多种信息源的土壤盐渍化定量分析有哪些做法

(1)遥感图像数据的专题信息提取。对TM影像分别进行主成分分析(KL变换)、K-T变换等。通过对KL变换三分量合成图像、K-T变换三分量合成图像,以及TM4,3、2假彩色合成三类图像的比较分析,确定K-T变换的亮度、绿度、湿度三分量,识别地类及分类结果最优。将之作为信息融合中遥感信息的主要数据源。

(2)非遥感数据的预处理。选取地下水埋深与地下水矿化度作为信息融合中非遥感信息源。通过实地考察和经验判断,将这两个因素分等分级,并绘制它们与土壤盐渍化程度的对应关系表,作为进一步统计分析的基础。同时将这两个要素的等值线图分别数字化、网格化,生成数字图像,并与TM影像配准。

(3）多信息源融合分类。采用广义 Bayes分类方法,在设定各信息源相互独立的前提下,利用全局从属关系函数,用概率值把多种信息联系起来,对像元运算、判别分类。

对经K-T变换的TM数据,选择训练区进行最大似然法的监督分类,将光谱数据转为土壤盐渍化程度的4个等级类别,即先验概率PM,(这里W_j为像元所属的信息类别,j-l,2,…,m,m为信息类别数,此处m=4);对非遥感数据,根据对应关系，在训练区中每个级别范围内各类别出现的比例,也得出土壤盐渍化程度的4个等级类别,即先验概率P^D_(wj),和P^M_(wj)(这里D、M分别表示地下水埋深数据和地下水矿化度数据）。