河套沈?yàn)豕嘤蜻b感耕地面積變化

常布輝　王艷明　楊江　王艷華

摘要：以河套灌區(qū)沈?yàn)豕嘤驗(yàn)槔?，?012年的RapidEye和2016年Landsat80LI遙感影像為數(shù)據(jù)來源，在實(shí)地調(diào)查的基礎(chǔ)上，利用監(jiān)督分類（ SVM）和目視解譯方法，提取了2012年和2016年沈?yàn)豕嘤虻母孛娣e。結(jié)合目視解譯結(jié)果，運(yùn)用隨機(jī)驗(yàn)證點(diǎn)對解譯結(jié)果進(jìn)行了驗(yàn)證，運(yùn)用正確率（用戶精度）、完整率（生產(chǎn)者精度）和整體精度（提取耕地面積與實(shí)際面積的比值）3個(gè)指標(biāo)對提取結(jié)果進(jìn)行了評價(jià)。驗(yàn)證結(jié)果顯示，2012年監(jiān)督分類精度的3個(gè)指標(biāo)正確率、完整率以及整體精度分別為81. 96%、77. 12%和94. 10%，2016年分別為91.97%、71.39%和91.78%。結(jié)果表明：通過遙感開展灌區(qū)耕地面積變化研究具有很高的精度和時(shí)效性;相較于2012年，沈?yàn)豕嘤?016年耕地面積增加了0.648萬hm²，新增面積為2012年的12.8%;地下水位的變化與耕地面積變化關(guān)系密切，地下水位下降改善了土壤環(huán)境，促進(jìn)了耕地面積的增加。

關(guān)鍵詞：耕地面積;遙感解譯;地下水;沈?yàn)豕嘤?/p>

中圖分類號：TV122

文獻(xiàn)標(biāo)志碼：A

doi：10.3969/j.issn.1000-1379.2019.03.031

1 引言

耕地是人類賴以生存的基本資源和條件。進(jìn)入21世紀(jì)，人口數(shù)量不斷增多，耕地面積卻逐漸減少。隨著人們生活水平不斷提高，保持農(nóng)業(yè)可持續(xù)發(fā)展的首要任務(wù)就是要確保耕地的數(shù)量和質(zhì)量。經(jīng)濟(jì)和人口的不斷發(fā)展，促使耕地資源向其他土地利用方式轉(zhuǎn)移，為此國家出臺了《土地法》以及一系列的相關(guān)政策保護(hù)耕地資源。耕地安全對于我國而言是經(jīng)濟(jì)社會發(fā)展的基本條件，是社會安定的基礎(chǔ)[1]。保護(hù)耕地資源、保障糧食安全也是中國人面對世界糧食危機(jī)挑戰(zhàn)和質(zhì) .疑的一個(gè)重要舉措[2]。

耕地資源的重要性不言而喻，而如何精確獲取耕地面積的變化是耕地資源保護(hù)的前提。目前，耕地面積的獲取方法經(jīng)歷了由人工測量、逐級統(tǒng)計(jì)匯總到遙感解譯的轉(zhuǎn)變。根據(jù)區(qū)域特點(diǎn)、解譯精度、研究目的和遙感影像時(shí)空分辨率的不同，解譯方法也不同[3]。隨 著遙感技術(shù)的不斷發(fā)展，不同時(shí)空分辨率的衛(wèi)星影像在耕地面積的解譯中應(yīng)用越來越廣泛。高分辨率衛(wèi)星影像的空間分辨率優(yōu)勢明顯，但時(shí)間分辨率普遍較低，數(shù)據(jù)量大，周期性差[4-6]，因此其應(yīng)用范圍受到很大的限制，研究區(qū)域不易過大：相較于高分辨率衛(wèi)星影像的特點(diǎn)，低分辨率衛(wèi)星影像財(cái)恰恰相反[3，7-8]：中分辨率衛(wèi)星影像兼具高、低分辨率影像的特點(diǎn)，但是同物異譜、異物同譜、混合像元現(xiàn)象較嚴(yán)重，如何開發(fā)中分辨率衛(wèi)星影像在耕地面積解譯中的應(yīng)用是目前的一個(gè)熱點(diǎn)[ 9-11]。

