译、人机交互和计算机自动提取法。传统的目视解译和人机交互解译方法工作量大、主观因素强、后续处理困难，越来越难以满足工程化、大数据量的土地利用类型提取需求。计算机自动提取极大地推进了土地利用类型的提取效率，其方法主要有监督和非监督分类两种。但是由于“同物异谱”和“异物同谱”现象的存在，以及受地形、地物、环境等状况的影响，在大面积土地利用与变化遥感分类中，单独的自动分类还不易满足实际应用需求，需要对分类结果进行后处理。传统分类方法和计算机自动提取有不断融合发展的趋势（张增祥，2012）。
在处理低空间分辨率遥感影像时，由于影像中地物目标小，目标内部的像元比较一致，基于像元的处理可以达到比较好的效果。但是，随着分辨率的提高，遥感影像中的空间信息也更加丰富，地物的几何结构和纹理信息更加明显，基于像元的方法在处理这类影像时会显得粒度过小，在分类过程中会造成大量的椒盐噪声现象，因而难以提取地物的整体结构信息，同时也会造成分类精度降低，空间数据的大量冗余。上述分类方法日渐难以满足更精细的土地利用类型提取需求。
水土保持行业的土地利用类型提取中也存在上述问题，并且由于构建水力侵蚀定量评价模型需要提取全部的土地利用类型，各地类提取结果相互影响，精度较难控制，更需要选取合理有效的分类方法。
2.高分辨率遥感影像土地利用类型提取
通过查阅大量文献发现，基于高分辨率遥感影像进行针对于水土保持行业的土地利用类型提取的研究较少，相关研究主要应用于农业、林业、国土等领域。近年来各行业的应用中，面向对象的分类方法逐渐成为主要的遥感分类方法。
面向对象分类技术的主要特点是它识别和分类的目标是对象，而非单个像元。从用户角度出发，对象指代表实际地物的相邻像元的聚类，其内部特征相对均一，把一幅图像分为很多对象的过程即图像分割。基于分割的面向对象分类在分类过程中不仅能依靠对象的光谱特征，更多的是利用其几何信息和结构信息，可以有效地避免由于高分辨率影像同种地物光谱变异较大而引起的分类“椒盐现象”以及“同物异谱”和“同谱异物”带来的地物类别错分现象，并且使分类的过程更趋于人脑的思考过程。面向对象的遥感影像分类技术为高分辨率遥感影像的计算机自动提取提供了一条重要途径。
在面向对象分类过程中，图像分割是分类的关键。一般来说，影像分割主要分为两种（Baatz M等，2004）：一种是基于知识的从下到上的分割方法，常用方法有多尺度分割；另一种是基于数据的从上到下的分割方法，常用方法有多阈值分割、棋盘分割、四叉树分割等。其中应用最广泛的是多尺度分割。
多尺度分割是Baatz与Schäpe于2000年率先提出的以形状、光谱、纹理、层次等对象特征为基础的区域合并分割技术。在多尺度分割研究中，如何确定分割最佳尺度是研究的重要问题。目前最优分割尺度选择的方法大致可分为定性和定量两种（于欢等，2010）。其中定性的方法主要是试错法，即通过变换多种分割尺度，目视分割结果确定其量值，是最优尺度确定最常用的方法之一。同时，也有一些学者通过定量的方法确定最佳分割尺度，例如矢量距离指数法（于欢等，2010）、最大面积法（黄慧萍，2003）、局部方差法（Kim M等，2008）和建立图斑显著性变化曲线（陈建裕等，2006）等。但是，定量方法在应用于土地利用类型提取时一般不具有普适性，且算法一般较复杂，有些算法需要人工干预，难以实现全覆盖、工程化应用。因此，在水土保持行业应用中，试错法更具实用性。
在面向对象分类中，影像分割结束后进行分类，目前常用的分类算法有最近邻法（Nearest Neighbor）、模糊分类（隶属度函数）、支持向量机（SVM）和决策树等。
（1）基于最近邻法（Nearest Neighbor）的面向对象分类研究。面向对象的最近邻分类法是以影像对象作为分类的基本单元，优选对象特征，构建对象特征空间，以最小距离为测度进行判别分类（陈金丽，2009）。该分类方法需要人工构建训练样本，而训练样本是否具有代表性对分类结果至关重要。因此该方法较适用于特征明显且内部特征较一致的地类提取，不适于复杂地貌下多种地类的提取。
