Page 246 - 房地产经济健康平稳高质量发展研究

房地产经济健康平稳高质量发展研究
Research on the Healthy, Stable, and High Quality Development of the Real Estate Economy

（三）面向对象法
在地物信息提取与土地利用/土地覆盖方面，与传统面向像元分类方法对
比，面向对象的方法是应用纹理和形状获取信息，也可以应用多尺度分割方法对

沙化程度进行分析，建立沙化结构图形，在应用中有着较高的优越性。它克服了
基于像元级处理和在集成规模上提取各种目标特征的常规分类方法的局限性。陈
秋晓等人提出了基于多特征的遥感分类方法，基于SPOT影像，对每一个类都能
以一个独有的特征组合来表达，对香港元朗地区土地覆盖信息合理分析，应用传

统面向像元分析模式精度达到90%，但是应用土地覆盖率只能达到60%精度。随
着对土地沙化研究程度的增强，越来越多的学者通过分析对象引用变化检测模
式，对检测对象进行分类对比和面向对象比较。但是在实践应用中，变化检测
方法仍旧停留在像素级的数据分析中，没有根据知识引导特征对变化监测方法进

行创新应用，影像分割是对象形成的基本，是面向对象影像分析的核心技术，如
何确定最优尺度学习方法，提高分类精度仍是今后变化检测技术的主要研究方向
之一。
（四）神经网络法

人工神经网络分类方法在20世纪80年代得到应用，并且取得良好应用效果。
在最初应用在遥感影像分类当中主要对神经网络遥感影像进行分析，包括BP神
经网络、径向基神经网络、模糊神经网络等。人工神经网络的信息提取方法有效
地利用多维遥感数据，模拟沙化信息与遥感数据之间的关系。近年来，开始有研

究者将机器学习方法引入遥感影像提取沙地土地信息中。
其中，BP神经网络模型的应用范围最为广泛。在沙化信息获取中也得到良
好应用。MinHan在BP神经网络的类型中根据划分结果构建了新的分类设备，提
高分类精确度。随着影像和光谱影像的出现，根据神经网络的分类工作方式和工

作精度进行合理分析，但是不能得到良好效果。Puzhao Zhang对深度学习框架合
理分析，应用光谱影像进行监测，通过影像对高层特征进行划分，避免因为传统
分类模式对监测工作带来重要影响。
综上研究表明，遥感技术与神经网络机器学习的结合，可以有效提高影像分

类和变化监测结果的精度且能够较好地应用到沙化土壤信息提取中。
（五）定量提取方法
对于沙化土壤而言，土壤粒径组成是反映沙化土壤条件的最佳指示因子，能

·234·