雅鲁藏布江中部流域土地沙化遥感识别

作     者：詹琪琪 赵伟 杨梦娇 付浩 李昕娟 熊东红 ZHAN Qiqi;ZHAO Wei;YANG Mengjiao;FU Hao;LI Xinjuan;XIONG Donghong

作者机构：中国科学院、水利部成都山地灾害与环境研究所成都610041 中国科学院大学北京100049 成都理工大学地球科学院学院成都610059 

出 版 物：《地球信息科学学报》 (Journal of Geo-information Science)

年 卷 期：2022年第24卷第2期

页      面：391-404页

核心收录：

学科分类：083002[工学-环境工程] 0830[工学-环境科学与工程（可授工学、理学、农学学位）] 081802[工学-地球探测与信息技术] 08[工学] 0818[工学-地质资源与地质工程] 081602[工学-摄影测量与遥感] 0816[工学-测绘科学与技术] 

基　　金：第二次青藏高原综合科学考察研究(2019QZKK0404) 国家自然科学基金项目(42071349) 四川省科技计划资助(2020JDJQ0003) 中国科学院“西部之光”西部青年学者A类(2016333) 

主　　题：土地沙化 Landsat 遥感分类 空间分布特征 雅鲁藏布江中游 面向对象分类 GEE 方法比较 

摘      要：雅鲁藏布江中部流域长期遭受土地沙化侵蚀,采取有效手段进行沙化土地信息快速识别,跟踪土地沙化现状和动态发展,是土地沙化防治的基本前提。遥感数据因其快速、大范围、高精度监测等特点已被广泛应用于土地沙化监测。为降低该区域沙化土地破碎化分布特征以及广泛分布的稀疏植被地表对沙化土地遥感识别带来的不确定性,本文利用Google Earth Engine平台获取2019年秋季雅鲁藏布江中部流域Landsat无云遥感影像,基于面向对象的分类思想,充分提取沙化土地的光谱、几何和地形特征,根据不同的分类器构建4种分类方案,包括单一分类器(支持向量机、决策树、最近邻)分类以及组合分类法分类,提取雅江中游河谷地区沙化土地信息并验证不同方案的提取精度。结果表明:①利用面向对象组合分类模型提取的沙化土地信息效果最佳,总体精度高达91.38%,Kappa系数为0.82;②相较于采用单一分类器(支持向量机、最近邻和决策树分类)的面向对象分类方法,组合分类模型能更有效地识别破碎化的小面积沙化土地,降低沙化土地与稀疏植被地表的混淆情况,提高分类可靠性;③基于面向对象组合分类模型反演得到雅鲁藏布江中部流域2019年沙化土地分布信息,土地沙化面积达299.61 km^(2),总体上呈现沿河谷的带状不连续分布,且集中分布于河流北岸以及靠近河道的阳坡、低海拔地区。本研究可为土地沙化遥感监测提供新思路,其应用可服务于雅鲁藏布江中部流域土地沙化预防和治理工作。