影響耕地面積變化的因素眾多，經(jīng)濟(jì)因素（糧食價(jià)格的浮動(dòng)）、社會因素（政策法規(guī)）為主觀因素，客觀因素主要有土壤理化性質(zhì)的改變、耕作條件的變化、灌溉條件的變化等。在河套灌區(qū)，經(jīng)濟(jì)因素、土壤鹽堿化以及灌溉條件是影響灌區(qū)耕地資源的3個(gè)主要因素。一直以來，經(jīng)濟(jì)因素對耕地的增長起推動(dòng)作用，而灌溉條件和土壤鹽堿化起抑制作用。本文以河套灌區(qū)沈?yàn)豕嘤驗(yàn)槔赃b感技術(shù)為基礎(chǔ)，開展耕地面積變化及其與地下水位之間的關(guān)系研究。

2 研究區(qū)概況與數(shù)據(jù)來源

2.1 研究區(qū)概況

河套灌區(qū)是我國三個(gè)特大型灌區(qū)之一，也是我國最大的一首制自流引黃灌溉區(qū)，位于內(nèi)蒙古巴彥淖爾市，地處河套平原。灌區(qū)自西向東有沈?yàn)豕嘤?、解放閘灌域、永濟(jì)灌域、義長灌域和烏拉特灌域五大灌域。沈?yàn)豕嘤蛭挥谌⒐麡屑~西北部，南邊界在烏蘭布和沙漠穿沙公路以北，北邊界為磴口縣與杭錦后旗行政界，東起河套總干渠及烏拉河干渠，西至狼山?jīng)_洪積坡地邊界，總土地面積約為18.6萬hm²。沈?yàn)豕嘤蛴扇⒐麡屑~上游3.5 km處、黃河左岸的沈?yàn)跻谥苯右喔?，灌溉面積約占河套灌區(qū)灌溉面積的10.12%。沈?yàn)豕嘤驅(qū)儆跍貛Т箨懶愿珊禋夂騾^(qū)，降水少，蒸發(fā)強(qiáng)烈，干燥多風(fēng)，日溫差大，日照時(shí)間長。主要作物有春小麥（3-7月）、玉米（5-9月）、葵花（5-9月）、番茄（5-8月）、瓜類（5-8月）和牧草（4-7月或者10月）等。

2.2 數(shù)據(jù)來源

德國的RapidEye衛(wèi)星利用紅邊波段為植被分類、植被生長評估、作物估產(chǎn)等提供有效手段，使其在農(nóng)業(yè)、水利、林業(yè)、能源等領(lǐng)域廣泛應(yīng)用，得到多國農(nóng)業(yè)、林業(yè)部門認(rèn)可。除了波段信息“吻合”農(nóng)業(yè)、林業(yè)應(yīng)用外，低成本的編程定制服務(wù)，可以更好地滿足植被大面積連續(xù)監(jiān)測，數(shù)據(jù)質(zhì)量較高，具有良好的應(yīng)用基礎(chǔ)。

美國的Landsat80LI影像數(shù)據(jù)，衛(wèi)星一共有11個(gè)波段，其中波段1-7、9-11為30 m空間分辨率的多光譜，波段8為15 m分辨率的全色波段，應(yīng)用中可以通過波段融合處理獲得分辨率為15 m的多光譜數(shù)據(jù)。RapidEye影像與Landsat80LI影像數(shù)據(jù)信息對比見表1。

考慮影像價(jià)格、影像質(zhì)量以及實(shí)際工作的需要，購買了兩幅RapidEye多光譜影像，通過拼接和剪切獲取研究區(qū)2012年8月的影像數(shù)據(jù)（8月灌域內(nèi)作物生長旺盛，有利于耕地的提?。?。數(shù)據(jù)時(shí)間為2012年8月3日和2012年8月21日。另外2016年的影像數(shù)據(jù)為Landsat80LI數(shù)據(jù)，數(shù)據(jù)時(shí)間為2016年8月25日。相關(guān)影像詳細(xì)信息見表2。

