。712 北京科技大学学报 2006年第8期 线在步长大于13个像素时才趋于平稳. 为逻辑与运算符.这一过程可以在ENVI软件中 完成，结果将得到包括海滩和内陆荒漠的图像从 3 结果与分析 而将研究的重点集中在如何区分海滩沙地和内陆 为了将注意力集中在沙地（海滩沙地和内陆 荒漠地以及荒漠化土地分级上来 荒漠化土地)研究上，首先我们对非沙地类型进行 3.1研究变量选择 掩膜处理，在非沙地类型中，只有废弃耕地和矿山 为了突出几种不同类型沙地的光谱和形态特 等少数地物的光谱反射特性在可见光波度可能与 征，并减少用于纹理分析的变量，需要首先对TM 沙地具有相似性，但可以利用红外波段(7波段) 6个波段进行主成分分析. 的反射值及植被指数值加以区分7,1g.在处理过 由于主成分的选择直接牵涉到后续纹理计算 程中分三次查询运算和一次逻辑运算来实现。具 的效果，以交叉变异函数17×17窗口为例，取海 体计算过程如下： 滩沙地，内陆荒漠地和轻度荒漠地三种类别的半 非沙地(1)=C<RGB彩色合成图像中的光 变异函数值进行分析，对比了两种主成分分析方 谱反射特性值C, 法的优劣：一种是直接对6个波段求取第一和第 非沙地(2)=R,<红外波段图像中的光谱反 二主成分：另一种是特征主成分分析方法1！.该 射特性值<R, 方法将6个波段分成两组：第一组为可见光波段 非沙地(3)=N<改进型土壤调节植被指数 (TM1,2,3):第二组为红外波段(TM4,5,7),随 (MSAVIK<N 后，求出每一组最有代表性的主成分. 非沙地=非沙地(1)and非沙地(2)and非沙 从图5可以看出，使用特征主成分分析方法 地(3). 两种类型地物特征差异更为明显，因此对两幅图 其中，C,C,R,R,N,和N1分别代表不同图像 像采用特征主成分分析，以可见光波段组的第一 中非沙地光谱反射特性值的最小与最大值；and 主成分（记为P℃1）和红外波段组的第一主成分 (a)特征主成分交叉变异函数 150[(间六波段主成分交叉变异函数 40 严重荒漠地 严重荒漠地 海滩沙地 0 海滩沙地。一·一、 潜在荒漠地 5 9 13 13 9 公 步长 步长 图5两种主成分交叉变异元分析方法对比 Fig.5 Comparison of two principle component analyses (记为PC2)作为纹理计算的基础. 影像，而(b)和(d则分别为两个时期5X5窗口的 3.2纹理波段求取 PC1和PC2的方向变异函数纹理波段和二者的 对三个不同时期的影像.分别采用3×3.5× 交叉变异函数纹理波段合成的影像.从图中可以 5和77窗口来计算PC1和PC2的变异函数纹 看到：()中的内陆中心的亮白色与沿海的亮白色 理波段，计算的单变量和多变量变异函数包括方 无法分离，而对应的(b)中将它们分离成了三种不 向变异函数()、绝对变异函数(M)、虚拟变异函 同的灰阶，很好地实现了海滩沙地与荒漠地的分 数(PV)和交叉变异函数(CV),结果将采用步长 离：（©中不同的荒漠化程度很难从这些几乎完全 为1个像素(30m)在4个方向(NS,E-W,N45E 相同的亮白色中分离出来，而用纹理波段合成的 和N45W)的平均值. (d山则将它们分离成了四种不同的灰阶，分别对应 从每幅影像我们将计算得到18个纹理波段， 不同程度的荒漠化 即三种不同窗口下PC1和PC2的各两个单变量 3.3精度分析 (V和M)变异函数纹理波段，以及它们的两个多 采用最大似然分类法进行分类.由于强调的 变量变异函数(CV和PV)变异函数纹理波段.图 重点不同，1986年影像拟分为三类即极重度荒 6中列出的4幅图中，(a)和(c)分别为截取的 漠化、重度荒漠化和其他（包括海滩沙地）；而 1986年和1999年TM4.3.2波段合成的假彩色 1999年和2001年影像拟分为5类，即极重度荒线在步长大于 13 个像素时才趋于平稳 . 