HSV变换与监督分类结合的沙漠信息提取

作者：俞天琦; 郝媛媛^*; 白小明

来源：干旱区资源与环境, 2023, 37(12): 103-114.

DOI：10.13448/j.cnki.jalre.2023.284

• HSV变换
• 监督分类
• 沙漠信息提取
• 民勤盆地
• 干旱、半干旱区

沙漠化是全球干旱、半干旱地区土地退化的主要表现之一，而如何快速、高效、准确、大范围的提取沙漠信息一直是沙漠化研究领域的技术难点。文中以石羊河下游民勤盆地为研究区，以Landsat-8卫星影像为数据源，采用HSV色彩变换的光谱增强手段，探讨了HSV变换对沙质地表像元的影响，对比分析了6种监督分类方法(神经网络、支持向量、最大似然、马氏距离、平行六面体和最小距离)对于沙漠信息提取的效果和精度。结果表明：1)HSV变换降低了沙质地表像元在Red和NIR波段的辐射亮度值(分别为增强前的1.0%和29.8%)及其标准偏差(0.81%和19.7%),提高了SWIR 2波段的辐射亮度值(1.50倍)及其标准偏差(1.32倍);提高了沙质地表与其他土地之间的分离程度，增大了沙质地表与其他地表在光谱层面的差异。2)最小距离法在HSV变换前后均具有较高的精度(Kappa系数分别为0.9615和0.9627),且由于其方法简单、运算时间短，在研究区沙漠监测中具有较好的应用前景；HSV变换明显提高了平行六面体与最大似然法的精度，Kappa系数分别增加了0.5400和0.2048;HSV变换与神经网络法相结合是快速准确提取沙质地表信息的最优方法，Kappa系数可达0.9682。以上结论可以为今后沙漠信息提取与监测提供理论依据。

• 单位
  中国农业科学院农业资源与农业区划研究所; 草地农业生态系统国家重点实验室; 甘肃农业大学