（2）基于模糊分类（隶属度函数）的面向对象分类研究。模糊分类是基于一定模糊规则的分类，模糊集合中的对象被认为不只属于且完全属于某个类别，而是以特定的隶属度部分的属于某个类别。在基于模糊分类的遥感影像分类应用中，研究区范围一般较小（张春晓等，2010），或土地利用提取对象单一（王海君等，2008；冯益明等，2013），不能满足水土保持行业提取大区域范围内全部土地利用类型的要求。
（3）基于支持向量机（SVM）的面向对象分类研究。支持向量机是一种监督学习方法，通过寻求训练样本与类别之间的对应关系，将训练样本集分类或预测新样本类别（邓乃杨等，2004；杨志民等，2007）。SVM最初用于两类分类问题，后期学者提出了很多方法将其用于多类分类（陈杰，2010），但是基于SVM的多类别分类算法一般较为复杂，在大面积区域进行工程化推广有难度。
（4）基于决策树的面向对象分类研究。利用面向对象决策树方法进行土地利用类型提取的研究较多（D.K.Mclver等，2002），其基本思想是通过一些判断条件对原始数据集逐步二分和细化，其中判断条件依据对象特征及先验知识设置，每一个分叉点代表一组决策判断条件，每个分叉点下有两个叶节点，分别代表满足和不满足条件的类别（Pielke R等，1997）。该方法充分结合了面向对象和决策树方法的优点，逻辑清晰、明确，易于工程化实现。
综上所述，对于高分辨率遥感影像数据来说，面向对象的影像分类方法相比基于像素的影像分类法更有优势，目前面向对象的影像分类也已经能够达到较高精度。然而，已有关于面向对象的影像分类研究多针对于小面积、地貌相对单一实验区，研究一般很少涉及大区域全覆盖的土地利用类型，且对于水土保持行业关注的耕地、林地、园地、草地等地类针对性不强。另外，研究一般不具备区域可推广性，工程化可实践性不强。
本书立足于水土保持行业提取水力侵蚀土地利用类型，重点关注耕地、林地、园地、草地提取效果。以GF-1光学遥感影像数据为主要数据源，尝试采用面向对象的分类方法，以实现可工程化和可区域推广为目标，对黄土高原丘陵沟壑区进行区域土地利用类型全要素提取技术研究。
植被作为陆地生态系统的主要组分，是生态系统存在的基础。植被覆盖度的获取对研究生态环境、全球气候变化、水土流失等方面具有重要意义。植被对水土流失起着决定性的作用，具有明显的保水、保土和抗土壤侵蚀等作用。植被覆盖度与土壤侵蚀关系密切，研究表明植被覆盖度与土壤侵蚀量显著相关，植被覆盖度越大，土壤侵蚀风险越小，植被覆盖度增加10%，土壤侵蚀量减少11.1%（蔡庆等，1992）。这也是植被覆盖度因子作为土壤侵蚀定量计算的必须输入因子的原因。因此本书在研究植被覆盖度提取技术的同时对植被覆盖度因子的获取方法进行探讨说明。
目前，植被覆盖度获取的方法主要有地面测量和遥感测量两种。
地面测量法曾一度成为最主要的植被覆盖度监测方法。19世纪70年代科学家开始对地面测量植被覆盖度的方法进行探索（Muller-Dombois D等，1974），直至今天在众多的科研与调查中，地面测量法仍是最直接、最简单的植被覆盖度获取方式。最简单的地面测量法就是目估法，但主观性太强，为获取更加精确、客观的数据，引入植被覆盖度仪。通过大量的测量数据结合统计学思想研究植被覆盖度的时空分布规律，建立经验模型，为后期植被覆盖度数据的获取提供支撑。如2012年全国水利普查水蚀野外调查中植被覆盖度参照《野外目估郁闭度/盖度参考图》采用人工目视判别的方法进行估算。地面测量的方法工作量大，成本高，且形成的经验模型具有区域限制性，难以在大面积区域开展应用。
