服务于土壤系统分类的土系调查的景观类型解译方法研究
遥感技术在有关土壤调查中有非常广泛的应用。但极少关于服务于土系分类的景观解译方法研究。在本文中，主要是对两种方法进行研究。一种是基于决策树分类的“高程－坡度－土地利用类型法”制图 一种是利用监督分类与高程坡度信息相结合而成的景观解译方法。相比较传统方法而言。两种方法在土系调查过程中能够起到提高精度，效率，节省人力的作用。比较而言，这两种方法也是在实际应用中各有利弊。在调查路线和剖面点设置上可以结合实际情况进行选择。
目录
摘要1
关键词1
Abstract1
Key words1
引言1
1研究方案2
1.1 研究目的与意义2
1.2研究方法 2
1.2.1高程数据处理2
1.2.2资源三号卫星数据处理 2
1.2.3 LANDSAT卫星数据处理3
1.2.4技术路线3
1.3 研究区概况3
1.4数据来源3
1.4.1资源三号卫星影像数据3
1.4.2 Landsat8 卫星影像数据3
2结果与分析4
2.1 Landsat卫星影像监督分类在土系调查中的应用 4
2.1.1 Landsat卫星影像监督分类解译方法 4
2.1.2在调查路线选择中的应用4
2.1.3在剖面点设置中的应用5
2.2“高程－坡度－土地利用类型法”制图5
2.2.1 “高程－坡度－土地利用类型法”制图方法 5
2.2.2在调查路线选择中的应用6
2.2.3在剖面点设置中的应用6
3讨论 6
3.1服务于调查路线选择的景观解译 6
3.2 服务于剖面点设置的景观解译7
3.3 不足与展望7
致谢7
参考文献8
图1 监督分类结果图4
图2.监督分类后调查路线图5
图3 “高程－坡度－土地利用类型”景观分类图6
图4“高程－坡度－土地利用类型”方法所得调查路线图6
图5土系调查剖面点
*好棒文|www.hbsrm.com +Q: *351916072*
设置6
服务于土壤系统分类的土系调查的景观类型解译方法研究
引言
中国在土壤系统分类这一方面的研究开始的比较晚。自80年代起国内对于土壤系统分类取得很多成果[1~3]，比如土壤发生分类图，以及基于中国土壤系统分类的土壤图 [4]，但那是1：1200万的，而且是从土壤发生分类的土壤图而来，并不是直接根据土壤系统分类制成编制过来的。而对于土系作为土壤系统分类最小的单元，土系的研究能够为，全球变化、资源、环境、生态等研究提供一个突破口，事实上土壤与景观存在着一种大致的对应关系[6]。景观要素是对土壤性质起一种指示或者说是推动作用，不同土系是地形、水分，生物等要素随时空变化的结果[8]。在美国土壤－景观关系模型是土壤调查的基本方法[9]，借助景观变异的特点可以有效地来帮助土系调查的进行。
虽然就现在而言国内外确实存在一些关于景观与土系分类之间关系的研究[7,9~11]，近 些年也有在景观理论的基础上进行土系制图的研究，但这些都是在大量调查数据和原本就存在土壤图的基础上进行的[12,13]。事实上，如前述，国内土壤系统分类详图基本没有，而在土系数据缺失和土壤系统分类图不够准确的情况下，难以土系预测制图。
以及，遥感（RS）和地理信息系统（GIS）技术可以帮助我们以更方便快捷效率更高的方法获得所需区域的景观信息。就中国的发展来说，中国从50年代初开始应用航片技术来进行土壤调查制图，直至80年代，有一部分地方已开始采用GIS技术进行有关土壤方面的研究[14]；近些年国内外也有一些关于以遥感和地理信息系统技术为主来辅助土壤调查的研究，大部分是是针对其他土壤分类单元以及中小比例尺的研究。而且并极少涉及到土系调查的研究，对于服务于土系分类的景观解译方法的研究更是少之又少。
针对这一方面，有研究者提出进行高程－坡度－土地利用类型”的景观分类图[15]。基于此，本研究以小区域为例，利用卫星数据进行景观解译，并对此方法与其他解译方法对比研究。利用LANDSAT 8 卫星数据，和数字高程模型（DEM）数据，以RS技术进行景观解译，生成土地利用类型图并与“高程－坡度－土地利用类型”的景观分类图在调查路线确定，剖面点确定等方面进行比较，结合景观解译结果，对大比例尺土系调查方法进行探讨，并实地调查进行验证，以期为土系调查研究提供参考。
1 研究方案
1.1 研究目的与意义
