遥感对土地沙漠化处理

遥感图像处理课程设计项目报考书姓名：蒲帆学号：2013045020班级：测绘工程131组员：郑雅琳刘思佳题目：对土地沙漠化的提取题目（不超过20字）1.研究背景及目的意义土地荒漠化是指包括气候变异和人类活动在内的种种因素造成的干旱半干旱和亚湿润干地区的土地退化。及时准确地掌握土地荒漠化发生发展情况是有效防止和治理土地荒漠化的基本前提。目前遥感技术在土地荒漠化监测中起到了不可替代的作用。使用遥感影像数据可以提取土地荒漠化信息，通过遥感影像所表现的不同信息，可以判断土地荒漠化的发生与否以及发展程度等。在进行土地荒漠化信息提取时，常用的方法有人工目视解译方法、监督分类方法、非监督分类方法、决策树分层分类方法、神经网络自动提取方法等。在实际应用中，通常选择其中的一种或结合几种方法进行分类提取。研究意义如下：1.通过处理后的遥感图像更清晰地了解土地荒漠化情况2.使有关部门高度重视存在荒漠化问题的地区3.便于对土地荒漠化地区进行科学合理的治理2.研究的国内外现状沙漠化即沙质荒漠化，是我国荒漠化的最主要表现形式。中国的沙漠及沙漠化土地面积约为160.7万km[2]，占国土面积的16.7%，其中，干旱区沙漠化土面积87.6万km[2]，半干旱区沙漠化土地面积约49.2万km[2]。有关专家研究表明，50年代初至70年代中期，我国沙漠化土地面积年均扩大1560km[2]，年均增长率为1.01%，70年代中期到80年代中期，年均扩大面积2100km[2]，年均增长率为1.47%，而目前我国沙漠化土地面积正以每年2460km[2]的速度扩展，而且还有加速扩大的趋势，这对我国的国民经济和社会持续发展构成巨大危害。依照联合国环境规划署(UNEP)对全球荒漠化损失的评价标准，我国土地沙漠化每年造成的直接经济损失有17.4亿～20.4亿元，全部经济损失可达近900亿元。中国荒漠化形势十分严峻根据1998年国家林业局防治荒漠化办公室等政府部门发表的材料指出，中国是世界上荒漠化严重的国家之一。根据全国沙漠、戈壁和沙化土地普查及荒漠化调研结果表明，中国荒漠化土地面积为262.2万平方公里，占国土面积的27.4%，近4亿人口受到荒漠化的影响。据中、美、加国际合作项目研究，中国因荒漠化造成的直接经济损失约为541亿人民币。中国荒漠化土地中，以大风造成的风蚀荒漠化面积最大，占了160.7万平方公里。据统计，70年代以来仅土地沙化面积扩大速度，每年就有2460平方公里。中国荒漠化类型及其分布中国有风蚀荒漠化、水蚀荒漠化、冻融荒漠化、土镶盐渍化等4种类型的荒漠化土地。中国风蚀荒漠化土地面积160.7万平方公里中国水蚀荒漠化总面积为20．5万平方公里，占荒漠化土地总面积的7．8%。中国冻融荒漠化地的面积共36．6万平方公里，占荒漠化土地思面积的13．8%。近半个世纪以来，中国的沙漠化研究治理工作已经取得了一些令世人惊叹的成就，但沙漠化点上治理、面上破坏、局部好转、总体恶化的局面仍未得到根本改观。目前我国土地沙漠化的总体状况是治理与破坏并存，且治理的速度还赶不上破坏的速度，沙漠化仍然越治越多，这种现象就要求我们对以往的沙漠化研究治理工作进行反思，寻找它的症结所在。以知识经济为特征的21世纪已经到来。如何应用我们现有和不断进步的科技手段来彻底改观我国沙漠化不断恶化的局面，就成为中国现代化第二步战略目标的实现和21世纪经济建设重心的转移及西部大开发所必须回答的重大问题。21世纪中国社会和经济持续发展的关键将是16亿人口的生存问题，即我们通常提到的“2116”工程。面对中国的版图我们不难发现，中国未来的生存空间、资源优势和新的增长点只能是向西北发展。正如日本的远山正瑛教授所说，下个世纪，日本没有沙漠，没有资源优势，而中国有大片的沙漠、戈壁，这是中国发展的潜力和优势。