遥感技术的发展，使获取大范围内客观、实时的植被覆盖度成为可能，因此吸引了大量国内外学者对此展开应用研究，产生了多种植被覆盖度遥感测量方法。1988年研究人员利用Landsat计算得到的植被指数与实测数据进行了回归分析，建立了植被覆盖度回归模型（Greatz R D等，1988）；也有学者通过样地实测植被覆盖度与遥感影像波段信息或植被指数之间建立回归模型的方法获取回归模型适用区域的植被覆盖度（De Jong S M等，1994），此方法从一定程度上提高了传统方法的精度，但经验回归模型依赖大量实测数据且仅适用于特定区域。Wittich通过建立不同土地利用类型的植被指数与植被覆盖度的线性模型，进行了植被覆盖度估算（Wittich K P等，1995）；LePrieur利用像元二分模型法估算植被覆盖度（LePrieur C等，2000）；李苗苗等在像元二分法的基础上，改进了已有模型的参数估算方法，建立了用NDVI估算植被覆盖度的模型（李苗苗等，2004）；张飞使用森林冠层密度分级法FCD模型制图法对植被覆盖度进行估算（张飞等，2011）。上述几种提取方法的差异性主要在提取模型、指数和波段选择以及模型参数阈值设定上。遥感手段提取植被覆盖度具有范围大、应用广、成本低、时效性强等优点。
植被覆盖管理因子是水力侵蚀定量评价计算的重要输入因子之一。传统的植被覆盖管理因子估算主要有两种方法：一是利用遥感影像解译获取区域土地利用类型分布图，根据经验值和部分实测植被覆盖度数据对不同土地利用类型的植被覆盖因子进行赋值，从而获取植被覆盖管理因子（Onyando J O等，2005；Pandey A等，2009；史志华等，2002；许月卿等，2006；秦伟等，2009），该方法简单易行，是区域植被覆盖管理因子估算的重要手段，但这种方法忽略了地表植被的时空变化，且受土地利用类型分类结果的影响；为准确反映植被覆盖的空间差异并减少影像解译带来的误差，部分学者应用该区域内建立的回归模型，获取能够满足该区域时效性和空间分布的植被覆盖度数据，继而提高根据植被覆盖度数据对不同土地利用类型所赋植被覆盖因子的精度；二是蔡崇法等根据径流小区人工降雨和天然降雨的作用下坡面产沙量与植被覆盖度的关系，建立了植被覆盖度和植被覆盖度因子间的数学模型（蔡崇法等，2000）。将植被覆盖度带入模型即可获得植被覆盖管理因子值，使因子获取更加稳定快捷，也有一些学者根据研究区的差异建立不同的模型，都是将植被覆盖度转换为植被覆盖管理因子。植被覆盖度与植被覆盖因子之间的转换关系研究是水土保持业务上的主要研究方向，利用遥感数据提取植被覆盖度则是本书的重点。
综上所述，对于土壤侵蚀定量评价模型而言，模型需要通过多时序、大面积的数据来回答侵蚀量及其评价的问题，对植被覆盖因子的空间覆盖范围（更广）和更新频次都有较高的要求，传统的植被覆盖度获取方法不能满足模型因子输入需要，植被覆盖度提取势必要借助遥感技术手段来实现。利用遥感数据提取植被覆盖度是遥感应用研究的重点工作，植被覆盖度与植被覆盖管理因子之间的转换关系研究则是水土保持领域研究的重点工作，本书侧重对GF-1 16m数据进行植被覆盖度提取研究，主要包括提取模型研究，模型涉及相关指数和参数阈值研究。本书不再深入的进行植被覆盖度与植被覆盖因子之间的转换关系研究。
1.梯田提取国内外研究现状
梯田作为一种重要的水土保持措施，一直是水土保持监测的重要指标，同时也是国土部门土地利用调查的重点对象。长期以来梯田面积及分布等指标的监测和统计主要依靠人工实地调查测量。这种测量手段不仅耗时耗力，而且容易引入误差，其可复制性和变更性差，难以满足要求。尤其在对于大范围、连续监测时，遥感方法自身的优点则十分明显，可以相对便捷、准确地掌握梯田的分布信息。
目前基于高分辨率遥感影像的梯田提取主要有以下三种方法：目视解译法、傅里叶变换法和面向对象法。
目视解译法是一种传统遥感解译方式，也是梯田提取的常用手段。应用的数据包括航空遥感数据（马水庆，1992）和高分遥感数据（寇权等，2005），并有学者通过对不同分辨率遥感影像进行人机交互提取结果对比，确定了梯田遥感监测中遥感影像的空间分辨率（赵帮元，2012）。相对于传统实地调查手段，在效率和成果客观性上有很大程度的提高，但目视解译法仍存在效率低、周期长、劳动强度大，易受作业人员主观认知影响，方法复用性差等问题。