30年来，我国的土壤调查研究取得了许多的成果。但是在土系这一分类的研究还不够完善。特别在土系调查研究方面还比较薄弱。近几年有研究者陆续针对土系调查提出了服务于土壤系统分类的土系调查方法相关研究。但鲜有涉及服务于土壤系统分类的景观解译方法的研究，大多还使用传统方法进行土系调查研究。因此，我们有必要在之前已有的研究“高程－坡度－土地利用类型”景观分类的基础上进一步研究景观解译方法。通过对两种方法的比较，为今后的土系调查景观解译方法选择提供一定帮助。
1.2研究方法
1.2.1 高程数据处理 提取地形图高程信息并形成数字高程模型（DEM），通过 DEM 分析该区域坡度、高程等与土壤类型及土壤特性变化的关系。
1.2.2 资源三号卫星数据处理 利用ENVI软件对影像资料进行分类。先对资源三号卫星原始影像资料进行预处理。在ENVI 中对多光谱波段影像与全色波段影像进行裁剪、融合。融合中使用GramSchmidt方法进行。使得的融合后的图像兼具多光谱征与较高的空间分辨率特性。在卫星传感器拍摄影像时，会受到大气成份影响，如大气分子、气溶胶和云粒子。使目标地物成像信息收到干扰和影响，从而导致数据预处理之后图像的精度达不到我们所进行的分析的要求。为了提高精度，消除图像收到的这一部分影响。选用FLAASH模型来进行大气校正处理。ENVI中大气校正模型FLAASH，是高光谱辐射能量影像反射率反演的首选大气校正模型。FLAASH能够精确补偿大气影响，可见光至近红外及短波红外都是其使用的波长范围，最大波长为3μm[16]。其它的大气校正模型是基于查找表、利用插值方法计算的计算方法，而此次选用的模型是直接移植了modtran4中的辐射传输计算方法。利用FLAASH模型能够方便精确地进行校正。
采用决策树分类法。相比于其他的分类方法如监督分类或非监督分类，决策树分类法，不仅具有具有良好的稳定性，精度高等特点。而且能融入除影像资料以外的数据如归一化差异植被指数（NDVI），数字高程模型（DEM）差值植被指数（DVI）进行研究。从而弥补了资源三号卫星仅具有四个波段导致的光谱分辨率较低的缺点。此次进行综合分析研究区的地形地貌特点以及分析比较各种植被指数的的同时，引入上述三种数据进行研究，以其达到使用分类规则提高分类精度的效果，从而帮助我得到精度较高的土地利用类型图。
目录
摘要1
关键词1
Abstract1
Key words1
引言1
1研究方案2
1.1 研究目的与意义2
1.2研究方法 2
1.2.1高程数据处理2
1.2.2资源三号卫星数据处理 2
1.2.3 LANDSAT卫星数据处理3
1.2.4技术路线3
1.3 研究区概况3
1.4数据来源3
1.4.1资源三号卫星影像数据3
1.4.2 Landsat8 卫星影像数据3
2结果与分析4
2.1 Landsat卫星影像监督分类在土系调查中的应用 4
2.1.1 Landsat卫星影像监督分类解译方法 4
2.1.2在调查路线选择中的应用4
2.1.3在剖面点设置中的应用5
2.2“高程－坡度－土地利用类型法”制图5
2.2.1 “高程－坡度－土地利用类型法”制图方法 5
2.2.2在调查路线选择中的应用6
2.2.3在剖面点设置中的应用6
3讨论 6
3.1服务于调查路线选择的景观解译 6
3.2 服务于剖面点设置的景观解译7
3.3 不足与展望7
致谢7
参考文献8
图1 监督分类结果图4
图2.监督分类后调查路线图5
图3 “高程－坡度－土地利用类型”景观分类图6
图4“高程－坡度－土地利用类型”方法所得调查路线图6
图5土系调查剖面点
*好棒文|www.hbsrm.com +Q: *351916072*
设置6
服务于土壤系统分类的土系调查的景观类型解译方法研究
引言
中国在土壤系统分类这一方面的研究开始的比较晚。自80年代起国内对于土壤系统分类取得很多成果[1~3]，比如土壤发生分类图，以及基于中国土壤系统分类的土壤图 [4]，但那是1：1200万的，而且是从土壤发生分类的土壤图而来，并不是直接根据土壤系统分类制成编制过来的。而对于土系作为土壤系统分类最小的单元，土系的研究能够为，全球变化、资源、环境、生态等研究提供一个突破口，事实上土壤与景观存在着一种大致的对应关系[6]。景观要素是对土壤性质起一种指示或者说是推动作用，不同土系是地形、水分，生物等要素随时空变化的结果[8]。在美国土壤－景观关系模型是土壤调查的基本方法[9]，借助景观变异的特点可以有效地来帮助土系调查的进行。
