一种改进的融合多指标荒漠化等级分类方法

doi:10.13474/j.cnki.11-2246.2021.0102

测绘通报 ›› 2021, Vol. 0 ›› Issue (4): 8-12.doi: 10.13474/j.cnki.11-2246.2021.0102

一种改进的融合多指标荒漠化等级分类方法

王树祥^1,2, 韩留生^1,2, 杨骥², 李勇², 赵倩^1,2, 刘杨晓月², 吴昊³

1. 山东理工大学建筑工程学院, 山东淄博 255000;
2. 广东省科学院广州地理研究所, 广东广州 510070;
3. 淄博市勘察测绘研究院有限公司, 山东淄博 255000

收稿日期:2020-10-26 发布日期:2021-04-30
通讯作者: 韩留生。E-mail:hanls@sdut.edu.cn
作者简介:王树祥(1995-),男,硕士生,主要研究方向为环境遥感、定量遥感。E-mail:1039735316@qq.com
基金资助:
广东省科学院建设国内一流研究机构行动专项资金（2019GDASYL-0103003）；国家重点研发计划（2017YFB0503500）；广东省遥感与地理信息系统应用重点实验室开放基金（2017B030314138）；山东理工大学青年教师发展支持计划（4072-115016）；广东省引进创新创业团队项目（2016ZT06D336）；广东省科学院实施创新驱动发展能力建设专项（2019GDASYL-0103001）；博士后创新人才支持计划（BX20200100）；山东省自然科学基金（ZR2020MD018&ZR2020MD015）

An improved method of combining multi-indicator desertification classification

WANG Shuxiang^1,2, HAN Liusheng^1,2, YANG Ji², LI Yong², ZHAO Qian^1,2, LIU Yangxiaoyue², WU Hao³

1. School of Civil Architectural Engineering, Shandong University of Technology, Zibo 255000, China;
2. Guangzhou Institute of Geography, Guangdong Academy of Sciences, Guangzhou 510070, China;
3. Zibo City Survey and Mapping Research Institute Co., Ltd., Zibo 255000, China

Received:2020-10-26 Published:2021-04-30

摘要/Abstract

摘要： 土地荒漠化等级分类是荒漠化监测的重要内容，也是土地荒漠化综合治理、科学防护的基础。针对植被稀疏及干旱区土地荒漠化提取异常的问题，本文选择干旱/半干旱的科尔沁区为试验区，以2005、2010和2015年3期的中高分辨率Landsat遥感影像为数据源，基于大量的样本统计分析，提出了一种融合植被覆盖度（FVC）、去土壤植被指数（MSAVI）、增强性植被指数（EVI）3种指标的荒漠化提取模型，并将之与传统植被覆盖度指标提取结果进行了对比分析。研究结果表明，相较于单一植被指数反演方法，本文提出的算法分类精度更高，尤其针对干旱/半干旱地区，该融合植被指数法具有更好的适用性和稳健性。该方法为荒漠化评价体系的建立提供了新的思路，为土地荒漠化防护与治理提供了辅助决策支撑。

关键词: 荒漠化, 植被覆盖度, 植被指数, Landsat, 决策树分类

Abstract: The classification of land desertification is an important part of desertification monitoring, and it is also the basis for comprehensive management and scientific protection of land desertification. Aiming at the problem of abnormal extraction of land desertification in arid areas, this paper selects the arid/semi-arid Horqin area as the experimental area. The medium-and high-resolution Landsat remote sensing images of 2005, 2010 and 2015 are used as the data sources. Based on a large number of statistical analysis of samples, a desertification extraction model that integrates vegetation coverage(FVC), modified soil adjusted vegetation index(MSAVI) and the enhanced vegetation index(EVI) is put foward, which is compared with the extraction results of traditional vegetation coverage indicators. The research results show that compared with the single vegetation index retrieval method, the algorithm proposed in this paper has higher classification accuracy, especially for arid/semi-arid areas, the method of fusion vegetation index has better applicability and robustness. This method provides new ideas for the establishment of the desertification evaluation system, and provides auxiliary decision support for the protection and management of land desertification.

Key words: desertification, vegetation coverage, vegetation index, Landsat, decision tree classification

中图分类号:

P237

王树祥, 韩留生, 杨骥, 李勇, 赵倩, 刘杨晓月, 吴昊. 一种改进的融合多指标荒漠化等级分类方法[J]. 测绘通报, 2021, 0(4): 8-12.

WANG Shuxiang, HAN Liusheng, YANG Ji, LI Yong, ZHAO Qian, LIU Yangxiaoyue, WU Hao. An improved method of combining multi-indicator desertification classification[J]. Bulletin of Surveying and Mapping, 2021, 0(4): 8-12.

