专利名称：面向土地退化响应单元的高光谱土地退化信息提取方法
技术领域：
本发明涉及一种土地退化信息提取技术，尤其涉及一种面向土地退化响应单元的
高光谱土地退化信息提取方法。
背景技术：
土地问题是与国计民生、社会稳定及国家安全紧密联系在一起的战略问题。在生 态环境比较脆弱的人类活动干扰剧烈地区，人地矛盾激化，致使土地退化严重，尤其是优质 耕地不仅数量减少而且质量退化，所带来的问题已严重影响区域土地可持续利用战略的有 效实施，影响环境与社会经济的可持续发展。 目前土地资源管理已从数量管理向质量管护和生态管护方向发展，土地动态监测 将从以往单一的土地数量监测向土地质量监测和生态监测发展，同时向着自动化、定量化 的方向发展。 现有技术中，由于技术方法和手段的限制，尚缺乏对土地退化信息快速获取的技 术与方法。

发明内容
本发明的目的是提供一种能对土地退化信息快速获取的面向土地退化响应单元 的高光谱土地退化信息提取方法。 本发明的目的是通过以下技术方案实现的 本发明的面向土地退化响应单元的高光谱土地退化信息提取方法，包括以下流 程 影像预处理与特征认知流程、空间对象认知流程、空间模式认知与信息挖掘流 程； 在所述影像预处理与空间特征认知流程中，包括高光谱遥感数据的波段选择、定
标、大气校正、几何校正、去噪、镶嵌，以及将土壤图、植被图、土地利用图、基础地理信息和
外业调查信息进行多源数据配准遥感影像预处理过程；同时结合野外调查数据，对退化土
地的特征和退化土地光谱响应进行综合分析，进行退化土地空间特征认知； 在所述空间对象认知流程中，包括基于退化土地光谱响应分析和多源配准数据，
集成高光谱遥感影像、土壤、植被、基础地理信息、地学知识、野外调查信息多源数据，划分
土地退化响应单元；综合影像的光谱、纹理、形状、空间关系的信息特征，开展土地退化响应
单元的特征提取；根据地学知识和野外调查知识，创建地学规则知识库； 在空间模式认知与信息挖掘流程中，包括采用面向土地退化响应单元的影像分析 方法，根据地学规则知识库中的地学知识和提取的土地退化响应单元特征，开展特征训练 与学习，然后采用模糊模型和ANN模型，对所述土地退化响应单元进行土地退化多特征多 尺度分类；在所述土地退化多特征多尺度分类的基础上，结合语义解释与表达，进行土地退 化分类与信息提取。
由上述本发明提供的技术方案可以看出，本发明所述的面向土地退化响应单元的 高光谱土地退化信息提取方法，包括影像预处理与特征认知流程、空间对象认知流程和空 间模式认知与信息挖掘流程；首先是对高光谱影像进行预处理，基于退化土地光谱特征分 析和光谱响应分析，集成高光谱遥感影像、土壤、植被、基础地理信息、地学知识、农户认知 信息等多源数据，划分土地退化响应单元；综合光谱、纹理、形状和空间关系等信息，开展土 地退化响应单元特征提取；采用面向土地退化响应单元的影像分析方法，基于模糊模型和 ANN模型，在地学知识库与规则库指导下，进行土地退化类型多尺度分类，进而进行土地退 化评价提取土地退化信息。解决了传统土地退化遥感监测与评价方法中评价单元难以确定 的问题，能对土地退化信息快速获取。


图1为本发明面向土地退化响应单元的高光谱土地退化信息提取方法的流程框 图。
具体实施例方式
本发明的面向土地退化响应单元的高光谱土地退化信息提取方法，其较佳的具体 实施方式如图l所示
包括以下流程 影像预处理与特征认知流程、空间对象认知流程和空间模式认知与信息挖掘流 程； 所述影像预处理与空间特征认知流程中，包括高光谱遥感数据的波段选择、定标、
大气校正、几何校正、去噪、镶嵌，以及将土壤图、植被图、土地利用图、基础地理信息和外业
调查信息等进行多源数据配准等遥感影像预处理过程；同时结合野外调查数据，对退化土
地的特征和退化土地光谱响应进行综合分析，进行退化土地空间特征认知。 在空间对象认知流程中，基于退化土地光谱响应分析和多源配准数据，集成高光