因此，我们要用全新的观念，全新的思维方式来看待我国的沙漠及沙漠化土地研究治理工作的意义。3.研究内容下载遥感数据通过一系列操作统计出土地沙漠化的面积。4.研究方法与技术路线4.1研究区域宁夏4.2数据基础我们在地理空间数据云（GeospatialDataCloud）下载Landsat5卫星TM数据。（2009.06.28）4.3研究方法目前，一种比较新的方法是通过构造“植被指数(NDVI)——反照率(Albedo)特征空间”来进行荒漠化信息遥感提取。荒漠化过程及其地表特性的变化能在Albedo-NDVI特征空间中得到明显直观的反映。在Albedo-NDVI特征空间中，可以利用植被指数和地表反照率的组合信息，通过选择反映荒漠化程度的合理指数，就可以将不同荒漠化土地有效地加以区分，从而实现荒漠化时空分布与动态变化的定量监测与研究。而这个问题的合理解决，实际上就是如何根据需要采用一定的综合指标来划分Albedo-NDVI特征空间。根据VerstraeteandPinty的研究结论，如果在代表荒漠化变化趋势的垂直方向上划分Albedo-NDVI特征空间，可以将不同的荒漠化土地有效地区分开来。而垂线方向在Albedo-NDVI特征空间的位置可以用特征空间中简单的二元线性多项式加以表达，即DDI=k*NDVI-Albedo，其中:DDI可称为荒漠化分级指数，k由特征空间中拟合的曲线斜率确定。4.4技术路线（图）流程说明：（1）数据获取（2）数据预处理包括数据定标处理、大气校正、几何配准、研究区域的裁剪。（3）信息提取根据前人研究的公式计算NDVI和Albedo。然后将结果进行归一化处理，保证数据的一致性。（4）计算NDVI和Albedo的定量关系这一步利用excel工具找到NDVI和Albedo数据间的量化关系。得到表达式Albedo=a*NDVI+b中a的值。（5）荒漠化差值指数的计算利用bandmath工具实现表达式：DDI=(-1/a)*NDVI-Albedo，得到荒漠化差值植被指数。（6）荒漠化分级信息的提取根据荒漠化差值植被指数就能进行荒漠化分级信息提取。有两种方法：一是通过设置分级阈值进行分级；另一是通过利用“自然间断点分级法”将DDI值进行分级。（7）制图输出将结果图输出。5.数据处理过程1.波段合成将数据中的b1、b2、...、b7等7个单波段数据合并为一个图像文件。操作步骤：选择file——savefileas——ENVIstandard，添加b1、b2、...、b7等7个单波段，并排好顺序，保存图像。图表17个单波段合成2.显示真彩色图像目的：分辨出不同色彩所对应的景物，便于确定彩色图像上相同区域各颜色所对应的景物。波段加权运算(包含R、G、B、NIR波段的数据)是常见的增强植被信息的方法，使用绿色和近红外波段加权运算。如下公式：Bandnew=a*Bgree+（1-a）*Bnir（a是权重值，取0~1）。使用ENVI下的Bandmath和layerstacking工具，利用TM影像合成真彩色图像。(1)打开包括R、G、B、NIR波段的TM影像。(2)选择Basictools-Bandmath，输入表达式：byte(b2*0.8+b4*0.2)，选择相应的波段执行运算。(3)在波段列表中，选择：R-红色波段，G-合成波段，B-蓝色波段显示，可以看到合成想效果。(4)Basictools-layerstacking，将相应三个波段组成一个三波段图像文件。图表2合成真彩色图像图表3真彩色图像——荒漠图表4真彩色图像——植被图表5真彩色图像——岩石图表6真彩色图像——城市3.标准假彩色合成土地荒漠化遥感信息提取是基于光谱特征的，在目前的监测研究中通常选用标准假彩色合成，即对于光谱波段的近红外通道、红光通道和绿光通道分别赋予红、绿、蓝三色。