土地退化的類型和土地類型
根據基於農戶的土地退化調查分析，衡山縣土地類型可分為川水地、溝壩、梯田、茅頂、茅坡、風沙土六大類，土地質量由高到低依次為川水地、溝壩、梯田、茅頂、茅頂。
表3-6土地退化類型和土地類型
繼續的
圖3-9土地退化信息提取技術流程圖
(B)劃分土地退化的光譜響應單元
本研究提出了土地退化光譜響應單元(DSRU)的概念。土地退化的光譜響應單元是指在遙感影像上反映的生態地理條件相對壹致、光譜特征相對同質的土地單元，具有相似的地形、植被、土壤特征和相似的光譜特征(松內維爾德，1989；Imeson等人，1995).因此，土地退化光譜響應單元的劃分不僅基於地形、土壤和植被的空間信息，還基於土地退化類型遙感圖像的光譜信息，並在其中使用了圖像分割方法。
在土地退化光譜響應單元的劃分中，最初參與圖像分割的數據層包括高光譜圖像的PCA1至PCA9、地形因子(高程和坡度)、植被因子(植被指數MCARI)、土壤特性和土地利用層等。* *輸入13柵格圖層和1專題圖層進行輔助分類。有關分段中涉及的圖層及其權重，請參見。PCA1到PCA9是通過主成分變換從Hyperion數據生成的。由於後續數據的信噪比較差，所以只取前9個Hyperion高光譜數據的主成分分量。坡度和坡向數據由DEM生成，土壤層由有機質預測圖組成，專題層由TM解譯的土地利用圖組成，植被層由高光譜植被指數組成，高光譜植被指數由ENVI中的波段運算得到，即修正的葉綠素吸收反射率指數M CARI (Kim等，1994；Daughtry等人，2000)，計算公式如下:
退化荒地遙感信息提取研究
表3-7參與分割的圖層及其權重
多尺度分割是面向對象分類方法的第壹步，是自下而上將像素合並成小多邊形(圖像對象)的過程。以這個小多邊形作為分類的最小單位，每個多邊形內部不細分，這是面向對象分類方法的基礎。多尺度分割的意義主要在於，圖像對象(多邊形)除了簡單的光譜信息外，還包含了比單個像素更多的可用於分類的附加屬性。因為它是像素的集合，所以具有單個像素不具備的統計特征(如均值、最大值、方差等。).以及形狀、紋理等壹系列可以在多級圖像對象網絡結構上操作的相互關聯的上下文信息(鄰居是同壹級別的對象，超對象和子對象是不同級別的對象，不同級別的圖像對象組成的三維互聯網絡結構來自於這個網絡結構)，為分類提供了分析手段。
任何特定的分類任務都有特定的規模。圖像對象的分割只能在合適的尺度上為分類提供有意義的上下文信息，“多分辨率分割”使得將圖像對象分割到合適的尺度上成為可能。與單個像素相比，相似圖像對象的信噪比顯著增強，分類的魯棒性增強，不依賴過多的附加信息(分類結果更加穩定和魯棒)；另外，在分割過程中，大大減少了分類過程中需要處理的單元數量，以像素為對象，化部分為整體，提高了效率。這裏使用的多尺度分割是從單個像素開始的自下而上(即數據驅動)的區域合並技術。在自下而上的方法中，分割是基於壹系列的統計方法和參數來處理整個場景圖像。所采用的約束參數具有最小的不均勻性，即在圖像分割過程中，像素的合並從任意壹個像素開始，將單個像素合並成較小的圖像對象，然後將較小的圖像對象合並成較大的圖像對象。當超過異質性參數時，不再進行像素合並，以達到給定分割尺度域值的整幅圖像中所有圖像對象的平均異質性最小(De Jong et al .，2007)。
本研究進行了相似像素尺度分割和其他四種尺度分割，DSRU是系統中最小的圖像分割單元。比例尺1代表相似像素比例尺，其他四種比例尺分別是比例尺25(小比例尺)、比例尺50(中比例尺)、比例尺100(中比例尺)和比例尺200(大比例尺)，從小到大代表圖像分割單元DSRU。對圖像進行像素分割，依次為相似像素尺度、尺度25、尺度50、尺度100、尺度200。不同尺度的分割結果和參數見表3-8。土地利用圖作為專題圖層也參與分割。專題層在分割中的意義在於“專題層中任何圖像都不能跨越多邊形的邊界，相當於扮演了壹個超級物體的角色”。因此，只有多邊形專題圖層可以參與分割，而點圖層和線圖層沒有影響。
表3-8不同的分段參數
本研究基於分割所涉及的圖層及其權重，即土地退化監測指標的不同權重，設計不同的指標組合作為圖像分割和圖像分類的輸入圖層，通過比較不同的分類結果，確定土地退化監測指標的最佳組合。用於圖像分割的8個數據層的組合和權重見表3-9。
表3-9圖像分割的八個數據層組合和權重
繼續的
(三)土地類型的初步分類
根據Hyperion影像的顏色(RGB是Hyperion數據的第壹、第二、第三分量)，使用最近分類器選擇訓練樣本，將多尺度劃分的DSRU影像對象分為以下幾類:紅色(雲)、藍黑色(雲影)、綠色(無退化地)、淺藍色(溝壩地和坡地)、淡粉色(坡地)。在eCognition中，可以連續指定訓練樣本，直到獲得滿意的分類結果。實際上，監督分類的改進叠代方法會導致多維特征空間中類別分布的不同邊界。因此，先確定幾個樣本，然後逐步添加必要的樣本，是壹種非常有效的分類方法。
土地類型的二級分類
上述七種土地類型的初步分類進壹步細分。“淺藍”類進壹步細分為溝壩地和梁峁坡，“淡粉色”類進壹步細分為坡頂和沙地，“綠色”(無退化土地)類進壹步細分為溝壩地和川水地。分類中引入隸屬函數分類器，利用DEM、坡度、植被指數等數據輔助分類，分類基於多源影像的光譜信息、形狀信息、紋理信息和相鄰關系信息。根據野外調查、影像目視解譯以及土地退化類型和土地類型的地學知識，確定隸屬函數分類器的相關指標閾值。具體決策功能如下:
“淺藍”類別進壹步細分的指標閾值:堤田為1040 <高程< 1160或MCARI > 0.05，坡度< 8，坡耕地為堤田以外的對象；“淡粉色”類別的進壹步細分標準:梁頂(黃土丘陵)為mcari >-0.3，沙地為mcari 0.3。
㈤土地退化評估
根據入戶調查和實地調查，非退化土地包括四川水域和溝壩地，屬於優質土地，梯田屬於輕度退化土地，梁茂頂屬於中度退化土地，沙地和坡耕地屬於高度退化土地。溝壩地、梁峁頂地和坡耕地按其退化程度進壹步細分為三級。基於野外調查、影像目視解譯、土地退化類型和土地類型的地學知識，確定了隸屬函數分類器的植被指數和有機質指數閾值，具體判斷函數如下:
堤田指標閾值:壹級地(dike_1)為0。09 < mcari < 2，二等地(dike_2)為0。05 < mcari < 0.09，三等地(dike _3)為-65438。黃土丘陵區_1的指數閾值為3。98 <有機質指數< 4，slope_2為3。75 <有機物指數< 3。95，而slope _ 3是3) 3。黃土丘陵頂的指標閾值:壹級地(top_1)為0 < mCARI < 2或有機質指數> 4.0，三級地(top_3)為-1 < mCARI