谱遥感影像、土壤、植被、基础地理信息、地学知识、野外调查信息等多源数据，划分土地退
化响应单元(DSRU);综合影像的光谱、纹理、形状、空间关系等信息特征，开展土地退化响
应单元的特征提取。根据地学知识和野外调查知识，创建地学规则知识库。 在空间模式认知与信息挖掘流程中，采用面向土地退化响应单元的影像分析方
法，根据地学规则知识库中的地学知识和提取的土地退化响应单元特征，开展特征训练与
学习，然后采用模糊模型和ANN模型，对所述土地退化响应单元进行土地退化多特征多尺
度分类；在所述土地退化多特征多尺度分类的基础上，结合语义解释与表达，进行土地退化
分类与信息提取。
所述土地退化响应单元特征可以包括以下一项或多项信息特征
光谱、纹理、形状、空间关系。
上述流程中，还包括土地退化响应单元的划分需要结合以下信息 野外调查信息、土壤图、植被图、土地利用图和DEM等基础地理信息。 对所述土地退化特征进行土地退化多特征多尺度分类时，利用模糊分类的方法。 所述土地退化多特征多尺度分类可以包括以下一类或多类
进行川水地、沟坝地、梯田、梁茆坡、梁茆顶、沙地等土地类型的划分，以及所对应 的无退化、轻度退化、中度退化、重度退化土地类型的划分，基于此进行土地退化信息的提 取。 本发明的面向土地退化响应单元的高光谱土地退化信息提取方法，解决了传统土 地退化遥感监测与评价方法中评价单元难以确定，以及光谱、形状、纹理、上下文等遥感信 息与地理信息、地学知识难以有效集成的技术难题。 利用遥感手段进行土地退化监测与评价，尤其在北方干旱与半干旱土地退化严重 地区，成本低，宏观及时，具有广阔的应用前景。特别是高光谱遥感数据可定量分析地球表 面生物物理化学过程和参数，可解决许多常规遥感手段无法解决的问题，会极大提高土地 退化监测技术流程的自动化程度和效率，为土地退化定量监测提供了一种新的技术手段
下面通过具体实施例并结合附图对本发明进行详细的描述 如图1所示，将遥感信息、地理信息、地学知识综合集成，综合光谱、纹理信息和空 间关系与地学知识规则，研制了基于高光谱数据面向土地退化响应单元的土地退化信息提 取技术流程，形成了利用高光谱技术进行区域尺度土地退化信息提取的实用可操作的新方 法。 技术流程包括影像预处理与空间特征认知流程、空间对象认知流程和空间模式认 知与信息挖掘流程三个过程，即模拟地学专家对土地退化信息进行遥感影像综合地学解译 和决策分析的过程。基于退化土地光谱响应分析和多源数据，划分土地退化响应单元，综合 光谱、纹理、形状和空间关系等信息特征，开展土地退化响应单元特征提取。采用面向土地 退化响应单元的影像分析方法，基于模糊模型和ANN模型，开展土地退化多特征多尺度分 类，进而进行土地退化类型分类与信息提取。 基于上地退化响应单元和不同退化类型的光谱分析和土壤特性分析，根据所建立 的土地退化遥感监测指标体系，包括土壤有机质、作物生长状况(以修正型叶绿素吸收比 指数(MCARII)表达)、地形地貌状况(以高程和坡度表达)，退化上地的光谱与纹理指标 (以Hyperion影像所有波段转换的9个主成分信息均值、方差等表达)，以及土地利用图专 题图层，作为划分土地退化响应单元的输入层。采用面向土地退化响应单元的影像分析方 法，利用模糊分类的思想，建立土地退化信息提取知识规则集，对风蚀水蚀交错的黄土沟壑 区进行川水地、沟坝地、梯田、梁峁坡、梁峁顶、沙地等土地类型的划分，以及所对应的无退 化、轻度退化、中度退化、重度退化类型的划分，基于此进行土地退化信息的提取。
通过分类结果精度评价分析，基于土地退化响应单元的土地退化信息分类总体精 度在四个尺度(小尺度水平scale 25，中尺度水平scale 50and scale 100，大尺度水平 scale 2000)均比较高，分布在72%到88%之间，四个尺度的平均分类精度在81 %以上。
