毕业设计（论文）-基于Landsat7ETM+影像的庐山地区水体边界提取方法研究.docx

南 京 师 范 大 学毕 业 设 计(论 文)( *届)题 目: 基于landsat7 etm+影像的庐山地区 水体边界提取方法研究 学 院: 地理科学学院 专 业: 地理信息系统 姓 名: * 学 号: * 指导教师: * 南京师范大学教务处 制基于landsat7 etm+影像的庐山地区水体边界提取方法研究*(南京师范大学地理科学学院， 南京210046)摘 要: 本文是以庐山为研究区，landsat etm+/tm为主要数据源，地形图作为辅助数据。本文以波段间关系分析为基础，结合(etm2+etm3)-(etm4+etm5)k1和 (etm2+etm3)k1 and (etm2+etm3) 4000平方米的水体11。1998年brasud和feng对路易斯安娜海岸线的描绘过程中,对各种波段阈值分割方法进行评估,并提出使用tm5进行阈值划分是最适合的方法12。而2000年frazier和page在探测澳大利亚wagga湖泊区域工作中却指出,tm5相对tm4和tm7来说,阈值分割提取水体的精度较高,但是却不能精确地提取细小的水体13。这类方法是根据影像单个波段中水体值低于或高于其他地物值,设定阈值提取出水体信息,其缺点是水体与非水体之间的过渡区被忽略,无法提取小面积水体以及浅水水体。波段间关系阈值法是近来国内外使用较多的方法。1996年mcfeeter利用归一化水体指数ndwi=(tm2-tm4)/(tm2+tm4)抑制植被土壤信息提取水体14。1998年杨存建等发现在山地地区tm各波段影像中,水体具有(tm2+tm3)(tm4+tm5)的特征，并且提取结果对山地阴影有较强的压抑作用15。2004年陈华芳等在对山地高原水体识别工作中提出(tm2+tm3)-(tm4+tm5) k(k为下限阈值)能较好地分开山体阴影和水体16。2005年徐涵秋提出ndwi难以抑制土壤和建筑物信息,并提出改进后的归一化水体指数 mndwi = (tm2-tm5)/ ( tm2+tm5) ,并提出在部分城区建筑区域mndwik (k为下限阈值)来提取水体17。2006年oumayo和tateishir在描绘东非裂谷内的湖泊岸线时,认为ndwi3=(t m4 -tm5) /(tm4 +tm5)和缨帽变换的湿度分量tcw能较其他水体指数更好地划分岸线,于是结合两者识别水体边界18。2008年吴文渊等提出一种结合了波段关系(tm2+tm3)- (tm4+tm5)相关水方面的特征和缨帽变换湿度分量tcw建立提取水体边界的方法19。波段间关系阈值法利用水在landsat影像不同波段的波谱特性,通过多波段运算来增强识别影像中的水体边界,使得在增强图中水体值高于非水体地物值,从而设定适当的下限阈值即可提取水体边界。但是,这类方法存在两个问题。第一,由于部分细小零散和浅水水体在影像中以混合像元的形态存在,存在水和非水体地物过渡区,因阈值设定而造成水体提取不完全和阴影错提的比例增加，这类情况较为突出。第二,以上各种方法提取效果均有区域局限性。在地物类型复杂的区域中,ndwi只在非山地植被区域较好;mndwi、tcw、ndwi3在建筑居民用地区域较好,却难以区分部分山体阴影和水体;而(tm2+tm3)-(tm4+tm5)在山体和农林区域较好,却难以区分部分建筑居民用地、阴影和水体。综上所述，所以本文在实验基础上，提出一种流程思路，即结合基于波段间关系的两种方法组合，一方面保证提取的水体边界的完整，包括考虑到水陆交接部分浅水区域；另一方面要着重控制错提其他地物类型的比例。目视解译分别对水体(water)、阴影(shadow)、森林(forest)、居民用地(resident land)、农闲土地(raw land)等五种地物类型采样来考察，评价提取结果精度。反复试验关键就在与阈值的优化设定，借助于庐山中北部地形图获取的光照阴影分布，目标是两种方法结合有最优的提取结果水体边界精度高、错提类型比例低。之后，对不同方法的提取结果做布尔运算，生成最优水体边界蒙板。