本发明专利技术公开了一种土壤侵蚀植被覆盖-管理因子的遥感估算方法，其实施步骤如下：1)将遥感图像进行分类得到多种地类；根据地类的空间异质性及随时间变化特征，将所述地类分成三组；2)采用遥感分类法获取第一组地类和第二组地类的植被覆盖-管理因子；3)将遥感图像进行线性光谱混合像元分解，得到绿色植被分量图、土壤分量图和阴影/水分量图；通过C＝F土壤/(1+F绿色植被+F阴影)计算得到第三组地类的植被覆盖-管理因子，其中，F土壤为土壤分量，F绿色植被为绿色植被分量，F阴影为阴影/水分量；4)将各个地类的植被覆盖-管理因子进行综合得到所有地物的土壤侵蚀植被覆盖-管理因子。本发明专利技术具有估算结果合理、通用性强的优点。
【技术实现步骤摘要】
本专利技术涉及水土流失风险评估领域，具体涉及一种适用于。
技术介绍
水土流失是指由于水的侵蚀或者风力的作用使得土壤迁出土体，导致地力下降、 严重的甚至完全失去地力。古巴比伦国的消亡就是因为水土流失、环境破坏而导致的。美国在1930年代初，也发生了严重的水土流失。然而，政府、社会各阶层和民众都十分重视， 采取强有力的水土保持措施，已经很好地控制了水土流失。我国的水土流失现象十分严重。 黄河流域是最明显的例子，巨大的泥沙从戈壁、草原、黄土高原随着河水流入黄海。南方长江流域的水土流失同样极为严重。水土流失不仅破坏地力，而且污染环境。目前我国大多水体存在的富营养化在很大程度上就是水土流失的造成的另一恶果。因此，我国的大多数地方都急需进行水土流失治理。然而，要治理水土流失，我们必须明确水土流失的范围和程度。这样，才能有针对性地进行有效的水土流失治理。美国在1930年代初发生严重的水土流失之后，成立了土壤保持局和水土保持国家实验室，开展了大量、细致的研究工作。经过30多年的努力，在1965年，得出了著名的通用水土流失方程(Universal Soil Loss Equation, USLE)。在此基础上,又经过近三十年的努力，获得了修订通用水土流失方程(Modified Universal Soil Loss Equation, MUSLE) 和修正通用水土流失方程(Revised Universal Soil Loss Equation,RUSLE)。目前，国际上大多采用RUSLE来计算年均土壤流失量，其由六个因子决定a = rxkxlsxcxp其中，A为年均土壤流失量估算值(t ha_1yr_1)，R为降雨侵蚀力(MJ mm ha—Yyr—lK为土壤可蚀性因子(t ha h Im1Mr1mm O，LS为坡长与坡度结合量(无量纲)， C为植被覆盖-管理因子(无量纲)，P是水土保持措施因子(无量纲)。根据以上公式，土壤侵蚀量由气候(降雨)、土壤、地形、植被和土地利用/覆盖等因子共同作用决定的。其中，降雨、土壤和地形因子受自然条件影响，不同时期变化不大。而植被覆盖和土地利用等因子受人类活动影响，是易于变化但又是具有重要作用、影响极大的因子。目前在小范围或者局部田块，可以通过田间实测获得C因子值。大区域、大范围的则一般需要遥感信息来获取，常用方法主要有三种1)遥感分类法通过遥感图像进行土地利用/覆盖分类，赋予每类土地一个C因子值。该方法简单易行，但由于每个地类的C因子值是统一的，无法体现地类内C因子的空间异质性；2)植被指数法利用遥感图像计算归一化植被指数(Normalized Difference Vegetation Index,NDVI)来确定 C 因子值。由于 NDVI对红光和红外光敏感，故对新鲜的生物质有良好的相关性，但对表面覆盖物(包括非新鲜的生物质(如枯枝)和植物残渣等)则敏感性不高；3)混合像元分解法利用遥感图像的混合像元分解技术获取地物的主要光谱组份，从而确定地物的C因子值。该方法已被证实优于植被指数法。然而，地表植被覆盖具有强烈的季节变化特性，而遥感图像获取的只是瞬间的地表信息。根据单期遥感图像的遥感指数法或是混合像元分解法计算所得C因子值在较多情况下不能代表RUSLE公式中的C因子值，通常需要利用一年内不同时期的多期光学遥感图像来综合计算C因子。然而，对多云雨地区(例如，我国南方地区)，一般很难获得多期的无云遮盖的光学遥感图像。这就极大地限制了以上方法在我国南方地区的应用。
