理论探索与研究进展
姬翠翠, 刘刚, 孙斌, 高志海, 裴向军, 孟伟, 潘建平, 陈茂霖
石漠化是中国西南岩溶山区面临的严峻土地退化问题。运用遥感技术精准提取石漠化信息是大范围动态监测的重要手段,而高分(GF)系列卫星为其提供了高质量的数据支撑。本文以贵州省普定县典型石漠化区域为研究区,基于GF-2、GF-6和GF-7遥感影像,对比分析了全卷积神经网络(FCN)、支持向量机、随机森林、BP神经网络以及线性光谱混合模型(LSMM)在石漠化程度提取中的适用性与精度。结果表明:① FCN模型在3种影像上的总体表现最佳,其总体精度分别达83.43%、78.59%与85.61%;② 0.65 m空间分辨率的GF-7影像提取精度显著高于0.8 m的GF-2和16 m的GF-6,表明空间分辨率是影响石漠化遥感提取精度的关键因素;③ 对于多光谱信息的GF-6影像,LSMM对基岩裸露率的反演精度最高(R2 = 0.78, RMSE = 0.06),基于该指标的石漠化分类精度达83.17%,表明LSMM在此类多光谱数据上具有显著优势。综上所述,本文优选的石漠化信息提取方法与多源遥感数据组合,可为石漠化精细评价与土地退化评估提供坚实的科学基础,并为区域生态修复、耕地保护及环境管理决策提供精准的数据支持。