需要提及的是，因为etm+的空间分辨率是28.5米，所以对于庐山山谷中的本来宽度只有几米的溪流信息绝大多数都隐含在像元内了，很难从如此分辨率下提取信息的。这样的混合像元的是本文方法无法解决的，并不是本文研究范畴。 2研究区概况与数据基础2.1 区域概况庐山，位于江西省北部，距九江市约13公里，东及东南临鄱阳湖、星子县，西临九江县，北濒长江，距南京464公里(长江航道距离)。地理坐标东经1155011610，北纬29282945，主峰大汉阳峰海拔1473.8米，是中国名山之一。庐山中心区牯岭，是著名的避暑胜地和疗养城2。全山呈东北西南走向，长25公里，宽约15公里，山体呈椭圆形，典型的地垒式断块山，景观区总面积约400平方公里。庐山地处我国亚热带东部季风区，气候温适，夏天凉爽，冬天也不太冷，年平均温度15c，极端最高温度不超过32c。春迟、夏短、秋早、冬长是庐山的一大特点。由于受华南静止锋及江淮梅雨风的影响，降水丰沛，牯岭镇多年平均降水量大于1900毫米。庐山水体存在形式多样。广泛分布的瀑布、众多深潭与溪流、天然和人工湖泊、水库，以及泉水等共同构成庐山水文网。庐山云雾较多，全年平均有雾日达190天以上，多在春夏季出现。山上溪涧众多，也有较大面积的水体，但多是人工湖泊，诸如，如琴湖、芦林湖、汉口峡水库、庐山电站水库等；海拔500米以下有山西北部的红灯水库、山东北视凹水库、山西南马头水库和观音堂水库，海会镇以西面学山水库。庐山山下除了广袤的林地以外，分布着大片的农田，夏季农田多为水田，每年11月份秋末冬初的时候水田干涸土壤裸露，田间多堆积着稻杆捆扎堆。这个时期的水体边界，绝大多数是常年性的，少有随季节变化的水田干扰。此时期正值庐山每年的枯水期，常年性水体在这个时期水体面积都比较的小。但是同样存在有浅水区域，其水第物质易见。山下水体除了部分水库以外，还包括有，长江，九江市以西的东西赛湖，以及东边的鄱阳湖。鄱阳湖湖口的水位平时高于长江，江水不会倒灌入湖，当长江上、中游来水增加，九江水位高于星子水位0.6 m 且湖口水位高于星子水位0.1 m 时，则江水倒灌入湖或阻碍湖水出湖，调蓄长江洪水。绝大多数在每年11月份不会发生倒灌。鄱阳湖多年平均入湖沙量1689万吨，平均年出湖沙量976万吨3,特别是临近长江的湖口区。2.2 数据源本文主要的研究数据是landsat 7 etm+在2000年11月1日上午获取的一景(path122 row039，wrs2)卫星影像，从中裁切出庐山及周边部分，总像元为900x1100，理由是此景影响庐山及周边地区晴朗无云，无雾，全区域能见度好，etm+质量较高，经过的了系统的几何纠正和正射校正。此外，考虑到数据获取的时间在2000年，不涉及近些年来大规模地方性的土木工程建设，农田保持得较好。相关卫星基本参数，见表2-1。表2-1 etm+数据基本参数landsat7 etm+(本文不使用热红外波段)日期2000-11-1 太阳方位太阳高度角 41.0644115 方位角 153.3391254级别level 1t坐标系统wgs-84, utm zone 50n，中心坐标(389055.0，3286095.0)成像系统光学机械式扫描系统波段(纳米)band1band2band3band4band5band74505205206006306907609001550175020802350量化级数256像元大小28.5米(30米)此外还有用到的辅助数据。（1）从google earth客户端软件上获取得到的，并与庐山地区etm+影像有较高精度的空间对应关系的高分辨率影像图以作为参考，支持对地物的目视解译识别和参考选取地面控制点。（2）在2005年7月29日夏季获取的一景庐山地区landsat5 tm影像数据作为农业用地，森林，居民用地等地类的判别参考对照资料。（3）1:25万比例尺的整个区域地形图主要用于整体采样时的地物识别，庐山1:25000中北部地形图主要用于获取山顶光照阴影区分布。（4）从中国气象数据共享平台，江西气象台分站获得庐山牯岭镇测站的对应etm+影像获取时的当日气象数据。3 技术路线3.1 技术路线从数据预处理，这包括，etm+辐射定标,多源影像配准等过程，遥感影像和典型地物类型采样，最后是水体边界信息提取及其结果讨论。