技术实现思路
本专利技术所要解决的技术问题是提供一种能够实现土壤侵蚀植被覆盖-管理因子估算，能够适用于多云雨地区和大范围的水土流失估算，具有估算结果合理准确、通用性好的。为解决上述技术问题，本专利技术采用的技术方案如下一种，其实施步骤如下I)将遥感图像进行土地利用/覆盖类别划分得到多种地类；将所述地类进行分类，得到空间异质性小、季节变化小、年际变化小的第一组地类，空间异质性小、季节变化大、年际变化小的第二组地类，空间异质性大、季节变化小、年际变化大的第三组地类；2)采用遥感分类法获取第一组地类和第二组地类中每一个地类的植被覆盖-管理因子；3)将遥感图像进行线性光谱混合像元分解，得到绿色植被分量图、土壤分量图和阴影/水分量图；通过0 = ±1/(1+ 纟《^#+ _^计算得到第三组地类的植被覆盖-管理因子^中”^^为土壤分量^^^为绿色植被分量”—为阴影/水分量；4)将各个地类的植被覆盖-管理因子进行综合得到遥感图像的植被覆盖-管理因子。作为本专利技术上述技术方案的进一步改进所述步骤4)中将遥感图像进行线性光谱混合像元分解的详细步骤包括A)采用主成分分析、最大噪声比变换或者奇异值分解对遥感图像进行数据降维；B)选择端元模型，根据所述端元模型确定端元的数量和光谱；C)根据所述端元的数量和光谱对数据降维后的遥感图像进行反演得到绿色植被分量图、土壤分量图和阴影/水分量图。所述步骤C)中对数据降维后的遥感图像采用全约束最小二乘法进行反演，所述全约束最小二乘法的模型为权利要求1.一种，其特征在于其实施步骤如下 D将遥感图像进行土地利用/覆盖类别划分得到多种地类；将所述地类进行分类，得到空间异质性小、季节变化小、年际变化小的第一组地类，空间异质性小、季节变化大、年际变化小的第二组地类，空间异质性大、季节变化小、年际变化大的第三组地类；.2)采用遥感分类法获取第一组地类和第二组地类中每一个地类的植被覆盖-管理因子;.3)将遥感图像进行线性光谱混合像元分解，得到绿色植被分量图、土壤分量图和阴影 /水分量图；通过2.根据权利要求I所述的，其特征在于 所述步骤4)中将遥感图像进行线性光谱混合像元分解的详细步骤包括A)采用主成分分析、最大噪声比变换或者奇异值分解对遥感图像进行数据降维；B)选择端元模型，根据所述端元模型确定端元的数量和光谱；C)根据所述端元的数量和光谱对数据降维后的遥感图像进行反演得到绿色植被分量图、土壤分量图和阴影/水分量图。3.根据权利要求2所述的，其特征在于 所述步骤C)中对数据降维后的遥感图像采用全约束最小二乘法进行反演，所述全约束最小二乘法的模型为4.根据权利要求I或2或3所述的，其特征在于所述多种地类包括密林地、建设用地、水体、水田、旱地、疏林地、园地、裸土地八种地类；所述第一组地类包括密林地、建设用地、水体；所述第二组地类包括水田、旱地；所述第三组地类包括疏林地、园地、裸土地。全文摘要本专利技术公开了一种，其实施步骤如下1)将遥感图像进行分类得到多种地类；根据地类的空间异质性及随时间变化特征，将所述地类分成三组；2)采用遥感分类法获取第一组地类和第二组地类的植被覆盖-管理因子；3)将遥感图像进行线性光谱混合像元分解，得到绿色植被分量图、土壤分量图和阴影/水分量图；通过C＝F土壤/(1+F绿色植被+F阴影)计算得到第三组地类的植被覆盖-管理因子，其中，F土壤为土壤分量，F绿色植被为绿色植被分量，F阴影为阴影/水分量；4)将各个地类的植被覆盖-管理因子进行综合得到所有地物的土壤侵蚀植被覆盖-管理因子。本专利技术具有估算结果合理、通用性强的优点。文档编号G06T7/00GK102592056SQ20121001210公开日2012年7本文档来自技高网...
【技术保护点】
【技术特征摘要】
【专利技术属性】
技术研发人员：吴嘉平，江振蓝，苏世亮，
申请(专利权)人：浙江大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。