3 研究方法

3.1 技術(shù)路線

技術(shù)路線見圖1。

3.2 影像預(yù)處理

影像預(yù)處理包括數(shù)據(jù)讀取、輻射定標(biāo)、幾何糾正、圖像鑲嵌和剪切以及圖像增強(qiáng)。受遙感系統(tǒng)空間、波譜、時(shí)間以及輻射分辨率的限制，衛(wèi)星在記錄地表信息的過程中會受到衛(wèi)星本身以及大氣等因素的影響，產(chǎn)生誤差，從而降低遙感數(shù)據(jù)質(zhì)量，影響影像分析精度，因此在實(shí)際的圖像分析之前，根據(jù)利用目的對不同來源的遙感原始圖像進(jìn)行預(yù)處理是非常有必要的‘12]。圖像預(yù)處理又被稱為圖像糾正和重建，其目的是糾正原始圖像中的幾何與輻射變形，即通過對圖像獲取過程中受衛(wèi)星姿態(tài)、傳感器角度、大氣等因素產(chǎn)生的變形、扭曲、模糊和噪音的糾正，得到一個(gè)盡可能在幾何和輻射上真實(shí)的圖像[13]。輻射定標(biāo)的目的是消除傳感器本身產(chǎn)生的誤差（噪聲），得到真實(shí)的表觀反射率。輻射定標(biāo)的結(jié)果是通過建立DN值與輻射亮度之間的相關(guān)關(guān)系，利用給定的參數(shù)，由DN值間接獲取真實(shí)的反射率。這樣通過運(yùn)用遙感數(shù)據(jù)中的DN值、相關(guān)關(guān)系以及給定的參數(shù)，就可以計(jì)算出相應(yīng)的進(jìn)入傳感器的輻射亮度值，進(jìn)而得到表觀反射率[14]。最后通過大氣校正，消除大氣的影像，從而得到真實(shí)的地標(biāo)反射率。

幾何校正的目的是實(shí)現(xiàn)遙感圖像與標(biāo)準(zhǔn)圖像的幾何配準(zhǔn)，就是糾正系統(tǒng)性、非系統(tǒng)性因素引起的圖像變形。筆者利用ENVI和ARCGIS軟件分別對Landsat80LI影像和RapidEye影像進(jìn)行輻射定標(biāo)和大氣校正。以Landsat80LI影像為標(biāo)準(zhǔn)，對RapidEye影像進(jìn)行幾何糾正。采用Linear 2%線性拉伸方法對多光譜數(shù)據(jù)進(jìn)行圖像增強(qiáng)處理[15]。

3.3 監(jiān)督分類方法

目前，按照有無訓(xùn)練樣本，可把遙感的分類法分為非監(jiān)督分類和監(jiān)督分類。非監(jiān)督分類（ unsupervisedclassification）也稱聚類分析，僅憑不同地物之間光譜特征的分布規(guī)律（自然聚類的特性）的差異進(jìn)行機(jī)械性分類，獲得的分類類別沒有任何屬性，需要通過實(shí)地調(diào)查或根據(jù)經(jīng)驗(yàn)進(jìn)一步人工賦予其真實(shí)屬性[16]。監(jiān)督分類（ supervised classification）又稱訓(xùn)練場地法，是模式識別的一種方法，以建立統(tǒng)計(jì)識別函數(shù)為理論基礎(chǔ)，與非監(jiān)督分類相反，其主要依據(jù)典型樣本訓(xùn)練方法實(shí)現(xiàn)地物劃分，即首先通過人工識別建立訓(xùn)練樣本，并賦予其屬性，要求訓(xùn)練區(qū)具有典型性和代表性，選取的樣本數(shù)盡量多且分布均勻;其次，計(jì)算統(tǒng)計(jì)訓(xùn)練樣本中不同樣本的特征參數(shù);再次，計(jì)算不同樣本間的分離度，符合要求后（一般要求樣本分離度>1.8），確定不同樣本的統(tǒng)計(jì)特征：以最終確定的樣本特征參數(shù)作為決策規(guī)則，建立判別函數(shù)進(jìn)行圖像分類[17-19]。監(jiān)督分類常用的方法中以支持向量機(jī)分類（ SVM）的精度較高[20-21]，本文采用支持向量機(jī)方法進(jìn)行影像分類，得到2012年和2016年沈?yàn)豕嘤虻母胤植肌?/p>