参考文献

[1] 朱震达.中国土地荒漠化的概念、成因与防治[J].第四纪研究, 1998(2):145-155
[2] 郭强.中国北方荒漠化遥感动态监测与定量评估研究[D].北京:中国科学院大学(中国科学院遥感与数字地球研究所), 2018.
[3] 张宏涛, 黄宏胜, 魏康宁, 等.基于面向对象与规则的Sentinel-2A影像土地覆被分类——以江西省都昌县为例[J].测绘通报, 2020(6):111-117.
[4] 段翰晨, 王涛, 薛娴, 等.基于与的科尔沁沙地沙漠化时空演变[J].中国沙漠, 2013, 33(2):470-477.
[5] 张亚男, 王旭, 甄莹.利用"修改型"植被盖度反演模型提取辽西北沙化土地信息[J].测绘通报, 2018(5):93-96.
[6] 葛佳, 张子鸣, 吴成, 等.水蚀荒漠化信息自动提取方法研究[J].国土资源遥感, 2012(4):88-94.
[7] 王俊华, 代晶晶, 令天宇, 等.基于与技术的西藏多龙矿集区生态环境监测研究[J].地质学报, 2019, 93(4):957-970.
[8] 梁明月.基于GF-1卫星的水蚀荒漠化遥感信息自动提取研究[D].昆明:云南大学, 2018.
[9] 叶静芸.旱区植被遥感信息提取与反演[D].北京:中国林业科学研究院, 2017.
[10] 贾玉娜, 张文超, 康会涛, 等.年雄安新区土地覆盖变化研究[J].测绘通报, 2020(9):76-79.
[11] GUO B, YANG F, FAN Y W, et al.Dynamic monitoring of soil salinization in Yellow River delta utilizing MSAVI-SI feature space models with Landsat images[J].Land Degradation & Development,2019, 78(10):308-318.
[12] SEPPA V P, TURKALJ M, HULT A, et al.Expiratory variability index (EVI) is associated with the severity of acute bronchial obstruction in small children:a proof-of-concept study[J].Pediatric Allergy and Immunology, 2020, 31(6):636-642.
[13] 吴炳伦, 孙华, 石军南, 等.2000-2018年深圳市植被覆盖动态变化与预测[J].应用生态学报, 2020,31(11):3777-3785.
[14] 张瑜伟, 苗小莉, 张泳.基于多源遥感数据的植被覆盖度反演方法比较研究[J].测绘与空间地理信息, 2020, 43(3):131-134.
[15] 尚雪, 何钊全, 张铜会.增强型植被指数时空变化特征及其驱动机理[J].森林与环境学报, 2020, 40(5):478-485.

一种改进的融合多指标荒漠化等级分类方法

An improved method of combining multi-indicator desertification classification

RichHTML

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	李茂林, 闫庆武, 仲晓雅. 一种复合型校正植被信息的方法[J]. 测绘通报, 2022, 0(6): 49-54142.
[2]	王春霞, 张俊, 李屹旭, 范成成. 一种基于Landsat 8的多波段组合水体指数模型[J]. 测绘通报, 2022, 0(5): 20-25.
[3]	赵侃, 师芸, 牛敏杰. Google Earth Engine平台下秦岭地区植被覆盖时空变化分析[J]. 测绘通报, 2022, 0(5): 49-55.
[4]	王晓晓, 韩留生, 杨骥, 李勇, 张大富, 孙广伟, 范俊甫. Sentinel-2与Landsat 8数据组合下的多特征冬小麦面积提取[J]. 测绘通报, 2022, 0(3): 111-115.
[5]	程滔, 管林杰, 郑新燕, 陶舒, 高崟. 基于色调饱和度亮度模型的可见光植被提取[J]. 测绘通报, 2022, 0(2): 116-120.
[6]	贾煜, 汪泓, 蔡宏, 张磊. 结合地形因子与分层策略的喀斯特地区无人机影像分类[J]. 测绘通报, 2022, 0(2): 121-127.
[7]	柳絮, 张宁, 徐晓天, 安超, 许士翔, 李程. 基于多源空间数据与空地协同的植被覆盖度估算——以东亚干草草原为例[J]. 测绘通报, 2022, 0(1): 39-43,55.
[8]	高莎, 袁希平, 甘淑, 杨明龙, 袁新悦, 罗为东. 融合无人机影像与LiDAR点云的山区地表覆被景观特征探测[J]. 测绘通报, 2022, 0(1): 110-115.
[9]	赵恒洋, 刘鑫, 赵尚民. 基于长时间序列遥感数据的太原市建成区近50年扩张规律分析[J]. 测绘通报, 2021, 0(9): 83-88.
[10]	高瑞, 王志勇, 周晓东, 刘睿. 利用多时相遥感监测与分析黄河三角洲湿地变化动态[J]. 测绘通报, 2021, 0(4): 22-27.
[11]	段雅鸣, 张锦水, 朱爽. 基于深度卷积神经网络的云检测方法[J]. 测绘通报, 2021, 0(4): 33-39.
[12]	刘智勇, 张晨, 刘泽楷, 袁俊健, 祁宏昌, 潘屹峰, 朱焕廉, 吴希文, 王华. 雷达相干性与NDVI经验模型[J]. 测绘通报, 2021, 0(4): 45-51,59.
[13]	陈明辉. 利用Landsat卫星影像进行东莞市地表温度反演与变化分析[J]. 测绘通报, 2021, 0(3): 60-68.
[14]	李广超, 赵海盟, 伍毅, 杨彬, 李丽和, 张洪, 杨泉光, 陈伟. 2000-2016年广西防城金花茶自然保护区关键生态环境参数时空变化[J]. 测绘通报, 2021, 0(2): 13-17.
[15]	陈伟, 王哲, 赵海盟, 李丽和, 张学鹏, 李广超. 利用线性融合方法进行金花茶自然保护区植被覆盖度时空变化研究[J]. 测绘通报, 2021, 0(11): 1-6.