技术路线图，如下图3-1图3-1 技术路线图3.2 数据预处理3.2.1 辐射定标本文使用的etm+影像数据形式以像元dn值表示的，一般可以转化为大气层顶等价反射率(the toa equivalence reflectance of scene)(dinguirard & slater，1999)、表观星上反射率(apparent at-satellite reflectance)(hill & sturm，1991)或者星上光谱行星反照率(at-satellite spectral planetary albedos)(markham & barker，1987),简称星上反射率6。因为该level1t产品的元数据中并没有grescale(gain)和brescale(bias)参数，所以不能使用公式l=dn*grescale+brescale，则使用另外一个公式5，l= (lmax- lmin)/(qcalmax-qcalmin) * (qcal-qcalmin)+lmin (3-1)l为大气顶层进入卫星传感器的光谱辐亮度，qcal 为某一像元dn值，qcalmax为像元可取的最大值255，qcalmin 为像元可取的最小值1(本影像属于这个类型元数据中参数lpgs_8.2.2且为2004.4.4之前获取)，lmax和lmin 是dn在影像上表示qcalmax(dn = 255)，qcalmin(dn = 1)两值时的辐亮度值，算出etm+影像各个像元的辐亮度。接下来计算星上反射率。 (3-2)代表大气顶层表观反射率(无量纲)，为球面度sr常量，esun 为大气层顶平均太阳光谱辐照度，d为日地距离(天文单位)，coss 为太阳天顶角的余弦(元数据中有太阳高度角(90-)。相关数据查找landsat7 etm+数据处理手册，分别计算出6个波段各个像元的星上反射率。3.2.2 几何校正本文使用的landsat etm+/ tm数据产品等级是level1t，是usgs在2008年生产的，已经做了基本的几何纠正。同时利用gls2000/2005-dem ver1.0数据对两景影像做了正射校正处理，特别是针对庐山这样的高山地区有重要的价值。同时利用了地面控制点(gcps)和数字高程模型(dem)校正的level1t级产品几何精度在一个像元以内5。并使用google earth与landsat影像对应地面控制点数据完成中北部山区地形图与遥感影像的配准，采用仿射变换方法。保证研究数据高精度配准。3.2.3 地形数据预处理从google earth卫星影像图中获取的地面控制点，配准1:25万地形图到utm坐标系下。针对的庐山1:25000的中北部山区地形图，借助arcgis软件数字化地形图等高线为矢量线要素图层21，再通过使用3d analyst 模块，用矢量等高线生成tin表面模型，再用tin生成栅格尺寸为15米的dem产品。之后，使用surface analysis模块生成光照阴影(hillshade),输入etm+影像获取时的太阳高度角 41.0644115 和方位角 153.3391254，其中z-factor值的设定为0.8，生成的光照阴影分布图，通过镶嵌(mosaic)技术22把光影分布图扩展到庐山遥感影像区的范围大小。3.2.4 地面参照物的确定（1）目视解译识别地物遥感图像目视解译的目的是从遥感图像中获取需要的地学专题信息，它需要解决的问题是判读出遥感图像中有哪些地物，他们分布在哪里，并对其数量特征给予粗略的估计1。当我们能识别出自己在影像上所看到的信息，并将此信息传递给其他人时，其实就是在进行图像解译。影像上包含着原始的图像数据。经过人脑的加工，这些数据就成为有用的信息20。其包括有色调，颜色，阴影，形状，纹理，大小，位置，图型，相关布局等八要素。针对本文所用的etm+数据，其中主体地物类型有，森林，居民用地，农用地，水，以及阴影区。这些地物的识别是结合google earth高分辨率卫星影像数据和2005年仲夏获取的一景landsat5 tm影像数据来综合判断的。高分辨率影像数据的优势在于，可分辨出农田中裸土及居民房屋的差异。