傅里叶变换法主要是将影像从图像域转换到频率域，有学者根据梯田纹理在频率上的特性，进行梯田提取研究（于浩等，2008；王庆，2008）。但前人的研究分析主要集中在小区域范围内，且小区域的选择具有一定的针对性，如研究小区域内的梯田纹理清晰，纹理特征典型，而其他地类的纹理与梯田有明显区分，内部纹理均匀，内部灰度变化小，傅里叶变换后的频谱值小，与梯田的傅里叶变换后的频谱值差异较大，有利于梯田的提取。因此傅里叶变换法是否能在地类多样化的大区域范围内适用，需要进一步的研究分析。
也有学者应用面向对象法进行梯田的提取研究，即在多尺度分割基础上主要针对对象纹理的灰度共生矩阵进行分析，在提取的耕地基础上根据不同对象的灰度共生矩阵差异进行梯田提取（侯群群，2013）。梯田是一个综合性地物，而影像对象又是面向对象分类的基础，仅根据影像的同质性分割难以保证得到完整的梯田对象。另外，应用面向对象方法提取梯田依赖其他地类的提取结果，梯田图斑的完整性存在问题。
综上所述，目视解译法是常用传统方法，但效率低，成本高，不符合水土保持信息化的发展趋势；傅里叶变换法主要应用梯田的纹理特征，但还处在实验室阶段，未曾开展大范围的工程化或业务化应用研究；面向对象法梯田分割的完整性存在问题，且依靠其他地类的提取结果。本书对已有的傅里叶变换法提取梯田进行大区域应用的可行性进行分析，进一步针对梯田纹理特征开展研究，尝试引入模式识别和相关图形图像学的知识进行梯田的提取。
2.淤地坝提取国内外研究现状
淤地坝是在多泥沙沟道修建的以控制沟道侵蚀、拦泥淤地、减少洪水和泥沙灾害为主要目的的沟道治理工程设施。自20世纪80年代以来，淤地坝的数量及分布情况基本采用建设资料档案统计和人工实地调查获取，这两种方式需要大量的人力物力资源，同时工作周期较长，易受人为主观因素影响。
随着“3S”（遥感技术、地理信息系统、全球定位系统）技术的发展，利用遥感技术进行淤地坝信息的提取成为可能，有学者利用不同分辨率高分影像开展淤地坝的提取研究，确定满足淤地坝提取的影像空间分辨率（杨蕾，2006）。通过对前人研究成果的分析发现，淤地坝的提取手段主要为目视解译或人机交互（陈家琪，2004；弥智娟，2015），也有学者针对淤地坝的坝地和水体部分开展了计算机自动提取研究，应用坝地的纹理特点开展了面向对象的提取方法研究（侯群群，2013），且针对淤地坝的水体部分，对比多种水体提取方法，确定能够监测淤地坝水体变化特征的最优算法（程磊，2010）。
综上所述，针对传统目视解译方法效率低、难复用，淤地坝的坝地和水体部分前人有一定的研究成果，但淤地坝坝体的提取尚无相关研究成果。本书根据淤地坝的位置特点，开展淤地坝目标区框定，并在目标区范围内提取淤地坝的研究，尤其是蓄水淤地坝坝体的位置、光谱、纹理、几何、上下文关系，应用面向对象的方法，实现淤地坝更为精准和高效的提取。
3.水土保持造林和水土保持种草提取国内外研究现状
水土保持造林和水土保持种草指在水土流失地区为防治水土流失，保护、改良和合理利用水土资源的人工造林和人工种草，属于土地利用类型中的林地和草地部分。水土保持造林和水土保持种草更注重区域位置（水土流失地区）和人工种植因素。在种植初期，水土保持造林和水土保持种草在高分遥感影像上光谱和纹理特征具有一定的典型性，但经过一段时间的生长后在影像与其他林地和草地无明显差异。通过对前人研究的调研和分析发现，针对水土保持治理措施的生物措施提取研究中，并未将水土保持造林和水土保持种草与土地利用类型中的林地和草地进行区分。提取方法主要包含目视解译（赵帮元，2012）、监督/非监督分类（赵东坡，2007）和面向对象（侯群群，2013）的分类方法。
传统的目视解译、监督/非监督分类在提取效率或精度上存在弊端，针对高分辨率的遥感影像，监督/非监督分类的不足更为明显。面向对象的林地和草地提取方法能够避免监督/非监督分类“椒盐现象”严重情况，并且相对目视解译，工作效率有很大程度的提高。
本书在前人研究的基础上，针对研究区水土保持造林和水土保持种草的特点，应用面向对象的方法，研究适合目标区的水土保持造林和水土保持种草提取的阈值、参数及算法集等。