3.4 監(jiān)督分類結(jié)果

3.4.1 解譯標(biāo)志

在遙感影像上，不同的地物有不同的特征，這些影像特征是判讀各種地物的依據(jù)，這些都稱為判讀或解譯標(biāo)志22-23]。根據(jù)形狀、顏色、色調(diào)、紋理等特征，以RapidEye影像為例，在圖像增強(qiáng)后建立研究區(qū)的解譯標(biāo)志，見圖2。

由圖2可以看出，不同解譯標(biāo)志之間顏色、色調(diào)、形狀以及紋理差異明顯。為進(jìn)一步判斷樣本分析情況，使用ENVI對樣本的分離度進(jìn)行計(jì)算。ENVI使用ROI可分離性（ROI Separability）工具來計(jì)算兩個(gè)類別之間的統(tǒng)計(jì)距離，進(jìn)而確定兩個(gè)類別間的差異性程度。Jeffries - Matusita距離和轉(zhuǎn)換分離度（Transformed Di-vergence）方法被用來計(jì)算類別間的統(tǒng)計(jì)距離，以此來衡量訓(xùn)練樣本（ ROI）的可分離性[24-25]。樣本分離度見表3。

由表3可知：居民區(qū)與渠道道路、蘆葦與耕地2、蘆葦與林地、渠道道路與灌木叢、蘆葦與耕地1、渠道道路與林地、耕地2與林地、居民區(qū)與灌木叢、蘆葦與渠道道路的樣本分離度都小于1.8。由此分析可知，蘆葦與耕地、居民區(qū)與渠道道路和灌木叢的分離度偏低?？紤]到研究區(qū)內(nèi)林地主要為育林地，天然林地很少，對耕地1、耕地2和林地進(jìn)行合并。蘆葦對耕地提取的干擾最大，為了去除蘆葦?shù)挠绊懀岣吒靥崛【?，對蘆葦進(jìn)行目視解譯，通過掩膜處理，最后利用去除蘆葦后的訓(xùn)練樣本進(jìn)行監(jiān)督分類。研究區(qū)內(nèi)蘆葦面積有限，且因其親水性決定了其地理位置均在靠近海子（水域）附近，其呈現(xiàn)的圖斑紋理雜亂無章，適合目視解譯。

通過分析發(fā)現(xiàn).Landsat80LI影像的樣本分離度計(jì)算結(jié)果、蘆葦?shù)母蓴_與RapidEye影像的相似，處理方法類似，不再贅述。

3.4.2 解譯結(jié)果

通過以上處理，獲取2012年與2016年的耕地解譯結(jié)果，見圖3和圖4。

運(yùn)用ArcGIS對結(jié)果進(jìn)行統(tǒng)計(jì)，結(jié)果表明：沈?yàn)豕嘤?012年耕地面積為5.063萬hm²，2016年耕地面積為5.711萬hm²。

3.4.3 精度驗(yàn)證

利用隨機(jī)生成的驗(yàn)證點(diǎn)（共計(jì)1 000個(gè)，其屬性通過目視解譯聯(lián)合Google earth確定），進(jìn)一步對解譯結(jié)果進(jìn)行驗(yàn)證，局部驗(yàn)證結(jié)果見圖5。分別利用正確率（分類結(jié)果為耕地的像元中，其真實(shí)地表同為耕地的比例，類似于混淆矩陣中的用戶精度）、完整率（地表真實(shí)數(shù)據(jù)中耕地被正確提取出來的比例，類似于混淆矩陣中的生產(chǎn)者精度）以及整體精度（提取耕地與真實(shí)地面耕地面積之比）3個(gè)指標(biāo)進(jìn)行精度驗(yàn)證，結(jié)果見表4。