由于本文的etm+和辅助tm图像的获取季节不同，可以对比分辨出森林与农田各自及彼此间的差异，应为11月份研究区域内的农田绝大多数是裸土，其上并无作物茂盛生长，11月份的森林却并没有比仲夏的森林有明显的减少。etm+研究范围内，阴影区主要是由于庐山的地形因素，高山遮挡的作用，结合不同比例尺、不同区域范围的地形图辅助来判读。要特别指出的是在水体识别过程中对细小水体、浅水及水陆结合部等在etm+影像上以零散点状分布也解译为水体边界，为保证提取水体的完整性这很重要，为水体提取的精度评价设定了严格的目标。（2）采样采样是完成精度评价的基础，在本文中的各种地类样本数据有用在对大气校正问题的讨论，更重要的在于之后对水体边界提取结果的精度评价。那么设计既要有可靠的统计理论基础，还要有能在实际操作中可行的采样方法是精度评价的关键。首先，采样设计应当采用概率采样，以确保样本的代表性和有效性，使利用样本估计总体参数建立在可靠的基础之上4。本文运用的是分层采样方法。实际操作方法是以一个40*50（etm+上像素大小）的窗口为基础单元，对图像以窗口长宽为单位，从左至右，从上至下的平移，每移动一个位置则在窗口中采样不同的地物点15个，具体数目根据每个窗口中地物彼此间分布量来自主确定。这样就保证了，在每个窗口单元中存在的地物都会被选中，概率是相同的。在此基础之上所计算出的有关总体的参数估计也是无偏的，只是采样耗费时间较长，工作量较大4。所以，采样结果是能描述每种地物在整个图像中的分布的，具有很高的代表性，此外，特别是针对水体和阴影要结合地形图、光照阴影图来加以区分。之后，生成各类采样数据处理蒙板。表3-1列出了，五种典型地物的采样点总数目。表 3-1 各类地物采样点数目地物类型水体阴影森林居民用地农闲土地采样点数目106030080581011513.2.5 关于大气校正的讨论大气校正的目的是通过相关算法结合卫星过境时同步地面测量气象数据，去除影像数据中存在的因大气对辐射传输作用而造成的误差，进而增强影像质量4。换句话说，就是要使得处理后的结果更接近地表地物的光谱响应。但是直接使用dn值数据在实验研究过程中可能会出现问题。因为变化的太阳光照几何位置会在很大程度上影响着传感器响应而改变dn值。大多数情况下的太阳与地物的光照几何位置影响一般是通过把dn值转化为星上反射率的形式而得到归一化的结果来去除7。为了实证大气校正效果，专门使用envi遥感影像处理软件包中自带的flassh大气校正模型22，参考海拔1165米的牯岭气象站当天的部分气象数据。未校正前的影像，通过采样五种地物类型获取的各波段平均星上反射率平均值，绘制各波段模拟连续分布图，图3-2。对校正后的结果，使用图3-2描述的未校正影像中相同的地物类型采样点，绘制其平均星上反射率的各波段模拟连续分布图，图3-3。图3-2大气校正前采样地物光谱响应图纵坐标反射率扩大了10000倍，横坐标为波段号 图3-3大气校正后采样地物光谱响应纵坐标反射率扩大了10000倍，横坐标为波段号图3-2与图3-3对比分析，从大气校正前后波形来看，在第1波段阴影的辐射纠正效果最明显，而且在校正前,五种地物类型在第1波段反射率平均值相对校正前波形整体有明显下降，这是应为flassh处理增强了图像对比度和光谱特征差异。而除了第一波段，其余波段波形在校正后都没有较为显著的变化。而且特别要指出的是，经过flassh模型校正后的影像，在阴影和部分水体出现了大量反射率为负数的情况，以及反射率()异常高的情况。其比例分布在表3-2中。表 3-2 大气校正前后反射率过饱与错误的比例表波段定标后0比例校正后1比例校正后1比例水体band10.00%0.00%0.00%0.00%band20.00%0.00%0.00%0.00%band30.00%0.10%0.00%0.00%band40.00%8.21%0.00%0.00%band50.00%20.85%0.00%0.00%band70.00%17.17%0.00%0.00%阴影band10.00%28.33%0.00%0.00%band20.00%32.00%0.00%0.00%band30.00%31.00%0.00%0.00%band40.00%14.67%0.00%0.00%band50.00%16.33%0.00%0.00%band70.00%18.33%0.00%0.00%森林band10.00%0.37%0.00%0.00%band270.00%0.00%0.00%0.00%居民用地band170.00%0.00%0.00%0.00%农闲土地band170.00%0.00%0.00%0.00%表3-2中显示的比例结果是以五种地物类型采样数据样本蒙板，对辐射定标后和大气校正后的数据做采样而得到的。