4.其他水土保持治理措施提取研究现状
耕作措施、其他工程措施和生物措施的遥感提取鲜少有前人进行研究，其中耕作措施属于地表工程，通过遥感不易发现，因此前人多采用实地调查的方法获取，本书也不做研究。其他规模较小或在遥感影像上无法识别的工程措施和生物措施采用人机交互或实地调查的方式进行提取。
综上，梯田的提取研究将傅里叶变换扩展到大区域，分析该算法业务化应用的可行性，同时进一步针对梯田的纹理特征将模式识别和图形图像学知识引入到梯田的提取研究；淤地坝的提取将充分应用其位置特征，开展淤地坝目标区框定研究，并在前人研究成果的基础上一进步开展淤地坝的水体和坝地的提取研究；水土保持造林和水土保持种草，在前人研究的林地和草地提取技术的基础上，针对研究区水土保持造林和水土保持种草的特征，应用面向对象的方法研究其最优阈值、参数及算法集等；其他类型的水土保持治理措施尝试采用专家知识判读的方法或实地调查的方法进行解译。
1.生产建设项目监测内容
生产建设项目水土保持监测是建设单位应尽的义务，监测内容包括与水土流失影响因子有关的地形地貌、土壤性质、植被覆盖率和降水、风等，与生态环境监测有关的项目建设占地和扰动地表面积，挖填方数量和占地面积，弃土（石、渣）量、堆放形态和面积，临时堆土的数量、堆放时间、形态和占地面积等，与土壤侵蚀有关的水土流失类型、面积、强度和流失量变化，与成效监测有关的水土保持措施的数量和质量、工程措施的稳定性和运行情况、各类措施的拦渣保土效果等，与防治效果评价目标有关的扰动土地整治率、水土流失总治理度、拦渣率、土壤流失控制比、林草植被恢复率和林草覆盖率（中华人民共和国水利部，2002；唐学文等，2006；郭索彦等，2009）。其中，土地利用类型、植被面积及覆盖度、水土保持措施、土壤侵蚀状况可以利用遥感手段提取（喻权刚，2007；徐丰等，2008；廖章志，2009；罗爱萍等，2011）。而生产建设项目扰动情况、动态变化、防治效果、弃土弃渣占地面积、土地利用背景值等如何利用遥感提取还没有相关的研究。
2.生产建设项目监测方法
目前，生产建设项目水土保持监测主要采取调查监测与定位观测相结合的方法（郭索彦等，2009）。调查监测包括普查、抽样调查、地块调查、访问调查和巡查等方法。定位观测主要依靠人工监测，技术手段相对落后，主要采用小区观测、控制站观测、简易观测场、简易坡面测量、降尘管（缸）观测、地面定位扦插观测、集沙仪观测等方法。随着遥感技术的快速发展，特别是高分辨率遥感卫星的商业化运行，遥感影像获取的成本降低，使得生产建设项目的监测手段日益丰富。目前，基于遥感影像的生产建设项目信息提取方法的研究较少，主要为人机交互和监督分类。其中，何明月等利用遥感技术，结合全球定位系统和地理信息系统，根据公路建设项目总体布局和施工特点，采用监督分类，辅以人机交互的方式提取公路沿线的土地利用类型和水土保持措施，运用DEM提取坡度和坡向等地形信息，利用归一化植被指数提取植被盖度（何明月等，2011）。卢宝鹏等利用隆林至百色高速公路沿线区域不同时相的ALOS数据和地形图，应用“3S”技术提取工程建设准备期和建设期的土地利用、坡度和植被覆盖度等因子，通过GIS叠加分析，获取项目建设区的土壤侵蚀信息（卢宝鹏等，2012）。变化监测技术研究目前主要集中于资源和环境监测的土地利用和覆盖变化、森林和植被变化、湿地变化、城市扩展、地形改变等变化信息获取；测绘中的地理空间数据更新；农业中的作物生长监测以及自然灾害中地震、洪水、泥石流和森林大火等灾情监测与评估。生产建设项目的扰动情况是水土保持行业关注的重点，目前尚未有研究。因此，有必要开展生产建设项目变化检测技术研究。
综上所述，基于生产建设项目水土保持监测信息提取方法单一和效率低下的现状，本书充分利用土地利用类型提取的关键技术，以面向对象的分类为主，基于像素分类为辅的方法，开展生产建设项目水土保持监测指标识别。同时，结合多种变化检测方法，探索生产建设项目扰动情况提取的方法。