土壤为人类提供了包括粮食在内的各种农业、林业以及医药原料产品,同时,土壤也是维持地球表层生态系统生物量的物质基础,与海洋一样,是不可脱离的自然资源与环境。随着社会的发展,人们对土壤资源信息的需求日益增加,遥感以其具有广域、快速、可重复对同一地区获取时间序列信息的特点,成为获取土壤资源信息的有力工具。目前借助计算机对遥感数据进行土壤自动分类成为土壤学家研究的热点,同时也是土壤遥感发展的前沿。 对于土壤资源遥感调查以及土壤遥感分类,国内外学者进行了大量的研究,但是对于气候湿润、降水充沛、植被覆盖度高、地表破碎的亚热带山地丘陵区,土壤遥感自动分类问题仍然没有得到解决。另外,在我国,虽然已于上个世纪90年代中期制订了与国际接轨的土壤分类标准即土壤系统分类,但是目前还没有大范围的、基于该分类标准的土壤图和土壤数据库,因此,本文针对土壤遥感分类比较困难的我国亚热带山地丘陵地区,提出了用融合地学知识的方法进行基于系统分类标准的土壤遥感自动分类。 研究采用的技术路线为:用特征变换的方法消除植被影响、增强土壤光谱信息后,分别用以统计分析模型为基础的最大似然分类器和以生理视觉模型为基础的RBF神经网络对遥感图像进行土壤分类;将统计决策分类器和RBF神经网络分类器的分类结果组合即多分类器集成;在符号逻辑推理模型支持下融合地学专家知识辅助土壤遥感分类。地学知识(本研究中选用了DTM和部分地学专家知识)在整个土壤遥感分类过程中采用两种途径进行融合:对于结构化的地学知识DTM数据,将其作为遥感图像的逻辑波段与遥感图像一起直接参与分类;对于非结构化的地学专家知识,采用D-S证据合并的方法进行融合。 为此,本文以长江三峡地区的丰都县为研究区域,应用陆地资源卫星Landsat-7的ETM+数据进行了研究,所做的主要工作和得出的结论可概括为: (1)对研究区域土壤基本情况以及ETM+遥感图像上各种土壤光谱信息进行了详细分析,得到的结论是:通过图像信息增强、特征变换和特征选择,再加上一些辅助信息是可以将本研究区域的各土壤类别区分开的,而且用实验证实了ETM+第6波段热红外波段有助于提高土壤分类精度。 (2)针对我国亚热带植被覆盖度高、植被和土壤光谱混合严重的特点,研究了用线性光谱混合分解的方法去除植被、增强土壤光谱信息。其中,对反演带约束条件的线性光谱混合模型的FCLS算法进行了修正,并提出了根据植被组分的面积系数计算去除植被后像元光谱值的模型。实验结果表明:①线性光谱混合分解法可以有效地抑制植被光谱信号;②用于土壤分类,去除阳坡植被光谱的图像其总分类精度虽不比原始图像高,但对水耕人为土却有较强的区分能力,而且比其它几种常用的图像特征变换有更好或差不多的土壤分类效果。 (3)研究了融合结构化地学知识DTM进行土壤遥感自动分类的相关问题。将DTM作为逻辑波段与遥感图像融合在一起,用最大似然分类器得到的土壤分类结果表明在土壤遥感