从表3-2中我们可以看到，校正后的反射率高于1的异常值，并没有从所有采样点体现出来，通过对校正后全局影像做统计。实际各波段上平均出现有100个左右异常高值点，占了总像元数的0.10%。这说明，校正后的异常增高点，没有起到任何的代表性作用。而校正后，水体，阴影和以波段的森林出现了异常低反射率(校正后0.0295.94%88.67%0.00%0.00%0.00%k0.0493.21%34.33%0.00%0.00%0.00%k0.0591.79%12.33%0.00%0.00%0.00%k0.0689.53% 3.00%0.00%0.00%0.00%k0.0880.38% 0.33%0.00%0.00%0.00%应用此方法可以控制阴影在0.33%3%错误比例下，保证水体边界提取比例精度在80%90%，而同时没有错提森林，居民用地和农闲土地。4.2.2 第二种方法提取结果第二种方法是使用归一化水体指数ndwi=(etm2-etm4)/(etm2+etm4)=k的波段组合来设定下限阈值k。结果如表4-2。表4-2 ndwi=k方法提取结果水体阴影森林居民用地农闲土地k0.190.00%63.00%0.00%0.00%0.00%k0.280.00%27.00%0.00%0.00%0.00%k0.365.66%7.67%0.00%0.00%0.00%k0.449.25%2.33%0.00%0.00%0.00%k0.520.19%1.33%0.00%0.00%0.00%ndwi方法提取的结果，在控制阴影错题比例1.33%7.67%内，水信息提取出20.19%65.66%。4.2.3 第三种方法提取结果第三种方法是使用改进归一化水体指数mndwi=(etm2-etm5)/(etm2+etm5)=k的波段组合来设定下限阈值k。结果如表4-3。表4-3 归一化水体指数mndwi=k方法提取结果水体阴影森林居民用地农闲土地k0.493.49%93.67%0.00%0.00%0.00%k0.589.25%84.67%0.00%0.00%0.00%k0.6579.15%50.00%0.00%0.00%0.00%k0.840.94%15.67%0.00%0.00%0.00%k0.919.06%8.33%0.00%0.00%0.00%4.2.4 第四种方法提取结果第四种方法是使用(etm2-etm4)=k的波段组合来设定阈值k。结果如表4-4。表4-4 (etm2-etm4)=k方法提取结果水体阴影森林居民用地农闲土地k0.00593.96%85.67%0.00%0.25%0.00%k0.0192.83%64.33%0.00%0.25%0.00%k0.02585.00%6.33%0.00%0.00%0.00%k0.0470.66%1.00%0.00%0.00%0.00%k0.0557.83%0.00%0.00%0.00%0.00%从此方法提取结果可以看到，阴影错提比例从1%升高到6.33%，但水体边界提取出70.66%到85%。4.2.5 第五种方法提取结果第四种方法是使用缨帽变换湿度分量tcw=k设定下限阈值，来提取水体边界信息。结果如表4-5。表4-5 tcw=k方法提取结果水体阴影森林居民用地农闲土地k0.0388.21%38.33%0.00%0.00%0.00%k0.03583.11%16.00%0.00%0.00%0.00%k0.04173.30%3.00%0.00%0.00%0.00%k0.04564.25%0.33%0.00%0.00%0.00%k0.0551.60%0.00%0.00%0.00%0.00%landsat7 etm+的缨帽变换后主要有亮度、绿度、湿度分量几乎包括了一景反射率影像97%信息量7。