本发明中将遥感信息、地理信息、地学知识综合集成，综合光谱、纹理信息和空间 关系与地学知识规则，形成的基于高光谱数据面向土地退化响应单元的土地退化信息提取 技术流程。技术流程包括影像预处理与空间特征认知流程、空间对象认知流程和空间模式 认知与信息挖掘流程三个过程，即模拟地学专家对土地退化信息进行遥感影像综合地学解 译和决策分析的过程。在空间对象认知过程中，建立了基于土地退化光谱响应分析和多源 数据，划分土地退化响应单元(DSRU)的方法。
本发明技术方案能够带来以下有益效果
基于土地退化响应单元，首次提出了利用高光谱技术进行土地退化信息提取的新 方法，与传统的实地采样调查方式相比，工作效率提高5倍以上，与基于像元信息提取方法 相比，精度提高10%左右。极大地提高了土地退化信息提取的自动化程度和效率，为土地退 化定量监测提供了 一种新的技术手段。 以上所述，仅为本发明较佳的具体实施方式
，但本发明的保护范围并不局限于此， 任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换， 都应涵盖在本发明的保护范围之内。
权利要求
一种面向土地退化响应单元的高光谱土地退化信息提取方法，其特征在于，包括以下流程影像预处理与特征认知流程、空间对象认知流程、空间模式认知与信息挖掘流程；在所述影像预处理与空间特征认知流程中，包括高光谱遥感数据的波段选择、定标、大气校正、几何校正、去噪、镶嵌，以及将土壤图、植被图、土地利用图、基础地理信息和外业调查信息进行多源数据配准遥感影像预处理过程；同时结合野外调查数据，对退化土地的特征和退化土地光谱响应进行综合分析，进行退化土地空间特征认知；在所述空间对象认知流程中，包括基于退化土地光谱响应分析和多源配准数据，集成高光谱遥感影像、土壤、植被、基础地理信息、地学知识、野外调查信息多源数掘，划分土地退化响应单元；综合影像的光谱、纹理、形状、空间关系的信息特征，开展土地退化响应单元的特征提取；根据地学知识和野外调查知识，创建地学规则知识库；在空间模式认知与信息挖掘流程中，包括采用面向土地退化响应单元的影像分析方法，根据地学规则知识库中的地学知识和提取的土地退化响应单元特征，开展特征训练与学习，然后采用模糊模型和ANN模型，对所述土地退化响应单元进行土地退化多特征多尺度分类；在所述土地退化多特征多尺度分类的基础上，结合语义解释与表达，进行土地退化分类与信息提取。
2. 根据权利要求1所述的面向土地退化响应单元的高光谱土地退化信息提取方法，其 特征在于，对所述土地退化响应单元进行土地退化类型多特征多尺度分类时，利用模糊模 型和ANN模型的分类方法。
3. 根据权利要求2所述的面向土地退化响应单元的高光谱土地退化信息提取方法，其 特征在于，所述土地退化多特征多尺度分类包括以下分类进行川水地、沟坝地、梯田、梁茆坡、梁茆顶、沙地土地类型的划分； 对无退化、轻度退化、中度退化、重度退化土地类型的划分。
全文摘要
本发明公开了一种面向土地退化响应单元的高光谱土地退化信息提取方法，包括影像预处理与空间特征认知、空间对象认知、空间模式认知与信息挖掘三个过程；首先是对高光谱影像进行预处理，基于退化土地光谱特征分析和光谱响应分析，集成高光谱遥感影像、土壤、植被、基础地理信息、地学知识、野外调查信息等多源数据，划分土地退化响应单元；综合光谱、纹理、形状和空间关系等信息，开展土地退化响应单元特征提取；采用面向土地退化响应单元的影像分析方法，基于模糊模型和ANN模型，在地学知识库与规则库指导下，进行土地退化类型多尺度分类，进而进行土地退化评价提取土地退化信息。解决了传统土地退化遥感监测与评价方法中评价单元难以确定的问题，能对土地退化信息快速获取。
文档编号G01S7/48GK101788664SQ20101010900
公开日2010年7月28日 申请日期2010年2月11日 优先权日2010年2月11日
发明者何挺, 刘爱霞, 吕春艳, 王静 申请人:中国土地勘测规划院