基于FVC_MSAVI_EVI的荒漠化等级分类方法
该研究中遥感数据主要包括2005、2010、2015年共计12景影像,影像
日期选择夏秋植被生长茂盛的季节,避免季节因素导致错分漏分。Landsat系列卫星影像的预处理主要包括辐射定标、大气校正、几何校正、镶嵌、去背景值等,并根据科尔沁地区范围界限进行裁剪预处理，最后进行匀色处理。
植被盖度法可以将中轻度荒漠化土地有效区分,但对于重度与中度荒漠化、轻度与非荒漠化却难以区分(如图2(a)所示)。针对这种沙化区域单一植被指数法在荒漠化信息提取方面的异常问题，本文提出了一种融合多种植被指数的荒漠化信息提取算法，该算法基于决策树分类方法引入了FVC、 MSAVI、EVI 3种指标。
FVC是植被垂直投影面积占总统计面积的比率，它是描述地表植被生长状况的一个重要指标。像素二分模型是-种简单的混合像素分解方法,采用像素二分法模型计算植被覆盖度田,其计算方法如下:
FVC=(NDVI -NDVImin)/(NDVImax-NDVImin)
式中,FVC为植被覆盖度;NDVImin为该研究区内裸土像元的NDVI最小值;NDVImax为研究区内植被像元的最大值。由于地表条件、植被类型等相关因素的影响,NDVI的最大值及最小值随时间和空间的变化而变化。本文取累积频率0.5%为最小值,99.5%为最大值。
MSAVI能够减少土壤背景的影响，增强稀疏植被区对植被的敏感程度。尤其干旱沙地区域植被覆盖率低，更容易受到土壤及其他非植被背景影响。因此,选取MSAVI植被指数进行评价体系建立，可以更好地反映研究区荒漠化程度,其计算方法如下
MSAVI=(( 2NIR+1-((2NIR+1)2-8(NIR-R))1/2)/2
式中,MSAVI为去土壤植被指数;NIR为近红外波段反射率;R为红色波段的反射率。
EVI是一种增强性植被指数,它引入了蓝光波段,一定程度上降低了大气的影响，并且可以弥补NDVI在高植被覆盖度反应不灵敏、低植被覆盖度受土壤背景影响的问题。其计算方法如下
EVI=G (NIR-R)/(NIR+C1R+C2B+L)
式中,G为增益因子;C1为红光波段大气纠正因子;C2为蓝光波段大气纠正因子;L为冠层背景纠正因子。以上参数均取经验值,即G=2.5,C1=0.6,C2 =7.2,L=1.0
通过大量的样本统计分析,当FVC以0.6为阈界时，能够很好地将中度荒漠化与轻度荒漠化土地区分开;当MSAVI以0.1为阈界时，能很好地将中度荒漠化与重度荒漠化土地区分开;当EVI以0.25为阈界时，能够更好地将轻度荒漠化与非荒漠化等级划分(如图2所示)。因此，本文基于决策树分类法提出一种融合FVC、MSAVI、EVI 3种指标的荒漠化提取模型(如图3所示)。
3.1改进的多 指标融合与传统植被盖度法荒漠化结果对比分析
利用FVC法与多指标融合算法分别对原始遥感影像进行荒漠化信息提取，将提取结果分为非荒漠化(白色)、轻度荒漠化(绿色)、中度荒漠化(黄色)及重度荒漠化(红色)4类,获得两种方法分类结果对比图,如图4所示。由图4结合高分辨率谷歌影像可知，利用传统FVC法分类精度较低,存在明显的错分漏分现象，尤其对于荒漠化较严重地区，其分类结果较真实值高，造成反演重度荒漠化面积相对偏低而中度荒漠化面积偏多;而对于植被覆盖较高的区域,由于存在.植被指数过饱和现象，其分类结果较真实值又会偏低，导致未荒漠化面积偏少而轻度荒漠化面积偏多。利用多指标融合方法的分类精度较高，基本上满足综合制图与应用分析的需求,错分漏分较少,相较于传统覆盖度指数法，其精度明显提高。
图5为传统FVC荒漠化信息提取及多指标融合的荒漠化信息提取结果的细节展示。由图5进一步得知,FVC方法对于提取中度荒漠化土地精度较高,对于区分中度与轻度荒漠化土地效果较好,而由于受到土壤背景及水分等要素影响,区分重度与中度荒漠化效果不理想,错分情况较多,导致分类结果相较真实情况荒漠化程度较轻,精度较低。而对于多指标融合方法，融入的EVI指数可以很好地区分
非荒漠化、轻度荒漠化土地类型,MSAVI指数则可以消除土壤背景影响,很好地区分重、中度荒漠化土地,弥补了传统的FVC方法在荒漠化信息提取上的不足，错分漏分情况更少,精度更高,更加适用于荒漠化地区信息提取。
3.2荒漠化提取精度分析
在每年的图像中随机选取1000多个样点,利用调查数据和GoogleEarth高分辨率数据确认样点的属性并作为真值，将其分别与本文提出的算法及植被盖度指数法监测结果相比较,生成2005、2010和2015年3个时期的土地荒漠化分类精度评价混淆矩阵，并计算各类型的分类精度、总体精度及Kappa系数(见表1) ,评估荒漠化提取精度,最终对两种算法优劣进行比较分析。通过表1可知,基于FVC方法3期遥感影像的制图精度在54.3%~ 100%之间,用户精度在57.3%~100%之间，总体精度在74.54% ~ 84.68%之间，总体上看分类精度较低,通过与高分辨率的遥感影像进行对比分析，可知该分类方法反演结果偏差较大。
多指标融合算法3期遥感影像的制图精度在85.4%100%之间,用户精度在87.8% 100%之间，总体精度在91.97% ~94.75%之间，总体上看分类精度较高，具有很强的稳健性，通过与高分辨率的遥感影像进行对比分析,可知该分类方法反演结果偏差较小，更加接近真实情况。通过对比发现，基于多指标的荒漠化等级评价方法在制图精度、用户精度及总体精度各个方面，其结果表现均优于基于传统的植被覆盖度法。因此，本文改进的算法对于荒漠化土地的等级分类评价适用性更强,精度更高，分类结果更好。
引文文献: 王树祥，韩留生，杨骥，等．一种改进的融合多指标荒漠化等级分类方法［J］．测绘通报，2021( 4) : 8-12．