表4列出了不同方法提取結(jié)果的3個(gè)評價(jià)指標(biāo)統(tǒng)計(jì)結(jié)果，在1 000個(gè)隨機(jī)生成的驗(yàn)證樣本中，2012年和2016年聯(lián)合目視解譯與Google earth確定的耕地樣本數(shù)分別為271和353個(gè)，非耕地樣本數(shù)分別為729和647個(gè)。2012年監(jiān)督分類精度的三個(gè)指標(biāo)正確率、完整率以及整體精度分別為81.96%、77.12%和94.10%，2016年分別為91 .97%、71.39%和91.78%。由此可以看出，基于支持向量機(jī)的監(jiān)督分類提取的沈?yàn)豕嘤蚋鼐容^高。

3.5 結(jié)果分析討論

由2012年和2016年耕地提取結(jié)果的統(tǒng)計(jì)結(jié)果可知，2016年較2012年耕地面積增加了0. 648萬hm²，在2012年基礎(chǔ)上增加了12.8%，總體上耕地的增加明顯。新增耕地空間分布見圖6。由圖6可知，新增耕地的主要區(qū)域?yàn)榍滥┒嗽懈嘏c沙漠荒地的邊緣區(qū)域。對研究區(qū)進(jìn)行實(shí)地調(diào)查發(fā)現(xiàn)，隨著土壤耕作條件的改善，在沒有足夠監(jiān)管的情況下，發(fā)生了大面積墾荒現(xiàn)象。

由以上結(jié)果可以看出，沈?yàn)豕嘤蚋刈兓尸F(xiàn)增加趨勢，為分析其原因，對2012年和2016年的地下水位數(shù)據(jù)進(jìn)行分析。2012年地下水資料來源于磴口縣水務(wù)局以及沈?yàn)豕嘤蚬芾砭殖Ｄ暧^測井?dāng)?shù)據(jù)：2016年地下水?dāng)?shù)據(jù)來源于常年觀測井以及2015年新建觀測井?dāng)?shù)據(jù)。監(jiān)測周期均為5d.監(jiān)測手段為人工監(jiān)測，井口及地面高程采用RTK測量獲取。

由灌域內(nèi)不同土地利用類型下地下水位均值（見圖7）比較分析可知：2016年較2012年灌區(qū)地下水位明顯下降，尤其是荒地區(qū)域。對比耕地、村莊和荒地兩年的地下水位，耕地和村莊地下水位年內(nèi)和年際變化不大，但總體上呈現(xiàn)下降趨勢。年內(nèi)起伏主要出現(xiàn)在灌溉期，其他時(shí)間變化不大。灌區(qū)荒地的成因主要是地下水位過高導(dǎo)致鹽堿化嚴(yán)重，不利于作物生長。隨著近些年灌區(qū)節(jié)水措施的實(shí)施，灌區(qū)內(nèi)地下水位出現(xiàn)逐年下降的趨勢，一些低洼地帶土壤條件得到改善，被開墾為耕地。

另外，灌區(qū)地下水位在空間分布上的對比見圖8。在空間上對比2012年與2016年地下水位的變化發(fā)現(xiàn)，相較于2012年，2016年地下水位在建設(shè)一分干全段、建設(shè)二分干下游渠段、建設(shè)四分干下游沿線左岸等處都有所下降，一分干渠道末端最大下降3m以上，這與該地區(qū)滴灌的發(fā)展相關(guān)：建設(shè)二分干上游渠段，建設(shè)三分干上游渠段、四支渠、五支渠、六支渠以及東風(fēng)分干瑪迷圖支渠以上渠段，地位水位均有所上升，升幅在1-2 m之間。

為分析新增耕地與地下水埋深的關(guān)系，對新增耕地所在位置的地下水埋深進(jìn)行了提取，共提取樣本點(diǎn)21 372個(gè)，其中2016年地下水埋深小于2012年的有10 102個(gè)，大于2012年的有11 270個(gè)。由此說明，在新增耕地內(nèi)2016年地下水埋深較2012年有所增加。不同地下水埋深所對應(yīng)的樣點(diǎn)數(shù)統(tǒng)計(jì)結(jié)果見圖9。