在这种合成方案中，植被是红色的（如图表8），因为人眼对红色最敏感，能分辨红色的色阶最多，对土地荒漠化信息的识别也最强。使用TM4、3、2合成影像进行土地荒漠化信息提取（如图表9），这种波段组合对植被生长状况反映最好，因为TM4反映不同荒漠化程度的土地上的植被特点，TM3波段反映沙质土壤的较高亮度和盐渍化土地的白化现象，TM2对植被的反射敏感能区分林型树种[1]。图表7合成假彩色图像图表8假彩色图像——植被图表9假彩色图像——荒漠4.监督分类(1)打开合成波段后的图像，选择Band5,4,3合成RGB在新窗口打开，此时显示的图像是模拟真彩色图像，可以结合之前步骤合成的真彩色图像及标准假彩色图像进行目视解译，分类图像各类物。(2)应用ROITools创建感兴趣区，每个不同类物分别用不同颜色选定区域，本小组结合项目研究目的，将地物分为植被，荒漠，其他三类，每类都在图像中较为均匀地选取感兴趣区。(3)在ROITools下的Options中选择ComputeROISeparability,观察数字大小，当两类地物对比值在1.8以下说明分界不清晰，需要重新进行选择，直到差值在1.8以上。(4)选择好感兴趣区后在窗口Classification下选择Supervised（监督分类），再选择监督分类方法中的MaximumLikelihood（最大似然法）(5)显示利用监督分类后形成的图像图表10创建感兴趣区图表11两类地物对比值图表12三种不同景物在图像上以不同颜色呈现图表13监督分类——荒漠（黄）图表14监督分类——植被（红），河流（浅蓝）6.结果与分析（1）利用红、绿、蓝以及近红外波段合成的真彩色图像，可以较为准确地区别大片下垫面的类型。在真彩色图像中，植被呈现绿色，荒漠呈现土黄色。这些颜色与地物的实际颜色都较为相符。大体区别了植被覆盖处与荒漠地区。（2）利用TM4、3、2波段合成了假彩色图像。在假彩色图像中，植被呈现醒目的红色，荒漠呈现较浅的黄色，这样可以更好地区别荒漠与植被，便于对土地荒漠化的观测。（3）使用监督分类方法，提取地物信息，将图像中的植被和荒漠信息能够突出对比显示出来，其中以红色代表植被信息，黄色代表荒漠信息，青色代表水体信息，其他地物类型信息均用蓝色表示，从而将不同地物信息用相应的颜色表示出来以便更加直观的展现图像。在本项目研究课题中，主体是荒漠以及植被，那么其他建筑物、岩石等地物类型就显得不那么重要了，在图像处理中就可将其归为一类，方便研究时对所研究事物的观测。（4）从图像上可以看出，宁夏省银川地区植被主要集中在有河流流经的城市及其周围地区。图像上大面积分布的荒漠化地区中，河流分布较少。另外，银川地区具有典型的大陆性气候，干旱少雨，气候干燥，年均蒸发量远远大于年均降雨量，干旱少雨直接制约着治沙造林成活率[3]。同时，银川地区属于干旱地区，土壤贫瘠，树木长势缓慢，成材时间较长，无法使其荒漠化得到较好的缓解，所以导致图像中看到大面积的荒漠化地区，而植被覆盖地区较少。7.结论通过遥感图像能够清楚的观测到土地荒漠化的面积范围，可以直观的了解土地沙漠化的趋势，有利于相关部门用不同年份的遥感图像进行连续观测可以知道土地荒漠化面积的变化，做好改善和防御工作从而合理治理土地荒漠化，改善环境。通过研究遥感图像对宁夏沙漠化的提取，让我们对遥感对数据的提取更加的熟悉，让我们知识面变得更加宽阔，对如何利用遥感技术监测土地荒漠化的技术有了一定的了解。通过自己处理TM图像，提高了对专业软件ENVI的操作熟练度，知道了对于植被信息该如何体现等这些具体的操作步骤。同时，增加了对遥感应用方面的知识，使我们对于遥感能研究的范围有了更深入的了解，便于今后本小组成员在专业方向上的选择。