水信息就包含在湿度分量中，其统计结果中阴影错提概率控制在1%6.33%时，水体边界提取出70.66%85%。4.2.6 第六种方法提取结果第六种方法是使用(etm2+etm3)=k的波段组合来设定上限阈值k方法精度。结果如表4-6所示。表4-6 (etm2+etm3)=k方法提取阴影结果水体阴影森林居民用地农闲土地k0.10.28%78.33%0.12%0.00%0.00%k0.0111.32%95.67%1.37%0.00%0.00%k0.01151.79%98.00%4.35%0.00%0.00%k0.0122.64%98.33%7.70%0.12%0.00%k0.01253.96%100.00%18.26%0.12%0.00%做etm2与etm3 两个波段加法运算，结合在这两个波段中阴影采样平均反射率最小的事实；此外，水体反射率明显比阴影高。运算的结果可以增强水体和阴影的反差。从表4-6中的统计结果也表明，控制错提水体边界在1.32%3.96%的同时，阴影提取了98%100%，但同时不能忽视的是，也混杂了1.37%18.26%的森林样点。所以，etm2+etm3增强方法能以高精度的把阴影与水体边界分离。4.2.7 小结通过以上实验为基础的多种水体提取和阴影分离方法的精度比较来看，越要求更高的水体边界提取精度就越要承担错提大量阴影的风险，另外运用etm2+etm3的方法在接近100%比例提取阴影的同时存在错提一定数量的水体边界，虽然这并不能代表整体水体边界，但是在实验过程中发现，这部分水体多出现在高海拔湖泊的某些像元，造成较大水体中又缺失，例如，在某种阈值设定下提取的芦林湖时，水库会出现水体缺失。鉴于此，本文在庐山中北部地形图辅助下，选择(etm2+etm3)在剔除阴影方面的优势和(etm2+etm3)-(etm4+etm5)提取水体方面良好效果，综合两方法提出一种水体边界提取的处理流程。4.3 水体边界综合流程提取流程如图4-3。图4-3 综合提取方法流程在处理流程的第2步骤优化选择在4.2节中表4-1和表4-6所列出的阈值k1、k2，并生成对应蒙板i和ii。接下来，在第3步骤通过反复的试验对比分析，设定光照阴影分割阈值k3为0150。生成中北部山顶区绝对阴影分布iii，阴影分布在似矩形区（配准后）为中北部山顶区，在图中有三条阴影带，大马颈好汉坡锦绣谷，大月山，三叠泉五老峰梭子岗。接着，用i减去iii中的阴影分布，换句话说，这里是把中北部山区的阴影完全使用光照阴影图iii蒙板去除，得到w。而不包括中北部山顶这块区域的以外阴影，则使用蒙板ii中提取的阴影分布来去除，这是因为以实验为基础而发现i蒙板与ii蒙板在中北部山顶地区提取水体和阴影发生了混杂，具体是i中错提了阴影，同时ii中也错提了不少的水体，例如芦林湖、如琴湖等处。所以第4步骤中的阴影s蒙板就要完全排除iii的区域，也就是说iii的光照区和阴影区全部排除不包含在s蒙板中。之后，对w和s蒙板做布尔运算(步骤5),遵照的逻辑运算规则是，把水体w蒙板减去阴影s蒙板，这样去除了w中错提的阴影,得到本处理流程去阴影的最终水体边界蒙板m。然后，使用m提取etm+各波段数据。4.4 综合流程提取结果按照上一章的提取流程，试验了大量阈值设定的组合经过光影分布图取阴影后，其中具有代表性有意义的结果如下表5-1所列。表5-1 综合流程提取方法结果设定阈值 k1、k2水体阴影森林居民用地农闲土地k10.04|k20.04|k20.02|k20.02|k20.02|k20.02|k20.11）水体提取精度最优，保持在在95%以上，而阴影错提控制在10%左右，比在第4.2节中实验的任何直接用一种方法或者是多种方法组合的结果都要好。兼顾有较大程度上排除阴影的性质，是本方法的优势。通过借助地形图生成的光照阴影分布知识，很大程度上改善了部分水影混叠难分离的问题。 使用arcmap叠合最终优化提取水体边界蒙板与etm+7、4、3 假彩色组合可视化渲染的分布图，在图5-1中所示。其中深蓝亮黄色边区域为水体，表5-1中是提取的水体在arcmap中矢量化后的属性表（部分），其属性包括水域面积和周长。