由圖9可以看出，相較于2012年，新增耕地中2016年地下水埋深大于5m的樣本有所增加，小于Im的樣本數(shù)減少.1-2 m的樣本數(shù)增加最多.2-3 m的樣本數(shù)增加較多，而3-5 m的樣本數(shù)有所減少。

綜合以上分析可知，在新增耕地附近.2016年地下水埋深較2012年有所增加，即地下水位出現(xiàn)下降。由此可以判斷，地下水位的下降在一定程度上促進(jìn)了耕地面積的增加。

沈?yàn)豕嘤蛞蚱涞乩砦恢玫奶厥庑?，排水不暢?dǎo)致其范圍內(nèi)出現(xiàn)了百余個(gè)天然海子，地下水位偏高，鹽堿化比較嚴(yán)重。隨著節(jié)水工程的實(shí)施，地下水位下降，土壤耕作條件得到改善，在原來鹽堿地以及荒漠地區(qū)出現(xiàn)了大量的墾荒現(xiàn)象。

4 結(jié)論

以RapidEye和Landsat80LI衛(wèi)星影像為數(shù)據(jù)基礎(chǔ)，利用ENVI和ARCGIS為處理和輔助工具，在實(shí)地調(diào)查的基礎(chǔ)上，運(yùn)用SVM方法對沈?yàn)豕嘤虻母孛娣e進(jìn)行了提取和精度檢驗(yàn)。

運(yùn)用遙感技術(shù)開展灌區(qū)耕地變化研究具有較高的精度以及時(shí)效性。2012年監(jiān)督分類精度的3個(gè)指標(biāo)正確率、完整率以及整體精度分別為81.96%、77.12%和94. 10%，2016年分別為91.97%、71.39%和91.78%。

沈?yàn)豕嘤蛟?012-2016年的5a中，耕地面積增加了12.8%。結(jié)合解譯結(jié)果的對比和實(shí)地調(diào)查，新增耕地一部分處于原耕地的內(nèi)部，剩余大部分距離渠道較遠(yuǎn)，處于荒地的邊緣。其成因在一定程度上是節(jié)水措施實(shí)施后地下水位下降，土壤鹽堿化得到改善。

通過對灌區(qū)2012年和2016年的地下水位數(shù)據(jù)分析，進(jìn)一步驗(yàn)證了沈?yàn)豕嘤虻叵滤蛔兓c耕地面積變化之間存在密切聯(lián)系，地下水位下降改善了土壤環(huán)境，促進(jìn)了耕地面積的增加。

本研究的不足之處在于缺少土壤礦化度分析，下一步將對灌區(qū)內(nèi)土壤含鹽量進(jìn)行測量，結(jié)合以上結(jié)果進(jìn)一步分析影響耕地面積變化的其他因素。

參考文獻(xiàn)：

[1]張憲梅，論耕地保護(hù)與我國可持續(xù)發(fā)展戰(zhàn)略的關(guān)系[J].科技視界，2013（2）：189-189.

[2] BROWN L R.Who will Feed China？ Wake-up Call for aSmall Planet[ M]. London：W W Norton&Company， 1995： 1-2.

[3] 王力凡，潘劍君，利用高一中一低分辨率遙感影像的大區(qū)域耕地快速監(jiān)測研究[J].遙感技術(shù)與應(yīng)用，2011，26（4）：496-500.

[4]廖克，成夕芳，吳健生，等，高分辨率衛(wèi)星遙感影像在土地利用變化動(dòng)態(tài)監(jiān)測中的應(yīng)用[J].測繪科學(xué)，2006，31（6）：11-15.

[5]楊冀紅，孫毅，劉順喜，高分辨率衛(wèi)星遙感影像數(shù)字化更新縣級土地利用基礎(chǔ)圖件的試驗(yàn)研究[J].中國土地科學(xué)，2002，16（3）：41-45.

[6] 李宗華，王新洲，彭明軍，等，高分辨率衛(wèi)星遙感影像在土地利用變更調(diào)查中的應(yīng)用[J].測繪地理信息，2005，30（4）：13-16.

[7] 黃海霞，時(shí)間序列的中低分辨率遙感數(shù)據(jù)反射波段交叉輻射定標(biāo)方法研究[D].青島：中國石油大學(xué)（華東），2011：4-6.