3 结果与分析 为了将注意力集中在沙地(海滩沙地和内陆 荒漠化土地)研究上, 首先我们对非沙地类型进行 掩膜处理, 在非沙地类型中, 只有废弃耕地和矿山 等少数地物的光谱反射特性在可见光波度可能与 沙地具有相似性, 但可以利用红外波段( 7 波段) 的反射值及植被指数值加以区分[ 7, 10] .在处理过 程中分三次查询运算和一次逻辑运算来实现, 具 体计算过程如下 : 非沙地( 1) =Cs <RGB 彩色合成图像中的光 谱反射特性值<Cl , 非沙地( 2) =R s <红外波段图像中的光谱反 射特性值 <R l, 非沙地( 3) =N s <改进型土壤调节植被指数 (MSAVI) <N l, 非沙地=非沙地( 1) and 非沙地( 2) and 非沙 地( 3) . 其中, Cs, Cl, R s, R l, Ns 和 N l 分别代表不同图像 中非沙地光谱反射特性值的最小与最大值;and 为逻辑与运算符 .这一过程可以在 ENVI 软件中 完成, 结果将得到包括海滩和内陆荒漠的图像, 从 而将研究的重点集中在如何区分海滩沙地和内陆 荒漠地以及荒漠化土地分级上来. 3.1 研究变量选择 为了突出几种不同类型沙地的光谱和形态特 征, 并减少用于纹理分析的变量, 需要首先对 TM 6 个波段进行主成分分析. 由于主成分的选择直接牵涉到后续纹理计算 的效果, 以交叉变异函数 17 ×17 窗口为例, 取海 滩沙地, 内陆荒漠地和轻度荒漠地三种类别的半 变异函数值进行分析, 对比了两种主成分分析方 法的优劣 :一种是直接对 6 个波段求取第一和第 二主成分;另一种是特征主成分分析方法[ 11] .该 方法将 6 个波段分成两组 :第一组为可见光波段 ( TM1, 2, 3) ;第二组为红外波段( TM4, 5, 7), 随 后, 求出每一组最有代表性的主成分. 从图 5 可以看出, 使用特征主成分分析方法, 两种类型地物特征差异更为明显, 因此对两幅图 像采用特征主成分分析, 以可见光波段组的第一 主成分( 记为PC1) 和红外波段组的第一主成分 图 5 两种主成分交叉变异元分析方法对比 Fig.5 Comparison of two principle component analyses (记为 PC2) 作为纹理计算的基础. 3.2 纹理波段求取 对三个不同时期的影像, 分别采用 3 ×3, 5 × 5 和 7 ×7 窗口来计算 PC1 和 PC2 的变异函数纹 理波段, 计算的单变量和多变量变异函数包括方 向变异函数( V ) 、绝对变异函数( M) 、虚拟变异函 数( PV) 和交叉变异函数( CV) , 结果将采用步长 为 1 个像素( 30 m) 在 4 个方向( N-S, E-W, N45E 和 N45W) 的平均值. 从每幅影像我们将计算得到 18 个纹理波段, 即三种不同窗口下 PC1 和 PC2 的各两个单变量 ( V 和 M) 变异函数纹理波段, 以及它们的两个多 变量变异函数( CV 和 PV) 变异函数纹理波段 .图 6 中列出的 4 幅图中, ( a ) 和( c) 分别为截取的 1986 年和 1999 年 TM 4, 3, 2 波段合成的假彩色 影像, 而( b) 和( d) 则分别为两个时期 5 ×5 窗口的 PC1 和 PC2 的方向变异函数纹理波段和二者的 交叉变异函数纹理波段合成的影像 .从图中可以 看到 :( a) 中的内陆中心的亮白色与沿海的亮白色 无法分离, 而对应的( b) 中将它们分离成了三种不 同的灰阶, 很好地实现了海滩沙地与荒漠地的分 离;( c) 中不同的荒漠化程度很难从这些几乎完全 相同的亮白色中分离出来, 而用纹理波段合成的 ( d) 则将它们分离成了四种不同的灰阶, 分别对应 不同程度的荒漠化. 3.3 精度分析 采用最大似然分类法进行分类 .由于强调的 重点不同, 1986 年影像拟分为三类, 即极重度荒 漠化、重度荒漠化和其他( 包括海滩沙地) ;而 1999 年和 2001 年影像拟分为 5 类, 即极重度荒 · 712 · 北 京 科 技 大 学 学 报 2006 年第 8 期