最后在gis的支持下，针对研究区域提取出来1540块不同大小特征的水体边界。图5-15 结论与讨论针对水体边界，从本文实践出的综合流程提取结果中我们看到，此方法确实有很高的精度，因为就庐山地区是一个高山，平原，丘陵，农田，水体，居民用地等混合型区域。高程的变化多端制约整个区域的大气校正可靠性和可行性，广阔的平原丘陵中分散着零星浅水和水陆交接水体，在采样处理时都兼顾采集了，但是结果仍然还有接近5%的水体没有提取出来。另外，农田（农闲）在采样时有很大的误导性，因为11月份是秋末，田地里草本植物并没有全部彻底的干枯而转变光谱特征，而在具有夏季获取的tm影像支持下同样可能出现局部因配准问题和地物零星像元的影像而产生的采样误差，对之后的实验产生原生性的误差影像。特别是水体边界，本文在排除河流的混合像元不予考虑的前提下，也遇到了诸如大面水体，如九江市东的西塞湖，湖心区域水体极为清澈，光谱反射率较低，存在与阴影光谱响应近似而难以区分。要特别指出，对于本文结果的获取起到至关重要作用的地形图在真个研究区域中是不完整的，只起到了对关键的中部山顶地区阴影的去除的作用，结合etm2+etm3方法提取其余阴影，也是本文流程方法的一个缺陷，须进一步改进。这些都是本方法不能完全处理得好的问题。依照本文方法的本质，通过大量反复的阈值设置、图像分割的处理，而得到的较高的水提取精度。图5-1 庐山水域分布图表5-1 水体信息属性表（部分）6 致谢辞*7 参考文献1 梅安新、彭望禄、秦其明、刘慧平 编著.遥感导论m.北京:高等教育出版社，2001-7:236页，56页。2 许建国、沙润主编，徐敏、董平、赵媛 等编.庐山地区地理实习指导书.南京:师范大学出版社，2008-6:1页、2425页。3 孙晓山.加强流域综合管理 确保鄱阳湖一湖清水.江西水利科技，2009-6第35卷第2期:8798页。4 赵英时等编著.遥感应用分析原理与方法.北京:科学出版社，2003-6:25、414、203204页。5 landsat project science office.landsat7 science data users handbook. nasas goddard space flight center in greenbelt, maryland，2009-8:chapter 116 池宏康、周广胜、许振柱、肖春旺、袁文平. 表观反射率及其在植被遥感中的应用.植物生态学报，2005第29卷第2号:7480页。7 chengquan huang, bruce wylie, limin yang, collin homer and gregory zylstra.derivation of a tasseled cap transformation based on landsat 7 at-satellite reflectance.raytheon itss, usgs eros data center sioux falls, sd 57198, usa :p. 2,9.8 cohen t.k.,maiersperger,t.a.spies and d.r.oetter.modelling forest cover attributes as continuous variables in a regional context with thematic mapper data, international journal of remote sensing, 2001, no.22: p. 2279-2310.9 juppd l.b., mayokk, kuchler, d a, et al . landsat based interpretation of the cairns section of the great barrier reef marine parkc, the c. s. i. r. o. natural resources series. no. 4,c. s. i. r. o. division of water and land resources ,