虽然就现在而言国内外确实存在一些关于景观与土系分类之间关系的研究[7,9~11]，近 些年也有在景观理论的基础上进行土系制图的研究，但这些都是在大量调查数据和原本就存在土壤图的基础上进行的[12,13]。事实上，如前述，国内土壤系统分类详图基本没有，而在土系数据缺失和土壤系统分类图不够准确的情况下，难以土系预测制图。
以及，遥感（RS）和地理信息系统（GIS）技术可以帮助我们以更方便快捷效率更高的方法获得所需区域的景观信息。就中国的发展来说，中国从50年代初开始应用航片技术来进行土壤调查制图，直至80年代，有一部分地方已开始采用GIS技术进行有关土壤方面的研究[14]；近些年国内外也有一些关于以遥感和地理信息系统技术为主来辅助土壤调查的研究，大部分是是针对其他土壤分类单元以及中小比例尺的研究。而且并极少涉及到土系调查的研究，对于服务于土系分类的景观解译方法的研究更是少之又少。
针对这一方面，有研究者提出进行高程－坡度－土地利用类型”的景观分类图[15]。基于此，本研究以小区域为例，利用卫星数据进行景观解译，并对此方法与其他解译方法对比研究。利用LANDSAT 8 卫星数据，和数字高程模型（DEM）数据，以RS技术进行景观解译，生成土地利用类型图并与“高程－坡度－土地利用类型”的景观分类图在调查路线确定，剖面点确定等方面进行比较，结合景观解译结果，对大比例尺土系调查方法进行探讨，并实地调查进行验证，以期为土系调查研究提供参考。
1 研究方案
1.1 研究目的与意义
30年来，我国的土壤调查研究取得了许多的成果。但是在土系这一分类的研究还不够完善。特别在土系调查研究方面还比较薄弱。近几年有研究者陆续针对土系调查提出了服务于土壤系统分类的土系调查方法相关研究。但鲜有涉及服务于土壤系统分类的景观解译方法的研究，大多还使用传统方法进行土系调查研究。因此，我们有必要在之前已有的研究“高程－坡度－土地利用类型”景观分类的基础上进一步研究景观解译方法。通过对两种方法的比较，为今后的土系调查景观解译方法选择提供一定帮助。
1.2研究方法
1.2.1 高程数据处理 提取地形图高程信息并形成数字高程模型（DEM），通过 DEM 分析该区域坡度、高程等与土壤类型及土壤特性变化的关系。
1.2.2 资源三号卫星数据处理 利用ENVI软件对影像资料进行分类。先对资源三号卫星原始影像资料进行预处理。在ENVI 中对多光谱波段影像与全色波段影像进行裁剪、融合。融合中使用GramSchmidt方法进行。使得的融合后的图像兼具多光谱征与较高的空间分辨率特性。在卫星传感器拍摄影像时，会受到大气成份影响，如大气分子、气溶胶和云粒子。使目标地物成像信息收到干扰和影响，从而导致数据预处理之后图像的精度达不到我们所进行的分析的要求。为了提高精度，消除图像收到的这一部分影响。选用FLAASH模型来进行大气校正处理。ENVI中大气校正模型FLAASH，是高光谱辐射能量影像反射率反演的首选大气校正模型。FLAASH能够精确补偿大气影响，可见光至近红外及短波红外都是其使用的波长范围，最大波长为3μm[16]。其它的大气校正模型是基于查找表、利用插值方法计算的计算方法，而此次选用的模型是直接移植了modtran4中的辐射传输计算方法。利用FLAASH模型能够方便精确地进行校正。
采用决策树分类法。相比于其他的分类方法如监督分类或非监督分类，决策树分类法，不仅具有具有良好的稳定性，精度高等特点。而且能融入除影像资料以外的数据如归一化差异植被指数（NDVI），数字高程模型（DEM）差值植被指数（DVI）进行研究。从而弥补了资源三号卫星仅具有四个波段导致的光谱分辨率较低的缺点。此次进行综合分析研究区的地形地貌特点以及分析比较各种植被指数的的同时，引入上述三种数据进行研究，以其达到使用分类规则提高分类精度的效果，从而帮助我得到精度较高的土地利用类型图。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/hxycl/hxyhj/257.html