[8] 管續(xù)棟，基于多源衛(wèi)星遙感的越南水稻種植面積時(shí)空動(dòng)態(tài)監(jiān)測[D].濟(jì)南：山東師范大學(xué)，2014：1-4.

[9]王林，基于語義的中分辨率衛(wèi)星遙感影像道路信息提取研究[D].北京：北京大學(xué)，2006：2-6.

[10] 郭景峰，淺談鄂爾多斯市鄂托克旗遙感TM影像在荒漠化及沙化土地監(jiān)測中的運(yùn)用[J].內(nèi)蒙古林業(yè)調(diào)查設(shè)計(jì)，2006，29（6）：34-35.

[11] 及挽云，毛金明，胡輝，等，基于中分辨率衛(wèi)星遙感數(shù)據(jù)的旱情監(jiān)測技術(shù)研究[J].科技資訊，2012（ 33）：10-11.

[12] 劉金鋒，基于多源遙感數(shù)據(jù)的青海湖流域植被指數(shù)研究[D].西寧：青海師范大學(xué)，2014：1-2.

[13] 年波，王金亮，席武俊，等，植被信息提取中的遙感影像預(yù)處理[J].云南師范大學(xué)學(xué)報(bào)（自然科學(xué)版），2004，24（2）：62-65.

[14] 張?zhí)焓?，劉文清，高閩光，等，傅里葉變換紅外光譜儀復(fù)數(shù)光譜誤差分析及輻射定標(biāo)方法研究[J].光譜學(xué)與光譜分析，2006，26（3）：430-433.

[15] 殷年，基于線性拉伸的遙感圖像處理[J].大氣與環(huán)境光學(xué)學(xué)報(bào)，1998，11（5）：29-33.

[16] BANDYOPADHYAY，臧光明，非監(jiān)督分類[J].國外科技新書評介，2014（6）：14.

[17] 趙春霞，錢樂祥，遙感影像監(jiān)督分類與非監(jiān)督分類的比較[J].河南大學(xué)學(xué)報(bào)（自然科學(xué)版），2004，34（3）：90-93.

[18] 吳非權(quán)，馬海州，沙占江，等，基于決策樹與監(jiān)督、非監(jiān)督分類方法相結(jié)合模型的遙感應(yīng)用研究[J].鹽湖研究，2005，13（4）：9-13.

[19] 陳海林，基于判別學(xué)習(xí)的圖像目標(biāo)分類研究[D].合肥：中國科學(xué)技術(shù)大學(xué)，2009：8-9.

（下轉(zhuǎn)第160頁）（上接第155頁）

[20] 閆琰，董秀蘭，李燕，基于ENVI的遙感圖像監(jiān)督分類方法比較研究[J].北京測繪，2011（3）：14-16.

[21] 楊閆君，占玉林，田慶久，等，基于CF-1/WFVNDVI時(shí)間序列數(shù)據(jù)的作物分類[J].農(nóng)業(yè)工程學(xué)報(bào)，2015（24）：155-161.

[22]江濤，遙感影像解譯標(biāo)志庫的建立和應(yīng)用[J].地理空間信息，2010，8（5）：31-33.

[23]趙林林，土地利用與生態(tài)系統(tǒng)HJ衛(wèi)星影像解譯標(biāo)志庫的建立：以河北省懷來縣為例[C]∥中國農(nóng)業(yè)產(chǎn)業(yè)經(jīng)濟(jì)發(fā)展協(xié)會，全國農(nóng)業(yè)遙感與信息技術(shù)應(yīng)用研討會論文集，北京：中國農(nóng)業(yè)產(chǎn)業(yè)經(jīng)濟(jì)發(fā)展協(xié)會，2010：75-79.

[24] 曹洪弟，洪友堂，張偉，等，基于ENVI的遙感圖像決策樹分類[J].北京測繪，2017（2）：67-71.

[25] 金杰，朱海巖，李子瀟，等.ENVI遙感圖像處理中幾種監(jiān)督分類方法的比較[J].水利科技與經(jīng)濟(jì)，2014，20（1）：146-148.